• Nenhum resultado encontrado

ESCOLA SUPERIOR DE TECNOLOGIA DE VISEU. Apontamentos Teóricos: Matrizes e Sistemas de Equações Lineares

N/A
N/A
Protected

Academic year: 2021

Share "ESCOLA SUPERIOR DE TECNOLOGIA DE VISEU. Apontamentos Teóricos: Matrizes e Sistemas de Equações Lineares"

Copied!
25
0
0

Texto

(1)

INSTITUTO POLIT ´ECNICO DE VISEU

ESCOLA SUPERIOR DE TECNOLOGIA DE VISEU

Departamento Matem´atica Disciplina Matem´atica I

Curso Gest˜ao de Empresas Ano 1o

Ano Lectivo 2007/2008 Semestre 1o

Apontamentos Te´oricos: Matrizes e Sistemas de Equa¸c˜oes Lineares

Autores:

Maria Cristina Peixoto Matos Nuno Concei¸c˜ao

Joana Fialho Paula Sarabando

(2)

3. Matrizes e Sistemas de Equa¸c˜oes Lineares 3.1. Conceito Elementar de Matriz

Defini¸c˜ao 1 Sejam m e n dois n´umeros naturais. Uma matriz real m × n ´e um conjunto de mn n´umeros reais distribu´ıdos por m linhas e n colunas do seguinte modo: A=             a11 a12 ... a1j ... a1n a21 a22 ... a2j ... a2n ... ... ... ... ... ... ai1 ai2 ... aij ... ain ... ... ... ... ... ... am1 am2 ... amj ... amn            

onde aij ∈ IR para todo o i ∈ {1, 2, ..., m} e para todo o j ∈ {1, 2, ..., n} . Dizemos

neste caso, que a matriz tem ordem ou dimens˜ao m × n . Cada n´umero que comp˜oe a matriz chama-se termo, elemento ou coeficiente da matriz.

Nota¸c˜ao: Abreviadamente podemos representar a matriz pelo s´ımbolo A = [aij] 1 ≤ i ≤ m

1 ≤ j ≤ n

.

Neste caso, o s´ımbolo aij ´e chamado termo geral da matriz. Cada elemento

da matriz ´e afectado de dois ´ındices, o ´ındice de linha que nos indica a linha a que o elemento pertence e o ´ındice de coluna que indica a coluna a que ele pertence:

(3)

Exemplo 1: A=     1 2 3 0 5 −1 √2   

 ´e uma matriz de dimens˜ao 3 × 2

a11 = 12, a12 = 3, a21 = 0, a22 = 5, a31 = −1 e a32 =

√ 2.

Defini¸c˜ao 2 A toda a matriz m × 1, ou seja, a toda a matriz com m linhas e 1 coluna chamamos matriz coluna e a toda a matriz 1 × n , ou seja, a toda a matriz com 1 linha e n colunas chamamos matriz linha.

Uma matriz coluna ´e da forma B =             b11 b21 ... bi1 ... bm1            

Uma matriz linha ´e do tipo A = h a11 a12 ... a1j ... a1n

i .

3.2. Matrizes Especiais

Defini¸c˜ao 3 Chama-se matriz nula m × n a toda a matriz m × n com os elementos todos iguais a zero.

Chama-se matriz quadrada de ordem n a uma matriz n × n, ou seja, a uma matriz com n linhas e n colunas.

Defini¸c˜ao 4 Seja A = [aij] uma matriz quadrada de ordem n. Os elementos

a11, a22, ..., ann constituem a diagonal principal de A e os elementos an1,

a(n−1)2, ..., a1n constituem a diagonal n˜ao principalou diagonal secund´aria

(4)

Exemplo 2: A=     3 4 −1 −1 1 2 0 1 −5    

, matriz quadrada de ordem 3.

Diagonal principal ´e constitu´ıda pelos elementos 3, 1 e -5. Diagonal secund´aria ´e constitu´ıda pelos elementos -1, 1, 0.

Defini¸c˜ao 5 Uma matriz quadrada em que os elementos situados fora da di-agonal principal s˜ao todos iguais a zero chama-se matriz didi-agonal, isto ´e, A= [aij] 1 ≤ i ≤ n

1 ≤ j ≤ n

´e uma matriz diagonal sse aij = 0 para todos os i, j ∈ {1, 2, ..., n}

tais que i 6= j.

Uma matriz quadrada diz-se triangular superior se todos os elementos situ-ados abaixo da diagonal principal s˜ao iguais a zero, isto ´e, A = [aij] ´e uma matriz

triangular superior sse aij = 0 para i > j.

Uma matriz quadrada diz-se triangular inferior se todos os elementos situ-ados acima da diagonal principal s˜ao iguais a zero, isto ´e, que A = [aij] ´e uma

matriz triangular inferior sse aij = 0 para i < j .

Exemplo 3: • D = " 1 0 0 −2 #

´e uma matriz diagonal.

• M =     1 −1 0 0 2 0 0 0 3    

(5)

• A =     1 −2 3 0 1 −2 0 0 5    

´e uma matriz triangular superior.

• B = "

2 0 −1 3

#

´e uma matriz triangular inferior.

Defini¸c˜ao 6 `A matriz diagonal de ordem n cujos elementos da diagonal prin-cipal s˜ao todos iguais a um, chama-se matriz identidade de ordem n e denota-se habitualmente por In. In =       1 0 ... 0 0 1 ... 0 ... ... ... ... 0 0 ... 1       Exemplo 4: I2 = " 1 0 0 1 # I3 =     1 0 0 0 1 0 0 0 1     I4 =       1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1      

Defini¸c˜ao 7 Seja A uma matriz m × n. Chama-se transposta de A, e denota-se por AT, `a matriz n × m cujas linhas coincidem com as colunas de A. Sendo A = [aij] 1 ≤ i ≤ m 1 ≤ j ≤ n , temos AT =             a11 a21 ... ai1 ... am1 a12 a22 ... ai2 ... am2 ... ... ... ... ... ... a1j a2j ... aij ... amj ... ... ... ... ... ... a1n a2n ... ain ... amn            

(6)

Propriedade da Matriz Transposta: ATT = (AT)T = A. Exemplo 5: • A = " 1 −1 4 3 0 2 # =⇒ AT =     1 3 −1 0 4 2     • A = h a11 a12 ... a1j ... a1n i =⇒ AT =             a11 a12 ... a1j ... a1n             • (In)T = In

Defini¸c˜ao 8 A matriz A diz-se sim´etrica se coincide com a sua transposta, isto ´e, A = AT. Exemplo 6: A=     1 2 3 2 7 −1 3 −1 0     = AT =⇒ A ´e sim´etrica.

Defini¸c˜ao 9 A matriz A diz-se anti-sim´etrica sse A = −AT

Exemplo 7: A =     0 −2 −3 2 0 1 3 −1 0     = −     0 2 3 −2 0 −1 −3 1 0     = −A T ⇒ A anti-sim´etrica.

(7)

3.3. Opera¸c˜oes com Matrizes: Propriedades. 3.3.1. Adi¸c˜ao de Matrizes

Denotemos por Mm×n(IR) o conjunto de todas as matrizes reais de dimens˜ao m× n.

Defini¸c˜ao 10 Sejam A = [aij] e B = [bij] duas matrizes de Mm×n(IR).

Chama-se soma de A com B `a matriz C = [cij] de Mm×n(IR), cujo termo

geral ´e cij = aij + bij, i = 1, 2, ..., m e j = 1, 2, ..., n. Isto ´e, C = A + B = [aij + bij] =       a11+ b11 a12 + b12 ... a1n+ b1n a21+ b21 a22 + b22 ... a2n+ b2n ... ... ... ... am1+ bm1 am2+ bm2 ... amn+ bmn       Exemplo 8: 8.1 A+ B = " 7 3 −2 −5 0 1 # + " −2 0 −1 2 −3 −4 # = = " 7 + (−2) 3 + 0 −2 + (−1) −5 + 2 0 + (−3) 1 + (−4) # = " 5 3 −3 −3 −3 −3 # 8.2. Sendo A = " 2 3 −1 0 # e B = h 4 2 1 i

n˜ao podemos obter

(8)

Propriedades da Adi¸c˜ao de Matrizes: Sejam A, B e C ∈ Mm×n(IR). Ent˜ao:

• A + B = B + A (comutatividade).

• (A + B) + C = A + (B + C) (associatividade).

• ∃′ O ∈ Mm×n(IR) tal que A + O = O + A = A (existˆencia de um elemento neutro).

• ∃′ A′ ∈ Mm×n(IR) tal que A + A′ = A′+ A = O (existˆencia de um sim´etrico). • (A + B)T = AT + BT.

Nota: A matriz A′ cuja existˆencia est´a garantida na 4a propriedade chama-se matriz sim´etrica de A e denota-se habitualmente por −A.

3.3.2. Multiplica¸c˜ao de uma Matriz por um Escalar

Defini¸c˜ao 11 Dada uma matriz A ∈ Mm×n(IR) e um escalar α ∈ IR, chamamos produto da matriz A pelo escalar α `a matriz B = αA ∈ Mm×n(IR) cujo termo geral ´e definido por bij = αaij.

Exemplo 9: A= " 1 −1 # e α = −3 =⇒ αA = −3A " −3 3 # .

Propriedades da Multiplica¸c˜ao Escalar:

Sejam A, B ∈ Mm×n(IR) e α, β ∈ IR . Ent˜ao

• (α + β)A = αA + βA. • α(A + B) = αA + αB. • (αβ)A = α(βA).

(9)

Exemplo 10: A= " 1 2 0 −1 3 −4 # e B = " 2 3 4 −1 0 −2 # 1 3A− 1 3B = 1 3(A − B) = 1 3 " −1 −1 −4 0 3 −2 # = " −13 − 1 3 − 4 3 0 1 23 #

Exerc´ıcio 1: Considere as matrizes A = " −1 0 2 −3 # , B = " −2 0 4 −6 # .

Sem efectuar c´alculos, mostre que 3(2A + 2B)T = 6(AT + BT).

3.3.3. Multiplica¸c˜ao de matrizes

Defini¸c˜ao 12 Sejam A = [aij] uma matriz m × n e B = [bjr] uma matriz

n× p. O produto de A por B (por esta ordem) ´e a matriz m × p cujo termo geral cir obt´em-se somando os produtos dos elementos da linha i da matriz A pelos

elementos coluna r da matriz B, isto ´e,

cir = h ai1 ai2 ... ain i       b1r b2r ... bnr       = ai1b1r + ai2b2r + ... + ainbnr = n X k=1 aikbkr. Consequentemente AB =              n X k=1 a1kbk1 n X k=1 a1kbk2 ... n X k=1 a1kbkp n X k=1 a2kbk1 n X k=1 a2kbk2 ... n X k=1 a2kbkp ... ... ... ... n X k=1 amkbk1 n X k=1 amkbk2 ... n X k=1 amkbkp             

(10)

Nota: Da defini¸c˜ao resulta que s´o se podem multiplicar matrizes quando o n´umero de colunas da matriz da esquerda for igual ao n´umero de linhas da matriz da direita.

Exemplo 11: Calcule, quando poss´ıvel, o produto A × B

a) A = " 2 0 1 1 # e B = " 1 3 # ⇒ AB = " 2 × 1 + 0 × 3 1 × 1 + 1 × 3 # = " 2 4 # . b) A = h 0 2 i e B = " 3 0 1 1 # ⇒ AB = " 0 × 3 + 2 × 1 0 × 0 + 2 × 1 # = = h 2 2 i . c) A = " 3 1 4 6 0 5 # 2×3 e B =     7 0 4 4 3 5 −1 5 6     3×3 AB = " 3 1 4 6 0 5 # 2×3 ×     7 0 4 4 3 5 −1 5 6     3×3 = =  3 × 7 + 1 × 4 + 4 × (−1) 3 × 0 + 1 × 3 + 4 × 5 3 × 4 + 1 × 5 + 4 × 6 6 × 7 + 0 × 4 + 5 × (−1) 6 × 0 + 0 × 3 + 5 × 5 6 × 4 + 0 × 5 + 5 × 6  = = " 21 23 41 27 25 54 # 2×3

Note que nestes casos n˜ao ´e poss´ıvel calcular B × A pois o n´umero de colunas de B n˜ao coincide com o n´umero de linhas de A.

(11)

Propriedades da Multiplica¸c˜ao de Matrizes:

Sejam A, B e C matrizes de dimens˜ao convenientes e α ∈ IR. Ent˜ao • (AB)C = A(BC) (associatividade).

• (A + B)C = AC + BC e A(B + C) = AB + AC (distributividade). • α(AB) = (αA)B = A(αB).

• AI = A e IB = B (existˆencia de elemento neutro). • AO = O e OB = O.

• (AB)T = BTAT.

• A multiplica¸c˜ao de matrizes n˜ao ´e, em geral, comutativa, isto ´e, geralmente A × B 6= B × A. Exemplo 12: A= " 1 0 1 0 # e B = " 0 0 1 1 # AB = " 1 0 1 0 # " 0 0 1 1 # = " 0 0 0 0 # =⇒ AB 6= BA BA = " 0 0 1 1 # " 1 0 1 0 # = " 0 0 2 0 #

As matrizes tais que A×B = B×A dizem-se matrizes permut´aveis.

• N˜ao ´e v´alida a lei do anulamento do produto AB = O ⇒ A = O ∨ B = O no caso de multiplica¸c˜ao de matrizes.

(12)

Exemplo 13: AB = " 1 0 1 0 # " 0 0 1 1 # = " 0 0 0 0 # com A = " 1 0 1 0 # 6= " 0 0 0 0 # e B = " 0 0 1 1 # 6= " 0 0 0 0 #

• N˜ao ´e v´alida a lei do corte

AX = AY , com A 6= O ⇒ X = Y no caso de multiplica¸c˜ao de matrizes.

Exemplo 14: A= " 1 1 1 1 # , B = " 1 2 # e C = " 2 1 # AB = " 1 1 1 1 # " 1 2 # = " 3 3 # = " 1 1 1 1 # " 2 1 # = AC e B = " 1 2 # 6= " 2 1 # = C.

3.4. Resolu¸c˜ao de Sistemas de Equa¸c˜oes Lineares 3.4.1. Matrizes em Escada

Defini¸c˜ao 13 Uma matriz em escada de linhas ´e uma matriz tal que, por baixo do primeiro elemento n˜ao nulo de cada linha, e por baixo dos elementos anteriores da mesma linha, todas as entradas s˜ao nulas.

Numa matriz em escada de linhas, chama-se pivot ao primeiro elemento n˜ao nulo de cada linha.

(13)

Exemplo 15: • A =     1 2 3 4 5 0 0 −1 2 −3 0 0 0 1 2    

- matriz em escada com pivots 1, -1 e 1.

• B =     1 2 3 0 −3 5 0 0 5    

- matriz em escada com pivots 1, -3 e 5.

• C =       1 2 3 4 0 0 2 5 0 0 4 6 0 0 0 0      

n˜ao ´e uma matriz em escada.

3.4.2. Elimina¸c˜ao de Gauss

Defini¸c˜ao 14 Dada uma matriz, designam-se por opera¸c˜oes elementares sobre linhas, as seguintes transforma¸c˜oes:

• Troca de duas linhas i e j (Li ↔ Lj);

• Multiplica¸c˜ao de uma linha i por um n´umero α diferente de zero (αLi);

• Substitui¸c˜ao de uma linha j pela que se obt´em adicionando-lhe o produto de outra linha i por um n´umero real α (Lj + αLi).

Nota: De forma an´aloga se definem as opera¸c˜oes elementares sobre colunas e representam-se por Ci ↔ Cj, αCi e Lj + αLi.

(14)

Exerc´ıcio 3: Identifique as opera¸c˜oes elementares efectuadas em cada caso: 3.1. " −1 3 2 0 # → " 3 −1 0 2 # 3.2. " 4 −3 −1 1 # → " 4 −3 0 14 # 3.3.     4 2 0 2 0 −1 −6 0 6     →     1 12 0 2 0 −1 0 0 3    

Defini¸c˜ao 15 A condensa¸c˜ao ou elimina¸c˜ao de Gauss de uma matriz consiste em efectuar opera¸c˜oes elementares sobre linhas e/ou colunas de modo a transformar a matriz dada numa matriz em escada de linhas.

Exerc´ıcio 4: Utilize a elimina¸c˜ao de Gauss para transformar as matrizes seguintes em matrizes em escada:

4.1.     1 2 0 1 2 0 1 3 −1 1 0 2     4.2.     0 2 3 −1 4 1 −1 2 3 0 −3 1 1 2 1    

3.4.3. Caracter´ıstica de uma Matriz

Chama-se caracter´ıstica de A, e denota-se por car(A), ao n´umero de linhas n˜ao nulas da matriz em escada de linhas que se obt´em de A atrav´es da sua condensa¸c˜ao.

(15)

Em s´ıntese temos: A=           a11 a12 ... a1k ... a1n a21 a22 ... a2k ... a2n ... ... ... ... ... ... ak1 ak2 ... akk ... akn ... ... ... ... ... ... am1 am2 ... amj ... amn           −→ O.E.           ¯

a11 ¯a12 ... ¯a1k ... ¯a1n 0 ¯a22 ... ¯a2k ... ¯a2n ... ... ... ... ... ... 0 0 ... ¯akk ... ¯akn 0 0 0 0 0 0 0 0 0 0 0 0           ⇒ car(a) = k

Nota: Como ´e ´obvio, car(A) ≤ min{m, n}.

Exemplo 16: Calcule a caracter´ıstica das seguintes matrizes:

• A =     1 0 1 2 3 1 −1 −3 2     −−−−−−−→ L2 − 2L1 L3+ L1     1 0 1 0 3 −1 0 −3 3     −−−−−→ L3 + L2 →     1 0 1 0 3 −1 0 0 2     ⇒ car(A) = 3 • B =       0 −1 2 1 1 0 2 2 0 3 3 0       −−−−−→ L1 ↔ L2       1 1 0 0 −1 2 2 2 0 3 3 0       −−−−−−−→ L3 − 2L1 L4 − 3L1 →       1 1 0 0 −1 2 0 0 0 0 0 0       ⇒ car(B) = 2

(16)

Exerc´ıcio 5: Calcule a caracter´ıstica da matriz          0 1 −1 2 1 2 −1 −1 −1 −1 0 1 2 3 2          .

Defini¸c˜ao 16 Uma matriz A quadrada de ordem n diz-se singular se car(A) < n.

Exerc´ıcio 6: Verifique se a matriz     0 2 3 1 −1 2 −3 1 1     ´e singular. 3.4.4. Algoritmo de Gauss

Consideremos um sistema de m equa¸c˜oes lineares a n inc´ognitas:

           a11x1+ a12x2+ ... + a1nxn = b1 a21x1+ a22x2+ ... + a2nxn = b2 ... am1x1+ am2x2+ ... + amnxn= bm ⇔       a11 a12 ... a1n a21 a22 ... a2n ... ... ... ... am1 am2 ... amn             x1 x2 ... xn       =       b1 b2 ... bm       ⇔ AX = b

Na resolu¸c˜ao de sistemas de equa¸c˜oes lineares vamos considerar a matriz am-pliada [A|b] , onde A ´e a matriz dos coeficientes do sistema, x ´e a matriz das inc´ognitas e b ´e a matriz dos termos independentes.

Algoritmo de Gauss: Ao proceder `a elimina¸c˜ao de Gauss da matriz ampliada [A|b] (efectuando opera¸c˜oes elementares sobre linhas e/ou troca de colunas), de modo a obtermos uma matriz em escada de linhas, ficamos com um novo sistema de equa¸c˜oes de mais simples resolu¸c˜ao.

(17)

[A|b] =           a11 a12 ... a1k ... a1n b1 a21 a22 ... a2k ... a2n b2 ... ... ... ... ... ... ... ak1 ak2 ... akk ... akn bk ... ... ... ... ... ... ... am1 am2 ... amj ... amn bm           −−→ O.E.           ¯a11 ¯a12 ... ¯a1k ... ¯a1n ¯b1 0 ¯a22 ... ¯a2k ... ¯a2n ¯b2 ... ... ... ... ... ... ... 0 0 ... ¯akk ... ¯akn ¯bk 0 0 0 0 0 0 ... 0 0 0 0 0 0 ¯bm           3.4.5. Classifica¸c˜ao de sistemas

O sistema Ax = b de m equa¸c˜oes a n inc´ognitas, pode ser classificado da seguinte forma:

• Se car(A) = car([A|b]) = n, o sistema ´e poss´ıvel determinado • Se car(A) = car([A|b]) < n, o sistema ´e poss´ıvel indeterminado • Se car(A) < car([A|b]), o sistema ´e imposs´ıvel.

Exerc´ıcio 7: Classifique e resolva, quando poss´ıvel, os seguintes sistemas u-sando o algoritmo de Gauss.

7.1.        x+ y + 2z = 7 x− 2y − 3z = 1 x− y + z = 0 7.2.        x1 + 2x2 + x3 = 1 −x1 − 2x2 = 5 −2x1 − 4x2 − 2x3 = 1 7.3.        x1 + x2 + x3 = 1 −x1 + x2 − x3 = −1 2x1 + 2x3 = 2

(18)

INSTITUTO POLIT ´ECNICO DE VISEU

ESCOLA SUPERIOR DE TECNOLOGIA DE VISEU

Departamento Matem´atica Disciplina Matem´atica I

Curso Gest˜ao de Empresas Ano 1o

Ano Lectivo 2007/2008 Semestre 1o

Caderno de Exerc´ıcios: Matrizes e Sistemas de Equa¸c˜oes Lineares

Autores:

Maria Cristina Peixoto Matos Nuno Concei¸c˜ao

Joana Fialho Paula Sarabando

(19)

1. Considere as matrizes A =    1 2 3 0 3 1 1 2 2    e B =    −1 0 −1 2 1 1 1 2 0   .

Calcule a matriz 2(A + B) − AB.

2. Considere A = " −1 0 1 2 1 −1 # , B = " 3 −1 # e C = " 1 1 # . Calcule (BTA + CTA)T.

3. Calcule os produtos AB e BA, quando definidos, nos seguintes casos:

a)A =    1 2 −1 2 0 2 3 1 3    e B =    2 1 0 3 4 2    b) A = h 1 0 −1 i e B =    3 2 1    c) A =    1 2 −2 −2 1 2 −2 −4 4    e B =    6 3 2 2 1 2/3 5 5/2 5/3    4. Considere as matrizes A =    1 −3 2 2 1 −3 4 −3 −1   , B =    1 4 1 0 2 1 1 1 1 −2 1 2   , C =    2 1 −1 1 3 −2 −1 2 2 −5 −1 3   e D =       2 1 0 1       . Verifique que AB = AC e BD = CD. 5. Considere as matrizes A = " 1 0 1 −1 1 1 # , B = " 1 1 1 −1 # , C = " 1 2 # , D =    1 0 0 1 1 1   .

Escolha uma maneira de as ordenar de tal modo que o produto das quatro matrizes esteja definido e calcule esse produto.

6. Mostre que se os produtos AB e BA est˜ao ambos definidos e A ´e do tipo m × n, ent˜ao B ´e do tipo n × m.

7. Calcule: (a)    2 0 1 1 1 1 0 3 2    2 ; (b) " 3 2 −4 −2 #5 ; (c) " 1 1 0 −1 #k ; (d) " 2 −1 3 −2 #k .

(20)

8. Considere que a ESTV, no ano lectivo de 2006/2007, come¸ca uma nova licenciatura, com numeros clausus de 100 alunos por ano, e dura¸c˜ao de trˆes anos. Considere que, em cada ano lectivo, 70% dos estudantes transitam de ano (ou terminam o curso caso estejam no 3o

ano), e 30% ficam retidos no mesmo ano. Representemos por um vector estado,

Xk=    xk1 xk2 xk3   ,

os alunos que frequentam a licenciatura no ano lectivo k, divididos por ano escolar (assim, por exemplo, o n´umero xk2 representa o n´umero de alunos que frequentam o segundo ano no ano lectivo k).

Tomemos k = 0 para representar o ano lectivo 2006/2007, em que a licenciatura arranca. Temos

X0=    100 0 0   .

(a) Encontre uma matriz A, 3 × 3, tal que, Xk+1= X0+ AXk (isto ´e, somando os alunos novos ao resultado

de multiplicar A pelo vector estado de um determinado ano lectivo, obtemos o vector estado do ano lectivo seguinte).

(b) Escreva a f´ormula da al´ınea anterior, que permite obter o vector estado para determinado ano lectivo n, mas sem ser por recorrˆencia, ou seja, uma f´ormula em fun¸c˜ao de X0e das potˆencias de A.

(c) Em Agosto de 2009/2010, quantos alunos tˆem o diploma desta nova licenciatura?

9. (a) Verifique que as identidades alg´ebricas (A ± B)2= A2

± 2AB + B2, (AB)2= A2B2

, (A + B)(A − B) = A2

− B2

nem sempre s˜ao verdadeiras quando A e B s˜ao matrizes.

Considere, por exemplo, os casos seguintes:

(a) A = " 1 −1 0 2 # , B = " 1 0 1 2 # ; (b) A = " 2 0 −1 1 # , B = " 1 0 3 4 # .

(b) Transforme os segundos membros das identidades anteriores de forma a obter identidades sempre v´alidas para A e B matrizes quadradas quaisquer da mesma ordem.

10. Em cada uma das al´ıneas dˆe exemplo de matrizes reais 2 × 2 com a propriedade indicada: (a) A2

= −I; (b) A2= 0, sendo A n˜ao nula;

(21)

11. Foi feito um estudo com o objectivo de detectar que parte do rendimento destinam os indiv´ıduos para a sua forma¸c˜ao e informa¸c˜ao. O pre¸co de revistas, livros, jornais e cd’s ´e dado respectivamente pelo seguinte vector [50 220 45 600] (em unidades monet´arias. Em trˆes grupos seleccionados (A, B e C) verificou-se que o consumo dos quatro produtos era o seguinte:

R L J CD

A 2 1 3 0

B 4 3 2 1

C 2 3 5 1

Utilize o c´alculo matricial para determinar a despesa de cada um dos grupos.

12. Uma companhia de navega¸c˜ao tem trˆes tipos de recipientes A, B e C e carrega cargas em contentores de trˆes tipos I, II e III. As capacidades dos recipientes s˜ao dadas pela matriz:

I II III

A 4 3 2

B 5 2 3

C 2 2 3

Utilizando a teoria das matrizes determine o n´umero de recipientes x1, x2 e x3 de cada categoria A, B e C,

se a companhia deve transportar 42 contentores do tipo I, 27 do tipo II e 33 do tipo III.

13. As firmas A, B e C partilham o mercado de um certo produto. Cada uma det´em a seguinte quota de marcado: A det´em 20% do mercado, B det´em 60% do mercado e C det´em 20% do mercado.

No ano seguinte ocorreram as seguintes altera¸c˜oes:

A mant´em 80% dos clientes, perde 10% para B e 10% para C; B mant´em 40% dos clientes, perde 10% para A e 50% para C; C mant´em 70% dos clientes, perde 20% para A e 10% para B.

Associando o n´umero 1 `a firma A, 2 `a firma B e 3 `a firma C determine a matriz de transi¸c˜ao, T, definida da seguinte forma:

T = [tij], i,j=1,2,3 com

tij = percentagem de clientes da firma j, que se tornam clientes da firma i no pr´oximo ano.

Com a mesma associa¸c˜ao de valores `as firmas, determine a matriz coluna, s, designada por matriz quota de mercado, que se caracteriza por ter todas as componentes positivas e soma igual a 1:

si1= percentagem de mercado inicial que a firma i det´em.

Depois de determinadas ambas as matrizes, calcule T s. Verifique tratar-se de uma matriz coluna de quotas de mercado e interprete o resultado. Justifique.

(22)

14. Resolva e classifique os seguintes sistemas de vari´aveis reais usando o m´etodo de elimina¸c˜ao de Gauss. (a)      2x1− x2+ 3x3= 8 −3x1+ 2x2+ x3= −7 −2x1+ x2+ 2x3= −3 (b)      x1+ x2+ x3= 0 x1+ 2x2+ 3x3= 0 3x1+ 5x2+ 7x3= 1 (c)      x1− x2− 3x3+ 4x4= 1 x1+ x2+ x3+ 2x4= −1 −x2− 2x3+ x4= 1 (d)      −x1+ 2x2+ 3x3+ x4= 1 2x1− 3x2− x3+ 2x4= 7 x1− 5x2+ 2x3− x4= −4 (e)            2x1+ 3x2− x3+ 5x4= 0 3x1− x2+ 2x3− 7x4= 0 4x1+ x2− 3x3+ 6x4= 0 x1− 2x2+ 4x3− 7x4= 0 (f )            −x1+ x2+ x3= 2 2x1+ 2x2+ 8x3= 16 x1+ x3= 3 −x1− 2x2= −13 (g)                x1+ x2= 1 x1+ x2+ x3= 4 x2+ x3+ x4= −3 x3+ x4+ x5= 2 x4+ x5= −1 (h)                x1− 2x2+ 3x3− 4x4+ 2x5= −2 x1+ 2x2− x3− x5= −3 x1− x2+ 2x3− 3x4= 10 x2− x3+ x4− 2x5= −5 2x1+ 3x2− x3+ x4+ 4x5= 1

15. (a) Usando o m´etodo de elimina¸c˜ao de Gauss encontre a par´abola f (x) = ax2+ bx + c que passa pelos

pontos (1,4), (2,7) e (3,4).

(b) Verifique, usando derivadas, que a par´abola referida na al´ınea anterior tem o v´ertice em (2,7). (c) Fa¸ca um esbo¸co para uma poss´ıvel fun¸c˜ao l(x) tal que l′

(x) = f (x).

16. Determine os valores de α para os quais o sistema (

αx + y = 1 x + αy = 1

(a) n˜ao tem solu¸c˜ao; (b) tem uma solu¸c˜ao; (c) tem uma infinidade de solu¸c˜oes.

17. Discuta os seguintes sistemas em fun¸c˜ao dos respectivos parˆametros

(a)      x1+ x2+ x3= β + 1 x1+ βx2+ x3= 1 βx1+ x2= β + 2β2 (b)      x1+ x2+ (1 − β)x3= β + 1 (1 + β)x1− x2+ 2x3= 0 2x1− βx2+ 3x3= β + 2 (c)      x1+ x2+ x3= 0 βx1+ x2+ βx3= γ x1+ γx3= β (d)      x1+ 2x2+ x3= 5 βx1− x2+ 3x3= 6 2x1+ x2− x3= γ

(23)

(e)            x + z + 2v = 1 2x + 3y + 2z + 3w + αv = 0 y + w + v = −γ −2x + y − 2z + w + βv = −2 (f )            x + y + z + w = 1 2x + 2y + 4z − 2w = 0 −x − y + z + αw = β x + y + 3z − 3w = γ

18. (Exame ´Epoca Especial, 2006-2007)

Considere o sistema Ax = b com A =    1 0 α 1 α α + γ 1 0 2α   , b =    0 β + 1 β   , α, β, γ ∈ IR

(a) Discuta o sistema em fun¸c˜ao dos parˆametros considerados. (b) Considere α = −1, β = 0, e γ = 2.

Resolva o sistema anterior atrav´es do m´etodo de Gauss.

19. Determine um sistema A× = b com duas equa¸c˜oes e trˆes inc´ognitas cuja solu¸c˜ao geral seja

× =    1 1 0   + α    1 2 1   .

20. Considere o seguinte sistema AX = B de equa¸c˜oes lineares com parˆametros reais a, b:    1 a a + 1 0 a − 1 2a 2 2 2   .    x y z   =    b 1 0   .

(a) Seja Y = [1 4 − 5]T. Calcule A.Y e diga, justificando, os valores dos parˆametros a, b para os quais

Y ´e solu¸c˜ao do sistema.

(b) Classifique o sistema para todos os valores reais dos parˆametros a, b. (c) Resolva o sistema quando a = 2 e b = 0.

21. Determine um sistema A× = b com trˆes equa¸c˜oes e trˆes inc´ognitas cuja solu¸c˜ao geral seja a mesma do exerc´ıcio anterior e que n˜ao tenha solu¸c˜ao quando b1+ b26= b3.

22. Determine todas as matrizes permut´aveis com A, sendo:

(a) A = " 1 2 −1 −1 # ; (b) A = " 1 1 0 1 # .

23. Uma empresa produtora de componentes para autom´oveis fez uma pesquisa de mercado e concluiu que para maximizar os seus lucros deveria, apenas, passar a produzir trˆes produtos: pneus, volantes e “jantes”. A diferen¸ca entre o n´umero de pneus e o n´umero de “jantes” a produzir deve ser igual ao dobro do n´umero de volantes produzido. O n´umero de volantes a produzir deve ser a quarta parte das “jantes” fabricadas. Utilizando a teoria das matrizes, determine duas quantidades poss´ıveis para cada um dos produtos que a empresa fabrica de forma que responda `as condi¸c˜oes deduzidas da pesquisa de mercado.

(24)

24. No centro de uma cidade h´a um conjunto de ruas de um s´o sentido e que se intersectam como na figura. O volume de tr´afego que entra e sai nessa zona durante a hora de ponta ´e o indicado na figura. Que conclui quanto ao volume de tr´afego en cada um dos 4 cruzamentos?

25. Uma empresa explora simultaneamente duas minas, A e B. Num dia de trabalho na mina A extrai 20 toneladas de cobre e 550 quilos de prata enquanto que, num dia de trabalho na mina B extrai 30 toneladas de cobre e 500 quilos de prata.

a) Supondo que a empresa explora a mina A durante x dias e a mina B durante y dias, estabele¸ca um sistema de equa¸c˜oes lineares que permita determinar o n´umero de dias necess´arios `a extrac¸c˜ao de 190 toneladas de cobre e 4250 quilos de prata.

b) Escreva o sistema da al´ınea anterior na forma matricial e resolva-o utilizando o m´etodo de elimina¸c˜ao de Gauss. 26. Considere as matrizes Ak=    0 k 0 1 0 k 1 −1 0    e bn =    0 0 n   

a) Discuta em fun¸c˜ao dos parˆametros k e n o sistema Akx = bn

b) Determine, se poss´ıvel, uma matriz D tal que: i) A0D − 2I3= A1

ii) A0D seja uma matriz sim´etrica

iii) A0D seja uma matriz triangular inferior

iv) A0D seja uma matriz diagonal

27. Indique, justificando, qual o valor l´ogico das seguintes afirma¸c˜oes:

a) Se A ∈ M3×4(IR) e B ∈ M4×3(IR) ent˜ao ´e poss´ıvel efectuar os produtos AB e BA mas AB 6= BA.

b) A matriz " 0 −1 1 0 # ´e ortogonal. c) Todo o sistema homog´eneo ´e poss´ıvel.

(25)

d) O produto de matrizes ortogonais ´e ainda ortogonal.

e) Todo o sistema de n equa¸c˜oes e n inc´ognitas cuja caracter´ıstica da matriz dos coeficientes ´e igual ao n´umero de equa¸c˜oes do sistema ´e sempre poss´ıvel determinado.

f ) Se A ∈ Mn×n(IR) e x e y s˜ao matrizes n × 1 ent˜ao a igualdade Ax = Ay =⇒ x = y

28. Sabendo que A(0, 10), B(1, 7), C(3, −11) e D(4, −14), determine os coeficientes a, b, c, e d de modo que a figura abaixo possa representar o gr´afico da fun¸c˜ao y = ax3

+ bx2 + cx + d, 10 −10 −20 1 2 3 4 5 −1 −2 y x y= f (x) A B C D

Referências

Documentos relacionados

O Plano de Manutenção dos Monumentos é uma ferramenta de gestão e de conservação preventiva que tem os seguintes objetivos: melhorar a gestão de recursos (reduzindo custos a

 São TADs representados através de listas sequenciais.. (fixas) ou encadeadas (dinâmicas), em que a seguinte regra deve

função recursiva, mais recursos de memória são necessários para executar o programa, o que pode torná-lo lento ou. computacionalmente

 Caminho simples que contém todas as arestas do grafo (e,. consequentemente, todos os

Este artigo está dividido em três partes: na primeira parte descrevo de forma sumária sobre a importância do museu como instrumento para construção do conhecimento, destaco

Para esse fim, analisou, além do EVTEA, os Termos de Referência (TR) do EVTEA e do EIA da Ferrogrão, o manual para elaboração de EVTEA da empresa pública Valec –

Requiring a realignment of the EVTEA with its ToR, fine-tuning it to include the most relevant socio-environmental components and robust methodologies for assessing Ferrogrão’s impact

Por isso, o trabalho é uma categoria fundante do ser social, que viabiliza as transformações nas relações materiais de produção e reprodução humana, tendo no