UNIVATES - Centro Universitrio a Centro III Curso de Engenharia de Automaao e Controle c Curso de Engenharia Sanitria e Ambiental a Curso de Engenharia

da Computaao c Curso de Engenharia de Produao c

Algebra Linear e Geometria Analitica

por Prof.Dr. Claus Haetinger e-mail: chaet@univates.br URL http://ensino.univates.br/chaet e Prof .Drnd . M. Madalena Dullius e-mail: madalena@univates.br
a a

Lajeado, 24 de Julho de 2006

Sumrio a
1 Introduo ca 2 O Plano 3 O Espao c 1 5 19

4 Curvas Planas, Equaes Paramtricas e Coordenadas Poco e lares 27 5 Matrizes 5.1 Introduo . . . . . . . . . . . . . . . . . . . . . ca 5.2 Conceito . . . . . . . . . . . . . . . . . . . . . . . 5.3 Tipos Especiais . . . . . . . . . . . . . . . . . . . 5.3.1 Exemplos . . . . . . . . . . . . . . . . . . 5.4 Operaes . . . . . . . . . . . . . . . . . . . . . co 5.4.1 Adio . . . . . . . . . . . . . . . . . . . ca 5.4.2 Subtrao . . . . . . . . . . . . . . . . . ca 5.4.3 Multiplicao por um Nmero Real . . . . ca u 5.4.4 Multiplicao de Matrizes . . . . . . . . . ca 5.4.5 Transposio . . . . . . . . . . . . . . . . ca 5.5 Exerc cios de Fixao e Problemas de Aplicao ca ca 5.6 Respostas dos Principais Exerc cios do Cap tulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 58 58 61 62 63 64 65 66 67 74 75 83

6 Sistemas Lineares 87 6.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 ca 6.2 Conceitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88 6.3 Forma Escalonada . . . . . . . . . . . . . . . . . . . . . . . . 90 6.3.1 Operaes Elementares . . . . . . . . . . . . . . . . . 91 co 6.3.2 Procedimento para a Reduo de uma Matriz ` Forma ca a Escalonada . . . . . . . . . . . . . . . . . . . . . . . . 92 6.4 Sistema Linear Escalonado . . . . . . . . . . . . . . . . . . . 93 6.4.1 Resoluo de um Sistema Linear Escalonado . . . . . 94 ca 6.4.2 Escalonamento de um Sistema Linear . . . . . . . . . 94 i

UNIVATES Centro Universitrio a 6.4.3 6.5 6.6 6.7 Algoritmo que Reduz uma Matriz ` Forma Escalonada a Reduzida por Linhas . . . . . . . . . . . . . . . . . . . 95 Solues de um Sistema Linear . . . . . . . . . . . . . . . . . 95 co 6.5.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . 97 Exerc cios de Fixao e Problemas de Aplicao . . . . . . . 97 ca ca Respostas dos Principais Exerc cios do Cap tulo . . . . . . . . 101 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104 . 104 . 104 . 105 . 108 . 109 . 111 . 115 . 116 . 117 118 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131 . 131 . 131 . 132 . 135 . 136 . 137 . 137 . 138 . 138 . 140 . 140 . 141 . 142 . 142 . 143 . 143 . 143 . 144 . 145 . 147 . 149 . 149 . 151 . 155

ii

7 Determinante e Matriz Inversa 7.1 Breve Relato Histrico . . . . . . . . . . . . . . . o 7.2 Conceitos . . . . . . . . . . . . . . . . . . . . . . 7.3 Determinante . . . . . . . . . . . . . . . . . . . . 7.3.1 Desenvolvimento de Laplace . . . . . . . . 7.4 Matriz Adjunta Matriz Inversa . . . . . . . . . 7.5 Regra de Cramer . . . . . . . . . . . . . . . . . . 7.6 Mtodo Prtico para Encontrar A1 . . . . . . . e a 7.7 Exerc cios de Fixao e Problemas de Aplicao ca ca 7.8 Respostas dos Principais Exerc cios do Cap tulo . 8 Introduo `s Transformaes Lineares ca a co 9 Espaos Vetoriais c 9.1 Introduo . . . . . . . . . . . . . . . . . . . . . ca 9.2 Vetores no Plano e no Espao . . . . . . . . . . . c 9.2.1 Vetores no Plano . . . . . . . . . . . . . . 9.2.2 Vetores no Espao . . . . . . . . . . . . . c 9.3 Espaos Vetoriais . . . . . . . . . . . . . . . . . . c 9.3.1 Exemplos . . . . . . . . . . . . . . . . . . 9.4 Subespaos Vetoriais . . . . . . . . . . . . . . . . c 9.4.1 Exemplos . . . . . . . . . . . . . . . . . . 9.4.2 Contra-Exemplos . . . . . . . . . . . . . . 9.4.3 Propriedades . . . . . . . . . . . . . . . . 9.4.4 Exemplos . . . . . . . . . . . . . . . . . . 9.4.5 Exemplos . . . . . . . . . . . . . . . . . . 9.5 Combinao Linear . . . . . . . . . . . . . . . . . ca 9.5.1 Exemplos . . . . . . . . . . . . . . . . . . 9.6 Dependncia e Independncia Linear . . . . . . . e e 9.6.1 Exerc cios . . . . . . . . . . . . . . . . . . 9.7 Base de Um Espao Vetorial . . . . . . . . . . . . c 9.7.1 Exemplos . . . . . . . . . . . . . . . . . . 9.7.2 Exemplos . . . . . . . . . . . . . . . . . . 9.8 Mudana de Base . . . . . . . . . . . . . . . . . . c 9.8.1 A Inversa da Matriz de Mudana de Base c 9.8.2 Exemplos . . . . . . . . . . . . . . . . . . 9.9 Exerc cios de Fixao e Problemas de Aplicao ca ca 9.10 Respostas dos Principais Exerc cios do Cap tulo .

UNIVATES Centro Universitrio a 10 Aprofundamento Sobre Transformaes Lineares co 10.1 Introduo . . . . . . . . . . . . . . . . . . . . . . ca 10.2 Exemplos . . . . . . . . . . . . . . . . . . . . . . . 10.3 Transformaes do Plano no Plano . . . . . . . . . co 10.3.1 Expanso (ou Contrao) Uniforme . . . . a ca 10.3.2 Reexo em Torno do Eixo OX . . . . . . . a 10.3.3 Reexo pela Origem . . . . . . . . . . . . a 10.3.4 Rotao de um ngulo . . . . . . . . . . . ca a 10.3.5 Cisalhamento Horizontal . . . . . . . . . . . 10.3.6 Translao . . . . . . . . . . . . . . . . . . ca 10.4 Conceitos e Teoremas . . . . . . . . . . . . . . . . 10.5 Transformaes Lineares e Matrizes . . . . . . . . . co 10.6 Aplicaes ` Optica . . . . . . . . . . . . . . . . . co a 11 Desigualdades Lineares 156 . 156 . 157 . 158 . 158 . 159 . 159 . 160 . 161 . 161 . 161 . 164 . 169 174

iii

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

. . . . . . . . . . . .

12 Variedades Lineares, Conjuntos Convexos e Programao ca Linear 180 12.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180 ca 12.2 Aplicaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181 co 12.3 Tpicos da Programao Linear . . . . . . . . . . . . . . . . . 182 o ca 12.4 Metodologia de Resoluo . . . . . . . . . . . . . . . . . . . . 182 ca 12.5 Conjuntos Convexos . . . . . . . . . . . . . . . . . . . . . . . 182 12.5.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . 183 12.5.2 Caracterizao Geomtrica dos Vrtices . . . . . . . . 188 ca e e 12.6 Introduo ` Programao Linear . . . . . . . . . . . . . . . . 189 ca a ca 12.6.1 Tpicos sobre Produto Interno . . . . . . . . . . . . . 189 o 12.6.2 Mtodo Geomtrico . . . . . . . . . . . . . . . . . . . 190 e e 12.6.3 Teorema Fundamental da PL . . . . . . . . . . . . . . 193 12.6.4 Concluso . . . . . . . . . . . . . . . . . . . . . . . . . 194 a 12.7 Exerc cios de Fixao e Problemas de Aplicao . . . . . . . 194 ca ca 12.8 Respostas dos Principais Exerc cios do Cap tulo . . . . . . . . 199 13 Curvas Cnicas o 201 13.1 A Elipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201 13.1.1 Equao Reduzida da Elipse com Centro na Origem e ca Focos sobre os Eixos Coordenados . . . . . . . . . . . 202 13.1.2 Equao da Elipse Cujos Eixos so Paralelos aos Eixos ca a Coordenados . . . . . . . . . . . . . . . . . . . . . . . 203 13.1.3 Posio Relativa entre Reta e Elipse . . . . . . . . . . 204 ca 13.2 A Parbola . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205 a 13.2.1 Equao Reduzida da Parbola com Vrtice na Orica a e gem e Foco sobre um dos Eixos Coordenados . . . . . 205 13.2.2 Equao Reduzida da Parbola Cujo Eixo de Simetria ca a Paralelo a um dos Eixos Coordenados . . . . . . . . 207 e 13.2.3 Posio Relativa entre Reta e Parbola . . . . . . . . 207 ca a 13.3 A Hiprbole . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208 e

UNIVATES Centro Universitrio a 13.3.1 Equao Reduzida da Hiprbole com Centro na Orica e gem e Focos sobre os Eixos . . . . . . . . . . . . . . . 13.3.2 Equao Reduzida da Hiprbole Cujos Eixos so Paca e a ralelos aos Eixos Coordenados . . . . . . . . . . . . . . 13.3.3 Posio Relativa entre Reta e Hiprbole . . . . . . . . ca e Equaes de Cnicas com Eixo(s) No Paralelo(s) aos Eixos co o a Coordenados . . . . . . . . . . . . . . . . . . . . . . . . . . . 13.4.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . Aplicao das Translaes e Rotaes ao Estudo da Equao ca co co ca Geral do Segundo Grau a Duas Variveis . . . . . . . . . . . a 13.5.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . A Equao Geral do Segundo Grau a Duas Variveis e as ca a Cnicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 13.6.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . Respostas dos Principais Exerc cios do Cap tulo . . . . . . . .

iv

209 209 210 210 211 212 214 215 215 216

13.4

13.5

13.6

13.7

A Artigos para Aprofundamento 217 A.1 Comparao dos Procedimentos para Resolver Sistemas Lica neares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217 A.2 Algebra de Matrizes . . . . . . . . . . . . . . . . . . . . . . . 217 A.3 Correlacin de Pares de Imagenes para Medicin de Slidos o o o por Fenmenos Estereo . . . . . . . . . . . . . . . . . . . . . . 217 o A.4 Introduo ` Pesquisa Operacional . . . . . . . . . . . . . . . 217 ca a A.5 Modelos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217 A.6 Espaos Vetoriais Introduo: Quadrados Mgicos . . . . . 217 c ca a A.7 Compresso de Imagem Digital . . . . . . . . . . . . . . . . . 217 a A.8 Investigao: Azulejos, Reticulados e a Restrio Cristaca ca logrca . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218 a A.9 Investigao: A Fatorao LU . . . . . . . . . . . . . . . . . . 218 ca ca A.10 Cdigos Corretores de Erros . . . . . . . . . . . . . . . . . . . 218 o A.11 Grafos e D grafos . . . . . . . . . . . . . . . . . . . . . . . . . 218 A.12 Investigao: Pivotamento Parcial e Contagem de Operaes ca co - Uma Introduo ` Anlise de Algoritmos . . . . . . . . . . . 218 ca a a A.13 Anlise de Redes . . . . . . . . . . . . . . . . . . . . . . . . . 218 a A.14 Simulador de Circuitos . . . . . . . . . . . . . . . . . . . . . . 218 A.15 Vetores de Cdigo e Aritmtica Modular . . . . . . . . . . . . 218 o e A.16 Diagonalizao de Formas Quadrticas: Sees Cnicas . . . 218 ca a co o A.17 A Rampa de Skate do Tempo M nimo . . . . . . . . . . . . . 218 A.18 Por Que as Antenas So Parablicas . . . . . . . . . . . . . . 219 a o A.19 A Hiprbole e os Telescpios . . . . . . . . . . . . . . . . . . . 219 e o A.20 A Sombra do Meu Abajur . . . . . . . . . . . . . . . . . . . . 219 A.21 A Matemtica do GPS . . . . . . . . . . . . . . . . . . . . . . 219 a A.22 Montando uma Dieta Alimentar com Sistemas Lineares . . . 219 A.23 Resumo Sobre Cnicas . . . . . . . . . . . . . . . . . . . . . . 219 o A.24 Um Brinquedo Chamado Espirgrafo . . . . . . . . . . . . . . 219 o

UNIVATES Centro Universitrio a B Autovalores e Vetores Prprios, Diagonalizao de Operao ca dores Lineares 220 B.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220 ca B.2 Sistemas Lineares da Forma Ax = x . . . . . . . . . . . . . . 221 B.3 Autovalores e Autovetores . . . . . . . . . . . . . . . . . . . . 222 B.4 Diagonalizao . . . . . . . . . . . . . . . . . . . . . . . . . . 226 ca B.4.1 Um Procedimento para Diagonalizar uma Matriz . . . 227 B.4.2 Multiplicidades Geomtrica e Algbrica . . . . . . . . 229 e e B.5 Diagonalizao Ortogonal . . . . . . . . . . . . . . . . . . . . 231 ca B.5.1 Matrizes Ortogonais: Mudana de Bases . . . . . . . . 231 c B.5.2 Diagonalizao de Matrizes Simtricas . . . . . . . . . 233 ca e C Produto Escalar 235 C.1 Angulos Diretores e Cossenos Diretores de um Vetor . . . . . 237 C.2 Projeo de um Vetor . . . . . . . . . . . . . . . . . . . . . . 238 ca D Processos Aleatrios: Cadeias de Markov o D.1 Idia Intuitiva . . . . . . . . . . . . . . . . e D.2 Conceito . . . . . . . . . . . . . . . . . . . D.3 Previses a Longo Prazo . . . . . . . . . . o D.3.1 Exemplos . . . . . . . . . . . . . . D.4 Previses em Gentica . . . . . . . . . . . o e E Somatrios o E.1 Exemplos . . . . . . . . E.2 Exerc cios . . . . . . . . E.3 Algumas Propriedades . E.4 Respostas dos Principais . . . . . . . . . . . . . . . . . . Exerc cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239 . 239 . 242 . 243 . 244 . 246 251 . 251 . 252 . 253 . 254 . . . . . . . . . . . . . . 255 255 257 258 262 268 272 273 274 275 277 277 277 278 281 303

F Tpicos sobre Retas e suas Equaes o co F.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . ca F.2 Coeciente Angular . . . . . . . . . . . . . . . . . . . F.3 Coeciente Linear . . . . . . . . . . . . . . . . . . . F.3.1 Um Caso ` Parte . . . . . . . . . . . . . . . . a F.4 As Retas que Passam por um Ponto Dado . . . . . . F.5 Paralelismo de duas retas . . . . . . . . . . . . . . . F.6 Interseco de Duas Retas . . . . . . . . . . . . . . . ca F.7 Perpendicularismo de duas Retas . . . . . . . . . . . F.7.1 Projeo (Ortogonal) de um Ponto sobre uma ca F.8 Equao Geral e Equao Reduzida . . . . . . . . . ca ca F.8.1 Equao Geral da Reta . . . . . . . . . . . . ca F.8.2 Equao Reduzida da Reta . . . . . . . . . . ca F.9 Distncia entre Ponto e Reta . . . . . . . . . . . . . a F.10 Respostas dos Principais Exerc cios do Cap tulo . . . Bibliograa

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Reta . . . . . . . . . . . . . . . . . . . . .

Cap tulo 1

Introduo ca

niciamos este pol grafo apresentando alguns exemplos de algumas das inmeras aplicaes da Algebra Linear. E claro que neste curso no u co a conseguiremos abord-las todas. Contudo, o leitor interessando em mais a detalhes sobre os mesmos pode consultar [1]. e Exemplo 1.0.1 (Jogos de estratgia) No jogo de roleta o jogador d seu lance com uma aposta e o cassino a responde com o giro da roleta; o lucro para o jogador ou para o cassino e determinado a partir destes dois movimentos. Estes so os ingredientes bsicos de uma variedade de jogos que contm a a e elementos tanto de estratgia quanto de acaso. Os mtodos matriciais podem e e ser usados para desenvolver estratgias otimizadas para os jogadores. e ca Exemplo 1.0.2 (Administrao de orestas) O administrador de uma plantaao de rvores de Natal quer plantar e c a cortar as rvores de uma maneira tal que a congurao da oresta pera ca manea inalterada de um ano para outro. O administrador tambm procura c e maximizar os rendimentos, que dependem do nmero e do tamanho das u rvores cortadas. a Tcnicas matriciais podem quanticar este problema e auxiliar o admie nistrador a escolher uma programao sustentvel de corte. ca a Exemplo 1.0.3 (Computao grca) Uma das aplicaes mais ca a co uteis da computao grca a do simulador de vo. ca a e o As matrizes fornecem uma maneira conveniente de lidar com a enorme quantidade de dados necessrios para construir e animar os objetos tridia mensionais usados por simuladores de vo para representar um cenrio em o a movimento.

UNIVATES Centro Universitrio a Exemplo 1.0.4 (Redes eltricas) e Circuitos eltricos que contenham somente resistncias e geradores de e e energia podem ser analisados usando sistemas lineares derivados das leis bsicas da teoria de circuitos. a Exemplo 1.0.5 (Distribuio de temperatura de equil ca brio) Uma tarefa bsica da cincia e da engenharia, que pode ser reduzida a e a resolver um sistema de equaes lineares atravs de tcnicas matriciais co e e iterativas, determinar a distribuiao de temperatura de objetos tais como e c a do ao saindo da fornalha. c Exemplo 1.0.6 (Cadeias de Markov) Os registros meteorolgicos de uma localidade espec o ca podem ser usados para estimar a probabilidade de que v chover em um certo dia a partir da a informao de que choveu ou no no dia anterior. ca a A teoria das cadeias de Markov pode utilizar tais dados para prever, com muita antecedncia, a probabilidade de um dia chuvoso na localidade. e Exemplo 1.0.7 (Gentica) e Os mandatrios do Egito antigo recorriam a casamentos entre irmos a a para manter a pureza da linhagem real. Este costume propagou e acentuou certos traos genticos atravs de muitas geraes. c e e co A teoria das matrizes fornece um referencial matemtico para examinar a o problema geral da propagao de traos genticos. ca c e a Exemplo 1.0.8 (Crescimento populacional por faixa etria) A congurao populacional futura pode ser projetada aplicando lgebra ca a matricial `s taxas, especicadas por faixas etrias, de nascimento e mora a talidade da populaao. A evoluo a longo prazo da populao depende c ca ca das caracter sticas matemticas de uma matriz de projeo que contm os a ca e parmetros demogrcos da populao. a a ca co Exemplo 1.0.9 (Colheita de populaes animais) A colheita sustentada de uma criaao de animais requer o conhecimento c da demograa da populao animal. Para maximizar o lucro de uma colheita ca peridica, podem ser comparadas diversas estratgias de colheita sustentada o e utilizando tcnicas matriciais que descrevem a dinmica do crescimento poe a pulacional. Exemplo 1.0.10 (Criptograa) Durante a Segunda Guerra Mundial, os decodicadores norte-americanos e britnicos tiveram xito em quebrar o cdigo militar inimigo usando a e o tcnicas matemticas e mquinas sosticadas. e a a Hoje em dia, o principal impulso para o desenvolvimento de cdigos o seguros dado pelas comunicaes condenciais entre computadores e em e co telecomunicaes. co

UNIVATES Centro Universitrio a Exemplo 1.0.11 (Construo de curvas e superf ca cies por pontos especicados) Em seu trabalho Principia Mathematica (Os Princ pios Matemticos a da Filosoa Natural), I. Newton abordou o problema da construo de uma ca elipse por cinco pontos dados. Isto ilustraria como encontrar a rbita de um o cometa ou de um planeta atravs da anlise de cinco observaes. e a co Ao invs de utilizarmos o procedimento geomtrico de Newton, podemos e e utilizar os determinantes para resolver o problema analiticamente. Exemplo 1.0.12 (Programao linear geomtrica) ca e Um problema usual tratado na rea de programao linear o da detera ca e minao de proporoes dos ingredientes em uma mistura com o objetivo de ca c minimizar seu custo quando as proporoes variam dentro de certos limites. c Um tempo enorme do uso de computadores na administrao e na indstria ca u dedicado a problemas de programao linear. e ca Exemplo 1.0.13 (O problema da alocao de tarefas) ca Um problema importante na indstria o do deslocamento de pessoal e u e de recursos de uma maneira eciente quanto ao custo. Por exemplo, uma construtora pode querer escolher rotas para movimentar equipamento pesado de seus depsitos para os locais de construo de o ca maneira a minimizar a distncia total percorrida. a Exemplo 1.0.14 (Modelos econmicos de Leontief ) o Num sistema econmico simplicado, uma mina de carvo, uma ferrovia o a e uma usina de energia necessitam cada uma de uma parte da produao c das outras para sua manuteno e para suprir outros consumidores de seu ca produto. Os modelos de produo de Leontief podem ser usados para determinar ca o n vel de produo necessrio `s trs indstrias para manter o sistema ca a a e u econmico. o Exemplo 1.0.15 (Interpolao spline c bica) ca u As fontes tipogrcas PostScriptTM e TrueTypeTM usadas em telas de a monitores e por impressorar so denidas por curvas polinomiais por partes a denominadas splines. Os parmetros que os determinam esto armazenados na memria do a a o computador, um conjunto de parmetros para cada um dos caracteres de a uma particular fonte. Exemplo 1.0.16 (Teoria de grafos) A classicao social num grupo de animais uma relao que pode ser ca e ca descrita e analisada com a teoria de grafos. Esta teoria tambm tem aplicaes a problemas to distintos como a dee co a terminao de rotas de companhias areas e a anlise de padres de votao. ca e a o ca Exemplo 1.0.17 (Tomograa computadorizada) Um dos principais avanos no diagnstico mdico o desenvolvimento c o e e de mtodos no invasivos para obter imagens de sees transversais do corpo e a co humano, como a tomograa computadorizada e a ressonncia magntica. a e

UNIVATES Centro Universitrio a Os mtodos da Algebra Linear podem ser usados para reconstruir imagens e a partir do escaneamento por raios X da tomograa computadorizada. Exemplo 1.0.18 (Conjuntos fractais) Conjuntos que podem ser repartidos em verses congruentes proporcioo nalmente reduzidas do conjunto original so denominadas fractais. Os fraca tais so atualmente aplicados ` compactao de dados computacionais. a a ca Os mtodos da Algebra Linear podem ser usados para construir e classie car fractais. Exemplo 1.0.19 (Teoria do Caos) Os pixels que constituem uma imagem matricial podem ser embaralhados repetidamente de uma mesma maneira, na tentativa de torn-los a aleatrios. Contudo, padres indesejados podem continuar aparecendo no o o processo. A aplicao matricial que descreve o processo de embaralhar ilustra tanto ca a ordem quanto a desordem que caracterizam estes processos caticos. o Exemplo 1.0.20 (Um modelo de m nimos quadrados para a audio humana) ca O ouvido interno contm uma estrutura com milhares de receptores sene soriais ciliares. Estes receptores, movidos pelas vibraes do t co mpano, respondem a freqncias diferentes de acordo com sua localizao e produzem ue ca impulsos eltricos que viajam at o crebro atravs do nervo auditivo. Desta e e e e maneira, o ouvido interno age como um processador de sinais que decompe o uma onda sonora complexa em um espectro de freqncias distintas. ue co Exemplo 1.0.21 (Deformaes e morsmos) Voc j deve ter visto em programas de televiso ou clipes musicais imae a a gens mostrando rapidamente o envelhecimento de uma mulher ao longo do tempo, ou a transformao de um rosto de mulher no de uma pantera, a ca previso de como seria hoje o rosto de uma criana desaparecida h 15 anos a c a atrs, etc. a Estes processos so feitos a partir de algumas poucas fotos. A idia a e de continuidade, de evoluo do processo, feito atravs do computador. ca e e Este processo de deformao chamado de morsmo, que se caracteriza por ca e misturas de fotograas reais com fotograas modicadas pelo computador. Tais tcnicas de manipulao de imagens tm encontrado aplicaes na e ca e co indstria mdica, cient u e ca e de entretenimento.
H I C T GR A N E

Cap tulo 2

O Plano

efere-se ao Cap tulo 2 de [30], pginas 16 a 39. a

H I C T GR A N E

Cap tulo 3

O Espao c

efere-se ao Cap tulo 4 de [30], pginas 90 a 103. a

H I C T GR A N E

19

Cap tulo 4

Curvas Planas, Equaoes c Paramtricas e Coordenadas e Polares

efere-se ao Cap tulo 12 de Larson, R.E.; Hostetter, R.P. e Edwards, B.H. ([12]), pginas 743 a 801. a
H I C T GR A N E

27

Cap tulo 5

Matrizes
5.1 Introduo ca

N
5.2

este cap tulo, apresentamos os conceitos bsicos sobre matrizes, os a quais surgem de forma natural na resoluo de problemas, porque ordenam ca e simplicam os mesmos, bem como fornecem novos mtodos de resoluo. e ca Adotaremos a abordagem lgico-dedutiva, pois os alunos que, ao cono clu rem o Ensino Mdio, pretendem se dedicar de forma especializada `s e a Engenharias, ` Qu a mica Industrial, ` Matemtica ou ` Informtica, ingresa a a a sando nestas reas na universidade, deparam-se com freqncia com raa ue cioc nios lgico-dedutivos e convm terem visto algo neste sentido j desde o e a o in do curso. cio

Conceito

u a Exemplo 5.2.1 Uma indstria tem quatro fbricas A, B, C, D, cada uma das quais produz trs produtos 1, 2, 3. A tabela mostra a produo da e ca indstria durante uma semana. u Produto 1 Produto 2 Produto 3 Fbrica A a 560 340 280 Fbrica B a 360 450 270 Fbrica C a 380 420 210 Fbrica D a 0 80 380

Tabela 5.1: Produo da indstria por fbrica ca u a Quantas unidades do produto 2 foram fabricadas pela fbrica C? a

58

UNIVATES Centro Universitrio a Exemplo 5.2.2 Ao recolhermos os dados referentes a altura, peso e idade de um grupo de quatro pessoas, podemos disp-los na tabela abaixo: o Altura (m) 1,70 1,75 1,60 1,81 Peso (kg) 70 60 52 72 Idade (anos) 23 45 25 30

59

Pessoa Pessoa Pessoa Pessoa

1 2 3 4

Tabela 5.2: Altura, peso e idade por pessoa Ao abstrairmos os signicados das linhas 1, 70 70 1, 75 60 1, 60 52 1, 81 72 e das colunas, temos a matriz: 23 45 25 30

Quando o nmero de variveis e de observaes muito grande, esta disu a co e posio ordenada de dados indispensvel. ca e a Denio 5.2.3 Sejam 1 m, n N; chama-se matriz m n (leia-se: ca m por n) a uma tabela constitu por mn elementos, dispostos em m linhas da (horizontais) e n colunas (verticais). Notao: Seja Amn e sejam i, j N tais que: 1 i m e 1 j n; ca indicaremos com aij o elemento de A que ocupa a linha i e a coluna j; A ser indicada por: a a11 a12 a1n a21 a22 a2n am1 am2 amn ou de forma mais sinttica: A = (aij ), com 1 i m e 1 j n. e Usaremos sempre letras maisculas para denotar matrizes. u Tambm so utilizadas outras notaes para matriz, alm de colchetes, e a co e como parnteses ou duas barras. Por exemplo: e 2 1 0 4 e 2 1 0 4

Observao 5.2.4 Os elementos de uma matriz podem ser nmeros reca u ais, nmeros complexos, polinmios, funes, etc.; aqui, entretanto, trabau o co lharemos apenas com matrizes constitu das por n meros reais. u Denio 5.2.5 Sejam as matrizes A = (aij ), com 1 i m e ca 1 j n e B = (bij ), com 1 i m e 1 j n. Dizemos que A

UNIVATES Centro Universitrio a IGUAL a B, e indicamos com A = B, se aij = bij para 1 i m e e 1 j n, ou seja, duas matrizes m n so iguais se possuem os elementos a de mesma posio iguais; se isto no acontecer, elas se dizem DIFERENTES ca a e indicamos com A = B. Exemplo 5.2.6 3 2 3 2 1. 4 7 = 4 7 5 3 5 3 2. 3. 4. 2 4 8 1 1 2 3 = = 2 4 8 1 3 2 1 = 9 sin 90o 0 2 4 5

60

32 1 log 1 2 22 5

Podemos tambm construir matrizes que possuam uma relao entre seus e ca elementos, a partir de uma lei de formao: ca Exemplo 5.2.7 Representar explicitamente a matriz A = (aij ), com 1 i 3 e 1 j 2, tal que aij = 3i 2j + 4. Resoluo ca i = 1 e j = 1 a11 = 3 1 2 1 + 4 = 5; i = 1 e j = 2 a12 = 3 1 2 2 + 4 = 3; i = 2 e j = 1 a21 = 3 2 2 1 + 4 = 8; i = 2 e j = 2 a22 = 3 2 2 2 + 4 = 6; i = 3 e j = 1 a31 = 3 3 2 1 + 4 = 11; i = 3 e j = 2 a32 = 3 3 2 2 + 4 = 9. 5 3 Logo: A = 8 6 . 11 9 Exerc cio 5.2.8 Representar explicitamente a matriz quadrada de ordem 2, cujo elemento genrico : aij = 2i 3j + 5. e e Exemplo 5.2.9 Representar explicitamente a matriz A = (aij ), com aij = 1 para i = j 1 i 3 e 1 j 3, tal que aij = 0, para i = j. Resoluo ca

UNIVATES Centro Universitrio a O enunciado permite escrever: a12 = a13 = a21 = a23 = a31 = a32 a11 = a22 = a33

61

0 1 1 = 1 . Logo: 1 0 1 . = 0 1 1 0

Exerc cio 5.2.10 Representar explicitamente a matriz A = (aij ), com aij = 0 para i = j 1 i 4 e 1 j 4, tal que aij = 1, para i = j. Exemplo 5.2.11 1. Matriz A = (aij )33 , tal que aij = j 2 i2 matriz quadrada; 2. Matriz B = (bij )13 , tal que bij = j 2i matriz linha; 3. Matriz C = (cij )41 , tal que cij = 2i2 3j matriz coluna; 4. Matriz D = (dij )12 , tal que dij = 0 matriz nula; 5. Matriz E = (eij )22 , tal que eij = 0, se i = j matriz diagonal; i + j, se i = j

6. Matriz F = (fij )33 , tal que fij = 1, se i = j matriz identidade. 0, se i = j

5.3

Tipos Especiais

Consideraremos agora alguns casos particulares de matrizes m n: Denio 5.3.1 Matriz Quadrada aquela cujo nmero de linhas ca e u e igual ao nmero de colunas (m = n). Nestes casos, costuma-se dizer que a u matriz de ordem n. e Denio 5.3.2 Matriz Nula aquela em que aij = 0, para todo i e ca e denotada por Omn . j. E Denio 5.3.3 Matriz-Coluna aquela que possui uma unica coluna ca e (n = 1). Denio 5.3.4 Matriz-Linha aquela onde m = 1. ca e Denio 5.3.5 Seja Ann uma matriz quadrada de ordem n; os eleca mentos aij , para os quais i = j (a11 , a22 , . . . , ann ), so ditos elementos da a diagonal principal da matriz. Por outro lado, os elementos para os quais i + j = n + 1 (a1n , a2 n1 , . . . , an 1 ), formam a diagonal secundria da a matriz.

UNIVATES Centro Universitrio a Denio 5.3.6 Matriz Diagonal uma matriz quadrada (m = n) ca e onde aij = 0, para i = j, isto , os elementos que no esto na diagonal e a a principal so nulos. a Denio 5.3.7 Matriz Identidade ou Unidade uma matriz quaca e drada de ordem n em que aii = 1 e aij = 0, para i = j. E denotada por In . Muitas vezes, ela aparece escrita da seguinte forma: In = (ij ), com 1 i, j n, onde: 1, quando i = j ij = 0, quando i = j. Denio 5.3.8 Matriz Triangular Superior uma matriz quaca e drada onde todos os elementos abaixo da diagonal so nulos, isto , m = n a e e aij = 0, para i > j. Denio 5.3.9 Matriz Triangular Inferior aquela em que m = n ca e e aij = 0, para i < j. Denio 5.3.10 Matriz Simtrica aquela onde m = n e aij = aji . ca e e Observe que isto equivale a dizer que a parte superior uma reexo axial e a da parte inferior, em relao ` diagonal. ca a

62

5.3.1

Exemplos

Exemplo 5.3.11 So exemplos de matrizes diagonais: a 1 0 0 0 0 0 1 0 A = 0 2 0 , B = , C = 3 , D = 0 0 0 . 0 1 0 0 3 0 0 0 2 1 0 Exemplo 5.3.12 0 1 4 e 0 0 3 superiores. a b 0 c

so matrizes triangulares a

2 0 0 0 5 0 0 1 1 0 0 7 0 0 so matrizes triExemplo 5.3.13 a 1 2 2 0 e 2 1 3 1 0 5 4 angulares inferiores. a b Exemplo 5.3.14 c d simtricas. e b c d 4 3 1 e f g a e 3 2 0 so matrizes f h i 1 0 5 g i k

UNIVATES Centro Universitrio a

63

5.4

Operaes co

Exerc cio 5.4.1 Consideremos as tabelas de produo de calados no ca c primeiro trimestre de 2001. Janeiro Modelo 1 Modelo 2 Modelo 3 Fbrica A a 9667 11545 0 Fbrica B a 307 7848 3577 Fbrica A a 8234 13705 0 Fevereiro Modelo 1 Modelo 2 Modelo 3 Fbrica B a 1149 2971 1804 Fbrica A a 2387 20178 0 Fbrica B a 1265 5382 1341

Maro c Modelo 1 Modelo 2 Modelo 3

Tabela 5.3: Produo de calados no primeiro trimestre ca c 1. Quantos calados de cada modelo cada fbrica produziu nos meses de c a janeiro e fevereiro juntos? 2. Quantos calados de cada modelo cada fbrica produziu no trimestre? c a 3. Considerando que a previso para a produao de abril ser o dobro da a c a de fevereiro, determine a estimativa para abril. 4. De quantos pares a produo (de cada modelo para cada fbrica) auca a mentou ou diminuiu no per odo de janeiro para fevereiro? Exemplo 5.4.2 Consideremos as tabelas que descrevem a produo de ca gros em dois anos consecutivos. a

Ano 1 Regio A a Regio B a Regio C a

soja 3000 700 1000

feijo a 200 350 100

arroz 400 700 500

milho 600 100 800

Ano 2 Regio A a Regio B a Regio C a

soja 5000 2000 2000

feijo a 50 100 100

arroz 200 300 600

milho 0 300 600

Tabela 5.4: Produo de gros (em milhares de toneladas) durante dois anos ca a consecutivos Se quisermos montar uma tabela que d a produo por produto e por e ca regio nos dois anos conjuntamente, teremos que somar os elementos cora respondentes das duas tabelas acima): 5000 50 200 0 3000 200 400 600 700 350 700 100 + 2000 100 300 300 = 2000 100 600 600 1000 100 500 800

UNIVATES Centro Universitrio a 8000 250 600 600 2700 450 1000 400 . 3000 200 1100 1400 Ou seja: soja 8000 2700 3000 feijo a 250 450 200 arroz 600 1000 1100 milho 600 400 1400

64

Regio A a Regio B a Regio C a

Tabela 5.5: Produo total de gros (em milhares de toneladas) durante os ca a dois anos

5.4.1

Adio ca

Denio 5.4.3 Sejam A = (aij ) e B = (bij ) matrizes , com 1 i m ca e 1 j n. Chamamos de SOMA da matriz A com a matriz B ` matriz a C = (cij ), com 1 i m e 1 j n tal que cij = aij + bij , para 1 i m e 1 j n, ou seja, soma de duas matrizes m n a matriz que se obtm e e das matrizes dadas, somando-se os elementos de mesma posio. Para dizer ca que C soma de A com B, indic-la-emos com A + B. e a 1 1 0 4 1 3 Exemplo 5.4.4 4 0 + 2 5 = 2 5 . 2 5 1 0 3 5 o e Observao 5.4.5 S denimos soma de matrizes quando elas tm enca tre si o mesmo nmero de linhas e tambm o mesmo nmero de colunas. u e u Observao 5.4.6 Pela forma com que foi denida, a adio de maca ca trizes tem as mesmas propriedades que a adio de nmeros reais. ca u Denio 5.4.7 Seja a matriz A = (aij ), com 1 i m e 1 j n. ca Chamamos de matriz OPOSTA de A ` matriz B = (bij ), com 1 i m e a 1 j n tal que: bij = aij , para 1 i m e 1 j n, ou seja, matriz oposta de A a matriz que se obtm de A trocando-se o sinal de cada um e e dos seus elementos. Para dizer que B oposta de A, indic-la-emos com e a A. Exemplo 5.4.8 A = Propriedades Propriedade 5.4.9 Dadas as matrizes A, B e C, todas m n, temos: i. A + B = B + A (comutativa) 1 2 1 0 2 3 A = 1 2 1 . 0 2 3

UNIVATES Centro Universitrio a ii. (A + B) + C = A + (B + C) (associativa) iii. A + Omn = Omn + A = A (elemento neutro) iv. A + (A) = (A) + A = Omn (elemento oposto) prova: exerc cio.

65

5.4.2

Subtrao ca

Denio 5.4.10 Sejam A e B duas matrizes m n; chama-se ca DIFERENCA entre A e B ` soma de A com a oposta de B; a diferena a c entre A e B ser indicada por A B. Ento, pela denio dada, temos: a a ca A B = A + (B). Exemplo 5.4.11 3 1 4 3 3 1 4 3 1 4 4 2 2 2 = 4 2 + 2 2 = 2 4 1 0 0 1 1 0 0 1 1 1 Exerc cio 5.4.12 Sendo A = C= 3 7 1 2 8 7 2 3 ,B= 0 1 4 2 e

, obtenha A + (B + C). 1 2 1 0 3 2 4 1

Exerc cio 5.4.13 Sendo A = C= 5 2 1 3

,B=

, obtenha (A B) C. 1 2 2 1 0 3 0 2

Exerc cio 5.4.14 Sendo A = C= 1 1 2 0

,B=

, obtenha A (B C). 1 2 2 1 0 3 0 2

Exemplo 5.4.15 Sendo A = C= 1 1 2 0

,B=

, obtenha A B + C. Soluo ca 0 2 0 3 1 0 2 3 e

A B + C = (A B) + C = 2 3 1 0

Exemplo 5.4.16 Sendo A = C= 0 3 1 4

,B=

, obtenha a matriz X tal que A + X = B + C.

UNIVATES Centro Universitrio a Resoluo ca Vamos acrescentar pela esquerda, a ambos os membros da igualdade dada, a oposta de A; temos: A + (A + X) = A + (B + C), isto , e (A + A) + X = A + (B + C) X = A + (B + C). Portanto, 2 3 1 0 0 3 3 0 X= + + = . 1 0 2 3 1 4 2 7 Exerc cio 5.4.17 Sendo A = C= 0 3 5 7 12 2 3 5 ,B= 7 2 1 8 e

66

, obtenha a matriz Y tal que (A + Y ) C = A + B.

5.4.3

Multiplicao por um N mero Real ca u

Exemplo 5.4.18 (Baseado nos dados do exemplo 5.4.2) Existem muitos incentivos para se incrementar a produo (condies climticas faca co a vorveis, etc.), de tal forma que a previso para a safra do terceiro ano a a ser o triplo da produo do primeiro. Assim, a matriz de estimativa de a ca produo deste ultimo ser: c a a 3000 200 400 600 9000 600 1200 1800 3 700 350 700 100 = 2100 1050 2100 300 . 1000 100 500 800 3000 300 1500 2400 Denio 5.4.19 Sejam R e A = (aij ), com 1 i m e ca 1 j n. Chamaremos de produto do n mero real pela matriz u A ` matriz B = (bij ), com 1 i m e 1 j n tal que: bij = aij para a 1 i m e 1 j n, ou seja, o produto do nmero real pela matriz A u e a matriz que se obtm de A multiplicando cada um dos seus elementos por e . Notao A ca Exemplo 5.4.20 A= Propriedades u Propriedade 5.4.21 Sejam os nmeros reais e e as matrizes A e B, ambas m n. Temos: i. (A) = ()A ii. ( + )A = A + A iii. (A + B) = A + B iv. 1 A = A v. (1)A = A 1 2 0 3 1 2 1 A= 2 1 2 3 2 1
1 2

0 1

UNIVATES Centro Universitrio a vi. 0 A = Omn vii. Omn = Omn Convidamos voc a demonstrar estas propriedades (em momentos de e extremo tdio, claro). e e Exemplo 5.4.22 Sendo A = 3(X 3A) = 5X 13A. Resoluo ca 5X 13A 5X 3X 2X X Portanto, X = 2 = = = = 3(X 3A) = 3X 9A 9A + 13A 4A 2A = 4 12 10 6 3 2 5 1 0 3 2X + Y X 2Y . 3 0 1 2 4 2 = 4A + B = 3A + 3B. eB= 2 6 5 3 , obtenha a matriz X tal que

67

2 6 5 3

Exerc cio 5.4.23 Sendo A = tenha as matrizes X e Y tais que:

, ob-

Exerc cio 5.4.24 Refaa o exerc c cio 5.4.1 usando a notao matricial. ca

5.4.4

Multiplicao de Matrizes ca

Exerc cio 5.4.25 Uma indstria fabrica certo aparelho em 2 modelos P u e Q. Na montagem do aparelho P , so utilizados 6 transistores, 9 capacitores a e 11 resistores; no modelo Q, so 4 transistores, 7 capacitores e 10 resistores. a Uma indstria recebeu a seguinte encomenda para os meses de janeiro e u fevereiro: Janeiro: 8 aparelhos do modelo P e 12 aparelhos do modelo Q. Fevereiro: 10 aparelhos do modelo P e 6 do modelo Q. Calcular a quantidade de transistores, capacitores e resistores necessrios a para atender `s encomendas de cada ms. a e Antes de denir a multiplicao entre matrizes, vejamos um exemplo do ca que pode ocorrer na prtica: a Exemplo 5.4.26 Suponhamos que a seguinte tabela fornea as quantic dades das vitaminas A, B e C obtidas em cada unidade dos alimentos I e II.

UNIVATES Centro Universitrio a A 4 5 B 3 0 C 0 1

68

Alimento I Alimento II

Tabela 5.6: Quantidades de vitaminas por alimento Se ingerirmos 5 unidades do alimento I e 2 unidades do alimento II, quanto consumiremos de cada tipo de vitamina? Resoluo ca Podemos representar o consumo dos alimentos I e II (nesta ordem) pela matriz consumo: [5 2]. A operao que vai nos fornecer a quantidade ingerida de cada vitamina ca o produto: e [5 2] 4 3 0 5 0 1 =

= [ 54+25 53+20 50+21 ]= = [30 15 2] (5.1)

Isto , sero ingeridas 30 unidades de vitamina A, 15 de B e 2 de C. e a Outro problema que poderemos considerar em relao aos dados do ca exemplo 5.4.26 o seguinte: e Exemplo 5.4.27 Se o custo dos alimentos depender somente do seu contedo vitam u nico e soubermos que os preos por unidade de vitamina c A, B e C so, respectivamente, $1, 50u.m., $3, 00u.m. e $5, 00u.m., quanto a pagar amos pela poro de alimentos indicada no exemplo 5.4.26? ca Resoluo ca 1, 50 [30 15 2] 3, 00 = 5, 00 = [30(1, 50) + 15(3) + 2(5)] = = [100]

(5.2)

Ou seja, pagar amos $100, 00u.m.. Observamos que nos produtos de matrizes efetuados em 5.1 e 5.2, cada um dos elementos da matriz-resultado obtido a partir de uma linha e da primeira e uma coluna da segunda. Alm disso, com relao `s ordens e ca a das matrizes envolvidas, temos: Em 5.1: [ ]12 [ ]23 = [ ]13 Em 5.2: [ ]13 [ ]31 = [ ]11 . O exemplo acima esboa uma denio de multiplicao de matrizes A c ca ca e B, quando A uma matriz-linha. Esta idia pode ser generalizada: e e

UNIVATES Centro Universitrio a Denio 5.4.28 Sejam as matrizes A = (aik ), 1 i m e 1 k p ca e B = (bkj ), 1 k p e 1 j n. Chamamos de PRODUTO da matriz A pela matriz B ` matriz C = (cij ), 1 i m e 1 j n tal que: a
p

69

cij = ai1 b1j + ai2 b2j + . . . + aip bpj =

k=1

aik bkj ,

onde 1 i m e 1 j n. Para dizer que a matriz C o produto de A por B, indic-la-emos com e a AB. o Observao 5.4.29 S tem sentido denirmos o produto AB de duas ca o matrizes quando o n de colunas de A for igual ao no de linhas de B; alm e disso, o produto AB possui o no de linhas de A e o no de colunas de B; esquematicamente, temos: Amp Bpn = Cm n 1 2 Exemplo 5.4.30 Determinar o produto 3 4 0 5
A

7 1 . 2 4
B

Resoluo ca Como a matriz A uma matriz 3 2 e B 2 2, o no de colunas de A e e igual ao no de linhas de B e , ento, o produto AB est denido e uma e a a e matriz 3 2. O elemento c11 , que pertence ` 1a linha e ` 1a coluna de AB, calcua a e a lado multiplicando-se ordenadamente os elementos da 1 linha de A pelos elementos da 1a coluna de B, e somando-se os produtos assim obtidos (procure perceber que isto verdade a partir da denio de cij , quando i = 1 e e ca j = 1); portanto: 1 2 17+22 7 1 3 4 = 2 4 0 5 O elemento c12 , que pertence ` 1a linha e ` 2a coluna de AB, calcua a e lado multiplicando-se ordenadamente os elementos da 1a linha de A pelos elementos da 2a coluna de B, e somando-se os produtos assim obtidos; portanto: 11+24 1 2 3 4 7 1 = 2 4 0 5 Da mesma forma teremos: c21

UNIVATES Centro Universitrio a 1 2 3 4 7 1 = 37+42 2 4 0 5 17+22 11+24 . . .Logo, AB = 3 7 + 4 2 3 1 + 4 4 = 07+52 01+54 Exerc cios 11 9 29 19 . 10 20

70

2 0 1 1 1 Exerc cio 5.4.31 Determine o produto 0 1 2 2 1 . 4 1 3 3 0 3 2 1 4 . 2 1 3 1 2 3 . 1 2 1 2 3 1 2 1 2 0 2 3 3 2 . .

Exerc cio 5.4.32 Determine o produto

1 2 4

Exerc cio 5.4.33 Obtenha o produto

1 5 3 0 1 3 2 2 3 3 2 3 3 2

Exerc cio 5.4.34 Obtenha o produto

Exerc cio 5.4.35 Obtenha o produto

1 2 3 1 0 Exerc cio 5.4.36 Obtenha o produto 4 5 6 0 1 . 7 8 9 2 3 6 0 1 1 0 0 Exerc cio 5.4.37 Obtenha o produto 3 1 4 0 1 0 . 2 2 1 0 0 1 1 2 Exemplo 5.4.38 Obter AB e BA, caso existam: A = 3 4 e 1 2 1 1 1 B= . 2 1 2 Soluo ca 5 3 5 2 1 1 1 4 = 11 7 11 . 2 1 2 3 1 3 2 1 2 5 4 1 1 . 3 4 = 7 4 1 2 1 2

1 AB = 3 1 BA = 1 2

UNIVATES Centro Universitrio a 1 2 3 1

71

Exemplo 5.4.39 Obter AB e BA, caso existam: A = B= 1 1 1 0 . Soluo ca AB = BA = 1 2 3 1 1 1 1 0 1 1 1 0 1 2 3 1 = = 1 2 2 1 1 3 1 2 . .

Exemplo 5.4.40 Obter AB e BA, caso existam: A = B= 1 1 1 2 0 2 . Soluo ca

1 2 1 2

1 2 1 1 1 5 1 5 = . 1 2 2 0 2 5 1 5 BA no existe, pois o no de colunas de B diferente do no de linhas a e de A. 1 5 7 Exemplo 5.4.41 Obter AB e BA, caso existam: A = 2 3 1 e 0 5 2 3 2 B= . 1 8 AB = Soluo ca AB no existe, pois o nmero de colunas de A diferente do nmero de a u e u linhas de B. BA no existe, pois o nmero de colunas de B diferente do nmero de a u e u linhas de A. Exemplo 5.4.42 Obter AB e BA, caso existam: A = B= 5 3 4 8 . Soluo ca AB = BA = 2 4 5 4 3 5 3 8 5 4 2 4 3 8 3 5 = = 22 40 22 40 30 52 30 52 . . 2 3 4 5 e

UNIVATES Centro Universitrio a 1 2 Exemplo 5.4.43 Obter AB e BA, caso existam: A = 3 e 4 B= 1 2 3 4 . Soluo ca

72

1 2 3 4 2 4 6 8 AB = 3 6 9 12 , BA = (30) 4 8 12 16 Exemplo 5.4.44 Obter AB e BA, caso existam: A = B= 3 2 15 10 . Soluo ca AB = 0 0 0 0 = O22 , BA = 5 1 25 5 . 5 1 10 2 e

Observao 5.4.45 ca 1. Num produto de matrizes A e B, a ordem em que aparecem os fatores importante: pode acontecer que e (a) AB e BA (ver 5.4.41) (b) AB e BA (ver 5.4.40) (c) AB e BA (d) AB, BA, mas so matrizes de dimenses diferentes (ver a o 5.4.43) (e) AB, BA, de mesmas dimenses, mas AB = BA (ver 5.4.44) o (f ) AB, BA, e AB = BA (ver 5.4.42). 2. O produto de duas matrizes no-nulas pode resultar numa matriz nula a (ver 5.4.44). Propriedades Propriedade 5.4.46 Quaisquer que sejam as matrizes A(m n), B e C (convenientes) e qualquer que seja o nmero real , tem-se: u i. (AB)C = A(BC) (associativa) ii. C(A + B) = CA + CB (distributiva ` esquerda) a iii. (A + B)C = AC + BC (distributiva ` direita) a iv. AIn = Im A = A (elemento neutro)

UNIVATES Centro Universitrio a v. (A)B = A(B) = (AB) vi. A Onp = Omp e Opm A = Opn . prova: i. Sejam: A = (aij ), 1 i m e 1 j n; B = (bjk ), 1 j n e 1 k p; C = (ckl ), 1 k p e 1 l q; AB = (dik ), 1 i m e 1 k p; BC = (ejl ), 1 j n e 1 l q; AB(C) = (fil ), 1 i m e 1 l q; A(BC) = (gil ), 1 i m e 1 l q. Teremos:
p fil = k=1 dik ckl = p n = k=1 ( j=1 aij bjk ckl ) = p n = k=1 ( j=1 aij bjk ckl ) = p n = j=1 ( k=1 aij bjk ckl ) = p n = j=1 aij ( k=1 bjk ckl ) = n = j=1 aij ejl = = gil

73

As demais cam para momentos de solido! a Exerc cios Exerc cio 5.4.47 Dadas as matrizes A = eC= 2 1 0 4 1 2 3 4 ,B= 1 5 2 3

, calcule: A(BC), (AB)C, (A + B)C, e AC + BC. 1 2 1 3

Exerc cio 5.4.48 Dadas as matrizes A = B= 1 1 1 0

, calcule: (A + B)2 , e A2 + 2(AB) + B 2 .

Dica: Use que (A + B)2 = (A + B)(A + B). Observao 5.4.49 Note que, no exemplo 5.4.48, temos que ca (A + B)2 = A2 + 2(AB) + B 2 . Exerc cio 5.4.50 (Desao) Sejam A e B duas matrizes quadradas de ordem n. Qual a condio necessria e suciente para que tenhamos a e ca a igualdade (A + B)2 = A2 + 2(AB) + B 2 ?

UNIVATES Centro Universitrio a a Exerc cio 5.4.51 E vlida a igualdade (A + B)(A B) = A2 B 2 2 3 1 2 quando A = eB= ? 5 4 1 2 Denio 5.4.52 Seja A uma matriz quadrada de ordem qualquer. Deca nimos a n-sima POTENCIA de A do seguinte modo: e A1 = A An = A An1 , onde n um inteiro 2. e Exerc cio 5.4.53 Assumindo a denio 5.4.52, determine A3 , sendo ca 1 1 A= . 1 0

74

5.4.5

Transposio ca

Denio 5.4.54 Considere uma matriz A, m n; chama-se matriz ca TRANSPOSTA de A, e se indica com At , ` matriz n m que se obtm da a e matriz A trocando, ordenadamente, as suas linhas pelas suas colunas. Exemplo 5.4.55 1. A = 2 3 4 5 7 1 2 5 At = 3 7 4 1

2. B = 3. C =

1 3 1 5 Bt = 5 2 3 2 3 1 Ct = 3 1 0 5 0 5

Observao 5.4.56 ca i. no de linhas de A = no de colunas de At ii. no de colunas de A = no de linhas de At iii. o elemento que, em A, ocupa a linha i e a coluna j, em At ocupa a linha j e a coluna i. Propriedade 5.4.57 Quaisquer que sejam as matrizes A e B, ambas m n, a matriz C, n p, e o nmero real , temos: u i. (At )t = A ii. (A + B)t = At + B t iii. (A)t = At iv. (AC)t = C t At

CUIDADO!

UNIVATES Centro Universitrio a Observao 5.4.58 A = (aij ), 1 i m e 1 j n At = (aji ), ca 1 j n e 1 i m. 2 1 3 1 t , BAt , (AB)t , At B t , B t At , e BA. AB Exerc cio 5.4.59 Sendo A = Exerc cio 5.4.60 Sendo A = e B = 2 5 2 6 , calcule:

75

2 3 1 1 0 2

, obtenha A At .

Observao 5.4.61 Uma matriz simtrica se, e somente se, ela ca e e e igual ` sua transposta, isto , se, e somente se, A = At (ver denio a e ca 5.3.10).

5.5

Exerc cios Aplicao ca

de

Fixao ca

Problemas

de

Exerc cio 5.5.1 Escrever a matriz A = (aij ) nos seguintes casos: (a) i {1, 2, 3} e j {1, 2}; (b) A do tipo 3 2, com aij = 5 para i = j e aij = 3 para i = j; e (c) A de 3a ordem, com aij = 1 para i = j e aij = 0 para i = j; e (d) A uma matriz do tipo 2 3, com aij = 4 para i > j, aij = 5 para i < j e e aij = 8 para i = j. Exerc cio 5.5.2 Determinar os valores de x, y, z e v para que as matrizes sejam iguais. 2x 8 10 y 2 = . 4 36 v v z2 3 Exerc cio 5.5.3 Determinar os valores de x e y para que as matrizes sejam iguais. 3x 2x + 3y 14 + x 21 = . 1 20 y x2 9x 3 Exerc cio 5.5.4 Dadas as seguintes matrizes A= e 1 4 2, 4 2 B= , calcular: 3 2 5 (a) A + B; (b) A B; 4 3 ; (c) Determinar o triplo da matriz A= 1 2 1, 4 3 5 1 3 (d) Dadas as matrizes: A= e b= , determinar X, 2 4 6 7 tal que X = 2A 4B. Observao: A matriz X, assim obtida, uma combinao linear de A e ca e ca B atravs dos coecientes 2 e 4. e 3, 5 8 7

UNIVATES Centro Universitrio a Exerc cio 5.5.5 Pulverizam-se pesticidas sobre plantas para eliminar insetos daninhos. No entanto, parte do pesticida absorvida pela planta. Os e pesticidas so absorvidos por herb a voros quando eles comem as plantas que foram pulverizadas. Suponha que temos trs pesticidas e quatro plantas, e a e quantidade de pesticida (em miligramas) que foi absorvido por cada planta est representado na tabela abaixo: a Planta 1 2 3 4 Planta 2 3 2 1 Planta 3 4 2 6 Planta 4 3 5 4

76

Tabela 5.7: Quantidade de pesticida absorvido por planta Suponha agora que temos trs herb e voros e o nmero de plantas que cada u herb voro come por ms est representado na tabela seguinte: e a Herb voro 1 20 28 30 40 Herb voro 2 12 15 12 16 Herb voro 3 8 15 10 20

Tabela 5.8: Quantidade de plantas ingeridas por herb voro Determinar a quantidade de cada tipo de pesticida absorvido por cada herb voro. Exerc cio 5.5.6 Durante a campanha eleitoral, o prefeito eleito prometeu a construo de casas populares. (Prometeu, tem que cumprir!) O povo ca sugeriu a construo de dois tipos de casas: mdia e grande. As casas do ca e tipo mdia tm 5 portas, 6 janelas e 6 caixas de luz. As casas do tipo grande e e tm 8 portas, 9 janelas e 10 caixas de luz. Numa primeira etapa devero e a ser constru das 500 casas do tipo mdia e 200 do tipo grande; numa segunda e etapa, 600 do tipo mdia e 400 do tipo grande. Quanto de cada material e ser necessrio em cada etapa? a a u stica produz X e Y nas Exerc cio 5.5.7 Uma indstria automobil verses standard, luxo e superluxo. Peas A, B e C so utilizadas na mono c a tagem desses carros. Para um certo plano de montagem, dada a seguinte e informao: ca

UNIVATES Centro Universitrio a Carro X 4 3 6 Carro Y 3 5 2

77

Pea A c Pea B c Pea C c

Carro X Carro Y

Standard 2 3

Luxo 4 2

Superluxo 3 5

Tabela 5.9: Plano de montagem de automveis o Quantas peas de cada modelo, cada verso vai precisar? c a Exerc cio 5.5.8 Imagine um laboratrio que fabrica, dentre outros, os o remdios A, B, C. Para a produo de uma unidade do remdio A so e ca e a necessrios 3g do ingrediente x, 7g do ingrediente y e 10g do ingrediente z. a Com relao ao remdio B so necessrios 2g de x, 4g de y e 5g de z. E ca e a a para o remdio C precisamos de 5g de x, 1g de y e 6g de z. Admitamos que e o consumo dos trs remdios, nos meses de agosto e setembro seja: e e Agosto: 80 unidades de A, 100 de B e 150 de C; Setembro: 50 unidades de A, 120 de B e 90 de C. Determine a quantidade de cada ingrediente necessria em cada ms. a e Exerc cio 5.5.9 Uma pequena loja de roupas organizou seu estoque de camisetas em duas prateleiras de acordo com os modelos A e B. Em janeiro o estoque foi distribu dos do seguinte modo: Prateleira A: 13 camisetas P , 15 camisetas M e 27 camisetas G; Prateleira B: 18 camisetas P , 19 camisetas M e 24 camisetas G. O preo das camisetas era o mesmo para os dois modelos e est reprec a sentado na tabela abaixo: Tamanho P M G Preo (em R$) c 13, 50 15, 50 16, 50

Tabela 5.10: Preo das camisetas por tamanho c Qual o valor total que a loja possu em camisetas? a Exerc cio 5.5.10 Consideremos uma companhia que fabrica carros dos tipos A, B e C em duas fbricas F1 e F2 , e cuja produo mensal est a ca a representada na tabela abaixo: A 40 15 B 10 60 C 36 20

F1 F2

Tabela 5.11: Produo mensal de automveis por modelo e por fbrica ca o a

UNIVATES Centro Universitrio a O carro tipo A usa 50 parafusos para a sua montagem, o carro tipo B usa 80 parafusos e o carro tipo C usa 70 parafusos. Calcular o total de parafusos que cada fbrica usa mensalmente. a Exerc cio 5.5.11 Joo, Paulo e Pedro vo construir, cada um, um a a brinquedo composto por 3 tipos de peas. O brinquedo pode ser montado c com quantas peas quisermos. Os meninos zeram as seguintes escolhas do c nmero de peas: u c Tipo 1 4 3 2 Tipo 2 2 4 3 Tipo 3 3 2 4

78

Joo a Paulo Pedro

Tabela 5.12: Nmero de peas por brinquedo e por usurio u c a Duas lojas vendem as peas pelos seguintes preos (em reais): c c Loja 1 3, 00 6, 00 5, 00 Loja 2 2, 50 7, 00 4, 50

Tipo 1 Tipo 2 Tipo 3

Tabela 5.13: Preos dos brinquedos por loja c Descubra o preo que cada um pagaria na Loja 1 e na Loja 2. c Exerc cio 5.5.12 Uma doceira produz dois tipos de doces, A e B. Para a produo desses doces so utilizados os ingredientes X, Y , Z, conforme ca a indica a tabela: X Y Z A 5 3 4 B 8 2 7

Tabela 5.14: Produo de doces ca Suponha que sejam fabricados 50 doces do tipo A e 20 doces do tipo B, por dia. Determine a quantidade de ingredientes X, Y , Z utilizados por dia. Exerc cio 5.5.13 Um empresrio oferece mensalmente alimentos a dois a orfanatos. Para o orfanato 1 so doados 25Kg de arroz, 20Kg de feijo, a a 30Kg de carne e 32 Kg de batata. Para o orfanato 2 so doados 28Kg de a arroz, 24Kg de feijo, 35Kg de carne e 38Kg de batata. O empresrio faz a a a cotao de preos em dois mercados. Veja a cotao atual, em reais: ca c ca

UNIVATES Centro Universitrio a Produto (1Kg) Arroz Feijo a Carne Batata Mercado 1 (R$) 1,00 1,50 6,00 0,80 Mercado 2 (R$) 1,00 1,20 7,00 0,60

79

Tabela 5.15: Cotao de preos dos alimentos ca c Determine o gasto mensal desse empresrio, por orfanato, supondo que a todos os produtos sejam adquiridos no mesmo estabelecimento e que este represente a melhor opo de compra. ca Exerc cio 5.5.14 Uma indstria produz dois tipos de produtos, P e Q, u em duas fbricas X e Y . Ao fazer estes produtos, so gerados os poluentes a a dixido de enxofre, xido n o o trico e part culas. As quantidades de poluentes gerados so dadas (em quilos) pela tabela abaixo: a Dixido de enxofre o 300 200 Oxido n trico 100 250 Part culas 150 400

Produto P Produto Q

Tabela 5.16: Quantidade de poluentes em quilos Leis e regulamentos federais e estaduais exigem que estes poluentes sejam eliminados. O custo dirio de remover cada quilo de poluente dado pela a e tabela seguinte: Fbrica X a 8 7 15 Fbrica Y a 12 9 10

Dixido de enxofre o Oxido n trico Part culas

Tabela 5.17: Preo para remover cada quilo de poluente c Que informaes os coecientes do produto das matrizes acima fornecem co ao fabricante? Calcule-os. Exerc cio 5.5.15 Um projeto de pesquisa sobre dietas consiste em adultos e crianas de ambos os sexos. A composio dos participantes no projeto c ca dada pela tabela a seguir: e

UNIVATES Centro Universitrio a Adultos 80 100 Crianas c 120 200

80

Masculino Feminino

Tabela 5.18: Participantes do projeto por faixa etria e sexo a O nmero de gramas dirios de prote u a nas, gorduras e carboidratos consumidos por cada criana e adulto dado pela tabela abaixo: c e Prote nas 20 10 Gorduras 20 20 Carboidratos 20 30

Adultos Crianas c

Tabela 5.19: Quantidade diria de nutrientes consumidos a 1. Quantos gramas de prote nas so consumidos diariamente pelos hoa mens no projeto? 2. Quantos gramas de gordura so consumidos diariamente pelas mulhea res no projeto? Exerc cio 5.5.16 Um fabricante de mveis produz cadeiras e mesas, o cada uma das quais deve passar por um processo de montagem e por um processo de acabamento. Os tempos exigidos por estes processos so dados a (em horas) pela tabela abaixo: Montagem 2 3 Acabamento 2 4

Cadeira Mesa

Tabela 5.20: Tempo de fabricao de mveis ca o O fabricante tem uma fbrica em So Paulo e outra em Santa Catarina. a a Os preos por hora de cada um dos processos so dados pela tabela a seguir: c a

UNIVATES Centro Universitrio a So Paulo a 9 10 Santa Catarina 10 12

81

Montagem Acabamento

Tabela 5.21: Preo por hora dos estgios de fabricao c a ca O que os coecientes do produto das matrizes acima representam para o fabricante? Calcule-os. Exerc cio 5.5.17 Uma indstria fabrica trs modelos diferentes de teu e levisores. A tabela mostra o nmero de teclas e alto-falantes usados em cada u aparelho A, B e C. Componentes Teclas Alto-falantes Aparelho A 10 2 Aparelho B 12 2 Aparelho C 15 4

Tabela 5.22: Quantidade teclas e alto-falantes por televisor A tabela seguinte mostra a estimativa de produo da fbrica os prximos ca a o dois meses. Modelo A B C Ms 1 e 800 1000 500 Ms 2 e 2000 1500 1000

Tabela 5.23: Estimativa de produo de televisores para dois meses ca Quantas teclas e quantos alto-falantes sero necessrios para a produo a a ca dos dois meses? Exerc cio 5.5.18 Uma indstria de calados est pretendendo introduu c a zir trs novos modelos de sapatos em sua produo. Para isso, vai utilizar e ca dois tipos de acessrios, conforme especicado na tabela abaixo: o

UNIVATES Centro Universitrio a Acessrio o X Y Modelo A 3 8 Modelo B 5 10 Modelo C 2 5

82

Tabela 5.24: Quantidade de acessrios utilizados na fabricao de calados o ca c A produo dos trs tipos de calados deve seguir a tabela abaixo nos ca e c meses de teste da aceitao dos novos modelos no mercado: ca Modelo A B C Ms 1 e 1000 1200 2000 Ms 2 e 1200 1500 2000 Ms3 e 2000 2000 2500

Tabela 5.25: Produo de calados no per ca c odo de aceitao de novos modelos ca Quantos acessrios X e quantos Y sero utilizados nessa produo exo a ca perimental? Exerc cio 5.5.19 Um fast food de sandu ches naturais vende dois tipos de sandu ches, A e B, utilizando os ingredientes (queijo, atum, rosbife, salada) nas seguintes quantidades (em gramas) por sandu che: Sandu che A 18 26 23 0 Sandu che B 10 33 12 16

queijo salada rosbife atum

Tabela 5.26: Quantidade em gramas de cada ingrediente por sandu che Durante um almoo foram vendidos 6 sandu c ches do tipo A e 10 sandu ches do tipo B. Qual foi a quantidade necessria de cada ingrediente a para a preparao desses 16 sandu ca ches? Represente na forma de produto de matrizes. Exerc cio 5.5.20 (Desao) Uma rede de comunicao tem cinco loca cais com transmissores de potncias distintas. Estabelecemos que aij = 1, e na matriz abaixo, signica que a estao i pode transmitir diretamente para ca a estao j, aij = 0 signica que a transmisso da estao i no alcana ca a ca a c a estao j. Observe que a diagonal principal nula signicando que uma ca e estao no transmite diretamente para si mesma. ca a 0 1 1 1 1 1 0 1 1 0 A= 0 1 0 1 0 0 0 1 0 1 0 0 0 1 0

UNIVATES Centro Universitrio a Qual seria o signicado da matriz A2 = A A? Seja A2 = [cij ]. Calculemos o elemento
5

83

c42 =
k=1

a4k ak2 = 0 + 0 + 1 + 0 + 0 = 1.

Note que a unica parcela no nula veio de a43 a32 = 1 1. Isto signica que a a estao 4 transmite para a estaao 2 atravs de uma retransmisso pela ca c e a estao 3, embora no exista uma transmisso direta de 4 para 2. ca a a 1. Calcule A2 2. Qual o signicado de c13 = 2? 3. Discuta o signicado dos termos nulos, iguais a 1 e maiores que 1 de modo a justicar a armao: A matriz A2 representa o nmero de ca u caminhos dispon veis para se ir de uma estao a outra com uma unica ca retransmisso. a 4. Qual o signicado das matrizes A + A2 , A3 e A + A2 + A3 ? 5. Se A fosse simtrica, o que signicaria? e

5.6

Respostas Cap tulo

4 1 6 3 1 0 0 0 0 1 0 0 0 0 1 0

dos

Principais

Exerc cios

do

5.2.8

0 0 = I4 5.2.10 0 1 12054 1572 20288 2721 4774 2530 5.4.1 1. 31723 13230 2. 45428 16201 3. 40356 10764 0 4918 0 6722 0 2682 7280 958 4. 8633 2466 0 2236 5.4.12 5.4.13 5.4.14 5.4.17 11 13 7 3 9 2 6 4 0 2 0 3 Y =B+C = 7 5 6 15

UNIVATES Centro Universitrio a 6 2 4 3 4 5 3 4 11 0 4 4

84

5.4.23 5.4.25

X =A+B =

, Y = 2A B =

Transistores Capacitores Resistores 5.4.31 5.4.32 5.4.33 5.4.34 5.4.35 5.4.36 5 2 4 1 15 3 9 6 4 8 5 9 6 6 10 2 9 9 15 3 5 0 0 5 = 5I2

Janeiro 96 156 208

Fevereiro 84 132 170

5.4.37

5 11 8 23 11 35 6 0 1 3 1 4 2 2 1 10 39 , 10 17 4 26 (A + B)C = AC + BC = 2 29 A(BC) = (AB)C = No, pois AB = BA a 1 0 0 1 AB t = At B t = = I2 6 8 4 9 ,

5.4.47

5.4.51 5.4.53 5.4.59

9 2 9 11 , BAt = , (AB)t = 11 0 2 0 19 14 19 7 , B t At = (AB)t , BA = 7 4 14 4

5.4.60

14 4 4 5

UNIVATES Centro Universitrio a a11 5.5.1 (a) A= a21 a 31 1 0 (c) I3 = 0 1 0 0 5.5.2 5.5.3 5.5.4 a12 3 5 a22 ; (b) A= 5 3 ; a32 5 5 0 8 5 5 0 ; (d) A= 4 8 5 1

85

x = 5, y = 10, z = 6, v1 = 4, v2 = 1 Imposs vel 5, 9 3 2 1, 1 2 (a) A+B= ; (b) A-B= 17 7 20 5 20 9 12 9 10 22 (c) 3A= ; (d) X= 3 28 20 2 4, 2 364 165 161 376 170 174 448 199 187 4100 6200 4800 7200 5000 7600 17 22 27 21 22 34 18 28 28 1190 840 1110 920 2200 1640 ;

5.5.5

5.5.6

5.5.7

5.5.8

5.5.9 R$1787, 00 5.5.10 5320 6950

39 37, 5 5.5.11 43 44, 5 44 44 410 5.5.12 190 340 5.5.13 5.5.14 260, 60 278, 20 304, 40 324, 60 5350 6000 Os coecientes fornecem o custo dirio para remover a 9350 8650 o total de poluentes de cada produto em cada fbrica. a

5.5.15 (1). 2800 g; (2). 6000 g

UNIVATES Centro Universitrio a 38 44 Os coecientes fornecem o custo de fabricao de uma ca 67 78 mesa e de uma cadeira numa mesma fbrica. a 27500 53000 5600 11000

86

5.5.16

5.5.17 5.5.18

Acessrio X o Acessrio Y o 208 486 5.5.19 258 160

Ms 1 e 13000 30000

Ms 2 e 15100 34600

Ms 3 e 21000 48500

H I C T GR A N E

Cap tulo 6

Sistemas Lineares
6.1 Introduo ca

a natureza, as coisas esto em constante transformao, e o Hoa ca mem precisa dominar estes processos de mudana para sobreviver e melhoc rar sua existncia. Uma das maneiras mais elementares de descrio destas e ca transformaes a de procurar nestas o que permanece constante durante co e a mudana. c e e Exemplo 6.1.1 Sabemos que reagindo hidrognio (H2 ) com oxignio (O2 ), produz-se gua (H2 O). Mas, quanto de H2 e de O2 precisamos? a Soluo ca Esta mudana pode ser descrita do seguinte modo esquemtico: c a xH2 + yO2 zH2 O. O que permanece constante nesta mudana? Os tomos no so modic a a a cados, portanto devemos ter o mesmo nmero de tomos de cada elemento u a no in e no nal da reao. Logo, as incgnitas x, y e z devem satisfazer: cio ca o 2x 2z = 0 2y z = 0 Descobrindo quais os valores das incgnitas acima que satisfazem sio multaneamente as equaes, teremos aprendido um pouco mais sobre o co comportamento da natureza (bonito isto. . . ). Em muitos casos, como neste exemplo, o problema nos leva a um sistema de equaes lineares. Como voc j possui alguma experincia na resoluo co e a e ca deste tipo de sistema, no tiraremos o seu prazer em resolv-lo. a e 87

UNIVATES Centro Universitrio a Entretanto, existem sistemas que, embora lineares, podem se tornar muito grandes, ou podemos ter menos equaoes do que incgnitas (o prprio c o o exemplo 6.1.1). Isto pode dar origem a muitas dvidas, at mesmo sobre a u e existncia ou no de soluo para o sistema. e a ca Por outro lado, em sistemas com mais de uma soluo, preciso expressar ca e todas elas de uma forma clara. No exemplo 6.1.1, pode-se encontrar duas solues distintas (x, y, z) (faa isto!). Mas, o problema s estar resolvido co c o a se conseguirmos expressar todas as solues. co Exemplo 6.1.2 Um sitiante dividir uma rea de 28 hectares em duas a a partes: numa plantar soja e na outra milho. Que rea poder destinar a a a a cada uma destas plantaes? co Soluo ca Denotando por x a quantidade de hectares de soja, e por y a quantidade de hectares de milho, temos a relao x + y = 28. Esta equao admite ca ca innitas solues reais. No entanto, para o nosso sitiante interessam somente co aquelas em que 0 x, y 28. Note que atribuindo a x qualquer valor entre 0 e 28, podemos imediatamente determinar o valor correspondente para y, atravs da relao y = 28 x. Sendo assim, tambm neste caso teremos e ca e innitas possibilidades de resposta. Por outro lado, se modicarmos um pouco o exemplo anterior, poderemos ter a sua soluo profundamente modicada: ca Exemplo 6.1.3 Um sitiante dividir uma rea de 28 hectares em duas a a partes: numa plantar soja e na outra milho. Ele espera vender a produo a ca de cada hectare de soja por $400, 00u.m. e, de milho, por $300, 00u.m.. Por precauo, o sitiante deseja que os valores das vendas totais da soja e do ca milho sejam iguais entre si. Que rea dever destinar a cada uma destas a a plantaes? co Soluo ca Mantendo as mesmas notaes do exemplo 6.1.2, podemos representar a co situao do problema do seguinte modo: ca x + y = 28 400x = 300y Existem vrios mtodos para resolver estas equaes, mas todas elas nos a e co daro como unica soluo os valores de x = 12 e y = 16 (resta observar que a ca estes valores de fato so poss a veis, pois no podemos equecer da condio a ca extra 0 x, y 28). Neste cap tulo, veremos uma tcnica de resoluo para sistemas lineares e ca em geral. Sua maior aplicao para sistemas grandes. O mtodo consiste ca e e em substituir convenientemente o sistema original por sistemas cada vez mais simples, sempre equivalentes a ele.

88

6.2

Conceitos

Denio 6.2.1 Um sistema de equaoes lineares com m equaes e n ca c co incgnitas um conjunto de equaoes do tipo: o e c

UNIVATES Centro Universitrio a a11 x1 a21 x1 . . . am1 x1

89

+ +

+ + + = + am2 x2 + + amn xn = bm

a12 x2 a22 x2 . . .

+ + + +

a1n xn a2n xn . . .

= =

b1 b2 . . .

(6.1)

com aij {R, C}, 1 i m, 1 j n. Denio 6.2.2 Uma soluo do sistema 6.1 uma n-upla de ca ca e nmeros (x1 , x2 , . . . , xn ) que satisfaz simultaneamente as m equaoes. u c co a Denio 6.2.3 Dois sistemas de equaes lineares so equivalentes ca se, e somente se, toda soluao de qualquer um dos sistemas tambm soluo c e e ca do outro. Notao: Podemos escrever ca a11 a12 a21 a22 . . . . . . ou A x = b onde A= o sistema 6.1 na forma x1 a1n a2n x2 . . = . . . . xn a1n a2n . . . matricial: b1 b2 . . . bm

am1 am2 amn a11 a21 . . . a12 a22 . . .

am1 am2 amn a matriz dos coecientes ou matriz e x1 x2 x= . . . xn a matriz das incgnitas e o b= b1 b2 . . . bm a matriz dos termos independentes. Denio 6.2.4 Uma outra ca 6.1 e a11 a21 A= . . . am1 matriz que podemos associar ao sistema a12 a1n b1 a22 a2n b2 . . . . . . . . . am2 amn bm incompleta do sistema,

que chamamos matriz ampliada do sistema. Observao 6.2.5 Cada linha da matriz de 6.2.4 simplesmente uma ca e representao abreviada da equao correspondente no sistema. ca ca

UNIVATES Centro Universitrio a

90

6.3

Forma Escalonada

Denio 6.3.1 Uma matriz m n est na forma escalonada (ou ca a escada), se: (i). o 1o elemento no nulo de toda linha no nula 1; a a e (ii). cada coluna que contm o 1o elemento no nulo de uma linha tem os e a elementos abaixo deste iguais a zero (escalonada reduzida abaixo e acima); (iii). toda linha nula ocorre abaixo de todas as linhas no nulas (isto , a e daquelas que possuem pelo menos um elemento no nulo); a (iv). o 1o elemento no nulo de uma linha aparece ` direita do 1o elemento a a no nulo da linha anterior (isto , se as linhas 1, . . . , r so as linhas no a e a a nulas, e se o primeiro elemento no nulo da linha i ocorre na coluna a ki , ento k1 < k2 < . . . < kr ). a Observao 6.3.2 A ultima condio da denio 6.3.1 impe forma ca ca ca o escada ` matriz: a

Figura 6.1: Matriz na forma escada

Isto , o nmero de zeros precedendo o primeiro elemento no nulo de uma e u a linha aumenta a cada linha, at que sobrem somente linhas nulas, se as e houver. 1 1 0 1 2 0 1 0 3 5 e Exemplo 6.3.3 A = 0 0 0 1 7 uma matriz na forma 0 0 0 0 1 1 0 0 0 0 2 1 a a e escalonada; B = 1 0 3 no ; C = 0 1 1 0 est na 0 0 1 0 0 0 0 0 1 3 0 1 0 0 no est. a a forma escalonada; D = 0 0 0 0 0 0 1 2

UNIVATES Centro Universitrio a

91

6.3.1

Operaes Elementares co

Denio 6.3.4 Duas matrizes de mesma ordem A e B so equivaca a lentes por linhas (A B) se B pode ser obtida de A pela aplicao de ca uma seqncia nita de operaes elementares sobre as linhas de A, que so: ue co a co permutaes de duas linhas: (li lj ); ca a multiplicao de uma linha por um escalar real no nulo: (li kli ); substituiao de uma linha por ela somada com uma outra linha multic plicada por um nmero real no nulo: (li li + klj ). u a Exemplo 6.3.5 L2 L3 : 1 0 1 0 4 1 3 4 3 4 4 1 Exemplo 6.3.6 L2 3L2 : 1 0 1 0 4 1 12 3 3 4 3 4 Exemplo 6.3.7 L3 L3 + 2L1 : 1 0 1 0 4 1 4 1 3 4 1 4 1 2 4 e Exemplo 6.3.8 A = 2 1 3 equivalente por linhas a 1 1 2 2 4 8 B = 1 1 2 4 1 7 (Faa l2 l2 + 2l3 , depois l2 l3 e, por m, l1 2l1 ) c Teorema 6.3.9 Dois sistemas que possuem matrizes ampliadas equivalentes so equivalentes. a prova: ver [4], pg. 85, teorema 3.8.5. a Teorema 6.3.10 Toda matriz no nula equivalente por linhas a uma a e unica matriz na forma escalonada (ou escalonada reduzida), a menos de forma equivalente. prova: ver [4], pg. 60, demonstrao 2.7.1; ou uma prova simples em a ca [38].

UNIVATES Centro Universitrio a Observao 6.3.11 Valem como desaos, computados ` nota, as exca a posies orais ` turma das provas dos teoremas 6.3.9 e 6.3.10. co a Denio 6.3.12 Dada uma matriz Amn , seja Bmn a matriz escaloca nada equivalente a A. O posto de A, denotado por p, o nmero de linhas e u no nulas de B. A nulidade a diferena entre colunas de A e o posto, a e c isto , n p. e Observao 6.3.13 Observe que para encontrar o posto de uma matriz ca A qualquer, preciso primeiro escrever a matriz na forma escalonada e, e depois, contar suas linhas no nulas. a

92

6.3.2

Procedimento para a Reduo de uma Matriz ` Forma ca a Escalonada

1. Procure da esquerda para a direita a 1a coluna no nula; a 2. Procure de cima para baixo o 1o elemento no nulo: piv; a o 3. Se o piv no estiver na 1a linha, troque a 1a linha pela linha do piv; o a o 4. Se o piv for diferente de 1, divida a 1a linha por ele; o 5. Utilizando o piv, elimine os elementos abaixo dele (e tambm acima o e dele na forma escalonada reduzida), utilizando somente operaes eleco mentares; . . . E assim sucessivamente para as outras linhas fazendo o papel da 1a linha. Observao 6.3.14 O procedimento que reduz a matriz a sua forma ca escalonada chamado de eliminao gaussiana; j o que deixa a matriz e ca a na sua forma escalonada reduzida dito eliminao de Gauss-Jordan. e ca Forma escalonada: Exemplo 6.3.15 0 2 3 4 1 2 = 1 2 5 2 4 0 0 2 0 3 4 0 2 3 4 2 2 5 2 4 l1 l3 0 2 3 4 1 2 0 6 9 7 2 0 6 9 7 5 1 1 1 1 2 1 2 0 0 0 0 2 3 4 1 l1 2 l1 0 2 3 4 1 l4 l4 2l1 0 2 2 0 6 9 7 0 2 5 1 1 2 1 2 1 1 5 2 3 0 2 3 4 1 2 l2 1 l2 0 1 l2 l3 2 0 0 0 0 2 3 4 2 0 2 1 7 3 0 2 1 5 2 2 3 1 1 2 3 7 1 2 3 4 4 1 7 3 2 1 2 4 3

UNIVATES Centro Universitrio a l4 l4 + 2l2 l4 l4 2l3 Portanto, posto 1 1 5 1 2 3 0 1 2 2 0 0 2 3 0 0 2 3 5 1 1 2 1 3 0 1 2 2 3 0 0 1 2 0 0 0 0 de A = p = 3 1 1 5 1 2 2 1 3 2 1 2 l 1 l 0 1 2 2 3 3 3 2 4 0 0 1 2 2 4 0 0 2 3 4 2 1 2 2 0 e nulidade de A = n p = 5 3 = 2. 2

93

Exemplo 6.3.16 Forma escalonada reduzida: 1 2 1 0 1 2 1 0 1 0 3 5 l2 l2 + l1 0 2 4 5 1 2 1 1 1 2 1 1 1 2 1 0 1 2 1 0 5 l3 l3 l1 0 2 4 5 l2 1 l2 0 1 2 2 2 0 4 0 1 0 4 0 1 1 0 3 5 1 2 1 0 5 l3 l3 + 4l2 0 1 2 5 l1 l1 2l2 0 1 2 2 2 0 0 8 11 0 0 8 11 1 0 3 5 1 0 3 5 5 1 1 l3 8 l3 0 1 2 l2 l2 2l3 0 1 0 4 2 11 11 0 0 1 0 0 1 8 8 7 1 0 0 8 l1 l1 + 3l3 0 1 0 1 4 0 0 1 11 8 Portanto, posto de A = p = 3 e nulidade de A = n p = 4 3 = 1. Observao 6.3.17 Interpretando a matriz A acima como a matriz ca ampliada de um sistema: x1 + 2x2 + x3 = 0 x1 + 0x2 + 3x3 = 5 , a matriz escada equivalente por linhas ` mae a x1 2x2 + x3 = 1 triz A. Assim, o sistema que ela representa: 1x1 + 0x2 + 0x3 = 7 8 0x1 + 1x2 + 0x3 = 1 4 0x1 + 0x2 + 1x3 = 11 8 equivalente ao inicial, possuindo a mesma soluo que este. e ca

6.4

Sistema Linear Escalonado

Resolver um sistema linear signica obter o conjunto S, denominado conjunto soluo do sistema, cujos elementos so todas as solues do ca a co sistema. Estudaremos agora um mtodo para a resoluo de um sistema e ca linear: o mtodo do escalonamento. e Denio 6.4.1 Um sistema linear dito escalonado se, e somente se: ca e

UNIVATES Centro Universitrio a todas as equaes apresentam as incgnitas numa mesma ordem; co o a matriz incompleta do sistema est na forma escalonada (conforme a deniao 6.3.1). c

94

6.4.1

Resoluo de um Sistema Linear Escalonado ca

igual ao nmero de inggnitas: u o = 1 = 1 5 = 2

Exemplo 6.4.2 Nmero de equaes u co x + 2y + z 3 y 2z 5 z

um sistema linear escalonado com 3 equaes e 3 incgnitas, cuja soluo e co o ca S = {( 5 , 1, 2)}. e 3 u co u Exemplo 6.4.3 Nmero de equaes menor que o nmero de inggnitas: o x + 2y 3z = 1 y + 5z = 3 um sistema linear escalonado com 2 equaes e 3 incgnitas. e co o Este tipo de sistema admite pelo menos uma varivel denominada a varivel livre ou varivel arbitrria do sistema. E varivel livre aquela a a a a que no aparece no in a cio de nenhuma equao do sistema escalonado. ca No exemplo 6.4.3, temos z como varivel livre. a A varivel livre, como o nome j diz, pode assumir qualquer valor real. a a Para cada valor assumido por ela, obtm-se uma nova soluo para o sistema. e ca Assim, o conjunto soluo do sistema 6.4.3 : ca e S = {(13 5, 3 5, ), R}. ca Observao 6.4.4 Chama-se grau de indeterminao ou grau de ca liberdade de um sistema escalonado o nmero de variveis livres do sisu a tema. No exemplo 6.4.3 o grau de liberdade 1. e Observao 6.4.5 A escolha de varivel livre como toda aquela que ca a no inicia nenhuma equao do sistema puramente convencional. Na a ca e verdade, no sistema do exemplo anterior poder amos ter escolhido y como a varivel livre; ou ainda, x. a

6.4.2

Escalonamento de um Sistema Linear

Vamos estudar uma tcnica para transformar um sistema linear num e outro equivalente na forma escalonada. Basta escrever a matriz incompleta A do sistema linear e acoplar a coluna dos termos independentes b, formando uma matriz [A|b]. Pois bem, agora utilize as operaes elementares permitidas (isto , o algoritmo para co e transformar esta nova matriz na forma escalonada) at chegar ` forma ese a calonada. Ento faa a anlise da soluo. a c a ca

UNIVATES Centro Universitrio a

95

6.4.3

Algoritmo que Reduz uma Matriz ` Forma Escalonada a Reduzida por Linhas

(i). Se ai1 = 0, 1 i m, v para (v).; a (ii). Tome ai1 = 0 com menor i e li l1 ; (iii). l1
1 a11 l1 ;

(iv). li li ai1 l1 , 2 i m para qualquer ai1 = 0; (v). Se ai2 = 0, 2 i m, v para (ix).; a (vi). Tome ai2 = 0 com menor i e li l2 ; (vii). l2
1 a22 l2 ;

(viii). li li ai2 l2 , i = 2 para qualquer ai2 = 0;

6.5

Solues de um Sistema Linear co

O objetivo desta seo estudar detalhadamente todas as situaes que ca e co podem ocorrer na resoluo de um sistema linear. ca ca o Observao 6.5.1 Dado um sistema de uma equao e uma incgnita ca ax = b, existiro trs possibilidades: a e (i) a = 0. Neste caso a equaao tem uma unica soluo x = c ca
b a

(ii) a = 0 e b = 0. Ento temos 0x = 0 e qualquer nmero real ser a u a soluao da equao. c ca (iii) a = 0 e b = 0. Temos 0x = b. No existe soluo para esta equao. a ca ca Proposio 6.5.2 Consideremos ca com n incgnitas x1 , . . . , xn . o a11 x1 + a12 x2 + a21 x1 + a22 x2 + . . . . . + . + am1 x1 + am2 x2 + um sistema de m equaes lineares co + + a1n xn a2n xn . . . = = b1 b2 . . .

+ = + amn xn = bm

(6.2)

cujos coecientes aij e termos independentes bi so nmeros reais ou coma u plexos. Este sistema poder ter a x1 = k1 x2 = k2 (i) uma unica soluo: ca . . . . . . xn = kn (ii) innitas solues co (iii) nenhuma soluo. ca

UNIVATES Centro Universitrio a prova: analise geometricamente o caso 2 2 e depois utilize induo ca matemtica. a Denio 6.5.3 Em relao ` proposio 6.5.2, denimos: ca ca a ca No caso (i), o sistema poss e vel (compat vel) e determinado (SPD). No caso (ii), o sistema poss e vel e indeterminado (SPI). vel (incompat vel) (SI). No caso (iii), o sistema imposs e Seja a matriz ampliada de 6.2 e tomemos a sua matriz reduzida ` forma a escada associada: c1 . . . a11 a1n b1 ck . . . . . (6.3) . . . . 0 0 0 ck+1 am1 amn bm m(n+1) . . . . . . . . . . . . 0 0 0 cm
m(n+1)

96

Notao: Denotaremos por pa o posto da matriz ampliada de um sisca tema linear m n, e por pc o posto da matriz dos coecientes. Quando ambos forem iguais, denotaremos apenas por p. Teorema 6.5.4 (i) Um sistema m n admite soluo pa = pc . ca (ii) Se p(= pa = pc ) = n, a soluo ser unica (SPD). ca a (iii) Se p(= pa = pc ) < n, podemos esolher n p incgnitas, e as outras p o incgnitas sero dadas em funo destas. Isto , o grau de liberdade o a ca e do sistema n p. e prova: Procure entender e demonstrar cada uma das armaes acima. co Leia com ateno e volte aos exemplos trabalhados caso julgue conveniente. ca Visualize o problema pela equao 6.3. Para uma prova formal, veja [4], ca demonstrao 2.7.2 da pgina 61. (Vale como desao!) ca a

Observao 6.5.5 Esquematicamente, o teorema 6.5.4, diz: ca pc < pa SI pc = pa = n SP D pc = pa < n SP I com grau de liberdade n p.

UNIVATES Centro Universitrio a

97

6.5.1

1 0 0 3 Exemplo 6.5.6 Em 0 1 0 2 , temos pc = pa = 3. Ento a 0 0 1 2 m = 3, n = 3 e p = 3 SP D com soluo x1 = 3, x2 = 2 e x3 = 2. ca Exemplo 6.5.7 Em

Exemplos

1 0 7 10 , temos pc = pa = 2. Ento a 0 1 5 6 m = 2, n = 3 e p = 2 SP I com grau de liberdade 1 e soluo ca x1 = 10 7x3 , x2 = 6 5x3 . 1 0 7 10 Exemplo 6.5.8 Para 0 1 5 6 : pc = 2, pa = 3, m = 3 e 0 0 0 2 n = 3 SI. 1 0 10 2 10 7 1 4 , temos p = 2, m = 3 Exemplo 6.5.9 Em 0 1 0 0 0 0 0 e n = 4 SP I com grau de liberdade 2 e soluo x1 = 10 + 10x3 + 2x4 e ca x2 = 4 7x3 x4 . Observao 6.5.10 Pelos exemplos, pode-se dizer que o posto de uma ca matriz o nmero de linhas independentes desta. Uma linha ser dee u a pendente de outras (i.e., ser igual a zero no nal do escalonamento) se ela a puder ser escrita como soma de produtos destas outras linhas por constantes. Tecnicamente, diz-se que esta linha combinao linear das outras. e ca a Observao 6.5.11 Vimos, portanto, que o pa do sistema nos d o ca nmero de equaes independentes e que a nulidade nos d o grau de liberu co a dade do sistema. Observao 6.5.12 Os recursos computacionais muitas vezes detectam ca sistemas lineares imposs veis corretamente, mas podem, `s vezes, ser engaa nados e concluir que um sistema possvel imposs e vel ou vice-versa. Isto ocorre tipicamente quando alguns dos nmeros que aparecem nas contas so u a to pequenos que os erros de arredondamento tornam dif para o software a cil determinar se eles so zero ou no. a a Na disciplina de Mtodos Numricos abordaremos questes como esta e e e o como resolv-las. e

6.6

Exerc cios Aplicao ca

de

Fixao ca

Problemas

de

1 x + 1y 4z = 1 2 4 y + 3z = 8 Exerc cio 6.6.1 Classicar e resolver: z = 1.

UNIVATES Centro Universitrio a Exerc cio 6.6.2 Classicar a + 2b c + d = 1 b + c d = 2. e resolver o sistema linear

98

Exerc cio 6.6.3 Determinar as solues co x + y + 2z = 1 tais que = 14. yz = 5

(, , )

do

sistema

Exerc cio 6.6.4 Torne a resolver o exemplo 6.1.1. Exerc cio 6.6.5 x + y + 2z 4x 2y + z tema 5x y + 2z Escalonar, classicar e dar o conjunto soluo do sisca = 4 = 8 = 10.

ca Exerc cio 6.6.6 Escalonar, classicar e dar o conjunto soluo do sis 2x + 3y + z = 2 x + y + 2z = 1 tema 4x + 5y + 5z = 6. Exerc ca cio 6.6.7 Escalonar, classicar e dar o conjunto soluo do sis 3x + 4y + 5z = 1 2x + 3y + 3z = 0 tema 5x + 7y + 8z = 1. Exerc cio 6.6.8 x + 2y = 3x + 7y = tema 2x + y = Escalonar, classicar e dar o conjunto soluo do sisca 1 5 4.

nio vai misturar dois tipos de leite: um que Exerc cio 6.6.9 Um latic tem 1% de gordura e outro que tem 6%. Quantos litros de cada tipo devero a ser misturados para que se obtenham 1.000 litros de leite com 3% de gordura? Exerc cio 6.6.10 Um comerciante possui duas lojas de calados. Numa c sexta-feira as duas lojas venderam um total de 500 pares. No sbado, uma a das lojas vendeu 10% a mais do que vendera na sexta-feira; a outra loja vendeu 20% a mais do que havia vendido na sexta-feira. Se no sbado as a duas lojas venderam um total de 570 pares, quantos pares cada loja vendeu na sexta-feira? E no sbado? a vel o a Exerc cio 6.6.11 Um combust para automveis tem 10% de lcool e o restante de gasolina. Outro combust tem 4% de lcool e o restante de vel a gasolina. Quanto devemos juntar de cada um desses combust veis para obter 90 litros de combust que tenha 6% de lcool e o restante de gasolina? vel a Exerc cio 6.6.12 Um revendedor tem em sua loja cem automveis de o trs tipos: simples de luxo e executivo. A soma do nmero de carros de luxo e u com o dobro do nmero de carros executivos 40; o triplo do nmero de u e u carros executivos d 30. Quantos carros h de cada tipo? a a

UNIVATES Centro Universitrio a Exerc cio 6.6.13 As moedas de um determinado pa so de trs tipos: s a e de 3g, que vale $10 u.m; de 5g, que vale $20, 00 u.m.; e de 9g, que vale $50, 00 u.m.. Uma pessoa tem cem moedas, num total de 600g, somando $2800, 00 u.m.. Quantas moedas ela tem de cada tipo? Exerc cio 6.6.14 Certa quantidade de sacos precisa ser transportada e para isso dispe-se de jumentos. Se colocarmos dois sacos em cada juo mento, sobram 13 sacos; se colocarmos 3 sacos em cada jumento, sobram 3 jumentos. Quantos so os sacos? Quantos so os jumentos? a a Exerc cio 6.6.15 Maria resolve organizar uma festa de aniversrio a para seu lho e encomenda: 107 refrigerantes, 95 sandu ches e 151 doces. Servir a cada homem 3 refrigerantes, 3 sandu a ches e 3 doces; a cada mulher 2 refrigerantes, 2 sandu ches e 4 doces e a cada criana 2 refrigerantes, 1 c sandu ches e 4 doces. Qual o nmero de pessoas convidadas, sabendo que u no sobrou nem faltou nada? a Exerc cio 6.6.16 Um litro de lcool custa R$1, 20 e um litro de gasolina a custa R$1, 60. Se o litro de uma mistura de lcool e gasolina custa R$1, 50, a quanto de lcool e de gasolina contm um litro dessa mistura? a e Exerc cio 6.6.17 Suponha que voc v fazer um lanche, constando de e a iogurte, pastel e chocolate e que disponha de R$1, 80. Segundo os nutricionistas, um lanche deve conter 1350 calorias e 66 gramas de prote nas. Para cada 100g dos alimentos acima temos: 100 g Iogurte Chocolate Pastel calorias 50 600 200 prote nas (g) 4 24 28 custo (R$) 0,20 0,60 0,80

99

Tabela 6.1: Nutrientes em 100 g de lanche Quais as quantidades de cada alimento satisfazem exatamente as condies acima? co Exerc cio 6.6.18 Uma loja vende certo componente eletrnico, que o e fabricado por trs marcas diferentes: A, B e C. Um levantamento sobre as e vendas desse componente, realizado durante trs dias consecutivos, revelou e que: no primeiro dia, foram vendidos dois componentes da marca A, um da marca B e um da marca C, resultando num total de vendas igual a R$150, 00; no segundo dia, foram vendidos quatro componentes da marca A, trs da marca B e nenhum da marca C, num total de R$240, 00; no e ultimo dia, no houve vendas da marca A, mas foram vendidos cinco da a marca B e trs da marca C, totalizando R$350, 00. e Qual o preo do componente fabricado por A? E por B? E por C? e c Exerc cio 6.6.19 Seu Mathias, acompanhado do lho Bolo, estacioa nou o carro numa parada obrigatria de um posto de scalizao. Alm o ca e

UNIVATES Centro Universitrio a deles, estavam no carro o cachorro Dogo e o gato Teco. Bem em frente a ao local onde seria feita a vistoria havia uma balana. Bolo desceu. O c a cachorro e o gato o seguiram. O menino queria saber quantos quilos tinha seu gato, seu cachorro e ele prprio. O guarda sorriu com a pretenso do o a garoto, tendo em vista que a sensibilidade daquela balana s era convel c o a para cargas com mais de 50Kg, e nem Bolo pesava isto, muito menos o a gato e o cachorro. Ento o guarda resolveu dar uma ajuda e, sob sua oria entao, o menino fez o seguinte: subiu na balana com o cachorro, sem o ca c gato - ela registrou 95Kg; subiu, em seguida, com o gato, sem o cachorro - a balana acusou 54Kg; por ultimo, ele colocou o cachorro e o gato na c balana - ela marcou 51Kg. c Exerc cio 6.6.20 Os alunos do Ensino Mdio de uma escola do intee rior organizaram uma festa junina no ptio da escola. Havia vrias opes a a co de divertimento: quadrilhas, bingo, gincanas, etc. Trs barracas, A, B e e C, distribu das no ptio, ofereciam exatamente as mesmas opoes de alia c mentao: churrasco, quento e pastel: cada uma das trs opes tinha o ca a e co mesmo preo nas trs barracas. Ao nal da noite, encerrada a festa, fezc e se um balano sobre o consumo nas barracas e vericou-se que: na barraca c A foram consumidos 28 churrascos, 42 quentes e 48 pastis, arrecadando o e um total de R$102, 00; na barraca B foram consumidos 23 churrascos, 50 quentes e 45 pastis, arrecadando um total de R$95, 00; na barraca C foram o e consumidos 30 churrascos, 45 quentes e 60 pastis, arrecadando um total o e de R$117, 00. Qual o preo de um churrasco? E de um quento? E de um pastel? e c a Exerc cio 6.6.21 Na feira, uma das barracas de frutas estava vendendo embalagens com 10 pras, 5 mas e 4 mangas por 11 reais; outra barraca e ca vendia um pacote contendo 8 pras, 6 mas e 4 mangas por 10 reais e e ca uma terceira vendia 6 peras e 12 mas por 9 reais. Na verdade, s havia ca o mudana na quantidade de cada pacote porque o preo de cada espcie de c c e fruta era o mesmo nas trs barracas. Qual o preo a se pagar por 3 pras, e c e 2 mas e 2 mangas em qualquer dessas barracas? ca o Exerc cio 6.6.22 Um agricultor dispe de 12 hectares para o plantio de arroz, milho e batata. O investimento para o arroz de R$200, 00 por e hectare; para o milho R$100, 00 por hectare e para a batata R$300, 00 por hectare. O rendimento para o arroz de R$300, 00 por hectare; para o milho e R$200, 00 por hectare e para a batata R$400, 00 por hectare. O agricultor quer investir R$2000, 00 e obter um rendimento de R$3200, 00 por hectare. Quantos hectares dever plantar de milho, de arroz e de batata? a Exerc cio 6.6.23 Observe a tabela Um avicultor que preparar rao com os alimentos A, B e C de tal ca forma que o preo da unidade de rao seja R$14, 00; que a quantidade de c ca prote nas da unidade de rao seja 4, 1 kg e que a quantidade de vitaminas ca seja 20 kg. Calcular a quantidade de alimentos A, B e C que o avicultor deve preparar.

100

UNIVATES Centro Universitrio a Alimento A B C Preo/Kg c 2 3 1 Prote na/Kg 0,5 0,6 0,4 Unid. Vitamina/Kg 1 2 3

101

Tabela 6.2: Composio de rao para aves ca ca Exerc cio 6.6.24 Numa lanchonete, Mrcio come trs pastis e toma a e e um refrigerante, e sua amiga Marta come dois pastis e toma dois refrigee rantes. Cada um paga a sua despesa. Ele paga R$3, 60, e ela R$4, 00. Na mesa ao lado, um grupo de estudantes come 15 pastis e toma 8 refrigerane tes. Qual o valor desta despesa? Exerc cio 6.6.25 Durante uma semana o Shopping Ubirama reservou uma rea para as crianas brincarem sobre rodas e colocou ` disposio a c a ca bicicletas (2 rodas), triciclos (3 rodas) e carrinhos (4 rodas). Ao nal da promoo, devido ao desgaste, tiveram que trocar todos os pneus. Entre ca bicicletas e triciclos foram trocados 90 pneus; entre bicicletas e carrinhos, 130; e entre triciclos e carrinhos, 160. Quantas eram as bicicletas que estiveram ` disposio das crianas? a ca c a Exerc cio 6.6.26 Uma fbrica de refrigerante possui 270 litros de um xarope x e 180 litros de um xarope y. Cada unidade de um refrigerante A contm 500 ml de x e 200 ml de y e cada unidade de um refrigerante B e contm 300 ml de x e 300 ml de y. Quantas unidades de A e B podem ser e produzidas se for usado todo o estoque dos xaropes x e y? Exerc cio 6.6.27 Dona Elza deu R$13, 50 para sua lha comprar tantos sabonetes e tantas pastas dentais. Nem precisou falar de que marca, pois isso a menina j sabia. S recomendou que ela no se esquecesse de pegar o troco. a o a No supermercado, a menina pegou 4 sabonetes e 6 pastas. Quando a moa c do caixa avisou que faltavam R$0, 30, ela pensou: Se o dinheiro no deu a para comprar 4 sabonetes e 6 pastas, ento minha me deve ter pedido 6 a a sabonetes e 4 pastas. E fez a troca. Voltando ao caixa, recebeu R$0, 30 de troco. Qual era o preo de cada sabonete comprado? c u c Exerc cio 6.6.28 Examinando os anncios abaixo, conclua o preo de cada faca, garfo e colher, onde 1 faca + 2 colheres + 3 garfos custam R$23, 50; 2 facas + 5 colheres + 6 garfos custam R$50, 00; 2 facas + 3 colheres + 4 garfos custam R$36, 00.

6.7
6.6.1 6.6.2

Respostas Cap tulo

dos

Principais

Exerc cios

do

SPD e S = {(2, 5, 1)} SPI e S = {(3c 3d 3, 2 c + d, c, d), c, d R}

UNIVATES Centro Universitrio a 6.6.3 6.6.5 6.6.6 6.6.7 6.6.8 6.6.9 S = {(10, 7, 2)} e S = {(17, 2, 7)} S = {(1, 1, 2)} S= S = {(3 3z, z 2, z), z R} S = {(3, 2)} x + y = 1000 , donde resultam 600 ml de um 0, 01x + 0, 06y = 0, 03 1000 tipo de leite e 400 ml do outro tipo Sexta-feira uma loja vendeu 300 pares e a outra 200 pares; no sbado a uma vendeu 330 pares e a outra 240 pares 30 litros de combust e 60 litros de outro: x = Tipo 1, y = Tipo vel 0, 1x + 0, 004y = 0, 06 90 2, ento a x + y = 90 Simples= 70; Luxo= 20; Executivo= 10 10 moedas de $10, 00 u.m.; 60 moedas de $20, 00 u.m.; 30 moedas de $50, 00 u.m. 57 sacos e 22 jumentos: 2j + 13 = s 3(j 3) = s

102

6.6.10 6.6.11

6.6.12 6.6.13

6.6.14 6.6.15 6.6.16

21 homens, 10 mulheres e 12 crianas, num total de 43 convidados c

1 4

l de lcool e 3 l de gasolina a 4 50x + 600y + 200z = 4x + 24y + 28z = 6.6.17 0, 20x + 0, 60y + 0, 80z = gurte, 200 g de chocolate e 50 g 6.6.18 6.6.19 A = 30, B = 40, C = 50

1350 66 , donde resultam 100 g de io1, 80 de pastel

Menino=49Kg; Cachorro=46Kg; Gato=5Kg.

6.6.20 Churrasco custa R$1, 50; Quento custa R$0, 40; Pastel custa R$0, 90 a 6.6.21 6.6.22 O preo ser de R$3, 90. c a Indeterminado: S = {(8 2, 4 + , ) | R}, mas como precisamos tambm que 0 < 8 2 < 12, 0 < 4 + < 12 e 0 < < 12, e resulta que 0 < < 4 A = 3; B = 1; C = 5 O valor da despesa ser R$21, 60 a 15 bicicletas

6.6.23 6.6.24 6.6.25

UNIVATES Centro Universitrio a 5A + 3B = 2700 , donde resultam: Refrigerante A = 300 uni2A + 3B = 1800 dades; Refrigerante B = 400 unidades O preo de cada sabonete era R$1, 20 c Faca=R$5, 50; Colher=R$3, 00; Garfo=R$4, 00
H I C T GR A N E

103

6.6.26

6.6.27 6.6.28

Cap tulo 7

Determinante e Matriz Inversa

7.1 Breve Relato Histrico o

J
7.2

em 250 a.C. havia exemplos da utilizao de matrizes na resoluo a ca ca de sistemas lineares (ver livro Nove Cap tulos sobre a Arte Matemtica, de a autor desconhecido). Na China antiga, j eram conhecidas algumas noes a co ligadas a determinantes. No ocidente, o assunto determinantes s comeou a ser tratado, de forma o c espordica, a partir do sculo XVII, com os trabalhos de G.W. Leibniz a e (1646-1716), de G. Cramer (1704-1752), de C. Maclaurin (1698-1746) e de J.L. Lagrange (1736-1813). S no sculo XIX passou-se a estudar determinantes com maior nfase, o e e iniciando com um longo tratado de A.L. Cauchy (1789-1857) em 1812, com seqncia nos trabalhos de C.G. Jacobi (1804-1851). ue A partir de ento, o uso de determinantes difundiu-se muito e este cona ceito de um nmero associado a uma matriz quadrada tornou-se muito util u para caracterizar situaes como a de saber se uma matriz invert co e vel, ou se um sistema admite ou no soluo. a ca

Conceitos

Consideremos o sistema ax = b, com a = 0. A soluo deste sistema ca e b x = a . Note que o denominador est associado ` matriz dos coecientes do a a sistema, ou seja, [a]. a11 x1 + a12 x2 = b1 Num sistema 22: , em que poss resolver e vel a21 x1 + a22 x2 = b2

104

UNIVATES Centro Universitrio a as operaes elementares (i.e., a11 a22 a12 a21 = 0), encontramos co x1 = b1 a22 b2 a12 b2 a11 b1 a21 e x2 = . a11 a22 a12 a21 a11 a22 a12 a21

105

Os denominadores so iguais e esto associados ` matriz dos coecientes a a a a11 a12 . a21 a22 a11 x1 + a12 x2 + a13 x3 = b1 a21 x1 + a22 x2 + a23 x3 = b2 , em que poss e vel Num sistema 33: a31 x1 + a32 x2 + a33 x3 = b3 resolver as operaes elementares, ao procurarmos os valores de x1 , x2 e x3 , co vemos que eles tm o mesmo denominador e a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 , que tambm est associado ` matriz dos coecientes do sistema e a a a11 a12 a13 a21 a22 a23 . a31 a32 a33 Os nmeros que aparecem nos denominadores associados `s matrizes u a (quadradas) so casos particulares do que chamamos de determinante de a uma matriz quadrada.

7.3

Determinante

Quando nos referirmos ao determinante, isto , ao nmero associado a e u uma matriz quadrada A = [aij ], usaremos a seguinte Notao: det A ou |A| ou det[aij ]. ca Exemplo 7.3.1 1. det[a] = a 2. det a11 a21 a11 3. det a21 a31 a12 a22 a12 a22 a32 = a11 a12 = a11 a22 a12 a21 a21 a22 a13 a11 a12 a13 a23 = a21 a22 a23 = a33 a31 a32 a33 = a11 a22 a33 a11 a23 a32 a12 a21 a33 + +a12 a23 a31 + a13 a21 a32 a13 a22 a31

Denio 7.3.2 Dados n objetos distintos a1 , . . . , an , uma perca mutao destes n objetos consiste em disp-los em uma determinada orca o dem. Exemplo 7.3.3 Algumas permutaes dos nmeros 1, 2 e 3 so: co u a (1 2 3) e (2 1 3).

UNIVATES Centro Universitrio a Notao: A quantidade de permutaes de n objetos dada por ca co e n! = n(n 1)(n 2) . . . 2 1, se n > 0. Denio 7.3.4 O s ca mbolo acima lido n fatorial ou fatorial de n. e Dene-se ainda 0! = 1. Denio 7.3.5 Dada uma permutao dos inteiros 1, 2,. . . , n, existe ca ca uma inverso quando um inteiro precede outro menor do que ele. a Exemplo 7.3.6 Sejam as permutaes dos inteiros 1, 2,. . . , n. Vejaco mos em cada uma delas o nmeros de inverses. u o Permutao ca (1 2 3) (1 3 2) (2 1 3) (2 3 1) (3 1 2) (3 2 1) Nmero de Inverses u o 0 1 1 2 2 3

106

Tabela 7.1: Nmero de inverses por permutao u o ca

Exerc cio 7.3.7 Determine as inverses das permutaes dos nmeros o co u 1, 2, 3 e 4.

Observao 7.3.8 Observe que no exemplo 7.3.1, item 3, aparecem toca dos os produtos a1j1 a2j2 a3j3 , onde (j1 j2 j3 ) so as permutaes de 1, 2 e a co 3. Ademais, o sinal do termo negativo, se a permutao tiver um nmero e ca u mpar de inverses (ver tabela 7.3). o Denio 7.3.9 Dada uma matriz A = [aij ]nn , denimos o determica nante de A como det[aij ] =

(1)J a1j1 a2j2 anjn

onde J = J(j1 , . . . , jn ) o nmero de inverses da permutao (j1 j2 . . . jn ) e u o ca e indica que a soma estendida a todas as n! permutaes de (1 2 . . . n). e co

R Se a permutao (j ca

Observao 7.3.10 Em relao ` denio 7.3.9, pode-se dizer que: ca ca a ca u o 1 j2 . . . jn ) tem um nmero par de inverses, o coeciente (1)J ter sinal positivo; caso contrrio, negativo a a

R Em cada parcela do somatrio, existe um e somente um elemento de o

cada linha, e um e somente um elemento de cada coluna da matriz

UNIVATES Centro Universitrio a

107

R Reordenando convenientemente os termos, poss mostrar que poe vel

demos denir determinante por det[aij ] = riando os primeiros ndices e deixando xos os segundos. Propriedade 7.3.11 1. Se todos os elementos de uma linha (coluna) de uma matriz A so a nulos, ento det A = 0 a 2. det A = det At 3. Se multiplicarmos uma linha da matriz por uma constante, o determinante ca multiplicado por esta constante 4. Uma vez trocada a posio de duas linhas, o determinante troca de ca sinal 5. O determinante de uma matriz que tem duas linhas (colunas) iguais e zero 6. O determinante no se altera se somarmos a uma linha outra linha a multiplicada por uma constante 7. det(A B) = det A det B 8. det(A + B) = det A + det B, isto , o determinante de uma soma e de duas matrizes no igual ` soma dos determinantes das matria e a zes. No entanto, se efetuarmos a soma numa linha apenas, vale a propriedade seguinte: a11 . . . bi1 + ci1 . . . an1 ... a1n a11 . . .. . . . . . . . . bin + cin = bi1 . . .. . . . . . ... ann an1 . . . a1n a11 . . .. . . . . . . . . bin + ci1 . . .. . . . . . . . . ann an1 . . . a1n . .. . . . . . . cin . .. . . . . . . ann

(1)J aj1 1 aj2 2 ajn n , va-

prova: ver [9], ou [4]. Tente demonstr-las voc mesmo usando a oba e servao 7.3.10 ou, pelo menos, imaginar a demonstrao. ca ca 3 2 1 0 = Exemplo 7.3.12 2 5 2 4 2 nha, a primeira linha multiplicada por 3 2 1 2 5 0 . Somamos ` terceira lia 8 0 0 2.

UNIVATES Centro Universitrio a

108

7.3.1

Desenvolvimento de Laplace

Sabemos que |A| = = = = a11 a12 a13 a21 a22 a23 = a31 a32 a33 a11 a22 a33 a11 a23 a32 a12 a21 a33 + +a12 a23 a31 + a13 a21 a32 a13 a22 a31 = a11 (a22 a33 a23 a32 ) a12 (a21 a33 a23 a31 ) + a13 (a21 a32 a22 a31 ) = a a a a a a a11 22 23 a12 21 23 + a13 21 22 . a32 a33 a31 a33 a31 a32

Note que o determinante da matriz inicial 3 3 pode ser expresso em funo dos determinantes das submatrizes 2 2, i.e., ca det A = a11 |A11 | a12 |A12 | + a13 |A13 |, onde Aij a submatriz da inicial, retirando-se a i-sima linha e a j-sima e e e coluna. Ademais, denotando por ij = (1)i+j |Aij |, obtemos a expresso a det A = a11 11 + a12 12 + a13 13 . Proposio 7.3.13 Seja Ann matriz. Ento podemos expressar o seu ca a determinante por det A = ai1 i1 + . . . + ain in =
n J=1 n j=1

aij (1)i+j det Aij =

= prova: ver [18].

aij ij .

Denio 7.3.14 O nmero ij (que o determinante afetado pelo ca u e sinal (1)i+j da submatriz Aij , obtida de A retirando-se a i-sima linha e e a j-sima coluna) chamado cofator do elemento aij ou complemento e e algbrico de aij . e o ca Observao 7.3.15 A frmula da proposio 7.3.13 foi desenvolvida ca pela i-sima linha da matriz A. Pode-se fazer o mesmo atravs de uma e e coluna qualquer. Denio 7.3.16 O processo utilizado na proposio 7.3.13 chamado ca ca e de desenvolvimento de Laplace. Trata-se de uma frmula de recorrncia o e que permite calcular o determinante de uma matriz de ordem n, a partir dos determinantes das submatrizes de ordem n 1. Isto muitas vezes permite reduzir bastante os clculos, principalmente se combinarmos ainda as proa priedades de determinantes desenvolvidas em 7.3.11.

UNIVATES Centro Universitrio a Exemplos 1 2 3 1 1 = (2)12 + 122 + (1)32 Exemplo 7.3.17 |A| = 2 2 1 2 onde 2 1 12 = (1)1+2 = 2 2 2 22 = (1)2+2 32 = (1)3+2 1 3 =8 2 2 1 3 =7 2 1

109

|A| = (2)(2) + 1 8 + (1)7 = 5. Exemplo 7.3.18 1 2 3 2 1 1 2 1 2 1 2 3 = (fazendo l3 l2 + l3 ) = 2 1 1 = 0 0 1 1 2 = 1 (1)3+3 = 1 (1 + 4) = 5. 2 1 2 3 4 2 0 0 , utilizando 7.3.11. 2 3 0 5 3 1

1 4 Exerc cio 7.3.19 Calcule 1 2

7.4

Matriz Adjunta Matriz Inversa

Dada uma matriz A, j vimos que a cada elemento aij est associado a a um cofator ij . Denio 7.4.1 Chama-se matriz dos ca por A, a matriz A = [ij ]. 2 1 Exemplo 7.4.2 Seja A = 3 1 1 6 11 = (1)1+1 12 = (1)1+2 . . . cofatores de A, e denota-se

0 4 . Ento temos que a 5

1 4 = 19 6 5 3 4 = 19 1 5

19 19 19 A = 5 10 11 . 4 8 5

UNIVATES Centro Universitrio a Denio 7.4.3 Dada uma matriz quadrada A, chama-se matriz adca junta de A ` transposta da matriz dos cofatores de A. a Notao: adj A = A ca
t

110

Exemplo 7.4.4 Em relao ao exemplo 7.4.2, temos que: ca 19 5 4 t 10 8 . adj A = A = 19 19 11 5 a Proposio 7.4.5 Seja Ann uma matriz. Ento ca A A = A (adj A) = (det A) In . prova: exerc cio. (Sugesto: procure demonstrar o caso 3 3, utilia zando a propriedade segundo a qual o determinante de uma matriz que tem duas linhas (colunas) iguais igual a zero, e o desenvolvimento de Laplace. e A demonstrao para o caso n n anloga.) ca e a
t

Denio 7.4.6 Uma matriz Ann invert ca e vel (ou no singular) se a existe uma matriz Bnn tal que AB = BA = In . B chamada de uma e inversa de A. Notao: B = A1 ca e a Denio 7.4.7 Se A1 dizemos que A singular (ou no inca vert vel). Exemplo 7.4.8 Seja A = A A1 2 3 . Ento A1 = a 1 4 = I2 e A1 A = I2 . (Verique!) 6 2 11 4
4 5 1 5 3 5 2 5

, pois

Exemplo 7.4.9 Seja A =

. Procure sua inversa.

Resoluo ca Queremos encontrar uma matriz B = B A = I2 . 6 2 11 4

A

a b c d

tal que A B = I2 e

a b c d
B

1 0 0 1
I2

6a + 2c 6b + 2d 1 0 = 11a + 4c 11b + 4d 0 1 Portanto, 6a + 2c = 1 6b + 2d = 0 e . Resolvendo os sistemas, temos 11a + 4c = 0 11b + 4d = 1 2 1 a = 2, b = 1, c = 11 e d = 3. Logo, A1 = . 11 2 3 2

UNIVATES Centro Universitrio a Teorema 7.4.10 A inversa de uma matriz A, se existir, unica. e prova: exerc cio.

111

P
n n 1 . 1 .

R Se AB = I , ento BA = I , ou seja, B = A a R Se BA = I , ento AB = I , ou seja, A = B a

n n

Observao 7.4.11 ca

Proposio 7.4.12 Sejam A e B matrizes quadradas invert ca veis e de mesma ordem. Ento (AB)1 = B 1 A1 . a prova: exerc cio.

Teorema 7.4.13 Uma matriz quadrada A invert e vel det A = 0. Neste caso: 1 A1 = (adj A). det A prova: () Suponhamos que A seja invert vel. Ento existe A1 tal que a 1 = I . Usando determinantes, temos: det Adet A1 = det(AA1 ) = AA n 1 det In = 1. Desse produto, conclui-se que det A = 0 e que det A1 = det A . () J vimos que A (adj A) = (det A) In (ver proposio 7.4.5). Se a ca 1 e det A = 0, ento A det A (adj A) = In e, como a inversa unica (teorema a 1 7.4.10), A1 = det A (adj A). Observao 7.4.14 O teorema 7.4.13 nos d um novo mtodo de calca a e cular a inversa. Exemplo 7.4.15 Voltemos ao exemplo 7.4.9: seja A = Temos que det A = 2 = 0 e, portanto, A invert e vel: A = adj A = 4 2 11 6 2 1 . 11/2 3 . Ento A1 = a
1 det A (adj

A) =

1 2

6 2 . 11 4 4 11 e 2 6 4 2 = 11 6

7.5

Regra de Cramer

O processo para o clculo da inversa de uma matriz desenvolvido na a seco anterior, permite um outro mtodo de resoluo de sistemas lineares. ca e ca Convm chamar a ateno que este s se aplica para sistemas lineares em e ca o que o nmero de equaes igual ao nmero de incgnitas. u co e u o Consideremos a forma matricial de um sistema linear n n: a11 . . . a1n x1 b1 . . . = . ou A x = b. .. . . . (7.1) . . . . . . an1 . . . ann xn bn

UNIVATES Centro Universitrio a Suponhamos que det A = 0. Portanto, existe A1 . Ento: Ax = b A1 (Ax) = A1 b (A1 A)x = A1 b In x = A1 b. a Matricialmente, 1 x1 a11 . . . a1n . . . .. . . = . . . . . xn an1 . . . ann
b +...+b

112

11 . . . 1n b1 . = 1 . . . .. . . . . . . . det A n1 . . . nn bn

Ento x1 = 1 11 det A n n1 . a Note que o numerador desta frao igual ao determinante da matriz ca e que obtemos de A, substituindo a primeira coluna pela matriz dos termos independentes. De fato, usando o desenvolvimento de Laplace, obtemos: b1 . . . Ou seja, b1 . . . x1 = a11 . . . a12 . . . a12 . . . . . . a1n . .. . . . . . . ann . . . a1n . .. . . . . . . ann a12 . . . . . . a1n . = b + ... + b .. . 1 11 n n1 . . . . . ann

bn an2

bn an2

an1 an2 Fazendo dedues anlogas, obtemos: co a a11 . . . xi = an1 . . . b1 . . . a1n . .. . .. . . . . . . . . . bn . . . ann a11 . . . a1n . . .. . . . . . an1 . . . ann

para i = 1, 2, . . . , n.

(7.2)

R No denominador temos o determinante da matriz dos coecientes R No numerador aparece o determinante da matriz obtida de A, substiR Este mtodo s pode ser aplicado quando o determinante da matriz dos e o
coecientes for no nulo. a Denio 7.5.2 O mtodo desenvolvido acima, para resoluo de sisca e ca temas lineares n n, chamado Regra de Cramer. e tuindo a i-sima coluna pela coluna dos termos independentes; e (det A);

Observao 7.5.1 Em relaao ` equao 7.2: ca c a ca

UNIVATES Centro Universitrio a 2x 3y + 7z = 1 x + 3z = 5 , usando a Exemplo 7.5.3 Resolver o sistema 2y z = 0 Regra de Cramer. Resoluo ca 2 3 7 3 = 1 = 0. Portanto, podemos utilizar a Temos det 1 0 0 2 1 1 3 7 2 1 7 5 0 3 1 5 3 0 2 1 0 0 1 Regra de Cramer. Ento: x = a = 49, y = = 9, 1 1 2 3 1 1 0 5 0 2 0 ez= = 18. 1 Observao 7.5.4 Embora muito difundida nos livros, a Regra de Craca mer no muito util na prtica. Acontece que ela consome muitas operaoes a e a c para efetuar os clculos de sistemas grandes, isto , seu custo computaa e cional muito grande. e a R No clculo do determinante de uma matriz de ordem n, temos que calcular n! produtos de n fatores, e depois som-los. Efetuaremos ento a a 1 . Desconsiderando as somas n!(n 1) + (n! 1) = n!n 1 operaes co (seu custo para o computador irrisrio em termos de tempo), isto e o e aproximadamente igual a n!(e 1) multiplicaes, onde e = 2, 71828 co (nmero de Euler). u

113

R Ora, para resolver um sistema n n pela Regra de Cramer, precisamos

calcular n + 1 determinantes de ordem n. Assim, o no de operaes se co elevaria a (n + 1)(n!n 1) clculos 2 , que maior que n2 n!. Ou, em a e termos de multiplicaes, aproximadamente (n + 1)!(n 1) + n. co

Muitos problemas de Engenharia, Economia, Biologia, etc., costumam envolver sistemas de ordem 100 ou 1000, por exemplo. Ento nos meios a computacionais prefere-se utilizar mtodos numricos iterativos, como o de e e Gauss-Seidel (ver [36]), que estudado em disciplinas de Clculo Numrico. e a e ca Exemplo 7.5.5 Para exemplicar a observao 7.5.4, imaginemos um computador capaz de efetuar um milho de multiplicaes ou divises por a co o segundo (1 megaf lop).

R por escalonamento, um sistema 10 10 levaria 0, 8 milsimos de see

gundo para ser resolvido; j, por Cramer, 1 minuto e 8 segundos. a

1 De fato, so n! termos vezes n 1 multiplicaoes; alm disso, por serem n! termos, a c e temos n! 1 somas a serem feitas. 2 Precisamos calcular n+1 determinantes, cada um consumindo n!n1 operaao (como c vimos acima); temos ainda n divises. o

UNIVATES Centro Universitrio a

114

R por escalonamento, um sistema 15 15 levaria 2, 5 milsimos de see R por escalonamento, um sistema 2020 levaria 6 milsimos de segundo e R Para um sistema mil por mil, o escalonamento levaria 11 minutos para
[29] ou [36]. para ser resolvido; j, por Cramer, 2 milhes, 754 mil e 140 anos. a o resolv-lo.Imagine o tempo necessrio para resolver este sistema pela e a Regra de Cramer. gundo para ser resolvido; j, por Cramer, 1 ano, 1 ms e 16 dias. a e

R Para maiores detalhes sobre custo computacional, consultar [14], [17],

Observao 7.5.6 Em aplicaes da Algebra Linear no incomum ca co a e encontrar sistemas lineares que precisam ser resolvidos por computador. A maioria dos algoritmos computacionais para resolver estes sistemas so baa seados na eliminao gaussiana ou na eliminao de Gauss-Jordan, mas os ca ca procedimentos bsicos so muitas vezes modicados para comportar problea a mas tais como ca Reduo de erros de arredondamento Minimizaao do uso de espao de memria do computador c c o Resoluo do sistema com rapidez mxima ca a Fazendo os clculos ` mo, as fraes constituem um aborrecimento que a a a co muitas vezes no pode ser evitado. Contudo, em alguns casos poss a e vel evitar as fraes variando as operaes elementares sobre linhas de maneira co co correta. Como a eliminao de Gauss-Jordan evita o uso de substituio inversa, ca ca poderia parecer que este mtodo o mais eciente dos dois mtodos que e e e ns consideramos. Pode ser argumentado que esta armao verdadeira o ca e quando resolvemos manualmente sistemas pequenos, pois a eliminao de ca Gauss-Jordan na verdade envolve escrever menos. Entretanto, foi mostrado que para sistemas grandes de equaes, o mtodo de eliminao de Gaussco e ca Jordan requer cerca de 50% mais operaes que a eliminao gaussiana. co ca Esta uma considerao importante quando trabalhamos com computadores. e ca Na disciplina de Mtodos Numricos estudaremos questes como esta, e e o bem como outros mtodos de resoluo de sistemas lineares. e ca Observao 7.5.7 Na prova da Regra de Cramer, denotando por D ca o determinante a matriz A dos coecientes e por Ns o determinante da matriz que se obtm de A trocando a coluna s de A pela coluna dos termos e independentes, chega-se a Dxs = Ns , 1 s n, i.e., Dx1 = N1 Dx2 = N2 . . . Dxn = Nn .

UNIVATES Centro Universitrio a A Regra de Cramer s se aplica quando a matriz A dos coecientes dos o sistema tem determinante diferente de zero (D = 0). Tentar utiliz-la fora desse caso pode conduzir a erros. a Um desses erros o seguinte: quando D = 0 e Ns = 0, 1 s n, e 0 poder amos pensar que ela forneceria x1 = 0 , x2 = 0 , . . ., xn = 0 e concluir 0 0 que o sistema indeterminado, isto , possui innitas solues. Mas, no e e co a bem assim. e Suponhamos, por exemplo, que n = 3 e que os trs vetores-coluna a, b, e c sejam mltiplos um do outro, mas que o vetor d (dos termos independenu tes) no seja mltiplo deles. Ento os quatro determinantes so nulos. No a u a a entanto, no existem nmeros x, y, z tais que ax + by + cz = d. Ou seja, o a u sistema no tem soluo. a ca O prximo exemplo caracteriza a situao acima descrita. o ca x+y+z = 1 2x + 2y + 2z = 2 . Exemplo 7.5.8 Consideremos o sistema 3x + 3y + 3z = 4 claro que este sistema no tem soluo, pois se x + y + z = 1 ento E a ca a x + 3y + 3z deve ser igual a 3 e no a 4. Apesar disso, a Regra de Cramer a (usada incorretamente) nos levaria `s expresses indeterminadas x = 0 , a o 0 0 0 a a e y = 0 , z = 0 e ` falsa concluso de que o sistema indeterminado. Observao 7.5.9 Resulta da frmula det[d, b, c] = x det[a, b, c] e suas ca o anlogas para y e z que, se det[a, b, c] = 0 e algum dos determinantes a det[d, b, c], det[a, d, c] ou det[a, b, d] for diferente de 0, ento o sistema a e imposs vel. Podemos apenas concluir que detA = 0 SPI detA = 0 e detAs = 0, para algum 1 s n SPD detA = 0 e detA1 = detA2 = . . . = detAn = 0 SI

115

Tabela 7.2: Calssicao de um sistema linear via determinantes ca

7.6

Mtodo Prtico para Encontrar A1 e a

1. Forme a matriz n 2n [A|In ] obtida colocando a matriz In ao lado da matriz A; 2. Leve a matriz A ` forma escalonada reduzida via operaes elemena co tares. Todas as operaes feitas sobre uma linha de A devem ser feitas co sobre a linha correspondente de In ; 3. Supondo que na etapa anterior obtivemos a matriz [C|D], temos:

UNIVATES Centro Universitrio a (a) Se C = In , ento D = A1 ; a (b) Se C = In , ento C tem uma linha de zeros e A singular, isto a e , A1 . e Antes de iniciarmos os exerc cios, gostar amos de indicar o leitura do livro de H. Anton ([1]), pgs. 321-326, dispon no setor de reprograa. vel

116

7.7

Exerc cios Aplicao ca

de

Fixao ca

Problemas

de

Exerc cio 7.7.1 Calcule, se existir, a inversa da matriz 1 1 1 A = 0 2 3 . 5 5 1 Exerc Calcule, se existir, a inversa da matriz cio 7.7.2 1 2 3 A = 1 2 1 . 5 2 3 o Exerc cio 7.7.3 Uma maneira de enviar uma mensagem em cdigo (codicar) consiste em utilizar a multiplicao de matrizes da seguinte maneira: ca ` cada letra do alfabeto associa-se um nmero: a u

A 1 N 13

B 2 O 14

C 3 P 15

D 4 Q 16

E 5 R 17

F 6 S 18

G 7 T 19

H 8 U 20

I 9 V 21

J 10 X 22

L 11 Z 23

M 12

Tabela 7.3: Tabela de correspondncia numrica para criptograa e e Suponhamos que queiramos enviar, cdigo, a mensagem BOA em o B O A SORTE. Para isto formarmos a matriz S 0 , que utilizando a R T E 2 14 1 correspondncia numrica torna-se M = 0 18 14 . Multiplica-se e e 17 19 5 a matriz mensagem M por uma matriz-chave C, apenas os usurios que a 2 1 1 do cdigo conhecem. Supondo C = 0 2 1 , multiplica-se M por o 5 2 3 9 32 9 C obtendo-se a matriz M C = 70 64 24 (mensagem codicada). 59 65 13

UNIVATES Centro Universitrio a Transmite-se esta nova matriz (na prtica envia-se a seqncia de nmeros a ue u (9, 32, 9, 70, 64, 24, 59, 65, 13)). A pessoa que recebe a mensagem (receptor) decodica-a (traduz) atravs e da multiplicao da matriz M C pela inversa da matriz C, obtendo a matriz ca mensagem M : (M C)C 1 = M . Aps, o receptor troca os nmeros pelas o u letras correspondentes obtendo a mensagem, que no caso BOA SORTE). e Voc recebeu a mensagem: (91, 65, 40, 27, 25, 9, 24, 12, 12). Utilie zando a matriz-chave C acima, traduza (decodique) a mensagem.

117

7.8
7.3.19 7.7.1

Respostas Cap tulo

252

dos

Principais

Exerc cios

do

7.7.2

7.7.3

1 0 0| 13 1 1 8 2 8 1 3 [In |A1 ] = 0 1 0| 15 8 2 8 5 0 0 1| 0 1 4 4 1 1 0 1| 1 0 2 2 1 1 0 1 1| 4 0 , logo A1 . 4 0 0 0| 2 3 1 3 14 17 1 7 5 , donde a mensagem CORAGEM. e 12 0 0

H I C T GR A N E

Cap tulo 8

Introduo `s ca a Transformaoes Lineares c

tilizaremos o livro de H. Anton ([1]), pginas 137 a 148; 295 a 299; a e 302 a 305. Para os estudantes de Matemtica e para todos aqueles que se interessam a pela Matemtica, inseriremos dois cap a tulos na seqncia: um referente a ue espaos vetoriais, e outro referente a transformaes lineares. c co
H I C T GR A N E

118

Cap tulo 9

Espaos Vetoriais c
9.1 Introduo ca

E
9.2

m vrias partes da Matemtica, defrontamo-nos com um conjunto tal a a que , ao mesmo tempo, signicativo e interessante lidar com combinaes e co lineares dos objetos daquele conjunto.

R equaes lineares linhas de uma matriz co R equaes diferenciais funoes co c R espao 3-dimensional vetores c
A grosso modo, a Algebra Linear o ramo da Matemtica que trata e a das propriedades comuns a sistemas algbricos constitu e dos por um conjunto mais uma noo razovel de uma combinao linear de elemenca a ca tos do conjunto.

Exemplo 9.1.1

Vetores no Plano e no Espao c

Neste cap tulo, desenvolveremos o conceito de vetor de uma forma mais ampla, de modo que, por exemplo, solues de sistemas de equaes lineares co co ou de equaes diferenciais tambm possam ser representadas por vetores. co e Inicialmente, vamos recordar alguns tpicos sobre vetores no plano e no o espao. c

131

UNIVATES Centro Universitrio a

132

9.2.1

Vetores no Plano

Consideremos o plano cartesiano que consiste de um sistema de coordenadas dado por um par de retas orientadas ortogonais. Fixada uma unidade de comprimento, um ponto P do plano pode ser identicado com o par (a, b) de nmeros reais, que so suas coordenadas. u a
T

a Figura 9.1: Plano cartesiano Dados dois pontos P e Q do plano, podemos considerar o segmento orientado P Q, com ponto inicial P e ponto nal Q. Observao 9.2.1 Embora como conjunto de pontos os segmentos P Q ca e QP sejam iguais, como segmentos orientados eles so distintos. Diremos a que eles so opostos. a a Denio 9.2.2 Diremos que dois segmentos orientados so equivaca lentes, se tiverem o mesmo comprimento, direo e sentido. ca
T

Q


Z L
 

K R

W
E

T Figura 9.2: Segmentos orientados

UNIVATES Centro Universitrio a Exemplo 9.2.3 Em relao ` gura 9.2.1, P Q, KL e RS tm a mesma ca a e direo e sentido; RT e KL tm o mesmo comprimento; P Q, RS e ZW tm ca e e o mesmo comprimento e direo, mas os unicos segmentos com orientaes ca co equivalentes so P Q e RS. a Observao 9.2.4 Para qualquer segmento orientado no plano existe ca outro equivalente a este cujo ponto inicial a origem. e Denio 9.2.5 Passaremos agora a considerar apenas os segmentos ca orientados com ponto inicial na origem. Estes sero chamados de vetores a no plano. a Observao 9.2.6 A cada ponto do plano P (a, b), est associado um ca unico vetor v = OP , e vice-versa. Assim podemos imaginar o plano R2 como um conjunto de pontos ou um conjunto de vetores. Isto , a correspondncia e e entre pontos do plano e vetores biun e voca. Notao: Usando a correspondncia denida em 9.2.6, representaremos ca e um vetor v = OP pelas coordenadas do seu ponto nal P (a, b). Usamos a a notao da matriz-coluna v = ca , ou mesmo a identicao v = (a, b). ca b Denio 9.2.7 Pela notao acima, ` origem car associado um veca ca a a tor que tem os pontos nal e inicial coincidentes. Denominaremos tal vetor (que s um ponto) de vetor nulo, e o representaremos por (0, 0). e o Denio 9.2.8 O oposto de um vetor v = OP o vetor w = OQ, ca e que tem o mesmo comprimento e direo, e sentido oposto. Em termos de ca coordenadas, se v = (a, b), ento w = (a, b). Por esta razo, o denotamos a a por w = v. Operaes co Multiplicao de um vetor por um escalar: multiplicar um vetor v por ca um escalar k > 0 considerar um novo vetor w = kv, que possui a mesma e direo de v e tem como comprimento k vezes o comprimento de v, e cujo ca sentido depende do sinal de k. Se k < 0, o vetor w = kv ser igual ao oposto do vetor |k| v. a Se k = 0, w = kv ser o vetor nulo. a Observao 9.2.9 Esta operao corresponde ` multiplicao da ca ca a ca matriz-linha (ou coluna) por esse nmero. Se v = (a, b) e w = kv, ento u a w = (ka, kb).

133

UNIVATES Centro Universitrio a

T  

134

w = 1, 5v

v
E

u = 1v 2 Figura 9.3: Multiplicao de um vetor por um escalar ca Adio de dois vetores: a idia de soma de vetores origina-se na soma ca e de foras em F c sica. Dados dois vetores F1 e F2 , chamamos a fora resultante c de soma de F1 com F2 e denotamos R = F1 + F2 . B R F2
 X

F1

Figura 9.4: Resultante de dois vetores Em termos de coordenadas, se F1 = (a, b) e F2 = (c, d), quais so as a coordenadas de R? Usando congruncia de tringulos, fcil concluir que as coordenadas de e a e a R so (a + c, b + d). a Denio 9.2.10 Sejam v = (a, b) e w = (c, d) dois vetores no plano. ca Denimos o vetor soma de v e w como o vetor v + w = (a + c, b + d). Observao 9.2.11 Somar dois vetores corresponde a somar as matrica zes que os representam. As operaes de vetores herdam, portanto, todas as co propriedades das operaes correspondentes para matrizes. co Observao 9.2.12 A soma de um vetor v = (a, b) com o seu oposto ca w = v = (a, b) o vetor nulo, isto , e e v + w = v + (v) = (a a, b b) = (0, 0). Diferena entre dois vetores: dados dois vetores v e w, entendemos c a soma do primeiro com o oposto do segundo como o vetor diferena entre c v e w, isto , e v w = v + (w).

UNIVATES Centro Universitrio a

T

135

w
! z  X

v
E

vw Figura 9.5: Subtrao de vetores ca

9.2.2

Vetores no Espao c

Podemos agir da mesma forma que em relao ao plano. Temos agora ca um sistema de coordenadas dado por trs retas orientadas, perpendiculares e duas a duas e, uma vez xada uma unidade de comprimento, cada ponto P do espao estar identicado com uma terna de nmeros reais (x, y, z), que c a u d suas coordenadas. a
TZ

z P (x, y, z)

y x

X Figura 9.6: Espao tri-dimensional c

No espao, os vetores tambm so dados por segmentos orientados, com c e a ponto inicial na origem, e existe uma correspondncia biun e voca entre os vetores e pontos do espao que a cada vetor OP associa seu ponto nal c P (a, b, c).

UNIVATES Centro Universitrio a Notao: O vetor v = OP denotado pelas coordenadas de P . ca e a v = b ou v = (a, b, c). c Observao 9.2.13 Se chamarmos V o conjunto de vetores no espao, ca c podemos identicar V = {(x1 , x2 , x3 ); xi R} = R R R = R3 . Operaes co So inteiramente anlogas `s operaes de vetores no plano, apenas a a a co trabalhando-se com as trs componentes dos vetores. e Denio 9.2.14 Sejam u = (x1 , x2 , x3 ) e v = (y1 , y2 , y3 ) dois vetores ca no espao e k um escalar. Denimos: c u + v = (x1 + y1 , x2 + y2 , x3 + y3 ) e ku = (kx1 , kx2 , kx3 ). Propriedade 9.2.15 Sejam u, v, w V e a, b R. Valem as seguintes propriedades: 1. (u + v) + w = u + (v + w); 2. u + v = v + u; 3. 0 V tal que u + 0 = u (0 chamado vetor nulo); e 4. u V tal que u + (u) = 0; 5. a(u + v) = au + av; 6. (a + b)v = av + bv; 7. 1u = u. Para maiores detalhes, ver [14] e [15]. Estas propriedades sero uteis na caracterizao dos espaos vetoriais a ca c que veremos a seguir.

136

9.3

Espaos Vetoriais c

c Denio 9.3.1 Um espao vetorial (ou linear) consiste do seca guinte: 1. um corpo F de escalares; 2. um corpo V de objetos, denominados vetores; 3. uma regra (operao), dita adio de vetores, tal que, , , V: ca ca (a) + = + (comutativa);

UNIVATES Centro Universitrio a (b) + ( + ) = ( + ) + (associativa); (c) ! 0 V tal que + 0 = (existncia de zero); e (d) V, ! V tal que + () = 0 (simtrico); e 4. uma regra multiplicao por escalar tal que c, c1 , c2 F, , ca V: (a) 1 = ; (b) (c1 c2 ) = c1 (c2 ); (c) c( + ) = c + c; (d) (c1 + c2 ) = c1 + c2 .

137

9.3.1

Exemplos

Exemplo 9.3.2 O conjunto dos vetores do espao c V = R3 = {(x1 , x2 , x3 ) : xi R} (espao vetorial real). c Exemplo 9.3.3 n-uplas de nmeros reais u V = Rn = {(x1 , x2 , . . . , xn ) : xi R}. Exemplo 9.3.4 V = MR (m, n), o conjunto das matrizes reais m n com a soma e o produto por escalar usuais. Note que V = MR (1, n) = Rn . o Exemplo 9.3.5 V = Pn , o conjunto dos polinmios com coecientes reais, de grau menor ou igual a n (incluindo o zero). c Exemplo 9.3.6 V = MC (2, 2) (espao vetorial complexo)

R Os espaos vetoriais complexos aparecem, por exemplo, no estudo de c

ca a c R Salvo meno em contrrio, trabalharemos com espaos vetoriais (e.v.) REAIS. sistemas de equaes diferenciais. co

Observao 9.3.7 ca

9.4

Subespaos Vetoriais c

` As vezes, necessrio detectar, dentro de um espao vetorial V, subcone a c juntos W que sejam eles prprios espaos vetoriais menores. o c Denio 9.4.1 Dado um espao vetorial V, um subconjunto W, noca c a vazio, ser um subespao vetorial de V se: a c 1. para quaisquer u, v W tivermos u + v W; 2. para quaisquer a R, u W tivermos au W.

UNIVATES Centro Universitrio a Observao 9.4.2 ca

138

R W um espao vetorial; e c R Qualquer subespao W V contm o vetor nulo; c e R Todo espao vetorial admite pelo menos 2 subespaos (triviais): 0 e o c c
espao todo. c

9.4.1

Exemplos

Exemplo 9.4.3 V = R3 e W V, um plano pela origem.

R Note que, no exemplo 9.4.3, se W no passasse pela origem, no seria a a R Observe que os unicos subespaos de R c
planos pela origem, e o prprio o R3 . um subespao. c
3

Observao 9.4.4 ca

so a origem, as retas e a

Exemplo 9.4.5 V = R5 e W = {(0, x2 , x3 , x4 , x5 ) : xi R}. Exemplo 9.4.6 V = MR (n, n) e W o subconjunto das matrizes trie angulares superiores. Exemplo 9.4.7 2x + 4y + z x + y + 2z x + 3y z Dado o sistema linear homogneo: e = 0 2 4 1 x 0 1 1 2 y = 0 , = 0 = 0 1 3 1 z 0

queremos saber se o conjunto dos vetores-soluo um subespao de ca e c MR (3, 1). Exemplo 9.4.8 O conjunto-soluo de um sistema linear homogneo de ca e n incgnitas um subespao de MR (n, 1). o e c

9.4.2

Contra-Exemplos

Contra-Exemplo 9.4.9 V = R2 , W uma reta deste plano que no e a passa pela origem. Note que, se 0 W, ento W no subespao vetorial. a a e c

UNIVATES Centro Universitrio a

T

139

W Figura 9.7: Reta que no passa pela origem a Contra-Exemplo 9.4.10 Podemos ter 0 W e W no ser subespao a c vetorial. De fato, considere V = R2 , W = {(x, x2 ) : x R}. Temos que (0, 0) W, u = (1, 1) W, v = (2, 4) W. Mas, por outro lado, u + v = (1, 1) + (2, 4) = (3, 5) W.
100 90 80 70 60 50 40 30 20 10 0 -10

x**2

-5

10

Figura 9.8: Grco de y = x2 a Contra-Exemplo 9.4.11 V = MR (n, n) e W o subconjunto de todas e as matrizes em que a11 0. Contra-Exemplo 9.4.12 Se um sistema linear no for homogneo, o a e que acontece com o seu conjunto-soluo? ca Agora veremos as principais propriedades dos subespaos. c

UNIVATES Centro Universitrio a

140

9.4.3

Propriedades

Teorema 9.4.13 (Interseco de Subespaos) ca c Se W1 e W2 so subespaos de um espao vetorial V, ento W1 W2 a c c a ainda um subespao de V. e c Note que W1 W2 = . prova: exerc cio.

9.4.4

Exemplos

Exemplo 9.4.14 Seja V = R3 , ento W1 W2 a interseco dos a e ca planos W1 e W2 .

T

W1 W2

W1

W2

Figura 9.9: Interseco de subespaos vetoriais ca c Exemplo 9.4.15 Seja V = MR (n, n), onde W1 = {matrizes triangulares superiores} e W2 = {matrizes triangulares inferiores}. Ento W1 W2 = {matrizes diagonais}. a Observao 9.4.16 Se W1 e W2 so subespaos de um espao vetorial ca a c c V, no podemos armar que W1 W2 seja um subespao. a c Contra-Exemplo 9.4.17 Sejam V = R3 , e W1 e W2 vetores sobre os eixos coordenados. Assim, W1 W2 no subespao de V. Entretanto, podemos construir a e c um conjunto W, que contm W1 e W2 e subespao de V. e e c

UNIVATES Centro Universitrio a W T 2

141

U T

u+v
B

W1

Figura 9.10: Unio de subespaos vetoriais a c Teorema 9.4.18 (Soma de Subespaos) c Sejam W1 e W2 subespaos de um e.v. V. Ento o conjunto c a W1 + W2 = {v V; v = w1 + w2 , w1 W1 , w2 W2 } um subespao de V. e c prova: exerc cio.

9.4.5

Exemplos

Exemplo 9.4.19 No exemplo 9.4.17, W = W1 + W2 o plano que e contm as duas retas. e Exemplo 9.4.20 Se W1 R3 um plano e W2 uma reta contida e e neste plano, ambos passando pela origem, ento W1 + W2 = W1 . a Exemplo 9.4.21 W1 = b, c, d R. Ento a W1 + W2 = a b c d = MR (2, 2). a b 0 0 e W2 = 0 0 c d , onde a,

Denio 9.4.22 Quando W1 W2 = {0}, ento W1 + W2 chamado ca a e soma direta de W1 com W2 , denotado por W1 W2 .

UNIVATES Centro Universitrio a

142

9.5

Combinao Linear ca

Uma das caracter sticas mais importantes de um espao vetorial a c e obteno de novos vetores a partir de vetores dados. ca Denio 9.5.1 Sejam V um espao vetorial, v1 ,. . . , vn V e a1 ,. . . , ca c an F. Ento o vetor a
n

v = a1 v1 + . . . + an vn =
i=1

ai vi

um elemento de V chamado combinao linear de v1 ,. . . , vn . e ca Observao 9.5.2 Fixados v1 ,. . . , vn V, o conjunto W de todos os ca vetores de V que so combinao linear destes, um subespao vetorial a ca e c (s.v.). W chamado subespao gerado por v1 ,. . . , vn . e c Notao: W = [v1 , . . . , vn ] ca Note que W o menor subespao de V que contm {v1 , . . . , vn }. e c e

9.5.1

Exemplos

Exemplo 9.5.3 V = R3 , v V, v = 0. Ento [v] = {av : a R}, isto a , a reta que contm o vetor v. e e e a a Exemplo 9.5.4 Se v1 , v2 R3 so tais que v1 = v2 , R, ento [v1 , v2 ] ser o plano que passa pela origem e contm v1 e v2 . a e
T

v1
 E j

v2


Figura 9.11: Subespao gerado por dois vetores c Exemplo 9.5.5 V = R2 , v1 = (1, 0), v2 = (0, 1). Logo V = [v1 , v2 ], pois v = (x, y) V, temos (x, y) = x(1, 0) + y(0, 1), ou seja, v = xv1 + yv2 . Exemplo 9.5.6 Sejam v1 = [v1 , v2 ] = 1 0 0 0 a b 0 0 , v2 = 0 1 0 0 . Ento a

: a, b R .

UNIVATES Centro Universitrio a

143

9.6

Dependncia e Independncia Linear e e

Dados os vetores v1 , . . . , vn , queremos saber se no existem vetores a supruos, isto , se algum deles no uma combinao linear dos outros. e e a e ca Denio 9.6.1 Sejam V um e.v. e v1 , . . . , vn V. Dizemos que ca o conjunto {v1 , . . . , vn } linearmente independente (l.i.), ou que os e vetores v1 , . . . , vn so l.i., se a equao a ca a1 v1 + . . . + an vn = 0 implica que a1 = a2 = . . . = an = 0. No caso em que exista algum ai = 0 dizemos que {v1 , . . . , vn } linearmente dependente (l.d.), ou que os e vetores v1 ,. . . , vn so l.d.. a e Teorema 9.6.2 {v1 , . . . , vn } l.d. se, e somente se, um destes vetores for uma combinaao linear dos outros. c prova: exerc cio.

9.6.1

Exerc cios

Exemplo 9.6.3 V = R3 . Sejam v1 , v2 V. {v1 , v2 } l.d. v1 e v2 estiverem na mesma reta, que passa pela origem e (v1 = v2 ). Exemplo 9.6.4 V = R3 . Sejam v1 , v2 , v3 V. {v1 , v2 , v3 } l.d. se os trs vetores estiverem no mesmo plano, que passa e e pela origem. Exemplo 9.6.5 V = R2 , e1 = (1, 0) e e2 = (0, 1). Ento e1 e e2 so a a l.i., pois a1 e1 + a2 e2 = 0 a1 = 0 e a2 = 0. Exemplo 9.6.6 V = R2 . {(1, 1), (1, 0), (1, 1)} l.d., pois e 1 1 (1, 1) 1(1, 0) + (1, 1) = (0, 0). 2 2

9.7

Base de Um Espao Vetorial c

Queremos determinar um conjunto de vetores que gere V e tal que todos os elementos sejam realmente necessrios. a Denio 9.7.1 Um conjunto {v1 , . . . , vn } de vetores de V ser uma ca a base de V se: 1. {v1 , . . . , vn } l.i.; e 2. [v1 , . . . , vn ] = V.

UNIVATES Centro Universitrio a

144

9.7.1

Exemplos

Exemplo 9.7.2 V = R2 , e1 = (1, 0) e e2 = (0, 1) (base cannica). o Tambm base do plano: {(1, 1), (0, 1)}, pois se (0, 0) = a(1, 1) + b(0, 1), e e ento a = b = 0 (l.i.). Ademais, dado v = (x, y) V, temos que a (x, y) = x(1, 1)+(y x)(0, 1). Logo, todo vetor do plano combinao linear e ca de e1 e e2 . Exemplo 9.7.3 V = R3 , {(1, 0, 0), (0, 1, 0), (0, 0, 1)} base. e Exemplo 9.7.4 V = MR (2, 2), 1 0 0 0 , 0 1 0 0 , 0 0 1 0 , 0 0 0 1 .

a e Contra-Exemplo 9.7.5 {(0, 1), (0, 2)} no base de R2 , pois l.d.: (0, 0) = a(0, 1) + b(0, 2) a = 2b. Contra-Exemplo 9.7.6 {(1, 0, 0), (0, 1, 0)} no base de R3 . E l.i., a e 3 , isto , [(1, 0, 0), (0, 1, 0)] = R3 . mas no gera todo R a e

R Nem sempre poss encontrar uma base nita para um espao vee vel c R Somente trabalharemos com e.v. que tenham base nita.

Observao 9.7.7 ca

torial. Nestes casos, precisaremos de combinaes lineares nitas de co um conjunto innito de geradores. E o que acontece com espaos de c funoes. c

Vejamos algumas propriedades das bases de um espao vetorial c a Teorema 9.7.8 Sejam v1 , . . . , vn vetores no-nulos que gerem um espao vetorial V. Ento, dentre eles podemos extrair uma base de V. c a prova: Se v1 , . . . , vn l.i., ok! Se no, v1 , . . . , vn so l.d. e combinao linear x1 v1 + . . . + xn vn = 0 com a a ca algum xi = 0. Sem perda de generalidade, suponhamos que xn = 0. Ento a vn = x2 xn1 x1 v1 + v2 + . . . + vn1 e, xn xn xn

portanto, v1 , . . . , vn1 ainda geram V. Se l.i., ok! Se no, continuo o a processo um nmero nito de vezes. u Teorema 9.7.9 Seja V um espao vetorial gerado por um nmero nito c u de vetores v1 , . . . , vn . Ento, qualquer conjunto com mais de n vetores a e necessariamente l.d. (e, portanto, qualquer conjunto l.i. tem no mximo n a vetores). prova: ver [4], [9] ou [13].

UNIVATES Centro Universitrio a Corolrio 9.7.10 Qualquer base de um espao vetorial tem sempre o a c mesmo nmero de elementos. u Este nmero chamado dimenso de V, e denotado por dim V. u e a prova: Sejam {v1 , . . . , vn } e {w1 , . . . , wm } bases de V. Como v1 , . . . , vn geram V e w1 , . . . , wm so l.i., segue que m n. a Por outro lado, como w1 , . . . , wm geram V e v1 , . . . , vn so l.i., segue a que n m m = n.

145

9.7.2

Exemplos

Exemplo 9.7.11 V = R2 , {(1, 0), (0, 1)} e {(1, 1), (0, 1)} so bases de a V. Ento dim V = 2. a Exemplo 9.7.12 dimR3 = 3. Exemplo 9.7.13 E espao vetorial V = MR (2, 2) tem base com 4 elec mentos. Ento dimV = 4. a Denio 9.7.14 Quando um e.v. V admite uma base nita, dizemos ca que V de dimenso nita. e a Teorema 9.7.15 Qualquer conjunto de vetores l.i. de um e.v. V de dimenso nita pode ser completado de modo a formar uma base de V. a prova: exerc cio. Corolrio 9.7.16 Se dimV = n, qualquer conjunto de n vetores l.i. a formar uma base de V. a prova: exerc cio. Teorema 9.7.17 Se U e W so subespaos de um espao vetorial V de a c c dimenso nita, ento dimU dimV e dimW dimV. Ademais, a a dim(U + W) = dimU + dimV dim(U W). prova: ver [4]. Teorema 9.7.18 Dada uma base = {v1 , . . . , vn } de V, cada vetor de V escrito de maneira unica como combinao linear de v1 , . . . , vn . e ca prova: exerc cio. Denio 9.7.19 Sejam = {v1 , . . . , vn } base de V e v V onde ca v = a1 v1 + . . . + an vn . Chamamos os nmeros a1 , . . . , an de coordenadas u de v em relao ` base e denotaremos por ca a a1 . [v] = . . . an

UNIVATES Centro Universitrio a Exemplo 9.7.20 V = R2 , = {(1, 0), (0, 1)}. (4, 3) = 4(1, 0) + 3(0, 1) [(4, 3)] = 4 3 .

146

Se = {(1, 1), (0, 1)}, ento (4, 3) = x(1, 1) + y(0, 1) x = 4, y = 1. a 4 Ento, [(4, 3)] = a . 1 Observao 9.7.21 A ordem dos elementos de uma base inui na ca matriz das coordenadas. Ao considerarmos uma base = {v1 , . . . , vn }, estaremos subentendendo a base ordenada na ordem em que aparecem. Exemplo 9.7.22 Sejam V = {(x, y, z); x + y z = 0} e W = {(x, y, z); x = y}. V + W =? Resoluo ca
T

Figura 9.12: Base de um subespao vetorial c

Temos V = [(1, 0, 1), (0, 1, 1)], W = [(1, 1, 0), (0, 0, 1)]. Ento V+W = [(1, 0, 1), (0, 1, 1), (1, 1, 0), (0, 0, 1)]. Como (x, y, z) R3 pode a ser escrito como (x, y, z) = (1, 0, 1) + (0, 1, 1) + (1, 1, 0) + (0, 0, 1), com = x, = y, = 0, = z x y, temos V + W = R3 . Assim, dimR3 = dimV + dimW dim(V W) dim(V W) = 1, onde V W = {(x, y, z); x + y z = 0 e x = y} = 1 = {(x, y, z); x = y = z } = [(1, 1, 2 )]. 2

UNIVATES Centro Universitrio a

147

9.8

Mudana de Base c

Voc j deve ter visto situaes em que a resoluo de um problema de e a co ca 1 torna-se muito mais simples se escolhermos um referencial conveF sica niente para descrever o movimento. Vejamos um exemplo: Exemplo 9.8.1 Um Fiat Palio Weekend se move no plano XY com trajetria el o ptica de equao x2 + xy + y 2 3 = 0 (ver gura abaixo). A ca descrio do movimento torna-se muito mais simplicada se ao invs de ca e trabalharmos com os eixos OX e OY (isto , o referencial determinado pela e base cannica), utilizarmos um referencial que se apia nos eixos princio o pais da elipse. Y
T

X2

 

 

 

 E 

X1

X Incline o pescoo 40o para a direita! c

Figura 9.13: Trajetria el o ptica Neste novo referencial, a equao da trajetria ser mais simples2 : ca o a
2 3x2 + 2y1 = 6. 1

Observao 9.8.2 Numa situao como esta do exemplo 9.8.1, temos ca ca duas questes a saber: o

R Como escolher o novo referencial? R Uma vez escolhido, qual a relao entre as coordenadas de um ponto ca
no antigo referencial e suas coordenadas no novo?

A primeira questo mais delicada e no ser contemplada neste curso (o a e a a aluno interessado pode consultar [4], cap tulo 11, no sem antes realizar a um bom curso de Geometria Anal tica segundo [11] ou [34]). A segunda, passaremos a estudar agora, mas logo num contexto mais amplo.
1 2

Cinemtica ou Esttica, por exemplo. a a Para maiores detalhes, ver [11], ou [34].

UNIVATES Centro Universitrio a Sejam = {u1 , . . . , un } e = {w1 , . . . , wn } duas bases de um mesmo e.v. V. Dado v V, temos: v = x1 u1 + . . . + xn un e v = y1 w1 + . . . + yn wn , donde [v]t = [x1 . . . xn ], [v]t = [y1 . . . yn ]. Como {u1 , . . . , un } base de V, podemos escrever e w1 = a11 u1 + a21 u2 + . . . + an1 un w2 = a12 u1 + a22 u2 + . . . + an2 un . . = . . . . wn = a1n u1 + a2n u2 + . . . + ann un Substituindo em 9.1 e reordenando, temos: v = y1 w1 + . . . + yn wn = . . . = (a11 y1 + ... + a1n yn )u1 + . . . + (an1 y1 + ... + ann yn )un Mas, v = x1 u1 + . . . + xn un . Pela unicidade das coordenadas: x1 a11 . . . a1n y1 . . . . . .. . . . = . . . . . . xn Denotando, [I] an1 . . . ann yn (9.1)

148

(9.2)

a11 . . . a1n . . , temos .. . = . . . . an1 . . . ann [v] = [I] [v] .

Denio 9.8.3 A matriz [I] acima a matriz de mudana da ca e c base para a base . Exemplo 9.8.4 = {(2, 1), (3, 4)}, = {(1, 0), (0, 1)} bases de R2 . [I] =? Resoluo ca

w1 = (1, 0) = a11 (2, 1) + a21 (3, 4) a11 = 4/11, a21 = 1/11 w2 = (0, 1) = a12 (2, 1) + a22 (3, 4) a12 = 3/11, a22 = 2/11. Portanto, [I] = 4/11 3/11 1/11 2/11

UNIVATES Centro Universitrio a Para v = (5, 8), na base temos: [(5, 8)] = [I] [(5, 8)] = 4/11 3/11 = 1/11 2/11 4 = , 1 isto , (5, 8) = 4(2, 1) 1(3, 4). e 5 8

149

R Note que, no exemplo 9.8.4, se quisssemos apenas encontrar as coe

(5, 8) = a(2, 1) + b(3, 4).

Observao 9.8.5 ca

ordenadas de (5, 8) em relao ` base , poder ca a amos simplesmente resolver o sistema

R O clculo feito atravs da matriz de mudana de base operacionala e c e

mente vantajoso quando trabalhamos com mais vetores, pois neste caso no teremos que resolver um sistema de equaes para cada vetor. a co Para maiores detalhes, ver [9], [13], [36] ou [34].

9.8.1

A Inversa da Matriz de Mudana de Base c

Se em 9.2 tivssemos escrito os ui em funo dos wj , ter e ca amos: [v] = [I] [v] . que Como as matrizes [I] e [I] so invers veis (verique!), basta observar a [I]
1

= [I] .

(9.3)

9.8.2

Exemplos

Exemplo 9.8.6 No exemplo 9.8.4, obter [I] a partir de [I] . Resoluo ca Ora, a base cannica, logo e o [I] = Ento, a [I] = 2 3 1 4
1

2 3 1 4

4/11 3/11 1/11 2/11

Exemplo 9.8.7 V = R2 , = {e1 , e2 } e = {f1 , f2 } obtida da base cannica pela rotao de um ngulo . Dado um vetor v R2 de coordeo ca a x1 y1 nadas [v] = , quais so as coordenadas [v] = a ? x2 y2

UNIVATES Centro Universitrio a Resoluo ca Temos ento v = x1 e1 + x2 e2 = y1 f1 + y2 f2 . a Procuramos [v] = [I] [v] .
T 

150

v
U

f1

f2
s

e2

E E

e1

Figura 9.14: Mudana de base c Precisamos escrever e1 e e2 em funo de f1 e f2 (ver gura no nal da ca resoluo): ca e1 = cos f1 sin f2 . e2 = sin f1 + cos f2 Portanto, [I] = cos sin sin cos y1 y2 ou seja, y1 = x1 cos + x2 sin . y2 = x1 sin + x2 cos = , donde x1 x2

cos sin sin cos

UNIVATES Centro Universitrio a f2

s T

151

e2
T  

f1

cos


e1

sin

f2
s T T

e2
W

f1 sin
E

cos

Figura 9.15: Rotao de vetores ca

9.9

Exerc cios Aplicao ca

de

Fixao ca

Problemas

de

a c Exerc cio 9.9.1 Responda se os subconjuntos abaixo so subespaos de MR (2, 2). Em caso armativo, exiba geradores: 1. V = 2. W = a b c d a b c d com a, b, c, d R e b = c com a, b, c, d R e b = c + 1 .

Exerc cio 9.9.2 Considere dois vetores (a, b) e (c, d) no plano. Se ad bc = 0, mostre que eles so linearmente dependentes. Se ad bc = 0, a mostre que eles so linearmente independentes. a

UNIVATES Centro Universitrio a Exerc cio 9.9.3 Verique se os conjuntos abaixo so espaos vetoriais a c reais, com operaes usuais. No caso armativo, exiba uma base e d a co e dimenso: a 1. Matrizes diagonais n n 2. Matrizes escalares n n 3. a a+b a b : a, b R

152

4. V = {(a, a, . . . , a) Rn ; a R} 5. {(1, a, b) : a, b R} 6. A reta {(x, x + 3) : x R} 7. {(a, 2a, 3a) : a R}. Exerc cio 9.9.4 Considere o subespao de R4 c S = [(1, 1, 2, 4), (1, 1, 1, 2), (1, 4, 4, 8)] : 1. O vetor ( 2 , 1, 1, 2) pertence a S? 3 2. O vetor (0, 0, 1, 1) pertence a S? Exerc cio 9.9.5 Seja W o subespao de MR (2, 2) denido por c W= 1. 2. 0 2 0 1 0 2 3 1 W? W? 2a a + 2b 0 ab : com a, b R .

Exerc cio 9.9.6 Seja W o subespao de MR (3, 2) gerado por c 0 0 0 1 0 1 1 1 , 0 1 e 0 0 . 0 0 1 0 0 0 0 2 O vetor 3 4 pertence a W? 5 0 Exerc cio 9.9.7 Mostre que base de MR (2, 2). e Exerc cio 9.9.8 Escreva uma base para o e.v. das matrizes nn. Qual a dimenso deste espao? a c 1 0 0 0 , 0 1 0 0 , 0 0 1 0 , 0 0 0 1

UNIVATES Centro Universitrio a Exerc cio 9.9.9 Quais so as coordenadas de x = (1, 0, 0) em relao a ca ` base a = {(1, 1, 1), (1, 1, 0), (1, 0, 1)}? Exerc cio 9.9.10 Seja Pn o espao vetorial formado por todos os poc linmios com coecientes reais, de grau menor ou igual a n, incluindo o zero o (ver 9.3.5). Qual a dimenso deste espao vetorial? a c Exerc cio 9.9.11 Mostre que os polinmios 1 t3 , (1 t)2 , 1 t e 1 o geram P3 . Exerc cio 9.9.12 Seja P o conjunto de todos os polinmios (de grau o qualquer) com coecientes reais. Existe uma base nita para este espao? c Encontre uma basepara P e justique por que P conhecido como um e espao de dimenso innita. c a Exerc cio 9.9.13 Sejam U o subespao de R3 , gerado por (1, 0, 0) e W c o subespao de R3 , gerado por (1, 1, 0) e (0, 1, 1). Mostre que R3 = U W. c Exerc cio 9.9.14 Sejam W1 = {(x, y, z, t) R4 | x + y = 0 e z t = 0} e W2 = {(x, y, z, t) R4 | x y z + t = 0} dois dos subespaos de R4 . c 1. Determine W1 W2 . 2. Exiba uma base para W1 W2 . 3. Determine W1 + W2 . 4. W1 + W2 soma direta? Justique. e 5. W1 + W2 = R4 ? Exerc 1 = {(1, 1), (1, 1)}, cio 9.9.15 Sejam = {(1, 0), (0, 1)}, 2 = {( 3, 1), ( 3, 1)} e 3 = {(2, 0), (0, 2)} bases ordenadas de R2 . 1. Ache as matrizes de mudana de base: c (a) [I]1 ; (b) [I]1 ; (c) [I]2 ; (d) [I]3 . a ca a 2. Quais so as coordenadas do vetor v = (3, 2) em relao ` base: (a) ; (b) 1 ; (c) 2 ; (d) 3 ?

153

UNIVATES Centro Universitrio a 3. As coordenadas de um vetor v em relaao ` base 1 so dadas por c a a [v]1 = 4 0 .

154

Quais so as coordenadas de v em relao ` base: a ca a (a) ; (b) 2 ; (c) 3 . Exerc cio 9.9.16 Se 1. [v] onde [v] = 2. [v] onde [v] = 1 1 0 [I] = 0 1 1 , ache: 1 0 1 1 2 ; 3 1 2 . 3

e o Exerc cio 9.9.17 Se obtida de , a base cannica de R2 , pela rotao por um ngulo , ache: ca a 3 1. [I] ; 2. [I] . Exerc cio 9.9.18 Sejam 1 = {(1, 0), (0, 2)}, 2 = {(1, 0), (1, 1)} e 3 = {(1, 1), (0, 1)} trs bases ordenadas de R2 . e 1. Ache: (a) [I]2 ; 1 (b) [I]3 ; 2 (c) [I]3 ; 1 (d) [I]2 [I]3 . 1 2 vel, d uma relao entre estas matrizes de mudana de e ca c 2. Se for poss base. Exerc cio 9.9.19 Seja V o e.v. de matrizes 2 2 triangulares superiores. Sejam = 1 = 1 0 1 0 0 0 0 0 , , 0 0 1 0 1 0 1 0 , , 0 0 1 0 0 1 1 1 e

duas bases de V. Ache [I]1 .

UNIVATES Centro Universitrio a Exerc cio 9.9.20 Volte a 9.3 e mostre efetivamente que ([I] )1 = [I] . Exerc cio 9.9.21 Se base de um espao vetorial, qual a matriz de e c e ? mudana de base [I] c

155

9.10
9.9.4 9.9.5 9.9.6 9.9.9 9.9.15

Respostas Cap tulo

dos

Principais

Exerc cios

do

1. Pertence: v = 0v1 + 5 v2 1 v3 ; 2. No pertence a 3 6 1. Pertence; 2. No pertence a No pertence a [x] = 1. a.

1 3

1 1 3 3

1 1 ; b. 1 1
1 2

1 2
1 2

1 2 1 2

; c.

2. a. [3 2]; b. 5 2 3. a. [4 4]; b.

; c.

3 36 3 3+6 6 6

3 6 3 6

1 2

1 2

; d.
3 2

2 0 ; 0 2

; d.

1 ;

62 3 62 3 3 3

; c. [2 2];

9.9.16 1. [v] = (1, 1, 4)t ; 2. [v] = (4, 4, 3)t 9.9.18 1. a. 1 1 0 1 2 1 1 1 0 1 1 ; 0 0 1 In . ; b. 0 1 1 1 ; c. 1 1 2 0

1 2

; d. idem c.

9.9.19 9.9.21

No apresentaremos as respostas dos demais exerc a cios deste cap tulo para no tirarmos o seu prazer de resolv-los. a e
H I C T GR A N E

Cap tulo 10

Aprofundamento Sobre Transformaoes Lineares c

10.1 Introduo ca

unes lineares descrevem o tipo mais simples de dependncia entre co e variveis. a a dos 0, 2 litros de leo, de o Exemplo 10.1.1 Se de 1kg de soja so extra uma produo de x kg de soja seriam extra ca dos 0, 2 x litros de leo. o Escrevendo na forma de funo: Q(S) = 0, 2 S, onde Q = quantidade ca em litros de leo de soja e S = quantidade em kg de soja. o
T

Q = 0, 2 S

S Figura 10.1: Extrao de leo de soja por kg ca o Vejamos duas caracter sticas deste exemplo: 1. Q(S1 + S2 ) = 0, 2 (S1 + S2 ) = 0, 2 S1 + 0, 2 S2 = Q(S1 ) + Q(S2 ), S1 , S2 R; 156

UNIVATES Centro Universitrio a 2. Q(k S) = 0, 2 (kS) = k (0, 2 S) = k Q(S), k R. Estas duas propriedades serviro para caracterizar transformao lia ca near. Denio 10.1.2 Sejam V e W dois espaos vetoriais. Uma transca c formao linear (aplicao linear) uma funo de V em W , F : V W , ca ca e ca satisfazendo, u, v V , k R: 1. F (u + v) = F (u) + F (v); 2. F (k v) = k F (v). Notao: por brevidade, denotaremos por TL qualquer transformao ca ca linear.

157

10.2

Exemplos

Exemplo 10.2.1 V = W = R e Q : R R x 0, 2 x.

Exemplo 10.2.2 V = W = R e F : R R , u F (u) = u onde R. Toda transformaao linear de R em R s pode ser deste tipo. De fato, c o F (x) = F (x 1) e como F uma TL e x um escalar, F (x 1) = x F (1). e e Chamando F (1) = , temos que F (x) = x. O nome transformao linear certamente foi inspirado neste caso em ca que V = W = R, pois o grco de F (x) = x uma reta passando pela a e origem. Contra-Exemplo 10.2.3 A aplicao F : R R ca no a e 2 u F (u) = u uma TL, pois seu grco no uma reta. a a e Ademais, F (u + v) = (u + v)2 = u2 + 2uv + v 2 = u2 + v 2 = F (u) + F (v). Exemplo 10.2.4 F : R2 R3 (x, y) (2x, 0, x + y). e a Observao 10.2.5 Se T : V W uma TL, ento T (0V ) = 0W , isto ca , se 0 V ento T (0) = 0 W . De fato, como T uma TL, temos que e a e T (0) = T (0 + 0) = T (0) + T (0) T (0) = 0. Portanto, se T (0) = 0, ento T no uma transformao linear. Mas, a a e ca cuidado, T (0) = 0 no suciente para que T seja linear (veja o contraa e exemplo 10.2.3).

UNIVATES Centro Universitrio a O prximo exemplo muito importante. Ele mostra que a toda matriz o e mn est associada uma transformao linear de Rn em Rm (note a troca da a ca ordem de m e n), isto , toda matriz produz uma TL. A rec e proca tambm e n em Rm pode ser representada por uma verdadeira, ou seja, uma TL de R e matriz m n (isto mostraremos mais adiante).
m Exemplo 10.2.6 V = Rn e W = R . Seja A Mmn (R). Denimos x1 n Rm , onde v = . um vetor coluna e LA : R . e . v Av xn y1 x1 . . ca e LA (v) = A . = . . Tal aplicao uma TL. . .

158

xn ym O exemplo 10.2.4 acima um caso particular: e LA : R2 R3 2 0 x1 0 0 x2 1 1 Exemplo 10.2.7 V = W = 2x1 . 0 = x1 + x2 n).

x1 x2

Pn (polinmios de grau o

D : Pn Pn , a aplicao derivada. ca f f

10.3
10.3.1

Transformaes do Plano no Plano co

Expanso (ou Contrao) Uniforme a ca

Uma expanso (contrao) uniforme toda aplicao do tipo a ca e ca T : R2 R2 , com R. v v Exemplo 10.3.1 Seja T : R2 R2 , ou T (x, y) = 2 (x, y). Esta v 2v funo leva cada vetor do plano num vetor de mesma direo e sentido de ca ca v, mas de mdulo 2 vezes maior. o x y 2 x y ou x y 2 0 0 2 x y .

UNIVATES Centro Universitrio a

T T

159

Figura 10.2: Expanso ou contrao uniforme a ca Se tomssemos F : R2 R2 tal que F (x, y) = a contrao. ca
1 2

(x, y), F seria uma

10.3.2

Reexo em Torno do Eixo OX a

em torno do eixo OX dada pela aplicao e ca

A reexo a

F : R2 R2 (x, y) (x, y). Matricialmente, podemos descrever a aplicaes do seguinte modo: co x y

T

x y

ou

x y

1 0 0 1

x y

Figura 10.3: Reexo em torno do eixo horizontal a

10.3.3

Reexo pela Origem a

A reexo pela origem dada pela aplicao T : R2 R2 , ou seja, a e ca v v T (x, y) = (x, y). Matricialmente, podemos descrever a aplicaes do seguinte modo: co x y x y ou x y 1 0 0 1 x y .

Fisicamente, esta reexo corresponde ` rotao de 180o em torno da a a ca origem.

UNIVATES Centro Universitrio a

T

160

'

Figura 10.4: Reexo pela origem a

10.3.4

Rotao de um ngulo ca a

A rotao de um ngulo (no sentido anti-horrio) descrita pelas ca a a e seguintes relaes: co x = r cos( + ) = r cos cos r sin sin . Mas, r cos = x e r sin = y. Ento x = x cos y sin . a Analogamente, y = r sin( + ) = r (sin cos + cos sin ) = y cos + x sin .
T T

$ X $$ $$$

X $ $$$ E $ $ x

Figura 10.5: Rotao de um ngulo dado ca a Assim, R (x, y) = (x cos y sin , y cos + x sin ), ou na forma matricial, x y x cos y sin y cos + x sin = cos sin sin cos
R (x,y)

x y

UNIVATES Centro Universitrio a

161

10.3.5

Cisalhamento Horizontal

O cisalhamento horizontal dado pela relao e ca T (x, y) = (x + y, y), R. Ele consiste na modicao da primeira coordenada do vetor (x, y), ca substituindo-a por uma combinao linear espec ca ca de x e y, a saber: x x + y, R.
T T

Figura 10.6: Cisalhamento horizontal

10.3.6

Translao ca

Note que a translao segundo um vetor (a, b) = (0, 0), embora seja ca uma transformao do plano no plano, no linear (pois no leva o zero ca a e a no zero). O unico caso em que a translao linear quando a = b = 0. ca e e Ela dada pela relao T (x, y) = (x + a, y + b), ou matricialmente por e ca x y 1 0 0 1 x y + a b .

10.4

Conceitos e Teoremas

As TL so perfeitamente determinadas conhecendo-se seu valor nos elea mentos de uma base. Teorema 10.4.1 Sejam V e W espaos vetoriais reais e {v1 , . . . , vn } c uma base de V . Sejam w1 , . . . , wn W . Ento existe uma unica aplicao a ca linear T : V W tal que T (v1 ) = w1 , . . . , T (vn ) = wn . prova: Seja v = a1 v1 + . . . an vn um vetor de V . Ento a T (v) = a1 T (v1 ) + . . . + an T (vn ) = a1 w1 + . . . + an wn . Note que T linear e unica nas condies acima. e e co

UNIVATES Centro Universitrio a Exemplo 10.4.2 Qual a transformao linear T : R2 R3 tal que e ca T (1, 0) = (2, 1, 0) e T (0, 1) = (0, 0, 1)? Soluo ca Os vetores e1 = (1, 0) e e2 = (0, 1) formam uma base de R2 . Sejam w1 = (2, 1, 0) e w2 = (0, 0, 1). Dado v = (x1 , x2 ), temos que v = x1 e1 +x2 e2 e T (v) = x1 T (e1 ) + x2 T (e2 ) = x1 (2, 1, 0) + x2 (0, 0, 1) = (2x1 , x1 , x2 ). Denio 10.4.3 Seja T : V W uma aplicao linear. A imagem ca ca de T o conjunto dos vetores w W tais que existe um vetor v V , que e satisfaz T (v) = w. Ou seja, Im(T ) = {w W | T (v) = w para algum v V }. ` Note que Im(T ) W e, alm disso, um subespao vetorial de W . As e e c vezes Im(T ) escrito como T (V ). e Denio 10.4.4 Seja T : V W uma transformaao linear. O conca c junto de todos os vetores v V tais que T (v) = 0 chamado ncleo (ou e u kernel) de T , denotado por ker(T ). Isto , e ker(T ) = {v V | T (v) = 0}. Note que ker(T ) V e um subespao vetorial de V . e c V
' $ '

162

W
E

0 ker(T )
&

T Im(T )
% &

0
%

Figura 10.7: Diagrama de ncleo e imagem de uma TL u Exemplo 10.4.5 Seja T : R2 R com T (x, y) = x + y. Ento a ker(T ) = {(x, y) R2 | x + y = 0} a reta y = x, ou ainda, e ker(T ) = {(x, x) | x R} = [(1, 1)]. E Im(T ) = R, pois para todo w R, w = T (w, 0). Exemplo 10.4.6 Seja T : R3 R3 com T (x, y, z) = (x, 2y, 0). Ento a Im(T ) = {(x, 2y, 0) R3 | x, y R} = = {x(1, 0, 0) + y(0, 2, 0) | x, y R} = [(1, 0, 0), (0, 2, 0)]. Note que dim Im(T ) = 2. Ademais, ker(T ) = {(x, y, z) | (x, 2y, 0) = (0, 0, 0)} = [(0, 0, 1)], onde dim ker(T ) = 1.

UNIVATES Centro Universitrio a Denio 10.4.7 Uma aplicao T : V W injetora se T (u) = v ca ca e implicar que u = v, para quaisquer u, v V . Equivalentemente, T injetora e se dados u, v V com u = v, ento T (u) = T (v). a Em outras palavras, T injetora se as imagens de vetores distintos so e a distintas. ca e Denio 10.4.8 A aplicao T : V W sobrejetora se a imagem ca de T coincidir com W , ou seja, T (V ) = W . Em outras palavras, T sobrejetora se dado w W , existir v V tal e que T (v) = w. O prximo teorema arma que uma TL injetora s tem o vetor nulo no o o seu ncleo. E, por outro lado, se uma TL tiver somente 0 no seu ncleo, u u ento quaisquer dois vetores distintos devem ter imagens distintas tambm. a e Teorema 10.4.9 Seja T : V W uma aplicao linear. Ento ca a ker(T ) = {0} T injetora. e Corolrio 10.4.10 Seja T : V W uma aplicao linear injetora. a ca Ento T leva vetores linearmente independentes em vetores linearmente ina dependentes. ca Teorema 10.4.11 Seja T : V W uma aplicao linear. dim ker(T ) + dim Im(T ) = dim V . Ento a

163

prova: Seja {v1 , . . . , vn } base de ker(T ) V . Como ker(T ) um sue bespao de V , podemos completar este conjunto de modo a obter uma base c de V . Seja ento {v1 , . . . , vn , . . . , w1 , . . . , wm } a base de V . a Armao: {T (w1 ), . . . , T (wm )} base de Im(T ). ca e Provemos, inicialmente, que [T (w1 ), . . . , T (wm )] = Im(T ). Dado w Im(T ), u V tal que T (u) = w. Como u V , temos que u = a1 v1 + . . . + an vn + b1 w1 + . . . + bm wm . Mas, w = T (u) = T (a1 v1 + . . . + an vn + b1 w1 + . . . + bm wm ) = = b1 T (w1 ) + . . . + bm T (wm ), pois v1 , . . . , vn ker(T ). Logo Im(T ) = [T (w1 ), . . . , T (wm )]. Mostraremos agora que {T (w1 ), . . . , T (wm )} linearmente independente. e De fato, suponhamos que a1 T (w1 ) + a2 T (w2 ) + . . . + am T (wm ) = 0. Como T linear, segue que T (a1 w1 + a2 w2 + . . . + am wm ) = 0, donde e a1 w1 + . . . + am wm ker(T ). Ento a1 w1 + . . . + am wm pode ser escrito a como combinao linear da base {v1 , . . . , vn } de ker(T ). Isto , b1 , . . . , bn ca e tais que a1 w1 + . . . + am wm = b1 v1 + . . . + bn vn , ou ainda, a1 w1 + . . . + am wm b1 v1 . . . bn vn = 0. Mas, {v1 , . . . , vn , w1 , . . . , wm } base de V , e ento segue que e a a1 = a2 = . . . = am = b1 = . . . = bn = 0.

UNIVATES Centro Universitrio a Corolrio 10.4.12 Se dim V = dim W , ento T linear injetora se, a a e e somente se, T sobrejetora. e Corolrio 10.4.13 Seja T : V W uma TL linear injetora. a dim V = dim W , ento T leva base em base. a Se

164

prova: (sketch) {v1 , . . . , vn } base de V . W {T (v1 ), . . . , T (vn )} LI, pois k1 T (v1 ) + . . . + kn T (vn ) = 0 implica e que T (k1 v1 +. . .+kn vn ) = 0. Como T injetora, ento k1 v1 +. . .+kn vn = 0. e a Mas, {v1 , . . . , vn } base, logo ki = 0 para todo 1 i n. e Visto que dim V = dim W = n, {T (v1 ), . . . , T (vn )} base de W . e Quando uma transformao linear T : V W for injetora e sobrejetora ca ao mesmo tempo, d-se o nome de isomorsmo. Sob o ponto de vista da a Algebra Linear, espaos vetoriais isomorfos so, por assim dizer, idnticos. c a e Pelo que j provamos, espaos isomorfos devem ter a mesma dimenso. Logo, a c a um isomorsmo leva base em base. Alm disso, um isomorsmo T : V W e tem uma aplicao inversa T 1 : W V que linear e tambm um ca e e e isomorsmo. Exerc cio 10.4.14 Seja T : R3 R3 a transformao linear dada por ca T (x, y, z) = (x 2y, z, x + y). Mostre que T isomorsmo e obtenha T 1 . e (Dica): Mostre que ker(T ) = {0} e calcule T ({e1 , e2 , e3 }).

10.5

Transformaes Lineares e Matrizes co

J vimos que toda matriz m n est associada a uma transformao a a ca linear T : Rn Rm . Vamos generalizar este resultado para espaos vetoriais c V e W e tambm estabelecer o seu rec e proco, isto , uma vez xadas as bases, e a toda transformao linear T : V W est associada uma unica matriz. ca a Inicialmente veremos como, dados dois espaos vetoriais V e W com c bases e e uma matriz A, podemos obter uma TL. Consideremos R2 e as bases = {(1, 0), (0, 1)} e = {(1, 1), (1, 1)} 2 0 e a matriz A = . Queremos associar a esta matriz A uma TL 0 1 que depende de A e das bases e dadas, isto , TA : R2 R2 com e T (v) = TA (v). x Sejam v = (x, y) e X = [v] = . Ento a y AX = 2 0 0 1 x y = 2x y = [TA (v)] .

Logo TA (v) = 2x(1, 1) + y(1, 1) = (2x y, 2x + y). De um modo geral, xadas as bases = {v1 , . . . , vn } e a11 . . . a1m . . podemos associar a . = {w1 , . . . , wm }, ` matriz A = . a . . am1 . . . amn aplicao TA : Rn Rm (v ca TA (v)).

UNIVATES Centro Universitrio a x1 . a Seja X = [v] = . . Ento . xn a11 . . . a1n . . . AX = . . . am1 . . . amn x1 . = . . xn y1 . . . . ym

165

Portanto, TA (v) = y1 w1 + . . . + ym wm , onde yi = Ai X e Ai a i-sima e e linha de A. Em geral, uma matriz Amn vista como uma transformao linear e ca TA : Rn Rm em relao `s bases cannicas de Rn e Rm . ca a o 1 3 5 , = {(1, 0), (0, 1)} e 2 4 1 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}. Considere TA : R3 R2 . Seja x y . Ento X= a z Exemplo 10.5.1 Sejam A = 1 3 5 2 4 1 x y = z x 3y + 5z 2x + 4y z

AX = Portanto,

TA (x, y, z) = (x 3y + 5z)(1, 0) + (2x + 4y z)(0, 1) = = (x 3y + 5z, 2x + 4y z). Agora iremos encontrar a matriz associada a uma TL. Sejam T : V W linear, = {v1 , . . . , vn } base de V e = {w1 , . . . , wm } base de W . Ento T (v1 ), . . . , T (vn ) so vetores de W e portanto a a T (v1 ) = . . . a11 w1 + . . . + aim wm . . .

T (vn ) = an1 w1 + . . . + anm wm . A transposta da matriz de coecientes deste sistema, denotada por [T ] chamada matriz de T em relao `s bases e . e ca a a11 . . . an1 . . . [T ] = . = A. . . a1m . . . an,m
mn

Observe que T passa a ser a aplicao linear associada ` matriz A e bases ca a e , isto , T = TA . e

UNIVATES Centro Universitrio a Exemplo 10.5.2 Seja T : R3 R2 a transformao linear dada por ca T (x, y, z) = (2x + y z, 3x 2y + 4z). Sejam = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} e = {(1, 3), (1, 4)}. Procuremos [T ] . Temos: T (1, 1, 1) = (2, 5) = 3(1, 3) 1(1, 4) T (1, 1, 0) = (3, 1) = 11(1, 3) 8(1, 4) T (1, 0, 0) = (2, 3) = 5(1, 3) 3(1, 4). Ento [T ] = a 3 11 5 1 8 3 .

166

Observe que se xarmos outras bases e , teremos outra matriz para a transformao T . ca ca Exemplo 10.5.3 Para uma aplicao linear T como acima, sejam = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e = {(1, 0), (0, 1)}. Calculemos [T ] : T (1, 0, 0) = (2, 3) = 2(1, 0) + 3(0, 1) T (0, 1, 0) = (1, 2) = 1(1, 0) 2(0, 1) T (0, 0, 1) = (1, 4) = 1(1, 0) + 4(0, 1). Ento [T ] = a 2 1 1 3 2 4 .

ca Observao 10.5.4 Denota-se por [T ] a matriz de uma transformao ca m Rn em relao `s bases cannicas. linear T : R ca a o Notao: Tv = T (v) ca Exemplo 10.5.5 Seja T : V V dada por T (v) = v a aplicao idenca tidade. Sejam = {v1 , . . . , vn } e = {v1 , . . . , vn } bases de V . Ento a a11 . . . an1 . . = [I] . . [T ] = . . . a1n . . . ann Esta a matriz da aplicao identidade da base na base . e ca Exemplo 10.5.6 Dadas as bases = {(1, 1), (0, 1)} de R2 e = {(0, 3, 0), (1, 0, 0), (0, 1, 1)} de R3 encontremos a transformao li, ca 0 2 near T : R2 R3 cuja matriz [T ] = 1 0 . Temos: e 1 3 T (1, 1) = 0(0, 3, 0) 1(1, 0, 0) 1(0, 1, 1) = (1, 1, 1) T (0, 1) = 2(0, 3, 0) + 0(1, 0, 0) + 3(0, 1, 1) = (0, 9, 3). Note que os coecientes acima so as colunas de [T ] . a Devemos encontrar T (x, y). Para isto escrevemos (x, y) em relao ` ca a base : (x, y) = x(1, 1) + (y x)(0, 1). Aplicando T e usando a linearidade: T (x, y) = xT (1, 1) + (y x)T (0, 1) = x(1, 1, 1) + (y x)(0, 9, 3) = = (x, 9y 10x, 3y 4x).

UNIVATES Centro Universitrio a O resultado a seguir d o signicado da matriz de uma TL. a Teorema 10.5.7 Sejam V , W espaos vetoriais, base de V , base c de W e T : V W uma transformao linear. Ento, para todo v V , ca a vale: [T (v)] = [T ] [v] . prova: Faremos a prova no caso dim V = 2 e dim W = 3. O caso geral inteiramente anlogo. e a Sejam = {v1 , 2 } base de V , = {w1 , w2 , w3 } base de W e v y1 a11 a12 x1 e [T v] = y2 . [T ] = a21 a22 . Sejam ainda v V e [v] = x2 y3 a31 a32 Da matriz [T ] sabemos que T v1 = a11 w1 + a21 w2 + a31 w3 T v2 = a12 w1 + a22 w2 + a32 w3 . Alm disso, v = x1 v1 + x2 v2 e, como T linear, e e T v = x1 T v1 +x2 T v2 = (a11 x1 +a12 x2 )w1 +(a21 x1 +a22 x2 )w2 +(a31 x1 +a32 x2 )w3 . Mas, T v = y1 w1 + y2 w2 + y3 w3 e, pela unicidade: y1 = a11 x1 + a12 x2 y2 = a21 x1 + a22 x2 y3 = a31 x1 + a32 x2 , y1 a11 a12 x1 ou seja, y2 = a21 a22 . Isto , [T v] = [T ] [v] . e x2 y3 a31 a32 Atravs deste teorema, o estudo de TL entre espaos vetoriais de die c menso nita reduzido ao estudo de matrizes. a e Exemplo 10.5.8 Seja a transformao linear T : R2 R3 dada por ca 1 1 1 , onde = {(1, 0), (0, 1)} base de R2 , [T ] = 0 e 2 3 = {(1, 0, 1), (2, 0, 1), (0, 1, 0} base de R3 . e 2 Qual a imagem de v = (2, 3) pela aplicao T ? Ora, [v] = e ca . 3 5 1 1 2 1 = 3 , ou seja, Portanto, [T v] = [T ] [v] = 0 3 13 2 3 T v = 5(1, 0, 1) 3(2, 0, 1) 13(0, 1, 0) = (11, 13, 2). Teorema 10.5.9 Seja T : V W uma TL e sejam e bases de V e W , respectivamente. Ento a dim Im(T ) = posto de [T ] , e dim ker(T ) = nulidade de [T ] = no colunas posto de [T ] .

167

UNIVATES Centro Universitrio a Teorema 10.5.10 Sejam T1 : V W e T2 : W U transformaes co lineares e , , bases de V , W e U , respectivamente. Ento a composta de a T1 com T2 , T2 T1 : V U , linear e e [T2 T1 ] = [T2 ] [T1 ] . prova: Basta analisar o que ocorre nas bases. Exemplo 10.5.11 Consideremos uma expanso do plano R2 dada por a T1 (x, y) = 2(x, y), e um cisalhamento dado por T2 (x, y) = (x + 2y, y), aplicados nesta ordem. As matrizes (em relao ` base cannica , do R2 ) das ca a o 1 2 2 0 e [T2 ] = . Ento a matriz (em relao ` a ca a TL so [T1 ] = a 0 1 0 2 base cannica do R2 ) que representa a expanso seguida do cisalhamento o a e 1 2 2 0 2 4 [T2 T1 ] = = . 0 1 0 2 0 2 Exemplo 10.5.12 Sejam T1 , T2 transformaes lineares, T1 : R2 R3 , co 1 0 0 1 1 T2 : R3 R2 dadas por: [T1 ] = 1 1 e [T2 ] = , em 0 0 0 0 1 relao `s bases = {(1, 0), (0, 2)}, = {( 1 , 0, 3), (1, 1, 15), (2, 0, 5)} e ca a 3 = {(2, 0), (1, 1)}. Qual a TL composta T2 T1 : R2 R2 , ou seja, (T2 T1 )(x, y)? e 1 0 0 1 1 1 2 Ora, [T2 T1 ] = [T2 ] [T1 ] = 1 1 = . 0 0 0 0 0 0 1 Escrevemos agora as coordenadas do vetor (x, y) em relao ` base : ca a x [(x, y)] = y . Assim,
2

168

Soluo: ca

[(T2 T1 )(x, y)] = [T2 T1 ] [(x, y)] =

1 2 0 0

x
y 2

xy 0

Portanto, (T2 T1 )(x, y) = (x y)(2, 0) + 0(1, 1) = (2x 2y, 0). Corolrio 10.5.13 Se T : V W uma TL invert (T um isoa e vel e morsmo) e e so as bases de V e W , ento T 1 : W V um a a e operador linear e [T 1 ] = ([T ] )1 . prova: Ora, [I] = [T 1 T ] = [T 1 ] [T ] . Corolrio 10.5.14 Sejam T : V W uma TL e e bases de V e a W . Ento T invert se, e somente se, det[T ] = 0. a e vel

UNIVATES Centro Universitrio a Exemplo 10.5.15 Seja T : R2 R2 uma TL dada por [T ] = 3 4 , onde a base cannica de R2 . Como det[T ] = 1 = 0, o Coe o 2 3 rolrio 10.5.14 arma que T invert a e vel. Pelo Corolrio 10.5.13, sabemos a que 1 3 4 3 4 1 1 [T ] = ([T ] ) = = . Ento a 2 3 2 3 [T 1 (x, y)] = [T 1 ] ) x 3 4 = y 2 3 1 (x, y) = (3x 4y, 2x + 3y). seja, T x y = 3x 4y 2x + 3y , ou

169

Se T : V W uma TL, , so bases de V e , so bases de W , e a a e [T ] : ento podemos relacionar as matrizes [T ] a Corolrio 10.5.16 [T ] = [I T I] = [I] [T ] [I] . a Caso particular: se T : V V uma TL e e so bases de V , ento e a a [T ] = [I T I] = [I] [T ] [I] . Lembrando que [I] = ([I] )1 e

chamando [I] = A, vem que [T ] = A [T ] A1 . Dizemos neste caso que

[T ] e [T ] so semelhantes. a Pelo corolrio anterior, observamos atravs de mudanas convenientes a e c de bases qual a modicao que a matriz de uma TL sofre. ca Exemplo 10.5.17 Seja a transformao linear T :R3 R3 cuja matriz ca 2 4 4 em relaao ` base cannica [T ] = 1 2 1 . Calculemos a matriz c a o e 3 6 5 desta TL em relao ` base = {(0, 1, 1), (1, 0, 1), (1, 1, ca a 1)}. 0 1 1 Ora, [T ] = [I] [T ] [I] , onde [I] = 1 0 1 e 1 1 1 1 2 1 1 0 0 [I] = 0 1 1 . Ento [T ] = 0 2 2 . a 1 1 1 0 0 0 Questo: Dada uma TL, h algum procedimento prtico para se calcua a a lar uma base em que a matriz desta TL seja a mais simples poss vel? No percam a resposta, nos prximos cap a o tulos!!!

10.6

Aplicaes ` Optica co a

Consideremos aqui o caso de um feixe de luz de raios paralelos (cuja direo pode, portanto, ser dada por um vetor) que se reete em espelhos ca planos. Analisemos inicialmente a propagao no R2 , como o espelho colocado ca no eixo horizontal. Dado um raio de luz incidente na direo do vetor (a, b), perguntamos: ca em que direo (c, d) estar o raio reetido? ca a

UNIVATES Centro Universitrio a

T

170

& ~ &

&

&

& b &

(c, d)

(a, b) Figura 10.8: Reexo de um raio de luz em espelho plano horizontal a

R O raio de luz incidente, a normal ao espelho no ponto de incidncia e e R O ngulo entre o raio incidente e a normal ao espelho o mesmo que a e R Supondo que o espelho perfeito, i.e., no h absoro de luz, a luz e a a ca
se reete com a mesma intensidade que tinha na incidncia. e Neste 1o caso, as propagaes j se do no mesmo plano. Se o comco a a primento do vetor indicar a intensidade da luz, o 3o item acima indica que o vetor reetido ter o mesmo tamanho que o incidente. Estes resultados, a junto com o 2o item acima, implicam que c = a e d = b ou, em forma de c 1 0 a matriz, = . Podemos concluir, portanto, que um d 0 1 b espelho atua sobre os raios luminosos como uma transformao linear E (j ca a hav amos visto isto anteriormente). Passemos agora a estudar qual a matriz associada a um espelho numa e posio formando um ngulo com a horizontal. ca a Podemos fazer este caso cair na situao anterior considerando uma muca dana de base. c Tomamos a base = {e1 , e2 } onde e1 = (cos , sin ) est na direo de a ca x (espelho) e e2 = (cos( 2 + ), sin( 2 + )) = ( sin , cos ) est na direo a ca normal ao espelho. 1 0 Em relao a esta base, [E] = ca . Portanto, em relao ` base ca a 0 1 cannica temos (verique, calculando [I] , [I]can ): o can cos 2 sin 2 [E]can = [I] [E] [I]can = e, portanto, can can sin 2 cos 2 c d = cos 2 sin 2 sin 2 cos 2 a b . o ngulo entre a normal e o raio reetido; a o raio reetido esto no mesmo plano; a

Recordemos nossas aulas de F sica:

UNIVATES Centro Universitrio a y y

o T

171

(c, d)
f w reetido f

incidente

& f & f & & f & f && f ~ & & & & & ~ & (a, b)

espelho & x b

Figura 10.9: Reexo de um raio de luz em espelho plano com inclinao a ca A matriz [E]can poderia ser obtida diretamente simplesmente observando can o que a TL (espelho) faz nos vetores da base cannica (raios luminosos na o direo do eixo OX e do eixo OY . ca Note que ao colocarmos as componentes dos vetores reetidos em coluna obteremos a mesma matriz que antes (ver mais detalhes em [4]). Como podemos tratar o problema em que hajam vrios espelhos e, cona seqentemente, reexes sucessivas? u o Simplesmente pela composio das TL associadas a cada espelho na orca dem em que ocorrem as reexes. o ca Exemplo 10.6.1 Considere um feixe de luz se propagando na direo do vetor (1, 1) e reetindo nos espelhos da gura abaixo.
T

espelho 1 (1, 1) (c, d)  0

d  %  d d 6

5 6

espelho 2

Figura 10.10: Reexo de um raio de luz em dois espelhos planos a

UNIVATES Centro Universitrio a Em que direo estar o feixe aps as reexes? ca a o o Soluo ca Basta utilizar a matriz obtida acima com = para a 1a reexo e a 6 a 5 = 6 para a 2 reexo. Temos ento (verique!): a a c d =
1 2

172

3 2

23 1 2

1 2 3 2

3 2 1 2

1 1

1+ 3 2 1 3 2

Conclu mos, ento, que o feixe estar na direo de a a ca

1 3 1 3 , 2 2

O mesmo racioc poder ser feito quando estamos com espelhos planos nio a no espao. c Se tivermos 3 espelhos colocados 2 a 2 perpendiculares (como no canto de uma sala e no piso, ou no teto...), qualquer feixe de luz de raios paralelos que incide sobre o conjunto sair paralelo ` direo de incidncia aps as a a ca e o reexes. o De fato, as matrizes associadas a cada espelho podem ser obtidas observando o que ele faz com cada um dos vetores da base cannica. o

 C 

$ W $$

$$ (a, b, c)

II

$ c$$

X $ $ (d, e, f )

III

Figura 10.11: Reexo de um raio de luz em trs espelhos planos no espao a e c Obtemos, ento: a 1 0 0 1 0 0 1 0 0 M1 = 0 1 0 , M2 = 0 1 0 e M3 = 0 1 0 0 0 1 0 0 1 0 0 1 para os espelhos I, II e III, respectivamente. Se o feixe de luz incidente est na direo (a, b, c), ento a direo do a ca a ca feixe reetido pelo conjunto ser a a a a d e = M3 M2 M1 b = b = b . c c c f

UNIVATES Centro Universitrio a O mesmo resultado ser obtido se as reexes forem em outra ordem a o (M2 M3 M1 , M1 M2 M3 , etc.). Conclu mos que a direo de sa paralela e ca da e contrria ` de entrada. a a A reexo da luz (ou som) feita em espelhos no planos no descrita a a a e por TL. Aguarde, nos prximos cap o tulos, exemplos de espelhos no planos. a
H I C T GR A N E

173

Cap tulo 11

Desigualdades Lineares

efere-se ao Cap tulo 11 de [16], pginas 63 a 70. a

H I C T GR A N E

174

Cap tulo 12

Variedades Lineares, Conjuntos Convexos e Programao Linear ca

12.1 Introduo ca

m problema de otimizao envolve maximizar ou minimizar ca uma funo restrita a certas condies. Estamos sempre interessados em ca co minimizar custos, maximizar lucro, rendimento, etc. A programao lica near permite a resoluo destes problemas no caso espec ca co em que as funes a serem analisadas so funes ans e as restries so dadas por co a co co a desigualdades lineares (regies poliedrais convexas) . o Trabalharemos aqui de uma maneira mais conceitual e geomtrica. Para e uma anlise mais algor a tmica e programvel, ver [4]. a Os resultados de conjuntos convexos e programao linear comearam a ca c ser organizados no nal do sculo passado e in deste sculo, a partir dos e cio e trabalhos de matemticos como H. Minkowski, A. Haar, H. Weyl. A partir a dos anos 40 houve um rpido desenvolvimento dessa rea, principalmente a a em relao aos algoritmos para programar e resolver problemas aplicados ca com muitas variveis. a A programao linear difundiu-se muito nos ultimos anos, por se tratar ca de uma tcnica simples e, embora referindo-se a problemas espec e cos, muitos problemas do cotidiano podem ser resolvidos segundo esta linguagem. Costuma-se dizer, tambm, que a programao linear um tpico da Pese ca e o quisa Operacional, a qual contm outros subtpicos como a Teoria das Filas, e o a Simulao, a Teoria dos Jogos, a Programao Dinmica, o PERT/COM, ca ca a etc. Estudos estat sticos tm mostrado que a programao linear hoje e ca e uma das tcnicas mais utilizadas da Pesquisa Operacional. E comum vere mos aplicaes de programao linear fazendo parte de rotinas dirias de co ca a 180

UNIVATES Centro Universitrio a planejamento das mais variadas empresas, tanto nas que possuem uma sosticada equipe de planejamento como nas que simplesmente adquiriram um software para alguma funo de planejamento. ca Podemos conceituar a programao linear do seguinte modo: ca E uma tcnica de otimizao e ca

181

R a R E uma ferramenta utilizada para encontrar o lucro mximo ou custo

Aplicaes co

m nimo em situaes nas quais temos diversas alternativas de escolha co sujeitas a algum tipo de restrio ou regulamentao. ca ca

12.2

Na prtica a programao linear tem sido aplicada em reas to diversas a ca a a como mostram os exemplos seguintes: Alimentao: que alimentos as pessoas (ou animais) devem utilizar, ca de modo que o custo seja m nimo e os mesmos possuam os nutrientes nas quantidades adequadas, e que tambm atendem a outros requisie tos, tais como variedades entre as refeies, aspecto, gosto, etc.? co Rotas de Transportes: qual deve ser o roteiro de transporte de ve culos de carga de modo que entreguem toda a carga no menor tempo e no menor custo total? ca Manufaturas: qual deve ser a composio de produtos a serem fabricados por uma empresa de modo que se atinja o lucro mximo, a sendo respeitadas as limitaes ou exigncias do mercado comprador co e e a capacidade de produo da fbrica? ca a e Siderurgia: quais minrios devem ser carregados no alto-forno de modo a se produzir, ao menor custo, uma liga de ao dentro de deterc minadas especializaes de elementos qu co micos? o o Petrleo: qual deve ser a mistura de petrleo a ser enviada para uma torre de craqueamento para produzir seus derivados (gasolina, leo, o etc.) a um custo m nimo? Os petrleos so de diversas procedncias o a e e possuem composies diferentes. co Agricultura: que alimentos devem ser plantados de modo que o lucro seja mximo e sejam respeitadas as caracter a sticas do solo, do mercado comprador e dos equipamentos dispon veis? Carteira de Investimentos: quais as aes devem compor uma carco teira de investimentos de modo que o lucro seja mximo e sejam resa peitadas as previses de lucratividade e as restries governamentais? o co Minerao: em que seqncia deve-se lavrar blocos de minrio abaixo ca ue e do solo, dados sua composio, posicionamento e custos de extrao? ca ca Localizao Industrial: onde devem ser localizadas as fbricas e ca a os depsitos de um novo empreendimento industrial de modo que os o custos de entrega do produto aos varejistas sejam minimizados?

UNIVATES Centro Universitrio a

182

12.3

Tpicos da Programao Linear o ca

Na Programao Linear, tanto a funo objetivo como as restries so ca ca co a equaes/inequaes lineares (de primeiro grau) e os resultados para as co co variveis do modelo so valores reais (cont a a nuos). A Programao Linear ca pode ser dividida nos seguintes tpicos: o Programao Cont ca nua: quando os resultados para as variveis do a modelo so valores reais (cont a nuos); Programao Estruturada: o modelo unitrio (uma fbrica, ou um ca a a produto, ou uma unidade de tempo) se replica (multi-fbricas, multia produtos, ou multi-per odos); Programao Inteira (PI): as variveis somente admitem solues ca a co inteiras; Programao Inteira Mista (PIM): podemos ter tanto variveis ca a de solues inteiras como cont co nuas. Dentre os tpicos acima, a Programao Cont o ca nua a que historicamente e tem sido mais intensamente utilizada. Modelos recentes, todavia, tm exe plorado bastante os outros tpicos, o que tem ocasionado um reaquecimento o do uso da Programao Linear nas empresas. ca

12.4

Metodologia de Resoluo ca

Diante de um problema de Programao Linear, consideramos as seguinca tes orientaes para resolv-lo: co e 1. Estabelecemos a funo objetivo, isto , a funo que queremos maxica e ca mizar ou minimizar; 2. Transformamos as restries impostas no problema num sistema de co inequaes lineares; co 3. Traamos o grco do pol c a gono convexo correspondente a essas restries, determinando as coordenadas dos vrtices; co e 4. Calculamos os valores da funo objetivo em cada um dos vrtices; ca e 5. O maior desses valores o mximo e o menor o m e a e nimo da funo ca objetivo; 6. Voltamos ao problema e damos a sua soluo. ca

12.5

Conjuntos Convexos

As noes abordadas a seguir caracterizam regies convexas especiais. O co o conceito de variedade linear de um espao vetorial algo que abrange seus c e subespaos e as translaes destes. c co

UNIVATES Centro Universitrio a Denio 12.5.1 Um subconjunto A de um e.v. V uma variedade ca e linear de V se existe um subespao W de V e um vetor v0 de V, tal que: c A = {v V; v = v0 + w para w W}. Notao: A = v0 + W ca Observao 12.5.2 Se v0 = 0, ento A no um subespao. ca a a e c Denio 12.5.3 Denimos dimenso de A, e denotamos dimA, a ca a dimenso de W. a

183

12.5.1

Exemplos

Exemplo 12.5.4 Uma reta (passando pela origem ou no) uma varia e edade linear de dimenso 1 no R2 . a
T

A v0 

E q

vA
E

wW

Figura 12.1: Variedade linear Exemplo 12.5.5 Um ponto do plano uma variedade linear de die menso zero. a Exemplo 12.5.6 Todo subespao , em particular, uma variedade lic e near (v0 = 0). Exemplo 12.5.7 Se um sistema de equaes lineares poss co e vel, seu conjunto-soluo uma variedade linear de dimenso igual ao grau de liberca e a dade do sistema (verique!). Vamos agora apresentar um problema que nos guiar nos itens a seguir. a Exemplo 12.5.8 Suponhamos que um agricultor queira adubar a sua plantao e disponha de dois tipos de adubo. O primeiro contm 3g de fsforo ca e o (P), 1g de nitrognio (N) e 8g de potssio (K), e custa $10, 00u.m./kg. O e a segundo tipo contm 2g de fsforo, 3g de nitrognio e 2g de potssio, e e o e a custa $8, 00u.m./kg. Sabemos que 1 quilograma de adubo d para 10m2 de a terra, e que o solo em que esto suas plantaoes necessita de pelo menos a c 3g de fsforo, 1, 5g de nitrognio e 4g de potssio a cada 10m2 . Quanto o o e a agricultor deve comprar de cada adubo, para cada 10m2 de terra, de modo a conseguir ter o m nimo custo?

UNIVATES Centro Universitrio a Resoluo ca Tipo A (x) 3 1 8 Custo 10u.m. Tipo B (y) 2 3 2 Custo 8u.m. Necessidades m nimas de adubo 3 1, 5 4

184

P N K

Tabela 12.1: Quantidades de nutrientes por tipo de adubo Sejam x e y as quantidades de kg de adubo dos tipos A e B, respectivamente. Obviamente, x e y no podem assumir qualquer valor, uma vez que a devemos ter x 0 e y 0. Ademais, x kg do tipo A fornece 3x g de P , enquanto que y kg do tipo B fornece 2y g de P . Ento, se usarmos x kg a de A e y kg de B, estaremos adicionando 3x + 2y gramas e, pela exigncia e m nima do solo, devemos ter 3x + 2y 3. Analogamente, para o nitrognio e o potssio deveremos ter x + 3y 1, 5 e e a 8x + 2y 4. Ento os valores de x e y devem satisfazer simultaneamente: a x 0, y 0, 3x + 2y 3, x + 3y 1, 5, 8x + 2y 4. Faamos o grco das quantidades x (como abscissa) e y (como ordec a nada):
T

P1 w P2
y w x E

P3

P4

Figura 12.2: Quantidades de adubo em funo dos nutrientes ca

UNIVATES Centro Universitrio a

6 3 (Obtemos P1 (0, 2), P2 1 , 5 , P3 6 , 14 , P4 3 , 0 .) Isto , para que os e 5 7 2 valores de x e y satisfaam simultaneamente todas as desigualdades, o ponto c (x, y) deve estar na regio hachurada da gura 12.5.1. a Alm disso, queremos que o custo dado pela funo e ca

185

f (x, y) = 10x + 8y seja m nimo, isto , estamos procurando na regio hachurada qual o ponto e a e (x, y) no qual f (x, y) tem o menor valor. Temos C = 10x + 8y, ou seja, y = 5 x C . Isto d uma fam de retas. Traamos ento retas paralelas a lia c a 4 8 e vemos qual a que intersecciona algum vrtice ideal. O ponto ideal P3 . e e Substitu mos em f e calculamos C = 144 . 14 Para resolver isto, precisamos estudar um pouco mais as propriedades de conjuntos como a regio hachurada acima, e das funes do tipo f (x, y). a co Neste n vel, vamos apenas testar os vrtices na funo objetivo para e ca vericar qual o ideal. e Denio 12.5.9 Sejam A e B dois pontos do Rn . O segmento de ca extremos A e B o conjunto AB de pontos Rn , dado por: e AB = {(1 t)A + tB; 0 t 1}.

R Para t = 0 corresponde o ponto A; R Para t = 1 corresponde o ponto B; R Para qualquer ponto P do segmento
0 t1 1 e P = (1 t1 )A + t1 B.

Observao 12.5.10 Em relao ` denio 12.5.9, temos: ca ca a ca

AB, existe t1 R tal que

Exemplo 12.5.11 Sejam A = (1, 2) e B = (3, 1) em R2 . Dado o ponto P = ( 7 , 0) sobre o segmento, podemos escrever 3 7 2 2 ( , 0) = (1 )(1, 2) + (3, 1), 3 3 3 ou seja, t = 2 tal que 0 t 1, de modo que P = (1 t)A + tB. Por outro 3 lado, se tomarmos t1 , tal que 0 t1 1, por exemplo t1 = 1 , e zermos 2 P1 = (1 t1 )A + t1 B = (2, 1), vericamos (faa isto!) facilmente que P1 est sobre o segmento AB. c a Denio 12.5.12 Um subconjunto S do Rn chamado convexo se ca e para quaisquer dois pontos A e B de S o segmento AB est inteiramente a contido em S. A gura seguinte exemplica um caso particular de conjunto convexo e de conjunto no convexo. a

UNIVATES Centro Universitrio a

T

186

convexo e
~ E

no convexo a e

Figura 12.3: Conjuntos convexos e no convexos a Teorema 12.5.13 A interseco de conjuntos convexos um conjunto ca e convexo. prova: Sejam S1 e S2 dois conjuntos convexos. Precisamos mostrar que se A e B so dois pontos quaisquer de S1 S2 , ento AB S1 S2 . Mas, a a se A, B S1 S2 , ento A, B S1 e como S1 convexo, AB S1 . Analoa e gamente, mostra-se que AB S2 . Como AB est contido simultaneamente a e em S1 e em S2 , segue que AB S1 S2 . Portanto S1 S2 convexo. Denio 12.5.14 Uma regio poliedral convexa fechada em Rn ca a uma intersecao de uma quantidade nita de semi-espaos fechados 1 do e c c n. R a e Observao 12.5.15 Toda regio poliedral convexa um conjunto conca vexo.

Denio 12.5.16 Um conjunto A Rn dito limitado se existica e rem constantes ki , i = 1, . . . , n tais que, se (x1 , . . . , xn ) A ento xi ki , a i = 1, . . . , n.

No entraremos em detalhes sobre semi-espaos fechados, nem tampouco hiperplanos. a c Apenas vale lembrar um resultado que diz que um semi-espao fechado convexo. O aluno c e interessado pode pesquisar em [4] ou [13].

UNIVATES Centro Universitrio a

T

187

limitada e

no limitada e a

Figura 12.4: Conjuntos limitados e no limitados a Observao 12.5.17 ca regio poliedral convexa, procuramos pontos especiais os a vrtices. Na regio poliedral convexa do exemplo 12.5.8, eles so e a a os pontos (verique na gura 12.5.1!) 1 6 6 3 3 P1 = (0, 2), P2 = ( , ), P3 = ( , ), e P4 = ( , 0). 5 5 7 14 2

R Numa

R Note que estes pontos so dados por interseco de duas retas que a ca
denem os semi-espaos. Assim, o ponto P2 dado pela soluo do c e ca sistema 3x + 2y 3 = 0 8x + 2y 4 = 0.
3 2)

R Note, porm, que o ponto (0, e

que soluo do sistema e ca

3x + 2y 3 = 0 x = 0 no pertence ` regio hachurada. a a a Este comentrio nos leva a: a Denio 12.5.18 Dada uma regio poliedral convexa fechada do Rn ca a (determinada por um sistema de inequaes lineares), os vrtices dessa co e regio so os pontos da regio que satisfazem um dos poss a a a veis sistemas de n equaes lineares independentes, obtidas substituindo-se as desigualdades co por igualdades. Observao 12.5.19 Depois de resolver um sistema, a m de verica car se o ponto est na regio, testamos para ver se ele satisfaz todas as a a desigualdades.

UNIVATES Centro Universitrio a

188

12.5.2

Caracterizao Geomtrica dos Vrtices ca e e

Os vrtices denidos algebricamenteem 12.5.18 so os pontos extree a mos da regio poliedral convexa. Isto signica que eles so os pontos da a a regio que no esto contidos no interiorde nenhum segmento contido na a a a regio. Formalmente: a Proposio 12.5.20 P vrtice de uma regio poliedral convexa R se, ca e e a e somente se, P est num segmento AB R ento P = A ou P = B. a a prova: exerc (ver [4]). cio Exemplo 12.5.21 A regio hachurada a las desigualdades x y 3x + 2y x + 3y 8x + 2y 4. do exemplo 12.5.8 descrita pee 0 0 3 1, 5

Ao substituirmos por igualdades a tomarmos os sistemas de duas 5! equaes (por serem duas variveis), obtemos 10 = C5,2 = 2!3! sistemas. co a Dentre estes, determinaremos os vrtices, vericando quais satisfazem os e sistemas de inequaes que denem a regio. Neste caso, teremos apenas os co a pontos P1 , P2 , P3 e P4 nestas condies (Verique!). co Exemplo 12.5.22 Consideremos a regio poliedral convexa fechada de a R3 , dada pelo sistema de inequaes lineares: co x+y+z 3 yz 2 x 2y 1 x 0. Ento os poss a veis vrtices so dados pelos sistemas de trs equaes (por e a e co serem trs variveis) a e x+y+z = 3 y z = 2 (3, 1, 1) (est na regio, pois satisfaz todas a a x 2y = 1 as inequaes ) co yz = 2 x 2y = 1 (0, 1 , 5 ) (est na regio) a a 2 2 x = 0 x+y+z = 3 y z = 2 (0, 5 , 1 ) (est na regio) a a 2 2 x = 0 x+y+z = 3 x 2y = 1 (0, 1 , 7 ) (est na regio). a a 2 2 x = 0 Agora, em momentos de solido, faa o desenho da regio. a c a

UNIVATES Centro Universitrio a

189

12.6

Introduo ` Programao Linear ca a ca

A programao linear (PL) trata do problema espec ca co de: maximizar ou minimizar uma funo do tipo ca f (x1 , . . . , xn ) = a1 x1 + . . . + an xn + b, restrita a um subconjunto A poliedral convexo de Rn . Observao 12.6.1 Note que f : Rn R uma transformao ca e ca am, isto , f (x) = L(x) + b onde L uma transformao linear , b R. e e ca Para maiores detalhes, ver [9] ou [13]. Denio 12.6.2 Na linguagem de programao linear (PL), a funo ca ca ca f da observao 12.6.1 chamada funo objetivo (f.o.) e A denomica e ca e nada regio fact a vel. Exemplo 12.6.3 No exemplo 12.5.8, a f.o. dada por e f (x, y) = 10x + 8y e a regio fact a vel a regio hachurada A descrita e a por f = f , f = (10, 8): x y x y 3x + 2y x + 3y 8x + 2y 0 0 3 1, 5 4.

Nosso problema minimizar f restrita a A. e

12.6.1

Tpicos sobre Produto Interno o

Apresentaremos aqui apenas alguns conceitos bsicos sobre produto a interno, fundamentais para a compreenso da prxima subseco. Um a o ca estudo aprofundado pode ser feito atravs de [9] ou [13]. e Denio 12.6.4 Seja V um espao vetorial real. Um produto inca c terno sobre V uma funo que a cada par de vetores, v1 e v2 , associa um e ca nmero real, denotado < v1 , v2 >, satisfazendo as propriedades: u 1. < v, v > 0 para todo vetor v, e < v, v > = 0 se, e somente se, v = 0; 2. < v1 , v2 > = < v1 , v2 > para todo real ; 3. < v1 + v2 , v3 > = < v1 , v3 > + < v2 , v3 >; 4. < v1 , v2 > = < v2 , v1 >. Exemplo 12.6.5 O produto escalar usual de vetores de R3 . Para v = (x1 , x2 , x3 ) e w = (y1 , y2 , y3 ): < v, w >= x1 y1 + x2 y2 + . . . + x3 y3 . De modo anlogo, pode-se denir o produto interno usual para o Rn . a

UNIVATES Centro Universitrio a O produto interno usado para caracterizar a noo de perpendiculae ca rismo ou ortogonalidade de vetores. Denio 12.6.6 Seja V um e.v. com produto interno <, >. Diz-se que ca dois vetores v e w V so ortogonais (em relao a este produto interno) a ca se < v, w >= 0. Neste caso, escrevemos v w. Propriedade 12.6.7 1. 0 v para todo v V; 2. v w w v; 3. Se v w para todo w V, ento v = 0; a 4. Se v1 w e v2 w, ento v1 + v2 w; a 5. Se v w e um escalar, v w. e prova: ver [4].

190

12.6.2

Mtodo Geomtrico e e

Voltemos ao exemplo 12.5.8. O procedimento que utilizaremos chae mado mtodo geomtrico de resoluo em PL. e e ca Vamos reescrever a f.o. acima, utilizando o produto interno usual do R2 . f (x, y) =< (10, 8), (x, y) >, c = (10, 8) denominado vetor gradiente e e x = (x, y). Observao 12.6.8 f constante nas retas perpendiculares ao vetor ca e c = (10, 8). De fato: uma reta perpendicular a c pode ser escrita na forma paramtrica2 do seguinte modo: e (x, y) = (x , y ) + (8, 10), ou seja, x = x + c , onde x = (x , y ) o vetor deslocamento que podee mos tomar na direo de c. Portanto, ca f (x, y) = = = = neste caso, cos = 1. Observao 12.6.9 Da observao 12.6.8 pode-se notar que f ser to ca ca a a menor quanto menor for o deslocamento x , ou seja, f (x, y) assume seu m nimo no ponto (ou pontos) da regio fact a vel que estiver na reta perpendicular a c, mais prximo da origem. No nosso exemplo, o ponto o e 3 ( 6 , 14 ) = P3 que um vrtice da regio fact e e a vel. 7
2

< c, x > = < c, x + c > = < c, x > = c x cos e,

Para maiores detalhes sobre parametrizaao de retas, ver [11]. c

UNIVATES Centro Universitrio a Exemplo 12.6.10 Uma fbrica produz dois tipos de geradores, tipo A e a tipo B, e cada um deles deve passar por duas mquinas, C e D. Para fazer a um gerador do tipo A, a mquina C deve trabalhar 2 horas e a mquina D a a deve trabalhar 4 horas. Para fazer uma unidade do tipo B, as mquinas C e a D devem trabalhar respectivamente, 4 e 2 horas. As mquinas podem trabaa lhar 24 horas por dia. Sabe-se que a fbrica tem um lucro de $3000, 00u.m. a por um gerador do tipo A e um lucro de $5000, 00u.m. por um do tipo B. Alm disso, ela vende toda a sua produo. Sendo assim, perguntamos: e ca quantos geradores de cada tipo a fbrica deve produzir, para que seu lucro a seja mximo? a Resoluo ca Chamemos x a quantidade do tipo A e y do tipo B. Se so fabricados x a geradores do tipo A, o tempo gasto pela mquina C 2x, e se so fabricados a e a y geradores do tipo B, o tempo gasto pela mquina C 4y, ou seja, o tempo a e total usado pela mquina C 2x + 4y, que deve ser menor que 24 horas. a e Analogamente, temos uma restrio para a mquina D. Ento: ca a a x 0 y 0 2x + 4y 24 4x + 2y 24 que nos fornece a gura abaixo.
T

191

4x + 2y = 24

(4, 4)

2x + 4y = 24
E

Figura 12.5: Regio fact a vel Os vrtices so (0, 0), (6, 0), (4, 4) e (0, 6). A funo que queremos mae a ca ximizar a funo lucro: e ca f (x, y) = 3000x + 5000y. Use o mtodo geomtrico descrito no exemplo anterior para determinar o e e mximo de f , observando que, para obter o mximo, voc deve caminhar a a e

UNIVATES Centro Universitrio a na regio por retas perpendiculares ao vetor gradiente da f.o. e no mesmo a sentido dele. Tipos de Soluo ca Baseado no mtodo geomtrico, j poss e e a e vel intuir vrios tipos de a soluo de problemas de programao linear de duas variveis. ca ca a Vamos considerar todos os tipos poss veis de regies poliedrais cono vexas no R2 e pesquisar os mximos e m a nimos de uma funo ca f (x, y) = ax + by + c.

192

R Regies ilimitadas sem vrtices (tipo 1); o e R Regies ilimitadas com vrtices (tipo 2); o e R Regio limitada (portanto, com pelo menos trs vrtices) (tipo 3); a e e R Casos degenerados (reta, semi-reta, segmento, ponto) (tipo 4).
T T

R1
E

R2
E

R3
T

R4
E

C B R5 AE Figura 12.6: Classicao de regies fact ca o veis Podemos observar que a funo f denida acima pode: ca a a a R Assumir mnimo em toda reta e no assumir mximo (R ), ou no
1

R No assumir nem mximo nem mnimo (R ), ou assumir mnimo nos a a

3

assumir mximo nem m a nimo (R2 ) em regies do tipo 1; o

vrtices A e B, portanto assumir m e nimo em todo o segmento AB e no assumir mximo (R4 ), em regies do tipo 2; a a o

UNIVATES Centro Universitrio a

193

R Assumir mnimo no vrtice A e mximo no vrtice C, em regies do e a e o R No assumir nem mximo nem mnimo (reta), assumir mximo no a a a
Resoluo de Problemas para n-Variveis ca a Na prtica, dif trabalhar com o procedimento geomtrico para quaa e cil e tro ou mais variveis. Mas esta noo de procurar mximo e m a ca a nimos da funo objetivo por uma varredura de hiperplanos perpendiculares ao graca diente nos permite intuit dois fatos cruciais na programao linear. ca tipo 3 (R5 ); vrtice e no assumir m e a nimo (semi-reta), assumi m nimo num vrtice e e mximo no outro (segmento), ou ter o valor mximo igual ao valor a a m nimo e igual a f (A) (ponto), em regies do tipo 4. o

R A funo objetivo assume necessariamente um valor mximo e um ca a R Os

12.6.3
valor m nimo quando a regio convexa (fact a vel) for limitada; vrtices desempenham um papel fundamental na procura de e mximos e m a nimos para a funo objetivo. ca

Observao 12.6.11 ca

Teorema Fundamental da PL

Lema 12.6.12 Sejam f (x1 , . . . , xn ) = a1 x1 + . . . + an xn + b e P um ponto interior a um segmento AB do Rn , isto , P = A + (1 )B, e 0 < < 1. Ento teremos f (A) f (P ) f (B) ou f (B) f (P ) f (A). a prova: ver [4], pg. 368. a Observao 12.6.13 O lema 12.6.12 nos diz que os valores extremos ca de uma funo am so assumidos nos pontos extremos dos segmentos. ca a Lema 12.6.14 Seja f (x1 , . . . , xn ) = a1 x1 + . . . + an xn + b. Se dentre os valores que f assumir num segmento AB do Rn , o valor mximo a (m nimo) for assumido num ponto P do interior deste segmento, ento f a ser constante em AB. a prova: exerc cio. Teorema 12.6.15 (Teorema Fundamental da Programao Lica near) Seja f (x1 , . . . , xn ) = a1 x1 + . . . + an xn + b denida numa regio poliea dral convexa A do Rn . Suponha que f assuma um valor mximo (m a nimo) nesta regio. Ento, se A possui vrtice(s), este valor mximo (m a a e a nimo) ser assumido num vrtice. a e prova: ver [4], pginas 369, 370. a Observao 12.6.16 O teorema 12.6.15 permite, nos casos em que, ca pela natureza da funcco, j sabemos que ela assume mximo (m a a a nimo) encontr-lo apenas determinando seus valores nos vrtices da regio poliedral a e a convexa.

UNIVATES Centro Universitrio a Regies Limitadas o Quando a regio A for limitada, teremos necessariamente mximo e a a m nimo, para qualquer funo objetivo. Para mostrar este fato, recorreca mos soluo geomtrica dos problemas de PL. Note que, ao varrermos o a ca e n por hiperplanos perpendiculares ao vetor gradiente da f.o., sempre toR caremos a regio A uma primeira e uma ultima vez. Ademais, uma regio a a poliedral convexa limitada claramente possui vrtices (por qu?). Isto nos e e permite reescrever o teorema fundamental da PL para este caso: Teorema 12.6.17 Seja f (x1 , . . . , xn ) = a1 x1 + . . . + an xn + b denida numa regio poliedral convexa limitada A. Ento f assume seus valores a a mximo e m a nimo nos vrtices de A. e

194

12.6.4

Concluso a

Tanto a determinao de vrtices (resoluo de sistema lineares) quanto ca e ca o clculo da f.o. nestes so poss a a veis atravs de algoritmos e de programao e ca para calculadoras, microcomputadores e computadores. O mais conhecido o mtodo simplex. O aluno interessado pode pesquisar mais sobre este e e mtodo em [4] ou [20]. E poss que estes assuntos sejam novamente abore vel dados num curso de Clculo Numrico. At la a e e !

12.7

Exerc cios Aplicao ca

de

Fixao ca

Problemas

de

Exerc cio 12.7.1 (Um problema de dieta) Para manter a sua sade, uma pessoa necessita preencher certos requisitos m u nimos de consumo dirio de diversos tipos de nutrientes. Suponhamos, por simplicidade, a que apenas trs tipos de nutrientes sejam necessrios: clcio, prote e cae a a na lorias. Alm disso, suponhamos tambm que a dieta da pessoa em questo e e a consista em apenas dois alimentos, I e II, cujos preos e contedos nuc u tritivos so mostrados na tabela abaixo, onde tambm listamos o requisito a e m nimo dirio de cada nutriente. a Alimento I (por Kg) R$0, 60 10 5 2 Alimento II (por Kg) R$1, 00 4 5 6 Requisito m nimo dirio a 20 20 12

Preo c Clcio a Prote na Calorias

Qual a combinao dos dois alimentos que satisfaz o requisito dirio e ca a gera o custo m nimo? Exerc cio 12.7.2 (Problema de produo) Uma rma produz duas ca linhas de produtos, I e II, com uma planta que contm trs departamentos e e de produo: corte, mistura e embalagem. ca

UNIVATES Centro Universitrio a O equipamento em cada departamento pode ser operado 8 horas por dia; portanto, podemos considerar as 8 horas como a capacidade diria de cada a departamento. O processo de produo pode ser resumido da seguinte maneira: O proca duto I primeiro cortado, e ento embalado. Cada tonelada desse produto e a 1 consome 1 hora da capacidade de corte e 3 de hora da capacidade de embala2 gem. O produto II primeiro misturado e, ento, embalado. Cada tonelada e a deste produto consome 1 hora da capacidade de mistura e 2 de hora da 3 capacidade de embalagem. Os produtos I e II so vendidos aos preos de a c R$80, 00 e R$60, 00 por tonelada, respectivamente. Mas, deduzindo os custos variveis, eles geram R$40, 00 e R$30, 00 l a quidos por tonelada. Estes ultimos valores podem ser considerados como receitas l quidas (deduzidos os custos variveis) ou lucros brutos (inclu a dos os custos xos). Para simplicar, referir-nos-emos a eles como lucros por tonelada. Que combinao de n ca veis de produo a rma deve escolher para maxica mizar o lucro total? Exerc cio 12.7.3 Dois produtos P e Q contm as vitaminas A, B e C e em quantidades indicadas na tabela. A ultima coluna indica a quantidade m nima necessria de cada vitamina para uma alimentao sadia, e a ultima a ca la indica o preo de cada produto por unidade. c P 3 3 2 3 Q 1 4 7 2 12 30 28

195

A B C

Que quantidade de cada produto deve conter uma dieta para que proporcione uma alimentao sadia com o m ca nimo de custo? Exerc cio 12.7.4 Um comerciante vende dois tipos de artigos, A e B. Na venda do artigo A tem um lucro de 20 u.m por unidade e na venda do artigo B, um lucro de 30 u.m.. Em seu depsito s cabem 100 artigos e o o sabe-se que por compromissos j assumidos vender pelo menos 15 artigos a a do tipo A e 25 do tipo B. O distribuidor pode entregar ao comerciante, no mximo, 60 artigos A e 50 artigos B. a Quantos artigos de cada tipo dever o comerciante encomendar ao disa tribuidor para que, supondo que os venda todos, obtenha o lucro mximo? a Exerc cio 12.7.5 (Problema de transporte) Uma rma comercial tem 40 unidades de mercadoria no depsito I e 50 unidades no depsito o o II. Deve enviar 30 unidades ao cliente A e 40 ao cliente B. Os gastos de transporte, por unidade de mercadoria, esto indicados no esquema a seguir. a

UNIVATES Centro Universitrio a

'$ E

196

10 I 40

30

14

12
& & &

&

&

& & & & & &

&

&

&% & b &

~ '$

II

50

&

40

&%

15

De que maneira deve enviar estas mercadorias para que o gasto com o transporte seja m nimo? Exerc cio 12.7.6 Uma companhia dispe de um mximo de o a 2400, 00 u.m. para fazer propaganda de seus produtos atravs da telee viso ou de um jornal dirio. Cada hora da televiso custa 400, 00 u.m. e a a a cada pgina do jornal custa 300, 00 u.m.. A audio de televiso alcana a ca a c 120000 pessoas e a pgina do jornal lida por 80000 pessoas. Os diretores a e da companhia exigem que se utilizem pelo menos 2 horas de televiso e 1 a pgina do jornal. a Como deve distribuir a companhia o resto do dinheiro dedicado ` propaa ganda para atingir o nmero mximo de pessoas? u a Exerc cio 12.7.7 Uma fbrica manufatura dois produtos, cada um rea querendo o uso de 3 mquinas. A primeira mquina pode ser usada no a a mximo 70 horas; a segunda mquina, no mximo 40 horas; e a terceira a a a mquina, no mximo 90 horas. O primeiro produto requer 2 horas na a a mquina I, 1 hora na mquina II e 1 hora na mquina III. O segundo proa a a duto requer 1 hora em cada uma das mquinas I e II e 3 horas na mquina a a III. Se o lucro de 40, 00 u.m. para o primeiro produto e 60, 00 u.m. para e o segundo produto, quantas unidades de cada produto deveriam ser manufaturadas para tornar o lucro mximo? a nimo, Exerc cio 12.7.8 Suponhamos que uma pessoa necessite, no m de 60 unidades de carboidratos, 40 unidades de prote e 35 unidades de na gordura por ms. O alimento A contm 5, 3 e 5 unidades de carboidratos, e e prote nas e gordura, respectivamente, por quilo. O alimento B contm 2, 2 e e 1 unidade de carboidratos, prote nas e gordura, respectivamente, por quilo. Se A custa 1, 50 u.m. por quilo e B custa 0, 70 u.m. por quilo, quantos quilos de cada alimento deveriam ser comprados por ms para minimizar o custo, e atendendo `s necessidades m a nimas?

UNIVATES Centro Universitrio a Exerc cio 12.7.9 Uma fbrica de computadores produz dois modelos de a computador: A e B. O modelo A fornece um lucro de R$180, 00 e B de R$300, 00. O modelo A requer, na sua produo, um gabinete pequeno e ca uma unidade de disco. O modelo B, requer um gabinete grande e duas unidades de disco. Existem no estoque 60 unidades do gabinete pequeno, 50 do gabinete grande e 120 unidades de disco. Qual deve ser a produo que ca maximiza o lucro? Exerc cio 12.7.10 Um fazendeiro est estudando a diviso de sua proa a priedade nas seguintes atividades produtivas: A (Arrendamento) - destinar certa quantidade de alqueires para a plantao de cana-de-aucar a uma usina local que se encarrega da ativica c dade, e paga pelo aluguel da terra R$300, 00 por alqueire por ano; P (Pecuria) - usar outra parte para a criao de gado de corte. A rea ca cuperao das pastagens requer adubao (100 Kg por alqueire) e irrigao ca ca ca (100.000 litros de gua por alqueire) por ano. O lucro estimado nessa ativia dade de R$400, 00 por alqueire por ano; e S (Plantio de soja) - usar uma terceira parte para o plantio de soja. Essa cultura requer 200 Kg por alqueire de adubos e 200.000 litros de gua a por alqueire para irrigao por ano. O lucro estimado nesta atividade de ca e R$500, 00 por alqueire no ano. Disponibilidade de recursos por ano: 12.750.000 litros de gua, a 14.000 Kg de adubo e 100 alqueires de terra. Quantos alqueires dever a destinar a cada atividade para proporcionar o melhor retorno? o Exerc cio 12.7.11 Uma renaria de petrleo deseja encontrar a maneira tima de cumprir um contrato de fornecimento de gasolina de aviao o ca e gasolina comum. Segundo este contrato, deve-se fornecer diariamente um m nimo de 1000 barris de gasolina de aviao e 2000 barris de gasolina coca mum. A unidade que se responsabilizar pela entrega tem uma capacidade a mxima de produo de 10000 barris por dia, indistintamente. As gasolinas a ca devem ser transportadas at seus depsitos, cujas distncias da unidade so e o a a 10 km e 30 km, respectivamente. A capacidade mxima de transporte da a renaria de 186.000 barris por quilmetro. Sabendo-se que a gasolina de e o aviao d um lucro de R$1, 00 e a comum R$2, 00, pede-se o esquema de ca a produo que maximiza o lucro da renaria com relaao ao citado contrato. ca c Exerc cio 12.7.12 Um sapateiro faz 6 sapatos por hora (se zer somente sapatos), e 5 cintos por hora (se zer somente cintos). Ele gasta 2 unidades de couro para fabricar uma unidade de sapato e uma unidade de couro para fabricar uma unidade de cinto. Sabendo-se que o total dispon vel de couro de 6 unidades e que o lucro unitrio por sapato de 5 u.m. e o do e a e cinto de 2 u.m., pede-se: o modelo do sistema de produo do sapateiro, e ca se o objetivo maximizar seu lucro por hora. e Exerc cio 12.7.13 Certa empresa fabrica 2 produtos A e B. O lucro por unidade de A de 100 u.m. e o lucro unitrio de B de 150 u.m.. e a e A empresa necessita de 2 horas para fabricar uma unidade de A e 3 horas para fabricar uma unidade de B. O tempo mensal dispon vel para essas

197

UNIVATES Centro Universitrio a atividades de 120 horas. As demandas esperadas para os dois produtos e levaram a empresa a decidir que os montantes produzidos por A e B no a devem ultrapassar 40 unidades de A e 30 unidades de B por ms. Construa e o modelo do sistema de produo mensal com o objetivo de maximizar o ca lucro da empresa. Exerc cio 12.7.14 Um vendedor de frutas pode transportar 800 caixas de frutas para a sua regio de vendas. Ele necessita transportar 200 caixas a de laranjas a 20 u.m. de lucro por caixa, pelo menos 100 caixas de pssegos a e 10 u.m. de lucro por caixa, e no mximo 200 caixas de tangerinas a 30 u.m. a de lucro por caixa. De que forma dever ele carregar o caminho para obter a a o lucro mximo? a Exerc cio 12.7.15 Uma rede de televiso local tem o seguinte problema: a foi descoberto que o programa A com 20 minutos de msica e 1 minuto de u propaganda chama a ateno de 30000 telespestadores, enquanto o programa ca B, com 10 minutos de msica e 1 minuto de propaganda chama a ateno de u ca 10000 telespectadores. No decorrer de uma semana, o patrocinador insiste no uso de, no m nimo, 5 minutos para sua propaganda e que no h verba a a para mais de 80 minutos de msica. u Quantas vezes por semana cada programa deve ser levado ao ar para atingir o nmero mximo de telespectadores? u a Exerc cio 12.7.16 Uma empresa fabrica 2 modelos de cintos de couro. O modelo I, de melhor qualidade, requer o dobro do tempo de fabricaao em c relao ao modelo II. Se todos os cintos fossem do modelo II, a empresa ca poderia produzir 1.000 unidades por dia. A disponibilidade de couro permite fabricar 800 cintos de ambos os modelos por dia. Os cintos empregam velas diferentes, cuja disponibilidade diria de 400 para o modelo I e 700 para a e o modelo II. Os lucros unitrios so de R$4, 00 para o modelo I e R$3, 00 a a para o II. Qual o programa timo de produo que maximiza o lucro total dirio o ca a da empresa? Exerc cio 12.7.17 Um fabricante de jias fabrica apenas brincos e coo lares. Ele tem um lucro de R$45, 00 em cada brinco e R$80, 00 em cada colar vendido. Supe-se que devido ` forte demanda destes itens consiga-se vender o a toda a produo da fbrica. Mas, a produo da rma limitada por dois ca a ca e aspectos: em cada brinco utiliza-se 5 unidades de ouro. Da mesma forma, cada colar produzido utiliza 20 unidades de ouro. Dispomos um total de 400 unidades de ouro. Cada brinco produzido gasta 10 homens-hora e cada colar gasta 15 homens-hora. Dispomos de um total de 450 homens-hora. O objetivo do fabricante descobrir qual a quantidade tima de brincos e colares e o a serem fabricados, de tal modo que o lucro total seja o maior poss vel.

198

UNIVATES Centro Universitrio a

199

12.8
12.7.1 12.7.2

Respostas Cap tulo

dos

Principais

Exerc cios

do

(3, 1): C = 0, 6x + 1y, 10x + 4y 20, 5x + 5y 20, 2x + 6y 12; fomin (3, 1) = 2, 80 (16, 4): so C5,2 = 10 sistemas com 2 equaes cada. Temos a co C M E 2 I 1/2 0 1/3 , I 0, II 0, 1 I + 3 II 8 (embalagem), 3 II 0 1 2/3 II 8 (mistura), 1 I 8 (corte), L(I, II) = 40I + 30II. Apenas 5 2 pontos esto na regio a a (2, 6): C(P, Q) = 3P + 2Q. Apenas 4 pontos esto na regio, a a C(2, 6) = 18 (50, 50): x unidades de A, y unidades de B, L(x, y) = 20x + 30y, x + y 100, x 60, y 50, x 15, y 25. Apenas 5 pontos esto a na regio a O gasto m nimo se obter enviando 30 unidades de mercadoria de I a a A, 10 de I a B, 30 de II a B e nenhuma de II a A. De fato, por I: x + y 40, por II: z + w 50, por A: x + z = 30 donde z = 30 x, por B: y + w = 40 donde w = 40 y. Ento simplicando: x + y 40, a (30 x) + (40 y) 50 (i.e., x + y 20), x 0, y 0, z 0, w 0. O gasto G(x, y, z, w) = 10x + 14y + 12z + 15w ou, simplicando, e G(x, y) = 960 2x y. H somente 5 pontos na regio a a
21 4 ,1

12.7.3 12.7.4

12.7.5

12.7.6

: T 2, J 1, 400T + 300J 2400, N = 12000T + 8000J A 2 1 1 B 1 1 3 A 5 3 5 70 40 90 B 2 2 1 60 40 35

12.7.7

produto M1 (15, 25): L = 40A + 60B, M2 M3

12.7.8

carboidratos (10, 5): C = 1, 5x + 0, 70y, prote nas gorduras L(60, 30) = 19800: L = 180A + 300B

12.7.9 12.7.10 12.7.11 12.7.12

LT = 300x + 400y + 500z, y + 2z 140, 10y + 20z 1275, x + y + z 100, x 0, y 0, z 0 L = 1av + 2com, av 1000, com 2000, av + com 10000, 10av + 30com 186000 O sapateiro faz 1 calado em 10 minutos, e 1 cinto em 12 minutos. c sapato cinto rendimento 10 12 60 , L = 5x + 2y couro 2 1 6

UNIVATES Centro Universitrio a 12.7.13 12.7.14 (15, 30): L = 100x + 150y (400, 200): L = 20 l +10p + 30t = 4000 + 10p + 30t, p 100, t 200, p + t 600 12.7.15 12.7.16 12.7.17
=200

200

(3, 2): 30000x + 10000y (200, 600): L = 4x +3y, 2x+y 1000, x+y 800, x 400, y 700 (24, 14): sejam x =brinco e y =colar, L = 45x + 80y, 5x + 20y 400, 10x + 15y 450
H I C T GR A N E

Cap tulo 13

Curvas Cnicas o

A
13.1

s curvas cnicas so obtidas atravs da interseo de um plano e o a e ca um cone de revoluo. Dependendo da maneira com ocorre esta interseo, ca ca podemos obter as seguintes curvas: elipse, parbola, hiprbole ou um simples a e ponto.

A Elipse

e Denio 13.1.1 Elipse uma curva plana descrita por um ponto P ca que se desloca de modo que a soma de suas distncias a dois pontos a xos F1 e F2 permanece constante igual a 2a, onde a>c= dist(F1 , F2 ) : 2 ||P F1 || + ||P F2 || = 2a .

Elementos da elipse: F1 , F2 : focos ||F1 F2 || = 2c: distncia focal a B1 B2 , tal que B1 B2 A1 A2 no ponto mdio: eixo menor e ||B1 B2 || = 2b O = A1 A2 B1 B2 : centro A1 , A2 , B1 , B2 : vrtices e A1 A2 : eixo maior (contm os focos) e ||A1 A2 || = 2a 201

UNIVATES Centro Universitrio a 0<e=

c a

202

< 1: excentricidade

Observe que, como a a metade do eixo maior, b a metade do eixo e e menor, e c a metade da distncia focal, segue que a2 = b2 + c2 . Logo e a a2 b2 e= . a
B1 4 3 2 1 F1 0 -1 -2 -3 -4 -6 -4 -2 0 B2 2 4 6 A1 c F2 E EA2 b T

13.1.1
a)

Equao Reduzida da Elipse com Centro na Origem ca e Focos sobre os Eixos Coordenados

Focos sobre o Eixo OX: F1 = (c, 0), F2 = (c, 0), A1 = (a, 0), A2 = (a, 0), B1 = (0, b), B2 = (0, b) Seja P = (x, y) R2 . Ento P ponto da elipse a e ||P F1 || + ||P F2 || = 2a (c x)2 + (y)2 + (c x)2 + (y)2 = 2a (c x)2 + (y)2 = 2a (c x)2 + (y)2 c2 + 2cx + x2 + y 2 = 4a2 4a (c x)2 + y 2 + c2 2cx + x2 + y 2 4a (c x)2 + y 2 = 4a2 4cx a2 (c2 2cx + x2 + y 2 ) = a4 2a2 cx + c2 x2 a2 x2 c2 x2 + a2 y 2 = a4 a2 c2 (a2 c2 )x2 + a2 y 2 = a2 (a2 c2 ) (como a > c e a2 = b2 + c2 ) 2 2 b2 x2 + a2 y 2 = a2 b2 x2 + y2 = 1. a b

Sendo assim, a equao reduzida da elipse com centro na origem e ca semi-eixos a (semi-eixo maior) e b dada por: e
x2 a2

y2 b2

=1.

UNIVATES Centro Universitrio a b) Focos sobre o Eixo OY : F1 = (0, c), F2 = (0, c), A1 = (0, a), A2 = (0, a), B1 = (b, 0), B2 = (b, 0)
5 4 3 2 1 0 -1 -2 -3 -4 -5 -10 -5 A1 0 5 10 F1 y ' B1 x E B2 F2 x y A2T

203

Considere a seguinte mudana de varivel nos eixos coordenados: sec a jam x = y e y = x. Ento em relao ao sistema de eixos coa ca ordenados x y a elipse tem seu eixo maior em OX , e seu eixo menor em OY . Pelo item anterior, a equao da elipse dada por: ca e (x )2 (y )2 + b2 = 1. Substituindo as variveis e efetuando os clculos, a a a2 obtemos que a equao reduzida da elipse com centro na origem e ca semi-eixos a e b dada por: e
x2 b2

y2 a2

=1.

Exerc cio 13.1.2 Determine a equao da elipse de centro na origem, ca sabendo que: 1. O eixo maior mede 8 cm e os focos so F = (3, 0) e F = (3, 0); a 2. O eixo maior mede 20 cm, o comprimento do eixo menor igual ` e a distncia focal e os focos esto sobre o eixo OY ; a a

3. Passa pelos pontos

2 2 ,1

3 2 2 , 2

13.1.2
a)

Equao da Elipse Cujos Eixos so Paralelos aos Eixos ca a Coordenados

Eixo Maior Paralelo ao Eixo OX: o centro da elipse dado por e O = (h, k). Efetuando a mudana de varivel nos eixos coordenados c a (translao de eixos) x = x h, y = y k, obtemos a equao ca ca (x )2 (y )2 + b2 = 1. Substituindo x e y obtemos a equao reduzida da ca a2

UNIVATES Centro Universitrio a elipse com centro no ponto O = (h, k) e eixo maior paralelo ao eixo OX:
(xh)2 a2

204

(yk)2 b2

= 1.

b)

(x )2 b2

Eixo Maior Paralelo ao Eixo OY : analogamente, temos que )2 + (y 2 = 1. Portanto, a equao reduzida em questo dada por: ca a e a
(xh)2 b2

(yk)2 a2

= 1.

Exerc cio 13.1.3 Determine a equao da elipse tal que: ca 1. Os focos so os pontos F1 = (1, 3) e F2 = (5, 3), e o eixo maior mede a 10 cm; 2. O eixo maior tem extremos A1 = (2, 3) e A2 = (2, 5), e a excentricidade 3 . e 4 Exerc cio 13.1.4 Determine as coordenadas do centro e dos focos da elipse de equaao 4x2 + 9y 2 8x 36y + 4 = 0. c

13.1.3

Posio Relativa entre Reta e Elipse ca

Existem trs posies relativas entre uma reta r e uma elipse, a saber: e co 1. r exterior ` elipse: r elipse = ; e a 2. r tangente ` elipse: r elipse = {0}; e a 3. r secante ` elipse: r elipse = {P, Q} e a Exemplo 13.1.5 Determine a equao da elipse tangente ` reta r dada ca a por r: x + 4y 10 = 0 e que passa pelo ponto A = (4, 1), sabendo que seus eixos esto contidos nos eixos coordenados. a Soluo ca 2 x2 A equao da elipse dada por a2 + y2 = 1. Como A elipse, segue ca e b 16 que a2 + b1 = 1. Donde 16b2 + a2 = a2 b2 . 2
2 2

Por outro lado, r: x = 104y. Sendo assim, r elipse: (104y) + y2 = 1. a2 b O que implica em b2 (10080y+16y 2 )+a2 y 2 = a2 b2 . Ou seja, (16b2 +a2 )y 2 80b2 y + (100b2 a2 b2 ) = 0. Vimos acima que a2 b2 = 16b2 + a2 . Ento temos a 2 y 2 80y + (100 a2 ) = 0. que a Como r tangente ` elipse, devemos ter = 0 na equao acima, i.e., e a ca a4 100a2 + 1600 = 0, donde a2 = 80 ou a2 = 20. Portanto, b2 = 5 ou 4 b2 = 5. 2 2 2 2 Finalmente, as equaes das elipses so x + y5 = 1 ou x + y5 = 1. co a 80 20
4

e e Observao 13.1.6 A circunferncia uma elipse em que os focos coinca cidem com o centro e a excentricidade nula. e

UNIVATES Centro Universitrio a Exemplo 13.1.7 Dada a circunferncia de equao x2 + y 2 = 9, poe ca 2 2 demos escrever a equao reduzida da elipse como x + y9 = 1. Logo, ca 9 a2 = b2 = 9; a = b = 3. Segue que c2 = a2 b2 = 0, donde c = 0. Assim, os c focos so F1 = F2 = 0, e a excentrididade dada por e = a = 0 = 0. a e 3

205

13.2

A Parbola a

Denio 13.2.1 Parbola o lugar geomtrico dos pontos do plano ca a e e que so equidistantes de um ponto F e de uma reta d, i.e. P = (x, y) um a e ponto da parbola se, e somente se, d(P, F ) = d(P, d). a
8 6 4 2 0 -2 -4 -6 -8 -10 -5 0 5 10 d F

Os elementos da parbola so os seguintes: a a F : foco; d: diretriz; r d, F r: eixo de simetria; V r, d(V, d) = d(V, F ): vrtice; e d(F, d) = p: parmetro a

13.2.1

Equao Reduzida da Parbola com Vrtice na Orica a e gem e Foco sobre um dos Eixos Coordenados

1. Foco sobre o Eixo OX: (a) Equao Reduzida da Parbola com Vrtice na Origem ca a e e Foco sobre o Eixo OX, x > 0: F = p , 0 , d: x = p . Seja 2 2 P = (x, y) R2 e seja M = p , y d (note que yd = yP ). 2

UNIVATES Centro Universitrio a Ento P um ponto da parbola se, e somente se, a e a d(P, F ) = d(P, d) ||P F || = ||P M ||
p2 4 p 2

206

+ y2 =

px + x2 + y 2 =

p2 4

p x 2

+ 02

+ px + x2

y 2 = 2px .

(b) Equao Reduzida da Parbola com Vrtice na Origem ca a e e Foco sobre o Eixo OX, x < 0: F = p , 0 , d: x = p , 2 2 M = p , y . Faamos a mudana de varivel nos eixos coordenac c a 2 dos: x = x, y = y. Ento em relao ao sistema x y a equao a ca ca 2 = 2px . Donde y 2 = 2px . da parbola dada por (y ) a e 2. Foco sobre o Eixo OY : (a) Equao Reduzida da Parbola com Vrtice na Origem ca a e e Foco sobre o Eixo OY , y > 0: F = 0, p , d: y = p , 2 2 M = x, p . Faamos a mudana de varivel nos eixos coordec c a 2 nados: x = y, y = x. Ento (y )2 = 2px , donde x2 = 2py . a (b) Equao Reduzida da Parbola com Vrtice na Origem ca a e e Foco sobre o Eixo OY , y < 0: F = 0, p , d: y = p , 2 2 c c a M = x, p . Faamos a mudana de varivel nos eixos coordena2 dos: x = y, y = x. Ento (y )2 = 2px , donde x2 = 2py . a Ento: a
100

50

-50

-100 -10

-5

10

Exerc cio 13.2.2 Determine a equao da parbola com vrtice na orica a e gem, sabendo que: 1. O foco o ponto F = (0, 3); e

UNIVATES Centro Universitrio a 2. A diretriz a reta d: 2x 3 = 0; e 3. O eixo de simetria o eixo OY e ela contm o ponto P = (2, 3). e e

207

13.2.2

Equao Reduzida da Parbola Cujo Eixo de Simetria ca a Paralelo a um dos Eixos Coordenados e

1. Eixo de Simetria Paralelo ao Eixo OX: faamos a mudana de c c varivel nos eixos coordenados: x = xh, y = y k, onde V = (h, k) a o vrtice da parbola. Ento temos que e e a a (a) Eixo de Simetria Paralelo ao Eixo OX, x > h: (y )2 = 2px , donde (y k)2 = 2p(x h) . (b) Eixo de Simetria Paralelo ao Eixo OX, x < h: (y )2 = 2px , donde (y k)2 = 2p(x h) . 2. Eixo de Simetria Paralelo ao Eixo OY : faamos a mudana de c c varivel nos eixos coordenados: x = xh, y = y k, onde V = (h, k) a o vrtice da parbola. Ento temos que e e a a (a) Eixo de Simetria Paralelo ao Eixo OY , y > k: (x )2 = 2py , donde (x h)2 = 2p(y k) . (b) Eixo de Simetria Paralelo ao Eixo OY , y < k: (x )2 = 2py , donde (x h)2 = 2p(y k) . Exerc cio 13.2.3 Determine a equao da parbola cujo eixo de simeca a tria paralelo a um dos eixos coordenados e: e 1. O foco o ponto F = (4, 2) e o vrtice V = (2, 2); e e e e e 2. O foco o ponto F = (1, 3) e a diretriz a reta d: x 7 = 0. Exerc cio 13.2.4 Determine as coordenadas do vrtice e o parmetro e a das parbolas: a 1. y 2 6y 12x 15 = 0; 2. x2 2x y 3 = 0.

13.2.3

Posio Relativa entre Reta e Parbola ca a

Existem trs posies relativas entre uma reta r e uma parbola, a saber: e co a A reta r secante ` parbola; e a a A reta r tangente ` parbola; e a a e a a A reta r exterior ` parbola. Exemplo 13.2.5 Verique se a reta r: 5x y 15 = 0 tangente ` e a 2 = 5x. parbola y a

UNIVATES Centro Universitrio a Soluo ca y 2 = 5x Basta resolver o sistema . Por substituio, fcil ca e a 5x y = 15 obtermos 5x2 29x + 45 = 0. Calculando desta equao, resulta que ca = 225 900 < 0. Logo a reta exterior ` parbola. e a a

208

13.3

A Hiprbole e

Denio 13.3.1 Hiprbole o lugar geomtrico dos pontos do plano ca e e e cujo mdulo da diferena entre as distncias a dois pontos xos F1 o c a e F2 constante igual a 2a, onde a < c = dist(F1 ,F2 ) . Ou seja, e 2 ||P F1 || ||P F2 || = 2a.
15 10 5 0 -5 -10 -15 -10 A1 B2 r A2 s F2

B1 F1

-5

10

Elementos: F1 , F2 : focos; ||F1 F2 || = 2c: distncia focal; a O=

F1 +F2 2 :

centro;

e A1 , A2 : vrtices; A1 A2 : eixo transverso (||A1 A2 || = 2a); B1 B2 : eixo conjugado (||B1 B2 || = 2b, b = modo que c2 = a2 + b2 );
b b r, s: ass ntotas: y = a , y = a x;

c2 a2 , dene-se b de

e=

c a

> 1: excentricidade

UNIVATES Centro Universitrio a

209

13.3.1

Equao Reduzida da Hiprbole com Centro na Orica e gem e Focos sobre os Eixos

1. Focos sobre o Eixo OX: F1 = (c, 0), F2 = (c, 0), A1 = (a, 0), A2 = (a, 0), B1 = (0, b), B2 = (0, b). Seja P = (x, y) R2 . Ento a P um ponto da hiprbole se, e somente se, ||P F1 || ||P F2 || = 2a e e ||P F1 || ||P F2 || = 2a (c x)2 + (0 y)2 (c x)2 + (0 y)2 = 2a (c x)2 + y 2 = 2a + (c x)2 + y 2 c2 + 2cx + x2 + y 2 = 4a2 4a (c x)2 + y 2 + c2 2cx + x2 + y 2 4cx 4a2 = 4a (c x)2 + y 2 cx a2 = a (c x)2 + y 2 c2 x2 2a2 cx + a4 = a2 (c2 2cx + x2 + y 2 ) (c2 a2 )x2 a2 y 2 = a2 c2 a4 2a2 cx + 2a2 cx (como c2 = a2 + b2 ) b2 x2 a2 y 2 = a2 (c2 a2 ) b2 x2 a2 y 2 = a2 b2
x2 a2

y2 b2

=1.

2. Focos sobre o Eixo OY : F1 = (0, c), F2 = (0, c), A1 = (0, a), A2 = (0, a), B1 = (b, 0), B2 = (b, 0). Faamos a seguinte mudana c c de variveis nos eixos coordenados: x = y, y = x. Ento, em relao a a ca 2 2 ao sistema x y , a equao da hiprbole dada por (x 2) (y 2) = 1. ca e e a b Efetuando os clculos, obtemos: a
y2 a2

x2 b2

=1.

13.3.2

Equao Reduzida da Hiprbole Cujos Eixos so Paca e a ralelos aos Eixos Coordenados

1. Eixo Transverso Paralelo ao Eixo OX: seja O = (h, k) o centro da hiprbole. Ento fazendo a mudana de varivel nos eixos coordee a c a 2 2 nados: x = x h, y = y k, obtemos a equao x 2 y 2 = 1. Donde ca a b a equao da hiprbole dada por: ca e e
(xh)2 a2

(yk)2 b2

= 1 . Note que,

neste caso, F1 = (c + h, k), F2 = (c + h, k). 2. Eixo Transverso Paralelo ao Eixo OY : seja O = (h, k) o centro da hiprbole. Ento fazendo a mudana de varivel nos eixos coordee a c a 2 2 nados: x = x h, y = y k, obtemos a equao y 2 x 2 = 1. Donde ca a b a equao da hiprbole dada por: ca e e
(yk)2 a2

(xh)2 b2

= 1 . Note que,

neste caso, F1 = (h, c + k), F2 = (h, c + k). Exerc cio 13.3.2 Determine a equao da hiprbole cujos focos so os ca e a pontos F1 = (4, 0) e F2 = (4, 0), sabendo que o eixo conjugado mede 4 cm. Exerc cio 13.3.3 Determine a equao da hiprbole cujos focos so os ca e a pontos F1 = (2, 3) e F2 = (2, 5), e a excentricidade 2. e

UNIVATES Centro Universitrio a Exerc cio 13.3.4 Determine as coordenadas do centro e dos focos, e a medida dos semi-eixos das hiprboles: e 1. 9y 2 4x2 = 36; 2. 9x2 16y 2 54x 32y 79 = 0. Observao 13.3.5 Existe um tipo especial de hiprbole, chamada ca e hiprbole equiltera. Trata-se do caso particular em que a = b. Neste e a 2 2 2 c caso, e = a = a a+b = 2a = a a 2 = 2. a

210

13.3.3

Posio Relativa entre Reta e Hiprbole ca e

Sejam r uma reta e H uma hiprbole. Existem trs posies relativas e e co entre r e H: e a e A reta externa ` hiprbole: r H = ; A reta tangente ` hiprbole: r H = {T }; e a e A reta secante ` hiprbole: r H = {P, Q}. e a e Exemplo 13.3.6 Verique a posio relativa entre a reta r: xy+3 = 0 ca y2 x2 e a hiprbole de equao 12 3 = 1. e ca Soluo ca (x+3)2 De r: y = x + 3, obtemos 3 = 1. Donde x2 + 8x + 16 = 0. Como = 64 64 = 0, segue que a reta r tangente ` hiprbole. e a e Agora fcil ver que o ponto de tangncia T = (4, 1). e a e e
x2 12

13.4

Equaes de Cnicas com Eixo(s) No Paraco o a lelo(s) aos Eixos Coordenados

Quando o(s) eixo(s) no (so) paralelo(s) aos eixos coordenados, houve a e a uma rotaao de eixos: c Seja P um ponto do plano. Em relao ao sistema cannico de coordeca o nadas XOY , o ponto dado por P = (x, y). Por outro lado, considerando e um novo sistema de coordenadas X OY , rodado de um ngulo no sentido a anti-horrio, as coordenadas de P so dadas por P = (x , y ). Em relao a a a ca este sistema de eixos, podemos identicar o ponto P atravs de r e , onde e r = OP e o ngulo P OX . Sendo assim, fcil mostrar que x = r cos , e a e a y = r sin . Portanto, x = r cos( + ) = r cos cos r sin sin = x cos y sin , y = r sin( + ) = r sin cos + r sin cos = y cos + x sin . Como hav amos visto em cap tulos anteriores, a equao da rotao de ca ca um ngulo dada por: x = x cos y sin , y = x sin + y cos a e (note que estamos considerando a rotao do sistema X OY para o sistema ca XOY ).

UNIVATES Centro Universitrio a

T

211

Y


P Y
d s d

r
d d d d

E X

Da mesma forma, a rotao do sistema XOY para o sistema X OY ca (rotao de um ngulo ) dada por: x = x cos + y sin , y = x sin + ca a e y cos . x x cos sin Matricialmente: = e y sin cos y
R()

x y

cos sin sin cos

R

x . y

13.4.1

Exemplos

Exemplo 13.4.1 Encontre a equao da elipse cujos semi-eixos medem ca 5 cm e 4 cm, em relao ao sistema de coordenadas cartesianas ortogonais ca tal que: e 1. A origem o centro da elipse e o semi-eixo positivo das abscissas forma um ngulo de radianos com a reta focal; a 4 e a 2. O centro da elipse o ponto O = (6, 8) e a reta focal forma um ngulo de radianos com o semi-eixo positivo das abscissas. 6 Soluo ca 1. a = 5, b = 4,
(x )2 25 (y )2 16

+ x y

=1 x y
2

= R 4


Ento segue a equao a ca

(x+y)2 50

2 (x+y) 2

(yx)2 32

25

+ +

2 2 (x + y) 2 2 (y x)  2 2 (yx) 2 16

= 1, donde

= 1, ou seja,

41x2

41y 2

18xy 3200 = 0.

2. Analogamente, usando R , obtemos: 6 x y = R 6 x y =

1 2 (3x 1 2 ( 3y

+y ) x )

UNIVATES Centro Universitrio a Ento segue a equao 4 a ca + 4 25 16 zendo a mudana varivel x = x 6, y c de a 2 ( 3(x6)+(y8))2 + ( 3(y8)(x6)) = 1. 100 64
1

212
1

( 3x +y )2

( 3y x )2

= 1 donde, fa= y 8, obtemos

Exemplo 13.4.2 Determine a equao de uma hiprbole cujo eixo ca e transverso forma um ngulo de radianos com o semi-eixo positivo das a 3 abscissas, o semi-eixo transverso mede 5 cm, a distncia focal 14 cm e o a e centro o ponto O = (3, 4). e Soluo ca Sejam x = x 3, y = y 4. Como a = 5 e 2c = 14, segue que c = 7 e 2 2 2 = c2 a2 = 24. A equao dada por (x ) (y ) = 1. Ento a b ca e 25 24 x y =R
3

x y

1 2 (x 1 2 (y

+ 3y ) 3x )

3y Ento segue a equao (x +100 ) (y a ca 2 2 ((x3)+ 3(y4)) ((y4) 3(x3)) = 1. 100 96

3x )2 96

= 1, donde obtemos

Exemplo 13.4.3 Determine a equao da parbola cujo parmetro 8, ca a a e o vrtice o ponto V = (3, 2), a diretriz forma um ngulo de radianos e e a 3 com o semi0eixo positivo das abscissas e ela (a parbola) no intersecciona a a o eixo das ordenadas Soluo ca x y = R 3 x y =
1 2 (x 1 2 (y

+ 3y ) 3x )

Sejam x = x 3, y = y 2. Ento (x )2 = 2py = 16y , donde a 2 1 2 = 8(y 3y ) 3x ), ou seja, 1 (x 3) + 3(y 2) = 4 (x + 4 2 8 (y 2) 3(x 3) . Finalmente, a equao desejada ca e (x + 3y 3 2 3)2 = 32(y 3x + 3 3 2).

13.5

Aplicao das Translaes e Rotaes ao Esca co co tudo da Equao Geral do Segundo Grau a ca Duas Variveis a
(13.1)

Ax2 + Bxy + Cy 2 + Dx + Ey + F = 0, A2 + B 2 + C 2 = 0 Objetivo: Reconhecer a cnica e esboar seu grco. o c a

Observao 13.5.1 Observe que se B = 0, ento completa-se quadraca a dos; se B = 0, ento volta-se na rotaao. a c

UNIVATES Centro Universitrio a

T

213

Y


Y
d s d d

d d

E X

Precisamos descobrir um ngulo tal que aps a rotao a equao a o ca ca (13.1) que na forma A (x )2 + C (y )2 + D x + E y + F = 0. x x = R() y y em (13.1), obtemos uma equao ca Temos que = x cos y sin . Substituindo x sin + y cos

A (x )2 + B (x y ) + C (y )2 + D x + E y + F = 0, onde A = A cos2 + B sin cos + C sin2 ; B = 2A sin cos + B(cos2 sin2 ) + 2C sin cos ; C = A sin2 B sin cos + C cos2 ; D = D cos + E sin ; E = D sin + E cos ; F = F (o termo independente invariante por rotaes). e co Queremos que B = 0. Ora, B = 0 2A sin cos + B (cos2 sin2 ) +2C sin cos = 0 B cos 2 (A C) 2 sin cos = 0 B cos 2 (A C) sin 2 = 0 (A C) sin 2 = B cos 2. Agora temos duas possibilidades para a armao acima: ca Se A = C: ento B = 0 tan 2 = a
B AC ; sin 2 cos 2

Se A = C: ento B cos 2 = 0. Como B = 0 no termo em xy, segue a que cos 2 = 0, donde = . 4

UNIVATES Centro Universitrio a Lembremos que tan 2 =

2 tan 1tan2

214 .

Observao 13.5.2 Para qualquer R, B 2 4AC = (B )2 4A C , ca A + C = A + C so invariantes por rotaes. a co

13.5.1

Exemplos

Exemplo 13.5.3 Determine o menor ngulo positivo segundo o a qual devemos girar os eixos para que a nova equao da cnica ca o 5x2 + 4xy + 8y 2 36 = 0 no contenha termo misto. Determine a equao a ca reduzida da cnica. o Soluo ca B 2 tan A = 5, C = 8 e A = C. Ento tan 2 = 1tan2 = AC = 4 . Segue a 3 que 4 4 tan2 + 6 tan = 0, ou seja, tan = 2 (e = arctan 2) ou 1 tan = 2 (negativo). Para determinar a equao reduzida da cnica, considere ca o x x x cos y sin = R() = . Como tan = 2, segue que y y x sin + y cos sec2 = 1 + tan2 = 5, donde cos = 55 e sin = 2 5 5 . Substituindo estes valores na expresso matricial acima, e depois substituindo x e y na equao a ca (y )2 (x )2 e ca da cnica, obtemos 4 + 9 = 1, que a equao de uma elipse. o Exemplo 13.5.4 Desenhe a cnica 16x2 + 24xy + 9y 2 + 60x 80y = 0. o Soluo ca A = 16, B = 9 e A = B. Ento procedendo como antes, obtemos a tan = 3 ou tan = 4 . Para ns interessa o primeiro valor, donde o 4 3 3 = arctan 3 . Segue que cos = 4 e sin = 5 . Agora basta substituir na 4 5 equao matricial. ca Outro modo que pode ser prtico simplesmente calcular diretamente a e os valores de A , . . . , F segundo as expresses vistas anteriormente. o De qualquer modo, obtemos (x )2 = 4y , que a equao de uma e ca parbola. Deixamos ao leitor efetuar o desenho desta cnica. a o Exemplo 13.5.5 Determine os semi-eixos da cnica xy o
4.

2y = 2.

Soluo ca Como A = C = 0, ento = a Agora basta utilizar a equao matricial ca para obter (x 1)2 (y +1)2 = 4. Pelas mudanas de variveis: x = x 1, c a 2 2 y = y + 1, obtemos (x )2 (y )2 = 4, ou seja, (x4 ) (y 4 ) = 1, que a e equao de uma hiprbole equiltera de semi-eixos a = b = 2. ca e a Vamos agora determinar centro O : ora, x = y = 0 implicam em o 0, x = 1, y = 1, donde x = 2, y = 0. Logo O = ( 2, 0). Deixamos mais uma vez o desenho a cargo do leitor.

UNIVATES Centro Universitrio a

215

13.6

A Equao Geral do Segundo Grau a Duas ca Variveis e as Cnicas a o

A equao do 2o grau a duas variveis Ax2 +Bxy+Cy 2 +Dx+Ey+F = 0 ca a + B 2 + C 2 = 0) representa uma cnica. o Podemos fazer uma rotao de modo que a equao no contenha termo ca ca a misto, obtendo a equao A (x )2 + B x y + C (y )2 + D x + E y + F = 0, ca onde B = 0. Por conseqncia da observao 13.5.2, B = 0 B 2 4AC = 4A C , ue ca logo: (A2 1. B 2 4AC < 0 4A C < 0 A C > 0: elipse ou elipse degenerada (ponto ou ) equao do tipo el ca ptico; 2. B 2 4AC = 0 4A C = 0 A C = 0: parbola ou parbola a a degenerada (2 retas paralelas, 1 reta ou ) equao do tipo paca rablico; o 3. B 2 4AC > 0 4A C > 0 A C < 0: hiprbole ou hiprbole e e degenerada (2 retas concorrentes) equao do tipo hiperblico. ca o

13.6.1

Exemplos
2 2

Exemplo 13.6.1 x2 + y2 = 0: pode ser escrita como b2 x2 + a2 y 2 = 0, a b cuja soluo x = y = 0. Logo trata-se de um ponto (0, 0). ca e Como B 2 4AC = 0 4b2 a2 < 0, do tipo el e ptico. Exemplo 13.6.2 x2 + y2 = 1: esta equao pode ser escrita como ca a b 2 x2 + a2 y 2 + a2 b2 = 0, cuja soluo S = . b ca e Como B 2 4AC = 0 4b2 a2 < 0, do tipo el e ptico. Exemplo 13.6.3 y 2 4 = 0: B 2 4AC = 0 4 0 1 = 0. Logo do e tipo parablico. Como a soluao da equao y = 2, tratam-se de 2 retas o c ca e paralelas. ca Exemplo 13.6.4 x2 = 0: tem por soluo x = 0 (1 reta). Como B 2 4AC = 0, do tipo parablico. e o Exemplo 13.6.5 3x2 + 1 = 0: soluo S = e B 2 4AC = 0. Logo ca e do tipo parablico. o Exemplo 13.6.6 x2 y 2 = 0: soluo y = x (2 retas concorrentes), ca 2 4AC = 0 4 1 (1) = 4 > 0. Logo do tipo hiperblico. B e o Exerc cio 13.6.7 Classique as cnicas: o 1. 4x2 4xy + 7y 2 + 12x + 6y 9 = 0; 2. x2 4xy + 4y 2 6x + 12y + 8 = 0. Exerc cio 13.6.8 Mostre que as equaes denem cnicas degeneradas: co o 1. 9x2 + 4y 2 18x + 8y + 13 = 0; 2. x2 4xy + 3y 2 = 0
2 2

UNIVATES Centro Universitrio a

216

13.7
13.1.2 13.1.3 13.1.4 13.2.2 13.2.3 13.2.4 13.3.2 13.6.7 13.6.8

Respostas Cap tulo

1). 1).
x2 16

dos
2).
x2 50

Principais
y2 100

Exerc cios
+
y2 2

do

y2 7

= 1;
(y3)2 16

= 1;
2

3).

x2 1
2

=1

= 1; 2). (x2) + (y1) = 1 7 16 O = (1, 2), F1 = (1 5, 2), F2 = (1 + 5, 2) + 1). x2 = 12y; 2). y 2 = 6x; 3). x2 = 4 y 3

(x2)2 25

1). (y 2)2 = 24(x + 2); 2). (y 3)2 = 12(x 4) 1). V = (2, 3), p = 6;
x2 12

2). V = (1, 4), p =

2 x 12

1 2

y2 4

= 1, ass ntotas r: y = +
(y )2 3

e s: y = 2 x 12

1).

(x )2 8

= 1: elipse;

1 a 2). y = 5 : so 2 retas paralelas

1). 9(x 1)2 + 4(y + 1)2 = 0 o ponto (1, 1); e 2). Como (x a)(x b) = x2 (a + b)x + ab, fcil ver que a cnica e a o em questo tem equao (x y)(x 3y) = 0, done y = x ou y = x , a ca 3 que so duas retas concorrentes. a
H I C T GR A N E

Apndice A e

Artigos para Aprofundamento

A.1 Comparao dos Procedimentos para Resolca ver Sistemas Lineares

Baseia-se em H. Anton ([1]), pp. 321-326.

A.2

Algebra de Matrizes

Baseia-se em S.C. Bloch ([3]), pginas 80-89. a

A.3

Correlacin de Pares de Imagenes para Meo dicin de Slidos por Fenmenos Estereo o o o

Artigo de J, Snches ([31]), pginas 59-58. a a

A.4

Introduo ` Pesquisa Operacional ca a

Trata-se do Cap tulo 1 de C. Perin ([26]), pginas 1 a 11. a

A.5

Modelos

E o Cap tulo 2 de C. Perin ([26]), pginas 13 a 44. a

A.6

Espaos Vetoriais Introduo: Quadrados c ca Mgicos a

Baseia-se no livro de D. Poole ([27]), pginas 385-387. a

A.7

Compresso de Imagem Digital a

217

D. Poole ([27]), pginas 555-557. a

UNIVATES Centro Universitrio a

218

A.8

Investigao: Azulejos, Reticulados e a Resca trio Cristalogrca ca a

D. Poole ([27]), pginas 465-467. a

A.9

Investigao: A Fatorao LU ca ca

D. Poole ([27]), pginas 225-229. a

A.10

Cdigos Corretores de Erros o

D. Poole ([27]), pginas 215-224. a

A.11

Grafos e D grafos

D. Poole ([27]), pginas 210-214. a

A.12

Investigao: Pivotamento Parcial e Conca tagem de Operaes - Uma Introduo ` co ca a Anlise de Algoritmos a

D. Poole ([27]), pginas 82-85. a

A.13

Anlise de Redes a

D. Poole ([27]), pginas 100-113. a

A.14

Simulador de Circuitos

Correspondncia eletrnica enviada pelo Prof.Ms. R. Schaeer. e o

A.15

Vetores de Cdigo e Aritmtica Modular o e

D. Poole ([27]), pginas 47-54. a

A.16

Diagonalizao ca Seoes Cnicas c o

de

Formas

Quadrticas: a

H. Anton ([1]), pginas 313-321. a

A.17

A Rampa de Skate do Tempo M nimo

J.L.P. Mello, So Paulo, Revista do Professor de Matemtica (RPM) 59, a a (2006), pginas 9-15. a

UNIVATES Centro Universitrio a

219

A.18

Por Que as Antenas So Parablicas a o

E. Wagner, So Paulo, Revista do Professor de Matemtica (RPM) 33, a a (1997), pginas 10-15. a

A.19

A Hiprbole e os Telescpios e o

G. Avila, So Paulo, Revista do Professor de Matemtica (RPM) 34, a a (1997), pginas 22-27. a

A.20

A Sombra do Meu Abajur

J.P. Carneiro, So Paulo, Revista do Professor de Matemtica (RPM) a a 59, (2006), pginas 1-6. a

A.21

A Matemtica do GPS a

S. Alves, So Paulo, Revista do Professor de Matemtica (RPM) 59, a a (2006), pginas 17-26. a

A.22

Montando uma Dieta Alimentar com Sistemas Lineares

A.A.Dornelles Filho, So Paulo, Revista do Professor de Matemtica a a (RPM) 59, (2006), pginas 27-29. a

A.23

Resumo Sobre Cnicas o

Este material oriundo de uma montagem de textos de vrios autores, e a elaborado por M. Madalena Dullius

A.24

Um Brinquedo Chamado Espirgrafo o

L.N. de Andrade, So Paulo, Revista do Professor de Matemtica (RPM) a 60, (2006), pginas 24-29. a

Apndice B e

Autovalores e Vetores Prprios, Diagonalizao de o ca Operadores Lineares

B.1 Introduo ca

ada uma transformao linear de um espao vetorial nele mesmo, ca c T : V V , que vetores so levados neles mesmos via T ? Isto , dada T : a e V V , quais so os vetores v V tais que T (v) = v? (O vetor v, neste a caso, chamado de vetor xo). e Se A uma matriz n n e x um vetor do Rn , ento Ax tambm e e a e e um vetor no Rn , mas em geral no h nenhuma relao geomtrica simples a a ca e entre x e Ax. No entanto, esta relao existe no caso especial em que x um ca e vetor no-nulo e Ax um mltiplo escalar de x. Por exemplo, se A uma a e u e matriz 2 2 e se x um vetor no-nulo tal que Ax um mltiplo escalar e a e u de x, digamos, Ax = x, ento cada vetor na reta pela origem determinada a por x levado de volta ` mesma reta quando multiplicado por A. e a Vetores no-nulos que so levados em mltiplos escalares deles mesmos a a u por um operador linear aparecem naturalmente no estudo de vibraes e da co dinmica populacional, na gentica, na mecnica quntica e na economia, a e a a bem como na geometria. Neste cap tulo estudaremos tais vetores e suas aplicaes. co Exemplo B.1.1 Considere a aplicao identidade I: R2 R2 , onde ca I(x, y) = (x, y). Ento fcil ver que todo o espao R2 xo. a e a c e Exemplo B.1.2 Seja rx : R2 R2 dada por rx (x, y) = (x, y) a reexo no eixo OX. Matricialmente esta aplicao pode ser representada por a ca x 1 0 x . y 0 1 y 220

UNIVATES Centro Universitrio a Percebe-se que todo vetor pertencente ao eixo OX xo por rx . De fato: e 1 0 x x = , ou seja, rx (x, 0) = (x, 0). 0 1 0 0 x Ademais, so os unicos vetores xos, pois se a um vetor do R2 e y 1 0 x x x + 0y = x tal que = , ca mos no sistema ou 0 1 y y 0x y = y x = x , cuja unica soluo (x, 0) com x R. ca e y = y Exemplo B.1.3 Seja N : R2 R2 dada por N (x, y) = (0, 0) a aplicao nula. Ento o unico vetor xo o vetor nulo: N (0, 0) = (0, 0). ca a e

221

B.2

Sistemas Lineares da Forma Ax = x

Muitas aplicaes da Algebra Linear envolvem sistemas de n equaes co co lineares em n incgnitas que aparecem no formato o Ax = x, (B.1)

onde um escalar. Tais sistemas so, realmente, sistemas homogneos e a e disfarados, pois (B.1) podem ser reescritos como x Ax = 0 ou, inserindo c uma matriz identidade e fatorando, como (I A)x = 0. Exemplo B.2.1 O sistema linear crito em formato matricial como (B.2)

x1 + 3x2 = x1 pode ser es4x1 + 2x2 = x2 1 3 x1 x1 = que do e 4 2 x2 x2

formato de (B.1). Este sistema pode ser reescrito como 1 0 0 1 x1 x2 x1 x2 x1 x2 = 1 3 4 2 1 3 4 2 x1 x2 x1 x2 = = 0 0 0 0 ou ou ainda

1 3 4 2

0 , que do formato (B.2). e 0

O problema primordial que nos interessa em relao aos sistemas no ca formato (B.2) determinar para quais valores de o sistema tem uma e soluo no-trival; um tal valor de chamado autovalor de A, ou valor ca a e prprio ou, `s vezes, valor caracter o a stico de A. Se um autovalor de A, e ento cada soluo no-trivial de (B.2) chamada autovetor de A associado a ca a e ao autovalor . Segue do Teorema 7.4.13 que o sistema (I A)x = 0 tem soluo noca a trivial se, e somente se, det(I A) = 0. Esta equao chamada equao caracter ca e ca stica de A; os autovalores de A podem ser encontrados resolvendo esta equao em . ca

UNIVATES Centro Universitrio a Exemplo B.2.2 Encontre os autovalores e correspondentes autovetores da matriz A do exemplo B.2.1. Soluo ca A equao caracter ca stica de A det(I A) = e 1 3 4 2 = 0 ou 2 3 10 = 0. A forma fatorada desta equao ( + 2)( 5) = 0, de modo que os ca e autovalores de A so = 2 e = 5. a Por denio, x um autovetor de A se, e somente se, x uma soluo ca e e ca 0 1 3 x1 = . no-trivial de (I A)x = 0; ou seja, a 0 4 2 x2 Se = 2, ento a equao acima dada por a ca e 3 3 4 4 x1 x2 = 0 0 .

222

Resolvendo este sistema obtemos x1 = t, x2 = t, de modo que os autovetores associados a = 2 so as solues no-nulas na forma a co a x= x1 x2 = t t .

Analogamente, os autovetores correspondentes ao autovalor = 5 so a 3 x1 t as solues no-nulas da forma x = co a = 4 . x2 t

B.3

Autovalores e Autovetores

Denio B.3.1 Se A uma matriz n n, ento um vetor no-nulo x ca e a a n chamado um autovetor de A se Ax um mltiplo escalar de x, ou em R e e u seja, Ax = x, para algum escalar . O escalar chamado um autovalor e de A e dizemos que x um autovetor associado a . e Em R2 e R3 , a multiplicao por A manda cada autovetor x de A (se ca houver) sobre a mesma reta pela origem que x. Dependendo do sinal e da magnitude do autovalor associado a x, o operador linear Ax = x comprime ou estica x por um fator , invertendo o sentido no caso de negativo. Exemplo B.3.2 O vetor x = A= 1 2 um autovetor da matriz e

3 0 correspondendo ao autovalor = 3, pois 8 1 3 0 1 3 Ax = = = 3x. 8 1 2 6 Para encontrar os autovalores de uma matriz A de tamanho n n ns o reescrevemos Ax = x como Ax = Ix ou, equivalentemente, (I A)x = 0.

UNIVATES Centro Universitrio a Para ser um autovalor, precisa haver uma soluo no-nula desta ca a equao. No entanto, pelo Teorema 7.4.13, a equao (B.2) tem soluo ca ca ca se, e somente se, det(I A) = 0. (B.3) Esta equao a equao caracter ca e ca stica de A; os escalares que satisfazem esta equao so os autovalores de A. Quando expandido, o determinante ca a det(I A) um polinmio p em , que chamado o polinmio caracter e o e o stico de A. Pode ser mostrado (desao!) que se A uma matriz n n, ento o e a polinmio caracter o stico de A tem grau n e o coeciente de n 1, ou seja, e o polinmio caracter o stico p() de uma matriz n n da forma e p() = det(I A) = n + c1 n1 + . . . + cn . Pelo Teorema Fundamental da Algebra segue que a equao caracter ca stica n + c n1 + . . . + c = 0 tem, no mximo, n solues distintas, de modo a co 1 n que uma matriz n n tem, no mximo, n autovalores distintos. a 0 1 0 0 1 . Exemplo B.3.3 Encontre os autovalores de A = 0 4 17 8 Soluo ca O polinmio caracter o stico de A e det(I A) = 1 0 0 1 4 17 8 = 3 82 + 17 4.

223

Os autovalores de A, portanto, satisfazem a equao cbica acima: ca u 3 82 + 17 4 = 0. Para resolver esta equao, ns comeamos proca o c curando solues inteiras. Esta tarefa pode ser enormemente simplicada co se lembrarmos o seguinte fato: todas as solues inteiras (se houver) de co uma equao polinomial n + c1 n1 + . . . + cn = 0 com coecientes inca teiros so divisores do termo constante cn . Assim, no nosso exemplo, as a unicas poss veis solues inteiras da equaao cbica acima so os divisoco c u a res de 4, ou seja, 1, 2 e 4. Substituindo sucessivamente cada um destes valores na equao cbica segue que = 4 uma soluo inteira. ca u e ca Conseqentemente, 4 deve ser um fator do lado esquerdo da referida u equao. Dividindo 3 82 + 17 4 por 4, podemos reescrev-la como ca e (4)(2 4+1) = 0. Assim, as demais solues desta equao satisfazem co ca a equao quadrtica 2 4 + 1 = 0 que pode ser resolvida facilmente. ca a Logo, os autovalores de A so = 4, = 2 + 3 e = 2 3. a Exemplo B.3.4 (autovalores de uma matriz triangular a11 a12 a13 a14 0 a22 a23 a24 rior) Encontre os autovalores da matriz A = 0 0 a33 a34 0 0 0 a44 supe .

UNIVATES Centro Universitrio a Soluo ca Lembrando que o determinante de uma matriz triangular o produto das e entradas na diagonal principal (desao!), obtemos o polinmio caracter o stico det(I A) = ( a11 )( a22 )( a33 )( a44 ). Assim, a equao caracter ca stica dada por e det(I A) = ( a11 )( a22 )( a33 )( a44 ) = 0 e os autovalores so = a11 , = a22 , = a33 e = a44 , que so precisaa a mente as entradas na diagonal principal de A. e Teorema B.3.5 Se A uma matriz n n triangular (superior, inferior ou diagonal), ento os autovalores de A so as entradas na diagonal a a principal de A. prova: desao! Observao B.3.6 Muitas vezes, em problemas aplicados, a matriz A ca to grande que no prtico calcular a equao caracter e a a e a ca stica. Neste caso, existem muitos mtodos de aproximao que podem ser utilizados para obter e ca os autovalores. vel c stica de uma maObservao B.3.7 E poss que a equaao caracter ca triz com entradas reais tenha solues complexas. Assim, mesmo para maco trizes reais, somos forados a considerar autovalores complexos. Por sua c vez, isto nos leva a considerar a possibilidade de espaos vetoriais complec xos (com escalares em C). Neste curso, contudo, nossa discusso car a a limitada a matrizes com autovalores reais. O seguinte teorema resume o que vimos at aqui e Teorema B.3.8 Se A uma matriz n n e um nmero real, ento e e u a as seguintes armaoes so equivalentes: c a 1. um autovalor de A; e 2. O sistema (I A)x = 0 tem solues no-triviais; co a 3. Existe um vetor no-nulo x tal que Ax = x; a 4. uma soluo da equao caracter e ca ca stica det(I A) = 0. Agora que ns sabemos encontrar autovalores, passamos ao problema o de encontrar autovetores. Os autovetores de A associados a um autovalor so os vetores no-nulos x que satisfazem Ax = x. Equivalentemente, a a os autovetores associados a so os vetores no-nulos no espao-soluo de a a c ca (I A)x = 0. Ns chamamos este espao de auto-espao de A associado a o c c .

224

UNIVATES Centro Universitrio a Exemplo B.3.9 Encontre bases para os auto-espaos da matriz c 0 0 2 A = 1 2 1 . 1 0 3 Soluo ca A equao caracter ca stica da matriz A 3 52 + 8 4 = 0 ou, na e forma fatorada, ( 1)( 2)2 = 0; assim, os autovalores de A so = 1 e a = 2. Portanto, temos dois auto-espaos de A. c Por denio, x = (x1 , x2 , x3 )t um autovetor de A associado a se, e ca e somente se, x uma soluo no-trivial de (I A)x = 0, ou seja, se = 2, e ca a ento o sistema dado por a e 0 2 0 2 x1 1 0 1 x2 = 0 . 1 0 1 x3 0 Resolvendo este sistema, obtemos (verique!) x1 = s, x2 = t, x3 = s. Assim, os autovetores de A associados a = 2 so os vetores no-nulos da a a forma s s 0 1 0 t = 0 + t = s 0 + t 1 . x= s s 0 1 0 1 0 0 e 1 so linearmente independentes, estes vetores formam Como a 1 0 uma base do auto-espao associado a = 2. c Se = 1, ento o sistema dado por a e 1 0 2 x1 0 1 1 1 x2 = 0 . 1 0 2 x3 0 Resolvendo este sistema, obtemos x1 = 2s, x2 = s, x3 = s. Assim, os autovetores associados a = 1 ao os vetores no-nulos da s a 2s 2 2 forma s = s 1 e portanto 1 uma base do auto-espao e c s 1 1 associado a = 1. Observao B.3.10 Uma vez obtidos os autovalores e autovetores de ca uma matriz A, uma questo simples obter os autovalores e os autovetores e a de qualquer potncia inteira positiva de A; por exemplo, se um autovalor e e de A e se x um autovetor correspondente, ento e a A2 x = A(Ax) = A(x) = (Ax) = (x) = 2 x, o que mostra que 2 um autovalor de A2 com autovetor associado x. e Em geral, temos o seguinte resultado.

225

UNIVATES Centro Universitrio a Teorema B.3.11 Se k um inteiro positivo, um autovalor de uma e e k um autovalor de Ak e x matriz A e x um autovetor associado, ento e e a um autovetor associado. e O prximo teorema estabelece uma relao entre os autovalores e a ino ca vertibilidade de uma matriz. Teorema B.3.12 Uma matriz quadrada A invert e vel se, e somente se, = 0 no um autovalor de A. a e a prova: Suponhamos que A seja uma matriz n n. E fcil ver que = 0 n + c n1 + . . . + c = 0 se, e uma soluo da equao caracter e ca ca stica 1 n somente se, o termo constante cn = 0. Portanto, basta mostrar que cn = 0. Mas, det(I A) = n + c1 n1 + . . . + cn e, por conseguinte, tomando = 0, det(A) = cn ou (1)n det(A) = cn . Segue da ultima equao que det(A) = 0 se, e somente se, cn = 0. Logo, ca A invert se, e somente se, cn = 0. e vel

226

B.4

Diagonalizao ca

Nesta seo abordaremos o problema de encontrar uma base do Rn que ca consista de autovetores de uma dada matriz A (nn). Estas bases podem ser usadas para estudar problemas geomtricos de A e para simplicar muitas e contas envolvendo A. Elas tambm tm signicado f e e sico em uma grande variedade de aplicaes, algumas das quais sero consideradas ainda neste co a curso. Nosso primeiro objetivo mostrar que os dois problemas a seguir, embora e aparentemente sejam bastante diferentes, na realidade so equivalentes. a O Problema dos Autovetores: dada uma matriz A de tamanho nn, existe uma base do Rn consistindo de autovetores de A? O Problema da Diagonalizao (Verso Matricial): dada uma ca a matriz A de tamanho n n, existe uma matriz invert P tal que P 1 AP vel uma matriz diagonal? e Este ultimo problema sugere a seguinte terminologia. Denio B.4.1 Uma matriz quadrada A dita diagonalizvel se exisca e a tir uma matriz invert P tal que P 1 AP uma matriz diagonal; dizemos, vel e ento, que a matriz P diagonaliza A. a O seguinte teorema mostra que o problema do autovetor e o problema de diagonalizao so equivalentes. ca a Teorema B.4.2 Se A uma matriz n n, ento so equivalentes as e a a seguintes armaes: co 1. A diagonalizvel; e a 2. A tem n autovetores linearmente independentes. prova: exerc (ver [1], Teorema 7.2.1). cio

UNIVATES Centro Universitrio a

227

B.4.1

Um Procedimento para Diagonalizar uma Matriz

O Teorema B.4.2 garante que uma matriz A de tamanho n n com n autovetores linearmente independentes diagonalizvel e a prova fornece o e a seguinte mtodo para diagonalizar A. e Passo 1: encontre n autovetores linearmente independentes de A, digamos p1 , p2 , . . ., pn ; Passo 2: forme a matriz P com os vetores-coluna p1 , p2 , . . ., pn ; Passo 3: a matriz P 1 AP ser, ento, diagonal com entradas 1 , 2 , a a . . ., n na diagonal principal, onde i o autovalor associado a pi , e para i = 1, 2, . . . , n. Para executar o Passo 1 deste procedimento precisamos, inicialmente, de uma maneira de determinar se uma matriz n n A tem n autovetores linearmente independentes e, em seguida, de um mtodo para encontrar e estes autovetores. Ambos estes problemas podem ser atacados simultaneamente encontrando bases para os auto-espaos de A. Adiante nesta seo c ca ns mostraremos que, como um s conjunto combinado, os vetores destas o o bases so linearmente independentes, de modo que se houver n destes autoa vetores ento A ser diagonalizvel e os n vetores de bases podem ser usados a a a como vetores-coluna da matriz diagonalizante P . Se houver menos do que n vetores de base, ento A no ser diagonalizvel. a a a a Exemplo B.4.3 Encontre a matriz P que diagonaliza a matriz 0 0 2 A = 1 2 1 . 1 0 3 Soluo ca No exemplo B.3.9 vericamos que ( 1)( 2)2 = 0 a equao e ca caracter stica deA e encontramos as seguintes bases auto-espaos: de c 1 0 2 0 , p2 = 1 ; = 1: p3 = 1 . = 2: p1 = 1 0 1 H trs vetores de base no total, portanto a matriz A diagonalizvel e a e e a 1 0 2 P = 0 1 1 diagonaliza A. 1 0 1 Para conferir, o leitor deveria vericar que
1 0 P 1 AP = 1 1 1 0 2 0 0 1 1 2 1 1 0 2 1 0 1 0 1 3 1 0 2 2 1 = 0 1 0 0 2 0 0 0 . 1

No existe uma ordem preferencial para as colunas de P . Como a i-sima a e 1 AP um autovalor para o i-simo vetor-coluna de entrada diagonal de P e e P , mudando a ordem das colunas de P s muda a ordem dos autovalores na o

UNIVATES Centro Universitrio a diagonal de P 1 AP . Assim, se tivssemos escrito P = e 2 0 0 1 = 0 0 1 2 0 0 1 1 no 1 1 0 0 0 . 2

228

exemplo B.4.3, ns ter o amos obtido Exemplo 1 0 1 2 A= 3 5

P 1 AP

B.4.4 Encontre a matriz P que diagonaliza a matriz 0 0 . 2

Soluo ca O polinmio caracter o stico de A e det(I A) = 1 0 0 1 2 0 3 5 2 = ( 1)( 2)2 ,

de modo que a equao caracter ca stica ( 1)( 2)2 = 0. Assim, os e autovalores de A so = 1 e = 2. Efetuando os clculos, mostra-se que a a as bases dos auto-espaos so 1 c a 0 8 1 = 1: p1 = 8 ; = 2: p2 = 0 . 1 1 Como A 3 3 e s existem dois vetores de base no total, A no e o a e diagonalizvel. a Soluo Alternativa ca Se ns no estivermos interessados em encontrar a matriz diagonalizante o a P , mas s em determinar se uma dada matriz ou no diagonalizvel, ento o e a a a no necessrio calcular bases para os auto-espaos, bastando encontrar a e a c as dimenses dos auto-espaos. Neste exemplo, o auto-espao associado a o c c 0 0 0 x1 0 = 1 o espao-soluo do sistema 1 1 0 x2 = 0 . e c ca 3 5 1 x3 0 A matriz dos coecientes tem posto 2 (verique!). Portanto, pela denio 6.3.12, a nulidade desta matriz 1 e ento o espao-soluo unidica e a c ca e mensional (Teorema 6.5.4). e c ca c O auto-espao associado a = 2 o espao soluo do sistema 0 x1 1 0 0 1 0 0 x2 = 0 . 0 x3 3 5 0 Esta matriz de coecientes tambm tem posto 2 e nulidade 1 (verique!), e de modo que o espao-soluo associado a = 2 tambm unidimensional. c ca e e Como os auto-espaos produzem um total de dois vetores de base, a matriz c A no diagonalizvel. a e a No exemplo B.4.3 supusemos que os vetores-coluna de P , que consistem de vetores de bases dos vrios auto-espaos de A, so linearmente indepena c a dentes. O prximo teorema trata desta suposio. o ca

UNIVATES Centro Universitrio a Teorema B.4.5 Se v1 , v2 , . . . , vk so autovetores de A associados a aua tovalores distintos 1 , 2 , . . . , k , ento {v1 , v2 , . . . , vk } um conjunto linea e armente independente. prova: exerc (ver [1], Teorema 7.2.2). cio Observao B.4.6 O Teorema B.4.5 um caso especial de um resulca e tado mais geral: suponha que 1 , 2 , . . . , k so autovalores distintos e que a escolhemos um conjunto linearmente independente em cada auto-espao corc respondente. Se ns juntarmos todos estes vetores num unico conjunto, o o resultado um conjunto que ainda linearmente independente. e e Corolrio B.4.7 Se uma matriz A de tamanho nn tem n autovalores a distintos, ento A diagonalizvel. a e a prova: Se v1 , v2 , . . . , vn so autovetores associados aos autovalores disa tintos 1 , 2 , . . . , n ento, pelo Teorema B.4.5, v1 , v2 , . . . , vn so linearmente a a independentes. Assim, A diagonalizvel pelo Teorema B.4.2. e a Exemplo B.4.8 Pelo Teorema B.3.5, os autovalores de uma matriz triangular so as entradas na diagonal principal. Assim, uma matriz triangular a com entradas distintas na diagonal diagonalizvel. e a

229

B.4.2

Multiplicidades Geomtrica e Algbrica e e

O Teorema B.4.7 no resolve totalmente o problema da diagonalizao, a ca pois poss e vel para uma matriz A de tamanho n n ser diagonalizvel a sem que tenha n autovalores distintos. Ns vimos no exemplo B.4.3, onde o a dada matriz 3 3 tinha somente dois autovalores distintos e no entanto era diagonalizvel. O que realmente importa para a diagonalizao so a ca a as dimenses dos auto-espaos a soma destas dimenses deve totalizar n o c o para que a matriz n n seja diagonalizvel. Os exemplos B.4.3 e B.4.4 a ilustram isto: as matrizes daqueles exemplos tinham as mesmas equaes co caracter sticas e os mesmos autovalores, mas a matriz do exemplo B.4.3 diagonalizvel porque as dimenses dos auto-espaos somam 3 enquanto e a o c que a matriz do exemplo B.4.4 no diagonalizvel porque as dimenses dos a e a o auto-espaos somam somente 2. c Agora abordaremos supercialmente um tpico que importante para o e um melhor entendimento da diagonalizabilidade. Pode ser provado que se 0 um autovalor de A, ento a dimenso do auto-espao associado a 0 e a a c no pode exceder o nmero de vezes que 0 aparece como um fator do a u polinmio caracter o stico de A. Por exemplo, nos exemplos B.4.3 e B.4.4 o polinmio caracter o stico e ( 1)( 2)2 . Assim, o auto-espao associado a = 1 no mximo (e, c e a portanto, exatamente) unidimensional e o auto-espao associado a = 2 c no mximo bidimensional. No exemplo B.4.3, o auto-espao associado e a c a = 2 de fato tem dimenso 2, resultando em diagonalizabilidade, mas a no exemplo B.4.4, este auto-espao tem dimenso somente 1, resultando na c a no-diagonalizabilidade. a

UNIVATES Centro Universitrio a Existe alguma terminologia relacionada com este assunto. Se 0 um autovalor de uma matriz A de tamanho n n, ento a die a menso do auto-espao associado a 0 chamada multiplicidade geomtrica a c e e de 0 e o nmero de vezes que 0 aparece como um fator do polinmio u o caracter stico de A chamado multiplicidade algbrica de 0 . e e O teorema a seguir resume esta discusso. a Teorema B.4.9 Se A uma matriz quadrada, ento: e a 1. Para cada autovalor de A, a multiplicidade geomtrica menor do que e e ou igual ` multiplicidade algbrica; a e 2. A diagonalizvel se, e somente se, para cada autovalor, a multiplicie a dade geomtrica igual ` multiplicidade algbrica. e e a e prova: desao! (ver [9]). Existem inmero problemas de matemtica aplicada que requerem calu a cular potncias elevadas de uma matriz quadrada. Ns concluiremos esta e o seo mostrando como a diagonalizao pode ser usada para simplicar tais ca ca clculos para matrizes diagonalizveis. a a Se A uma matriz n n e P uma matriz invert e e vel, ento a (P 1 AP )2 = P 1 AP P 1 AP = P 1 AIAP = P 1 A2 P. Mais geralmente, para qualquer inteiro positivo k, (P 1 AP )k = P 1 Ak P. Segue desta equao que se A for diagonalizvel e se P 1 AP = D uma ca a e matriz diagonal, ento a P 1 Ak P = (P 1 AP )k = Dk . Resolvendo esta equao em Ak , obtemos ca Ak = P Dk P 1 . Esta ultima equao expressa a k-sima potncia de A em termos da k-sima ca e e e k fcil de calcular; por exemplo, se potncia da matriz diagonal D. Mas D e a e d1 0 . . . 0 dk 0 . . . 0 1 0 d2 . . . 0 0 dk . . . 0 2 k = D= . a . . .. . , ento D . .. . . . . . . . . . . . . . . . . 0 0 . . . dn 0 0 . . . dk n 0 0 2 Exemplo B.4.10 Calcule A13 , onde A = 1 2 1 . 1 0 3 Soluo ca

230

UNIVATES Centro Universitrio a Mostramos no exemplo B.4.3 que a matriz A diagonalizvel e que e a 2 0 0 D = P 1 AP = 0 2 0 . Assim, 0 0 1 A13 8190 0 16382 8191 . = P D13 P = 8191 8192 8191 0 16383

231

e Observao B.4.11 A maior parte do trabalho no mtodo do exemplo ca acima diagonalizar A. Uma vez conclu este trabalho, podemos calcular e do qualquer potncia de A. Assim, para calcular A1000 ns s precisamos trocar e o o os expoentes 13 para 1000 no clculo acima. a

B.5

Diagonalizao Ortogonal ca

Analisaremos o problema de encontrar uma base ortonormal do Rn com o produto interno euclidiano que consista de autovetores de uma dada matriz A de tamanho n n.

B.5.1

Matrizes Ortogonais: Mudana de Bases c

Uma base que conveniente para um problema pode no o ser para outro, e a de modo que a mudana de uma base para outra um processo comum no c e estudo de espaos vetoriais. Como uma base uma generalizao de um c e ca sistema de coordenadas para espaos vetoriais, mudar de bases parecido c e com mudar de eixos coordenados em R2 ou R3 . Nesta subseo iremos desenvolver algumas propriedades de matrizes ca quadradas com vetores-coluna ortogonais. Estas matrizes surgem em vrios a contextos, incluindo problemas envolvendo a mudana de base ortonormal c para outra. Matrizes cujas inversas podem ser obtidas por transposio so sucienca a temente importantes para possuir alguma terminologia associada. Denio B.5.1 Uma matriz ortogonal uma matriz quadrada A com ca e a propriedade A1 = At . Decorre desta denio que uma matriz quadrada A ortogonal se, e ca e somente se, AAt = At A = I. Exemplo B.5.2 A matriz cannica para rotao anti-horria do R2 por o ca a cos sin um ngulo , a , ortogonal para todas as escolhas de e sin cos (verique!). De fato, simples vericar que todas as matrizes de reexo, e todas e a as matrizes de rotao so matrizes ortogonais. ca a Os prximos dois teoremas sero apresentados sem demonstrao. O o a ca leitor interessado pode consultar ([1], Teoremas 6.5.1 e 6.5.2).

UNIVATES Centro Universitrio a Teorema B.5.3 As seguintes armaes so equivalentes para uma maco a triz A de tamanho n n: 1. A ortogonal; e 2. Os vetores-linha de A formam um conjunto ortonormal do Rn em relao ao produto interno euclidiano; ca 3. Os vetores-coluna de A formam um conjunto ortonormal do Rn em relao ao produto interno euclidiano. ca Teorema B.5.4 1. A inversa de uma matriz ortogonal ortogonal; e 2. Um produto de matrizes ortogonais ortogonal; e 3. Se A ortogonal, ento det(A) = 1 ou det(A) = 1. e a J observamos que as matrizes cannicas para operadores bsicos de a o a reexo e rotao do R2 e R3 so ortogonais. O prximo teorema ajuda a a ca a o explicar porque isto assim. e Teorema B.5.5 Se A uma matriz n n, as seguintes armaes so e co a equivalentes: e 1. A ortogonal; 2. ||Ax|| = ||x|| para qualquer x Rn , onde || || indica a norma segundo o produto escalar euclidiano; 3. Ax Ay = x y para quaisquer x, y Rn . prova: desao! (ver [1], Teorema 6.5.3) Se T : Rn Rn a multiplicao por uma matriz ortogonal A, ento T e ca a chamado operador ortogonal do Rn . Pelas partes (1). e (2). do teorema e precedente, decorre que os operadores ortogonais do Rn so precisamente os a operadores que mantm inalterados os comprimentos de todos os vetores. e Como as reexes e as rotaes do R2 e do R3 tm esta propriedade, isto o co e explica nossa obesrvao anterior que as matrizes cannicas para as reexes ca o o e rotaes bsicas no R2 e no R3 so ortogonais. co a a Voltemos aos problemas de diagonalizao. Como na seo anterior, ca ca comeamos enunciando dois problemas. Nosso objetivo mostrar que os c e dois so equivalentes. a O Problema dos Autovetores Ortonormais: dada uma matriz A de tamanho n n, existe uma base ortonormal do Rn com o produto interno euclidiano consistindo de autovetores da matriz A? O Problema da Diagonalizao Ortogonal (Verso Matricial): ca a dada uma matriz A de tamanho n n, existe uma matriz ortogonal P tal que a matriz P 1 AP = P t AP uma matriz diagonal? Se existir uma tal e matriz, dizemos que A ortogonalmente diagonalizvel e que P diagonaliza e a A ortogonalmente. Para o ultimo problema, temos duas questes a considerar: o

232

UNIVATES Centro Universitrio a

233

R Quais matrizes so ortogonalmente diagonalizveis? a a R Como encontrar uma matriz ortogonal que efetue a diagonalizao? ca
Com relao ` 1a questo, no existe esperana de diagonalizar A orca a a a c togonalmente a menos que A seja simtrica (ou seja, A = At ). De fato, e se P t AP = D, onde P uma matriz ortogonal e D diagonal, temos que e e t = P t P = I e, portanto, A = P DP t . Como D uma matriz diagonal, PP e temos D = Dt . Transpondo ambos os lados da equao anterior, obtemos ca At = (P DP t )t = (P t )t Dt P t = P DP t = A, donde A simtrica. e e O prximo teorema mostra que qualquer matriz simtrica , de fato, o e e ortogonalmente diagonalizvel. Neste teorema, e no restante desta seo, a ca ortogonal signica ortogonal em relao ao produto interno euclidiano do ca Rn . Teorema B.5.6 Se A uma matriz nn, ento as seguintes armaes e a co so equivalentes: a 1. A ortogonalmente diagonalizvel; e a 2. A tem um conjunto ortonormal de n autovetores; 3. A simtrica. e e prova: exerc (ver [1], Teorema 7.3.1). cio Nosso prximo objetivo construir um procedimento para diagonalizar o e ortogonalmente uma matriz simtrica, mas antes de poder fazer isto, precie samos de um resultado essencial sobre autovalores e autovetores de matrizes simtricas. e e e a Teorema B.5.7 Se A uma matriz simtrica, ento: 1. Os autovalores de A so reais; a 2. Autovetores de auto-espaos diferentes so ortogonais. c a prova: ver ([1], Teorema 7.3.2). Observao B.5.8 Mostra-se que a primeira armaao do teorema ca c acima falsa para matrizes com entradas complexas. e

B.5.2

Diagonalizao de Matrizes Simtricas ca e

Como uma conseqncia do Teorema B.5.7, obtemos o seguinte procediue mento para diagonalizar ortogonalmente uma matriz simtrica. e Passo 1: encontre uma base para cada auto-espao de A; c Passo 2: aplique o processo de Gram-Schmidt a cada uma destas bases para obter uma base ortonormal de cada auto-espao; c Passo 3: forme a matriz P cujas colunas so os vetores de base consa tru dos no Passo 2; esta matriz diagonaliza A ortogonalmente.

UNIVATES Centro Universitrio a A justicativa para este procedimento deveria ser clara. O Teorema B.5.7 garante que autovetores de auto-espaos diferentes so ortogonais, enquanto c a a aplicao do processo de Gram-Schmidt garante que os autovetores obtica dos dentro de um mesmo auto-espao so ortonormais. Desta maneira, o c a conjunto inteiro de autovetores obtidos por este procedimento ortonormal. e Exemplo B.5.9 Encontre uma matriz ortogonal P que diagonaliza a 4 2 2 matriz A = 2 4 2 . 2 2 4 Soluo ca A equao caracter ca stica de A det(I A) = (2)2 (8) = 0. Assim, e os autovalores de A so = 2 e = 8. Pelo mtodo usado no exemplo B.3.9, a e t e u = (1, 0, 1)t formam uma base pode ser mostrado que u1 = (1, 1, 0) 2 do auto-espao correspondente a = 2. Aplicando o processo de Gramc Schmidt a {u1 , u2 } obtemos os seguintes vetores ortonormais: v1 = 1 1 , , 0 2 2
t

234

e v2 =

1 1 2 , , 6 6 6

O auto-espao associado a = 8 tem uma base formada pelo vetor c u3 = (1, 1, 1)t . Aplicando o processo de Gram-Schmidt a {u3 } obtemos
1 1 1 v3 = 3 , 3 , 3 . Finalmente, usando v1 v2 e v3 como vetores-coluna, obtemos , 1 1 1 2 6 3 1 1 1 P = 2 6 3 que diagonaliza A ortogonalmente (Para con2 1 0 6 3 ferir, o leitor interessado pode querer vericar que P t AP uma matriz e diagonal). A esta altura, sugerimos fortemente ao leitor a resoluo dos exerc ca cios computacionais de [1], pgs. 255-256.
H I C T GR A N E

Apndice C e

Produto Escalar

ste cap tulo ir abordar alguns tpicos sobre o produto escalar. O a o leitor interessado deve aprofundar o estudo em [4], [9], [33] ou [35]. Denio C.0.10 Chama-se produto escalar (ou produto interno euca clidiano) de dois vetores u = (x1 , y1 , z1 ) e v = (x2 , y2 , z2 ), denotado u v, ao nmero real u u v = x1 x2 + y1 y2 + z1 z2 = u, v , que se l u escalar v. e Observao C.0.11 Em R2 : dados os vetores u ca v = (x2 , y2 ), temos que u v = x1 x2 + y1 y2 . = (x1 , y1 ) e

Exemplo C.0.12 Sejam u = (3, 2, 4) e v = (2, 1, 4) vetores do R3 . Ento u v = 6 2 16 = 12. a Observao C.0.13 u u = ||u||2 , logo ||u|| = u u. ca Propriedade C.0.14 So propriedades do produto escalar, para todo a u, v, w R3 , e para todo k R: 1. u u 0 e u u = 0 u = 0; 2. u v = v u; 3. u (v + w) = u v + u w; 4. k(u v) = (ku) v = u (kv). Teorema C.0.15 Para quaisquer vetores u = 0 e v = 0, u v = ||u|| ||v|| cos , onde = (u, v). 235

UNIVATES Centro Universitrio a Observao C.0.16 Pelo teorema acima, temos que: ca a a e 1. Se u v > 0, ento cos > 0 e 0 < 90. Portanto o ngulo agudo ou nulo; 2. Se u v < 0, ento cos < 0 e 90 < 180. Portanto o ngulo a a e obtuso; 3. u v = 0 u v: de fato, se u = 0 ou v = 0, ok! Por outro lado, se u = 0 e v = 0, ento a u v = 0 cos = 0 = 90 u v. Vejamos agora algumas conseqncias imediatas: ue 1. Angulo entre Dois Vetores: (0 ). Sejam u = 0 e v = 0 vetores, e = (u, v). Ento a = arccos uv ||u|| ||v|| .

236

2. Desigualdade de Schwartz: para todo u e v vetores, temos ||u v|| ||u|| ||v||. 3. Desigualdade Triangular: para todo u e v vetores, temos ||u + v|| ||u|| + ||v||. a Observao C.0.17 E fcil ver que: ca 1. ||u + v||2 = ||u||2 + 2u v + ||v||2 ; 2. ||u v||2 = ||u||2 2u v + ||v||2 ; 3. (u + v) (u v) = ||u||2 ||v||2 . Exemplo C.0.18 Determine os vetores unitrios simultaneamente ora togonais a u = (1, 1, 1) e v = (1, 2, 3). Soluo ca Seja w = (x, y, z) tal que wu = 0 wv = 0 , ||w|| = 1

isto

, e

x+y+z = 0 x + 2y + 3z = 0 . 2 x + y2 + z2 = 1

Ento fcil ver que os vetores-soluo so a e a ca a

6 , 36 , 66 6

w1 =

6 , 36 , 66 6

e w2 =

UNIVATES Centro Universitrio a Exemplo C.0.19 Prove que as diagonais de um quadrado so perpena diculares. Soluo ca Ora, sendo u e v os lados de um retngulo, temos que suas diagonais so a a dadas por u + v e u v. No caso particular do quadrado, usando a relao ca (u + v) (u v) = . . . = ||u||2 ||v||2 = 0, o resultado imediato. e Exemplo C.0.20 Calcule o ngulo entre os vetores u = (1, 1, 4) e a v = (1, 2, 2). Basta usar cos =
uv ||u||||v||

237

Soluo ca 2 = 2 . Logo = . 4

Observao C.0.21 Se u = (a, b) e v = (c, d) so vetores no-nulos, ca a a uv podemos escrever cos = ||u||||v|| , onde = (u, v). Substituindo, obtemos a c b d cos = + . 2 + b2 2 + d2 2 + b2 2 + d2 a c a c (C.1)

Se chamarmos de e os ngulos que u e v formam com o eixo OX, a a respectivamente, temos que = , cos = a2 +b2 , sin = a2b+b2 , cos =
c , c2 +d2

sin =

d . c2 +d2

E, por (C.1),

cos( ) = cos cos + sin sin .

C.1

Angulos Diretores e Cossenos Diretores de um Vetor

a Denio C.1.1 Seja v = (x, y, z) = 0. Angulos diretores de v so ca os ngulos , e que v forma com os vetores , e k, respectivamente. a Cossenos diretores de v so os cossenos de seus ngulos diretores. a a a E fcil ver ento que as componentes do versos de v so os seus cossenos a a y x z diretores. De fato, cos = ||v|| , cos = ||v|| , cos = ||v|| , donde (cos , cos , cos ) = y z x , , ||v|| ||v|| ||v|| = 1 v (x, y, z) = . ||v|| ||v||

Portanto, ||(cos , cos , cos )|| = 1 cos2 + cos2 + cos2 = 1. v Tambm observa-se que: v = ||v|| ||v|| = ||v|| (cos , cos , cos ). e c Observao C.1.2 Seja v = (x, y, z) um vetor qualquer do espao. Poca demos reescrev-lo como v = x + y + z k. Ento todo vetor do espao pode e a c ser representado por v = ||v|| (cos , cos , cos ). Da mesma forma no plano: seja v = (x, y). Ento ||v|| = (cos , sin ). a v Donde v = ||v||(cos , sin ) = ||v||(cos + sin )(forma polar). Logo, todo vetor u = (x, y) no plano pode ser escrito como u = ||v||(cos , sin ).

UNIVATES Centro Universitrio a Exemplo C.1.3 Os ngulos diretores de um vetor so = 45o , = 60o a a e . Determine o valor de . Encontre o versos do vetor que possui ngulos a diretores , e . Soluo ca cos2 = 1 cos2 cos2 = 1 . Ento = 60o ou = 120o . a 4 Logo
v ||v||

238

2 1 1 2 , 2, 2

ou

v ||v||

2 1 1 2 , 2, 2

Exemplo C.1.4 D as componentes do vetor v de comprimento cm, e 7 7 2 7 2 tal que o ngulo formado entre e v seja 4 radianos. R : v = a 2 , 2

C.2

Projeo de um Vetor ca

Denio C.2.1 Sejam u e v vetores no-nulos, e seja = (u, v). ca a Denimos o vetor projeo de u na direo de v por: ca ca projv u = uv ||v|| v = ||v|| uv ||v||2 v.

Exemplo C.2.2 Determine a projeo de u = 67 sobre v = 3+2. ca

(1814) ( 9+4)2

projv u =

(3, 2) =

Soluo ca 96 , 64 . 13 13
H I C T GR A N E

Apndice D e

Processos Aleatrios: o Cadeias de Markov

D.1 Idia Intuitiva e

ara compreender o cap tulo, exige-se um conhecimento m nimo sobre probabilidades. Pode-se considerar (numa primeira aproximao), em muitos processos ca da natureza ou da sociedade, que um fenmeno passe, a partir de um estado o inicial, por uma seqncia de estados, de modo que a transio de cada um ue ca para o seguinte ocorra segundo uma certa probabilidade. ca Denio D.1.1 Um processo em que a probabilidade de transio do ca fenmeno depende apenas do estado em que ele se encontra e do estado a o seguir dito processo de Markov, e uma seqncia de estados seguindo e ue este processo denominada cadeia de Markov. e c Observao D.1.2 Esta simplicaao do processo talvez seja demasica ada, tendo em vista que as probabilidades podem se modicar com o tempo. No obstante, este modelo j serve de aux para a previso do comportaa a lio a mento de certos fenmenos. o a Exemplo D.1.3 Numa determinada regio, observa-se que se um ano for chuvoso, a probabilidade de o ano seguinte seja igualmente chuvoso 1 , e 4 3 e a probabilidade de que haja estiagem 4 . Ainda, em ocorrendo estiagem e num ano, a probabilidade de que tambm ocorra no seguinte a mesma de e e que seja um ano chuvoso, isto , 1 . Suponhamos (para termos um indicador e 2 de situao), que as probabilidades no mudem com o decorrer do tempo1 . ca a Os estados poss veis para este processo so, pois: chuva e estiagem. a Queremos saber em que estado estar esta regio aps um longo tempo (plaa a o nejamento estratgico). e
1

Obviamente, isto no ocorre assim na prtica a a

239

UNIVATES Centro Universitrio a Resoluo ca Com os dados acima, podemos construir a rvore de probabilidades ina dicativa da seqncia dos acontecimentos (ver gura D.1). ue 1o ano 1/4
(1) pC

240

2o ano 1/4 C 3/4 1/2 3/4 E 1/2 1/4 1/2

3o ano . . . C E C E C E C E

Referencial
(1) pE

3/4 1/2

1/2

1/2

Figura D.1: Probabilidades de transio do fenmeno ca o Assim, supondo que no primeiro ano houve estiagem, a probabilidade de que o terceiro ano seja chuvoso e 3 1 1 1 1 + = . 2 4 2 2 8 Conforme o tempo passa, os clculos se tornam mais trabalhosos. Pora tanto, para previses a longo prazo, precisaremos de outro procedimento. o Pode-se, neste momento, introduzir a noo de matriz das probabilidaca des de transio, e a de vetor de probabilidades. A matriz T das proca babilidades de transio obtida da tabela de probabilidades D.1, onde o eleca e mento na i-sima linha e j-sima coluna indica a probabilidade de transio e e ca do j-simo para o i-simo estado. e e C E C 1/4 3/4 E 1/2 1/2

Tabela D.1: Probabilidades de transio ca

UNIVATES Centro Universitrio a T = 1/4 1/2 3/4 1/2 Figura D.2: Matriz de transio ca O vetor de probabilidades a matriz cuja primeira linha d a probabilie a dade de que haja chuva no n-simo ano e a segunda d a probabilidade de e a que ocorra estiagem no n-simo ano. e (n) pC , (n) pE Figura D.3: Vetor de probabilidades Pela rvore de probabilidades (tabela D.1), temos que a pC
(2)

241

= =

1 (1) 4 pC 3 (1) 4 pC

+ 1 pE 2 + 1 pE 2

(1)

pE Observamos que (1) pC T = (1) pE Portanto,

(2)

(1)

1 4 3 4

1 2 1 2

(1) pC = (1) pE pC
(1)

1 (1) 4 pC 3 (1) 4 pC

+ 1 pE 2 + 1 pE 2

(1)

(1)

pC

(2)

=T

pE

(2)

pE

(1)

O mesmo ocorre do segundo para o terceiro ano, deste para o quarto, etc. Temos, pois, a seqncia: ue
1 o ano (1) 2 o ano (2)

pC

pC

= T

pC

(1)

pE

(1)

pE
3 o

(2)

pE

(1)

ano (3)

pC

= T . . .

pC

(2)

= T2

pC

(1)

pE

(3)

pE

(2)

pE

(1)

UNIVATES Centro Universitrio a

242

. . .
nsimo e

pC

(n)

ano

= T n1

pC

(1)

pE

(n)

pE

(1)

Deste modo, o comportamento do clima da regio a longo prazo (quando a n aumenta) poder ser previsto2 se soubermos que os elementos das matrizes a T n , n = 1, 2, . . . se aproximam dos elementos de uma matriz xa P pois, (n) (n) neste caso, pC p1 e pE p2 quando n com (1) p1 pC =P (D.1) (1) p2 pE Se T n no se aproxima de uma matriz P , ento no poderemos fazer a a a nenhuma previso a longo prazo, pois o processo se modicar bastante a a a cada passo. Assim, um dos problemas que devemos resolver quais so as condies e a co sobre a matriz T das probabilidades de transio, para que suas potncias ca e se aproximem de uma determinada matriz. Isto ser respondido na prxima seco, junto com o trmino da resoluo a o ca e ca do exemplo D.1.3.

D.2

Conceito

Denio D.2.1 Um processo aleatrio de Markov (ver denio ca o ca D.1.1) um processo que pode assumir estados a1 , a2 , . . . , ar , de tal modo e que a probabilidade de transio de um estado aj para um estado ai seja pij ca (um nmero que s depende de aj e ai ). u o ca Denio D.2.2 A matriz das probabilidades de transio (ou ca matriz estocstica) dada por: a e p11 p12 p1r p21 p22 p2r T = . . .. . . . . . . . . pr1 pr2 prr (Observe que pij 0, e que a soma de cada coluna deve ser 1). e e Denio D.2.3 O vetor de probabilidades aquele cuja i-sima ca linha d a probabilidade de ocorrncia do estado ai aps n transioes: a e o c (n) p1 . . . pr
2 (n) pE

(n)

Tal previso importante, pois se chegarmos, por exemplo, ` concluso de que a e a a 1 quando n , a longo prazo a regio se ternar um deserto. a a

UNIVATES Centro Universitrio a Seguindo o racioc nio de exemplo D.1.3, aps n passos, teremos: o (1) (n) p1 p1 . . = T n1 . . . . . pr
(n)

243

pr

(1)

D.3

Previses a Longo Prazo o

Para podermos fazer previses a longo prazo, a matriz T deve cumprir o certas condies que veremos a seguir: co Denio D.3.1 Uma matriz de probabilidades de transio regular ca ca e se alguma de suas potncias tem todos os elementos no nulos. e a Teorema D.3.2 Seja Trr a matriz das probabilidades de transio de ca um certo evento.Se T regular, ento: e a (i) As potncias T n aproximam-se de uma matriz P , no sentido de que e cada elemento de T n aproxima-se do elemento correspondente em P . a (ii) Todas as colunas de P so iguais, sendo dadas por um vetor-coluna p1 . V = . , . pr com p1 > 0, p2 > 0,. . . , pr > 0. (iii) Para qualquer vetor de probabilidades inicial p1 . V1 = . . pr
(1)

(1)

o vetor de probabilidades T n V1 aproxima-se de V (dado no item anterior). e (iv) O vetor V o unico vetor que satisfaz V = T V . prova: Ainda no o momento oportuno. a e

Observao D.3.3 O teorema D.3.2 informa que se a matriz de ca transio regular, ento poss fazer uma previso a longo prazo, preca e a e vel a viso esta independente das probabilidades iniciais V1 . Ademais, o item (iv) a indica como achar esta probabilidade. Observao D.3.4 Em linguagem tcnica, o processo utilizado no item ca e (iv) do teorema D.3.2 para encontrar o vetor nal de probabilidades, corresponde ` procura de um autovetor associado ao autovalor 1 da matriz a T.

UNIVATES Centro Universitrio a

244

D.3.1

Exemplos

Exemplo D.3.5 Voltando ao exemplo D.1.3, temos que a matriz de 1/4 1/2 regular, pois ela mesma (potncia 1) j tem transio T = ca e e a 3/4 1/2 todos os elementos positivos. Logo, pelo item (iv) do teorema D.3.2, quaisquer que sejam as probabilidades iniciais teremos, a longo prazo, pC 1/4 1/2 pC = pE 3/4 1/2 pE pC ou =
1 4 pC

+ 1 pE 2

2pE = 3pC ou

pE = 3 pC + 1 pE 2pE = 3pC 4 2 Como devemos ter pC + pS = 1 (probabilidade total), temos pC + 3 pC = 1 2 2 e, portanto, pC = 5 e pE = 3 . Desta feita, a longo prazo a regio tender a a a 5 uma ligeira aridez. Exemplo D.3.6 Suponhamos que em uma determinada regio, a cada a ano 3% da populaao rural migra para as cidades, enquanto que apenas 1% c da populao urbana migra para o meio rural. Se todas as demais condies ca co permanecerem estveis, as condies pol a co ticas no mudarem, e estas porcena tagens de migrao continuarem as mesmas, qual deve ser a relao entre ca ca as populaes urbana e rural desta regio a longo prazo? co a Resoluo ca Se a probabilidade de a populao rural migrar para a cidade 0, 03, ca e a probabilidade de no migrao 0, 97. Se a probabilidade da populao a ca e ca urbana migrar para o meio rural 0, 01, a probabilidade de no migrao e a ca e 0, 99. Denotando por U o meio urbano e por R o meio rural, a matriz das probabilidades de transio dada por ca e R U R 0,97 0,03 U 0,01 0,99

pE = 3 pC . 2

A matriz regular, logo, a longo prazo, as probabilidades pR e pU de e viver no meio rural e urbano, respectivamente, satisfazem 0, 97 0, 01 0, 03 0, 99 pR pU = pR pU

donde pU = 3pR e, como devemos ter pU + pR = 1, segue que pR = 0, 25 e pU = 0, 75. Assim, a longo prazo, teremos 25% da populao no meio rural e 75% ca no meio urbano.

UNIVATES Centro Universitrio a Exemplo D.3.7 Observa-se empiricamente que, em condies naturais co e sem ser submetida ` pesca industrial, a quantidade de uma certa espcie a e de peixes varia da seguinte forma: se em um determinado ano a populao ca diminuiu, a probabilidade de que diminua ainda mais no ano seguinte 0, 6 e e, se em um determinado ano a populao aumenta, a probabilidade de que ca diminua no ano seguinte apenas 0, 3. Entretanto, observa-se que sendo e submetida ` pesca industrial, quando a populao aumenta num determia ca nado ano, a probabilidade de que diminua no ano seguinte se altera para 0, 5, enquanto que se a populao diminui num ano, a probabilidade de que ca diminua no ano seguinte continua sendo 0, 6. Deseja-se saber como, a longo prazo, a pesca industrial estar afetando os peixes dessa espcie, para ver se a e necessrio diminuir a intensidade de pesca ou se, ao contrrio, poss e a a e vel aument-la. a Resoluo ca Os estados deste processo so: diminuio da populao (D) e aumento a ca ca da populao (A). Ento, sem haver pesca industrial, a matriz de probabica a lidades de transio , pois: ca e D A D 0,6 0,4 A 0,3 0,7

245

Como a matriz regular, as probabilidades pD e pA da populao dimie ca nuir ou aumentar a longo prazo, respectivamente, so: a 0, 6 0, 3 0, 4 0, 7 pD pA = pD pA

Lembrando que pD + pA = 1, segue que pD = 3 e pA = 4 . Portanto, em 7 7 condies naturais, a espcie tem sobrevivncia razoavelmente garantida. co e e Com a pesca industrial, a matriz se altera para D A 0, 6 0, 5 0, 4 0, 5 D 0,6 0,4 A 0,5 0,5 pD pA

Como a matriz regular, a longo prazo pD e pA so dadas por e a pD pA =

a Assim, pD = 5 e pA = 4 . Portanto, se submetida ` pesca industrial, 9 9 a sobrevivncia da espcie estar comprometida. Logo, deve-se diminuir a e e a pesca. Exemplo D.3.8 Duas substncias distintas esto em contato a trocam a a ons de sdio entre si. Por deduo terica ou emp o ca o rica, sabe-se que um on de sdio do meio (1) abaixo tem probabilidade 0, 7 de passar ao meio (2), o enquanto que um de sdio do meio (2) tem probabilidade 0, 1 de passar on o para o meio (1) (ver gura D.3.1). Colocando-se 2 mis de sdio no meio o o (1), quais sero as concentraes de sdio em cada um dos meios, aps um a co o o longo per odo de tempo?

UNIVATES Centro Universitrio a meio (1) N a+ meio (2) N a+

246

Figura D.4: Distribuio de ca ons de sdio em dois meios o Resoluo ca Os estados deste processo so: o est no meio (1) e o est no a on a on a meio (2). A matriz de transio : ca e meio (1) meio (2) meio (1) 0,3 0,7 meio (2) 0,1 0,9

Sejam p1 e p2 as respectivas probabilidades de estar no meio (1) ou (2). (1) No instante inicial, todo o sdio foi colocado no meio (1), ento p1 = 1 o a (1) e p2 = 0. A matriz regular, logo a longo prazo as probabilidades no e a dependem das probabilidades iniciais, e devem satisfazer 0, 3 0, 1 0, 7 0, 9 p1 p2 = p1 p2

co Temos p1 + p2 = 1 p1 = 1 e p2 = 7 . Logo, as concentraes nais de 8 8 sdio em cada meio so 8 2 = 0, 25 mis no meio (1) e 7 2 = 1, 75 mis o a 1 o o 8 no meio (2).

D.4

Previses em Gentica o e

Fazendo algumas pequenas modicaes nas idias que utilizamos nos co e processos de Markov, poss estudar vrios problemas genticos. e vel a e O tipo mais simples de transmisso de herana gentica efetuado a c e e atravs de pares de genes, podendo estes ser ambos dominantes, recessie vos, ou um dominante e outro recessivo. Chamemos G o gene dominante e g o recessivo . Um indiv duo ser chamado dominante se tiver genes GG, a h brido se tiver genes Gg, e recessivo, caso os genes sejam gg. Um indiv duo herda seus genes ao acaso, um deles de seu pai e o outro de sua me. Assim, nos vrios tipos de cruzamento, temos probabilidades distintas a a de transmisso de herana gentica. a c e Exemplo D.4.1 No caso de cruzamento entre dominantes, teremos somente lhos dominantes.

UNIVATES Centro Universitrio a GG com probabilidade 1 Gg com probabilidade 0 gg com probabilidade 0

247

GG cruzado com GG

Tabela D.2: Cruzamento entre indiv duos dominantes Exemplo D.4.2 Cruzando indiv duos recessivos, teremos: gg cruzado com gg GG com probabilidade 0 Gg com probabilidade 0 gg com probabilidade 1

Tabela D.3: Cruzamento entre indiv duos recessivos Exemplo D.4.3 Cruzando um dominante com um recessivo, temos: GG cruzado com gg GG com probabilidade 0 Gg com probabilidade 1 gg com probabilidade 0

Tabela D.4: Cruzamento entre um indiv duo dominante e um recessivo duo dominante (GG) com Exemplo D.4.4 No cruzamento de um indiv um h brido (Gg), temos como resultado indiv duos GG com probabilidade 0, 5; indiv duos Gg com probabilidade 0, 5, e no teremos indiv a duos gg, i.e., a probabilidade de gg 0. e Exemplo D.4.5 No caso de cruzarmos um indiv duo recessivo (gg) com um h brido (Gg), teremos probabilidade 0 para GG, probabilidade 0, 5 para Gg, e probabilidade 0, 5 para gg. duos h bridos Exemplo D.4.6 E, nalmente, no caso de dois indiv (Gg), temos: indiv duos GG com probabilidade 0, 25; indiv duos Gg com probabilidade 0, 5; e indiv duos gg com probabilidade 0, 25. Notao: usaremos d para indicar qualquer caracter ca stica dominante, r para caracter sticas recessivas, e h para indiv duos h bridos; alm disso, e usaremos d d, d r, etc., para os representar os diversos cruzamentos poss veis. Colocando as probabilidades em colunas, podemos montar a seguinte matriz T :

UNIVATES Centro Universitrio a dd 1 0 0 rr 0 0 1 dr 0 1 0 dh 0,5 0,5 0 rh 0 0,5 0,5 hh 0,25 0,5 0,25

248

d h r

Tabela D.5: Cruzamento entre indiv duos Observao D.4.7 Numa populaao numerosa composta por uma porca c (1) (1) (1) centagem pd de indiv duos dominantes, ph de indiv duos h bridos e pr de indiv duos recessivos, a probabilidade de cruzamento de genes de um in(1) (1) div duo dominante com outro dominante pd pd . Se quisermos calcular e a probabilidade de um cruzamento entre um dominante e um h brido, temos (1) (1) que somar pd ph (considerando o caso em que o primeiro dominante e e (1) (1) (1) (1) o segundo h e brido) a ph pd . Assim, a probabilidade de 2pd ph . Os e outros casos seguem o mesmo racioc 3 . nio Cruzamento dd rr dr dh rh hh Probabilidade (1) (1) pd pd (1) (1) pr pr (1) (1) 2pd pr (1) (1) 2pd ph (1) (1) 2pr ph (1) (1) ph ph

Tabela D.6: Probabilidades dos diversos cruzamentos poss veis

(2) (2) (2) E poss obter as porcentagens pd , ph e pr da segunda vel cruzamentos dos respectivos indiv duos: (1) (1) pd pd (1) (1) (2) pr pr (1) (1) pd 1 0 0 1/2 0 1/4 (2) 2pd pr ph = 0 0 1 1/2 1/2 1/2 2p(1) p(1) d (2) 0 1 0 0 1/2 1/4 pr (1) h 2pr p(1) h (1) (1) ph ph

gerao de ca

Supondo que no haja novo cruzamento de indiv a duos da primeira gerao 4 e uma vez obtidas as porcentagens de indiv ca duos da segunda gerao, podemos obter as porcentagens da terceira gerao, e assim suca ca cessivamente.
3 Estamos supondo que a caracter stica gentica analisada seja tal que no interra no e a cruzamento natural 4 O que, em geral, ocorre com populaoes de insetos, etc. c

UNIVATES Centro Universitrio a Observao D.4.8 Desta forma, podemos obter o perl gentico de ca e qualquer gerao, ainda que os clculos sejam cada vez mais demorados. ca a Este tipo de anlise, embora simples, de suma importncia em muitos a e a campos. Em particular, na Agricultura, para se ter uma idia da propagaao e c da resistncia gentica a certos tipos de doenas, da resistncia de insetos a e e c e tipos de inseticidas, etc. Exemplo D.4.9 Para se combater uma determinada espcie de insetos, e aplica-se um certo tipo de inseticida numa plantao. Aps a aplicao ca o ca verica-se que, dos poucos insetos sobreviventes, 60% eram resistentes ao inseticida e os outros 40% no o eram (e haviam sobrevivido por razes a o casuais). Sabe-se que o ciclo de vida desses insetos de um ano e que eles e se cruzam apenas uma vez em cada gerao. Ademais, cou comprovado que ca a resistncia ao inseticida uma caracter e e stica dominante e que o inseticida no foi aplicado novamente. Qual a porcentagem de insetos resistentes ao a e inseticida aps dois anos? o Soluo ca Por ser uma caracter stica dominante, os insetos resistentes podem ser de gentipo GG ou Gg na relao de 1 : 2 e, assim, 20% dos insetos resistentes o ca (1) (1) so dominantes e 40% so h a a bridos. Temos, portanto, pd = 0, 2, ph = 0, 4 (1) e pr = 0, 4 e assim, a distribuio da porcentagem dos insetos aps um ano ca o dada por e (0, 2) (0, 2) (2) (0, 4) (0, 4) pd 1 0 0 1/2 0 1/4 2(0, 2) (0, 4) (2) ph = 0 0 1 1/2 1/2 1/2 2(0, 2) (0, 4) (2) 0 1 0 0 1/2 1/4 pr 2(0, 4) (0, 4) (0, 4) (0, 4) ou seja, pd = 0, 16, ph = 0, 48 e pr distribuio de insetos ser dada por ca a
(2) (2) (2)

249

= 0, 36. Aps mais um ano, a o (0, 16) (0, 16) (0, 36) (0, 36) 2(0, 16) (0, 36) 2(0, 16) (0, 48) 2(0, 36) (0, 48) (0, 48) (0, 48)

(3) pd 1 0 0 1/2 0 1/4 (3) ph = 0 0 1 1/2 1/2 1/2 (3) 0 1 0 0 1/2 1/4 pr

ou seja, pd = 0, 16, ph = 0, 48 e pr = 0, 36. Assim, aps dois anos, a porcentagem dos insetos resistentes ao inseticida o (3) (3) ser de pd + ph = 0, 16 + 0, 48 = 0, 64, ou seja, 64% da populao a ca e resistente. Dessa forma, se for necessria uma nova aplicao de inseticida, a ca no ser conveniente aplicar o mesmo tipo, pois ele matar no mximo 36% a a a a dos insetos.

(3)

(3)

(3)

UNIVATES Centro Universitrio a Observao D.4.10 Observe que a distribuio dos insetos quanto ca ca ao gentipo GG, Gg ou gg permaneceu a mesma nas segunda e terceira o geraes. co Exerc cio D.4.11 Calcule as probabilidades para a quarta gerao de ca insetos (depois de trs anos) para o problema D.4.9. e Observao D.4.12 O resultado que voc obteve no exerc ca e cio D.4.11 no uma casualidade. Existe uma lei gentica que estabelece, sob a e e condies ideais, que depois da segunda gerao a distribuio entre os co ca ca gentipos permanece a mesma. Assim, se partirmos de uma populao onde o ca (1) (1) (1) a formao inicial dada por freqncias pd = u, ph = v e pr = w, ca e ue temos: Gentipo o GG Gg gg Geraao inicial c u v w Geraes seguintes co (u + v )2 2 2(u + v )(w + v ) 2 2 (w + v )2 2

250

Pode-se demostrar esta relao atravs do produto de matrizes (em momenca e tos de solido). a e ca Observao D.4.13 No modelo gentico considerado nesta seo, ca assume-se uma situao-padro: no existe migraao, os encontros so ao ca a a c a acaso, no ocorrem mutaes nem seleo, os dois sexos aparecem sempre a co ca em quantidades iguais. Observao D.4.14 Esta relaao de estabilidade gentica foi apresenca c e tada independentemente, pelo matemtico G.H. Hardy e o gentico W. a e Weinberg em 1908.
H I C T GR A N E

Apndice E e

Somatrios o

V
como:

amos agora apresentar a voc um s e mbolo que ser bastante util a para os itens que ainda desenvolveremos neste curso; e o faremos atravs de e um exemplo: imagine que queiramos representar a soma dos dez primeiros termos de uma progresso: a a1 + a2 + a3 + a4 + a5 + a6 + a7 + a8 + a9 + a10 ; no sentido de sintetizar esta soma, usaremos o s mbolo
10 i=1

ai que deve ser

lido: somatrio de ai , com i variando de um at dez. o e Note que o ndice i pode ser substitu por qualquer outra letra; de do fato, a mesma soma apresentada anteriormente poderia tambm ser escrita e
10 j=1

aj ou

10 n=1

an ou

10 s=1

as . Muitas vezes aparecem tambm somatrios e o

duplos, triplos, etc., onde trabalhamos com dois, trs, etc. e ndices.

E.1

Exemplos
2 i,j=1

Exemplo E.1.1 O somatrio duplo o

aij representa:

a11 + a12 + a21 + a22 , ou seja, a soma dos termos da matriz quadrada a11 a12 . a21 a22 Exemplo E.1.2 O somatrio triplo o
2 i,j,k=1

aijk representa:

a111 + a112 + a121 + a122 + a211 + a212 + a221 + a222 .

251

UNIVATES Centro Universitrio a

252

E.2

Exerc cios
n i=1

Exerc cio E.2.1 Desenvolver o somatrio o

i.
1 i.

Exerc cio E.2.2 Desenvolver o somatrio o

7 i=3

Exerc cio E.2.3 Desenvolver o somatrio o

6 i=1

i i+1 . 121 i=53

Exerc cio E.2.4 Quantas parcelas h no somatrio a o Exerc cio E.2.5 Desenvolver o somatrio o Exerc cio E.2.6 Desenvolver o somatrio o 1. n par. e 2. n e mpar.
n i=0 n

ai ?

ai bni . (1)n ai , nos casos:

i=0

Exerc cio E.2.7 Escrever sob a forma de somatrio: o a0 xn + a1 xn1 + a2 xn2 + . . . + an1 x + an . Exerc cio E.2.8 Escrever sob a forma de somatrio: o 1 a + a2 a3 + . . . + a100 a101 . Exerc cio E.2.9 Escrever sob a forma de somatrio: o 1 + a a2 + a3 . . . a100 + a101 . Exerc cio E.2.10 Escrever sob a forma de somatrio: (x + a)n . o Dica: Use o binmio de Newton. o Exerc cio E.2.11 Calcular o somatrio o
5 i=0 5 i

Exerc cio E.2.12 Calcular o somatrio o

70 i=23

2.

UNIVATES Centro Universitrio a

253

E.3

Algumas Propriedades

n i=1

Propriedade E.3.1

ai =

i=1

(ai )

prova:
n i=1

ai = (a1 + a2 + a3 + + an1 + an ) = = a1 + a2 + + an1 + an = =

n i=1

(ai )

Propriedade E.3.2

i=1

(ai + bi ) =

n i=1

ai +

n i=1

bi

prova: exerc cio.

n m n m

P
(
i=1

Propriedade E.3.3

ai )(

j=1

bj ) =

i=1 j=i

ai bj

prova: Seja B =

m j=1

bj ; ento: a
m j=1

i=1

ai )(

bj ) = ( = = =

i=1 n

ai ) B =

i=1 n

(ai B) =
m

i=1 j=1 n m i=1 j=1

(ai

bj ) =

ai bj

Note que nesta demonstrao utilizamos duas vezes a propriedade 1. ca

n m m n

Propriedade E.3.4

i=1 j=1

ai bj =

j=1 i=1

ai bj

UNIVATES Centro Universitrio a prova:

n m

254

i=1 j=1

ai bj

i=1

(ai b1 + ai b2 + + ai bm ) =

= a1 b1 + a1 b2 + + a1 bm1 + a1 bm + +a2 b1 + a2 b2 + + a2 bm1 + a2 bm + +an1 b1 + an1 b2 + + an1 bm1 + an1 bm + +an b1 + an b2 + + an bm1 + an bm = = ( = =
n i=1 m n

ai )b1 + (

i=1

ai )b2 + + (

i=1

ai )bm1 + (

i=1

ai )bm =

j=1 i=1 m n j=1 i=1

ai )bj =

ai bj

E.4
E.2.1 E.2.2 E.2.3 E.2.4 E.2.7 E.2.8 E.2.9 E.2.10 E.2.11 E.2.12

Respostas dos Principais Exerc cios

n(n+1) 2 153 140 617 140

121 53 + 1 = 69
n i=0 101

ai xni

(1)i ai (1)i+1 ai
n i

i=0 101

i=0 n i=0

xni ai

25 = 32 96
H I C T GR A N E

Apndice F e

Tpicos sobre Retas e suas o Equaes co

F.1 Introduo ca

estudamos alguns tpicos de Geometria Anal a o tica. Assim, dados dois pontos A(xA , yA ) e B(xB , yB ), sabemos que dist(A, B) = (xB xA )2 + (yB yA )2 .

Alm disso, o ponto mdio de um segmento AB M xA +xB , yA +yB . e e e 2 2 Sabemos que uma equao do tipo y = mx + n, com m e n constantes, ca representa uma reta e que a equao da circunferncia de centro C(xC , yC ) ca e 2 + (y y )2 = r 2 . e raio r (x xC ) e C Aqui, dedicar-nos-emos ao estudo anal tico (algbrico) das retas. e Propriedade F.1.1 Numa reta no vertical, aos sucessivos aumentos a iguais nas abscissas (coordenadas X) de seus pontos, correspondem sucessivos aumentos iguais (entre si) nas ordenadas dos mesmos. Exerc cio F.1.2 Considere a reta de equao y = 3x 5. Seus pontos ca de abscissas 2, 3, 4 e 5 possuem ordenadas respectivamente iguais a: Exerc cio F.1.3 Os pontos A(xA , yA ) e B(xB , yB ) pertencem ` reta a y = 7x + 4. Sendo x = xB xA e y = yB yA : 1. Se x = 1 ento y = a 2. Se x = 2 ento y = a 3. Se x = 6 ento y = a ; ; . 255

UNIVATES Centro Universitrio a

T

256

Figura F.1: Representao geomtrica da propriedade construtiva de uma ca e reta a Exerc cio F.1.4 Os pontos A, B e C pertencem ` reta y = 5x 1. Se suas abscissas constituem uma P.A. de razo 1, ento suas ordenadas a a constituem uma de razo a . Este fato nos mostra que o grco a de y = 5x 1, enquanto avana uma unidade apenas para a direita, sobe c unidades. Exerc cio F.1.5 Comparando as declividades (inclinaes) das retas co dadas por y = 2x + 13 e por y = 4x 11, pode-se armar que a de maior declividade e , pois ela, ao avanar uma unidade para a direita, sobe c unidades, enquanto a outra sobe apenas unidades. Exerc cio F.1.6 Os pontos A, B, C, e D pertencem ` reta y = 6x+5. a Se suas abscissas constituem uma P.A. de razo 1, ento suas ordenadas a a constituem uma de razo a . Este fato nos mostra que o grco de a y = 6x + 5, enquanto avana uma unidade para a direita, c unidades. Exerc cio F.1.7 Comparando as inclinaes das retas y = 17x + 31 co e y = 9x + 57; aquela que mais se aproxima de uma posio vertical ca e , pois ela, ao avanar uma unidade para a direita, c unidades, enquanto a outra apenas unidades.

UNIVATES Centro Universitrio a Exerc cio F.1.8 Os pontos A(xA , yA ) e B(xB , yB ) pertencem ` reta a y = 10x. 1. Se x = 3, ento y = a 2. Se x = ;

257

, ento y = 4. a

Exerc cio F.1.9 Os pontos A(xA , yA ) e B(xB , yB ), distintos, perteny cem ` reta y = 2x + 3. Ento, temos: y = a a x, ou seja, x = .

F.2

Coeciente Angular

Os exerc cios acima indicam que a inclinao da reta r dada por ca y = mx + n sempre regulada pelo coeciente m. Estudaremos isto mais e detalhadamente. Suponhamos r no-horizontal, e seja A = rOX formando = (r, OX) a no sentido anti-horrio. Calculemos tan . a Sejam A(xA , yA ), B(xB , yB ) r. Ento, yA = mxA + n e yB = mxB + n. a o 1 caso: 0 < < 90:

yB

yA A xA

xB

Figura F.2: Coeciente angular onde 0 < < 90 Neste caso, 0 < < 90, tem-se: tan = yB yA BC (mxB + n) (mxA + n) (xB xA ) = = =m = m. AC xB xA xB xA xB xA

Antes de prosseguir, vale lembrar que se obtuso, ento: e a tan(180 ) = tan .

UNIVATES Centro Universitrio a 2o caso: 90 < < 180: Neste caso, 90 < < 180, tem-se: tan = tan(180 ) = Ento a tan = (xB xA ) (mxB + n) (mxA + n) =m = m. xB xA xB xA BC yB yA yB yA = = . AC xA xB xB xA

258

yB

180 C A xB xA

yA

Figura F.3: Coeciente angular onde 90 < < 180 Finalmente, conclui-se que: Coeciente angular: m = tan Por isso, na reta dada por y = mx + n, chamaremos m de coeciente angular da reta. e a Observao F.2.1 Os casos em que a reta horizontal ou vertical sero ca analisados mais tarde.

F.3

Coeciente Linear

Na reta r de equao y = mx+n, o ponto de abscissa x = 0 tem ordenada ca y = n. Portanto, (0, n) o ponto de interseco de r com o eixo OY . Na e ca reta dada por y = mx+n, o coeciente n ser chamado de coeciente linerar a da reta.

UNIVATES Centro Universitrio a

259

(0, n)

y = mx + n

0 Figura F.4: Coeciente linear da reta

Exemplo F.3.1 Obtenha a equao da reta r indicada na gura abaixo. ca

(0, 3)

45o 0 Resoluo ca A equao da reta r y = mx + n, onde m = tan 45 = 1 e n = 3. Logo, ca e a equao pedida y = x + 3. ca e Exerc cio F.3.2 Qual o coeciente angular da reta y = 5x + 7? e Exerc cio F.3.3 Obtenha os coecientes angular e linear da reta de equao 3x + 2y 8 = 0. ca

UNIVATES Centro Universitrio a Exerc cio F.3.4 Nos itens abaixo, obtenha a equaao da reta: c

260

a. (0, 5) 60o

b.

45o

(0, 2) c. (0, 1)

d. 135o

30o

(0, 3)

e. 60o

f. 150o

(0, 3)

UNIVATES Centro Universitrio a Exerc cio F.3.5 Na gura abaixo, OAB um tringulo equiltero de e a a lado 3. Obtenha a equao da reta que os pontos A e B determinam. ca

261

O Exerc cio F.3.6 Na gura abaixo, M N OP um quadrado de lado 2. e Obtenha a equaao da reta suporte da diagonal N P . c

UNIVATES Centro Universitrio a Exerc cio F.3.7 Na gura abaixo, ABCD um quadrado de lado 2 2. e Qual a equao da reta que os pontos B e C determinam? e ca

262

C O

F.3.1

Um Caso ` Parte a

1o caso: A reta r horizontal. e Todos os pontos de r tm ordenadas iguais a n. Portanto, y=n . e Note que se enquadra na frmula y = mx + n ( = 0) e continua valendo o y m = tan = x .

n r

Figura F.5: Reta horizontal

UNIVATES Centro Universitrio a 2o caso: A reta r vertical. e Neste caso a equao de r : x=d , que no se enquadra no caso ca e a geraly = mx + n. Aqui tem-se = 90 e, como no se dene tan 90, tambm no se denir a e a a coeciente angular para as retas verticais. r

263

(d, 0) Figura F.6: Reta vertical

Portanto: a reta vertical constitui uma exceo, e deve ser analisada ca sempre ` parte do caso geraly = mx + n. a Exerc cio F.3.8 O tringulo OAB equiltero de lado 10. Obtenha as a e a equaes das retas suportes das alturas do tringulo relativas aos lados OB co a e OA.

UNIVATES Centro Universitrio a Exerc cio F.3.9 Nos itens abaixo, obtenha a equaao da reta r: c

264

a.

b. P (3, 2) 0

P (4, 3)

c.

d.

P (2, 1) r 0 r 0

Exerc cio F.3.10 Em cada caso, obtenha o coeciente angular da reta dada: 1.
x 5

y 3

=1

2. y = 2 3. y 2 = 3(x + 5) 4. x = 6

UNIVATES Centro Universitrio a Exerc cio F.3.11 Na gura abaixo, OABC um quadrado de diagonal e 6. Qual a equao da reta que passa por A e C? E por A e B? e ca

265

B O

C Exemplo F.3.12 Qual o coeciente angular da reta determinada pee los pontos A(1, 2) e B(2, 11)? Resoluo ca y 11 2 9 = = =3 x 2 (1) 3

m=

O coeciente angular m = 3. e Exerc cio F.3.13 Em cada caso, obtenha o coeciente angular da reta denida pelos pontos A e B: 1. A(3, 4) e B(7, 8) 2. A(1, 2) e B(5, 6) 3. A(2, 3) e B(3, 2) 4. A(10, 8) e B(7, 8) 5. A(2, 7) e B(2, 13).

UNIVATES Centro Universitrio a Exemplo F.3.14 Na gura abaixo, OABC um quadrado de lado 2; e M e N so pontos mdios dos lados. Quais so as equaoes das retas r, s a e a c e t?

266

A O N r

Resoluo ca As trs retas tm o mesmo coeciente linear: n = 2. e e mr = ms = tan 135 = 1, mt = Ento as equaes so: a co a 1 (r): y = 2 x + 2; (s): y = x + 2; (t): y = 2x + 2. 02 yN yC = = 2 xN xC 10 yM yC 12 1 = = xM xC 20 2

UNIVATES Centro Universitrio a Exerc cio F.3.15 Na gura abaixo, OABC um quadrado de lado 2; e M , N e P so pontos mdios dos lados. Quais so as equaes das retas r, a e a co s e t? r C M P N s B

267

A t

Exerc cio F.3.16 Na gura abaixo, OABC um quadrado de lado 2 e e CDE um tringulo equiltero de lado 2. Quais so as equaes das retas e a a a co r, s e t?

E D C B s r

UNIVATES Centro Universitrio a

268

F.4

As Retas que Passam por um Ponto Dado

Dado um ponto P (xP , yP ), h innitas retas do plano cartesiano que a passam por P .

P (xP , yP )

1o caso: A reta r no vertical. a e Sendo m o coeciente angular da reta, para qualquer ponto (x, y) r, distinto de P (xP , yP ), tem-se: m= y yP y = . x x xP

Ento: y yP = m(x xP ) . a Note que o prprio ponto P (xP , yP ) satisfaz a equao: o ca r

(x, y)

P (xP , yP )

UNIVATES Centro Universitrio a 2o caso: A reta r vertical. e Neste caso, a equao da reta r : x = xP . ca e r

269

P (xP , yP )

Concluso: As retas que passam por P (xP , yP ) tm suas equaes daa e co das por: y yP = m(x xP ) ou x = xP . Exemplo F.4.1 Obtenha a equaao das retas r, s, t e u. c t r u

P (5, 3)

150o 45o 120o

UNIVATES Centro Universitrio a Resoluo ca A reta r no vertical e passa por P (5, 3); logo y yP = mr (x xP ), a e o que implica que y 3 = mr (x 5). Mas, mr = tan 45 = 1. Donde (r): y 3 = x 5 ou y = x 2; A reta s vertical: (s): x = 5; e A reta t no vertical, logo y 3 = mt (x 5).Mas, sabemos que a e mt = 120 = 3. Donde (t): y 3 = 3(x 5) ou ainda tan y = 3x + (3 + 5 3);

270

A reta u no vertical e mu = tan 150 = a e dada por (u): y 3 =

33 (x

3 3 .

A equao da reta ca e
3 3 x

5) ou ainda y =

+ (3 +

5 3 3 ).

Exerc cio F.4.2 Em cada caso, obtenha a equaao da reta que passa c pelo ponto P e tem coeciente angular m: 1. P (2, 1) e m = 2; 2. P (1, 3) e m = 1; 3. P (0, 5) e m = 3; 4. P (0, 0) e m = 1. Exerc cio F.4.3 D a equao da reta r, em cada caso: e ca

a.

P (4, 2)

b.

(1, 4)

c.

(7, 1)

45o 30o d. e. 45o f.

60o

60o

( 3, 2)

(2, 1)

UNIVATES Centro Universitrio a Exemplo F.4.4 Qual a equao da reta que passa por A(1, 1) e e ca B(3, 11)? Resoluo ca A reta no vertical e passa por A(1, 1); logo: y 1 = m(x 1). Mas, a e m= y yB yA 11 1 = = = 5. x xB xA 31

271

Ento, y 1 = 5(x 1) ou ainda y = 5x 4. a Exerc cio F.4.5 Em cada caso, escreva a equao da reta denida pelos ca pontos A e B: 1. A(1, 5) e B(5, 13); 2. A(1, 2) e B(3, 4); 3. A(3, 10) e B(5, 2); 4. A(3, 1) e B(0, 1); 5. A(8, 12) e B(3, 12); 6. A(2, 2) e B(1, 5); 7. A(0, 0) e B(5, 7); 8. A(1, 5) e B(1, 8). Exerc cio F.4.6 Determine o valor de a para que os pontos A(3, 5), B(3, 8) e C(4, a) estejam alinhados. Exerc cio F.4.7 Determine o ponto P , pertencente ao eixo das abscissas, que est alinhado com os pontos A(1, 2) e B(3, 1). a Exerc cio F.4.8 Na gura abaixo, OAP um tringulo equiltero de e a a lado 8 e ABCD um quadrado de lado 8. Obtenha as equaes das retas r, e co s e t.

r s D P C t

UNIVATES Centro Universitrio a

272

F.5

Paralelismo de duas retas

Proposio F.5.1 Se duas retas r e s so paralelas entre si, ento elas ca a a possuem coecientes angulares iguais, com exceo do caso em que ambas ca so verticais. a prova: De fato, se r s, ento r = s . a (i). Se r = s = 90o , ento tan r = tan s mr = ms . a (ii). Se r = s = 90o , ento r e s so ambas verticais. a a Exemplo F.5.2 Obtenha a equao da reta r que passa por P (2, 3) e ca paralela ` reta s: 5x + 7y + 8 = 0. e a Resoluo ca (s): 5x + 7y + 8 = 0 y = 5 x 8 ms = 5 . Mas, r s; logo: 7 7 7 5 mr = ms = 7 . Como a reta r passa por P (2, 3), sua equao : y 3 = 5 (x + 2) ou ca e 7 y = 5 x + 11 ou ainda 5x + 7y 11 = 0. 7 7 c Exerc cio F.5.3 Em cada caso escreva a equaao da reta que passa pelo ponto P e paralela ` reta (r) dada: e a 1. P (1, 2) e (r): 2x 5y + 7 = 0; 2. P (3, 5) e (r): y = 8x 1; 3. P (4, 5) e (r): y = 1; 4. P (1, 8) e (r):
x 2

y 3

= 1;

5. P (7, 4) e (r): y 2 = 5(x + 3); 6. P (2, 3) e (r): x 3 = 0. Exerc cio F.5.4 Escreva a equao da reta que passa por P e paralela ca e ` reta determinada pelos pontos A e B: a 1. P (2, 3), A(1, 7) e B(4, 8); 2. P (3, 5), A(4, 7) e B(6, 3).

UNIVATES Centro Universitrio a Exerc cio F.5.5 Na gura, ABCD um paralelogramo. Obtenha a e equao da reta suporte do lado CD, sabendo que A(2, 4), B(1, 1) e C(5, 2). ca

273

Exerc cio F.5.6 Determine o valor da constante k tal que as retas dadas por x 3y + 2 = 0 e 5x + ky 1 = 0 sejam paralelas.

F.6

Interseco de Duas Retas ca

O ponto de interseco de duas retas pertence a ambas, isto , deve saca e tisfazer `s equaes dessas duas retas. Portanto, para obter o ponto comum a co a duas retas concorrentes, basta resolver o sistema formado pelas equaes co dessas duas retas. ca Exemplo F.6.1 Obter o ponto de interseco da reta (r): 5x+4y +2 = 0 com a reta (s): 3x 4y 18 = 0. Soluo ca Seja o sistema 5x + 4y + 2 = 0 3x 4y 18 = 0. Somando-se as duas equaes, segue que 8x 16 = 0. co Logo, x = 2 e y = 3. Portanto, o ponto de interseco de r com s ca e P (2, 3). Exerc cio F.6.2 Determine o ponto de interseco das retas r e s nos ca seguintes casos: 1. (r): y = 2x + 7; (s): y = x + 3; 2. (r): 2x + 3y + 1 = 0; (s): x + 2y = 0; 3. (r): y = 3x 7; (s): y = 8; 4. (r): y = 3x + 6y + 1 = 0; (s): x + 2y 5 = 0.

UNIVATES Centro Universitrio a Exerc cio F.6.3 Quais os vrtices do tringulo determinado pelas retas e a (r): y = 5x 4, (s): y = 2x 1 e (t): x = 5? Exerc cio F.6.4 No paralelogramo ABCD, os lados AB e AD esto a 2 3 7 contidos respectivamente nas retas (r): y = 3 x 3 e (s): y = 2 x + 7. Dado C(7, 8), determine BD.

274

s Exerc cio F.6.5 A parbola e a reta de equaes y = x + 3x + 6 e a co 9 4 y = 3 x cortam-se em dois pontos A e B. Determine o comprimento do segmento AB.
2

F.7

Perpendicularismo de duas Retas

Uma primeira situao de perpendicularismo ocorre quando uma das ca retas horizontal e a outra vertical. e Excetuando-se este caso: Se r e s so perpendiculares, tem-se: r = 90o + s (conra!) a

UNIVATES Centro Universitrio a

275

r s

s + = 90o . Logo, = s . + = 90o Assim, tan r = tan(90 + s ). Donde, De fato, tan(r ) = cos s 1 sin(90 + s ) = = . cos(90 + s ) sin s tan s

1 Ento, mr = ms . a 1 Concluso: Se duas retas r e s so perpendiculares, tem-se: mr = ms a a ou ento uma das retas horizontal e a outra, vertical. a e

ca e Exemplo F.7.1 Obter a equao da reta r que passa por P (3, 5) e perpendicular ` reta s, dada por 4x 7y + 1 = 0. a Soluo ca 4 (s): 4x 7y + 1 = 0 y = 4 x + 1 . Ento ms = 7 . Mas r s, logo a 7 7 7 7 mr = 4 . Como P r, segue que (r): y 5 = 4 (x 3). Exerc cio F.7.2 Em cada caso escreva a equaao da reta que passa pelo c ponto P e perpendicular ` reta r dada: e a 1. P (2, 1) e (r): 2x y + 4 = 0; 2. P (8, 3) e (r): 5x + 2y 9 = 0; 3. P (4, 6) e (r): x 3 = 0.

F.7.1

Projeo (Ortogonal) de um Ponto sobre uma Reta ca

Considere, num plano, um ponto P e uma reta r. Chama-se projeo ca (ortogonal) de P sobre r ao ponto de interseco de r com a reta que lhe ca e perpendicular, passando por P .

UNIVATES Centro Universitrio a P

276

r Q Exerc cio F.7.3 Obter a projeo do ponto P sobre a reta r nos seca guintes casos: 1. P (3, 1) e (r): x + 2y 6 = 0; 2. P (2, 1) e (r): x + 3y 6 = 0. Exerc cio F.7.4 Dentre os pontos da reta 2x y 1 = 0, qual aquele e cuja distncia ao ponto P (2, 8) m a e nima? Exerc cio F.7.5 Para qual valor do coeciente k as retas dadas por 3x + y 15 = 0 e 4x + ky + 1 = 0 so perpendiculares entre si? a e Exemplo F.7.6 O ponto P (6, 4) pertence a uma circunferncia de centro C(4, 3). Obtenha a equao da reta t que passa por P (6, 4) e tangencia ca esta circunferncia. e

t
'$

&%

Resoluo ca O raio da circunferncia CP e a reta t so perpendiculares entre si. Como e a yP yC 43 1 1 mCP = xP xC = 64 = 2 , tem-se mt = mCP = 2. A reta t passa por P (6, 4) e mt = 2, logo a equao : y 4 = 2(x 6) ou y = 2x + 16. ca e Exemplo F.7.7 Obtenha o ponto T , simtrico de P (4, 1), em relao ` e ca a reta (r): x + 3y + 3 = 0. (Q a projeo de P sobre r; T o simtrico de e ca e e P em relaao a r (P Q = QT )). c

UNIVATES Centro Universitrio a P

277

Resoluo ca 1 Seja s a reta que passa por P e perpendicular a r. Ento mr = 3 , e a 1 donde ms = mr = 3. A equao de s : y 1 = 3(x 4) ou y = 3x 11. ca e Obtemos {Q} = r s, resolvendo o sistema das equaes r e s. Assim, co Q = (3, 2). Como Q o ponto mdio de T P , temos que xQ = xP +xT , e e 2 y +y donde xT = 2. Da mesma forma, yQ = P 2 Q , donde yT = 5. Logo, T (2, 5).

F.8

Equao Geral e Equao Reduzida ca ca

Toda reta, mesmo que vertical, tem uma equao que pode ser apresenca tada na forma ax + by + c = 0, onde a, b, c so constantes, com a e b no a a simultaneamente nulos. Por exemplo, a reta (r): y = 2 x + 7 pode ser dada pela equao ca 3 (r): 2x + 3y 7 = 0, e a reta (s): x = 5 pode ser apresentada na forma (s): 1x + 0y 5 = 0.

F.8.1

Equao Geral da Reta ca

Chamaremos equao geral da reta a equao da reta dada na forma: ca ca ax + by + c = 0 (a e b no simultaneamente nulos). a Toda reta no vertical tem uma equao que pode ser apresentada na a ca forma y = mx + n, onde m e n so constantes chamadas, respectivamente, a de coeciente angular e coeciente linear.

F.8.2

Equao Reduzida da Reta ca

Chamaremos de equao reduzida da reta a equao da reta dada na ca ca forma: y = mx + n (m o coeciente angular; n o coeciente linear). e e Exerc cio F.8.1 Apresente a equao da reta (r): 3x 2y + 5 = 0 na ca sua forma reduzida. Exemplo F.8.2 Qual a distncia entre o ponto P (7, 11) e a reta e a (r): 3x + 4y 15 = 0?

UNIVATES Centro Universitrio a P

278

r Q

Resoluo ca 3 Seja (s) a reta que passa por P e perpendicular a r. Ento mr = 4 , e a 1 4 4 donde ms = mr = 3 . A reta s passa por P (7, 11) e ms = 3 ; logo, sua equao : y 11 = 4 (x 7) ou y = 4 x + 5 . ca e 3 3 3 Obteremos o ponto Q, projeo de P sobre r, resolvendo o sistema: ca 3x + 4y 15 = 0 , donde Q(1, 3). 4 y = 3x + 5 3 A distncia entre P e r a distncia entre os pontos P e Q: a e a dP,r = dP,Q = (xp xQ )2 + (yP yQ )2 = = (7 1)2 + (11 3)2 = 10. Portanto, a distncia de P ` reta r 10u.c.. a a e

F.9

Distncia entre Ponto e Reta a

Basta considerar um ponto genrico P (xP , yP ) e uma reta de equao e ca geral ax + by + c = 0 e proceder de maneira anloga ` efetuada no exemplo a a F.8.2. Devido ` sua longa e enfadonha prova, no apresentaremos aqui o seu a a desenvolvimento, limitando-nos a fornecer o resultado encontrado. O leitor interessado poder desenvolver sozinho a prova do mesmo, em momentos de a extremo tdio. Vetorialmente, a prova bem mais simples: pode-se utilizar e e o produto escalar para provar facilmente esta questo. a A distncia entre P (xP , yP ) e (r): ax + by + c = 0 dada por: a e dP,r =
|axP +byP +c| a2 +b2

Observao F.9.1 A frmula anterior utiliza-se da equao geral da ca o ca reta r. Exemplo F.9.2 Calcule a distncia entre P (2, 1) e (r): y = a Resoluo ca Equao geral: 12x 5y + 3 = 0. ca dP,r = |12 (2) + (5) 1 + 3| 122 + (5)2 = | 26| = 2. 13
12 3 5 x + 5.

UNIVATES Centro Universitrio a Exerc cio F.9.3 Calcule a distncia entre o ponto P e a reta r, nos a seguintes casos: 1. P (1, 2) e (r): 12x 9y 4 = 0 2. P (5, 7) e (r): y = 2x + 3 3. P (3, 5) e (r): x y 1 = 0 4. P (2, 3) e (r): y = 2x + 1 5. P (5, 3) e (r): x 2 = 0. Exerc cio F.9.4 Dado o tringulo de vrtices A(2, 3) e B(5, 1) e a e C(4, 7), determine o comprimento da altura relativa ao lado AB. Exerc cio F.9.5 Qual a rea do tringulo ABC do exerc e a a cio F.9.4? Exemplo F.9.6 Determine os pontos P do eixo das ordenadas tais que a distncia de P ` reta (r): 3x y + 12 = 0 seja igual a 2. a a Resoluo ca Seja P (0, yP ) o ponto procurado. Tem-se que: dP,r 2
| 30yP +12| = 2 2 2 ( 3) +(1)

279

|12yP | = 2 2 12 yP = 4 De 12 yP = 4 decorre yP = 8; de 12 yP = 4 decorre yP = 16. Portanto, h dois pontos do eixo das ordenadas com dP,r = 2, quais a sejam: P1 (0, 8) e P2 (0, 16). Exerc cio F.9.7 Determine os pontos da reta y = 2x tais que a distncia de cada um deles ` reta 12x 5y 3 = 0 seja igual a 3. a a Exerc cio F.9.8 Determine a distncia entre a reta y = x + 5 e a reta a y = x + 8. Exemplo F.9.9 Determine o par de bissetrizes dos ngulos formados a pelas retas (r): 3x + 4y 2 = 0 e (s): 4x + 3y + 12 = 0. (Qualquer ponto das bissetrizes do ngulo eqidista de seus lados) a u

UNIVATES Centro Universitrio a

280

s Resoluo ca Os pontos P (x, y) do par de bissetrizes eqidistam de r e s, isto , u e satisfazem dP,r = dP,s . Ento: a |3x + 4y 2| |4x + 3y + 12| = , 32 + 42 42 + 32 donde 3x + 4y 2 = (4x + 3y + 12). De 3x + 4y 2 = 4x + 3y + 12 decorre que x y + 14 = 0; por outro lado, de 3x + 4y 2 = (4x + 3y + 12) decorre que 7x + 7y + 10 = 0. Ento a os pontos das bissetrizes satisfazem a x y + 14 = 0 ou a 7x + 7y + 10 = 0, que so, portanto, as suas equaes. a co a Exerc cio F.9.10 Na gura, ABCD e CDEF so quadrados de lado 2; O a origem do sistema de eixos e centro da circunferncia inscrita em e e ABCD. Obtenha a medida da corda P Q. Dica: usar o tringulo retngulo OM Q, com M ponto mdio de P Q. a a e

'$

F G

&%

Q E

UNIVATES Centro Universitrio a

281

F.10
F.3.2 F.3.3 F.3.4

Respostas Cap tulo

5 m = 3, n = 4 2 Subdividindo: 1. y = 3x + 5 2. y = x 2

dos

Principais

Exerc cios

do

3. y =

3 3 x

+1

4. y = x 3 5. y = 3x 6. y = F.3.5 F.3.6 F.3.7 F.3.8 F.3.9 F.3.10 F.3.11 F.3.13 F.3.15 F.3.16 F.4.5 F.4.6 F.4.7 F.4.8 F.6.3 F.6.4 F.6.5 F.9.4 y=
3 3 x

3 3 x

+3

y = x + 2 y =x+2 y = 5 (rel. a OB); y = 3x 10 (rel. a OA)

a. y = 2; b. y = 3; c. y = 1; d. x = 0 1. 3 ; 2. 0; 3. 3; 4. no se dene a 5 x = 3 (por A e C); y = x + 6 (por A e B) a. 1; b. 4 ; c. 5; d. 0; e. no se dene a 3 (r): y = x + 1; (s): y = 1; (t): y = x + 1 2

(r): y =

3 3 x

+ 4; (s): y = x + 4; (t): y = 2x + 4

E esta a pergunta! a = 9; 2 P (7, 0); (r): y = 3x + 8 3; (s): y = (2 3)x + (8 3 8); (t): y = 23 3 x + 16 338 (1, 1), (5, 9) e (5, 21) 101 5
12 5

UNIVATES Centro Universitrio a F.9.5 F.9.7 F.9.8 F.9.10 6 P1 (21, 42) e P2 (18, 36) 3 2/2
4 34 17
H I C T GR A N E

282

Bibliograa
[1] ANTON, H. & RORRES, C. Algebra linear com aplicaoes, c Porto Alegre, Bookman, 2001, ISBN 85-7307-847-2 [2] CARVALHO, J.P. de Introduao ` lgebra linear, Rio de Janeiro, c a a IMPA, 1972 [3] BLOCH, S.C. Excel para Engenheiros e Cientistas. Rio de Janeiro, LTC, 225 p., 2004. ISBN 85-216-1395-4. [4] BOLDRINI, J.B. Algebra linear, So Paulo, Editora Harper & a a Row do Brasil Ltda., 3 edio, 1986 ca [5] DERIVE software [6] GRAPHMATICA software, Graphmatica for Windows c , K. Hertzer, KSoft, Inc., 1998, e-mail: ksoft@pair.com [7] HAETINGER, C.; HAETINGER, W.; DULLIUS, E.; MARCOLIN, D.; SCHMIDT, J.; OHSE, M. & KLEIN, N. The use of an articulate mechanical arm type robot built from materials of low cost as a supporting tool for teaching at the undergraduate level: the resolution of the direct and inverse kinematic models in the bidimensional case, (to appear) [8] HANSELMAN, D. & LITTLEFIELD, B. Matlab 6: curso completo, So Paulo, Prentice Hall, 2003, ISBN 85-87918-56-7 a a [9] HOFFMAN, K. & KUNZE, R. Algebra linear, So Paulo, Editora Pol gono, 1971 [10] http://www.somatematica.com.br [11] KLETENIK, D. Problemas de geometria analitica, Moscou, Editora MIR, 4a edio, 1979 ca [12] LARSON, R.E.; HOSTETTER, R.P. & EDWARDS, B.H. Clculo com Geometria Anal a tica, volume 2, Rio de Janeiro, LTC, 1998 [13] LIMA, E.L. Algebra linear, Rio de Janeiro, Instituto de Matemtica Pura e Aplicada (IMPA), CNPq, Coleo Matemtica Unia ca a versitria, 1995 a 283

UNIVATES Centro Universitrio a [14] LIMA, E.L. Coordenadas no espao, Rio de Janeiro, Instituto de c Matemtica Pura e Aplicada (IMPA), CNPq, Coleo do Professor de a ca Matemtica, 1993 a [15] LIMA, E.L. Coordenadas no plano, Rio de Janeiro, Instituto de Matemtica Pura e Aplicada (IMPA), CNPq, Coleo do Professor de a ca Matemtica, 1992 a [16] LIMA, E.L. Geometria Anal tica e Algebra Linear, Rio de Janeiro, Instituto de Matemtica Pura e Aplicada (IMPA), CNPq, Coleo Maa ca temtica Universitria, 2001 a a [17] LIMA, E.L. Sobre o ensino de sistemas lineares, So Paulo, SBM, a Revista do Professor de Matemtica (RPM) 23 (1993), pgs. 8-18 a a [18] LIPSCHUTZ, S. Beginning linear algebra, New York, McGrawHill, 1997, ISBN 0-07-038037-6 [19] LIPSCHUTZ, S. 3000 solved problems in linear algebra, New York, McGraw-Hill, 1989, ISBN 0-07-038023-6 ca [20] MACULAN, N. & PEREIRA, M.V.F. Programao linear, So Paulo, Editora Atlas, 1980 a [21] MAPLE software [22] MATCALC software, Matrix calculator c , verso 1.2, W.B. a Lewer, 1991 [23] MATHCAD software, Mathcad for Windows c , verso 2000, a Math Soft., Inc. [24] MATHEMATICA software [25] MATLAB software [26] PERIN, C. Introduao ` Programao Linear, Campinas, UNIc a ca CAMP, Coleo IMECC, Textos Didticos 2, 2001, 177 p. ca a [27] POOLE, D. Algebra Linear, So Paulo, Thomson, 2004. a [28] PROJETO GAUSS software [29] RUGGIERO, M.A.G. & LOPES, V.L. da R. Clculo a numrico: aspectos tericos e computacionais, So Paulo, Makron Boe o a oks, segunda edio, 1998, ISBN 85-346-0204-2 ca [30] REIS, G.L. dos & SILVA, V.V. da Geometria Anal tica, Rio de Janeiro, LTC, 1996. [31] SANCHEZ, J.; CHRISTEN, J.A. & VALERA, B. Correlacin de pares de imagenes para medicin de slidos por fenmenos eso o o o tereo, Mxico, Aportaciones Matemticas, Comunicaciones 23 (1999), e a 59-68

284

UNIVATES Centro Universitrio a [32] SMILE software a [33] STEINBRUCH, A. Algebra linear, So Paulo, Makron Books [34] STEINBRUCH, A. & WINTERLE, P. Geometria anal tica [35] STEINBRUCH,A. & WINTERLE, P. Introduao ` lgebra c a a linear, So Paulo, Makron Books, 1990, ISBN 0-07-460944-0 a [36] STRANG, G. Linear algebra and its applications, New York, Academic Press Incorporation Ltda., 1970 [37] WINMAT software, Peanut c software, R. Parris, 1992, ftp.exeter.edu, e-mail: rparris@exeter.edu, http://www.exeter.edu/ rparris/ [38] YUSTER, T. The reduced row Echelon form of a matrix is unique: a simple proof , Mathematics Magazine, 57 (2), 1984, pp. 93-94
H I C T GR A N E

285

Bibliograa

303