DEPARTAMENTO DE MATEMATICA
E
FISICA
ARIONALDO
ÇRISPIIVI
DE
ALMEIDA
VALNICE
SA
DE BRITO
ROCHA
GENERAL[zANjDo
A
FORMULA
DE BÁSKARA PARA EQUAÇÕES
QUADRATICAS
COM
COEFICIENIES MATRICIAIS
Santa Inês -
MA
2009
GENERALrzA1¶Do
A
FORMULA
DE
BÁSKARA PARA EQUAÇÕES
QUADRATICAS
coM
co1‹:r‹¬1c1íENTEsMATRICIAIS
Monografia
apresentada ao departamento deMatemática
e Físicada
Universidade Federal de Santa Catarina,como
requisito para obtençãodo
Título de Especialistaem
Matemática.
Orientador: Ferrnim S. V.
Bazán
Santa Inês -
MA
2009
M
UNIVERSIDADE
FEDERAL
DE
SANTA CATARINA
CENTRO DE
CIÊNCIAS
FÍSICAS
E
MATEMÁTICAS
Departamento
de Matemática
Curso
de
Especializaçãoem
Matemática-Formação
de
Professorna modalidade
a distância"6enemlizundo
cxFórmula
de
Báskara para
Equações Quadráticos
çMatriciais*
Monografia submetida
aComissão de
avaliaçãodo Curso de
Especializaçãoem
Matemática-Formação
do
professorem
cumprimento
parcialpara
a
obtençãodo
títulode
Especialistaem
llfiatemática.
APROVADA
PELA COMISSÃO
EXAMINADORA
em
24/07/2009\
Dr.
Fermin
S. V.Bazán
(CFM/UFSC -
Orientador)Im;
A/\`
, _Dr. Daniel Norberto Kozakevich
(CFM/UFSC -
Examinador)I/›
Í
š
Dr.
Márcio
RodolfoFemandes
(CFM/UFSC
- Examinador)O,
Dra. Neri Terezinha
Both
Carvalho* 1 -Coordenadora
do
Curso de Especializaçãoem
Matemática¿Formação de ProfessorGENERALIZANDQ
A FQRMULA
D1:BÁSKARA PARA EQUAÇÕES
Aprovada
em:QUADRÁT1cAs
coM
COEFICIENTES
1vLAT1uc1A1s
Monografia
apresentada ao departamento deMatemática
e Fisicada
Universidade Federal de Santa Catarinacomo
requisito para obtençãodo
Título deEspecialista
em
Matemática./ I
BANCA EXAMINADORA
Dr. Fennín S. V. Bazán
(Orientador)
Dr. Daniel Norberto kozakevich (Examinador) ~
Dr. Márcio Rodolfo
Femandes
(Examinador)Liberato de
Almeida
eNeusa
Crispim Liberato de Almeida,que
me
amaram
incondicionalmente ao longo da vida. (in
A
minha
esposa Luziane,que
estásempre ao
meu
lado,ajudando-me
com
seu~
ã|`:ífiGÍ` 6 pãfišäü.
Aos meus
filhosque
são a razão maior deminha
vida.Ao
professor, Fermín S. V. Bazán, pela orientação `Sui Generis' ao longodo
nosso trabalhomonográfico.
vida.
Aos meus
amigos dc
curso.À
Universidade Virtualdo
Maranhão
À
Universidade Federalde
Santa CatarinaÁ
coordenadoraMaria
DeuseleneMacedo
Coutinhoda
Universidade Virtualdo
Maranhão
~
pólo Santa InêsAos
professores, especialmente ao prof. Dr. Fermín S. V. Bazán, nosso orientador,que
com
tanta presteza colaborou nestamonografia.
Aos meus
amigos
de curso, Antônio Batista,Carmem
Edimê, Darcy
Cristiana,com
quem
convivemos
com
muita alegria.À
meu
esposo JoséRibamar
Rocha
e aosmeus
filhosDelba
Laissa ,Layna
Cristina e Paulo Ricardo .
À
meus
pais Cícero Brito c Iara Sá.Á
minha amiga Maria
Leal,que nunca
deixou-
me
desistir dosmeus
sonhos.ou
mesmo
corpo.Só
precisamosespírito, vontade, perseverança e
principalmente, convicção na mais bela
estrutura lógica criada pelo
homem
[...].1
INTRODUÇÃO
... .._ ... ... .. s2
ABORDAGEM
HISTÓRICA
DA EQUAÇÃO DO
SEGUNDO
GRAU
... .. 93
NOÇÕES
BÁSICAS
... .._ ... .; ... .. 133.1
EQUAÇÕES
POLINOMIAIS
... .. 133.2
ALGUNS
CONCEITOS
DA ÁLGEBRA
LINEAR
... .. 153.2.1
MATRIZES
... _.15
3.2.1.1OPERAÇÕES
COM
MATRIZES
... .. 163.2.1.2
MATRIZES
[Propriedades} ... .. ... .. 173.2.1.3
TIPOS ESPECIAIS
DE
MATRIZES
... .. 173.2.2
DETERMINANTES
... .. 193.2.3
SISTEMA
DE
EQUAÇÕES
LINEARES
... ..20
3.2.3.1
CARACTERISTICA
OU
POSTO DE
UMA
MATRIZ
... ..21
3.2.4
DEPENDÊNCIA
LINEAR
... ..23
3.2.4.1
PROPRIEDADES
... ..23
3.2.5
AUTOVAI.-ORES
E
AUTOVETORES
... .24
4
QUACÕES
POLINOMIAIS MATRICIAIS
... ..30
4.1
MOTIVAÇÃO
E
FORMULAÇÃO DO
PROBLEMA
... ..30
41.2
NOÇÕES
BÁSICAS
SOBRE POLINÕMIOS
MATRICIAIS
... ..33
5
EXISTÊNCIA
E
CONSTRUÇÃO
DE
SOLVENTES
... ..37
5.1
A
FÓRMULA
DE BÁSKARA PARA
EQUAÇÕES
POLINOMIAIS
MATRICIAIS
QUADRÁTICA
... ..37ó
CONSIDERAÇÕES
FINAIS
... ..52
1.
INTRODUÇÃO
Está
comprovado que
os conceitos de Álgebra são indispensáveis para inúmeras pesquisas realizadasem
diversas áreasda
ciência.`
O
objetivo primordial deste trabalhode
conclusãode
curso é propiciar ao estudantede
gaduação,
bem como
ao leitorque tem
interessena
área, a aquisição de conhecimentos sobreequações polinomiais matriciais.
O
trabalhocompreende
quatro capítulos, sendoque
o
primeiro capítulo foidesenvolvido a partir
de
um
estudo bibliográficode
alguns autoresda
áreada
Históriada
Matemática
para descrever aspectos históricos das equações,em
especial as equaçõesdo
segundo
grau.A
princípio apresentamos as contribuições dos babilônios para o desenvolvimento dessas equações.Em
seguida, trazem-se as descobertas dos Árabes e Hindus, principalmente aquelasque
contribuíram para deduzir a fórmula geral para a~ ~
Í`l\Cf\I`I1('9I'\ AQ DI1'|IQ!'9f\ (`!'\ QPfl'IIf1I"I'\ flfflli
Aflflññ
aflçãflfi Q Qfã ITHO Pflflêbffllã VIH;l\l;3\llLly0I›\J '\ølÍvI› \l\I \3\Iõ\|lll\ul\J \IIl-ll\l\I \¡ll.lIuFflV lb Efl E3' gâ r¢` QIICÀ, MIDI* \J\JllO\Jõ\J\¡ Mllzll :ih 'B 5¬ ça
solução das equações quadráticas pelo
método de complemento de
quadrado.No
segundo capítulo são tratados os conceitos básicos de Álgebra Linear,que
são indispensáveis para a resolução de equações polinorniais matriciaisO
terceiro capitulo trazum
estudo mais detalhado sobreo
assunto, incluindodlefinições, observações, teoremas, corolários e a resolução
de algumas
equações polinomiaismatriciais
do
primeiro esegundo
grau.Lembrando
ao
leitorque
serão abordadas apenas as equações polinomiais matriciais de primeiro esegundo
grau, devido à dificuldade de seencontrar a solução
de
uma
equação polinomial matricial de grau maior.No
quarto capituloacontecem
efetivamente as soluções das equações polinomiaisquadráticas.
Por
último, nas considerações finais,apontamos
as dificuldades encontradas, oque
a experiência trouxede novo
eo
questionamento a ser investigadoem uma
pesquisa2
ABORDAGEM
HISTÓRICA
DA EQUAÇÃO
DO
SEGUNDO
GRAU
As
referências mais antigas sobre a resoluçãode
problemas envolvendo equaçõesdo
-¬^-"~Â^ 'M-:~~~ 'p^‹':~°~^ ^-fe^«4-1-Â:~fl. ^‹~^ *^"*^'2 Í~sJ'-“Ê-:f:^f1 ^‹vv-:4~^'1 LÁ QA-fer Â^Ânnn
e\-f.~~. :~4~'É‹¬.hUëUllUU ëldll lU1d.lll Cllbflllllldlldb Ulll ICÃLUB UdUllUlllUUb Ubbl ll.Ub lld. UCIUG.
UC
“ÍUUU d.llUb dll db.BOYER
(1996) {2] enfatizaque no
periodo babilônico muito textosde
problemasmostram
que
os babilôniosnão
tinham dificuldades na solução de equações quadráticas e que os egípcios trataram muitode
equações lineares.rx.. ' A '
1 1.1 f '
Ê? cr ‹ ::..
C
) ‹n‹r\n :Õ fu Êx- Ê... ne :rnwvnvn-‹ § nzxcu-1 z\øu1¬‹\‹\f\4`4¬ ~ usas'-A Q-‹\n^ 'wma «\¢-1» ^«›\n« «\¢~n-6-‹z\¢`:¬U5
IUUS Vdlll UUIU ULlUi'1\¡?\)Cb` Pälii ICSUIVCI Pl UUlUlll¡1.§ Pl ZZUUUS,principalmente àqueles ligados à agricultura e divisão de terras.
Cada
problema
era resolvidopara cada caso particular e sua solução,
que
erauma
espéciede
“receita matemática”, forneciasomente
uma
raiz positiva enão
especificavanem
sua fórmula geral (se houvesse),nem
o
modo
como
a solução tinha sido obtida. Assim,perwbe-se que
a busca pelas soluções relacionava-se às equações particulares para resolver problemas específicos.Os
métodos
estavam quase
sempre
ligados as idéias aritméticas,sem
a preocupação de encontrar soluçõesgerais. Então, a
noção de
equação utilizada por esses povos, principalmente os egípcios, tinhaessencialmente
um
caráter pragmático e intuitivo, tornandoo
desenvolvimentodo problema
muito
demorado
e exaustivo,como
no
seguinte exemplo:Qual
éo
ladode
um
quadradoem
que
a áreamenos
o
ladodá
870?(o
que
hoje se escrevexz
-
x
=
870).
E
a receita era:tome
ametade de
1 (coeficientede
x) e multiplique por elamesma,
( 0,5
x
0,5=
0,25) .Some
o
resultado a870
(termo independente).Obtém
um
quadrado(870,25
=
(29,5)2) cujo ladosomado
àmetade de
1 vai dar (30
)0
ladodo
quadrado procurado [7].EVES,
na obra Introdução à Históriada Matemática
(2004) [6] comenta:'Tor volta do ano 2000 a.C a aritmética babilônica já tinha evoluído para urna
álgebra retórica
bem
desenvolvidaOs
babilônios passaram a resolver equaçõesquadraticas pelo método de substituição ou pelo método de completar quadrados.
Ainda enfatiza que a ,matemática babilônica refere-se a
uma
geometria de caráterpuramente algébrioo,
com
problemas expressosem
terminologia geométrica, masque não passam de problemas algébrioos não triviais”.
Na
Grécia, as equaçõesdo
segundo graueram
resolvidas pormeio de
construções geométricas e deforma
dedutiva.A
resolução baseava-seem
manipulações geométricas.Desta
forma, os gregos jáimaginavam
as equaçõesde forma
diferente dos babilônios eegípcios.
Mas
a busca pelas soluções ainda estava relacionada às equações particulares e não amétodos
gerais.Um
dos processosde
resoluçãode
equaçãodo
segundo grauque
setem
notícia, usado,por
exemplo,na
equaçãoque
hoje se escrevecomo
x2
-
10x
+
9
=
O era o seguinte: trace osegmento
AB
=
10.Por
P, pontomédio
deAB,
levante osegmento
perpendicularPE
=
3(igual à raiz quadrada de
9
) e,com
centroem
E
e raioPB,
traceum
arco de circunferênciaque
cortaAB
no
ponto Q.A
raiz desejada serádada
pelocomprimento
AQ.
Corn
efeito, por construção, amedida do segmento
AQ
será~
%¬_/[1§]2~(«§)2
~e corresponde à raiz
9 da
equação [7].Os
árabes e osHindus
costumavam
trabalhar tantocom
equações que se originavamde
problemas deordem
prática,como
situaçõesque
incideem
interpretações e manipulações geométricas.A
noção de
equação utilizada por eles tinhaum
caráter mais algébrico euma
concepção mais estrutural, pois passa a ser observado às características e propriedades definidasem
várias equações enão mais
em
equações relacionadas a situações particulares.Como
vimos
nos babilônios.Um
dos principaisnomes
da época que
contribui para a resolução de equaçõesdo
segundo
grau foio
matemático árabe al-khwarizmicom
a_ obra /ilm al-jabrWa
alMuqabalah/
[2],
que pode
ser entendidacomo
“restauração por transposiçãode
termos deum
lado daequação
para outro”. Foiuma
das obrasque
mais trouxe contribuições parao
estudo das equaçoes.Nesse
livroaparecem
pela primeira vez, regras para resolver equações de segundo graus a coeficientes numéricos, e pode-seafirmar que
essas regras são semelhantes àquelasutilizadas hoje
em
diaApareoem,
ainda, expressões muito presentesna
resolução de equações: al-jabr e alMuqabalah.
Para resolver alguns tipos
de
equações al-khwarizimi utilizava duas operaçõesfilndamentais al-jabr e al muqabalah,
que
significam:- al-jabr á operação
que
soma
aambos
osmembros
da
equação termos iguais;- al
muqabalah
é a operaçãoque
reduzou
elimina termos iguais deambos
osmembros
da
igualdade.Observa-se
na
obrade
al khwarizmi,que
embora
elenão
dispusesse deuma
linguagemsimbólica, ele conseguiu elaborar
um
catálogocom
as formas canônicas utilizando-seunicamente de linguagem natural e
algumas
figuras geométricas afim
de resolver qualquerproblemas quadráticos
com
procedimentos característicos e, depois dele, qualquerproblema
quadrático.
Baseado na
interpretação geométrica dados pelos gregos à expressão (a+
b)2, o matemático árabe al-khwarizmi,no
século IX, estabeleceuum
processo geométrico para a resolução de equaçõesdo
segundo graucom
uma
incógnita.Os
matemáticos indianos tinham preferênciaem
trabalharcom
números
nas operaçõesaritméticas
ou
na resoluçãode
equações, utilizandocom
fieqüência
osmétodos da
falsaposição
ou
de inversão,no
qual se trabalha “de trás para fi'ente”, a partir dos dadosdo
problema.
Grandes
contribuiçõesforam
dadas a resolução de equaçõesdo segundo
grau, pormatemáticos hindus,
como:
Brahmagupta, Sridhara e Bháskara.Brahmagupta
representou -as equações
do
segundo graude forma
sincopada, encontrando soluções gerais das equações quadráticas, determinando duas raízes, inclusivesendo
uma
delas negativa, enquantoque
Sridharadefiniu
a regra para completaro
quadradoem
xz
+
bx
+
c=
0, multiplicando inicialmente por 4a.O
mais importante matemático hindudo
século XII foi Bhaskara,que
completou falhana
obra deBrahmagupta
e conseguiu chegar, atravésde
sua obra, ao ponto culminante das contribuições hindus anteriores.A
mais conhecida, Lilavati,éuma
reunião de problemasde
Brahmagupta
e outros,que
continha muitos problemas sobre equações,em especialdo
segundo
grau.Utilizando-se de conhecimento deixado por outros matemáticos hindus, principalmente Sridhara,
Bhaskara unificou
a solução geral das equações quadráticas pelométodo
do complemento de
quadrados.Bhaskara apresentou a solução de equações
do
segundo grau ao resolver problemas deordem
comercial / financeiro.Apresentamos
um
delescom
linguagem
de hoje:um
capitalde
100
foicmpmstado
a curta taxa dejum
ao ano.Após
1 ano,u
capital Rai retirada cu
juroobtido foi aplicado durante mais 1 ano.
Se
o
juro total foide
75, qual foi a taxa ao ano?Sendo
essa taxax%,
tem-seque o
jurono
1°ano
seráde x
eno
2° ano será dex-
x
/ 100,ou
seja, a equaçãoem
linguagem algébrica hoje seria:x
+
x.x
/100=
75ou
X2+
IOOX
-
7500
=
0. [7]Sobre Bhaskara,
CONTADOR
(2006) [5] afirma:“Quando falamos
em
Bhaskara, não podemos deixar de relacionarcom
ele aequação do segundo grau e a famosa fiírmula de Bhaskara ; embora não tenha sido
feito não se deve a
um
ímioohomem
[___] além do que já erabem
conhecida porBrahmagupta e por
Omar
Khayyma, que, ao contrário de Bhaskara, as resolviamrecorrendo ao uso das comcas”. '
A
importante fónnula geral para a resoluçãoda
equaçãode segundo
grauxz
+
bx
+
c=
0, conhecida nos dias atuaiscomo
fórmulade
Bhaskara será base parao
trabalho~ 1
3
NoÇoEs
BASICAS
Para a
compreensão do tema
proposto é necessário conhecer algins conceitos eresultados
que
serão apresentadosno
decorrerda
pesquisa. Serão vislumbrados alguns teoremas,algumas
definiçõesque servem
como
suporte dospróximos
tópicos, tudonuma
perspectiva descritiva, partindo
do
pressupostoque
as demonstrações são vistas nasdisciplinas
de
Álgebra Linear.Portanto, farão parte deste estudo as equações polinomiais e alguns conceitos da álgebra linear,
como:
matrizes, sistemade
equações lineares, determinantes, dependêncialinear e, por
fim
autovalores e autovetores.3.1
EQUAÇÕES
PoL1NoM1AIs
Nesta seção apresentamos noções sobre soluções
de
equações polinomiais atravésde
algumas
definições e resultados teúrieus.Definição 1
Denomina-se
equação polinomialou
equação algébrica, a equação da forma:P(x)
=
O onde
P(x) e'um
polinômiode
graun
Z
1 eP(x)
=
af,x"
+
a.,.,_¡x"'1+
+
azxz
+
+
as=
0,nessa igualdade an, a,,_1 , ..., az , al e ao são
números complexos chamados
coeficientesan
:E0
e ao éo
termo independente.Definição 2 Raiz
ou
zero deuma
equação algébricaP(x)
=
0
é todonúmero
complexo
a
para
o
qualP(a)
==0
éum
sentença verdadeira,ou
seja, (1 é raizde P(x)
‹-›P(a)
=
0.Exemplo
1.Araiz da
equação de grau l:ax
+
b=
O,coma
#=0
éx
=
-Ê.
Exemplo
2.As
raizesda
equaçãode
grau 2:axz
+
bx
+
c=
0,com
a
:EO
são:-b+\/bz-4ac
x=-'--í.
za
Sabemos
que
os zerosou
raízes das equaçõesdo
l° e 2° são obtidos por fórmulas,citados
no exemplo
1 e 2 .Quando
o
grau da equação for maiorou
igual a 3 as fórmulas deradicais.
Os
teoremas seguintes apresentam resultados teóricosque
fomecem
informações sobre onúmero
de raízes existentes.Teorema
1(Teorema Fundamental da
Álgebra):Toda
equação algébricaP(x)
=
0, degrau
n
2
l, admite , ao menos,uma
raiz realou
complexa. _Demonstração:
O
teoremapode
ser encontradoem
[9].O
próximo
teorema está relacionadoeom
adecomposição
deuma
equação polinomialalgébrica.
Teorema
2(Teorema da
Decomposição):
Todo
polinômioP(x)
=
an
x"
+
a,,_1x""1+
+
a2x2
+
alx
+
aode
graun
2
1pode
serdecomposto
em n
fatoresdo
1° graus defonna
(x
-
ai),ou
seja,P(x)
=
0<zz.(X-
fl1)(_X-
az.) (X~
az.)em
que al , az, ,an são raízesde
P(x).Demonstração:
Pelo teoremafimdamental,
P
(x)tem
pelomenos
uma
raiz. Seja ela r1. Logo:Püf)
=
(X-
11)-QUI)
Q(x) é
um
novo
polinômio de grau n-1,que
possuitambém
pelomenos
uma
raiz. Sejaela rz. Logo:
P(x)
=
(x-
rz).QI
(x).Fazendo
o
mesmo
procedimentocom
Q1(x) econtinuando até a n-ésima expressão temos: Q,,_1(x)
=
(x-
r,,).Qn(x).Em
Q"
o graudo
polinômio sera zero e
Qn
sera Igual auma
constanteque
ehamamos
de uz”. Substituindo todasas equações obtidas
na decomposição de
P(x), temos:P(x)
=
fL.z(X-
f1)- (X-
fz)-(X
-
fa).O
estudo das relações entre as raízescomplexas
de
um
polinômio é útilna
determinação
de
seu conjunto solução, enunciaremos a seguir, dois teoremasque valem
para todos os polinômios de coeficientes reais.Teorema
3(Teorema
das raízes complexas):Se
um
número
complexo z
=
a
+
bicom
a, bE
IR
eb
qê O é raizda
equação algébricaP(x)
=
0,de
coeficientes reais, então o seu conjugadoZ
=
a
-
bi étambém
raizda
mesma
equação. .Demonstração: Consideremos o
número
complexo z
=
a
+
bicom
a, bE IR
eb
aê O e a equação algébriea de eoefieientes reaisP(x)
=
um
x"~+
a,n_1x“`1+
an_2z“"2
+ +
alx
+
ao
=
0.Se
z é raizde P(x)
=
0, então:P(x)
=
anz"
+
a,,_1z"`1+
a,,_2z“"2+ +
a1z
+
ao
=
0.Tomando
os conjugados dos doismembros,
temosz.a_,,z"
+
a,,_1z"'1+
a.,,_¿z"“2+
+
alz
+
ag=
ÔComo
Õ=
Ge o
conjugadoda
soma
é igual àsoma
dos conjugados, obtemos:an z"
+
a,,_1z"“1+
a,,_zz"“2+
+
`ãi`z`+
É
=
0.Lembrando
aindaque o
conjugadodo
produtoé igual ao dos conjugados,
vem:
WF
+
a,,_1z"'1
+
a,,_2z"“2
+
+
FIZ
+
ão"=
0 .zf /_\ 5,
'S
Sendo o
conjugadode
urna potência igual à potênciado
conjugado, teinosíTT
~'+
`ã`nͧ®"`1
+
ãnÍz`®"`2
+ +
F1
š
+
ãff=
0.Como
o
conjugadode
um
número
real éo
próprio número, isto é, ía'=
a,,,â,,E_=
a,,_1,E,T¿=
a,,_¿, ...,í1=
al eW
=
ao
. obtemos: aq,Ê"
+
a.,,_1ÍÊ)"`1+
a,,_2Ê"'2
+
+
alõ
+
ao=
0.Da
última igualdade concluímosque Z
é a raiz deP(x)
=
0.Teorema
4 Se
uma
equação
polinomialde
coeficientes reais admite a raizZ
com
multiplicidade P, então admite a raiz Í,
com
multiplicidade P.É
importante observar que, de acordocom
os teoremas enunciados, toda equação polinomial de coeficientes reais,que
admite raízes complexas,não
reais, as teráem
numero
par, pois a cada raiz teremos sua conjugada. Consequentemente, todo polinômio de grauimpar
teráum
número
impardc
raízes rcaia.3.2
ALGUNS
CONCEITOS
DA ÁLGEBRA
LINEAR
Nesta
seção,vamos
introduzir alguns assuntos sobre matrizes, determinantes, sistema'I1«z`.`.- .‹1.««...¬,1.'ë..,.Z.` 1Z.¬.`.«- «HJ-.`-,..I^.-.\.¬ .` ....4-z“.^4.`.-«.¬ ....+-^ ^..+.-^.¬ (*.«... .I.`1--.¬.- ,lfl L`....,¬.‹ 1.«‹-.`.-
ULIICZU, UUPUIIUUIIUIU, 11115211, ¡'1UI.UV21.lUlU§ C HUIUVCLUIUS, UIIUU UUUU5. DCUI UUIÀZU UU LZILUI IULUI
relação
com
a álgebra linear.3.2.1
MATRIZES
Para
que possamos
atingiro
foco principal deste trabalho é necessário introduzirdefinições e teoremas sobre este assunto, pois serão essenciais para
abordarmos
o problema
Definição
3
Sejam
2
1 en
2
1 doisnúmeros
inteiros.Uma
matrizm
x
n
real éuma
dupla seqüência denúmeros
reais, distribuídosem
m
linhas en
colunas,fonnando
uma
tabelaque
se indicado
seguintemodo:
011 Q12 Í113
am
A
_
[(121 022 azs azn ju . . 1 ~
~ e › ¬. .
i0»m1 “fmz “fmz
amu
imm
Abreviadamente
esta matrizpode
ser expressa por (ai)-)iS
jS
m
ou
apenasi
S
jS
n.3.2.1.1
OPERAÇÕES
coM
MATRIZES
(i)
Adição
SejaA
=
(au-) eB
=
(bij) matrizm
x
n. Indicamos porA
+
B
echamamos
soma
deA
com
B
a matrizm
x n
cujo termo geral é a¿¡+
b¿¡,ou
seja,au +
1711 a12+
b12 (113+
1913am
+ bm
A
_¡_B
=
a21+
1721 022'Í' b22 (123 'Í' b23 a2n
+
17211am1
+
bm1
“mz
+
bmz
ama
+
bms
0-mn+
bmn
(ii)
Produto de
uma
matrizpor
um
escalarDada
uma
matriz realA
=
[a¿¡-jmxn, edado
um
número
real 3,o
produto deB
porA
é a matriz realm
x n
dada
por: r/9311 19312 13313 /-r",'5'¢1n 1BA:
5321
55122 55123fiazn
- . z - Q
. z ~ - Q
Bafnu
Bam:
160-ms---Bamn(iii)
Produto de
uma
matrizpor
outraSejam
A
=
[au-jmxn eB
=
[b¡-kjmxp.O
produtoAB
é a matriz
m
x p
cujotermo
geral édado
por: (fik:
.:
an
. blk+
ain . bnk:F4 =
.=.=
3.2.1.2
MATRIZES
[Propriedades]Sejam
A,B
eC
matrizescom
tamanhos
apropriados,m
e /5' esealares.São
válidas as seguintes propriedades para as operações matriciais;i.
A
+
B
=
B
+
A
(comutatividade)ii.
A
+
(B
+
C)
=
(A
+
B)
+
C
(associativa)iii.
A
+
O
=
A,onde
0 denota a matriz nulam
x
n.iv. Para cada matriz A, existe
uma
matriz (-A),também
m
x
n, talque
A
+
(-A)
=
0. vz _=
(a,8)A (associativa)vi. (oz
+
B)A
=
aA
+
,GA (distributividade)vii.
a(A
+
B)
=
aA
+
aB
(distiibutividade)viii.
(AB)C
=
A(BC)
(associativa)ix.
A(B
+
C)
= AB +
BC
e(B
+
C)A
=
BA
+
CA
(distributiva a direita e aÂ
1» .là \_/esquerda
da
multiplicação,em
relação a soma).x.
AI
=
IA=
A
Para cada inteiro positivo p a matriz pxp,chamada
matriz identidade,para toda matriz
A
=
[a¿¡-imm`
z
xi. ‹z(AB)
=
(‹zA)B=
A(zzB)xii.
(A
+B)T
=
AT
+
BT
xiii.
(aA)T
=
aAT
xiv. (AT)T
=
A
xv.
(AB)T
=
ATBT
3.2.1.3
TIPOS ESPECIAIS
DE
MATRIZES
Ao
trabalharcom
matrizes,observamos
que
existemalgumas
que
seja pela natureza de seus elementos,tem
propriedadesque
as diferenciamde
uma
matriz qualquer.Além
disso, estes tipos de matrizesaparecem
frequentementena
prática e, por isso,recebem
nomes
especiais.
Uma
matriz quadraraA
=
[a¿¡-],de
ordem
n, 'e denominada:Í:¬ÍnnfÊ¡Ín|Ín
1\.lÚllI.l\l¢I.\IÚ
Quando
cada elementoda
diagonal principaltem
o
valor 1 eo
demaistem
valor zero.Uma
matriz identidadepode
ser definidado
seguintemodo:
_
a¿¡=
1,se i=j
1"
_
[aff]m'°"de
Trianguiar Superior
Quando
tem
os elementos a¿¡-=
0
para i>
j, isto é, os elementos abaixo da diagonalprincipal sao iguais a zero.
'
Triangular
Inferior 'Quando tem
os elementos a¿¡=
O para i<
j, isto é, os elementos acimada
diagonal ~principal sao iguais a zero.
Diagonal
Quando
tem
os elementos a¿¡=
O para i¢
j,ou
seja, os elementosacima
da diagonalprincipal e abaixo
da
diagonal principal são iguais a zero. Portanto, a matriz diagonal é triangular superior e triangular inferior.Ortogonal
U
-T1121 !1J.š!-__Z tri . __A
cuia. inversa. _-. -. _--. __-.. coincide --___-__-com
---__ a. .. transnnsta --_.--_ -___ __/F1
_
-
__ AT. isto ezJ I' 7
A.AT
=
APA
=
1Simétrica
n...i- /|
_
/IT ._... ..---1...--.. ...,.z..:__. ..--..,1...i.. A\¿uu.uuU
A
-
fl , para quëuquci matriz. quuuluuuA.
Isto é, se a¿¡
=
a¡¿, então os elementos disposto simetricamenteem
relação à diagonalprincipal são iguais.
Definida Positiva
Uma
matrizA
é definida positiva sexTAx
>
0, para todox
¢
0.Alguns
critérios abaixo equivalentes, para verificarque
uma
matriz é definida positiva: i) SeA
éuma
matriz real simétricade
ordem
n.Logo,
A
definida positiva se e somente se todos os seus autovalores são positivos.ii)
A
matrizA
é definida positiva, se esomente
se é simétrica e aforma
escalonada deA
tenha todos os pivôs positivos.iii) I
Todas
asmatnzes
lideres flossuern 1' ~det.erm.inantes oositivos. I'iv)
Se
A
éuma
matriz real simétrica definida positiva, logo a matrizA
é inversível.Neste*
momento,
fornecemosalgumas
considerações sobre inversão de matrizes, que1
..-..-...-..`1....`..+.. -.-.,;: 1;. 4..-.- ^...,..‹¬...:.1,`A.. A- ...¬+...|,` .., .i:.,.,:..1:..,. A- ,u..,.1...,. 1 :..-_.-
n
...¬..piuvavcuucutc vuoc _|‹t tcvc upui tuuluauc
uc
cstuuuua
uisuipuua uc 1-uëcuia Lzuicai.U
usuDefinição 4
Se
existeuma
matriz B, quadradade
ordem
n, talque
A.B
=
B.A
=
In, dizemosque
a matrizB
é a matriz inversa de A.Denotamos
a inversa da matrizA
por A"1.Assim
B =
A-1.~
Portanto,
A.A`1
=
A./F1
=
In.A
matriz I é a matriz identidadeda
mesma
ordem
que
as matrizesA
e A"1.Se
a matriz quadradaÂ
é invertívei, então a sua inversa é única.Quando
uma
matriz quadradanão
possui inversa, dizemosque
ela éuma
matrizsingular
ou não
invertível.Apresentaremos agora
um
estudo simplificado sobreo
conceito de determinante,similar ao utilizado
no
âmbitodo
Ensino Médio.Como
as matrizes tratadas neste estudo são quadradas, faz-se necessário identificartais matrizes.
3.2.2
DETERMINANTES
Uma
matriz quadradaA
de
ordem
n
será denotada porA
=
[a¿¡]onde
os índicesi
=
1,2, ...,n indicam as linhas e os índices j=
1,2, ...,n indicam as colunas da matriz.O
elemento
da
linha i eda
colunada
matrizA
será indicada por a¿¡~.Dentre as di «1 53 cn se cn '52 (D 'td :Il ...inantes serão relacionada
. CD 13.. s» (3. (TDm lã.
O
m 5%' §5T yâ sx: U. 5% «Ê int 1 \, -snn
.aquelas
que de
uma
forma
ou
outradizem mais de
pertocom
o
cálculo dos determinantes de qualquer ordem. Essas propriedadesnão
serão demonstradas, tão-somente verificadasem
algumas
passagensdo
trabalho.A
seguir listamos alguns resultados sobre determinantes:0
Uma
matriz quadradaA
=
[ag] cujo determinante é nulo éuma
matriz singular. 0Sejam
A
eB
matrizesde
ordem
n.Então
det(AB)
=
det(A) det (B).0 Seja
A uma
matriz deordem
n, inversívei. Então:det(A)
ví O edet(A`1)
=
(det(A))“1.
0
A
matriz unidade 1 é não-singular (det I=
1) e é a sua própria inversa: I=
I "1.0
Se
a matrizA
é não-singular, sua transpostaAT também
é.A
matriz inversa deAT
é (A`1)T-0 Se a matrizes
A
eB
são não-singulares e demesma
ordem,o
produtoAB
éuma
,i> '53 i 5'-1 E3' :;' 1: ‹:›šã' D CL tu ic» CD (D~ ao 53 Fu ' Cb ` i-\ .is I P* rnofriv n'ãr\_ci‹n1lar nuuu 14'.. uaueoxõunux. 1
0
Se
a matrizA
possuiuma
linha (ou coluna) constituídade
elementos nulos,o
determinante é nulo.
Se
a matrizA
tem
duas linhas (ou colunas) iguais, odeterminante é nulo.
0
O
determinante deuma
matriz diagonalA
(superiorou
inferior) é igual ao termoprincipal, isto é, é igual ao produto dos elementos
da
diagonal principal.3.2.3 s1s'r1‹:MA
DE EQUAÇÕES
LINEARES
Na
natureza, as coisas estãosempre
mudando,
se transformando, e0
serhumano,
paragarantir sua sobrevivência e
melhor
sua existência, precisa conhecer edominar
estesprocessos
de mudança.
Os
sistemas lineares éum
instrumentoque
é utilizadoem
mais deum
quarto de todos os problemas matemáticos encontradosem
aplicaçõesda
ciência e indústria e a resolução de tais sistemas está presentes, entre outras,em
áreascomo
Administração,Economia,
Ecologia, Engenharia e Física.Definição
5 Equação
linear éuma
equaçãoda
forma:alxl
+
azxz
+
a3x3+ +
aflxn
=
bna
qual x1,xz, 1:3, ...,xn
são as variáveis; al, a2,a3, ,an
são os respectivos coeficientes dasvariáveis, e
b
éo
termoindependentellm
sistema de rn equações linearesn
incógnitas seanxl
+
alzxz+
a13x3+ +
amxn
=
blapresenta
do
seguintemodo:
azlxl+
azzxz+
a23x3+
+
aznxn
=
bz (l.1)amlxl
+
afm2x2+
am3x3
+ +
amnxn
:
bm
em
que
an, am,
(113, ,am,
bl, bz, ...,bm
sãonúmeros
reais, x1,x2, x3, , x,, as incógnitas.O
sistemapode
ser escrito sob aforma
matricialAX =
B, onde:(111 0112
an
am
xl b1A
=
a?1 a?2 ÍIÉ3 2.. a.2:n 1 ,X
=
x:2 ,B
=
bzzam
Clx
baml
2ms
mam"
mx"
7* nxlm
mxl
an
aiz ais “in 5 bi.
a
a
a
...azb
.Amatnz
fl fzÉ3:
2:": :2=[AzB],
afnn Ufmz f¿m3...a,,,mš
bm
associado ao sistema
dado
de equações lineares, échamada
de
matriz ampliadado
sistema.Definição 6 Posto
de
uma
matriz éo numero
de
linhasnão
nulasquando
amesma
está escritaria
forma
reduzida escalonada por linhas.O
posto deuma
matriz coincidecom
adimensão do
espaço linha da matriz.
3.2.3.1
CARACTERISTICA
OU
POSTO DE
UMA
MATRIZ
Muitas vezes
nos
interessa saber seum
sistematem
ou não
solução. Issopode
se feitoatravés da característica
ou
postode
uma
matriz.Quando
se transformano
número
l, pormeio
de operações adequadas, cada elemento ai,-, para i=
j (a11.azz.a33. eem
zero os demais elementos das colunasem
que
sesituam esses elementos a¿¡, diz-se
que
a matriz inicial foi transformadanuma
matrizem
forma
de escada.Antec :le ini 'arm Q ne nrnredimentna nara røeglvr-r
um
gietema do enirnrõee linøaree›--~~"~ -' -›--91---››9'»
W
zz--'~'~›-››~--~- 1»-~ -~"- - - ~'- ~--- t--›~-›--» -- -›¬»»~z' ~'- ---~- -~,temos que
dar respostas às seguintes perguntas:o
sistematem
solução,ou
seja, é compatível?Caso
tenha solução:tem
uma
única soluçãoou
infinitas? Para responder,uma
das ferramentasque
podemos
utilizar éo
Teorema
de Frobenius.Teorema
5 SejaAX =
B,onde
A
éuma
matriz quadradade
ordem
n.Se
designarmos:
'
A
-
a matriz ampliadado
sistema.B
~
a matriz reduzida àforma de
escada.Ca
-
caracteristicada
matriz ampliada A.É
igual aonumero
de linhas deB
com
elementos não todos nulos.
Cv -
característicada
matriz dos ooeficientes das variáveis contidana
matriz B.É
igual ao
número
de linhasda
matriz dos coeficientes das variáveis contida na matrizB
com
elementosnão
todos nulos.z 1. . . . . z
Consideremos
um
sistemade
m
equaçoes mearescom
n
mcognltas, cuja expressao{
allxl
+
alzxz+
a13x3+
...+
alnxn
:
blazlxl
+
azzxg+
a2j_.zx3+
...+
aznxn
-: bzlam1x1
+
amzxz
+
amsxs
'l' 'l' awrmxn=
bm
Sejam
A
matrizdo
sistema eB
a matriz ampliadado
sistema.A_
a21 a22 a23azn
B_
aa: (122 aaa aan. 5 bzan
(112 aisam]
ÍÚ11 a12 313am
5 b1
fm
ami “mz ams
amn
ml am;
5bm_
A
caracteristicaCa
de
uma
matriz ampliada A,que
representaum
sistema dem
equações linearescom n
Variáveis, nãopode
sermenor
que
a caracteristicaCv
da matriz dos coeficientes das variáveis contidasna
matriz reduzida àforma de
escada [12].Quando
Ca >
Cv,o
sistema é incompatível.Quando
Ca
=
Cv =
C,C
recebe adenominação
de característicada
matriz-reduzida àforma
de escada.C
nãopode
ser maiorque
n.Quando
C
=
n,o
sistema é compatível e determinado (tem solução única).Quando
C
<
n,0
sistema é compatível e indeterminado (admite infinitas soluções).Grau
de liberdade deum
sistema: g=
n
-
C. _O
significadodo
graude
liberdadede
um
sistemade
equações lineares informa onúmero
de
variáveis às quaisdevem
ser atribuídos valores arbitrários para calcular cadauma
das variáveis restantes.Definição 7 Seja
A
=
[a¿¡]mn
, designa-se por espaço-linhade
A
o
subespaço deR"
gerado pelas linhas de A. Designa-se por espaço-coluna de
A
o
subespaço deRm
gerado pelascolunas de A. '
Assim,
o
sistemaAX
=
B
pode
ser escritocomo:
b
x1(Ê:Êi>+xz(ãëš)+
...+x1(ii%:)=(b;iz)
(1.2)afim arnz ~ afim
b,;m
Vem
de ( 1.2)que o
sistemaAX =
B
é compativel se e só seB
pode
ser escritocomo
Assim,
o
leitor deve ter notadoque
é outraforma
de descrevero
quarto item dacaracterística da matriz
onde
define
o sistema compatível e determinado.Outra definição a serem abordado serão os de dependência e independência Linear.
3.2.4
DEPENDÊNCIA LINEAR
Definição 8 Seja
V
um
espaço vetorial e 111,122, ....,v,1E
V.Dizemos
que
um
conjuntoA =
{v1, vz, , v,1} é linearmente independente (L.I.) se, e somente se,uma
igualdadedo
tipoa1v1
+
azvz+
...+aflvn
=
0
com
a1,a2,a3,...,a,1E
R, só for possível paraa1=a2=
...=a11=0
Dizemos
queA
=
{v1, vz, ,v,,} é linearmente dependente (L.D.) se, esomente
se,A
não éL.I.,
ou
seja, é possíveluma
igualdadedo
tipo a1v1+
azvz
+
...+aflvn
=
0
sem
que
osescalares a1, az, as., ,
an
seja todos iguaisao
número
zero.Teorema
6Sejam
x1,x2,x3, ...,x,1 ,n
vetoresem
R".Se
X =
(x1,x2,x3, ...,x,,) é a matrizcuja j-ésima coluna é x¡, então os vetores x1,x2,x3, ...,x,1 são linearmente dependente se e
somente
seX
é singular.3.2.4.1
PROPRIEDADES
i)
Se
um
conjunto finitoA
C
V
contém
o
vetor nulo, então esse conjunto ó L.D.Seja
A
=
{v1, ...,v,,}_ Então, evidentemente 0.111+ +
a.0
+
+
0.v,1=
Ose verifica para
a
=# 0. Isso é suficiente para concluirque
A
é L.D.ii)
SeA
=
{v}C Ve
v
=# 0,entãoAéL.I.
Suponhamos
av
=
0.Como
v
¢
0, então a=
O.iíi\
Se
uma
narte:ienm
nnniuntn AC
V
éln
entãnA
étamhém
T,D
"""j "" "'^^“"' ["'" "" "" "°^^^ ""^^J"'^^"" '^
"
' "' ^“'^' '7 "^^"""" ^" V *'“'^^^""^^^ “""“""Por
hipótese, sejaA
=
{v1, ...,vk, ..., vn} e a parteA1
=
{v1, ...,vk}C
A, eA1
é L.D.Como
A1
éLD,
existem a1 #=0 que verificam
a igualdade: a1v1+
...+akvk
=
0
e esse.+_
_C> §l
mesmo
a1 :É 0 verificamtambém
a igualdade a1'‹z'1+
+
âkvk
+
G. iz^k+1 ¬'-E
G
.Logo,
A =
{v1, ...,vk, ...,v,,}éL.D.
iv)
Se
um
conjuntoA
C
V
é LI, qualquer parteA1 de
A
étambém
LI.Suponhamos
seA1
fosseLD,
pela propriedade anterioro
conjuntoA
seriatambém
v)Se
A
=
{v1, ...,vn}C
V
éLI
eB
=
{v1, ...,vn,w}C
V
éLD,
entãoo
vetorW
e'combinação
linear dos vetores fil, , vn.Então,
como
B
éLD,
existem escalares al, ...,a,,,b,nem
todos nulos, tais que:a1v1
+ +
anvn
+
bw
=
0. Logo, se b=
0, entãoalgum
dos aínão
é zerona
igualdade:alvl
+ +
amvn
=
0.Como, porém
esse fato contradiz a hipótesede que
A
é LI. Consequentemente, tem-seb
#= 0, logo:bw
=
-alvl
- -
anvn o que
implicaw
= - %v1
-
-
%vn,
isto é,w
e'~
combinaçao
de v1, , vn.3.2.5
AUTOVALORES
E
AUTOVETORES
Autovalores e autovetores são conceitos importantes
de
matemática.As
noções de autovetor e autovalor deuma
matriz são fimdamentais, por exemplo,em
FísicaAtômica
porque
os níveisde
energia dosátomos
e moléculas são dados por autovalores de determinadas matrizes.Também
o
estudo dosfenômenos
de vibração, análise de estabilidade deum
avião emuitos outros problemas
de
F
ísiea leva à procura de autovalores e autovetores de matrizes.Definição 9
Se
A
éuma
matriz, deordem
n, realou
complexa,chama-se
valor próprio deA
X1
O
toda matriz
X
=
- #= talque
AX =
ÂX,onde
Â
éum
escalarchamado
valorrn
Ó
próprio de A. Para
que
Â
sejaum
valor próprio deA
é necessário e suficiente, entãoque
existauma
matrizX
=# 0,do
tipon x
1, talque (A -}zIn)X
=
0. Isto ocorre se, esomente
se,A
-
111,1não
é inversível e, portanto se, esomente
se,(A
-Âln)X
#2 0.O
vetorX
éum
autovetor
ou
vetor característico associado a Â.Observações
Matrizes semelhantes
têm
o
mesmo
polinômio característico e por isso, osmesmos
valores próprios.
Seja
A uma
matrizde
ordem
n,denominamos
polinômio característico de A, oA
equação P(/1)=
0
édenominada
equação caracteristicade
A.Seja
A uma
matriz quadradanão
singular. Então,A
eA' tem
osmesmos
autovalores.Se
X
forum
auto vetor de A, entãotambém
e
será, para qualquerk
as 0.Os
autovaloresde
uma
matriz triangular superiorou
inferior são os valores de sua diagonal principal.Ç.. fx is §.z C? C.
rx ._^..:._...,. 4.. _.._....-._..1,__ ,, 4- A .r .,1._...,...1.. J.. ..¬.. uz..- 4- /1 z ,1...z,..1.. _..-
U
UUIIJUIILUUC
dUI.UVd.lUl eöUC
ll U blldllld.UUUC
CbPÊL‹l.lUUC
11. C UCllUl.dUUPU
seja,
À(A)
=
{)l/AX =
Teorema
7Os
autovaloresde
uma
matrizA
são precisamente as soluções il da equaçãocaracteristica.
Demonstração:
Seja
o
operador linear TA:R"
-› R", cuja matriz canônica é:an
aizam
a
a
nuna
A
=
.21 2.2 Ê" ~ . . . z ú -anl (1212ann-
Se V
eÂ
são respectivamente, vetor próprio eo
correspondente valorda
matriz A, tem-se:
A
.v=
/lv (V é matriz-coluna nxl)ou
aindaAv
-
/lv=
0.Tendo
em
vistaque v
=
Iv (1é a matriz-identidade), pode-se escrever:
Av
-
/llv=
0
ou
ainda(A
-
Âl)v
=
0.Para
que
esse sistemahomogêneo
admita solução não-nula, isto é:X1
O
'v
=
5¢
E deve-se ter:det(A
-
/11)=
0.X
'fl0
Impondo
esta condiçãodeterminamos
primeiramente os autovaloresÂ
que
satisfazema
equação e depois os autovalores a eles associados.Observamos que
(111 012
am
/10
0
P(zt)
=
deú(A
-11)
=
def
af* (1152 af"-
Ê
flÊ
=
o“ami
“nzam-
-Q0
Â-,au
_
Â
012am
»P(/1)
=
af* “ZÉ"Â
af"1
=
oum
‹1».zz«mz
-
/1é
um
polinômioem
Â
de grau n. P(/1)=
(an
-
Â
)(a22-
Â) (am,-
À)+
termos de grau<
n, e os autovalores procurados são as raizes deste polinômio. P(/1) échamado
polinômio característico
da
A.A
substituição de /1 pelos seus valoresno
sistemahomogêneo
de equações lineares permite determinar os vetores próprios associados.Faremos
um
exemplo
parafixar melhor o
processo envolvidono
cálculo de autovalores e autovetores atravésdo
polinômio característico.Exemplo
1I) Seja a matriz
A
=
Lã
A
equação característicada
matrizA
é:det(A
-
id)=
Â
2
Í
Ã]=O,
isto é,P(z1)
=
(-3
-
)l)(2-
Ã)+
4
.As
raízes dessa equação são: 11=
lou
/12=
-2
que
sãovalores
própnos da
matriz A.II)
O
sistemahomogêneo
de equações linearesque
permite a determinação dos. . , .
X
.vetores
própnos
associados e: (A-
/1I)v=
0. Considerandov
=
[Y]
o
sistema fica:-3
-
À
4
X
_
0
l
-1
z_,1llyl-lol
i) Substituindo /1 por 1
no
sistemahomogêneo,
obtém-se os vetores próprios associados ao valor próprio Â1=
1:W
-1
41r1=i°1=›
1Y
0
V”
-x +
+
y
=
O
Então,
temos
x
=
y.H
Portanto os autovetores associados a
Â
=
1 são os vetores U1=
(x, x)=
x(1, 1),x
¢
0, são os vetores próprios associadosao
valor próprioÂ
=
1.ii) Substituindo
Ã
por -2no
sistemahomogêneo,
obtêm-se os vetores próprios[Ii
ÍllÍ]=l3l={ÊÍÍzͧÍÊ›
=>×=4>f
A
Os
autovetores correspondentesao
autovalorÀ
=
-2
são os vetores vz=
(431, y),y
=/= 0,ou
(vz
=
(x, Êxnsão
os vetores próprios associados ao valor próprioÂ
=
-2.
lllefinição 10 (Auto-espaço associado
a
um
autovalorde
uma
matrizA)
O
conjunto V1 detodos os autovetores de
A
associados a Â,formam
um
subespaçode
A
chamado
de auto-
espaço.
Com
efeito,0
6 Va.A
multiplicidade algébrica édada
pela sua multiplicidadecomo
raizda
equação.A
multiplicidade geométrica édada
peladimensão
de seu auto-
espaço.É
importanteque você
observeque
os autovetorespodem
formarum
conjunto linearmente independente,como
descreveo
teorema a seguir.Teorema
8Sejam
x1,x2,x3, ...,xn são autovetoresde
uma
matrizA
associados aosalltovalores distintos /11, 212, Â3, ,Ã,,j, então x1,x2, x3, ,
xn
são linearmente independentes.Definição ll (Diagonalização)
A
matriz quadradaA
de
ordem
n
é diagonalizável se existeuma
matriz inversívelP
euma
matriz diagonalA
talque
P`1AP
=
A. Diz-se, nesse caso, quea
matrizP
diagonaliza A,ou que
P
é a matriz diagonalizadora. VTeorema
9Uma
matriz quadrada deordem
n, é diagonalizável se, esomente
se,A
tem
n
autovetores linearmente independentes.
Demonstração:
SejaPuma
matriz quadrada deordem
n
cujas colunas são v1, vz, , vn eD
uma
matriz diagonal qualquer cujos elementosda
diagonal principal são /11, Â2, , Â.,,, então:AP
=
A[v1
122 vn]=
[A111Avz
Avn]
(1),11 Q Q
PD :
P
0: ,Ê2 ...:()Q
Q
,juSeja
A
diagonalizável,com
A
=
PDP`1.
Então
multiplicando essa relação à direita por P,obtemos
AP =
PQ. Nesse
caso (1) e (2) implicam que:[A121 A112
Avn]
=
[)11v1 /lzvz Âflvn] (3)A111
=
/11121Avz
=
/12112Avn
=
zlnvn (4)Como
P
é inversível, suas colunas são linearmente independentes.Mais
aindacomo
essascolunas são
não
nulas, (4) mostraque
11,12, ...,À,, são autovalores e 111,122, ...,vn são osautovetores associados. Essa argumentação prova as primeiras duas
afirmações do
teorema. Finalmente dados quais quer 11. autovetores 121, vz, , vn, use-os paramontar
as colunas deP
cuse os autovalores associados á;.Â_.¿›; ,An
pma
montar
D.Por
(1)~
(3),AP
=
PD.
E
seP
éinversível concluímos
que
A
=
PDP'1.
Observações
Se
uma
matrizA
é diagonalizável, então a matrizA
pode
ser escrito na forma fatoradaPD
P`1.Se
A
é diagonalizável, então os vetores colunasda
matrizP
que
diagonalizaA
são os autovetores deA
e os elementos diagonais deD
são os autovalores associados.iSe
A
éuma
matrizde
ordem
n, etêm
n
autovalores distintos, entãoA
é diagonalizávelSe
os autovetoresnão
forem distintos.A
Pode
ou não
ser diagonalizâvel,dependendo
setem
ou
nãon
autovetores linearmente independente.Portanto, baseado nos teoremas 8 e
9
tem-seo
seguinte resultado:Teorema
10Uma
matrizA
é diagonalizável se todas as raizes de seu polinômio característico13.-^... ---Zz ,` ,¬I1,¬41...4.»»
Proposição
1Dadas
duas matrizes quadradasA
eB
diagonalizáveis.Logo,
A
eB
comutam,
ou
seja,AB =
BA,
se esomente
se,A
eB
tem
osmesmo
autovetores.Demonstração:
Suponhamos
que
as matrizesA
eB
tenham
osmesmos
autovetores.Se
A
eB
são diagonalízáveis, logo se deve
terA
=
PA1P“1
meB
=
PA2P_1, onde A1
de autovalores deA
eA2
é a matriz diagonal de autovaloresde
B. Logo,AB
=
(PA1P`1)(PA2P“1)
=
PA1(P”1P)AzP'1
=
PA1A2P"1
=
PAZAI
P"1
=
(.P^zP_1)(P^1P_1)
=
BA.
Teorema
11(teorema
Espectralpara
Matrizes Simétricas)Uma
simétricaA
pode
ser'T3 ,':› 'U
-5
fãíöfâflâ êffl
Â
=
ÕÕÍÍÍ â.¡.iÍÕVêÍÕfêš Ôííögõñäiš 6 üñiíäfiõšñä
Í`I`lâÍfiZ I' Ô OS ãüÍÔVãlÕfêSu
4
EQUAÇÕES
POLINOMIAIS MATRICIAIS
Apresentaremos
algumas
idéiasque permitam
entendero problema
de encontrar solução de certas equações polinomiaiscom
coeficientes matriciais,bem
como
apresentar alguns resultadosque
ajudaram a descreverum
método
de resolução de equações polinomiaismatriciais quadráticas.
Iniciaremos apresentando dois
exemplos que tomarão
claro os obstáculosque
são encontrados ao estudaro
problema.Em
seguida,veremos
to estudo de equações polinomiais~
matriciais quadráticas, logo após, virá
uma
breve apresentaçaode
alguns conceitos eresultados teóricos sobre polinômios matriciais.
41.1
MOTIVAÇÃQ
E
FQRMULAÇÃQ no
PROBLEMA
O
principal foco deste trabalho écomo
encontrar solução para equação polinomialde
graum
da forma
Pm(X)
=
AmX'"
t+Am_1X'""1
+
...+AIX
+A0 =
Ocom
Ai
E
Rm'“,i=
0,Am
:fz0,eX E Rm”,
sempre
possui solução?E
se possuicomo
encontrar
uma
matrizX
que
satisfaçaPm(X)
=
0,O
E
Rmm?
Lembrando
aindaque
serãoabordadas apenas as equações polinomiais matriciais de primeiro grau.
Daremes
a seguir doisexemplos
envolvendo equações polinomiais matriciaisde
primeiro grau
que
ilustrao
graude
dificuldade, porem,o problema
é dificil epode ou não
tersolução.
Exemplo
2
Considereo
polinômio P1 (X)=
AIX
+
A0,em
que
A1
=
L11
ÊlM0
=
lfz "fl
Então
=
0
:Ô
AIX
+140
:
O
í
AIX
3: ""A0.Dessa forma
A1X
=
-A0
pode
ser escrito substituindoA1
X
eA0
pelos seus respectivos valores:L11
:`i_1z
-4212 [31 E4]
Observa-se
que
este éum
sistemado
tipoAX =
B
com A
=
A1
eB
=
-A0.
Considerandoainda que: E
B:
P-1 CU pó . 1 ú CU BJ ¡._¿ U.i
de
maneiraque
_
X11_
X12_
bn
_
1 Í712X1
_
[x21],X2_
[x22]'B1_
[b21]'B2 -_Iíbzzil
Portanto
AIX
=
-A0
‹=> [AIXI EAIXZ]
=
[B1 E B2]. Então, para encontrar a solução.1r_
_ ~da
equaçãoAlá
A0
devem-se
encontrar soluçoes dos sistemas:I)
AIXI
Z
B1
e=
B2
Calculo
da
soluçãoda
primeira equação: I)A1X1
=
B1'
[-1
5:
2l_›L2""2+L1
“lo
aš
1l_)L1(1/8)
“[0
Soluçãoi_11
=
deonde
vem
o
sistema:{x11
+
3x21:
_1
'_x11
+
5x21:
2Resolvendo
o
sistema de2
equaçõescom
duas variáveis, temos:132-1
_
13*-1
135-11
151/8
Tendo
em
vistaque
Ca
=
2 eque
Cv
=
2, isto é,que
Ca
=
Cv
=
2, logoo
sistema écompatível c determinado,
conforme o
toorcma. 5. Portanto, a. soluçãoda
equação I) é:Í-11/
l/8
K111
=\
1
Vamos
calcular agora a soluçãoda
segunda equação: II)A1X2
=
B2
Solução
L11
=
Lil,
de onde
vem
to sistema:V
ã
xlz