Escolar Documentos
Profissional Documentos
Cultura Documentos
Centro III
Algebra Linear
e
Geometria Analitica
por
Prof.Dr. Claus Haetinger e-mail: chaet@univates.br
URL http://ensino.univates.br/chaet
e
a a
Prof .Drnd . M. Madalena Dullius e-mail: madalena@univates.br
1 Introducao 1
2 O Plano 5
3 O Espaco 19
5 Matrizes 58
5.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.2 Conceito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.3 Tipos Especiais . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.3.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.4 Operacoes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.4.1 Adicao . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.4.2 Subtracao . . . . . . . . . . . . . . . . . . . . . . . . 65
5.4.3 Multiplicacao por um Numero Real . . . . . . . . . . . 66
5.4.4 Multiplicacao de Matrizes . . . . . . . . . . . . . . . . 67
5.4.5 Transposicao . . . . . . . . . . . . . . . . . . . . . . . 74
5.5 Exerccios de Fixacao e Problemas de Aplicacao . . . . . . . 75
5.6 Respostas dos Principais Exerccios do Captulo . . . . . . . . 83
6 Sistemas Lineares 87
6.1 Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
6.2 Conceitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
6.3 Forma Escalonada . . . . . . . . . . . . . . . . . . . . . . . . 90
6.3.1 Operacoes Elementares . . . . . . . . . . . . . . . . . 91
6.3.2 Procedimento para a Reducao de uma Matriz a Forma
Escalonada . . . . . . . . . . . . . . . . . . . . . . . . 92
6.4 Sistema Linear Escalonado . . . . . . . . . . . . . . . . . . . 93
6.4.1 Resolucao de um Sistema Linear Escalonado . . . . . 94
6.4.2 Escalonamento de um Sistema Linear . . . . . . . . . 94
i
UNIVATES Centro Universitario ii
E Somatorios 251
E.1 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
E.2 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
E.3 Algumas Propriedades . . . . . . . . . . . . . . . . . . . . . . 253
E.4 Respostas dos Principais Exerccios . . . . . . . . . . . . . . . 254
Bibliografia 303
Captulo 1
Introducao
1
UNIVATES Centro Universitario 2
O Plano
5
Captulo 3
O Espaco
19
Captulo 4
27
Captulo 5
Matrizes
5.1 Introducao
5.2 Conceito
Exemplo 5.2.1 Uma industria tem quatro fabricas A, B, C, D, cada
uma das quais produz tres produtos 1, 2, 3. A tabela mostra a producao da
industria durante uma semana.
58
UNIVATES Centro Universitario 59
Exemplo 5.2.6
3 2 3 2
1. 4 7 = 4 7
5 3 5 3
2 4 2 4
2. 6=
8 1 8 1
3. 1 2 3 6= 3 2 1
2
3 1 log 1 9 sin 90o 0
4. =
2 22 5 2 4 5
Podemos tambem construir matrizes que possuam uma relacao entre seus
elementos, a partir de uma lei de formacao:
Resolucao
i = 1 e j = 1 a11 = 3 1 2 1 + 4 = 5;
i = 1 e j = 2 a12 = 3 1 2 2 + 4 = 3;
i = 2 e j = 1 a21 = 3 2 2 1 + 4 = 8;
i = 2 e j = 2 a22 = 3 2 2 2 + 4 = 6;
i = 3 e j = 1 a31 = 3 3 2 1 + 4 = 11;
i = 3 e j = 2 a32 = 3 3 2 2 + 4 = 9.
5 3
Logo: A = 8 6 . X
11 9
Resolucao
UNIVATES Centro Universitario 61
Exemplo 5.2.11
5.3.1 Exemplos
Exemplo
5.3.11
Sao exemplos de matrizes diagonais:
1 0 0 0 0 0
1 0
A = 0 2 0 , B = , C = 3 , D = 0 0 0 .
0 1
0 0 3 0 0 0
2 1 0
a b
Exemplo 5.3.12 0 1 4 e sao matrizes triangulares
0 c
0 0 3
superiores.
2 0 0 0
1 1 0 0 5 0 0
Exemplo 5.3.13 7 0 0 sao matrizes tri-
1 2 2 0 e
2 1 3
1 0 5 4
angulares inferiores.
a b c d
b 4 3 1
e f g
Exemplo 5.3.14
c e 3 2 0 sao matrizes
f h i
1 0 5
d g i k
simetricas.
UNIVATES Centro Universitario 63
5.4 Operacoes
Exerccio 5.4.1 Consideremos as tabelas de producao de calcados no
primeiro trimestre de 2001.
4. De quantos pares a producao (de cada modelo para cada fabrica) au-
mentou ou diminuiu no perodo de janeiro para fevereiro?
Ano 1 soja feijao arroz milho Ano 2 soja feijao arroz milho
Regiao A 3000 200 400 600 Regiao A 5000 50 200 0
Regiao B 700 350 700 100 Regiao B 2000 100 300 300
Regiao C 1000 100 500 800 Regiao C 2000 100 600 600
Tabela 5.4: Producao de graos (em milhares de toneladas) durante dois anos
consecutivos
8000 250 600 600
2700 450 1000 400 .
3000 200 1100 1400
Ou seja:
5.4.1 Adicao
Definicao 5.4.3 Sejam A = (aij ) e B = (bij ) matrizes , com 1 i m
e 1 j n. Chamamos de SOMA da matriz A com a matriz B a matriz
C = (cij ), com 1 i m e 1 j n tal que cij = aij + bij , para 1 i m
e 1 j n, ou seja, soma de duas matrizes m n e a matriz que se obtem
das matrizes dadas, somando-se os elementos de mesma posicao. Para dizer
que C e soma de A com B, indica-la-emos com A + B.
1 1 0 4 1 3
Exemplo 5.4.4 4 0 + 2 5 = 2 5 .
2 5 1 0 3 5
Observacao 5.4.6 Pela forma com que foi definida, a adicao de ma-
trizes tem as mesmas propriedades que a adicao de numeros reais.
Propriedades
Propriedade 5.4.9 Dadas as matrizes A, B e C, todas m n, temos:
i. A + B = B + A (comutativa)
UNIVATES Centro Universitario 65
ii. (A + B) + C = A + (B + C) (associativa)
prova: exerccio. P
5.4.2 Subtracao
Definicao 5.4.10 Sejam A e B duas matrizes m n; chama-se
DIFERENCA entre A e B a soma de A com a oposta de B; a diferenca
entre A e B sera indicada por A B. Entao, pela definicao dada, temos:
A B = A + (B).
Exemplo 5.4.11
3 1 4 3 3 1 4 3 1 4
4 2 2 2 = 4 2 + 2 2 = 2 4 X
1 0 0 1 1 0 0 1 1 1
8 7 0 1
Exerccio 5.4.12 Sendo A = ,B= e
2 3 4 2
3 7
C= , obtenha A + (B + C).
1 2
1 2 3 2
Exerccio 5.4.13 Sendo A = ,B= e
1 0 4 1
5 2
C= , obtenha (A B) C.
1 3
1 2 0 3
Exerccio 5.4.14 Sendo A = ,B= e
2 1 0 2
1 1
C= , obtenha A (B C).
2 0
1 2 0 3
Exemplo 5.4.15 Sendo A = ,B= e
2 1 0 2
1 1
C= , obtenha A B + C.
2 0
Solucao
0 2
A B + C = (A B) + C = X
0 3
2 3 1 0
Exemplo 5.4.16 Sendo A = ,B= e
1 0 2 3
0 3
C= , obtenha a matriz X tal que A + X = B + C.
1 4
UNIVATES Centro Universitario 66
Resolucao
Notacao A
Exemplo 5.4.20
1
1 2 0 1 2 1 0
A= A= X
3 1 2 2 32 1
2 1
Propriedades
Propriedade 5.4.21 Sejam os numeros reais e e as matrizes A e
B, ambas m n. Temos:
i. (A) = ()A
ii. ( + )A = A + A
iii. (A + B) = A + B
iv. 1 A = A
v. (1)A = A
UNIVATES Centro Universitario 67
vi. 0 A = Omn
Resolucao
A B C
Alimento I 4 3 0
Alimento II 5 0 1
Resolucao
Resolucao
1, 50
[30 15 2] 3, 00 =
5, 00 (5.2)
= [30(1, 50) + 15(3) + 2(5)] =
= [100]
Ou seja, pagaramos $100, 00u.m.. X
Observamos que nos produtos de matrizes efetuados em 5.1 e 5.2,
cada um dos elementos da matriz-resultado e obtido a partir de uma linha
da primeira e uma coluna da segunda. Alem disso, com relacao as ordens
das matrizes envolvidas, temos:
Em 5.1: [ ]12 [ ]23 = [ ]13
Em 5.2: [ ]13 [ ]31 = [ ]11 .
O exemplo acima esboca uma definicao de multiplicacao de matrizes A
e B, quando A e uma matriz-linha. Esta ideia pode ser generalizada:
UNIVATES Centro Universitario 69
onde 1 i m e 1 j n.
Amp Bpn = Cm n
| {z } | {z }
1 2
7 1
Exemplo 5.4.30 Determinar o produto 3 4 .
2 4
0 5 | {z }
| {z } B
A
Resolucao
1 2
3 4 7 1 = 37+42
2 4
0 5
17+22 11+24 11 9
. . .Logo, AB = 3 7 + 4 2 31+44 = 29 19 . X
07+52 01+54 10 20
Exerccios
2 0 1 1 1
Exerccio 5.4.31 Determine o produto 0 1 2 2 1 .
4 1 3 3 0
3 2
Exerccio 5.4.32 Determine o produto 1 2 4 1 4 .
2 1
3 1
1 5 3
Exerccio 5.4.33 Obtenha o produto 2 3 .
0 1 3
1 2
2 2 1 2 3 1
Exerccio 5.4.34 Obtenha o produto .
3 3 2 1 2 0
2 3 2 3
Exerccio 5.4.35 Obtenha o produto .
3 2 3 2
1 2 3 1 0
Exerccio 5.4.36 Obtenha o produto 4 5 6 0 1 .
7 8 9 2 3
6 0 1 1 0 0
Exerccio 5.4.37 Obtenha o produto 3 1 4 0 1 0 .
2 2 1 0 0 1
1 2
Exemplo 5.4.38 Obter AB e BA, caso existam: A = 3 4 e
1 2
1 1 1
B= .
2 1 2
Solucao
1 2 5 3 5
1 1 1
AB = 3 4 = 11 7 11 .
2 1 2
1 2 3 1 3
1 2
1 1 1 5 4
BA = 3 4 = . X
2 1 2 7 4
1 2
UNIVATES Centro Universitario 71
1 2
Exemplo 5.4.39 Obter AB e BA, caso existam: A = e
3 1
1 1
B= .
1 0
Solucao
1 2 1 1 1 1
AB = = .
3 1 1 0 2 3
1 1 1 2 2 1
BA = = . X
1 0 3 1 1 2
1 2
Exemplo 5.4.40 Obter AB e BA, caso existam: A = e
1 2
1 1 1
B= .
2 0 2
Solucao
1 2 1 1 1 5 1 5
AB = = .
1 2 2 0 2 5 1 5
BA nao existe, pois o no de colunas de B e diferente do no de linhas
de A. X
1 5 7
Exemplo 5.4.41 Obter AB e BA, caso existam: A = 2 3 1 e
0 5 2
3 2
B= .
1 8
Solucao
Solucao
2 3 5 3 22 30
AB = = .
4 5 4 8 40 52
5 3 2 3 22 30
BA = = . X
4 8 4 5 40 52
UNIVATES Centro Universitario 72
1
2
Exemplo 5.4.43 Obter AB e BA, caso existam: A =
3 e
4
B= 1 2 3 4 .
Solucao
1 2 3 4
2 4 6 8
AB =
3 6 9 12 , BA = (30) X
4 8 12 16
5 1
Exemplo 5.4.44 Obter AB e BA, caso existam: A = e
10 2
3 2
B= .
15 10
Solucao
0 0 5 1
AB = = O22 , BA = . X
0 0 25 5
Observacao 5.4.45
Propriedades
Propriedade 5.4.46 Quaisquer que sejam as matrizes A(m n), B e
C (convenientes) e qualquer que seja o numero real , tem-se:
prova: i. Sejam:
A = (aij ), 1 i m e 1 j n;
B = (bjk ), 1 j n e 1 k p;
C = (ckl ), 1 k p e 1 l q;
AB = (dik ), 1 i m e 1 k p;
BC = (ejl ), 1 j n e 1 l q;
AB(C) = (fil ), 1 i m e 1 l q;
A(BC) = (gil ), 1 i m e 1 l q.
Teremos: P
fil = Ppk=1 dP ik ckl =
p n
= ( j=1 aij bjk ckl ) =
Pk=1p P
= ( nj=1 aij bjk ckl ) =
Pk=1 P
= n
j=1 ( pk=1 aij bjk ckl ) =
Pn P
= j=1 aij ( pk=1 bjk ckl ) =
Pn
= j=1 aij ejl =
= gil
As demais ficam para momentos de solidao!
Exerccios
1 2 1 5
Exerccio 5.4.47 Dadas as matrizes A = ,B=
3 4 2 3
2 1
eC= , calcule: A(BC), (AB)C, (A + B)C, e AC + BC.
0 4
1 2
Exerccio 5.4.48 Dadas as matrizes A = e
1 3
1 1
B= , calcule: (A + B)2 , e A2 + 2(AB) + B 2 .
1 0
(A + B)2 6= A2 + 2(AB) + B 2 .
Exerccio 2 2
5.4.51 E valida
a igualdade
(A + B)(A B) = A B
2 3 1 2
quando A = eB= ?
5 4 1 2
A1 = A
Exerccio
5.4.53 Assumindo a definicao 5.4.52, determine A3 , sendo
1 1
A= .
1 0
5.4.5 Transposicao
Definicao 5.4.54 Considere uma matriz A, m n; chama-se matriz
TRANSPOSTA de A, e se indica com At , a matriz n m que se obtem da
matriz A trocando, ordenadamente, as suas linhas pelas suas colunas.
Exemplo 5.4.55
2 5
2 3 4
1. A = At = 3 7
5 7 1
4 1
1 3 t 1 5
2. B = B =
5 2 3 2
3
1
3. C =
Ct = 3 1 0 5
0
5
Observacao 5.4.56
i. no de linhas de A = no de colunas de At
i. (At )t = A
ii. (A + B)t = At + B t
iii. (A)t = At
Suponha agora que temos tres herbvoros e o numero de plantas que cada
herbvoro come por mes esta representado na tabela seguinte:
Carro X Carro Y
Standard Luxo Superluxo
Peca A 4 3
Carro X 2 4 3
Peca B 3 5
Carro Y 3 2 5
Peca C 6 2
A B C
F1 40 10 36
F2 15 60 20
Loja 1 Loja 2
Tipo 1 3, 00 2, 50
Tipo 2 6, 00 7, 00
Tipo 3 5, 00 4, 50
A B
X 5 8
Y 3 2
Z 4 7
Fabrica X Fabrica Y
Dioxido de enxofre 8 12
Oxido ntrico 7 9
Partculas 15 10
Adultos Criancas
Masculino 80 120
Feminino 100 200
Montagem Acabamento
Cadeira 2 2
Mesa 3 4
A producao dos tres tipos de calcados deve seguir a tabela abaixo nos
meses de teste da aceitacao dos novos modelos no mercado:
Sanduche A Sanduche B
queijo 18 10
salada 26 33
rosbife 23 12
atum 0 16
Note que a unica parcela nao nula veio de a43 a32 = 1 1. Isto significa que
a estacao 4 transmite para a estacao 2 atraves de uma retransmissao pela
estacao 3, embora nao exista uma transmissao direta de 4 para 2.
1. Calcule A2
2. Qual o significado de c13 = 2?
3. Discuta o significado dos termos nulos, iguais a 1 e maiores que 1 de
modo a justificar a afirmacao: A matriz A2 representa o numero de
caminhos disponveis para se ir de uma estacao a outra com uma unica
retransmissao.
4. Qual o significado das matrizes A + A2 , A3 e A + A2 + A3 ?
5. Se A fosse simetrica, o que significaria?
6 2 4 3 4 11
5.4.23 X =A+B = , Y = 2A B =
3 4 5 0 4 4
5.4.25
Janeiro Fevereiro
Transistores 96 84
Capacitores 156 132
Resistores 208 170
5 2
5.4.31 4 1
15 3
5.4.32 9 6
4 8
5.4.33
5 9
6 6 10 2
5.4.34
9 9 15 3
5 0
5.4.35 = 5I2
0 5
5 11
5.4.36 8 23
11 35
6 0 1
5.4.37 3 1 4
2 2 1
10 39
5.4.47 A(BC) = (AB)C = ,
10 17
4 26
(A + B)C = AC + BC =
2 29
5.4.51 Nao, pois AB 6= BA
1 0
5.4.53 = I2
0 1
t 9 2 t 9 11 t 6 8
5.4.59 AB = , BA = , (AB) = ,
11 0 2 0 4 9
19 14 19 7
At B t = , B t At = (AB)t , BA =
7 4 14 4
14 4
5.4.60
4 5
UNIVATES Centro Universitario 85
a11 a12 3 5
5.5.1 (a) A= a21 a22 ; (b) A= 5 3 ;
a a32 5 5
31
1 0 0
8 5 5
(c) I3 = 0 1 0 ; (d) A=
4 8 5
0 0 1
5.5.2 x = 5, y = 10, z = 6, v1 = 4, v2 = 1
5.5.3 Impossvel
5, 9 3 2 1, 1 2
5.5.4 (a) A+B= 17 ; (b) A-B= 7 ;
9 20 5
20
12 9 10 22
(c) 3A= 3 ; (d) X=
2 4, 2 28 20
364 165 161
5.5.5 376 170 174
448 199 187
4100 6200
5.5.6 4800 7200
5000 7600
17 22 27
5.5.7 21 22 34
18 28 28
1190 840
5.5.8 1110 920
2200 1640
5.5.9 R$1787, 00
5320
5.5.10
6950
39 37, 5
5.5.11 43 44, 5
44 44
410
5.5.12 190
340
260, 60 278, 20
5.5.13
304, 40 324, 60
5350 6000
5.5.14 Os coeficientes fornecem o custo diario para remover
9350 8650
o total de poluentes de cada produto em cada fabrica.
38 44
5.5.16 Os coeficientes fornecem o custo de fabricacao de uma
67 78
mesa e de uma cadeira numa mesma fabrica.
27500 53000
5.5.17
5600 11000
5.5.18
208
486
5.5.19
258
160
E
H T
C I GR
A N E
Captulo 6
Sistemas Lineares
6.1 Introducao
Solucao
87
UNIVATES Centro Universitario 88
6.2 Conceitos
Definicao 6.2.1 Um sistema de equacoes lineares com m equacoes e n
incognitas e um conjunto de equacoes do tipo:
UNIVATES Centro Universitario 89
a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2n xn = b2
.. .. .. .. (6.1)
. + .+ + = . .
am1 x1 + am2 x2 + + amn xn = bm
com aij {R, C}, 1 i m, 1 j n.
Definicao 6.2.2 Uma solucao do sistema 6.1 e uma n-upla de
numeros (x1 , x2 , . . . , xn ) que satisfaz simultaneamente as m equacoes.
Definicao 6.2.3 Dois sistemas de equacoes lineares sao equivalentes
se, e somente se, toda solucao de qualquer um dos sistemas tambem e solucao
do outro.
Notacao: Podemos escrever o sistema 6.1 na forma matricial:
a11 a12 a1n x1 b1
a21 a22 a2n b2
x2
.. .. .. .. = ..
. . . . .
am1 am2 amn xn bm
ou A x = b onde
a11 a12 a1n
a21 a22 a2n
A= .. .. ..
. . .
am1 am2 amn
e a matriz dos coeficientes ou matriz incompleta do sistema,
x1
x2
x= .
..
xn
a matriz das incognitas e
b1
b2
b= ..
.
bm
a matriz dos termos independentes.
Definicao 6.2.4 Uma outra matriz que podemos associar ao sistema
6.1 e
a11 a12 a1n b1
a21 a22 a2n b2
A= . .. .. ..
.. . . .
am1 am2 amn bm
que chamamos matriz ampliada do sistema.
Observacao 6.2.5 Cada linha da matriz de 6.2.4 e simplesmente uma
representacao abreviada da equacao correspondente no sistema.
UNIVATES Centro Universitario 90
(ii). cada coluna que contem o 1o elemento nao nulo de uma linha tem os
elementos abaixo deste iguais a zero (escalonada reduzida abaixo e
acima);
(iii). toda linha nula ocorre abaixo de todas as linhas nao nulas (isto e,
daquelas que possuem pelo menos um elemento nao nulo);
multiplicacao de uma linha por um escalar real nao nulo: (li kli );
substituicao de uma linha por ela somada com uma outra linha multi-
plicada por um numero real nao nulo: (li li + klj ).
Exemplo 6.3.5 L2 L3 :
1 0 1 0
4 1 3 4
3 4 4 1
Teorema 6.3.10 Toda matriz nao nula e equivalente por linhas a uma
unica matriz na forma escalonada (ou escalonada reduzida), a menos de
forma equivalente.
prova: ver [4], pag. 60, demonstracao 2.7.1; ou uma prova simples em
[38].
UNIVATES Centro Universitario 92
Definicao 6.3.12 Dada uma matriz Amn , seja Bmn a matriz escalo-
nada equivalente a A. O posto de A, denotado por p, e o numero de linhas
nao nulas de B. A nulidade e a diferenca entre colunas de A e o posto,
isto e, n p.
1 1 52 1 2 1 1 52 1 2
0 1 23 2 1 3
2 12
l4 l4 + 2l2 2 l 1 l 0 1 2
3 3
0 0 2 3 4 2 0 0 1 3
2 2
0 0 2 3 4 0 0 2 3 4
5
1 1 2 1 2
0 1 23 2 1
l4 l4 2l3
2
0 0 1 3
2 2
0 0 0 0 0
Portanto, posto de A = p = 3 e nulidade de A = n p = 5 3 = 2. X
x1 2x2 + x3 = 1
triz A. Assim, o sistema que ela representa:
1x1 + 0x2 + 0x3 = 78
0x1 + 1x2 + 0x3 = 14
0x1 + 0x2 + 1x3 = 11 8
S = {(13 5, 3 5, ), R}.
Teorema 6.5.4
pc < pa SI
pc = pa = n SP D
6.5.1 Exemplos
1 0 0 3
Exemplo 6.5.6 Em 0 1 0 2 , temos pc = pa = 3. Entao
0 0 1 2
m = 3, n = 3 e p = 3 SP D com solucao x1 = 3, x2 = 2 e x3 = 2. X
1 0 7 10
Exemplo 6.5.7 Em , temos pc = pa = 2. Entao
0 1 5 6
m = 2, n = 3 e p = 2 SP I com grau de liberdade 1 e solucao
x1 = 10 7x3 , x2 = 6 5x3 . X
1 0 7 10
Exemplo 6.5.8 Para 0 1 5 6 : pc = 2, pa = 3, m = 3 e
0 0 0 2
n = 3 SI. X
1 0 10 2 10
Exemplo 6.5.9 Em 0 1 7 1 4 , temos p = 2, m = 3
0 0 0 0 0
e n = 4 SP I com grau de liberdade 2 e solucao x1 = 10 + 10x3 + 2x4 e
x2 = 4 7x3 x4 . X
Exerccio
6.6.5 Escalonar, classificar e dar o conjunto solucao do sis-
x + y + 2z = 4
tema 4x 2y + z = 8
5x y + 2z = 10.
Exerccio
6.6.6 Escalonar, classificar e dar o conjunto solucao do sis-
2x + 3y + z = 2
tema x + y + 2z = 1
4x + 5y + 5z = 6.
Exerccio
6.6.7 Escalonar, classificar e dar o conjunto solucao do sis-
3x + 4y + 5z = 1
tema 2x + 3y + 3z = 0
5x + 7y + 8z = 1.
Exerccio
6.6.8 Escalonar, classificar e dar o conjunto solucao do sis-
x + 2y = 1
tema 3x + 7y = 5
2x + y = 4.
Exerccio 6.6.27 Dona Elza deu R$13, 50 para sua filha comprar tantos
sabonetes e tantas pastas dentais. Nem precisou falar de que marca, pois isso
a menina ja sabia. So recomendou que ela nao se esquecesse de pegar o troco.
No supermercado, a menina pegou 4 sabonetes e 6 pastas. Quando a moca
do caixa avisou que faltavam R$0, 30, ela pensou: Se o dinheiro nao deu
para comprar 4 sabonetes e 6 pastas, entao minha mae deve ter pedido 6
sabonetes e 4 pastas. E fez a troca. Voltando ao caixa, recebeu R$0, 30 de
troco.
Qual era o preco de cada sabonete comprado?
6.6.6 S=
6.6.10 Sexta-feira uma loja vendeu 300 pares e a outra 200 pares; no sabado
uma vendeu 330 pares e a outra 240 pares
6.6.20 Churrasco custa R$1, 50; Quentao custa R$0, 40; Pastel custa R$0, 90
6.6.23 A = 3; B = 1; C = 5
6.6.25 15 bicicletas
UNIVATES Centro Universitario 103
5A + 3B = 2700
6.6.26 , donde resultam: Refrigerante A = 300 uni-
2A + 3B = 1800
dades; Refrigerante B = 400 unidades
Determinante e Matriz
Inversa
7.2 Conceitos
Consideremos o sistema ax = b, com a 6= 0. A solucao deste sistema e
x = ab . Note que o denominador esta associado a matriz dos coeficientes do
sistema, ou seja, [a].
a11 x1 + a12 x2 = b1
Num sistema 22: , em que e possvel resolver
a21 x1 + a22 x2 = b2
104
UNIVATES Centro Universitario 105
Os denominadores
sao iguais e estao associados a matriz dos coeficientes
a11 a12
.
a21 a22
a11 x1 + a12 x2 + a13 x3 = b1
Num sistema 33: a21 x1 + a22 x2 + a23 x3 = b2 , em que e possvel
a31 x1 + a32 x2 + a33 x3 = b3
resolver as operacoes elementares, ao procurarmos os valores de x1 , x2 e x3 ,
vemos que eles tem o mesmo denominador
a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 ,
que
tambem esta
associado a matriz dos coeficientes do sistema
a11 a12 a13
a21 a22 a23 .
a31 a32 a33
Os numeros que aparecem nos denominadores associados as matrizes
(quadradas) sao casos particulares do que chamamos de determinante de
uma matriz quadrada.
7.3 Determinante
Quando nos referirmos ao determinante, isto e, ao numero associado a
uma matriz quadrada A = [aij ], usaremos a seguinte
Notacao: det A ou |A| ou det[aij ].
Exemplo 7.3.1
1. det[a] = a
a11 a12 a11 a12
2. det = = a11 a22 a12 a21
a21 a22 a21 a22
a11 a12 a13 a11 a12 a13
3. det a21 a22 a23 = a21 a22 a23 =
a31 a32 a33 a31 a32 a33
= a11 a22 a33 a11 a23 a32 a12 a21 a33 +
+a12 a23 a31 + a13 a21 a32 a13 a22 a31
Propriedade 7.3.11
2. det A = det At
prova: ver [9], ou [4]. Tente demonstra-las voce mesmo usando a ob-
servacao 7.3.10 ou, pelo menos, imaginar a demonstracao.
3 2 1 3 2 1
Exemplo 7.3.12 2 5 0 = 2 5 0 . Somamos a terceira li-
2 4 2 8 0 0
nha, a primeira linha multiplicada por 2. X
UNIVATES Centro Universitario 108
P
n
= aij ij .
J=1
Exemplos
1 2 3
Exemplo 7.3.17 |A| = 2 1 1 = (2)12 + 122 + (1)32
2 1 2
onde
2 1
12 = (1)1+2 = 2
2 2
1 3
22 = (1)2+2 =8
2 2
1 3
32 = (1)3+2 =7
2 1
3 4
12 = (1)1+2 = 19
1 5
..
.
19 19 19
A = 5 10 11 . X
4 8 5
UNIVATES Centro Universitario 110
Notacao: B = A1
Resolucao
a b
Queremos encontrar uma matriz B = tal que A B = I2 e
c d
B A =I2 .
6 2 a b 1 0
=
11 4 c d 0 1
| {z } | {z } | {z }
A B I2
6a + 2c 6b + 2d 1 0
=
11a + 4c 11b + 4d 0 1
Portanto,
6a + 2c = 1 6b + 2d = 0
e . Resolvendo os sistemas, temos
11a + 4c = 0 11b + 4d = 1
11 1 2 1
a = 2, b = 1, c = 2 e d = 3. Logo, A = 11 . X
2 3
UNIVATES Centro Universitario 111
prova: exerccio. P
Observacao 7.4.11
R Se AB = I , entao BA = I , ou seja, B = A
n n
1 .
R Se BA = I , entao AB = I , ou seja, A = B
n n
1 .
prova: exerccio. P
Teorema 7.4.13 Uma matriz quadrada A e invertvel det A 6= 0.
Neste caso:
1
A1 = (adj A).
det A
b +...+b
Entao x1 = 1 11 det A n n1 .
Note que o numerador desta fracao e igual ao determinante da matriz
que obtemos de A, substituindo a primeira coluna pela matriz dos termos
independentes. De fato, usando o desenvolvimento de Laplace, obtemos:
b1 a12 . . . a1n
.. .. .. .. = b + . . . + b
. . . . 1 11 n n1
bn an2 . . . ann
Ou seja,
b1 a12 . . . a1n
.. .. .. ..
. . . .
bn an2 . . . ann
x1 =
a11 a12 . . . a1n
.. .. .. ..
. . . .
an1 an2 . . . ann
Fazendo deducoes analogas, obtemos:
a11 . . . b1 . . . a1n
.. .. . .. ..
. . .. . .
an1 . . . bn . . . ann
xi = para i = 1, 2, . . . , n. (7.2)
a11 . . . a1n
.. .. ..
. . .
an1 . . . ann
2x 3y + 7z = 1
Exemplo 7.5.3 Resolver o sistema x + 3z = 5 , usando a
2y z = 0
Regra de Cramer.
Resolucao
2 3 7
Temos det 1 0 3 = 1 = 6 0. Portanto, podemos utilizar a
0 2 1
1 3 7 2 1 7
5 0 3 1 5 3
0 2 1 0 0 1
Regra de Cramer. Entao: x = 1 = 49, y = 1 = 9,
2 3 1
1 0 5
0 2 0
ez= 1 = 18. X
detA 6= 0 SPD
SPI detA = 0 e
detA1 = detA2 = . . . = detAn = 0
detA = 0 e detAs 6= 0, SI
para algum 1 s n
(a) Se C = In , entao D = A1 ;
(b) Se C 6= In , entao C tem uma linha de zeros e A e singular, isto
e, 6 A1 .
Exerccio
7.7.2Calcule, se existir, a inversa da matriz
1 2 3
A = 1 2 1 .
5 2 3
A B C D E F G H I J L M
1 2 3 4 5 6 7 8 9 10 11 12
N O P Q R S T U V X Z
13 14 15 16 17 18 19 20 21 22 23
E
H T
C I GR
A N E
Captulo 8
Introducao as
Transformacoes Lineares
118
Captulo 9
Espacos Vetoriais
9.1 Introducao
Exemplo 9.1.1
131
UNIVATES Centro Universitario 132
P
b
Q
Z
S
L
P K W
-
R
R
T
Operacoes
Multiplicacao de um vetor por um escalar: multiplicar um vetor v por
um escalar k > 0 e considerar um novo vetor w = kv, que possui a mesma
direcao de v e tem como comprimento k vezes o comprimento de v, e cujo
sentido depende do sinal de k.
Se k < 0, o vetor w = kv sera igual ao oposto do vetor |k| v.
Se k = 0, w = kv sera o vetor nulo.
w = 1, 5v
v
-
u = 12 v
Figura 9.3: Multiplicacao de um vetor por um escalar
w
v
:
-
z
vw
w
Figura 9.5: Subtracao de vetores
z
P (x, y, z)
y - Y
x
X
Figura 9.6: Espaco tri-dimensional
V = {(x1 , x2 , x3 ); xi R} = R R R = R3 .
Operacoes
Sao inteiramente analogas as operacoes de vetores no plano, apenas
trabalhando-se com as tres componentes dos vetores.
2. u + v = v + u;
5. a(u + v) = au + av;
6. (a + b)v = av + bv;
7. 1u = u.
(a) + = + (comutativa);
UNIVATES Centro Universitario 137
(b) + ( + ) = ( + ) + (associativa);
(c) ! 0 V tal que + 0 = (existencia de zero);
(d) V, ! V tal que + () = 0 (simetrico);
(a) 1 = ;
(b) (c1 c2 ) = c1 (c2 );
(c) c( + ) = c + c;
(d) (c1 + c2 ) = c1 + c2 .
9.3.1 Exemplos
Exemplo 9.3.2 O conjunto dos vetores do espaco
V = Rn = {(x1 , x2 , . . . , xn ) : xi R}.
Observacao 9.3.7
Observacao 9.4.2
R W e um espaco vetorial;
R Qualquer subespaco W V contem o vetor nulo;
R Todo espaco vetorial admite pelo menos 2 subespacos (triviais): 0 e o
espaco todo.
9.4.1 Exemplos
Exemplo 9.4.3 V = R3 e W V, um plano pela origem.
Observacao 9.4.4
R Note que, no exemplo 9.4.3, se W nao passasse pela origem, nao seria
um subespaco.
9.4.2 Contra-Exemplos
Contra-Exemplo 9.4.9 V = R2 , W e uma reta deste plano que nao
passa pela origem.
Note que, se 0 6 W, entao W nao e subespaco vetorial.
UNIVATES Centro Universitario 139
u * v
W
Figura 9.7: Reta que nao passa pela origem
100
90
80 x**2
70
60
50
40
30
20
10
0
-10 -5 0 5 10
9.4.3 Propriedades
Teorema 9.4.13 (Interseccao de Subespacos)
Se W1 e W2 sao subespacos de um espaco vetorial V, entao W1 W2
ainda e um subespaco de V.
Note que W1 W2 6= .
prova: exerccio.
9.4.4 Exemplos
Exemplo 9.4.14 Seja V = R3 , entao W1 W2 e a interseccao dos
planos W1 e W2 .
W1 W2 W1 W2
6W2
u+v
7
* W1
6
*
v
u
W1 + W2 = {v V; v = w1 + w2 , w1 W1 , w2 W2 }
e um subespaco de V.
prova: exerccio.
9.4.5 Exemplos
Exemplo 9.4.19 No exemplo 9.4.17, W = W1 + W2 e o plano que
contem as duas retas.
W1 W2 .
UNIVATES Centro Universitario 142
9.5.1 Exemplos
Exemplo 9.5.3 V = R3 , v V, v 6= 0. Entao [v] = {av : a R}, isto
e, e a reta que contem o vetor v.
Exemplo 9.5.4 Se v1 , v2 R3 sao tais que v1 6= v2 , R, entao
[v1 , v2 ] sera o plano que passa pela origem e contem v1 e v2 .
v1
-
j
v2
a1 v1 + . . . + an vn = 0
prova: exerccio.
9.6.1 Exerccios
Exemplo 9.6.3 V = R3 . Sejam v1 , v2 V.
{v1 , v2 } e l.d. v1 e v2 estiverem na mesma reta, que passa pela origem
(v1 = v2 ).
Exemplo 9.6.6 V = R2 . {(1, 1), (1, 0), (1, 1)} e l.d., pois
1 1
(1, 1) 1(1, 0) + (1, 1) = (0, 0).
2 2
1. {v1 , . . . , vn } e l.i.;
2. [v1 , . . . , vn ] = V.
UNIVATES Centro Universitario 144
9.7.1 Exemplos
Exemplo 9.7.2 V = R2 , e1 = (1, 0) e e2 = (0, 1) (base canonica).
Tambem e base do plano: {(1, 1), (0, 1)}, pois se (0, 0) = a(1, 1) + b(0, 1),
entao a = b = 0 (l.i.). Ademais, dado v = (x, y) V, temos que
(x, y) = x(1, 1)+(y x)(0, 1). Logo, todo vetor do plano e combinacao linear
de e1 e e2 . X
Contra-Exemplo 9.7.5 {(0, 1), (0, 2)} nao e base de R2 , pois l.d.:
Observacao 9.7.7
R Nem sempre e possvel encontrar uma base finita para um espaco ve-
torial. Nestes casos, precisaremos de combinacoes lineares finitas de
um conjunto infinito de geradores. E o que acontece com espacos de
funcoes.
9.7.2 Exemplos
Exemplo 9.7.11 V = R2 , {(1, 0), (0, 1)} e {(1, 1), (0, 1)} sao bases de
V. Entao dim V = 2.
prova: exerccio.
prova: exerccio.
prova: exerccio.
Figura 9.12: Base de um subespaco vetorial
X2
Y 6
- X1
3x21 + 2y12 = 6.
v = x1 u1 + . . . + xn un e
(9.1)
v = y1 w1 + . . . + yn wn , donde
v = y1 w1 + . . . + yn wn =
..
.
= (a11 y1 + ... + a1n yn )u1 + . . . + (an1 y1 + ... + ann yn )un
Denotando,
a11 . . . a1n
.. , temos
= ... ..
0
[I] . .
an1 . . . ann
0
[v] = [I] [v] 0 .
0
Definicao 9.8.3 A matriz [I] acima e a matriz de mudanca da
base 0 para a base .
Exemplo 9.8.4 = {(2, 1), (3, 4)}, 0 = {(1, 0), (0, 1)} bases de R2 .
0
[I] =?
Resolucao
Portanto,
0 4/11 3/11
[I] =
1/11 2/11
UNIVATES Centro Universitario 149
Observacao 9.8.5
R Note que, no exemplo 9.8.4, se quisessemos apenas encontrar as co-
ordenadas de (5, 8) em relacao a base , poderamos simplesmente
resolver o sistema
9.8.2 Exemplos
0
Exemplo 9.8.6 No exemplo 9.8.4, obter [I] a partir de [I] 0 .
Resolucao
Resolucao
Temos entao v = x1 e1 + x2 e2 = y1 f1 + y2 f2 .
Procuramos [v] 0 = [I] 0 [v] .
v
f1
7
f2
e2
I 6
- -
e1
ou seja,
y1 = x1 cos + x2 sin
. X
y2 = x1 sin + x2 cos
UNIVATES Centro Universitario 151
f2 I 6
e2
6 f1
cos e1
- -
sin
f2
I 6
e2
6 f1
sin
9
:
-
cos
2. Matrizes escalares n n
a a+b
3. : a, b R
a b
4. V = {(a, a, . . . , a) Rn ; a R}
5. {(1, a, b) : a, b R}
6. A reta {(x, x + 3) : x R}
1. O vetor ( 23 , 1, 1, 2) pertence a S?
Exerccio 9.9.8 Escreva uma base para o e.v. das matrizes nn. Qual
a dimensao deste espaco?
UNIVATES Centro Universitario 153
1. Determine W1 W2 .
3. Determine W1 + W2 .
5. W1 + W2 = R4 ?
Exerccio
9.9.15
Sejam = {(1, 0), (0, 1)}, 1 = {(1, 1), (1, 1)},
2 = {( 3, 1), ( 3, 1)} e 3 = {(2, 0), (0, 2)} bases ordenadas de R2 .
(a) [I]1 ;
(b) [I]1 ;
(c) [I]2 ;
(d) [I]3 .
(a) ;
(b) 1 ;
(c) 2 ;
(d) 3 ?
UNIVATES Centro Universitario 154
2. [I] 0 .
Exerccio 9.9.18 Sejam 1 = {(1, 0), (0, 2)}, 2 = {(1, 0), (1, 1)} e
3 = {(1, 1), (0, 1)} tres bases ordenadas de R2 .
1. Ache:
(a) [I]21 ;
(b) [I]32 ;
(c) [I]31 ;
(d) [I]21 [I]32 .
2. Se for possvel, de uma relacao entre estas matrizes de mudanca de
base.
Aprofundamento Sobre
Transformacoes Lineares
10.1 Introducao
6 Q
Q = 0, 2 S
-
S
1. F (u + v) = F (u) + F (v);
2. F (k v) = k F (v).
10.2 Exemplos
Exemplo 10.2.1 V = W = R e Q : R R
x 0, 2 x.
Exemplo 10.2.2 V = W = R e F : R R ,
u F (u) = u
onde R.
Toda transformacao linear de R em R so pode ser deste tipo. De fato,
F (x) = F (x 1) e como F e uma TL e x e um escalar, F (x 1) = x F (1).
Chamando F (1) = , temos que F (x) = x.
O nome transformacao linear certamente foi inspirado neste caso em
que V = W = R, pois o grafico de F (x) = x e uma reta passando pela
origem.
Exemplo 10.2.4 F : R2 R3
(x, y) (2x, 0, x + y).
Exemplo 10.2.6 V = Rn e W m
= R . Seja A Mmn (R). Definimos
x1
n m ..
LA : R R , onde v = . e um vetor coluna e
v Av xn
x1 y1
LA (v) = A ... = ... . Tal aplicacao e uma TL.
xn ym
O exemplo 10.2.4 acima e um caso particular:
LA : R2 R
3
2 0 2x1
x1 x1
0 0 = 0 .
x2 x2
1 1 x1 + x2
D : Pn Pn , a aplicacao derivada.
f f0
T : R2 R2 , com R.
v v
6 6
- -
10.3.2 ~
Reflexao em Torno do Eixo OX
A reflexao em torno do eixo ~
OX e dada pela aplicacao
F : R2 R2
(x, y) (x, y).
Matricialmente, podemos descrever a aplicacoes do seguinte modo:
x x x 1 0 x
ou .
y y y 0 1 y
- -
6 6
y0
y : :
- -
x x0
T (x, y) = (x + y, y), R.
6 6
- -
10.3.6 Translacao
Note que a translacao segundo um vetor (a, b) 6= (0, 0), embora seja
uma transformacao do plano no plano, nao e linear (pois nao leva o zero
no zero). O unico caso em que a translacao e linear e quando a = b = 0.
Ela e dada pela relacao T (x, y) = (x + a, y + b), ou matricialmente por
x 1 0 x a
+ .
y 0 1 y b
Solucao
Os vetores e1 = (1, 0) e e2 = (0, 1) formam uma base de R2 . Sejam
w1 = (2, 1, 0) e w2 = (0, 0, 1). Dado v = (x1 , x2 ), temos que v = x1 e1 +x2 e2
e T (v) = x1 T (e1 ) + x2 T (e2 ) = x1 (2, 1, 0) + x2 (0, 0, 1) = (2x1 , x1 , x2 ). X
w = T (u) = T (a1 v1 + . . . + an vn + b1 w1 + . . . + bm wm ) =
= b1 T (w1 ) + . . . + bm T (wm ),
a1 w1 + . . . + am wm b1 v1 . . . bn vn = 0.
x1
Seja X = [v] = ... . Entao
xn
a11 . . . a1n x1 y1
.. .. = .. .
A X = ... . . .
am1 . . . amn xn ym
Portanto,
Exemplo 10.5.8 2 3
Seja a transformacao linear T : R R dada por
1 1
[T ] = 0 1 , onde = {(1, 0), (0, 1)} e base de R2 ,
2 3
= {(1, 0, 1), (2, 0, 1), (0, 1, 0} e base de R3 .
2
Qual e a imagem de v = (2, 3) pela aplicacao T ? Ora, [v] = .
3
1 1 5
2
Portanto, [T v] = [T ] [v] = 0 1 = 3 , ou seja,
3
2 3 13
T v = 5(1, 0, 1) 3(2, 0, 1) 13(0, 1, 0) = (11, 13, 2). X
Solucao:
1 0
0 1 1 1 2
Ora, [T2 T1 ] = [T2 ] [T1 ] = 1 1 = .
0 0 0 0 0
0 1
Escrevemos
agora as coordenadas do vetor (x, y) em relacao a base :
x
[(x, y)] = y . Assim,
2
1 2 x xy
[(T2 T1 )(x, y)] = [T2 T1 ] [(x, y)] = y = .
0 0 2 0
Z (c, d)
>
Z
Z
Z
Z
~
Z -
Z
Z
Z
Z
Z
~
Z
(a, b)
normal ao espelho.
1 0
Em relacao a esta base, [E] = . Portanto, em relacao a base
0 1
canonica temos (verifique, calculando [I]can , [I]can ):
cos 2 sin 2
[E]can can =
can = [I]can [E] [I] e, portanto,
sin 2 cos 2
c cos 2 sin 2 a
= .
d sin 2 cos 2 b
UNIVATES Centro Universitario 171
y
6
y0 (c, d) espelho
SS
o 0
S BM
refletido
B > x
S
Z B
S B
incidente Z S
Z B
ZS B
ZS
~B
Z - x
SZ
SZ
SZZ
S Z
S Z~
S (a, b)
A matriz [E]can
can poderia ser obtida diretamente simplesmente observando
o que a TL (espelho) faz nos vetores da base canonica (raios luminosos na
~ e do eixo OY
direcao do eixo OX ~ .
Note que ao colocarmos as componentes dos vetores refletidos em coluna
obteremos a mesma matriz que antes (ver mais detalhes em [4]).
Como podemos tratar o problema em que hajam varios espelhos e, con-
sequentemente, reflexoes sucessivas?
Simplesmente pela composicao das TL associadas a cada espelho na or-
dem em que ocorrem as reflexoes.
espelho 1
(1, 1) (c, d)
@
@ 5
@
R 6 6 -
espelho 2
" 1 # "
3 1
#
3
" 1+3 #
c 2 2 1 2
= 23 2 = .
d 3
1
1 1 1 3
2 2 2 2 2
1 3 1 3
Conclumos, entao, que o feixe estara na direcao de 2 , 2 . X
O mesmo raciocnio podera ser feito quando estamos com espelhos planos
no espaco.
Se tivermos 3 espelhos colocados 2 a 2 perpendiculares (como no canto
de uma sala e no piso, ou no teto...), qualquer feixe de luz de raios paralelos
que incide sobre o conjunto saira paralelo a direcao de incidencia apos as
reflexoes.
De fato, as matrizes associadas a cada espelho podem ser obtidas obser-
vando o que ele faz com cada um dos vetores da base canonica.
(a, b, c)
9
+
I
II
: (d, e, f )
III
?
Obtemos, entao:
1 0 0 1 0 0 1 0 0
M1 = 0 1 0 , M2 = 0 1 0 e M3 = 0 1 0
0 0 1 0 0 1 0 0 1
Desigualdades Lineares
174
Captulo 12
Variedades Lineares,
Conjuntos Convexos e
Programacao Linear
12.1 Introducao
planejamento das mais variadas empresas, tanto nas que possuem uma so-
fisticada equipe de planejamento como nas que simplesmente adquiriram um
software para alguma funcao de planejamento.
Podemos conceituar a programacao linear do seguinte modo:
R E uma tecnica de otimizacao
R E uma ferramenta utilizada para encontrar o lucro maximo ou custo
mnimo em situacoes nas quais temos diversas alternativas de escolha
sujeitas a algum tipo de restricao ou regulamentacao.
12.2 Aplicacoes
Na pratica a programacao linear tem sido aplicada em areas tao diversas
como mostram os exemplos seguintes:
Alimentacao: que alimentos as pessoas (ou animais) devem utilizar,
de modo que o custo seja mnimo e os mesmos possuam os nutrientes
nas quantidades adequadas, e que tambem atendem a outros requisi-
tos, tais como variedades entre as refeicoes, aspecto, gosto, etc.?
Rotas de Transportes: qual deve ser o roteiro de transporte de
veculos de carga de modo que entreguem toda a carga no menor tempo
e no menor custo total?
Manufaturas: qual deve ser a composicao de produtos a serem fa-
bricados por uma empresa de modo que se atinja o lucro maximo,
sendo respeitadas as limitacoes ou exigencias do mercado comprador
e a capacidade de producao da fabrica?
Siderurgia: quais minerios devem ser carregados no alto-forno de
modo a se produzir, ao menor custo, uma liga de aco dentro de deter-
minadas especializacoes de elementos qumicos?
Petroleo: qual deve ser a mistura de petroleo a ser enviada para uma
torre de craqueamento para produzir seus derivados (gasolina, oleo,
etc.) a um custo mnimo? Os petroleos sao de diversas procedencias
e possuem composicoes diferentes.
Agricultura: que alimentos devem ser plantados de modo que o lucro
seja maximo e sejam respeitadas as caractersticas do solo, do mercado
comprador e dos equipamentos disponveis?
Carteira de Investimentos: quais as acoes devem compor uma car-
teira de investimentos de modo que o lucro seja maximo e sejam res-
peitadas as previsoes de lucratividade e as restricoes governamentais?
Mineracao: em que sequencia deve-se lavrar blocos de minerio abaixo
do solo, dados sua composicao, posicionamento e custos de extracao?
Localizacao Industrial: onde devem ser localizadas as fabricas e
os depositos de um novo empreendimento industrial de modo que os
custos de entrega do produto aos varejistas sejam minimizados?
UNIVATES Centro Universitario 182
12.5.1 Exemplos
Exemplo 12.5.4 Uma reta (passando pela origem ou nao) e uma vari-
edade linear de dimensao 1 no R2 .
6
A
v0
W -
vA
-
q
wW
Resolucao
x 0, y 0, 3x + 2y 3, x + 3y 1, 5, 8x + 2y 4.
P1 w
y
P2
w
x -
P3
P4
3
(Obtemos P1 (0, 2), P2 15 , 56 , P3 67 , 14 , P4 32 , 0 .) Isto e, para que os
valores de x e y satisfacam simultaneamente todas as desigualdades, o ponto
(x, y) deve estar na regiao hachurada da figura 12.5.1.
Alem disso, queremos que o custo dado pela funcao
f (x, y) = 10x + 8y
7 2 2
( , 0) = (1 )(1, 2) + (3, 1),
3 3 3
ou seja, t = 23 tal que 0 t 1, de modo que P = (1 t)A + tB. Por outro
lado, se tomarmos t1 , tal que 0 t1 1, por exemplo t1 = 12 , e fizermos
P1 = (1 t1 )A + t1 B = (2, 1),
6
e convexo
~
-
6 nao e convexo
1
Nao entraremos em detalhes sobre semi-espacos fechados, nem tampouco hiperplanos.
Apenas vale lembrar um resultado que diz que um semi-espaco fechado e convexo. O aluno
interessado pode pesquisar em [4] ou [13].
UNIVATES Centro Universitario 187
e limitada
6
e nao limitada
Observacao 12.5.17
R Note que estes pontos sao dados por interseccao de duas retas que
definem os semi-espacos. Assim, o ponto P2 e dado pela solucao do
sistema
3x + 2y 3 = 0
8x + 2y 4 = 0.
Entao os possveis vertices sao dados pelos sistemas de tres equacoes (por
serem
tres variaveis)
x+y+z = 3
y z = 2 (3, 1, 1) (esta na regiao, pois satisfaz todas
x 2y = 1
as inequacoes
)
yz = 2
x 2y = 1 (0, 1 5
2 , 2 ) (esta na regiao)
x = 0
x+y+z = 3
y z = 2 (0, 52 , 12 ) (esta na regiao)
x = 0
x + y + z = 3
x 2y = 1 (0, 1 7
2 , 2 ) (esta na regiao).
x = 0
Agora, em momentos de solidao, faca o desenho da regiao. X
UNIVATES Centro Universitario 189
f (x1 , . . . , xn ) = a1 x1 + . . . + an xn + b,
< v, w >= x1 y1 + x2 y2 + . . . + x3 y3 .
Definicao 12.6.6 Seja V um e.v. com produto interno <, >. Diz-se que
dois vetores v e w V sao ortogonais (em relacao a este produto interno)
se < v, w >= 0. Neste caso, escrevemos v w.
Propriedade 12.6.7
1. 0 v para todo v V;
2. v w w v;
4. Se v1 w e v2 w, entao v1 + v2 w;
5. Se v w e e um escalar, v w.
Resolucao
4x + 2y = 24
(4, 4)
2x + 4y = 24
Os vertices sao (0, 0), (6, 0), (4, 4) e (0, 6). A funcao que queremos ma-
ximizar e a funcao lucro:
Tipos de Solucao
Baseado no metodo geometrico, ja e possvel intuir varios tipos de
solucao de problemas de programacao linear de duas variaveis.
Vamos considerar todos os tipos possveis de regioes poliedrais con-
vexas no R2 e pesquisar os maximos e mnimos de uma funcao
f (x, y) = ax + by + c.
R1 R2
- -
6 6
R4
A
R3 - -
B
6
C
B R5
A-
Regioes Limitadas
Quando a regiao A for limitada, teremos necessariamente maximo e
mnimo, para qualquer funcao objetivo. Para mostrar este fato, recorre-
mos a solucao geometrica dos problemas de PL. Note que, ao varrermos o
Rn por hiperplanos perpendiculares ao vetor gradiente da f.o., sempre to-
caremos a regiao A uma primeira e uma ultima vez. Ademais, uma regiao
poliedral convexa limitada claramente possui vertices (por que?). Isto nos
permite reescrever o teorema fundamental da PL para este caso:
12.6.4 Conclusao
Tanto a determinacao de vertices (resolucao de sistema lineares) quanto
o calculo da f.o. nestes sao possveis atraves de algoritmos e de programacao
para calculadoras, microcomputadores e computadores. O mais conhecido
e o metodo simplex. O aluno interessado pode pesquisar mais sobre este
metodo em [4] ou [20]. E possvel que estes assuntos sejam novamente abor-
dados num curso de Calculo Numerico. Ate la!
P Q
A 3 1 12
B 3 4 30
C 2 7 28
3 2
Que quantidade de cada produto deve conter uma dieta para que propor-
cione uma alimentacao sadia com o mnimo de custo?
'$
10
40 - 30 A
I Z
Z
Z &%
Z
>
Z
14 Z
Z
Z
Z
Z
Z
Z
Z
12 Z
ZZ
~
'$
II 50 - 40 B
&%
15
De que maneira deve enviar estas mercadorias para que o gasto com o
transporte seja mnimo?
Exerccio 12.7.12 Um sapateiro faz 6 sapatos por hora (se fizer so-
mente sapatos), e 5 cintos por hora (se fizer somente cintos). Ele gasta 2
unidades de couro para fabricar uma unidade de sapato e uma unidade de
couro para fabricar uma unidade de cinto. Sabendo-se que o total disponvel
de couro e de 6 unidades e que o lucro unitario por sapato e de 5 u.m. e o do
cinto e de 2 u.m., pede-se: o modelo do sistema de producao do sapateiro,
se o objetivo e maximizar seu lucro por hora.
12.7.2 (16, 4): sao C5,2 = 10 sistemas com 2 equacoes cada. Temos
C M E
I 1/2 0 1/3 , I 0, II 0, 13 I + 32 II 8 (embalagem),
II 0 1 2/3
II 8 (mistura), 12 I 8 (corte), L(I, II) = 40I + 30II. Apenas 5
pontos estao na regiao
produto A B
M1 2 1 70
12.7.7 (15, 25): L = 40A + 60B,
M2 1 1 40
M3 1 3 90
A B
carboidratos 5 2 60
12.7.8 (10, 5): C = 1, 5x + 0, 70y,
protenas 3 2 40
gorduras 5 1 35
12.7.16 (200, 600): L = 4x +3y, 2x+y 1000, x+y 800, x 400, y 700
12.7.17 (24, 14): sejam x =brinco e y =colar, L = 45x + 80y, 5x + 20y 400,
10x + 15y 450
E
H T
C I GR
A N E
Captulo 13
Curvas Conicas
13.1 A Elipse
Definicao 13.1.1 Elipse e uma curva plana descrita por um ponto P
que se desloca de modo que a soma de suas distancias a dois pontos
fixos F1 e F2 permanece constante igual a 2a, onde
dist(F1 , F2 )
a>c= : ||P~F1 || + ||P~F2 || = 2a .
2
Elementos da elipse:
F1 , F2 : focos
||B1~B2 || = 2b
O = A1 A2 B1 B2 : centro
A1 , A2 , B1 , B2 : vertices
||A1~A2 || = 2a
201
UNIVATES Centro Universitario 202
c
0<e= a < 1: excentricidade
Observe que, como a e a metade do eixo maior, b e a metade do eixo
menor, e c e a metade da distancia focal, segue que a2 = b2 + c2 . Logo
a2 b2
e= .
a
B1
4
6
3 b
1
F1 F2
0 A1 - -A2
c
-1
-2
-3
-4
-6 -4 -2 B20 2 4 6
x2 y2
b2
+ a2
=1.
a2
+ (yb2) = 1. Substituindo x0 e y 0 obtemos a equacao reduzida da
UNIVATES Centro Universitario 204
(xh)2 (yk)2
a2
+ b2
= 1.
(xh)2 (yk)2
b2
+ a2
= 1.
Solucao
2 2
A equacao da elipse e dada por xa2 + yb2 = 1. Como A elipse, segue
que a162 + b12 = 1. Donde 16b2 + a2 = a2 b2 .
2 2
Por outro lado, r: x = 104y. Sendo assim, r elipse: (104y) a2
+ yb2 = 1.
O que implica em b2 (10080y+16y 2 )+a2 y 2 = a2 b2 . Ou seja, (16b2 +a2 )y 2
80b2 y + (100b2 a2 b2 ) = 0. Vimos acima que a2 b2 = 16b2 + a2 . Entao temos
que a2 y 2 80y + (100 a2 ) = 0.
Como r e tangente a elipse, devemos ter = 0 na equacao acima, i.e.,
a4 100a2 + 1600 = 0, donde a2 = 80 ou a2 = 20. Portanto, b2 = 54 ou
b2 = 5.
2 2 2 2
Finalmente, as equacoes das elipses sao x80 + y5 = 1 ou x20 + y5 = 1. X
4
13.2 A Parabola
Definicao 13.2.1 Parabola e o lugar geometrico dos pontos do plano
que sao equidistantes de um ponto F e de uma reta d, i.e. P = (x, y) e um
ponto da parabola se, e somente se, d(P, F ) = d(P, d).
2
F
0
-2 d
-4
-6
-8
-10 -5 0 5 10
F : foco;
d: diretriz;
r d, F r: eixo de simetria;
d(F, d) = p: parametro
~ :
2. Foco sobre o Eixo OY
Entao:
100
50
-50
-100
-10 -5 0 5 10
2. A diretriz e a reta d: 2x 3 = 0;
~ e ela contem o ponto P = (2, 3).
3. O eixo de simetria e o eixo OY
1. y 2 6y 12x 15 = 0;
2. x2 2x y 3 = 0.
Solucao
y 2 = 5x
Basta resolver o sistema . Por substituicao, e facil
5x y = 15
obtermos 5x2 29x + 45 = 0. Calculando desta equacao, resulta que
= 225 900 < 0. Logo a reta e exterior a parabola. X
13.3 A Hiperbole
Definicao 13.3.1 Hiperbole e o lugar geometrico dos pontos do plano
cujo modulo da diferenca entre as distancias a dois pontos fixos F1
dist(F1 ,F2 )
e F2 e constante igual a 2a, onde a < c = 2 . Ou seja,
~
||P F1 || ||P~F2 || = 2a.
15
10
5 r
B1
0 A1 A2
F1 F2
B2 s
-5
-10
-15
-10 -5 0 5 10
Elementos:
F1 , F2 : focos;
A1 , A2 : vertices;
r, s: assntotas: y = ab , y = ab x;
c
e= a > 1: excentricidade
UNIVATES Centro Universitario 209
4cx 4a = 4a2 2 2
2
p (c x) + y
cx a = a (c x) + y 2 2
1. 9y 2 4x2 = 36;
Solucao
2
x2
De r: y = x + 3, obtemos (x+3)
12 3 = 1. Donde x2 + 8x + 16 = 0.
Como = 64 64 = 0, segue que a reta r e tangente a hiperbole.
Agora e facil ver que o ponto de tangencia e T = (4, 1). X
Y
6
X0
P
Y 0
r
@
I
@
@
@
@
- X
@
13.4.1 Exemplos
Exemplo 13.4.1 Encontre a equacao da elipse cujos semi-eixos medem
5 cm e 4 cm, em relacao ao sistema de coordenadas cartesianas ortogonais
tal que:
1. A origem e o centro da elipse e o semi-eixo positivo das abscissas
forma um angulo de 4 radianos com a reta focal;
2. O centro da elipse e o ponto O0 = (6, 8) e a reta focal forma um angulo
de 6 radianos com o semi-eixo positivo das abscissas.
Solucao
(x0 )2 (y 0 )2
1. a = 5, b = 4, 25 + 16 =1
" #
2
x0 x (x + y)
= R 4 = 22 .
y0 y
2 (y x)
2 2
2 2
2
(x+y) 2
(yx)
Entao segue a equacao 25 + 16 = 1, donde
(x+y)2 (yx)2
50 + 32 = 1, ou seja, 41x2 + 41y 2 18xy 3200 = 0.
2. Analogamente, usando R 6 , obtemos:
0 00 1
00
x x 2 (3x + y 00 )
0 = R 6 = .
y y 00 1
2 ( 3y
00 x00 )
UNIVATES Centro Universitario 212
1
1
( 3x00 +y 00 )2 ( 3y 00 x00 )2
Entao segue a equacao 4 25 + 4 16 = 1 donde, fa-
zendo a mudanca de variavel x00 = x 6, y 00 = y 8, obtemos
( 3(x6)+(y8))2 ( 3(y8)(x6))2
100 + 64 = 1. X
Solucao
Sejam x00
= x 3, y 00
= y 4. Como a = 5 e 2c = 14, segue que c = 7 e
0 2 0 2
b = c a = 24. A equacao e dada por (x25) (y24) = 1. Entao
2 2 2
1 00
x0 x00 2 (x + 3y 00 )
=R = .
y0 3 y 00 1 00
2 (y 3x00 )
00
00 2 00
00 2
Entao segue a equacao (x +1003y ) (y 96
3x )
= 1, donde obtemos
2 2
((x3)+ 3(y4)) ((y4) 3(x3))
100 96 = 1. X
Solucao
0 00 1 00 00
x x (x + 3y )
= R 3 = 21 00 00 .
y0 y 00 2 (y 3x )
Y
6
X0
Y0
@
I
@
@
@
@
- X
@
A0 (x0 )2 + C 0 (y 0 )2 + D0 x0 + E 0 y 0 + F 0 = 0.
0 0
x x x cos y 0 sin
Temos que = R() = . Substituindo
y y0 x0 sin + y 0 cos
em (13.1), obtemos uma equacao
A0 (x0 )2 + B 0 (x0 y 0 ) + C 0 (y 0 )2 + D0 x0 + E 0 y 0 + F 0 = 0,
onde
A0 = A cos2 + B sin cos + C sin2 ;
D0 = D cos + E sin ;
E 0 = D sin + E cos ;
2 tan
Lembremos que tan 2 = 1tan2
.
13.5.1 Exemplos
Exemplo 13.5.3 Determine o menor angulo positivo segundo o
qual devemos girar os eixos para que a nova equacao da conica
5x2 + 4xy + 8y 2 36 = 0 nao contenha termo misto. Determine a equacao
reduzida da conica.
Solucao
2 tan B 4
A = 5, C = 8 e A 6= C. Entao tan 2 = 1tan 2 = AC = 3 . Segue
Solucao
A = 16, B = 9 e A 6= B. Entao procedendo como antes, obtemos
tan = 34 ou tan = 43 . Para nos interessa o primeiro valor, donde
= arctan 34 . Segue que cos = 45 e sin = 53 . Agora basta substituir na
equacao matricial.
Outro modo que pode ser pratico e simplesmente calcular diretamente
os valores de A0 , . . . , F 0 segundo as expressoes vistas anteriormente.
De qualquer modo, obtemos (x0 )2 = 4y 0 , que e a equacao de uma
parabola. Deixamos ao leitor efetuar o desenho desta conica. X
Exemplo 13.5.5 Determine os semi-eixos da conica xy 2y = 2.
Solucao
Como A = C = 0, entao = 4. Agora basta utilizar a equacao matricial
para obter (x0 1)2 (y 0 +1)2 = 4. Pelas mudancas de variaveis: x00 = x0 1,
00 2 00 2
y 00 = y 0 + 1, obtemos (x00 )2 (y 00 )2 = 4, ou seja, (x4 ) (y 4 ) = 1, que e a
equacao de uma hiperbole equilatera de semi-eixos a = b = 2.
Vamos agora determinar o centro O0 : ora, x00 = 0, y 00 = 0 implicam em
0 0 0
x = 1, y = 1, donde x = 2, y = 0. Logo O = ( 2, 0). Deixamos mais
uma vez o desenho a cargo do leitor. X
UNIVATES Centro Universitario 215
13.6.1 Exemplos
2 2
Exemplo 13.6.1 xa2 + yb2 = 0: pode ser escrita como b2 x2 + a2 y 2 = 0,
cuja solucao e x = y = 0. Logo trata-se de um ponto (0, 0).
Como B 2 4AC = 0 4b2 a2 < 0, e do tipo elptico. X
2 2
Exemplo 13.6.2 xa2 + yb2 = 1: esta equacao pode ser escrita como
b x + a2 y 2 + a2 b2 = 0, cuja solucao e S = .
2 2
x2 y2 2 x
13.3.2 12 4 = 1, assntotas r: y = 12
e s: y = 212 x
(x0 )2 (y 0 )2
13.6.7 1). 8 + 3 = 1: elipse; 2). y 0 = 15 : sao 2 retas paralelas
Artigos para
Aprofundamento
A.5 Modelos
E o Captulo 2 de C. Perin ([26]), paginas 13 a 44.
Autovalores e Vetores
Proprios, Diagonalizacao de
Operadores Lineares
B.1 Introducao
Percebe-se ~
que todo vetor
pertencente ao eixo OX e fixo por rx . De fato:
1 0 x x
= , ou seja, rx (x, 0) = (x, 0).
0 1 0 0
x
Ademais, sao os unicos vetores fixos, pois se e um vetor do R2
y
1 0 x x x + 0y = x
tal que = , camos no sistema ou
0 1 y y 0x y = y
x = x
, cuja unica solucao e (x, 0) com x R. X
y = y
Solucao
1 3
A equacao caracterstica de A e det(I A) = = 0 ou
4 2
2 3 10 = 0.
A forma fatorada desta equacao e ( + 2)( 5) = 0, de modo que os
autovalores de A sao = 2 e = 5.
Por definicao, x e um autovetor deA se, e somente se,
x e umasolucao
1 3 x1 0
nao-trivial de (I A)x = 0; ou seja, = .
4 2 x2 0
Se = 2, entao a equacao acima e dada por
3 3 x1 0
= .
4 4 x2 0
p() = det(I A) = n + c1 n1 + . . . + cn .
Solucao
O polinomio caracterstico de A e
1 0
det(I A) = 0 1 = 3 82 + 17 4.
4 17 8
Solucao
Lembrando que o determinante de uma matriz triangular e o produto das
entradas na diagonal principal (desafio!), obtemos o polinomio caracterstico
prova: desafio!
1. e um autovalor de A;
Exemplo
B.3.9
Encontre bases para os auto-espacos da matriz
0 0 2
A = 1 2 1 .
1 0 3
Solucao
A equacao caracterstica da matriz A e 3 52 + 8 4 = 0 ou, na
forma fatorada, ( 1)( 2)2 = 0; assim, os autovalores de A sao = 1 e
= 2. Portanto, temos dois auto-espacos de A.
Por definicao, x = (x1 , x2 , x3 )t e um autovetor de A associado a se, e
somente se, x e uma solucao nao-trivial de (I A)x = 0, ou seja, se = 2,
entao o sistema e dado por
2 0 2 x1 0
1 0 1 x2 = 0 .
1 0 1 x3 0
B.4 Diagonalizacao
Nesta secao abordaremos o problema de encontrar uma base do Rn que
consista de autovetores de uma dada matriz A (nn). Estas bases podem ser
usadas para estudar problemas geometricos de A e para simplificar muitas
contas envolvendo A. Elas tambem tem significado fsico em uma grande
variedade de aplicacoes, algumas das quais serao consideradas ainda neste
curso.
Nosso primeiro objetivo e mostrar que os dois problemas a seguir, embora
aparentemente sejam bastante diferentes, na realidade sao equivalentes.
O Problema dos Autovetores: dada uma matriz A de tamanho nn,
existe uma base do Rn consistindo de autovetores de A?
O Problema da Diagonalizacao (Versao Matricial): dada uma
matriz A de tamanho n n, existe uma matriz invertvel P tal que P 1 AP
e uma matriz diagonal?
Este ultimo problema sugere a seguinte terminologia.
Exemplo
Encontre a matriz P que diagonaliza a matriz
B.4.3
0 0 2
A = 1 2 1 .
1 0 3
Solucao
No exemplo B.3.9 verificamos que ( 1)( 2)2 = 0 e a equacao
caracterstica deA e encontramos
as seguintes basesde auto-espacos:
1 0 2
= 2: p1 = 0 , p2 = 1 ; = 1: p3 = 1 .
1 0 1
Ha
tres vetores de
base no total, portanto a matriz A e diagonalizavel e
1 0 2
P = 0 1 1 diagonaliza A.
1 0 1
Para conferir,
o leitor
deveria verificar
que
1 0 2 0 0 2 1 0 2 2 0 0
P 1 AP = 1 1 1 1 2 1 0 1 1 = 0 2 0 . X
1 0 1 1 0 3 1 0 1 0 0 1
Nao existe uma ordem preferencial para as colunas de P . Como a i-esima
entrada diagonal de P 1 AP e um autovalor para o i-esimo vetor-coluna de
P , mudando a ordem das colunas de P so muda a ordem dos autovalores na
UNIVATES Centro Universitario 228
1 2 0
diagonal de P 1 AP . Assim, se tivessemos escrito P = 0 1 1 no
1 1 0
2 0 0
exemplo B.4.3, nos teramos obtido P 1 AP
= 0 1 0 .
0 0 2
Exemplo
Encontre a matriz P que diagonaliza a matriz
B.4.4
1 0 0
A= 1 2 0 .
3 5 2
Solucao
O polinomio caracterstico de A e
1 0 0
det(I A) = 1 2 0 = ( 1)( 2)2 ,
3 5 2
(P 1 AP )2 = P 1 AP P 1 AP = P 1 AIAP = P 1 A2 P.
(P 1 AP )k = P 1 Ak P.
P 1 Ak P = (P 1 AP )k = Dk .
Ak = P Dk P 1 .
Solucao
UNIVATES Centro Universitario 231
Mostramos no
exemplo B.4.3 que a matriz A e diagonalizavel e que
2 0 0
D = P 1 AP = 0 2 0 . Assim,
0 0 1
8190 0 16382
A13 = P D13 P = 8191 8192 8191 . X
8191 0 16383
Exemplo B.5.2
A matriz canonica
para rotacao anti-horaria do R2 por
cos sin
um angulo , , e ortogonal para todas as escolhas de
sin cos
(verifique!).
Teorema B.5.4
3. Ax Ay = x y para quaisquer x, y Rn .
1. A e ortogonalmente diagonalizavel;
3. A e simetrica.
Solucao
A equacao caracterstica de A e det(I A) = (2)2 (8) = 0. Assim,
os autovalores de A sao = 2 e = 8. Pelo metodo usado no exemplo B.3.9,
pode ser mostrado que u1 = (1, 1, 0)t e u2 = (1, 0, 1)t formam uma base
do auto-espaco correspondente a = 2. Aplicando o processo de Gram-
Schmidt a {u1 , u2 } obtemos os seguintes vetores ortonormais:
t
1 1 1 1 2 t
v1 = , , 0 e v2 = , , .
2 2 6 6 6
O auto-espaco associado a = 8 tem uma base formada pelo vetor
u3 = (1, 1, 1)t . Aplicando o processo de Gram-Schmidt a {u3 } obtemos
t
v3 = 13 , 13 , 13 .
Finalmente,
usando v1
, v2 e v3 como vetores-coluna, obtemos
12 16 13
P = 12 16 13 que diagonaliza A ortogonalmente (Para con-
0 2 1
6 3
ferir, o leitor interessado pode querer verificar que P t AP e uma matriz
diagonal). X
A esta altura, sugerimos fortemente ao leitor a resolucao dos exerccios
computacionais de [1], pgs. 255-256.
E
H T
C I GR
A N E
Apendice C
Produto Escalar
2. ~u ~v = ~v ~u;
3. ~u (~v + w)
~ = ~u ~v + ~u w;
~
onde = (~u, ~v ).
235
UNIVATES Centro Universitario 236
~u ~v = 0 cos = 0 = 90 ~u ~v .
Solucao
~ ~u = ~0
w
Seja w
~ = (x, y, z) tal que ~ ~v = ~0 ,
w isto e,
||w||
~ = 1
x+y+z = 0
x + 2y + 3z = 0 . Entao e facil ver que os vetores-solucao sao
2
x + y2 + z2 = 1
w~1 = 66 , 36 , 66 e w~2 = 66 , 36 , 66 . X
UNIVATES Centro Universitario 237
~
Se chamarmos de e os angulos que ~u e ~v formam com o eixo OX,
a b
respectivamente, temos que = , cos = a2 +b2 , sin = a2 +b2 ,
cos = c , sin = d . E, por (C.1),
c2 +d2 c2 +d2
Solucao
cos2 = 1 cos2 cos2 = 14 . Entao =60o ou = 120o .
Logo ||~~vv|| = 22 , 12 , 12 ou ||~~vv|| = 22 , 12 , 12 . X
Solucao
96 64
(1814)
proj~v ~u =
( 9+4)2
(3, 2) = 13 , 13 . X
E
H T
C I GR
A N E
Apendice D
Processos Aleatorios:
Cadeias de Markov
Resolucao
C E
C 1/4 1/2
E 3/4 1/2
1/4 1/2
T =
3/4 1/2
Figura D.2: Matriz de transicao
Observamos que
(1)
(1) 1 1 1 (1) (1)
pC 4 2 pC 4 pC + 12 pE
T = = .
(1) 3 1 (1) 3 (1) (1)
pE 4 2 pE 4 pC + 12 pE
Portanto,
(2) (1)
pC pC
=T .
(2) (1)
pE pE
O mesmo ocorre do segundo para o terceiro ano, deste para o quarto,
etc. Temos, pois, a sequencia:
o o
1 ano 2 ano
z }| { z }| {
(1) (2) (1)
pC pC pC
= T
(1) (2) (1)
pE pE pE
o
3 ano
z }| {
(3) (2) (1)
pC pC pC
= T = T2
(3) (2) (1)
pE pE pE
..
.
UNIVATES Centro Universitario 242
..
.
nesimo ano
z }| {
(n) (1)
pC pC
= T n1
(n) (1)
pE pE
Deste modo, o comportamento do clima da regiao a longo prazo (quando
n aumenta) podera ser previsto2 se soubermos que os elementos das matrizes
T n , n = 1, 2, . . . se aproximam dos elementos de uma matriz fixa P pois,
(n) (n)
neste caso, pC p1 e pE p2 quando n com
(1)
p1 pC
=P
(D.1)
p2 (1)
pE
Se T n nao se aproxima de uma matriz P , entao nao poderemos fazer
nenhuma previsao a longo prazo, pois o processo se modificara bastante a
cada passo.
Assim, um dos problemas que devemos resolver e quais sao as condicoes
sobre a matriz T das probabilidades de transicao, para que suas potencias
se aproximem de uma determinada matriz.
Isto sera respondido na proxima seccao, junto com o termino da resolucao
do exemplo D.1.3.
D.2 Conceito
Definicao D.2.1 Um processo aleatorio de Markov (ver definicao
D.1.1) e um processo que pode assumir estados a1 , a2 , . . . , ar , de tal modo
que a probabilidade de transicao de um estado aj para um estado ai seja pij
(um numero que so depende de aj e ai ).
Definicao D.2.2 A matriz das probabilidades de transicao (ou
matriz estocastica) e dada por:
p11 p12 p1r
p21 p22 p2r
T = . .. . . ..
.. . . .
pr1 pr2 prr
(Observe que pij 0, e que a soma de cada coluna deve ser 1).
Definicao D.2.3 O vetor de probabilidades e aquele cuja i-esima
linha da a probabilidade de ocorrencia do estado ai apos n transicoes:
(n)
p1
..
.
(n)
pr
2
Tal previsao e importante, pois se chegarmos, por exemplo, a conclusao de que
(n)
pE 1 quando n , a longo prazo a regiao se ternara um deserto.
UNIVATES Centro Universitario 243
D.3.1 Exemplos
Exemplo D.3.5
Voltando
ao exemplo D.1.3, temos que a matriz de
1/4 1/2
transicao T = e regular, pois ela mesma (potencia 1) ja tem
3/4 1/2
todos os elementos positivos. Logo, pelo item (iv) do teorema D.3.2, quais-
quer que sejam as probabilidades iniciais teremos, a longo prazo,
pC 1/4 1/2 pC
=
pE 3/4 1/2 pE
1
pC = 4 pC + 12 pE 2pE = 3pC
ou ou pE = 32 pC .
pE = 34 pC + 12 pE 2pE = 3pC
Como devemos ter pC + pS = 1 (probabilidade total), temos pC + 32 pC = 1
e, portanto, pC = 52 e pE = 35 . Desta feita, a longo prazo a regiao tendera a
uma ligeira aridez. X
Resolucao
Resolucao
N a+ N a+
Resolucao
% GG com probabilidade 1
GG cruzado com GG Gg com probabilidade 0
& gg com probabilidade 0
Tabela D.2: Cruzamento entre indivduos dominantes
% GG com probabilidade 0
gg cruzado com gg Gg com probabilidade 0
& gg com probabilidade 1
Tabela D.3: Cruzamento entre indivduos recessivos
% GG com probabilidade 0
GG cruzado com gg Gg com probabilidade 1
& gg com probabilidade 0
Tabela D.4: Cruzamento entre um indivduo dominante e um recessivo
dd rr dr dh rh hh
d 1 0 0 0,5 0 0,25
h 0 0 1 0,5 0,5 0,5
r 0 1 0 0 0,5 0,25
Cruzamento Probabilidade
(1) (1)
dd pd pd
(1) (1)
rr pr pr
(1) (1)
dr 2pd pr
(1) (1)
dh 2pd ph
(1) (1)
rh 2pr ph
(1) (1)
hh ph ph
Solucao
Somatorios
a1 + a2 + a3 + a4 + a5 + a6 + a7 + a8 + a9 + a10 ;
P
10
no sentido de sintetizar esta soma, usaremos o smbolo ai que deve ser
i=1
lido: somatorio de ai , com i variando de um ate dez.
Note que o ndice i pode ser substitudo por qualquer outra letra; de
fato, a mesma soma apresentada anteriormente poderia tambem ser escrita
P
10 P
10 P
10
como: aj ou an ou as . Muitas vezes aparecem tambem somatorios
j=1 n=1 s=1
duplos, triplos, etc., onde trabalhamos com dois, tres, etc. ndices.
E.1 Exemplos
P
2
Exemplo E.1.1 O somatorio duplo aij representa:
i,j=1
a
11 + a12 +a21 + a22 , ou seja, a soma dos termos da matriz quadrada
a11 a12
.
a21 a22
P
2
Exemplo E.1.2 O somatorio triplo aijk representa:
i,j,k=1
251
UNIVATES Centro Universitario 252
E.2 Exerccios
P
n
Exerccio E.2.1 Desenvolver o somatorio i.
i=1
P
7
1
Exerccio E.2.2 Desenvolver o somatorio i.
i=3
P
6
i
Exerccio E.2.3 Desenvolver o somatorio i+1 .
i=1
P
121
Exerccio E.2.4 Quantas parcelas ha no somatorio ai ?
i=53
P
n
Exerccio E.2.5 Desenvolver o somatorio ai bni .
i=0
P
n
Exerccio E.2.6 Desenvolver o somatorio (1)n ai , nos casos:
i=0
1. n e par.
2. n e mpar.
1 a + a2 a3 + . . . + a100 a101 .
1 + a a2 + a3 . . . a100 + a101 .
P
70
Exerccio E.2.12 Calcular o somatorio 2.
i=23
UNIVATES Centro Universitario 253
P
n P
n
Propriedade E.3.1 ai = (ai )
i=1 i=1
prova:
P
n
ai = (a1 + a2 + a3 + + an1 + an ) =
i=1
= a1 + a2 + + an1 + an =
Pn
= (ai )
i=1
P
n P
n P
n
Propriedade E.3.2 (ai + bi ) = ai + bi
i=1 i=1 i=1
prova: exerccio. P
P
n P
m P
n P
m
Propriedade E.3.3 ( ai )( bj ) = ai bj
i=1 j=1 i=1 j=i
P
m
prova: Seja B = bj ; entao:
j=1
P
n P
m P
n
( ai )( bj ) = ( ai ) B =
i=1 j=1 i=1
P
n
= (ai B) =
i=1
Pn P
m
= (ai bj ) =
i=1 j=1
Pn Pm
= ai bj
i=1 j=1
P
n P
m P
m P
n
Propriedade E.3.4 ai bj = ai bj
i=1 j=1 j=1 i=1
UNIVATES Centro Universitario 254
prova:
P
n P
m P
n
ai bj = (ai b1 + ai b2 + + ai bm ) =
i=1 j=1 i=1
= a1 b1 + a1 b2 + + a1 bm1 + a1 bm +
+a2 b1 + a2 b2 + + a2 bm1 + a2 bm +
+an1 b1 + an1 b2 + + an1 bm1 + an1 bm +
+an b1 + an b2 + + an bm1 + an bm =
Pn P
n P
n Pn
= ( ai )b1 + ( ai )b2 + + ( ai )bm1 + ( ai )bm =
i=1 i=1 i=1 i=1
P
m Pn
= ( ai )bj =
j=1 i=1
Pm P n
= ai bj
j=1 i=1
E.2.4 121 53 + 1 = 69
P
n
E.2.7 ai xni
i=0
P
101
E.2.8 (1)i ai
i=0
P
101
E.2.9 (1)i+1 ai
i=0
n
P n ni i
E.2.10 i x a
i=0
E.2.11 25 = 32
E.2.12 96
E
H T
C I GR
A N E
Apendice F
F.1 Introducao
1. Se x = 1 entao y = ;
2. Se x = 2 entao y = ;
3. Se x = 6 entao y = .
255
UNIVATES Centro Universitario 256
1. Se x = 3, entao y = ;
2. Se x = , entao y = 4.
yB B
yA
C
A
xA xB
tan(180 ) = tan .
UNIVATES Centro Universitario 258
yB B
180
yA C A
xB xA
(0, n)
y = mx + n
0
Figura F.4: Coeficiente linear da reta
(0, 3)
45o
0
Resolucao
a. b.
(0, 5)
60o
45o
(0, 2)
c. d.
(0, 1) 135o
30o (0, 3)
e. f.
150o
60o
(0, 3)
UNIVATES Centro Universitario 261
N M
O P
UNIVATES Centro Universitario 262
Exerccio F.3.7 Na figura abaixo, ABCD e um quadrado de lado 2 2.
Qual e a equacao da reta que os pontos B e C determinam?
O
A
n
r
0 (d, 0)
B
UNIVATES Centro Universitario 264
a. b.
0
P (3, 2)
r
r P (4, 3)
c. d.
P (2, 1)
r 0
2. y = 2
3. y 2 = 3(x + 5)
4. x = 6
UNIVATES Centro Universitario 265
Resolucao
y 11 2 9
m= = = =3
x 2 (1) 3
O coeficiente angular e m = 3. X
1. A(3, 4) e B(7, 8)
2. A(1, 2) e B(5, 6)
3. A(2, 3) e B(3, 2)
4. A(10, 8) e B(7, 8)
C B
A
N
O
r
t s
Resolucao
r
C B
M
P s
N
O A
C B r
O
A
t
UNIVATES Centro Universitario 268
P (xP , yP )
y y yP
m= = .
x x xP
Entao: y yP = m(x xP ) .
Note que o proprio ponto P (xP , yP ) satisfaz a equacao:
(x, y)
P (xP , yP )
UNIVATES Centro Universitario 269
P (xP , yP )
Conclusao: As retas que passam por P (xP , yP ) tem suas equacoes da-
das por: y yP = m(x xP ) ou x = xP .
P (5, 3)
150o
45o 120o
s
UNIVATES Centro Universitario 270
Resolucao
1. P (2, 1) e m = 2;
2. P (1, 3) e m = 1;
3. P (0, 5) e m = 3;
4. P (0, 0) e m = 1.
a. b. c.
P (4, 2) (1, 4) (7, 1)
45o
30o
45o
d.
e. f.
60o
60o
( 3, 2)
(2, 1)
UNIVATES Centro Universitario 271
Resolucao
A reta nao e vertical e passa por A(1, 1); logo: y 1 = m(x 1). Mas,
y yB yA 11 1
m= = = = 5.
x xB xA 31
Entao, y 1 = 5(x 1) ou ainda y = 5x 4. X
r
s
D t
C
P
O A
UNIVATES Centro Universitario 272
Resolucao
(s): 5x + 7y + 8 = 0 y = 57 x 87 ms = 57 . Mas, r k s; logo:
mr = ms = 75 .
Como a reta r passa por P (2, 3), sua equacao e: y 3 = 57 (x + 2) ou
y = 57 x + 11
7 ou ainda 5x + 7y 11 = 0. X
Exerccio F.5.3 Em cada caso escreva a equacao da reta que passa pelo
ponto P e e paralela a reta (r) dada:
1. P (1, 2) e (r): 2x 5y + 7 = 0;
2. P (3, 5) e (r): y = 8x 1;
3. P (4, 5) e (r): y = 1;
x y
4. P (1, 8) e (r): 2 + 3 = 1;
6. P (2, 3) e (r): x 3 = 0.
C
B
Solucao
Seja o sistema
5x + 4y + 2 = 0
3x 4y 18 = 0.
Somando-se as duas equacoes, segue que 8x 16 = 0.
Logo, x = 2 e y = 3. Portanto, o ponto de interseccao de r com s e
P (2, 3). X
1. (r): y = 2x + 7; (s): y = x + 3;
2. (r): 2x + 3y + 1 = 0; (s): x + 2y = 0;
3. (r): y = 3x 7; (s): y = 8;
4. (r): y = 3x + 6y + 1 = 0; (s): x + 2y 5 = 0.
UNIVATES Centro Universitario 274
r D
s
2
Exerccio F.6.5 A parabola e a reta de equacoes y = x9 + 3x + 6 e
y = 34 x cortam-se em dois pontos A e B. Determine o comprimento do
segmento AB.
s + = 90o
De fato, . Logo, = s .
+ = 90o
Assim, tan r = tan(90 + s ). Donde,
sin(90 + s ) cos s 1
tan(r ) = = = .
cos(90 + s ) sin s tan s
Entao, mr = m1s .
Conclusao: Se duas retas r e s sao perpendiculares, tem-se: mr = m1s
ou entao uma das retas e horizontal e a outra, vertical.
Solucao
(s): 4x 7y + 1 = 0 y = 47 x + 17 . Entao ms = 74 . Mas r s, logo
mr = 74 . Como P r, segue que (r): y 5 = 47 (x 3). X
Exerccio F.7.2 Em cada caso escreva a equacao da reta que passa pelo
ponto P e e perpendicular a reta r dada:
1. P (2, 1) e (r): 2x y + 4 = 0;
2. P (8, 3) e (r): 5x + 2y 9 = 0;
3. P (4, 6) e (r): x 3 = 0.
r
Q
1. P (3, 1) e (r): x + 2y 6 = 0;
2. P (2, 1) e (r): x + 3y 6 = 0.
'$
P
&%
Resolucao
O raio da circunferencia CP e a reta t sao perpendiculares entre si. Como
mCP = xyPP x
yC
C
= 43 1 1
64 = 2 , tem-se mt = mCP = 2. A reta t passa por
P (6, 4) e mt = 2, logo a equacao e: y 4 = 2(x 6) ou y = 2x + 16.X
T
r
Resolucao
Seja s a reta que passa por P e e perpendicular a r. Entao mr = 31 ,
donde ms = m1r = 3. A equacao de s e: y 1 = 3(x 4) ou y = 3x 11.
Obtemos {Q} = r s, resolvendo o sistema das equacoes r e s. Assim,
Q = (3, 2). Como Q e o ponto medio de T P , temos que xQ = xP +x 2
T
,
yP +yQ
donde xT = 2. Da mesma forma, yQ = 2 , donde yT = 5. Logo,
T (2, 5). X
Resolucao
Seja (s) a reta que passa por P e e perpendicular a r. Entao mr = 43 ,
donde ms = m1r = 43 . A reta s passa por P (7, 11) e ms = 43 ; logo, sua
equacao e: y 11 = 43 (x 7) ou y = 43 x + 53 .
Obteremos o ponto Q, projecao de P sobre r, resolvendo o sistema:
3x + 4y 15 = 0
, donde Q(1, 3).
y = 34 x + 53
A distancia entre P e r e a distancia entre os pontos P e Q:
p
dP,r = d 2 2
pP,Q = (xp xQ ) + (yP yQ ) =
= (7 1)2 + (11 3)2 = 10.
Resolucao
Equacao geral: 12x 5y + 3 = 0.
2. P (5, 7) e (r): y = 2x + 3
3. P (3, 5) e (r): x y 1 = 0
4. P (2, 3) e (r): y = 2x + 1
5. P (5, 3) e (r): x 2 = 0.
Resolucao
Seja P (0, yP ) o ponto procurado. Tem-se que:
dP,r 2
| 30yP +12|
=2
2
( 3) +(1) 2
|12y
2
P|
=2
12 yP = 4
s
Resolucao
Os pontos P (x, y) do par de bissetrizes equidistam de r e s, isto e,
satisfazem dP,r = dP,s . Entao:
B C F
'$
G
Q
&%
P
E
A D
UNIVATES Centro Universitario 281
F.3.3 m = 32 , n = 4
F.3.4 Subdividindo:
1. y = 3x + 5
2. y = x 2
3
3. y = 3 x +1
4. y = x 3
5. y = 3x
3
6. y = 3 x 3
3
F.3.5 y= 3 x +3
F.3.6 y = x + 2
F.3.7 y =x+2
F.3.8 y = 5 (rel. a OB); y = 3x 10 (rel. a OA)
F.3.9 a. y = 2; b. y = 3; c. y = 1; d. x = 0
F.4.6 a = 92 ;
F.6.5 5
12
F.9.4 5
UNIVATES Centro Universitario 282
F.9.5 6
E
H T
C I GR
A N E
Bibliografia
[4] BOLDRINI, J.B. Algebra linear, Sao Paulo, Editora Harper &
Row do Brasil Ltda., 3a edicao, 1986
[10] http://www.somatematica.com.br
[17] LIMA, E.L. Sobre o ensino de sistemas lineares, Sao Paulo, SBM,
Revista do Professor de Matematica (RPM) 23 (1993), pags. 8-18
[30] REIS, G.L. dos & SILVA, V.V. da Geometria Analtica, Rio
de Janeiro, LTC, 1996.
303