Escolar Documentos
Profissional Documentos
Cultura Documentos
Data de Depsito:
Assinatura:________________________
USP So Carlos
Maio de 2013
F383a
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
2013.
Abstract
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.
iii
Sumrio
Resumo
Abstract
iii
Introduo
Grafos dirigidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Criptograa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
2.1
Aritmtica modular
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
2.2
Codicao
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
2.3
. . . . . . . . . . . . . . . . . . . . . . .
17
Cadeias de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
25
Gentica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
4.1
36
Caractersticas Hereditrias
. . . . . . . . . . . . . . . . . . . . . . . .
2 Aplicaes do determinante
1
41
. . . . . . . . . .
47
1.1
. . . . . . . . . . . . . . . . . . . . . . . . .
47
1.2
48
1.3
. . . . . . . . . . . . . . . . .
49
1.4
. . . . . . . . . . . . . . . . . . . . . . . . .
50
1.5
51
. . . . . . . . . . . . . . . . . . . . . . .
52
55
Referncias Bibliogrcas
57
Introduo
Matrizes esto presentes no currculo do ensino Mdio e o seu ensino organizado pelo
contedo:
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.
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
mais
Denio 1.1.
O produto
AB
Sejam
A = (aik )
denido como a
p q,
respectivamente.
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
(Pi , Pj )
3
Pj .
{P1 , ..., Pn },
vrtices e os pares
a notao
Pj , com uma
Pi Pj e Pj Pi ,
at o vrtice
,
P1
P2
P4
P3
Figura 1.1
A partir de um grafo dirigido de
quadrada de ordem
elementos da
(
mij =
Exemplo 1.3.
M = (mij )
Os
Pi Pj ,
1,
se
0,
caso contrrio.
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
1 Grafos dirigidos
Teorema 1.4.
(i, j)
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 .
passos 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)
Pj .
M k+1
(i, j)
(1.1)
(k)
Exemplo 1.5.
Seja
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
2 3
1 2
A3 =
1 2
1 2
Como
(3)
m14 = 2,
2 2
1 1
.
1 2
2 1
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
Denio 1.6.
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.
{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 )
(
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
1 Grafos dirigidos
7
S
panelas.
Teorema 1.8.
Seja
s3ij
s3ii 6= 0,
(i, j)-simo
3
sii 6= 0.
elemento de
S3.
Ento um vrtice
Pi
Pi
S,
digamos,
Pi Pj Pk Pi .
pertence a uma
para si mesmo
No grafo dirigido
Pi Pj Pk Pi .
Pi
Em ambos casos,
Pi
{Pi , Pj , Pk }
s3ii 6= 0,
anloga.
Exemplo 1.9.
P1
0 1
1 0
M =
0 1
1 0
onde
1 1
P2
1 0
0 1
P4
P3
0 0
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
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
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
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 }.
Denio 1.10.
Exemplo 1.11.
Pi
Pj , Pi Pj
ou
Pj Pi ,
mas no ambos.
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
P3
P2
P1
P2
P3
P5
P4
P2
P3
P1
P4
P1 , P2 , P3
P1
do segundo grafo e
P1 , P3 , P5
P1
1 Grafos dirigidos
interessante: de cada um deles existe uma conexo de 1 ou de 2 passos para cada outro vrtice
do grafo.
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.
Suponhamos que
Pi
P1
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
e seu quadrado
i-sima
linha de
M2
o nmero total de
Denio 1.13.
Pi
A = M + M 2,
Exemplo 1.14.
A
derrota
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:
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
Linha 2 = 5,
Linha 3 = 5,
Linha 4 = 3,
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.
m (a b
Sejam
mod
cngruo a
onde cada um deles formado por todos os nmeros inteiros que possuem o mesmo resto
quando divididos por
m.
[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}.
o resto da diviso de
seguinte forma:
por
m.
Para um inteiro
simplesmente
12
Teorema 1.16.
da diviso de
|a|
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
mod
| 73| = 73
por
26
d resto
r = 26 21 = 5.
26.
Um elemento
Exemplo 1.19.
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 .
[b] Zm
Z4 .
2 Criptograa
13
Observamos que em
Proposio 1.21.
[a] Zm
mdc(a, m) = 1.
Um nmero
no tm fatores
[a]
[1+mt]=[ab]. Logo,
[a]
invertvel.
Exemplo 1.22.
4
O nmero
no possui um inverso
Exemplo 1.23.
[a]
11
15
17
19
21
23
25
[a]1
21
15
19
23
11
17
25
Tabela 1.3:
entradas em
tal que
Zm
com entradas em
Zm
invertvel mdulo
AB = BA = I,
onde
a matriz identidade.
Teorema 1.24.
Uma matriz
B com
A1 .
22 A
e denotamos por
com entradas em
Zm
essa propriedade
invertvel mdulo
se, e
mod
m.
14
det(A1 )
Consequentemente
DD1
=1
mod
m.
= 1.
Ento,
det(A).
1 Z ,
existe D
m
de
tal que,
D1 d D1 b
A1 =
a matriz inversa de
D1 c
!
,
D1 a
A.
Corolrio 1.25.
somente se,
e o resduo de
Exemplo 1.26.
com entradas em
mdulo
invertvel mdulo
se, e
26
se, e
invertvel mdulo
e
13.
Encontre a inversa de
"
A=
Soluo:
Zm
Exemplo 1.27.
det(A)
0 1
D = det(A) = 1.
A1
1 3
2.2 Codicao
O estudo da codicao de mensagens secretas denominado criptograa.
Na linguagem
O processo de converter um
cifras de Hill
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
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:
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
"
p =
p1
#
Ap.
e forme o produto
p2
O vetor
Ap
2 2,
3 3.
n-cifra de
conjuntos de n letras e codicamos com uma matriz codicadora n n de
entradas inteiras.
Exemplo 1.28.
"
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
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
p = A1 c.
Pela Tabela
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
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
AM AT EM AT IC AE BE LA
fornencendo a mensagem A MATEMTICA BELA.
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
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,
Lj )
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
1/k
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.
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
Exemplo 1.31.
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
( 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.
1 2 3
A=
2 5 3 .
1 0 8
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
3
1 0 0
0 1 3 2 1 0 .
0 0 1
5 2 1
1 2
3
1
0
0
0 1 3 2
1
0
0 0
1
5 2 1
1 2
1 2 0 14
6
3
0 1 0 2
1
0
0 0 1
5 2 1
1 0 0 40 16
9
0 1 0
13 5 3
5 2 1
0 0 1
A1 =
40
16
13 5 3
.
5 2 1
2 Criptograa
21
Acontece que essas operaes podem ser realizadas por meio de multiplicaes
Denio 1.33.
a partir da matriz identidade mediante uma nica operao elementar com linhas. Dizemos
que
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
E 1
a matriz
elementar do mesmo tipo obtida da identidade pela operao elementar inversa que produziu
da identidade.
Exemplo 1.35.
"
0 1
E1 =
"
Se uma matriz
A =
"
,
1 0
E2 =
1 0
"
,
0 5
E3 =
1 3
0 1
#
.
#
for multiplicada esquerda por essas matrizes
"
E1 A =
"
E2 A =
"
E3 A =
#
(L1 L2 )
a12
a13
#
(L2 5L2 )
a21
Ei A
a22
a23
a matriz obtida de
#
(L1 L1 + 3L2 )
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.
i-sima
invertvel, e que
Ei
seja
22
passo
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 .
Como
e
Teorema 1.36.
p1 , p2 , ..., pn ,
Sejam
c1 , c2 , ..., cn
codicadora
nn
invertvel
A.
a matriz
nn
nn
de vetores-linha
pT1
pT
2
P = .
..
pTn
cT1
cT
2
C= .
..
T
cn
de vetores-linhas,
Se,
uma matriz
n-cifra
C,
podemos escrever
C = P AT .
Usando que
A invertvel e que
2 Criptograa
23
Ek E1 P = (A1 )T , ou
C a I converte P a (A1 )T .
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.
18
15
19
"
p1 =
"
Queremos reduzir
C =
cT1
cT2
"
=
9 15
2
"
19
Substitumos
45
P =
pT1
pT2
"
=
91 = 3 mod 26,
"
#
1 45 12 15
.
19 2 1 18
"
#
9 15 4 5
.
19 2 1 18
"
"
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
"
#
19
12
15
.
0 359 227 267
1
26,
"
#
1 19 12 15
.
0 5 7 19
51 = 21,
"
#
1 19 12 15
.
0 1 17 9
Somamos
19
#
1 0 311 156
.
0 1
17
9
"
#
1 0 1 0
.
0 1 17 9
"
"
Assim obtemos,
1 0
(A1 )T =
"
, e portanto a matriz decodicadora
17 9
A1 =
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
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
Denio 1.38.
Denotemos por
{1, 2, ..., k}
j,
denotado por
ao estado i. A matriz
P = [pij ]
pij ,
e chamada a probabilidade
da cadeia de Markov.
Por exemplo, em uma cadeia de Markov de trs estados, a matriz de transio tem o
seguinte formato:
p23
ao estado
1,
ao estado
2, p12
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.
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.
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.
x1
,
x=
x
2
x3
sendo
x1
1, x2
estado 3.
no estado
x3
Denio 1.40.
um vetor-coluna
xi
estados
1.
Teorema 1.41.
Se
xn+1 = P xn =
P n+1 x0 .
xn
o vetor estado
3 Cadeias de Markov
27
x01
x02
x0 =
.
.
x0k
x1 =
x1 = P x0 .
Como estamos assumindo que em cada unidade de tempo a matriz de transio a mesma,
ento aps
n+1
estados segundo
a matriz de estado
x0
x1 , x2 , ..., xn , ...
nas
observaes subsequentes.
Exemplo 1.42.
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
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.)
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.
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 = =
Denio 1.44.
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
Sejam
M1 M0 ,
Prova: Seja
m0 , por M0 .
i = 1, , r.
x0
m1 m0
o vetor obtido de
M1 m1 (1 2)(M0 m0 ).
xi x0i ,
0T
componente de x P
forma
para
da
3 Cadeias de Markov
29
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)
M1 m1 M0 m0 2(M0 m0 ) = (1 2)(M0 m0 ).
quando
n +,
Se
onde os
r r de transio regular,
q1 q1 ... q1
q2 q2 ... q2
n
P Q= .
.
.
.
.
.
.
..
.
.
.
qk qk ... qk
uma matriz
qi
ento
q1 + q2 + ... + qk = 1.
a menor entrada de
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.
Ento
dn (1 2)n d0 = (1 2)n .
Portanto,
lim dn = 0
n+
e as sequncias
Mn
mn
j -sima
linha de
Tj P n
tende
Agora,
Tj P n
P n.
Assim, a
j -sima
Seja
linha de
qj
Pn
30
componentes iguais a
qj ,
isto ,
Pn
vetor
q1
q2
q= .
..
qr
Sendo
a menor entrada de
PN.
PN
prova,
dkN (1 20 )k ,
Portanto, a sequncia no-crescente
dn 0
quando
n +
para
k 1.
Assim,
Veremos pelo teorema a seguir que qualquer cadeia de Markov regular possui um vetorestado xo
q,
x0 ,
Teorema 1.47.
Se
P n x0
o vetor
converge a
quando
n .
um vetor de probabilidade
qualquer, ento
q1
q2
P nx . = q
..
qk
quando
n +,
onde
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
xo.
O vetor
chamado vetor de
estado
Teorema 1.48.
convergem para
n +.
d P q = q .
quando
P q = q.
P P n = P n+1 .
Pn
P n+1
3 Cadeias de Markov
31
r um
n = 1, 2, 3, ....
n
Ento tambm P r
= 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
0, 2 0, 5 0, 1
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
q = s
22
21
29
21
1
Mas como
x1 + x2 + x3 = 1,
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%
5%
3.
Dos
moradores da regio
dos moradores da
prazo, qual porcentagem da populao mora em cada uma das trs regies?
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
1 0 13
7
47
0 1
0 0
x3 = s,
x1 =
13
7 x3 e
x2 = 47 x3 .
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.
geraes calculando potncias de matrizes. Para tanto, apresentaremos brevemente os prrequisitos necessrios.
Denio 1.51.
Ax = x,
Se
Exemplo 1.52.
"
autovetor
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
"
um nmero
se
chamado um
5 2
#
. Ento
4 1
"
e
Ax =
5 2
= 3
#"
4 1
1
1
um autovalor 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.
um autovalor de
Ax = x
Se
para algum
x 6= 0.
A,
(I A)x = 0
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
"
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 =
2
"
x=t
um autovetor associado a
2 .
Analogamente,
1 = 3
t 6= 0,
1.52.
Denio 1.54.
Uma matriz
nn
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
consideremos a matriz
associados a
"
P =
1 1
1 = 3
P cujas colunas so
2 = 1, por exemplo,
formadas
2 1
.
"
"
mostrando que a matriz
A=
5 2
4 1
invertvel e
de
nn
(I A)x = 0.
x1 , , xn
Encontre a matriz
Exemplo 1.56.
0 1
A.
4. Se
D=
3.
onde
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
tal que
0
.
0 0
1
2
observar
sobre
ciclo
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
1 AP
uma matriz diagonal tais que P
k.
= D,
De
ou
equivalentemente
A = P DP 1 .
Para
k = 1, 2, ,
(1.4)
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
.
.
.
An = P Dn P 1 =
0 1 2 0
0
0
1
0
Observa-se com isso que
0
.
.
.
..
. .
.
.
0 kn
A
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
36
a.
AA, Aa
aa.
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
autossmica. Os gentipos
Neste caso dizemos que o
gene
A.
apenas um gene (A ou
a)
Aa
ou
aa).
Nos humanos,
Aa,
Aa
ou
aa.
do genitor
aa
e o outro do gentipo
Aa,
ou
o 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.
tenha uma grande populao de plantas consistindo de alguma distribuio de todos os trs
possveis gentipos
AA, Aa e aa.
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
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
(1.8)
1
2
1
2
1
.
0 0
A=
0
0
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
1 n
tende a zero quando
2
Como
innito, temos
an 1,
bn 0.
Note que tambm
cn 0
pelo fato de
cn
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.
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:
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
Como
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
detA
A
A:
d rea ou volume;
detA 6= 0;
det(AB) = detAdetB;
detA
usar a reduo de
A = [aij ],
Denotamos detA, det[aij ]
|A|
A, chamado determinante.
e escrevemos:
1 1: |a| = a
a
11 a12
2 2:
a21 a22
41
= a11 a22 a12 a21
42
generalizar
determinante
33
22
deno
do
determinante
para
3 3.
matrizes
maiores,
usaremos
(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 |,
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 |.
(n 1) (n 1).
Denio 2.1.
Para
n 2,
n n baseada no
n n A = [aij ]
denido por
n
X
(1)i+j aij |Aij |,
j=1
i-sima
linha e
a matriz
(n 1) (n 1)
obtida de
eliminando a
43
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
nulas, temos
5
0
1
|A| = 3 2 2
4 1 = 3 2 (2) = 12,
0 2
0
aps o clculo do determinante
33
Uma matriz
quadrada chamada triangular superior se todo elemento abaixo da diagonal principal for
igual a zero.
Teorema 2.3.
principal de
Se
|A|
A.
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.
A por meio
|B| = k|A|.
a partir de
k,
ento
a partir de
A,
ento
|B| = |A|.
substituio de linha se
a uma outra,
por
se
uma
uma troca se
uma escala
r.
Com esta
Se
uma matriz
nn
qualquer e
uma matriz
nn
elementar, ento
|EA| = |E||A|,
onde
|E| =
se
se
se
r.
induo implica
|Bij | = |Aij |,
sendo
= 1, 1
ou
r,
dependendo da natureza de
i),
E.
temos
n 2.
n + 1.
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
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.
A nn
|A| = (1)r |U |.
Como
u11 , , unn
A invertvel, as entradas
entradas uii zero, e o produto
Teorema 2.6.
|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:
. = .
a x + a x + ... + a x = b
n1 1
n2 2
nn n
n
46
a11
... a1n
.
.
.
..
.
x1
b1
x2 b2
. = .
.. ..
bn
xn
ou
AX = B,
a11
... a1n
b1
onde A =
a matriz dos coecientes, B = . a matriz dos termos
.
.
.
...
.
an1 ... ann
bn
x1
x2
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|.
Se
A = Ep Ep1 E1 In = Ep Ep1 E1 .
Pelo Teorema 2.4,
47
(x1 , y1 )
(x2 , y2 )
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)
c1 , c2
c3
no todos
c1 x + c2 y + c3 = 0.
Como os pontos
(x1 , y1 )
(x2 , y2 )
(
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
x y 1
x1 y1 1 = 0.
x2 y2 1
48
Isto resulta
Exemplo 2.8.
Resoluo: fazendo
x y 1
2 3 1 = 0,
1 4 1
resulta
x + 3y 11 = 0.
(x1 , y1 )
(x2 , y2 )
(x3 , y3 )
Figura 2.2
Sejam
(x1 , y1 ), (x2 , y2 )
(x3 , y3 )
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
c1 (x2 + y 2 ) + c2 x + c3 y + c4 = 0.
Como
(x1 , y1 ), (x2 , y2 )
(x, y)
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
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 .
Exemplo 2.9.
x2 + y 2
x21 + y12 x1
x22 + y22 x2
x23 + y32 x3
y 1
y1 1
= 0.
y2 1
y3 1
(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.
c1 , c2 , c3 , c4 , c5
c6
c1 x2 + c2 xy + c3 y 2 + c4 x + c5 y + c6 = 0,
no todos nulos.
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
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
Exemplo 2.10.
(2, 0), (2, 5)
(4, 1).
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.
(x1 , y1 , z1 ), (x2 , y2 , z2 )
(x3 , y3 , z3 )
tridimensional. Pela Geometria Analtica, existe um nico plano que passa por estes pontos.
c1 , c2 , c3 e c4 tais
(x3 , y3 , z3 ) pertencem ao plano,
(x1 , y1 , z1 ), (x2 , y2 , z2 )
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
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.
c1 (x2 + y 2 + z 2 ) + c2 x + c3 y + c4 z + c5 = 0
que passa por quatro pontos no coplanares
(x4 , y4 , z4 )
Exemplo 2.12.
x2 + y 2 + z 2
z 1
z1 1
z2 1 = 0.
z3 1
z4 1
(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
(0, 3, 2),
52
Teorema 2.13.
A = (a1 , a2 ), B = (b1 , b2 )
O = (0, 0)
vrtices O , A e B
no
o
a a
1 2
.
b1 b2
O = (0, 0, 0)
vrtices O , A, B
e
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
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
|detM|
sejam
Sejam
A = (a1 , b1 )
53
dois paralelogramos na Figura 2.4 tm a mesma rea, pois tm a mesma base (o segmento
OA).
B + cA
cA
Figura 2.4:
A
C
B+kA
Figura 2.5:
33
diagonal.
E qualquer matriz
A 33
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
O, A
O, A
e
e
C.
C.
O, A
Qualquer ponto
B + kA
ao plano
54
matriz
C
substituda por
B + kA .
C
Como substituies no afetam o volume, a prova est completa.
Captulo
3
Roteiro de uma aula
equipe, e cada equipe joga exatamente uma vez com cada uma das outras .
alunos por
Dispondo os
56
Referncias Bibliogrcas
[1] ANTON, H.
lgebra
210 p.
[4] LAY, D.
p.
[5] NICHOLSON, W. K.
2005. 568 p.
57
Wellesley-Cambridge Press,