Álgebra Linear e Geometria Analítica - Univates
Álgebra Linear e Geometria Analítica - Univates
Álgebra Linear e Geometria Analítica - Univates
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
UNIVATES - Centro Universitário<br />
Centro III<br />
Curso de Engenharia de Automação e Controle<br />
Curso de Engenharia Sanitária e Ambiental<br />
Curso de Engenharia da Computação<br />
Curso de Engenharia de Produção<br />
<strong>Álgebra</strong> <strong>Linear</strong><br />
e<br />
<strong>Geometria</strong> Anal’itica<br />
por<br />
Prof.Dr. Claus Haetinger – e-mail: chaet@univates.br<br />
URL http://ensino.univates.br/˜chaet<br />
e<br />
Prof a .Drnd a . M. Madalena Dullius – e-mail: madalena@univates.br<br />
Lajeado, 24 de Julho de 2006
Sumário<br />
1 Introdução 1<br />
2 O Plano 5<br />
3 O Espaço 19<br />
4 Curvas Planas, Equações Paramétricas e Coordenadas Polares<br />
27<br />
5 Matrizes 58<br />
5.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58<br />
5.2 Conceito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58<br />
5.3 Tipos Especiais . . . . . . . . . . . . . . . . . . . . . . . . . . 61<br />
5.3.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . 62<br />
5.4 Operações . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63<br />
5.4.1 Adição . . . . . . . . . . . . . . . . . . . . . . . . . . 64<br />
5.4.2 Subtração . . . . . . . . . . . . . . . . . . . . . . . . 65<br />
5.4.3 Multiplicação por um Número Real . . . . . . . . . . . 66<br />
5.4.4 Multiplicação de Matrizes . . . . . . . . . . . . . . . . 67<br />
5.4.5 Transposição . . . . . . . . . . . . . . . . . . . . . . . 74<br />
5.5 Exercícios de Fixação e Problemas de Aplicação . . . . . . . 75<br />
5.6 Respostas dos Principais Exercícios do Capítulo . . . . . . . . 83<br />
6 Sistemas <strong>Linear</strong>es 87<br />
6.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87<br />
6.2 Conceitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88<br />
6.3 Forma Escalonada . . . . . . . . . . . . . . . . . . . . . . . . 90<br />
6.3.1 Operações Elementares . . . . . . . . . . . . . . . . . 91<br />
6.3.2 Procedimento para a Redução de uma Matriz à Forma<br />
Escalonada . . . . . . . . . . . . . . . . . . . . . . . . 92<br />
6.4 Sistema <strong>Linear</strong> Escalonado . . . . . . . . . . . . . . . . . . . 93<br />
6.4.1 Resolução de um Sistema <strong>Linear</strong> Escalonado . . . . . 94<br />
6.4.2 Escalonamento de um Sistema <strong>Linear</strong> . . . . . . . . . 94<br />
i
UNIVATES – Centro Universitário ii<br />
6.4.3 Algoritmo que Reduz uma Matriz à Forma Escalonada<br />
Reduzida por Linhas . . . . . . . . . . . . . . . . . . . 95<br />
6.5 Soluções de um Sistema <strong>Linear</strong> . . . . . . . . . . . . . . . . . 95<br />
6.5.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . 97<br />
6.6 Exercícios de Fixação e Problemas de Aplicação . . . . . . . 97<br />
6.7 Respostas dos Principais Exercícios do Capítulo . . . . . . . . 101<br />
7 Determinante e Matriz Inversa 104<br />
7.1 Breve Relato Histórico . . . . . . . . . . . . . . . . . . . . . . 104<br />
7.2 Conceitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104<br />
7.3 Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . 105<br />
7.3.1 Desenvolvimento de Laplace . . . . . . . . . . . . . . . 108<br />
7.4 Matriz Adjunta – Matriz Inversa . . . . . . . . . . . . . . . . 109<br />
7.5 Regra de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . 111<br />
7.6 Método Prático para Encontrar A −1 . . . . . . . . . . . . . . 115<br />
7.7 Exercícios de Fixação e Problemas de Aplicação . . . . . . . 116<br />
7.8 Respostas dos Principais Exercícios do Capítulo . . . . . . . . 117<br />
8 Introdução às Transformações <strong>Linear</strong>es 118<br />
9 Espaços Vetoriais 131<br />
9.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131<br />
9.2 Vetores no Plano e no Espaço . . . . . . . . . . . . . . . . . . 131<br />
9.2.1 Vetores no Plano . . . . . . . . . . . . . . . . . . . . . 132<br />
9.2.2 Vetores no Espaço . . . . . . . . . . . . . . . . . . . . 135<br />
9.3 Espaços Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . 136<br />
9.3.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . 137<br />
9.4 Subespaços Vetoriais . . . . . . . . . . . . . . . . . . . . . . . 137<br />
9.4.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . 138<br />
9.4.2 Contra-Exemplos . . . . . . . . . . . . . . . . . . . . . 138<br />
9.4.3 Propriedades . . . . . . . . . . . . . . . . . . . . . . . 140<br />
9.4.4 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . 140<br />
9.4.5 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . 141<br />
9.5 Combinação <strong>Linear</strong> . . . . . . . . . . . . . . . . . . . . . . . . 142<br />
9.5.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . 142<br />
9.6 Dependência e Independência <strong>Linear</strong> . . . . . . . . . . . . . . 143<br />
9.6.1 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . 143<br />
9.7 Base de Um Espaço Vetorial . . . . . . . . . . . . . . . . . . . 143<br />
9.7.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . 144<br />
9.7.2 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . 145<br />
9.8 Mudança de Base . . . . . . . . . . . . . . . . . . . . . . . . . 147<br />
9.8.1 A Inversa da Matriz de Mudança de Base . . . . . . . 149<br />
9.8.2 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . 149<br />
9.9 Exercícios de Fixação e Problemas de Aplicação . . . . . . . 151<br />
9.10 Respostas dos Principais Exercícios do Capítulo . . . . . . . . 155
UNIVATES – Centro Universitário iii<br />
10 Aprofundamento Sobre Transformações <strong>Linear</strong>es 156<br />
10.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156<br />
10.2 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157<br />
10.3 Transformações do Plano no Plano . . . . . . . . . . . . . . . 158<br />
10.3.1 Expansão (ou Contração) Uniforme . . . . . . . . . .<br />
10.3.2 Reflexão em Torno do Eixo<br />
158<br />
OX . . . . . . . . . . . . . 159<br />
10.3.3 Reflexão pela Origem . . . . . . . . . . . . . . . . . . 159<br />
10.3.4 Rotação de um ângulo θ . . . . . . . . . . . . . . . . . 160<br />
10.3.5 Cisalhamento Horizontal . . . . . . . . . . . . . . . . . 161<br />
10.3.6 Translação . . . . . . . . . . . . . . . . . . . . . . . . 161<br />
10.4 Conceitos e Teoremas . . . . . . . . . . . . . . . . . . . . . . 161<br />
10.5 Transformações <strong>Linear</strong>es e Matrizes . . . . . . . . . . . . . . .<br />
10.6 Aplicações à Óptica . . . . . . . . . . . . . . . . . . . . . . .<br />
164<br />
169<br />
11 Desigualdades <strong>Linear</strong>es 174<br />
12 Variedades <strong>Linear</strong>es, Conjuntos Convexos e Programação<br />
<strong>Linear</strong> 180<br />
12.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180<br />
12.2 Aplicações . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181<br />
12.3 Tópicos da Programação <strong>Linear</strong> . . . . . . . . . . . . . . . . . 182<br />
12.4 Metodologia de Resolução . . . . . . . . . . . . . . . . . . . . 182<br />
12.5 Conjuntos Convexos . . . . . . . . . . . . . . . . . . . . . . . 182<br />
12.5.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . 183<br />
12.5.2 Caracterização Geométrica dos Vértices . . . . . . . . 188<br />
12.6 Introdução à Programação <strong>Linear</strong> . . . . . . . . . . . . . . . . 189<br />
12.6.1 Tópicos sobre Produto Interno . . . . . . . . . . . . . 189<br />
12.6.2 Método Geométrico . . . . . . . . . . . . . . . . . . . 190<br />
12.6.3 Teorema Fundamental da PL . . . . . . . . . . . . . . 193<br />
12.6.4 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . 194<br />
12.7 Exercícios de Fixação e Problemas de Aplicação . . . . . . . 194<br />
12.8 Respostas dos Principais Exercícios do Capítulo . . . . . . . . 199<br />
13 Curvas Cônicas 201<br />
13.1 A Elipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201<br />
13.1.1 Equação Reduzida da Elipse com Centro na Origem e<br />
Focos sobre os Eixos Coordenados . . . . . . . . . . . 202<br />
13.1.2 Equação da Elipse Cujos Eixos são Paralelos aos Eixos<br />
Coordenados . . . . . . . . . . . . . . . . . . . . . . . 203<br />
13.1.3 Posição Relativa entre Reta e Elipse . . . . . . . . . . 204<br />
13.2 A Parábola . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205<br />
13.2.1 Equação Reduzida da Parábola com Vértice na Origem<br />
e Foco sobre um dos Eixos Coordenados . . . . . 205<br />
13.2.2 Equação Reduzida da Parábola Cujo Eixo de Simetria<br />
é Paralelo a um dos Eixos Coordenados . . . . . . . . 207<br />
13.2.3 Posição Relativa entre Reta e Parábola . . . . . . . . 207<br />
13.3 A Hipérbole . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
UNIVATES – Centro Universitário iv<br />
13.3.1 Equação Reduzida da Hipérbole com Centro na Origem<br />
e Focos sobre os Eixos . . . . . . . . . . . . . . . 209<br />
13.3.2 Equação Reduzida da Hipérbole Cujos Eixos são Paralelos<br />
aos Eixos Coordenados . . . . . . . . . . . . . . 209<br />
13.3.3 Posição Relativa entre Reta e Hipérbole . . . . . . . . 210<br />
13.4 Equações de Cônicas com Eixo(s) Não Paralelo(s) aos Eixos<br />
Coordenados . . . . . . . . . . . . . . . . . . . . . . . . . . . 210<br />
13.4.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . 211<br />
13.5 Aplicação das Translações e Rotações ao Estudo da Equação<br />
Geral do Segundo Grau a Duas Variáveis . . . . . . . . . . . 212<br />
13.5.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . 214<br />
13.6 A Equação Geral do Segundo Grau a Duas Variáveis e as<br />
Cônicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215<br />
13.6.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . 215<br />
13.7 Respostas dos Principais Exercícios do Capítulo . . . . . . . . 216<br />
A Artigos para Aprofundamento 217<br />
A.1 Comparação dos Procedimentos para Resolver Sistemas <strong>Linear</strong>es<br />
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217<br />
A.2<br />
<strong>Álgebra</strong> de Matrizes . . . . . . . . . . . . . . . . . . . . . . . 217<br />
A.3 Correlación de Pares de Imagenes para Medición de Sólidos<br />
por Fenómenos Estereo . . . . . . . . . . . . . . . . . . . . . . 217<br />
A.4 Introdução à Pesquisa Operacional . . . . . . . . . . . . . . . 217<br />
A.5 Modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217<br />
A.6 Espaços Vetoriais – Introdução: Quadrados Mágicos . . . . . 217<br />
A.7 Compressão de Imagem Digital . . . . . . . . . . . . . . . . . 217<br />
A.8 Investigação: Azulejos, Reticulados e a Restrição Cristalográfica<br />
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218<br />
A.9 Investigação: A Fatoração LU . . . . . . . . . . . . . . . . . . 218<br />
A.10 Códigos Corretores de Erros . . . . . . . . . . . . . . . . . . . 218<br />
A.11 Grafos e Dígrafos . . . . . . . . . . . . . . . . . . . . . . . . . 218<br />
A.12 Investigação: Pivotamento Parcial e Contagem de Operações<br />
- Uma Introdução à Análise de Algoritmos . . . . . . . . . . . 218<br />
A.13 Análise de Redes . . . . . . . . . . . . . . . . . . . . . . . . . 218<br />
A.14 Simulador de Circuitos . . . . . . . . . . . . . . . . . . . . . . 218<br />
A.15 Vetores de Código e Aritmética Modular . . . . . . . . . . . . 218<br />
A.16 Diagonalização de Formas Quadráticas: Seções Cônicas . . . 218<br />
A.17 A Rampa de Skate do Tempo Mínimo . . . . . . . . . . . . . 218<br />
A.18 Por Que as Antenas São Parabólicas . . . . . . . . . . . . . . 219<br />
A.19 A Hipérbole e os Telescópios . . . . . . . . . . . . . . . . . . . 219<br />
A.20 A Sombra do Meu Abajur . . . . . . . . . . . . . . . . . . . . 219<br />
A.21 A Matemática do GPS . . . . . . . . . . . . . . . . . . . . . . 219<br />
A.22 Montando uma Dieta Alimentar com Sistemas <strong>Linear</strong>es . . . 219<br />
A.23 Resumo Sobre Cônicas . . . . . . . . . . . . . . . . . . . . . . 219<br />
A.24 Um Brinquedo Chamado Espirógrafo . . . . . . . . . . . . . . 219
UNIVATES – Centro Universitário v<br />
B Autovalores e Vetores Próprios, Diagonalização de Operadores<br />
<strong>Linear</strong>es 220<br />
B.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220<br />
B.2 Sistemas <strong>Linear</strong>es da Forma Ax = λx . . . . . . . . . . . . . . 221<br />
B.3 Autovalores e Autovetores . . . . . . . . . . . . . . . . . . . . 222<br />
B.4 Diagonalização . . . . . . . . . . . . . . . . . . . . . . . . . . 226<br />
B.4.1 Um Procedimento para Diagonalizar uma Matriz . . . 227<br />
B.4.2 Multiplicidades Geométrica e Algébrica . . . . . . . . 229<br />
B.5 Diagonalização Ortogonal . . . . . . . . . . . . . . . . . . . . 231<br />
B.5.1 Matrizes Ortogonais: Mudança de Bases . . . . . . . . 231<br />
B.5.2 Diagonalização de Matrizes Simétricas . . . . . . . . . 233<br />
C Produto Escalar 235<br />
C.1 Ângulos Diretores e Cossenos Diretores de um Vetor . . . . . 237<br />
C.2 Projeção de um Vetor . . . . . . . . . . . . . . . . . . . . . . 238<br />
D Processos Aleatórios: Cadeias de Markov 239<br />
D.1 Idéia Intuitiva . . . . . . . . . . . . . . . . . . . . . . . . . . . 239<br />
D.2 Conceito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242<br />
D.3 Previsões a Longo Prazo . . . . . . . . . . . . . . . . . . . . . 243<br />
D.3.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . 244<br />
D.4 Previsões em Genética . . . . . . . . . . . . . . . . . . . . . . 246<br />
E Somatórios 251<br />
E.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251<br />
E.2 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252<br />
E.3 Algumas Propriedades . . . . . . . . . . . . . . . . . . . . . . 253<br />
E.4 Respostas dos Principais Exercícios . . . . . . . . . . . . . . . 254<br />
F Tópicos sobre Retas e suas Equações 255<br />
F.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255<br />
F.2 Coeficiente Angular . . . . . . . . . . . . . . . . . . . . . . . . 257<br />
F.3 Coeficiente <strong>Linear</strong> . . . . . . . . . . . . . . . . . . . . . . . . 258<br />
F.3.1 Um Caso à Parte . . . . . . . . . . . . . . . . . . . . . 262<br />
F.4 As Retas que Passam por um Ponto Dado . . . . . . . . . . . 268<br />
F.5 Paralelismo de duas retas . . . . . . . . . . . . . . . . . . . . 272<br />
F.6 Intersecção de Duas Retas . . . . . . . . . . . . . . . . . . . . 273<br />
F.7 Perpendicularismo de duas Retas . . . . . . . . . . . . . . . . 274<br />
F.7.1 Projeção (Ortogonal) de um Ponto sobre uma Reta . . 275<br />
F.8 Equação Geral e Equação Reduzida . . . . . . . . . . . . . . 277<br />
F.8.1 Equação Geral da Reta . . . . . . . . . . . . . . . . . 277<br />
F.8.2 Equação Reduzida da Reta . . . . . . . . . . . . . . . 277<br />
F.9 Distância entre Ponto e Reta . . . . . . . . . . . . . . . . . . 278<br />
F.10 Respostas dos Principais Exercícios do Capítulo . . . . . . . . 281<br />
Bibliografia 303
Capítulo 1<br />
Introdução<br />
niciamos este polígrafo apresentando alguns exemplos de algumas<br />
das inúmeras aplicações da <strong>Álgebra</strong> <strong>Linear</strong>. É claro que neste curso não<br />
conseguiremos abordá-las todas. Contudo, o leitor interessando em mais<br />
detalhes sobre os mesmos pode consultar [1].<br />
Exemplo 1.0.1 (Jogos de estratégia)<br />
No jogo de roleta o jogador dá seu lance com uma aposta e o cassino<br />
responde com o giro da roleta; o lucro para o jogador ou para o cassino é<br />
determinado a partir destes dois movimentos.<br />
Estes são os ingredientes básicos de uma variedade de jogos que contêm<br />
elementos tanto de estratégia quanto de acaso. Os métodos matriciais podem<br />
ser usados para desenvolver estratégias otimizadas para os jogadores.<br />
Exemplo 1.0.2 (Administração de florestas)<br />
O administrador de uma plantação de árvores de Natal quer plantar e<br />
cortar as árvores de uma maneira tal que a configuração da floresta permaneça<br />
inalterada de um ano para outro. O administrador também procura<br />
maximizar os rendimentos, que dependem do número e do tamanho das<br />
árvores cortadas.<br />
Técnicas matriciais podem quantificar este problema e auxiliar o administrador<br />
a escolher uma programação sustentável de corte.<br />
Exemplo 1.0.3 (Computação gráfica) Uma das aplicações mais<br />
úteis da computação gráfica é a do simulador de vôo.<br />
As matrizes fornecem uma maneira conveniente de lidar com a enorme<br />
quantidade de dados necessários para construir e animar os objetos tridimensionais<br />
usados por simuladores de vôo para representar um cenário em<br />
movimento.<br />
1
UNIVATES – Centro Universitário 2<br />
Exemplo 1.0.4 (Redes elétricas)<br />
Circuitos elétricos que contenham somente resistências e geradores de<br />
energia podem ser analisados usando sistemas lineares derivados das leis<br />
básicas da teoria de circuitos.<br />
Exemplo 1.0.5 (Distribuição de temperatura de equilíbrio)<br />
Uma tarefa básica da ciência e da engenharia, que pode ser reduzida<br />
a resolver um sistema de equações lineares através de técnicas matriciais<br />
iterativas, é determinar a distribuição de temperatura de objetos tais como<br />
a do aço saindo da fornalha.<br />
Exemplo 1.0.6 (Cadeias de Markov)<br />
Os registros meteorológicos de uma localidade específica podem ser usados<br />
para estimar a probabilidade de que vá chover em um certo dia a partir da<br />
informação de que choveu ou não no dia anterior.<br />
A teoria das cadeias de Markov pode utilizar tais dados para prever, com<br />
muita antecedência, a probabilidade de um dia chuvoso na localidade.<br />
Exemplo 1.0.7 (Genética)<br />
Os mandatários do Egito antigo recorriam a casamentos entre irmãos<br />
para manter a pureza da linhagem real. Este costume propagou e acentuou<br />
certos traços genéticos através de muitas gerações.<br />
A teoria das matrizes fornece um referencial matemático para examinar<br />
o problema geral da propagação de traços genéticos.<br />
Exemplo 1.0.8 (Crescimento populacional por faixa etária)<br />
A configuração populacional futura pode ser projetada aplicando álgebra<br />
matricial às taxas, especificadas por faixas etárias, de nascimento e mortalidade<br />
da população. A evolução a longo prazo da população depende<br />
das características matemáticas de uma matriz de projeção que contém os<br />
parâmetros demográficos da população.<br />
Exemplo 1.0.9 (Colheita de populações animais)<br />
A colheita sustentada de uma criação de animais requer o conhecimento<br />
da demografia da população animal. Para maximizar o lucro de uma colheita<br />
periódica, podem ser comparadas diversas estratégias de colheita sustentada<br />
utilizando técnicas matriciais que descrevem a dinâmica do crescimento populacional.<br />
Exemplo 1.0.10 (Criptografia)<br />
Durante a Segunda Guerra Mundial, os decodificadores norte-americanos<br />
e britânicos tiveram êxito em quebrar o código militar inimigo usando<br />
técnicas matemáticas e máquinas sofisticadas.<br />
Hoje em dia, o principal impulso para o desenvolvimento de códigos<br />
seguros é dado pelas comunicações confidenciais entre computadores e em<br />
telecomunicações.
UNIVATES – Centro Universitário 3<br />
Exemplo 1.0.11 (Construção de curvas e superfícies por pontos<br />
especificados)<br />
Em seu trabalho “Principia Mathematica” (Os Princípios Matemáticos<br />
da Filosofia Natural), I. Newton abordou o problema da construção de uma<br />
elipse por cinco pontos dados. Isto ilustraria como encontrar a órbita de um<br />
cometa ou de um planeta através da análise de cinco observações.<br />
Ao invés de utilizarmos o procedimento geométrico de Newton, podemos<br />
utilizar os determinantes para resolver o problema analiticamente.<br />
Exemplo 1.0.12 (Programação linear geométrica)<br />
Um problema usual tratado na área de programação linear é o da determinação<br />
de proporções dos ingredientes em uma mistura com o objetivo de<br />
minimizar seu custo quando as proporções variam dentro de certos limites.<br />
Um tempo enorme do uso de computadores na administração e na indústria<br />
é dedicado a problemas de programação linear.<br />
Exemplo 1.0.13 (O problema da alocação de tarefas)<br />
Um problema importante na indústria é o do deslocamento de pessoal e<br />
de recursos de uma maneira eficiente quanto ao custo.<br />
Por exemplo, uma construtora pode querer escolher rotas para movimentar<br />
equipamento pesado de seus depósitos para os locais de construção de<br />
maneira a minimizar a distância total percorrida.<br />
Exemplo 1.0.14 (Modelos econômicos de Leontief)<br />
Num sistema econômico simplificado, uma mina de carvão, uma ferrovia<br />
e uma usina de energia necessitam cada uma de uma parte da produção<br />
das outras para sua manutenção e para suprir outros consumidores de seu<br />
produto.<br />
Os modelos de produção de Leontief podem ser usados para determinar<br />
o nível de produção necessário às três indústrias para manter o sistema<br />
econômico.<br />
Exemplo 1.0.15 (Interpolação “spline” cúbica)<br />
As fontes tipográficas PostScript TM e TrueType TM usadas em telas de<br />
monitores e por impressorar são definidas por curvas polinomiais por partes<br />
denominadas “splines”.<br />
Os parâmetros que os determinam estão armazenados na memória do<br />
computador, um conjunto de parâmetros para cada um dos caracteres de<br />
uma particular fonte.<br />
Exemplo 1.0.16 (Teoria de grafos)<br />
A classificação social num grupo de animais é uma relação que pode ser<br />
descrita e analisada com a teoria de grafos.<br />
Esta teoria também tem aplicações a problemas tão distintos como a determinação<br />
de rotas de companhias aéreas e a análise de padrões de votação.<br />
Exemplo 1.0.17 (Tomografia computadorizada)<br />
Um dos principais avanços no diagnóstico médico é o desenvolvimento<br />
de métodos não invasivos para obter imagens de seções transversais do corpo<br />
humano, como a tomografia computadorizada e a ressonância magnética.
UNIVATES – Centro Universitário 4<br />
Os métodos da <strong>Álgebra</strong> <strong>Linear</strong> podem ser usados para reconstruir imagens<br />
a partir do escaneamento por raios X da tomografia computadorizada.<br />
Exemplo 1.0.18 (Conjuntos fractais)<br />
Conjuntos que podem ser repartidos em versões congruentes proporcionalmente<br />
reduzidas do conjunto original são denominadas fractais. Os fractais<br />
são atualmente aplicados à compactação de dados computacionais.<br />
Os métodos da <strong>Álgebra</strong> <strong>Linear</strong> podem ser usados para construir e classificar<br />
fractais.<br />
Exemplo 1.0.19 (Teoria do Caos)<br />
Os “pixels” que constituem uma imagem matricial podem ser embaralhados<br />
repetidamente de uma mesma maneira, na tentativa de torná-los<br />
aleatórios. Contudo, padrões indesejados podem continuar aparecendo no<br />
processo.<br />
A aplicação matricial que descreve o processo de embaralhar ilustra tanto<br />
a ordem quanto a desordem que caracterizam estes processos caóticos.<br />
Exemplo 1.0.20 (Um modelo de mínimos quadrados para a<br />
audição humana)<br />
O ouvido interno contém uma estrutura com milhares de receptores sensoriais<br />
ciliares. Estes receptores, movidos pelas vibrações do tímpano, respondem<br />
a freqüências diferentes de acordo com sua localização e produzem<br />
impulsos elétricos que viajam até o cérebro através do nervo auditivo. Desta<br />
maneira, o ouvido interno age como um processador de sinais que decompõe<br />
uma onda sonora complexa em um espectro de freqüências distintas.<br />
Exemplo 1.0.21 (Deformações e morfismos)<br />
Você já deve ter visto em programas de televisão ou clipes musicais imagens<br />
mostrando rapidamente o envelhecimento de uma mulher ao longo do<br />
tempo, ou a transformação de um rosto de mulher no de uma pantera, a<br />
previsão de como seria hoje o rosto de uma criança desaparecida há 15 anos<br />
atrás, etc.<br />
Estes processos são feitos a partir de algumas poucas fotos. A idéia<br />
de continuidade, de evolução do processo, é feito através do computador.<br />
Este processo de deformação é chamado de morfismo, que se caracteriza por<br />
misturas de fotografias reais com fotografias modificadas pelo computador.<br />
Tais técnicas de manipulação de imagens têm encontrado aplicações na<br />
indústria médica, científica e de entretenimento.<br />
C H A E TING ER
Capítulo 2<br />
O Plano<br />
efere-se ao Capítulo 2 de [30], páginas 16 a 39.<br />
C H A E TING ER<br />
5
Capítulo 3<br />
O Espaço<br />
efere-se ao Capítulo 4 de [30], páginas 90 a 103.<br />
C H A E TING ER<br />
19
Capítulo 4<br />
Curvas Planas, Equações<br />
Paramétricas e Coordenadas<br />
Polares<br />
efere-se ao Capítulo 12 de Larson, R.E.; Hostetter, R.P. e Edwards,<br />
B.H. ([12]), páginas 743 a 801.<br />
C H A E TING ER<br />
27
Capítulo 5<br />
Matrizes<br />
5.1 Introdução<br />
este capítulo, apresentamos os conceitos básicos sobre matrizes, os<br />
quais surgem de forma natural na resolução de problemas, porque “ordenam<br />
e simplificam” os mesmos, bem como fornecem novos métodos de resolução.<br />
Adotaremos a abordagem lógico-dedutiva, pois os alunos que, ao concluírem<br />
o Ensino Médio, pretendem se dedicar de forma especializada às<br />
Engenharias, à Química Industrial, à Matemática ou à Informática, ingressando<br />
nestas áreas na universidade, deparam-se com freqüência com raciocínios<br />
lógico-dedutivos e convêm terem visto algo neste sentido já desde<br />
o início do curso.<br />
5.2 Conceito<br />
Exemplo 5.2.1 Uma indústria tem quatro fábricas A, B, C, D, cada<br />
uma das quais produz três produtos 1, 2, 3. A tabela mostra a produção da<br />
indústria durante uma semana.<br />
Fábrica A Fábrica B Fábrica C Fábrica D<br />
Produto 1 560 360 380 0<br />
Produto 2 340 450 420 80<br />
Produto 3 280 270 210 380<br />
Tabela 5.1: Produção da indústria por fábrica<br />
Quantas unidades do produto 2 foram fabricadas pela fábrica C?<br />
58
UNIVATES – Centro Universitário 59<br />
Exemplo 5.2.2 Ao recolhermos os dados referentes a altura, peso e<br />
idade de um grupo de quatro pessoas, podemos dispô-los na tabela abaixo:<br />
Altura (m) Peso (kg) Idade (anos)<br />
Pessoa 1 1,70 70 23<br />
Pessoa 2 1,75 60 45<br />
Pessoa 3 1,60 52 25<br />
Pessoa 4 1,81 72 30<br />
Tabela 5.2: Altura, peso e idade por pessoa<br />
Ao abstrairmos os significados das linhas e das colunas, temos a matriz:<br />
⎛<br />
1, 70 70<br />
⎞<br />
23<br />
⎜ 1, 75<br />
⎝ 1, 60<br />
60<br />
52<br />
45 ⎟<br />
25 ⎠<br />
1, 81 72 30<br />
Quando o número de variáveis e de observações é muito grande, esta disposição<br />
ordenada de dados é indispensável.<br />
Definição 5.2.3 Sejam 1 ≤ m, n ∈ N; chama-se matriz m × n (leia-se:<br />
m por n) a uma tabela constituída por mn elementos, dispostos em m linhas<br />
(horizontais) e n colunas (verticais).<br />
Notação: Seja Am×n e sejam i, j ∈ N tais que: 1 ≤ i ≤ m e 1 ≤ j ≤ n;<br />
indicaremos com aij o elemento de A que ocupa a linha i e a coluna j; A<br />
será indicada por:<br />
⎡<br />
⎤<br />
a11 a12 · · · a1n<br />
⎢<br />
⎣<br />
a21 a22 · · · a2n<br />
· · · ·<br />
· · · ·<br />
· · · ·<br />
am1 am2 · · · amn<br />
ou de forma mais sintética: A = (aij), com 1 ≤ i ≤ m e 1 ≤ j ≤ n.<br />
Usaremos sempre letras maiúsculas para denotar matrizes.<br />
Também são utilizadas outras notações para matriz, além de colchetes,<br />
como parênteses ou duas barras. Por exemplo:<br />
<br />
2 −1 2 −1<br />
e<br />
0 4 0 4<br />
Observação 5.2.4 Os elementos de uma matriz podem ser números reais,<br />
números complexos, polinômios, funções, etc.; aqui, entretanto, trabalharemos<br />
apenas com matrizes constituídas por números reais.<br />
Definição 5.2.5 Sejam as matrizes A = (aij), com 1 ≤ i ≤ m e<br />
1 ≤ j ≤ n e B = (bij), com 1 ≤ i ≤ m e 1 ≤ j ≤ n. Dizemos que A<br />
⎥<br />
⎦
UNIVATES – Centro Universitário 60<br />
é IGUAL a B, e indicamos com A = B, se aij = bij para 1 ≤ i ≤ m e<br />
1 ≤ j ≤ n, ou seja, duas matrizes m × n são iguais se possuem os elementos<br />
de mesma posição iguais; se isto não acontecer, elas se dizem DIFERENTES<br />
e indicamos com A = B.<br />
Exemplo 5.2.6<br />
⎛<br />
3<br />
⎞<br />
2<br />
⎛<br />
1. ⎝ 4 7 ⎠ = ⎝<br />
5 3<br />
<br />
2<br />
2.<br />
8<br />
<br />
4<br />
=<br />
−1<br />
3 2<br />
4 7<br />
5 3<br />
2 4<br />
8 1<br />
⎞<br />
⎠<br />
<br />
3. 1 2 3 = 3 2 1 <br />
4.<br />
3 2 1 log 1<br />
2 2 2 5<br />
<br />
=<br />
9 sin 90 o 0<br />
2 4 5<br />
Podemos também construir matrizes que possuam uma relação entre seus<br />
elementos, a partir de uma lei de formação:<br />
Exemplo 5.2.7 Representar explicitamente a matriz A = (aij), com<br />
1 ≤ i ≤ 3 e 1 ≤ j ≤ 2, tal que aij = 3i − 2j + 4.<br />
Resolução<br />
• i = 1 e j = 1 ⇒ a11 = 3 · 1 − 2 · 1 + 4 = 5;<br />
• i = 1 e j = 2 ⇒ a12 = 3 · 1 − 2 · 2 + 4 = 3;<br />
• i = 2 e j = 1 ⇒ a21 = 3 · 2 − 2 · 1 + 4 = 8;<br />
• i = 2 e j = 2 ⇒ a22 = 3 · 2 − 2 · 2 + 4 = 6;<br />
• i = 3 e j = 1 ⇒ a31 = 3 · 3 − 2 · 1 + 4 = 11;<br />
• i = 3 e j = 2 ⇒ a32 = 3 · 3 − 2 · 2 + 4 = 9.<br />
⎛<br />
Logo: A = ⎝<br />
5 3<br />
8 6<br />
11 9<br />
⎞<br />
<br />
⎠. <br />
Exercício 5.2.8 Representar explicitamente a matriz quadrada de ordem<br />
2, cujo elemento genérico é: aij = 2i − 3j + 5.<br />
Exemplo 5.2.9 Representar<br />
<br />
explicitamente a matriz A = (aij), com<br />
aij = 1 para i = j<br />
1 ≤ i ≤ 3 e 1 ≤ j ≤ 3, tal que<br />
aij = 0, para i = j.<br />
Resolução
UNIVATES – Centro Universitário 61<br />
O enunciado permite escrever:<br />
a12 = a13 = a21 = a23 = a31 = a32 = 1<br />
a11 = a22 = a33 = 0<br />
. Logo:<br />
⎛<br />
⎝<br />
0 1 1<br />
1 0 1<br />
1 1 0<br />
⎞<br />
⎠. <br />
Exercício 5.2.10 Representar<br />
<br />
explicitamente a matriz A = (aij), com<br />
aij = 0 para i = j<br />
1 ≤ i ≤ 4 e 1 ≤ j ≤ 4, tal que<br />
aij = 1, para i = j.<br />
Exemplo 5.2.11<br />
1. Matriz A = (aij)3×3, tal que aij = j 2 − i 2 ⇒ matriz quadrada;<br />
2. Matriz B = (bij)1×3, tal que bij = j − 2i ⇒ matriz linha;<br />
3. Matriz C = (cij)4×1, tal que cij = 2i 2 − 3j ⇒ matriz coluna;<br />
4. Matriz D = (dij)1×2, tal que dij = 0 ⇒ matriz nula;<br />
5. Matriz E = (eij)2×2, tal que<br />
<br />
eij =<br />
0, se i = j<br />
i + j, se i = j<br />
6. Matriz F = (fij)3×3, tal que<br />
fij =<br />
5.3 Tipos Especiais<br />
1, se i = j<br />
0, se i = j<br />
⇒ matriz diagonal;<br />
⇒ matriz identidade.<br />
Consideraremos agora alguns casos particulares de matrizes m × n:<br />
Definição 5.3.1 Matriz Quadrada é aquela cujo número de linhas é<br />
igual ao número de colunas (m = n). Nestes casos, costuma-se dizer que a<br />
matriz é de ordem n.<br />
Definição 5.3.2 Matriz Nula é aquela em que aij = 0, para todo i e<br />
j. É denotada por Om×n.<br />
Definição 5.3.3 Matriz-Coluna é aquela que possui uma única coluna<br />
(n = 1).<br />
Definição 5.3.4 Matriz-Linha é aquela onde m = 1.<br />
Definição 5.3.5 Seja An×n uma matriz quadrada de ordem n; os elementos<br />
aij, para os quais i = j (a11, a22, . . . , ann), são ditos elementos da<br />
diagonal principal da matriz. Por outro lado, os elementos para os quais<br />
i + j = n + 1 (a1n, a2 n−1, . . . , an 1), formam a diagonal secundária da<br />
matriz.
UNIVATES – Centro Universitário 62<br />
Definição 5.3.6 Matriz Diagonal é uma matriz quadrada (m = n)<br />
onde aij = 0, para i = j, isto é, os elementos que não estão na diagonal<br />
principal são nulos.<br />
Definição 5.3.7 Matriz Identidade ou Unidade é uma matriz quadrada<br />
de ordem n em que aii = 1 e aij = 0, para i = j. É denotada por<br />
In. Muitas vezes, ela aparece escrita da seguinte forma: In = (δij), com<br />
1 ≤ i, j ≤ n, onde: <br />
1,<br />
δij =<br />
0,<br />
quando<br />
quando<br />
i = j<br />
i = j.<br />
Definição 5.3.8 Matriz Triangular Superior é uma matriz quadrada<br />
onde todos os elementos abaixo da diagonal são nulos, isto é, m = n<br />
e aij = 0, para i > j.<br />
Definição 5.3.9 Matriz Triangular Inferior é aquela em que m = n<br />
e aij = 0, para i < j.<br />
Definição 5.3.10 Matriz Simétrica é aquela onde m = n e aij = aji.<br />
Observe que isto equivale a dizer que a parte superior é uma reflexão axial<br />
da parte inferior, em relação à diagonal.<br />
5.3.1 Exemplos<br />
Exemplo ⎛ 5.3.11 ⎞ São exemplos de matrizes diagonais:<br />
1 0 0 <br />
A = ⎝ 0 2 0 ⎠,<br />
1 0<br />
B = , C =<br />
0 1<br />
0 0 3<br />
3 ⎛<br />
0 0 0<br />
, D = ⎝ 0 0 0<br />
0 0 0<br />
Exemplo 5.3.12<br />
superiores.<br />
Exemplo 5.3.13<br />
angulares inferiores.<br />
Exemplo 5.3.14<br />
simétricas.<br />
⎛<br />
⎝<br />
⎛<br />
⎜<br />
⎝<br />
⎛<br />
⎜<br />
⎝<br />
2 −1 0<br />
0 −1 4<br />
0 0 3<br />
⎞<br />
⎠ e<br />
2 0 0 0<br />
1 −1 0 0<br />
1 2 2 0<br />
1 0 5 4<br />
a b c d<br />
b e f g<br />
c f h i<br />
d g i k<br />
⎞<br />
a b<br />
0 c<br />
⎟<br />
⎠ e<br />
⎞<br />
⎟<br />
⎠ e<br />
⎛<br />
⎝<br />
⎛<br />
⎝<br />
⎞<br />
⎠.<br />
<br />
são matrizes triangulares<br />
5 0 0<br />
7 0 0<br />
2 1 3<br />
⎞<br />
4 3 −1<br />
3 2 0<br />
−1 0 5<br />
⎠ são matrizes tri-<br />
⎞<br />
⎠ são matrizes
UNIVATES – Centro Universitário 63<br />
5.4 Operações<br />
Exercício 5.4.1 Consideremos as tabelas de produção de calçados no<br />
primeiro trimestre de 2001.<br />
Janeiro Fábrica A Fábrica B<br />
Modelo 1 9667 307<br />
Modelo 2 11545 7848<br />
Modelo 3 0 3577<br />
Março Fábrica A Fábrica B<br />
Modelo 1 8234 1149<br />
Modelo 2 13705 2971<br />
Modelo 3 0 1804<br />
Fevereiro Fábrica A Fábrica B<br />
Modelo 1 2387 1265<br />
Modelo 2 20178 5382<br />
Modelo 3 0 1341<br />
Tabela 5.3: Produção de calçados no primeiro trimestre<br />
1. Quantos calçados de cada modelo cada fábrica produziu nos meses de<br />
janeiro e fevereiro juntos?<br />
2. Quantos calçados de cada modelo cada fábrica produziu no trimestre?<br />
3. Considerando que a previsão para a produção de abril será o dobro da<br />
de fevereiro, determine a estimativa para abril.<br />
4. De quantos pares a produção (de cada modelo para cada fábrica) aumentou<br />
ou diminuiu no período de janeiro para fevereiro?<br />
Exemplo 5.4.2 Consideremos as tabelas que descrevem a produção de<br />
grãos em dois anos consecutivos.<br />
Ano 1 soja feijão arroz milho<br />
Região A 3000 200 400 600<br />
Região B 700 350 700 100<br />
Região C 1000 100 500 800<br />
Ano 2 soja feijão arroz milho<br />
Região A 5000 50 200 0<br />
Região B 2000 100 300 300<br />
Região C 2000 100 600 600<br />
Tabela 5.4: Produção de grãos (em milhares de toneladas) durante dois anos<br />
consecutivos<br />
Se quisermos montar uma tabela que dê a produção por produto e por<br />
região nos dois anos conjuntamente, teremos que somar os elementos correspondentes<br />
das duas tabelas acima):<br />
⎡<br />
⎣<br />
3000 200 400 600<br />
700 350 700 100<br />
1000 100 500 800<br />
⎤<br />
⎡<br />
⎦ + ⎣<br />
5000 50 200 0<br />
2000 100 300 300<br />
2000 100 600 600<br />
⎤<br />
⎦ =
UNIVATES – Centro Universitário 64<br />
Ou seja:<br />
⎡<br />
⎣<br />
8000 250 600 600<br />
2700 450 1000 400<br />
3000 200 1100 1400<br />
⎤<br />
⎦ .<br />
soja feijão arroz milho<br />
Região A 8000 250 600 600<br />
Região B 2700 450 1000 400<br />
Região C 3000 200 1100 1400<br />
Tabela 5.5: Produção total de grãos (em milhares de toneladas) durante os<br />
dois anos<br />
5.4.1 Adição<br />
Definição 5.4.3 Sejam A = (aij) e B = (bij) matrizes , com 1 ≤ i ≤ m<br />
e 1 ≤ j ≤ n. Chamamos de SOMA da matriz A com a matriz B à matriz<br />
C = (cij), com 1 ≤ i ≤ m e 1 ≤ j ≤ n tal que cij = aij + bij, para 1 ≤ i ≤ m<br />
e 1 ≤ j ≤ n, ou seja, soma de duas matrizes m × n é a matriz que se obtém<br />
das matrizes dadas, somando-se os elementos de mesma posição. Para dizer<br />
que C é soma de A com B, indicá-la-emos com A + B.<br />
Exemplo 5.4.4<br />
⎡<br />
⎣<br />
1 −1<br />
4 0<br />
2 5<br />
⎤<br />
⎡<br />
⎦+ ⎣<br />
0 4<br />
−2 5<br />
1 0<br />
⎤<br />
⎡<br />
⎦= ⎣<br />
1 3<br />
2 5<br />
3 5<br />
Observação 5.4.5 Só definimos soma de matrizes quando elas têm entre<br />
si o mesmo número de linhas e também o mesmo número de colunas.<br />
Observação 5.4.6 Pela forma com que foi definida, a adição de matrizes<br />
tem as mesmas propriedades que a adição de números reais.<br />
Definição 5.4.7 Seja a matriz A = (aij), com 1 ≤ i ≤ m e 1 ≤ j ≤ n.<br />
Chamamos de matriz OPOSTA de A à matriz B = (bij), com 1 ≤ i ≤ m e<br />
1 ≤ j ≤ n tal que: bij = −aij, para 1 ≤ i ≤ m e 1 ≤ j ≤ n, ou seja, matriz<br />
oposta de A é a matriz que se obtém de A trocando-se o sinal de cada um<br />
dos seus elementos. Para dizer que B é oposta de A, indicá-la-emos com<br />
−A.<br />
Exemplo 5.4.8 A =<br />
Propriedades<br />
1 2 −1<br />
0 −2 3<br />
<br />
⇒ −A =<br />
⎤<br />
⎦.<br />
−1 −2 1<br />
0 2 −3<br />
<br />
. <br />
Propriedade 5.4.9 Dadas as matrizes A, B e C, todas m × n, temos:<br />
i. A + B = B + A (comutativa)
UNIVATES – Centro Universitário 65<br />
ii. (A + B) + C = A + (B + C) (associativa)<br />
iii. A + Om×n = Om×n + A = A (elemento neutro)<br />
iv. A + (−A) = (−A) + A = Om×n (elemento oposto)<br />
prova: exercício. <br />
5.4.2 Subtração<br />
Definição 5.4.10 Sejam A e B duas matrizes m × n; chama-se<br />
DIFERENÇA entre A e B à soma de A com a oposta de B; a diferença<br />
entre A e B será indicada por A − B. Então, pela definição dada, temos:<br />
A − B = A + (−B).<br />
⎛<br />
⎝<br />
C =<br />
C =<br />
C =<br />
C =<br />
C =<br />
Exemplo 5.4.11<br />
3<br />
⎞<br />
−1<br />
⎛<br />
4 3<br />
4 2 ⎠−⎝<br />
2 −2<br />
1 0 0 −1<br />
⎞<br />
⎛<br />
⎠ = ⎝<br />
Exercício 5.4.12 Sendo A =<br />
3 7<br />
1 −2<br />
3 −1<br />
4 2<br />
1 0<br />
⎞<br />
<br />
8 7<br />
<br />
2<br />
, obtenha A + (B + C).<br />
3<br />
Exercício 5.4.13 Sendo A =<br />
5 2<br />
1 3<br />
⎛<br />
⎠+ ⎝<br />
<br />
−1 2<br />
<br />
−1 0<br />
, obtenha (A − B) − C.<br />
<br />
1 2<br />
<br />
2 −1<br />
, obtenha A − (B − C).<br />
Exercício 5.4.14 Sendo A =<br />
−1 −1<br />
−2 0<br />
Exemplo 5.4.15 Sendo A =<br />
−1 −1<br />
−2 0<br />
<br />
1 2<br />
<br />
2 −1<br />
, obtenha A − B + C.<br />
Solução<br />
A − B + C = (A − B) + C =<br />
Exemplo 5.4.16 Sendo A =<br />
0 3<br />
1 −4<br />
−4 −3<br />
−2 2<br />
0 1<br />
⎞<br />
⎛<br />
⎠ = ⎝<br />
<br />
0 −1<br />
, B =<br />
4 2<br />
<br />
3 2<br />
, B =<br />
4 1<br />
<br />
0 3<br />
, B =<br />
0 2<br />
<br />
0 3<br />
, B =<br />
0 2<br />
0 −2<br />
0 −3<br />
<br />
<br />
<br />
e<br />
<br />
e<br />
<br />
e<br />
<br />
e<br />
<br />
<br />
2<br />
1<br />
<br />
3<br />
−1<br />
, B =<br />
0<br />
2<br />
<br />
0<br />
e<br />
−3<br />
, obtenha a matriz X tal que A + X = B + C.<br />
−1 −4<br />
2 4<br />
1 1<br />
⎞<br />
⎠
UNIVATES – Centro Universitário 66<br />
Resolução<br />
Vamos acrescentar pela esquerda, a ambos os membros da igualdade<br />
dada, a oposta de A; temos: −A + (A + X) = −A + (B + C), isto é,<br />
(−A +<br />
<br />
A) + X =<br />
<br />
−A<br />
<br />
+ (B + C)<br />
<br />
⇒<br />
<br />
X = −A +<br />
<br />
(B<br />
<br />
+ C). Portanto,<br />
−2 −3 −1 0 0 3 −3 0<br />
X =<br />
+<br />
+<br />
=<br />
−1 0 2 −3 1 −4 2 −7<br />
C =<br />
Exercício 5.4.17 Sendo A =<br />
0 3<br />
5 7<br />
<br />
<br />
12<br />
3<br />
<br />
−2<br />
7<br />
, B =<br />
−5<br />
1<br />
<br />
2<br />
e<br />
8<br />
, obtenha a matriz Y tal que (A + Y ) − C = A + B.<br />
5.4.3 Multiplicação por um Número Real<br />
<br />
. <br />
Exemplo 5.4.18 (Baseado nos dados do exemplo 5.4.2) Existem muitos<br />
incentivos para se incrementar a produção (condições climáticas favoráveis,<br />
etc.), de tal forma que a previsão para a safra do terceiro ano<br />
será o triplo da produção do primeiro. Assim, a matriz de estimativa de<br />
produção ⎡ deste último será:<br />
3000 200 400 600<br />
3 · ⎣ 700 350 700 100<br />
1000 100 500 800<br />
⎤<br />
⎡<br />
⎦= ⎣<br />
9000 600 1200 1800<br />
2100 1050 2100 300<br />
3000 300 1500 2400<br />
⎤<br />
⎦. <br />
Definição 5.4.19 Sejam α ∈ R e A = (aij), com 1 ≤ i ≤ m e<br />
1 ≤ j ≤ n. Chamaremos de produto do número real α pela matriz<br />
A à matriz B = (bij), com 1 ≤ i ≤ m e 1 ≤ j ≤ n tal que: bij = α · aij para<br />
1 ≤ i ≤ m e 1 ≤ j ≤ n, ou seja, o produto do número real α pela matriz A é<br />
a matriz que se obtém de A multiplicando cada um dos seus elementos por<br />
α.<br />
Notação αA<br />
Exemplo 5.4.20<br />
<br />
1<br />
A =<br />
3<br />
2<br />
−1<br />
<br />
0<br />
2<br />
Propriedades<br />
⇒ −1<br />
A =<br />
2<br />
− 1<br />
2<br />
− 3<br />
2<br />
−1 0<br />
1<br />
2 −1<br />
Propriedade 5.4.21 Sejam os números reais α e β e as matrizes A e<br />
B, ambas m × n. Temos:<br />
i. α(βA) = (αβ)A<br />
ii. (α + β)A = αA + βA<br />
iii. α(A + B) = αA + αB<br />
iv. 1 · A = A<br />
v. (−1)A = −A
UNIVATES – Centro Universitário 67<br />
vi. 0 · A = Om×n<br />
vii. α · Om×n = Om×n<br />
Convidamos você a demonstrar estas propriedades (em momentos de<br />
extremo tédio, é claro).<br />
Exemplo 5.4.22 Sendo A =<br />
3(X − 3A) = 5X − 13A.<br />
2 6<br />
5 −3<br />
Resolução<br />
5X − 13A = 3(X − 3A) = 3X − 9A ⇒<br />
5X − 3X = −9A + 13A ⇒<br />
2X = 4A ⇒<br />
X = 2A<br />
<br />
2<br />
Portanto, X = 2<br />
5<br />
<br />
6 4<br />
=<br />
−3 10<br />
12<br />
−6<br />
<br />
, obtenha a matriz X tal que<br />
<br />
. <br />
<br />
3 2 5<br />
3 0 −1<br />
Exercício 5.4.23 Sendo A =<br />
e B =<br />
1 0 3<br />
2 4 2<br />
<br />
2X + Y = 4A + B<br />
tenha as matrizes X e Y tais que:<br />
X − 2Y = −3A + 3B.<br />
<br />
, ob-<br />
Exercício 5.4.24 Refaça o exercício 5.4.1 usando a notação matricial.<br />
5.4.4 Multiplicação de Matrizes<br />
Exercício 5.4.25 Uma indústria fabrica certo aparelho em 2 modelos P<br />
e Q. Na montagem do aparelho P , são utilizados 6 transistores, 9 capacitores<br />
e 11 resistores; no modelo Q, são 4 transistores, 7 capacitores e 10 resistores.<br />
Uma indústria recebeu a seguinte encomenda para os meses de janeiro e<br />
fevereiro:<br />
Janeiro: 8 aparelhos do modelo P e 12 aparelhos do modelo Q.<br />
Fevereiro: 10 aparelhos do modelo P e 6 do modelo Q.<br />
Calcular a quantidade de transistores, capacitores e resistores necessários<br />
para atender às encomendas de cada mês.<br />
Antes de definir a multiplicação entre matrizes, vejamos um exemplo do<br />
que pode ocorrer na prática:<br />
Exemplo 5.4.26 Suponhamos que a seguinte tabela forneça as quantidades<br />
das vitaminas A, B e C obtidas em cada unidade dos alimentos I e<br />
II.
UNIVATES – Centro Universitário 68<br />
A B C<br />
Alimento I 4 3 0<br />
Alimento II 5 0 1<br />
Tabela 5.6: Quantidades de vitaminas por alimento<br />
Se ingerirmos 5 unidades do alimento I e 2 unidades do alimento II,<br />
quanto consumiremos de cada tipo de vitamina?<br />
Resolução<br />
Podemos representar o consumo dos alimentos I e II (nesta ordem) pela<br />
matriz “consumo”:<br />
[5 2].<br />
A operação que vai nos fornecer a quantidade ingerida de cada vitamina<br />
é o “produto”:<br />
<br />
4 3 0<br />
[5 2] ·<br />
=<br />
5 0 1<br />
= [ 5 · 4 + 2 · 5 5 · 3 + 2 · 0 5 · 0 + 2 · 1 ] =<br />
= [30 15 2] (5.1)<br />
Isto é, serão ingeridas 30 unidades de vitamina A, 15 de B e 2 de C. <br />
Outro problema que poderemos considerar em relação aos dados do<br />
exemplo 5.4.26 é o seguinte:<br />
Exemplo 5.4.27 Se o custo dos alimentos depender somente do seu<br />
conteúdo vitamínico e soubermos que os preços por unidade de vitamina<br />
A, B e C são, respectivamente, $1, 50u.m., $3, 00u.m. e $5, 00u.m., quanto<br />
pagaríamos pela porção de alimentos indicada no exemplo 5.4.26?<br />
[30 15 2] ·<br />
Resolução<br />
⎡<br />
⎣<br />
1, 50<br />
3, 00<br />
5, 00<br />
⎤<br />
⎦ =<br />
= [30(1, 50) + 15(3) + 2(5)] =<br />
= [100]<br />
(5.2)<br />
Ou seja, pagaríamos $100, 00u.m.. <br />
Observamos que nos “produtos” de matrizes efetuados em 5.1 e 5.2,<br />
cada um dos elementos da matriz-resultado é obtido a partir de uma linha<br />
da primeira e uma coluna da segunda. Além disso, com relação às ordens<br />
das matrizes envolvidas, temos:<br />
Em 5.1: [ ]1×2 · [ ]2×3 = [ ]1×3<br />
Em 5.2: [ ]1×3 · [ ]3×1 = [ ]1×1.<br />
O exemplo acima esboça uma definição de multiplicação de matrizes A<br />
e B, quando A é uma matriz-linha. Esta idéia pode ser generalizada:
UNIVATES – Centro Universitário 69<br />
Definição 5.4.28 Sejam as matrizes A = (aik), 1 ≤ i ≤ m e 1 ≤ k ≤ p<br />
e B = (bkj), 1 ≤ k ≤ p e 1 ≤ j ≤ n. Chamamos de PRODUTO da matriz<br />
A pela matriz B à matriz C = (cij), 1 ≤ i ≤ m e 1 ≤ j ≤ n tal que:<br />
onde 1 ≤ i ≤ m e 1 ≤ j ≤ n.<br />
cij = ai1b1j + ai2b2j + . . . + aipbpj =<br />
p<br />
k=1<br />
aikbkj,<br />
Para dizer que a matriz C é o produto de A por B, indicá-la-emos com<br />
AB.<br />
Observação 5.4.29 Só tem sentido definirmos o produto AB de duas<br />
matrizes quando o n o de colunas de A for igual ao n o de linhas de B; além<br />
disso, o produto AB possui o n o de linhas de A e o n o de colunas de B;<br />
esquematicamente, temos:<br />
Am×p · Bp×n<br />
= Cm<br />
<br />
× n<br />
<br />
⎡ ⎤<br />
1 2 <br />
Exemplo 5.4.30 Determinar o produto ⎣ 3 4 ⎦<br />
7 1<br />
.<br />
2 4<br />
0 5 <br />
B<br />
A<br />
Resolução<br />
Como a matriz A é uma matriz 3 × 2 e B é 2 × 2, o n o de colunas de A<br />
é igual ao n o de linhas de B e , então, o produto AB está definido e é uma<br />
matriz 3 × 2.<br />
O elemento c11, que pertence à 1 a linha e à 1 a coluna de AB, é calculado<br />
multiplicando-se ordenadamente os elementos da 1 a linha de A pelos<br />
elementos da 1 a coluna de B, e somando-se os produtos assim obtidos (procure<br />
perceber que isto é verdade a partir da definição de cij, quando i = 1 e<br />
j = 1); portanto:<br />
⎡<br />
⎣<br />
1 2<br />
3 4<br />
0 5<br />
⎤<br />
⎦ ·<br />
7 1<br />
2 4<br />
⎡<br />
<br />
= ⎣<br />
1 · 7 + 2 · 2 · · ·<br />
· · · · · ·<br />
· · · · · ·<br />
O elemento c12, que pertence à 1 a linha e à 2 a coluna de AB, é calculado<br />
multiplicando-se ordenadamente os elementos da 1 a linha de A pelos<br />
elementos da 2 a coluna de B, e somando-se os produtos assim obtidos;<br />
portanto: ⎡<br />
⎣<br />
1 2<br />
3 4<br />
0 5<br />
⎤<br />
⎦ ·<br />
7 1<br />
2 4<br />
Da mesma forma teremos: c21<br />
⎡<br />
<br />
= ⎣<br />
· · · 1 · 1 + 2 · 4<br />
· · · · · ·<br />
· · · · · ·<br />
⎤<br />
⎦<br />
⎤<br />
⎦
UNIVATES – Centro Universitário 70<br />
⎡<br />
⎣<br />
1 2<br />
3 4<br />
0 5<br />
⎡<br />
. . .Logo, AB = ⎣<br />
Exercícios<br />
B =<br />
⎤<br />
⎦ ·<br />
7 1<br />
2 4<br />
⎡<br />
<br />
= ⎣<br />
1 · 7 + 2 · 2 1 · 1 + 2 · 4<br />
3 · 7 + 4 · 2 3 · 1 + 4 · 4<br />
0 · 7 + 5 · 2 0 · 1 + 5 · 4<br />
Exercício 5.4.31 Determine o produto ⎝<br />
· · · · · ·<br />
3 · 7 + 4 · 2 · · ·<br />
· · · · · ·<br />
⎛<br />
⎤<br />
⎡<br />
⎦ = ⎣<br />
⎤<br />
⎦<br />
11 9<br />
29 19<br />
10 20<br />
2 0 1<br />
0 −1 2<br />
4 1 3<br />
⎞<br />
⎤<br />
⎠ · ⎝<br />
Exercício 5.4.32 Determine o produto 1 −2 4 · ⎝<br />
Exercício 5.4.33 Obtenha o produto<br />
Exercício 5.4.34 Obtenha o produto<br />
Exercício 5.4.35 Obtenha o produto<br />
Exercício 5.4.36 Obtenha o produto ⎝<br />
Exercício 5.4.37 Obtenha o produto ⎝<br />
1 −5 3<br />
0 1 3<br />
2 2<br />
3 3<br />
2 −3<br />
3 −2<br />
⎛<br />
⎛<br />
1 2 3<br />
4 5 6<br />
7 8 9<br />
⎛<br />
⎛<br />
<br />
· ⎝<br />
⎦ . <br />
⎛<br />
1 −1<br />
2 1<br />
3 0<br />
3 −2<br />
1 4<br />
2 1<br />
3 1<br />
2 3<br />
1 2<br />
⎞<br />
⎠.<br />
<br />
1 2 3 −1<br />
·<br />
2 1 2 0<br />
<br />
2 −3<br />
·<br />
3 −2<br />
⎞<br />
6 0 1<br />
−3 1 4<br />
2 2 1<br />
⎛<br />
⎠ · ⎝<br />
⎞<br />
⎠ · ⎝<br />
Exemplo 5.4.38 Obter AB e BA, caso existam: A = ⎝<br />
1 1 1<br />
2 1 2<br />
<br />
.<br />
⎛<br />
1<br />
AB = ⎝ 3<br />
1<br />
<br />
1<br />
BA =<br />
2<br />
Solução<br />
⎞<br />
⎛<br />
2 <br />
4 ⎠<br />
1 1 1<br />
·<br />
= ⎝<br />
2 1 2<br />
−2<br />
⎛ ⎞<br />
1 2 <br />
1 1<br />
· ⎝ 3 4 ⎠<br />
5<br />
=<br />
1 2<br />
7<br />
1 −2<br />
4<br />
4<br />
5 3 5<br />
11 7 11<br />
−3 −1 −3<br />
⎞<br />
⎠.<br />
<br />
.<br />
1 0<br />
0 1<br />
−2 3<br />
⎛<br />
⎛<br />
⎞<br />
⎠.<br />
1 0 0<br />
0 1 0<br />
0 0 1<br />
1 2<br />
3 4<br />
1 −2<br />
⎞<br />
⎠.<br />
⎞<br />
<br />
.<br />
⎞<br />
⎠.<br />
⎞<br />
⎠.<br />
⎠ e<br />
<br />
.
UNIVATES – Centro Universitário 71<br />
B =<br />
B =<br />
Exemplo 5.4.39 Obter AB e BA, caso existam: A =<br />
−1 1<br />
−1 0<br />
<br />
.<br />
1 −2<br />
3 −1<br />
Solução<br />
<br />
1 −2 −1 1 1<br />
AB =<br />
·<br />
=<br />
3 −1 −1 0 −2<br />
<br />
−1 1 1 −2 2<br />
BA =<br />
·<br />
=<br />
−1 0 3 −1 −1<br />
<br />
1<br />
.<br />
3<br />
<br />
1<br />
.<br />
2<br />
<br />
Exemplo 5.4.40 Obter AB e BA, caso existam: A =<br />
1 1 1<br />
2 0 2<br />
<br />
.<br />
1 2<br />
1 2<br />
<br />
e<br />
<br />
1<br />
AB =<br />
1<br />
<br />
2 1<br />
·<br />
2 2<br />
1<br />
0<br />
Solução<br />
<br />
1 5<br />
=<br />
2 5<br />
1<br />
1<br />
<br />
5<br />
.<br />
5<br />
BA não existe, pois o n o de colunas de B é diferente do n o de linhas<br />
de A. <br />
⎛<br />
1 5<br />
⎞<br />
7<br />
Exemplo 5.4.41 Obter AB e BA, caso existam: A = ⎝ 2 3 1 ⎠ e<br />
<br />
3<br />
B =<br />
1<br />
<br />
2<br />
.<br />
8<br />
0 5 2<br />
Solução<br />
AB não existe, pois o número de colunas de A é diferente do número de<br />
linhas de B.<br />
BA não existe, pois o número de colunas de B é diferente do número de<br />
linhas de A. <br />
B =<br />
Exemplo 5.4.42 Obter AB e BA, caso existam: A =<br />
5 3<br />
4 8<br />
<br />
.<br />
2 3<br />
4 5<br />
<br />
e<br />
Solução<br />
<br />
2<br />
AB =<br />
4<br />
<br />
5<br />
BA =<br />
4<br />
<br />
3 5<br />
·<br />
5 4<br />
<br />
3 2<br />
·<br />
8 4<br />
<br />
3 22<br />
=<br />
8 40<br />
<br />
3 22<br />
=<br />
5 40<br />
<br />
30<br />
.<br />
52<br />
<br />
30<br />
.<br />
52<br />
<br />
<br />
e
UNIVATES – Centro Universitário 72<br />
Exemplo 5.4.43 Obter AB e BA, caso existam: A =<br />
B = 1 2 3 4 .<br />
B =<br />
⎛<br />
⎜<br />
⎝<br />
−1<br />
−2<br />
−3<br />
−4<br />
⎞<br />
⎟<br />
⎠ e<br />
⎛<br />
−1 −2 −3 −4<br />
Solução<br />
⎞<br />
⎜<br />
AB = ⎜ −2<br />
⎝ −3<br />
−4<br />
−6<br />
−6<br />
−9<br />
−8 ⎟<br />
−12 ⎠ , BA = (−30) <br />
−4 −8 −12 −16<br />
Exemplo 5.4.44 Obter AB e BA, caso existam: A =<br />
3 −2<br />
−15 10<br />
AB =<br />
0 0<br />
0 0<br />
<br />
.<br />
Observação 5.4.45<br />
<br />
= O2×2,<br />
Solução<br />
<br />
−5<br />
BA =<br />
25<br />
−1<br />
5<br />
5 1<br />
10 2<br />
<br />
<br />
. <br />
1. Num produto de matrizes A e B, a ordem em que aparecem os fatores<br />
é importante: pode acontecer que<br />
(a) ∃AB e ∃BA (ver 5.4.41)<br />
(b) ∃AB e ∃BA (ver 5.4.40)<br />
(c) ∃AB e ∃BA<br />
(d) ∃AB, ∃BA, mas são matrizes de dimensões diferentes (ver<br />
5.4.43)<br />
(e) ∃AB, ∃BA, de mesmas dimensões, mas AB = BA (ver 5.4.44)<br />
(f) ∃AB, ∃BA, e AB = BA (ver 5.4.42).<br />
2. O produto de duas matrizes não-nulas pode resultar numa matriz nula<br />
(ver 5.4.44).<br />
Propriedades<br />
Propriedade 5.4.46 Quaisquer que sejam as matrizes A(m × n), B e<br />
C (convenientes) e qualquer que seja o número real α, tem-se:<br />
i. (AB)C = A(BC) (associativa)<br />
ii. C(A + B) = CA + CB (distributiva à esquerda)<br />
iii. (A + B)C = AC + BC (distributiva à direita)<br />
iv. AIn = ImA = A (elemento neutro)<br />
e
UNIVATES – Centro Universitário 73<br />
v. (αA)B = A(αB) = α(AB)<br />
vi. A · On×p = Om×p e Op×m · A = Op×n.<br />
prova: i. Sejam:<br />
• A = (aij), 1 ≤ i ≤ m e 1 ≤ j ≤ n;<br />
• B = (bjk), 1 ≤ j ≤ n e 1 ≤ k ≤ p;<br />
• C = (ckl), 1 ≤ k ≤ p e 1 ≤ l ≤ q;<br />
• AB = (dik), 1 ≤ i ≤ m e 1 ≤ k ≤ p;<br />
• BC = (ejl), 1 ≤ j ≤ n e 1 ≤ l ≤ q;<br />
• AB(C) = (fil), 1 ≤ i ≤ m e 1 ≤ l ≤ q;<br />
• A(BC) = (gil), 1 ≤ i ≤ m e 1 ≤ l ≤ q.<br />
Teremos:<br />
fil = p<br />
k=1 dik · ckl =<br />
= p<br />
k=1 ( n<br />
j=1 aij · bjk · ckl) =<br />
= p<br />
k=1 ( n<br />
j=1 aij · bjk · ckl) =<br />
= n<br />
j=1 ( p<br />
k=1 aij · bjk · ckl) =<br />
= n<br />
j=1 aij · ( p<br />
k=1 bjk · ckl) =<br />
= n<br />
j=1 aij · ejl =<br />
= gil<br />
As demais ficam para momentos de solidão!<br />
Exercícios<br />
e C =<br />
B =<br />
Exercício 5.4.47 Dadas as matrizes A =<br />
2 −1<br />
0 4<br />
1 2<br />
−3 4<br />
<br />
1 5<br />
, B =<br />
2 3<br />
<br />
, calcule: A(BC), (AB)C, (A + B)C, e AC + BC.<br />
<br />
1<br />
<br />
2<br />
<br />
−1 3<br />
, calcule: (A + B) 2 , e A2 + 2(AB) + B2 .<br />
Exercício 5.4.48 Dadas as matrizes A =<br />
1 −1<br />
1 0<br />
Dica: Use que (A + B) 2 = (A + B)(A + B).<br />
Observação 5.4.49 Note que, no exemplo 5.4.48, temos que<br />
(A + B) 2 = A 2 + 2(AB) + B 2 .<br />
Exercício 5.4.50 (Desafio) Sejam A e B duas matrizes quadradas<br />
de ordem n. Qual é a condição necessária e suficiente para que tenhamos a<br />
igualdade (A + B) 2 = A 2 + 2(AB) + B 2 ?<br />
e
UNIVATES – Centro Universitário 74<br />
Exercício 5.4.51 É válida a igualdade (A + B)(A − B) = A2 − B2 <br />
2 3<br />
1 2<br />
quando A = e B =<br />
?<br />
5 4<br />
−1 −2<br />
Definição 5.4.52 Seja A uma matriz quadrada de ordem qualquer. Definimos<br />
a n-ésima POTÊNCIA de A do seguinte modo:<br />
A =<br />
A 1 = A<br />
A n = A · A n−1 , onde n é um inteiro ≥ 2.<br />
Exercício 5.4.53 Assumindo a definição 5.4.52, determine A 3 , sendo<br />
1 −1<br />
1 0<br />
<br />
.<br />
5.4.5 Transposição<br />
Definição 5.4.54 Considere uma matriz A, m × n; chama-se matriz<br />
TRANSPOSTA de A, e se indica com A t , à matriz n × m que se obtém da<br />
matriz A trocando, ordenadamente, as suas linhas pelas suas colunas.<br />
Exemplo 5.4.55<br />
<br />
2<br />
1. A =<br />
5<br />
3<br />
7<br />
<br />
4<br />
⇒ A<br />
1<br />
t ⎛<br />
2<br />
= ⎝ 3<br />
4<br />
⎞<br />
5<br />
7 ⎠<br />
1<br />
<br />
1<br />
2. B =<br />
5<br />
<br />
3<br />
⇒ B<br />
2<br />
t <br />
1<br />
=<br />
3<br />
<br />
5<br />
2<br />
⎛ ⎞<br />
3<br />
⎜<br />
3. C = ⎜ 1 ⎟<br />
⎝ 0 ⎠<br />
5<br />
⇒ Ct = 3 1 0 5 <br />
Observação 5.4.56<br />
i. n o de linhas de A = n o de colunas de A t<br />
ii. n o de colunas de A = n o de linhas de A t<br />
iii. o elemento que, em A, ocupa a linha i e a coluna j, em A t ocupa a<br />
linha j e a coluna i.<br />
Propriedade 5.4.57 Quaisquer que sejam as matrizes A e B, ambas<br />
m × n, a matriz C, n × p, e o número real α, temos:<br />
i. (A t ) t = A<br />
ii. (A + B) t = A t + B t<br />
iii. (αA) t = αA t<br />
iv. (AC) t = C t A t <br />
CUIDADO!
UNIVATES – Centro Universitário 75<br />
Observação 5.4.58 A = (aij), 1 ≤ i ≤ m e 1 ≤ j ≤ n ⇒ A t = (aji),<br />
1 ≤ j ≤ n e 1 ≤ i ≤ m.<br />
<br />
2 1<br />
Exercício 5.4.59 Sendo A =<br />
e B =<br />
3 1<br />
AB t , BA t , (AB) t , A t B t , B t A t , e BA.<br />
Exercício 5.4.60 Sendo A =<br />
−2 3 −1<br />
1 0 2<br />
2 5<br />
2 −6<br />
<br />
, obtenha A · A t .<br />
<br />
, calcule:<br />
Observação 5.4.61 Uma matriz é simétrica se, e somente se, ela é<br />
igual à sua transposta, isto é, se, e somente se, A = A t (ver definição<br />
5.3.10).<br />
5.5 Exercícios de Fixação e Problemas de<br />
Aplicação<br />
Exercício 5.5.1 Escrever a matriz A = (aij) nos seguintes casos:<br />
(a) i ∈ {1, 2, 3} e j ∈ {1, 2};<br />
(b) A é do tipo 3 × 2, com aij = 5 para i = j e aij = 3 para i = j;<br />
(c) A é de 3 a ordem, com aij = 1 para i = j e aij = 0 para i = j;<br />
(d) A é uma matriz do tipo 2 × 3, com aij = 4 para i > j, aij = 5 para i < j<br />
e aij = 8 para i = j.<br />
Exercício 5.5.2 Determinar os valores de x, y, z e v para que as matrizes<br />
sejam iguais.<br />
2x 8<br />
36 v − 4<br />
<br />
10 y − 2<br />
=<br />
v z2 <br />
.<br />
3<br />
Exercício 5.5.3 Determinar os valores de x e y para que as matrizes<br />
sejam iguais.<br />
3x 2x + 3y<br />
−20 1<br />
y<br />
<br />
14 + x 21<br />
=<br />
x2 − 9x 3<br />
√<br />
3, 5 8<br />
Exercício 5.5.4 Dadas as seguintes matrizes A=<br />
√<br />
2, 4 2<br />
B=<br />
(a) A + B;<br />
(b) A − B;<br />
3<br />
5 −2<br />
<br />
, calcular:<br />
<br />
.<br />
<br />
4 −3<br />
(c) Determinar o triplo da matriz A= 1 ;<br />
2 1, 4<br />
<br />
3 5<br />
(d) Dadas as matrizes: A=<br />
e b=<br />
−2 4<br />
−1 −3<br />
6 7<br />
1<br />
4 −7<br />
<br />
e<br />
<br />
, determinar X,<br />
tal que X = 2A − 4B.<br />
Observação: A matriz X, assim obtida, é uma combinação linear de A e<br />
B através dos coeficientes 2 e −4.
UNIVATES – Centro Universitário 76<br />
Exercício 5.5.5 Pulverizam-se pesticidas sobre plantas para eliminar<br />
insetos daninhos. No entanto, parte do pesticida é absorvida pela planta. Os<br />
pesticidas são absorvidos por herbívoros quando eles comem as plantas que<br />
foram pulverizadas. Suponha que temos três pesticidas e quatro plantas, e a<br />
quantidade de pesticida (em miligramas) que foi absorvido por cada planta<br />
está representado na tabela abaixo:<br />
Planta 1 Planta 2 Planta 3 Planta 4<br />
2 3 4 3<br />
3 2 2 5<br />
4 1 6 4<br />
Tabela 5.7: Quantidade de pesticida absorvido por planta<br />
Suponha agora que temos três herbívoros e o número de plantas que cada<br />
herbívoro come por mês está representado na tabela seguinte:<br />
Herbívoro 1 Herbívoro 2 Herbívoro 3<br />
20 12 8<br />
28 15 15<br />
30 12 10<br />
40 16 20<br />
Tabela 5.8: Quantidade de plantas ingeridas por herbívoro<br />
Determinar a quantidade de cada tipo de pesticida absorvido por cada<br />
herbívoro.<br />
Exercício 5.5.6 Durante a campanha eleitoral, o prefeito eleito prometeu<br />
a construção de casas populares. (Prometeu, tem que cumprir!) O povo<br />
sugeriu a construção de dois tipos de casas: média e grande. As casas do<br />
tipo média têm 5 portas, 6 janelas e 6 caixas de luz. As casas do tipo grande<br />
têm 8 portas, 9 janelas e 10 caixas de luz. Numa primeira etapa deverão<br />
ser construídas 500 casas do tipo média e 200 do tipo grande; numa segunda<br />
etapa, 600 do tipo média e 400 do tipo grande. Quanto de cada material<br />
será necessário em cada etapa?<br />
Exercício 5.5.7 Uma indústria automobilística produz X e Y nas<br />
versões standard, luxo e superluxo. Peças A, B e C são utilizadas na montagem<br />
desses carros. Para um certo plano de montagem, é dada a seguinte<br />
informação:
UNIVATES – Centro Universitário 77<br />
Carro X Carro Y<br />
Peça A 4 3<br />
Peça B 3 5<br />
Peça C 6 2<br />
Standard Luxo Superluxo<br />
Carro X 2 4 3<br />
Carro Y 3 2 5<br />
Tabela 5.9: Plano de montagem de automóveis<br />
Quantas peças de cada modelo, cada versão vai precisar?<br />
Exercício 5.5.8 Imagine um laboratório que fabrica, dentre outros, os<br />
remédios A, B, C. Para a produção de uma unidade do remédio A são<br />
necessários 3g do ingrediente x, 7g do ingrediente y e 10g do ingrediente z.<br />
Com relação ao remédio B são necessários 2g de x, 4g de y e 5g de z. E<br />
para o remédio C precisamos de 5g de x, 1g de y e 6g de z. Admitamos que<br />
o consumo dos três remédios, nos meses de agosto e setembro seja:<br />
Agosto: 80 unidades de A, 100 de B e 150 de C;<br />
Setembro: 50 unidades de A, 120 de B e 90 de C.<br />
Determine a quantidade de cada ingrediente necessária em cada mês.<br />
Exercício 5.5.9 Uma pequena loja de roupas organizou seu estoque de<br />
camisetas em duas prateleiras de acordo com os modelos A e B. Em janeiro<br />
o estoque foi distribuídos do seguinte modo:<br />
Prateleira A: 13 camisetas P , 15 camisetas M e 27 camisetas G;<br />
Prateleira B: 18 camisetas P , 19 camisetas M e 24 camisetas G.<br />
O preço das camisetas era o mesmo para os dois modelos e está representado<br />
na tabela abaixo:<br />
Tamanho Preço (em R$)<br />
P 13, 50<br />
M 15, 50<br />
G 16, 50<br />
Tabela 5.10: Preço das camisetas por tamanho<br />
Qual o valor total que a loja possuía em camisetas?<br />
Exercício 5.5.10 Consideremos uma companhia que fabrica carros dos<br />
tipos A, B e C em duas fábricas F1 e F2, e cuja produção mensal está<br />
representada na tabela abaixo:<br />
A B C<br />
F1 40 10 36<br />
F2 15 60 20<br />
Tabela 5.11: Produção mensal de automóveis por modelo e por fábrica
UNIVATES – Centro Universitário 78<br />
O carro tipo A usa 50 parafusos para a sua montagem, o carro tipo B<br />
usa 80 parafusos e o carro tipo C usa 70 parafusos. Calcular o total de<br />
parafusos que cada fábrica usa mensalmente.<br />
Exercício 5.5.11 João, Paulo e Pedro vão construir, cada um, um<br />
brinquedo composto por 3 tipos de peças. O brinquedo pode ser montado<br />
com quantas peças quisermos. Os meninos fizeram as seguintes escolhas do<br />
número de peças:<br />
Tipo 1 Tipo 2 Tipo 3<br />
João 4 2 3<br />
Paulo 3 4 2<br />
Pedro 2 3 4<br />
Tabela 5.12: Número de peças por brinquedo e por usuário<br />
Duas lojas vendem as peças pelos seguintes preços (em reais):<br />
Loja 1 Loja 2<br />
Tipo 1 3, 00 2, 50<br />
Tipo 2 6, 00 7, 00<br />
Tipo 3 5, 00 4, 50<br />
Tabela 5.13: Preços dos brinquedos por loja<br />
Descubra o preço que cada um pagaria na Loja 1 e na Loja 2.<br />
Exercício 5.5.12 Uma doceira produz dois tipos de doces, A e B. Para<br />
a produção desses doces são utilizados os ingredientes X, Y , Z, conforme<br />
indica a tabela:<br />
A B<br />
X 5 8<br />
Y 3 2<br />
Z 4 7<br />
Tabela 5.14: Produção de doces<br />
Suponha que sejam fabricados 50 doces do tipo A e 20 doces do tipo B,<br />
por dia. Determine a quantidade de ingredientes X, Y , Z utilizados por dia.<br />
Exercício 5.5.13 Um empresário oferece mensalmente alimentos a dois<br />
orfanatos. Para o orfanato 1 são doados 25Kg de arroz, 20Kg de feijão,<br />
30Kg de carne e 32 Kg de batata. Para o orfanato 2 são doados 28Kg de<br />
arroz, 24Kg de feijão, 35Kg de carne e 38Kg de batata. O empresário faz<br />
a cotação de preços em dois mercados. Veja a cotação atual, em reais:
UNIVATES – Centro Universitário 79<br />
Produto (1Kg) Mercado 1 (R$) Mercado 2 (R$)<br />
Arroz 1,00 1,00<br />
Feijão 1,50 1,20<br />
Carne 6,00 7,00<br />
Batata 0,80 0,60<br />
Tabela 5.15: Cotação de preços dos alimentos<br />
Determine o gasto mensal desse empresário, por orfanato, supondo que<br />
todos os produtos sejam adquiridos no mesmo estabelecimento e que este<br />
represente a melhor opção de compra.<br />
Exercício 5.5.14 Uma indústria produz dois tipos de produtos, P e Q,<br />
em duas fábricas X e Y . Ao fazer estes produtos, são gerados os poluentes<br />
dióxido de enxofre, óxido nítrico e partículas. As quantidades de poluentes<br />
gerados são dadas (em quilos) pela tabela abaixo:<br />
Dióxido de enxofre Óxido nítrico Partículas<br />
Produto P 300 100 150<br />
Produto Q 200 250 400<br />
Tabela 5.16: Quantidade de poluentes em quilos<br />
Leis e regulamentos federais e estaduais exigem que estes poluentes sejam<br />
eliminados. O custo diário de remover cada quilo de poluente é dado pela<br />
tabela seguinte:<br />
Fábrica X Fábrica Y<br />
Dióxido de enxofre 8 12<br />
Óxido nítrico 7 9<br />
Partículas 15 10<br />
Tabela 5.17: Preço para remover cada quilo de poluente<br />
Que informações os coeficientes do produto das matrizes acima fornecem<br />
ao fabricante? Calcule-os.<br />
Exercício 5.5.15 Um projeto de pesquisa sobre dietas consiste em adultos<br />
e crianças de ambos os sexos. A composição dos participantes no projeto<br />
é dada pela tabela a seguir:
UNIVATES – Centro Universitário 80<br />
Adultos Crianças<br />
Masculino 80 120<br />
Feminino 100 200<br />
Tabela 5.18: Participantes do projeto por faixa etária e sexo<br />
O número de gramas diários de proteínas, gorduras e carboidratos consumidos<br />
por cada criança e adulto é dado pela tabela abaixo:<br />
Proteínas Gorduras Carboidratos<br />
Adultos 20 20 20<br />
Crianças 10 20 30<br />
Tabela 5.19: Quantidade diária de nutrientes consumidos<br />
1. Quantos gramas de proteínas são consumidos diariamente pelos homens<br />
no projeto?<br />
2. Quantos gramas de gordura são consumidos diariamente pelas mulheres<br />
no projeto?<br />
Exercício 5.5.16 Um fabricante de móveis produz cadeiras e mesas,<br />
cada uma das quais deve passar por um processo de montagem e por um<br />
processo de acabamento. Os tempos exigidos por estes processos são dados<br />
(em horas) pela tabela abaixo:<br />
Montagem Acabamento<br />
Cadeira 2 2<br />
Mesa 3 4<br />
Tabela 5.20: Tempo de fabricação de móveis<br />
O fabricante tem uma fábrica em São Paulo e outra em Santa Catarina.<br />
Os preços por hora de cada um dos processos são dados pela tabela a seguir:
UNIVATES – Centro Universitário 81<br />
São Paulo Santa Catarina<br />
Montagem 9 10<br />
Acabamento 10 12<br />
Tabela 5.21: Preço por hora dos estágios de fabricação<br />
O que os coeficientes do produto das matrizes acima representam para o<br />
fabricante? Calcule-os.<br />
Exercício 5.5.17 Uma indústria fabrica três modelos diferentes de televisores.<br />
A tabela mostra o número de teclas e alto-falantes usados em cada<br />
aparelho A, B e C.<br />
Componentes Aparelho A Aparelho B Aparelho C<br />
Teclas 10 12 15<br />
Alto-falantes 2 2 4<br />
Tabela 5.22: Quantidade teclas e alto-falantes por televisor<br />
A tabela seguinte mostra a estimativa de produção da fábrica os próximos<br />
dois meses.<br />
Modelo Mês 1 Mês 2<br />
A 800 2000<br />
B 1000 1500<br />
C 500 1000<br />
Tabela 5.23: Estimativa de produção de televisores para dois meses<br />
Quantas teclas e quantos alto-falantes serão necessários para a produção<br />
dos dois meses?<br />
Exercício 5.5.18 Uma indústria de calçados está pretendendo introduzir<br />
três novos modelos de sapatos em sua produção. Para isso, vai utilizar<br />
dois tipos de acessórios, conforme especificado na tabela abaixo:
UNIVATES – Centro Universitário 82<br />
Acessório Modelo A Modelo B Modelo C<br />
X 3 5 2<br />
Y 8 10 5<br />
Tabela 5.24: Quantidade de acessórios utilizados na fabricação de calçados<br />
A produção dos três tipos de calçados deve seguir a tabela abaixo nos<br />
meses de teste da aceitação dos novos modelos no mercado:<br />
Modelo Mês 1 Mês 2 Mês3<br />
A 1000 1200 2000<br />
B 1200 1500 2000<br />
C 2000 2000 2500<br />
Tabela 5.25: Produção de calçados no período de aceitação de novos modelos<br />
Quantos acessórios X e quantos Y serão utilizados nessa produção experimental?<br />
Exercício 5.5.19 Um fast food de sanduíches naturais vende dois tipos<br />
de sanduíches, A e B, utilizando os ingredientes (queijo, atum, rosbife,<br />
salada) nas seguintes quantidades (em gramas) por sanduíche:<br />
Sanduíche A Sanduíche B<br />
queijo 18 10<br />
salada 26 33<br />
rosbife 23 12<br />
atum 0 16<br />
Tabela 5.26: Quantidade em gramas de cada ingrediente por sanduíche<br />
Durante um almoço foram vendidos 6 sanduíches do tipo A e 10<br />
sanduíches do tipo B. Qual foi a quantidade necessária de cada ingrediente<br />
para a preparação desses 16 sanduíches? Represente na forma de produto<br />
de matrizes.<br />
Exercício 5.5.20 (Desafio) Uma rede de comunicação tem cinco locais<br />
com transmissores de potências distintas. Estabelecemos que aij = 1,<br />
na matriz abaixo, significa que a estação i pode transmitir diretamente para<br />
a estação j, aij = 0 significa que a transmissão da estação i não alcança<br />
a estação j. Observe que a diagonal principal é nula significando que uma<br />
estação não transmite diretamente para si mesma.<br />
⎡<br />
⎢<br />
A = ⎢<br />
⎣<br />
0 1 1 1 1<br />
1 0 1 1 0<br />
0 1 0 1 0<br />
0 0 1 0 1<br />
0 0 0 1 0<br />
⎤<br />
⎥<br />
⎦
UNIVATES – Centro Universitário 83<br />
Qual seria o significado da matriz A 2 = A · A?<br />
Seja A 2 = [cij]. Calculemos o elemento<br />
c42 =<br />
5<br />
a4kak2 = 0 + 0 + 1 + 0 + 0 = 1.<br />
k=1<br />
Note que a única parcela não nula veio de a43 · a32 = 1 · 1. Isto significa que<br />
a estação 4 transmite para a estação 2 através de uma retransmissão pela<br />
estação 3, embora não exista uma transmissão direta de 4 para 2.<br />
1. Calcule A 2<br />
2. Qual o significado de c13 = 2?<br />
3. Discuta o significado dos termos nulos, iguais a 1 e maiores que 1 de<br />
modo a justificar a afirmação: “A matriz A 2 representa o número de<br />
caminhos disponíveis para se ir de uma estação a outra com uma única<br />
retransmissão”.<br />
4. Qual o significado das matrizes A + A 2 , A 3 e A + A 2 + A 3 ?<br />
5. Se A fosse simétrica, o que significaria?<br />
5.6 Respostas<br />
Capítulo<br />
dos Principais Exercícios do<br />
5.2.8<br />
<br />
4<br />
6<br />
<br />
1<br />
3<br />
⎛<br />
1 0 0<br />
⎞<br />
0<br />
5.2.10<br />
⎜ 0<br />
⎝ 0<br />
1<br />
0<br />
0<br />
1<br />
0 ⎟<br />
0 ⎠ = I4<br />
0 0 0 1<br />
⎡<br />
12054 1572<br />
⎤ ⎡<br />
5.4.1 1. ⎣ 31723 13230 ⎦ 2. ⎣<br />
0<br />
⎡<br />
−7280<br />
4918<br />
958<br />
⎤<br />
4. ⎣ 8633 −2466 ⎦<br />
0 −2236<br />
5.4.12<br />
<br />
11<br />
7<br />
<br />
13<br />
3<br />
5.4.13<br />
<br />
−9<br />
−6<br />
<br />
−2<br />
−4<br />
5.4.14<br />
<br />
0<br />
0<br />
<br />
−2<br />
−3<br />
5.4.17<br />
<br />
7<br />
Y = B + C =<br />
6<br />
<br />
5<br />
15<br />
20288 2721<br />
45428 16201<br />
0 6722<br />
⎤<br />
⎦ 3.<br />
⎡<br />
⎣<br />
4774 2530<br />
40356 10764<br />
0 2682<br />
⎤<br />
⎦
UNIVATES – Centro Universitário 84<br />
5.4.23 X = A + B =<br />
5.4.25<br />
6 2 4<br />
3 4 5<br />
<br />
<br />
3 4 11<br />
, Y = 2A − B =<br />
0 −4 4<br />
Janeiro Fevereiro<br />
Transistores 96 84<br />
Capacitores 156 132<br />
Resistores 208 170<br />
⎛<br />
5<br />
⎞<br />
−2<br />
5.4.31 ⎝ 4 −1 ⎠<br />
15 −3<br />
5.4.32<br />
<br />
9<br />
<br />
−6<br />
5.4.33<br />
<br />
−4<br />
5<br />
<br />
−8<br />
9<br />
5.4.34<br />
<br />
6<br />
9<br />
6<br />
9<br />
10<br />
15<br />
<br />
−2<br />
−3<br />
5.4.35<br />
<br />
−5<br />
0<br />
<br />
0<br />
= −5I2<br />
−5<br />
⎛<br />
−5<br />
⎞<br />
11<br />
5.4.36 ⎝ −8 23 ⎠<br />
−11 35<br />
⎛<br />
6 0<br />
⎞<br />
1<br />
5.4.37 ⎝ −3 1 4 ⎠<br />
2 2 1<br />
<br />
10 39<br />
5.4.47 A(BC) = (AB)C =<br />
,<br />
10 −17<br />
<br />
4 26<br />
(A + B)C = AC + BC =<br />
−2 29<br />
5.4.51 Não, pois AB = BA<br />
5.4.53<br />
<br />
−1<br />
0<br />
<br />
0<br />
= −I2<br />
−1<br />
5.4.59 ABt <br />
9 −2<br />
=<br />
, BA<br />
11 0<br />
t <br />
9 11<br />
=<br />
, (AB)<br />
−2 0<br />
t <br />
6<br />
=<br />
4<br />
A<br />
8<br />
9<br />
tBt <br />
19 −14<br />
=<br />
, B<br />
7 −4<br />
tAt = (AB) t <br />
19 7<br />
, BA =<br />
−14 −4<br />
5.4.60<br />
<br />
14<br />
−4<br />
<br />
−4<br />
5<br />
<br />
<br />
,
UNIVATES – Centro Universitário 85<br />
⎛<br />
5.5.1 (a) A= ⎝<br />
⎛<br />
(c) I3 = ⎝<br />
a11 a12<br />
a21 a22<br />
a31 a32<br />
1 0 0<br />
0 1 0<br />
0 0 1<br />
⎞<br />
⎛<br />
⎠; (b) A= ⎝<br />
⎞<br />
⎠; (d) A=<br />
3 5<br />
5 3<br />
5 5<br />
8 5 5<br />
4 8 5<br />
5.5.2 x = 5, y = 10, z = ±6, v1 = 4, v2 = −1<br />
5.5.3 Impossível<br />
√<br />
5, 9 3 2<br />
5.5.4 (a) A+B= 17<br />
20 −9<br />
<br />
<br />
1, 1<br />
; (b) A-B=<br />
−<br />
√<br />
2<br />
7<br />
20 −5<br />
<br />
<br />
12 −9<br />
10 22<br />
(c) 3A= 3 ; (d) X=<br />
2 4, 2<br />
−28 −20<br />
<br />
;<br />
⎡<br />
364 165<br />
⎤<br />
161<br />
5.5.5 ⎣ 376 170 174 ⎦<br />
448 199 187<br />
⎡<br />
4100<br />
⎤<br />
6200<br />
5.5.6 ⎣ 4800 7200 ⎦<br />
5000 7600<br />
⎡<br />
17 22<br />
⎤<br />
27<br />
5.5.7 ⎣ 21 22 34 ⎦<br />
18 28 28<br />
⎡<br />
1190 840<br />
⎤<br />
5.5.8 ⎣ 1110 920 ⎦<br />
2200 1640<br />
5.5.9 R$1787, 00<br />
<br />
5320<br />
5.5.10<br />
6950<br />
⎡ ⎤<br />
39 37, 5<br />
5.5.11 ⎣ 43 44, 5 ⎦<br />
44 44<br />
⎡ ⎤<br />
410<br />
5.5.12 ⎣ 190 ⎦<br />
340<br />
<br />
260, 60 278, 20<br />
5.5.13<br />
304, 40 324, 60<br />
<br />
5350 6000<br />
5.5.14<br />
Os coeficientes fornecem o custo diário para remover<br />
9350 8650<br />
o total de poluentes de cada produto em cada fábrica.<br />
5.5.15 (1). 2800 g; (2). 6000 g<br />
<br />
⎞<br />
⎠;
UNIVATES – Centro Universitário 86<br />
<br />
38<br />
5.5.16<br />
67<br />
<br />
44<br />
Os coeficientes fornecem o custo de fabricação de uma<br />
78<br />
mesa e de uma cadeira numa mesma fábrica.<br />
<br />
27500<br />
5.5.17<br />
5600<br />
<br />
53000<br />
11000<br />
5.5.18<br />
5.5.19<br />
⎡<br />
⎢<br />
⎣<br />
208<br />
486<br />
258<br />
160<br />
⎤<br />
⎥<br />
⎦<br />
Mês 1 Mês 2 Mês 3<br />
Acessório X 13000 15100 21000<br />
Acessório Y 30000 34600 48500<br />
C H A E TING ER
Capítulo 6<br />
Sistemas <strong>Linear</strong>es<br />
6.1 Introdução<br />
a natureza, as coisas estão em constante transformação, e o Homem<br />
precisa dominar estes processos de mudança para sobreviver e melhorar<br />
sua existência. Uma das maneiras mais elementares de descrição destas<br />
transformações é a de procurar nestas o que permanece constante durante<br />
a mudança.<br />
Exemplo 6.1.1 Sabemos que reagindo hidrogênio (H2) com oxigênio<br />
(O2), produz-se água (H2O). Mas, quanto de H2 e de O2 precisamos?<br />
Solução<br />
Esta mudança pode ser descrita do seguinte modo esquemático:<br />
xH2 + yO2 −→ zH2O.<br />
O que permanece constante nesta mudança? Os átomos não são modificados,<br />
portanto devemos ter o mesmo número de átomos de cada elemento<br />
no início e no final da reação. Logo, as incógnitas x, y e z devem satisfazer:<br />
2x − 2z = 0<br />
2y − z = 0<br />
Descobrindo quais os valores das incógnitas acima que satisfazem simultaneamente<br />
as equações, teremos aprendido um pouco mais sobre o<br />
comportamento da natureza (bonito isto. . . ).<br />
Em muitos casos, como neste exemplo, o problema nos leva a um sistema<br />
de equações lineares. Como você já possui alguma experiência na resolução<br />
deste tipo de sistema, não tiraremos o seu prazer em resolvê-lo. <br />
87
UNIVATES – Centro Universitário 88<br />
Entretanto, existem sistemas que, embora lineares, podem se tornar<br />
muito grandes, ou podemos ter menos equações do que incógnitas (o próprio<br />
exemplo 6.1.1). Isto pode dar origem a muitas dúvidas, até mesmo sobre a<br />
existência ou não de solução para o sistema.<br />
Por outro lado, em sistemas com mais de uma solução, é preciso expressar<br />
todas elas de uma forma clara. No exemplo 6.1.1, pode-se encontrar duas<br />
soluções distintas (x, y, z) (faça isto!). Mas, o problema só estará resolvido<br />
se conseguirmos expressar todas as soluções.<br />
Exemplo 6.1.2 Um sitiante dividirá uma área de 28 hectares em duas<br />
partes: numa plantará soja e na outra milho. Que área poderá destinar a<br />
cada uma destas plantações?<br />
Solução<br />
Denotando por x a quantidade de hectares de soja, e por y a quantidade<br />
de hectares de milho, temos a relação x + y = 28. Esta equação admite<br />
infinitas soluções reais. No entanto, para o nosso sitiante interessam somente<br />
aquelas em que 0 ≤ x, y ≤ 28. Note que atribuindo a x qualquer valor entre<br />
0 e 28, podemos imediatamente determinar o valor correspondente para y,<br />
através da relação y = 28 − x. Sendo assim, também neste caso teremos<br />
infinitas possibilidades de resposta. <br />
Por outro lado, se modificarmos um pouco o exemplo anterior, poderemos<br />
ter a sua solução profundamente modificada:<br />
Exemplo 6.1.3 Um sitiante dividirá uma área de 28 hectares em duas<br />
partes: numa plantará soja e na outra milho. Ele espera vender a produção<br />
de cada hectare de soja por $400, 00u.m. e, de milho, por $300, 00u.m.. Por<br />
precaução, o sitiante deseja que os valores das vendas totais da soja e do<br />
milho sejam iguais entre si. Que área deverá destinar a cada uma destas<br />
plantações?<br />
Solução<br />
Mantendo as mesmas notações do exemplo 6.1.2, podemos representar a<br />
situação do problema do seguinte modo:<br />
x + y = 28<br />
400x = 300y<br />
Existem vários métodos para resolver estas equações, mas todas elas nos<br />
darão como única solução os valores de x = 12 e y = 16 (resta observar que<br />
estes valores de fato são possíveis, pois não podemos equecer da condição<br />
extra 0 ≤ x, y ≤ 28). <br />
Neste capítulo, veremos uma técnica de resolução para sistemas lineares<br />
em geral. Sua maior aplicação é para sistemas “grandes”. O método consiste<br />
em substituir convenientemente o sistema original por sistemas cada vez<br />
mais simples, sempre “equivalentes” a ele.<br />
6.2 Conceitos<br />
Definição 6.2.1 Um sistema de equações lineares com m equações e n<br />
incógnitas é um conjunto de equações do tipo:
UNIVATES – Centro Universitário 89<br />
⎧<br />
⎪⎨<br />
⎪⎩<br />
a11x1 + a12x2 + · · · + a1nxn = b1<br />
a21x1 + a22x2 + · · · + a2nxn = b2<br />
. +<br />
. + · · · +<br />
. = .<br />
am1x1 + am2x2 + · · · + amnxn = bm<br />
com aij ∈ {R, C}, 1 ≤ i ≤ m, 1 ≤ j ≤ n.<br />
(6.1)<br />
Definição 6.2.2 Uma solução do sistema 6.1 é uma n-upla de<br />
números (x1, x2, . . . , xn) que satisfaz simultaneamente as m equações.<br />
Definição 6.2.3 Dois sistemas de equações lineares são equivalentes<br />
se, e somente se, toda solução de qualquer um dos sistemas também é solução<br />
do outro.<br />
Notação: Podemos escrever o sistema 6.1 na forma matricial:<br />
⎛<br />
⎞<br />
a11 a12 · · · a1n<br />
⎜ a21 a22 · · · a2n<br />
⎟<br />
⎜<br />
⎟<br />
⎝ . . . ⎠ ·<br />
⎛ ⎞<br />
x1<br />
⎜ x2<br />
⎟<br />
⎜ ⎟<br />
⎝ . ⎠ =<br />
⎛ ⎞<br />
b1<br />
⎜ b2<br />
⎟<br />
⎜ ⎟<br />
⎝ . ⎠<br />
ou A · x = b onde<br />
am1 am2 · · · amn<br />
⎛<br />
⎜<br />
A = ⎜<br />
⎝<br />
xn<br />
a11 a12 · · · a1n<br />
a21 a22 · · · a2n<br />
.<br />
am1 am2 · · · amn<br />
é a matriz dos coeficientes ou matriz incompleta do sistema,<br />
⎛ ⎞<br />
a matriz das incógnitas e<br />
.<br />
⎜<br />
x = ⎜<br />
⎝<br />
⎛<br />
⎜<br />
b = ⎜<br />
⎝<br />
x1<br />
x2<br />
.<br />
xn<br />
b1<br />
b2<br />
.<br />
bm<br />
a matriz dos termos independentes.<br />
Definição 6.2.4 Uma outra matriz que podemos associar ao sistema<br />
6.1 é<br />
⎛<br />
⎜<br />
A = ⎜<br />
⎝<br />
a11<br />
a21<br />
.<br />
a12<br />
a22<br />
.<br />
· · ·<br />
· · ·<br />
a1n<br />
a2n<br />
.<br />
b1<br />
b2<br />
.<br />
⎞<br />
⎟<br />
⎠<br />
⎟<br />
⎠<br />
⎞<br />
⎟<br />
⎠<br />
am1 am2 · · · amn bm<br />
que chamamos matriz ampliada do sistema.<br />
Observação 6.2.5 Cada linha da matriz de 6.2.4 é simplesmente uma<br />
representação abreviada da equação correspondente no sistema.<br />
.<br />
⎞<br />
⎟<br />
⎠<br />
bm
UNIVATES – Centro Universitário 90<br />
6.3 Forma Escalonada<br />
Definição 6.3.1 Uma matriz m × n está na forma escalonada (ou<br />
escada), se:<br />
(i). o 1 o elemento não nulo de toda linha não nula é 1;<br />
(ii). cada coluna que contém o 1 o elemento não nulo de uma linha tem os<br />
elementos abaixo deste iguais a zero (escalonada reduzida⇒ abaixo e<br />
acima);<br />
(iii). toda linha nula ocorre abaixo de todas as linhas não nulas (isto é,<br />
daquelas que possuem pelo menos um elemento não nulo);<br />
(iv). o 1 o elemento não nulo de uma linha aparece à direita do 1 o elemento<br />
não nulo da linha anterior (isto é, se as linhas 1, . . . , r são as linhas não<br />
nulas, e se o primeiro elemento não nulo da linha i ocorre na coluna<br />
ki, então k1 < k2 < . . . < kr).<br />
Observação 6.3.2 A última condição da definição 6.3.1 impõe forma<br />
escada à matriz:<br />
Figura 6.1: Matriz na forma escada<br />
Isto é, o número de zeros precedendo o primeiro elemento não nulo de uma<br />
linha aumenta a cada linha, até que sobrem somente linhas nulas, se as<br />
houver.<br />
Exemplo 6.3.3 A =<br />
⎛<br />
⎜<br />
⎝<br />
1 −1 0 −1 2<br />
0 1 0 3 5<br />
0 0 0 1 7<br />
⎛<br />
0 2<br />
0<br />
1<br />
0<br />
⎞<br />
0 0 1<br />
⎛<br />
escalonada; B = ⎝ 1 0 −3 ⎠ não é; C = ⎝<br />
0 0 0<br />
⎛<br />
0 1 −3 0<br />
⎞<br />
1<br />
forma escalonada; D = ⎝ 0 0 0 0 0 ⎠ não está.<br />
0 0 0 −1 2<br />
⎞<br />
⎟<br />
⎠<br />
é uma matriz na forma<br />
1 0 0 0<br />
0 1 −1 0<br />
0 0 1 0<br />
⎞<br />
⎠ está na
UNIVATES – Centro Universitário 91<br />
6.3.1 Operações Elementares<br />
Definição 6.3.4 Duas matrizes de mesma ordem A e B são equivalentes<br />
por linhas (A ∼ B) se B pode ser obtida de A pela aplicação de<br />
uma seqüência finita de operações elementares sobre as linhas de A, que são:<br />
• permutações de duas linhas: (li ↔ lj);<br />
• multiplicação de uma linha por um escalar real não nulo: (li → kli);<br />
• substituição de uma linha por ela somada com uma outra linha multiplicada<br />
por um número real não nulo: (li → li + klj).<br />
Exemplo 6.3.5 L2 ↔ L3:<br />
⎛<br />
1 0<br />
⎞ ⎛<br />
⎝ 4 −1 ⎠ ←→ ⎝<br />
−3 4<br />
Exemplo 6.3.6 L2 → −3L2:<br />
⎛<br />
1 0<br />
⎞ ⎛<br />
⎝ 4 −1 ⎠ −→ ⎝<br />
−3 4<br />
Exemplo 6.3.7 L3 → L3 + 2L1:<br />
⎛<br />
1 0<br />
⎞ ⎛<br />
⎝ 4 −1 ⎠ −→ ⎝<br />
−3 4<br />
Exemplo 6.3.8 A =<br />
⎛<br />
B = ⎝<br />
2 4 8<br />
1 −1 2<br />
4 −1 7<br />
⎞<br />
⎠<br />
⎛<br />
⎝<br />
1 2 4<br />
2 1 3<br />
1 −1 2<br />
1 0<br />
−3 4<br />
4 −1<br />
1 0<br />
−12 3<br />
−3 4<br />
1 0<br />
4 −1<br />
−1 4<br />
⎞<br />
⎞<br />
⎠<br />
⎞<br />
⎠<br />
⎞<br />
⎠<br />
⎠ é equivalente por linhas a<br />
(Faça l2 → l2 + 2l3, depois l2 ↔ l3 e, por fim, l1 → 2l1) <br />
Teorema 6.3.9 Dois sistemas que possuem matrizes ampliadas equivalentes<br />
são equivalentes.<br />
prova: ver [4], pág. 85, teorema 3.8.5.<br />
Teorema 6.3.10 Toda matriz não nula é equivalente por linhas a uma<br />
única matriz na forma escalonada (ou escalonada reduzida), a menos de<br />
forma equivalente.<br />
prova: ver [4], pág. 60, demonstração 2.7.1; ou uma prova simples em<br />
[38].
UNIVATES – Centro Universitário 92<br />
Observação 6.3.11 Valem como desafios, computados à nota, as exposições<br />
orais à turma das provas dos teoremas 6.3.9 e 6.3.10.<br />
Definição 6.3.12 Dada uma matriz Am×n, seja Bm×n a matriz escalonada<br />
equivalente a A. O posto de A, denotado por p, é o número de linhas<br />
não nulas de B. A nulidade é a diferença entre colunas de A e o posto,<br />
isto é, n − p.<br />
Observação 6.3.13 Observe que para encontrar o posto de uma matriz<br />
A qualquer, é preciso primeiro escrever a matriz na forma escalonada e,<br />
depois, contar suas linhas não nulas.<br />
6.3.2 Procedimento para a Redução de uma Matriz à Forma<br />
Escalonada<br />
1. Procure da esquerda para a direita a 1 a coluna não nula;<br />
2. Procure de cima para baixo o 1 o elemento não nulo: pivô;<br />
3. Se o pivô não estiver na 1 a linha, troque a 1 a linha pela linha do pivô;<br />
4. Se o pivô for diferente de 1, divida a 1 a linha por ele;<br />
5. Utilizando o pivô, elimine os elementos abaixo dele (e também acima<br />
dele na forma escalonada reduzida), utilizando somente operações elementares;<br />
.<br />
.<br />
.<br />
E assim sucessivamente para as outras linhas fazendo o papel da 1 a<br />
linha.<br />
Observação 6.3.14 O procedimento que reduz a matriz a sua forma<br />
escalonada é chamado de eliminação gaussiana; já o que deixa a matriz<br />
na sua forma escalonada reduzida é dito eliminação de Gauss-Jordan.<br />
⎛<br />
Exemplo 6.3.15<br />
⎞<br />
Forma escalonada:<br />
0 2 3 −4 1<br />
⎜ 0<br />
⎝ 2<br />
0<br />
2<br />
2<br />
−5<br />
3<br />
2<br />
4 ⎟<br />
4 ⎠<br />
2 0 −6 9 7<br />
l1<br />
⎛<br />
2 = 1 2 −5 2<br />
⎞<br />
4<br />
⎜<br />
↔ l3 ⎜<br />
⎝<br />
0<br />
0<br />
0<br />
2<br />
2<br />
3<br />
3<br />
−4<br />
4 ⎟<br />
1 ⎠<br />
l1 →<br />
2 0 −6 9 7<br />
1<br />
2l1 ⎛<br />
1<br />
⎜<br />
⎝<br />
1 − 5<br />
0<br />
0<br />
0<br />
2<br />
2<br />
2<br />
3<br />
1<br />
3<br />
−4<br />
⎞<br />
2<br />
4 ⎟<br />
1 ⎠<br />
2 0 −6 9 7<br />
l4<br />
⎛<br />
1 1 −<br />
⎜<br />
→ l4 − 2l1 ⎜<br />
⎝<br />
5<br />
2<br />
0 0 2<br />
0 2 3<br />
1<br />
3<br />
−4<br />
⎞<br />
2<br />
4 ⎟<br />
1 ⎠<br />
⎛<br />
1<br />
⎜<br />
l2 ↔ l3 ⎜<br />
⎝<br />
1 −<br />
0 −2 −1 7 3<br />
5<br />
0<br />
0<br />
2<br />
0<br />
2<br />
3<br />
2<br />
1<br />
−4<br />
3<br />
⎞<br />
2<br />
1 ⎟<br />
4 ⎠<br />
0 −2 −1 7 3<br />
l2 → 1<br />
2l2 ⎛<br />
1<br />
⎜<br />
⎝<br />
1 − 5<br />
0 1<br />
2<br />
3<br />
2<br />
1 2<br />
−2 0 0 2 3<br />
1<br />
2<br />
4<br />
⎞<br />
⎟<br />
⎠<br />
0 −2 −1 7 3
UNIVATES – Centro Universitário 93<br />
⎛<br />
1 1 − 5<br />
2 1 2<br />
⎞<br />
⎛<br />
1 1 − 5<br />
2 1 2<br />
⎜<br />
l4 → l4 + 2l2<br />
⎜ 0<br />
⎝<br />
1 3<br />
2 −2 0<br />
0<br />
0<br />
0<br />
2<br />
2<br />
3<br />
3<br />
1<br />
2<br />
4<br />
4<br />
⎟<br />
⎠l3 → 1<br />
2l3 ⎜ 0<br />
⎝<br />
1 3<br />
2 −2 ⎛<br />
1<br />
⎜<br />
l4 → l4 − 2l3 ⎜<br />
⎝<br />
1 −<br />
0<br />
0<br />
0<br />
0<br />
1<br />
2<br />
3<br />
2<br />
3<br />
1<br />
2<br />
2<br />
4<br />
⎟<br />
⎠<br />
5<br />
0 1<br />
2<br />
3<br />
2<br />
1 2<br />
−2 0<br />
0<br />
0<br />
0<br />
1<br />
0<br />
3<br />
2<br />
0<br />
1<br />
2<br />
2<br />
0<br />
⎞<br />
⎟<br />
⎠<br />
Portanto, posto de A = p = 3 e nulidade de A = n − p = 5 − 3 = 2. <br />
⎛ Exemplo 6.3.16 ⎞ Forma escalonada ⎛ reduzida: ⎞<br />
1 2 1 0<br />
1 2 1 0<br />
⎝ −1 0 3 5 ⎠l2 → l2 + l1 ⎝ 0 2 4 5 ⎠<br />
1 −2 1 1<br />
⎛<br />
1 2 1<br />
⎞<br />
0<br />
1 −2 1 1<br />
l3 → l3 − l1 ⎝ 0 2<br />
0 −4<br />
4<br />
0<br />
5 ⎠l2 →<br />
1<br />
1<br />
2l2 ⎛<br />
1 2 1 0<br />
⎞<br />
⎛<br />
1 2 1<br />
⎝ 0 1<br />
0 −4<br />
⎞<br />
⎛<br />
0<br />
1<br />
2<br />
0<br />
0<br />
5 ⎠<br />
2<br />
1<br />
⎞<br />
−3 −5<br />
l3 → l3 + 4l2 ⎝ 0 1<br />
0 0<br />
5 2 ⎠l1 2 → l1 − 2l2 ⎝ 0 1 2<br />
8 11<br />
0 0 8<br />
5 ⎠<br />
2<br />
11<br />
l3 → 1<br />
8l3 ⎛<br />
1 0 −3<br />
⎞<br />
⎛<br />
−5<br />
1 0 −3 −5<br />
⎝<br />
5<br />
0 1 2 ⎠l2 2 → l2 − 2l3 ⎝ 0 1 0 −<br />
11<br />
0 0 1 8<br />
1<br />
⎞<br />
⎠<br />
4<br />
11<br />
0 0 1<br />
⎛<br />
8<br />
1 0 0 −<br />
l1 → l1 + 3l3 ⎝<br />
7<br />
8<br />
0 1 0 − 1<br />
⎞<br />
⎠<br />
4<br />
11<br />
0 0 1 8<br />
Portanto, posto de A = p = 3 e nulidade de A = n − p = 4 − 3 = 1. <br />
Observação 6.3.17 Interpretando a matriz A acima como a matriz<br />
ampliada ⎧ de um sistema:<br />
⎨ x1 + 2x2 + x3 = 0<br />
−x1 + 0x2 + 3x3<br />
⎩<br />
x1 − 2x2 + x3<br />
=<br />
=<br />
5<br />
1<br />
, a matriz escada é equivalente por linhas à matriz<br />
A. Assim, o sistema que ela representa:<br />
⎧<br />
⎨ 1x1 + 0x2 + 0x3<br />
⎩<br />
= − 7<br />
0x1 + 1x2 + 0x3 =<br />
8<br />
− 1<br />
0x1 + 0x2 + 1x3 =<br />
4<br />
11<br />
8<br />
é equivalente ao inicial, possuindo a mesma solução que este.<br />
6.4 Sistema <strong>Linear</strong> Escalonado<br />
Resolver um sistema linear significa obter o conjunto S, denominado<br />
conjunto solução do sistema, cujos elementos são todas as soluções do<br />
sistema. Estudaremos agora um método para a resolução de um sistema<br />
linear: o método do escalonamento.<br />
Definição 6.4.1 Um sistema linear é dito escalonado se, e somente se:<br />
⎞
UNIVATES – Centro Universitário 94<br />
• todas as equações apresentam as incógnitas numa mesma ordem;<br />
• a matriz incompleta do sistema está na forma escalonada (conforme<br />
definição 6.3.1).<br />
6.4.1 Resolução de um Sistema <strong>Linear</strong> Escalonado<br />
Exemplo 6.4.2 Número de equações igual ao número de ingógnitas:<br />
⎧<br />
⎨<br />
⎩<br />
x + 2<br />
3y + z = 1<br />
y − 2 1<br />
5z = 5<br />
z = 2<br />
é um sistema linear escalonado com 3 equações e 3 incógnitas, cuja solução<br />
é S = {(− 5<br />
3 , 1, 2)}.<br />
Exemplo 6.4.3 Número de equações menor que o número de<br />
ingógnitas: x + 2y − 3z = 1<br />
y + 5z = 3<br />
é um sistema linear escalonado com 2 equações e 3 incógnitas.<br />
Este tipo de sistema admite pelo menos uma variável denominada<br />
variável livre ou variável arbitrária do sistema. É variável livre aquela<br />
que não aparece no início de nenhuma equação do sistema escalonado.<br />
No exemplo 6.4.3, temos z como variável livre.<br />
A variável livre, como o nome já diz, pode assumir qualquer valor real.<br />
Para cada valor assumido por ela, obtém-se uma nova solução para o sistema.<br />
Assim, o conjunto solução do sistema 6.4.3 é:<br />
S = {(13α − 5, 3 − 5α, α), α ∈ R}.<br />
Observação 6.4.4 Chama-se grau de indeterminação ou grau de<br />
liberdade de um sistema escalonado o número de variáveis livres do sistema.<br />
No exemplo 6.4.3 o grau de liberdade é 1.<br />
Observação 6.4.5 A escolha de variável livre como “toda aquela que<br />
não inicia nenhuma equação do sistema” é puramente convencional. Na<br />
verdade, no sistema do exemplo anterior poderíamos ter escolhido y como a<br />
variável livre; ou ainda, x.<br />
6.4.2 Escalonamento de um Sistema <strong>Linear</strong><br />
Vamos estudar uma técnica para transformar um sistema linear num<br />
outro equivalente na forma escalonada.<br />
Basta escrever a matriz incompleta A do sistema linear e acoplar a coluna<br />
dos termos independentes b, formando uma matriz [A|b]. Pois bem,<br />
agora utilize as operações elementares permitidas (isto é, o algoritmo para<br />
transformar esta nova matriz na forma escalonada) até chegar à forma escalonada.<br />
Então faça a análise da solução.
UNIVATES – Centro Universitário 95<br />
6.4.3 Algoritmo que Reduz uma Matriz à Forma Escalonada<br />
Reduzida por Linhas<br />
(i). Se ai1 = 0, ∀1 ≤ i ≤ m, vá para (v).;<br />
(ii). Tome ai1 = 0 com menor i e li ↔ l1;<br />
(iii). l1 ↔ 1<br />
a11 l1;<br />
(iv). li ← li − ai1l1, ∀2 ≤ i ≤ m para qualquer ai1 = 0;<br />
(v). Se ai2 = 0, ∀2 ≤ i ≤ m, vá para (ix).;<br />
(vi). Tome ai2 = 0 com menor i e li ↔ l2;<br />
(vii). l2 ← 1<br />
a22 l2;<br />
(viii). li ← li − ai2l2, ∀i = 2 para qualquer ai2 = 0;<br />
6.5 Soluções de um Sistema <strong>Linear</strong><br />
O objetivo desta seção é estudar detalhadamente todas as situações que<br />
podem ocorrer na resolução de um sistema linear.<br />
Observação 6.5.1 Dado um sistema de uma equação e uma incógnita<br />
ax = b, existirão três possibilidades:<br />
(i) a = 0. Neste caso a equação tem uma única solução x = b<br />
a<br />
(ii) a = 0 e b = 0. Então temos 0x = 0 e qualquer número real será<br />
solução da equação.<br />
(iii) a = 0 e b = 0. Temos 0x = b. Não existe solução para esta equação.<br />
Proposição 6.5.2 Consideremos um sistema de m equações lineares<br />
com n incógnitas x1, . . . , xn.<br />
⎧<br />
a11x1 + a12x2 + · · · + a1nxn = b1<br />
⎪⎨ a21x1 + a22x2 + · · · + a2nxn = b2<br />
(6.2)<br />
⎪⎩<br />
. + . + · · · + . = .<br />
am1x1 + am2x2 + · · · + amnxn = bm<br />
cujos coeficientes aij e termos independentes bi são números reais ou complexos.<br />
Este sistema poderá ter<br />
⎧<br />
(i) uma única solução:<br />
(ii) infinitas soluções<br />
(iii) nenhuma solução.<br />
⎪⎨<br />
⎪⎩<br />
x1 = k1<br />
x2 = k2<br />
.<br />
.<br />
xn = kn
UNIVATES – Centro Universitário 96<br />
prova: analise geometricamente o caso 2 × 2 e depois utilize indução<br />
matemática.<br />
Definição 6.5.3 Em relação à proposição 6.5.2, definimos:<br />
• No caso (i), o sistema é possível (compatível) e determinado<br />
(SPD).<br />
• No caso (ii), o sistema é possível e indeterminado (SPI).<br />
• No caso (iii), o sistema é impossível (incompatível) (SI).<br />
Seja a matriz ampliada de 6.2 e tomemos a sua matriz reduzida à forma<br />
escada associada:<br />
⎛<br />
⎞<br />
⎛<br />
⎜<br />
⎝<br />
a11 · · · a1n b1<br />
.<br />
am1 · · · amn bm<br />
.<br />
.<br />
⎞<br />
⎟<br />
⎠<br />
m×(n+1)<br />
c1<br />
⎜ 0<br />
⎜<br />
⎝ .<br />
0<br />
.<br />
· · · 0<br />
.<br />
.<br />
ck<br />
ck+1<br />
.<br />
⎟<br />
⎠<br />
0 0 · · · 0 cm<br />
m×(n+1)<br />
(6.3)<br />
Notação: Denotaremos por pa o posto da matriz ampliada de um sistema<br />
linear m × n, e por pc o posto da matriz dos coeficientes. Quando<br />
ambos forem iguais, denotaremos apenas por p.<br />
Teorema 6.5.4<br />
(i) Um sistema m × n admite solução ⇔ pa = pc.<br />
(ii) Se p(= pa = pc) = n, a solução será única (SPD).<br />
(iii) Se p(= pa = pc) < n, podemos esolher n − p incógnitas, e as outras p<br />
incógnitas serão dadas em função destas. Isto é, o grau de liberdade<br />
do sistema é n − p.<br />
prova: Procure entender e demonstrar cada uma das afirmações acima.<br />
Leia com atenção e volte aos exemplos trabalhados caso julgue conveniente.<br />
Visualize o problema pela equação 6.3. Para uma prova formal, veja [4],<br />
demonstração 2.7.2 da página 61. (Vale como desafio!) <br />
Observação 6.5.5 Esquematicamente, o teorema 6.5.4, diz:<br />
• pc < pa ⇒ SI<br />
• pc = pa = n ⇒ SP D<br />
• pc = pa < n ⇒ SP I com grau de liberdade n − p.
UNIVATES – Centro Universitário 97<br />
6.5.1 Exemplos<br />
⎛<br />
1 0 0 3<br />
⎞<br />
Exemplo 6.5.6 Em ⎝ 0 1 0 −2 ⎠, temos pc = pa = 3. Então<br />
0 0 1 2<br />
m = 3, n = 3 e p = 3 ∴ SP D com solução x1 = 3, x2 = −2 e x3 = 2. <br />
<br />
1<br />
Exemplo 6.5.7 Em<br />
0<br />
0<br />
1<br />
7<br />
5<br />
<br />
−10<br />
, temos pc = pa = 2.<br />
−6<br />
Então<br />
m = 2, n = 3 e p = 2 ∴ SP I com grau de liberdade 1 e solução<br />
x1 = −10 − 7x3, x2 = −6 − 5x3. <br />
⎛<br />
1 0 7<br />
⎞<br />
−10<br />
Exemplo 6.5.8 Para ⎝ 0 1 5 −6 ⎠: pc = 2, pa = 3, m = 3 e<br />
0 0 0 2<br />
n = 3 ∴ SI. <br />
⎛<br />
1 0 −10 −2<br />
⎞<br />
−10<br />
Exemplo 6.5.9 Em ⎝ 0 1 7 1 4 ⎠, temos p = 2, m = 3<br />
0 0 0 0 0<br />
e n = 4 ∴ SP I com grau de liberdade 2 e solução x1 = −10 + 10x3 + 2x4 e<br />
x2 = 4 − 7x3 − x4. <br />
Observação 6.5.10 Pelos exemplos, pode-se dizer que o posto de uma<br />
matriz é o número de linhas “independentes” desta. Uma linha será “dependente”<br />
de outras (i.e., será igual a zero no final do escalonamento) se ela<br />
puder ser escrita como soma de produtos destas outras linhas por constantes.<br />
Tecnicamente, diz-se que esta linha é combinação linear das outras.<br />
Observação 6.5.11 Vimos, portanto, que o pa do sistema nos dá o<br />
número de equações independentes e que a nulidade nos dá o grau de liberdade<br />
do sistema.<br />
Observação 6.5.12 Os recursos computacionais muitas vezes detectam<br />
sistemas lineares impossíveis corretamente, mas podem, às vezes, ser enganados<br />
e concluir que um sistema possıvel é impossível ou vice-versa. Isto<br />
ocorre tipicamente quando alguns dos números que aparecem nas contas são<br />
tão pequenos que os erros de arredondamento tornam difícil para o software<br />
determinar se eles são zero ou não.<br />
Na disciplina de Métodos Numéricos abordaremos questões como esta e<br />
como resolvê-las.<br />
6.6 Exercícios<br />
Aplicação<br />
de Fixação e Problemas de<br />
⎧<br />
⎨ x +<br />
Exercício 6.6.1 Classificar e resolver:<br />
⎩<br />
1 1 1<br />
2y − 4z = 4<br />
y + 3z = 8<br />
z = 1.
UNIVATES – Centro Universitário 98<br />
Exercício 6.6.2 Classificar e resolver o sistema linear<br />
a + 2b − c + d = 1<br />
b + c − d = 2.<br />
<br />
Exercício 6.6.3 Determinar as soluções (α, β, γ) do sistema<br />
x + y + 2z = 1<br />
tais que βγ = 14.<br />
y − z = 5<br />
Exercício 6.6.4 Torne a resolver o exemplo 6.1.1.<br />
Exercício ⎧ 6.6.5 Escalonar, classificar e dar o conjunto solução do sis-<br />
⎨ x + y + 2z = 4<br />
tema 4x − 2y + z<br />
⎩<br />
5x − y + 2z<br />
=<br />
=<br />
8<br />
10.<br />
Exercício ⎧ 6.6.6 Escalonar, classificar e dar o conjunto solução do sis-<br />
⎨ 2x + 3y + z = 2<br />
tema x + y + 2z<br />
⎩<br />
4x + 5y + 5z<br />
=<br />
=<br />
1<br />
6.<br />
Exercício ⎧ 6.6.7 Escalonar, classificar e dar o conjunto solução do sis-<br />
⎨ 3x + 4y + 5z = 1<br />
tema 2x + 3y + 3z<br />
⎩<br />
5x + 7y + 8z<br />
=<br />
=<br />
0<br />
1.<br />
Exercício ⎧ 6.6.8 Escalonar, classificar e dar o conjunto solução do sis-<br />
⎨ x + 2y = 1<br />
tema 3x + 7y<br />
⎩<br />
2x + y<br />
=<br />
=<br />
5<br />
−4.<br />
Exercício 6.6.9 Um laticínio vai misturar dois tipos de leite: um que<br />
tem 1% de gordura e outro que tem 6%. Quantos litros de cada tipo deverão<br />
ser misturados para que se obtenham 1.000 litros de leite com 3% de gordura?<br />
Exercício 6.6.10 Um comerciante possui duas lojas de calçados. Numa<br />
sexta-feira as duas lojas venderam um total de 500 pares. No sábado, uma<br />
das lojas vendeu 10% a mais do que vendera na sexta-feira; a outra loja<br />
vendeu 20% a mais do que havia vendido na sexta-feira. Se no sábado as<br />
duas lojas venderam um total de 570 pares, quantos pares cada loja vendeu<br />
na sexta-feira? E no sábado?<br />
Exercício 6.6.11 Um combustível para automóveis tem 10% de álcool<br />
e o restante de gasolina. Outro combustível tem 4% de álcool e o restante de<br />
gasolina. Quanto devemos juntar de cada um desses combustíveis para obter<br />
90 litros de combustível que tenha 6% de álcool e o restante de gasolina?<br />
Exercício 6.6.12 Um revendedor tem em sua loja cem automóveis de<br />
três tipos: simples de luxo e executivo. A soma do número de carros de luxo<br />
com o dobro do número de carros executivos é 40; o triplo do número de<br />
carros executivos dá 30. Quantos carros há de cada tipo?
UNIVATES – Centro Universitário 99<br />
Exercício 6.6.13 As moedas de um determinado país são de três tipos:<br />
de 3g, que vale $10 u.m; de 5g, que vale $20, 00 u.m.; e de 9g, que vale<br />
$50, 00 u.m.. Uma pessoa tem cem moedas, num total de 600g, somando<br />
$2800, 00 u.m.. Quantas moedas ela tem de cada tipo?<br />
Exercício 6.6.14 Certa quantidade de sacos precisa ser transportada<br />
e para isso dispõe-se de jumentos. Se colocarmos dois sacos em cada jumento,<br />
sobram 13 sacos; se colocarmos 3 sacos em cada jumento, sobram 3<br />
jumentos. Quantos são os sacos? Quantos são os jumentos?<br />
Exercício 6.6.15 Maria resolve organizar uma festa de aniversário<br />
para seu filho e encomenda: 107 refrigerantes, 95 sanduíches e 151 doces.<br />
Servirá a cada homem 3 refrigerantes, 3 sanduíches e 3 doces; a cada mulher<br />
2 refrigerantes, 2 sanduíches e 4 doces e a cada criança 2 refrigerantes, 1<br />
sanduíches e 4 doces. Qual o número de pessoas convidadas, sabendo que<br />
não sobrou nem faltou nada?<br />
Exercício 6.6.16 Um litro de álcool custa R$1, 20 e um litro de gasolina<br />
custa R$1, 60. Se o litro de uma mistura de álcool e gasolina custa R$1, 50,<br />
quanto de álcool e de gasolina contém um litro dessa mistura?<br />
Exercício 6.6.17 Suponha que você vá fazer um lanche, constando de<br />
iogurte, pastel e chocolate e que disponha de R$1, 80. Segundo os nutricionistas,<br />
um lanche deve conter 1350 calorias e 66 gramas de proteínas. Para<br />
cada 100g dos alimentos acima temos:<br />
100 g calorias proteínas (g) custo (R$)<br />
Iogurte 50 4 0,20<br />
Chocolate 600 24 0,60<br />
Pastel 200 28 0,80<br />
Tabela 6.1: Nutrientes em 100 g de lanche<br />
Quais as quantidades de cada alimento satisfazem exatamente as<br />
condições acima?<br />
Exercício 6.6.18 Uma loja vende certo componente eletrônico, que é<br />
fabricado por três marcas diferentes: A, B e C. Um levantamento sobre as<br />
vendas desse componente, realizado durante três dias consecutivos, revelou<br />
que: no primeiro dia, foram vendidos dois componentes da marca A, um<br />
da marca B e um da marca C, resultando num total de vendas igual a<br />
R$150, 00; no segundo dia, foram vendidos quatro componentes da marca<br />
A, três da marca B e nenhum da marca C, num total de R$240, 00; no<br />
último dia, não houve vendas da marca A, mas foram vendidos cinco da<br />
marca B e três da marca C, totalizando R$350, 00.<br />
Qual é o preço do componente fabricado por A? E por B? E por C?<br />
Exercício 6.6.19 Seu Mathias, acompanhado do filho Bolão, estacionou<br />
o carro numa parada obrigatória de um posto de fiscalização. Além
UNIVATES – Centro Universitário 100<br />
deles, estavam no carro o cachorro Dogão e o gato Teco. Bem em frente<br />
ao local onde seria feita a vistoria havia uma balança. Bolão desceu. O<br />
cachorro e o gato o seguiram. O menino queria saber quantos quilos tinha<br />
seu gato, seu cachorro e ele próprio. O guarda sorriu com a pretensão do<br />
garoto, tendo em vista que a sensibilidade daquela balança só era confiável<br />
para cargas com mais de 50Kg, e nem Bolão pesava isto, muito menos o<br />
gato e o cachorro. Então o guarda resolveu dar uma ajuda e, sob sua orientação,<br />
o menino fez o seguinte: subiu na balança com o cachorro, sem o<br />
gato - ela registrou 95Kg; subiu, em seguida, com o gato, sem o cachorro<br />
- a balança acusou 54Kg; por último, ele colocou o cachorro e o gato na<br />
balança - ela marcou 51Kg.<br />
Exercício 6.6.20 Os alunos do Ensino Médio de uma escola do interior<br />
organizaram uma festa junina no pátio da escola. Havia várias opções<br />
de divertimento: quadrilhas, bingo, gincanas, etc. Três barracas, A, B e<br />
C, distribuídas no pátio, ofereciam exatamente as mesmas opções de alimentação:<br />
churrasco, quentão e pastel: cada uma das três opções tinha o<br />
mesmo preço nas três barracas. Ao final da noite, encerrada a festa, fezse<br />
um balanço sobre o consumo nas barracas e verificou-se que: na barraca<br />
A foram consumidos 28 churrascos, 42 quentões e 48 pastéis, arrecadando<br />
um total de R$102, 00; na barraca B foram consumidos 23 churrascos, 50<br />
quentões e 45 pastéis, arrecadando um total de R$95, 00; na barraca C foram<br />
consumidos 30 churrascos, 45 quentões e 60 pastéis, arrecadando um total<br />
de R$117, 00.<br />
Qual é o preço de um churrasco? E de um quentão? E de um pastel?<br />
Exercício 6.6.21 Na feira, uma das barracas de frutas estava vendendo<br />
embalagens com 10 pêras, 5 maçãs e 4 mangas por 11 reais; outra barraca<br />
vendia um pacote contendo 8 pêras, 6 maçãs e 4 mangas por 10 reais e<br />
uma terceira vendia 6 peras e 12 maçãs por 9 reais. Na verdade, só havia<br />
mudança na quantidade de cada pacote porque o preço de cada espécie de<br />
fruta era o mesmo nas três barracas. Qual o preço a se pagar por 3 pêras,<br />
2 maçâs e 2 mangas em qualquer dessas barracas?<br />
Exercício 6.6.22 Um agricultor dispõe de 12 hectares para o plantio<br />
de arroz, milho e batata. O investimento para o arroz é de R$200, 00 por<br />
hectare; para o milho R$100, 00 por hectare e para a batata R$300, 00 por<br />
hectare. O rendimento para o arroz é de R$300, 00 por hectare; para o milho<br />
R$200, 00 por hectare e para a batata R$400, 00 por hectare. O agricultor<br />
quer investir R$2000, 00 e obter um rendimento de R$3200, 00 por hectare.<br />
Quantos hectares deverá plantar de milho, de arroz e de batata?<br />
Exercício 6.6.23 Observe a tabela<br />
Um avicultor que preparar ração com os alimentos A, B e C de tal<br />
forma que o preço da unidade de ração seja R$14, 00; que a quantidade de<br />
proteínas da unidade de ração seja 4, 1 kg e que a quantidade de vitaminas<br />
seja 20 kg. Calcular a quantidade de alimentos A, B e C que o avicultor<br />
deve preparar.
UNIVATES – Centro Universitário 101<br />
Alimento Preço/Kg Proteína/Kg Unid. Vitamina/Kg<br />
A 2 0,5 1<br />
B 3 0,6 2<br />
C 1 0,4 3<br />
Tabela 6.2: Composição de ração para aves<br />
Exercício 6.6.24 Numa lanchonete, Márcio come três pastéis e toma<br />
um refrigerante, e sua amiga Marta come dois pastéis e toma dois refrigerantes.<br />
Cada um paga a sua despesa. Ele paga R$3, 60, e ela R$4, 00. Na<br />
mesa ao lado, um grupo de estudantes come 15 pastéis e toma 8 refrigerantes.<br />
Qual o valor desta despesa?<br />
Exercício 6.6.25 Durante uma semana o Shopping Ubirama reservou<br />
uma área para as crianças brincarem sobre rodas e colocou à disposição<br />
bicicletas (2 rodas), triciclos (3 rodas) e carrinhos (4 rodas). Ao final da<br />
promoção, devido ao desgaste, tiveram que trocar todos os pneus. Entre<br />
bicicletas e triciclos foram trocados 90 pneus; entre bicicletas e carrinhos,<br />
130; e entre triciclos e carrinhos, 160. Quantas eram as bicicletas que<br />
estiveram à disposição das crianças?<br />
Exercício 6.6.26 Uma fábrica de refrigerante possui 270 litros de um<br />
xarope x e 180 litros de um xarope y. Cada unidade de um refrigerante A<br />
contém 500 ml de x e 200 ml de y e cada unidade de um refrigerante B<br />
contém 300 ml de x e 300 ml de y. Quantas unidades de A e B podem ser<br />
produzidas se for usado todo o estoque dos xaropes x e y?<br />
Exercício 6.6.27 Dona Elza deu R$13, 50 para sua filha comprar tantos<br />
sabonetes e tantas pastas dentais. Nem precisou falar de que marca, pois isso<br />
a menina já sabia. Só recomendou que ela não se esquecesse de pegar o troco.<br />
No supermercado, a menina pegou 4 sabonetes e 6 pastas. Quando a moça<br />
do caixa avisou que faltavam R$0, 30, ela pensou: “Se o dinheiro não deu<br />
para comprar 4 sabonetes e 6 pastas, então minha mãe deve ter pedido 6<br />
sabonetes e 4 pastas”. E fez a troca. Voltando ao caixa, recebeu R$0, 30 de<br />
troco.<br />
Qual era o preço de cada sabonete comprado?<br />
Exercício 6.6.28 Examinando os anúncios abaixo, conclua o preço de<br />
cada faca, garfo e colher, onde 1 faca + 2 colheres + 3 garfos custam<br />
R$23, 50; 2 facas + 5 colheres + 6 garfos custam R$50, 00; 2 facas + 3<br />
colheres + 4 garfos custam R$36, 00.<br />
6.7 Respostas dos Principais Exercícios do<br />
Capítulo<br />
6.6.1 SPD e S = {(−2, 5, 1)}<br />
6.6.2 SPI e S = {(3c − 3d − 3, 2 − c + d, c, d), c, d ∈ R}
UNIVATES – Centro Universitário 102<br />
6.6.3 S = {(−10, 7, 2)} e S = {(17, −2, −7)}<br />
6.6.5 S = {(1, −1, 2)}<br />
6.6.6 S = ∅<br />
6.6.7 S = {(3 − 3z, z − 2, z), z ∈ R}<br />
6.6.8 S = {(−3, 2)}<br />
6.6.9<br />
<br />
x + y<br />
0, 01x + 0, 06y<br />
=<br />
=<br />
1000<br />
, donde resultam 600 ml de um<br />
0, 03 · 1000<br />
tipo de leite e 400 ml do outro tipo<br />
6.6.10 Sexta-feira uma loja vendeu 300 pares e a outra 200 pares; no sábado<br />
uma vendeu 330 pares e a outra 240 pares<br />
6.6.11 30 litros de combustível e 60 litros de outro: x = Tipo 1, y = Tipo<br />
0, 1x + 0, 004y = 0, 06 · 90<br />
2, então<br />
x + y = 90<br />
6.6.12 Simples= 70; Luxo= 20; Executivo= 10<br />
6.6.13 10 moedas de $10, 00 u.m.; 60 moedas de $20, 00 u.m.; 30 moedas de<br />
$50, 00 u.m.<br />
6.6.14<br />
<br />
2j + 13<br />
57 sacos e 22 jumentos:<br />
3(j − 3)<br />
=<br />
=<br />
s<br />
s<br />
6.6.15 21 homens, 10 mulheres e 12 crianças, num total de 43 convidados<br />
6.6.16 1<br />
4<br />
6.6.17<br />
⎧<br />
⎨<br />
⎩<br />
l de álcool e 3<br />
4<br />
l de gasolina<br />
50x + 600y + 200z = 1350<br />
4x + 24y + 28z = 66<br />
0, 20x + 0, 60y + 0, 80z = 1, 80<br />
gurte, 200 g de chocolate e 50 g de pastel<br />
6.6.18 A = 30, B = 40, C = 50<br />
6.6.19 Menino=49Kg; Cachorro=46Kg; Gato=5Kg.<br />
, donde resultam 100 g de io-<br />
6.6.20 Churrasco custa R$1, 50; Quentão custa R$0, 40; Pastel custa R$0, 90<br />
6.6.21 O preço será de R$3, 90.<br />
6.6.22 Indeterminado: S = {(8 − 2α, 4 + α, α) | α ∈ R}, mas como precisamos<br />
também que 0 < 8 − 2α < 12, 0 < 4 + α < 12 e 0 < α < 12,<br />
resulta que 0 < α < 4<br />
6.6.23 A = 3; B = 1; C = 5<br />
6.6.24 O valor da despesa será R$21, 60<br />
6.6.25 15 bicicletas
UNIVATES – Centro Universitário 103<br />
6.6.26<br />
<br />
5A + 3B<br />
2A + 3B<br />
=<br />
=<br />
2700<br />
, donde resultam: Refrigerante A = 300 uni-<br />
1800<br />
dades; Refrigerante B = 400 unidades<br />
6.6.27 O preço de cada sabonete era R$1, 20<br />
6.6.28 Faca=R$5, 50; Colher=R$3, 00; Garfo=R$4, 00<br />
C H A E TING ER
Capítulo 7<br />
Determinante e Matriz<br />
Inversa<br />
7.1 Breve Relato Histórico<br />
á em 250 a.C. havia exemplos da utilização de matrizes na resolução<br />
de sistemas lineares (ver livro Nove Capítulos sobre a Arte Matemática, de<br />
autor desconhecido). Na China antiga, já eram conhecidas algumas noções<br />
ligadas a determinantes.<br />
No ocidente, o assunto determinantes só começou a ser tratado, de forma<br />
esporádica, a partir do século XVII, com os trabalhos de G.W. Leibniz<br />
(1646-1716), de G. Cramer (1704-1752), de C. Maclaurin (1698-1746) e de<br />
J.L. Lagrange (1736-1813).<br />
Só no século XIX passou-se a estudar determinantes com maior ênfase,<br />
iniciando com um longo tratado de A.L. Cauchy (1789-1857) em 1812, com<br />
seqüência nos trabalhos de C.G. Jacobi (1804-1851).<br />
A partir de então, o uso de determinantes difundiu-se muito e este conceito<br />
de um número associado a uma matriz quadrada tornou-se muito útil<br />
para caracterizar situações como a de saber se uma matriz é invertível, ou<br />
se um sistema admite ou não solução.<br />
7.2 Conceitos<br />
Consideremos o sistema ax = b, com a = 0. A solução deste sistema é<br />
x = b<br />
a . Note que o denominador está associado à matriz dos coeficientes do<br />
sistema, ou seja, [a].<br />
<br />
a11x1 + a12x2 = b1<br />
Num sistema 2×2:<br />
, em que é possível resolver<br />
a21x1 + a22x2 = b2<br />
104
UNIVATES – Centro Universitário 105<br />
as operações elementares (i.e., a11a22 − a12a21 = 0), encontramos<br />
a11 a12<br />
x1 = b1a22 − b2a12<br />
a11a22 − a12a21<br />
e x2 = b2a11 − b1a21<br />
.<br />
a11a22 − a12a21<br />
Os denominadores são iguais e estão associados à matriz dos coeficientes<br />
a21 a22<br />
.<br />
⎧<br />
⎨ a11x1 + a12x2 + a13x3 = b1<br />
Num sistema 3×3: a21x1 + a22x2 + a23x3<br />
⎩<br />
= b2 , em que é possível<br />
a31x1 + a32x2 + a33x3 = b3<br />
resolver as operações elementares, ao procurarmos os valores de x1, x2 e x3,<br />
vemos que eles têm o mesmo denominador<br />
a11a22a33 − a11a23a32 − a12a21a33 + a12a23a31 + a13a21a32 − a13a22a31,<br />
que ⎛ também está ⎞ associado à matriz dos coeficientes do sistema<br />
⎝<br />
a11 a12 a13<br />
a21 a22 a23<br />
a31 a32 a33<br />
⎠.<br />
Os números que aparecem nos denominadores associados às matrizes<br />
(quadradas) são casos particulares do que chamamos de determinante de<br />
uma matriz quadrada.<br />
7.3 Determinante<br />
Quando nos referirmos ao determinante, isto é, ao número associado a<br />
uma matriz quadrada A = [aij], usaremos a seguinte<br />
Notação: det A ou |A| ou det[aij].<br />
Exemplo 7.3.1<br />
1. det[a] = a<br />
2. det<br />
a11 a12<br />
⎛<br />
3. det ⎝<br />
a21 a22<br />
<br />
a11 a12 a13<br />
a21 a22 a23<br />
a31 a32 a33<br />
= a11 a12<br />
a21 a22<br />
⎞<br />
⎠ =<br />
= a11a22 − a12a21<br />
a11 a12 a13<br />
a21 a22 a23<br />
a31 a32 a33<br />
= a11a22a33 − a11a23a32 − a12a21a33+<br />
=<br />
+a12a23a31 + a13a21a32 − a13a22a31<br />
Definição 7.3.2 Dados n objetos distintos a1, . . . , an, uma permutação<br />
destes n objetos consiste em dispô-los em uma determinada ordem.<br />
Exemplo 7.3.3 Algumas permutações dos números 1, 2 e 3 são:<br />
(1 2 3) e (2 1 3).
UNIVATES – Centro Universitário 106<br />
Notação: A quantidade de permutações de n objetos é dada por<br />
n! = n(n − 1)(n − 2) · . . . · 2 · 1, se n > 0.<br />
Definição 7.3.4 O símbolo acima é lido n fatorial ou fatorial de n.<br />
Define-se ainda 0! = 1.<br />
Definição 7.3.5 Dada uma permutação dos inteiros 1, 2,. . . , n, existe<br />
uma inversão quando um inteiro precede outro menor do que ele.<br />
Exemplo 7.3.6 Sejam as permutações dos inteiros 1, 2,. . . , n. Vejamos<br />
em cada uma delas o números de inversões.<br />
Permutação Número de Inversões<br />
(1 2 3) 0<br />
(1 3 2) 1<br />
(2 1 3) 1<br />
(2 3 1) 2<br />
(3 1 2) 2<br />
(3 2 1) 3<br />
Tabela 7.1: Número de inversões por permutação<br />
<br />
Exercício 7.3.7 Determine as inversões das permutações dos números<br />
1, 2, 3 e 4.<br />
Observação 7.3.8 Observe que no exemplo 7.3.1, item 3, aparecem todos<br />
os produtos a1j1 a2j2 a3j3 , onde (j1 j2 j3) são as permutações de 1, 2 e<br />
3. Ademais, o sinal do termo é negativo, se a permutação tiver um número<br />
ímpar de inversões (ver tabela 7.3).<br />
Definição 7.3.9 Dada uma matriz A = [aij]n×n, definimos o determinante<br />
de A como<br />
det[aij] = <br />
a2j2 · · · anjn<br />
σ<br />
(−1) J a1j1<br />
onde J = J(j1, . . . , jn) é o número de inversões da permutação (j1 j2 . . . jn)<br />
e σ indica que a soma é estendida a todas as n! permutações de (1 2 . . . n).<br />
<br />
Observação 7.3.10 Em relação à definição 7.3.9, pode-se dizer que:<br />
Se a permutação (j1 j2 . . . jn) tem um número par de inversões, o<br />
coeficiente (−1) J <br />
terá sinal positivo; caso contrário, negativo<br />
Em cada parcela do somatório, existe um e somente um elemento de<br />
cada linha, e um e somente um elemento de cada coluna da matriz
UNIVATES – Centro Universitário 107<br />
Reordenando convenientemente os termos, é possível mostrar que podemos<br />
definir determinante por det[aij] = <br />
(−1) Jaj11aj22 · · · ajnn, va-<br />
riando os primeiros índices e deixando fixos os segundos.<br />
Propriedade 7.3.11<br />
1. Se todos os elementos de uma linha (coluna) de uma matriz A são<br />
nulos, então det A = 0<br />
2. det A = det A t<br />
3. Se multiplicarmos uma linha da matriz por uma constante, o determinante<br />
fica multiplicado por esta constante<br />
4. Uma vez trocada a posição de duas linhas, o determinante troca de<br />
sinal<br />
5. O determinante de uma matriz que tem duas linhas (colunas) iguais é<br />
zero<br />
6. O determinante não se altera se somarmos a uma linha outra linha<br />
multiplicada por uma constante<br />
7. det(A · B) = det A · det B<br />
8. det(A + B) = det A + det B, isto é, o determinante de uma soma<br />
de duas matrizes não é igual à soma dos determinantes das matrizes.<br />
No entanto, se efetuarmos a soma numa linha apenas, vale a<br />
propriedade seguinte:<br />
a11 . . . a1n<br />
.<br />
. .. .<br />
bi1 + ci1 . . . bin + cin<br />
.<br />
. .. .<br />
an1 . . . ann<br />
=<br />
σ<br />
a11 . . . a1n<br />
.<br />
. .. .<br />
bi1 . . . bin<br />
.<br />
. .. .<br />
an1 . . . ann<br />
+<br />
a11 . . . a1n<br />
.<br />
. .. .<br />
ci1 . . . cin<br />
.<br />
. .. .<br />
an1 . . . ann<br />
prova: ver [9], ou [4]. Tente demonstrá-las você mesmo usando a observação<br />
7.3.10 ou, pelo menos, imaginar a demonstração.<br />
Exemplo 7.3.12<br />
3 −2 1<br />
2 5 0<br />
2 4 −2<br />
=<br />
3 −2 1<br />
2 5 0<br />
8 0 0<br />
. Somamos à terceira li-<br />
nha, a primeira linha multiplicada por 2.
UNIVATES – Centro Universitário 108<br />
7.3.1 Desenvolvimento de Laplace<br />
Sabemos que<br />
|A| =<br />
a11 a12 a13<br />
a21 a22 a23<br />
a31 a32 a33<br />
=<br />
= a11a22a33 − a11a23a32 − a12a21a33+<br />
+a12a23a31 + a13a21a32 − a13a22a31 =<br />
= a11(a22a33 − a23a32) − a12(a21a33 − a23a31) + a13(a21a32 − a22a31) =<br />
= a11<br />
a22 a23<br />
a32 a33<br />
− a12<br />
a21 a23<br />
a31 a33<br />
+ a13<br />
a21 a22<br />
a31 a32<br />
Note que o determinante da matriz inicial 3 × 3 pode ser expresso em<br />
função dos determinantes das submatrizes 2 × 2, i.e.,<br />
det A = a11|A11| − a12|A12| + a13|A13|,<br />
onde Aij é a submatriz da inicial, retirando-se a i-ésima linha e a j-ésima<br />
coluna. Ademais, denotando por ∆ij = (−1) i+j |Aij|, obtemos a expressão<br />
det A = a11∆11 + a12∆12 + a13∆13.<br />
Proposição 7.3.13 Seja An×n matriz. Então podemos expressar o seu<br />
determinante por<br />
det A = ai1∆i1 + . . . + ain∆in = n<br />
aij(−1) i+j det Aij =<br />
= n<br />
prova: ver [18].<br />
aij∆ij.<br />
J=1<br />
Definição 7.3.14 O número ∆ij (que é o determinante afetado pelo<br />
sinal (−1) i+j da submatriz Aij, obtida de A retirando-se a i-ésima linha e<br />
a j-ésima coluna) é chamado cofator do elemento aij ou complemento<br />
algébrico de aij.<br />
Observação 7.3.15 A fórmula da proposição 7.3.13 foi desenvolvida<br />
pela i-ésima linha da matriz A. Pode-se fazer o mesmo através de uma<br />
coluna qualquer.<br />
Definição 7.3.16 O processo utilizado na proposição 7.3.13 é chamado<br />
de desenvolvimento de Laplace. Trata-se de uma fórmula de recorrência<br />
que permite calcular o determinante de uma matriz de ordem n, a partir dos<br />
determinantes das submatrizes de ordem n − 1. Isto muitas vezes permite<br />
reduzir bastante os cálculos, principalmente se combinarmos ainda as propriedades<br />
de determinantes desenvolvidas em 7.3.11.<br />
j=1<br />
.
UNIVATES – Centro Universitário 109<br />
Exemplos<br />
onde<br />
Exemplo 7.3.17 |A| =<br />
Exemplo 7.3.18<br />
1 −2 3<br />
2 1 −1<br />
−2 −1 2<br />
1 −2 3<br />
2 1 −1<br />
−2 −1 2<br />
∆12 = (−1) 1+2 2 −1<br />
−2 2<br />
∆22 = (−1) 2+2 1 3<br />
−2 2<br />
∆32 = (−1) 3+2 1 3<br />
2 −1<br />
= (−2)∆12 + 1∆22 + (−1)∆32<br />
= −2<br />
= 8<br />
= 7<br />
∴ |A| = (−2)(−2) + 1 · 8 + (−1)7 = 5. <br />
Exercício 7.3.19 Calcule<br />
= (fazendo l3 → l2 + l3) =<br />
= 1 · (−1) 3+3 1 −2<br />
2 1<br />
−1 2 3 4<br />
4 2 0 0<br />
−1 2 −3 0<br />
2 5 3 1<br />
7.4 Matriz Adjunta – Matriz Inversa<br />
1 −2 3<br />
2 1 −1<br />
0 0 1<br />
=<br />
= 1 · (1 + 4) = 5. <br />
, utilizando 7.3.11.<br />
Dada uma matriz A, já vimos que a cada elemento aij está associado<br />
um cofator ∆ij.<br />
Definição 7.4.1 Chama-se matriz dos cofatores de A, e denota-se<br />
por A, a matriz<br />
A = [∆ij].<br />
Exemplo 7.4.2 Seja A =<br />
⎛<br />
⎝<br />
2 1 0<br />
−3 1 4<br />
1 6 5<br />
∆11 = (−1) 1+1 1 4<br />
6 5<br />
∆12 = (−1) 1+2 −3 4<br />
1 5<br />
.<br />
∴ A =<br />
⎛<br />
⎝<br />
⎞<br />
= −19<br />
−19 19 −19<br />
−5 10 −11<br />
4 −8 5<br />
⎠ . Então temos que<br />
= 19<br />
⎞<br />
⎠ .
UNIVATES – Centro Universitário 110<br />
Definição 7.4.3 Dada uma matriz quadrada A, chama-se matriz adjunta<br />
de A à transposta da matriz dos cofatores de A.<br />
Notação: adj A = A t<br />
Exemplo 7.4.4 Em relação ao exemplo 7.4.2, temos que:<br />
adj A = A t ⎛<br />
−19<br />
= ⎝ 19<br />
−5<br />
10<br />
⎞<br />
4<br />
−8 ⎠ . <br />
−19 −11 5<br />
Proposição 7.4.5 Seja An×n uma matriz. Então<br />
A · A t = A · (adj A) = (det A) · In.<br />
prova: exercício. (Sugestão: procure demonstrar o caso 3 × 3, utilizando<br />
a propriedade segundo a qual o determinante de uma matriz que tem<br />
duas linhas (colunas) iguais é igual a zero, e o desenvolvimento de Laplace.<br />
A demonstração para o caso n × n é análoga.) <br />
Definição 7.4.6 Uma matriz An×n é invertível (ou não singular) se<br />
existe uma matriz Bn×n tal que AB = BA = In. B é chamada de uma<br />
inversa de A.<br />
Notação: B = A −1<br />
Definição 7.4.7 Se ∃A−1 vertível).<br />
dizemos que A é singular (ou não in-<br />
<br />
2 3<br />
Exemplo 7.4.8 Seja A = . Então A<br />
1 4<br />
−1 <br />
=<br />
A · A<br />
4<br />
5<br />
−1<br />
5<br />
−3<br />
5<br />
2<br />
5<br />
<br />
, pois<br />
−1 = I2 e A−1 · A = I2. (Verifique!) <br />
<br />
6<br />
Exemplo 7.4.9 Seja A =<br />
11<br />
<br />
2<br />
. Procure sua inversa.<br />
4<br />
Resolução<br />
<br />
a<br />
Queremos encontrar uma matriz B =<br />
c<br />
<br />
b<br />
tal que A · B = I2 e<br />
d<br />
B · A = I2. <br />
6 2 a b<br />
·<br />
11 4 c d<br />
<br />
=<br />
<br />
1 0<br />
0 1<br />
<br />
A<br />
B<br />
<br />
6a + 2c<br />
11a + 4c<br />
<br />
6b + 2d<br />
11b + 4d<br />
=<br />
<br />
1<br />
0<br />
0<br />
1<br />
Portanto, <br />
6a + 2c<br />
11a + 4c<br />
=<br />
=<br />
1<br />
0<br />
e<br />
<br />
6b + 2d<br />
11b + 4d<br />
=<br />
=<br />
0<br />
1<br />
a = 2, b = −1, c = −11<br />
2 e d = 3. Logo, A −1 =<br />
I2<br />
<br />
. Resolvendo os sistemas, temos<br />
<br />
2 −1<br />
. <br />
−11<br />
2<br />
3
UNIVATES – Centro Universitário 111<br />
Teorema 7.4.10 A inversa de uma matriz A, se existir, é única.<br />
<br />
prova: exercício.<br />
<br />
Observação 7.4.11<br />
Se AB = In, então BA = In, ou seja, B = A−1 <br />
.<br />
Se BA = In, então AB = In, ou seja, A = B−1 .<br />
Proposição 7.4.12 Sejam A e B matrizes quadradas invertíveis e de<br />
mesma ordem. Então (AB) −1 = B −1 · A −1 .<br />
prova: exercício. <br />
Teorema 7.4.13 Uma matriz quadrada A é invertível ⇔ det A = 0.<br />
Neste caso:<br />
A −1 = 1<br />
(adj<br />
det A<br />
A).<br />
prova: (⇐) Suponhamos que A seja invertível. Então existe A −1 tal que<br />
A·A −1 = In. Usando determinantes, temos: det A·det A −1 = det(A·A −1 ) =<br />
det In = 1. Desse produto, conclui-se que det A = 0 e que det A −1 = 1<br />
det A .<br />
(⇒) Já vimos que A · (adj A) = (det A) · In (ver proposição 7.4.5). Se<br />
det A = 0, então A · 1<br />
7.4.10), A −1 = 1<br />
det A<br />
det A · (adj A) = In e, como a inversa é única (teorema<br />
(adj A).<br />
Observação 7.4.14 O teorema 7.4.13 nos dá um novo método de calcular<br />
a inversa.<br />
<br />
6 2<br />
Exemplo 7.4.15 Voltemos ao exemplo 7.4.9: seja A =<br />
.<br />
11 4<br />
<br />
4 −11<br />
Temos que det A = 2 = 0 e, portanto, A é invertível: A =<br />
e<br />
−2 6<br />
<br />
4 −2<br />
adj A =<br />
. Então A<br />
−11 6<br />
−1 = 1<br />
<br />
1 4 −2<br />
det A (adj A) = 2<br />
=<br />
−11 6<br />
<br />
<br />
2 −1<br />
. <br />
−11/2 3<br />
7.5 Regra de Cramer<br />
O processo para o cálculo da inversa de uma matriz desenvolvido na<br />
secção anterior, permite um outro método de resolução de sistemas lineares.<br />
Convém chamar a atenção que este só se aplica para sistemas lineares em<br />
que o número de equações é igual ao número de incógnitas.<br />
Consideremos a forma matricial de um sistema linear n × n:<br />
⎛<br />
⎞ ⎛ ⎞ ⎛ ⎞<br />
⎜<br />
⎝<br />
a11 . . . a1n<br />
.<br />
. ..<br />
⎟ ⎜<br />
. ⎠ · ⎝<br />
an1 . . . ann<br />
x1<br />
.<br />
xn<br />
⎟ ⎜<br />
⎠ = ⎝<br />
b1<br />
.<br />
bn<br />
⎟<br />
⎠ ou A · x = b. (7.1)
UNIVATES – Centro Universitário 112<br />
⎛<br />
⎜<br />
⎝<br />
Suponhamos que det A = 0. Portanto, existe A −1 .<br />
Então: A·x = b ⇒ A −1 (Ax) = A −1 b ⇒ (A −1 A)x = A −1 b ∴ Inx = A −1 b.<br />
Matricialmente,<br />
x1<br />
.<br />
xn<br />
⎞ ⎛<br />
⎞<br />
a11 . . . a1n<br />
⎟ ⎜<br />
⎠ = ⎝<br />
.<br />
. ..<br />
⎟<br />
. ⎠<br />
an1 . . . ann<br />
Então x1 = b1∆11+...+bn∆n1<br />
−1<br />
⎛<br />
⎜<br />
· ⎝<br />
b1<br />
.<br />
bn<br />
⎞<br />
⎟<br />
⎠ = 1<br />
⎛<br />
⎞<br />
∆11 . . . ∆1n<br />
⎜<br />
⎝<br />
.<br />
det A<br />
. ..<br />
⎟<br />
. ⎠ .<br />
∆n1 . . . ∆nn<br />
det A<br />
.<br />
Note que o numerador desta fração é igual ao determinante da matriz<br />
que obtemos de A, substituindo a primeira coluna pela matriz dos termos<br />
independentes. De fato, usando o desenvolvimento de Laplace, obtemos:<br />
Ou seja,<br />
b1 a12 . . . a1n<br />
.<br />
. . .. .<br />
bn an2 . . . ann<br />
x1 =<br />
= b1∆11 + . . . + bn∆n1<br />
b1 a12 . . . a1n<br />
.<br />
. . .. .<br />
bn an2 . . . ann<br />
a11 a12 . . . a1n<br />
.<br />
. . .. .<br />
an1 an2 . . . ann<br />
Fazendo deduções análogas, obtemos:<br />
xi =<br />
a11 . . . b1 . . . a1n<br />
.<br />
. .. .<br />
. .. .<br />
an1 . . . bn . . . ann<br />
a11 . . . a1n<br />
.<br />
. .. .<br />
an1 . . . ann<br />
para i = 1, 2, . . . , n. (7.2)<br />
<br />
Observação 7.5.1 Em relação à equação 7.2:<br />
No denominador temos o determinante da matriz dos coeficientes<br />
<br />
(det A);<br />
No numerador aparece o determinante da matriz obtida de A, substi-<br />
<br />
tuindo a i-ésima coluna pela coluna dos termos independentes;<br />
Este método só pode ser aplicado quando o determinante da matriz dos<br />
coeficientes for não nulo.<br />
Definição 7.5.2 O método desenvolvido acima, para resolução de sistemas<br />
lineares n × n, é chamado Regra de Cramer.
UNIVATES – Centro Universitário 113<br />
⎧<br />
⎨<br />
Exemplo 7.5.3 Resolver o sistema<br />
⎩<br />
Regra de Cramer.<br />
⎛<br />
Temos det ⎝<br />
2 −3 7<br />
1 0 3<br />
0 2 −1<br />
Regra de Cramer. Então: x =<br />
e z =<br />
⎞<br />
Resolução<br />
2x − 3y + 7z = 1<br />
x + 3z = 5<br />
2y − z = 0<br />
, usando a<br />
⎠ = −1 = 0. Portanto, podemos utilizar a<br />
1 −3 7<br />
5 0 3<br />
0 2 −1<br />
−1 = −49, y =<br />
2 1 7<br />
1 5 3<br />
0 0 −1<br />
−1<br />
= 9,<br />
2 −3 1<br />
1 0 5<br />
0 2 0<br />
−1 = 18. <br />
Observação 7.5.4 Embora muito difundida nos livros, a Regra de Cramer<br />
não é muito útil na prática. Acontece que ela consome muitas operações<br />
para efetuar os cálculos de sistemas grandes, isto é, seu custo computacional<br />
é muito grande.<br />
No cálculo do determinante de uma matriz de ordem n, temos que calcular<br />
n! produtos de n fatores, e depois somá-los. Efetuaremos então<br />
n!(n − 1) + (n! − 1) = n!n − 1 operações 1 . Desconsiderando as somas<br />
(seu custo para o computador é irrisório em termos de tempo), isto é<br />
aproximadamente igual a n!(e − 1) multiplicações, onde e = 2, 71828<br />
(número de Euler).<br />
Ora, para resolver um sistema n×n pela Regra de Cramer, precisamos<br />
calcular n + 1 determinantes de ordem n. Assim, o n o de operações se<br />
elevaria a (n + 1)(n!n − 1) cálculos 2 , que é maior que n 2 n!. Ou, em<br />
termos de multiplicações, aproximadamente (n + 1)!(n − 1) + n.<br />
Muitos problemas de Engenharia, Economia, Biologia, etc., costumam envolver<br />
sistemas de ordem 100 ou 1000, por exemplo. Então nos meios<br />
computacionais prefere-se utilizar métodos numéricos iterativos, como o de<br />
Gauss-Seidel (ver [36]), que é estudado em disciplinas de Cálculo Numérico.<br />
Exemplo 7.5.5 Para exemplificar a observação 7.5.4, imaginemos um<br />
computador capaz de efetuar um milhão de multiplicações ou divisões por<br />
segundo (1 megaflop).<br />
por escalonamento, um sistema 10 × 10 levaria 0, 8 milésimos de segundo<br />
para ser resolvido; já, por Cramer, 1 minuto e 8 segundos.<br />
1<br />
De fato, são n! termos vezes n − 1 multiplicações; além disso, por serem n! termos,<br />
temos n! − 1 somas a serem feitas.<br />
2<br />
Precisamos calcular n+1 determinantes, cada um consumindo n!n−1 operação (como<br />
vimos acima); temos ainda n divisões.
UNIVATES – Centro Universitário 114<br />
por escalonamento, um sistema 15 × 15 levaria 2, 5 milésimos de se-<br />
<br />
gundo para ser resolvido; já, por Cramer, 1 ano, 1 mês e 16 dias.<br />
por escalonamento, um sistema 20×20 levaria 6 milésimos de segundo<br />
<br />
para ser resolvido; já, por Cramer, 2 milhões, 754 mil e 140 anos.<br />
Para um sistema mil por mil, o escalonamento levaria 11 minutos para<br />
resolvê-lo.Imagine o tempo necessário para resolver este sistema pela<br />
<br />
Regra de Cramer.<br />
Para maiores detalhes sobre custo computacional, consultar [14], [17],<br />
[29] ou [36].<br />
Observação 7.5.6 Em aplicações da <strong>Álgebra</strong> <strong>Linear</strong> não é incomum<br />
encontrar sistemas lineares que precisam ser resolvidos por computador. A<br />
maioria dos algoritmos computacionais para resolver estes sistemas são baseados<br />
na eliminação gaussiana ou na eliminação de Gauss-Jordan, mas os<br />
procedimentos básicos são muitas vezes modificados para comportar problemas<br />
tais como<br />
• Redução de erros de arredondamento<br />
• Minimização do uso de espaço de memória do computador<br />
• Resolução do sistema com rapidez máxima<br />
Fazendo os cálculos à mão, as frações constituem um aborrecimento que<br />
muitas vezes não pode ser evitado. Contudo, em alguns casos é possível<br />
evitar as frações variando as operações elementares sobre linhas de maneira<br />
correta.<br />
Como a eliminação de Gauss-Jordan evita o uso de substituição inversa,<br />
poderia parecer que este método é o mais eficiente dos dois métodos que<br />
nós consideramos. Pode ser argumentado que esta afirmação é verdadeira<br />
quando resolvemos manualmente sistemas pequenos, pois a eliminação de<br />
Gauss-Jordan na verdade envolve escrever menos. Entretanto, foi mostrado<br />
que para sistemas grandes de equações, o método de eliminação de Gauss-<br />
Jordan requer cerca de 50% mais operações que a eliminação gaussiana.<br />
Esta é uma consideração importante quando trabalhamos com computadores.<br />
Na disciplina de Métodos Numéricos estudaremos questões como esta,<br />
bem como outros métodos de resolução de sistemas lineares.<br />
Observação 7.5.7 Na prova da Regra de Cramer, denotando por D<br />
o determinante a matriz A dos coeficientes e por Ns o determinante da<br />
matriz que se obtém de A trocando a coluna s de A pela coluna dos termos<br />
independentes, chega-se a Dxs = Ns, ∀1 ≤ s ≤ n, i.e.,<br />
⎧<br />
Dx1 = N1<br />
⎪⎨ Dx2 = N2<br />
⎪⎩<br />
.<br />
Dxn = Nn.
UNIVATES – Centro Universitário 115<br />
A Regra de Cramer só se aplica quando a matriz A dos coeficientes dos<br />
sistema tem determinante diferente de zero (D = 0).<br />
Tentar utilizá-la fora desse caso pode conduzir a erros.<br />
Um desses erros é o seguinte: quando D = 0 e Ns = 0, ∀1 ≤ s ≤ n,<br />
poderíamos pensar que ela forneceria x1 = 0<br />
0 , x2 = 0<br />
0 , . . ., xn = 0<br />
0 e concluir<br />
que o sistema é indeterminado, isto é, possui infinitas soluções. Mas, não<br />
é bem assim.<br />
Suponhamos, por exemplo, que n = 3 e que os três vetores-coluna a, b,<br />
c sejam múltiplos um do outro, mas que o vetor d (dos termos independentes)<br />
não seja múltiplo deles. Então os quatro determinantes são nulos. No<br />
entanto, não existem números x, y, z tais que ax + by + cz = d. Ou seja, o<br />
sistema não tem solução.<br />
O próximo exemplo caracteriza a situação acima descrita.<br />
⎧<br />
⎨ x + y + z = 1<br />
Exemplo 7.5.8 Consideremos o sistema 2x + 2y + 2z = 2 .<br />
⎩<br />
3x + 3y + 3z = 4<br />
É claro que este sistema não tem solução, pois se x + y + z = 1 então<br />
x + 3y + 3z deve ser igual a 3 e não a 4. Apesar disso, a Regra de Cramer<br />
(usada incorretamente) nos levaria às “expressões indeterminadas” x = 0<br />
0 ,<br />
y = 0 0<br />
0 , z = 0 e à falsa conclusão de que o sistema é indeterminado.<br />
Observação 7.5.9 Resulta da fórmula det[d, b, c] = x · det[a, b, c] e suas<br />
análogas para y e z que, se det[a, b, c] = 0 e algum dos determinantes<br />
det[d, b, c], det[a, d, c] ou det[a, b, d] for diferente de 0, então o sistema é<br />
impossível.<br />
Podemos apenas concluir que<br />
detA = 0 ⇔ SPD<br />
SPI ⇒ detA = 0 e<br />
detA1 = detA2 = . . . = detAn = 0<br />
detA = 0 e detAs = 0, ⇒ SI<br />
para algum 1 ≤ s ≤ n<br />
Tabela 7.2: Calssificação de um sistema linear via determinantes<br />
7.6 Método Prático para Encontrar A −1<br />
1. Forme a matriz n × 2n [A|In] obtida colocando a matriz In ao lado da<br />
matriz A;<br />
2. Leve a matriz A à forma escalonada reduzida via operações elementares.<br />
Todas as operações feitas sobre uma linha de A devem ser feitas<br />
sobre a linha correspondente de In;<br />
3. Supondo que na etapa anterior obtivemos a matriz [C|D], temos:
UNIVATES – Centro Universitário 116<br />
(a) Se C = In, então D = A −1 ;<br />
(b) Se C = In, então C tem uma linha de zeros e A é singular, isto<br />
é, ∃A −1 .<br />
Antes de iniciarmos os exercícios, gostaríamos de indicar o leitura do<br />
livro de H. Anton ([1]), pgs. 321-326, disponível no setor de reprografia.<br />
7.7 Exercícios de Fixação e Problemas de<br />
Aplicação<br />
Exercício ⎛ 7.7.1 ⎞ Calcule, se existir, a inversa da matriz<br />
1 1 1<br />
A = ⎝ 0 2 3 ⎠.<br />
5 5 1<br />
Exercício ⎛ 7.7.2⎞Calcule, se existir, a inversa da matriz<br />
1 2 −3<br />
A = ⎝ 1 −2 1 ⎠.<br />
5 −2 −3<br />
Exercício 7.7.3 Uma maneira de enviar uma mensagem em código (codificar)<br />
consiste em utilizar a multiplicação de matrizes da seguinte maneira:<br />
à cada letra do alfabeto associa-se um número:<br />
A B C D E F G H I J L M<br />
1 2 3 4 5 6 7 8 9 10 11 12<br />
N O P Q R S T U V X Z<br />
13 14 15 16 17 18 19 20 21 22 23<br />
Tabela 7.3: Tabela de correspondência numérica para criptografia<br />
Suponhamos que queiramos enviar, ⎛em<br />
código, a⎞ mensagem BOA<br />
B O A<br />
SORTE. Para isto formarmos a matriz ⎝ − S 0 ⎠, que utilizando a<br />
R<br />
⎛<br />
2<br />
T E<br />
14 1<br />
⎞<br />
correspondência numérica torna-se M = ⎝ 0 18 14 ⎠. Multiplica-se<br />
17 19 5<br />
a matriz mensagem M por uma matriz-chave ⎛ C, ⎞que<br />
apenas os usuários<br />
2 1 −1<br />
do código conhecem. Supondo C = ⎝ 0 2 1 ⎠, multiplica-se M por<br />
⎛<br />
9<br />
5<br />
32<br />
2 −3<br />
⎞<br />
9<br />
C obtendo-se a matriz MC = ⎝ 70 64 −24 ⎠ (mensagem codificada).<br />
59 65 −13
UNIVATES – Centro Universitário 117<br />
Transmite-se esta nova matriz (na prática envia-se a seqüência de números<br />
(9, 32, 9, 70, 64, −24, 59, 65, −13)).<br />
A pessoa que recebe a mensagem (receptor) decodifica-a (traduz) através<br />
da multiplicação da matriz MC pela inversa da matriz C, obtendo a matriz<br />
mensagem M: (MC)C −1 = M. Após, o receptor troca os números pelas<br />
letras correspondentes obtendo a mensagem, que no caso é BOA SORTE).<br />
Você recebeu a mensagem: (91, 65, −40, 27, 25, −9, 24, 12, −12). Utilizando<br />
a matriz-chave C acima, traduza (decodifique) a mensagem.<br />
7.8 Respostas dos Principais Exercícios do<br />
Capítulo<br />
7.3.19 −252<br />
7.7.1 [In|A−1 ⎛<br />
1<br />
] = ⎝<br />
0 0| 13<br />
8 − 1<br />
0 1 0| −<br />
2<br />
1 − 8<br />
15<br />
0 0 1|<br />
8<br />
5<br />
4<br />
1<br />
2<br />
0<br />
3<br />
8<br />
− 1<br />
<br />
4<br />
⎞<br />
⎠<br />
7.7.2<br />
⎛<br />
1<br />
⎝ 0<br />
0<br />
0<br />
1<br />
0<br />
−1|<br />
−1|<br />
0|<br />
1<br />
2<br />
1<br />
4<br />
−2<br />
1<br />
2<br />
1 − 4<br />
−3<br />
⎞<br />
0<br />
0 ⎠, logo ∃A<br />
1<br />
−1 .<br />
⎛<br />
3 14<br />
⎞<br />
17<br />
7.7.3 ⎝ 1 7 5 ⎠, donde a mensagem é CORAGEM.<br />
12 0 0<br />
C H A E TING ER
Capítulo 8<br />
Introdução às<br />
Transformações <strong>Linear</strong>es<br />
tilizaremos o livro de H. Anton ([1]), páginas 137 a 148; 295 a 299;<br />
e 302 a 305.<br />
Para os estudantes de Matemática e para todos aqueles que se interessam<br />
pela Matemática, inseriremos dois capítulos na seqüência: um referente a<br />
espaços vetoriais, e outro referente a transformações lineares.<br />
C H A E TING ER<br />
118
Capítulo 9<br />
Espaços Vetoriais<br />
9.1 Introdução<br />
m várias partes da Matemática, defrontamo-nos com um conjunto tal<br />
que é, ao mesmo tempo, significativo e interessante lidar com “combinações<br />
lineares” dos objetos daquele conjunto.<br />
<br />
Exemplo 9.1.1<br />
<br />
equações lineares ←→ linhas de uma matriz<br />
<br />
equações diferenciais ←→ funções<br />
espaço 3-dimensional ←→ vetores<br />
A grosso modo, a <strong>Álgebra</strong> <strong>Linear</strong> é o ramo da Matemática que trata<br />
das propriedades comuns a sistemas algébricos constituídos por um<br />
conjunto mais uma noção razoável de uma “combinação linear” de elementos<br />
do conjunto.<br />
9.2 Vetores no Plano e no Espaço<br />
Neste capítulo, desenvolveremos o conceito de vetor de uma forma mais<br />
ampla, de modo que, por exemplo, soluções de sistemas de equações lineares<br />
ou de equações diferenciais também possam ser representadas por vetores.<br />
Inicialmente, vamos recordar alguns tópicos sobre vetores no plano e no<br />
espaço.<br />
131
UNIVATES – Centro Universitário 132<br />
9.2.1 Vetores no Plano<br />
Consideremos o plano cartesiano que consiste de um sistema de coordenadas<br />
dado por um par de retas orientadas ortogonais. Fixada uma<br />
unidade de comprimento, um ponto P do plano pode ser identificado com o<br />
par (a, b) de números reais, que são suas coordenadas.<br />
b<br />
✻<br />
a<br />
P<br />
✲<br />
Figura 9.1: Plano cartesiano<br />
Dados dois pontos P e Q do plano, podemos considerar o segmento<br />
orientado P Q, com ponto inicial P e ponto final Q.<br />
Observação 9.2.1 Embora como conjunto de pontos os segmentos P Q<br />
e QP sejam iguais, como segmentos orientados eles são distintos. Diremos<br />
que eles são opostos.<br />
Definição 9.2.2 Diremos que dois segmentos orientados são equivalentes,<br />
se tiverem o mesmo comprimento, direção e sentido.<br />
P<br />
✻<br />
✒<br />
K<br />
Q<br />
✒<br />
L<br />
R<br />
❘<br />
✒<br />
✠<br />
Figura 9.2: Segmentos orientados<br />
T<br />
S<br />
W<br />
✲<br />
Z
UNIVATES – Centro Universitário 133<br />
Exemplo 9.2.3 Em relação à figura 9.2.1, P Q, KL e RS têm a mesma<br />
direção e sentido; RT e KL têm o mesmo comprimento; P Q, RS e ZW têm<br />
o mesmo comprimento e direção, mas os únicos segmentos com orientações<br />
equivalentes são P Q e RS.<br />
Observação 9.2.4 Para qualquer segmento orientado no plano existe<br />
outro equivalente a este cujo ponto inicial é a origem.<br />
Definição 9.2.5 Passaremos agora a considerar apenas os segmentos<br />
orientados com ponto inicial na origem. Estes serão chamados de vetores<br />
no plano.<br />
Observação 9.2.6 A cada ponto do plano P (a, b), está associado um<br />
único vetor v = OP , e vice-versa. Assim podemos imaginar o plano R2 como<br />
um conjunto de pontos ou um conjunto de vetores. Isto é, a correspondência<br />
entre pontos do plano e vetores é biunívoca.<br />
Notação: Usando a correspondência definida em 9.2.6, representaremos<br />
um vetor v = OP pelas coordenadas<br />
<br />
do seu ponto final P (a, b). Usamos a<br />
a<br />
notação da matriz-coluna v = , ou mesmo a identificação v = (a, b).<br />
b<br />
Definição 9.2.7 Pela notação acima, à origem ficará associado um vetor<br />
que tem os pontos final e inicial coincidentes. Denominaremos tal vetor<br />
(que é só um ponto) de vetor nulo, e o representaremos por (0, 0).<br />
Definição 9.2.8 O oposto de um vetor v = OP é o vetor w = OQ,<br />
que tem o mesmo comprimento e direção, e sentido oposto. Em termos de<br />
coordenadas, se v = (a, b), então w = (−a, −b). Por esta razão, o denotamos<br />
por w = −v.<br />
Operações<br />
Multiplicação de um vetor por um escalar: multiplicar um vetor v por<br />
um escalar k > 0 é considerar um novo vetor w = kv, que possui a mesma<br />
direção de v e tem como comprimento k vezes o comprimento de v, e cujo<br />
sentido depende do sinal de k.<br />
Se k < 0, o vetor w = kv será igual ao oposto do vetor |k| · v.<br />
Se k = 0, w = kv será o vetor nulo.<br />
Observação 9.2.9 Esta operação corresponde à multiplicação da<br />
matriz-linha (ou coluna) por esse número. Se v = (a, b) e w = kv, então<br />
w = (ka, kb).
UNIVATES – Centro Universitário 134<br />
✠<br />
u = − 1<br />
2 v<br />
✻<br />
✒<br />
v<br />
✒<br />
w = 1, 5v<br />
Figura 9.3: Multiplicação de um vetor por um escalar<br />
Adição de dois vetores: a idéia de soma de vetores origina-se na soma<br />
de forças em Física. Dados dois vetores F1 e F2, chamamos a força resultante<br />
de soma de F1 com F2 e denotamos R = F1 + F2.<br />
F2<br />
✍<br />
F1<br />
✿<br />
✯<br />
R<br />
✲<br />
Figura 9.4: Resultante de dois vetores<br />
Em termos de coordenadas, se F1 = (a, b) e F2 = (c, d), quais são as<br />
coordenadas de R?<br />
Usando congruência de triângulos, é fácil concluir que as coordenadas de<br />
R são (a + c, b + d).<br />
Definição 9.2.10 Sejam v = (a, b) e w = (c, d) dois vetores no plano.<br />
Definimos o vetor soma de v e w como o vetor v + w = (a + c, b + d).<br />
Observação 9.2.11 Somar dois vetores corresponde a somar as matrizes<br />
que os representam. As operações de vetores herdam, portanto, todas as<br />
propriedades das operações correspondentes para matrizes.<br />
Observação 9.2.12 A soma de um vetor v = (a, b) com o seu oposto<br />
w = −v = (−a, −b) é o vetor nulo, isto é,<br />
v + w = v + (−v) = (a − a, b − b) = (0, 0).<br />
Diferença entre dois vetores: dados dois vetores v e w, entendemos<br />
a soma do primeiro com o oposto do segundo como o vetor diferença entre<br />
v e w, isto é,<br />
v − w = v + (−w).
UNIVATES – Centro Universitário 135<br />
−w<br />
☛<br />
✻<br />
✕<br />
w<br />
③<br />
✿<br />
v − w<br />
9.2.2 Vetores no Espaço<br />
v<br />
✲<br />
Figura 9.5: Subtração de vetores<br />
Podemos agir da mesma forma que em relação ao plano. Temos agora<br />
um sistema de coordenadas dado por três retas orientadas, perpendiculares<br />
duas a duas e, uma vez fixada uma unidade de comprimento, cada ponto P<br />
do espaço estará identificado com uma terna de números reais (x, y, z), que<br />
dá suas coordenadas.<br />
✌<br />
x<br />
z<br />
X<br />
✻ Z<br />
P (x, y, z)<br />
y<br />
✲<br />
Figura 9.6: Espaço tri-dimensional<br />
No espaço, os vetores também são dados por segmentos orientados, com<br />
ponto inicial na origem, e existe uma correspondência biunívoca entre os<br />
vetores e pontos do espaço que a cada vetor OP associa seu ponto final<br />
P (a, b, c).<br />
Y
UNIVATES – Centro Universitário 136<br />
Notação: O vetor v = OP é denotado pelas coordenadas de P .<br />
⎛ ⎞<br />
a<br />
v = ⎝ b<br />
c<br />
⎠ ou v = (a, b, c).<br />
Observação 9.2.13 Se chamarmos V o conjunto de vetores no espaço,<br />
podemos identificar<br />
Operações<br />
V = {(x1, x2, x3); xi ∈ R} = R × R × R = R 3 .<br />
São inteiramente análogas às operações de vetores no plano, apenas<br />
trabalhando-se com as três componentes dos vetores.<br />
Definição 9.2.14 Sejam u = (x1, x2, x3) e v = (y1, y2, y3) dois vetores<br />
no espaço e k um escalar. Definimos:<br />
u + v = (x1 + y1, x2 + y2, x3 + y3) e ku = (kx1, kx2, kx3).<br />
Propriedade 9.2.15 Sejam u, v, w ∈ V e a, b ∈ R. Valem as seguintes<br />
propriedades:<br />
1. (u + v) + w = u + (v + w);<br />
2. u + v = v + u;<br />
3. ∃ 0 ∈ V tal que u + 0 = u (0 é chamado vetor nulo);<br />
4. ∃ − u ∈ V tal que u + (−u) = 0;<br />
5. a(u + v) = au + av;<br />
6. (a + b)v = av + bv;<br />
7. 1u = u.<br />
Para maiores detalhes, ver [14] e [15].<br />
Estas propriedades serão úteis na caracterização dos espaços vetoriais<br />
que veremos a seguir.<br />
9.3 Espaços Vetoriais<br />
Definição 9.3.1 Um espaço vetorial (ou linear) consiste do seguinte:<br />
1. um corpo F de escalares;<br />
2. um corpo V de objetos, denominados vetores;<br />
3. uma regra (operação), dita adição de vetores, tal que, ∀α, β, γ ∈ V:<br />
(a) α + β = β + α (comutativa);
UNIVATES – Centro Universitário 137<br />
(b) α + (β + γ) = (α + β) + γ (associativa);<br />
(c) ∃! 0 ∈ V tal que α + 0 = α (existência de zero);<br />
(d) ∀α ∈ V, ∃! − α ∈ V tal que α + (−α) = 0 (simétrico);<br />
4. uma regra multiplicação por escalar tal que ∀c, c1, c2 ∈ F, ∀α,<br />
β ∈ V:<br />
(a) 1 · α = α;<br />
(b) (c1c2)α = c1(c2α);<br />
(c) c(α + β) = cα + cβ;<br />
(d) (c1 + c2)α = c1α + c2α.<br />
9.3.1 Exemplos<br />
Exemplo 9.3.2 O conjunto dos vetores do espaço<br />
V = R 3 = {(x1, x2, x3) : xi ∈ R} (espaço vetorial real).<br />
Exemplo 9.3.3 n-uplas de números reais<br />
V = R n = {(x1, x2, . . . , xn) : xi ∈ R}.<br />
Exemplo 9.3.4 V = M(m, n), o conjunto das matrizes reais m × n<br />
com a soma e o produto por escalar usuais. Note que V = M(1, n) = R n .<br />
Exemplo 9.3.5 V = Pn, o conjunto dos polinômios com coeficientes<br />
reais, de grau menor ou igual a n (incluindo o zero).<br />
Exemplo 9.3.6 V = M(2, 2) (espaço vetorial complexo)<br />
<br />
Observação 9.3.7<br />
Os espaços vetoriais complexos aparecem, por exemplo, no estudo de<br />
<br />
sistemas de equações diferenciais.<br />
Salvo menção em contrário, trabalharemos com espaços vetoriais (e.v.)<br />
REAIS.<br />
9.4 Subespaços Vetoriais<br />
Às vezes, é necessário detectar, dentro de um espaço vetorial V, subconjuntos<br />
W que sejam eles próprios espaços vetoriais “menores”.<br />
Definição 9.4.1 Dado um espaço vetorial V, um subconjunto W, nãovazio,<br />
será um subespaço vetorial de V se:<br />
1. para quaisquer u, v ∈ W tivermos u + v ∈ W;<br />
2. para quaisquer a ∈ R, u ∈ W tivermos au ∈ W.
UNIVATES – Centro Universitário 138<br />
<br />
Observação 9.4.2<br />
<br />
W é um espaço vetorial;<br />
<br />
Qualquer subespaço W ⊂ V contém o vetor nulo;<br />
Todo espaço vetorial admite pelo menos 2 subespaços (triviais): 0 e o<br />
espaço todo.<br />
9.4.1 Exemplos<br />
Exemplo 9.4.3 V = R 3 e W ⊂ V, um plano pela origem.<br />
<br />
Observação 9.4.4<br />
Note que, no exemplo 9.4.3, se W não passasse pela origem, não seria<br />
um subespaço.<br />
Observe que os únicos subespaços de R 3 são a origem, as retas e<br />
planos pela origem, e o próprio R 3 .<br />
Exemplo 9.4.5 V = R 5 e W = {(0, x2, x3, x4, x5) : xi ∈ R}.<br />
Exemplo 9.4.6 V = M(n, n) e W é o subconjunto das matrizes triangulares<br />
superiores.<br />
Exemplo 9.4.7 Dado o sistema linear homogêneo:<br />
⎧<br />
⎨ 2x + 4y + z<br />
x + y + 2z<br />
⎩<br />
x + 3y − z<br />
=<br />
=<br />
=<br />
0<br />
0<br />
0<br />
⎛<br />
2<br />
⎝ 1<br />
1<br />
4<br />
1<br />
3<br />
⎞ ⎛ ⎞ ⎛<br />
1 x<br />
2 ⎠ · ⎝ y ⎠ = ⎝<br />
−1 z<br />
queremos saber se o conjunto dos vetores-solução é um subespaço de<br />
M(3, 1).<br />
Exemplo 9.4.8 O conjunto-solução de um sistema linear homogêneo de<br />
n incógnitas é um subespaço de M(n, 1).<br />
9.4.2 Contra-Exemplos<br />
Contra-Exemplo 9.4.9 V = R 2 , W é uma reta deste plano que não<br />
passa pela origem.<br />
Note que, se 0 ∈ W, então W não é subespaço vetorial.<br />
0<br />
0<br />
0<br />
⎞<br />
⎠ ,
UNIVATES – Centro Universitário 139<br />
✻<br />
✗<br />
u<br />
✯<br />
v<br />
W<br />
Figura 9.7: Reta que não passa pela origem<br />
Contra-Exemplo 9.4.10 Podemos ter 0 ∈ W e W não ser subespaço<br />
vetorial. De fato, considere V = R 2 , W = {(x, x 2 ) : x ∈ R}.<br />
Temos que (0, 0) ∈ W, u = (1, 1) ∈ W, v = (2, 4) ∈ W. Mas, por outro<br />
lado, u + v = (1, 1) + (2, 4) = (3, 5) ∈ W.<br />
100<br />
90<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
0<br />
x**2<br />
-10 -5 0 5 10<br />
Figura 9.8: Gráfico de y = x 2<br />
Contra-Exemplo 9.4.11 V = M(n, n) e W é o subconjunto de todas<br />
as matrizes em que a11 ≤ 0.<br />
Contra-Exemplo 9.4.12 Se um sistema linear não for homogêneo, o<br />
que acontece com o seu conjunto-solução?<br />
Agora veremos as principais propriedades dos subespaços.<br />
✲
UNIVATES – Centro Universitário 140<br />
9.4.3 Propriedades<br />
Teorema 9.4.13 (Intersecção de Subespaços)<br />
Se W1 e W2 são subespaços de um espaço vetorial V, então W1 ∩ W2<br />
ainda é um subespaço de V.<br />
Note que W1 ∩ W2 = ∅.<br />
prova: exercício.<br />
9.4.4 Exemplos<br />
Exemplo 9.4.14 Seja V = R 3 , então W1 ∩ W2 é a intersecção dos<br />
planos W1 e W2.<br />
W1 ∩ W2<br />
✻<br />
W1<br />
<br />
W2<br />
Figura 9.9: Intersecção de subespaços vetoriais<br />
Exemplo 9.4.15 Seja V = M(n, n), onde<br />
W1 = {matrizes triangulares superiores} e W2 = {matrizes triangulares inferiores}.<br />
Então W1 ∩ W2 = {matrizes diagonais}.<br />
Observação 9.4.16 Se W1 e W2 são subespaços de um espaço vetorial<br />
V, não podemos afirmar que W1 ∪ W2 seja um subespaço.<br />
Contra-Exemplo 9.4.17 Sejam V = R 3 , e W1 e W2 vetores sobre os<br />
eixos coordenados.<br />
Assim, W1 ∪ W2 não é subespaço de V. Entretanto, podemos construir<br />
um conjunto W, que contém W1 e W2 e é subespaço de V.<br />
✶
UNIVATES – Centro Universitário 141<br />
v<br />
✻W2<br />
✻<br />
✼<br />
✯<br />
u<br />
u + v<br />
✯<br />
❥<br />
W1<br />
Figura 9.10: União de subespaços vetoriais<br />
Teorema 9.4.18 (Soma de Subespaços)<br />
Sejam W1 e W2 subespaços de um e.v. V. Então o conjunto<br />
W1 + W2 = {v ∈ V; v = w1 + w2, w1 ∈ W1, w2 ∈ W2}<br />
é um subespaço de V.<br />
prova: exercício.<br />
9.4.5 Exemplos<br />
Exemplo 9.4.19 No exemplo 9.4.17, W = W1 + W2 é o plano que<br />
contém as duas retas.<br />
Exemplo 9.4.20 Se W1 ⊂ R 3 é um plano e W2 é uma reta contida<br />
neste plano, ambos passando pela origem, então W1 + W2 = W1.<br />
Exemplo 9.4.21 W1 =<br />
b, c, d ∈ R. Então<br />
W1 + W2 =<br />
a b<br />
0 0<br />
a b<br />
c d<br />
<br />
e W2 =<br />
0 0<br />
c d<br />
<br />
= M(2, 2).<br />
<br />
, onde a,<br />
Definição 9.4.22 Quando W1 ∩ W2 = {0}, então W1 + W2 é chamado<br />
soma direta de W1 com W2, denotado por<br />
W1 ⊕ W2.
UNIVATES – Centro Universitário 142<br />
9.5 Combinação <strong>Linear</strong><br />
Uma das características mais importantes de um espaço vetorial é a<br />
obtenção de novos vetores a partir de vetores dados.<br />
Definição 9.5.1 Sejam V um espaço vetorial, v1,. . . , vn ∈ V e a1,. . . ,<br />
an ∈ F. Então o vetor<br />
n<br />
v = a1v1 + . . . + anvn =<br />
i=1<br />
aivi<br />
é um elemento de V chamado combinação linear de v1,. . . , vn.<br />
Observação 9.5.2 Fixados v1,. . . , vn ∈ V, o conjunto W de todos os<br />
vetores de V que são combinação linear destes, é um subespaço vetorial<br />
(s.v.). W é chamado subespaço gerado por v1,. . . , vn.<br />
Notação: W = [v1, . . . , vn]<br />
Note que W é o menor subespaço de V que contém {v1, . . . , vn}.<br />
9.5.1 Exemplos<br />
Exemplo 9.5.3 V = R 3 , v ∈ V, v = 0. Então [v] = {av : a ∈ R}, isto<br />
é, é a reta que contém o vetor v.<br />
Exemplo 9.5.4 Se v1, v2 ∈ R 3 são tais que αv1 = v2, ∀α ∈ R, então<br />
[v1, v2] será o plano que passa pela origem e contém v1 e v2.<br />
☛<br />
✻<br />
✒<br />
v1<br />
❥<br />
v2<br />
Figura 9.11: Subespaço gerado por dois vetores<br />
Exemplo 9.5.5 V = R2 , v1 = (1, 0), v2 = (0, 1). Logo V = [v1, v2], pois<br />
∀ v = (x, y) ∈ V, temos (x, y) = x(1, 0) + y(0, 1), ou seja, v = xv1 + yv2.<br />
<br />
1<br />
Exemplo 9.5.6 Sejam v1 =<br />
0<br />
<br />
0<br />
0<br />
, v2 =<br />
0<br />
0<br />
<br />
1<br />
. Então<br />
0<br />
<br />
a<br />
[v1, v2] =<br />
0<br />
<br />
b<br />
:<br />
0<br />
<br />
a, b ∈ R .<br />
✲
UNIVATES – Centro Universitário 143<br />
9.6 Dependência e Independência <strong>Linear</strong><br />
Dados os vetores v1, . . . , vn, queremos saber se não existem vetores<br />
“supérfluos”, isto é, se algum deles não é uma combinação linear dos outros.<br />
Definição 9.6.1 Sejam V um e.v. e v1, . . . , vn ∈ V. Dizemos que<br />
o conjunto {v1, . . . , vn} é linearmente independente (l.i.), ou que os<br />
vetores v1, . . . , vn são l.i., se a equação<br />
a1v1 + . . . + anvn = 0<br />
implica que a1 = a2 = . . . = an = 0. No caso em que exista algum ai = 0<br />
dizemos que {v1, . . . , vn} é linearmente dependente (l.d.), ou que os<br />
vetores v1,. . . , vn são l.d..<br />
Teorema 9.6.2 {v1, . . . , vn} é l.d. se, e somente se, um destes vetores<br />
for uma combinação linear dos outros.<br />
prova: exercício.<br />
9.6.1 Exercícios<br />
Exemplo 9.6.3 V = R 3 . Sejam v1, v2 ∈ V.<br />
{v1, v2} é l.d. ⇔ v1 e v2 estiverem na mesma reta, que passa pela origem<br />
(v1 = λv2).<br />
Exemplo 9.6.4 V = R 3 . Sejam v1, v2, v3 ∈ V.<br />
{v1, v2, v3} é l.d. se os três vetores estiverem no mesmo plano, que passa<br />
pela origem.<br />
Exemplo 9.6.5 V = R 2 , e1 = (1, 0) e e2 = (0, 1). Então e1 e e2 são<br />
l.i., pois<br />
a1e1 + a2e2 = 0 ⇒ a1 = 0 e a2 = 0.<br />
Exemplo 9.6.6 V = R 2 . {(1, −1), (1, 0), (1, 1)} é l.d., pois<br />
1<br />
1<br />
(1, −1) − 1(1, 0) + (1, 1) = (0, 0).<br />
2 2<br />
9.7 Base de Um Espaço Vetorial<br />
Queremos determinar um conjunto de vetores que gere V e tal que todos<br />
os elementos sejam realmente necessários.<br />
Definição 9.7.1 Um conjunto {v1, . . . , vn} de vetores de V será uma<br />
base de V se:<br />
1. {v1, . . . , vn} é l.i.;<br />
2. [v1, . . . , vn] = V.
UNIVATES – Centro Universitário 144<br />
9.7.1 Exemplos<br />
Exemplo 9.7.2 V = R 2 , e1 = (1, 0) e e2 = (0, 1) (base canônica).<br />
Também é base do plano: {(1, 1), (0, 1)}, pois se (0, 0) = a(1, 1) + b(0, 1),<br />
então a = b = 0 (l.i.). Ademais, dado v = (x, y) ∈ V, temos que<br />
(x, y) = x(1, 1)+(y−x)(0, 1). Logo, todo vetor do plano é combinação linear<br />
de e1 e e2. <br />
Exemplo 9.7.3 V = R 3 , {(1, 0, 0), (0, 1, 0), (0, 0, 1)} é base.<br />
Exemplo 9.7.4 V = M(2, 2),<br />
1 0<br />
0 0<br />
<br />
0 1<br />
,<br />
0 0<br />
<br />
0 0<br />
,<br />
1 0<br />
<br />
0 0<br />
,<br />
0 1<br />
<br />
.<br />
Contra-Exemplo 9.7.5 {(0, 1), (0, 2)} não é base de R 2 , pois l.d.:<br />
(0, 0) = a(0, 1) + b(0, 2) ⇒ a = −2b. <br />
Contra-Exemplo 9.7.6 {(1, 0, 0), (0, 1, 0)} não é base de R3 . É l.i.,<br />
mas não gera todo R3 , isto é, [(1, 0, 0), (0, 1, 0)] = R3 . <br />
<br />
Observação 9.7.7<br />
Nem sempre é possível encontrar uma base finita para um espaço vetorial.<br />
Nestes casos, precisaremos de combinações lineares finitas de<br />
um conjunto infinito de geradores. É o que acontece com espaços de<br />
<br />
funções.<br />
Somente trabalharemos com e.v. que tenham base finita.<br />
Vejamos algumas propriedades das bases de um espaço vetorial<br />
Teorema 9.7.8 Sejam v1, . . . , vn vetores não-nulos que gerem um<br />
espaço vetorial V. Então, dentre eles podemos extrair uma base de V.<br />
prova: Se v1, . . . , vn l.i., ok!<br />
Se não, v1, . . . , vn são l.d. e ∃ combinação linear x1v1 + . . . + xnvn = 0 com<br />
algum xi = 0. Sem perda de generalidade, suponhamos que xn = 0. Então<br />
vn = −x1<br />
xn<br />
v1 + −x2<br />
xn<br />
v2 + . . . + −xn−1<br />
vn−1 e,<br />
xn<br />
portanto, v1, . . . , vn−1 ainda geram V. Se l.i., ok! Se não, continuo o<br />
processo um número finito de vezes.<br />
Teorema 9.7.9 Seja V um espaço vetorial gerado por um número finito<br />
de vetores v1, . . . , vn. Então, qualquer conjunto com mais de n vetores é<br />
necessariamente l.d. (e, portanto, qualquer conjunto l.i. tem no máximo n<br />
vetores).<br />
prova: ver [4], [9] ou [13].
UNIVATES – Centro Universitário 145<br />
Corolário 9.7.10 Qualquer base de um espaço vetorial tem sempre o<br />
mesmo número de elementos.<br />
Este número é chamado dimensão de V, e denotado por dim V.<br />
prova: Sejam {v1, . . . , vn} e {w1, . . . , wm} bases de V. Como v1, . . . , vn<br />
geram V e w1, . . . , wm são l.i., segue que m ≤ n.<br />
Por outro lado, como w1, . . . , wm geram V e v1, . . . , vn são l.i., segue<br />
que n ≤ m ∴ m = n.<br />
9.7.2 Exemplos<br />
Exemplo 9.7.11 V = R 2 , {(1, 0), (0, 1)} e {(1, 1), (0, 1)} são bases de<br />
V. Então dim V = 2.<br />
Exemplo 9.7.12 dimR 3 = 3.<br />
Exemplo 9.7.13 E espaço vetorial V = M(2, 2) tem base com 4 elementos.<br />
Então dimV = 4.<br />
Definição 9.7.14 Quando um e.v. V admite uma base finita, dizemos<br />
que V é de dimensão finita.<br />
Teorema 9.7.15 Qualquer conjunto de vetores l.i. de um e.v. V de<br />
dimensão finita pode ser completado de modo a formar uma base de V.<br />
prova: exercício.<br />
Corolário 9.7.16 Se dimV = n, qualquer conjunto de n vetores l.i.<br />
formará uma base de V.<br />
prova: exercício.<br />
Teorema 9.7.17 Se U e W são subespaços de um espaço vetorial V de<br />
dimensão finita, então dimU ≤ dimV e dimW ≤ dimV. Ademais,<br />
prova: ver [4].<br />
dim(U + W) = dimU + dimV − dim(U ∩ W).<br />
Teorema 9.7.18 Dada uma base β = {v1, . . . , vn} de V, cada vetor de<br />
V é escrito de maneira única como combinação linear de v1, . . . , vn.<br />
prova: exercício.<br />
Definição 9.7.19 Sejam β = {v1, . . . , vn} base de V e v ∈ V onde<br />
v = a1v1 + . . . + anvn. Chamamos os números a1, . . . , an de coordenadas<br />
de v em relação à base β e denotaremos por<br />
⎛ ⎞<br />
[v]β =<br />
⎜<br />
⎝<br />
a1<br />
.<br />
an<br />
⎟<br />
⎠ .
UNIVATES – Centro Universitário 146<br />
Exemplo 9.7.20 V = R 2 , β = {(1, 0), (0, 1)}.<br />
(4, 3) = 4(1, 0) + 3(0, 1) ⇒ [(4, 3)]β =<br />
4<br />
3<br />
Se β ′ = {(1, 1), (0, 1)}, então (4, 3) = x(1, 1) + y(0, 1) ⇒ x = 4, y = −1.<br />
Então, [(4, 3)]β ′ =<br />
4<br />
−1<br />
<br />
.<br />
Observação 9.7.21 A ordem dos elementos de uma base influi na<br />
matriz das coordenadas.<br />
Ao considerarmos uma base β = {v1, . . . , vn}, estaremos subentendendo<br />
a base ordenada na ordem em que aparecem.<br />
Exemplo 9.7.22 Sejam<br />
☛<br />
<br />
.<br />
V = {(x, y, z); x + y − z = 0} e W = {(x, y, z); x = y}.<br />
✻<br />
W<br />
V + W =?<br />
Resolução<br />
V<br />
Figura 9.12: Base de um subespaço vetorial<br />
Temos V = [(1, 0, 1), (0, 1, 1)], W = [(1, 1, 0), (0, 0, 1)].<br />
Então V+W = [(1, 0, 1), (0, 1, 1), (1, 1, 0), (0, 0, 1)]. Como (x, y, z) ∈ R 3 pode<br />
ser escrito como<br />
(x, y, z) = α(1, 0, 1) + β(0, 1, 1) + γ(1, 1, 0) + δ(0, 0, 1),<br />
com α = x, β = y, γ = 0, δ = z − x − y, temos V + W = R 3 .<br />
Assim, dimR 3 = dimV + dimW − dim(V ∩ W) ⇒ dim(V ∩ W) = 1, onde<br />
V ∩ W = {(x, y, z); x + y − z = 0 e x = y} =<br />
= {(x, y, z); x = y = z<br />
1<br />
2 } = [(1, 1, 2 )]. <br />
✲
UNIVATES – Centro Universitário 147<br />
9.8 Mudança de Base<br />
Você já deve ter visto situações em que a resolução de um problema de<br />
Física 1 torna-se muito mais simples se escolhermos um referencial conveniente<br />
para descrever o movimento. Vejamos um exemplo:<br />
Exemplo 9.8.1 Um Fiat Palio Weekend se move no plano XY com<br />
trajetória elíptica de equação x2 + xy + y2 − 3 = 0 (ver figura abaixo). A<br />
descrição do movimento torna-se muito mais simplificada se ao invés de<br />
trabalharmos com os eixos OX e OY (isto é, o referencial determinado pela<br />
base canônica), utilizarmos um referencial que se apóia nos eixos principais<br />
da elipse.<br />
✛<br />
✚<br />
✘<br />
✙<br />
✒<br />
⑦<br />
X<br />
Incline o pescoço ±40 o para a direita!<br />
Y<br />
✛<br />
✚<br />
Figura 9.13: Trajetória elíptica<br />
✻<br />
X2<br />
✘<br />
✙<br />
Neste novo referencial, a equação da trajetória será mais simples 2 :<br />
3x 2 1 + 2y 2 1 = 6.<br />
Observação 9.8.2 Numa situação como esta do exemplo 9.8.1, temos<br />
duas questões a saber:<br />
Como escolher o novo referencial?<br />
Uma vez escolhido, qual a relação entre as coordenadas de um ponto<br />
no antigo referencial e suas coordenadas no novo?<br />
A primeira questão é mais delicada e não será contemplada neste curso (o<br />
aluno interessado pode consultar [4], capítulo 11, não sem antes realizar<br />
um bom curso de <strong>Geometria</strong> <strong>Analítica</strong> segundo [11] ou [34]). A segunda,<br />
passaremos a estudar agora, mas logo num contexto mais amplo.<br />
1 Cinemática ou Estática, por exemplo.<br />
2 Para maiores detalhes, ver [11], ou [34].<br />
✲<br />
X1
UNIVATES – Centro Universitário 148<br />
Sejam β = {u1, . . . , un} e β ′ = {w1, . . . , wn} duas bases de um mesmo<br />
e.v. V. Dado v ∈ V, temos:<br />
v = x1u1 + . . . + xnun e<br />
v = y1w1 + . . . + ynwn, donde<br />
[v] t β = [x1 . . . xn], [v] t β ′ = [y1 . . . yn].<br />
Como {u1, . . . , un} é base de V, podemos escrever<br />
w1 = a11u1 + a21u2 + . . . + an1un<br />
w2 = a12u1 + a22u2 + . . . + an2un<br />
. = .<br />
wn = a1nu1 + a2nu2 + . . . + annun<br />
Substituindo em 9.1 e reordenando, temos:<br />
v = y1w1 + . . . + ynwn =<br />
.<br />
= (a11y1 + ... + a1nyn)u1 + . . . + (an1y1 + ... + annyn)un<br />
Mas, v = x1u1 + . . . + xnun. Pela unicidade das coordenadas:<br />
⎛<br />
x1<br />
⎜<br />
⎝ .<br />
⎞ ⎛<br />
a11<br />
⎟ ⎜<br />
⎠ = ⎝ .<br />
. . .<br />
. ..<br />
a1n<br />
.<br />
⎞ ⎛<br />
y1<br />
⎟ ⎜<br />
⎠ · ⎝ .<br />
⎞<br />
⎟<br />
⎠ .<br />
Denotando,<br />
xn<br />
an1 . . . ann<br />
an1 . . . ann<br />
yn<br />
[I] β′<br />
β =<br />
⎛<br />
⎞<br />
a11 . . . a1n<br />
⎜<br />
⎝<br />
.<br />
. ..<br />
⎟<br />
. ⎠ , temos<br />
[v]β = [I] β′<br />
β<br />
· [v]β ′.<br />
(9.1)<br />
(9.2)<br />
Definição 9.8.3 A matriz [I] β′<br />
β acima é a matriz de mudança da<br />
base β ′ para a base β.<br />
Exemplo 9.8.4 β = {(2, −1), (3, 4)}, β ′ = {(1, 0), (0, 1)} bases de R 2 .<br />
[I] β′<br />
β =?<br />
Resolução<br />
w1 = (1, 0) = a11(2, −1) + a21(3, 4) ⇒ a11 = 4/11, a21 = 1/11<br />
w2 = (0, 1) = a12(2, −1) + a22(3, 4) ⇒ a12 = −3/11, a22 = 2/11.<br />
Portanto,<br />
[I] β′<br />
β =<br />
<br />
4/11 −3/11<br />
1/11 2/11
UNIVATES – Centro Universitário 149<br />
Para v = (5, −8), na base β temos:<br />
[(5, −8)]β = [I] β′<br />
β · [(5, −8)]β ′ =<br />
<br />
4/11 −3/11 5<br />
=<br />
· =<br />
<br />
1/11<br />
<br />
2/11 −8<br />
4<br />
= ,<br />
−1<br />
isto é, (5, −8) = 4(2, −1) − 1(3, 4). <br />
<br />
Observação 9.8.5<br />
Note que, no exemplo 9.8.4, se quiséssemos apenas encontrar as coordenadas<br />
de (5, −8) em relação à base β, poderíamos simplesmente<br />
resolver o sistema<br />
<br />
(5, −8) = a(2, −1) + b(3, 4).<br />
O cálculo feito através da matriz de mudança de base é operacionalmente<br />
vantajoso quando trabalhamos com mais vetores, pois neste caso<br />
não teremos que resolver um sistema de equações para cada vetor.<br />
Para maiores detalhes, ver [9], [13], [36] ou [34].<br />
9.8.1 A Inversa da Matriz de Mudança de Base<br />
Se em 9.2 tivéssemos escrito os ui em função dos wj, teríamos:<br />
[v]β ′ = [I]β β ′ · [v]β.<br />
Como as matrizes [I] β<br />
β ′ e [I] β′<br />
β são inversíveis (verifique!), basta observar<br />
que<br />
<br />
[I] β′<br />
−1 β = [I] β<br />
β ′. (9.3)<br />
9.8.2 Exemplos<br />
Então,<br />
Exemplo 9.8.6 No exemplo 9.8.4, obter [I] β′<br />
β<br />
Ora, β ′ é a base canônica, logo<br />
[I] β′<br />
β =<br />
<br />
2 3<br />
−1 4<br />
x2<br />
[I] β<br />
β ′ =<br />
Resolução<br />
−1<br />
2 3<br />
−1 4<br />
=<br />
<br />
.<br />
4/11 −3/11<br />
1/11 2/11<br />
a partir de [I]β<br />
β ′.<br />
<br />
. <br />
Exemplo 9.8.7 V = R2 , β = {e1, e2} e β ′ = {f1, f2} obtida da base<br />
canônica β pela rotação de um ângulo θ. Dado um vetor v ∈ R2 <br />
de coorde-<br />
x1<br />
y1<br />
nadas [v]β = , quais são as coordenadas [v]β ′ = ?<br />
y2
UNIVATES – Centro Universitário 150<br />
Resolução<br />
Temos então v = x1e1 + x2e2 = y1f1 + y2f2.<br />
Procuramos [v]β ′ = [I]β β ′ · [v]β.<br />
f2<br />
e2<br />
■<br />
✻<br />
✻<br />
✍<br />
v<br />
✼<br />
f1<br />
θ<br />
✲ ✲<br />
e1<br />
Figura 9.14: Mudança de base<br />
Precisamos escrever e1 e e2 em função de f1 e f2 (ver figura no final da<br />
resolução):<br />
Portanto, [I] β<br />
β ′ <br />
cos θ sin θ<br />
=<br />
− sin θ cos θ<br />
ou seja,<br />
y1<br />
y2<br />
e1 = cos θf1 − sin θf2<br />
e2 = sin θf1 + cos θf2<br />
<br />
=<br />
<br />
, donde<br />
cos θ sin θ<br />
− sin θ cos θ<br />
y1 = x1 cos θ + x2 sin θ<br />
y2 = −x1 sin θ + x2 cos θ<br />
.<br />
<br />
x1<br />
·<br />
x2<br />
. <br />
<br />
,
UNIVATES – Centro Universitário 151<br />
cos θ<br />
f2<br />
cos θ<br />
■<br />
f2<br />
■<br />
− sin θ<br />
✿<br />
✻<br />
✻<br />
✻<br />
✍<br />
e2<br />
✌<br />
e2<br />
✻<br />
✾<br />
✒<br />
✲<br />
✒<br />
e1<br />
f1<br />
f1<br />
Figura 9.15: Rotação de vetores<br />
✲<br />
✲<br />
sin θ<br />
9.9 Exercícios de Fixação e Problemas de<br />
Aplicação<br />
Exercício 9.9.1 Responda se os subconjuntos abaixo são subespaços de<br />
M(2, 2). Em caso afirmativo, exiba geradores:<br />
<br />
<br />
a b<br />
1. V =<br />
com a, b, c, d ∈ R e b = c<br />
c d<br />
<br />
<br />
a b<br />
2. W =<br />
com a, b, c, d ∈ R e b = c + 1 .<br />
c d<br />
Exercício 9.9.2 Considere dois vetores (a, b) e (c, d) no plano. Se<br />
ad − bc = 0, mostre que eles são linearmente dependentes. Se ad − bc = 0,<br />
mostre que eles são linearmente independentes.
UNIVATES – Centro Universitário 152<br />
Exercício 9.9.3 Verifique se os conjuntos abaixo são espaços vetoriais<br />
reais, com operações usuais. No caso afirmativo, exiba uma base e dê a<br />
dimensão:<br />
1. Matrizes diagonais n × n<br />
2. Matrizes escalares n × n<br />
<br />
a<br />
3.<br />
a<br />
<br />
a + b<br />
:<br />
b<br />
<br />
a, b ∈ R<br />
4. V = {(a, a, . . . , a) ∈ R n ; a ∈ R}<br />
5. {(1, a, b) : a, b ∈ R}<br />
6. A reta {(x, x + 3) : x ∈ R}<br />
7. {(a, 2a, 3a) : a ∈ R}.<br />
Exercício 9.9.4 Considere o subespaço de R 4<br />
S = [(1, 1, −2, 4), (1, 1, −1, 2), (1, 4, −4, 8)] :<br />
1. O vetor ( 2<br />
3 , 1, −1, 2) pertence a S?<br />
2. O vetor (0, 0, 1, 1) pertence a S?<br />
Exercício 9.9.5 Seja W o subespaço de M(2, 2) definido por<br />
<br />
2a<br />
W =<br />
0<br />
<br />
a + 2b<br />
:<br />
a − b<br />
<br />
com a, b ∈ R .<br />
<br />
0<br />
1.<br />
0<br />
<br />
−2<br />
∈ W?<br />
1<br />
<br />
0<br />
2.<br />
3<br />
<br />
2<br />
∈ W?<br />
1<br />
Exercício 9.9.6 Seja W o subespaço de M(3, 2) gerado por<br />
⎛<br />
0<br />
⎞<br />
0<br />
⎛<br />
0 1<br />
⎞ ⎛<br />
0<br />
⎞<br />
1<br />
⎝ 1 1 ⎠ , ⎝ 0 −1 ⎠ e ⎝ 0 0 ⎠ .<br />
0 0 1 0<br />
0 0<br />
⎛<br />
O vetor ⎝<br />
0 2<br />
3 4<br />
5 0<br />
⎞<br />
⎠ pertence a W?<br />
Exercício 9.9.7 Mostre que<br />
é base de M(2, 2).<br />
1 0<br />
0 0<br />
<br />
0 1<br />
,<br />
0 0<br />
<br />
0 0<br />
,<br />
1 0<br />
<br />
0 0<br />
,<br />
0 1<br />
Exercício 9.9.8 Escreva uma base para o e.v. das matrizes n×n. Qual<br />
a dimensão deste espaço?
UNIVATES – Centro Universitário 153<br />
Exercício 9.9.9 Quais são as coordenadas de x = (1, 0, 0) em relação<br />
à base<br />
β = {(1, 1, 1), (−1, 1, 0), (1, 0, −1)}?<br />
Exercício 9.9.10 Seja Pn o espaço vetorial formado por todos os polinômios<br />
com coeficientes reais, de grau menor ou igual a n, incluindo o zero<br />
(ver 9.3.5). Qual a dimensão deste espaço vetorial?<br />
Exercício 9.9.11 Mostre que os polinômios 1 − t 3 , (1 − t) 2 , 1 − t e 1<br />
geram P3.<br />
Exercício 9.9.12 Seja P o conjunto de todos os polinômios (de grau<br />
qualquer) com coeficientes reais. Existe uma base finita para este espaço?<br />
Encontre uma “base”para P e justifique por que P é conhecido como um<br />
espaço de dimensão infinita.<br />
Exercício 9.9.13 Sejam U o subespaço de R 3 , gerado por (1, 0, 0) e W<br />
o subespaço de R 3 , gerado por (1, 1, 0) e (0, 1, 1). Mostre que R 3 = U ⊕ W.<br />
Exercício 9.9.14 Sejam W1 = {(x, y, z, t) ∈ R 4 | x + y = 0 e z − t = 0}<br />
e W2 = {(x, y, z, t) ∈ R 4 | x − y − z + t = 0} dois dos subespaços de R 4 .<br />
1. Determine W1 ∩ W2.<br />
2. Exiba uma base para W1 ∩ W2.<br />
3. Determine W1 + W2.<br />
4. W1 + W2 é soma direta? Justifique.<br />
5. W1 + W2 = R 4 ?<br />
Exercício 9.9.15 Sejam β = {(1, 0), (0, 1)}, β1 = {(−1, 1), (1, 1)},<br />
β2 = {( √ 3, 1), ( √ 3, −1)} e β3 = {(2, 0), (0, 2)} bases ordenadas de R 2 .<br />
1. Ache as matrizes de mudança de base:<br />
(a) [I] β1<br />
β ;<br />
(b) [I] β<br />
β1 ;<br />
(c) [I] β<br />
β2 ;<br />
(d) [I] β3<br />
β .<br />
2. Quais são as coordenadas do vetor v = (3, −2) em relação à base:<br />
(a) β;<br />
(b) β1;<br />
(c) β2;<br />
(d) β3?
UNIVATES – Centro Universitário 154<br />
3. As coordenadas de um vetor v em relação à base β1 são dadas por<br />
[v]β1 =<br />
4<br />
0<br />
<br />
.<br />
Quais são as coordenadas de v em relação à base:<br />
(a) β;<br />
(b) β2;<br />
(c) β3.<br />
Exercício 9.9.16 Se [I] α′<br />
α =<br />
1. [v]α onde [v]α ′ =<br />
⎛<br />
⎝<br />
⎛<br />
2. [v]α ′ onde [v]α = ⎝<br />
−1<br />
2<br />
3<br />
−1<br />
2<br />
3<br />
⎞<br />
⎠;<br />
⎞<br />
⎠.<br />
⎛<br />
⎝<br />
1 1 0<br />
0 −1 1<br />
1 0 −1<br />
⎞<br />
⎠, ache:<br />
Exercício 9.9.17 Se β ′ é obtida de β, a base canônica de R2 , pela<br />
rotação por um ângulo −π<br />
3 , ache:<br />
1. [I] β′<br />
β ;<br />
2. [I] β<br />
β ′.<br />
Exercício 9.9.18 Sejam β1 = {(1, 0), (0, 2)}, β2 = {(−1, 0), (1, 1)} e<br />
β3 = {(−1, −1), (0, −1)} três bases ordenadas de R 2 .<br />
1. Ache:<br />
(a) [I] β2<br />
β1 ;<br />
(b) [I] β3<br />
β2 ;<br />
(c) [I] β3<br />
β1 ;<br />
(d) [I] β2 · [I]β3 β1 β2 .<br />
2. Se for possível, dê uma relação entre estas matrizes de mudança de<br />
base.<br />
Exercício 9.9.19 Seja V o e.v. de matrizes 2 × 2 triangulares superiores.<br />
Sejam<br />
<br />
1 0 0 1 0 0<br />
β =<br />
, ,<br />
e<br />
<br />
0 0<br />
<br />
0 0<br />
<br />
0 1<br />
<br />
1 0 1 1 1 1<br />
β1 =<br />
, ,<br />
0 0 0 0 0 1<br />
duas bases de V. Ache [I] β1<br />
β .
UNIVATES – Centro Universitário 155<br />
Exercício 9.9.20 Volte a 9.3 e mostre efetivamente que<br />
([I] β′<br />
β )−1 = [I] β<br />
β ′.<br />
Exercício 9.9.21 Se α é base de um espaço vetorial, qual é a matriz de<br />
mudança de base [I] α α?<br />
9.10 Respostas dos Principais Exercícios do<br />
Capítulo<br />
9.9.4 1. Pertence: v = 0v1 + 5<br />
3 v2 − 1<br />
6 v3; 2. Não pertence<br />
9.9.5 1. Pertence; 2. Não pertence<br />
9.9.6 Não pertence<br />
9.9.9 [x]β = 1<br />
3<br />
9.9.15 1. a.<br />
− 1<br />
3<br />
−1 1<br />
1 1<br />
<br />
1<br />
3<br />
<br />
; b.<br />
2. a. [3 − 2]; b. − 5<br />
3. a. [−4 4]; b.<br />
2<br />
6−2 √ 3<br />
3<br />
− 1<br />
2<br />
1<br />
2<br />
<br />
1<br />
2 ; c.<br />
−6−2 √ 3<br />
3<br />
<br />
; c.<br />
1<br />
2<br />
1<br />
2<br />
√<br />
3 3−6<br />
6<br />
√<br />
3<br />
√6 3<br />
6<br />
3 √ 3+6<br />
6<br />
<br />
; c. [−2 2];<br />
9.9.16 1. [v]α = (1, 1, −4) t ; 2. [v]α ′ = (4, 4, −3)t<br />
9.9.18 1. a.<br />
9.9.19<br />
⎡<br />
⎣<br />
9.9.21 In.<br />
−1 1<br />
0 1<br />
2<br />
1 1 1<br />
0 1 1<br />
0 0 1<br />
⎤<br />
⎦;<br />
<br />
; b.<br />
0 −1<br />
−1 −1<br />
<br />
; c.<br />
1<br />
2<br />
1 − 2<br />
<br />
; d.<br />
<br />
; d. 3<br />
2 − 1 ;<br />
−1 0<br />
− 1<br />
2<br />
1<br />
2<br />
2 0<br />
0 2<br />
<br />
; d. idem c.<br />
Não apresentaremos as respostas dos demais exercícios deste capítulo<br />
para não tirarmos o seu prazer de resolvê-los.<br />
C H A E TING ER<br />
<br />
;
Capítulo 10<br />
Aprofundamento Sobre<br />
Transformações <strong>Linear</strong>es<br />
10.1 Introdução<br />
unções lineares descrevem o tipo mais simples de dependência entre<br />
variáveis.<br />
Exemplo 10.1.1 Se de 1kg de soja são extraídos 0, 2 litros de óleo, de<br />
uma produção de x kg de soja seriam extraídos 0, 2 · x litros de óleo.<br />
Escrevendo na forma de função: Q(S) = 0, 2 · S, onde Q = quantidade<br />
em litros de óleo de soja e S = quantidade em kg de soja.<br />
✻ Q<br />
Figura 10.1: Extração de óleo de soja por kg<br />
Vejamos duas características deste exemplo:<br />
Q = 0, 2 · S<br />
1. Q(S1 + S2) = 0, 2 · (S1 + S2) = 0, 2 · S1 + 0, 2 · S2 = Q(S1) + Q(S2),<br />
S1, S2 ∈ R;<br />
156<br />
✲<br />
S
UNIVATES – Centro Universitário 157<br />
2. Q(k · S) = 0, 2 · (kS) = k · (0, 2 · S) = k · Q(S), k ∈ R.<br />
Estas duas propriedades servirão para caracterizar “transformação linear”.<br />
Definição 10.1.2 Sejam V e W dois espaços vetoriais. Uma transformação<br />
linear (aplicação linear) é uma função de V em W , F : V → W ,<br />
satisfazendo, ∀u, v ∈ V , ∀k ∈ R:<br />
1. F (u + v) = F (u) + F (v);<br />
2. F (k · v) = k · F (v).<br />
Notação: por brevidade, denotaremos por TL qualquer transformação<br />
linear.<br />
10.2 Exemplos<br />
Exemplo 10.2.1 V = W = R e Q : R → R<br />
x 0, 2 · x.<br />
Exemplo 10.2.2 V = W = R e F : R → R<br />
,<br />
u F (u) = α · u<br />
onde α ∈ R.<br />
Toda transformação linear de R em R só pode ser deste tipo. De fato,<br />
F (x) = F (x · 1) e como F é uma TL e x é um escalar, F (x · 1) = x · F (1).<br />
Chamando F (1) = α, temos que F (x) = α · x.<br />
O nome transformação linear certamente foi inspirado neste caso em<br />
que V = W = R, pois o gráfico de F (x) = α · x é uma reta passando pela<br />
origem.<br />
Contra-Exemplo 10.2.3 A aplicação F : R → R<br />
u F (u) = u2 não é<br />
uma TL, pois seu gráfico não é uma reta.<br />
Ademais, F (u + v) = (u + v) 2 = u2 + 2uv + v2 = u2 + v2 = F (u) + F (v).<br />
Exemplo 10.2.4 F : R 2 → R 3<br />
(x, y) (2x, 0, x + y).<br />
Observação 10.2.5 Se T : V → W é uma TL, então T (0V ) = 0W , isto<br />
é, se 0 ∈ V então T (0) = 0 ∈ W . De fato, como T é uma TL, temos que<br />
T (0) = T (0 + 0) = T (0) + T (0) ⇒ T (0) = 0.<br />
Portanto, se T (0) = 0, então T não é uma transformação linear. Mas,<br />
cuidado, T (0) = 0 não é suficiente para que T seja linear (veja o contraexemplo<br />
10.2.3).
UNIVATES – Centro Universitário 158<br />
O próximo exemplo é muito importante. Ele mostra que a toda matriz<br />
m×n está associada uma transformação linear de R n em R m (note a troca da<br />
ordem de m e n), isto é, toda matriz produz uma TL. A recíproca também<br />
é verdadeira, ou seja, uma TL de R n em R m pode ser representada por uma<br />
matriz m × n (isto mostraremos mais adiante).<br />
Exemplo 10.2.6 V = Rn e W = Rm ⎡ ⎤<br />
. Seja A ∈ Mm×n(R). Definimos<br />
LA : Rn → Rm ⎢<br />
, onde v = ⎣<br />
v <br />
⎡<br />
A · v<br />
⎤ ⎡ ⎤<br />
⎢<br />
LA(v) = A · ⎣<br />
x1<br />
.<br />
xn<br />
⎥ ⎢<br />
⎦ = ⎣<br />
y1<br />
.<br />
ym<br />
x1<br />
.<br />
xn<br />
⎥<br />
⎦ é um vetor coluna e<br />
⎥<br />
⎦. Tal aplicação é uma TL.<br />
O exemplo 10.2.4 acima é um caso particular:<br />
LA : R2 → R3 ⎡ ⎤<br />
2 0<br />
x1<br />
⎣ 0 0 ⎦ ·<br />
x2<br />
1 1<br />
x1<br />
x2<br />
⎡<br />
<br />
= ⎣<br />
2x1<br />
0<br />
x1 + x2<br />
Exemplo 10.2.7 V = W = Pn (polinômios de grau ≤ n).<br />
D : Pn → Pn<br />
f f ′<br />
, a aplicação derivada.<br />
10.3 Transformações do Plano no Plano<br />
10.3.1 Expansão (ou Contração) Uniforme<br />
Uma expansão (contração) uniforme é toda aplicação do tipo<br />
T : R 2 → R 2<br />
v α · v<br />
, com α ∈ R.<br />
Exemplo 10.3.1 Seja T : R2 → R2 , ou T (x, y) = 2 · (x, y). Esta<br />
v 2 · v<br />
função leva cada vetor do plano num vetor de mesma direção e sentido de<br />
v, mas de módulo 2 vezes maior.<br />
<br />
x x<br />
2 ·<br />
y y<br />
ou<br />
<br />
x 2<br />
<br />
y 0<br />
<br />
0 x<br />
· .<br />
2 y<br />
⎤<br />
⎦ .
UNIVATES – Centro Universitário 159<br />
✻<br />
✲<br />
Figura 10.2: Expansão ou contração uniforme<br />
Se tomássemos F : R2 → R2 tal que F (x, y) = 1<br />
2 · (x, y), F seria uma<br />
contração.<br />
10.3.2 Reflexão em Torno do Eixo <br />
OX<br />
A reflexão em torno do eixo <br />
OX é dada pela aplicação<br />
F : R2 → R2 (x, y) (x, −y).<br />
Matricialmente, podemos descrever a aplicações do seguinte modo:<br />
<br />
x x x 1<br />
ou <br />
y −y y 0<br />
<br />
0 x<br />
· .<br />
−1 y<br />
✻<br />
✲<br />
Figura 10.3: Reflexão em torno do eixo horizontal<br />
10.3.3 Reflexão pela Origem<br />
A reflexão pela origem é dada pela aplicação T : R2 → R2 , ou seja,<br />
v<br />
T (x, y) = (−x, −y).<br />
−v<br />
Matricialmente, podemos descrever a aplicações do seguinte modo:<br />
<br />
x −x x −1<br />
ou <br />
y −y y 0<br />
<br />
0 x<br />
· .<br />
−1 y<br />
Fisicamente, esta reflexão corresponde à rotação de 180 o em torno da<br />
origem.<br />
✻<br />
❄<br />
✲<br />
✲
UNIVATES – Centro Universitário 160<br />
✻<br />
✲<br />
✛<br />
❄<br />
Figura 10.4: Reflexão pela origem<br />
10.3.4 Rotação de um ângulo θ<br />
A rotação de um ângulo θ (no sentido anti-horário) é descrita pelas<br />
seguintes relações:<br />
x ′ = r · cos(α + θ) = r · cos α · cos θ − r · sin α · sin θ.<br />
Mas, r · cos α = x e r · sin α = y. Então x ′ = x · cos θ − y · sin θ.<br />
Analogamente,<br />
y ′ = r · sin(α + θ) = r · (sin α · cos θ + cos α · sin θ) = y · cos θ + x · sin θ.<br />
y<br />
✻ ✻<br />
✘✘✘✘✘✘✿ α<br />
x<br />
✲ ✄ ✲<br />
✄✄✄✄✄✗<br />
✘✘✘✘✘✘✿ θ<br />
α<br />
Figura 10.5: Rotação de um ângulo dado<br />
Assim, Rθ(x, y) = (x · cos θ − y · sin θ, y · cos θ + x · sin θ), ou na forma<br />
matricial,<br />
x<br />
y<br />
<br />
<br />
<br />
x · cos θ − y · sin θ cos θ − sin θ x<br />
=<br />
·<br />
y · cos θ + x · sin θ sin θ cos θ y<br />
<br />
Rθ(x,y)<br />
y ′<br />
x ′<br />
<br />
.
UNIVATES – Centro Universitário 161<br />
10.3.5 Cisalhamento Horizontal<br />
O cisalhamento horizontal é dado pela relação<br />
T (x, y) = (x + αy, y), α ∈ R.<br />
Ele consiste na modificação da primeira coordenada do vetor (x, y),<br />
substituindo-a por uma combinação linear específica de x e y, a saber:<br />
x x + αy, α ∈ R.<br />
✻<br />
✲<br />
10.3.6 Translação<br />
✻<br />
Figura 10.6: Cisalhamento horizontal<br />
Note que a translação segundo um vetor (a, b) = (0, 0), embora seja<br />
uma transformação do plano no plano, não é linear (pois não leva o zero<br />
no zero). O único caso em que a translação é linear é quando a = b = 0.<br />
Ela é dada pela relação T (x, y) = (x + a, y + b), ou matricialmente por<br />
x<br />
y<br />
<br />
<br />
1 0<br />
0 1<br />
<br />
x<br />
·<br />
y<br />
10.4 Conceitos e Teoremas<br />
<br />
a<br />
+<br />
b<br />
As TL são perfeitamente determinadas conhecendo-se seu valor nos elementos<br />
de uma base.<br />
Teorema 10.4.1 Sejam V e W espaços vetoriais reais e {v1, . . . , vn}<br />
uma base de V . Sejam w1, . . . , wn ∈ W . Então existe uma única aplicação<br />
linear T : V → W tal que T (v1) = w1, . . . , T (vn) = wn.<br />
prova: Seja v = a1v1 + . . . anvn um vetor de V . Então<br />
T (v) = a1T (v1) + . . . + anT (vn) = a1w1 + . . . + anwn.<br />
Note que T é linear e é única nas condições acima.<br />
<br />
.<br />
✲
UNIVATES – Centro Universitário 162<br />
Exemplo 10.4.2 Qual é a transformação linear T : R 2 → R 3 tal que<br />
T (1, 0) = (2, −1, 0) e T (0, 1) = (0, 0, 1)?<br />
Solução<br />
Os vetores e1 = (1, 0) e e2 = (0, 1) formam uma base de R 2 . Sejam<br />
w1 = (2, −1, 0) e w2 = (0, 0, 1). Dado v = (x1, x2), temos que v = x1e1+x2e2<br />
e T (v) = x1T (e1) + x2T (e2) = x1(2, −1, 0) + x2(0, 0, 1) = (2x1, −x1, x2). <br />
Definição 10.4.3 Seja T : V → W uma aplicação linear. A imagem<br />
de T é o conjunto dos vetores w ∈ W tais que existe um vetor v ∈ V , que<br />
satisfaz T (v) = w. Ou seja,<br />
Im(T ) = {w ∈ W | T (v) = w para algum v ∈ V }.<br />
Note que Im(T ) ⊆ W e, além disso, é um subespaço vetorial de W . Às<br />
vezes Im(T ) é escrito como T (V ).<br />
Definição 10.4.4 Seja T : V → W uma transformação linear. O conjunto<br />
de todos os vetores v ∈ V tais que T (v) = 0 é chamado núcleo (ou<br />
kernel) de T , denotado por ker(T ). Isto é,<br />
ker(T ) = {v ∈ V | T (v) = 0}.<br />
Note que ker(T ) ⊆ V e é um subespaço vetorial de V .<br />
✬<br />
✫<br />
ker(T )<br />
V W<br />
✩✬<br />
0<br />
T<br />
✪✫<br />
Figura 10.7: Diagrama de núcleo e imagem de uma TL<br />
Im(T )<br />
Exemplo 10.4.5 Seja T : R 2 → R com T (x, y) = x + y. Então<br />
ker(T ) = {(x, y) ∈ R 2 | x + y = 0} é a reta y = −x, ou ainda,<br />
ker(T ) = {(x, −x) | x ∈ R} = [(1, −1)]. E Im(T ) = R, pois para todo<br />
w ∈ R, w = T (w, 0).<br />
Exemplo 10.4.6 Seja T : R 3 → R 3 com T (x, y, z) = (x, 2y, 0). Então<br />
Im(T ) = {(x, 2y, 0) ∈ R 3 | x, y ∈ R} =<br />
= {x(1, 0, 0) + y(0, 2, 0) | x, y ∈ R} = [(1, 0, 0), (0, 2, 0)].<br />
Note que dim Im(T ) = 2.<br />
Ademais, ker(T ) = {(x, y, z) | (x, 2y, 0) = (0, 0, 0)} = [(0, 0, 1)], onde<br />
dim ker(T ) = 1. <br />
0<br />
✲<br />
✩<br />
✪
UNIVATES – Centro Universitário 163<br />
Definição 10.4.7 Uma aplicação T : V → W é injetora se T (u) = v<br />
implicar que u = v, para quaisquer u, v ∈ V . Equivalentemente, T é injetora<br />
se dados u, v ∈ V com u = v, então T (u) = T (v).<br />
Em outras palavras, T é injetora se as imagens de vetores distintos são<br />
distintas.<br />
Definição 10.4.8 A aplicação T : V → W é sobrejetora se a imagem<br />
de T coincidir com W , ou seja, T (V ) = W .<br />
Em outras palavras, T é sobrejetora se dado w ∈ W , existir v ∈ V tal<br />
que T (v) = w.<br />
O próximo teorema afirma que uma TL injetora só tem o vetor nulo no<br />
seu núcleo. E, por outro lado, se uma TL tiver somente 0 no seu núcleo,<br />
então quaisquer dois vetores distintos devem ter imagens distintas também.<br />
Teorema 10.4.9 Seja T : V → W uma aplicação linear. Então<br />
ker(T ) = {0} ⇔ T é injetora.<br />
Corolário 10.4.10 Seja T : V → W uma aplicação linear injetora.<br />
Então T leva vetores linearmente independentes em vetores linearmente independentes.<br />
Teorema 10.4.11 Seja T : V → W uma aplicação linear. Então<br />
dim ker(T ) + dim Im(T ) = dim V .<br />
prova: Seja {v1, . . . , vn} base de ker(T ) ⊆ V . Como ker(T ) é um subespaço<br />
de V , podemos completar este conjunto de modo a obter uma base<br />
de V . Seja então {v1, . . . , vn, . . . , w1, . . . , wm} a base de V .<br />
Afirmação: {T (w1), . . . , T (wm)} é base de Im(T ).<br />
Provemos, inicialmente, que [T (w1), . . . , T (wm)] = Im(T ).<br />
Dado w ∈ Im(T ), ∃u ∈ V tal que T (u) = w. Como u ∈ V , temos que<br />
u = a1v1 + . . . + anvn + b1w1 + . . . + bmwm. Mas,<br />
w = T (u) = T (a1v1 + . . . + anvn + b1w1 + . . . + bmwm) =<br />
= b1T (w1) + . . . + bmT (wm),<br />
pois v1, . . . , vn ∈ ker(T ). Logo Im(T ) = [T (w1), . . . , T (wm)].<br />
Mostraremos agora que {T (w1), . . . , T (wm)} é linearmente independente.<br />
De fato, suponhamos que a1T (w1) + a2T (w2) + . . . + amT (wm) = 0.<br />
Como T é linear, segue que T (a1w1 + a2w2 + . . . + amwm) = 0, donde<br />
a1w1 + . . . + amwm ∈ ker(T ). Então a1w1 + . . . + amwm pode ser escrito<br />
como combinação linear da base {v1, . . . , vn} de ker(T ). Isto é , ∃b1, . . . , bn<br />
tais que a1w1 + . . . + amwm = b1v1 + . . . + bnvn, ou ainda,<br />
a1w1 + . . . + amwm − b1v1 − . . . − bnvn = 0.<br />
Mas, {v1, . . . , vn, w1, . . . , wm} é base de V , e então segue que<br />
a1 = a2 = . . . = am = b1 = . . . = bn = 0.
UNIVATES – Centro Universitário 164<br />
Corolário 10.4.12 Se dim V = dim W , então T linear é injetora se,<br />
e somente se, T é sobrejetora.<br />
Corolário 10.4.13 Seja T : V → W uma TL linear injetora. Se<br />
dim V = dim W , então T leva base em base.<br />
prova: (sketch) {v1, . . . , vn} base de V .<br />
W ⊇ {T (v1), . . . , T (vn)} é LI, pois k1T (v1) + . . . + knT (vn) = 0 implica<br />
que T (k1v1+. . .+knvn) = 0. Como T é injetora, então k1v1+. . .+knvn = 0.<br />
Mas, {v1, . . . , vn} é base, logo ki = 0 para todo 1 ≤ i ≤ n.<br />
Visto que dim V = dim W = n, {T (v1), . . . , T (vn)} é base de W .<br />
Quando uma transformação linear T : V → W for injetora e sobrejetora<br />
ao mesmo tempo, dá-se o nome de isomorfismo. Sob o ponto de vista da<br />
<strong>Álgebra</strong> <strong>Linear</strong>, espaços vetoriais isomorfos são, por assim dizer, idênticos.<br />
Pelo que já provamos, espaços isomorfos devem ter a mesma dimensão. Logo,<br />
um isomorfismo leva base em base. Além disso, um isomorfismo T : V → W<br />
tem uma aplicação inversa T −1 : W → V que é linear e é também um<br />
isomorfismo.<br />
Exercício 10.4.14 Seja T : R 3 → R 3 a transformação linear dada por<br />
T (x, y, z) = (x − 2y, z, x + y). Mostre que T é isomorfismo e obtenha T −1 .<br />
(Dica): Mostre que ker(T ) = {0} e calcule T ({e1, e2, e3}). <br />
10.5 Transformações <strong>Linear</strong>es e Matrizes<br />
Já vimos que toda matriz m × n está associada a uma transformação<br />
linear T : Rn → Rm . Vamos generalizar este resultado para espaços vetoriais<br />
V e W e também estabelecer o seu recíproco, isto é, uma vez fixadas as bases,<br />
a toda transformação linear T : V → W está associada uma única matriz.<br />
Inicialmente veremos como, dados dois espaços vetoriais V e W com<br />
bases β e β ′ e uma matriz A, podemos obter uma TL.<br />
Consideremos R2 e as bases β = {(1, 0), (0, 1)} e β ′ <br />
= {(1, 1), (−1, 1)}<br />
2 0<br />
e a matriz A = . Queremos associar a esta matriz A uma TL<br />
0 1<br />
que depende de A e das bases β e β ′ dadas, isto é, TA: R2 → R2 com<br />
T (v) = TA(v).<br />
<br />
x<br />
Sejam v = (x, y) e X = [v]β = . Então<br />
y<br />
<br />
2 0 x 2x<br />
AX = · = = [TA(v)]β<br />
0 1 y y<br />
′.<br />
Logo TA(v) = 2x(1, 1) + y(−1, 1) = (2x − y, 2x + y).<br />
De um modo geral, fixadas as bases β = {v1, . . . , vn} e<br />
β ′ ⎛<br />
⎞<br />
a11 . . . a1m<br />
⎜<br />
⎟<br />
= {w1, . . . , wm}, à matriz A = ⎝ . . ⎠ podemos associar a<br />
am1 . . . amn<br />
aplicação TA: Rn → Rm (v TA(v)).
UNIVATES – Centro Universitário 165<br />
Seja X = [v]β =<br />
A · X =<br />
⎡<br />
⎢<br />
⎣<br />
⎡<br />
⎢<br />
⎣<br />
x1<br />
.<br />
xn<br />
⎤<br />
⎥<br />
⎦. Então<br />
a11 . . . a1n<br />
.<br />
am1 . . . amn<br />
.<br />
⎤<br />
⎡<br />
⎥ ⎢<br />
⎦ · ⎣<br />
x1<br />
.<br />
xn<br />
⎤<br />
⎡<br />
⎥ ⎢<br />
⎦ = ⎣<br />
Portanto, TA(v) = y1w1 + . . . + ymwm, onde yi = Ai · X e Ai é a i-ésima<br />
linha de A.<br />
Em geral, uma matriz Am×n é vista como uma transformação linear<br />
TA: Rn → Rm em relação às bases canônicas de Rn e Rm .<br />
<br />
1 −3 5<br />
Exemplo 10.5.1 Sejam A =<br />
, β = {(1, 0), (0, 1)} e<br />
2 4 −1<br />
β ′ = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}. Considere TA: R3 → R2 ⎡ ⎤<br />
. Seja<br />
x<br />
X = ⎣ y ⎦. Então<br />
z<br />
Portanto,<br />
A · X =<br />
1 −3 5<br />
2 4 −1<br />
⎡<br />
<br />
· ⎣<br />
x<br />
y<br />
z<br />
⎤<br />
⎦ =<br />
y1<br />
.<br />
ym<br />
⎤<br />
x − 3y + 5z<br />
2x + 4y − z<br />
⎥<br />
⎦ .<br />
TA(x, y, z) = (x − 3y + 5z)(1, 0) + (2x + 4y − z)(0, 1) =<br />
= (x − 3y + 5z, 2x + 4y − z). <br />
Agora iremos encontrar a matriz associada a uma TL.<br />
Sejam T : V → W linear, β = {v1, . . . , vn} base de V e β ′ = {w1, . . . , wm}<br />
base de W . Então T (v1), . . . , T (vn) são vetores de W e portanto<br />
T (v1) = a11w1 + . . . + aimwm<br />
.<br />
.<br />
T (vn) = an1w1 + . . . + anmwm.<br />
A transposta da matriz de coeficientes deste sistema, denotada por [T ] β<br />
β ′<br />
é chamada matriz de T em relação às bases β e β ′ .<br />
⎡<br />
⎤<br />
[T ] β<br />
β ′ ⎢<br />
= ⎣<br />
a11 . . . an1<br />
.<br />
a1m . . . an,m<br />
.<br />
⎥<br />
⎦<br />
m×n<br />
= A.<br />
Observe que T passa a ser a aplicação linear associada à matriz A e bases<br />
β e β ′ , isto é, T = TA.<br />
<br />
.
UNIVATES – Centro Universitário 166<br />
Exemplo 10.5.2 Seja T : R 3 → R 2 a transformação linear dada por<br />
T (x, y, z) = (2x+y −z, 3x−2y +4z). Sejam β = {(1, 1, 1), (1, 1, 0), (1, 0, 0)}<br />
e β ′ = {(1, 3), (1, 4)}. Procuremos [T ] β<br />
β ′. Temos:<br />
Então [T ] β<br />
β ′ <br />
3 11 5<br />
=<br />
−1 −8 −3<br />
T (1, 1, 1) = (2, 5) = 3(1, 3) − 1(1, 4)<br />
T (1, 1, 0) = (3, 1) = 11(1, 3) − 8(1, 4)<br />
T (1, 0, 0) = (2, 3) = 5(1, 3) − 3(1, 4).<br />
<br />
. <br />
Observe que se fixarmos outras bases β e β ′ , teremos outra matriz para<br />
a transformação T .<br />
Exemplo 10.5.3 Para uma aplicação linear T como acima, sejam<br />
β = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e β ′ = {(1, 0), (0, 1)}. Calculemos [T ] β<br />
β ′:<br />
Então [T ] β<br />
β ′ <br />
2 1 −1<br />
=<br />
3 −2 4<br />
T (1, 0, 0) = (2, 3) = 2(1, 0) + 3(0, 1)<br />
T (0, 1, 0) = (1, −2) = 1(1, 0) − 2(0, 1)<br />
T (0, 0, 1) = (−1, 4) = −1(1, 0) + 4(0, 1).<br />
<br />
. <br />
Observação 10.5.4 Denota-se por [T ] a matriz de uma transformação<br />
linear T : R m → R n em relação às bases canônicas.<br />
Notação: Tv = T (v)<br />
Exemplo 10.5.5 Seja T : V → V dada por T (v) = v a aplicação identidade.<br />
Sejam β = {v1, . . . , vn} e β ′ = {v ′ 1 , . . . , v′ n} bases de V . Então<br />
[T ] β<br />
β ′ ⎡<br />
⎤<br />
a11 . . . an1<br />
⎢<br />
⎥<br />
= ⎣ . . ⎦ = [I] β<br />
β ′.<br />
a1n . . . ann<br />
Esta é a matriz da aplicação identidade da base β na base β ′ . <br />
Exemplo 10.5.6 Dadas as bases β = {(1, 1), (0, 1)} de R2 e<br />
β ′ = {(0, 3, 0), (−1, 0, 0), (0, 1, 1)} de R3 , encontremos a transformação linear<br />
T : R2 → R3 cuja matriz é [T ] β<br />
β ′ ⎡ ⎤<br />
0 2<br />
= ⎣ −1 0 ⎦. Temos:<br />
−1 3<br />
T (1, 1) = 0(0, 3, 0) − 1(−1, 0, 0) − 1(0, 1, 1) = (1, −1, −1)<br />
T (0, 1) = 2(0, 3, 0) + 0(−1, 0, 0) + 3(0, 1, 1) = (0, 9, 3).<br />
Note que os coeficientes acima são as colunas de [T ] β<br />
β ′.<br />
Devemos encontrar T (x, y). Para isto escrevemos (x, y) em relação à<br />
base β: (x, y) = x(1, 1) + (y − x)(0, 1).<br />
Aplicando T e usando a linearidade:<br />
T (x, y) = xT (1, 1) + (y − x)T (0, 1) = x(1, −1, −1) + (y − x)(0, 9, 3) =<br />
= (x, 9y − 10x, 3y − 4x).
UNIVATES – Centro Universitário 167<br />
O resultado a seguir dá o significado da matriz de uma TL.<br />
Teorema 10.5.7 Sejam V , W espaços vetoriais, α base de V , β base<br />
de W e T : V → W uma transformação linear. Então, para todo v ∈ V ,<br />
vale:<br />
· [v]α.<br />
[T (v)]β = [T ] α β<br />
prova: Faremos a prova no caso dim V = 2 e dim W = 3. O caso geral<br />
é inteiramente análogo.<br />
Sejam α = {v1, v2} base de V , β = {w1, w2, w3} base de W e<br />
[T ] α β =<br />
⎡ ⎤<br />
⎡ ⎤<br />
a11 a12<br />
<br />
y1<br />
x1<br />
⎣ ⎦. Sejam ainda v ∈ V e [v]α = e [T v]β = ⎣ ⎦.<br />
a21 a22<br />
a31 a32<br />
Da matriz [T ] α β<br />
sabemos que<br />
x2<br />
T v1 = a11w1 + a21w2 + a31w3<br />
T v2 = a12w1 + a22w2 + a32w3.<br />
Além disso, v = x1v1 + x2v2 e, como T é linear,<br />
T v = x1T v1+x2T v2 = (a11x1+a12x2)w1+(a21x1+a22x2)w2+(a31x1+a32x2)w3.<br />
Mas, T v = y1w1 + y2w2 + y3w3 e, pela unicidade:<br />
⎡<br />
ou seja, ⎣<br />
y1<br />
y2<br />
y3<br />
⎤<br />
⎡<br />
⎦ = ⎣<br />
a11 a12<br />
a21 a22<br />
a31 a32<br />
y1 = a11x1 + a12x2<br />
y2 = a21x1 + a22x2<br />
y3 = a31x1 + a32x2,<br />
⎤<br />
⎦ ·<br />
x1<br />
x2<br />
<br />
. Isto é, [T v]β = [T ] α β · [v]α.<br />
Através deste teorema, o estudo de TL entre espaços vetoriais de dimensão<br />
finita é reduzido ao estudo de matrizes.<br />
Exemplo 10.5.8 Seja a transformação linear T : R2 → R3 dada por<br />
[T ] α β =<br />
⎡ ⎤<br />
1 −1<br />
⎣ 0 1 ⎦, onde α = {(1, 0), (0, 1)} é base de R<br />
−2 3<br />
2 ,<br />
β = {(1, 0, 1), (−2, 0, 1), (0, 1, 0} é base de R3 .<br />
<br />
2<br />
Qual é a imagem de v = (2, −3) pela aplicação T ? Ora, [v]α = .<br />
−3<br />
Portanto, [T v]β = [T ] α β · [v]α<br />
⎡ ⎤<br />
⎡ ⎤<br />
1 −1 5<br />
= ⎣ 0 1 ⎦<br />
2<br />
· = ⎣ −3 ⎦, ou seja,<br />
−3<br />
−2 3<br />
−13<br />
T v = 5(1, 0, 1) − 3(−2, 0, 1) − 13(0, 1, 0) = (11, −13, 2). <br />
Teorema 10.5.9 Seja T : V → W uma TL e sejam α e β bases de V e<br />
W , respectivamente. Então<br />
dim Im(T ) = posto de [T ] α β , e<br />
dim ker(T ) = nulidade de [T ] α β = no colunas − posto de [T ] α β .<br />
y2<br />
y3
UNIVATES – Centro Universitário 168<br />
Teorema 10.5.10 Sejam T1: V → W e T2: W → U transformações<br />
lineares e α, β, γ bases de V , W e U, respectivamente. Então a composta de<br />
T1 com T2, T2 ◦ T1: V → U, é linear e<br />
[T2 ◦ T1] α γ = [T2] β γ · [T1] α β .<br />
prova: Basta analisar o que ocorre nas bases.<br />
Exemplo 10.5.11 Consideremos uma expansão do plano R2 dada por<br />
T1(x, y) = 2(x, y), e um cisalhamento dado por T2(x, y) = (x + 2y, y), aplicados<br />
nesta ordem. As matrizes (em relação à base canônica ξ, do R2 ) das<br />
TL são [T1] ξ<br />
ξ =<br />
<br />
2 0<br />
e [T2]<br />
0 2<br />
ξ<br />
ξ =<br />
<br />
1 2<br />
. Então a matriz (em relação à<br />
0 1<br />
base canônica do R2 <br />
)<br />
<br />
que representa<br />
<br />
a expansão<br />
<br />
seguida do cisalhamento é<br />
1 2 2 0 2 4<br />
[T2 ◦ T1] = · = . <br />
0 1 0 2 0 2<br />
Exemplo 10.5.12 Sejam T1, T2 transformações lineares, T1: R2 → R3 ,<br />
T2: R3 → R2 dadas por: [T1] α β =<br />
⎡ ⎤<br />
1 0<br />
⎣ 1 −1 ⎦ e [T2]<br />
0 1<br />
β <br />
0 1 −1<br />
γ =<br />
, em<br />
0 0 0<br />
relação às bases α = {(1, 0), (0, 2)}, β = {( 1<br />
3 , 0, −3), (1, 1, 15), (2, 0, 5)} e<br />
γ = {(2, 0), (1, 1)}.<br />
Qual é a TL composta T2 ◦ T1: R2 → R2 , ou seja, (T2 ◦ T1)(x, y)?<br />
Solução:<br />
Ora, [T2 ◦T1] α γ = [T2] β γ ·[T1] α β =<br />
⎡<br />
<br />
0 1 −1<br />
· ⎣<br />
0 0 0<br />
1 0<br />
1 −1<br />
0 1<br />
⎤<br />
⎦ =<br />
1 −2<br />
0 0<br />
Escrevemos agora as coordenadas do vetor (x, y) em relação à base α:<br />
[(x, y)]α =<br />
xy<br />
2<br />
<br />
. Assim,<br />
[(T2 ◦ T1)(x, y)]γ = [T2 ◦ T1] α γ · [(x, y)]α =<br />
1 −2<br />
0 0<br />
<br />
xy<br />
·<br />
2<br />
<br />
=<br />
x − y<br />
0<br />
Portanto, (T2 ◦ T1)(x, y) = (x − y)(2, 0) + 0(1, 1) = (2x − 2y, 0). <br />
Corolário 10.5.13 Se T : V → W é uma TL invertível (T é um isomorfismo)<br />
e α e β são as bases de V e W , então T −1 : W → V é um<br />
operador linear e<br />
[T −1 ] β α = ([T ] α β )−1 .<br />
prova: Ora, [I] α α = [T −1 ◦ T ] α α = [T −1 ] β α · [T ] α β .<br />
Corolário 10.5.14 Sejam T : V → W uma TL e α e β bases de V e<br />
W . Então T é invertível se, e somente se, det[T ] α β = 0.<br />
<br />
.<br />
<br />
.
UNIVATES – Centro Universitário 169<br />
Exemplo 10.5.15 Seja T : R2 → R2 uma TL dada por [T ] ξ<br />
ξ =<br />
<br />
3 4<br />
, onde ξ é a base canônica de R<br />
2 3<br />
2 . Como det[T ] ξ<br />
ξ = 1 = 0, o Corolário<br />
10.5.14 afirma que T é invertível. Pelo Corolário 10.5.13, sabemos<br />
que<br />
[T −1 ] ξ<br />
ξ = ([T ]ξ<br />
ξ )−1 <br />
3<br />
=<br />
2<br />
−1 <br />
4<br />
3<br />
=<br />
3<br />
−2<br />
<br />
−4<br />
. Então<br />
3<br />
[T −1 (x, y)]ξ = [T −1 ] ξ<br />
<br />
x<br />
ξ ) ·<br />
y<br />
<br />
3<br />
=<br />
−2<br />
<br />
−4 x 3x − 4y<br />
· =<br />
, ou<br />
3 y −2x + 3y<br />
ξ<br />
seja, T −1 (x, y) = (3x − 4y, −2x + 3y). <br />
Se T : V → W é uma TL, α, α ′ são bases de V e β, β ′ são bases de W ,<br />
então podemos relacionar as matrizes [T ] α β<br />
e [T ]α′<br />
β ′:<br />
Corolário 10.5.16 [T ] α′<br />
β ′ = [I ◦ T ◦ I] α′<br />
β ′ = [I] β<br />
β ′ · [T ] α β · [I]α′ α .<br />
Caso particular: se T : V → V é uma TL e α e β são bases de V , então<br />
[T ] β<br />
β<br />
chamando [I] α β<br />
= [I ◦ T ◦ I]β<br />
β = [I]α β · [T ]α α · [I] β α. Lembrando que [I] β α = ([I] α β )−1 e<br />
[T ] α α e [T ] β<br />
β<br />
= A, vem que [T ]β<br />
β = A · [T ]α α · A −1 . Dizemos neste caso que<br />
são semelhantes.<br />
Pelo corolário anterior, observamos através de mudanças convenientes<br />
de bases qual a modificação que a matriz de uma TL sofre.<br />
Exemplo 10.5.17 Seja a transformação linear T :R3 → R3 cuja matriz<br />
em relação à base canônica é [T ] ξ<br />
ξ =<br />
⎡<br />
⎤<br />
−2 4 −4<br />
⎣ 1<br />
3<br />
−2<br />
−6<br />
1<br />
5<br />
⎦. Calculemos a matriz<br />
desta TL em relação à base β = {(0, 1, 1), (−1, 0, 1), (1, 1, 1)}.<br />
Ora, [T ] β<br />
β = [I]ξ β · [T ]ξ<br />
ξ · [I]β ξ , onde [I]β ξ =<br />
⎡<br />
⎤<br />
0 −1 1<br />
⎣ 1<br />
1<br />
0 1 ⎦ e<br />
1 1<br />
[I] ξ<br />
β =<br />
⎡<br />
⎤<br />
−1 2 −1<br />
⎣ 0<br />
1<br />
−1<br />
−1<br />
1<br />
1<br />
⎦. Então [T ] β<br />
β =<br />
⎡<br />
−1 0<br />
⎤<br />
0<br />
⎣ 0<br />
0<br />
2<br />
0<br />
2 ⎦.<br />
0<br />
<br />
Questão: Dada uma TL, há algum procedimento prático para se calcular<br />
uma base em que a matriz desta TL seja a “mais simples possível”?<br />
Não percam a resposta, nos próximos capítulos!!!<br />
10.6 Aplicações à Óptica<br />
Consideremos aqui o caso de um feixe de luz de raios paralelos (cuja<br />
direção pode, portanto, ser dada por um vetor) que se reflete em espelhos<br />
planos.<br />
Analisemos inicialmente a propagação no R 2 , como o espelho colocado<br />
no eixo horizontal.<br />
Dado um raio de luz incidente na direção do vetor (a, b), perguntamos:<br />
em que direção (c, d) estará o raio refletido?
UNIVATES – Centro Universitário 170<br />
✻<br />
❩ ❩❩❩❩❩⑦✚ ✚ ✚✚✚✚❃<br />
❩ ❩❩❩❩❩⑦<br />
(c, d)<br />
(a, b)<br />
Figura 10.8: Reflexão de um raio de luz em espelho plano horizontal<br />
<br />
Recordemos nossas aulas de Física:<br />
O raio de luz incidente, a normal ao espelho no ponto de incidência e<br />
<br />
o raio refletido estão no mesmo plano;<br />
O ângulo entre o raio incidente e a normal ao espelho é o mesmo que<br />
<br />
o ângulo entre a normal e o raio refletido;<br />
Supondo que o espelho é perfeito, i.e., não há absorção de luz, a luz<br />
se reflete com a mesma intensidade que tinha na incidência.<br />
Neste 1 o caso, as propagações já se dão no mesmo plano. Se o comprimento<br />
do vetor indicar a intensidade da luz, o 3 o item acima indica que<br />
o vetor refletido terá o mesmo tamanho que o incidente. Estes resultados,<br />
junto com o 2 o item acima, implicam<br />
que c = a e d = −b ou, em forma de<br />
c 1 0 a<br />
matriz, =<br />
· . Podemos concluir, portanto, que um<br />
d 0 −1 b<br />
espelho atua sobre os raios luminosos como uma transformação linear E (já<br />
havíamos visto isto anteriormente).<br />
Passemos agora a estudar qual é a matriz associada a um espelho numa<br />
posição formando um ângulo θ com a horizontal.<br />
Podemos fazer este caso cair na situação anterior considerando uma mudança<br />
de base.<br />
Tomamos a base β = {e1, e2} onde e1 = (cos θ, sin θ) está na direção de<br />
x ′ (espelho) e e2 = (cos( π<br />
π<br />
2 + θ), sin( 2 + θ)) = (− sin θ, cos θ) está na direção<br />
normal ao espelho.<br />
Em relação a esta base, [E] β<br />
β =<br />
<br />
1 0<br />
. Portanto, em relação à base<br />
0 −1<br />
canônica temos (verifique, calculando [I] β can, [I] can<br />
[E] can<br />
can = [I] β can · [E] β<br />
β · [I]can<br />
β =<br />
c<br />
d<br />
<br />
=<br />
✲<br />
cos 2θ sin 2θ<br />
sin 2θ − cos 2θ<br />
cos 2θ sin 2θ<br />
sin 2θ − cos 2θ<br />
β ):<br />
<br />
a<br />
·<br />
b<br />
<br />
e, portanto,<br />
<br />
.
UNIVATES – Centro Universitário 171<br />
incidente<br />
y ′<br />
y<br />
✻<br />
❙♦ (c, d)<br />
espelho<br />
❙<br />
x′<br />
❙ refletido ❇▼<br />
❇<br />
❙<br />
❩<br />
❇<br />
❙<br />
❩❩❩❩❩⑦❩❩❩❩❩❩⑦<br />
❇<br />
❙ ❇<br />
❙ ❇<br />
❙❇<br />
θ<br />
✲<br />
❙<br />
❙<br />
❙<br />
✚✚✚✚✚✚✚✚✚✚✚✚✚❃ ❙<br />
✚<br />
❙<br />
❙ (a, b)<br />
Figura 10.9: Reflexão de um raio de luz em espelho plano com inclinação<br />
A matriz [E] can<br />
can poderia ser obtida diretamente simplesmente observando<br />
o que a TL (espelho) faz nos vetores da base canônica (raios luminosos na<br />
direção do eixo OX e do eixo OY .<br />
Note que ao colocarmos as componentes dos vetores refletidos em coluna<br />
obteremos a mesma matriz que antes (ver mais detalhes em [4]).<br />
Como podemos tratar o problema em que hajam vários espelhos e, conseqüentemente,<br />
reflexões sucessivas?<br />
Simplesmente pela composição das TL associadas a cada espelho na ordem<br />
em que ocorrem as reflexões.<br />
Exemplo 10.6.1 Considere um feixe de luz se propagando na direção<br />
do vetor (1, −1) e refletindo nos espelhos da figura abaixo.<br />
✻<br />
❅<br />
❅❅❘✡✡ ✡✡✣✟<br />
(1, −1) (c, d)<br />
✟✙<br />
π<br />
6<br />
5π<br />
6<br />
espelho 1<br />
✲<br />
espelho 2<br />
Figura 10.10: Reflexão de um raio de luz em dois espelhos planos<br />
x
UNIVATES – Centro Universitário 172<br />
Em que direção estará o feixe após as reflexões?<br />
Solução<br />
Basta utilizar a matriz obtida acima com θ = π<br />
6 para a 1a reflexão e<br />
θ = 5π<br />
6 para a 2a reflexão. Temos então (verifique!):<br />
c<br />
d<br />
<br />
=<br />
−<br />
1<br />
2√<br />
3<br />
2<br />
√<br />
3<br />
− 2<br />
− 1<br />
2<br />
<br />
·<br />
<br />
1<br />
√2 3<br />
2<br />
√<br />
3<br />
2<br />
1 − 2<br />
<br />
<br />
1<br />
·<br />
−1<br />
<br />
−<br />
=<br />
Concluímos, então, que o feixe estará na direção de<br />
√<br />
1+ 3<br />
2<br />
1− √ 3<br />
2<br />
−1− √ 3<br />
2<br />
<br />
<br />
.<br />
, 1−√ <br />
3<br />
2 . <br />
O mesmo raciocínio poderá ser feito quando estamos com espelhos planos<br />
no espaço.<br />
Se tivermos 3 espelhos colocados 2 a 2 perpendiculares (como no canto<br />
de uma sala e no piso, ou no teto...), qualquer feixe de luz de raios paralelos<br />
que incide sobre o conjunto sairá paralelo à direção de incidência após as<br />
reflexões.<br />
De fato, as matrizes associadas a cada espelho podem ser obtidas observando<br />
o que ele faz com cada um dos vetores da base canônica.<br />
II<br />
✘<br />
✘<br />
✘<br />
✘✾<br />
✑<br />
✑<br />
✑<br />
✑<br />
✑✰<br />
❄✘✘✘ ✘✿ (d, e, f)<br />
(a, b, c)<br />
Figura 10.11: Reflexão de um raio de luz em três espelhos planos no espaço<br />
Obtemos, então:<br />
⎡<br />
−1 0<br />
⎤<br />
0<br />
⎡<br />
M1 = ⎣ 0 1 0 ⎦ , M2 = ⎣<br />
0 0 1<br />
III<br />
1 0 0<br />
0 −1 0<br />
0 0 1<br />
I<br />
⎤<br />
⎡<br />
⎦ e M3 = ⎣<br />
1 0 0<br />
0 1 0<br />
0 0 −1<br />
para os espelhos I, II e III, respectivamente.<br />
Se o feixe de luz incidente está na direção (a, b, c), então a direção do<br />
feixe refletido pelo conjunto será<br />
⎡<br />
⎣<br />
d<br />
e<br />
f<br />
⎤<br />
⎡<br />
⎦ = M3 · M2 · M1 · ⎣<br />
a<br />
b<br />
c<br />
⎤<br />
⎡<br />
⎦ = ⎣<br />
−a<br />
−b<br />
−c<br />
⎤<br />
⎡<br />
⎦ = − ⎣<br />
a<br />
b<br />
c<br />
⎤<br />
⎦ .<br />
⎤<br />
⎦
UNIVATES – Centro Universitário 173<br />
O mesmo resultado será obtido se as reflexões forem em outra ordem<br />
(M2M3M1, M1M2M3, etc.). Concluímos que a direção de saída é paralela e<br />
contrária à de entrada.<br />
A reflexão da luz (ou som) feita em espelhos não planos não é descrita<br />
por TL. Aguarde, nos próximos capítulos, exemplos de espelhos não planos.<br />
C H A E TING ER
Capítulo 11<br />
Desigualdades <strong>Linear</strong>es<br />
efere-se ao Capítulo 11 de [16], páginas 63 a 70.<br />
C H A E TING ER<br />
174
Capítulo 12<br />
Variedades <strong>Linear</strong>es,<br />
Conjuntos Convexos e<br />
Programação <strong>Linear</strong><br />
12.1 Introdução<br />
m problema de otimização envolve maximizar ou minimizar<br />
uma função restrita a certas condições. Estamos sempre interessados em<br />
minimizar custos, maximizar lucro, rendimento, etc. A programação linear<br />
permite a resolução destes problemas no caso específico em que as<br />
funções a serem analisadas são funções afins e as restrições são dadas por<br />
desigualdades lineares (regiões poliedrais convexas) .<br />
Trabalharemos aqui de uma maneira mais conceitual e geométrica. Para<br />
uma análise mais algorítmica e programável, ver [4].<br />
Os resultados de conjuntos convexos e programação linear começaram a<br />
ser organizados no final do século passado e início deste século, a partir dos<br />
trabalhos de matemáticos como H. Minkowski, A. Haar, H. Weyl. A partir<br />
dos anos 40 houve um rápido desenvolvimento dessa área, principalmente<br />
em relação aos algoritmos para programar e resolver problemas aplicados<br />
com muitas variáveis.<br />
A programação linear difundiu-se muito nos últimos anos, por se tratar<br />
de uma técnica simples e, embora referindo-se a problemas específicos, muitos<br />
problemas do cotidiano podem ser resolvidos segundo esta linguagem.<br />
Costuma-se dizer, também, que a programação linear é um tópico da Pesquisa<br />
Operacional, a qual contém outros subtópicos como a Teoria das Filas,<br />
a Simulação, a Teoria dos Jogos, a Programação Dinâmica, o PERT/COM,<br />
etc. Estudos estatísticos têm mostrado que a programação linear é hoje<br />
uma das técnicas mais utilizadas da Pesquisa Operacional. É comum vermos<br />
aplicações de programação linear fazendo parte de rotinas diárias de<br />
180
UNIVATES – Centro Universitário 181<br />
planejamento das mais variadas empresas, tanto nas que possuem uma sofisticada<br />
equipe de planejamento como nas que simplesmente adquiriram um<br />
“software” para alguma função de planejamento.<br />
Podemos conceituar a programação linear do seguinte modo:<br />
<br />
É uma técnica de otimização<br />
É uma ferramenta utilizada para encontrar o lucro máximo ou custo<br />
mínimo em situações nas quais temos diversas alternativas de escolha<br />
sujeitas a algum tipo de restrição ou regulamentação.<br />
12.2 Aplicações<br />
Na prática a programação linear tem sido aplicada em áreas tão diversas<br />
como mostram os exemplos seguintes:<br />
• Alimentação: que alimentos as pessoas (ou animais) devem utilizar,<br />
de modo que o custo seja mínimo e os mesmos possuam os nutrientes<br />
nas quantidades adequadas, e que também atendem a outros requisitos,<br />
tais como variedades entre as refeições, aspecto, gosto, etc.?<br />
• Rotas de Transportes: qual deve ser o roteiro de transporte de<br />
veículos de carga de modo que entreguem toda a carga no menor tempo<br />
e no menor custo total?<br />
• Manufaturas: qual deve ser a composição de produtos a serem fabricados<br />
por uma empresa de modo que se atinja o lucro máximo,<br />
sendo respeitadas as limitações ou exigências do mercado comprador<br />
e a capacidade de produção da fábrica?<br />
• Siderurgia: quais minérios devem ser carregados no alto-forno de<br />
modo a se produzir, ao menor custo, uma liga de aço dentro de determinadas<br />
especializações de elementos químicos?<br />
• Petróleo: qual deve ser a mistura de petróleo a ser enviada para uma<br />
torre de craqueamento para produzir seus derivados (gasolina, óleo,<br />
etc.) a um custo mínimo? Os petróleos são de diversas procedências<br />
e possuem composições diferentes.<br />
• Agricultura: que alimentos devem ser plantados de modo que o lucro<br />
seja máximo e sejam respeitadas as características do solo, do mercado<br />
comprador e dos equipamentos disponíveis?<br />
• Carteira de Investimentos: quais as ações devem compor uma carteira<br />
de investimentos de modo que o lucro seja máximo e sejam respeitadas<br />
as previsões de lucratividade e as restrições governamentais?<br />
• Mineração: em que seqüência deve-se lavrar blocos de minério abaixo<br />
do solo, dados sua composição, posicionamento e custos de extração?<br />
• Localização Industrial: onde devem ser localizadas as fábricas e<br />
os depósitos de um novo empreendimento industrial de modo que os<br />
custos de entrega do produto aos varejistas sejam minimizados?
UNIVATES – Centro Universitário 182<br />
12.3 Tópicos da Programação <strong>Linear</strong><br />
Na Programação <strong>Linear</strong>, tanto a função objetivo como as restrições são<br />
equações/inequações lineares (de primeiro grau) e os resultados para as<br />
variáveis do modelo são valores reais (contínuos). A Programação <strong>Linear</strong><br />
pode ser dividida nos seguintes tópicos:<br />
• Programação Contínua: quando os resultados para as variáveis do<br />
modelo são valores reais (contínuos);<br />
• Programação Estruturada: o modelo unitário (uma fábrica, ou um<br />
produto, ou uma unidade de tempo) se replica (multi-fábricas, multiprodutos,<br />
ou multi-períodos);<br />
• Programação Inteira (PI): as variáveis somente admitem soluções<br />
inteiras;<br />
• Programação Inteira Mista (PIM): podemos ter tanto variáveis<br />
de soluções inteiras como contínuas.<br />
Dentre os tópicos acima, a Programação Contínua é a que historicamente<br />
tem sido mais intensamente utilizada. Modelos recentes, todavia, têm explorado<br />
bastante os outros tópicos, o que tem ocasionado um reaquecimento<br />
do uso da Programação <strong>Linear</strong> nas empresas.<br />
12.4 Metodologia de Resolução<br />
Diante de um problema de Programação <strong>Linear</strong>, consideramos as seguintes<br />
orientações para resolvê-lo:<br />
1. Estabelecemos a função objetivo, isto é, a função que queremos maximizar<br />
ou minimizar;<br />
2. Transformamos as restrições impostas no problema num sistema de<br />
inequações lineares;<br />
3. Traçamos o gráfico do polígono convexo correspondente a essas restrições,<br />
determinando as coordenadas dos vértices;<br />
4. Calculamos os valores da função objetivo em cada um dos vértices;<br />
5. O maior desses valores é o máximo e o menor é o mínimo da função<br />
objetivo;<br />
6. Voltamos ao problema e damos a sua solução.<br />
12.5 Conjuntos Convexos<br />
As noções abordadas a seguir caracterizam regiões convexas especiais. O<br />
conceito de variedade linear de um espaço vetorial é algo que abrange seus<br />
subespaços e as translações destes.
UNIVATES – Centro Universitário 183<br />
Definição 12.5.1 Um subconjunto A de um e.v. V é uma variedade<br />
linear de V se existe um subespaço W de V e um vetor v0 de V, tal que:<br />
Notação: A = v0 + W<br />
A = {v ∈ V; v = v0 + w para w ∈ W}.<br />
Observação 12.5.2 Se v0 = 0, então A não é um subespaço.<br />
Definição 12.5.3 Definimos dimensão de A, e denotamos dimA, a<br />
dimensão de W.<br />
12.5.1 Exemplos<br />
Exemplo 12.5.4 Uma reta (passando pela origem ou não) é uma variedade<br />
linear de dimensão 1 no R 2 .<br />
W<br />
A<br />
✻<br />
v0<br />
w ∈ W<br />
✒<br />
<br />
✲<br />
v ∈ A<br />
Figura 12.1: Variedade linear<br />
Exemplo 12.5.5 Um ponto do plano é uma variedade linear de dimensão<br />
zero. <br />
Exemplo 12.5.6 Todo subespaço é, em particular, uma variedade linear<br />
(v0 = 0). <br />
Exemplo 12.5.7 Se um sistema de equações lineares é possível, seu<br />
conjunto-solução é uma variedade linear de dimensão igual ao grau de liberdade<br />
do sistema (verifique!).<br />
Vamos agora apresentar um problema que nos guiará nos itens a seguir.<br />
Exemplo 12.5.8 Suponhamos que um agricultor queira adubar a sua<br />
plantação e disponha de dois tipos de adubo. O primeiro contém 3g de fósforo<br />
(P), 1g de nitrogênio (N) e 8g de potássio (K), e custa $10, 00u.m./kg. O<br />
segundo tipo contém 2g de fósforo, 3g de nitrogênio e 2g de potássio, e<br />
custa $8, 00u.m./kg. Sabemos que 1 quilograma de adubo dá para 10m 2 de<br />
terra, e que o solo em que estão suas plantações necessita de pelo menos<br />
3g de fósforo, 1, 5g de nitrogênio e 4g de potássio a cada 10m 2 . Quanto o<br />
agricultor deve comprar de cada adubo, para cada 10m 2 de terra, de modo<br />
a conseguir ter o mínimo custo?<br />
✲
UNIVATES – Centro Universitário 184<br />
Resolução<br />
Tipo A Tipo B Necessidades mínimas<br />
(x) (y) de adubo<br />
P 3 2 3<br />
N 1 3 1, 5<br />
K 8 2 4<br />
Custo Custo<br />
10u.m. 8u.m.<br />
Tabela 12.1: Quantidades de nutrientes por tipo de adubo<br />
Sejam x e y as quantidades de kg de adubo dos tipos A e B, respectivamente.<br />
Obviamente, x e y não podem assumir qualquer valor, uma vez que<br />
devemos ter x ≥ 0 e y ≥ 0. Ademais, x kg do tipo A fornece 3x g de P ,<br />
enquanto que y kg do tipo B fornece 2y g de P . Então, se usarmos x kg<br />
de A e y kg de B, estaremos adicionando 3x + 2y gramas e, pela exigência<br />
mínima do solo, devemos ter 3x + 2y ≥ 3.<br />
Analogamente, para o nitrogênio e o potássio deveremos ter x + 3y ≥ 1, 5 e<br />
8x + 2y ≥ 4. Então os valores de x e y devem satisfazer simultaneamente:<br />
x ≥ 0, y ≥ 0, 3x + 2y ≥ 3, x + 3y ≥ 1, 5, 8x + 2y ≥ 4.<br />
Façamos o gráfico das quantidades x (como abscissa) e y (como ordenada):<br />
P1<br />
P2<br />
✻<br />
✇<br />
②<br />
✇ ①<br />
P3<br />
P4<br />
Figura 12.2: Quantidades de adubo em função dos nutrientes<br />
✲
UNIVATES – Centro Universitário 185<br />
<br />
1 6 6 3 3<br />
(Obtemos P1(0, 2), P2 5 , 5 , P3 7 , 14 , P4 2 , 0 .) Isto é, para que os<br />
valores de x e y satisfaçam simultaneamente todas as desigualdades, o ponto<br />
(x, y) deve estar na região hachurada da figura 12.5.1.<br />
Além disso, queremos que o custo dado pela função<br />
f(x, y) = 10x + 8y<br />
seja mínimo, isto é, estamos procurando na região hachurada qual é o ponto<br />
(x, y) no qual f(x, y) tem o menor valor. Temos C = 10x + 8y, ou seja,<br />
y = − 5 C<br />
4x − 8 . Isto dá uma família de retas. Traçamos então retas paralelas<br />
e vemos qual a que intersecciona algum vértice ideal. O ponto ideal é P3.<br />
Substituímos em f e calculamos C = 144<br />
14 .<br />
Para resolver isto, precisamos estudar um pouco mais as propriedades<br />
de conjuntos como a região hachurada acima, e das funções do tipo f(x, y).<br />
Neste nível, vamos apenas testar os vértices na função objetivo para<br />
verificar qual é o ideal.<br />
Definição 12.5.9 Sejam A e B dois pontos do R n . O segmento de<br />
extremos A e B é o conjunto AB de pontos R n , dado por:<br />
AB = {(1 − t)A + tB; 0 ≤ t ≤ 1}.<br />
Para t = 0 corresponde o ponto A;<br />
Para t = 1 corresponde o ponto B;<br />
Observação 12.5.10 Em relação à definição 12.5.9, temos:<br />
Para qualquer ponto P do segmento AB, existe t1 ∈ R tal que<br />
0 ≤ t1 ≤ 1 e P = (1 − t1)A + t1B.<br />
Exemplo 12.5.11 Sejam A = (1, 2) e B = (3, −1) em R2 . Dado o<br />
ponto P = ( 7<br />
3 , 0) sobre o segmento, podemos escrever<br />
( 7<br />
3<br />
, 0) = (1 − 2<br />
3<br />
2<br />
)(1, 2) + (3, −1),<br />
3<br />
ou seja, ∃t = 2<br />
3 tal que 0 ≤ t ≤ 1, de modo que P = (1−t)A+tB. Por outro<br />
lado, se tomarmos t1, tal que 0 ≤ t1 ≤ 1, por exemplo t1 = 1<br />
2 , e fizermos<br />
P1 = (1 − t1)A + t1B = (2, −1),<br />
verificamos (faça isto!) facilmente que P1 está sobre o segmento AB. <br />
Definição 12.5.12 Um subconjunto S do R n é chamado convexo se<br />
para quaisquer dois pontos A e B de S o segmento AB está inteiramente<br />
contido em S.<br />
A figura seguinte exemplifica um caso particular de conjunto convexo e<br />
de conjunto não convexo.
UNIVATES – Centro Universitário 186<br />
✻<br />
✻<br />
⑦<br />
é convexo<br />
✲<br />
não é convexo<br />
✲<br />
Figura 12.3: Conjuntos convexos e não convexos<br />
Teorema 12.5.13 A intersecção de conjuntos convexos é um conjunto<br />
convexo.<br />
prova: Sejam S1 e S2 dois conjuntos convexos. Precisamos mostrar que<br />
se A e B são dois pontos quaisquer de S1 ∩ S2, então AB ⊂ S1 ∩ S2. Mas,<br />
se A, B ∈ S1 ∩ S2, então A, B ∈ S1 e como S1 é convexo, AB ⊂ S1. Analogamente,<br />
mostra-se que AB ⊂ S2. Como AB está contido simultaneamente<br />
em S1 e em S2, segue que AB ⊂ S1 ∩ S2. Portanto S1 ∩ S2 é convexo.<br />
Definição 12.5.14 Uma região poliedral convexa fechada em Rn é uma intersecção de uma quantidade finita de semi-espaços fechados 1 do<br />
Rn .<br />
<br />
Observação 12.5.15 Toda região poliedral convexa é um conjunto convexo.<br />
Definição 12.5.16 Um conjunto A ⊂ R n é dito limitado se existirem<br />
constantes ki, i = 1, . . . , n tais que, se (x1, . . . , xn) ∈ A então xi ≤ ki,<br />
i = 1, . . . , n.<br />
1 Não entraremos em detalhes sobre semi-espaços fechados, nem tampouco hiperplanos.<br />
Apenas vale lembrar um resultado que diz que um semi-espaço fechado é convexo. O aluno<br />
interessado pode pesquisar em [4] ou [13].
UNIVATES – Centro Universitário 187<br />
✻<br />
✻<br />
é limitada<br />
✲<br />
✲<br />
é não limitada<br />
Figura 12.4: Conjuntos limitados e não limitados<br />
<br />
Observação 12.5.17<br />
Numa região poliedral convexa, procuramos pontos especiais – os<br />
vértices. Na região poliedral convexa do exemplo 12.5.8, eles são<br />
os pontos (verifique na figura 12.5.1!)<br />
P1 = (0, 2), P2 = ( 1 6<br />
,<br />
5 5 ), P3 = ( 6 3<br />
,<br />
7 14 ), e P4 = ( 3<br />
, 0).<br />
<br />
2<br />
Note que estes pontos são dados por intersecção de duas retas que<br />
definem os semi-espaços. Assim, o ponto P2 é dado pela solução do<br />
sistema <br />
3x + 2y − 3 = 0<br />
Note, porém, que o ponto (0, 3<br />
2<br />
não pertence à região hachurada.<br />
Este comentário nos leva a:<br />
8x + 2y − 4 = 0.<br />
) que é solução do sistema<br />
3x + 2y − 3 = 0<br />
x = 0<br />
Definição 12.5.18 Dada uma região poliedral convexa fechada do R n<br />
(determinada por um sistema de inequações lineares), os vértices dessa<br />
região são os pontos da região que satisfazem um dos possíveis sistemas de<br />
n equações lineares independentes, obtidas substituindo-se as desigualdades<br />
por igualdades.<br />
Observação 12.5.19 Depois de resolver um sistema, a fim de verificar<br />
se o ponto está na região, testamos para ver se ele satisfaz todas as<br />
desigualdades.
UNIVATES – Centro Universitário 188<br />
12.5.2 Caracterização Geométrica dos Vértices<br />
Os vértices definidos “algebricamente”em 12.5.18 são os pontos extremos<br />
da região poliedral convexa. Isto significa que eles são os pontos da<br />
região que não estão contidos no “interior”de nenhum segmento contido na<br />
região. Formalmente:<br />
Proposição 12.5.20 P é vértice de uma região poliedral convexa R se,<br />
e somente se, P está num segmento AB ⊂ R então P = A ou P = B.<br />
prova: exercício (ver [4]).<br />
Exemplo 12.5.21 A região hachurada do exemplo 12.5.8 é descrita pe-<br />
las desigualdades ⎧⎪ ⎨<br />
⎪⎩<br />
x ≥ 0<br />
y ≥ 0<br />
3x + 2y ≥ 3<br />
x + 3y ≥ 1, 5<br />
8x + 2y ≥ 4.<br />
Ao substituirmos por igualdades a tomarmos os sistemas de duas<br />
equações (por serem duas variáveis), obtemos 10 = C5,2 = 5!<br />
2!3! sistemas.<br />
Dentre estes, determinaremos os vértices, verificando quais satisfazem os<br />
sistemas de inequações que definem a região. Neste caso, teremos apenas os<br />
pontos P1, P2, P3 e P4 nestas condições (Verifique!). <br />
Exemplo 12.5.22 Consideremos a região poliedral convexa fechada de<br />
R 3 , dada pelo sistema de inequações lineares:<br />
⎧<br />
⎪⎨<br />
⎪⎩<br />
x + y + z ≤ 3<br />
y − z ≤ 2<br />
x − 2y ≤ 1<br />
x ≥ 0.<br />
Então os possíveis vértices são dados pelos sistemas de três equações (por<br />
serem<br />
⎧<br />
três variáveis)<br />
⎨ x + y + z = 3<br />
⎩<br />
y − z<br />
x − 2y<br />
=<br />
=<br />
2<br />
1<br />
⇒ (3, 1, −1) (está na região, pois satisfaz todas<br />
as inequações<br />
⎧<br />
)<br />
⎨ y − z = 2<br />
x − 2y = 1<br />
⎩<br />
x = 0<br />
⇒ (0, −1<br />
⎧<br />
⎨ x + y + z = 3<br />
−5<br />
2 , 2 ) (está na região)<br />
y − z<br />
⎩<br />
x<br />
=<br />
=<br />
2<br />
0<br />
⇒ (0, 5<br />
⎧<br />
⎨ x + y + z = 3<br />
1<br />
2 , 2 ) (está na região)<br />
⎩<br />
x − 2y<br />
x<br />
=<br />
=<br />
1<br />
0<br />
⇒ (0, −1 7<br />
2 , 2 ) (está na região).<br />
Agora, em momentos de solidão, faça o desenho da região.
UNIVATES – Centro Universitário 189<br />
12.6 Introdução à Programação <strong>Linear</strong><br />
A programação linear (PL) trata do problema específico de: maximizar<br />
ou minimizar uma função do tipo<br />
f(x1, . . . , xn) = a1x1 + . . . + anxn + b,<br />
restrita a um subconjunto A poliedral convexo de R n .<br />
Observação 12.6.1 Note que f : R n −→ R é uma transformação<br />
afim, isto é, f(x) = L(x) + b onde L é uma transformação linear , b ∈ R.<br />
Para maiores detalhes, ver [9] ou [13].<br />
Definição 12.6.2 Na linguagem de programação linear (PL), a função<br />
f da observação 12.6.1 é chamada função objetivo (f.o.) e A é denominada<br />
região factível.<br />
Exemplo 12.6.3 No exemplo 12.5.8, a f.o. é dada por<br />
f(x, y) = 10x + 8y e a região factível é a região hachurada A descrita<br />
por ∇f = = (10, 8):<br />
<br />
∂f ∂f<br />
∂x , ∂y<br />
⎧<br />
⎪⎨<br />
⎪⎩<br />
x ≥ 0<br />
y ≥ 0<br />
3x + 2y ≥ 3<br />
x + 3y ≥ 1, 5<br />
8x + 2y ≥ 4.<br />
Nosso problema é minimizar f restrita a A.<br />
12.6.1 Tópicos sobre Produto Interno<br />
Apresentaremos aqui apenas alguns conceitos básicos sobre produto<br />
interno, fundamentais para a compreensão da próxima subsecção. Um<br />
estudo aprofundado pode ser feito através de [9] ou [13].<br />
Definição 12.6.4 Seja V um espaço vetorial real. Um produto interno<br />
sobre V é uma função que a cada par de vetores, v1 e v2, associa um<br />
número real, denotado < v1, v2 >, satisfazendo as propriedades:<br />
1. < v, v > ≥ 0 para todo vetor v, e<br />
< v, v > = 0 se, e somente se, v = 0;<br />
2. < αv1, v2 > = α < v1, v2 > para todo real α;<br />
3. < v1 + v2, v3 > = < v1, v3 > + < v2, v3 >;<br />
4. < v1, v2 > = < v2, v1 >.<br />
Exemplo 12.6.5 O produto escalar usual de vetores de R 3 . Para<br />
v = (x1, x2, x3) e w = (y1, y2, y3):<br />
< v, w >= x1y1 + x2y2 + . . . + x3y3.<br />
De modo análogo, pode-se definir o produto interno usual para o R n .
UNIVATES – Centro Universitário 190<br />
O produto interno é usado para caracterizar a noção de perpendicularismo<br />
ou ortogonalidade de vetores.<br />
Definição 12.6.6 Seja V um e.v. com produto interno . Diz-se que<br />
dois vetores v e w ∈ V são ortogonais (em relação a este produto interno)<br />
se < v, w >= 0. Neste caso, escrevemos v ⊥ w.<br />
Propriedade 12.6.7<br />
1. 0 ⊥ v para todo v ∈ V;<br />
2. v ⊥ w ⇒ w ⊥ v;<br />
3. Se v ⊥ w para todo w ∈ V, então v = 0;<br />
4. Se v1 ⊥ w e v2 ⊥ w, então v1 + v2 ⊥ w;<br />
5. Se v ⊥ w e λ é um escalar, λv ⊥ w.<br />
prova: ver [4].<br />
12.6.2 Método Geométrico<br />
Voltemos ao exemplo 12.5.8. O procedimento que utilizaremos é chamado<br />
método geométrico de resolução em PL.<br />
Vamos reescrever a f.o. acima, utilizando o produto interno usual do R 2 .<br />
f(x, y) =< (10, 8), (x, y) >, c = (10, 8) é denominado vetor gradiente<br />
e x = (x, y).<br />
Observação 12.6.8 f é constante nas retas perpendiculares ao vetor<br />
c = (10, 8).<br />
De fato: uma reta perpendicular a c pode ser escrita na forma paramétrica<br />
2 do seguinte modo:<br />
(x, y) = (x ⋆ , y ⋆ ) + λ(−8, 10),<br />
ou seja, x = x ⋆ + λc ⊥ , onde x ⋆ = (x ⋆ , y ⋆ ) é o vetor deslocamento que podemos<br />
tomar na direção de c. Portanto,<br />
neste caso, cos α = 1.<br />
f(x, y) = < c, x > =<br />
= < c, x ⋆ + λc ⊥ > =<br />
= < c, x ⋆ > =<br />
= c · x ⋆ cos α e,<br />
Observação 12.6.9 Da observação 12.6.8 pode-se notar que f será tão<br />
menor quanto menor for o deslocamento x ⋆ , ou seja, f(x, y) assume seu<br />
mínimo no ponto (ou pontos) da região factível que estiver na reta per-<br />
pendicular a c, mais próximo da origem. No nosso exemplo, o ponto é<br />
( 6<br />
7<br />
, 3<br />
14 ) = P3 que é um vértice da região factível.<br />
2 Para maiores detalhes sobre parametrização de retas, ver [11].
UNIVATES – Centro Universitário 191<br />
Exemplo 12.6.10 Uma fábrica produz dois tipos de geradores, tipo A e<br />
tipo B, e cada um deles deve passar por duas máquinas, C e D. Para fazer<br />
um gerador do tipo A, a máquina C deve trabalhar 2 horas e a máquina D<br />
deve trabalhar 4 horas. Para fazer uma unidade do tipo B, as máquinas C e<br />
D devem trabalhar respectivamente, 4 e 2 horas. As máquinas podem trabalhar<br />
24 horas por dia. Sabe-se que a fábrica tem um lucro de $3000, 00u.m.<br />
por um gerador do tipo A e um lucro de $5000, 00u.m. por um do tipo B.<br />
Além disso, ela vende toda a sua produção. Sendo assim, perguntamos:<br />
quantos geradores de cada tipo a fábrica deve produzir, para que seu lucro<br />
seja máximo?<br />
Resolução<br />
Chamemos x a quantidade do tipo A e y do tipo B. Se são fabricados x<br />
geradores do tipo A, o tempo gasto pela máquina C é 2x, e se são fabricados<br />
y geradores do tipo B, o tempo gasto pela máquina C é 4y, ou seja, o tempo<br />
total usado pela máquina C é 2x + 4y, que deve ser menor que 24 horas.<br />
Analogamente, temos uma restrição para a máquina D. Então:<br />
⎧<br />
⎪⎨<br />
⎪⎩<br />
que nos fornece a figura abaixo.<br />
✻<br />
4x + 2y = 24<br />
(4, 4)<br />
x ≥ 0<br />
y ≥ 0<br />
2x + 4y ≤ 24<br />
4x + 2y ≤ 24<br />
2x + 4y = 24<br />
Figura 12.5: Região factível<br />
Os vértices são (0, 0), (6, 0), (4, 4) e (0, 6). A função que queremos maximizar<br />
é a função lucro:<br />
f(x, y) = 3000x + 5000y.<br />
Use o método geométrico descrito no exemplo anterior para determinar o<br />
máximo de f, observando que, para obter o máximo, você deve “caminhar”<br />
✲
UNIVATES – Centro Universitário 192<br />
na região por retas perpendiculares ao vetor gradiente da f.o. e no mesmo<br />
sentido dele. <br />
Tipos de Solução<br />
Baseado no método geométrico, já é possível intuir vários tipos de<br />
solução de problemas de programação linear de duas variáveis.<br />
Vamos considerar todos os tipos possíveis de regiões poliedrais convexas<br />
no R2 e pesquisar os máximos e mínimos de uma função<br />
f(x,<br />
<br />
y) = ax + by + c.<br />
<br />
Regiões ilimitadas sem vértices (tipo 1);<br />
<br />
Regiões ilimitadas com vértices (tipo 2);<br />
<br />
Região limitada (portanto, com pelo menos três vértices) (tipo 3);<br />
Casos degenerados (reta, semi-reta, segmento, ponto) (tipo 4).<br />
B<br />
✻<br />
R1<br />
✲<br />
✻<br />
✻ ✻<br />
✻<br />
R3<br />
R5<br />
R2<br />
✲<br />
R4<br />
✲<br />
A<br />
✲<br />
C<br />
A ✲<br />
Figura 12.6: Classificação de regiões factíveis<br />
<br />
Podemos observar que a função f definida acima pode:<br />
Assumir mínimo em toda reta e não assumir máximo (R1), ou não<br />
<br />
assumir máximo nem mínimo (R2) em regiões do tipo 1;<br />
Não assumir nem máximo nem mínimo (R3), ou assumir mínimo nos<br />
vértices A e B, portanto assumir mínimo em todo o segmento AB e<br />
não assumir máximo (R4), em regiões do tipo 2;<br />
B
UNIVATES – Centro Universitário 193<br />
Assumir mínimo no vértice A e máximo no vértice C, em regiões do<br />
tipo 3 (R5);<br />
Não assumir nem máximo nem mínimo (reta), assumir máximo no<br />
vértice e não assumir mínimo (semi-reta), assumi mínimo num vértice<br />
e máximo no outro (segmento), ou ter o valor máximo igual ao valor<br />
mínimo e igual a f(A) (ponto), em regiões do tipo 4.<br />
Resolução de Problemas para n-Variáveis<br />
Na prática, é difícil trabalhar com o procedimento geométrico para quatro<br />
ou mais variáveis. Mas esta noção de procurar máximo e mínimos da<br />
função objetivo por uma varredura de hiperplanos perpendiculares ao gradiente<br />
nos permite intuit dois fatos cruciais na programação linear.<br />
<br />
Observação 12.6.11<br />
A função objetivo assume necessariamente um valor máximo e um<br />
<br />
valor mínimo quando a região convexa (factível) for limitada;<br />
Os vértices desempenham um papel fundamental na procura de<br />
máximos e mínimos para a função objetivo.<br />
12.6.3 Teorema Fundamental da PL<br />
Lema 12.6.12 Sejam f(x1, . . . , xn) = a1x1 + . . . + anxn + b e P um<br />
ponto interior a um segmento AB do R n , isto é, P = λA + (1 − λ)B,<br />
0 < λ < 1. Então teremos f(A) ≤ f(P ) ≤ f(B) ou f(B) ≤ f(P ) ≤ f(A).<br />
prova: ver [4], pág. 368.<br />
Observação 12.6.13 O lema 12.6.12 nos diz que os valores extremos<br />
de uma função afim são assumidos nos pontos extremos dos segmentos.<br />
Lema 12.6.14 Seja f(x1, . . . , xn) = a1x1 + . . . + anxn + b. Se dentre<br />
os valores que f assumir num segmento AB do R n , o valor máximo<br />
(mínimo) for assumido num ponto P do interior deste segmento, então f<br />
será constante em AB.<br />
prova: exercício.<br />
Teorema 12.6.15 (Teorema Fundamental da Programação <strong>Linear</strong>)<br />
Seja f(x1, . . . , xn) = a1x1 + . . . + anxn + b definida numa região poliedral<br />
convexa A do R n . Suponha que f assuma um valor máximo (mínimo)<br />
nesta região. Então, se A possui vértice(s), este valor máximo (mínimo)<br />
será assumido num vértice.<br />
prova: ver [4], páginas 369, 370.<br />
Observação 12.6.16 O teorema 12.6.15 permite, nos casos em que,<br />
pela natureza da funccão, já sabemos que ela assume máximo (mínimo)<br />
encontrá-lo apenas determinando seus valores nos vértices da região poliedral<br />
convexa.
UNIVATES – Centro Universitário 194<br />
Regiões Limitadas<br />
Quando a região A for limitada, teremos necessariamente máximo e<br />
mínimo, para qualquer função objetivo. Para mostrar este fato, recorremos<br />
á solução geométrica dos problemas de PL. Note que, ao varrermos o<br />
R n por hiperplanos perpendiculares ao vetor gradiente da f.o., sempre tocaremos<br />
a região A uma primeira e uma última vez. Ademais, uma região<br />
poliedral convexa limitada claramente possui vértices (por quê?). Isto nos<br />
permite reescrever o teorema fundamental da PL para este caso:<br />
Teorema 12.6.17 Seja f(x1, . . . , xn) = a1x1 + . . . + anxn + b definida<br />
numa região poliedral convexa limitada A. Então f assume seus valores<br />
máximo e mínimo nos vértices de A.<br />
12.6.4 Conclusão<br />
Tanto a determinação de vértices (resolução de sistema lineares) quanto<br />
o cálculo da f.o. nestes são possíveis através de algoritmos e de programação<br />
para calculadoras, microcomputadores e computadores. O mais conhecido<br />
é o método simplex. O aluno interessado pode pesquisar mais sobre este<br />
método em [4] ou [20]. É possível que estes assuntos sejam novamente abordados<br />
num curso de Cálculo Numérico. Até la ´ !<br />
12.7 Exercícios de Fixação e Problemas de<br />
Aplicação<br />
Exercício 12.7.1 (Um problema de dieta) Para manter a sua<br />
saúde, uma pessoa necessita preencher certos requisitos mínimos de consumo<br />
diário de diversos tipos de nutrientes. Suponhamos, por simplicidade,<br />
que apenas três tipos de nutrientes sejam necessários: cálcio, proteína e calorias.<br />
Além disso, suponhamos também que a dieta da pessoa em questão<br />
consista em apenas dois alimentos, I e II, cujos preços e conteúdos nutritivos<br />
são mostrados na tabela abaixo, onde também listamos o requisito<br />
mínimo diário de cada nutriente.<br />
Alimento I (por Kg) Alimento II (por Kg) Requisito mínimo<br />
Preço R$0, 60 R$1, 00 diário<br />
Cálcio 10 4 20<br />
Proteína 5 5 20<br />
Calorias 2 6 12<br />
Qual a combinação dos dois alimentos que satisfaz o requisito diário e<br />
gera o custo mínimo?<br />
Exercício 12.7.2 (Problema de produção) Uma firma produz duas<br />
linhas de produtos, I e II, com uma planta que contém três departamentos<br />
de produção: corte, mistura e embalagem.
UNIVATES – Centro Universitário 195<br />
O equipamento em cada departamento pode ser operado 8 horas por dia;<br />
portanto, podemos considerar as 8 horas como a capacidade diária de cada<br />
departamento.<br />
O processo de produção pode ser resumido da seguinte maneira: O produto<br />
I é primeiro cortado, e então embalado. Cada tonelada desse produto<br />
consome 1<br />
1<br />
2 hora da capacidade de corte e 3 de hora da capacidade de embalagem.<br />
O produto II é primeiro misturado e, então, embalado. Cada tonelada<br />
deste produto consome 1 hora da capacidade de mistura e 2<br />
3<br />
de hora da<br />
capacidade de embalagem. Os produtos I e II são vendidos aos preços de<br />
R$80, 00 e R$60, 00 por tonelada, respectivamente. Mas, deduzindo os custos<br />
variáveis, eles geram R$40, 00 e R$30, 00 líquidos por tonelada. Estes<br />
últimos valores podem ser considerados como receitas líquidas (deduzidos os<br />
custos variáveis) ou lucros brutos (incluídos os custos fixos). Para simplificar,<br />
referir-nos-emos a eles como “lucros por tonelada”.<br />
Que combinação de níveis de produção a firma deve escolher para maximizar<br />
o lucro total?<br />
Exercício 12.7.3 Dois produtos P e Q contêm as vitaminas A, B e C<br />
em quantidades indicadas na tabela. A última coluna indica a quantidade<br />
mínima necessária de cada vitamina para uma alimentação sadia, e a última<br />
fila indica o preço de cada produto por unidade.<br />
P Q –<br />
A 3 1 12<br />
B 3 4 30<br />
C 2 7 28<br />
3 2 –<br />
Que quantidade de cada produto deve conter uma dieta para que proporcione<br />
uma alimentação sadia com o mínimo de custo?<br />
Exercício 12.7.4 Um comerciante vende dois tipos de artigos, A e B.<br />
Na venda do artigo A tem um lucro de 20 u.m por unidade e na venda do<br />
artigo B, um lucro de 30 u.m.. Em seu depósito só cabem 100 artigos e<br />
sabe-se que por compromissos já assumidos venderá pelo menos 15 artigos<br />
do tipo A e 25 do tipo B. O distribuidor pode entregar ao comerciante, no<br />
máximo, 60 artigos A e 50 artigos B.<br />
Quantos artigos de cada tipo deverá o comerciante encomendar ao distribuidor<br />
para que, supondo que os venda todos, obtenha o lucro máximo?<br />
Exercício 12.7.5 (Problema de transporte) Uma firma comercial<br />
tem 40 unidades de mercadoria no depósito I e 50 unidades no depósito<br />
II. Deve enviar 30 unidades ao cliente A e 40 ao cliente B. Os gastos de<br />
transporte, por unidade de mercadoria, estão indicados no esquema a seguir.
UNIVATES – Centro Universitário 196<br />
I<br />
II<br />
40<br />
50<br />
✬✩<br />
10<br />
✲<br />
❩ 30 A<br />
❩❩❩❩❩❩❩❩❩❩❩❩❩❩❩⑦<br />
✫✪<br />
14<br />
12<br />
✬✩<br />
✚ ✲ 40 B<br />
✚✚✚✚✚✚✚✚✚✚✚✚✚✚✚❃<br />
15<br />
✫✪<br />
De que maneira deve enviar estas mercadorias para que o gasto com o<br />
transporte seja mínimo?<br />
Exercício 12.7.6 Uma companhia dispõe de um máximo de<br />
2400, 00 u.m. para fazer propaganda de seus produtos através da televisão<br />
ou de um jornal diário. Cada hora da televisão custa 400, 00 u.m. e<br />
cada página do jornal custa 300, 00 u.m.. A audição de televisão alcança<br />
120000 pessoas e a página do jornal é lida por 80000 pessoas. Os diretores<br />
da companhia exigem que se utilizem pelo menos 2 horas de televisão e 1<br />
página do jornal.<br />
Como deve distribuir a companhia o resto do dinheiro dedicado à propaganda<br />
para atingir o número máximo de pessoas?<br />
Exercício 12.7.7 Uma fábrica manufatura dois produtos, cada um requerendo<br />
o uso de 3 máquinas. A primeira máquina pode ser usada no<br />
máximo 70 horas; a segunda máquina, no máximo 40 horas; e a terceira<br />
máquina, no máximo 90 horas. O primeiro produto requer 2 horas na<br />
máquina I, 1 hora na máquina II e 1 hora na máquina III. O segundo produto<br />
requer 1 hora em cada uma das máquinas I e II e 3 horas na máquina<br />
III. Se o lucro é de 40, 00 u.m. para o primeiro produto e 60, 00 u.m. para<br />
o segundo produto, quantas unidades de cada produto deveriam ser manufaturadas<br />
para tornar o lucro máximo?<br />
Exercício 12.7.8 Suponhamos que uma pessoa necessite, no mínimo,<br />
de 60 unidades de carboidratos, 40 unidades de proteína e 35 unidades de<br />
gordura por mês. O alimento A contém 5, 3 e 5 unidades de carboidratos,<br />
proteínas e gordura, respectivamente, por quilo. O alimento B contém 2, 2<br />
e 1 unidade de carboidratos, proteínas e gordura, respectivamente, por quilo.<br />
Se A custa 1, 50 u.m. por quilo e B custa 0, 70 u.m. por quilo, quantos quilos<br />
de cada alimento deveriam ser comprados por mês para minimizar o custo,<br />
atendendo às necessidades mínimas?
UNIVATES – Centro Universitário 197<br />
Exercício 12.7.9 Uma fábrica de computadores produz dois modelos de<br />
computador: A e B. O modelo A fornece um lucro de R$180, 00 e B de<br />
R$300, 00. O modelo A requer, na sua produção, um gabinete pequeno e<br />
uma unidade de disco. O modelo B, requer um gabinete grande e duas<br />
unidades de disco. Existem no estoque 60 unidades do gabinete pequeno, 50<br />
do gabinete grande e 120 unidades de disco. Qual deve ser a produção que<br />
maximiza o lucro?<br />
Exercício 12.7.10 Um fazendeiro está estudando a divisão de sua propriedade<br />
nas seguintes atividades produtivas:<br />
A (Arrendamento) - destinar certa quantidade de alqueires para a<br />
plantação de cana-de-açúcar a uma usina local que se encarrega da atividade,<br />
e paga pelo aluguel da terra R$300, 00 por alqueire por ano;<br />
P (Pecuária) - usar outra parte para a criação de gado de corte. A recuperação<br />
das pastagens requer adubação (100 Kg por alqueire) e irrigação<br />
(100.000 litros de água por alqueire) por ano. O lucro estimado nessa atividade<br />
é de R$400, 00 por alqueire por ano;<br />
S (Plantio de soja) - usar uma terceira parte para o plantio de soja.<br />
Essa cultura requer 200 Kg por alqueire de adubos e 200.000 litros de água<br />
por alqueire para irrigação por ano. O lucro estimado nesta atividade é de<br />
R$500, 00 por alqueire no ano.<br />
Disponibilidade de recursos por ano: 12.750.000 litros de água,<br />
14.000 Kg de adubo e 100 alqueires de terra. Quantos alqueires deverá<br />
destinar a cada atividade para proporcionar o melhor retorno?<br />
Exercício 12.7.11 Uma refinaria de petróleo deseja encontrar a maneira<br />
ótima de cumprir um contrato de fornecimento de gasolina de aviação<br />
e gasolina comum. Segundo este contrato, deve-se fornecer diariamente um<br />
mínimo de 1000 barris de gasolina de aviação e 2000 barris de gasolina comum.<br />
A unidade que se responsabilizará pela entrega tem uma capacidade<br />
máxima de produção de 10000 barris por dia, indistintamente. As gasolinas<br />
devem ser transportadas até seus depósitos, cujas distâncias da unidade são<br />
10 km e 30 km, respectivamente. A capacidade máxima de transporte da<br />
refinaria é de 186.000 barris por quilômetro. Sabendo-se que a gasolina de<br />
aviação dá um lucro de R$1, 00 e a comum R$2, 00, pede-se o esquema de<br />
produção que maximiza o lucro da refinaria com relação ao citado contrato.<br />
Exercício 12.7.12 Um sapateiro faz 6 sapatos por hora (se fizer somente<br />
sapatos), e 5 cintos por hora (se fizer somente cintos). Ele gasta 2<br />
unidades de couro para fabricar uma unidade de sapato e uma unidade de<br />
couro para fabricar uma unidade de cinto. Sabendo-se que o total disponível<br />
de couro é de 6 unidades e que o lucro unitário por sapato é de 5 u.m. e o do<br />
cinto é de 2 u.m., pede-se: o modelo do sistema de produção do sapateiro,<br />
se o objetivo é maximizar seu lucro por hora.<br />
Exercício 12.7.13 Certa empresa fabrica 2 produtos A e B. O lucro<br />
por unidade de A é de 100 u.m. e o lucro unitário de B é de 150 u.m..<br />
A empresa necessita de 2 horas para fabricar uma unidade de A e 3 horas<br />
para fabricar uma unidade de B. O tempo mensal disponível para essas
UNIVATES – Centro Universitário 198<br />
atividades é de 120 horas. As demandas esperadas para os dois produtos<br />
levaram a empresa a decidir que os montantes produzidos por A e B não<br />
devem ultrapassar 40 unidades de A e 30 unidades de B por mês. Construa<br />
o modelo do sistema de produção mensal com o objetivo de maximizar o<br />
lucro da empresa.<br />
Exercício 12.7.14 Um vendedor de frutas pode transportar 800 caixas<br />
de frutas para a sua região de vendas. Ele necessita transportar 200 caixas<br />
de laranjas a 20 u.m. de lucro por caixa, pelo menos 100 caixas de pêssegos a<br />
10 u.m. de lucro por caixa, e no máximo 200 caixas de tangerinas a 30 u.m.<br />
de lucro por caixa. De que forma deverá ele carregar o caminhão para obter<br />
o lucro máximo?<br />
Exercício 12.7.15 Uma rede de televisão local tem o seguinte problema:<br />
foi descoberto que o programa A com 20 minutos de música e 1 minuto de<br />
propaganda chama a atenção de 30000 telespestadores, enquanto o programa<br />
B, com 10 minutos de música e 1 minuto de propaganda chama a atenção de<br />
10000 telespectadores. No decorrer de uma semana, o patrocinador insiste<br />
no uso de, no mínimo, 5 minutos para sua propaganda e que não há verba<br />
para mais de 80 minutos de música.<br />
Quantas vezes por semana cada programa deve ser levado ao ar para<br />
atingir o número máximo de telespectadores?<br />
Exercício 12.7.16 Uma empresa fabrica 2 modelos de cintos de couro.<br />
O modelo I, de melhor qualidade, requer o dobro do tempo de fabricação em<br />
relação ao modelo II. Se todos os cintos fossem do modelo II, a empresa<br />
poderia produzir 1.000 unidades por dia. A disponibilidade de couro permite<br />
fabricar 800 cintos de ambos os modelos por dia. Os cintos empregam fivelas<br />
diferentes, cuja disponibilidade diária é de 400 para o modelo I e 700 para<br />
o modelo II. Os lucros unitários são de R$4, 00 para o modelo I e R$3, 00<br />
para o II.<br />
Qual o programa ótimo de produção que maximiza o lucro total diário<br />
da empresa?<br />
Exercício 12.7.17 Um fabricante de jóias fabrica apenas brincos e colares.<br />
Ele tem um lucro de R$45, 00 em cada brinco e R$80, 00 em cada colar<br />
vendido. Supõe-se que devido à forte demanda destes itens consiga-se vender<br />
toda a produção da fábrica. Mas, a produção da firma é limitada por dois<br />
aspectos: em cada brinco utiliza-se 5 unidades de ouro. Da mesma forma,<br />
cada colar produzido utiliza 20 unidades de ouro. Dispomos um total de 400<br />
unidades de ouro. Cada brinco produzido gasta 10 homens-hora e cada colar<br />
gasta 15 homens-hora. Dispomos de um total de 450 homens-hora. O objetivo<br />
do fabricante é descobrir qual a quantidade ótima de brincos e colares<br />
a serem fabricados, de tal modo que o lucro total seja o maior possível.
UNIVATES – Centro Universitário 199<br />
12.8 Respostas dos Principais Exercícios do<br />
Capítulo<br />
12.7.1 (3, 1): C = 0, 6x + 1y, 10x + 4y ≥ 20, 5x + 5y ≥ 20, 2x + 6y ≥ 12;<br />
(3, 1) = 2, 80<br />
fomin<br />
12.7.2 (16, 4): são C5,2 = 10 sistemas com 2 equações cada. Temos<br />
C M E<br />
I 1/2 0 1/3<br />
II 0 1 2/3<br />
II ≤ 8 (mistura), 1<br />
, I ≥ 0, II ≥ 0, 1<br />
3<br />
2 I + 3II ≤ 8 (embalagem),<br />
2I ≤ 8 (corte), L(I, II) = 40I + 30II. Apenas 5<br />
pontos estão na região<br />
12.7.3 (2, 6): C(P, Q) = 3P + 2Q. Apenas 4 pontos estão na região,<br />
C(2, 6) = 18<br />
12.7.4 (50, 50): x unidades de A, y unidades de B, L(x, y) = 20x + 30y,<br />
x + y ≤ 100, x ≤ 60, y ≤ 50, x ≥ 15, y ≥ 25. Apenas 5 pontos estão<br />
na região<br />
12.7.5 O gasto mínimo se obterá enviando 30 unidades de mercadoria de I<br />
a A, 10 de I a B, 30 de II a B e nenhuma de II a A. De fato, por I:<br />
x + y ≤ 40, por II: z + w ≤ 50, por A: x + z = 30 donde z = 30 − x,<br />
por B: y +w = 40 donde w = 40−y. Então simplificando: x+y ≤ 40,<br />
(30 − x) + (40 − y) ≤ 50 (i.e., x + y ≥ 20), x ≥ 0, y ≥ 0, z ≥ 0, w ≥ 0.<br />
O gasto é G(x, y, z, w) = 10x + 14y + 12z + 15w ou, simplificando,<br />
12.7.6<br />
G(x, y) = 960 − 2x − y. Há somente 5 pontos na região<br />
21<br />
4 , 1 : T ≥ 2, J ≥ 1, 400T + 300J ≤ 2400, N = 12000T + 8000J<br />
12.7.7 (15, 25): L = 40A + 60B,<br />
12.7.8 (10, 5): C = 1, 5x + 0, 70y,<br />
12.7.9 L(60, 30) = 19800: L = 180A + 300B<br />
produto A B<br />
M1 2 1 ≤ 70<br />
M2 1 1 ≤ 40<br />
M3 1 3 ≤ 90<br />
A B<br />
carboidratos 5 2 ≥ 60<br />
proteínas 3 2 ≥ 40<br />
gorduras 5 1 ≥ 35<br />
12.7.10 LT = 300x+400y +500z, y +2z ≤ 140, 10y +20z ≤ 1275, x+y +z ≤<br />
100, x ≥ 0, y ≥ 0, z ≥ 0<br />
12.7.11 L = 1av + 2com, av ≥ 1000, com ≥ 2000, av + com ≤ 10000,<br />
10av + 30com ≤ 186000<br />
12.7.12 O sapateiro faz 1 calçado em 10 minutos, e 1 cinto em 12 minutos.<br />
sapato cinto<br />
rendimento 10 12 ≤ 60 , L = 5x + 2y<br />
couro 2 1 ≤ 6
UNIVATES – Centro Universitário 200<br />
12.7.13 (15, 30): L = 100x + 150y<br />
12.7.14 (400, 200): L = 20 l<br />
t ≤ 200, p + t ≤ 600<br />
<br />
=200<br />
12.7.15 (3, 2): 30000x + 10000y<br />
+10p + 30t = 4000 + 10p + 30t, p ≥ 100,<br />
12.7.16 (200, 600): L = 4x+3y, 2x+y ≤ 1000, x+y ≤ 800, x ≤ 400, y ≤ 700<br />
12.7.17 (24, 14): sejam x =brinco e y =colar, L = 45x + 80y, 5x + 20y ≤ 400,<br />
10x + 15y ≤ 450<br />
C H A E TING ER
Capítulo 13<br />
Curvas Cônicas<br />
s curvas cônicas são obtidas através da interseção de um plano e<br />
um cone de revolução. Dependendo da maneira com ocorre esta interseção,<br />
podemos obter as seguintes curvas: elipse, parábola, hipérbole ou um simples<br />
ponto.<br />
13.1 A Elipse<br />
Definição 13.1.1 Elipse é uma curva plana descrita por um ponto P<br />
que se desloca de modo que a soma de suas distâncias a dois pontos<br />
fixos F1 e F2 permanece constante igual a 2a, onde<br />
a > c = dist(F1, F2)<br />
2<br />
Elementos da elipse:<br />
• F1, F2: focos<br />
• || <br />
F1F2|| = 2c: distância focal<br />
: || <br />
P F1|| + || <br />
P F2|| = 2a .<br />
• <br />
B1B2, tal que B1B2 ⊥ A1A2 no ponto médio: eixo menor<br />
• O = A1A2 ∩ B1B2: centro<br />
• A1, A2, B1, B2: vértices<br />
|| <br />
B1B2|| = 2b<br />
• <br />
A1A2: eixo maior (contém os focos)<br />
|| <br />
A1A2|| = 2a<br />
201
UNIVATES – Centro Universitário 202<br />
• 0 < e = c<br />
a < 1: excentricidade<br />
Observe que, como a é a metade do eixo maior, b é a metade do eixo<br />
menor, e c é a metade da distância focal, segue que a2 = b2 + c2 . Logo<br />
√<br />
a2 − b2 e = .<br />
a<br />
4<br />
3<br />
2<br />
1<br />
0<br />
-1<br />
-2<br />
-3<br />
B1<br />
b<br />
A1<br />
F1 F2<br />
✲ ✲ A2<br />
c<br />
-4<br />
-6 -4 -2 B2 B20<br />
2 4 6<br />
13.1.1 Equação Reduzida da Elipse com Centro na Origem<br />
e Focos sobre os Eixos Coordenados<br />
a) Focos sobre o Eixo <br />
OX: F1 = (−c, 0), F2 = (c, 0), A1 = (−a, 0),<br />
A2 = (a, 0), B1 = (0, b), B2 = (0, −b)<br />
✻<br />
Seja P = (x, y) ∈ R2 . Então P é ponto da elipse<br />
⇔ || P F1|| + || P F2|| = 2a ⇔<br />
⇔ (−c − x) 2 + (−y) 2 + (c − x) 2 + (−y) 2 = 2a ⇔<br />
⇔ (−c − x) 2 + (−y) 2 = 2a − (c − x) 2 + (−y) 2 ⇔<br />
⇔ c2 + 2cx + x2 + y2 = 4a2 − 4a (c − x) 2 + y2 + c2 − 2cx + x2 + y2 ⇔<br />
⇔ 4a (c − x) 2 + y2 = 4a2 − 4cx ⇔<br />
⇔ a2 (c2 − 2cx + x2 + y2 ) = a4 − 2a2cx + c2x2 ⇔<br />
⇔ a2x2 − c2x2 + a2y2 = a4 − a2c2 ⇔<br />
⇔ (a2 − c2 )x2 + a2y2 = a2 (a2 − c2 ) ⇔<br />
(como a > c e a2 = b2 + c2 )<br />
⇔ b 2 x 2 + a 2 y 2 = a 2 b 2 ⇔ x2<br />
a 2 + y2<br />
b 2 = 1.<br />
Sendo assim, a equação reduzida da elipse com centro na origem e<br />
semi-eixos a (semi-eixo maior) e b é dada por:<br />
x 2<br />
a 2 + y2<br />
b 2 = 1 .
UNIVATES – Centro Universitário 203<br />
b) Focos sobre o Eixo OY : F1 = (0, −c), F2 = (0, c), A1 = (0, −a),<br />
A2 = (0, a), B1 = (−b, 0), B2 = (b, 0)<br />
x’ y<br />
A2 A2✻<br />
5<br />
4<br />
3<br />
2<br />
1<br />
0<br />
-1<br />
-2<br />
-3<br />
-4<br />
F2<br />
y’<br />
x<br />
✛ B1 B2 ✲<br />
F1<br />
-5<br />
-10 -5 A1 A10<br />
5 10<br />
Considere a seguinte mudança de variável nos eixos coordenados: sejam<br />
x ′ = y e y ′ = −x. Então em relação ao sistema de eixos co-<br />
ordenados x ′ y ′ a elipse tem seu eixo maior em OX ′ , e seu eixo me-<br />
nor em OY ′ . Pelo item anterior, a equação da elipse é dada por:<br />
(x ′ ) 2<br />
a2 + (y′ ) 2<br />
b2 = 1. Substituindo as variáveis e efetuando os cálculos,<br />
obtemos que a equação reduzida da elipse com centro na origem e<br />
semi-eixos a e b é dada por:<br />
x 2<br />
b 2 + y2<br />
a 2 = 1 .<br />
Exercício 13.1.2 Determine a equação da elipse de centro na origem,<br />
sabendo que:<br />
1. O eixo maior mede 8 cm e os focos são F = (3, 0) e F ′ = (−3, 0);<br />
2. O eixo maior mede 20 cm, o comprimento do eixo menor é igual à<br />
distância focal e os focos estão sobre o eixo OY ;<br />
√ √<br />
2<br />
3<br />
3. Passa pelos pontos 2 , 1 , − 2 ,<br />
√ <br />
2<br />
2 .<br />
13.1.2 Equação da Elipse Cujos Eixos são Paralelos aos Eixos<br />
Coordenados<br />
a) Eixo Maior Paralelo ao Eixo <br />
OX: o centro da elipse é dado por<br />
O ′ = (h, k). Efetuando a mudança de variável nos eixos coordenados<br />
(translação de eixos) x ′ = x − h, y ′ = y − k, obtemos a equação<br />
(x ′ ) 2<br />
a 2<br />
+ (y′ ) 2<br />
b 2<br />
= 1. Substituindo x ′ e y ′ obtemos a equação reduzida da
UNIVATES – Centro Universitário 204<br />
elipse com centro no ponto O ′ = (h, k) e eixo maior paralelo ao eixo<br />
<br />
OX:<br />
(x−h) 2<br />
a 2<br />
+ (y−k)2<br />
b 2<br />
= 1.<br />
b) Eixo Maior Paralelo ao Eixo <br />
OY : analogamente, temos que<br />
(x ′ ) 2<br />
b2 + (y′ ) 2<br />
a2 = 1. Portanto, a equação reduzida em questão é dada por:<br />
(x−h) 2<br />
b 2<br />
+ (y−k)2<br />
a 2<br />
= 1.<br />
Exercício 13.1.3 Determine a equação da elipse tal que:<br />
1. Os focos são os pontos F1 = (−1, 3) e F2 = (5, 3), e o eixo maior mede<br />
10 cm;<br />
2. O eixo maior tem extremos A1 = (2, −3) e A2 = (2, 5), e a excentricidade<br />
é 3<br />
4 .<br />
Exercício 13.1.4 Determine as coordenadas do centro e dos focos da<br />
elipse de equação 4x 2 + 9y 2 − 8x − 36y + 4 = 0.<br />
13.1.3 Posição Relativa entre Reta e Elipse<br />
Existem três posições relativas entre uma reta r e uma elipse, a saber:<br />
1. r é exterior à elipse: r ∩ elipse = ∅;<br />
2. r é tangente à elipse: r ∩ elipse = {0};<br />
3. r é secante à elipse: r ∩ elipse = {P, Q}<br />
Exemplo 13.1.5 Determine a equação da elipse tangente à reta r dada<br />
por r: x + 4y − 10 = 0 e que passa pelo ponto A = (4, −1), sabendo que seus<br />
eixos estão contidos nos eixos coordenados.<br />
Solução<br />
A equação da elipse é dada por x2<br />
a2 + y2<br />
b2 = 1. Como A ∈ elipse, segue<br />
que 16<br />
a 2 + 1<br />
b 2 = 1. Donde 16b 2 + a 2 = a 2 b 2 .<br />
Por outro lado, r: x = 10−4y. Sendo assim, r∩ elipse: (10−4y)2<br />
a 2<br />
+ y2<br />
b 2 = 1.<br />
O que implica em b 2 (100−80y+16y 2 )+a 2 y 2 = a 2 b 2 . Ou seja, (16b 2 +a 2 )y 2 −<br />
80b 2 y + (100b 2 − a 2 b 2 ) = 0. Vimos acima que a 2 b 2 = 16b 2 + a 2 . Então temos<br />
que a 2 y 2 − 80y + (100 − a 2 ) = 0.<br />
Como r é tangente à elipse, devemos ter ∆ = 0 na equação acima, i.e.,<br />
a 4 − 100a 2 + 1600 = 0, donde a 2 = 80 ou a 2 = 20. Portanto, b 2 = 5<br />
4 ou<br />
b 2 = 5.<br />
Finalmente, as equações das elipses são x2<br />
80<br />
+ y2<br />
5<br />
4<br />
= 1 ou x2 y2<br />
20 + 5<br />
= 1. <br />
Observação 13.1.6 A circunferência é uma elipse em que os focos coincidem<br />
com o centro e a excentricidade é nula.
UNIVATES – Centro Universitário 205<br />
Exemplo 13.1.7 Dada a circunferência de equação x2 + y2 = 9, podemos<br />
escrever a equação reduzida da elipse como x2 y2<br />
9 + 9 = 1. Logo,<br />
a2 = b2 = 9; a = b = 3. Segue que c2 = a2 − b2 = 0, donde c = 0. Assim, os<br />
= 0. <br />
focos são F1 = F2 = 0, e a excentrididade é dada por e = c<br />
a<br />
13.2 A Parábola<br />
= 0<br />
3<br />
Definição 13.2.1 Parábola é o lugar geométrico dos pontos do plano<br />
que são equidistantes de um ponto F e de uma reta d, i.e. P = (x, y) é um<br />
ponto da parábola se, e somente se, d(P, F ) = d(P, d).<br />
8<br />
6<br />
4<br />
2<br />
0<br />
-2<br />
-4<br />
-6<br />
d<br />
-8<br />
-10 -5 0 5 10<br />
Os elementos da parábola são os seguintes:<br />
• F : foco;<br />
• d: diretriz;<br />
• r ⊥ d, F ∈ r: eixo de simetria;<br />
• V ∈ r, d(V, d) = d(V, F ): vértice;<br />
• d(F, d) = p: parâmetro<br />
13.2.1 Equação Reduzida da Parábola com Vértice na Origem<br />
e Foco sobre um dos Eixos Coordenados<br />
1. Foco sobre o Eixo <br />
OX:<br />
(a) Equação Reduzida da Parábola com Vértice na Origem<br />
e Foco sobre o Eixo OX, x > 0: F = p<br />
2 , 0 , d: x = − p<br />
2 . Seja<br />
P = (x, y) ∈ R2 e seja M = − p<br />
2 , y ∈ d (note que yd = yP ).<br />
F
UNIVATES – Centro Universitário 206<br />
Então P é um ponto da parábola se, e somente se,<br />
d(P, F ) = d(P, d) ⇔ || P F || = || <br />
<br />
P M|| ⇔<br />
p<br />
⇔<br />
2 − x <br />
2 −<br />
+ y2 p<br />
= 2 − x 2<br />
+ 02 ⇔<br />
⇔<br />
⇔ y 2 = 2px .<br />
p 2<br />
4 − px + x2 + y 2 = p2<br />
4 + px + x2 ⇔<br />
(b) Equação Reduzida da Parábola com Vértice na Origem<br />
e Foco sobre o Eixo OX, x < 0: F = − p<br />
2 , 0 , d: x = p<br />
2 ,<br />
M = p<br />
2 , y . Façamos a mudança de variável nos eixos coordenados:<br />
x ′ = −x, y ′ = y. Então em relação ao sistema x ′ y ′ a equação<br />
da parábola é dada por (y ′ ) 2 = 2px ′ . Donde y2 = −2px .<br />
2. Foco sobre o Eixo <br />
OY :<br />
(a) Equação Reduzida da Parábola com Vértice na Origem<br />
e Foco sobre o Eixo OY , y > 0: F = 0, p<br />
p<br />
2 , d: y = − 2 ,<br />
M = x, − p<br />
2 . Façamos a mudança de variável nos eixos coorde-<br />
nados: x ′ = y, y ′ = −x. Então (y ′ ) 2 = 2px ′ , donde x 2 = 2py .<br />
(b) Equação Reduzida da Parábola com Vértice na Origem<br />
e Foco sobre o Eixo OY , y < 0: F = 0, − p<br />
p<br />
2 , d: y = 2 ,<br />
<br />
. Façamos a mudança de variável nos eixos coordena-<br />
Então:<br />
100<br />
50<br />
0<br />
-50<br />
M = x, p<br />
2<br />
dos: x ′ = y, y ′ = −x. Então (y ′ ) 2 = −2px ′ , donde x 2 = −2py .<br />
-100<br />
-10 -5 0 5 10<br />
Exercício 13.2.2 Determine a equação da parábola com vértice na origem,<br />
sabendo que:<br />
1. O foco é o ponto F = (0, −3);
UNIVATES – Centro Universitário 207<br />
2. A diretriz é a reta d: 2x − 3 = 0;<br />
3. O eixo de simetria é o eixo <br />
OY e ela contém o ponto P = (−2, 3).<br />
13.2.2 Equação Reduzida da Parábola Cujo Eixo de Simetria<br />
é Paralelo a um dos Eixos Coordenados<br />
1. Eixo de Simetria Paralelo ao Eixo <br />
OX: façamos a mudança de<br />
variável nos eixos coordenados: x ′ = x−h, y ′ = y−k, onde V ′ = (h, k)<br />
é o vértice da parábola. Então temos que<br />
(a) Eixo de Simetria Paralelo ao Eixo <br />
OX, x > h:<br />
(y ′ ) 2 = 2px ′ , donde (y − k) 2 = 2p(x − h) .<br />
(b) Eixo de Simetria Paralelo ao Eixo <br />
OX, x < h:<br />
(y ′ ) 2 = −2px ′ , donde (y − k) 2 = −2p(x − h) .<br />
2. Eixo de Simetria Paralelo ao Eixo <br />
OY : façamos a mudança de<br />
variável nos eixos coordenados: x ′ = x−h, y ′ = y−k, onde V ′ = (h, k)<br />
é o vértice da parábola. Então temos que<br />
(a) Eixo de Simetria Paralelo ao Eixo <br />
OY , y > k: (x ′ ) 2 = 2py ′ ,<br />
donde (x − h) 2 = 2p(y − k) .<br />
(b) Eixo de Simetria Paralelo ao Eixo <br />
OY , y < k: (x ′ ) 2 = −2py ′ ,<br />
donde (x − h) 2 = −2p(y − k) .<br />
Exercício 13.2.3 Determine a equação da parábola cujo eixo de simetria<br />
é paralelo a um dos eixos coordenados e:<br />
1. O foco é o ponto F = (4, 2) e o vértice é V = (−2, 2);<br />
2. O foco é o ponto F = (1, 3) e a diretriz é a reta d: x − 7 = 0.<br />
Exercício 13.2.4 Determine as coordenadas do vértice e o parâmetro<br />
das parábolas:<br />
1. y 2 − 6y − 12x − 15 = 0;<br />
2. x 2 − 2x − y − 3 = 0.<br />
13.2.3 Posição Relativa entre Reta e Parábola<br />
Existem três posições relativas entre uma reta r e uma parábola, a saber:<br />
• A reta r é secante à parábola;<br />
• A reta r é tangente à parábola;<br />
• A reta r é exterior à parábola.<br />
Exemplo 13.2.5 Verifique se a reta r: 5x − y − 15 = 0 é tangente à<br />
parábola y 2 = −5x.
UNIVATES – Centro Universitário 208<br />
Solução<br />
y<br />
Basta resolver o sistema<br />
2 =<br />
5x − y =<br />
−5x<br />
15<br />
. Por substituição, é fácil<br />
obtermos 5x2 − 29x + 45 = 0. Calculando ∆ desta equação, resulta que<br />
∆ = 225 − 900 < 0. Logo a reta é exterior à parábola. <br />
13.3 A Hipérbole<br />
Definição 13.3.1 Hipérbole é o lugar geométrico dos pontos do plano<br />
cujo módulo da diferença entre as distâncias a dois pontos fixos F1<br />
e F2 é constante igual a 2a, onde a < c = dist(F1,F2)<br />
<br />
2 . Ou seja,<br />
<br />
|| P F1|| − || <br />
<br />
<br />
P F2|| = 2a.<br />
15<br />
10<br />
5<br />
0<br />
-5<br />
-10<br />
A1 A2<br />
F1 F2<br />
-15<br />
-10 -5 0 5 10<br />
Elementos:<br />
• F1, F2: focos;<br />
• || <br />
F1F2|| = 2c: distância focal;<br />
• O = F1+F2<br />
2 : centro;<br />
• A1, A2: vértices;<br />
B1<br />
B2<br />
• A1A2: eixo transverso (|| <br />
A1A2|| = 2a);<br />
• B1B2: eixo conjugado (|| <br />
B1B2|| = 2b, b = √ c 2 − a 2 , define-se b de<br />
modo que c 2 = a 2 + b 2 );<br />
• r, s: assíntotas: y = b b<br />
a , y = − ax; • e = c<br />
a > 1: excentricidade<br />
s<br />
r
UNIVATES – Centro Universitário 209<br />
13.3.1 Equação Reduzida da Hipérbole com Centro na Origem<br />
e Focos sobre os Eixos<br />
1. Focos sobre o Eixo OX: F1 = (−c, 0), F2 = (c, 0), A1 = (−a, 0),<br />
A2 = (a, 0), B1 = (0, b), B2 = (0, −b). Seja P = (x, y) ∈ R2 <br />
. Então<br />
<br />
P é um ponto da hipérbole se, e somente se, || P F1|| − || <br />
<br />
<br />
P F2|| = 2a ⇔<br />
⇔ || P F1|| − || P F2|| = ±2a ⇔<br />
⇔ (−c − x) 2 + (0 − y) 2 − (c − x) 2 + (0 − y) 2 = ±2a ⇔<br />
⇔ (−c − x) 2 + y2 = ±2a + (c − x) 2 + y2 ⇔<br />
⇔ c2 + 2cx + x2 + y2 = 4a2 ± 4a (c − x) 2 + y2 + c2 − 2cx + x2 + y2 ⇔<br />
⇔ 4cx − 4a2 = ±4a (c − x) 2 + y2 ⇔<br />
⇔ cx − a2 = ±a (c − x) 2 + y2 ⇔<br />
⇔ c2x2 − 2a2cx + a4 = a2 (c2 − 2cx + x2 + y2 ) ⇔<br />
⇔ (c2 − a2 )x2 − a2y2 = a2c2 − a4 − 2a2cx + 2a2cx ⇔<br />
(como c2 = a2 + b2 )<br />
⇔ b2x2 − a2y2 = a2 (c2 − a2 ) ⇔<br />
⇔ b2x2 − a2y2 = a2b2 ⇔<br />
⇔ x2<br />
a 2 − y2<br />
b 2 = 1 .<br />
2. Focos sobre o Eixo <br />
OY : F1 = (0, c), F2 = (0, −c), A1 = (0, a),<br />
A2 = (0, −a), B1 = (b, 0), B2 = (−b, 0). Façamos a seguinte mudança<br />
de variáveis nos eixos coordenados: x ′ = y, y ′ = x. Então, em relação<br />
ao sistema x ′ y ′ , a equação da hipérbole é dada por (x′ ) 2<br />
a2 − (y′ ) 2<br />
b2 = 1.<br />
Efetuando os cálculos, obtemos:<br />
y 2<br />
a 2 − x2<br />
b 2 = 1 .<br />
13.3.2 Equação Reduzida da Hipérbole Cujos Eixos são Paralelos<br />
aos Eixos Coordenados<br />
1. Eixo Transverso Paralelo ao Eixo <br />
OX: seja O ′ = (h, k) o centro<br />
da hipérbole. Então fazendo a mudança de variável nos eixos coorde-<br />
nados: x ′ = x − h, y ′ = y − k, obtemos a equação x′2<br />
a 2 − y′2<br />
b 2 = 1. Donde<br />
a equação da hipérbole é dada por:<br />
(x−h) 2<br />
a 2<br />
neste caso, F1 = (−c + h, k), F2 = (c + h, k).<br />
− (y−k)2<br />
b 2<br />
= 1 . Note que,<br />
2. Eixo Transverso Paralelo ao Eixo <br />
OY : seja O ′ = (h, k) o centro<br />
da hipérbole. Então fazendo a mudança de variável nos eixos coorde-<br />
nados: x ′ = x − h, y ′ = y − k, obtemos a equação y′2<br />
a 2 − x′2<br />
b 2 = 1. Donde<br />
a equação da hipérbole é dada por:<br />
(y−k) 2<br />
a 2<br />
neste caso, F1 = (h, c + k), F2 = (h, −c + k).<br />
− (x−h)2<br />
b 2<br />
= 1 . Note que,<br />
Exercício 13.3.2 Determine a equação da hipérbole cujos focos são os<br />
pontos F1 = (−4, 0) e F2 = (4, 0), sabendo que o eixo conjugado mede 4 cm.<br />
Exercício 13.3.3 Determine a equação da hipérbole cujos focos são os<br />
pontos F1 = (2, −3) e F2 = (2, 5), e a excentricidade é 2.
UNIVATES – Centro Universitário 210<br />
Exercício 13.3.4 Determine as coordenadas do centro e dos focos, e a<br />
medida dos semi-eixos das hipérboles:<br />
1. 9y 2 − 4x 2 = 36;<br />
2. 9x 2 − 16y 2 − 54x − 32y − 79 = 0.<br />
Observação 13.3.5 Existe um tipo especial de hipérbole, chamada<br />
hipérbole equilátera. √<br />
a2 +b2 Trata-se do caso particular em que a = b.<br />
=<br />
Neste<br />
caso, e = c<br />
a =<br />
a<br />
√ 2a 2<br />
a = a√ 2<br />
a = √ 2.<br />
13.3.3 Posição Relativa entre Reta e Hipérbole<br />
Sejam r uma reta e H uma hipérbole. Existem três posições relativas<br />
entre r e H:<br />
• A reta é externa à hipérbole: r ∩ H = ∅;<br />
• A reta é tangente à hipérbole: r ∩ H = {T };<br />
• A reta é secante à hipérbole: r ∩ H = {P, Q}.<br />
Exemplo 13.3.6 Verifique a posição relativa entre a reta r: x−y+3 = 0<br />
= 1.<br />
e a hipérbole de equação x2<br />
12<br />
− y2<br />
3<br />
Solução<br />
De r: y = x + 3, obtemos x2 (x+3)2<br />
12 − 3 = 1. Donde x2 + 8x + 16 = 0.<br />
Como ∆ = 64 − 64 = 0, segue que a reta r é tangente à hipérbole.<br />
Agora é fácil ver que o ponto de tangência é T = (−4, −1). <br />
13.4 Equações de Cônicas com Eixo(s) Não Paralelo(s)<br />
aos Eixos Coordenados<br />
Quando o(s) eixo(s) não é(são) paralelo(s) aos eixos coordenados, houve<br />
uma rotação de eixos:<br />
Seja P um ponto do plano. Em relação ao sistema canônico de coordenadas<br />
XOY , o ponto é dado por P = (x, y). Por outro lado, considerando<br />
um novo sistema de coordenadas X ′ OY ′ , rodado de um ângulo α no sentido<br />
anti-horário, as coordenadas de P são dadas por P = (x ′ , y ′ ). Em relação a<br />
este sistema de eixos, podemos identificar o ponto P através de r e θ, onde<br />
r = OP e θ é o ângulo ∠P OX ′ . Sendo assim, é fácil mostrar que x ′ = r cos θ,<br />
y ′ = r sin θ. Portanto,<br />
x = r cos(θ + α) = r cos θ cos α − r sin θ sin α = x ′ cos α − y ′ sin α,<br />
y = r sin(θ + α) = r sin θ cos α + r sin α cos θ = y ′ cos α + x ′ sin α.<br />
Como havíamos visto em capítulos anteriores, a equação da rotação de<br />
um ângulo −α é dada por: x = x ′ cos α − y ′ sin α, y = x ′ sin α + y ′ cos α<br />
(note que estamos considerando a rotação do sistema X ′ OY ′ para o sistema<br />
XOY ).
UNIVATES – Centro Universitário 211<br />
Y<br />
✻<br />
P<br />
✒<br />
Y<br />
❅■<br />
❅<br />
❅<br />
❅<br />
❅<br />
❅<br />
′<br />
r<br />
θ<br />
α<br />
X ′<br />
Da mesma forma, a rotação do sistema XOY para o sistema X ′ OY ′<br />
(rotação de um ângulo α) é dada por: x ′ = x cos α + y sin α, y ′ = −x sin α +<br />
y cos α.<br />
x ′<br />
y ′<br />
Matricialmente:<br />
Rα<br />
x<br />
y<br />
<br />
cos α sin α x<br />
=<br />
− sin α cos α y<br />
<br />
13.4.1 Exemplos<br />
R (−α)<br />
✲<br />
<br />
cos α − sin α x ′<br />
=<br />
sin α cos α y<br />
<br />
′<br />
<br />
e<br />
<br />
.<br />
Exemplo 13.4.1 Encontre a equação da elipse cujos semi-eixos medem<br />
5 cm e 4 cm, em relação ao sistema de coordenadas cartesianas ortogonais<br />
tal que:<br />
1. A origem é o centro da elipse e o semi-eixo positivo das abscissas<br />
radianos com a reta focal;<br />
forma um ângulo de π<br />
4<br />
2. O centro da elipse é o ponto O ′ = (6, 8) e a reta focal forma um ângulo<br />
radianos com o semi-eixo positivo das abscissas.<br />
de π<br />
6<br />
1. a = 5, b = 4, (x′ ) 2<br />
25 + (y′ ) 2<br />
16<br />
x ′<br />
y ′<br />
<br />
Então segue a equação<br />
(x+y) 2<br />
50<br />
(y−x)2<br />
+ 32<br />
Solução<br />
= 1<br />
= R π<br />
4<br />
2. Analogamente, usando R π<br />
6<br />
x<br />
y<br />
√ 2<br />
2 (x+y)2<br />
25<br />
<br />
=<br />
+<br />
√<br />
2<br />
√2 2<br />
2<br />
X<br />
<br />
(x + y)<br />
.<br />
(y − x)<br />
√ 2<br />
2 (y−x)2<br />
16<br />
= 1, donde<br />
= 1, ou seja, 41x2 + 41y 2 − 18xy − 3200 = 0.<br />
x ′<br />
y ′<br />
<br />
= R π<br />
6<br />
, obtemos:<br />
<br />
x ′′<br />
y ′′<br />
1<br />
= 2 (√3x ′′ + y ′′ )<br />
1<br />
2 (√3y ′′ − x ′′ )<br />
<br />
.
UNIVATES – Centro Universitário 212<br />
Então segue a equação 1<br />
4 (√3x ′′ +y ′′ ) 2<br />
25<br />
16 = 1 donde, fazendo<br />
a mudança de variável x ′′ = x − 6, y ′′ = y − 8, obtemos<br />
( √ 3(x−6)+(y−8)) 2<br />
100<br />
+ 1<br />
4 (√ 3y ′′ −x ′′ ) 2<br />
+ (√ 3(y−8)−(x−6)) 2<br />
64 = 1. <br />
Exemplo 13.4.2 Determine a equação de uma hipérbole cujo eixo<br />
transverso forma um ângulo de π<br />
3 radianos com o semi-eixo positivo das<br />
abscissas, o semi-eixo transverso mede 5 cm, a distância focal é 14 cm e o<br />
centro é o ponto O ′ = (3, 4).<br />
Solução<br />
Sejam x ′′ = x − 3, y ′′ = y − 4. Como a = 5 e 2c = 14, segue que c = 7 e<br />
= 1. Então<br />
b2 = c2 − a2 = 24. A equação é dada por (x′ ) 2<br />
25 − (y′ ) 2<br />
24<br />
x ′<br />
y ′<br />
<br />
= R π<br />
3<br />
x ′′<br />
y ′′<br />
<br />
=<br />
1<br />
2 (x′′ + √ 3y ′′ )<br />
1<br />
2 (y′′ − √ 3x ′′ )<br />
Então segue a equação (x′′ + √ 3y ′′ ) 2<br />
100 − (y′′ − √ 3x ′′ ) 2<br />
96 = 1, donde obtemos<br />
((x−3)+ √ 3(y−4)) 2<br />
100 − ((y−4)−√3(x−3)) 2<br />
96 = 1. <br />
Exemplo 13.4.3 Determine a equação da parábola cujo parâmetro é 8,<br />
o vértice é o ponto V = (3, 2), a diretriz forma um ângulo de π<br />
3 radianos<br />
com o semi0eixo positivo das abscissas e ela (a parábola) não intersecciona<br />
o eixo das ordenadas<br />
x ′<br />
y ′<br />
<br />
= R π<br />
3<br />
x ′′<br />
Solução<br />
y ′′<br />
<br />
=<br />
1<br />
2 (x′′ + √ 3y ′′ )<br />
1<br />
2 (y′′ − √ 3x ′′ )<br />
Sejam x ′′ = x − 3, y ′′ = y − 2. Então (x ′ ) 2 = −2py ′ = −16y ′ , donde<br />
1<br />
4 (x′′ + √ 3y ′′ ) 2 = −8(y ′′ − √ 3x ′′ ), ou seja, 1<br />
√ 2 4 (x − 3) + 3(y − 2) =<br />
−8 (y − 2) − √ 3(x − 3) 2 . Finalmente, a equação desejada é<br />
(x + √ 3y − 3 − 2 √ 3) 2 = −32(y − √ 3x + 3 √ 3 − 2). <br />
13.5 Aplicação das Translações e Rotações ao Estudo<br />
da Equação Geral do Segundo Grau a<br />
Duas Variáveis<br />
Ax 2 + Bxy + Cy 2 + Dx + Ey + F = 0, A 2 + B 2 + C 2 = 0 (13.1)<br />
Objetivo: Reconhecer a cônica e esboçar seu gráfico.<br />
Observação 13.5.1 Observe que se B = 0, então “completa-se quadrados”;<br />
se B = 0, então “volta-se na rotação”.<br />
<br />
.<br />
<br />
.
UNIVATES – Centro Universitário 213<br />
Y ′<br />
Y<br />
✻<br />
✒<br />
❅■<br />
❅<br />
❅<br />
❅ α<br />
❅<br />
❅<br />
X ′<br />
Precisamos descobrir um ângulo α tal que após a rotação a equação<br />
(13.1) fique na forma<br />
✲<br />
A ′ (x ′ ) 2 + C ′ (y ′ ) 2 + D ′ x ′ + E ′ y ′ + F ′ = 0.<br />
<br />
x<br />
x ′<br />
Temos que = R (−α)<br />
y<br />
y ′<br />
<br />
=<br />
em (13.1), obtemos uma equação<br />
onde<br />
X<br />
x ′ cos α − y ′ sin α<br />
x ′ sin α + y ′ cos α<br />
A ′ (x ′ ) 2 + B ′ (x ′ y ′ ) + C ′ (y ′ ) 2 + D ′ x ′ + E ′ y ′ + F ′ = 0,<br />
A ′ = A cos 2 α + B sin α cos α + C sin 2 α;<br />
B ′ = −2A sin α cos α + B(cos 2 α − sin 2 α) + 2C sin α cos α;<br />
C ′ = A sin 2 α − B sin α cos α + C cos 2 α;<br />
D ′ = D cos α + E sin α;<br />
E ′ = −D sin α + E cos α;<br />
F ′ = F (“o termo independente é invariante por rotações”).<br />
Queremos que B ′ = 0. Ora,<br />
<br />
. Substituindo<br />
B ′ = 0 ⇔ −2A sin α cos α + B (cos 2 α − sin 2 α) +2C sin α cos α = 0 ⇔<br />
<br />
cos 2α<br />
⇔ B cos 2α − (A − C) 2 sin α cos α<br />
<br />
sin 2α<br />
⇔ B cos 2α − (A − C) sin 2α = 0 ⇔<br />
⇔ (A − C) sin 2α = B cos 2α.<br />
= 0 ⇔<br />
Agora temos duas possibilidades para a afirmação acima:<br />
Se A = C: então B ′ = 0 ⇔ tan 2α = B<br />
A−C ;<br />
Se A = C: então B cos 2α = 0. Como B = 0 no termo em xy, segue<br />
que cos 2α = 0, donde α = π<br />
4 .
UNIVATES – Centro Universitário 214<br />
Lembremos que tan 2α =<br />
2 tan α<br />
1−tan 2 α .<br />
Observação 13.5.2 Para qualquer α ∈ R, B 2 − 4AC = (B ′ ) 2 − 4A ′ C ′ ,<br />
A + C = A ′ + C ′ são invariantes por rotações.<br />
13.5.1 Exemplos<br />
Exemplo 13.5.3 Determine o menor ângulo positivo segundo o<br />
qual devemos girar os eixos para que a nova equação da cônica<br />
5x 2 + 4xy + 8y 2 − 36 = 0 não contenha termo misto. Determine a equação<br />
reduzida da cônica.<br />
Solução<br />
2 tan α<br />
A = 5, C = 8 e A = C. Então tan 2α = 1−tan2 B 4<br />
= α A−C = − 3 . Segue<br />
que 4 − 4 tan2 α + 6 tan α = 0, ou seja, tan α = 2 (e α = arctan 2) ou<br />
tan α = − 1<br />
2 (negativo).<br />
Para determinar a equação reduzida da cônica, considere<br />
x<br />
x ′<br />
= R (−α)<br />
y<br />
y ′<br />
<br />
x ′ cos α − y ′ sin α<br />
=<br />
x ′ sin α + y ′ <br />
. Como tan α = 2, segue que<br />
cos α<br />
sec2 α = 1 + tan2 α = 5, donde cos α = 5 e sin α = 2√5 5 . Substituindo estes<br />
valores na expressão matricial acima, e depois substituindo x e y na equação<br />
= 1, que é a equação de uma elipse. <br />
da cônica, obtemos (x′ ) 2<br />
4 + (y′ ) 2<br />
9<br />
√ 5<br />
Exemplo 13.5.4 Desenhe a cônica 16x 2 + 24xy + 9y 2 + 60x − 80y = 0.<br />
Solução<br />
A = 16, B = 9 e A = B. Então procedendo como antes, obtemos<br />
tan α = 3<br />
4<br />
4 ou tan α = − 3 . Para nós interessa o primeiro valor, donde<br />
α = arctan 3<br />
4<br />
3<br />
4 . Segue que cos α = 5 e sin α = 5 . Agora basta substituir na<br />
equação matricial.<br />
Outro modo que pode ser prático é simplesmente calcular diretamente<br />
os valores de A ′ , . . . , F ′ segundo as expressões vistas anteriormente.<br />
De qualquer modo, obtemos (x ′ ) 2 = 4y ′ , que é a equação de uma<br />
parábola. Deixamos ao leitor efetuar o desenho desta cônica. <br />
Exemplo 13.5.5 Determine os semi-eixos da cônica xy − √ 2y = 2.<br />
Solução<br />
Como A = C = 0, então α = π<br />
4 . Agora basta utilizar a equação matricial<br />
para obter (x ′ −1) 2 −(y ′ +1) 2 = 4. Pelas mudanças de variáveis: x ′′ = x ′ −1,<br />
y ′′ = y ′ + 1, obtemos (x ′′ ) 2 − (y ′′ ) 2 = 4, ou seja, (x′′ ) 2<br />
4 − (y′′ ) 2<br />
4 = 1, que é a<br />
equação de uma hipérbole equilátera de semi-eixos a = b = 2.<br />
Vamos agora determinar o centro O ′ : ora, x ′′ = 0, y ′′ = 0 implicam em<br />
x ′ = 1, y ′ = −1, donde x = √ 2, y = 0. Logo O ′ = ( √ 2, 0). Deixamos mais<br />
uma vez o desenho a cargo do leitor.
UNIVATES – Centro Universitário 215<br />
13.6 A Equação Geral do Segundo Grau a Duas<br />
Variáveis e as Cônicas<br />
A equação do 2 o grau a duas variáveis Ax 2 +Bxy+Cy 2 +Dx+Ey+F = 0<br />
(A 2 + B 2 + C 2 = 0) representa uma cônica.<br />
Podemos fazer uma rotação de modo que a equação não contenha termo<br />
misto, obtendo a equação A ′ (x ′ ) 2 + B ′ x ′ y ′ + C ′ (y ′ ) 2 + D ′ x ′ + E ′ y ′ + F ′ = 0,<br />
onde B ′ = 0.<br />
Por conseqüência da observação 13.5.2, B ′ = 0 → B 2 − 4AC = −4A ′ C ′ ,<br />
logo:<br />
1. B 2 −4AC < 0 ⇒ −4A ′ C ′ < 0 ⇒ A ′ C ′ > 0: elipse ou elipse degenerada<br />
(ponto ou ∅) – “equação do tipo elíptico”;<br />
2. B 2 − 4AC = 0 ⇒ −4A ′ C ′ = 0 ⇒ A ′ C ′ = 0: parábola ou parábola<br />
degenerada (2 retas paralelas, 1 reta ou ∅) – “equação do tipo parabólico”;<br />
3. B 2 − 4AC > 0 ⇒ −4A ′ C ′ > 0 ⇒ A ′ C ′ < 0: hipérbole ou hipérbole<br />
degenerada (2 retas concorrentes) – “equação do tipo hiperbólico”.<br />
13.6.1 Exemplos<br />
Exemplo 13.6.1 x2<br />
a2 + y2<br />
b2 = 0: pode ser escrita como b2x2 + a2y2 = 0,<br />
cuja solução é x = y = 0. Logo trata-se de um ponto (0, 0).<br />
Como B2 − 4AC = 0 − 4b2a2 < 0, é do tipo elíptico. <br />
Exemplo 13.6.2 x2<br />
a2 + y2<br />
b2 = −1: esta equação pode ser escrita como<br />
b2x2 + a2y2 + a2b2 = 0, cuja solução é S = ∅.<br />
Como B2 − 4AC = 0 − 4b2a2 < 0, é do tipo elíptico. <br />
Exemplo 13.6.3 y 2 − 4 = 0: B 2 − 4AC = 0 − 4 · 0 · 1 = 0. Logo é do<br />
tipo parabólico. Como a solução da equação é y = ±2, tratam-se de 2 retas<br />
paralelas. <br />
Exemplo 13.6.4 x 2 = 0: tem por solução x = 0 (1 reta).<br />
Como B 2 − 4AC = 0, é do tipo parabólico. <br />
Exemplo 13.6.5 3x 2 + 1 = 0: solução S = ∅ e B 2 − 4AC = 0. Logo é<br />
do tipo parabólico. <br />
Exemplo 13.6.6 x 2 − y 2 = 0: solução y = ±x (2 retas concorrentes),<br />
B 2 − 4AC = 0 − 4 · 1 · (−1) = 4 > 0. Logo é do tipo hiperbólico. <br />
Exercício 13.6.7 Classifique as cônicas:<br />
1. 4x 2 − 4xy + 7y 2 + 12x + 6y − 9 = 0;<br />
2. x 2 − 4xy + 4y 2 − 6x + 12y + 8 = 0.<br />
Exercício 13.6.8 Mostre que as equações definem cônicas degeneradas:<br />
1. 9x 2 + 4y 2 − 18x + 8y + 13 = 0;<br />
2. x 2 − 4xy + 3y 2 = 0
UNIVATES – Centro Universitário 216<br />
13.7 Respostas dos Principais Exercícios do<br />
Capítulo<br />
13.1.2 1). x2 y2<br />
16 + 7<br />
13.1.3 1). (x−2)2<br />
25<br />
x2 y2<br />
x2 y2<br />
= 1; 2). 50 + 100 = 1; 3). 1 + 2<br />
(y−3)2<br />
+ 16<br />
= 1; 2). (x−2)2<br />
7<br />
(y−1)2<br />
+ 16<br />
13.1.4 O ′ = (1, 2), F1 = (1 − √ 5, 2), F2 = (1 + √ 5, 2)<br />
13.2.2 1). x 2 = −12y; 2). y 2 = −6x; 3). x 2 = 4<br />
3 y<br />
= 1<br />
= 1<br />
13.2.3 1). (y − 2) 2 = 24(x + 2); 2). (y − 3) 2 = −12(x − 4)<br />
13.2.4 1). V = (−2, 3), p = 6; 2). V = (1, −4), p = 1<br />
2<br />
x 13.3.2 2 y2<br />
12 − 4<br />
= 1, assíntotas r: y = 2<br />
√ 12 x e s: y = − 2<br />
√ 12 x<br />
13.6.7 1). (x′ ) 2<br />
8 + (y′ ) 2<br />
3 = 1: elipse; 2). y′ = ± 1<br />
√ 5 : são 2 retas paralelas<br />
13.6.8 1). 9(x − 1) 2 + 4(y + 1) 2 = 0 é o ponto (1, −1);<br />
2). Como (x − a)(x − b) = x2 − (a + b)x + ab, é fácil ver que a cônica<br />
em questão tem equação (x − y)(x − 3y) = 0, done y = x ou y = x<br />
3 ,<br />
que são duas retas concorrentes.<br />
C H A E TING ER
Apêndice A<br />
Artigos para<br />
Aprofundamento<br />
A.1 Comparação dos Procedimentos para Resolver<br />
Sistemas <strong>Linear</strong>es<br />
Baseia-se em H. Anton ([1]), pp. 321-326.<br />
A.2 <strong>Álgebra</strong> de Matrizes<br />
Baseia-se em S.C. Bloch ([3]), páginas 80-89.<br />
A.3 Correlación de Pares de Imagenes para Medición<br />
de Sólidos por Fenómenos Estereo<br />
Artigo de J, Sánches ([31]), páginas 59-58.<br />
A.4 Introdução à Pesquisa Operacional<br />
Trata-se do Capítulo 1 de C. Perin ([26]), páginas 1 a 11.<br />
A.5 Modelos<br />
É o Capítulo 2 de C. Perin ([26]), páginas 13 a 44.<br />
A.6 Espaços Vetoriais – Introdução: Quadrados<br />
Mágicos<br />
Baseia-se no livro de D. Poole ([27]), páginas 385-387.<br />
A.7 Compressão de Imagem Digital<br />
D. Poole ([27]), páginas 555-557.<br />
217
UNIVATES – Centro Universitário 218<br />
A.8 Investigação: Azulejos, Reticulados e a Restrição<br />
Cristalográfica<br />
D. Poole ([27]), páginas 465-467.<br />
A.9 Investigação: A Fatoração LU<br />
D. Poole ([27]), páginas 225-229.<br />
A.10 Códigos Corretores de Erros<br />
D. Poole ([27]), páginas 215-224.<br />
A.11 Grafos e Dígrafos<br />
D. Poole ([27]), páginas 210-214.<br />
A.12 Investigação: Pivotamento Parcial e Contagem<br />
de Operações - Uma Introdução à<br />
Análise de Algoritmos<br />
D. Poole ([27]), páginas 82-85.<br />
A.13 Análise de Redes<br />
D. Poole ([27]), páginas 100-113.<br />
A.14 Simulador de Circuitos<br />
Correspondência eletrônica enviada pelo Prof.Ms. R. Schaeffer.<br />
A.15 Vetores de Código e Aritmética Modular<br />
D. Poole ([27]), páginas 47-54.<br />
A.16 Diagonalização de Formas Quadráticas:<br />
Seções Cônicas<br />
H. Anton ([1]), páginas 313-321.<br />
A.17 A Rampa de Skate do Tempo Mínimo<br />
J.L.P. Mello, São Paulo, Revista do Professor de Matemática (RPM) 59,<br />
(2006), páginas 9-15.
UNIVATES – Centro Universitário 219<br />
A.18 Por Que as Antenas São Parabólicas<br />
E. Wagner, São Paulo, Revista do Professor de Matemática (RPM) 33,<br />
(1997), páginas 10-15.<br />
A.19 A Hipérbole e os Telescópios<br />
G. Ávila, São Paulo, Revista do Professor de Matemática (RPM) 34,<br />
(1997), páginas 22-27.<br />
A.20 A Sombra do Meu Abajur<br />
J.P. Carneiro, São Paulo, Revista do Professor de Matemática (RPM)<br />
59, (2006), páginas 1-6.<br />
A.21 A Matemática do GPS<br />
S. Alves, São Paulo, Revista do Professor de Matemática (RPM) 59,<br />
(2006), páginas 17-26.<br />
A.22 Montando uma Dieta Alimentar com Sistemas<br />
<strong>Linear</strong>es<br />
A.A.Dornelles Filho, São Paulo, Revista do Professor de Matemática<br />
(RPM) 59, (2006), páginas 27-29.<br />
A.23 Resumo Sobre Cônicas<br />
Este material é oriundo de uma montagem de textos de vários autores,<br />
elaborado por M. Madalena Dullius<br />
A.24 Um Brinquedo Chamado Espirógrafo<br />
L.N. de Andrade, São Paulo, Revista do Professor de Matemtica (RPM)<br />
60, (2006), páginas 24-29.
Apêndice B<br />
Autovalores e Vetores<br />
Próprios, Diagonalização de<br />
Operadores <strong>Linear</strong>es<br />
B.1 Introdução<br />
ada uma transformação linear de um espaço vetorial nele mesmo,<br />
T : V → V , que vetores são levados neles mesmos via T ? Isto é, dada T :<br />
V → V , quais são os vetores v ∈ V tais que T (v) = v? (O vetor v, neste<br />
caso, é chamado de vetor fixo).<br />
Se A é uma matriz n × n e x é um vetor do R n , então Ax também é<br />
um vetor no R n , mas em geral não há nenhuma relação geométrica simples<br />
entre x e Ax. No entanto, esta relação existe no caso especial em que x é um<br />
vetor não-nulo e Ax é um múltiplo escalar de x. Por exemplo, se A é uma<br />
matriz 2 × 2 e se x é um vetor não-nulo tal que Ax é um múltiplo escalar<br />
de x, digamos, Ax = λx, então cada vetor na reta pela origem determinada<br />
por x é levado de volta à mesma reta quando multiplicado por A.<br />
Vetores não-nulos que são levados em múltiplos escalares deles mesmos<br />
por um operador linear aparecem naturalmente no estudo de vibrações e da<br />
dinâmica populacional, na genética, na mecânica quântica e na economia,<br />
bem como na geometria. Neste capítulo estudaremos tais vetores e suas<br />
aplicações.<br />
Exemplo B.1.1 Considere a aplicação identidade I: R 2 → R 2 , onde<br />
I(x, y) = (x, y). Então é fácil ver que todo o espaço R 2 é fixo. <br />
Exemplo B.1.2 Seja rx: R2 → R2 dada por rx(x, y) = (x, −y) a reflexão<br />
no eixo <br />
OX. Matricialmente<br />
esta aplicação pode ser representada por<br />
x 1 0 x<br />
<br />
· .<br />
y 0 −1 y<br />
220
UNIVATES – Centro Universitário 221<br />
Percebe-se que todo vetor pertencente ao eixo <br />
<br />
OX é fixo por rx. De fato:<br />
1 0 x x<br />
· = , ou seja, rx(x, 0) = (x, 0).<br />
0 −1 0 0<br />
<br />
x<br />
Ademais, são os únicos vetores fixos, pois se é um vetor do R<br />
y<br />
2<br />
<br />
<br />
1 0 x x<br />
x + 0y = x<br />
tal que<br />
· = , caímos no sistema<br />
0 −1 y y<br />
0x − y = y ou<br />
<br />
x = x<br />
, cuja única solução é (x, 0) com x ∈ R. <br />
−y = y<br />
Exemplo B.1.3 Seja N: R 2 → R 2 dada por N(x, y) = (0, 0) a<br />
aplicação nula. Então o único vetor fixo é o vetor nulo: N(0, 0) = (0, 0). <br />
B.2 Sistemas <strong>Linear</strong>es da Forma Ax = λx<br />
Muitas aplicações da <strong>Álgebra</strong> <strong>Linear</strong> envolvem sistemas de n equações<br />
lineares em n incógnitas que aparecem no formato<br />
Ax = λx, (B.1)<br />
onde λ é um escalar. Tais sistemas são, realmente, sistemas homogêneos<br />
disfarçados, pois (B.1) podem ser reescritos como λx − Ax = 0 ou, inserindo<br />
uma matriz identidade e fatorando, como<br />
(λI − A)x = 0. (B.2)<br />
<br />
x1 + 3x2 = λx1<br />
Exemplo B.2.1 O sistema linear<br />
pode ser es-<br />
4x1 + 2x2 = λx2<br />
<br />
1 3 x1 x1<br />
crito em formato matricial como · = λ · que é do<br />
4 2 x2 x2<br />
formato de (B.1).<br />
Este sistema pode ser reescrito como<br />
<br />
x1 1 3 x1 0<br />
λ · −<br />
= ou<br />
x2 4 2 x2 0<br />
<br />
1 0 x1 1 3 x1 0<br />
λ · · −<br />
= ou ainda<br />
0 1 x2 4 2 x2 0<br />
<br />
λ − 1 −3 x1 0<br />
· = , que é do formato (B.2).<br />
−4 λ − 2<br />
0<br />
x2<br />
O problema primordial que nos interessa em relação aos sistemas no<br />
formato (B.2) é determinar para quais valores de λ o sistema tem uma<br />
solução não-trival; um tal valor de λ é chamado autovalor de A, ou valor<br />
próprio ou, às vezes, valor característico de A. Se λ é um autovalor de A,<br />
então cada solução não-trivial de (B.2) é chamada autovetor de A associado<br />
ao autovalor λ.<br />
Segue do Teorema 7.4.13 que o sistema (λI − A)x = 0 tem solução nãotrivial<br />
se, e somente se, det(λI − A) = 0.<br />
Esta equação é chamada equação característica de A; os autovalores de<br />
A podem ser encontrados resolvendo esta equação em λ.
UNIVATES – Centro Universitário 222<br />
Exemplo B.2.2 Encontre os autovalores e correspondentes autovetores<br />
da matriz A do exemplo B.2.1.<br />
Solução <br />
<br />
A equação característica de A é det(λI − A) = λ − 1<br />
−4<br />
λ<br />
<br />
−3 <br />
<br />
λ − 2 = 0 ou<br />
2 − 3λ − 10 = 0.<br />
A forma fatorada desta equação é (λ + 2)(λ − 5) = 0, de modo que os<br />
autovalores de A são λ = −2 e λ = 5.<br />
Por definição, x é um autovetor deA se, e somente se, x é umasolução<br />
<br />
λ − 1 −3 x1 0<br />
não-trivial de (λI − A)x = 0; ou seja,<br />
· = .<br />
−4 λ − 2 x2 0<br />
Se λ = −2, então a equação acima é dada por<br />
<br />
−3<br />
−4<br />
<br />
−3 x1<br />
·<br />
−4<br />
<br />
0<br />
= .<br />
0<br />
Resolvendo este sistema obtemos x1 = −t, x2 = t, de modo que os autovetores<br />
associados a λ = −2 são as soluções não-nulas na forma<br />
<br />
x1 −t<br />
x = = .<br />
t<br />
x2<br />
Analogamente, os autovetores correspondentes ao autovalor λ = 5 são<br />
3<br />
x1<br />
as soluções não-nulas da forma x = = 4t <br />
. <br />
t<br />
B.3 Autovalores e Autovetores<br />
Definição B.3.1 Se A é uma matriz n × n, então um vetor não-nulo x<br />
em R n é chamado um autovetor de A se Ax é um múltiplo escalar de x, ou<br />
seja, Ax = λx, para algum escalar λ. O escalar λ é chamado um autovalor<br />
de A e dizemos que x é um autovetor associado a λ.<br />
Em R 2 e R 3 , a multiplicação por A manda cada autovetor x de A (se<br />
houver) sobre a mesma reta pela origem que x. Dependendo do sinal e<br />
da magnitude do autovalor λ associado a x, o operador linear Ax = λx<br />
comprime ou estica x por um fator λ, invertendo o sentido no caso de λ<br />
negativo.<br />
<br />
1<br />
Exemplo B.3.2 O vetor x = é um autovetor da matriz<br />
2<br />
<br />
3 0<br />
A =<br />
correspondendo ao autovalor λ = 3, pois<br />
8 −1<br />
<br />
3 0 1 3<br />
Ax =<br />
· = = 3x. <br />
8 −1 2 6<br />
Para encontrar os autovalores de uma matriz A de tamanho n × n nós<br />
reescrevemos Ax = λx como Ax = λIx ou, equivalentemente, (λI −A)x = 0.<br />
x2<br />
x2
UNIVATES – Centro Universitário 223<br />
Para λ ser um autovalor, precisa haver uma solução não-nula desta<br />
equação. No entanto, pelo Teorema 7.4.13, a equação (B.2) tem solução<br />
se, e somente se,<br />
det(λI − A) = 0. (B.3)<br />
Esta equação é a equação característica de A; os escalares que satisfazem<br />
esta equação são os autovalores de A. Quando expandido, o determinante<br />
det(λI−A) é um polinômio p em λ, que é chamado o polinômio característico<br />
de A.<br />
Pode ser mostrado (desafio!) que se A é uma matriz n × n, então o<br />
polinômio característico de A tem grau n e o coeficiente de λ n é 1, ou seja,<br />
o polinômio característico p(λ) de uma matriz n × n é da forma<br />
p(λ) = det(λI − A) = λ n + c1λ n−1 + . . . + cn.<br />
Pelo Teorema Fundamental da <strong>Álgebra</strong> segue que a equação característica<br />
λn + c1λn−1 + . . . + cn = 0 tem, no máximo, n soluções distintas, de modo<br />
que uma matriz n × n tem, no máximo, n autovalores distintos.<br />
Exemplo B.3.3 Encontre os autovalores de A = ⎣<br />
⎡<br />
0 1 0<br />
0 0 1<br />
4 −17 8<br />
Solução<br />
O polinômio característico de A é<br />
<br />
<br />
<br />
λ −1 0 <br />
<br />
det(λI − A) = <br />
0 λ −1 <br />
<br />
−4 17 λ − 8 = λ3 − 8λ 2 + 17λ − 4.<br />
Os autovalores de A, portanto, satisfazem a equação cúbica acima:<br />
λ 3 − 8λ 2 + 17λ − 4 = 0. Para resolver esta equação, nós começamos procurando<br />
soluções inteiras. Esta tarefa pode ser enormemente simplificada<br />
se lembrarmos o seguinte fato: todas as soluções inteiras (se houver) de<br />
uma equação polinomial λ n + c1λ n−1 + . . . + cn = 0 com coeficientes inteiros<br />
são divisores do termo constante cn. Assim, no nosso exemplo, as<br />
únicas possíveis soluções inteiras da equação cúbica acima são os divisores<br />
de −4, ou seja, ±1, ±2 e ±4. Substituindo sucessivamente cada um<br />
destes valores na equação cúbica segue que λ = 4 é uma solução inteira.<br />
Conseqüentemente, λ − 4 deve ser um fator do lado esquerdo da referida<br />
equação. Dividindo λ 3 −8λ 2 +17λ−4 por λ−4, podemos reescrevê-la como<br />
(λ−4)(λ 2 −4λ+1) = 0. Assim, as demais soluções desta equação satisfazem<br />
a equação quadrática λ 2 − 4λ + 1 = 0 que pode ser resolvida facilmente.<br />
Logo, os autovalores de A são λ = 4, λ = 2 + √ 3 e λ = 2 − √ 3. <br />
Exemplo B.3.4 (autovalores de uma<br />
⎡<br />
matriz triangular<br />
⎤<br />
supe-<br />
rior) Encontre os autovalores da matriz A =<br />
⎢<br />
⎣<br />
a11 a12 a13 a14<br />
0 a22 a23 a24<br />
0 0 a33 a34<br />
0 0 0 a44<br />
⎤<br />
⎦.<br />
⎥<br />
⎦ .
UNIVATES – Centro Universitário 224<br />
Solução<br />
Lembrando que o determinante de uma matriz triangular é o produto das<br />
entradas na diagonal principal (desafio!), obtemos o polinômio característico<br />
det(λI − A) = (λ − a11)(λ − a22)(λ − a33)(λ − a44).<br />
Assim, a equação característica é dada por<br />
det(λI − A) = (λ − a11)(λ − a22)(λ − a33)(λ − a44) = 0<br />
e os autovalores são λ = a11, λ = a22, λ = a33 e λ = a44, que são precisamente<br />
as entradas na diagonal principal de A. <br />
Teorema B.3.5 Se A é uma matriz n × n triangular (superior, inferior<br />
ou diagonal), então os autovalores de A são as entradas na diagonal<br />
principal de A.<br />
prova: desafio!<br />
Observação B.3.6 Muitas vezes, em problemas aplicados, a matriz A<br />
é tão grande que não é prático calcular a equação característica. Neste caso,<br />
existem muitos métodos de aproximação que podem ser utilizados para obter<br />
os autovalores.<br />
Observação B.3.7 É possível que a equação característica de uma matriz<br />
com entradas reais tenha soluções complexas. Assim, mesmo para matrizes<br />
reais, somos forçados a considerar autovalores complexos. Por sua<br />
vez, isto nos leva a considerar a possibilidade de espaços vetoriais complexos<br />
(com escalares em C). Neste curso, contudo, nossa discussão ficará<br />
limitada a matrizes com autovalores reais.<br />
O seguinte teorema resume o que vimos até aqui<br />
Teorema B.3.8 Se A é uma matriz n × n e λ é um número real, então<br />
as seguintes afirmações são equivalentes:<br />
1. λ é um autovalor de A;<br />
2. O sistema (λI − A)x = 0 tem soluções não-triviais;<br />
3. Existe um vetor não-nulo x tal que Ax = λx;<br />
4. λ é uma solução da equação característica det(λI − A) = 0.<br />
Agora que nós sabemos encontrar autovalores, passamos ao problema<br />
de encontrar autovetores. Os autovetores de A associados a um autovalor<br />
λ são os vetores não-nulos x que satisfazem Ax = λx. Equivalentemente,<br />
os autovetores associados a λ são os vetores não-nulos no espaço-solução de<br />
(λI − A)x = 0. Nós chamamos este espaço de auto-espaço de A associado a<br />
λ.
UNIVATES – Centro Universitário 225<br />
Exemplo ⎡ B.3.9 ⎤ Encontre bases para os auto-espaços da matriz<br />
0 0 −2<br />
A = ⎣ 1 2 1 ⎦.<br />
1 0 3<br />
Solução<br />
A equação característica da matriz A é λ3 − 5λ2 + 8λ − 4 = 0 ou, na<br />
forma fatorada, (λ − 1)(λ − 2) 2 = 0; assim, os autovalores de A são λ = 1 e<br />
λ = 2. Portanto, temos dois auto-espaços de A.<br />
Por definição, x = (x1, x2, x3) t é um autovetor de A associado a λ se, e<br />
somente se, x é uma solução não-trivial de (λI − A)x = 0, ou seja, se λ = 2,<br />
então o sistema é dado por<br />
⎡<br />
⎣<br />
2 0 2<br />
−1 0 −1<br />
−1 0 −1<br />
⎤<br />
⎡<br />
⎦ · ⎣<br />
x1<br />
x2<br />
x3<br />
⎤<br />
⎡<br />
⎦ = ⎣<br />
Resolvendo este sistema, obtemos (verifique!) x1 = −s, x2 = t, x3 = s.<br />
Assim, os autovetores de A associados a λ = 2 são os vetores não-nulos da<br />
forma<br />
⎡<br />
Como ⎣<br />
⎡<br />
x = ⎣<br />
−1<br />
0<br />
1<br />
⎤<br />
−s<br />
t<br />
s<br />
⎡<br />
⎦ e ⎣<br />
⎤<br />
0<br />
1<br />
0<br />
⎡<br />
⎦ = ⎣<br />
⎤<br />
−s<br />
0<br />
s<br />
⎤<br />
⎡<br />
⎦ + ⎣<br />
0<br />
t<br />
0<br />
⎤<br />
⎡<br />
⎦ = s ⎣<br />
0<br />
0<br />
0<br />
−1<br />
0<br />
1<br />
⎤<br />
⎦ .<br />
⎤<br />
⎡<br />
⎦ + t ⎣<br />
⎦ são linearmente independentes, estes vetores formam<br />
uma base do auto-espaço associado a λ = 2.<br />
Se λ = 1, então o sistema é dado por<br />
⎡<br />
1<br />
⎣ −1<br />
0<br />
−1<br />
⎤ ⎡<br />
2 x1<br />
−1 ⎦ · ⎣ x2<br />
⎤ ⎡<br />
⎦ = ⎣<br />
−1 0 −2<br />
Resolvendo este sistema, obtemos x1 = −2s, x2 = s, x3 = s.<br />
Assim, ⎡ os ⎤autovetores<br />
⎡ associados ⎤ a ⎡λ<br />
= 1⎤são os vetores não-nulos da<br />
−2s −2<br />
−2<br />
forma ⎣ s ⎦ = s ⎣ 1 ⎦ e portanto ⎣ 1 ⎦ é uma base do auto-espaço<br />
s<br />
1<br />
1<br />
associado a λ = 1. <br />
Observação B.3.10 Uma vez obtidos os autovalores e autovetores de<br />
uma matriz A, é uma questão simples obter os autovalores e os autovetores<br />
de qualquer potência inteira positiva de A; por exemplo, se λ é um autovalor<br />
de A e se x é um autovetor correspondente, então<br />
x3<br />
0<br />
0<br />
0<br />
⎤<br />
⎦ .<br />
A 2 x = A(Ax) = A(λx) = λ(Ax) = λ(λx) = λ 2 x,<br />
o que mostra que λ 2 é um autovalor de A 2 com autovetor associado x.<br />
Em geral, temos o seguinte resultado.<br />
0<br />
1<br />
0<br />
⎤<br />
⎦ .
UNIVATES – Centro Universitário 226<br />
Teorema B.3.11 Se k é um inteiro positivo, λ é um autovalor de uma<br />
matriz A e x é um autovetor associado, então λ k é um autovalor de A k e x<br />
é um autovetor associado.<br />
O próximo teorema estabelece uma relação entre os autovalores e a invertibilidade<br />
de uma matriz.<br />
Teorema B.3.12 Uma matriz quadrada A é invertível se, e somente<br />
se, λ = 0 não é um autovalor de A.<br />
prova: Suponhamos que A seja uma matriz n × n. É fácil ver que λ = 0<br />
é uma solução da equação característica λn + c1λn−1 + . . . + cn = 0 se, e<br />
somente se, o termo constante cn = 0. Portanto, basta mostrar que cn = 0.<br />
Mas, det(λI − A) = λn + c1λn−1 + . . . + cn e, por conseguinte, tomando<br />
λ = 0, det(−A) = cn ou (−1) n det(A) = cn.<br />
Segue da última equação que det(A) = 0 se, e somente se, cn = 0. Logo,<br />
A é invertível se, e somente se, cn = 0.<br />
B.4 Diagonalização<br />
Nesta seção abordaremos o problema de encontrar uma base do R n que<br />
consista de autovetores de uma dada matriz A (n×n). Estas bases podem ser<br />
usadas para estudar problemas geométricos de A e para simplificar muitas<br />
contas envolvendo A. Elas também têm significado físico em uma grande<br />
variedade de aplicações, algumas das quais serão consideradas ainda neste<br />
curso.<br />
Nosso primeiro objetivo é mostrar que os dois problemas a seguir, embora<br />
aparentemente sejam bastante diferentes, na realidade são equivalentes.<br />
O Problema dos Autovetores: dada uma matriz A de tamanho n×n,<br />
existe uma base do R n consistindo de autovetores de A?<br />
O Problema da Diagonalização (Versão Matricial): dada uma<br />
matriz A de tamanho n × n, existe uma matriz invertível P tal que P −1 AP<br />
é uma matriz diagonal?<br />
Este último problema sugere a seguinte terminologia.<br />
Definição B.4.1 Uma matriz quadrada A é dita diagonalizável se existir<br />
uma matriz invertível P tal que P −1 AP é uma matriz diagonal; dizemos,<br />
então, que a matriz P diagonaliza A.<br />
O seguinte teorema mostra que o problema do autovetor e o problema<br />
de diagonalização são equivalentes.<br />
Teorema B.4.2 Se A é uma matriz n × n, então são equivalentes as<br />
seguintes afirmações:<br />
1. A é diagonalizável;<br />
2. A tem n autovetores linearmente independentes.<br />
prova: exercício (ver [1], Teorema 7.2.1).
UNIVATES – Centro Universitário 227<br />
B.4.1 Um Procedimento para Diagonalizar uma Matriz<br />
O Teorema B.4.2 garante que uma matriz A de tamanho n × n com n<br />
autovetores linearmente independentes é diagonalizável e a prova fornece o<br />
seguinte método para diagonalizar A.<br />
Passo 1: encontre n autovetores linearmente independentes de A,<br />
digamos p1, p2, . . ., pn;<br />
Passo 2: forme a matriz P com os vetores-coluna p1, p2, . . ., pn;<br />
Passo 3: a matriz P −1 AP será, então, diagonal com entradas λ1, λ2,<br />
. . ., λn na diagonal principal, onde λi é o autovalor associado a pi,<br />
para i = 1, 2, . . . , n.<br />
Para executar o Passo 1 deste procedimento precisamos, inicialmente,<br />
de uma maneira de determinar se uma matriz n × n A tem n autovetores<br />
linearmente independentes e, em seguida, de um método para encontrar<br />
estes autovetores. Ambos estes problemas podem ser atacados simultaneamente<br />
encontrando bases para os auto-espaços de A. Adiante nesta seção<br />
nós mostraremos que, como um só conjunto combinado, os vetores destas<br />
bases são linearmente independentes, de modo que se houver n destes autovetores<br />
então A será diagonalizável e os n vetores de bases podem ser usados<br />
como vetores-coluna da matriz diagonalizante P . Se houver menos do que<br />
n vetores de base, então A não será diagonalizável.<br />
Exemplo ⎡ B.4.3 ⎤ Encontre a matriz P que diagonaliza a matriz<br />
0 0 −2<br />
A = ⎣ 1 2 1 ⎦.<br />
1 0 3<br />
Solução<br />
No exemplo B.3.9 verificamos que (λ − 1)(λ − 2) 2 = 0 é a equação<br />
característica de⎡A e encontramos ⎤ ⎡ as ⎤ seguintes bases⎡de auto-espaços: ⎤<br />
−1<br />
0<br />
−2<br />
λ = 2: p1 = ⎣ 0 ⎦, p2 = ⎣ 1 ⎦; λ = 1: p3 = ⎣ 1 ⎦.<br />
1<br />
0<br />
1<br />
Há ⎡ três vetores de ⎤ base no total, portanto a matriz A é diagonalizável e<br />
−1 0 −2<br />
P = ⎣ 0 1 1 ⎦ diagonaliza A.<br />
1 0 1<br />
Para conferir, o leitor deveria verificar que<br />
P −1 ⎡<br />
⎤ ⎡<br />
⎤ ⎡<br />
1 0 2 0 0 −2 −1 0<br />
⎤<br />
−2<br />
⎡<br />
2 0<br />
⎤<br />
0<br />
AP = ⎣ 1 1 1 ⎦ ⎣ 1 2 1 ⎦ ⎣ 0 1 1 ⎦ = ⎣ 0 2 0 ⎦. <br />
−1 0 −1 1 0 3 1 0 1 0 0 1<br />
Não existe uma ordem preferencial para as colunas de P . Como a i-ésima<br />
entrada diagonal de P −1AP é um autovalor para o i-ésimo vetor-coluna de<br />
P , mudando a ordem das colunas de P só muda a ordem dos autovalores na
UNIVATES – Centro Universitário 228<br />
diagonal de P −1AP . Assim, se tivéssemos escrito P = ⎣<br />
exemplo B.4.3, nós teríamos obtido P −1AP = ⎣<br />
⎡<br />
⎡<br />
2 0 0<br />
0 1 0<br />
0 0 2<br />
−1 −2 0<br />
0 1 1<br />
1<br />
⎤<br />
1 0<br />
Exemplo ⎡ B.4.4 ⎤ Encontre a matriz P que diagonaliza a matriz<br />
1 0 0<br />
A = ⎣ 1 2 0 ⎦.<br />
−3 5 2<br />
Solução<br />
O polinômio característico de A é<br />
<br />
<br />
<br />
λ − 1 0 0 <br />
<br />
det(λI − A) = <br />
−1 λ − 2 0 <br />
<br />
3 −5 λ − 2 = (λ − 1)(λ − 2)2 ,<br />
⎦.<br />
⎤<br />
⎦ no<br />
de modo que a equação característica é (λ − 1)(λ − 2) 2 = 0. Assim, os<br />
autovalores de A são λ = 1 e λ = 2. Efetuando os cálculos, mostra-se que<br />
as bases dos auto-espaços ⎡ ⎤ são<br />
1<br />
8<br />
− 1<br />
8<br />
λ = 1: p1 = ⎣ ⎦; λ = 2: p2 = ⎣ ⎦.<br />
1<br />
1<br />
Como A é 3 × 3 e só existem dois vetores de base no total, A não é<br />
diagonalizável. <br />
Solução Alternativa<br />
Se nós não estivermos interessados em encontrar a matriz diagonalizante<br />
P , mas só em determinar se uma dada matriz é ou não diagonalizável, então<br />
não é necessário calcular bases para os auto-espaços, bastando encontrar<br />
as dimensões dos auto-espaços. Neste ⎡ exemplo, o auto-espaço ⎤ ⎡ ⎤ associado ⎡ ⎤ a<br />
0 0 0 x1 0<br />
λ = 1 é o espaço-solução do sistema ⎣ −1 −1 0 ⎦ ⎣ x2 ⎦ = ⎣ 0 ⎦.<br />
3 −5 −1 x3 0<br />
A matriz dos coeficientes tem posto 2 (verifique!). Portanto, pela definição<br />
6.3.12, a nulidade desta matriz é 1 e então o espaço-solução é unidimensional<br />
(Teorema 6.5.4).<br />
⎡ O auto-espaço ⎤ ⎡ associado ⎤ ⎡ a⎤λ = 2 é o espaço solução do sistema<br />
1 0 0 x1 0<br />
⎣ −1 0 0 ⎦ ⎣ x2 ⎦ = ⎣ 0 ⎦.<br />
3 −5 0 x3 0<br />
Esta matriz de coeficientes também tem posto 2 e nulidade 1 (verifique!),<br />
de modo que o espaço-solução associado a λ = 2 também é unidimensional.<br />
Como os auto-espaços produzem um total de dois vetores de base, a matriz<br />
A não é diagonalizável. <br />
No exemplo B.4.3 supusemos que os vetores-coluna de P , que consistem<br />
de vetores de bases dos vários auto-espaços de A, são linearmente independentes.<br />
O próximo teorema trata desta suposição.<br />
⎡<br />
0<br />
0<br />
⎤
UNIVATES – Centro Universitário 229<br />
Teorema B.4.5 Se v1, v2, . . . , vk são autovetores de A associados a autovalores<br />
distintos λ1, λ2, . . . , λk, então {v1, v2, . . . , vk} é um conjunto linearmente<br />
independente.<br />
prova: exercício (ver [1], Teorema 7.2.2).<br />
Observação B.4.6 O Teorema B.4.5 é um caso especial de um resultado<br />
mais geral: suponha que λ1, λ2, . . . , λk são autovalores distintos e que<br />
escolhemos um conjunto linearmente independente em cada auto-espaço correspondente.<br />
Se nós juntarmos todos estes vetores num único conjunto, o<br />
resultado é um conjunto que ainda é linearmente independente.<br />
Corolário B.4.7 Se uma matriz A de tamanho n×n tem n autovalores<br />
distintos, então A é diagonalizável.<br />
prova: Se v1, v2, . . . , vn são autovetores associados aos autovalores distintos<br />
λ1, λ2, . . . , λn então, pelo Teorema B.4.5, v1, v2, . . . , vn são linearmente<br />
independentes. Assim, A é diagonalizável pelo Teorema B.4.2.<br />
Exemplo B.4.8 Pelo Teorema B.3.5, os autovalores de uma matriz triangular<br />
são as entradas na diagonal principal. Assim, uma matriz triangular<br />
com entradas distintas na diagonal é diagonalizável.<br />
B.4.2 Multiplicidades Geométrica e Algébrica<br />
O Teorema B.4.7 não resolve totalmente o problema da diagonalização,<br />
pois é possível para uma matriz A de tamanho n × n ser diagonalizável<br />
sem que tenha n autovalores distintos. Nós vimos no exemplo B.4.3, onde<br />
a dada matriz 3 × 3 tinha somente dois autovalores distintos e no entanto<br />
era diagonalizável. O que realmente importa para a diagonalização são<br />
as dimensões dos auto-espaços – a soma destas dimensões deve totalizar n<br />
para que a matriz n × n seja diagonalizável. Os exemplos B.4.3 e B.4.4<br />
ilustram isto: as matrizes daqueles exemplos tinham as mesmas equações<br />
características e os mesmos autovalores, mas a matriz do exemplo B.4.3<br />
é diagonalizável porque as dimensões dos auto-espaços somam 3 enquanto<br />
que a matriz do exemplo B.4.4 não é diagonalizável porque as dimensões dos<br />
auto-espaços somam somente 2.<br />
Agora abordaremos superficialmente um tópico que é importante para<br />
um melhor entendimento da diagonalizabilidade. Pode ser provado que se<br />
λ0 é um autovalor de A, então a dimensão do auto-espaço associado a λ0<br />
não pode exceder o número de vezes que λ − λ0 aparece como um fator do<br />
polinômio característico de A.<br />
Por exemplo, nos exemplos B.4.3 e B.4.4 o polinômio característico é<br />
(λ − 1)(λ − 2) 2 . Assim, o auto-espaço associado a λ = 1 é no máximo (e,<br />
portanto, exatamente) unidimensional e o auto-espaço associado a λ = 2<br />
é no máximo bidimensional. No exemplo B.4.3, o auto-espaço associado<br />
a λ = 2 de fato tem dimensão 2, resultando em diagonalizabilidade, mas<br />
no exemplo B.4.4, este auto-espaço tem dimensão somente 1, resultando na<br />
não-diagonalizabilidade.
UNIVATES – Centro Universitário 230<br />
Existe alguma terminologia relacionada com este assunto.<br />
Se λ0 é um autovalor de uma matriz A de tamanho n × n, então a dimensão<br />
do auto-espaço associado a λ0 é chamada multiplicidade geométrica<br />
de λ0 e o número de vezes que λ − λ0 aparece como um fator do polinômio<br />
característico de A é chamado multiplicidade algébrica de λ0.<br />
O teorema a seguir resume esta discussão.<br />
Teorema B.4.9 Se A é uma matriz quadrada, então:<br />
1. Para cada autovalor de A, a multiplicidade geométrica é menor do que<br />
ou igual à multiplicidade algébrica;<br />
2. A é diagonalizável se, e somente se, para cada autovalor, a multiplicidade<br />
geométrica é igual à multiplicidade algébrica.<br />
prova: desafio! (ver [9]).<br />
Existem inúmero problemas de matemática aplicada que requerem calcular<br />
potências elevadas de uma matriz quadrada. Nós concluiremos esta<br />
seção mostrando como a diagonalização pode ser usada para simplificar tais<br />
cálculos para matrizes diagonalizáveis.<br />
Se A é uma matriz n × n e P é uma matriz invertível, então<br />
(P −1 AP ) 2 = P −1 AP P −1 AP = P −1 AIAP = P −1 A 2 P.<br />
Mais geralmente, para qualquer inteiro positivo k,<br />
(P −1 AP ) k = P −1 A k P.<br />
Segue desta equação que se A for diagonalizável e se P −1 AP = D é uma<br />
matriz diagonal, então<br />
P −1 A k P = (P −1 AP ) k = D k .<br />
Resolvendo esta equação em A k , obtemos<br />
A k = P D k P −1 .<br />
Esta última equação expressa a k-ésima potência de A em termos da k-ésima<br />
potência da matriz diagonal D. Mas Dk ⎡<br />
⎤<br />
é fácil de calcular; por exemplo, se<br />
d1 0 . . . 0<br />
⎢ 0 d2 . . . 0 ⎥<br />
D = ⎢<br />
⎣<br />
.<br />
. . ..<br />
⎥<br />
. ⎦<br />
0 0 . . . dn<br />
, então Dk ⎡<br />
d<br />
⎢<br />
= ⎢<br />
⎣<br />
k 1 0 . . . 0<br />
0 dk ⎤<br />
2 . . . 0 ⎥<br />
.<br />
. . ..<br />
⎥<br />
. ⎦ .<br />
Exemplo B.4.10 Calcule A13 , onde A = ⎣<br />
Solução<br />
0 0 . . . d k n<br />
⎡<br />
0 0 −2<br />
1 2 1<br />
1 0 3<br />
⎤<br />
⎦.
UNIVATES – Centro Universitário 231<br />
Mostramos no exemplo B.4.3 que a matriz A é diagonalizável e que<br />
D = P −1 ⎡ ⎤<br />
2 0 0<br />
AP = ⎣ 0 2 0 ⎦. Assim,<br />
0 0 1<br />
⎡<br />
A 13 = P D 13 P = ⎣<br />
−8190 0 −16382<br />
8191 8192 8191<br />
8191 0 16383<br />
⎤<br />
⎦ . <br />
Observação B.4.11 A maior parte do trabalho no método do exemplo<br />
acima é diagonalizar A. Uma vez concluído este trabalho, podemos calcular<br />
qualquer potência de A. Assim, para calcular A 1000 nós só precisamos trocar<br />
os expoentes 13 para 1000 no cálculo acima.<br />
B.5 Diagonalização Ortogonal<br />
Analisaremos o problema de encontrar uma base ortonormal do R n com<br />
o produto interno euclidiano que consista de autovetores de uma dada matriz<br />
A de tamanho n × n.<br />
B.5.1 Matrizes Ortogonais: Mudança de Bases<br />
Uma base que é conveniente para um problema pode não o ser para outro,<br />
de modo que a mudança de uma base para outra é um processo comum no<br />
estudo de espaços vetoriais. Como uma base é uma generalização de um<br />
sistema de coordenadas para espaços vetoriais, mudar de bases é parecido<br />
com mudar de eixos coordenados em R 2 ou R 3 .<br />
Nesta subseção iremos desenvolver algumas propriedades de matrizes<br />
quadradas com vetores-coluna ortogonais. Estas matrizes surgem em vários<br />
contextos, incluindo problemas envolvendo a mudança de base ortonormal<br />
para outra.<br />
Matrizes cujas inversas podem ser obtidas por transposição são suficientemente<br />
importantes para possuir alguma terminologia associada.<br />
Definição B.5.1 Uma matriz ortogonal é uma matriz quadrada A com<br />
a propriedade A −1 = A t .<br />
Decorre desta definição que uma matriz quadrada A é ortogonal se, e<br />
somente se, AA t = A t A = I.<br />
Exemplo B.5.2 A matriz canônica para rotação anti-horária do R 2 por<br />
um ângulo θ,<br />
(verifique!).<br />
cos θ − sin θ<br />
sin θ cos θ<br />
<br />
, é ortogonal para todas as escolhas de θ<br />
De fato, é simples verificar que todas as “matrizes de reflexão”, e todas<br />
as “matrizes de rotação ” são matrizes ortogonais.<br />
Os próximos dois teoremas serão apresentados sem demonstração. O<br />
leitor interessado pode consultar ([1], Teoremas 6.5.1 e 6.5.2).
UNIVATES – Centro Universitário 232<br />
Teorema B.5.3 As seguintes afirmações são equivalentes para uma matriz<br />
A de tamanho n × n:<br />
1. A é ortogonal;<br />
2. Os vetores-linha de A formam um conjunto ortonormal do R n em<br />
relação ao produto interno euclidiano;<br />
3. Os vetores-coluna de A formam um conjunto ortonormal do R n em<br />
relação ao produto interno euclidiano.<br />
Teorema B.5.4<br />
1. A inversa de uma matriz ortogonal é ortogonal;<br />
2. Um produto de matrizes ortogonais é ortogonal;<br />
3. Se A é ortogonal, então det(A) = 1 ou det(A) = −1.<br />
Já observamos que as matrizes canônicas para operadores básicos de<br />
reflexão e rotação do R 2 e R 3 são ortogonais. O próximo teorema ajuda a<br />
explicar porque isto é assim.<br />
Teorema B.5.5 Se A é uma matriz n × n, as seguintes afirmações são<br />
equivalentes:<br />
1. A é ortogonal;<br />
2. ||Ax|| = ||x|| para qualquer x ∈ R n , onde || || indica a norma segundo<br />
o produto escalar euclidiano;<br />
3. Ax · Ay = x · y para quaisquer x, y ∈ R n .<br />
prova: desafio! (ver [1], Teorema 6.5.3)<br />
Se T : R n → R n é a multiplicação por uma matriz ortogonal A, então T<br />
é chamado operador ortogonal do R n . Pelas partes (1). e (2). do teorema<br />
precedente, decorre que os operadores ortogonais do R n são precisamente os<br />
operadores que mantêm inalterados os comprimentos de todos os vetores.<br />
Como as reflexões e as rotações do R 2 e do R 3 têm esta propriedade, isto<br />
explica nossa obesrvação anterior que as matrizes canônicas para as reflexões<br />
e rotações básicas no R 2 e no R 3 são ortogonais.<br />
Voltemos aos problemas de diagonalização. Como na seção anterior,<br />
começamos enunciando dois problemas. Nosso objetivo é mostrar que os<br />
dois são equivalentes.<br />
O Problema dos Autovetores Ortonormais: dada uma matriz A<br />
de tamanho n ×n, existe uma base ortonormal do R n com o produto interno<br />
euclidiano consistindo de autovetores da matriz A?<br />
O Problema da Diagonalização Ortogonal (Versão Matricial):<br />
dada uma matriz A de tamanho n × n, existe uma matriz ortogonal P tal<br />
que a matriz P −1 AP = P t AP é uma matriz diagonal? Se existir uma tal<br />
matriz, dizemos que A é ortogonalmente diagonalizável e que P diagonaliza<br />
A ortogonalmente.<br />
Para o último problema, temos duas questões a considerar:
UNIVATES – Centro Universitário 233<br />
Quais matrizes são ortogonalmente diagonalizáveis?<br />
Como encontrar uma matriz ortogonal que efetue a diagonalização?<br />
Com relação à 1 a questão, não existe esperança de diagonalizar A ortogonalmente<br />
a menos que A seja simétrica (ou seja, A = A t ). De fato,<br />
se P t AP = D, onde P é uma matriz ortogonal e D é diagonal, temos que<br />
P P t = P t P = I e, portanto, A = P DP t . Como D é uma matriz diagonal,<br />
temos D = D t . Transpondo ambos os lados da equação anterior, obtemos<br />
A t = (P DP t ) t = (P t ) t D t P t = P DP t = A, donde A é simétrica.<br />
O próximo teorema mostra que qualquer matriz simétrica é, de fato,<br />
ortogonalmente diagonalizável. Neste teorema, e no restante desta seção,<br />
ortogonal significa ortogonal em relação ao produto interno euclidiano do<br />
R n .<br />
Teorema B.5.6 Se A é uma matriz n×n, então as seguintes afirmações<br />
são equivalentes:<br />
1. A é ortogonalmente diagonalizável;<br />
2. A tem um conjunto ortonormal de n autovetores;<br />
3. A é simétrica.<br />
prova: exercício (ver [1], Teorema 7.3.1).<br />
Nosso próximo objetivo é construir um procedimento para diagonalizar<br />
ortogonalmente uma matriz simétrica, mas antes de poder fazer isto, precisamos<br />
de um resultado essencial sobre autovalores e autovetores de matrizes<br />
simétricas.<br />
Teorema B.5.7 Se A é uma matriz simétrica, então:<br />
1. Os autovalores de A são reais;<br />
2. Autovetores de auto-espaços diferentes são ortogonais.<br />
prova: ver ([1], Teorema 7.3.2).<br />
Observação B.5.8 Mostra-se que a primeira afirmação do teorema<br />
acima é falsa para matrizes com entradas complexas.<br />
B.5.2 Diagonalização de Matrizes Simétricas<br />
Como uma conseqüência do Teorema B.5.7, obtemos o seguinte procedimento<br />
para diagonalizar ortogonalmente uma matriz simétrica.<br />
Passo 1: encontre uma base para cada auto-espaço de A;<br />
Passo 2: aplique o processo de Gram-Schmidt a cada uma destas<br />
bases para obter uma base ortonormal de cada auto-espaço;<br />
Passo 3: forme a matriz P cujas colunas são os vetores de base construídos<br />
no Passo 2; esta matriz diagonaliza A ortogonalmente.
UNIVATES – Centro Universitário 234<br />
A justificativa para este procedimento deveria ser clara. O Teorema B.5.7<br />
garante que autovetores de auto-espaços diferentes são ortogonais, enquanto<br />
a aplicação do processo de Gram-Schmidt garante que os autovetores obtidos<br />
dentro de um mesmo auto-espaço são ortonormais. Desta maneira, o<br />
conjunto inteiro de autovetores obtidos por este procedimento é ortonormal.<br />
Exemplo ⎡ B.5.9 Encontre ⎤ uma matriz ortogonal P que diagonaliza a<br />
4 2 2<br />
matriz A = ⎣ 2 4 2 ⎦.<br />
2 2 4<br />
Solução<br />
A equação característica de A é det(λI −A) = (λ−2) 2 (λ−8) = 0. Assim,<br />
os autovalores de A são λ = 2 e λ = 8. Pelo método usado no exemplo B.3.9,<br />
pode ser mostrado que u1 = (−1, 1, 0) t e u2 = (−1, 0, 1) t formam uma base<br />
do auto-espaço correspondente a λ = 2. Aplicando o processo de Gram-<br />
Schmidt a {u1, u2} obtemos os seguintes vetores ortonormais:<br />
v1 =<br />
<br />
− 1 √ ,<br />
2 1 t √ , 0<br />
2<br />
e v2 =<br />
<br />
− 1 √ , −<br />
6 1 √ ,<br />
6 2 t √ .<br />
6<br />
O auto-espaço associado a λ = 8 tem uma base formada pelo vetor<br />
u3 = (1, 1, 1) t . Aplicando o processo de Gram-Schmidt a {u3} obtemos<br />
<br />
1<br />
v3 = √3 , 1 √ ,<br />
3 1<br />
t √ .<br />
3<br />
Finalmente, usando v1, v2 e v3 ⎡<br />
⎤ como vetores-coluna, obtemos<br />
P =<br />
⎢<br />
⎣<br />
− 1 √ −<br />
2 1 √<br />
6<br />
√1 −<br />
2<br />
1 √<br />
6<br />
√6 2<br />
0<br />
√1 3<br />
√1 3<br />
√1 3<br />
⎥<br />
⎦ que diagonaliza A ortogonalmente (Para con-<br />
ferir, o leitor interessado pode querer verificar que P t AP é uma matriz<br />
diagonal). <br />
A esta altura, sugerimos fortemente ao leitor a resolução dos exercícios<br />
computacionais de [1], pgs. 255-256.<br />
C H A E TING ER
Apêndice C<br />
Produto Escalar<br />
ste capítulo irá abordar alguns tópicos sobre o produto escalar. O<br />
leitor interessado deve aprofundar o estudo em [4], [9], [33] ou [35].<br />
Definição C.0.10 Chama-se produto escalar (ou produto interno euclidiano)<br />
de dois vetores u = (x1, y1, z1) e v = (x2, y2, z2), denotado u ·v, ao<br />
número real<br />
u · v = x1x2 + y1y2 + z1z2 = 〈u, v〉,<br />
que se lê “u escalar v”.<br />
Observação C.0.11 Em R 2 : dados os vetores u = (x1, y1) e<br />
v = (x2, y2), temos que u · v = x1x2 + y1y2.<br />
Exemplo C.0.12 Sejam u = (3, −2, 4) e v = (2, 1, −4) vetores do R 3 .<br />
Então u · v = 6 − 2 − 16 = −12. <br />
Observação C.0.13 u · u = ||u|| 2 , logo ||u|| = √ u · u.<br />
Propriedade C.0.14 São propriedades do produto escalar, para todo<br />
u, v, w ∈ R 3 , e para todo k ∈ R:<br />
1. u · u ≥ 0 e u · u = 0 ⇔ u = 0;<br />
2. u · v = v · u;<br />
3. u · (v + w) = u · v + u · w;<br />
4. k(u · v) = (ku) · v = u · (kv).<br />
Teorema C.0.15 Para quaisquer vetores u = 0 e v = 0,<br />
onde θ = ∠(u, v).<br />
u · v = ||u|| · ||v|| · cos θ,<br />
235
UNIVATES – Centro Universitário 236<br />
Observação C.0.16 Pelo teorema acima, temos que:<br />
1. Se u · v > 0, então cos θ > 0 e 0 ≤ θ < 90. Portanto o ângulo é agudo<br />
ou nulo;<br />
2. Se u · v < 0, então cos θ < 0 e 90 < θ ≤ 180. Portanto o ângulo é<br />
obtuso;<br />
3. u · v = 0 ⇔ u ⊥ v: de fato, se u = 0 ou v = 0, ok! Por outro lado, se<br />
u = 0 e v = 0, então<br />
u · v = 0 ⇔ cos θ = 0 ⇔ θ = 90 ⇔ u ⊥ v.<br />
Vejamos agora algumas conseqüências imediatas:<br />
1. Ângulo entre Dois Vetores: (0 ≤ θ ≤ π). Sejam u = 0 e v = 0<br />
vetores, e θ = ∠(u, v). Então<br />
<br />
u · v<br />
θ = arccos<br />
.<br />
||u|| · ||v||<br />
2. Desigualdade de Schwartz: para todo u e v vetores, temos<br />
||u · v|| ≤ ||u|| · ||v||.<br />
3. Desigualdade Triangular: para todo u e v vetores, temos<br />
Observação C.0.17<br />
||u + v|| ≤ ||u|| + ||v||.<br />
É fácil ver que:<br />
1. ||u + v|| 2 = ||u|| 2 + 2u · v + ||v|| 2 ;<br />
2. ||u − v|| 2 = ||u|| 2 − 2u · v + ||v|| 2 ;<br />
3. (u + v) · (u − v) = ||u|| 2 − ||v|| 2 .<br />
Exemplo C.0.18 Determine os vetores unitários simultaneamente ortogonais<br />
a u = (1, 1, 1) e v = (1, 2, 3).<br />
⎧<br />
⎨<br />
Solução<br />
Seja w = (x, y, z) tal que<br />
x + y + z = 0<br />
x + 2y + 3z = 0<br />
⎧<br />
⎨<br />
⎩<br />
w · u = 0<br />
w · v = 0<br />
|| w|| = 1<br />
, isto é,<br />
⎩<br />
x2 + y2 + z2 . Então é fácil ver que os vetores-solução são<br />
= 1<br />
√ √<br />
6 6<br />
w1 = 6 , − 3 ,<br />
√ √<br />
6<br />
6<br />
6 e w2 = − 6 ,<br />
√ √ <br />
6 6<br />
3 , − 6 .
UNIVATES – Centro Universitário 237<br />
Exemplo C.0.19 Prove que as diagonais de um quadrado são perpendiculares.<br />
Solução<br />
Ora, sendo u e v os lados de um retângulo, temos que suas diagonais são<br />
dadas por u + v e u − v. No caso particular do quadrado, usando a relação<br />
(u + v) · (u − v) = . . . = ||u|| 2 − ||v|| 2 = 0, o resultado é imediato.<br />
Exemplo C.0.20 Calcule o ângulo entre os vetores u = (1, 1, 4) e<br />
v = (−1, 2, 2).<br />
Basta usar cos θ = u·v<br />
||u||·||v|| =<br />
Solução<br />
√ 2<br />
2<br />
. Logo θ = π<br />
4<br />
. <br />
Observação C.0.21 Se u = (a, b) e v = (c, d) são vetores não-nulos,<br />
podemos escrever cos θ = u·v<br />
||u||·||v|| , onde θ = ∠(u, v). Substituindo, obtemos<br />
cos θ =<br />
a<br />
√ a 2 + b 2 ·<br />
c<br />
√ c 2 + d 2 +<br />
b<br />
√ a 2 + b 2 ·<br />
d<br />
√ . (C.1)<br />
c2 + d2 Se chamarmos de α e β os ângulos que u e v formam com o eixo OX,<br />
b<br />
respectivamente, temos que θ = α − β, cos α = , sin α =<br />
cos β =<br />
√ c<br />
d<br />
, sin β =<br />
c2 +d2 √ . E, por (C.1),<br />
c2 +d2 a<br />
√ a 2 +b 2<br />
cos(α − β) = cos α · cos β + sin α · sin β.<br />
√ a 2 +b 2 ,<br />
C.1 Ângulos Diretores e Cossenos Diretores de<br />
um Vetor<br />
Definição C.1.1 Seja v = (x, y, z) = 0. Ângulos diretores de v são<br />
os ângulos α, β e γ que v forma com os vetores ı, j e k, respectivamente.<br />
Cossenos diretores de v são os cossenos de seus ângulos diretores.<br />
É fácil ver então que as componentes do versos de v são os seus cossenos<br />
diretores. De fato, cos α = x<br />
y<br />
z<br />
||v|| , cos β = ||v|| , cos γ = ||v|| , donde<br />
<br />
x y z<br />
(cos α, cos β, cos γ) = , , =<br />
||v|| ||v|| ||v||<br />
1<br />
v<br />
(x, y, z) =<br />
||v|| ||v|| .<br />
Portanto, ||(cos α, cos β, cos γ)|| = 1 ⇒ cos2 α + cos2 β + cos2 γ = 1.<br />
Também observa-se que: v = ||v|| · v<br />
||v|| = ||v|| · (cos α, cos β, cos γ).<br />
Observação C.1.2 Seja v = (x, y, z) um vetor qualquer do espaço. Podemos<br />
reescrevê-lo como v = xı + yj + z k. Então todo vetor do espaço pode<br />
ser representado por<br />
v = ||v|| · (cos α, cos β, cos γ).<br />
Da mesma forma no plano: seja v = (x, y). Então v<br />
||v|| = (cos α, sin α).<br />
Donde v = ||v||(cos α, sin α) = ||v||(cos αı + sin αj)(forma polar). Logo, todo<br />
vetor u = (x, y) no plano pode ser escrito como<br />
u = ||v||(cos α, sin α).
UNIVATES – Centro Universitário 238<br />
Exemplo C.1.3 Os ângulos diretores de um vetor são α = 45 o , β = 60 o<br />
e γ. Determine o valor de γ. Encontre o versos do vetor que possui ângulos<br />
diretores α, β e γ.<br />
Solução<br />
cos2 γ = 1 − cos2 α − cos2 β = 1<br />
<br />
Logo v<br />
||v|| =<br />
√ 2<br />
2<br />
, 1<br />
2<br />
, 1<br />
2<br />
ou v<br />
||v|| =<br />
√ 2<br />
2<br />
4 . Então γ = 60o ou γ = 120 o .<br />
, 1<br />
2<br />
, − 1<br />
2<br />
<br />
. <br />
Exemplo C.1.4 Dê as componentes do vetor v de comprimento 7 cm, <br />
radianos. R : v =<br />
<br />
tal que o ângulo formado entre ı e v seja π<br />
4<br />
C.2 Projeção de um Vetor<br />
√<br />
7 2<br />
2 , 7√2 2<br />
Definição C.2.1 Sejam u e v vetores não-nulos, e seja θ = ∠(u, v).<br />
Definimos o vetor projeção de u na direção de v por:<br />
<br />
u · v<br />
projvu = ·<br />
||v||<br />
v<br />
||v|| =<br />
<br />
u · v<br />
||v|| 2<br />
<br />
· v.<br />
Exemplo C.2.2 Determine a projeção de u = 6ı−7j sobre v = −3ı+2j.<br />
projvu = (−18−14)<br />
( √ 9+4) 2 · (−3, 2) = 96<br />
Solução<br />
<br />
64<br />
13 , − 13 . <br />
C H A E TING ER
Apêndice D<br />
Processos Aleatórios:<br />
Cadeias de Markov<br />
D.1 Idéia Intuitiva<br />
ara compreender o capítulo, exige-se um conhecimento mínimo sobre<br />
probabilidades.<br />
Pode-se considerar (numa primeira aproximação), em muitos processos<br />
da natureza ou da sociedade, que um fenômeno passe, a partir de um estado<br />
inicial, por uma seqüência de estados, de modo que a transição de cada um<br />
para o seguinte ocorra segundo uma certa probabilidade.<br />
Definição D.1.1 Um processo em que a probabilidade de transição do<br />
fenômeno depende apenas do estado em que ele se encontra e do estado a<br />
seguir é dito processo de Markov, e uma seqüência de estados seguindo<br />
este processo é denominada cadeia de Markov.<br />
Observação D.1.2 Esta simplificação do processo talvez seja demasiada,<br />
tendo em vista que as probabilidades podem se modificar com o tempo.<br />
Não obstante, este modelo já serve de auxílio para a previsão do comportamento<br />
de certos fenômenos.<br />
Exemplo D.1.3 Numa determinada região, observa-se que se um ano<br />
for chuvoso, a probabilidade de o ano seguinte seja igualmente chuvoso é 1<br />
4 ,<br />
e a probabilidade de que haja estiagem é 3<br />
4 . Ainda, em ocorrendo estiagem<br />
num ano, a probabilidade de que também ocorra no seguinte é a mesma de<br />
que seja um ano chuvoso, isto é, 1<br />
2 . Suponhamos (para termos um indicador<br />
de situação), que as probabilidades não mudem com o decorrer do tempo1 .<br />
Os estados possíveis para este processo são, pois: chuva e estiagem.<br />
Queremos saber em que estado estará esta região após um longo tempo (planejamento<br />
estratégico).<br />
1 Obviamente, isto não ocorre assim na prática<br />
239
UNIVATES – Centro Universitário 240<br />
Resolução<br />
Com os dados acima, podemos construir a árvore de probabilidades indicativa<br />
da seqüência dos acontecimentos (ver figura D.1).<br />
1 o ano 2 o ano 3 o ano . . .<br />
1/4 C ↗<br />
↘<br />
1/4 C<br />
↑ ↩→ 3/4 E ↗<br />
p<br />
↘<br />
(1)<br />
↑<br />
C C<br />
↓ 1/2 C ↗<br />
↘<br />
↑ ↩→ 3/4 E<br />
↑ ↩→ 1/2 E ↗<br />
Referencial<br />
↘<br />
↓ 1/4 C ↗<br />
↘<br />
↓ 1/2 C<br />
↓ ↑ ↩→ 3/4 E ↗<br />
↩→ p<br />
↘<br />
(1)<br />
E E<br />
↓ 1/2 C ↗<br />
↘<br />
↩→ 1/2 E<br />
↩→ 1/2 E ↗<br />
↘<br />
Figura D.1: Probabilidades de transição do fenômeno<br />
Assim, supondo que no primeiro ano houve estiagem, a probabilidade de<br />
que o terceiro ano seja chuvoso é<br />
1 1 1 1 3<br />
· + · =<br />
2 4 2 2 8 .<br />
Conforme o tempo passa, os cálculos se tornam mais trabalhosos. Portanto,<br />
para previsões a longo prazo, precisaremos de outro procedimento.<br />
Pode-se, neste momento, introduzir a noção de matriz das probabilidades<br />
de transição, e a de vetor de probabilidades. A matriz T das probabilidades<br />
de transição é obtida da tabela de probabilidades D.1, onde o elemento<br />
na i-ésima linha e j-ésima coluna indica a probabilidade de transição<br />
do j-ésimo para o i-ésimo estado.<br />
C E<br />
C 1/4 1/2<br />
E 3/4 1/2<br />
Tabela D.1: Probabilidades de transição
UNIVATES – Centro Universitário 241<br />
⎡<br />
1/4<br />
⎤<br />
1/2<br />
T = ⎣ ⎦<br />
3/4 1/2<br />
Figura D.2: Matriz de transição<br />
O vetor de probabilidades é a matriz cuja primeira linha dá a probabilidade<br />
de que haja chuva no n-ésimo ano e a segunda dá a probabilidade de<br />
que ocorra estiagem no n-ésimo ano.<br />
⎡<br />
⎢<br />
⎣<br />
p (n)<br />
C<br />
p (n)<br />
E<br />
⎤<br />
⎥<br />
⎦,<br />
Figura D.3: Vetor de probabilidades<br />
Pela árvore de probabilidades (tabela D.1), temos que<br />
Observamos que<br />
⎡ ⎤<br />
⎢<br />
T · ⎣<br />
p (1)<br />
C<br />
p (1)<br />
E<br />
⎥<br />
⎦ =<br />
⎡<br />
⎣<br />
Portanto, ⎡<br />
⎢<br />
⎣<br />
p (2)<br />
C<br />
p (2)<br />
E<br />
1<br />
4<br />
3<br />
4<br />
1<br />
2<br />
1<br />
2<br />
p (2)<br />
C<br />
p (2)<br />
E<br />
1 = 4p(1) 1<br />
C + 2p(1) E<br />
3 = 4p(1) 1<br />
C + 2p(1) E<br />
⎤<br />
⎡<br />
⎦ ⎢<br />
· ⎣<br />
⎤<br />
p (1)<br />
C<br />
p (1)<br />
E<br />
⎡<br />
⎥ ⎢<br />
⎦ = T · ⎣<br />
⎤<br />
⎥<br />
⎦ =<br />
p (1)<br />
C<br />
p (1)<br />
E<br />
⎡<br />
⎢<br />
⎣<br />
⎤<br />
⎥<br />
⎦ .<br />
1<br />
4p(1) 1<br />
C + 2p(1) E<br />
3<br />
4p(1) 1<br />
C + 2p(1) E<br />
O mesmo ocorre do segundo para o terceiro ano, deste para o quarto,<br />
etc. Temos, pois, a seqüência:<br />
1 o ano<br />
⎡ ⎤<br />
⎢<br />
⎣<br />
p (1)<br />
C<br />
p (1)<br />
E<br />
⎥ ⎢<br />
⎦ ⎣<br />
<br />
2 o ano<br />
⎡<br />
⎤<br />
p (2)<br />
C<br />
p (2)<br />
E<br />
3 o ano<br />
⎡<br />
⎤<br />
⎢<br />
⎣<br />
p (3)<br />
C<br />
p (3)<br />
E<br />
⎡<br />
⎥ ⎢<br />
⎦ = T · ⎣<br />
⎥ ⎢<br />
⎦ = T · ⎣<br />
.<br />
⎡<br />
p (1)<br />
C<br />
p (1)<br />
E<br />
p (2)<br />
C<br />
p (2)<br />
E<br />
⎤<br />
⎥<br />
⎦ <br />
⎤<br />
⎡<br />
⎥<br />
⎦ = T 2 ⎢<br />
· ⎣<br />
p (1)<br />
C<br />
p (1)<br />
E<br />
⎤<br />
⎤<br />
⎥<br />
⎦ .<br />
⎥<br />
⎦
UNIVATES – Centro Universitário 242<br />
<br />
n−ésimo ano<br />
⎡ ⎤<br />
⎢<br />
⎣<br />
p (n)<br />
C<br />
p (n)<br />
E<br />
.<br />
⎡<br />
⎥<br />
⎦ = T n−1 ⎢<br />
· ⎣<br />
Deste modo, o comportamento do clima da região a longo prazo (quando<br />
n aumenta) poderá ser previsto 2 se soubermos que os elementos das matrizes<br />
T n , n = 1, 2, . . . se aproximam dos elementos de uma matriz fixa P pois,<br />
p (1)<br />
C<br />
p (1)<br />
E<br />
neste caso, p (n)<br />
C → p1 e p (n)<br />
E → p2 quando n → ∞ com<br />
⎡<br />
⎣<br />
p1<br />
p2<br />
⎤<br />
⎡<br />
⎦ ⎢<br />
= P · ⎣<br />
p (1)<br />
C<br />
p (1)<br />
E<br />
⎤<br />
⎤<br />
⎥<br />
⎦<br />
⎥<br />
⎦ (D.1)<br />
Se T n não se aproxima de uma matriz P , então não poderemos fazer<br />
nenhuma previsão a longo prazo, pois o processo se modificará bastante a<br />
cada passo.<br />
Assim, um dos problemas que devemos resolver é quais são as condições<br />
sobre a matriz T das probabilidades de transição, para que suas potências<br />
se aproximem de uma determinada matriz.<br />
Isto será respondido na próxima secção, junto com o término da resolução<br />
do exemplo D.1.3.<br />
D.2 Conceito<br />
Definição D.2.1 Um processo aleatório de Markov (ver definição<br />
D.1.1) é um processo que pode assumir estados a1, a2, . . . , ar, de tal modo<br />
que a probabilidade de transição de um estado aj para um estado ai seja pij<br />
(um número que só depende de aj e ai).<br />
Definição D.2.2 A matriz das probabilidades de transição<br />
matriz estocástica) é dada por:<br />
(ou<br />
⎡<br />
p11<br />
⎢ p21<br />
T = ⎢<br />
⎣ .<br />
p12<br />
p22<br />
.<br />
· · ·<br />
· · ·<br />
. ..<br />
p1r<br />
p2r<br />
.<br />
⎤<br />
⎥<br />
⎦<br />
pr1 pr2 · · · prr<br />
(Observe que pij ≥ 0, e que a soma de cada coluna deve ser 1).<br />
Definição D.2.3 O vetor de probabilidades é aquele cuja i-ésima<br />
linha dá a probabilidade de ocorrência do estado ai após n transições:<br />
⎡ ⎤<br />
p (n)<br />
E<br />
⎢<br />
⎣<br />
p (n)<br />
1<br />
.<br />
p (n)<br />
r<br />
2<br />
Tal previsão é importante, pois se chegarmos, por exemplo, à conclusão de que<br />
→ 1 quando n → ∞, a longo prazo a região se ternará um deserto.<br />
⎥<br />
⎦
UNIVATES – Centro Universitário 243<br />
Seguindo o raciocínio de exemplo D.1.3, após n passos, teremos:<br />
⎡<br />
⎢<br />
⎣<br />
p (n)<br />
1<br />
.<br />
p (n)<br />
r<br />
⎤<br />
⎡<br />
⎥<br />
⎦ = T n−1 ⎢<br />
· ⎣<br />
D.3 Previsões a Longo Prazo<br />
p (1)<br />
1<br />
.<br />
p (1)<br />
r<br />
Para podermos fazer previsões a longo prazo, a matriz T deve cumprir<br />
certas condições que veremos a seguir:<br />
Definição D.3.1 Uma matriz de probabilidades de transição é regular<br />
se alguma de suas potências tem todos os elementos não nulos.<br />
Teorema D.3.2 Seja Tr×r a matriz das probabilidades de transição de<br />
um certo evento.Se T é regular, então:<br />
(i) As potências T n aproximam-se de uma matriz P , no sentido de que<br />
cada elemento de T n aproxima-se do elemento correspondente em P .<br />
(ii) Todas as colunas de P são iguais, sendo dadas por um vetor-coluna<br />
⎡ ⎤<br />
V =<br />
com p1 > 0, p2 > 0,. . . , pr > 0.<br />
⎢<br />
⎣<br />
p1<br />
.<br />
pr<br />
⎥<br />
⎦ ,<br />
(iii) Para qualquer vetor de probabilidades inicial<br />
V1 =<br />
⎡<br />
⎢<br />
⎣<br />
p (1)<br />
1<br />
.<br />
p (1)<br />
r<br />
o vetor de probabilidades T n V1 aproxima-se de V (dado no item anterior).<br />
(iv) O vetor V é o único vetor que satisfaz V = T V .<br />
prova: Ainda não é o momento oportuno. <br />
Observação D.3.3 O teorema D.3.2 informa que se a matriz de<br />
transição é regular, então é possível fazer uma previsão a longo prazo, previsão<br />
esta independente das probabilidades iniciais V1. Ademais, o item (iv)<br />
indica como achar esta probabilidade.<br />
Observação D.3.4 Em linguagem técnica, o processo utilizado no item<br />
(iv) do teorema D.3.2 para encontrar o vetor “final” de probabilidades, corresponde<br />
à procura de um autovetor associado ao autovalor 1 da matriz<br />
T .<br />
⎤<br />
⎥<br />
⎦ ,<br />
⎤<br />
⎥<br />
⎦ .
UNIVATES – Centro Universitário 244<br />
D.3.1 Exemplos<br />
Exemplo D.3.5 ⎡ Voltando ⎤ ao exemplo D.1.3, temos que a matriz de<br />
1/4 1/2<br />
transição T = ⎣ ⎦ é regular, pois ela mesma (potência 1) já tem<br />
3/4 1/2<br />
todos os elementos positivos. Logo, pelo item (iv) do teorema D.3.2, quaisquer<br />
que sejam as probabilidades iniciais teremos, a longo prazo,<br />
⎡<br />
pC<br />
⎣<br />
⎤ ⎡<br />
1/4<br />
⎦ = ⎣<br />
⎤ ⎡<br />
1/2 pC<br />
⎦ ⎣<br />
⎤<br />
⎦<br />
3/4 1/2<br />
pE<br />
⎧<br />
⎨ pC =<br />
ou<br />
⎩<br />
1<br />
4pC + 1<br />
2pE pE = 3<br />
4pC + 1<br />
2pE ⎧<br />
⎨ 2pE = 3pC<br />
ou<br />
⇒ pE =<br />
⎩<br />
3<br />
2pC .<br />
2pE = 3pC<br />
Como devemos ter pC + pS = 1 (probabilidade total), temos pC + 3<br />
2pC = 1<br />
e, portanto, pC = 2<br />
5 e pE = 3<br />
5 . Desta feita, a longo prazo a região tenderá a<br />
uma ligeira aridez. <br />
Exemplo D.3.6 Suponhamos que em uma determinada região, a cada<br />
ano 3% da população rural migra para as cidades, enquanto que apenas 1%<br />
da população urbana migra para o meio rural. Se todas as demais condições<br />
permanecerem estáveis, as condições políticas não mudarem, e estas porcentagens<br />
de migração continuarem as mesmas, qual deve ser a relação entre<br />
as populações urbana e rural desta região a longo prazo?<br />
Resolução<br />
Se a probabilidade de a população rural migrar para a cidade é 0, 03,<br />
a probabilidade de não migração é 0, 97. Se a probabilidade da população<br />
urbana migrar para o meio rural é 0, 01, a probabilidade de não migração é<br />
0, 99. Denotando por U o meio urbano e por R o meio rural, a matriz das<br />
probabilidades de transição é dada por<br />
R U<br />
R 0,97 0,01<br />
U 0,03 0,99<br />
A matriz é regular, logo, a longo prazo, as probabilidades pR e pU de<br />
viver no meio rural e urbano, respectivamente, satisfazem<br />
<br />
0, 97<br />
0, 03<br />
<br />
0, 01 pR<br />
·<br />
0, 99<br />
<br />
pR<br />
=<br />
<br />
donde pU = 3pR e, como devemos ter pU + pR = 1, segue que pR = 0, 25 e<br />
pU = 0, 75.<br />
Assim, a longo prazo, teremos 25% da população no meio rural e 75%<br />
no meio urbano. <br />
pU<br />
pE<br />
pU
UNIVATES – Centro Universitário 245<br />
Exemplo D.3.7 Observa-se empiricamente que, em condições naturais<br />
e sem ser submetida à pesca industrial, a quantidade de uma certa espécie<br />
de peixes varia da seguinte forma: se em um determinado ano a população<br />
diminuiu, a probabilidade de que diminua ainda mais no ano seguinte é 0, 6<br />
e, se em um determinado ano a população aumenta, a probabilidade de que<br />
diminua no ano seguinte é apenas 0, 3. Entretanto, observa-se que sendo<br />
submetida à pesca industrial, quando a população aumenta num determinado<br />
ano, a probabilidade de que diminua no ano seguinte se altera para<br />
0, 5, enquanto que se a população diminui num ano, a probabilidade de que<br />
diminua no ano seguinte continua sendo 0, 6. Deseja-se saber como, a longo<br />
prazo, a pesca industrial estará afetando os peixes dessa espécie, para ver se<br />
é necessário diminuir a intensidade de pesca ou se, ao contrário, é possível<br />
aumentá-la.<br />
Resolução<br />
Os estados deste processo são: diminuição da população (D) e aumento<br />
da população (A). Então, sem haver pesca industrial, a matriz de probabilidades<br />
de transição é, pois:<br />
D A<br />
D 0,6 0,3<br />
A 0,4 0,7<br />
Como a matriz é regular, as probabilidades pD e pA da população dimi-<br />
nuir ou aumentar a longo prazo, respectivamente, são:<br />
<br />
0, 6<br />
0, 4<br />
<br />
0, 3 pD<br />
·<br />
0, 7<br />
<br />
pD<br />
=<br />
<br />
. Portanto, em<br />
condições naturais, a espécie tem sobrevivência razoavelmente garantida.<br />
Com a pesca industrial, a matriz se altera para<br />
Lembrando que pD + pA = 1, segue que pD = 3<br />
7 e pA = 4<br />
7<br />
pA<br />
D A<br />
D 0,6 0,5<br />
A 0,4 0,5<br />
Como a matriz é regular, a longo prazo pD e pA são dadas por<br />
<br />
pD pD<br />
0, 6 0, 5<br />
0, 4 0, 5<br />
<br />
·<br />
. Portanto, se submetida à pesca industrial,<br />
a sobrevivência da espécie estará comprometida. Logo, deve-se diminuir a<br />
pesca. <br />
Assim, pD = 5<br />
9 e pA = 4<br />
9<br />
Exemplo D.3.8 Duas substâncias distintas estão em contato a trocam<br />
íons de sódio entre si. Por dedução teórica ou empírica, sabe-se que um íon<br />
de sódio do meio (1) abaixo tem probabilidade 0, 7 de passar ao meio (2),<br />
enquanto que um íon de sódio do meio (2) tem probabilidade 0, 1 de passar<br />
para o meio (1) (ver figura D.3.1). Colocando-se 2 móis de sódio no meio<br />
(1), quais serão as concentrações de sódio em cada um dos meios, após um<br />
longo período de tempo?<br />
pA<br />
=<br />
pA<br />
pA
UNIVATES – Centro Universitário 246<br />
meio (1) meio (2)<br />
Na + →<br />
← Na +<br />
Figura D.4: Distribuição de íons de sódio em dois meios<br />
Resolução<br />
Os estados deste processo são: o íon está no meio (1) e o íon está no<br />
meio (2). A matriz de transição é:<br />
meio (1) meio (2)<br />
meio (1) 0,3 0,1<br />
meio (2) 0,7 0,9<br />
Sejam p1 e p2 as respectivas probabilidades de estar no meio (1) ou (2).<br />
No instante inicial, todo o sódio foi colocado no meio (1), então p (1)<br />
1 = 1<br />
e p (1)<br />
2 = 0. A matriz é regular, logo a longo prazo as probabilidades não<br />
dependem das probabilidades iniciais, e devem satisfazer<br />
0, 3 0, 1<br />
0, 7 0, 9<br />
<br />
·<br />
p1<br />
p2<br />
Temos p1 + p2 = 1 ∴ p1 = 1<br />
8 e p2 = 7<br />
8<br />
<br />
=<br />
p1<br />
. Logo, as concentrações finais de<br />
sódio em cada meio são 1<br />
7<br />
8 · 2 = 0, 25 móis no meio (1) e 8 · 2 = 1, 75 móis<br />
no meio (2). <br />
D.4 Previsões em Genética<br />
Fazendo algumas pequenas modificações nas idéias que utilizamos nos<br />
processos de Markov, é possível estudar vários problemas genéticos.<br />
O tipo mais simples de transmissão de herança genética é efetuado<br />
através de pares de genes, podendo estes ser ambos dominantes, recessivos,<br />
ou um dominante e outro recessivo. Chamemos G o gene dominante e<br />
g o recessivo . Um indivíduo será chamado dominante se tiver genes GG,<br />
híbrido se tiver genes Gg, e recessivo, caso os genes sejam gg. Um indivíduo<br />
herda seus genes ao acaso, um deles de seu pai e o outro de sua<br />
mãe. Assim, nos vários tipos de cruzamento, temos probabilidades distintas<br />
de transmissão de herança genética.<br />
Exemplo D.4.1 No caso de cruzamento entre dominantes, teremos somente<br />
filhos dominantes.<br />
p2
UNIVATES – Centro Universitário 247<br />
↗ GG com probabilidade 1<br />
GG cruzado com GG → Gg com probabilidade 0<br />
↘ gg com probabilidade 0<br />
Tabela D.2: Cruzamento entre indivíduos dominantes<br />
Exemplo D.4.2 Cruzando indivíduos recessivos, teremos:<br />
↗ GG com probabilidade 0<br />
gg cruzado com gg → Gg com probabilidade 0<br />
↘ gg com probabilidade 1<br />
Tabela D.3: Cruzamento entre indivíduos recessivos<br />
Exemplo D.4.3 Cruzando um dominante com um recessivo, temos:<br />
↗ GG com probabilidade 0<br />
GG cruzado com gg → Gg com probabilidade 1<br />
↘ gg com probabilidade 0<br />
Tabela D.4: Cruzamento entre um indivíduo dominante e um recessivo<br />
Exemplo D.4.4 No cruzamento de um indivíduo dominante (GG) com<br />
um híbrido (Gg), temos como resultado indivíduos GG com probabilidade<br />
0, 5; indivíduos Gg com probabilidade 0, 5, e não teremos indivíduos gg, i.e.,<br />
a probabilidade de gg é 0.<br />
Exemplo D.4.5 No caso de cruzarmos um indivíduo recessivo (gg) com<br />
um híbrido (Gg), teremos probabilidade 0 para GG, probabilidade 0, 5 para<br />
Gg, e probabilidade 0, 5 para gg.<br />
Exemplo D.4.6 E, finalmente, no caso de dois indivíduos híbridos<br />
(Gg), temos: indivíduos GG com probabilidade 0, 25; indivíduos Gg com<br />
probabilidade 0, 5; e indivíduos gg com probabilidade 0, 25.<br />
Notação: usaremos d para indicar qualquer característica dominante,<br />
r para características recessivas, e h para indivíduos híbridos; além disso,<br />
usaremos d × d, d × r, etc., para os representar os diversos cruzamentos<br />
possíveis.<br />
Colocando as probabilidades em colunas, podemos montar a seguinte<br />
matriz T :
UNIVATES – Centro Universitário 248<br />
d × d r × r d × r d × h r × h h × h<br />
d 1 0 0 0,5 0 0,25<br />
h 0 0 1 0,5 0,5 0,5<br />
r 0 1 0 0 0,5 0,25<br />
Tabela D.5: Cruzamento entre indivíduos<br />
Observação D.4.7 Numa população numerosa composta por uma porcentagem<br />
p (1)<br />
d de indivíduos dominantes, p (1)<br />
h de indivíduos híbridos e p(1) r<br />
de indivíduos recessivos, a probabilidade de cruzamento de genes de um indivíduo<br />
dominante com outro dominante é p (1)<br />
d · p (1)<br />
d . Se quisermos calcular<br />
a probabilidade de um cruzamento entre um dominante e um híbrido, temos<br />
que somar p (1)<br />
d · p (1)<br />
h (considerando o caso em que o primeiro é dominante e<br />
o segundo é híbrido) a p (1)<br />
h · p(1)<br />
d . Assim, a probabilidade é de 2p(1)<br />
d · p (1)<br />
h . Os<br />
outros casos seguem o mesmo raciocínio 3 .<br />
Cruzamento Probabilidade<br />
d × d p (1)<br />
d · p (1)<br />
d<br />
r × r p (1)<br />
r · p (1)<br />
r<br />
d × r 2p (1)<br />
d · p (1)<br />
r<br />
d × h 2p (1)<br />
d · p (1)<br />
h<br />
r × h 2p (1)<br />
r · p (1)<br />
h<br />
h × h p (1)<br />
h<br />
· p(1)<br />
h<br />
Tabela D.6: Probabilidades dos diversos cruzamentos possíveis<br />
É possível obter as porcentagens p (2)<br />
d , p(2)<br />
cruzamentos dos respectivos indivíduos:<br />
⎡<br />
⎢<br />
⎣<br />
p (2)<br />
d<br />
p (2)<br />
h<br />
p (2)<br />
r<br />
⎤<br />
⎥<br />
⎦ =<br />
⎡<br />
⎣<br />
h e p (2)<br />
1 0 0 1/2 0 1/4<br />
0 0 1 1/2 1/2 1/2<br />
0 1 0 0 1/2 1/4<br />
r da segunda geração de<br />
⎡<br />
⎢<br />
⎤ ⎢<br />
⎦ · ⎢<br />
⎣<br />
p (1)<br />
d · p (1)<br />
d<br />
p (1)<br />
r · p (1)<br />
r<br />
2p (1)<br />
d · p (1)<br />
r<br />
2p (1)<br />
d · p (1)<br />
h<br />
2p (1)<br />
r · p (1)<br />
h<br />
p (1)<br />
h<br />
· p(1)<br />
h<br />
Supondo que não haja novo cruzamento de indivíduos da primeira<br />
geração 4 e uma vez obtidas as porcentagens de indivíduos da segunda<br />
geração, podemos obter as porcentagens da terceira geração, e assim sucessivamente.<br />
3<br />
Estamos supondo que a característica genética analisada seja tal que não interfira no<br />
cruzamento natural<br />
4<br />
O que, em geral, ocorre com populações de insetos, etc.<br />
⎤<br />
⎥<br />
⎦
UNIVATES – Centro Universitário 249<br />
Observação D.4.8 Desta forma, podemos obter o perfil genético de<br />
qualquer geração, ainda que os cálculos sejam cada vez mais demorados.<br />
Este tipo de análise, embora simples, é de suma importância em muitos<br />
campos. Em particular, na Agricultura, para se ter uma idéia da propagação<br />
da resistência genética a certos tipos de doenças, da resistência de insetos a<br />
tipos de inseticidas, etc.<br />
Exemplo D.4.9 Para se combater uma determinada espécie de insetos,<br />
aplica-se um certo tipo de inseticida numa plantação. Após a aplicação<br />
verifica-se que, dos poucos insetos sobreviventes, 60% eram resistentes ao<br />
inseticida e os outros 40% não o eram (e haviam sobrevivido por razões<br />
casuais). Sabe-se que o ciclo de vida desses insetos é de um ano e que eles<br />
se cruzam apenas uma vez em cada geração. Ademais, ficou comprovado que<br />
a resistência ao inseticida é uma característica dominante e que o inseticida<br />
não foi aplicado novamente. Qual é a porcentagem de insetos resistentes ao<br />
inseticida após dois anos?<br />
Solução<br />
Por ser uma característica dominante, os insetos resistentes podem ser de<br />
genótipo GG ou Gg na relação de 1 : 2 e, assim, 20% dos insetos resistentes<br />
= 0, 4<br />
são dominantes e 40% são híbridos. Temos, portanto, p (1)<br />
d<br />
= 0, 2, p(1)<br />
h<br />
e p (1)<br />
r = 0, 4 e assim, a distribuição da porcentagem dos insetos após um ano<br />
é dada por<br />
⎡<br />
⎢<br />
⎣<br />
p (2)<br />
d<br />
p (2)<br />
h<br />
p (2)<br />
r<br />
⎤<br />
⎥<br />
⎦ =<br />
⎡<br />
⎣<br />
1 0 0 1/2 0 1/4<br />
0 0 1 1/2 1/2 1/2<br />
0 1 0 0 1/2 1/4<br />
ou seja, p (2)<br />
d = 0, 16, p(2)<br />
h<br />
distribuição de insetos será dada por<br />
⎡<br />
⎢<br />
⎣<br />
p (3)<br />
d<br />
p (3)<br />
h<br />
p (3)<br />
r<br />
⎤<br />
⎥<br />
⎦ =<br />
⎡<br />
⎣<br />
⎡<br />
⎤ ⎢<br />
⎦ · ⎢<br />
⎣<br />
(0, 2) · (0, 2)<br />
(0, 4) · (0, 4)<br />
2(0, 2) · (0, 4)<br />
2(0, 2) · (0, 4)<br />
2(0, 4) · (0, 4)<br />
(0, 4) · (0, 4)<br />
= 0, 48 e p(2)<br />
r = 0, 36. Após mais um ano, a<br />
1 0 0 1/2 0 1/4<br />
0 0 1 1/2 1/2 1/2<br />
0 1 0 0 1/2 1/4<br />
⎡<br />
⎤ ⎢<br />
⎦ · ⎢<br />
⎣<br />
(0, 16) · (0, 16)<br />
(0, 36) · (0, 36)<br />
2(0, 16) · (0, 36)<br />
2(0, 16) · (0, 48)<br />
2(0, 36) · (0, 48)<br />
(0, 48) · (0, 48)<br />
ou seja, p (3)<br />
d = 0, 16, p(3)<br />
h = 0, 48 e p(3) r = 0, 36.<br />
Assim, após dois anos, a porcentagem dos insetos resistentes ao inseticida<br />
será de p (3)<br />
d + p(3)<br />
h = 0, 16 + 0, 48 = 0, 64, ou seja, 64% da população é<br />
resistente. Dessa forma, se for necessária uma nova aplicação de inseticida,<br />
não será conveniente aplicar o mesmo tipo, pois ele matará no máximo 36%<br />
dos insetos.<br />
⎤<br />
⎥<br />
⎦<br />
⎤<br />
⎥<br />
⎦
UNIVATES – Centro Universitário 250<br />
Observação D.4.10 Observe que a distribuição dos insetos quanto<br />
ao genótipo GG, Gg ou gg permaneceu a mesma nas segunda e terceira<br />
gerações.<br />
Exercício D.4.11 Calcule as probabilidades para a quarta geração de<br />
insetos (depois de três anos) para o problema D.4.9.<br />
Observação D.4.12 O resultado que você obteve no exercício D.4.11<br />
não é uma casualidade. Existe uma “lei genética” que estabelece, sob<br />
condições ideais, que depois da segunda geração a distribuição entre os<br />
genótipos permanece a mesma. Assim, se partirmos de uma população onde<br />
a formação inicial é dada por freqüências p (1)<br />
d<br />
temos:<br />
= u, p(1)<br />
h<br />
Genótipo Geração inicial Gerações seguintes<br />
GG u (u + v<br />
2 )2<br />
Gg v 2(u + v<br />
v<br />
2 )(w + 2 )<br />
gg w (w + v<br />
2 )2<br />
= v e p(1)<br />
r<br />
= w,<br />
Pode-se demostrar esta relação através do produto de matrizes (em momentos<br />
de solidão).<br />
Observação D.4.13 No modelo genético considerado nesta seção,<br />
assume-se uma situação-padrão: não existe migração, os encontros são ao<br />
acaso, não ocorrem mutações nem seleção, os dois sexos aparecem sempre<br />
em quantidades iguais.<br />
Observação D.4.14 Esta relação de estabilidade genética foi apresentada<br />
independentemente, pelo matemático G.H. Hardy e o genético W.<br />
Weinberg em 1908.<br />
C H A E TING ER
Apêndice E<br />
Somatórios<br />
amos agora apresentar a você um símbolo que será bastante útil<br />
para os itens que ainda desenvolveremos neste curso; e o faremos através de<br />
um exemplo: imagine que queiramos representar a soma dos dez primeiros<br />
termos de uma progressão:<br />
a1 + a2 + a3 + a4 + a5 + a6 + a7 + a8 + a9 + a10;<br />
no sentido de sintetizar esta soma, usaremos o símbolo 10 <br />
i=1<br />
ai que deve ser<br />
lido: “somatório de ai, com i variando de um até dez”.<br />
Note que o índice i pode ser substituído por qualquer outra letra; de<br />
fato, a mesma soma apresentada anteriormente poderia também ser escrita<br />
como: 10<br />
aj ou 10 <br />
an ou 10<br />
as. Muitas vezes aparecem também somatórios<br />
j=1<br />
n=1<br />
s=1<br />
duplos, triplos, etc., onde trabalhamos com dois, três, etc. índices.<br />
E.1 Exemplos<br />
Exemplo E.1.1 O somatório duplo<br />
2<br />
aij representa:<br />
i,j=1<br />
a11 + a12 + a21 + a22, ou seja, a soma dos termos da matriz quadrada<br />
a11 a12<br />
.<br />
a21 a22<br />
Exemplo E.1.2 O somatório triplo<br />
2<br />
aijk representa:<br />
i,j,k=1<br />
a111 + a112 + a121 + a122 + a211 + a212 + a221 + a222.<br />
251
UNIVATES – Centro Universitário 252<br />
E.2 Exercícios<br />
Exercício E.2.1 Desenvolver o somatório n<br />
i.<br />
i=1<br />
Exercício E.2.2 Desenvolver o somatório 7<br />
i=3<br />
Exercício E.2.3 Desenvolver o somatório 6<br />
i=1<br />
1<br />
i .<br />
i<br />
i+1 .<br />
Exercício E.2.4 Quantas parcelas há no somatório 121 <br />
Exercício E.2.5 Desenvolver o somatório n<br />
a<br />
i=0<br />
ibn−i .<br />
i=53<br />
Exercício E.2.6 Desenvolver o somatório n<br />
(−1) nai, nos casos:<br />
1. n é par.<br />
2. n é ímpar.<br />
i=0<br />
Exercício E.2.7 Escrever sob a forma de somatório:<br />
a0x n + a1x n−1 + a2x n−2 + . . . + an−1x + an.<br />
Exercício E.2.8 Escrever sob a forma de somatório:<br />
1 − a + a 2 − a 3 + . . . + a 100 − a 101 .<br />
Exercício E.2.9 Escrever sob a forma de somatório:<br />
−1 + a − a 2 + a 3 − . . . − a 100 + a 101 .<br />
Exercício E.2.10 Escrever sob a forma de somatório: (x + a) n .<br />
Dica: Use o binômio de Newton.<br />
Exercício E.2.11 Calcular o somatório 5<br />
i=0<br />
5<br />
i .<br />
Exercício E.2.12 Calcular o somatório 70<br />
2.<br />
i=23<br />
ai?
UNIVATES – Centro Universitário 253<br />
E.3 Algumas Propriedades<br />
Propriedade E.3.1 α n<br />
ai = n<br />
(αai)<br />
prova:<br />
i=1<br />
i=1<br />
α n<br />
ai = α(a1 + a2 + a3 + · · · + an−1 + an) =<br />
i=1<br />
Propriedade E.3.2<br />
= αa1 + αa2 + · · · + αan−1 + αan =<br />
= n<br />
(αai)<br />
i=1<br />
n<br />
(ai + bi) = n<br />
ai + n<br />
i=1<br />
i=1<br />
bi<br />
i=1<br />
prova: exercício. <br />
Propriedade E.3.3 ( n<br />
ai)( m<br />
bj) = n m<br />
i=1<br />
prova: Seja B = m<br />
bj; então:<br />
j=1<br />
j=1<br />
aibj<br />
i=1 j=i<br />
( n<br />
ai)(<br />
i=1<br />
m<br />
bj) = (<br />
j=1<br />
n<br />
ai) · B =<br />
=<br />
i=1<br />
n<br />
(aiB) =<br />
=<br />
i=1<br />
n m<br />
(ai bj) =<br />
i=1<br />
= n<br />
m<br />
j=1<br />
aibj<br />
i=1 j=1<br />
Note que nesta demonstração utilizamos duas vezes a propriedade 1.<br />
Propriedade E.3.4<br />
n<br />
i=1 j=1<br />
m<br />
aibj = m<br />
n<br />
aibj<br />
j=1 i=1
UNIVATES – Centro Universitário 254<br />
n<br />
prova:<br />
i=1 j=1<br />
m<br />
aibj = n<br />
(aib1 + aib2 + · · · + aibm) =<br />
i=1<br />
= a1b1 + a1b2 + · · · + a1bm−1 + a1bm+<br />
+a2b1 + a2b2 + · · · + a2bm−1 + a2bm+<br />
·<br />
·<br />
·<br />
+an−1b1 + an−1b2 + · · · + an−1bm−1 + an−1bm+<br />
+anb1 + anb2 + · · · + anbm−1 + anbm =<br />
= ( n<br />
ai)b1 + ( n<br />
ai)b2 + · · · + ( n<br />
ai)bm−1 + ( n<br />
ai)bm =<br />
i=1<br />
i=1<br />
= m<br />
( n<br />
ai)bj =<br />
= m<br />
j=1 i=1<br />
n<br />
aibj<br />
j=1 i=1<br />
E.4 Respostas dos Principais Exercícios<br />
E.2.1<br />
E.2.2 153<br />
140<br />
E.2.3 617<br />
140<br />
n·(n+1)<br />
2<br />
E.2.4 121 − 53 + 1 = 69<br />
E.2.7<br />
n<br />
aixn−i E.2.8<br />
E.2.9<br />
E.2.10<br />
i=0<br />
<br />
101<br />
(−1)<br />
i=0<br />
iai <br />
101<br />
(−1)<br />
i=0<br />
i+1ai n<br />
i=0<br />
E.2.11 2 5 = 32<br />
E.2.12 96<br />
n<br />
i xn−iai C H A E TING ER<br />
i=1<br />
i=1
Apêndice F<br />
Tópicos sobre Retas e suas<br />
Equações<br />
F.1 Introdução<br />
á estudamos alguns tópicos de <strong>Geometria</strong> <strong>Analítica</strong>. Assim, dados<br />
dois pontos A(xA, yA) e B(xB, yB), sabemos que<br />
dist(A, B) = (xB − xA) 2 + (yB − yA) 2 .<br />
Além disso, o ponto médio de um segmento AB é M xA+xB<br />
2 , yA+yB<br />
<br />
2 .<br />
Sabemos que uma equação do tipo y = mx + n, com m e n constantes,<br />
representa uma reta e que a equação da circunferência de centro C(xC, yC)<br />
e raio r é (x − xC) 2 + (y − yC) 2 = r2 .<br />
Aqui, dedicar-nos-emos ao estudo analítico (algébrico) das retas.<br />
Propriedade F.1.1 Numa reta não vertical, aos sucessivos aumentos<br />
iguais nas abscissas (coordenadas X) de seus pontos, correspondem sucessivos<br />
aumentos iguais (entre si) nas ordenadas dos mesmos.<br />
Exercício F.1.2 Considere a reta de equação y = 3x − 5. Seus pontos<br />
de abscissas 2, 3, 4 e 5 possuem ordenadas respectivamente iguais a:<br />
Exercício F.1.3 Os pontos A(xA, yA) e B(xB, yB) pertencem à reta<br />
y = 7x + 4. Sendo ∆x = xB − xA e ∆y = yB − yA:<br />
1. Se ∆x = 1 então ∆y = ;<br />
2. Se ∆x = 2 então ∆y = ;<br />
3. Se ∆x = 6 então ∆y = .<br />
255
UNIVATES – Centro Universitário 256<br />
✻<br />
✻<br />
✻<br />
✲<br />
✲<br />
✲<br />
Figura F.1: Representação geométrica da propriedade construtiva de uma<br />
reta<br />
Exercício F.1.4 Os pontos A, B e C pertencem à reta y = 5x − 1.<br />
Se suas abscissas constituem uma P.A. de razão 1, então suas ordenadas<br />
constituem uma de razão . Este fato nos mostra que o gráfico<br />
de y = 5x − 1, enquanto avança uma unidade apenas para a direita, sobe<br />
unidades.<br />
Exercício F.1.5 Comparando as declividades (inclinações) das retas<br />
dadas por y = 2x + 13 e por y = 4x − 11, pode-se afirmar que a de maior<br />
declividade é , pois ela, ao avançar uma unidade para a direita, sobe<br />
unidades, enquanto a outra sobe apenas unidades.<br />
Exercício F.1.6 Os pontos A, B, C, e D pertencem à reta y = −6x+5.<br />
Se suas abscissas constituem uma P.A. de razão 1, então suas ordenadas<br />
constituem uma de razão . Este fato nos mostra que o gráfico de<br />
y = −6x + 5, enquanto avança uma unidade para a direita, unidades.<br />
Exercício F.1.7 Comparando as inclinações das retas y = −17x + 31<br />
e y = −9x + 57; aquela que mais se aproxima de uma posição vertical é<br />
, pois ela, ao avançar uma unidade para a direita,<br />
unidades, enquanto a outra apenas<br />
unidades.
UNIVATES – Centro Universitário 257<br />
Exercício F.1.8 Os pontos A(xA, yA) e B(xB, yB) pertencem à reta<br />
y = 10x.<br />
1. Se ∆x = 3, então ∆y = ;<br />
2. Se ∆x = , então ∆y = 4.<br />
Exercício F.1.9 Os pontos A(xA, yA) e B(xB, yB), distintos, pertencem<br />
à reta y = 2x + 3. Então, temos: ∆y = ∆x, ou seja, ∆y<br />
∆x = .<br />
F.2 Coeficiente Angular<br />
Os exercícios acima indicam que a inclinação da reta r dada por<br />
y = mx + n é sempre regulada pelo coeficiente m. Estudaremos isto mais<br />
detalhadamente.<br />
Suponhamos r não-horizontal, e seja A = r∩ OX formando α = ∠(r, OX)<br />
no sentido anti-horário. Calculemos tan α.<br />
Sejam A(xA, yA), B(xB, yB) ∈ r. Então, yA = mxA +n e yB = mxB +n.<br />
1 o caso: 0 < α < 90:<br />
yB<br />
yA<br />
α<br />
xA<br />
A<br />
α<br />
xB<br />
B<br />
C<br />
Figura F.2: Coeficiente angular onde 0 < α < 90<br />
Neste caso, 0 < α < 90, tem-se:<br />
tan α = BC<br />
AC = yB − yA<br />
xB − xA<br />
= (mxB + n) − (mxA + n)<br />
xB − xA<br />
= m (xB − xA)<br />
xB − xA<br />
Antes de prosseguir, vale lembrar que se α é obtuso, então:<br />
tan(180 − α) = − tan α.<br />
= m.
UNIVATES – Centro Universitário 258<br />
Então<br />
2 o caso: 90 < α < 180:<br />
Neste caso, 90 < α < 180, tem-se:<br />
yB B<br />
yA<br />
tan α = − tan(180 − α) = − BC<br />
AC = − yB − yA<br />
xA − xB<br />
tan α = (mxB + n) − (mxA + n)<br />
xB − xA<br />
xB<br />
C<br />
xA<br />
180 − α<br />
A<br />
α<br />
= m (xB − xA)<br />
xB − xA<br />
= yB − yA<br />
.<br />
xB − xA<br />
= m.<br />
Figura F.3: Coeficiente angular onde 90 < α < 180<br />
Finalmente, conclui-se que:<br />
Coeficiente angular: m = tan α<br />
Por isso, na reta dada por y = mx + n, chamaremos m de coeficiente<br />
angular da reta.<br />
Observação F.2.1 Os casos em que a reta é horizontal ou vertical serão<br />
analisados mais tarde.<br />
F.3 Coeficiente <strong>Linear</strong><br />
Na reta r de equação y = mx+n, o ponto de abscissa x = 0 tem ordenada<br />
y = n. Portanto, (0, n) é o ponto de intersecção de r com o eixo OY . Na<br />
reta dada por y = mx+n, o coeficiente n será chamado de coeficiente linerar<br />
da reta.
UNIVATES – Centro Universitário 259<br />
0<br />
(0, n)<br />
y = mx + n<br />
Figura F.4: Coeficiente linear da reta<br />
Exemplo F.3.1 Obtenha a equação da reta r indicada na figura abaixo.<br />
45 o<br />
Resolução<br />
0<br />
(0, 3)<br />
A equação da reta r é y = mx + n, onde m = tan 45 = 1 e n = 3. Logo,<br />
a equação pedida é y = x + 3. <br />
Exercício F.3.2 Qual é o coeficiente angular da reta y = −5x + 7?<br />
Exercício F.3.3 Obtenha os coeficientes angular e linear da reta de<br />
equação 3x + 2y − 8 = 0.<br />
r
UNIVATES – Centro Universitário 260<br />
a.<br />
60 o<br />
c.<br />
e.<br />
Exercício F.3.4 Nos itens abaixo, obtenha a equação da reta:<br />
(0, 1)<br />
30 o<br />
(0, 5)<br />
60 o<br />
d.<br />
b.<br />
135 o<br />
(0, −3)<br />
f.<br />
(0, −2)<br />
45 o<br />
150 o<br />
(0, −3)
UNIVATES – Centro Universitário 261<br />
Exercício F.3.5 Na figura abaixo, OAB é um triângulo equilátero de<br />
lado 3. Obtenha a equação da reta que os pontos A e B determinam.<br />
A<br />
B<br />
O<br />
Exercício F.3.6 Na figura abaixo, MNOP é um quadrado de lado 2.<br />
Obtenha a equação da reta suporte da diagonal NP .<br />
N M<br />
O<br />
P
UNIVATES – Centro Universitário 262<br />
Exercício F.3.7 Na figura abaixo, ABCD é um quadrado de lado 2 √ 2.<br />
Qual é a equação da reta que os pontos B e C determinam?<br />
C<br />
F.3.1 Um Caso à Parte<br />
D<br />
1 o caso: A reta r é horizontal.<br />
Todos os pontos de r têm ordenadas iguais a n. Portanto, y=n .<br />
Note que se enquadra na fórmula y = mx+n (α = 0) e continua valendo<br />
m = tan α = ∆y<br />
∆x .<br />
0<br />
n<br />
O<br />
B<br />
Figura F.5: Reta horizontal<br />
A<br />
r
UNIVATES – Centro Universitário 263<br />
2 o caso: A reta r é vertical.<br />
Neste caso a equação de r é: x=d , que não se enquadra no caso<br />
“geral”y = mx + n.<br />
Aqui tem-se α = 90 e, como não se define tan 90, também não se definirá<br />
coeficiente angular para as retas verticais.<br />
0<br />
r<br />
(d, 0)<br />
Figura F.6: Reta vertical<br />
Portanto: a reta vertical constitui uma exceção, e deve ser analisada<br />
sempre à parte do caso “geral”y = mx + n.<br />
Exercício F.3.8 O triângulo OAB é equilátero de lado 10. Obtenha as<br />
equações das retas suportes das alturas do triângulo relativas aos lados OB<br />
e OA.<br />
0<br />
B<br />
A
UNIVATES – Centro Universitário 264<br />
a.<br />
r<br />
c.<br />
0<br />
Exercício F.3.9 Nos itens abaixo, obtenha a equação da reta r:<br />
P (2, 1)<br />
P (3, 2)<br />
r<br />
r<br />
d.<br />
b.<br />
0<br />
r<br />
0<br />
P (4, −3)<br />
Exercício F.3.10 Em cada caso, obtenha o coeficiente angular da reta<br />
dada:<br />
1. x y<br />
5 + 3 = 1<br />
2. y = 2<br />
3. y − 2 = 3(x + 5)<br />
4. x = 6
UNIVATES – Centro Universitário 265<br />
Exercício F.3.11 Na figura abaixo, OABC é um quadrado de diagonal<br />
6. Qual é a equação da reta que passa por A e C? E por A e B?<br />
B<br />
A<br />
C<br />
Exemplo F.3.12 Qual é o coeficiente angular da reta determinada pelos<br />
pontos A(−1, 2) e B(2, 11)?<br />
Resolução<br />
O<br />
m = ∆y 11 − 2 9<br />
= = = 3<br />
∆x 2 − (−1) 3<br />
O coeficiente angular é m = 3. <br />
Exercício F.3.13 Em cada caso, obtenha o coeficiente angular da reta<br />
definida pelos pontos A e B:<br />
1. A(3, 4) e B(7, 8)<br />
2. A(−1, 2) e B(5, −6)<br />
3. A(−2, −3) e B(−3, 2)<br />
4. A(10, 8) e B(7, 8)<br />
5. A(2, 7) e B(2, 13).
UNIVATES – Centro Universitário 266<br />
Exemplo F.3.14 Na figura abaixo, OABC é um quadrado de lado 2;<br />
M e N são pontos médios dos lados. Quais são as equações das retas r, s<br />
e t?<br />
C B<br />
O<br />
N<br />
t<br />
Resolução<br />
As três retas têm o mesmo coeficiente linear: n = 2.<br />
ms = tan 135 = −1,<br />
mr = yM − yC<br />
xM − xC<br />
mt = yN − yC<br />
xN − xC<br />
= 1 − 2<br />
= 0 − 2<br />
M<br />
A<br />
= −1<br />
2 − 0 2<br />
= −2<br />
1 − 0<br />
Então as equações são:<br />
(r): y = − 1<br />
2x + 2;<br />
(s): y = −x + 2;<br />
(t): y = −2x + 2. <br />
s<br />
r
UNIVATES – Centro Universitário 267<br />
Exercício F.3.15 Na figura abaixo, OABC é um quadrado de lado 2;<br />
M, N e P são pontos médios dos lados. Quais são as equações das retas r,<br />
s e t?<br />
r<br />
C B<br />
P<br />
O<br />
M<br />
Exercício F.3.16 Na figura abaixo, OABC é um quadrado de lado 2 e<br />
CDE é um triângulo equilátero de lado 2. Quais são as equações das retas<br />
r, s e t?<br />
O<br />
C<br />
E<br />
A<br />
D<br />
B<br />
s<br />
A<br />
t<br />
N<br />
r<br />
t<br />
s
UNIVATES – Centro Universitário 268<br />
F.4 As Retas que Passam por um Ponto Dado<br />
Dado um ponto P (xP , yP ), há infinitas retas do plano cartesiano que<br />
passam por P .<br />
P (xP , yP )<br />
1 o caso: A reta r não é vertical.<br />
Sendo m o coeficiente angular da reta, para qualquer ponto (x, y) ∈ r,<br />
distinto de P (xP , yP ), tem-se:<br />
m = ∆y y − yP<br />
= .<br />
∆x x − xP<br />
Então: y − yP = m(x − xP ) .<br />
Note que o próprio ponto P (xP , yP ) satisfaz a equação:<br />
P (xP , yP )<br />
(x, y)<br />
r
UNIVATES – Centro Universitário 269<br />
2 o caso: A reta r é vertical.<br />
Neste caso, a equação da reta r é: x = xP .<br />
r<br />
P (xP , yP )<br />
Conclusão: As retas que passam por P (xP , yP ) têm suas equações dadas<br />
por: y − yP = m(x − xP ) ou x = xP .<br />
Exemplo F.4.1 Obtenha a equação das retas r, s, t e u.<br />
u<br />
t<br />
s<br />
P (5, 3)<br />
45 o 120 o<br />
r<br />
150 o
UNIVATES – Centro Universitário 270<br />
Resolução<br />
• A reta r não é vertical e passa por P (5, 3); logo y − yP = mr(x − xP ),<br />
o que implica que y − 3 = mr(x − 5). Mas, mr = tan 45 = 1. Donde<br />
(r): y − 3 = x − 5 ou y = x − 2;<br />
• A reta s é vertical: (s): x = 5;<br />
• A reta t não é vertical, logo y − 3 = mt(x − 5). Mas, sabemos que<br />
mt = tan 120 = − √ 3. Donde (t): y − 3 = − √ 3(x − 5) ou ainda<br />
y = − √ 3x + (3 + 5 √ 3);<br />
√<br />
3<br />
• A reta u não é vertical e mu = tan 150 = −<br />
dada por (u): y − 3 = −<br />
√ 3<br />
3<br />
(x − 5) ou ainda y = −<br />
3<br />
. A equação da reta é<br />
√ 3<br />
3 x + (3 + 5√ 3<br />
3 ).<br />
Exercício F.4.2 Em cada caso, obtenha a equação da reta que passa<br />
pelo ponto P e tem coeficiente angular m:<br />
1. P (2, 1) e m = 2;<br />
2. P (−1, 3) e m = −1;<br />
3. P (0, 5) e m = 3;<br />
4. P (0, 0) e m = 1.<br />
a.<br />
d.<br />
Exercício F.4.3 Dê a equação da reta r, em cada caso:<br />
(− √ 3, −2)<br />
P (4, 2)<br />
60 o<br />
45 o<br />
b.<br />
e.<br />
(−1, 4)<br />
30 o<br />
(2, −1)<br />
c.<br />
f.<br />
60 o<br />
(7, −1)<br />
45 o
UNIVATES – Centro Universitário 271<br />
Exemplo F.4.4 Qual é a equação da reta que passa por A(1, 1) e<br />
B(3, 11)?<br />
Resolução<br />
A reta não é vertical e passa por A(1, 1); logo: y − 1 = m(x − 1). Mas,<br />
m = ∆y<br />
∆x = yB − yA<br />
xB − xA<br />
= 11 − 1<br />
3 − 1<br />
= 5.<br />
Então, y − 1 = 5(x − 1) ou ainda y = 5x − 4. <br />
Exercício F.4.5 Em cada caso, escreva a equação da reta definida pelos<br />
pontos A e B:<br />
1. A(1, 5) e B(5, 13);<br />
2. A(1, 2) e B(3, −4);<br />
3. A(−3, −10) e B(5, −2);<br />
4. A(−3, −1) e B(0, 1);<br />
5. A(−8, 12) e B(3, 12);<br />
6. A(2, 2) e B(1, 5);<br />
7. A(0, 0) e B(5, 7);<br />
8. A(−1, −5) e B(−1, 8).<br />
Exercício F.4.6 Determine o valor de a para que os pontos A(3, 5),<br />
B(−3, 8) e C(4, a) estejam alinhados.<br />
Exercício F.4.7 Determine o ponto P , pertencente ao eixo das abscissas,<br />
que está alinhado com os pontos A(−1, 2) e B(3, 1).<br />
Exercício F.4.8 Na figura abaixo, OAP é um triângulo equilátero de<br />
lado 8 e ABCD é um quadrado de lado 8. Obtenha as equações das retas r,<br />
s e t.<br />
O<br />
r<br />
P<br />
A<br />
D<br />
s<br />
C<br />
t
UNIVATES – Centro Universitário 272<br />
F.5 Paralelismo de duas retas<br />
Proposição F.5.1 Se duas retas r e s são paralelas entre si, então elas<br />
possuem coeficientes angulares iguais, com exceção do caso em que ambas<br />
são verticais.<br />
prova: De fato, se r s, então αr = αs.<br />
(i). Se αr = αs = 90 o , então tan αr = tan αs ⇒ mr = ms.<br />
(ii). Se αr = αs = 90 o , então r e s são ambas verticais.<br />
Exemplo F.5.2 Obtenha a equação da reta r que passa por P (−2, 3) e<br />
é paralela à reta s: 5x + 7y + 8 = 0.<br />
Resolução<br />
(s): 5x + 7y + 8 = 0 ⇒ y = − 5 8<br />
7x − 7 ⇒ ms = − 5<br />
7 . Mas, r s; logo:<br />
mr = ms = − 5<br />
7 .<br />
Como a reta r passa por P (−2, 3), sua equação é: y − 3 = − 5<br />
7 (x + 2) ou<br />
y = − 5 11<br />
7x + 7 ou ainda 5x + 7y − 11 = 0. <br />
Exercício F.5.3 Em cada caso escreva a equação da reta que passa pelo<br />
ponto P e é paralela à reta (r) dada:<br />
1. P (−1, 2) e (r): 2x − 5y + 7 = 0;<br />
2. P (−3, −5) e (r): y = 8x − 1;<br />
3. P (4, 5) e (r): y = 1;<br />
4. P (1, 8) e (r): x y<br />
2 + 3 = 1;<br />
5. P (7, −4) e (r): y − 2 = 5(x + 3);<br />
6. P (−2, 3) e (r): x − 3 = 0.<br />
Exercício F.5.4 Escreva a equação da reta que passa por P e é paralela<br />
à reta determinada pelos pontos A e B:<br />
1. P (2, 3), A(1, −7) e B(4, 8);<br />
2. P (3, −5), A(4, 7) e B(6, 3).
UNIVATES – Centro Universitário 273<br />
Exercício F.5.5 Na figura, ABCD é um paralelogramo. Obtenha a<br />
equação da reta suporte do lado CD, sabendo que A(2, 4), B(1, 1) e C(5, 2).<br />
A<br />
B<br />
C<br />
Exercício F.5.6 Determine o valor da constante k tal que as retas dadas<br />
por x − 3y + 2 = 0 e 5x + ky − 1 = 0 sejam paralelas.<br />
F.6 Intersecção de Duas Retas<br />
O ponto de intersecção de duas retas pertence a ambas, isto é, deve satisfazer<br />
às equações dessas duas retas. Portanto, para obter o ponto comum<br />
a duas retas concorrentes, basta resolver o sistema formado pelas equações<br />
dessas duas retas.<br />
Exemplo F.6.1 Obter o ponto de intersecção da reta (r): 5x+4y +2 =<br />
0 com a reta (s): 3x − 4y − 18 = 0.<br />
Solução<br />
Seja o sistema 5x + 4y + 2 = 0<br />
3x − 4y − 18 = 0.<br />
Somando-se as duas equações, segue que 8x − 16 = 0.<br />
Logo, x = 2 e y = −3. Portanto, o ponto de intersecção de r com s é<br />
P (2, −3). <br />
Exercício F.6.2 Determine o ponto de intersecção das retas r e s nos<br />
seguintes casos:<br />
1. (r): y = 2x + 7; (s): y = x + 3;<br />
2. (r): 2x + 3y + 1 = 0; (s): x + 2y = 0;<br />
3. (r): y = 3x − 7; (s): y = 8;<br />
4. (r): y = 3x + 6y + 1 = 0; (s): x + 2y − 5 = 0.
UNIVATES – Centro Universitário 274<br />
Exercício F.6.3 Quais os vértices do triângulo determinado pelas retas<br />
(r): y = 5x − 4, (s): y = 2x − 1 e (t): x = 5?<br />
Exercício F.6.4 No paralelogramo ABCD, os lados AB e AD estão<br />
contidos respectivamente nas retas (r): y = 7 2<br />
3<br />
3x − 3 e (s): y = − 2x + 7.<br />
Dado C(7, 8), determine BD.<br />
r<br />
A<br />
D<br />
s<br />
Exercício F.6.5 A parábola e a reta de equações y = x2<br />
9 + 3x + 6 e<br />
y = 4<br />
3x cortam-se em dois pontos A e B. Determine o comprimento do<br />
segmento AB.<br />
F.7 Perpendicularismo de duas Retas<br />
Uma primeira situação de perpendicularismo ocorre quando uma das<br />
retas é horizontal e a outra vertical.<br />
Excetuando-se este caso:<br />
Se r e s são perpendiculares, tem-se: αr = 90 o + αs (confira!)<br />
B<br />
C
UNIVATES – Centro Universitário 275<br />
αs<br />
<br />
αs + β<br />
De fato,<br />
= 90o γ + β = 90o . Logo, γ = αs.<br />
Assim, tan αr = tan(90 + αs). Donde,<br />
tan(αr) =<br />
β<br />
sin(90 + αs) cos αs<br />
=<br />
cos(90 + αs) − sin αs<br />
γ<br />
= − 1<br />
.<br />
tan αs<br />
Então, mr = − 1<br />
ms .<br />
Conclusão: Se duas retas r e s são perpendiculares, tem-se: mr = − 1<br />
ms<br />
ou então uma das retas é horizontal e a outra, vertical.<br />
Exemplo F.7.1 Obter a equação da reta r que passa por P (3, 5) e é<br />
perpendicular à reta s, dada por 4x − 7y + 1 = 0.<br />
Solução<br />
(s): 4x − 7y + 1 = 0 ⇒ y = 4 1<br />
7x + 7 . Então ms = 4<br />
7 . Mas r ⊥ s, logo<br />
7<br />
. Como P ∈ r, segue que (r): y − 5 = − 4 (x − 3). <br />
mr = − 7<br />
4<br />
Exercício F.7.2 Em cada caso escreva a equação da reta que passa pelo<br />
ponto P e é perpendicular à reta r dada:<br />
1. P (2, −1) e (r): 2x − y + 4 = 0;<br />
2. P (−8, 3) e (r): 5x + 2y − 9 = 0;<br />
3. P (4, −6) e (r): x − 3 = 0.<br />
F.7.1 Projeção (Ortogonal) de um Ponto sobre uma Reta<br />
Considere, num plano, um ponto P e uma reta r. Chama-se projeção<br />
(ortogonal) de P sobre r ao ponto de intersecção de r com a reta que lhe é<br />
perpendicular, passando por P .<br />
αr
UNIVATES – Centro Universitário 276<br />
r<br />
P<br />
Q<br />
Exercício F.7.3 Obter a projeção do ponto P sobre a reta r nos seguintes<br />
casos:<br />
1. P (3, −1) e (r): x + 2y − 6 = 0;<br />
2. P (2, 1) e (r): x + 3y − 6 = 0.<br />
Exercício F.7.4 Dentre os pontos da reta 2x − y − 1 = 0, qual é aquele<br />
cuja distância ao ponto P (2, 8) é mínima?<br />
Exercício F.7.5 Para qual valor do coeficiente k as retas dadas por<br />
3x + y − 15 = 0 e 4x + ky + 1 = 0 são perpendiculares entre si?<br />
Exemplo F.7.6 O ponto P (6, 4) pertence a uma circunferência de centro<br />
C(4, 3). Obtenha a equação da reta t que passa por P (6, 4) e tangencia<br />
esta circunferência.<br />
t<br />
✬✩<br />
P<br />
✫✪<br />
Resolução<br />
O raio da circunferência CP e a reta t são perpendiculares entre si. Como<br />
mCP = yP −yC 4−3 1 = xP −xC 6−4 = 2 , tem-se mt = − 1 = −2. A reta t passa por<br />
mCP<br />
P (6, 4) e mt = −2, logo a equação é: y − 4 = −2(x − 6) ou y = −2x + 16.<br />
Exemplo F.7.7 Obtenha o ponto T , simétrico de P (4, 1), em relação à<br />
reta (r): x + 3y + 3 = 0. (Q é a projeção de P sobre r; T é o simétrico de<br />
P em relação a r (P Q = QT )).
UNIVATES – Centro Universitário 277<br />
P<br />
r<br />
Q<br />
Resolução<br />
Seja s a reta que passa por P e é perpendicular a r. Então mr = − 1<br />
3 ,<br />
donde ms = − 1 = 3. A equação de s é: y − 1 = 3(x − 4) ou y = 3x − 11.<br />
mr<br />
Obtemos {Q} = r ∩ s, resolvendo o sistema das equações r e s. Assim,<br />
Q = (3, −2). Como Q é o ponto médio de T P , temos que xQ = xP +xT<br />
2 ,<br />
donde xT = 2. Da mesma forma, yQ = yP +yQ<br />
2 , donde yT = −5. Logo,<br />
T (2, −5). <br />
F.8 Equação Geral e Equação Reduzida<br />
Toda reta, mesmo que vertical, tem uma equação que pode ser apresentada<br />
na forma ax + by + c = 0, onde a, b, c são constantes, com a e b não<br />
simultaneamente nulos.<br />
Por exemplo, a reta (r): y = − 2<br />
3x + 7 pode ser dada pela equação<br />
(r): 2x + 3y − 7 = 0, e a reta (s): x = 5 pode ser apresentada na forma<br />
(s): 1x + 0y − 5 = 0.<br />
F.8.1 Equação Geral da Reta<br />
Chamaremos equação geral da reta a equação da reta dada na forma:<br />
ax + by + c = 0 (a e b não simultaneamente nulos).<br />
Toda reta não vertical tem uma equação que pode ser apresentada na<br />
forma y = mx + n, onde m e n são constantes chamadas, respectivamente,<br />
de coeficiente angular e coeficiente linear.<br />
F.8.2 Equação Reduzida da Reta<br />
Chamaremos de equação reduzida da reta a equação da reta dada na<br />
forma: y = mx + n (m é o coeficiente angular; n é o coeficiente linear).<br />
Exercício F.8.1 Apresente a equação da reta (r): 3x − 2y + 5 = 0 na<br />
sua forma reduzida.<br />
Exemplo F.8.2 Qual é a distância entre o ponto P (7, 11) e a reta<br />
(r): 3x + 4y − 15 = 0?<br />
T
UNIVATES – Centro Universitário 278<br />
P<br />
Q<br />
Resolução<br />
Seja (s) a reta que passa por P e é perpendicular a r. Então mr = − 3<br />
4 ,<br />
donde ms = − 1 4 = mr 3 . A reta s passa por P (7, 11) e ms = 4<br />
3 ; logo, sua<br />
equação é: y − 11 = 4<br />
4 5<br />
3 (x − 7) ou y = 3x + 3 .<br />
Obteremos o ponto Q, projeção de P sobre r, resolvendo o sistema:<br />
3x + 4y − 15 = 0<br />
y = 4 5 , donde Q(1, 3).<br />
3x + 3<br />
A distância entre P e r é a distância entre os pontos P e Q:<br />
dP,r = dP,Q = (xp − xQ) 2 + (yP − yQ) 2 =<br />
= (7 − 1) 2 + (11 − 3) 2 = 10.<br />
Portanto, a distância de P à reta r é 10u.c.. <br />
F.9 Distância entre Ponto e Reta<br />
Basta considerar um ponto genérico P (xP , yP ) e uma reta de equação<br />
geral ax + by + c = 0 e proceder de maneira análoga à efetuada no exemplo<br />
F.8.2.<br />
Devido à sua longa e enfadonha prova, não apresentaremos aqui o seu<br />
desenvolvimento, limitando-nos a fornecer o resultado encontrado. O leitor<br />
interessado poderá desenvolver sozinho a prova do mesmo, em momentos de<br />
extremo tédio. Vetorialmente, a prova é bem mais simples: pode-se utilizar<br />
o produto escalar para provar facilmente esta questão.<br />
A distância entre P (xP , yP ) e (r): ax + by + c = 0 é dada por:<br />
r<br />
dP,r = |axP +byP +c|<br />
√ a 2 +b 2<br />
Observação F.9.1 A fórmula anterior utiliza-se da equação geral da<br />
reta r.<br />
Exemplo F.9.2 Calcule a distância entre P (−2, 1) e (r): y = 12 3<br />
5 x + 5 .<br />
Resolução<br />
Equação geral: 12x − 5y + 3 = 0.<br />
dP,r =<br />
|12 · (−2) + (−5) · 1 + 3|<br />
12 2 + (−5) 2<br />
= | − 26|<br />
.<br />
13<br />
= 2.
UNIVATES – Centro Universitário 279<br />
Exercício F.9.3 Calcule a distância entre o ponto P e a reta r, nos<br />
seguintes casos:<br />
1. P (1, 2) e (r): 12x − 9y − 4 = 0<br />
2. P (5, −7) e (r): y = 2x + 3<br />
3. P (3, 5) e (r): x − y − 1 = 0<br />
4. P (2, −3) e (r): y = −2x + 1<br />
5. P (5, 3) e (r): x − 2 = 0.<br />
Exercício F.9.4 Dado o triângulo de vértices A(2, 3) e B(5, −1) e<br />
C(−4, 7), determine o comprimento da altura relativa ao lado AB.<br />
Exercício F.9.5 Qual é a área do triângulo ABC do exercício F.9.4?<br />
Exemplo F.9.6 Determine os pontos P do eixo das ordenadas tais que<br />
a distância de P à reta (r): √ 3x − y + 12 = 0 seja igual a 2.<br />
Resolução<br />
Seja P (0, yP ) o ponto procurado. Tem-se que:<br />
dP,r2 ⇒<br />
⇒ |√3·0−yP +12|<br />
√ √<br />
( 3) 2 +(−1) 2<br />
= 2 ⇒<br />
⇒ 12 − yP = ±4<br />
⇒ |12−yP |<br />
2<br />
= 2 ⇒<br />
De 12 − yP = 4 decorre yP = 8; de 12 − yP = −4 decorre yP = 16.<br />
Portanto, há dois pontos do eixo das ordenadas com dP,r = 2, quais<br />
sejam: P1(0, 8) e P2(0, 16). <br />
Exercício F.9.7 Determine os pontos da reta y = 2x tais que a<br />
distância de cada um deles à reta 12x − 5y − 3 = 0 seja igual a 3.<br />
Exercício F.9.8 Determine a distância entre a reta y = x + 5 e a reta<br />
y = x + 8.<br />
Exemplo F.9.9 Determine o par de bissetrizes dos ângulos formados<br />
pelas retas (r): 3x + 4y − 2 = 0 e (s): 4x + 3y + 12 = 0. (Qualquer ponto<br />
das bissetrizes do ângulo eqüidista de seus lados)
UNIVATES – Centro Universitário 280<br />
r<br />
s<br />
Resolução<br />
Os pontos P (x, y) do par de bissetrizes eqüidistam de r e s, isto é,<br />
satisfazem dP,r = dP,s. Então:<br />
|3x + 4y − 2|<br />
√ 3 2 + 4 2<br />
|4x + 3y + 12|<br />
= √ ,<br />
42 + 32 donde 3x + 4y − 2 = ±(4x + 3y + 12).<br />
De 3x + 4y − 2 = 4x + 3y + 12 decorre que x − y + 14 = 0; por outro<br />
lado, de 3x + 4y − 2 = −(4x + 3y + 12) decorre que 7x + 7y + 10 = 0. Então<br />
os pontos das bissetrizes satisfazem a x − y + 14 = 0 ou a 7x + 7y + 10 = 0,<br />
que são, portanto, as suas equações. <br />
Exercício F.9.10 Na figura, ABCD e CDEF são quadrados de lado<br />
2; O é a origem do sistema de eixos e centro da circunferência inscrita em<br />
ABCD. Obtenha a medida da corda P Q.<br />
Dica: usar o triângulo retângulo OMQ, com M ponto médio de P Q.<br />
B C F<br />
✬✩<br />
A<br />
P<br />
✫✪<br />
Q<br />
D<br />
E<br />
G
UNIVATES – Centro Universitário 281<br />
F.10 Respostas dos Principais Exercícios do<br />
Capítulo<br />
F.3.2 −5<br />
F.3.3 m = − 3<br />
2 , n = 4<br />
F.3.4 Subdividindo:<br />
F.3.5 y =<br />
1. y = √ 3x + 5<br />
2. y = x − 2<br />
3. y = −<br />
√<br />
3<br />
3 x + 1<br />
4. y = −x − 3<br />
5. y = √ 3x<br />
6. y =<br />
√<br />
3<br />
3 x − 3<br />
√<br />
3<br />
3 x + 3<br />
F.3.6 y = −x + 2<br />
F.3.7 y = x + 2<br />
F.3.8 y = −5 (rel. a OB); y = √ 3x − 10 (rel. a OA)<br />
F.3.9 a. y = 2; b. y = −3; c. y = 1; d. x = 0<br />
F.3.10 1. − 3<br />
5 ; 2. 0; 3. 3; 4. não se define<br />
F.3.11 x = −3 (por A e C); y = x + 6 (por A e B)<br />
F.3.13 a. 1; b. − 4<br />
3 ; c. −5; d. 0; e. não se define<br />
F.3.15 (r): y = x + 1; (s): y = 1; (t): y = − x + 1<br />
√<br />
3<br />
F.3.16 (r): y = − 3 x + 4; (s): y = −x + 4; (t): y = −2x + 4<br />
F.4.5 É esta a pergunta!<br />
F.4.6 a = 9<br />
2 ;<br />
F.4.7 P (7, 0);<br />
F.4.8 (r): y = − √ 3x + 8 √ 3; (s): y = (2 − √ 3)x + (8 √ 3 − 8);<br />
(t): y = 2−√3 3 x + 16√3−8 3<br />
F.6.3 (1, 1), (5, 9) e (5, 21)<br />
F.6.4 √ 101<br />
F.6.5 5<br />
F.9.4 12<br />
5<br />
2
UNIVATES – Centro Universitário 282<br />
F.9.5 6<br />
F.9.7 P1(21, 42) e P2(−18, −36)<br />
F.9.8 3 √ 2/2<br />
F.9.10<br />
4 √ 34<br />
17<br />
C H A E TING ER
Bibliografia<br />
[1] ANTON, H. & RORRES, C. – “ <strong>Álgebra</strong> linear com aplicações”,<br />
Porto Alegre, Bookman, 2001, ISBN 85-7307-847-2<br />
[2] CARVALHO, J.P. de – “Introdução à álgebra linear”, Rio de Janeiro,<br />
IMPA, 1972<br />
[3] BLOCH, S.C. – “Excel para Engenheiros e Cientistas”. Rio de Janeiro,<br />
LTC, 225 p., 2004. ISBN 85-216-1395-4.<br />
[4] BOLDRINI, J.B. – “ <strong>Álgebra</strong> linear”, São Paulo, Editora Harper &<br />
Row do Brasil Ltda., 3 a edição, 1986<br />
[5] DERIVE – “software”<br />
[6] GRAPHMATICA – “software”, Graphmatica for Windows c○ , K.<br />
Hertzer, KSoft, Inc., 1998, e-mail: ksoft@pair.com<br />
[7] HAETINGER, C.; HAETINGER, W.; DULLIUS, E.; MAR-<br />
COLIN, D.; SCHMIDT, J.; OHSE, M. & KLEIN, N. – “The<br />
use of an articulate mechanical arm type robot built from materials of<br />
low cost as a supporting tool for teaching at the undergraduate level: the<br />
resolution of the direct and inverse kinematic models in the bidimensional<br />
case, (to appear)<br />
[8] HANSELMAN, D. & LITTLEFIELD, B. – “Matlab 6: curso<br />
completo”, São Paulo, Prentice Hall, 2003, ISBN 85-87918-56-7<br />
[9] HOFFMAN, K. & KUNZE, R. – “ <strong>Álgebra</strong> linear”, São Paulo,<br />
Editora Polígono, 1971<br />
[10] http://www.somatematica.com.br<br />
[11] KLETENIK, D. – “Problemas de geometria analitica”, Moscou, Editora<br />
MIR, 4 a edição, 1979<br />
[12] LARSON, R.E.; HOSTETTER, R.P. & EDWARDS, B.H. –<br />
“Cálculo com <strong>Geometria</strong> <strong>Analítica</strong>”, volume 2, Rio de Janeiro, LTC,<br />
1998<br />
[13] LIMA, E.L. – “ <strong>Álgebra</strong> linear”, Rio de Janeiro, Instituto de Matemática<br />
Pura e Aplicada (IMPA), CNPq, Coleção Matemática Universitária,<br />
1995<br />
283
UNIVATES – Centro Universitário 284<br />
[14] LIMA, E.L. – “Coordenadas no espaço”, Rio de Janeiro, Instituto de<br />
Matemática Pura e Aplicada (IMPA), CNPq, Coleção do Professor de<br />
Matemática, 1993<br />
[15] LIMA, E.L. – “Coordenadas no plano”, Rio de Janeiro, Instituto de<br />
Matemática Pura e Aplicada (IMPA), CNPq, Coleção do Professor de<br />
Matemática, 1992<br />
[16] LIMA, E.L. – “<strong>Geometria</strong> <strong>Analítica</strong> e <strong>Álgebra</strong> <strong>Linear</strong>”, Rio de Janeiro,<br />
Instituto de Matemática Pura e Aplicada (IMPA), CNPq, Coleção Matemática<br />
Universitária, 2001<br />
[17] LIMA, E.L. – “Sobre o ensino de sistemas lineares”, São Paulo, SBM,<br />
Revista do Professor de Matemática (RPM) 23 (1993), págs. 8-18<br />
[18] LIPSCHUTZ, S. – “Beginning linear algebra”, New York, McGraw-<br />
Hill, 1997, ISBN 0-07-038037-6<br />
[19] LIPSCHUTZ, S. – “3000 solved problems in linear algebra”, New<br />
York, McGraw-Hill, 1989, ISBN 0-07-038023-6<br />
[20] MACULAN, N. & PEREIRA, M.V.F. – “Programação linear”,<br />
São Paulo, Editora Atlas, 1980<br />
[21] MAPLE – “software”<br />
[22] MATCALC – “software”, Matrix calculator c○ , versão 1.2, W.B.<br />
Lewer, 1991<br />
[23] MATHCAD – “software”, Mathcad for Windows c○ , versão 2000,<br />
Math Soft., Inc.<br />
[24] MATHEMATICA – “software”<br />
[25] MATLAB – “software”<br />
[26] PERIN, C. – “Introdução à Programação <strong>Linear</strong>”, Campinas, UNI-<br />
CAMP, Coleção IMECC, Textos Didáticos 2, 2001, 177 p.<br />
[27] POOLE, D. – “ <strong>Álgebra</strong> <strong>Linear</strong>”, São Paulo, Thomson, 2004.<br />
[28] PROJETO GAUSS – “software”<br />
[29] RUGGIERO, M.A.G. & LOPES, V.L. da R. – “Cálculo<br />
numérico: aspectos teóricos e computacionais”, São Paulo, Makron Books,<br />
segunda edição, 1998, ISBN 85-346-0204-2<br />
[30] REIS, G.L. dos & SILVA, V.V. da – “<strong>Geometria</strong> <strong>Analítica</strong>”, Rio<br />
de Janeiro, LTC, 1996.<br />
[31] SÁNCHEZ, J.; CHRISTEN, J.A. & VALERA, B. – “Correlación<br />
de pares de imagenes para medición de sólidos por fenómenos estereo”,<br />
México, Aportaciones Matemáticas, Comunicaciones 23 (1999),<br />
59-68
UNIVATES – Centro Universitário 285<br />
[32] SMILE – “software”<br />
[33] STEINBRUCH, A. – “ <strong>Álgebra</strong> linear”, São Paulo, Makron Books<br />
[34] STEINBRUCH, A. & WINTERLE, P. – “<strong>Geometria</strong> analítica”<br />
[35] STEINBRUCH,A. & WINTERLE, P. – “Introdução à álgebra<br />
linear”, São Paulo, Makron Books, 1990, ISBN 0-07-460944-0<br />
[36] STRANG, G. – “<strong>Linear</strong> algebra and its applications”, New York,<br />
Academic Press Incorporation Ltda., 1970<br />
[37] WINMAT – “software”, Peanut c○ software, R. Parris, 1992,<br />
ftp.exeter.edu, e-mail: rparris@exeter.edu,<br />
http://www.exeter.edu/˜ rparris/<br />
[38] YUSTER, T. – “The reduced row Echelon form of a matrix is unique:<br />
a simple proof”, Mathematics Magazine, 57 (2), 1984, pp. 93-94<br />
C H A E TING ER
Bibliografia<br />
303