13 May - Aplicações de Matrizes No Ensino Médio

Aplicaes de matrizes no ensino mdio
Silvia da Rocha Izidoro Ferreira
SERVIO DE PS-GRADUAO DO ICMC-USP
Data de Depsito:
Assinatura:________________________
Aplicaes de matrizes no ensino mdio
Silvia da Rocha Izidoro Ferreira
Orientador: Prof. Dr. Srgio Henrique Monari Soares
Dissertao apresentada ao Instituto de Cincias

Matemticas e de Computao - ICMC-USP, como
parte dos requisitos para obteno do ttulo de Mestre
em Cincias Programa de Mestrado Profissional em
Matemtica. VERSO REVISADA
USP So Carlos
Maio de 2013
Ficha catalogrfica preparada pela Seo de Tratamento

da Informao da Biblioteca Prof. Achille Bassi ICMC/USP
F383a
Ferreira, Silvia da Rocha Izidoro

Aplicaes de Matrizes no ensino mdio / Silvia da
Rocha Izidoro Ferreira; orientador Srgio Henrique
Monari Soares. - So Carlos, 2013.
57 p.
Dissertao (Mestrado Programa de Ps-Graduao em
Mestrado Profissional em Matemtica em Rede Nacional
(PROFMAT)) -- Instituto de Cincias Matemticas e de
Computao, Universidade de So Paulo, 2013.
1. Matrizes. 2. Produto de matrizes. 3. Aplicaes
de matrizes. I. Soares, Srgio Henrique Monari,
orient. II. Ttulo.
Dedico esse trabalho ao

meu esposo, Rovaldo, que
renunciou a seus sonhos
para que eu pudesse viver
os meus, e tambm
minha lha, Anna Lvia,
que sem saber me motivava
a continuar.
Meus amores, essa vitria
no minha, e sim nossa.
Agradecimentos
Agradeo em primeiro lugar a Deus que possibilitou que eu chegasse at aqui, iluminando
cada passo, colocando pessoas abenoadas em meu caminho.
Ao meu professor orientador, Srgio Henrique Monari Soares, por ser um grande mestre,
no s pelo seu saber, mas principalmente por sua generosidade e pacincia, com que conduziu
esse trabalho, a ele minha eterna gratido e respeito.
A todos os professores do Profmat,
USP - So
Carlos,
em especial professora
coordenadora, Ires, por nos animar nos momentos de angstias e vibrar com nossas vitrias.
Obrigada por acreditar em ns.
minha amiga, Regina Clia Saraiva, a qual possui um imenso corao, que me apoiou
nos momentos de desnimo, e no se cansou de ouvir meus desabafos e me fortalecia dizendo
que eu era capaz.
Resumo
FERREIRA, S. R. I. Aplicaes de matrizes no ensino mdio.
2013.
55 f. Dissertao (Mestrado) - Instituto de Cincias Matemticas e de

Computao, Universidade de So Paulo, So Carlos, 2013.
Esta dissertao tem como objetivo salientar a utilidade e importncia

de clculos matriciais no ensino mdio.
Para tanto, foram estudados
alguns tpicos que descrevem situaes que necessitam de recursos

gerados por operaes matriciais.
Foi observado que esses tpicos
apresentam situaes que evidenciam a utilidade da multiplicao de

matrizes no somente no desenvolvimento terico, mas tambm nas
aplicaes de matrizes, e tm potencial para serem abordados no ensino
mdio.
Palavras-chave: Matrizes. Produto de matrizes. Aplicao de matrizes.
Abstract
FERREIRA, S. R. I. Applications of matrices in the secondary school.

2013. 55 f. Dissertao (Mestrado) - Instituto de Cincias Matemticas
e de Computao, Universidade de So Paulo, So Carlos, 2013.
The aim is this work is to stress on the use of algebraic operations with
matrices in the mathematics teaching for secondary school students. For
this purpose, we studied some topics that require algebraic operations
with matrices. It was observed that these topics reveal circumstances in
which the matrix multiplication is not only useful in the theoretical
development but also in the applications.
In addition, the studied
showed that these themes have potential to be considered in the

secondary school.
Key words: Matrices. Matrix multiplication. Application of matrices.
iii
Sumrio
Resumo
Abstract
iii
Introduo
1 Aplicaes do produto de matrizes
Grafos dirigidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Criptograa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
2.1
Aritmtica modular
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
2.2
Codicao
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
2.3
Quebrando uma cifra de Hill
. . . . . . . . . . . . . . . . . . . . . . .
17
Cadeias de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
25
Gentica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
4.1
36
Caractersticas Hereditrias
. . . . . . . . . . . . . . . . . . . . . . . .
2 Aplicaes do determinante
1
41
Construo de curvas e superfcies por pontos especicados
. . . . . . . . . .
47
1.1
Uma reta por dois pontos
. . . . . . . . . . . . . . . . . . . . . . . . .
47
1.2
Uma circunferncia por trs pontos . . . . . . . . . . . . . . . . . . . .
48
1.3
Uma cnica arbitrria por cinco pontos
. . . . . . . . . . . . . . . . .
49
1.4
Um plano por trs pontos
. . . . . . . . . . . . . . . . . . . . . . . . .
50
1.5
Uma esfera por quatro pontos . . . . . . . . . . . . . . . . . . . . . . .
51
Determinantes como rea ou volume
. . . . . . . . . . . . . . . . . . . . . . .
52
3 Roteiro de uma aula
55
Referncias Bibliogrcas
57
Introduo
Matrizes esto presentes no currculo do ensino Mdio e o seu ensino organizado pelo
contedo:
Matrizes: signicado como tabelas, caractersticas e operaes.
A noo de determinante de uma matriz quadrada.
Resoluo e discusso de sistemas lineares: escalonamento.
Matrizes surgem naturalmente em uma variedade de situaes e problemas, cuja aplicao

vai alm da resoluo e discusso de sistemas lineares. Diante dessa constatao, a motivao
inicial da presente dissertao foi situar a teoria de matrizes como uma linguagem natural
para a resoluo de certos problemas e oferecer um conjunto de aplicaes em diferentes ramos
da matemtica e outras reas do saber.
Como objetivo especco, pretendemos que esta
dissertao fornea um plano de aula sobre um tpico de matrizes que possa ser efetivamente
desenvolvido no ensino mdio.
Diante dos desaos, a primeira tarefa foi decidir o que estudar. Para tanto, analisamos
cuidadosamente o contedo da disciplina lgebra Linear, do ensino superior, onde matrizes
so amplamente estudadas, e escolhemos tpicos com maior potencial para aplicao no ensino
mdio. Para isso, foi levado em considerao a utilizao mnima de pr-requisitos e a beleza
dos problemas a serem abordados. Tal escolha resultou nos seguintes temas:
1. Aplicaes do produto de matrizes.
Grafos dirigidos.
Criptograa.
Cadeias de Markov.
Proposta Curricular do Estado de So Paulo: Matemtica - Coord. Maria Ins Fini. - So Paulo: SEE,
2008.
1
Introduo
Gentica.
2. Aplicaes do determinante.
Construo de curvas e superfcies por pontos especicados.
Determinante como rea ou volume.
Um aspecto que merece destaque o esforo metodolgico que zemos para desenvolver
esses temas utilizando essencialmente o produto de matrizes, no somente nas aplicaes,
mas tambm no desenvolvimento terico. Fizemos desse modo, com o desejo de evidenciar
a importncia do estudo da operao e tambm mostrar que a multiplicao de matrizes
combinada com o escalonamento produz uma tcnica poderosa para estabelecer propriedades
e interpretar certos conceitos, tal como zemos no Captulo 2 para o determinante.
Captulo
1
Aplicaes do produto de matrizes
Este captulo dedicado s aplicaes das propriedades aritmticas de matrizes,
mais
especicamente o produto de matrizes. Seguindo [1, Captulo 11], estudamos as aplicaes em

grafos dirigidos, criptograa, cadeias de Markov e gentica. Iniciamos relembrando a denio
do produto de matrizes.
Denio 1.1.
O produto
AB
Sejam
A = (aik )
denido como a
B = (bkj ) duas matrizes n p

matriz C = (cij ), onde
e
p q,
respectivamente.
cij = ai1 b1j + + aip bpj ,

para
i = 1, , n
j = 1, , q .
1 Grafos dirigidos
Multiplicao de matrizes amplamente utilizada na teoria de grafos, um ramo da matemtica
que se mostra til para modelagem em diversas situaes na cincia de computao, economia
e em cincias sociais. Iniciamos introduzindo grafos dirigidos e a relao com matrizes. Nosso
objetivo mostrar como matrizes so empregadas para calcular o nmero de caminhos de um
certo comprimento entre vrtices de um grafo.
Denio 1.2.
Um
grafo dirigido um conjunto nito de elementos {P1, ..., Pn} junto
com uma coleo nita de pares ordenados
(Pi , Pj )
3
de elementos distintos deste conjunto, sem
Captulo 1 Aplicaes do produto de matrizes
repetio de pares ordenados. Os elementos do conjunto so chamados

ordenados
arestas dirigidas do grafo dirigido.
Dado um grafo dirigido

conectado ao elemento
Pj .
{P1 , ..., Pn },
vrtices e os pares
Pi Pj indica que o elemento Pi est

dirigida (Pi , Pj ) pertence ao grafo dirigido.
a notao
Neste caso, a aresta
Geometricamente, um grafo dirigido visualizado representando os vrtices como pontos no
Pi Pj como segmentos de reta ou de arco, desde o vrtice Pi

seta de Pi para Pj . Se ambos os vrtices esto relacionados, isto
desenhado somente um segmento entre Pi e Pj , mas com setas
plano e as arestas dirigidas
Pj , com uma
Pi Pj e Pj Pi ,
at o vrtice
,
apontando em sentidos opostos. A Figura 1.1 fornece uma representao geomtrica de um

grafo dirigido.
P1
P2
P4
P3
Figura 1.1
A partir de um grafo dirigido de
vrtices podemos associ-lo a uma matriz
n. Tal matriz denominada matriz

matriz M , obedecem seguinte regra:
quadrada de ordem
elementos da
(
mij =
Exemplo 1.3.
M = (mij )
de vrtices do grafo dirigido.
Os
Pi Pj ,
1,
se
0,
caso contrrio.
A matriz de vrtices associada ao grafo da Figura 1.1 dada por
0 1 1 0
0 0 1 1
M =
1 0 0 1
1 0 0 0
P1 . Mas
P2 est conectado a P4 , que por sua vez est concetado a P1 . Escrevemos P2 P4 P1 e
chamamos conexo de 2 passos de P2 para P1 . Similarmente, chamamos P2 P4 conexo de
1 passo, P2 P4 P1 P3 conexo de 3 passos, e assim por diante. O resultado a seguir
faz uso do produto de matrizes para encontrar o nmero de todas as conexes de k passos,
k N, de um vrtice Pi para um vrtice Pj de um grafo dirigido qualquer.
Ainda pela Figura 1.1, o vrtice
P2
no est conectado diretamente ao vrtice
1 Grafos dirigidos
Teorema 1.4.
(i, j)
Seja
uma matriz de vrtices de um grafo dirigido e seja
k
da matriz M . Ento
o vrtice
(k)
mij igual ao nmero de conexes de
(k)
mij
o elemento
passos do vrtice
Pi
para
Pj .
k = 1, o nmero de conexes de 1 passo de um

vrtice Pi para um vrtice Pj simplesmente mij . Ou seja, h somente zero ou uma conexo
(1)
de 1 passo de Pi para Pj . Sendo mij = mij , o resultado verdadeiro para k = 1.
Prova: A prova ser feita por induo. Para
Suponhamos que o resultado seja verdadeiro para

o nmero de conexes de
passos de
Para o nmero de conexes de
(k+1)
mij
o elemento
(i, j)
Pi
k+1
k+1 . Como
de M
(k+1)
mij
para
k,
isto , o elemento
(k)
de
(k)
M k , mij
k+1
de
M.
(k)
(k)
Seja
M k M , temos
(k)
= mi1 m1j + mi2 m2j + + min mnj .

mi1 6= 0
Pj .
passos, consideremos a potncia
M k+1
(i, j)
(1.1)
(k)
mi1 = 1, ento h uma conexo de k passos

de Pi para P1 seguida por uma conexo de 1 passo de P1 para Pj , e portanto h uma conexo
(k)
de k + 1 passos de Pi para Pj . No entanto, se mi1 ou m1j zero, ento uma conexo de Pi
para Pj de k + 1 passos, passando por P1 , no possvel. Assim, uma conexo de Pi para Pj ,
(k)
passando por P1 , de k + 1 passos se, e somente se, mi1 m1j 6= 0. Analogamente, para cada
l = 1, 2, , n, uma conexo de Pi para Pj , passando por Pl , de k + 1 passos se, e somente
(k)
se, o termo mil mlj , direita de (1.1), no nulo; caso contrrio o termo zero e uma tal
conexo de k + 1 passos no possvel. Assim, o lado direito de (1.1) o nmero total de
conexes de k + 1 passos de Pi para Pj . Portanto, pelo princpio de induo, o resultado
verdadeiro para todo k N.
Agora, pela hiptese de induo, se
Exemplo 1.5.
Seja
a matriz de vrtices de um grafo dirigido dada por
0 1 1 1
1 0 0 0
A=
.
0 1 0 1
0 1 1 0
Pelo Teorema 1.4, podemos encontrar o nmero de conexes de 3 passos do vrtice
vrtice
P4
por meio da matriz
2 3
1 2
A3 =
1 2
1 2
Como
(3)
m14 = 2,
2 2
1 1
.
1 2
2 1
h duas conexes de 3 passos para ir do vrtice
P1
ao vrtice
P4 .
P1
ao
A denio a seguir destaca subconjuntos de um grafo dirigido que possuem seus elementos
conectados uns com os outros. Por exemplo, se os vrtices representam cidades e
signica que existe um voo direto de
Pi
para
Pi Pj
Pj , ento existem voos diretos em ambos sentidos
entre as duas cidades quaisquer desse subconjunto.
Denio 1.6.
Um subconjunto de um grafo dirigido chamado uma panela se as seguintes
condies esto satisfeitas:

(i) O subconjunto contm pelo menos trs vrtices;
(ii) Para cada par de vrtices
Pi
Pj
no subconjunto, ambos
Pi Pj
Pj Pi
so
verdadeiros;
(iii) O subconjunto to grande quanto possvel; ou seja, no h como acrescentar mais
nenhum vrtice ao subconjunto e ainda satisfazer a condio (ii).
Exemplo 1.7.
O grafo dirigido ilustrado na gura a seguir tem duas panelas:
{P1 , P2 , P3 , P4 }
{P3 , P4 , P6 }.
Este exemplo mostra que um grafo dirigido pode ter vrias panelas e que um vrtice pode
pertencer simultaneamente a mais de uma panela.
Figura 1.2
Para grafos dirigidos simples, as panelas podem ser encontradas por inspeo. Quando o
grafo dirigido grande, conveniente denir uma matriz
S = (sij )
relacionada ao grafo, para
ento encontrar panelas. Dena
(
sij =
A matriz
Pi Pj ,
1,
se
0,
caso contrrio.
determina um grafo dirigido idntico ao grafo dirigido dado, exceto pelas arestas
com somente uma seta que foram eliminadas. Por exemplo, para o grafo dirigido ilustrado
pela Figura 1.2, o grafo dirigido que tem
como matriz de vrtices dado pela gura
1 Grafos dirigidos
7
S
O teorema a seguir utiliza a matriz
e novamente o produto de matrizes para identicar
panelas.
Teorema 1.8.
Seja
s3ij
panela se, e somente se,

Prova: Se
s3ii 6= 0,
(i, j)-simo
3
sii 6= 0.
elemento de
S3.
Ento um vrtice
Pi
Pi
ento existe pelo menos uma conexo de 3 passos de
no grafo dirigido modicado por
S,
digamos,
Pi Pj Pk Pi .
pertence a uma
para si mesmo
No grafo dirigido
modicado, todas as relaes dirigidas so bilaterais, de modo que ns tambm temos as

conexes
Pi Pj Pk Pi .
No entanto, isto signica que
ou um subconjunto de uma panela.

A armao recproca, que se
Pi
Em ambos casos,
Pi
{Pi , Pj , Pk }
deve pertencer a alguma panela.
pertence a alguma panela, ento
s3ii 6= 0,
anloga.
Exemplo 1.9.
Verique se grafo dirigido dado possui panelas:
P1
0 1
1 0
M =
0 1
1 0
onde
1 1
P2
1 0
0 1
P4
P3
0 0
a matriz de vrtices relacionada ao grafo dirigido acima. Assim,
0 1 0 1
1 0 1 0
S=
0 1 0 0
1 0 0 0
ou uma panela
0 3 0 2
3 0 2 0
S3 =
.
0 2 0 1
2 0 1 0
segue de maneira
Como
s311 , s322 , s333 , s344
so todos nulos, segue que esse grafo dirigido no possui panela.
Suponha agora um grafo dirigido tendo como matriz de vrtices
0 1 0 1 1
1 0 0
M = 1 1 0
1 1 0
1 0 0
1 0
1 0 .
0 0
1 0
Nesse caso,
0 1 0 1 1
1 0 0
S= 0 0 0
1 1 0
1 0 0
Como
s311 , s322 , s344
1 0
0 0
0 0
0 0
2 4 0 4 3
4 2 0
3
S = 0 0 0
4 3 0
3 1 0
so diferentes de zero, segue que
P1 , P2 , P4
3 1
0 0 .
2 1
1 0
pertencem a panelas.
Como
uma panela deve conter pelo menos trs vrtices, segue que esse grafo dirigido possui apenas
uma panela, a saber,
{P1 , P2 , P4 }.
A prxima denio introduz o conceito de dominncia para construir um grafo dirigido.
Denio 1.10.
Um grafo dirigido por dominncia um grafo dirigido de modo que, para
qualquer par de vrtices distintos
Exemplo 1.11.
Pi
Pj , Pi Pj
ou
Pj Pi ,
Considere um campeonato com uma diviso de
mas no ambos.
equipes esportivas em que
cada equipe joga exatamente uma vez com cada uma das outras, em que no so permitidos
empates, no estilo de rodadas eliminatrias. Se
Pi Pj
signica que
Pi
derrota
Pj .
Neste
caso, a denio de grafo dirigido por dominncia est satisfeita.

A gura a seguir d alguns grafos dirigidos por dominncia com trs, quatro e cinco
vrtices, respectivamente.
P3
P2
P1
P2
P3
P5
P4
P2
P3
P1
P4
Nestes trs grafos dirigidos por dominncia, os vrtices
P1 , P2 , P3
P1
do segundo grafo e
P1 , P3 , P5
P1
do primeiro grafo, os vrtices
do terceiro grafo tm a seguinte propriedade
1 Grafos dirigidos
interessante: de cada um deles existe uma conexo de 1 ou de 2 passos para cada outro vrtice
do grafo.
Num torneio esportivo, estes vrtices correspondem s equipes mais poderosas
que derrotam uma outra equipe, ou derrotam uma equipe que derrota esta outra equipe. O
teorema a seguir garante que qualquer grafo dirigido por dominncia tem pelo menos um
vrtice com esta propriedade.
Teorema 1.12.
Em qualquer grafo dirigido por dominncia, existe pelo menos um vrtice do
qual existem conexes de 1 ou 2 passos para qualquer outro vrtice.

Prova: Considere um vrtice com o maior nmero total de conexes de 1 e de 2 passos para
os outros vrtices do grafo. Renumerando, se necessrio, os vrtices, podemos supor que

um tal vrtice.
Suponhamos que
Pi
P1
um vrtice tal que, no existem conexes de 1 ou
P1 Pi no verdadeiro, de modo que

pela denio de grafo dirigido por dominncia, Pi P1 verdadeiro. Suponha agora, que
Pk um vrtice tal que P1 Pk verdadeiro. Ento no podemos ter Pk Pi pois, neste
caso, P1 Pk Pi seria uma conexo de 2 passos de P1 para Pi . Assim, necessariamente,
Pi Pk verdadeiro, ou seja, Pi tem uma conexo de 1 passo para todos os vrtices para os
quais P1 tem uma conexo de 1 passo. Este vrtice Pi ento tambm tem uma conexo de
2 passos para todos os vrtices para os quais P1 tem uma conexo de 2 passos. No entanto,
temos adicionalmente que Pi P1 verdadeiro, de modo que Pi tem mais conexes de 1 e de
2 passos a outros vrtices de grafo do que P1 . Isto contradiz a maneira pela qual escolhemos
P1 , pelo que conclumos que no existe o tal vrtice Pi para o qual P1 no possui conexes de
de 2 passos de
P1
para
Pi .
Ento, em particular,
1 e de 2 passos.
A prova anterior mostra que um vrtice com o maior nmero total de conexes de 1 e
de 2 passos para os outros vrtices do grafo tem a propriedade enunciada no teorema. Uma
maneira simples de encontrar tais vrtices utilizar a matriz de vrtices
M 2 . A soma das entradas na i-sima linha de

Pi
e seu quadrado
o nmero total de conexes de 1 passo de
para os outros vrtices e a soma das entradas na
i-sima
linha de
M2
o nmero total de
Pi para os outros vrtices. Consequentemente, a soma das entradas

2
na i-sima linha de M + M o nmero total de conexes de 1 e de 2 passos de Pi para os
2
outros vrtices. Portanto, uma linha de M + M com a maior soma de entradas identica um
conexes de 2 passos de
vrtice com a propriedade enunciada no Teorema 1.12.
Denio 1.13.
O poder de um vrtice num grafo dirigido por dominncia o nmero total
de suas conexes de 1 e de 2 passos para os outros vrtices do grafo. Alternativamente, o

poder de um vrtice
Pi
a soma das entradas da i-sima linha da matriz
A = M + M 2,
a matriz de vrtices do grafo dirigido.
Exemplo 1.14.
A
derrota
Cinco tenistas jogam entre si uma vez com os seguintes resultados:
B, C
D.
onde
10
derrota
E.
derrota
E.
derrota
B.
derrota
D.
Classique os cinco tenistas de acordo com o poder dos vrtices que lhes correspondem no
grafo dirigido por dominncia que representa o resultado das partidas.
Resoluo. Considere o grafo dirigido cujos vrtices correspondem aos tenistas:
Assim representamos a matriz de vrtices por
M.
0 1 1 1 0
0 0 1
M = 0 0 0
0 1 0
1 0 0
0 1 1 1 0
0 0 1
A = M + M2 = 0 0 0
0 1 0
1 0 0
0 1

1 1 +

0 0

1 0
0 1
1 1
0 0
1 0
0 1 1 1 2
0 0 0 2 1

1 1 0 1 0 =

0 0 1 0 1

0 2 1 1 0
0 2 2 2 2
0 0 1 2 2
1 1 0 2 1
0 1 1 0 1
1 2 1 2 0
Somando os elementos das linhas, obtemos:

Linha 1 = 8,
Linha 2 = 5,
Linha 3 = 5,
Linha 4 = 3,
De acordo com o Teorema 1.12, encontramos a seguinte classicao:
A (primeiro
lugar
E (segundo
lugar
C (empatados)
Linha 5 = 6.
2 Criptograa
11
D (ltimo
B e C e por ltimo, D.
Esta resoluo revela um fato interessante: apesar dos tenistas B , C e E terem o mesmo
nmero de vitrias, o que aparentemente poderia indicar um empate entre eles, o tenista E
classicou-se em segundo lugar porque ele derrotou o tenista A, o qual corresponde ao vrtice
de maior poder. Tambm, em um primeiro momento, poder-se-ia concluir que B supera C na
classicao, pois B derrota C . No entanto, h um empate entre eles, pois ambos derrotam
E (um vrice com mais poder do que eles), C derrotado por B , mas B derrotado por D,
que por sua vez foi derrotado por C .
Fica em primeiro lugar o jogador
A,
lugar)
em segundo o
empatados
2 Criptograa
Nesta seo discutiremos um mtodo que utiliza operaes matriciais combinadas com a
aritmtica modular para codicar e decodicar mensagens.
Veremos como a eliminao
gaussiana pode ser usada para quebrar o cdigo de uma mensagem.
Para tanto, vamos
introduzir os conceitos a serem utilizados.
2.1 Aritmtica modular

Denio 1.15.
mdulo
m (a b
a, b e m nmeros inteiros, m > 0, dizemos que a

m), se m divide a b, ou seja, a b mltiplo de m.
Sejam
mod
cngruo a
m, qualquer inteiro a cngruo mdulo

m a exatamente um dos inteiros 0, 1, 2, , m1. Este inteiro chamado resduo de a mdulo
m.
Isto permite construir uma partio do conjunto Z dos nmeros inteiros em subconjuntos,
Pelo algoritmo da diviso, dado um inteiro positivo
onde cada um deles formado por todos os nmeros inteiros que possuem o mesmo resto
quando divididos por
m.
Mais precisamente, considere
[0]
= {x Z; x 0
mod
m}
[1]
= {x Z; x 1
mod
m}
.
.
.
[m 1] = {x Z; x m 1
O conjunto
a Z.
[a] = {x Z; x a
O conjunto de todas as
mod
m}.
m}, chamado de classe residual mdulo m do elemento

classes residuais mdulo m representada por Zm . Assim,
mod
Zm = {[0], [1], , [m 1]}.

Observamos que se
o resto da diviso de
seguinte forma:
um inteiro no negativo, ento seu resduo mdulo
por
m.
Para um inteiro
simplesmente
arbitrrio, o resduo pode ser encontrado da
12
Teorema 1.16.
da diviso de
|a|
Dados um nmero inteiro positivo

por
m.
Ento o resduo
r=
Exemplo 1.17.
Soluo (a).
47 21
mod
Em
A diviso de
R,
por
a 0,
se
a<0
R 6= 0,
se
a<0
R = 0.
26
de (a)
26
a,
seja
o resto
dado por
se
m R,
0,
|47| = 47
e um nmero inteiro
47,
d resto
(b)
73.
R = 21,
ou seja,
R = 21,
ou seja,
r = 21.
Assim,
26.
73 5
Zm
de
Encontre o resduo mdulo
Soluo (b). A diviso de

Assim,
mod
| 73| = 73
por
26
d resto
r = 26 21 = 5.
26.
denimos as seguintes operaes:
Adio: [a] + [b] = [a + b].

Multiplicao: [a] [b] = [a b].
Denio 1.18.
[a] [b] = 1.
Um elemento
Neste caso, diremos
Exemplo 1.19.
[a] Zm invertvel, quando

que [b] o inverso de [a].
A Tabela 2.1 corresponde a tabela da multiplicao em
Tabela 1.1:
Exemplo 1.20.
existir
[0]
[1]
[2]
[0]
[0]
[0]
[0]
[1]
[0]
[1]
[2]
[2]
[0]
[2]
[1]
Tabela da multiplicao em
[0]
[1]
[2]
[3]
[0]
[0]
[0]
[0]
[0]
[1]
[0]
[1]
[2]
[3]
[2]
[0]
[2]
[0]
[2]
[3]
[0]
[3]
[2]
[1]
Tabela 1.2:
Tabela da multiplicao em
tal que
Z3 = {[0], [1], [2]}.
Z3 .
A Tabela 2.2 corresponde a tabela da multiplicao em
[b] Zm
Z4 .
Z4 = {[0], [1], [2], [3]}.
2 Criptograa
13
Observamos que em
Z4 existem dois elementos no nulos cuja multiplicao nula, a

saber, [2] 6= [0], mas [2] [2] = [0]. Note que em Z3 , todo elemento no nulo invertvel. Mas
isto no ocorre em todos os Zm . Por exemplo, em Z4 , vemos que [2] no invertvel. Os
elementos invertveis de Zm so caracterizados pela seguinte proposio:
Proposio 1.21.
[a] Zm
mdc(a, m) = 1.
Um nmero
primos comuns, isto ,
invertvel se, e somente se,
no tm fatores
[b] Zm tal que [1] = [a] [b] = [a b].

Logo, ab 1 mod m. Consequentemente, mdc(a, m) = 1.
Reciprocamente, se mdc(a, m) = 1, existem naturais b e t tais que ab mt = 1, e assim,
Prova: Suponha que
[a]
seja invertvel, ento existe
[1+mt]=[ab]. Logo,
[1] = [1] + [mt] = [1 + mt] = [a b] = [a] [b].

Portanto,
[a]
invertvel.
Exemplo 1.22.
4
3 tem um inverso mdulo 26, pois mdc(3, 26) = 1.

mdulo 26, pois 4 e 26 tm 2 como fator comum.
O nmero
no possui um inverso
Exemplo 1.23.
A tabela abaixo fornece os inversos multiplicativos mdulo 26.
[a]
11
15
17
19
21
23
25
[a]1
21
15
19
23
11
17
25
Tabela 1.3:
Inversos multiplicativos mdulo 26
Para o que segue, o conceito de matriz invertvel mdulo

matriz quadrada
entradas em
tal que
Zm
Por outro lado,
com entradas em
Zm
invertvel mdulo
m necessrio. Diz-se que uma

m, se existir uma matriz B com
AB = BA = I,
onde
a matriz identidade.
nica. Chamamos tal matriz
Teorema 1.24.
Uma matriz
B com
A1 .
possvel mostrar que a matriz

a inversa de
22 A
e denotamos por
com entradas em
Zm
essa propriedade
invertvel mdulo
se, e
det(A) mdulo m tem um inverso multiplicativo mdulo m.

!
a b
Prova: Seja A =
M2 (Zm ) e det(A) = D = ad bc Zm . Suponhamos que
c d
1 ,
a matriz A possua uma inversa multiplicativa mdulo m, isto , existe uma quadrada A
com entrada em A, tal que,
AA1 = A1 A = I.
somente se, o resduo de
Tomando determinantes, obtemos que,
det(A)det(A1 ) = det(AA1 ) = det(I) = 1
mod
m.
14
det(A1 )
Consequentemente
o inverso multiplicativo mdulo

mdc(m, D)
Reciprocamente, suponhamos que
DD1
=1
mod
m.
= 1.
Ento,
det(A).
1 Z ,
existe D
m
de
tal que,
fcil vericar que
D1 d D1 b
A1 =
a matriz inversa de
D1 c
!
,
D1 a
A.
Combinando o Teorema 1.24 com a Proposio 1.21, obtemos o seguinte corolrio:
Corolrio 1.25.
somente se,
Uma matriz quadrada
e o resduo de
Exemplo 1.26.
com entradas em
mdulo
invertvel mdulo
se, e
26
se, e
no tem fatores primos comuns.
A com entradas em Z26

det(A) mdulo 26 no divisvel por 2
invertvel mdulo
e
13.
Encontre a inversa de
"
A=
Soluo:
Zm
Uma matriz quadrada
somente se, o resduo de
Exemplo 1.27.
det(A)
0 1
D1 = 1 mod 26. Assim,

# "
# "
#
"
1 3
1 3
1 23
=1
=
=
mod 26.
0
1
0
1
0 1
D = det(A) = 1.
A1
1 3
Pelo Exemplo 1.23,
2.2 Codicao
O estudo da codicao de mensagens secretas denominado criptograa.
Na linguagem
da criptograa, os cdigos so denominados cifras, as mensagens no-codicadas so textos

comuns e as mensagens so textos cifrados ou criptogramas.
O processo de converter um
texto comum em cifrado chamado cifrar ou criptografar, e o processo inverso de converter

um texto cifrado em comum chamado decifrar.
Iremos trabalhar com o sistema poligrco, que consiste em dividir um texto comum em
conjuntos de
letras, e substitu-lo por um conjunto de
classe de sistemas poligrcos chamados
cifras de Hill
letras cifradas. Utilizaremos uma
1
.
No que segue, vamos supor que cada letra de texto comum e de texto cifrado, excetuando
o Z, tem um valor numrico que corresponde a sua posio no alfabeto. Damos a Z o valor 0.
10
11
12
13
Para cifrar um texto comum usamos o seguinte procedimento:
Lester S. Hill (1891-1961), matemtico norte-americano. Estudou no Columbia College (1911) e na Yale
University (1926). Lecionou na University of Montana, Princeton University, the University of Maine, Yale
University e na Hunter College. Uma das suas notveis contribuies foi a cifra de Hill. Desenvolveu mtodos
para detectar erros em cdigos numricos telegrcos.
2 Criptograa
15
14
15
16
17
18
19
20
21
22
23
24
25
Tabela 1.4:
1. Escolha uma matriz
A,
Valor numrico de cada letra
quadrada de ordem 2, com entradas inteiras para efetuar a
codicao.
2. Agrupe letras sucessivas do texto comum em pares, adicionando uma letra ctcia para
completar o ltimo par se o texto comum possuir um nmero mpar de letras, substitua
cada letra do texto comum por seu valor numrico, representado na tabela acima.
p1 p2
3. Converta cada par sucessivo
"
p =
p1
de letras do texto comum em um vetor-coluna
#
Ap.
e forme o produto
p2
O vetor
ser chamado vetor comum e
Ap
correspondente vetor cifrado.

4. Converta cada vetor cifrado em seu equivalente alfabtico.
Sempre que ocorrer um inteiro maior que 25, ele ser substitudo pelo resto da diviso deste
inteiro por 26. Como o texto comum foi agrupado em pares e criptografado por uma matriz
2 2,
dizemos que a cifra de Hill uma 2-cifra de Hill.
3 3.
n-cifra de
conjuntos de n letras e codicamos com uma matriz codicadora n n de
texto comum em ternos e criptografar com uma matriz

Hill agrupamos em
claro que possvel agrupar o

Em geral, para uma
entradas inteiras.
Exemplo 1.28.
Obtenha a cifra de Hill da mensagem TUDO POSSVEL AO QUE CR,
para a matriz codicadora
"
1 3
2 1
Soluo: Dividindo em blocos de 2, e substituindo seu valor de acordo com a Tabela 1.4,
obtemos
"
1 3
2 1
"
1 3
2 1
"
1 3
2 1
"
1 3
2 1
# "
.
# "
.
# "
.
# "
.
20
#
=
21
4
19
"
23
1
0
"
=
#
mod26
#
mod26
23
16
15
"
5
9
15
5
"
20
23
#
mod26
#
mod26
16
"
1 3
2 1
"
1 3
2 1
"
1 3
2 1
"
1 3
2 1
"
1 3
2 1
"
1 3
2 1
"
1 3
2 1
# "
.
22
12
15
21
# "
.
"
15
"
14
"
10
mod26
#
mod26
#
mod26
#
mod26
21
"
#
mod26
24
"
21
mod26
25
18
# "
11
23
17
# "
"
=
# "
20
21
# "
"
=
# "
19
8
11
#
mod26
Assim obtemos a cifra de Hill:
EIW W AZT W T U KW OY N U JU EXHK
Exemplo 1.29.
Decifre a seguinte cifra de Hill que foi criptografada pela matriz do Exemplo
1.27:
N M IT RM IT RCP EQEOA
Soluo: para decifrar as cifras de Hill, usamos a inversa mod 26 da matriz codicadora
A.
Se
"
p=
um vetor comum, ento
c = Ap
p1
p2
o correspondente vetor cifrado e
p = A1 c.
Pela Tabela
1.4, o equivalente do texto cifrado
14 13 9 20 18 13 9 20 18 3 16 5 17 5 15 1
Para obter os pares de texto comum, faamos os produtos
obtida no Exemplo 1.27.
p = A1 c
usando a matriz inversa
2 Criptograa
17
"
1 23
#"
0 1
"
1 23
1 23
#"
#"
1 23
18
"
#
=
=
0 1
20
"
#"
#
1 23
18
0 1
"
1 23
3
#"
0 1
"
1 23
#"
0 1
"
17
5
1 23
0 1
16
#"
15
1
469
317
469
"
"
=
20
20
"
# "
87
9
=
=
3
3
# "
# "
131
1
=
=
5
5
# "
# "
132
2
=
=
5
5
# "
# "
38
12
=
=
1
1
26
mod
26
mod
26
mod
26
mod
26
mod
26
mod
26
mod
26
13
"
mod
20
=
#
1
13
13
"
"
=
20
"
313
13
13
#"
"
=
20
0 1
"
13
0 1
"
14
Pela Tabela 1.4, os equivalentes alfabticos destes vetores so
AM AT EM AT IC AE BE LA
fornencendo a mensagem A MATEMTICA BELA.
2.3 Quebrando uma cifra de Hill

Veremos agora como utilizar a eliminao gaussiana na aritmtica modular para decifrar
cifras de Hill ao determinar a matriz codicadora. Vamos inicialmente relembrar a eliminao
gaussiana usual.
Na prxima denio, uma linha ou coluna no nula em uma matriz signica uma linha
ou coluna que contm ao menos uma entrada no nula; o piv de uma linha corresponde
entrada no nula mais esquerda em um linha no nula.
Dizemos que uma matriz est na forma escalonada por linhas, quando possui as seguintes
propriedades:
1. Todas as linhas no nulas esto acima de qualquer linha constituda s de zeros.
2. Cada piv de uma linha est em uma coluna direita do piv da linha acima dele.
3. Todas as entradas em uma coluna abaixo de um piv so nulas.
18
Um matriz est na forma escalonada reduzida por linhas se, alm disso, satiszer
4. O piv em cada linha no nula 1.
4. Cada piv 1 o nico elemento no nulo em sua coluna.
Desse modo, as matrizes escalonadas por linhas possuem uma forma escada como
indicado a seguir (os smbolos
indicam qualquer nmero diferente de zero e os asteriscos
indicam nmeros arbitrrios, incluindo o zero):
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0 0
O procedimento pelo qual qualquer matriz pode ser levada forma escalonada,
escalonada reduzida, utiliza as seguintes operaes elementares com as linhas da matriz:

I. Trocar a ordem das linhas. (Li
Lj )
II. Multiplicar uma linha por um nmero diferente de zero. (Li

III. Somar um mltiplo de uma linha com uma outra linha. (Li
kLi )
Li + kLj )
Qualquer matriz pode ser levada forma escalonada reduzida seguindo os seguintes passos:
1. Se a matriz consiste inteiramente de zeros, no h nada para fazer; ela j est na forma
escalonada.
2. Caso contrrio, encontre a primeira coluna, vindo da esquerda, que contm um elemento
no nulo, e mova a linha contendo esse elemento ao topo da matriz.
3. Multiple a linha topo por
1/k
para obter o primeiro piv.
4. Anule cada elemento abaixo e acima do piv, subtraindo mltiplos de suas linhas das
linhas inferiores e superiores respectivamente.
Isso completa a primeira linha; todas as demais operaes por linhas so efetuadas nas demais
linhas.
5. Repita os passos 14 na matriz formada pelas linhas remanescentes.
Exemplo 1.30.
A primeira matriz abaixo est na forma escalonada, e a segunda, na forma
escalonada reduzida, para qual pode ser transformada por meio de operaes com as linhas:
1 0 0
0 0 1 0 0 1 0 .
0 0 0 0 1
0 0 0 0 1
2 Criptograa
19
O procedimento descrito acima quando aplicado matriz aumentada de um sistema linear

conhecido como mtodo de Gauss ou eliminao gaussiana. Vejamos um exemplo:
Exemplo 1.31.
Resolva o sistema pelo mtodo de Gauss.
x + y + 2z = 9
2x + 4y 3z = 1
3x + 6y 5z = 0
Soluo. Associando ao sistema acima a matriz aumentada
A,
temos

1 1
2 9
A=
2 4 3 1 .

3 6 5 0
Somando (-2) vezes primeira linha segunda e (-3) vezes a primeira linha a terceira, temos

2
9
0 2 7 17 .

0 3 11
27
1 1
Somando a segunda linha a (-2) vezes primeira, e (-3) vezes a segunda linha a 2 vezes a
terceira linha, d

2 0 11 35
0 2 7 17 .

0 0 1 3
Somando (-11) vezes a terceira linha a primeira e (-7) vezes a terceira linha a segunda d,

0 2

0 2
0
4
.

0 0 1 3
2 0
Multiplicando a primeira linha por
( 12 ),
1
e a segunda por 2 e a terceira por (-1), e assim
obtemos,

1 0 0 1

0 1 0 2 .

3
0 0 1
Associada a esta matriz na forma reduzida, temos o seguinte sistema equivalente ao sistema
original:
Da, encontramos
x = 1, y = 2
z = 3.
= 1,
y
= 2,
z = 3.
20
Exemplo 1.32.
Encontre a inversa da matriz
1 2 3
A=
2 5 3 .
1 0 8
A matriz identidade por operaes sobre linhas e simultaneamente aplicar

1
estas operaes a I para produzir A .
Para conseguir isto, vamos adjuntar a matriz
identidade direta de A, produzindo uma matriz da forma [A | I]. Em seguida, faremos
operaes com as linhas desta matriz at que o lado esquerdo esteja reduzido a I . Estas
1
operaes vo converter o lado direito a A , de modo que a matriz nal ter a forma

1 2 3 1 0 0
[I|A1 ] =
2 5 3 0 1 0 .

1 0 8 0 0 1
Queremos reduzir
Somamos (-2) vezes a primeira linha segunda e (-1) vez a primeira terceira

3
1 0 0
0
2 1 0 .
1
3

0 2
5 1 0 1
Somamos 2 vezes a segunda linha terceira

3
1 0 0
0 1 3 2 1 0 .

0 0 1
5 2 1
1 2
Multiplicamos a terceira linha por (-1)

3
1
0
0

0 1 3 2
1
0

0 0
1
5 2 1
1 2
Somamos 3 vezes a terceira linha segunda e (-3) vezes a terceira primeira

1 2 0 14
6
3

0 1 0 2
1
0

0 0 1
5 2 1
Somamos (-2) vezes a segunda linha primeira

1 0 0 40 16
9

0 1 0
13 5 3

5 2 1
0 0 1
E assim obtemos a inversa,
A1 =
40
16
13 5 3
.
5 2 1
2 Criptograa
21
Os dois exemplos anteriores mostram a importncia das operaes elementares com as

linhas.
Acontece que essas operaes podem ser realizadas por meio de multiplicaes
esquerda por certas matrizes invertveis.
Denio 1.33.
Uma matriz quadrada
denominada matriz elementar quando obtida
a partir da matriz identidade mediante uma nica operao elementar com linhas. Dizemos
que
do tipo I, II ou III quando a operao elementar com linhas correspondente do tipo
I, II ou III.
Exemplo 1.34.
1 0 0
1 0 0
E1 =
0 0 1 , E2 = 0 7 0
0 1 0
0 0 1
1 0 3
E3 =
0 1
0 0
so matrizes
elementares do tipo I, II e III respectivamente.

Observamos que toda matriz elementar
invertvel e sua inversa
E 1
a matriz
elementar do mesmo tipo obtida da identidade pela operao elementar inversa que produziu
da identidade.
Exemplo 1.35.
Considere as matrizes elementares
"
0 1
E1 =
"
Se uma matriz
A =
"
,
1 0
E2 =
a11 a12 a13

a21 a22 a23
1 0
"
,
0 5
E3 =
1 3
0 1
#
.
#
for multiplicada esquerda por essas matrizes
elementares, os resultados sero:
"
E1 A =
"
E2 A =
"
E3 A =
a21 a22 a23
#
(L1 L2 )
a11 a12 a13

a11
a12
a13
#
(L2 5L2 )
5a21 5a22 5a23
a11 + 3a12 a12 + 3a22 a13 + 3a23
Observe que, em cada caso,
a21
Ei A
a22
a23
a matriz obtida de
#
(L1 L1 + 3L2 )
pela operao que criou
Ei
a partir
da matriz identidade.
O fato observado no exemplo anterior ocorre sempre e exprime o relacionamento entre
matrizes elementares e operaes com linhas. Isso nos leva a rever o mtodo de eliminao
gaussiana para o clculo de inversas.
Como em tal mtodo, suponha que uma srie de
operaes elementares com as linhas seja aplicada a uma matriz

a matriz elementar correspondente
i-sima
invertvel, e que
Ei
seja
operao elementar com as linhas. Portanto, o
22
passo
da reduo por linhas dado por multiplicao esquerda por
Ei ,
de modo que a
reduo se torna
A E1 A E2 E1 A Ek E2 E1 A,
ou seja,
A U A,
onde
U = Ek E2 E1 .
A invertvel, no difcil vericar que a matriz reduzida U A = I , a matriz identidade,

1 . Assim a reduo se torna
ento U = A

h
i
h
i

A B I A1 .
Como
e
Este o algoritmo de inverso de matrizes que foi utilizado no Exemplo 1.32.

Agora estamos prontos para apresentar a tcnica para quebrar cifras de Hill codicadas
por matrizes invertveis.
Suponhamos que tenhamos algum texto comum e o cifrado
correspondente de uma mensagem. O objetivo determinar a matriz decodicadora da cifra

de Hill e consequentemente obter o resto do texto comum da mensagem. O princpio bsico da
lgebra Linear que ser utilizado o fato que uma transformao linear ca completamente
determinada por seus valores em uma base.
Teorema 1.36.
p1 , p2 , ..., pn ,
Sejam
vetores comuns linearmente independentes e sejam
c1 , c2 , ..., cn
os correspondentes vetores cifrados de uma
codicadora
nn
invertvel
A.
a matriz
nn
nn
de vetores-linha
pT1
pT
2
P = .
..
pTn
pT1 , pT2 , ..., pTn e se
cT1
cT
2
C= .
..
T
cn
cT1 , cT2 , ..., cTn , ento a

I , transforma P em (A1 )T .
de vetores-linhas,
sobre linha que reduz
Prova: Pela denio de
de Hill com uma matriz
Se,
uma matriz
n-cifra
C,
podemos escrever
sequncia de operaes elementares
C = P AT .
Usando que
A invertvel e que
p1 , p2 , ..., pn so vetores linearmente independentes, resulta que C uma matriz invertvel.

Sejam E1 , , Ek as matrizes elementares que correspondem s operaes elementares com
T
as linhas que reduzem C a I , ou seja, Ek E1 C = I . Substituindo C = P A , encontramos
Ek E1 P AT = I,
2 Criptograa
23
Ek E1 P = (A1 )T , ou
C a I converte P a (A1 )T .
de onde segue que

linhas que reduz
seja, a mesma sequncia de operaes com as
A1
C a I
Este teorema nos diz que para encontrar a transposta da matriz decodicadora
devemos encontrar uma sequncia de operaes elementares sobre linhas que reduz
e ento aplicar estas mesmas operaes sobre linhas de
Exemplo 1.37.
P.
(Quebrando uma cifra de Hill) Foi interceptada a 2-cifra de Hill
IOSBT GXESP XHOP DE

Decifre esta mensagem, sabendo que ela principia com a palavra DEAR.
Soluo. Pela Tabela 1.4, o equivalente numrico do texto comum conhecido
D
18
e o correspondente numrico do texto cifrado correspondente

I
15
19
de modo que os vetores comuns e correspondentes vetores cifrados so
"
p1 =
"
Queremos reduzir
C =
cT1
cT2
"
=
9 15
2
"
19
Multiplicamos a primeira linha por
Substitumos
45
P =
pT1
pT2
"
=
91 = 3 mod 26,

"
#
1 45 12 15
.

19 2 1 18
"
por operaes elementares sobre linhas e

#
9 15 4 5
.

19 2 1 18
pelo seu resduo mdulo
transposta da matriz decodicadora.
"
"
simultaneamente aplicar estas operaes a
9
15
c2 =
18
19
"
c1 =
"
p2 =
26,

#
1 19 12 15
.

19 2 1 18
1 18
#
para obter
(A1 )T ,
24
Somamos
19
vezes a primeira linha segunda,
"

#
19
12
15
.

0 359 227 267
1
Substitumos as entradas da segunda linha pelos seus resduos mdulo
26,

"
#
1 19 12 15
.

0 5 7 19
51 = 21,

"
#
1 19 12 15
.

0 1 17 9
Multiplicamos a segunda linha por
Somamos
19
vezes a segunda linha primeira,

#
1 0 311 156
.

0 1
17
9
"
Substitumos as entradas da primeira linha pelos seus resduos mdulo 26,

#
1 0 1 0
.

0 1 17 9
"
"
Assim obtemos,
1 0
(A1 )T =
"
, e portanto a matriz decodicadora
17 9
A1 =
Substituindo os equivalentes numricos de cada letra, temos:

I
15
19
20
24
19
16
24
15
16
# "
"
1 17
0
"
1 17
0
"
1 17
0
"
1 17
0
"
1 17
0
.
# "
.
# "
.
# "
.
# "
.
#
=
15
19
16
"
5
14
26
#
mod
26
mod
26
mod
26
mod
26
19
"
mod
11
5
19
"
18
7
24
"
4
5
2
20
"
1 17
0 19
#
.
3 Cadeias de Markov
25
"
1 17
0
"
1 17
0
"
1 17
0
# "
.
"
=
# "
.
"
=
16
"
11
mod
26
mod
26
14
4
20
15
# "
24
#
26
mod
19
Assim obtemos o texto:
DEAR IKE SEN D T AN KS
3 Cadeias de Markov
Suponha que um sistema fsico ou matemtico esteja sofrendo mudanas tais que a cada
momento ele possa ocupar um dentre um nmero nito de estados, e que a probabilidade de
um certo estado ocorrer puder ser predita unicamente a partir do conhecimento do estado do
sistema na observao imediatamente anterior, ento o processo de mudana de um estado
para outro chamado de uma cadeia ou um processo de Markov
Denio 1.38.
Denotemos por
{1, 2, ..., k}
A probabilidade do sistema estar no estado

imediatamente precedente estava no estado
de transio do estado
j,
estados possveis de uma cadeia de Markov.
em qualquer observao, se na observao
denotado por
ao estado i. A matriz
P = [pij ]
pij ,
e chamada a probabilidade
chamada de a matriz de transio
da cadeia de Markov.
Por exemplo, em uma cadeia de Markov de trs estados, a matriz de transio tem o
seguinte formato:
p11 p12 p13
p21 p22 p23
p31 p32 p33

Nesta matriz,
p23
a probabilidade que o sistema vai mudar do estado
probabilidade que o sistema vai mudar do estado
ao estado
1,
ao estado
2, p12
e assim por diante.
Andrey Andreyevich Markov, Ryazan 1856 - So Petersburgo 1922, matemtico russo. Foi quem ajudou a
desenvolver a teoria dos processos estocsticos, especialmente aqueles chamados de cadeias de Markov. Com
base no estudo de eventos mutualmente independentes, os seus trabalhos tem sido desenvolvidos e amplamente
aplicados na biologia e cincias socias. Markov formou-se na Universidade Estatal de So Petersburgo em 1878,
onde foi professor em 1886. Seus primeiros trabalhos foram sobre limite de integrais e teoria da aproximao.
Depois de 1900 aplicou mtodos de fraes contnuas, que havia sido iniciada por Pafnuti Tchebychev na
teoria da probabilidade. Provou o teorema do limite central. Markov lembrado pelo seu estudo de cadeias
de Markov.
26
Exemplo 1.39.
Uma locadora de automveis tem trs lojas de atendimento denotadas por 1,
2 e 3. Um cliente pode alugar um carro de qualquer uma das lojas e devolver o mesmo para
qualquer uma das trs lojas. O gerente nota que os clientes costumam devolver os carros de
acordo com as seguintes probabilidades:
Alugado da loja
1
0,8
0,3
0,2
0,1
0,2
0,6
0,1
0,5
0,2
A matriz
Devolvido loja
0, 8 0, 3 0, 2
0, 1 0, 2 0, 6
0, 1 0, 5 0, 2
a matriz de transio do sistema.
A partir desta matriz, a probabilidade de um carro
alugado na loja 3 ser devolvido na loja 2 0,6, a probabilidade de um carro alugado na loja 1
ser devolvido na loja 1 0,8, e assim por diante.
As matrizes de transio das cadeias de Markov tm a propriedade que as entradas em
qualquer coluna somam
1.
E so chamadas de matrizes estocsticas, matrizes de probabilidade
ou apenas matrizes de Markov.

Em geral, o estado de um sistema em uma cadeia de Markov no pode ser determinado com
certeza numa observao arbitrria. O melhor que pode ser feito especicar probabilidades
para cada um dos estados possveis. E isso pode ser representado por um vetor-coluna
x1
,
x=
x
2
x3
sendo
x1
1, x2
estado 3.
a probabilidade que o sistema est no estado
no estado
x3
Denio 1.40.
a probabilidade que ele est no
a probabilidade que ele est
O vetor-estado de uma observao de uma cadeia de Markov com
um vetor-coluna
cujo i-simo componente
xi
estados
a probabilidade do sistema estar naquela
observao no i-simo estado.

As entradas em qualquer vetor-estado de uma cadeia de Markov so no-negativas e tm
soma
1.
E um vetor-coluna que possui essa propriedade chamado vetor probabilidade.
Teorema 1.41.
Se
a matriz de transio de uma cadeia de Markov e
na n-sima observao, ento
xn+1 = P xn =
P n+1 x0 .
xn
o vetor estado
3 Cadeias de Markov
27
Prova: Considere o vetor de estado inicial
x01
x02
x0 =
.
.
x0k
k estados possveis, onde x0i a probabilidade

que o sistema esteja no estado i, para i {1, , k}. Lembrando que pij a probabilidade de
transio do estado j ao estado i, aps uma unidade de tempo a distribuio estar dividida
entre os k estados da seguinte forma
o qual caracteriza a distribuio inicial entre os
p11 x01 + p12 x02 + + p1k x0k

.
.
.
x1 =
pk1 x01 + pk2 x02 + + pkk x0k

Assim, a matriz de estado aps uma unidade de tempo dada pelo produto de matrizes
x1 = P x0 .
Como estamos assumindo que em cada unidade de tempo a matriz de transio a mesma,
ento aps
n+1
unidades de tempo a distribuio estar dividida entre os
estados segundo
a matriz de estado
xn+1 = P xn = P 2 xn1 = = P n+1 x0 .
Suponha, dado o vetor-estado
x0
de uma cadeia de Markov em alguma observao inicial.
Com o uso do Teorema 1.41, podemos determinar os vetores-estados
x1 , x2 , ..., xn , ...
nas
observaes subsequentes.
Exemplo 1.42.
No Exemplo 1.39, a matriz de transio
0, 8 0, 3 0, 2
0, 1 0, 2 0, 6
0, 1 0, 5 0, 2
x0 =
1 .
0
xn1
xn =
x
n2
xn3
Se um carro inicialmente alugado da loja 2, ento o vetor estado inicial
Usando este vetor e o Teorema 1.41, obtemos os vetores-estado posteriores
listados na tabela a seguir.

decimais.
Os vetores-estado para
n 11
so iguais a
x11
at trs casas
28
10
11
xn1
0,3
0,4
0,477
0,511
0,533
0,544
0,55
0,553
0,555
0,556
0,557
xn2
0,2
0,37
0,252
0,261
0,240
0,238
0,233
0,232
0,231
0,23
0,23
xn3
0,5
0,23
0,271
0,228
0,227
0,219
0,217
0,215
0,214
0,214
0,213
Este exemplo revela dois fatos que devem ser observados: 1.)
no foi necessrio saber
por quanto tempo o cliente permaneceu com o carro. Ou seja, em um processo de Markov o
tempo entre as observaes no precisa ser regular; 2.) os vetores-estado convergem para um
vetor xo medida que
cresce.
Uma pergunta natural se os vetores-estado de um sistema de Markov sempre convergem

para um vetor xo. O prximo exemplo mostra que isto no o caso.
Exemplo 1.43.
Seja
"
P =
Como
P2 = I
P3 = P,
0 1
"
e
1 0
x0 =
1
0
#
.
resulta
"
x0 = x2 = x4 = =
"
e
x1 = x3 = x5 = =
Este sistema oscila indenidamente entre dois vetores-estado, e portanto no converge a

nenhum vetor xo.
Entretanto, impondo uma restrio fraca matriz de transio, mostraremos que o sistema
se aproxima de um vetor-estado xo. Tal condio dada na prxima denio.
Denio 1.44.
Uma matriz de transio
regular se existe
N N
tal que
PN
tem todas
as entradas positivas. Uma cadeia de Markov que governada por uma matriz de transio
regular chamada cadeia de Markov regular.
Lema 1.45
P uma matriz r r de transio regular, a menor entrada de P

e x um vetor-coluna com r componentes. Denote por M0 e m0 as respectivas componentes
mxima e mnima de x. Denote tambm por M1 e m1 as respectivas componentes mxima e
T
mnima do vetor x P . Ento
([3])
Sejam
M1 M0 ,
Prova: Seja
m0 , por M0 .
i = 1, , r.
x0
m1 m0
o vetor obtido de
M1 m1 (1 2)(M0 m0 ).
substituindo todas as componentes, exceto a componente
xi x0i ,
0T
componente de x P
Ento as respectivas coordenadas desses vetores satisfazem

Usando que
uma matriz de transio, cada
forma
am0 + (1 a)M0 = M0 a(M0 m0 ),
para
da
3 Cadeias de Markov
29
a . Portanto, cada componente

xi x0i para i = 1, , r. Logo,
onde
de
x0T P
menor ou igual a
M0 (M0 m0 ).
M1 M0 (M0 m0 ).
Se aplicarmos este resultado ao vetor
x,
Mas,
(1.2)
obtemos
m1 m0 (m0 + M0 ).
(1.3)
Somando (1.2) e (1.3), temos
M1 m1 M0 m0 2(M0 m0 ) = (1 2)(M0 m0 ).
Teorema 1.46 ([3]).
quando
n +,
Se
onde os
Prova: Suponha que
r r de transio regular,
q1 q1 ... q1
q2 q2 ... q2
n
P Q= .
.
.
.
.
.
.
..
.
.
.
qk qk ... qk
uma matriz
qi
so nmeros positivos tais que
no tenha entradas nulas. Seja
um vetor-coluna com 1 na posio
ento
q1 + q2 + ... + qk = 1.
a menor entrada de
nas demais entradas. Sejam
Mn
mn
P.
Seja
as respectivas
T n
mxima e mnima do vetor j P . Como
Tj P n = Tj P n1 P,
segue do Lema 1.45 que
M1 M2 M3
m1 m2 m3
M m (1 2)(M
n
n
n1 mn1 ),
Como consequncia,
Seja
Mn
dn = Mn mn .
mn
para
n 1.
so sequncias montonas limitadas, e portanto convergentes.
Ento
dn (1 2)n d0 = (1 2)n .
Portanto,
lim dn = 0
n+
e as sequncias
Mn
mn
para um vetor com todas as componentes iguais.

a
j -sima
linha de
Tj P n
tende
Agora,
Tj P n
convergem para um valor comum. Consequentemente,
P n.
Assim, a
j -sima
Seja
linha de
qj
Pn
esse valor comum.
tende a um vetor com todas as
30
componentes iguais a
qj ,
isto ,
Pn
tende para uma matriz
vetor
q1
com todas as colunas o mesmo
q2
q= .
..
qr
Sendo
P n tambm uma matriz de transio.

n sempre igual a 1 e o mesmo
entradas de cada coluna de P
Q. Isto conclui a demonstrao para o caso que P tem todas as
uma matriz de transio, qualquer potncia
Desse modo, a soma das

verdadeiro para a matriz
entradas positivas.
Considere agora o caso que
somente regular. Seja
possui todas as entradas positivas. Seja
um nmero natural tal que
a menor entrada de
PN.
PN
Pela primeira parte da
prova,
dkN (1 20 )k ,
Portanto, a sequncia no-crescente
dn 0
quando
n +
para
k 1.
(dn ) possui uma subsequncia convergindo para 0.
Assim,
e o restante da demonstrao anloga ao caso anterior.
Veremos pelo teorema a seguir que qualquer cadeia de Markov regular possui um vetorestado xo
q,
x0 ,
tal que, para qualquer escolha
Teorema 1.47.
Se
P n x0
o vetor
uma matriz de transio regular e
converge a
quando
n .
um vetor de probabilidade
qualquer, ento
q1
q2
P nx . = q
..
qk
quando
n +,
onde
um vetor de probabilidade xo, independente de
n,
cujas entradas
so todas positivas.
Prova: Pelo Teorema 1.46,
P n Q quando n +.
De modo que
P n x Qx = q
quando
n +.
O Teorema anterior estabelece que para uma cadeia de Markov regular, o sistema sempre
acaba convergindo para um vetor-estado
estacionrio
da cadeia de Markov regular.
xo.
O vetor
chamado vetor de
estado
O Teorema a seguir mostra uma maneira de
calcular o vetor estacionrio.
Teorema 1.48.
O vetor de estado estacionrio
nico vetor de probabilidade que satisfaz a equao

Prova: Considere a identidade matricial
convergem para
n +.
d P q = q .
quando
desta equao matricial
de uma matriz de transio regular
P q = q.
P P n = P n+1 .
Pn
P n+1
P Q = Q. Qualquer uma das colunas

que q o nico vetor de probabilidade
Assim, temos que

Para mostrar
Pelo Teorema 1.46, ambas
3 Cadeias de Markov
31
r um
n = 1, 2, 3, ....
que satisfaz esta equao, suponha que
outro vetor de probabilidade tal que,
n
Ento tambm P r
Pelo Teorema 1.47, quando
= r
para
n ,
P r = r.
resulta
q = r.
O Teorema 1.48, pode ser escrito do seguinte modo: o sistema linear homogneo
(I P )p = 0
q com entradas no negativas satisfazendo q1 + +qk = 1.
0, 2 0, 1 0, 7
matriz de transio 0, 6 0, 4 0, 2 . Encontre seu vetor de
0, 2 0, 5 0, 1
tem sempre um nico vetor soluo
Exemplo 1.49.
Considere a
estado estacionrio.
Soluo. Seja
I3
a matriz identidade e
1 0 0
x1
q=
x2 ,
x3
tal que,
0, 2 0, 1 0, 7
(I P )q = 0.
x1

0 1 0 0, 6 0, 4 0, 2 x2 = 0

0 0 1
0, 2 0, 5 0, 1
x3
0
0, 8 0, 1 0, 7
x1

0, 6

0, 6 0, 2
x2 = 0
0, 2 0, 5
0, 9
x3
0
A forma escalonada reduzida por linhas da matriz de coecientes :
22
1 0 21
0 1 29
21
0 0
0
de modo que o sistema linear original equivalente ao sistema:
x3 = s ,
x1 =
22
21 x3 e
x2 =
29
21 x3 . Pondo
qualquer soluo do sistema linear da forma,
q = s
22
21
29
21
1
Mas como
x1 + x2 + x3 = 1,
estacionrio deste sitema :
temos :
x1 =
11
36 ,
x2 =
11
36
29
72
21
72
q=
29
72 e
x3 =
21
72 . Assim, o vetor de estado
32
Exemplo 1.50.
ano,
5%
Um pas dividido em trs regies demogrcas.
dos moradores da regio
mudam para a regio
5%
Observa-se que, a cada
mudam para a regio
3.
Dos
2, 15% mudam para a regio 1 e 10% mudam para a regio 3. Finalmente,

regio 3, 10% mudam para a regio 1 e 5% mudam para a regio 2. A longo
moradores da regio
dos moradores da
prazo, qual porcentagem da populao mora em cada uma das trs regies?
Considere a matriz de locomoo de moradores:
90% 15% 10%
0, 9 0, 15
0, 1
P =
5% 75% 5% = 0, 05 0, 75 0, 05
5% 10% 85%
0, 05 0, 1 0, 85
Seja
I3
a matriz identidade e
1 0 0
x1
,
q=
x
2
x3
tal que,
0, 9 0, 15
(I P )q = 0.
0, 1
x1
Ou seja,

0 1 0 0, 05 0, 75 0, 05 x2 = 0

x3
0 0 1
0, 05 0, 1 0, 85
0
0, 1 0, 15
0, 5
0, 05
0, 1
x1

0, 25 0, 05
x2 = 0
0, 1
0, 15
x3
0
A forma escalonada reduzida por linhas da matriz de coecientes :
1 0 13
7
47
0 1
0 0
de modo que o sistema linear original equivalente ao sistema:

Pondo
x3 = s,
x1 =
13
7 x3 e
x2 = 47 x3 .
qualquer soluo do sistema linear da forma,
q = s.
13
7
4
7
1
4
7
x1 = 13
24 , x2 = 24 e x3 = 24 .
Assim vemos que a longo prazo, ter 54, 2% da populao na regio 1, 16, 7%
na regio 2 e 29, 1% da populao na regio 3.
Mas como
x1 + x2 + x3 = 1,
temos :
da populao
4 Gentica
33
4 Gentica
A prxima aplicao ilustra uma situao em que uma cadeia de Markov no governada
por uma matriz regular, mas o comportamento limite de vetores-estado ainda pode ser
estudado.
O exemplo aborda a propagao de uma caracterstica herdada em sucessivas
geraes calculando potncias de matrizes. Para tanto, apresentaremos brevemente os prrequisitos necessrios.
Denio 1.51.
Ax = x,
Se
Exemplo 1.52.
"
autovetor
para algum vetor coluna
autovetor da matriz
x=
A matriz
n n,
uma matriz
associado ao autovalor
Dada a matriz
#
, j que
A =
"
x 6=
chamado um autovalor de
no nulo. Tal vetor coluna no nulo
"
um nmero
se
chamado um
5 2
#
. Ento
4 1
"
e
Ax =
5 2
= 3
#"
4 1
1
1
um autovalor de
"
=
do Exemplo 1.52 possui um outro autovalor alm de
"
=3
3
= 3.
com
= 3x.
Para encontr-lo,
observemos um procedimento geral a seguir que funciona para qualquer matriz A de ordem
n n.
Por denio, um nmero
um autovalor de
Ax = x
Se
para algum
se, e somente se,
x 6= 0.
denota a matriz identidade de mesma ordem que
A,
isso equivalente a dizer que o
sistema linear homogneo
(I A)x = 0
possui uma soluo no trivial
x 6= 0.
Pelo Teorema 2.6 do prximo captulo, isso acontece se, e somente se, o determinante da
matriz dos coecientes nulo:
|I A| = 0.
Exemplo 1.53.
"
Encontre todos os autovalores e autovetores da matriz
"
Soluo. Como
e, portanto,
I A =
1 = 3
2 = 1
4 + 1
A=
5 2
4 1
#
.
#
, temos
|I A| = (5)(+1)+8 = (3)(1)
so os autovalores de
A.
1 = 3 foi o autovalor
associados a 2 = 1, observe
Observe que
mencionado no Example 1.52. Para encontrar os autovetores

que nesse caso
"
2 I A =
2 5
"
4 2
=
4 2 + 1
4 2
"
#
1/2
e as solues para (2 I A)x = 0 so x = t
onde t um nmero real arbitrrio.
1
"
#
1/2
Portanto, os autovetores x associados a 2 so x = t
onde t 6= 0 arbitrrio. Por
1
34
"
exemplo, para
t = 2, x =
origem aos autovetores
2
"
x=t
um autovetor associado a
2 .
Analogamente,
1 = 3
t 6= 0,
que inclui o autovetor mencionado no Exemplo
1.52.
Denio 1.54.
Uma matriz
nn
uma matriz diagonal se todas as suas entradas, exceto
possivelmente as entradas da diagonal principal, so nulas, ou seja, a matriz tem a forma
0 2
0
.
. .
.
.
..
.
..
.
.
0 0 n
Denio 1.55. Uma matriz quadrada A dita diagonalizvel se existir uma matriz invertvel
P
tal que
P 1 AP
uma matriz diagonal.
Valendo-se do Exemplo 1.53,

respectivamente por autovetores de
consideremos a matriz
associados a
"
P =
1 1
1 = 3
P cujas colunas so
2 = 1, por exemplo,
formadas
2 1
.
"
Pelo Teorema 2.6 do prximo captulo,
"
mostrando que a matriz
A=
5 2
4 1
invertvel e
de
A diagonalizvel se, e somente

P = [x1 x2 xn ] invertvel.
A diagonalizvel, P 1 AP
nn
a partir das solues
(I A)x = 0.
se, ela possui autovetores
x1 , , xn
tais que a matriz
uma matriz diagonal, cuja diagonal principal formada
Encontre a matriz
seguindo os seguintes passos:
pelos respectivos autovalores associados aos autovetores (colunas de
Exemplo 1.56.
0 1
A.
no triviais do sistema homogneo
4. Se
D=
diagonalizvel. Isso de fato um procedimento
2. Calcule os autovetores associados a cada um desses autovalores
3.
onde
geral para diagonalizar, quando possvel, uma matriz

1. Encontre os autovalores
P 1 AP = D,
3 0
que diagonaliza
A=
0
0
1
2
1
2
1
.
0 0
P ).
4 Gentica
35
1
1 = 1,2 =2
1
1
1

v1 = 0 , v2 = 1 , v3 = 2
.
0
0
1
Seus autovalores so
3 = 0,
Assim,
fato
notvel
diagonalizveis.
que
devemos
P =
0 1 2
0
0
1
1
0 0
P 1 AP = D =
0
0
Um
com respectivos autovetores associados
tal que
0
.
0 0
1
2
observar
sobre
ciclo
Dada uma matriz quadrada
de ordem
de
nn
potncias
de
matrizes
diagonalizvel, podemos
k
encontrar uma frmula explcita para A para qualquer que seja o expoente inteiro
fato, seja
uma matriz invertvel e
1 AP
uma matriz diagonal tais que P
k.
= D,
De
ou
equivalentemente
A = P DP 1 .
Para
k = 1, 2, ,
(1.4)
usando (1.4), temos
Ak = AA A = (P DP 1 )(P DP 1 ) (P DP 1 )
= P D(P 1 P )DP 1 P DP 1
= P D(I)D(I) (I)DP 1
= P D DP 1
= P Dk P 1 .
Portanto,
Ak = P Dk P 1
para
k = 1, 2,
onde
0 2
0
D = .
. .
.
.
..
.
..
.
.
0 0 n
k
k1
0 k2
.
.
.
Por exemplo, utilizando este fato notvel para a matriz
An = P Dn P 1 =
0 1 2 0
0
0
1
0
Observa-se com isso que
0
.
.
.
..
. .
.
.
0 kn
A
do Exemplo 1.56 encontramos

n
n1
0
0
1
1
1
1 1 12
1 21

1 n
1 n
1 n1

0
0 1 2 = 0
2
2
2
0
0
0
0
1
0
0
0
uma matriz de transio que no regular.
36
4.1 Caractersticas Hereditrias

Nesta subseo examinaremos a hereditariedade de caractersticas de animais ou plantas.
Vamos supor que as caractersticas hereditrias sejam governadas por um conjunto de dois
genes, denotados por
a.
Pela hereditariedade autossmica, cada indivduo de cada sexo
possui dois destes genes, e os possveis pares so
AA, Aa
aa.
Este par de genes chamado
gentipo do indivduo e determina como o carter controlado por estes genes se manifesta
no indivduo.
Por exemplo, nos humanos a cor dos olhos denida pela hereditariedade
AA e Aa tm olhos castanhos e o gentipo aa tem olhos azuis.

gene A domina o gene a, ou seja, o gene a recessivo em relao ao
autossmica. Os gentipos
Neste caso dizemos que o
gene
A.
H tambm a hereditariedade ligada ao sexo. Neste caso o macho da espcie possui
apenas um gene (A ou
a)
e a fmea um par de dois genes (AA,
Aa
ou
aa).
Nos humanos,
o daltonismo, a calvcie hereditria, a hemolia e outros so caractersticas controladas

por hereditariedade ligada ao sexo.
A seguir vamos estudar a maneira pela qual os genes
dos pais so transmitidos para seus descendentes no tipo de hereditariedade autossmica.

Construremos modelos matriciais que do os provveis gentipos dos descendentes em termos
dos gentipos dos pais e usaremos estes modelos para acompanhar a distribuio genotpica
de uma populao atravs de sucessivas geraes.
Na hereditariedade autossmica, um indivduo herda de modo aleatrio um par de genes,
sendo um de sua me e o outro do pai, formando assim seu gentipo. Supondo que um dos
pais tenha gentipo
Aa,
ter igual probabilidade que o descendente herde o gene
daquele genitor. Se um dos pais do gentipo

sempre receber um gene
ou um gene
Aa
ou
aa.
do genitor
aa
e o outro do gentipo
Aa,
ou
o descendente
a do genitor aa e receber, com igual probabilidade, ou um gene A

Aa. Logo, cada descendente ter chances iguais de ser do gentipo
Abaixo, listamos as probabilidades dos possveis gentipos dos descendentes para
todas as possveis combinaes de gentipos dos pais.
Gentipo dos pais

Gentipo do descendente
AA-AA
AA-Aa
AA-aa
Aa-Aa
Aa-aa
aa-aa
AA
1/2
1/4
Aa
1/2
1/2
1/2
aa
1/4
1/2
Tabela 1.5:
Exemplo 1.57.
Probabilidades dos possveis gentipos dos descendentes
(Distribuio dos gentipos numa populao) Suponha que um agricultor
tenha uma grande populao de plantas consistindo de alguma distribuio de todos os trs
possveis gentipos
AA, Aa e aa.
O agricultor deseja implementar um programa de criao no
qual cada planta da populao sempre fertilizada por uma planta do gentipo
AA.
Deduza
4 Gentica
37
uma expresso para a distribuio dos trs gentipos na populao depois de um nmero
qualquer de geraes.
Para
n N,
escrevemos
an = frao de plantas do gentipo AA na n- sima gerao;

bn = frao de plantas do gentipo Aa na n- sima gerao;
cn = frao de plantas do gentipo aa na n- sima gerao.
Assim, a0 , b0 e c0 representam a distribuio inicial dos gentipos.
E sabemos que
an + bn + cn = 1, para n = 0, 1, 2, .... Como cada planta da populao sempre fertilizada
por uma planta do gentipo AA, podemos determinar a distribuio de gentipos em cada
gerao a partir da distribuio na gerao precedente utilizando somente as trs primeiras
linhas e colunas da Tabela 1.5 para obter as equaes:
1
an = an1 + bn1 ,
2
1
bn = cn1 + bn1 ,
2
cn = 0.
(1.5)
(1.6)
(1.7)
AA sero do
gentipo AA e metade dos descendentes de uma planta do gentipo Aa ser do gentipo AA.
A equao (1.6) representa que todos os descendentes de uma planta do gentipo aa sero
do gentipo Aa e metade dos descendentes de uma planta do gentipo Aa ser do gentipo
Aa. A equao (1.7) arma que no haver descendentes do gentipo aa de uma planta do
gentipo AA. As equaes (1.5)-(1.7) podem ser escritas em notao matricial como:
A equao (1.5) representa que todos os descendentes de uma planta do gentipo
xn = Axn1 ,
onde
an
xn =
bn ,
cn
an1
xn1 =
bn1
cn1
Note que as trs colunas da matriz
(1.8)
1
2
1
2
1
.
0 0
A=
0
0
so iguais s trs primeiras colunas da Tabela 1.5. Da
equao (1.8) segue que
xn = Axn1 = A2 xn2 = ... = An x0

Pelo Exemplo 1.56, podemos escrever uma expresso explcita para

1 n
2

1 n
2
1 1
An = P Dn P 1 =
0
0
1 n1
2

1 n1
2
An
como
Segue-se que
1 1 ( 12 )n 1 ( 21 )n1
xn = P Dn P 1 x0 =
0
0
( 12 )n
( 12 )n1
a0
b0
c0
38
ou equivalentemente
an
a0 + b0 + c0 ( 12 )n b0 ( 12 )n1 c0
( 12 )n b0 + ( 21 )n1 c0
=
xn =
b
n

cn
Como
a0 + b0 + c0 = 1,
obtemos:
n1
n
1
1
b0
c0
= 1
2
2
n
n1
1
1
=
b0 +
c0
2
2
= 0
an
bn
cn
Estas so as frmulas explcitas para a frao dos trs gentipos na

em termos das fraes de gentipos iniciais.
n-sima gerao de plantas

n tende ao

1 n
tende a zero quando
2
Como
innito, temos
an 1,
bn 0.
Note que tambm
cn 0
pelo fato de
cn
ser uma sequncia constante e igual a zero. Isso
mostra que no limite todas as plantas da populao sero do gentipo
Exemplo 1.58.
AA.
Supondo que cada planta da populao seja sempre fertilizada por uma planta
do seu prprio gentipo em vez de sempre ser fertilizada por uma planta do gentipo
AA.
Usando a mesma notao do exemplo anterior, teremos:
xn = An .x0 ,
onde
A=
0
0
associados os autovetores:
0
.
1
1 = 1, 2 = 1 e 3 =
1
0
1

, v2 = 0 e v3 = 2 .
v1 =
0

1
1
0
Encontramos os autovalores de
A
,
1
4
1
2
1
4
que so:
Fazendos os clculos, obtemos:
an
bn
cn
1
= a0 + b0
2
n
1
=
b0
2
n+1
1
b0
2
1
= c0 + b0
2
n+1
1
b0
2
1
2 , e a eles esto
4 Gentica
39
Estas so as frmulas explcitas para a frao dos trs gentipos na

em termos das fraes de gentipos iniciais.
Como
n-sima gerao de plantas

n tende ao

1 n
tende a zero quando
2
innito, temos
1
an a0 + b0 ,
2
bn 0,
1
cn c0 + b0 .
2
Assim fertilizando cada planta com um de seu prprio gentipo produz uma populao que
no limite contm somente os gentipos
AA
aa.
Captulo
2
Aplicaes do determinante
O propsito deste captulo apresentar o conceito de determinante e, principalmente, listar

as propriedades que todo estudante do ensino mdio deveria saber sobre o determinante de
uma matriz
detA
A
A:
d rea ou volume;
detA 6= 0;
det(AB) = detAdetB;
o modo mais eciente de calcular
detA
usar a reduo de
para a forma escalonada.
A = [aij ],
Denotamos detA, det[aij ]
A apresentao a seguir baseada na referncia [4]. Dada uma matriz quadrada

denimos um nmero associado matriz
ou
|A|
A, chamado determinante.
e escrevemos:
Determinante de uma matriz
1 1: |a| = a
Determinante de uma matriz

a
11 a12
2 2:
a21 a22
41

= a11 a22 a12 a21

42
Captulo 2 Aplicaes do determinante
Determinante de uma matriz 3 3:

a11 a12 a13

a21 a22 a23 = a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 .

a31 a32 a33
Para
generalizar
determinante
33
22
deno
do
determinante
para reescrever o determinante
para
3 3.
matrizes
maiores,
usaremos
Como os termos do determinante
podem ser agrupados como
(a11 a22 a33 a11 a23 a32 ) (a12 a21 a33 a12 a23 a31 ) + (a13 a21 a32 a13 a22 a31 ),
temos

a11 a12 a13

a21 a22 a23

a31 a32 a33

= a11 a22 a23

a32 a33

a

21 a23
a12

a31 a33

a

21 a22
+ a13

a31 a32
ou abreviadamente na forma

a11 a12 a13

a21 a22 a23

a31 a32 a33
onde
A11 , A12
trs colunas de

= a11 |A11 | a12 |A12 | + a13 |A13 |,

A13 so matrizes 2 2 obtidas de A eliminando a primeira linha e uma das

A. Observamos que possvel desenvolver o determinante usando as outras
linhas (ou mesmo as colunas) obtendo o mesmo resultado. Por exemplo, agrupando os termos
do determinante
33
como
(a12 a21 a33 a13 a21 a32 ) + (a11 a22 a33 a13 a22 a31 ) (a11 a23 a32 a12 a23 a31 ),
obtemos o desenvolvimento do determinante em termos da segunda linha:

a11 a12 a13

a21 a22 a23

a31 a32 a33

= a21 |A21 | + a22 |A22 | a23 |A23 |.

Podemos dar agora uma denio recursiva do determinante de uma matriz

determinante de submatrizes
(n 1) (n 1).
Denio 2.1.
o determinante de uma matriz
Para
n 2,
n n baseada no
n n A = [aij ]
|A| = ai1 |Ai1 | ai2 |Ai2 | + + (1)1+n ain |Ain | =
denido por
n
X
(1)i+j aij |Aij |,
j=1
i, j {1, . . . , n}, Aij

a j -sima coluna de A.
onde, para cada
i-sima
linha e
a matriz
(n 1) (n 1)
obtida de
eliminando a
43
Observe que na frmula dada, o determinante foi desenvolvido pela
i-sima
linha. Uma
frmula anloga vlida para as colunas. Alm disso, pode ser provado que o determinante
de uma matriz quadrada igual ao desenvolvimento ao longo de qualquer linha ou coluna da
matriz.
Observe ainda que se uma linha ou coluna de uma matriz quadrada consistir inteiramente
de zeros, ento o determinante ser zero.
Exemplo 2.2.
Dada a matriz
3 7
A= 0
9 6
1
5
0 ,
2
4 1
0 2
0
2 5
0
0
0
o clculo do seu determinante mais oportuno quando desenvolvido pela primeira coluna, pois
todos os seus termos so nulos exceto o primeiro. Assim,

|A| = 3

Expandindo este determinante

3

1
5
0
.
2
4 1

0 2
0
2 5
0
0
0
44 ao longo da primeira coluna, aproveitando-se das entradas
nulas, temos

5
0
1

|A| = 3 2 2
4 1 = 3 2 (2) = 12,

0 2
0
aps o clculo do determinante
33
que ainda resta.
Um caso particular, mas relevante, o caso das matrizes triangulares.
Uma matriz
quadrada chamada triangular superior se todo elemento abaixo da diagonal principal for
igual a zero.
Analogamente, uma matriz quadrada chamada triangular inferior se todo
elemento acima da diagonal principal for igual a zero.
Uma matriz quadrada chamada
triangular se for triangular superior ou inferior. A matriz do exemplo anterior no triangular,

mas o mtodo usado no clculo do seu determinante pode ser adaptado para provar o seguinte
teorema.
Teorema 2.3.
principal de
Se
uma matriz triangular, ento
|A|
o produto das entradas da diagonal
A.
O prximo resultado mostra que as operaes elementares com as linhas ou colunas tm

um efeito simples sobre o determinante.
44
Teorema 2.4.
1. Se
Seja
A a partir
|B| = |A|.
for obtida de
diferentes, ento
de
B
A
por um nmero
3. Se
for obtida de
2. Se
nn
uma matriz
for obtida de
(coluna) de
de
qualquer.
por meio da permutao de duas linhas (colunas)
A por meio
|B| = k|A|.
a partir de
k,
ento
a partir de
da multiplicao de alguma linha (coluna)
por meio da adio de um mltiplo de alguma linha
com uma linha (coluna) diferente de
A,
ento
|B| = |A|.
conveniente provar o Teorema 2.4 quando esse enunciado em termos de operaes

elementares de matrizes discutidas na Seo 2.3. Chamaremos uma matriz elementar
substituio de linha se
a uma outra,
por
se
uma
obtida da matriz identidade somando um mltiplo de uma linha
uma troca se
obtida por uma troca de linhas de
obtida pelo produto de uma linha de
por um nmero no nulo
uma escala
r.
Com esta
terminologia, o Teorema 2.4 pode ser reescrito como:
Se
uma matriz
nn
qualquer e
uma matriz
nn
elementar, ento
|EA| = |E||A|,
onde
|E| =
se
uma substituio de linha,
se
uma troca de linha,
se
uma escala por
r.
n. Para n = 2, a prova imediata. Suponha o resultado

verdadeiro para matrizes nn com n 2, e provemos que o resultado verdadeiro para n+1.
A ao de E envolve duas linhas ou somente uma linha de A. Assim, podemos expandir o
determinante de EA ao longo de uma linha no afetada pela ao de E , digamos a linha
i. Seja Aij (respectivamente Bij ) a matriz obtida eliminando a linha i e a coluna j de E
(respectivamente EA). Ento as linhas de Bij so obtidas das linhas de Aij pelas mesmas
operaes elementares que E atua em A. Como estas submatrizes so n n, a hiptese de
Prova: A prova por induo em
induo implica
|Bij | = |Aij |,
sendo
= 1, 1
ou
r,
dependendo da natureza de
(desenvolvido ao longo da linha
i),
E.
Pela denio do determinante
temos
|EA| = ai1 (1)i+1 |Bi1 | + + ain (1)i+n |Bin |

= ai1 (1)i+1 |Ai1 | + + ain (1)i+n |Ain |
= |A|.
Assim, o teorema vlido para
todo
n 2.
n + 1.
Pelo princpio da induo, o teorema verdadeiro para
O teorema trivialmente verdadeiro para
verdadeira para todo
n.
n = 1.
Portanto, a propriedade
45
Exemplo 2.5.
Calcule o determinante de
A,
1 4
A=
2
Soluo.
A estratgia reduzir
onde
8 9
.
7
0
para a forma escalonada e ento usar a denio do
determinante para uma matriz triangular, cujo valor o produto das entradas da diagonal
principal. As duas primeiras alteraes na coluna 1 no mudam o determinante:

2 1 4
2 1 4
2
1 4

|A| = 2
8 9 = 0
0 5 = 0
0 5 .

1
7
0 1
7
0 0
3
2
Uma troca entre as linhas 2 e 3 troca o sinal do determinante, assim

2
1 4

|A| = 0
3
2

0
0 5

= (1)3(5) = 15.

A estratgia empregada no exemplo anterior pode revelar uma relao entre determinantes
e matrizes invertveis.
escalonada
U.
Suponha que uma matriz
Se nesse processo houve
A nn
tenha sido levada a sua forma
trocas de linhas, ento
|A| = (1)r |U |.
Como
est na forma escalonada, ela uma matriz triangular, e assim o determinante de
o produto das entradas
u11 , , unn
A invertvel, as entradas
entradas uii zero, e o produto
da sua diagonal principal. Se
uii so todos os pivs. Caso contrrio, pelo menos uma das

u11 unn zero. Assim,
(
(1)r u11 unn , se A invertvel,
|A| =
0,
se A no invertvel.
O prximo teorema uma consequncia dessa frmula.
Teorema 2.6.
Uma matriz quadrada
|A| =
6 0.
Esse teorema possui diversas aplicaes e interpretaes; mencionaremos apenas uma delas
que ser sistematicamente utilizada na prxima seo. Trata-se do estudo de sistemas lineares
de
equaes e
incgnitas:
a11 x1 + a12 x2 + ... + a1n xn = b1
a21 x1 + a22 x2 + ... + a2n xn = b2

.
.
.
.
. = .
a x + a x + ... + a x = b
n1 1
n2 2
nn n
n
46
o qual pode ser escrito na forma matricial
a11
... a1n
a21 ... a21
.
.
.
..
.
an1 ... ann
x1
b1
x2 b2
. = .
.. ..
bn
xn
ou
AX = B,
a11
... a1n
b1
a21 ... a21

b2
onde A =
a matriz dos coecientes, B = . a matriz dos termos
.
.
.
...
.
an1 ... ann
bn
x1
x2
independentes e X = . a matriz das incgnitas. Para esta equao, suponhamos que

..
xn
|A| 6= 0 e portanto, que A tenha a inversa A1 . Ento, nesse caso, a nica soluo dada
1 B . No caso particular de B = 0, X = 0 sempre uma soluo do sistema
por X = A
linear homogneo AX = 0 independente de A ser invertvel ou no. No entanto, AX = 0
possui uma soluo no trivial se, e somente se, |A| = 0. Para ver isso, basta observar que
quando |A| = 0, a forma escalonada de A possui ao menos uma linha com todas as entradas
nulas, gerando um sistema linear equivalente ao sistema AX = 0 tendo mais incgnitas do
que equaes, e portanto possui innitas solues.
O prximo resultado sobre determinantes e produtos de matrizes.
Teorema 2.7.
Se
so matrizes
n n,
ento
|AB| = |A||B|.
A no invertvel, ento a matrizAB tambm no invertvel Neste caso,

|AB| = |A||B|, pois ambos os lados dessa igualdade so nulos, e portanto a propriedade
vlida. Se A invertvel, ento existem matrizes elementares E1 , , Ep tais que
Prova:
Se
A = Ep Ep1 E1 In = Ep Ep1 E1 .
Pelo Teorema 2.4,
|AB| = |Ep Ep1 E1 B| = |Ep ||Ep1 E1 B| =

= |Ep ||Ep1 | |E1 k|B| = = |Ep Ep1 E1 ||B|
= |A||B|.
1 Construo de curvas e superfcies por pontos especicados
47

Nesta seo faremos uso de determinantes para construir retas, planos, circunferncias e sees
cnicas em geral por pontos especicados no plano. O procedimento tambm utilizado para
construir planos e esferas no espao passando por pontos xados.
1.1 Uma reta por dois pontos

Suponha que
(x1 , y1 )
(x2 , y2 )
sejam dois pontos distintos no plano. Existe uma nica reta
que passa por estes dois pontos (Figura 2.1). Vamos encontrar a equao dessa reta. Para
(x2 , y2 )
(x1 , y1 )
Figura 2.1
um ponto genrico
(x, y)
pertencer a uma reta, devem existir nmeros
c1 , c2
c3
no todos
nulos tais que
c1 x + c2 y + c3 = 0.
Como os pontos
(x1 , y1 )
(x2 , y2 )
(
esto na reta, podemos escrever:
c1 x1 + c2 y1 + c3 = 0
c1 x2 + c2 y2 + c3 = 0
Assim, obtemos:
c1 x + c2 y + c3 = 0
c1 x1 + c2 y1 + c3 = 0
c x +c y +c = 0
1 2
2 2
3
Como
c1 , c2 , c3
no so todos nulos, e este sistema tem soluo no trivial, isso implica que o
determinante da matriz associada ao sistema deve ser zero. Observe:

x y 1

x1 y1 1 = 0.

x2 y2 1
48
Isto resulta
(y1 y2 )x (x1 x2 )y + (x1 y2 x2 y1 )1 = 0,

que a equao procurada.
Exemplo 2.8.
Encontre a equao da reta que passa pelos pontos
(2, 3), (1, 4).
Resoluo: fazendo

x y 1

2 3 1 = 0,

1 4 1
resulta
(3 4)x (2 + 1)y + (8 + 3)1 = 0,

ou seja,
x + 3y 11 = 0.
1.2 Uma circunferncia por trs pontos

y
(x1 , y1 )
(x2 , y2 )
(x3 , y3 )
Figura 2.2
Sejam
(x1 , y1 ), (x2 , y2 )
(x3 , y3 )
trs pontos distintos e no colineares do plano.
Da
Geometria Analtica sabemos que existe uma nica circunferncia que passa por eles (Figura
2.2). Vamos determinar a equao dessa circunferncia. Um ponto genrico
uma circunferncia se existirem nmeros
c1 , c2 , c3
c4
no todos nulos tais que
c1 (x2 + y 2 ) + c2 x + c3 y + c4 = 0.
Como
(x1 , y1 ), (x2 , y2 )
(x, y)
(x3 , y3 ) pertencem a circunferncia, temos
2
2
c1 (x1 + y1 ) + c2 x1 + c3 y1 + c4 = 0
c1 (x22 + y22 ) + c2 x2 + c3 y2 + c4 = 0
c (x2 + y 2 ) + c x + c y + c = 0
1 3
2 3
3 3
4
3
pertence a
49
Assim, obtemos o seguinte sistema
c1 (x2 + y 2 ) + c2 x + c3 y + c4
c (x2 + y 2 ) + c x + c y + c
1 1
2 1
3 1
4
1
2
2
c1 (x2 + y2 ) + c2 x2 + c3 y2 + c4
c1 (x2 + y 2 ) + c2 x3 + c3 y3 + c4
3
= 0
= 0
= 0
= 0
Note que as equaes acima formam um sistema linear homogneo com uma soluo no
trivial em
c1 , c2 , c3
c4 .
Logo, o determinante zero, a saber:
Exemplo 2.9.
x2 + y 2
x21 + y12 x1
x22 + y22 x2
x23 + y32 x3

y 1

y1 1
= 0.
y2 1

y3 1
Encontre a equao da circunferncia que passa pelos pontos
(2, 6), (2, 0)
(5, 3).
Resoluo: fazendo

2
x + y2 x

4 + 36 2

4+0 2

25 + 9 5

y 1

6 1
= 0,
0 1

3 1
encontramos,

2

2
x +y x y 1

40
2
6
1

= 0,

4
2
0
1

34
5 3 1
o que resulta
x2 + y 2 4x 6y + 4 = 0,
ou equivalentemente
(x 2)2 + (y 3)2 = 9.
1.3 Uma cnica arbitrria por cinco pontos

Como sabido a equao geral de uma seo cnica arbitrria no plano (parbola, hiprbole
ou elpse, ou formas degeneradas destas) dada por
com coecientes
c1 , c2 , c3 , c4 , c5
c6
c1 x2 + c2 xy + c3 y 2 + c4 x + c5 y + c6 = 0,
no todos nulos.
Dividindo esta equao por um
coeciente que no seja nulo, o nmero de coecientes desta equao reduzido a cinco.
Sendo assim, podemos determinar a equao da cnica que passa por cinco pontos, impondo
50
que o determinante da matriz associada ao respectivo sistema seja nulo, ou seja,
x2
xy y 2

y 1

y1 1

y2 1
= 0.
y3 1

y4 1

y5 1
x21 x1 y1 y12 x1
x22 x2 y2 y22 x2
x23 x3 y3 y32 x3
x24 x4 y4 y42 x4
x25 x5 y5 y52 x5
Resolvendo este determinante obtm-se a equao de uma cnica qualquer.
Exemplo 2.10.
(2, 0), (2, 5)
Encontre a equao da seo cnica que passa pelos pontos
(0, 0), (0, 1),
(4, 1).
Resoluo: substituindo os valores no determinante anterior, encontramos
x2
xy y 2 x
0 0
1 0
0 2
4 10 25 2
4
16
1 4

y 1

0 1

1 1
= 0,
0 1

5 1

1 1
resultando
x2 + 2xy + y 2 2x + y = 0.
1.4 Um plano por trs pontos

Suponha que
(x1 , y1 , z1 ), (x2 , y2 , z2 )
(x3 , y3 , z3 )
sejam trs pontos no colineares no espao
tridimensional. Pela Geometria Analtica, existe um nico plano que passa por estes pontos.
(x, y, z) pertence a um plano

que c1 x + c2 y + c3 z + c4 = 0.
Vamos determinar a equao deste plano. Um ponto generrico
c1 , c2 , c3 e c4 tais
(x3 , y3 , z3 ) pertencem ao plano,
se existem nmeros no todos nulos

Como
(x1 , y1 , z1 ), (x2 , y2 , z2 )
obtemos o seguinte sistema
homogneo
c1 x + c2 y + c3 z + c4
c x +c y +c z +c
1 1
2 1
3 1
4
c1 x2 + c2 y2 + c3 z2 + c4
c1 x3 + c2 y3 + c3 z3 + c4
o qual possui soluo no trivial em
c1 , c2 , c3
c4 ,
= 0,
= 0,
= 0,
= 0,
desde que o determinante da matriz
associada seja nulo, ou seja,
x1 y1
x2 y2
x3 y3

z 1

z1 1
= 0.
z2 1

z3 1
51
Exemplo 2.11. Encontre a equao do plano do espao tridimensional que passa pelos pontos,
(2, 3, 1), (2, 1, 1)
(1, 2, 1).
Resoluo: fazendo

z 1

2
3
1 1
= 0,
2 1 1 1

1
2
1 1
obtemos
x + y 2z + 1 = 0.
1.5 Uma esfera por quatro pontos

A esfera no espao tridimensional de equao
c1 (x2 + y 2 + z 2 ) + c2 x + c3 y + c4 z + c5 = 0
que passa por quatro pontos no coplanares
(x1 , y1 , z1 ), (x2 , y2 , z2 ), (x3 , y3 , z3 )
(x4 , y4 , z4 )
dada em forma de determinante
Exemplo 2.12.
x2 + y 2 + z 2
x21 + y12 + z12 x1 y1

x22 + y22 + z22 x2 y2
x23 + y32 + z32 x3 y3
x24 + y42 + z42 x4 y4

z 1

z1 1

z2 1 = 0.

z3 1

z4 1
A equao da esfera que passa pelos quatro pontos no coplanares
(1, 1, 1), (2, 1, 0)
(5, 1, 3)
dada por

x2 + y 2 + z 2 x
y z 1

13
0
3 2 1

3
1 1 1 1

5
2
1 0 1

35
5
1 3 1

= 0.

Isto resulta
x2 + y 2 + z 2 4x 2y 6z + 5 = 0,
que na forma cannica
(x 2)2 + (y 1)2 + (z 3)2 = 9.
(0, 3, 2),
52
2 Determinantes como rea ou volume

O prximo teorema fornece uma interpretao geomtrica do determinante como rea ou
volume.
Teorema 2.13.
1. Suponha que os pontos
A = (a1 , a2 ), B = (b1 , b2 )
sejam colineares. Ento a rea do paralelogramo que tem por

valor absoluto do determinante
2. Suponha que os pontos
O = (0, 0)
vrtices O , A e B
no
o

a a
1 2
.

b1 b2
A = (a1 , a2 , a3 ), B = (b1 , b2 , b3 ), C = (c1 , c2 , c3 )
no sejam coplanares. Ento o volume do paraleleppedo que tem por

e
O = (0, 0, 0)
vrtices O , A, B
e
o valor absoluto do determinante

a
a
a
1 2 3

b1 b2 b3 .

c1 c2 c3
Prova: O teorema obviamente verdadeiro para qualquer matriz diagonal:

"
#

a
0
1

det
= |a1 b2 | =

0 b2
rea do retngulo (veja Figura 2.3).
B = (0, b2 )
A = (a1 , 0)
Figura 2.3:
rea =
"
suciente mostrar que qualquer matriz
M=
|a1 b2 |
a1 a2
b1
b2
#
pode ser transformada em uma
matriz diagonal de modo que nem a rea do paralelogramo associado e nem o
|detM|
sejam
alterados. Pelas propriedades do determinante, o valor absoluto do determinante permanece

o mesmo quando duas linhas so trocadas ou um mltiplo de uma linha somada a uma
outra linha da matriz. Alm disso, essas operaes so sucientes para transformar a matriz
em uma matriz diagonal. Portanto, suciente provar o seguinte fato geomtrico:
2 Determinantes como rea ou volume
B = (b1 , b2 ) pontos distintos da origem O = (0, 0).

Ento para qualquer nmero real c, a rea do paralelogramo determinado por
A e B e O igual a rea do paralelogramo determinado por A = (a1 , b1 ),
B + cA = (b1 + ca1 , b2 + ca2 ) e O.
Sejam
A = (a1 , b1 )
53
A, B e O no sejam colineares, do contrrio

o paralelogramo degenerado e tem rea zero. Se L a reta determinada por O e A, ento
B + L uma reta que passa por B e paralela a L e o ponto B + cA pertence a esta reta.
(Veja gura abaixo). Os pontos B e B + cA tem a mesma distncia a reta L. Portanto os
Para provar esta armao, vamos supor que
dois paralelogramos na Figura 2.4 tm a mesma rea, pois tm a mesma base (o segmento
OA).
Isto completa a demonstrao para o plano.
B + cA
cA
Figura 2.4:
Dois paralelogramos de mesma rea
A
C
B+kA
Figura 2.5:
Dois paraleleppedos com volumes iguais
A prova para o caso espacial anloga.

matriz
33
diagonal.
E qualquer matriz
O teorema claramente verdadeiro para uma
A 33
pode ser transformada em uma matriz
diagonal usando operaes elementares com as linhas de
A sem alterar |A|.
Assim suciente
mostrar que essas operaes no afetam o volume do paraleleppedo determinado pelas linhas
de
A.
A Figura 2.5 exibe um paraleleppedo com faces inclinadas, cujo volume a rea da
base no plano determinado por

determinado por
determinado por
O, A
O, A
e
e
C.
C.
O, A
e altura dada pela distncia do ponto
Qualquer ponto
B + kA
ao plano
tem essa mesma distncia ao plano
Portanto o volume do paraleleppedo no se altera quando a
54
matriz
C
substituda por
B + kA .
C
Como substituies no afetam o volume, a prova est completa.
Captulo
3
Roteiro de uma aula
O professor de matemtica tem encontrado grande diculdade ao trabalhar com alguns

conceitos dentro da sala de aula, no que diz respeito a utilidade de tais assuntos. E muitas
vezes o aluno desestimulado, pois desenvolve a matemtica de maneira mecnica, sem saber
sua real funo no cotidiano. Por sua vez o Currculo do Estado de So Paulo visa utilizar
elementos de matrizes para organizar e justicar a resoluo de situaes-problema baseados
em contexto do cotidiano, cabe a motivao de criar uma situao-problema que aborde o uso
de multiplicao de matrizes.
A proposta desta dissertao fazer o aluno perceber que multiplicao de matrizes pode
ser til para resolver problemas comuns do dia-a-dia. Assim depois de trabalhar o conceito
de produtos de matrizes e a denio de grafos, seria proposto uma situao-problema que
consiste em dividir a sala de aula em no mximo
equipes, tendo em mdia
equipe, e cada equipe joga exatamente uma vez com cada uma das outras .
alunos por
Dispondo os
alunos, de modo que, todos participem.

Para valorizar essa atividade, e fazer uso da interdisciplinaridade, essa disputa composta
de perguntas e respostas, as quais esto relacionadas a conhecimentos de outras disciplinas.
De acordo com os acertos, cria-se uma matriz que mostra a situao de cada equipe com
relao s demais.
Na sequncia os alunos fazem uso do conceito de grafos dirigidos por dominncia, que tem
como base a multiplicao de matrizes, para obter a classicao nal das equipes.
55
56
Captulo 3 Roteiro de uma aula
Essa atividade pode ajudar os alunos a compreenderem a utilidade e importncia do

produto de matrizes, como tambm possibilitar que as outras disciplinas se articulem com a
matemtica.
Referncias Bibliogrcas
[1] ANTON, H.
lgebra linear com aplicaes. Traduo de Claus Ivo Doering. 8. ed.
Porto Alegre: Bookman, 2001. 572 p.

[2] BOLDRINI, J. L., COSTA, S. I. R., FIGUEIREDO, V. L., WETZLER, H. G.
Linear. 3 ed. So Paulo:

[3] KEMENY, J., SNELL, J.
lgebra
Harbra, 1986. 411 p.
Finite Markov Chains. New York:
Springer Verlag, 1976.
210 p.
[4] LAY, D.
Linear lgebra and its Applications. Boston:
Addison-Wesley, 2006. 492
p.
[5] NICHOLSON, W. K.
lgebra Linear. Traduo tcnica Clia Mendes Carvalho Lopes,
Leila Maria Vasconcellos Figueiredo, Martha Salerno Monteiro. So Paulo: McGraw-Hill,

2006. 394p.
[6] STRANG, G.
Introduction to linear algebra. Wellesley:
2005. 568 p.
57
Wellesley-Cambridge Press,

13 May - Aplicações de Matrizes No Ensino Médio

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

13 May - Aplicações de Matrizes No Ensino Médio

Enviado por

Direitos autorais:

Formatos disponíveis

Aplicaes de matrizes no ensino mdio

Silvia da Rocha Izidoro Ferreira

SERVIO DE PS-GRADUAO DO ICMC-USP

Aplicaes de matrizes no ensino mdio

Silvia da Rocha Izidoro Ferreira

Orientador: Prof. Dr. Srgio Henrique Monari Soares

Dissertao apresentada ao Instituto de Cincias

Ficha catalogrfica preparada pela Seo de Tratamento

Ferreira, Silvia da Rocha Izidoro

Dedico esse trabalho ao

FERREIRA, S. R. I. Aplicaes de matrizes no ensino mdio.

55 f. Dissertao (Mestrado) - Instituto de Cincias Matemticas e de

Esta dissertao tem como objetivo salientar a utilidade e importncia

Para tanto, foram estudados

alguns tpicos que descrevem situaes que necessitam de recursos

Foi observado que esses tpicos

apresentam situaes que evidenciam a utilidade da multiplicao de

FERREIRA, S. R. I. Applications of matrices in the secondary school.

In addition, the studied

showed that these themes have potential to be considered in the

1 Aplicaes do produto de matrizes

Quebrando uma cifra de Hill

Construo de curvas e superfcies por pontos especicados

Uma reta por dois pontos

Uma circunferncia por trs pontos . . . . . . . . . . . . . . . . . . . .

Uma cnica arbitrria por cinco pontos

Um plano por trs pontos

Uma esfera por quatro pontos . . . . . . . . . . . . . . . . . . . . . . .

Determinantes como rea ou volume

3 Roteiro de uma aula

Matrizes: signicado como tabelas, caractersticas e operaes.

A noo de determinante de uma matriz quadrada.

Resoluo e discusso de sistemas lineares: escalonamento.

Matrizes surgem naturalmente em uma variedade de situaes e problemas, cuja aplicao

Como objetivo especco, pretendemos que esta

Construo de curvas e superfcies por pontos especicados.

Determinante como rea ou volume.

Este captulo dedicado s aplicaes das propriedades aritmticas de matrizes,

especicamente o produto de matrizes. Seguindo [1, Captulo 11], estudamos as aplicaes em

B = (bkj ) duas matrizes n p

cij = ai1 b1j + + aip bpj ,

grafo dirigido um conjunto nito de elementos {P1, ..., Pn} junto

com uma coleo nita de pares ordenados

de elementos distintos deste conjunto, sem

Captulo 1  Aplicaes do produto de matrizes

repetio de pares ordenados. Os elementos do conjunto so chamados

arestas dirigidas do grafo dirigido.

Dado um grafo dirigido

Pi Pj indica que o elemento Pi est

Neste caso, a aresta

Geometricamente, um grafo dirigido visualizado representando os vrtices como pontos no

Pi Pj como segmentos de reta ou de arco, desde o vrtice Pi

plano e as arestas dirigidas

apontando em sentidos opostos. A Figura 1.1 fornece uma representao geomtrica de um

vrtices podemos associ-lo a uma matriz

n. Tal matriz denominada matriz

de vrtices do grafo dirigido.

A matriz de vrtices associada ao grafo da Figura 1.1 dada por

no est conectado diretamente ao vrtice

uma matriz de vrtices de um grafo dirigido e seja

k = 1, o nmero de conexes de 1 passo de um

Suponhamos que o resultado seja verdadeiro para

Para o nmero de conexes de

= mi1 m1j + mi2 m2j + + min mnj .

Construo de curvas e superfcies por pontos especicados

Matrizes: signicado como tabelas, caractersticas e operaes.

Como objetivo especco, pretendemos que esta

Construo de curvas e superfcies por pontos especicados.

especicamente o produto de matrizes. Seguindo [1, Captulo 11], estudamos as aplicaes em

grafo dirigido um conjunto nito de elementos {P1, ..., Pn} junto

com uma coleo nita de pares ordenados

Captulo 1 Aplicaes do produto de matrizes

Captulo 1 Aplicaes do produto de matrizes

O grafo dirigido ilustrado na gura a seguir tem duas panelas:

ento encontrar panelas. Dena

como matriz de vrtices dado pela gura

e novamente o produto de matrizes para identicar

no grafo dirigido modicado por

modicado, todas as relaes dirigidas so bilaterais, de modo que ns tambm temos as

No entanto, isto signica que

Verique se grafo dirigido dado possui panelas:

Captulo 1 Aplicaes do produto de matrizes

A prxima denio introduz o conceito de dominncia para construir um grafo dirigido.

caso, a denio de grafo dirigido por dominncia est satisfeita.

Num torneio esportivo, estes vrtices correspondem s equipes mais poderosas

Captulo 1 Aplicaes do produto de matrizes

De acordo com o Teorema 1.12, encontramos a seguinte classicao: