Baixe o app para aproveitar ainda mais
Prévia do material em texto
C M Y CM MY CY CMY K capa_curvas.pdf 1 10/07/09 16:16 Universidade do Sul de Santa Catarina Palhoça UnisulVirtual 2011 Álgebra Linear Disciplina na modalidade a distância Créditos Universidade do Sul de Santa Catarina | Campus UnisulVirtual | Educação Superior a Distância Reitor Ailton Nazareno Soares Vice-Reitor Sebastião Salésio Heerdt Chefe de Gabinete da Reitoria Willian Corrêa Máximo Pró-Reitor de Ensino e Pró-Reitor de Pesquisa, Pós-Graduação e Inovação Mauri Luiz Heerdt Pró-Reitora de Administração Acadêmica Miriam de Fátima Bora Rosa Pró-Reitor de Desenvolvimento e Inovação Institucional Valter Alves Schmitz Neto Diretora do Campus Universitário de Tubarão Milene Pacheco Kindermann Diretor do Campus Universitário da Grande Florianópolis Hércules Nunes de Araújo Secretária-Geral de Ensino Solange Antunes de Souza Diretora do Campus Universitário UnisulVirtual Jucimara Roesler Equipe UnisulVirtual Diretor Adjunto Moacir Heerdt Secretaria Executiva e Cerimonial Jackson Schuelter Wiggers (Coord.) Marcelo Fraiberg Machado Tenille Catarina Assessoria de Assuntos Internacionais Murilo Matos Mendonça Assessoria de Relação com Poder Público e Forças Armadas Adenir Siqueira Viana Walter Félix Cardoso Junior Assessoria DAD - Disciplinas a Distância Patrícia da Silva Meneghel (Coord.) Carlos Alberto Areias Cláudia Berh V. da Silva Conceição Aparecida Kindermann Luiz Fernando Meneghel Renata Souza de A. Subtil Assessoria de Inovação e Qualidade de EAD Denia Falcão de Bittencourt (Coord.) Andrea Ouriques Balbinot Carmen Maria Cipriani Pandini Assessoria de Tecnologia Osmar de Oliveira Braz Júnior (Coord.) Felipe Fernandes Felipe Jacson de Freitas Jefferson Amorin Oliveira Phelipe Luiz Winter da Silva Priscila da Silva Rodrigo Battistotti Pimpão Tamara Bruna Ferreira da Silva Coordenação Cursos Coordenadores de UNA Diva Marília Flemming Marciel Evangelista Catâneo Roberto Iunskovski Auxiliares de Coordenação Ana Denise Goularte de Souza Camile Martinelli Silveira Fabiana Lange Patricio Tânia Regina Goularte Waltemann Coordenadores Graduação Aloísio José Rodrigues Ana Luísa Mülbert Ana Paula R.Pacheco Artur Beck Neto Bernardino José da Silva Charles Odair Cesconetto da Silva Dilsa Mondardo Diva Marília Flemming Horácio Dutra Mello Itamar Pedro Bevilaqua Jairo Afonso Henkes Janaína Baeta Neves Jorge Alexandre Nogared Cardoso José Carlos da Silva Junior José Gabriel da Silva José Humberto Dias de Toledo Joseane Borges de Miranda Luiz G. Buchmann Figueiredo Marciel Evangelista Catâneo Maria Cristina Schweitzer Veit Maria da Graça Poyer Mauro Faccioni Filho Moacir Fogaça Nélio Herzmann Onei Tadeu Dutra Patrícia Fontanella Roberto Iunskovski Rose Clér Estivalete Beche Vice-Coordenadores Graduação Adriana Santos Rammê Bernardino José da Silva Catia Melissa Silveira Rodrigues Horácio Dutra Mello Jardel Mendes Vieira Joel Irineu Lohn José Carlos Noronha de Oliveira José Gabriel da Silva José Humberto Dias de Toledo Luciana Manfroi Rogério Santos da Costa Rosa Beatriz Madruga Pinheiro Sergio Sell Tatiana Lee Marques Valnei Carlos Denardin Sâmia Mônica Fortunato (Adjunta) Coordenadores Pós-Graduação Aloísio José Rodrigues Anelise Leal Vieira Cubas Bernardino José da Silva Carmen Maria Cipriani Pandini Daniela Ernani Monteiro Will Giovani de Paula Karla Leonora Dayse Nunes Letícia Cristina Bizarro Barbosa Luiz Otávio Botelho Lento Roberto Iunskovski Rodrigo Nunes Lunardelli Rogério Santos da Costa Thiago Coelho Soares Vera Rejane Niedersberg Schuhmacher Gerência Administração Acadêmica Angelita Marçal Flores (Gerente) Fernanda Farias Secretaria de Ensino a Distância Samara Josten Flores (Secretária de Ensino) Giane dos Passos (Secretária Acadêmica) Adenir Soares Júnior Alessandro Alves da Silva Andréa Luci Mandira Cristina Mara Schauffert Djeime Sammer Bortolotti Douglas Silveira Evilym Melo Livramento Fabiano Silva Michels Fabricio Botelho Espíndola Felipe Wronski Henrique Gisele Terezinha Cardoso Ferreira Indyanara Ramos Janaina Conceição Jorge Luiz Vilhar Malaquias Juliana Broering Martins Luana Borges da Silva Luana Tarsila Hellmann Luíza Koing Zumblick Maria José Rossetti Marilene de Fátima Capeleto Patricia A. Pereira de Carvalho Paulo Lisboa Cordeiro Paulo Mauricio Silveira Bubalo Rosângela Mara Siegel Simone Torres de Oliveira Vanessa Pereira Santos Metzker Vanilda Liordina Heerdt Gestão Documental Lamuniê Souza (Coord.) Clair Maria Cardoso Daniel Lucas de Medeiros Jaliza Thizon de Bona Guilherme Henrique Koerich Josiane Leal Marília Locks Fernandes Gerência Administrativa e Financeira Renato André Luz (Gerente) Ana Luise Wehrle Anderson Zandré Prudêncio Daniel Contessa Lisboa Naiara Jeremias da Rocha Rafael Bourdot Back Thais Helena Bonetti Valmir Venício Inácio Gerência de Ensino, Pesquisa e Extensão Janaína Baeta Neves (Gerente) Aracelli Araldi Elaboração de Projeto Carolina Hoeller da Silva Boing Vanderlei Brasil Francielle Arruda Rampelotte Reconhecimento de Curso Maria de Fátima Martins Extensão Maria Cristina Veit (Coord.) Pesquisa Daniela E. M. Will (Coord. PUIP, PUIC, PIBIC) Mauro Faccioni Filho (Coord. Nuvem) Pós-Graduação Anelise Leal Vieira Cubas (Coord.) Biblioteca Salete Cecília e Souza (Coord.) Paula Sanhudo da Silva Marília Ignacio de Espíndola Renan Felipe Cascaes Gestão Docente e Discente Enzo de Oliveira Moreira (Coord.) Capacitação e Assessoria ao Docente Alessandra de Oliveira (Assessoria) Adriana Silveira Alexandre Wagner da Rocha Elaine Cristiane Surian (Capacitação) Elizete De Marco Fabiana Pereira Iris de Souza Barros Juliana Cardoso Esmeraldino Maria Lina Moratelli Prado Simone Zigunovas Tutoria e Suporte Anderson da Silveira (Núcleo Comunicação) Claudia N. Nascimento (Núcleo Norte- Nordeste) Maria Eugênia F. Celeghin (Núcleo Pólos) Andreza Talles Cascais Daniela Cassol Peres Débora Cristina Silveira Ednéia Araujo Alberto (Núcleo Sudeste) Francine Cardoso da Silva Janaina Conceição (Núcleo Sul) Joice de Castro Peres Karla F. Wisniewski Desengrini Kelin Buss Liana Ferreira Luiz Antônio Pires Maria Aparecida Teixeira Mayara de Oliveira Bastos Michael Mattar Patrícia de Souza Amorim Poliana Simao Schenon Souza Preto Gerência de Desenho e Desenvolvimento de Materiais Didáticos Márcia Loch (Gerente) Desenho Educacional Cristina Klipp de Oliveira (Coord. Grad./DAD) Roseli A. Rocha Moterle (Coord. Pós/Ext.) Aline Cassol Daga Aline Pimentel Carmelita Schulze Daniela Siqueira de Menezes Delma Cristiane Morari Eliete de Oliveira Costa Eloísa Machado Seemann Flavia Lumi Matuzawa Geovania Japiassu Martins Isabel Zoldan da Veiga Rambo João Marcos de Souza Alves Leandro Romanó Bamberg Lygia Pereira Lis Airê Fogolari Luiz Henrique Milani Queriquelli Marcelo Tavares de Souza Campos Mariana Aparecida dos Santos Marina Melhado Gomes da Silva Marina Cabeda Egger Moellwald Mirian Elizabet Hahmeyer Collares Elpo Pâmella Rocha Flores da Silva Rafael da Cunha Lara Roberta de Fátima Martins Roseli Aparecida Rocha Moterle Sabrina Bleicher Verônica Ribas Cúrcio Acessibilidade Vanessa de Andrade Manoel (Coord.) Letícia Regiane Da Silva Tobal Mariella Gloria Rodrigues Vanesa Montagna Avaliação da aprendizagem Claudia Gabriela Dreher Jaqueline Cardozo Polla Nágila Cristina Hinckel Sabrina Paula Soares Scaranto Thayanny Aparecida B. da Conceição Gerência de Logística Jeferson Cassiano A. da Costa (Gerente) Logísitca de Materiais Carlos Eduardo D. da Silva (Coord.) Abraao do Nascimento Germano Bruna Maciel Fernando Sardão da Silva Fylippy Margino dos Santos Guilherme Lentz Marlon Eliseu Pereira Pablo Varela da Silveira Rubens Amorim YslannDavid Melo Cordeiro Avaliações Presenciais Graciele M. Lindenmayr (Coord.) Ana Paula de Andrade Angelica Cristina Gollo Cristilaine Medeiros Daiana Cristina Bortolotti Delano Pinheiro Gomes Edson Martins Rosa Junior Fernando Steimbach Fernando Oliveira Santos Lisdeise Nunes Felipe Marcelo Ramos Marcio Ventura Osni Jose Seidler Junior Thais Bortolotti Gerência de Marketing Eliza B. Dallanhol Locks (Gerente) Relacionamento com o Mercado Alvaro José Souto Relacionamento com Polos Presenciais Alex Fabiano Wehrle (Coord.) Jeferson Pandolfo Karine Augusta Zanoni Marcia Luz de Oliveira Mayara Pereira Rosa Luciana Tomadão Borguetti Assuntos Jurídicos Bruno Lucion Roso Sheila Cristina Martins Marketing Estratégico Rafael Bavaresco Bongiolo Portal e Comunicação Catia Melissa Silveira Rodrigues Andreia Drewes Luiz Felipe Buchmann Figueiredo Rafael Pessi Gerência de Produção Arthur Emmanuel F. Silveira (Gerente) Francini Ferreira Dias Design Visual Pedro Paulo Alves Teixeira (Coord.) Alberto Regis Elias Alex Sandro Xavier Anne Cristyne Pereira Cristiano Neri Gonçalves Ribeiro Daiana Ferreira Cassanego Davi Pieper Diogo Rafael da Silva Edison Rodrigo Valim Fernanda Fernandes Frederico Trilha Jordana Paula Schulka Marcelo Neri da Silva Nelson Rosa Noemia Souza Mesquita Oberdan Porto Leal Piantino Multimídia Sérgio Giron (Coord.) Dandara Lemos Reynaldo Cleber Magri Fernando Gustav Soares Lima Josué Lange Conferência (e-OLA) Carla Fabiana Feltrin Raimundo (Coord.) Bruno Augusto Zunino Gabriel Barbosa Produção Industrial Marcelo Bittencourt (Coord.) Gerência Serviço de Atenção Integral ao Acadêmico Maria Isabel Aragon (Gerente) Ana Paula Batista Detóni André Luiz Portes Carolina Dias Damasceno Cleide Inácio Goulart Seeman Denise Fernandes Francielle Fernandes Holdrin Milet Brandão Jenniffer Camargo Jessica da Silva Bruchado Jonatas Collaço de Souza Juliana Cardoso da Silva Juliana Elen Tizian Kamilla Rosa Mariana Souza Marilene Fátima Capeleto Maurício dos Santos Augusto Maycon de Sousa Candido Monique Napoli Ribeiro Priscilla Geovana Pagani Sabrina Mari Kawano Gonçalves Scheila Cristina Martins Taize Muller Tatiane Crestani Trentin Avenida dos Lagos, 41 – Cidade Universitária Pedra Branca | Palhoça – SC | 88137-900 | Fone/fax: (48) 3279-1242 e 3279-1271 | E-mail: cursovirtual@unisul.br | Site: www.unisul.br/unisulvirtual Kelen Regina Salles Silva Christian Wagner Revisão e atualização de conteúdo Kelen Regina Salles Silva Christian Wagner Design instrucional Roseli Rocha Moterle 3a edição Álgebra Linear Livro didático Palhoça UnisulVirtual 2011 Copyright © UnisulVirtual 2011 Nenhuma parte desta publicação pode ser reproduzida por qualquer meio sem a prévia autorização desta instituição Edição - Livro didático Professor Conteudista Kelen R. S. Silva Christian Wagner Design Instrucional Karla Leonora Dahse Nunes Roseli Rocha Moterle (3a edição) Assistente Acadêmico Michele Antunes Corrêa (2a edição revista e atualizada) Aline Cassol Daga (3a edição) Projeto Gráfico e Capa Equipe UnisulVirtual Diagramação Daniel Blass Revisão B2B ISBN 978-85-7817-217-6 512.5 S58 Silva, Kelen, R. S. Álgebra linear : livro didático / Kelen Regina Salles Silva, Christian Wagner ; revisão e atualização de conteúdo Kelen Regina Salles Silva, Christian Wagner ; design instrucional [Karla Leonora Dahse Nunes], Roseli Rocha Moterle. – 3. ed. – Palhoça : UnisulVirtual, 2011. 312 p. : il. ; 28 cm. Inclui bibliografia. ISBN 978-85-7817-217-6 1. Álgebra linear. 2. Geometria analítica. 3. Equações lineares. I. Wagner, Christian. II. Nunes, Karla Leonora Dahse. III. Moterle, Roseli Rocha. IV. Título. Ficha catalográfica elaborada pela Biblioteca Universitária da Unisul Sumário Apresentação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7 Palavras dos professores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .9 Plano de estudo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 Unidade 1 – Sistemas de equações lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 Unidade 2 – Espaço vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 Unidade 3 – Transformações lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123 Unidade 4 – Autovalores e autovetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193 Para concluir o estudo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219 Sobre os professores conteudistas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221 Referências . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223 Respostas e comentários das atividades de autoavaliação . . . . . . . . . . . . . 225 Apresentação Este livro didático corresponde à disciplina Álgebra Linear. O material foi elaborado visando a uma aprendizagem autônoma e aborda conteúdos especialmente selecionados e relacionados à sua área de formação. Ao adotar uma linguagem didática e dialógica, objetivamos facilitar seu estudo a distância, proporcionando condições favoráveis às múltiplas interações e a um aprendizado contextualizado e eficaz. Lembre-se de que sua caminhada, nesta disciplina, será acompanhada e monitorada constantemente pelo Sistema Tutorial da UnisulVirtual, por isso a “distância” fica caracteri- zada somente na modalidade de ensino que você optou para sua formação, pois na relação de aprendizagem professores e instituição estarão sempre conectados com você. Então, sempre que sentir necessidade entre em contato. Você tem à disposição diversas ferramentas e canais de acesso, tais como: telefone, e-mail e o Espaço UnisulVirtual de Aprendizagem, que é o canal mais recomendado, pois tudo o que for enviado e recebido fica registrado para seu maior controle e comodidade. Nossa equipe técnica e pedagógica terá o maior prazer em lhe atender, porque sua aprendizagem é o nosso principal objetivo. Bom estudo e sucesso! Equipe UnisulVirtual Palavras da professora Neste texto apresentamos os conteúdos da disciplina de Álgebra Linear que estão de acordo com a ementa do projeto pedagógico do seu curso. Este livro é uma continuação dos conceitos vistos em geometria analítica. No decorrer de cada unidade você terá contato com aspectos históricos da álgebra linear, bem como o uso de recursos tecnológicos. No desenvolvimento dos assuntos estudados, procuramos em cada tópico e em cada exemplo o detalhamento completo, passo a passo, mostrando sempre as proprie- dades e conceitos utilizados, sendo que as tabelas e ilustrações sem indicação de fonte foram elaboradas pelos autores. Pensamos que assim o aluno consegue seguir uma leitura independente, intercalando com a exposição dos exemplos e realizando os exercícios expostos nas atividades de autoavaliação. Você notará que a unidade inicial trata de um assunto já iniciado na disciplina de Geometria Analítica, os sistemas lineares, que somente agora terão seu complemento. As unidades 2, 3 e 4 são assuntos novos, mas para você obter êxito nelas, depende da Unidade 1, pois a ferramenta básica para o estudo são os sistemas lineares. Lembre-se: tenha sempre uma caneta e um papel na mão; não podemos ler um livro de matemática, principalmente de Álgebra Linear, como se fosse uma revista. É necessário para um bom entendimento que você mesmo reescreva as definições e propriedades com suas palavras e refaça os exemplos sempre que necessário– às vezes uma represen- tação gráfica ajuda, ou mesmo a tecnologia. Não deixe de Universidade do Sul de Santa Catarina 10 realizar todos os exercícios propostos nas atividades de autoa- valiação, assim temos certeza de que você concluirá a disciplina com sucesso. Nós, autores e professores, estamos à disposição para atendê-lo da melhor maneira possível, por isso não deixe de interagir através das ferramentas disponíveis no ambiente virtual. Socialize seu conhecimento com seu professor e com seus colegas e façamos assim uma grande rede de aprendizagem e troca de informações. O sucesso só aparece depois do trabalho. Então mãos à obra e bons estudos. Profº Christian Wagner, Msc Profª Kelen R.S. Silva, Msc Plano de estudo O plano de estudos visa a orientá-lo(a) no desenvolvi- mento da disciplina. Possui elementos que o(a) ajudarão a conhecer o contexto da disciplina e a organizar o seu tempo de estudos. O processo de ensino e aprendizagem na UnisulVirtual leva em conta instrumentos que se articulam e se comple- mentam, portanto a construção de competências se dá sobre a articulação de metodologias e por meio das diversas formas de ação/mediação. São elementos desse processo: o livro didático; o Espaço UnisulVirtual de Aprendizagem (EVA); as atividades de avaliação (a distância, presenciais e de autoavaliação); o Sistema Tutorial. Ementa da disciplina: Sistemas de equações lineares. Operações elementares sobre linhas de uma matriz. Forma escalonada. Processo de eliminação de Gauss-Jordan. Cofatores e aplicações. Espaços vetoriais e subespaços vetoriais. Dependência e independência linear. Base. Transformações lineares. Autovalores e autovetores. Universidade do Sul de Santa Catarina 12 Objetivos: Geral Proporcionar ao aluno o aprimoramento do conhecimento básico de matemática fundamental, para a compreensão das disciplinas superiores, visando ao desenvolvimento do raciocínio matemático. Específicos Apresentar novas metodologias para resolução de sistemas de equações lineares. Despertar uma visão abstrata através dos conceitos de espaços vetoriais, subespaços e base de dimensão. Ampliar a noção de funções lineares (ou aplicações lineares), onde o domínio e o contradomínio são espaços vetoriais reais. Apresentar a definição de valores próprios e vetores próprios, bem como sua utilização na diagonalização de matrizes. Apresentar softwares que ajudem na resolução de problemas relacionados à álgebra linear. Carga horária: 60 horas – 4 créditos Conteúdo programático/objetivos Veja, a seguir, as unidades que compõem o livro didático desta disciplina e os seus respectivos objetivos. Estes se referem aos resultados que você deverá alcançar ao final de uma etapa de estudo. Os objetivos de cada unidade definem o conjunto de conhecimentos que você deverá possuir para o desen- volvimento de habilidades e competências necessárias à sua formação. Álgebra 13 Unidades de estudo: 4 Unidade 1 – Sistemas de equações lineares Sistemas de Equações lineares aparecem em áreas como economia, engenharias, física, química, bem como em áreas não tão ligadas à matemática, como administração, sociologia, ecologia etc. Com isso, estudar métodos para resolução de sistemas de equações lineares, além de ser fundamental para a compreensão dos conceitos estudados nas próximas unidades, auxilia a resolução de inúmeros problemas de aplicação científica. Unidade 2 – Espaço vetorial Nesta unidade será estudado o conceito de espaços vetoriais: conjuntos que satisfazem propriedades idênticas às dos vetores. Dentro destes conjuntos serão apresentados ainda os conceitos de subespaços vetoriais, bem como as definições de combinação linear, conjuntos linearmente dependentes e independentes, base e dimensão. Todos estes aspectos são importantes para o entendimento das unidades posteriores. Unidade 3 – Transformações lineares Transformações Lineares são aplicações especiais que envolvem espaços vetoriais e representam um papel importante na matemática, pois relacionam conjuntos que aparentemente são distintos, mas apresentam “estruturas” idênticas. São aplicadas em diversas áreas como ótica e computação gráfica. Unidade 4 – Autovalores e autovetores Quando uma transformação linear leva um vetor em um múltiplo deste vetor, isto é, T(v) = λ , então o vetor v é chamado de autovetor e o número λ é chamado de autovalor. Esta unidade, então, trata especificamente das transformações lineares T : V → V que tem esta propriedade e de como encontrar seus autovetores e autovalores. Universidade do Sul de Santa Catarina 14 Agenda de atividades/Cronograma Verifique com atenção o EVA, organize-se para acessar periodicamente o espaço da disciplina. O sucesso nos seus estudos depende da priorização do tempo para a leitura; da realização de análises e sínteses do conteúdo; e da interação com os seus colegas e professor. Não perca os prazos das atividades. Registre no espaço a seguir as datas, com base no cronograma da disciplina disponibilizado no EVA. Use o quadro para agendar e programar as atividades relativas ao desenvolvimento da disciplina. Atividades obrigatórias Demais atividades (registro pessoal) 1UNIDADE 1Sistemas de equações lineares Objetivos de aprendizagem Definir equações lineares, solução de equações lineares, sistemas de equações lineares e solução de um sistema de equações lineares. Associar sistemas a matrizes. Realizar operações elementares com linhas de matrizes associadas a sistemas, a fim de obter sistemas equivalentes. Transformar uma matriz relacionada a um sistema em uma matriz na forma escalonada. Aplicar o método de eliminação de Gauss e o método de Gauss- -Jordan para resolver sistemas lineares. Calcular inversa de matriz para resolver sistemas lineares. Seções de estudo Seção 1 Equações lineares Seção 2 Sistemas de equações lineares Seção 3 Sistemas equivalentes Seção 4 Resolução de sistemas de equações lineares Seção 5 Matriz inversa e sistemas lineares Universidade do Sul de Santa Catarina 16 Para início de estudo O estudo de sistemas de equações lineares é de extrema importância. Por serem capazes de representar modelos complexos de sistemas reais, aparecem nas mais variadas aplicações. Dentre elas, áreas como: administração, economia, sociologia, ecologia, demografia, genética, eletrônica, engenharias e física. Nesta unidade, iremos estudar os principais métodos analíticos para resolução de sistemas de equações lineares. Métodos clássicos, cujos algoritmos são utilizados para determinar a solução de sistemas, caso esta exista, além de permitir a análise dos sistemas tanto analiticamente quanto por meio de softwares que os implementam. Veremos, também, que essa análise geralmente é realizada utilizando matrizes associadas ao sistema. Com isso, iremos também aprofundar o estudo das matrizes. Bom estudo! Seção 1 – Equações lineares Inicialmente, vamos retomar a definição de equação linear e solução de equação linear. Uma equação linear é uma equação que pode ser colocada na forma padrão: a1x1 + a2x2 + a2x2 + … + anxn = b Em que: x1, x2, x3, … , xn são as incógnitas ou variáveis; a1, a2, a3, … , an são números reais chamados coeficientes; e b é um número real chamado termo independente. Álgebra Linear 17Unidade 1 Exemplos: 1.1. A equação 2x + y = 2 é uma equação linear com duas variáveis (x e y). 1.2. A equação x2 – 5x + 6 = 0 não é uma equação linear, pois não pode ser escrita na forma padrão, já que apresenta o termo x2. 1.3. A equação x + xy – 7 = 0 também não é uma equação linear, pois apresenta o termo xy, o que impede a colocação naforma padrão. Uma solução de uma equação linear, com n incógnitas, é um conjunto de valores das incógnitas que satisfazem a equação. Estes valores são denominados raízes da equação linear e podem ser representados por uma n-upla ordenada de números reais (k1, k2, k3, …, kn) que verifica a igualdade de a1x1 + a2x2 + a3x3 + … + anxn = b, ou seja, a1k1 + a2k2 + a3k3 + … + ankn = b Exemplos: 1.4 A equação 2x + y = 2 tem uma solução dada pelo par ordenado (0, 2), pois 2(0) + 2 = 2 , mas o par (1, 3) não é solução da equação, pois 2(1) + 3 = 5 ≠ 2. 1.5 A equação x + 2y – 4z + t = 3 tem uma solução (3, 2 ,1, 0), mas (1, 2, 4, 5) não é solução da equação linear. Como encontrar soluções de uma equação linear? Universidade do Sul de Santa Catarina 18 Uma equação linear ax = b, com uma incógnita x e coefi- cientes a e b ∈ IR, pode apresentar como solução uma das três possibilidades: I. Se a ≠ 0, a equação possui solução única x = b a ; II. Se a = 0, mas b ≠ 0, a equação não tem solução; III. Se a = 0 e b = 0, a equação apresenta infinitas soluções. Uma solução de uma equação linear na forma a1x1 + a2x2 + a2x2 + … + anxn = b, com n incógnitas, coeficientes ai, i = 1, …, n, não todos nulos e b um número real, pode ser obtida isolando uma das incógnitas (com coeficiente diferente de zero) e substituindo quaisquer valores para as demais incógnitas, agora chamadas de variáveis livres. Uma equação linear, com n incógnitas, na forma 0x1 + 0x2 + 0x2 + … + 0xn = b, é chamada de equação degenerada. Teorema 1.1: uma equação degenerada 0x1 + 0x2 + 0x2 + … + 0xn = b, com n incógnitas e b um número real: I. Não tem solução, se b ≠ 0; II. Tem infinitas soluções, se b = 0. Demonstração Dada a equação degenerada 0x1 + 0x2 + 0x2 + … + 0xn = b, e s = (k1, k2, k3, …, kn) uma n-upla ordenada qualquer de números reais. I. Se b ≠ 0, suponha que s é solução da equação, ou seja: 0k1 + 0k2 + 0k2 + … + 0kn = b 0 + 0 + 0 + … + 0 = b 0 = b, que é um absurdo, já que, por hipótese, b ≠ 0. Álgebra Linear 19Unidade 1 Logo, nenhuma n-upla ordenada é solução da equação anterior. II. Se b = 0, suponha novamente que s é solução da equação: 0k1 + 0k2 + 0k2 + … + 0kn = 0 0 + 0 + 0 + … + 0 = 0 0 = 0, ou seja, qualquer n-upla ordenada é solução da equação. Logo, a equação possui infinitas soluções. Exemplos 1.6. A equação 3x + 1 = x + 7 tem uma solução: 3x – x = 7 – 1 2x = 6 x = 3 (Somente esse valor de x satisfaz a equação). 1.7. A equação x + 2 = x + 5 não tem solução, pois: x – x = 5 – 2 0x = 3 (Observe que não existe x tal que a igualdade seja verdadeira). 1.8. A equação 2x + 4 = 2x + 4 tem infinitas soluções, pois: 2x – 2x = 4 – 4 0x = 0 (Observe que para qualquer valor de x, a igualdade é satisfeita). 1.9. A equação 2x – 3y + z = 5 tem infinitas soluções, pois, se isolarmos uma das incógnitas, obtemos duas variáveis livres que podem assumir quaisquer valores. z = 5 – 2x + 3y Universidade do Sul de Santa Catarina 20 Por exemplo: Fazendo x = 1 e y = 1, temos como solução a tripla ordenada (1, 1, 6). Fazendo x = 0 e y = 3, temos como solução a tripla ordenada (0, 3, 14). 1.10. A equação 2x – y + 2z + 4 = 3 + 2x – y + 2z + 1 tem infinitas soluções, pois: 2x – y + 2z – 2x + y – 2z = 3 + 1 – 4 0x + 0y + 0z = 0 Agora é a sua vez! Faça os exercícios 1, 2 e 3 das atividades de autoavaliação. Seção 2 – Sistemas de equações lineares Muitas técnicas para resolver sistemas de equações lineares têm sido aplicadas e atualizadas ao longo dos anos. Tais atua- lizações se devem ao avanço da informática, que, através de diversos softwares, é capaz de realizar um grande número de operações algébricas com enorme rapidez. Esses softwares trabalham com a representação matricial do sistema. Nesta unidade, vamos mostrar a relação entre sistemas e matrizes. Um sistema de m equações lineares e n incógnitas é um conjunto finito de equações lineares representado na forma padrão: + + + = + + + = + + + = 11 1 12 2 1 1 21 1 22 2 2 2 1 1 2 2 n n n n m m mn n m a x a x a x b a x a x a x b a x a x a x b Álgebra Linear 21Unidade 1 Em que: x1, x2, x3, ... , xn são incógnitas ou variáveis; aij com i ∈ {1, 2, ... , m} e j ∈ {1, 2, ..., n} são os coeficientes das incógnitas; e b1 , b2 , b3 , ... , bm são os termos independentes. Se você observar bem, verá que podemos representar o sistema acima por meio de matrizes. Ou seja: 1 111 12 1 21 22 2 2 2 1 2 n n m m mn n n x ba a a a a a x b a a a x b ⋅ = Essas matrizes recebem nomes especiais: 1. Matriz de coeficientes: matriz formada pelos coeficientes das incógnitas; 11 12 1 21 22 2 1 2 n n m m mn a a a a a a a a a 2. Matriz (vetor) das incógnitas: matriz coluna formada pelas incógnitas do sistema; 1 2 n x x x 3. Matriz (vetor) dos termos indepen- dentes: matriz coluna formada pelos termos independentes do sistema; 1 2 n b b b 4. Matriz aumentada: formada pelos coeficientes das incógnitas e pelos termos independentes. 11 12 1 1 21 22 2 2 1 2 n n m m mn n a a a b a a a b a a a b Universidade do Sul de Santa Catarina 22 Se chamarmos: A = Matriz dos coeficientes; X = Vetor das incógnitas; B = Vetor de termos independentes. Um sistema de equações lineares pode ser representado na notação matricial AX = B. Quando todos os elementos do vetor de termos indepen- dentes do sistema linear forem iguais a zero, o sistema é dito homogêneo. Exemplos 1.11. Dado o sistema: 1 2 3 1 2 3 1 2 3 2 4 6 10 4 2 2 16 2 8 4 24 x x x x x x x x x + − = + + = + − = Temos: 2 4 6 4 2 2 2 8 4 − − 1 2 3 x x x 10 16 24 2 4 6 10 4 2 2 16 2 8 4 24 − − Matriz de coeficientes Matriz (vetor) das incógnitas Matriz (vetor) dos termos independentes Matriz aumentada Representação matricial: 1 2 3 2 4 6 10 4 2 2 16 2 8 4 24 x x x − ⋅ = − Álgebra Linear 23Unidade 1 1.12. Um sistema e sua representação matricial: 1 2 3 4 3 4 4 3 2 5 4 2 x x x x x x + − + = − = 1 2 3 4 1 4 3 2 5 0 0 1 4 2 x x x x − ⋅ = − 1.13. Um sistema homogêneo e sua representação matricial: 1 2 1 2 3 2 0 6 4 0 x x x x − = − = 1 2 3 2 0 6 4 0 x x − ⋅ = − Solução de um sistema de equações lineares são valores das incógnitas ou variáveis que satisfazem simultaneamente todas as equações do sistema, ou seja, dado um sistema, com m equações lineares e n incógnitas, representado na forma padrão, a n-upla ordenada (k1, k2, …, kn) é solução se: 11 1 12 2 1 1 21 1 22 2 2 2 1 1 2 2 ... ... ... n n n n m m mn n m a k a k a k b a k a k a k b a k a k a k b + + + = + + + = + + + = Ou ainda, se chamarmos essa n-upla de vetor solução e a repre- sentarmos como uma matriz coluna, ao substituirmos o vetor de incógnitas pelo vetor solução, teremos que o produto da matriz dos coeficientes pelo vetor solução é igual ao vetor de termos independentes, isto é:1 111 12 1 21 22 2 2 2 1 2 n n m m mn n n k ba a a a a a k b a a a k b ⋅ = Os valores da n-upla também podem ser chamados de raízes do sistema de equações lineares. Universidade do Sul de Santa Catarina 24 Todo sistema linear homogêneo tem pelo menos uma solução denominada solução trivial. Assim, um sistema homogêneo com m equações lineares e n incógnitas tem, no mínimo, como solução a n-upla (0, 0, …,0). Exemplos 1.14. Dado o sistema: 2 5 S1 : 2 x y x y + = − = − Observe que a primeira equação do sistema S1 possui, entre suas soluções, os pares ordenados: (–1, 7), (0, 5), (1, 3); A segunda equação tem, entre as suas soluções: (5, 7), (2, 4), (1, 3). Note que o par (1, 3) satisfaz as duas equações do sistema, então ele é uma solução do sistema S1. 1.15. A tripla ordenada (–2, –1, 4) é solução do sistema: 1 2 3 1 2 3 1 2 3 2 7 S2 : 3 3 5 1 x x x x x x x x x − + = + + = + + = pois satisfaz as três equações. Na forma matricial: 1 1 2 2 1 ( 2) ( 1) ( 1) 2 4 7 3 1 3 1 3 ( 2) 1 ( 1) 3 4 5 1 1 1 4 1 ( 2) 1 ( 1) 1 4 1 − − ⋅ − + − ⋅ − + ⋅ ⋅ − = ⋅ − + ⋅ − + ⋅ = ⋅ − + ⋅ − + ⋅ Álgebra Linear 25Unidade 1 1.16. Uma solução do sistema 1 2 3 1 2 3 1 2 3 4 3 0 4 2 0 3 0 x x x x x x x x x − − = − + = + − = é a solução trivial x1 = 0, x2 = 0 e x3 = 0. Lembre-se de que um sistema de equações lineares pode ser: I. sistema possível ou compatível e determinado: admite-se solução única; II. sistema possível ou compatível e indeterminado: admitem-se infinitas soluções; III. sistema impossível ou incompatível: se não tem solução. Observação 1.1: um sistema homogêneo é sempre possível, pois admite pelo menos a solução trivial. Mas como encontrar soluções de um sistema de equações lineares? Você já estudou a resolução de sistemas de equações lineares pela Regra de Cramer e também a interpretação gráfica da solução de sistemas lineares. Vamos agora analisar novas situações e conhecer outros métodos de resolução de sistemas. Universidade do Sul de Santa Catarina 26 Um sistema de equações lineares está na forma escalonada se apresenta a seguinte forma: 2 2 2 1 2 1 1 1 11 1 1 2 2 1 3 3 1 4 4 1 1 2 2 2 2 ... ... r r r r n n j j j j n n rj j rj j rn n r a x a x a x a x a x b a x a x a x b a x a x a x b + + + + + + + + + = + + + = + + + = Em que: 1 < j2 < … < jr a11 ≠ 0, a2j2 ≠ 0, …, arj ≠ 0, com r ≤ n Teorema 1.2: se um sistema na forma escalonada apresentar a equação degenerada 0x1 + 0x2 + 0x2 + … + 0xn = b, então: I. Se b = 0, essa equação pode ser omitida do sistema sem modificar o conjunto solução; II. Se b ≠ 0, o sistema não tem solução. Se o sistema tiver o número de equações igual ao número de variáveis, a forma escalonada tem um nome especial: Um sistema de equações lineares está na forma triangular se o número de equações é igual ao número de incógnitas e se tem a seguinte forma: 11 1 12 2 1 1 22 2 2 2 ... ... n n n n mn n m a x a x a x b a x a x b a x b + + + = + + = = Em que: aij ≠ 0, ∀ i = j Você pode observar que a matriz dos coeficientes é uma matriz triangular superior. Álgebra Linear 27Unidade 1 Teorema 1.3: um sistema na forma escalonada pode apresentar: I. solução única se o número de variáveis for igual ao número de equações; II. infinitas soluções se o número de equações for menor que o número de variáveis. Nesse caso, teremos variáveis livres. Para encontrar a solução de um sistema nessa forma escalonada, seguimos um processo chamado de retro-substituição, que consiste em partir da última equação para determinar a n-ésima incógnita e substituir na (n–1)-ésima equação e assim sucessiva- mente até obter a solução do sistema. Exemplos 1.17. Para encontrar a solução do sistema na forma triangular 2 4 11 5 2 3 9 x y z y z z + − = + = = − começamos com 3z = – 9 ⇒ z = –3, substituindo o valor de z na segunda equação: 5y + (–3) = 2 ⇒ 5y = 5 ⇒ y = 1, substituindo z e y na primeira equação: 2x + 4·1 – (–3) = 11 ⇒ 2x = 4 ⇒ x = 2, solução do sistema (2, 1, –3). 1.18. O sistema na forma escalonada 1 2 3 4 3 4 4 3 2 5 4 2 x x x x x x + − + = − = admite infinitas soluções, pois podemos representar as variáveis como: x3 = 2 + 4x4 e x1 = 5 – 4x2 + 3x3 – 2x4 Universidade do Sul de Santa Catarina 28 Substituindo x3 em x1: x1 = 5 – 4x2 + 3(2 + 4x4) – 2x4 = 11 – 4x2 + 10x4 Nesse caso, temos x3 em função de x4 e x1 em função de x2 e x4, ou seja, as variáveis x2 e x4 são variáveis livres que podem assumir valores arbitrários, obtendo assim infinitas soluções para o sistema. E quando o sistema não estiver na forma escalonada? Agora é a sua vez! Resolva os exercícios de autoavaliação de 4 a 6. Seção 3 – Sistemas equivalentes Apesar de encontrarmos softwares que resolvem sistemas de equações lineares, nosso interesse está em estudar esses sistemas e até conhecer os métodos utilizados por esses softwares. Para isso, precisamos de algumas definições importantes. Dois sistemas de equações lineares são ditos equi- valentes quando as equações envolvem as mesmas variáveis e admitem a mesma solução, ou seja, toda solução do primeiro é também solução do segundo e vice-versa. Álgebra Linear 29Unidade 1 Exemplos 1.19. Os sistemas S1 e S2 abaixo são equivalentes, já que possuem a mesma solução (10, 2) 1 2 1 2 1 2 1 2 3 6 42 2 14 S1 e S2 2 4 12 2 6 x x x x x x x x + = + = = = − = − = Pois: 3 10 6 2 30 12 42 10 2 2 10 4 14 S1 e S2 2 10 4 2 20 8 12 10 2 2 10 4 6 ⋅ + ⋅ = + = + ⋅ = + = = = ⋅ − ⋅ = − = − ⋅ = − = 1.20. Considere os sistemas abaixo: 1 2 3 1 2 3 2 1 2 3 3 1 2 3 3 2 0 3 2 0 S3 4 e S4 3 4 2 4 3 2 4 x x x x x x x x x x x x x x + − = + − = = = = − − + = = + + = Observe que S3 está na forma triangular, se partirmos da última equação teremos o valor da variável x3 = 2. Da segunda equação temos x2 = 4, substituindo na primeira equação, obtemos: 3x1 + 2·4 – 2 = 0 3x1 = –6 ⇒ x1 = –2, solução (–2, 4, 2) Apesar do sistema S4 aparentar ser mais difícil de resolver, observe que, se somarmos a primeira equação com a segunda, obtemos: 3x1 + 2x2 – x3= 0 –3x1 – x2 + x3= 4 x2 = 4 Analogamente, subtraindo a terceira equação da primeira: 3x1 + 2x2 + x3= 0 –3x1 – 2x2 + x3= 4 x3= 4 Universidade do Sul de Santa Catarina 30 Então x3 = 2, substituindo o valor de x2 e x3 em qualquer uma das equações de S4, obtemos x1= –2. Ou seja, os sistemas S3 e S4 são equivalentes. Um sistema de m equações lineares Ei, i = 1, …, m se transforma em um sistema equivalente quando se efetuam as seguintes operações elementares: I. Permutação de duas equações: Ei ↔ Ej, i = 1, …, m e j = 1, …, m; II. Multiplicação de uma equação por um número real k diferente de zero: Ei = kEi, i = 1, …, m; III. Substituição de uma equação por sua soma com outra previamente multiplicada por um número real k diferente de zero: Ei = Ei + kEj, i = 1, …, m e j = 1, …, m. Exemplos 1.21. Dado o sistema: 1 2 3 1 2 3 1 2 3 2 4 6 10 S 4 2 2 16 2 8 4 24 x x x x x x x x x + − = = + + = + − = cuja solução é (2, 3, 1). Vamos realizar algumas operações elementares nesse sistema e observar que os sistemas obtidos a partir dessas operações são equivalentes entre si. Para isso, chamaremos asequações 1, 2 e 3 de E1, E2 e E3 respectivamente. I. Permutar a segunda equação pela terceira equação do sistema: (E2 ↔ E3) 1 2 3 1 2 3 1 2 3 2 4 6 10 S1 2 8 4 24 4 2 2 16 x x x x x x x x x + − = = + − = + + = Álgebra Linear 31Unidade 1 II. Multiplicar a primeira equação do sistema por ( 1 2 ): E1 = 1 2 E1 1 2 3 1 2 3 1 2 3 2 3 5 S2 2 8 4 24 4 2 2 16 x x x x x x x x x + − = = + − = + + = III. Substituir a terceira equação pela soma dela com a primeira equação previamente multiplicada por (–4): E3 = E3 + (–4)·E1 1 2 3 1 2 3 1 2 3 2 3 5 S3 2 8 4 24 0 6 14 4 x x x x x x x x x + − = = + − = − + = − Observe que a solução (2, 3, 1) é solução dos sistemas S, S1, S2 e S3, ou seja, os sistemas são equivalentes. As operações que transformam um sistema em outro equivalente a ele são as três apresentadas. Agora é a sua vez! Resolva os exercícios 7 e 8 das atividades de autoavaliação. Seção 4 – Resolução de sistemas de equações lineares Nesta seção, você vai estudar alguns métodos clássicos utilizados para a resolução de sistemas de equações lineares. Todos eles consistem em transformar o sistema inicial em um sistema equivalente por meio de operações elementares. Para tanto, utilizam a forma matricial do sistema e trabalham as operações sobre as linhas dessa matriz em vez de trabalhar com equações. Assim, podemos reescrever as operações elementares: Universidade do Sul de Santa Catarina 32 Operações elementares sobre as linhas de uma matriz I. Permutação de duas linhas: Li ↔ Lj, i = 1, …, m e j = 1, …, m; II. Multiplicação de uma linha por um número real k diferente de zero: Li = kLi, i = 1, …, m; III. Substituição de uma linha por sua soma com outra previamente multiplicada por um número real k diferente de zero: Li = Li + kLj, i = 1, …, m e j = 1, …, m. A matriz dos coeficientes do sistema na forma escalonada também se apresenta na forma escalonada. Uma matriz A = (aij)m×n está na forma escalonada se: 1. Toda linha nula somente aparece abaixo de todas as linhas não nulas (ou seja, daquelas que possuem pelo menos um elemento não nulo – chamado pivô); 2. Cada pivô está à direita do elemento pivô da próxima linha. Observação 1.2: se uma matriz satisfaz as condições 1, 2 e além disso: todos os pivôs são iguais a 1; toda coluna que contém o pivô em alguma linha tem todos os seus outros elementos iguais a zero. Dizemos que ela está na forma reduzida por linha. Exemplos 1.22. São matrizes na forma escalonada reduzida por linha: 1 0 0 0 1 0 0 0 1 , 0 1 3 0 0 0 0 0 1 0 0 0 0 0 1 − e 1 0 0 0 1 0 1 0 0 0 0 0 1 0 4 0 0 0 1 2 Álgebra Linear 33Unidade 1 1.23. São matrizes na forma escalonada: 1 0 0 1 , 1 2 0 0 1 1 0 0 1 − , 0 1 3 0 2 0 0 0 3 3 0 0 0 0 0 − e 1 0 0 3 1 0 4 0 7 0 0 0 1 1 4 0 0 0 1 2 − − Um pouco de história Johann Carl Friedrich Gauss (1777-1855) nasceu na Alemanha e foi considerado por muitos como o maior gênio da história da Matemática. Menino prodígio aos sete anos, surpreendeu um professor ao calcular correta e rapidamente a soma de todos os números inteiros de 1 a 100, sem apresentar nenhum cálculo por escrito. (Veja no EVA qual o raciocínio utilizado por Gauss). Durante sua vida, dedicou se a diversas áreas da Matemática e da Física. Superou toda a matemática até então estudada ao propor rigor nas demonstrações e por conta disso, o estudo da Matemática e da Astronomia progrediram e estas se tornaram áreas caracterizadas pela precisão. Aos 24 anos, publicou sua obra-prima Disquisi-tiones Arithmeticae, na qual sintetizou o estudo da Teoria dos Números e por isso foi considerada por muitos como uma das maiores realizações matemáticas. Fonte: Anton e Rorres (2001). Método de eliminação de Gauss O método utiliza operações elementares com as linhas da matriz dos coeficientes do sistema, a fim de transformá-la numa matriz escalonada e encontrar a solução do sistema através de retro- -substituição das variáveis. Dado um sistema linear na forma matricial AX = B, podemos descrever o método de eliminação de Gauss através das seguintes etapas: Etapa 1: determinação da matriz aumentada do sistema [A|B]; Universidade do Sul de Santa Catarina 34 Etapa 2: transformação da matriz dos coeficientes A numa matriz escalonada, aplicando as operações elementares na matriz aumentada. Para isso, seguiremos as seguintes fases: Fase 1: localizar a coluna mais à esquerda que não seja toda constituída de zeros, coluna r; Fase 2: permutar as linhas de maneira a obter um elemento não zero na primeira linha da coluna r, por exemplo, de modo que a1r ≠ 0. Chamá-lo de pivô e a linha 1 de linha pivô; Fase 3: utilizar o pivô para zerar todos os elementos abaixo dele, ou seja, para cada i > 1, determinar multiplicadores: mir = 1 ir r a a para realizar as operações Li = Li + (–mir)L1 Fase 4: repetir as fases 2 e 3 na submatriz formada por todas as linhas, exceto a primeira; Fase 5: continuar o processo até que a matriz esteja na forma escalonada. Etapa 3: resolver o novo sistema obtido na etapa 2 por retro-substituição. Sem perda por generalidade, iremos apresentar esse método resolvendo exemplos. Exemplos 1.24. Encontre a solução do sistema abaixo, utilizando eliminação de Gauss. 1 2 3 1 2 3 1 2 3 2 3 8 4 2 2 4 2 5 3 12 x x x x x x x x x + + = + + = + + = − Álgebra Linear 35Unidade 1 Etapa 1: Escrever a matriz aumentada do sistema: 2 1 3 8 [A|B] 4 2 2 4 2 5 3 12 = − Etapa 2: transformar a matriz dos coeficientes em uma matriz na forma escalonada, através de operações com linhas na matriz aumentada: Fase 1: Identificar o elemento pivô (primeiro elemento diferente de zero da coluna 1); nesse exemplo, o elemento a11 = 2. 2 1 3 8 [A|B] 4 2 2 4 2 5 3 12 = − Pivô Linha Pivô Utilizar o pivô para zerar todos os elementos da primeira coluna abaixo dele. Para isso, definimos os seguintes multiplicadores: m21 = 21 11 a a = 4 2 = 2 e m31 = 31 11 a a = 2 2 = 1 E as operações: L2 = L2 + (–m21)L1 e L3 = L3 + (–m31)L1 L2 = L2 + (–2)L1 e L3 = L3 + (–1)L1 L2 : 4 2 2 4 (–2)L1 : –4 –2 –6 –16 L2 : 0 0 –4 –12 L3 : 2 5 3 –12 (–1)L1 : –2 –1 –3 –8 L2 : 0 4 0 –20 Que nos leva à seguinte matriz: 2 1 3 8 [A|B] 0 0 4 12 0 4 0 20 = − − − Universidade do Sul de Santa Catarina 36 Fase 2: deixar de lado a primeira linha dessa nova matriz e recomeçar o processo aplicado na fase 1 à submatriz resultante. Observe que o próximo elemento não nulo da segunda coluna é o elemento a32. Pivô 2 1 3 8 [A|B] 0 0 4 12 0 4 0 20 = − − − Nesse caso, a operação a ser realizada é: L2 ↔ L3, para levá-lo à diagonal principal. 2 1 3 8 [A|B] 0 4 0 20 0 0 4 12 = − − − Como o elemento abaixo do pivô a22 = 4 é zero, já temos a matriz dos coeficientes do sistema na forma escalonada. Etapa 3: reescrevendo o sistema e utilizando a retrossubstituição, obtemos: 1 2 3 2 3 2 3 8 4 20 4 12 x x x x x + + = = − − = − cuja solução é (2, –5, 3) 1.25. Resolva o sistema: 1 2 3 4 5 3 5 1 2 3 4 5 1 2 5 3 6 14 2 7 12 2 4 5 6 5 1 x x x x x x x x x x x x + − + + = − + = + − + − = − Álgebra Linear 37Unidade 1 Etapa 1: 1 2 5 3 6 14 [A|B] 0 0 2 0 7 12 2 4 5 6 5 1 − = − − − − Etapa 2: 1 2 5 3 6 14 [A|B] 0 0 2 0 7 12 2 4 5 6 5 1 − = − − − − Pivô Linha Pivô Devemos utilizar a linha 1 para zerar o elemento a31 = 1 através da seguinte operação: L3 = L3 + (–2)L1 L3 : 2 4 –5 6 –5 –1 (–2)L1 : –2 –4 10 –6 –12 –28 L3 : 0 0 5 0 –17 –29 1 2 5 3 6 14 [A|B] 0 0 2 0 7 12 0 0 5 0 17 29 − = − − − Observando a submatriz resultante, recomeçamos o processo determinando o próximo pivô: 1 2 5 3 6 14 [A|B] 0 0 2 0 7 12 0 0 5 0 17 29 − = − − − Pivô Linha Pivô Universidade do Sul de Santa Catarina 38 A linha 2 é a linha pivô e o elemento a23 = –2, o elemento pivô, utilizado para zerar o elemento a33 com a operação: L3 = L3 + ( 5 2 )L2 L3 : 0 0 5 0 –17 –29 (5/2)L2 : 0 0 –5 0 35 2 30 L3 : 0 0 0 0 1 2 1 1 2 5 3 6 14 [A|B] 0 0 2 0 7 12 10 0 0 0 1 2 − = − Como a matriz já está na forma escalonada, podemos reescrever o sistema: Etapa 3: 1 2 3 4 5 3 5 5 1 2 5 3 6 14 2 7 12 1 1 2 x x x x x x x x + − + + = − + = = − Utilizando a retrossubstituição: 5 1 2 1 2 x = = , –2x3 = 12 – 7·2 = –2 ⇒ x3 = 1 x1 = 14 – 2x2 + 5·1 – 3x4 – 6·2 ⇒ x1 = 7 – 2x2 – 3x4. Observe que o sistema apresenta duas variáveis livres, logo, possui infinitas soluções. Álgebra Linear 39Unidade 1 1.26. Resolva o sistema: 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 0 6 2 4 2 1 4 3 3 6 x x x x x x x x x x x x x x x − − + = + + + = + + − = − − − + = Etapa 1: 0 1 1 1 0 1 1 1 1 6 [A|B] 2 4 1 2 1 4 1 3 3 6 − − = − − − − Etapa 2: Como o elemento a11, que seria o pivô, é igual a zero, temos que procurar outro elemento na primeira coluna e permutar linhas. De preferência, escolha o número 1 para pivô, assim os multipli- cadores ficam mais simples. Veja que o elemento a21 é igual a 1, assim podemos realizar a seguinte permutação: L1 ↔ L2 Pivô Linha Pivô1 1 1 1 6 0 1 1 1 0 [A|B] 2 4 1 2 1 4 1 3 3 6 − − = − − − − Devemos utilizar a linha 1 para zerar os elementos a31 e a41 com as seguintes operações: L3 = L3 + (–2)L1 e L4 = L4 + (–4)L1 1 1 1 1 6 0 1 1 1 0 [A|B] 0 2 1 4 13 0 5 7 1 18 − − = − − − − − − − Universidade do Sul de Santa Catarina 40 Sob a submatriz resultante, recomeçamos o processo determi- nando o próximo pivô: 1 1 1 1 6 0 1 1 1 0 [A|B] 0 2 1 4 13 0 5 7 1 18 − − = − − − − − − − Pivô Linha Pivô A linha 2 é a linha pivô e o elemento a22 = –1 é o elemento pivô, utilizado para zerar os elementos a32 e a42 através das seguintes operações: L3 = L3 + (2)L2 e L4 = L4 + (–5)L2 1 1 1 1 6 0 1 1 1 0 [A|B] 0 0 3 2 13 0 0 2 6 18 − − = − − − − − − O pivô da próxima submatriz é o elemento a33 = –3: 1 1 1 1 6 0 1 1 1 0 [A|B] 0 0 3 2 13 0 0 2 6 18 − − = − − − − − − Pivô Linha Pivô Para zerar elementos a43, realizamos a operação: L4 = L4 + (– 2 3 )L3 1 1 1 1 6 0 1 1 1 0 [A|B] 0 0 3 2 13 14 280 0 0 3 3 − − = − − − − − Álgebra Linear 41Unidade 1 Reescrevendo o sistema: Etapa 3: 1 2 3 4 2 3 4 3 4 4 6 0 3 2 13 14 28 3 3 x x x x x x x x x x + + + = − − + = − − = − − = − Utilizando retrossubstituição: x4 = 2, x3 = 3, x2 = –1 e x1 = – 4 1.27. Analise a solução do sistema abaixo, utilizando eliminação de Gauss. 1 2 3 1 2 3 1 2 3 2 3 0 2 4 2 2 3 6 4 3 x x x x x x x x x + − = + − = + − = A partir desse exemplo, vamos representar o método juntamente com a sequência de operações: 2 2 1 3 3 1 3 3 2 1 2 3 0 L L ( 2)L [A|B] 2 4 2 2 L L ( 3)L 3 6 4 3 1 2 3 0 50 0 4 2 L L ( )L 4 0 0 5 3 1 2 3 0 0 0 4 2 10 0 0 2 − = + − = − → = + − − − → = + − − Universidade do Sul de Santa Catarina 42 Reescrevendo o sistema: 1 2 3 3 1 2 3 2 3 0 4 2 10 0 0 2 x x x x x x x + − = = + + = Observe que a última equação é uma equação degenerada com b ≠ 0. Neste caso, o sistema não possui solução. 1.28. Resolva o sistema: 1 2 3 1 2 3 2 3 1 2 3 2 5 3 1 3 2 11 5 3 4 5 x x x x x x x x x x x − + = + − = − = + + = 2 2 1 4 4 1 3 3 2 4 4 2 2 5 3 1 11 3 1 2 L L ( )L[A|B] 20 11 5 3 L L ( 2)L 4 1 1 5 2 5 3 1 11 5 3 L L ( 2)L0 2 2 2 L L ( 2)L0 11 5 3 0 11 5 3 2 5 3 1 11 5 30 2 2 2 0 0 0 0 0 0 0 0 − − = + − = → − = + − − = + −− → = + − − − − − Como a matriz na forma escalonada apresenta duas equações degeneradas com b = 0, elas podem ser eliminadas do sistema sem alterar a solução. A linha 2 pode ser multiplicada por 2, para simplificar as frações. Álgebra Linear 43Unidade 1 Portanto, temos o seguinte sistema: 1 2 3 2 3 2 5 3 1 11 5 3 x x x x x − + = − = que admite infinitas soluções, já que apresenta uma variável livre. 1.29. Utilize o método de eliminação de Gauss para determinar os valores de k, para que o sistema 1 2 3 1 2 3 1 2 3 1 2 3 3 3 2 x x x x x kx x kx x + − = + + = + + = seja: a) possível e determinado; b) possível e indeterminado; c) impossível. Escrevendo a matriz aumentada e realizando as operações descritas: 2 2 1 3 3 1 3 3 2 2 1 1 1 1 L L ( 2)L [A|B] 2 3 3 L L ( 1)L 1 3 2 1 1 1 1 0 1 (2 ) 1 L L ( 1)L 0 ( 1) 4 1 1 1 1 1 0 1 (2 ) 1 ŶŶŶŶŶŶ 1 1 1 1 0 1 (2 ) 1 0 0 ( 6) ( 2) k k k k k k k k k k k k k − = + − = → = + − − + → = + − + − − + = − + + + − + + − + − − + − + Universidade do Sul de Santa Catarina 44 Reescrevendo o sistema: 1 2 3 2 3 2 3 1 (2 ) 1 ( 6) ( 2) x x x x k x k k x k + − = + + = − − + = − + Da última equação: (k + 3)(k – 2)x3 = (–k + 2) temos: a) O sistema é possível e determinado se –(k +3)(k – 2) ≠ 0, ou seja, k ≠ –3 e k ≠ 2. b) O sistema é possível e indeterminado se –(k +3)(k – 2) = 0, e (–k + 2) = 0, ou seja, se (k = –3 ou k = 2) e k = 2, concluindo: se k = 2. c) O sistema é impossível se –(k +3)(k – 2) = 0 e (–k + 2) ≠ 0, ou seja, (k = –3 ou k = 2) e k ≠ 2. Concluindo: se k = –3. Observação 1.3: quando transformamos uma matriz dos coefi- cientes de um sistema na forma escalonada reduzida por linha, estamos aplicando o método chamado eliminação de Gauss-Jordan. Um pouco de história Wilhem Jordan (1842-1899) nasceu na Alemanha e, em 1888, publicou o livro Handbuch der Vermessungskunde, sua contribuição à resolução de sistemas lineares. Foi engenheiro e se especializou em Geodésia. Fonte: Anton e Rorres (2001) Exemplos 1.30. Encontre a solução do sistema, pelo método de Gauss-Jordan. 1 2 3 1 2 3 1 2 3 2 3 8 4 2 2 4 2 5 3 12 x x x x x x x x x + + = + + = + + = − Álgebra Linear 45Unidade 1 Como já aplicamos o método de eliminação de Gauss nesse exemplo, veja exemplo 1.24, precisamos apenas continuar o processo para transformar a matriz escalonada em uma matriz escalonada reduzida por linha. 2 1 3 8 [A|B] 0 4 0 20 0 0 4 12 = − − − Para que essa matriz esteja na forma desejada: 1. Todos os pivôs devem ser iguais a 1. Assim, realizamos as seguintes operações: L1 = ( 1 2 )L1, L2 = (1 4 )L2 e L3 = (– 1 4 )L3 311 42 2 0 1 0 5 0 0 1 3 − 2. Toda coluna que contém o pivô em alguma linha tem todos os seus outros elementos iguais a zero. Para isso, aplicamos as operações: L1 = L1 + ( 1 2 )L2 3 131 0 2 2 0 1 0 5 0 0 1 3 − L1 = L1 + (– 3 2 )L3 1 0 0 2 0 1 0 5 0 0 1 3 − Universidade do Sul de Santa Catarina 46 Observe que, por esse método, a solução do sistema está pronta no vetor de termos independentes. Portanto, ao reescrever o sistema, não precisamos utilizar retrossubstituição para encontrá-la. 1 2 3 2 5 3 x x x = = − = Métodos de eliminação de Gauss e Gauss-Jordan para resolver sistemas homogêneos Podemos aplicar os métodos de eliminação de Gauss e Gauss- Jordan para resolver sistemas lineares homogêneos. Mas, nesse caso, nenhuma das operações elementares sobre as linhas altera a coluna dos termos independentes, já que é formada de zeros. Consequentemente, o sistema de equações correspondente à forma escalonada da matriz aumentada também deve ser um sistema homogêneo. Com isso, a forma escalonada da matriz dos coeficientes de um sistema homogêneo garante que: I. se o número de linhas não nulas for igual ao número de variáveis, o sistema tem apenas a solução trivial; II. se o número de linhas não nulas for menor que o número de variáveis, o sistema tem outras soluções além da trivial. Teorema 1.4: um sistema de equações lineares homogêneo com mais variáveis que equações tem infinitas soluções, já que terá variáveis livres. Quando o sistema homogêneo tiver o número de equações iguais ao número de variáveis, uma ferramenta que pode ser utilizada na análise da sua solução é o determinante da matriz dos coeficientes. Álgebra Linear 47Unidade 1 Se det A ≠ 0, então o sistema é compatível e determinado (só admite a solução trivial); Se det A = 0, então o sistema é compatível e indetermi- nado (admite a solução trivial e outras próprias). (Em que: det A é o determinante da matriz dos coeficientes do sistema). Exemplos: Analise a solução dos seguintes sistemas homogêneos: 1.31. 1 2 3 4 1 2 3 4 1 2 3 4 2 3 0 3 2 0 2 2 5 0 x x x x x x x x x x x x + − + = − + − = − − + = Como o número de variáveis é maior que o número de equações, concluímos que o sistema apresenta outras soluções além da solução trivial (x1 = 0, x2 = 0, x3 = 0). 1.32. 1 2 3 1 2 3 1 2 3 0 2 4 0 3 2 2 0 x x x x x x x x x + − = + − = + + = Como o número de equações é igual ao número de variáveis, podemos analisar a solução do sistema de duas formas: I. Encontrar a matriz dos coeficientes escalonada: 2 2 1 3 3 1 3 3 2 1 1 1 L L ( 2)L 2 4 1 L L ( 3)L 3 2 2 1 1 1 10 2 1 L L ( )L 2 0 1 5 1 1 1 0 2 1 110 0 2 − = + − − → = + − − → = + − − Universidade do Sul de Santa Catarina 48 como o número de linhas não nulas é igual ao número de variáveis, o sistema possui apenas a solução trivial. Veja que, se reescrevermos o sistema: 1 2 3 2 3 3 0 2 0 11 0 2 x x x x x x + − = + = = teremos apenas a solução trivial (x1 = 0, x2 = 0, x3 = 0). II. Utilizar o determinante da matriz dos coeficientes: 1 1 1 2 4 1 3 2 2 − − = 1·4·2 + 1·(–1)·3 + (–1)·2·2 – 3·4·(–1) – 1·2·(–1) – 2·1·2 = 8 – 3 – 4 + 12 + 2 – 4 = 11 ≠ 0 Segundo o teorema 1.4, o sistema apresenta apenas a solução trivial (x1 = 0, x2 = 0, x3 = 0). 1.33. 1 2 3 1 2 3 1 2 3 0 2 3 0 4 2 0 x x x x x x x x x + − = − + = − + = Também podemos analisar o sistema utilizando qualquer um dos dois métodos: I. Encontrar a matriz escalonada da matriz dos coeficientes: 2 2 1 3 3 1 3 3 2 1 1 1 L L ( 2)L 2 3 1 L L ( 1)L 1 4 2 1 1 1 1 1 1 0 5 3 L L ( 1)L 0 5 3 0 5 3 0 0 0 − = + − − → = + − − − − − → = + − → − − Álgebra Linear 49Unidade 1 como a matriz dos coeficientes do sistema de 3 equações e 3 variáveis na forma escalonada apresenta uma linha nula, concluímos que o sistema homogêneo apresenta solução não trivial. Reescrevendo o sistema: 1 2 3 2 3 0 5 3 0 x x x x x + − = − + = obtemos as soluções: x2 = 2 5 x3, x1 = x3 – x2 = x3 – 3 5 x3 = 2 5 x3, dessa forma, x3 é variável livre, fazendo x3 = 0, encontramos a solução trivial: (x1 = 0, x2 = 0, x3 = 0). Mas como x3 pode assumir qualquer valor, o sistema possui infinitas soluções. II. Utilizando o determinante da matriz dos coeficientes: 1 1 1 2 3 1 1 4 2 − − − = 1·(–3)·2 + 1·1·1 + (–1)·2·(–4) – 1·(–3)·(–1) – (–4)·1·1 – 2·2·1 = – 6 + 1 + 8 – 3 + 4 – 4 = 0 Portanto, o sistema homogêneo apresenta solução não trivial. Matemática e informática As aplicações de resolução de sistemas geralmente apresentam sistemas muito grandes. Para isso, são usados softwares que, na maioria das vezes, utilizam algoritmos baseados nos métodos de eliminação de Gauss ou de Gauss-Jordan. Agora é a sua vez! Resolva as atividades de autoavaliação de 9 a 12. Universidade do Sul de Santa Catarina 50 Seção 5 – Matriz inversa e sistemas lineares Nesta seção, você vai estudar mais um método utilizado para encontrar solução de sistemas lineares cujo número de variáveis é igual ao número de equações: o Método da Matriz Inversa. Antes de falarmos sobre esse método, vamos rever um pouco a álgebra dos números reais. Dados dois números reais a e b, vimos que ab = ba, ou seja, o produto de números reais satisfaz a propriedade comutativa. Mas, para produto de matrizes, essa propriedade nem sempre é satisfeita. Exemplos: 1.34. Dadas as matrizes: (3 2) 1 3 A 2 4 5 2 × = (2 3) 1 3 0 B 2 1 2 × − = − (2 2) 1 2 C 3 2 × = − (2 2) 3 3 D 0 1 × − = Você pode ver que os produtos AB, AC, CB, CD, DC, AD, DA, DB e BA são possíveis, já os produtos BC, BD, DA e CA não são possíveis, por causa das ordens das matrizes. Veja, também, que: (3 3) 5 6 6 AB 6 10 8 1 17 4 × − = − − − (3 2) 10 4 AC 14 4 11 6 × − = − (2 3) 3 5 4 CB 7 7 4 × − = − (2 2) 5 9 BA 6 6 × = − − (2 2) 3 1 CD 9 11 × − = − (2 2) 6 0 DC 3 2 × − = − (2 3) 9 6 6 DB 2 1 2 × − = − Álgebra Linear 51Unidade 1 Conclusões: 1. O fato do produto AC ser possível não garante que o produto CA seja possível; 2. Apesar de os produtos AB e BA serem possíveis, as ordens das matrizes resultantes são diferentes. 3. Apesar dos produtos CD e DC serem possíveis e as matrizes resultantes apresentarem mesma ordem, isso não garante que esses produtos sejam iguais. O exemplo acima ilustra o fato de que a comutatividade, apesar de ser uma lei válida para a álgebra dos números reais, não obrigatoriamente é válida para o conjunto das matrizes. Você viu, em Geometria Analítica, as propriedades válidas para a adição de matrizes. Vejamos, agora, quais propriedades são válidas para o produto de matrizes. Propriedades da multiplicação de matrizes Suponha que as ordens das matrizes são tais que as operações indicadas podem ser efetuadas. Associativa: A(BC) = (AB)C Distributiva à esquerda: A(B + C) = AB + AC Distributiva à direita: (A + B)C = AC + BC Existência do elemento neutro: AI = IA = A Apesar de a comutatividade não ser uma lei sempre válida na multiplicação de matrizes, existe um caso especialno qual essa validade se verifica. Dada uma matriz quadrada A de ordem n, se pudermos encontrar uma matriz B também de ordem n, tal que A·B = B·A = In, então dizemos que A é invertível e que B é a inversa de A. Caso não exista a inversa, dizemos que A é não invertível. A inversa de matriz A é denotada por A–1. Em que: In é a matriz identidade de ordem n. Universidade do Sul de Santa Catarina 52 Para determinar se uma matriz quadrada é invertível, ou seja, se admite inversa, deve-se verificar se seu determi- nante é diferente de zero. A matriz só é invertível se seu determinante for diferente de zero. Se a matriz não for quadrada, não admite inversa. Propriedades da matriz inversa Se A é uma matriz quadrada invertível, as seguintes proprie- dades são satisfeitas: 1. Sua matriz inversa é única: se B e C são ambas matrizes inversas da matriz A, então B = C. 2. Sua matriz inversa A–1 é também invertível, e a inversa dessa inversa (A–1)–1 é igual à própria matriz A: (A–1)–1 = A. 3. A inversa de sua transposta é também invertível e é igual à transporta da inversa: (AT)–1 = (A–1)T. 4. O produto de sua inversa por sua transposta é também invertível: existe (A–1AT)–1. 5. A inversa de seu produto por um número (diferente de zero) é igual ao produto do inverso desse número pela sua matriz inversa: (nA)–1 = n–1A–1. 6. Seu determinante é diferente de zero: det A ≠ 0. 7. A matriz inversa do produto de matrizes invertíveis é igual ao produto das inversas dessas matrizes com a ordem trocada. (A1·A2·A3·…·An) –1 = An –1·…·A3 –1·A2 –1·A1 –1. 8. A matriz inversa de uma matriz identidade de ordem n, (In), é a própria matriz identidade de ordem n: (In) –1 = In. Você pode estar pensando: mas como determinar a matriz inversa de uma matriz quadrada? Álgebra Linear 53Unidade 1 Em Geometria Analítica, você viu como determinar a matriz inversa de uma matriz quadrada de ordem 2. Veremos, agora, outro método para determinar a matriz inversa de uma matriz quadrada de qualquer ordem. Determinação da matriz inversa através de operações elementares Uma matriz M é chamada de matriz elementar se pode ser obtida da matriz identidade In através de uma única operação elementar sobre linhas. Teorema 1.5: se A é uma matriz quadrada, o resultado da aplicação de uma operação com as linhas de A é o mesmo que o resultado da multiplicação da matriz A pela matriz elementar M correspondente à mesma operação com linhas realizada na matriz identidade de mesma ordem de A. Exemplo 1.35. Dada a matriz 2 0 4 A 3 1 2 1 5 3 = − − Aplicando a operação L1 = 1 2 L1, obtemos: 1 1 0 2 A 3 1 2 1 5 3 = − − Por outro lado, dada a matriz elementar: 1 1 0 02 M 0 1 0 0 0 1 = Universidade do Sul de Santa Catarina 54 obtida pelo produto da linha 1 da matriz identidade, multipli- cada pela constante 1 2 . Ao multiplicar a matriz elementar M1 pela matriz A dada, obtém-se: 1 1M A A 1 0 0 2 0 4 1 0 22 0 1 0 3 1 2 3 1 2 0 0 1 1 5 3 1 5 3 ⋅ = ⋅ − = − − − Se aplicarmos, sobre a matriz A1 obtida, as seguintes operações: 2 2 1 3 3 3 1 1 0 2 L L ( 3)L A 0 1 8 L L L 0 5 5 = + − → = − = + Por outro lado, aplicando cada uma das operações acima na matriz identidade, obtemos as seguintes matrizes elementares: 2 3 1 0 0 1 0 0 M 3 1 0 e M 0 1 0 0 0 1 1 0 1 = − = Multiplicando M2 por A1, oobtemos A2: 2 1 2M A A 1 0 0 1 0 2 1 0 2 3 1 0 3 1 2 0 1 8 0 0 1 1 5 3 1 5 3 ⋅ = − ⋅ − = − − − Agora, se multiplicarmos A2 por M3: 3 2 3M A A 1 0 0 1 0 2 1 0 2 0 1 0 0 1 8 0 1 8 1 0 1 1 5 3 0 5 5 ⋅ = ⋅ − = − − Álgebra Linear 55Unidade 1 Portanto, podemos concluir que realizar operações elementares com uma matriz e multiplicar a mesma matriz por matrizes elementares obtidas da matriz identidade sob a qual foram efetuadas as mesmas operações, obtemos a mesma matriz resultante. Nesse exemplo, a matriz: 1 0 2 0 1 8 0 5 5 − Os próximos teoremas são de extrema importância para o método que iremos apresentar. Teorema 1.6: qualquer matriz elementar é invertível e sua inversa é a matriz elementar que corresponde à operação inversa da efetuada pela primeira matriz elementar. Teorema 1.7: se A é uma matriz invertível de ordem n, então sua matriz escalonada reduzida por linhas é a matriz identidade In. Teorema 1.8: se a matriz escalonada reduzida por linhas de uma matriz A é a matriz identidade In. Como, a cada operação com linhas, corresponde uma multiplicação da matriz por uma matriz elementar Mi, teremos: I = Mk·Mk–1·…·M2·M1·A = (Mk·Mk–1·…·M2·M1·I)·A Logo: A–1 = Mk·Mk–1·…·M2·M1·I Em outras palavras: se uma matriz é reduzida à matriz identidade através de uma sequência de operações elementares com linhas, então A é invertível e a matriz inversa de A é obtida aplicando-se, à matriz identidade, a mesma sequência de operações com linhas. Universidade do Sul de Santa Catarina 56 Método prático para determinar a matriz inversa de uma matriz A Como o objetivo do processo é aplicar simultaneamente operações elementares na matriz A, a fim de transformá-la na matriz identidade In, e, na matriz identidade In, para trans- formá-la na matriz A–1, podemos operá-las simultaneamente. Para isso, escrevemos uma matriz na forma [A|In](n×2n) e, ao final da aplicação das operações elementares, até que o lado esquerdo esteja reduzido a In; o lado direito será A –1. Exemplos: 1.36. Encontre a inversa da matriz dada: 2 1 0 A 1 0 1 0 1 1 = − Processo: 3 1 2 2 2 1 3 3 2 3 3 2 1 0 1 0 0 A|I 1 0 1 0 1 0 L L 0 1 1 0 0 1 2 0 1 0 1 0 2 1 0 1 0 0 L L ( 2)L 0 1 1 0 0 1 1 0 1 0 1 0 0 1 2 1 2 0 L L ( 1)L 0 1 1 0 0 1 1 0 1 0 1 0 0 1 2 1 2 0 L ( 1)L 0 0 1 1 2 1 1 0 1 0 1 0 0 1 2 1 2 0 0 0 1 1 2 1 = − → ↔ − → = + − − − → = + − − − → = − − − − − − − 1 1 3 2 2 3 1 3 L L L L L ( 2)L 1 0 0 1 1 1 0 1 0 1 2 2 I |A 0 0 1 1 2 1 − = + → = + − − − − = − − Álgebra Linear 57Unidade 1 3 1 2 2 2 1 3 3 2 3 3 2 1 0 1 0 0 A|I 1 0 1 0 1 0 L L 0 1 1 0 0 1 2 0 1 0 1 0 2 1 0 1 0 0 L L ( 2)L 0 1 1 0 0 1 1 0 1 0 1 0 0 1 2 1 2 0 L L ( 1)L 0 1 1 0 0 1 1 0 1 0 1 0 0 1 2 1 2 0 L ( 1)L 0 0 1 1 2 1 1 0 1 0 1 0 0 1 2 1 2 0 0 0 1 1 2 1 = − → ↔ − → = + − − − → = + − − − → = − − − − − − − 1 1 3 2 2 3 1 3 L L L L L ( 2)L 1 0 0 1 1 1 0 1 0 1 2 2 I |A 0 0 1 1 2 1 − = + → = + − − − − = − − Como a matriz dos coeficientes foi transformada na matriz identidade, a matriz ao lado é a inversa A–1 da matriz A. Ou seja: 1 1 1 1 A 1 2 2 1 2 1 − − − = − − − Veja que, se A–1 é inversa de A, então o produto A·A–1 = A–1·A = I, de fato: 1A A I 2 1 0 1 1 1 1 0 0 1 0 1 1 2 2 0 1 0 0 1 1 1 2 1 0 0 1 −× = − − − × − = − − 1.37. Encontre a inversa da matriz B: 1 2 4 B 1 1 5 2 7 3 − = − − − Processo: 2 2 1 3 3 3 1 1 1 2 3 3 2 3 3 1 2 4 1 0 0 L L L B|I 1 1 5 0 1 0 L L ( 2)L 2 7 3 0 0 1 1 2 4 1 0 0 L L ( 2)L 0 1 1 1 1 0 L L ( 3)L 0 3 5 2 0 1 1 0 6 1 2 0 10 1 1 1 1 0 L( )L 2 0 0 2 5 3 1 1 0 6 1 2 0 L 0 1 1 1 1 0 5 3 10 0 1 2 2 2 − = + = − − → = + − − − = + − → = + − − − − − → = − − − − − → − − 1 1 3 2 2 3 1 3 L 6L L L ( 1)L 1 0 0 16 11 3 57 10 1 0 I |B2 2 2 5 3 10 0 1 2 2 2 − = + = + − − − − = − − Universidade do Sul de Santa Catarina 58 2 2 1 3 3 3 1 1 1 2 3 3 2 3 3 1 2 4 1 0 0 L L L B|I 1 1 5 0 1 0 L L ( 2)L 2 7 3 0 0 1 1 2 4 1 0 0 L L ( 2)L 0 1 1 1 1 0 L L ( 3)L 0 3 5 2 0 1 1 0 6 1 2 0 10 1 1 1 1 0 L ( )L 2 0 0 2 5 3 1 1 0 6 1 2 0 L 0 1 1 1 1 0 5 3 10 0 1 2 2 2 − = + = − − → = + − − − = + − → = + − − − − − → = − − − − − → − − 1 1 3 2 2 3 1 3 L 6L L L ( 1)L 1 0 0 16 11 3 57 10 1 0 I |B2 2 2 5 3 10 0 1 2 2 2 − = + = + − − − − = − − Logo, a matriz B–1 inversa da matriz B é: 1 16 11 3 57 1B 2 2 2 5 3 1 2 2 2 − − − −= − − Efetuando o produto B·B–1: 1B B I 16 11 31 2 4 1 0 0 57 11 1 5 0 1 02 2 2 2 7 3 0 0 15 3 1 2 2 2 −× = − − − −− − × = − − − 1.38. Determine M–1 se M é dada por: 2 1 0 0 1 0 1 1 M 0 1 1 1 1 0 0 3 − = − Álgebra Linear 59Unidade 1 Processo: 4 2 1 2 2 1 4 4 1 3 3 2 2 1 0 0 1 0 0 0 1 0 1 1 0 1 0 0 M|I L L 0 1 1 1 0 0 1 0 1 0 0 3 0 0 0 1 1 0 1 1 0 1 0 0 L L ( 2)L2 1 0 0 1 0 0 0 0 1 1 1 0 0 1 0 L L L 1 0 0 3 0 0 0 1 1 0 1 1 0 1 0 0 0 1 2 2 1 2 0 0 L L ( 1)L 0 1 1 1 0 0 1 0 0 0 1 4 0 1 0 1 1 0 1 1 − = → ↔ − − = + − → = + − − − − → = + − − − 3 3 1 1 3 2 2 3 4 4 3 1 1 0 1 0 0 0 1 2 2 1 2 0 0 L ( 1)L 0 0 1 3 1 2 1 0 0 0 1 4 0 1 0 1 1 0 1 1 0 1 0 0 L L L 0 1 2 2 1 2 0 0 L L ( 2)L 0 0 1 3 1 2 1 0 L L L 0 0 1 4 0 1 0 1 1 0 0 2 1 1 1 0 L L 0 1 0 4 1 2 2 0 0 0 1 3 1 2 1 0 0 0 0 1 1 1 1 1 − − → = − − − − − = + − − → = + − − − − = + − − − − = − → − − − − − 4 2 2 4 3 3 4 1 4 2L L L ( 4)L L L 3L 1 0 0 0 3 3 3 2 0 1 0 0 5 6 6 4 I |M 0 0 1 0 4 5 4 3 0 0 0 1 1 1 1 1 − + = + − = + − − − − = − − − − Universidade do Sul de Santa Catarina 60 Portanto, a matriz M–1 é: 1 3 3 3 2 5 6 6 4 M 4 5 4 3 1 1 1 1 − − − − − = − − − − Resolução de sistemas e matriz inversa Dado um sistema de equações lineares com n equações e n variáveis, na forma matricial, cuja matriz dos coeficientes A é invertível, o método consiste em resolver a equação matricial AX = B, utilizando a inversa A–1 da matriz A dos coeficientes. Ou seja: Se AX = B, multiplicando ambos os lados da igualdade pela matriz A–1 inversa de A: A–1AX = A–1B InX = A –1B X = A–1B Ou seja, a solução do sistema, será obtida pelo produto da matriz A–1 inversa de A, pelo vetor de termos independentes B. Exemplos 1.39. Resolva o seguinte sistema pelo método da matriz inversa: 1 2 1 3 2 3 2 8 S 4 1 x x x x x x + = = − = + = Álgebra Linear 61Unidade 1 Escrevendo na forma matricial 1 2 3 2 1 0 8 1 0 1 . 4 0 1 1 1 x x x − = Para resolver o sistema pelo método da matriz inversa, precisamos encontrar a matriz inversa da matriz dos coefi- cientes.Mas observe que: 2 1 0 A 1 0 1 0 1 1 = − é a matriz cuja matriz inversa foi determinada no exemplo 1.36 anterior, ou seja: 1 1 1 1 A 1 2 2 1 2 1 − − − = − − − Assim, a solução do sistema é dada por: 1 2 3 1 1 1 8 3 1 2 2 . 4 2 1 2 1 1 1 x x x − − = − = − − − Logo: x1 = 3, x2 = 2 e x3 = –1. Qual a vantagem de se aplicar o método da matriz inversa, já que encontrar a inversa de uma matriz para depois encontrar a solução do sistema pode ser mais trabalhoso do que aplicar o método de Gauss? A conveniência de se aplicar esse método está relacionada ao problema que se quer resolver por meio da solução do sistema. O caso mais importante é quando se tem um conjunto Universidade do Sul de Santa Catarina 62 de sistemas, tais que as matrizes dos coeficientes sejam todas iguais, variando apenas os termos independentes, pois, assim, basta calcular a inversa de uma única matriz, com a qual se resolverão todos os sistemas. Exemplos 1.40. Resolva os sistemas 1 2 3 1 1 2 3 2 1 2 3 3 2 7 3 2 5 3 4 x x x b x x x b x x x b + + = + + = + + = 1) Para b1 = 16; b2 = –5; b3 = 11 e para b1 = 3; b2 = 5; b3 = –5 pelo método da matriz inversa: A matriz dos coeficientes do sistema é: 2 1 7 A 1 3 2 5 3 4 = Determinação da inversa A–1. 3 1 2 2 2 1 3 3 1 2 2 1 1 2 3 3 2 1 7 1 0 0 A|I 1 3 2 0 1 0 L L 5 3 4 0 0 1 1 3 2 0 1 0 L L ( 2)L 2 1 7 1 0 0 L L ( 5)L 5 3 4 0 0 1 1 3 2 0 1 0 10 5 3 1 2 0 L ( )L 5 0 12 6 0 5 1 1 3 2 0 1 0 L L ( 3)L3 1 20 1 05 5 5 L L 1 0 12 6 0 5 1 = → ↔ = + − → = + − − − → = − − − − = + −− − → = + − − − 2 3 3 1 1 3 2 2 3 3 2L 19 3 11 0 05 5 5 53 1 20 1 0 L ( )L5 5 5 66 66 12 10 0 15 5 5 19 3 11 0 0 195 5 5 L L ( )L 53 1 20 1 05 5 5 3L L L52 10 0 1 511 66 66 191 171 0 0 11 66 66 1 27 10 1 0 I11 66 22 52 10 0 1 11 66 66 − − − → = − − − − − = + − − − → = + − − − − − = − 1|A− Álgebra Linear 63Unidade 1 3 1 2 2 2 1 3 3 1 2 2 1 1 2 3 3 2 1 7 1 0 0 A|I 1 3 2 0 1 0 L L 5 3 4 0 0 1 1 3 2 0 1 0 L L ( 2)L 2 1 7 1 0 0 L L ( 5)L 5 3 4 0 0 1 1 3 2 0 1 0 10 5 3 1 2 0 L ( )L 5 0 12 6 0 5 1 1 3 2 0 1 0 L L ( 3)L3 1 20 1 05 5 5 L L 1 0 12 6 0 5 1 = → ↔ = + − → = + − − − → = − − − − = + −− − → = + − − − 2 3 3 1 1 3 2 2 3 3 2L 19 3 11 0 05 5 5 53 1 20 1 0 L ( )L5 5 5 66 66 12 10 0 15 5 5 19 3 11 0 0 195 5 5 L L ( )L 53 1 20 1 05 5 5 3L L L52 10 0 1 511 66 66 191 171 0 0 11 66 66 1 27 10 1 0 I11 66 22 52 10 0 1 11 66 66 − − − → = − − − − − = + − − − → = + − − − − − = − 1|A− Observe que a matriz A–1 1 191 17 11 66 66 1 27 1A 11 66 22 52 1 11 66 66 − − − − −= − será utilizada para determinar a solução do sistema para cada um dos vetores independentes. Chamando 1 2 16 3 B 5 e B 5 11 5 = − = − Logo: 1 1 1A B X 191 17 16 311 66 66 1 27 1 5 411 66 22 11 252 1 11 66 66 − × = − − − − × − = − − Universidade do Sul de Santa Catarina 64 1 2 2A B X 191 17 3 311 66 66 1 27 1 5 211 66 22 5 152 1 11 66 66 − × = − − − − − × = −− Portanto, para B1, a solução é (3, –4, 2) e, para B2, a solução é (–3, 2, 1). Síntese Você estudou, nesta unidade, um assunto de extrema
Compartilhar