Levorato GBP Me Rcla

Fazer download em pdf ou txt
Fazer download em pdf ou txt
Você está na página 1de 68

Universidade Estadual Paulista Júlio de Mesquita Filho

Instituto de Geociências e Ciências Exatas

Campus de Rio Claro

Matrizes, Determinantes e Sistemas Lineares:

Aplicações na Engenharia e Economia

Gabriela Baptistella Peres Levorato

Dissertação apresentada ao Programa de Pós-


Graduação  Mestrado Prossional em Mate-
mática em Rede Nacional-PROFMAT como
requisito parcial para a obtenção do grau de
Mestre

Orientadora

Profa. Dra. Carina Alves

2017
512.5 Levorato, Gabriela Baptistella Peres
L555m Matrizes, Determinantes e Sistemas Lineares: Aplicações na En-
genharia e Economia/ Gabriela Baptistella Peres Levorato- Rio
Claro: [s.n.], 2017.
65 f.: il., gs., gráfs., tabs.

Dissertação (mestrado) - Universidade Estadual Paulista, Insti-


tuto de Geociências e Ciências Exatas.
Orientadora: Carina Alves

1. Álgebra Linear. 2. Matrizes. 3. Determinante. 4. Sistemas


Lineares. I. Título

Ficha Catalográca elaborada pela STATI - Biblioteca da UNESP


Campus de Rio Claro/SP
termo de aprovação

Gabriela Baptistella Peres Levorato


Matrizes, Determinantes e Sistemas Lineares: Aplicações

na Engenharia e Economia

Dissertação aprovada como requisito parcial para a obtenção do grau de

Mestre no Curso de Pós-Graduação Mestrado Prossional em Matemática

Universitária do Instituto de Geociências e Ciências Exatas da Universidade

Estadual Paulista Júlio de Mesquita Filho, pela seguinte banca examina-

dora:

Profa. Dra. Carina Alves

Orientadora

Profa. Dra. Eliris Cristina Rizziolli

Departamento de Matemática, UNESP - Rio Claro

Profa. Dra. Cristiane Alexandra Lázaro

Departamento de Matemática, UNESP - Bauru

Rio Claro, 18 de Agosto de 2017


Aos meus pais.
Agradecimentos

Ao bom Deus, pelo dom da vida e por ter me permitido concluir esse trabalho.

À minha mãe Roseni, que sempre vibrou mais que eu mesma pelas minhas conquis-

tas e me incentivou a cada dia.

Ao meu pai Arlindo, pelo seu amor e admiração.

Aos meus irmãos, Gabriel e Rafael, por serem dois anjos em minha vida.

Ao meu amigo, companheiro e marido Fábio, por toda sua compreensão, carinho,

apoio e incentivo nessa grande jornada.

Aos meus avós, Paulo e Dalva, por serem exemplos de paz, amor e afeto.

Aos primos Paula, Miguel, Marina e Isabela por me acolherem como hóspede em

Rio Claro quando precisei.

Aos amigos de turma, Juliana, Luiz, Rogério e Tássia, pelos grupos de estudo e

amizade.

A todos os amigos e familiares que torceram e me incentivaram em cada diculdade.

Aos professores deste curso e em especial à minha orientadora, Professora Doutora

Carina Alves, por todo o conhecimento compartilhado, paciência e dedicação.

Ao Departamento de Matemática da Unesp de Rio Claro, pela iniciativa desaadora

de promover o PROFMAT no campus de Rio Claro.

A CAPES pelo apoio nanceiro.


O único lugar onde o sucesso vem antes do trabalho é no dicionário.

Albert Einstein.
Resumo

O presente trabalho mostra a importância da Álgebra Linear e em particular da

Teoria de Matrizes, Determinantes e Sistemas Lineares para resolver problemas práticos

e contextualizados. Mostramos aplicações em circuitos elétricos, no balanceamento de

equações químicas, nos modelos aberto e fechado de Leontief, e no funcionamento

do GPS. Ainda, foi aplicado um plano de aula para os alunos do segundo ano do

Ensino Médio e apresentamos sugestões de exercícios de vestibulares sobre os tópicos

estudados, para serem abordados em sala de aula.

Palavras-chave: Álgebra Linear, Matrizes, Determinante, Sistemas Lineares.


Abstract

The present work shows the importance of Linear Algebra and in particular of

Matrix Theory, Determinants and Linear Systems to solve practical and contextualized

problems. We show applications in electrical circuits, in the balancing of chemical

equations, in the open and closed models of Leontief, and in the operation of GPS.

Also, a lesson plan was applied to the students of the second year of high school and

we presented suggestions of exercises of vestibular about the topics studied, to be

approached in the classroom.

Keywords: Linear Algebra, Matrices, Determinant, Linear Systems.


Sumário

1 Matrizes 10
1.1 Denições . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

1.2 Matrizes Especiais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

1.3 Operações com Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . 13

1.3.1 Adição . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

1.3.2 Multiplicação de um Número por uma Matriz . . . . . . . . . . 14

1.3.3 Multiplicação de Matrizes . . . . . . . . . . . . . . . . . . . . . 14

1.4 Matriz Transposta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

1.5 Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

2 Sistemas Lineares 19
2.1 Equação Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

2.1.1 Sistemas Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . 21

2.1.2 Sistemas Escalonados . . . . . . . . . . . . . . . . . . . . . . . . 23

3 Determinantes 26
3.1 Permutação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

3.2 Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

3.3 Cofator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

3.4 Obtenção da Matriz Inversa por Determinante . . . . . . . . . . . . . . 33

3.5 Aplicação de Determinantes em Sistemas Lineares - Regra de Cramer . 34

4 Aplicações Envolvendo Matrizes, Determinante e Sistemas Lineares 36


4.1 Circuitos Elétricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

4.1.1 Breve Introdução aos Circuitos Elétricos . . . . . . . . . . . . . 36

4.1.2 Leis de Kirchho e Lei de Ohm . . . . . . . . . . . . . . . . . . 37

4.2 Modelos Econômicos de Leontief . . . . . . . . . . . . . . . . . . . . . . 40

4.2.1 O Modelo Fechado (de input-output) de Leontief . . . . . . . . 40

4.2.2 O Modelo Aberto (de produção) de Leontief . . . . . . . . . . . 41

4.3 Aplicações em Química . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

4.3.1 Balanceamento de Equações Químicas . . . . . . . . . . . . . . 43

4.4 Aplicação no Funcionamento do GPS . . . . . . . . . . . . . . . . . . . 45


4.4.1 Uma Situação Real . . . . . . . . . . . . . . . . . . . . . . . . . 50

5 Experiências no Ensino Médio 52


5.1 Plano de Aula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

5.1.1 Sugestões de Exercícios Contextualizados . . . . . . . . . . . . . 58

5.2 Exercícios Extraídos de Vestibulares . . . . . . . . . . . . . . . . . . . . 61

Referências 65
Introdução

A matemática é uma ciência que não se limita a um ambiente restrito, sem aplicação

ou nalidade, ela é ampla em sua magnitude e todas as outras ciências estão direta-

mente relacionadas a ela. A importância da Álgebra Linear tem crescido nas últimas

décadas, os modelos matemáticos lineares assumiram um importante papel juntamente

com o desenvolvimento da informática e como seria de se esperar, esse desenvolvimento

estimulou um notável crescimento de interesse em Álgebra Linear.

Inúmeras aplicações foram sendo consolidadas ao longo dos séculos, desde os pri-

meiros indícios do surgimento dos Sistemas Lineares, Determinantes e Matrizes, até

os dias atuais, onde é possível constatar a consagração da Ciência Matemática, que

engloba a Álgebra Linear.

A transição da matemática desenvolvida no Ensino Médio para a do ensino uni-

versitário apresenta uma série de diculdades para os alunos. A introdução de ideias

abstratas implica numa mudança profunda de como o aluno deve mudar sua forma

de raciocinar. Considerando a forma de abordagem apresentada em livros didáticos

de assuntos especícos do Ensino Médio, em especial, Matrizes, Sistemas Lineares e

Determinante, há a necessidade de apresentar de forma simples, aplicações desses con-

ceitos. Desta forma, o objetivo deste trabalho é realizar um estudo sobre tópicos da

Álgebra Linear, como Matrizes, Determinantes, Sistemas Lineares e mostrar a inter-

disciplinaridade e aplicações desses tópicos, que auxiliam em alguns cursos como o de

Química, Física, Engenharia e Economia.

Esse trabalho foi dividido em três partes: na primeira parte foi feita uma fun-

damentação teórica dos temas supracitados, na segunda parte apresentamos algumas

aplicações e na terceira parte propostas de aulas para o Ensino Médio.

Mais especicamente, o presente trabalho está estruturado como segue.

No Capítulo 1, apresentamos conceitos e propriedades envolvendo Matrizes como,

adição e multiplicação, matrizes especiais, matriz transposta e matriz inversa.

No Capítulo 2, zemos um estudo de Sistemas Lineares sobre o corpo dos números

reais.

No Capítulo 3, apresentamos a teoria de Determinantes, incluindo suas aplicações

em sistemas lineares (regra de Cramer) e no cálculo da matriz inversa.

No Capítulo 4, são apresentadas duas aplicações onde se faz necessário o uso de

Sistemas Lineares: uma aplicação na engenharia elétrica, onde abordamos os circuitos

9
10

elétricos e uma aplicação na engenharia química, onde abordamos o balanceamento

de equações químicas. Para tanto, apresentamos denições de alguns conceitos físi-

cos e químicos para uma melhor compreensão das aplicações que abordamos aqui. É

apresentado também uma aplicação onde se faz necessário o uso de Matrizes: em um

sistema econômico de Leontief, e nalmente apresentamos uma aplicação de Determi-

nante no funcionamento do GPS. Um professor de Matemática do Ensino Médio ou

um aluno de graduação em Ciências Exatas, encontrará aqui exemplos com aplicações

de conceitos vistos na disciplina de Álgebra Linear.

No Capítulo 5, abordamos um plano de aula que foi aplicado aos alunos do segundo

ano do Ensino Médio e também foi feita uma análise das resoluções apresentadas pe-

los alunos. Posteriormente, apresentamos sugestões de exercícios envolvendo situações

reais e cuja soluções se dão a partir dos temas estudados e por m, apresentamos exer-

cícios de vestibulares, o que justica que é necessário uma aprendizagem signicativa

da temática deste trabalho.

Espera-se contribuir com o ensino de Álgebra Linear nas áreas ans da matemática,

de modo que as aplicações expostas aqui sejam utilizadas e que inspirem a elaboração

de outros projetos, não apenas no conteúdo de sistemas lineares, sua representação e

solução matricial mas também em outros, onde seja possível discutir a contribuição da

matemática na solução de problemas reais.


1 Matrizes

Historicamente, há indícios que os chineses, por volta de 2500 a.C., já desenvolviam

alguns tipos de problemas com cálculos efetuados sobre uma tabela, mas foi o Matemá-

tico inglês James Joseph Sylvester (1814-1897) que deu o nome de Matrizes para esses

cálculos. Sylvester viveu na idade áurea da Matemática e desenvolveu um importante

papel nos avanços cientícos. O estudo de Matrizes está ligado à Matemática, Física e

também abrange o campo da Computação.

Neste capítulo apresentamos as principais denições e propriedades envolvendo ma-

trizes. Posteriormente faremos o uso de matrizes em problemas práticos na Economia,

Física e Química.

As principais referências para o desenvolvimento deste capítulo foram [1] e [2].

1.1 Denições
Denição 1.1. Sejam m ≥ 1 e n ≥ 1 dois números inteiros. Uma matriz m × n é um
agrupamento retangular de números com m linhas e n colunas, formando uma tabela
que se indica do seguinte modo:
 
a11 a12 ... a1n
 a21 a22 ... a2n 
 
 . .. ...... ..  . (1.1)
 .
 . . ... . 

am1 am2 ... amn
Notações: Indicaremos por A uma matriz m×n com i = 1, ..., m e j = 1, ..., n. O

elemento que ocupa a linha i e a coluna j da matriz A é denotado por (aij ).


Cada matriz será representada por uma letra maiúscula do nosso alfabeto.

As m sequências horizontais são chamadas de linhas da matriz, enquanto as n


sequências verticais são chamadas de colunas da matriz.

Exemplo 1.2. A matriz A abaixo é uma matriz 3 × 2. Logo A ∈ M3×2 .


 
1 4
A = 2 5  . (1.2)
 

3 6

11
Matrizes Especiais 12

Denição 1.3. (Igualdade de Matrizes). Duas matrizes A = (aij ) e B = (bij ), de


ordem m × n são iguais se, e somente se, aij = bij (i=1,2,...,m ; j=1,2,...,n), para todo
par (i, j) em que i = 1, ..., m e j = 1, ..., n.



 x=1
" # " # 
5 6 z t y = 2

Exemplo 1.4. = ⇐⇒
x y 1 2 

 z=5


 t=6
" # " #
1 −1 1 0
Exemplo 1.5. 6 = .
0 2 −1 2

1.2 Matrizes Especiais


Denição 1.6. (Matriz linha). Uma matriz que possui apenas uma linha, ou seja,
uma matriz de ordem 1 × n:
h i
M1×n = a11 a12 a13 · · · a1n ,
é chamada de matriz linha.

Denição 1.7. (Matriz coluna). Uma matriz que possui apenas uma coluna, ou seja,
uma matriz de ordem m × 1:
 
a11
 a21 
 
 
Mm×1  a31  ,
= 
 .. 
 . 
am1
é chamada de matriz coluna.

Denição 1.8. (Matriz quadrada). Uma matriz que tem o mesmo número de linhas e
colunas é chamada de matriz quadrada. Usaremos a notação Mn e a chamaremos de
matriz quadrada de ordem n:
 
a11 a12 ··· a1n
 a21 a22 ··· a2n 
 
 ..
Mn =  .. . . . ..  .

 . . . 
an1 an2 · · · ann

Denição 1.9. (Diagonal principal). Seja A = (aij ) uma matriz quadrada n × n. Os


elementos aij em que i = j , com i, j = 1, ..., n são os elementos da diagonal principal.
Matrizes Especiais 13

Denição 1.10. (Matriz triangular superior). Uma matriz quadrada, em que os ele-
mentos abaixo da diagonal principal são nulos, ou seja, os elementos aij em que, i > j ,
são nulos:  
a11 a12 ··· a1n
 0 a22 ··· a2n 
 
 ..
Mn =  .. . . . ..  ,

 . . . 
0 0 · · · ann
é chamada de matriz triangular superior.

Denição 1.11. (Matriz triangular inferior). Uma matriz quadrada, em que os ele-
mentos acima da diagonal principal são nulos, ou seja, os elementos aij em que, i < j ,
são nulos:  
a11 0 ··· 0
 a21 a22 ··· 0 
 
 ..
Mn =  .. . . . ..  ,

 . . . 
an1 an2 · · · ann
é chamada de matriz triangular inferior.

Denição 1.12. (Matriz Diagonal). Uma matriz quadrada, em que os elementos


acima e abaixo da diagonal principal são nulos:
 
a11 0 ··· 0
 0 a22 ··· 0 
 
 ..
Mn =  .. . . . ..  ,

 . . . 
0 0 · · · ann

é chamada de matriz diagonal.

Denição 1.13. (Matriz identidade). A matriz identidade é denotada por In , onde


n é a sua ordem, e é uma matriz quadrada (aij ) em que os elementos aij da diagonal
principal (i = j ) são iguais a 1 e os elementos aij com i 6= j são iguais a 0, com
i, j = 1, ..., n:  
1 0 ··· 0
0 1 ··· 0
 
 ..
In =  .. . . .. 
. .
.
. . 
0 0 ··· 1
 
" # 1 0 0
1 0
Exemplo 1.14. I2 = , I3 = 0 1

0 .

0 1
0 0 1
Operações com Matrizes 14

Denição 1.15. (Matriz nula). Uma matriz em que todos os elementos são iguais a
zero:  
0 0 ··· 0
0 0 ··· 0
 
Om×n  ..
= .. . . . ..  ,

. . .
0 0 ··· 0
é chamada de matriz nula.

1.3 Operações com Matrizes


1.3.1 Adição
Dadas as matrizes A = (aij ) ∈ Mm×n e B = (bij ) ∈ Mm×n chamamos de soma da
matriz A com a matriz B e indicamos por A + B , a matriz m × n, cujo termo geral é
aij + bij , ou seja:

 
a11 + b11 a12 + b12 ... a1n + b1n
 a21 + b21 a22 + b22 ... a2n + b2n 
 
A+B =
 . . ... .
. (1.3)
. . ... .
. . ... .

 
am1 + bm1 am2 + bm2 ... amn + bmn
" # " # " #
−1 2 8 11 7 13
Exemplo 1.16. Se A= e B= então A+B= .
7 0 −3 5 4 5
     
a b c 1 − a −b −c 1 0 0
Exemplo 1.17. m n + 1 p +  −m −n
  
−p  = 0 1 0
  
.

x y z −x −y −z + 1 0 0 1

Denição 1.18. (Matriz oposta). Dada uma matriz A = (aij ), a matriz B = (bij ), em
que bij = −aij (1 ≤ i ≤ m, 1 ≤ j ≤ n), é chamada oposta de A, e indicamos por -A.

Denição 1.19. A diferença entre a matriz A e a matriz B, indicada por A − B é a


soma de A com -B (A + (−B)).

Proposição 1.20. Sejam A = (aij ), B = (bij ) e C = (cij ) matrizes de ordem m × n.


Então as propriedades abaixo são válidas:
P1) Comutatividade: A + B = B + A.
P2) Associativa: (A + B) + C = A + (B + C).
P3) A + 0 = A.
P4) A + (−A) = 0.

Demonstração: P 1) Sejam A = (aij ) e B = (bij ), então A + B = (aij + bij ) =


(bij + aij ) = B + A.
Operações com Matrizes 15

P 2) Sejam A = (aij ), B = (bij ) e C = (cij ) então (A + B) + C = (aij + bij ) + cij =


((aij + bij ) + cij ) = (aij + (bij + cij )) = (aij ) + (bij + cij ) = A + (B + C).
P 3) Sejam A = (aij ) e 0 = (0ij ) então A + 0 = (aij + 0ij ) = (aij + 0) = (aij ) = A
P 4) Sejam A = (aij ), −A = (−aij ) e B = A + (−A), com B = (bij ) então
bij = aij + (−aij ) ⇒ bij = aij − aij ⇒ bij = 0 ⇒ B = 0 ⇒ A + (−A) = 0. 

1.3.2 Multiplicação de um Número por uma Matriz


Denição 1.21. Dada uma matriz real A = (aij ) de ordem m × n, e um número real
t, o produto de t por A é a matriz real de ordem m × n dada por:
 
ta11 ... ta1n
 . ... ..  .
tA =  .. .  (1.4)

tam1 ... tamn


" " # #
7 −2 3 −35 10 −15
Exemplo 1.22. Seja a matriz A = . Então −5A = .
10 8 −4 −50 −40 20

Proposição 1.23. Sejam as matrizes A = (aij ) e B = (bij ) matrizes de ordem m × n


e α e β números reais. Então as propriedades abaixo são válidas:

P 1) (αβ )A= α(β A)


P 2) (α + β ) A= α A + β A
P 3) α(A + B) = α A + α B
P 4) 1A=A

Demonstração: P 1) Seja A = (aij ). Então (αβ )A = αβ (aij ) = αβaij = α(βaij ) =

α(βA).
P 2) Seja A = (aij ). Então (α + β )A = ((α + β )aij ) = (αaij + βaij ) = (αaij ) +
(βaij ) = α A + β A.

P 3) Sejam A = (aij ) e B = (bij ). Então α(A + B) = α(aij + bij ) = αaij + αbij =


αA + αB .
P 4) Seja A = (aij ). Então 1A = 1aij = aij = A. 

1.3.3 Multiplicação de Matrizes


Denição 1.24. Sejam A = (aij ) de ordem m × n e B = (bjk ) de ordem n × p.
Chama-se produto de A por B (indica-se AB) a matriz C = (cik ) de ordem m × p, onde
n
X
cik = aij bjk .
j=1
Operações com Matrizes 16

Exemplo 1.25. Sejam


 
"# 3 4 5
2 1 0
A= e B = 0 0 0 . (1.5)
 
0 1 2
1 0 0
Então
" # " #
2·3+1·0+0·1 2·4+1·0+0·0 2·5+1·0+0·1 6 8 10
AB = = .
0·3+1·0+2·1 0·4+1·0+2·0 0·5+1·0+2·1 2 0 2
(1.6)

Proposição 1.26. (Propriedades da Multiplicação de Matrizes) Sejam A = (aij ) de


ordem m × n e B = (bjk ) de ordem n × p as seguintes propriedades são válidas:
P1) Se C = (cks ) de ordem p × q então A(BC)=(AB)C.
P2) Se C = (cjk ) de ordem n × p então A(B+C)=AB+AC.
P3) Se C = (cjk ) de ordem n × p então (A+B)C=AC+BC.
P4) Im × A = A.
Demonstração: P 1) O termo geral de A(BC) é dado por:
n p p
n X
X X X
aij ( bjk cks ) = aij bjk cks .
j=1 k=1 j=1 k=1

ao passo que o termo geral de (AB)C é dado por:


p n p n p
n X
X X X X X
( aij bjk )cks = aij bjk cks = aij bjk cks .
k=1 j=1 k=1 j=1 j=1 k=1

P 2)
n
X n
X n
X
A(B + C) = aij (bjk + cjk ) = aij bjk + aij cjk = AB + AC.
j=1 j=1 j=1

P 3)
n
X n
X n
X
(A + B)C = (aij + bjk )cjk = aij cjk + bjk cjk = AC + BC.
j=1 j=1 j=1

P 4) Seja I = (λij ) e A = (ajk )


(
λij = 1, i = j
I=
λij = 0, i 6= j
Pm
Im × A = j=1 λij ajk = λi1 a1k + λi2 a2k + · · · + λii aik + · · · + λim amk = aik = ajk = A
Então, Im × A = A 

Observações: 1) Sejam A = (aij )  Mm×n e B = (bjk )  Mn×p . Podemos multiplicar


A por B , mas não podemos multiplicar B por A.
2) Se A e B forem matrizes quadradas de ordem n, então podemos fazer os produtos

AB e BA, mas AB e BA não serão necessariamente iguais. Quando AB = BA dizemos


que as matrizes A e B comutam.
Matriz Transposta 17

1.4 Matriz Transposta


Denição 1.27. Dada uma matriz A = (aij )  Mm×n , chama-se transposta da matriz
A, e indica-se por At a matriz n × m em que At = (aij ), At  Mn×m onde aij = aji
(i=1,..., m; j= 1,..., n).
 
" # 2 0
2 1 0
Exemplo 1.28. Seja a matriz A= . A transposta de A é At = 1 1 .
 
0 1 2
0 2

Proposição 1.29. (Propriedades da matriz transposta) Sejam as matrizes A = (aij ),


B = (bij ), At = (aji ) e B t = (bji ). Valem as seguintes propriedades:
P1) (A + B)t = At + B t .
P2) (λA)t = λAt , λ  R.
P3) (At )t = A.
P4) (AB)t = B t At .

Demonstração: P 1) Chamaremos a matriz C = A+B, C = (cij ) e C t = (cji ). Por


denição, aij = aji , bij = bji , cij = cji e cij = aij + bij . Logo, cji = cij = aij + bij =

aji + bji . Portanto, cji = aji + bji . Como cji = aji + bji , ∀i, j , então C t = At + B t ⇒
(A + B)t = At + B t .
P 2) Sejam A = (aij )m×n e At = (aji )n×m . Como aij = aji , ∀i, j , então (λA)t = λAt ,
λR.
P 3) Sejam A = (aij ), At = (aji ) e (At )t = D = (dij ). Quero mostrar que dij = aij .
t t
Como D é a transposta da matriz A , então aji = dij (1). Mas, A é transposta de A,
t t
então, aij = aji (2). De (1) e (2) temos que dij = aij . Logo, D = A ⇒ (A ) = A.

P 4) Sejam A = (aij ), B = (bij ), At = (aji ) e B t = (bji ). Chamaremos de E =


AB = (eij ) e F = B t At = (fji ) e E t = (eji ). Queremos mostrar que eji = fji . Se E t é
a transposta de E, então eij = eji .
Pn Pn Pn
Como eji = eij = j=1 aij bij = j=1 aji bji = j=1 bji aji = fji . Portanto, eji = fji ⇒
t t t
(AB) = B A . 

Denição 1.30. Uma matriz quadrada A diz-se simétrica se At = A.


 
3 −2 −1
Exemplo 1.31. Seja a matriz A = −2 5

1 .

A transposta de A será At =
−1 1 6
 
3 −2 −1
−2 5 1 . A matriz A é simétrica, pois A = At .
 

−1 1 6

Denição 1.32. Uma matriz quadrada A diz-se antissimétrica se At = −A.


Matriz Inversa 18

 
0 5 2
Exemplo 1.33. Seja a matriz A = −5 0 −1 .
 
A transposta de A será At =
−2 1 0
 
0 −5 −2
5 0 1 . A matriz A é anti-simétrica, pois At = −A.
 

2 −1 0

1.5 Matriz Inversa


Denição 1.34. Uma matriz A de ordem n se diz inversível se, e somente se, existe
uma matriz B, também de ordem n, de modo que

AB = BA = In .

Esta matriz B, caso exista, é única e chama-se inversa de A, e indica-se por A−1 .

Proposição 1.35. (Propriedades da matriz inversa) Dadas as matrizes A = (aij ),


B = (bij ), At = (aji ) e B t = (bji ) valem as seguintes propriedades:
P1) I = I −1 .
P2) Se a matriz A admite inversa A−1 , então sua transposta At também admite uma
inversa (At )−1 e (At )−1 = (A−1 )t .
P3) Se as matrizes A e B, de mesma ordem, admitem inversas A−1 e B −1 , então o
produto AB também admite inversa, e (AB)−1 = B −1 A−1 .
P4) Se A é inversível, então A−1 também é, e vale a seguinte igualdade: (A−1 )−1 = A.

Demonstração: P 1) Seja B a inversa de I, ou seja, B = I −1 .


BI = I ⇔ B = I ⇔ I −1 = I .
P 2) Sabemos que AA−1 = I e I = I t
(At )t ((A−1 )t )t = I ⇔ (At (A−1 )t = I t ⇔ At (A−1 )t = I .
−1 t t
Então a matriz (A ) é a matriz inversa A .
t −1 −1 t
Logo, (A ) =(A )

P 3) (AB)(AB)−1 = I ⇔ A−1 (AB)(AB)−1 = A−1 I ⇔ (A−1 A)B(AB)−1 = A−1 I ⇔


IB(AB)−1 = A−1 I ⇔ B(AB)−1 = A−1 I ⇔ B −1 B(AB)−1 = B −1 A−1 I ⇔ I(AB)−1 =
B −1 A−1 I ⇔ (AB)−1 = B −1 A−1 .
P 4) Sabemos que AA−1 = I e I = I −1
AA−1 = I ⇔ (AA−1 )−1 = I −1 ⇔ (A−1 )(A−1 )−1 = I −1 ⇔ A(A−1 )(A−1 )−1 = AI ⇔
I(A−1 )−1 = AI ⇔ (A−1 )−1 = A. 

Para determinar a inversa de uma matriz, caso ela exista, podem ser usadas as

operações da próxima denição.

Denição 1.36. Dada uma matriz A, entendemos por operações elementares com as
linhas de A, uma qualquer das seguintes alternativas:
Matriz Inversa 19

(I) Permutar duas linhas de A;


(II) Multiplicar uma linha de A por um número diferente de zero.
(III) Somar a uma linha de A uma outra linha de A multiplicada por um número.

Quando obtemos uma matriz A0 através de alguma dessas operações, dizemos que
0 0
A é equivalente a A, e escreve-se A ∼ A.
"#
1 −2
Exemplo 1.37. Vamos vericar se a matriz A= é inversível e determinar
3 5
A−1 , caso ela exista.

O objetivo é transformar a matriz A na matriz I2 por meio das operações elemen-

tares citadas acima, e com as mesmas operações transformaremos a matriz I2 em A−1 ,


então reuniremosA!e I2 numa mesma matriz: !
1 −2 1 0 1 −2 1 0
→ L2 = −3L1 + L2 →
3 5 0 1 0 11 −3 1
! !
5 2 5 2
1 0 11 11 1 0 11 11
2
→ L1 = 11 L2 + L1 → L2 = L112
0 11 −3 1 0 1 −3
11
1
11
−1
Portanto, a matriz inversa A é:

" #
5 2
A−1 = 11
−3
11
1
.
11 11
2 Sistemas Lineares

Documentos históricos comprovam que o estudo de sistemas lineares desenvolveu-

se, com maior intensidade nas civilizações orientais, como a babilônica e a chinesa.

Esse estudo foi se aprofundando no século XVII, a partir de um artigo do alemão

Gottfrield W. Leibniz (1646-1716), que estabeleceu condições para associar o sistema

de equações lineares a um determinante, contando com a colaboração do suíço Gabriel

Cramer(1704-1752), que resolveu um sistema de equações em um caso particular. Já o

alemão Carl Jacobi(1804-1851) fez a leitura dessa teoria que é estudada hoje.

Neste capítulo faremos um estudo de equação linear e sistema linear sobre o corpo

dos números reais R. Usaremos esses conceitos no Capítulo 4, quando abordaremos

problemas sobre circuitos elétricos, balanceamento de equações químicas e funciona-

mento do GPS. As principais referências para o desenvolvimento deste capítulo foram

[1], [2] e [3].

2.1 Equação Linear


Uma equação algébrica linear nas variáveis x1 , x2 e x3 é

x1 + 3x2 − 4x3 = 10. (2.1)

Para resolver esta equação temos que determinar todos os valores reais para x1 , x2 e

x3 que tornam verdadeira a igualdade. Explicitando x1 em relação a x2 e x3 na Equação


(2.1), obtemos x1 = 10 − 3x2 + 4x3 . Basta substituirmos em x1 = 10 − 3x2 + 4x3 para

quaisquer x2 e x3 reais obteremos uma solução. Nesse exemplo temos uma innidade

de soluções, onde podemos variar livremente x2 e x3 .

De modo geral, dados os números reais a1 , . . . , an e b, uma equação da forma

a1 x 1 + a2 x 2 + · · · + an x n = b (2.2)

é chamada de equação algébrica linear nas variáveis x1 , x2 , . . . , xn . As variáveis tam-

bém são chamadas de incógnitas por serem valores a serem determinados para valer a

igualdade. Os números reais ai são chamados de coecientes e b é o termo independente


da Equação (2.2)

20
Equação Linear 21

h it
Uma matriz coluna real y1 . . . yn é solução de (2.2) quando

a1 y1 + · · · + an yn = b.

Diz-se ainda que a n − upla de números reais (y1 , . . . , yn ) satisfaz a Equação (2.2).

Uma equação

0x1 + · · · + 0xn = b
em que todos os coecientes são nulos é
h it degenerada. Se b for igual a zero, então toda

matriz coluna x1 . . . xn é solução. Se b for diferente de zero, a equação degenerada


não possui solução.

As equações não degeneradas com duas ou mais variáveis possuem innitas soluções.

Uma equação não degenerada com uma única variável possui uma única solução.
it
Exemplo 2.1. Para todo l real, a matriz coluna
h
3 −2l l] é solução de 4x1 +8x2 =
12 que, portanto, possui innitas soluções. A variável l que aparece neste exemplo é

chamada de parâmetro.
O conjunto de todas as soluções de uma equação é chamado conjunto solução ou

solução geral. Cada elemento deste conjunto é, evidentemente, uma solução e, quando

for conveniente, será chamado de solução particular.


Exemplo 2.2. Para determinar a solução geral de x1 + 8x2 − 9x3 = 2, basta explicitar
x1 para obter x1 = 2 − 8x2 + 9x3 . A solução geral é o conjunto de matrizes coluna
         
x1 2 − 8x2 + 9x3 2 −8 9
x2  =  x2  = 0 + x2  1  + x3 0 .
         

x3 x3 0 0 1
A equação

a1 x 1 + · · · + an x n = 0
é denominada de equação homogênea. Ela está associada à equação não homogênea

(2.2) e, por esse motivo, é chamada de equação homogênea associada à equação não

homogênea

a1 x1 + · · · + an xn = b.
O uso de matrizes pode simplicar a notação. Sendo a = [a1 , . . . , an ]t a matriz
t
dos coecientes e x = [x1 , . . . , xn ] a matriz das variáveis, a equação acima pode ser

colocada na forma

at x = b.

Exemplo 2.3. Consideremos novamente a equação do Exemplo 2.2, x1 +8x2 −9x3 = 2,


cuja solução geral é
         
x1 2 − 8x2 + 9x3 2 −8 9
 x2  =  x2  = 0 + x2  1  + x3 0 .
         

x3 x3 0 0 1
Equação Linear 22

h it h it
É interessante observar que 2 0 0 é solução da equação e que tanto 11 0 1
h it
quanto 3 1 1 são soluções da equação homogênea associada.

O Exemplo 2.3 apresenta um fato geral.

Se y1 , . . . , yn forem soluções da equação homogênea at x = 0, então

c1 y1 + · · · + cp yp

continua sendo solução, para qualquer escolha dos números reais c1 , . . . , c n . Esta soma

é chamada de combinação linear das matrizes y1 , . . . , yp .


Se um conjunto y1 , . . . , yp de soluções da equação homogênea for tal que toda solução
da equação homogênea é uma combinação linear dos seus elementos, diremos que ele é

um conjunto gerador das soluções da equação homogênea.

Exemplo 2.4. Explicitando x1 na equação x1 +4x2 −3x3 = 0, obtemos x1 = −4x2 +3x3 ,


cuja solução geral é

       
x1 −4x2 + 3x3 −4 3
x2  =  x2  = x2  1  + x3 0 .
       

x3 x3 0 1
h it h it
Portanto, −4 1 0 e 3 0 1 formam um conjunto gerador de soluções para a

equação dada.

Se z0 for uma solução da equação não homogênea at x = b e y for uma solução da

equação homogênea Ax = 0,
z0 + y é solução da equação não homogênea. Além
então

disso, se z1 for outra solução de Ax = b, então existe uma solução u de Ax = 0 tal que

z1 = z0 + u. Esta outra solução u é exatamente z1 − z0 .

2.1.1 Sistemas Lineares


Dados os números reais aij e bi , com i = 1, . . . , m e j = 1, . . . , n, o sistema de

equações



 a11 x1 + . . . + a1n xn = b1

. .
. .
 . = .


am1 x1 + . . . + amn xn = bn
é chamado de sistema de equações algébricas lineares com m equações e n incógnitas.

Os números aij são denominados coecientes do sistema, bi são os termos constantes e

xj são as incógnitas ou variáveis do sistema.

Exemplo 2.5. Dado o sistema abaixo, encontremos os valores de x1 e x2 que tornam

verdadeiras as duas igualdades do sistema.


Equação Linear 23

(
4x1 − x2 = 10
(2.3)
x1 + x2 = 15
Explicitando x1 x1 = 15 − x2 e
na segunda equação do sistema (2.3) teremos

substituindo na primeira equação do sistema (2.3) teremos que 4(15 − x2 ) − x2 = 10 ⇒

60 − 4x2 − x2 = 10 ⇒ 60 − 5x2 = 10 ⇒ 50 = 5x2 ⇒ x2 = 10. Assim, x1 = 5. Portanto,


os valores de x1 e x2 que tornam verdadeiras as duas igualdades do sistema são x1 = 5

e x2 = 10.

De modo análogo à equações lineares, podemos simplicar a notação de sistemas

lineares usando matrizes. Se

     
a11 · · · a1n x1 b1
. . 
A= .  , x =  ...  e b =  ..  ,
    
.

am1 · · · amn xn bn

denomina-se A de matriz dos coecientes, x de matriz das incógnitas e b de matriz


dos termos constantes do sistema. Na forma matricial, o sistema do exemplo 2.5 se

reduz a

Ax = b.
A matriz [A|b] obtida acrescentando-se à matriz A uma coluna nal com os elementos

de b, é chamada de matriz aumentada do sistema linear.

Um vetor coluna real z tal que az = b é chamado solução do sistema Ax = b. Isto

signica que z é uma solução de cada equação do sistema. Um sistema como este pode

ter ou não uma solução.

Exemplo 2.6. O sistema " #" # " #


4 5 x1 14
=
0 0 x2 5
não admite solução, pois não existem x1 e x2 que tornam verdadeira a segunda equação.

Exemplo 2.7. O sistema " #" # " #


4 5 x1 14
=
0 1 x2 2
possui uma única solução x1 = 1 e x2 = 2. Para obtê-la, basta observar que, da segunda
equação, x2 = 2 e, da primeira, 4x1 + 5x2 = 14. Como x2 = 2, devemos ter x1 = 1.

Exemplo 2.8. O sistema " #" # " #


1 5 x1 10
=
2 10 x2 20
possui innitas soluções. Explicitando x1 na primeira equação segue quex1 = 10−5x2 .
Substituindo esta expressão na segunda obtêm-se 2(10 − 5x2 ) + 10x2 = 20 que se
Equação Linear 24

it em h20 = 20, ou iseja,


hsimplica t
é sempre verdadeira. Logo, qualquer matriz coluna

x1 x2 = 10 − 5x2 x2 é uma solução do sistema. A variável x2 pode variar

livremente nos reais.

Denição 2.9. O conjunto de todas as soluções do sistema é chamado de conjunto


solução ou solução geral do sistema. Este conjunto pode ser vazio, ter um único ele-
mento ou possuir innitos elementos. O sistema de equações que não possui solução
é chamado de impossível. Quando possui uma única solução é possível determinado e,
quando possui innitas soluções, é chamado de possível indeterminado.
O sistema de equações Ax = 0 é chamado de homogêneo. Quando b 6= 0, o sistema
de equações Ax = b é chamado de não homogêneo. Um sistema está intimamente
ligado ao outro e, por esta razão, Ax = 0 é chamado de sistema homogêneo de equações
associado ao sistema Ax = b.

A equação homogênea Ax = 0 possui sempre a solução trivial x = 0. Entretanto,

quando o sistema homogêneo Ax = 0 possui uma solução v não trivial, ela possuirá

innitas soluções pois cv será solução para qualquer número real c.

2.1.2 Sistemas Escalonados


Sejam


 a11 x1 + . . . + a1n xn = b1

. .
. .
 . = .


am1 x1 + . . . + amn xn = bn
um sistema de equações lineares com coecientes aij e bj R, i = 1, · · · , m,
em

j = 1, · · · , n, e incógnitas x1 , · · · , xn . Resolver esse sistema é encontrar n elementos

λ1 , · · · , λn ∈ R tais que 

 a11 λ1 + . . . + a1n λn = b1

. .
. .
 . = .


am1 λ1 + . . . + amn λn = bn
Uma possível estratégia para resolver esse sistema é por meio do processo de es-

calonamento. Após efetuarmos certas operações nestas equações, chegaremos em um

outro sistema que seja mais fácil resolver e que tenha o mesmo conjunto de soluções.

As operações usadas são as seguintes:

1) Troca de posições de duas equações;

2) Multiplicação de uma equação por um escalar não nulo;

3) Substituição de uma equação pela soma desta equação com alguma outra.

Essas operações são chamadas de operações elementares.


Dizemos que dois sistemas de equações a n incógnitas são equivalentes se tiverem

as mesmas soluções.
Equação Linear 25

Denição 2.10. Um sistema linear



 a11 x1 + · · · + a1n xn = b1
.. .


S:
 . = ..

am1 x1 + · · · + amn xn = bn

Será chamado de escalonado se existirem 1 ≤ l1 < l2 < · · · < lm ≤ n tais que ai li 6= 0,


para cada i = 1, · · · , m e aij = 0 se 1 ≤ j < li .
Exemplo 2.11. Considere o sistema linear, formado por três equações e três incógni-

tas:



 x1 + 2x2 + 3x3 = 7

−3x1 + x2 − x3 = −5 (2.4)


 −4x − 3x + 5x = 6
1 2 3

Chamaremos a primeira equação do sistema (2.4) de L1 , a segunda equação de L2 e a

terceira equação de L3 . Fazendo L2 = 3L1 + L2 , teremos:



 x1 + 2x2 + 3x3 = 7

0x1 + 7x2 + 8x3 = 16 (2.5)


 −4x − 3x + 5x = 6
1 2 3

Agora, fazendo L3 = 4L1 + L3 , teremos:




 x1 + 2x2 + 3x3 = 7

0x1 + 7x2 + 8x3 = 16 (2.6)


 0x + 5x + 17x = 34
1 2 3

Agora, fazendo L3 = 5L2 − 7L3 , teremos:




 x1 + 2x2 + 3x3 = 7

0x1 + 7x2 + 8x3 = 16 (2.7)


 0x + 0x + 79x = 158
1 2 3

Este último sistema esta na forma escalonada. Observe que, da terceira equação

do sistema (2.7) chegamos que x3 = 2, da segunda equação chegamos que x2 = 0 e


da primeira equação chegamos que x1 = 1. Não é difícil vericar que as soluções do

sistema inicial e deste último sistema são as mesmas.

Proposição 2.12. Todo sistema linear S é equivalente a um sistema escalonado.


Demonstração: Sem perder a generalidade podemos supor:


 x1 + α12 x2 + · · · + α1n xn = β1


 α21 x1 + α22 x2 + · · · + α2n xn = β2

S: . .
. .



 . = .

αm1 x1 + αm2 x2 + · · · + αmn xn = βm

Equação Linear 26

Para cada αi1 6= 0 (i = 2, 3, · · · , m) multipliquemos por (−αi1 ) a primeira equação e

somemos o resultado à i-ésima equação. Com algumas permutações convenientes de

equações (se for o caso) obteremos um sistema S1 do seguinte tipo:



 x1 + · · · + α1r1 xr1 + · · · + α1n xn = β1

γ2r1 xr1 + · · · + γ2n xn = β20



S1 : . .
. .



 . = .
 0
γmr1 xr1 + · · · + γmn xn = βm

onde γ2r1 6= 0 e r1 ≥ 2, que é equivalente a S.

Dividindo a segunda equação de S1 por γ2r1 obtemos um sistema S2 , ainda equiva-

lente a S1 , com o qual começamos a repetir o raciocínio feito até aqui, porém a partir

da sua segunda equação. Evidentemente, depois de aplicar um certo número nito de

vezes esse raciocínio chegaremos a um sistema escalonado equivalente a S. 

Exemplo 2.13. Escalonemos o sistema:




 x+y+z =1

S: x − y + 2z = 2


 x + 6y + 3z = 3

Fazendo, L2 = L1 − L2 e L3 = L1 − L3 obtemos o sistema S1 ∼ S :




 x+y+z =1

S1 : 2y − z = −1


 −5y − 2z = −2

Fazendo, L3 = 5L2 + 2L3 , obtemos o sistema S2 ∼ S1 ∼ S




 x+y+z =1

S2 : 2y − z = −1


 −9z = −9

Este último sistema está na forma escalonada. Chegamos em z = 1, y = 0 e x = 0.


Então a terna ordenada, (0, 0, 1) é solução do sistema.
3 Determinantes

O uso de Determinantes teve início com um trabalho de Gottfries Wilhelm Leibniz

(1646-1716), ligado também ao uso de sistemas lineares. O francês Étienne Bézout

(1730-1783) foi quem estabeleceu o processo dos sinais dos termos de um determinante.

O termo Determinante, como vemos hoje, surgiu em 1812, em um trabalho sobre o

assunto realizado por Augustin Louis Cauchy (1789-1857).

Neste capítulo faremos um estudo de Determinantes e suas aplicações em Matrizes

e Sistemas Lineares, pois simplicam e sistematizam algumas resoluções. Usaremos

também esses conceitos no Capítulo 4, quando abordaremos problemas sobre o funcio-

namento de um GPS. A principal referência para o desenvolvimento deste capítulo foi

[6].

3.1 Permutação
Denição 3.1. Chama-se permutação uma aplicação biunívoca σ do conjunto Nn =
{1, 2, · · · , n} sobre si mesmo.
Notação: Denotamos a permutação σ por:
" #
1 2 ... n
σ= (3.1)
σ(1) σ(2) ... σ(n)

Exemplo
" 3.2.
# "Se n = 3#, existem
" 3!# ="6 permutações
# " de N3 = {1, 2, 3}, a saber,
# " #
1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3
, , , , , .
1 2 3 1 3 2 2 1 3 2 3 1 3 1 2 3 2 1
" #
1 2 ... n
Denição 3.3. Consideremos a permutação σ = de Nn . Seja
σ(1) σ(2) ... σ(n)
r o número de pares ordenados (i, j) com 1 ≤ i < j ≤ n tais que σ(i) > σ(j). Chama-se
sinal da permutação σ o número inteiro representado por sgn(σ), que é:
• sgn(σ) = 1, se r é par

• sgn(σ) = −1, se r é ímpar

Diz que uma permutação σ é par se sgn(σ) = 1 e ímpar se sgn(σ) = −1.

27
Determinante 28

" #
1 2 3
Exemplo 3.4. Seja σ = . Os pares (i, j) com 1≤i<j≤3 e σ(j) > σ(i)
3 1 2
são (1, 2) e (1, 3); logo r = 2 e sgn(σ) = 1.

3.2 Determinante
Seja A = (aij ) uma matriz real de ordem n. O determinante da matriz A de ordem

n é o número real
X
det(A) = sgn(σ)a1σ(1) a2σ(2) · . . . · anσ(n)
σ

onde σ percorre todas as permutações de Nn ={1, 2, 3, . . . , n}.


Exemplo 3.5. A = (a11 ), então N1 tem somente uma permutação, a permutação
Se

identidade, que é par. Assim det(A) = a11 .


" #
a11 a12
Exemplo 3.6. Seja A= ∈ M2 (R). As permutações do conjunto {1, 2} e seus
a21 a22
" # " #
1 2 1 2
sinais são id = (sinal 1) e σ = (sinal -1). Logo, det(A) = a11 a22 − a12 a21 .
1 2 2 1
Denição 3.7. Assim, podemos obter o det(A) formando o produto dos coecientes da
diagonal da esquerda para a direita no diagrama a seguir e subtraindo disto o produto
dos coecientes da diagonal da direita para a esquerda.
a11 @ a12
@
R
@
a21 a23

" #
2 −3
Exemplo 3.8. Se A= , então, det(A) = (2) · (5) − (−3) · (4) = 22.
4 5
Denição 3.9. Sendo A uma matriz de ordem 3 × 3, podemos obter det(A) como se
segue. Repita a primeira e a segunda colunas de A como mostrado abaixo. Forme
a soma dos produtos dos coecientes sobre as diagonais da esquerda para a direita e
subtraia disto os produtos dos coecientes sobre as diagonais da direita para a esquerda
(verique a regra na Figura 3.1).
Então, para calcular det(A) escrevemos os seis termos:
det(A) = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a11 a23 a32 − a12 a21 a33 − a13 a22 a31 .
 
2 3 4
Exemplo 3.10. Seja A =  5 6 7. Determine det(A).

1 1 2
Solução : Pela denição 3.9, det(A) = (2)(6)(2) + (3)(7)(1) + (4)(5)(1) − (3)(5)(2) −
(2)(7)(1) − (4)(6)(1) = −3.
Determinante 29

Figura 3.1: Regra da Denição 3.9

Corolário 3.11. O determinante da matriz identidade é igual a 1.


Proposição 3.12. (Propriedades dos Determinantes).
P1) Se uma linha ou uma coluna de uma matriz quadrada for nula, seu determinante
é zero.
P2) Se duas linhas ou duas colunas de uma matriz quadrada forem iguais, seu deter-
minante é zero.
P3) O determinante de uma matriz é igual ao determinante de sua transposta.
P4) Sejam A e B matrizes de ordem n. Então, det(AB) = det(A) · det(B).
P5) Se A for uma matriz quadrada inversível, det(A−1 ) = det(A)
1
.
Demonstração: P 1) Quando a linha i for nula, aiσ(i) = 0 para toda permutação
σ e assim, det(A) = 0. Uma coluna nula em uma matriz é uma linha nula em sua
t
transposta. Assim, det(A ) = 0 e, portanto, det(A) = 0.

P 2) Se duas linhas da matriz A são iguais, ao trocar uma linha pela outra, a matriz
A permanece inalterada e seu determinante troca de sinal. Logo, det(A) = −det(A), o
que resulta em det(A) = 0.

P 3) Seja uma matriz A = (aij ) e B = (bji ) sua transposta, então aij = bji . Assim:
X
det(A) = sign(σ)a1σ(1) a2σ(2) · · · anσ(n)
σ
X
= sign(σ)bσ(1)1 bσ(2)2 · · · bσ(n)n = det(B).
σ

P 4) Se A A = E1 E2 · · · Ek , onde E1 , E2 , · · · , Ek são matrizes elemen-


for inversível,

tares. Assim det(AB) = det(E1 E2 · · · Ek B) = det(E1 )det(E2 ) · · · det(Ek )det(B) =

det(A)det(B). Se A ou B for singular, AB é singular e det(AB) = 0 e det(A)det(B) = 0.


P 5) Se A é invertível, temos que A · A−1 = I , como det(I) = 1, det(A)det(A−1 ) = 1, e
−1 1
portanto, det(A ) = .
det(A)


O próximo teorema mostra como o determinante de uma matriz é afetado pelas

operações elementares de linha e coluna.

Teorema 3.13. Suponha B obtido de A por uma operação elementar de linha (coluna).
(a) Permutando-se duas linhas (colunas) de A, então det(B) = −det(A).
Determinante 30

(b) Multiplicando-se uma linha (coluna) de A por um escalar β , então det(B) =


βdet(A).
(c) Somando-se a uma linha (coluna) um múltiplo de outra linha (coluna), então
det(B) = det(A).
Demonstração: (a) Demonstramos o teorema para o caso em que se permutam duas

colunas. Seja µ a transposição que permuta os dois números correspondentes às duas

colunas de A que são permutadas. Se A = (aij ) e B = (bij ), então bij = aiµ(j) . Logo,
para qualquer permutação σ , b1σ(1) b2σ(2) · · · bnσ(n) = a1µσ(1) a2µσ(2) · · · anµσ(n) . Assim,
P P
det(B) = σ∈Sn (snσ)b1σ(1) b2σ(2) · · · bnσ(n) = σ∈Sn (snσ)a1µσ(1) a2µσ(2) · · · anµσ(n)
Como a transposição µ é uma permutação ímpar, sn µ σ = sn µ · sn σ = -sn σ .
P
Assim sn σ = - sn µ σ , e det(B) = − σ∈Sn a1µσ(1) a2µσ(2) · · · anµσ(n) .
Mas, quando σ percorre todos os elementos de Sn , µσ também percorre todos os

elementos de Sn ; logo det(B) = - det(A).

(b) Se a j-ésima linha de A é multiplicada por β , então todo termo de det(A) é multi-

plicado por β e assim det(B) = β det(A). Isto é,


P P
det(B) = σ (sgσ)a1i1 a2i2 · · · (βajij ) · · · anin = β σ (snσ)a1i1 a2i2 · · · anin = βdet(A).
(c) Suponhamos que se some à j-ésima linha de A c vezes a k-ésima linha.
P P
detB = σ (snσ)a1i1 a2i2 · · · (cakik +ajij ) · · · anin = c σ (snσ)a1i1 a2i2 · · · akik · · · anin +
P
σ (snσ)a1i1 a2i2 · · · ajij · · · anin .
A primeira soma é o determinante de uma matriz cujas k-ésima e j-ésima linhas são

idênticas, logo, pela propriedade P2 , a soma é zero. A segunda soma é o determinante

de A. Assim det(B) = c · 0 + det(A) = det(A). 


Proposição 3.14. Se B é equivalente por linhas a uma matriz quadrada A, então
det(B) = 0 se, e somente se, det(A) = 0.
Demonstração: Pelo Teorema 3.13, o efeito de uma operação por linhas é mudar o

sinal do determinante ou multiplicar o determinante por um escalar não nulo. Portanto,

det(B) = 0 se, e somente se, det(A) = 0. 


Teorema 3.15. Seja A uma matriz quadrada de ordem n. Então, as proposições
seguintes são equivalentes:
(i) A é invertível, isto é, A tem uma inversa A−1 .
(ii) AX = 0 tem apenas a solução zero.
(iii) O determinante de A não é zero, ou seja, det(A) 6= 0.
Demonstração: A prova se faz pelo algoritmo Gaussiano. Se A é invertível, é equi-

valente por linhas a I. Mas det(I) 6= 0; logo, pela proposição 3.14, det(A) 6= 0. Se

A não é invertível, é equivalente por linhas a uma matriz com uma linha zero; logo,
det(A) = 0. Assim (i) e (iii) se equivalem.
Se AX = 0 tem apenas a solução X = 0, então A é equivalente por linhas a I e A
−1
é invertível. Reciprocamente, se A é invertível com inversa A , então

X = IX = (A−1 A)X = A−1 (AX) = A−1 0 = 0


Cofator 31

é a única solução de AX = 0. Assim, (i) e (ii) são equivalentes. 

3.3 Cofator
Denição 3.16. Chama-se cofator do elemento aij da matriz A, o número real ∆ij . A
submatriz Aij de ordem n − 1 é uma matriz obtida de A pela supressão da linha i-ésima
e da coluna j-ésina, multiplicado por (−1)i+j . Dessa forma o cofator de aij é dado por:

∆ij = (−1)i+j det(Aij ).


 
3 −1 2
Exemplo 3.17. Seja A =  4 5 6 .

7 1 2
" #
4 6
Assim, A12 = e det(A12 ) = 8 − 42 = −34,
7 2
" #
3 −1
A23 = e det(A23 ) = 3 + 7 = 21 e
7 1
" #
−1 2
A31 = e det(A31 ) = −6 − 10 = −16,
5 6
Além disso,

∆12 = (−1)1+2 det(A12 ) = (−1)(−34) = 34,


∆23 = (−1)2+3 det(A23 ) = (−1)(10) = −10,
∆31 = (−1)3+1 det(A31 ) = (1)(−16) = −16.
Se imaginarmos o sinal (−1)i+j como estando na posição (i, j) de uma matriz n × n,
então os sinais + e - formam um quadro em que se alternam, partindo de + na posição

(1, 1). Os quadros para n=3 e n=4 são os seguintes:

 
  + − + −
+ − + 
 − + − +
− + − 
 

+ − + −
+ − +
− + − +

Denição 3.18. Seja A = (aij ) uma matriz de ordem n e seja Aij o cofator do
elemento aij . Chama-se adjunta de A a matriz transposta da matriz de cofatores de A:
 
A11 A21 ··· An1
 A12 A22 ··· An2 
 
 ..
adjA =  .. . . . ..  .

 . . . 
A1n A2n · · · Ann
Cofator 32

 
2 3 −4
Exemplo 3.19. Seja A = 0 −4 2 .
 
Os cofatores dos nove elementos de A são:

1 −1 5
" #
−4 2
A11 = e det(A11 ) = −18;
−1 5
" #
3 −4
A21 = e det(A21 ) = −11;
−1 5
" #
3 −4
A31 = e det(A31 ) = −10;
−4 2
" #
0 2
A12 = e det(A12 ) = 2;
1 5
" #
2 −4
A22 = e det(A22 ) = 14;
1 5
" #
2 −4
A32 = e det(A32 ) = −4;
0 2
" #
0 −4
A13 = e det(A13 ) = 4;
1 −1
" #
2 3
A23 = e det(A23 ) = 5;
1 −1
" #
2 3
A33 = e det(A33 ) = −8.
0 −4
A transposta da matriz de cofatores é a adjunta de A:
 
−18 −11 −10
adjA =  2 14 −4  .
 

4 5 −8

Teorema 3.20. O determinante da matriz A = (aij ) é igual à soma dos produtos


obtidos pela multiplicação dos elementos de qualquer linha (coluna) por seus respectivos
cofatores:

det(A) = ai1 Ai1 + ai2 Ai2 + · · · + ain Ain (1)


det(A) = a1j A1j + a2j A2j + · · · + anj Anj (2)

Demonstração: Demonstraremos o caso (1). O caso (2) demonstra-se de modo aná-

logo.

Cada termo em det(A) contém um e um só elemento da i-ésima linha (ai1 , ai2 , · · · , ain )
de A. Logo, podemos escrever det(A) na forma

det(A) = ai1 A∗i1 + ai2 A∗i2 + · · · + ain A∗in .



(Note que Aij é uma soma de termos que não envolvem nenhum elemento da i-ésima
Cofator 33

linha de A.) Assim, o teorema estará demonstrado se mostrarmos que

A∗ij = Aij = (−1)i+j det(Mij ),

onde Mij é a matriz obtida omitindo-se a linha e a coluna que contém Aij . Historica-

mente a expressão Aij foi denida como o cofator de aij : assim, o teorema reduz-se a

mostrar a equivalência das duas denições de cofator.)

Consideremos primeiro o caso em que i = n, j = n. Então, a soma dos termos de

det(A) que contém ann é

X
ann A∗nn = ann (snσ)a1σ(1) a2σ(2) · · · an−1,σ(n−1)
σ

onde a soma estende-se por todas as permutações σ 6= Sn para os quais σ(n) = n.


Todavia, isto é, equivalente a somar sobre todas as permutações de [1, · · · , n − 1].
Assim, A∗nn = det(Mnn ) = (−1)n+n det(Mnn ).
Consideremos agora i e j quaisquer. Permutamos a i-ésima linha com cada linha

sucessiva até a última, e permutamos a j-ésima coluna com cada coluna sucessiva até

a última. Note-se que o determinante det(Mij ) não é afetado, porque as posições

relativas das outras linhas e colunas não são afetadas por essas permutas. Entretanto,

o "sinal"de det(A) e de A∗ij é mudado n−1 e n+1 vezes. Consequentemente,

A∗ij = (−1)n−i+n−j det(Mij ) = (−1)i+j det(Mij )

Teorema 3.21. Sejam A = (aij ) e B a matriz de A subtraindo-se a i-ésima linha de


A pelo vetor linha (bi1 , · · · , bin ). Então, det(B) = bi1 Ai1 + bi2 Ai2 + · · · + bin Ain .
Além disso, para j 6= i,
aj1 Ai1 + aj2 Ai2 + · · · + ajn Ain = 0 e a1j A1i + a2j A2i + · · · + anj Ani = 0.

Demonstração: Seja B = (bij ). Pelo Teorema 3.20

det(B) = bi1 Bi1 + bi2 Bi2 + · · · + bin Bin

Como Bij não depende da i-ésima linha de B , bij = aij para j = 1, · · · , n. Logo,
det(B) = bi1 Ai1 + bi2 Ai2 + · · · + bin Ain .
0
Suponhamos agora A obtida de A pela substituição da i-ésima linha pela j-ésima
0 0
coluna de A. Como A tem duas linhas idênticas, det(A ) = 0. Assim, pelo resultado

acima,

det(A0 ) = aj1 Ai1 + aj2 Ai2 + · · · + bjn Ain = 0 Usando det(A0 ) = det(A), obtemos

também a1j A1i + a2j A2i + · · · + bnj Ani = 0 


Obtenção da Matriz Inversa por Determinante 34

3.4 Obtenção da Matriz Inversa por Determinante


Teorema 3.22. Para qualquer matriz quadrada A, A · (adjA) = (adjA) · A = det(A) · I
onde I é a matriz identidade. Assim se det(A) 6= 0,
1
A−1 = adjA.
det(A)
Demonstração: Sejam A = (aij ) e A · (adjA) = (bij ). A i-ésima linha de A é

(ai1 , ai2 , · · · , ain ) (1)

Como adjA é a transposta da matriz dos cofatores, a j-ésima coluna da adjA é a

transposta dos cofatores da j-ésima linha de A: Isto é,

(Aj1 , Aj2 , · · · , Ajn )T (2)

Mas bij , o elemento de ordem ij em A · (adjA), obtém-se multiplicando (1) e (2):

bij = ai1 Aj1 + ai2 Aj2 + · · · + ain Ajn

Pelo Teorema 3.20 e Teorema 3.21,


(
det(A) se i = j
bij =
0 se i 6= j

Consequentemente, A · (adjA) é a matriz diagonal em cada elemento diagonal det(A).


Em outras palavras, A · (adjA) = AI . Analogamente, (adjA) · A = det(A)I . Logo,

1
A−1 = adjA.
det(A)


Exemplo 3.23. Considere a matriz do Exemplo 3.19 para a qual det(A) = −46.
Temos:     
2 3 −4 −18 −11 −10 −46 0 0
A(adjA) = 0 −4 2   2 14 −4  =  0 −46 0  =
    

1 −1 5 4 5 −8 0 0 −46
 
1 0 0
−46 0 1 0 = −46I = det(A)I
 

0 0 1
Além disso, pelo Teorema 3.22,
−18 −11 −10
  
9 11 5

 (−46) (−46) (−46)   23 46 23 
1  2 14 −4    −1 −7 2
A−1 = adjA =  =
 
det(A)  (−46) (−46) (−46)   23
 23 23 
 4 5 −8  −2 −5 4
(−46) −46 (−46) 23 46 23
Aplicação de Determinantes em Sistemas Lineares - Regra de Cramer 35

3.5 Aplicação de Determinantes em Sistemas Linea-


res - Regra de Cramer
Nesta seção veremos um teorema que fornece uma fórmula para a solução de certos

sistemas de n equações e n incógnitas. Essa fórmula, conhecida como Regra de Cra-


mer, é de interesse para ns computacionais, mas é útil para estudar as propriedades

matemáticas de uma solução sem precisar resolver o sistema.

Consideremos um sistema de n equações lineares e n incógnitas:



 a11 x1 + a12 x2 + . . . + a1n xn = b1


 a21 x1 + a22 x2 + . . . + a2n xn = b2

. .
. .



 . = .

an1 x1 + an2 x2 + . . . + ann xn = bn

ou, equivalentemente,

Ax = b
h it h it
Temos que, X = x1 x2 . . . xn e B = b1 b2 . . . bn e (aij ) é a matriz

(quadrada) de coecientes.

SejaAi a matriz obtida de A substituindo-se a i-ésima coluna de A pelo vetor coluna


B . Seja D = det(A) e Ni = det(Ai ), para i = 1, 2, · · · , n. Segue a relação fundamental
entre determinantes e a solução do sistema acima.

Teorema 3.24. O sistema acima tem solução única se, e somente se, D 6= 0. Em tal
caso, a solução (única) é dada por
N1 N2 Nn
x1 = , x2 = , ··· , xn = .
D D D
Demonstração: Pelos resultados anteriores,Ax = b tem solução única se e somente

se A é invertível, e A é invertível se e somente se D = det(A) 6= 0.


−1
Seja D 6= 0. Pelo Teorema 3.22, A = ( D1 )(adjA). Multiplicando Ax = b por A−1
obtemos

x = A−1 Ax = ( D1 )(adjA)b (1)


1
Note-se que a i-ésima linha de ( )(adjA)
D
é ( D1 )(A1i , A2i , · · · , Ani ).
h it
Se b = b1 b2 · · · bn então, por (1),
xi = ( D1 )(b1 A1i + b2 A2i + · · · + bn Ani )
Entretanto, tal como no Teorema 3.22, b1 A1i + b2 A2i + · · · + bn Ani = Ni , o de-
terminante da matriz obtida substituindo a i-ésima coluna de A pelo vetor b. Assim,

xi = ( D1 )Ni . 

O Teorema 3.24 é conhecido como "regra de Cramer"para resolução de sistemas de

equações lineares. Observamos que o teorema se refere apenas a um sistema com o

mesmo número de equações e de incógnitas, e que só dá a solução quando D 6= 0.


Aplicação de Determinantes em Sistemas Lineares - Regra de Cramer 36



 2x + 3y + 3z = 18
Exemplo 3.25. Resolva, utilizando determinantes:  3x + 2y + 5z = 23 .


 5x + 4y + 2z = 27
 
2 3 3
Calcule primeiro o determinante D da matriz de coecientes 3 2 5 e D = 31.
 

5 4 2
Como D 6= 0, o sistema tem solução única. Para calcular Nx , Ny , Nz , substitua os

coecientes de x, y, z na matriz de coecientes pelos termos constantes:


 
18 3 3
Ax = 23 2 5 e Nx = 93.
 

27 4 2
 
2 18 3
Ay = 3 23 5 e Ny = 62.
 

5 27 2
 
2 3 18
Az = 3 2 23 e Nz = 62.
 

5 4 27
Nx 93 Ny 62 Nz 62
Assim, a solução única é x = = = 3, y = = =2ez= = = 2.
D 31 D 31 D 31
4 Aplicações Envolvendo Matrizes,

Determinante e Sistemas Lineares

Neste capítulo mostraremos algumas aplicações da Álgebra Linear envolvendo Ma-

trizes, Determinantes e Sistemas Lineares, que são utilizadas na Engenharia, na Quí-

mica, na Física, na Economia, na utilização do GPS, entre outros.

4.1 Circuitos Elétricos


Nesta sessão, apresentamos a aplicação de Sistemas Lineares na Física, para calcular

corrente elétrica. Para isso usaremos os conceitos e resultados do Capítulo 2. As

principais referências utilizadas para o desenvolvimento desta seção foram [1], [3], [5] e

[7].

4.1.1 Breve Introdução aos Circuitos Elétricos


Inicialmente apresentamos alguns conceitos relacionados a circuitos elétricos.

Um circuito elétrico é constituído por um (ou mais) gerador, os condutores e um

(ou mais) resistor.

Denição 4.1. O Gerador é o aparelho que fornece energia (ver Figura 4.1). Exemplo:
pilhas, baterias.

Figura 4.1: Representação de um gerador

Denição 4.2. O Resistor pode ser usado para controlar a corrente elétrica em um
circuito ou para transformar energia elétrica em energia térmica (calor) (ver Figura
4.2).

37
Circuitos Elétricos 38

Figura 4.2: Representação de um resistor

Associação de Resistores: Podemos associar os resistores em série, em paralelo ou

mista (combinação de associação em série e em paralelo).

Denição 4.3. (Associação em série) Os resistores estão ligados um após o outro, de


modo que a corrente elétrica é a mesma e a tensão é dividida proporcionalmente.

Denição 4.4. (Associação em paralelo) Nessa ligação todos os elementos se encon-


tram paralelo com a fonte de energia, a tensão é a mesma em todos os pontos do
circuito e a corrente se alterna de acordo com a resistência.

4.1.2 Leis de Kirchho e Lei de Ohm


Uma série de leis se aplicam em circuitos elétricos. Destacaremos aqui duas delas:

as Leis de Kirchho e a Lei de Ohm.

Em um circuito elétrico completo, onde não é possível substituir ramicações por

trechos equivalentes (circuito multimalhas), devem ser usadas equações especícas,

conhecidas como as Leis de Kirchho. Essas leis são utilizadas para determinar a

intensidade da corrente elétrica em cada parte do circuito. Vamos caracterizar as

componentes de um circuito multimalhas:

1) Nó é um ponto onde três (ou mais) condutores estão ligados.

2) Malha é um trecho entre dois nós.

3) Ramo é qualquer caminho de condutor fechado.

Leis de Kirchho:
A1) Em cada nó, a soma das correntes de dentro é igual à soma das correntes de fora

do nó.

A2) Em um ciclo fechado, a diferença de potencial total é igual a zero.

Ao se usar as Leis de Kirchho na resolução de circuitos elétricos, obtém-se um

sistema de equações lineares.


Circuitos Elétricos 39

Lei de Ohm:
A lei de Ohm foi descoberta pelo físico Georg Simon Ohm, que relaciona três gran-

dezas elétricas:

1) V=tensão elétrica, unidade Volt (V é a letra que representa a unidade).

2) I=corrente elétrica, unidade ampère (A é a letra que representa a unidade).

3) R=resistência elétrica, unidade ohm (Ω é a letra grega que representa a unidade).

A fórmula da Lei de Ohm é:

V = I × R.

Exemplo 4.5. Vamos utilizar sistemas lineares para determinar as correntes elétricas

i1 , i2 e i3 do circuito elétrico, representado na Figura 4.3.

Figura 4.3: Circuito elétrico.

Da primeira Lei de Kirchho obtemos:

i1 − i2 + i3 = 0
−i1 + i2 − i3 = 0

Da Segunda Lei de Kirchho obtemos:

4i1 + 2i2 = 8
2i2 + 5i3 = 9
Circuitos Elétricos 40

Com isso, formamos o sistema linear:





 i1 − i2 + i3 = 0

 −i1 + i2 − i3 = 0

(4.1)


 4i1 + 2i2 = 8


 2i2 + 5i3 = 9

Escalonando esse sistema, obtemos:



 i1 − i2 + i3 = 0


−6i2 + 4i3 = −8 (4.2)


 19i3 = 19

Assim, vemos que i1 = 1A, i2 = 2A e i3 = 1A.

Exemplo 4.6. Vamos determinar as correntes elétricas i1 , i2 e i3 no circuito elétrico

abaixo:

Figura 4.4: Circuito elétrico.

Da primeira Lei de Kirchho temos:

i1 − i2 + i3 = 0
−i1 + i2 − i3 = 0

Da Segunda Lei de Kirchho obtemos:

i1 + i2 = 8
i2 + 4i3 = 13
Modelos Econômicos de Leontief 41

Com isso, formamos o sistema linear:





 i1 − i2 + i3 = 0

 −i1 + i2 − i3 = 0

(4.3)


 i1 + i2 = 8


 i2 + 4i3 = 13

Escalonando esse sistema, obtemos:



 i1 − i2 + i3 = 0


i2 + 4i3 = 13 (4.4)


 9i3 = 18

Assim, vemos que i1 = 3A, i2 = 5A e i3 = 2A.

4.2 Modelos Econômicos de Leontief


Nesta seção, vamos abordar os Modelos Econômicos do economista Russo Wassily

Leontief, que em 1973 ganhou o Prêmio Nobel pelo seu trabalho em modelagem econô-

mica, onde utiliza métodos matriciais para estudar as relações em diferentes setores da

economia. A principal referência utilizada para o desenvolvimento desta seção foi [3].

4.2.1 O Modelo Fechado (de input-output) de Leontief


Esse modelo é constituído de um número nito de n indústrias e cada indústria

produz uma quantidade xa de um produto ou serviço que é usado pelas n indústrias.

O objetivo desse modelo é determinar um preço para cada produto de tal forma que

o total de gastos se iguala ao total recebido. Tal estrutura de preços representa um

equilíbrio para a economia.

Exemplo 4.7. Três proprietários de casas, um pedreiro, um serralheiro e um pintor,

pretendem fazer concertos em suas casas. Eles concordam em trabalhar um total de

dez dias cada, de acordo com a tabela dada.

Pedreiro Serralheiro Pintor

Casa do Pedreiro 5 4 2

Casa do Serralheiro 3 4 2

Casa do Pintor 2 2 6

Os trabalhadores precisam declarar e pagar um ao outro um salário diário. Seus

salários diários, são aproximadamente de R$100,00, mas eles concordam em ajustar


Modelos Econômicos de Leontief 42

esses salários de modo que o total pago por cada um seja igual ao total recebido.

Vamos determinar o salário de cada um.

Chamaremos de x1 o salário do pedreiro, de x2 o salário do serralheiro e de x3 o

salário do pintor. Para satisfazer a condição de equilíbrio, em que o total gasto seja

igual ao total recebido para cada um dos proprietários no período de dez dias, temos:
 

 5x 1 + 4x 2 + 2x 3 = 10x 1 
 −5x1 + 4x2 + 2x3 = 0
 
3x1 + 4x2 + 2x3 = 10x2 ∼ 3x1 − 6x2 + 2x3 = 0 (4.5)

 

 2x + 2x + 6x = 10x  2x + 2x − 4x = 0
1 2 3 3 1 2 3

Fazendo L2 = 3L1 + 5L2 , temos:




 −5x1 + 4x2 + 2x3 = 0

0x1 − 18x2 + 16x3 = 0


 2x + 2x − 4x = 0
1 2 3

Fazendo L3 = 2L1 + 5L3 , temos:




 −5x1 + 4x2 + 2x3 = 0

0x1 − 18x2 + 16x3 = 0


 0x + 18x − 16x = 0
1 2 3

Fazendo L3 = L3 + L2 , temos:


 −5x1 + 4x2 + 2x3 = 0

0x1 − 18x2 + 16x3 = 0


 0x + 0x − 0x = 0
1 2 3

8β 10β
Chamando x3 = β , temos que x2 = 9
e x1 = 9
, onde β pode ser um valor qualquer

real.

Note que o sistema de equações tem innitas soluções dadas por:


   
x1 10
x2  = t  8 
   

x3 9

onde t é uma constante qualquer em que os proprietários podem escolher de acordo

com sua conveniência. Nesse exemplo como o salário de cada um é aproximadamente

R$100,00, então escolhe-se t = 10. Então o salário do pedreiro será de R$100,00, o

salário do serralheiro será de R$80,00 e o salário do pintor será de R$90,00.

4.2.2 O Modelo Aberto (de produção) de Leontief


Ao contrário do modelo fechado, em que os produtos das n indústrias são dis-

tribuídos somente entre as próprias indústrias, o modelo aberto tenta satisfazer uma
Modelos Econômicos de Leontief 43

demanda externa para os produtos. Uma parte dessa produção pode ser distribuída

entre as próprias indústrias, mas deve haver algum excesso para satisfazer a demanda

externa.

Nesse modelo, os preços é que são xados e o objetivo é determinar os níveis de

produção das indústrias para satisfazer a demanda externa.

Para um melhor entendimento do próximo exemplo apresentamos algumas consi-

derações sobre o modelo aberto de Leontief.

Vamos denotar por:

x: um vetor-produção
xi : valor monetário da produção total da i-ésima indústria
d = [di ]: o vetor-demanda
di : valor necessário para a i-ésima indústria satisfazer a demanda externa
C = [cij ]: a matriz de consumo quadrada
cij : valor monetário da produção da i-ésima indústria que é necessária para a j-ésima

indústria produzir uma unidade do valor monetário de seu próprio produto.

O vetor Cx é denominado vetor demanda intermediária da economia. Uma vez

atendida a demanda intermediária, a porção da produção que resta para satisfazer as

necessidades da demanda externa é x − Cx. Assim, se o vetor demanda externa for d,


então x deve satisfazer a equação:

x − Cx = d ⇒
⇒ (I − C)x = d (4.6)

A matriz I−C é denominada matriz de Leontief e (4.6) é denominada equação de

Leontief.

Exemplo 4.8. Duas ocinas de concerto de veículos, uma que trata da parte mecânica
(M) e outra de lataria (L), utilizam uma os serviços da outra. Para cada R$ 1,00 de

negócios que M faz, M utiliza R$ 0,50 de seus próprios serviços e R$ 0,25 dos serviços

de L e, para cada R$ 1,00 de negócios que L faz, L utiliza R$ 0,10 de seus próprios

serviços e R$ 0,25 dos serviços de M.

(a) Construa uma matriz de consumo para essa economia.

(b) Quais valores de M e L devem ser produzidos para essa economia gerar negócios

de R$ 7.000,00 de serviços mecânicos e R$ 14.000,00 de serviços de lataria?

Resolução:

(a) A matriz consumo será

" #
0, 5 0, 25
C= . (4.7)
0, 25 0, 1
Aplicações em Química 44

(b) A matriz I −C será


"# " # " #
1 0 0, 5 0, 25 0, 5 −0, 25
I −C = − = . (4.8)
0 1 0, 25 0, 1 −0, 25 0, 9

Para calcular os valores de M e L que devem ser produzidos para essa economia

gerar uma demanda de R$ 7.000,00 de serviços mecânicos e R$ 14.000,00 de serviços


de lataria, utilizamos (I − C)x = d, onde x1 representa M e x2 representa L, isto é,
" # " # " #
0, 5 −0, 25 x1 7000
. = . (4.9)
−0, 25 0, 9 x2 14000
Resolvendo o sistema abaixo

(
0, 5x1 − 0, 25x2 = 7000
(4.10)
−0, 25x1 + 0, 9x2 = 14000
obtemos x1 = 12.645 e x2 = 22.581. Então, M= R$12645,00 e L= R$22581,00.

4.3 Aplicações em Química


Nesta seção apresentamos uma aplicação de sistemas lineares dentro da Química,

mais especicamente em balanceamento químico. As principais referências para o de-

senvolvimento desta seção foram [3] e [4].

4.3.1 Balanceamento de Equações Químicas


Um composto químico é representado simbolicamente por sua fórmula química. Por

exemplo, a água é representada por H2 O (2 átomos de hidrogênio para cada átomo de

oxigênio).

As equações químicas mostram as transformações que ocorrem durante as reações

químicas. Por exemplo, a equação

Zn + S → ZnS

descreve uma reação na qual o zinco (Zn) reage com o enxofre (S) para produzir o

sulfeto de zinco (ZnS).


As substâncias do lado esquerdo da seta são os reagentes e as substâncias do lado

direito da seta, os produtos. Uma equação está balanceada quando contém o mesmo

número de átomos de cada elemento em ambos os lados da seta.

Exemplo 4.9. A equação

2H2 + O2 → 2H2 O
está balanceada, indicando que dois mols de moléculas de hidrogênio se combinam com

um mol de molécula de oxigênio para formar dois mols moléculas de água.


Aplicações em Química 45

Para balancear uma equação escrevemos primeiro a equação não balanceada e de-

pois ajustamos os coecientes estequiométricos que precedem as fórmulas. Podemos

balancear as equações químicas mais simples por inspeção, por tentativa e erro. Para

isso examinamos a equação e ajustamos os coecientes até que números iguais de cada

elemento estejam presentes nos reagentes e produtos.

O processo de balanceamento de equações químicas na verdade envolve a resolu-

ção de um sistema de equações lineares homogêneo, e assim podemos evitar muitas

tentativas e erros.

Exemplo 4.10. A combustão de amônia (N H3 ) em oxigênio produz nitrogênio (N2 )


e água (H2 O). Vamos encontrar uma equação química balanceada para essa reação.

Primeiro escrevemos a equação e colocamos incógnitas nos coecientes para reali-

zarmos o balanceamento.

xN H3 + yO2 → wN2 + zH2 O

Comparando o número de átomos de nitrogênio, hidrogênio e oxigênio nos reagentes

e nos produtos, obtemos o seguinte sistema de equações:

Nitrogênio: x = 2w
Hidrogênio: 3x = 2z

Oxigênio: 2y = z

Reescrevendo o sistema teremos:




 x − 2w = 0

3x − 2z = 0 (4.11)


 2y − z = 0

Esse é um sistema onde o número de incógnitas é maior que o número de equações,


β 2β β
então ele tem innitas soluções. Chamando z = β , teremos que y = 2
, x= 3
e w= 3
.

Precisamos achar a menor solução inteira para a equação car balanceada, para

isso calculamos o mínimo múltiplo comum entre os denominadores, nesse caso, 6, então

β = 6. Assim, chegaremos que x = 4, y = 3, w = 2 e z = 6.


A equação balanceada cará assim:

4N H3 + 3O2 → 2N2 + 6H2 O

Exemplo 4.11. Vamos descrever a equação equilibrada para a reação química abaixo:
C3 H8 + O2 → CO2 + H2 O

Sejam x, y , z e w inteiros positivos que equilibram a equação

xC3 H8 + yO2 → zCO2 + wH2 O

Igualando o número de átomos de cada tipo de ambos os lados, resulta


Aplicação no Funcionamento do GPS 46

Hidrogênio: 8x = 2w
Carbono: 3x = z

Oxigênio: 2y = 2z + w,

e obtemos o sistema linear homogêneo




 8x + 0y + 0z − 2w = 0

3x + 0y − z + 0w = 0 (4.12)


 0x + 2y − 2z − w = 0

Escalonando esse sistema obtemos:




 8x + 0y + 0z − 2w = 0

0x + 2y − 2z − w = 0 (4.13)


 0x + 0y + 8z − 6w = 0,

3w 5w w
donde obtemos que z = 4
, y = 4
e x= 4
. Então a solução geral desse sistema é

( w4 , 5w
4
, 3w
4
, w).
Para obtermos os menores valores inteiros positivos que equilibram a equação, cal-

culamos o mínimo múltiplo comum entre os denominadores, nesse caso, 4. Então,

x = 1, y = 5, z = 3 e w = 4

A equação balanceada cará

C3 H8 + 5O2 → 3CO2 + 4H2 O

4.4 Aplicação no Funcionamento do GPS


Uma das aplicações de Sistemas Lineares e Determinantes, junto com outras áreas

da Matemática, é no funcionamento de um GPS, um aparelho muito usado nos dias

atuais. As principais referências para o desenvolvimento desta seção foram [8] e [10].

Alguns fatos sobre o GPS


A humanidade tem desenvolvido sistemas cada vez mais complexos e precisos para

determinar a localização exata de um indivíduo ou algo sobre a Terra. O sistema de

Posicionamento Global GPS (Global Positioning System) foi terminado em Julho de

1995 pelo Departamento de Defesa dos EUA, e seu uso foi autorizado pelo público

geral. O sistema consiste de uma parte espacial (os satélites), uma parte de controle

(as estações terrestres de gerenciamento) e uma parte do usuário. Em 2005, o sistema

consistia de 32 satélites, onde 24 deles estariam em funcionamento, e o restante ca-

vam prontos para entrar em ação em caso de falha. Os satélites estão posicionados a

20.200km da superfície da Terra, em seis planos orbitais.


Aplicação no Funcionamento do GPS 47

Figura 4.5: Posições dos satélites e suas órbitas

Os satélites completam uma órbita a cada 12 horas e cada satélite tem 28 ◦ de

visualização sobre a Terra. Isso garante que qualquer ponto da superfície terrestre,

em qualquer instante, seja visualizado por pelo menos quatro satélites. Todos os vinte

e quatro satélites são controlados pelas estações terrestres de gerenciamento. Existe

uma estação master, localizada no Colorado (Estados Unidos), que com o auxílio de

cinco estações de gerenciamento espalhadas pelo planeta, monitoram o desempenho

total do sistema, corrigindo as posições dos satélites e reprogramando o sistema com

o padrão necessário. Após o processamento de todos esses dados, as correções e sinais

de controle são transferidas de volta para os satélites.

Figura 4.6: Esquema de transmissão do GPS.

Quando se adquire um GPS, na verdade se adquire um dispositivo (que chamamos

de receptor) que recebe os sinais GPS e usa a informação neles para calcular sua

localização. Cada um dos satélites do GPS transmite por rádio um padrão xado

que é recebido por um receptor na Terra (parte do usuário) funcionando como um

cronômetro.

Cada satélite é programado para emitir o que se chama efeméride, que informa a

sua posição exata, naquele instante, em relação a um sistema ortogonal de coordena-

das. Esta posição é rastreada e conferida pelas estações terrestres de gerenciamento e


Aplicação no Funcionamento do GPS 48

a unidade receptora processa estes sinais. Com a posição do satélite e a distância cal-

culada obtém-se a equação geral da superfície esférica imaginária. Coletando-se sinais

emitidos por quatro satélites, o receptor determina a posição do usuário calculando-a

como intersecção das quatro superfícies esféricas obtidas.

A localização é dada, não em coordenadas cartesianas, mas por meio das coordena-

das geográcas (latitude, longitude) e a elevação. A precisão do tempo é essencial na


−6
operação do GPS. Um erro de um micro segundo (10 segundos) no registro do lapso

de tempo desde a transmissão até a sua recepção, resulta num erro de 300 metros.

Unidades receptoras do GPS extremamente precisas podem determinar sua posição a

menos de um metro.

A navegação é a principal função do GPS, que pode ser usado em aeronaves, navios,

veículos e por indivíduos que usam o receptor portátil.

A teoria por trás do GPS


Assumindo que os relógios do receptor e de todos os satélites estão perfeitamente

sincronizados, o receptor calcula sua posição por triangulação.

O receptor mede o tempo (t1 ) que leva para o sinal obtido pelo satélite P1 chegar. O
sinal viaja à velocidade da luz (v) e a distância (d1 ) do receptor ao satélite é d1 = vt1 .

O conjunto de pontos situados à distância d1 do satélite P1 formam uma esfera S1 de

centro P1 e raio d1 , então o receptor está em S1 . Consideremos tais pontos em um

sistema de coordenadas cartesianas. Seja (x, y, z) a posição desconhecida do receptor e

(x1 , y1 , z1 ) a posição conhecida do satélite P1 . Então, (x, y, z) deve satisfazer a equação


da esfera S1 :

(x − x1 )2 + (y − y1 )2 + (z − z1 )2 = d21 = v 2 t21 . (4.14)

As informações acima ainda não são sucientes para determinar a posição precisa do

receptor. O receptor grava, ainda, o sinal de outro satélite P2 que leva um tempo t2 e

determina a distância do receptor ao satélite que é d2 = vt2 . Como acima, o receptor

deve estar na esfera S2 de raio d2 , centrada em (x2 , y2 , z2 ):

(x − x2 )2 + (y − y2 )2 + (z − z2 )2 = d22 = v 2 t22 . (4.15)

Como a intersecção de duas esferas é uma circunferência, reduziremos as informações,

mas ainda não são sucientes para determinar uma posição exata do receptor nessa

circunferência.

Para calcular essa posição exata, necessita capturar e processar o sinal recebido de

um terceiro satélite P3 . O receptor mede o tempo t3 para o sinal chegar e calcula sua

distância d3 = vt3 . O receptor está em alguma esfera S3 de raio d3 e centro (x3 , y3 , z3 ):

(x − x3 )2 + (y − y3 )2 + (z − z3 )2 = d23 = v 2 t23 . (4.16)

Agora, o receptor estará na intersecção da circunferência e da esfera S3 . Sabemos que

uma circunferência e uma esfera se interceptam em dois pontos, mas os satélites foram
Aplicação no Funcionamento do GPS 49

posicionados de forma que uma das soluções seja completamente irreal, estando bem

longe da superfície da Terra.

Para determinar esses dois pontos, basta encontrar as duas soluções do sistema

formado pelas equações (4.14), (4.15) e (4.16), e depois eliminando a solução irreal, o

receptor determina sua posição precisa:



 (x − x1 )2 + (y − y1 )2 + (z − z1 )2 = d21 = v 2 t21

(x − x2 )2 + (y − y2 )2 + (z − z2 )2 = d22 = v 2 t22

 (x − x )2 + (y − y )2 + (z − z )2 = d2 = v 2 t2

3 3 3 3 3

O Sistema de equações acima é quadrático, não linear, vamos realizar operações

elementares nele e transformá-lo em um sistema linear. Substituiremos a primeira

linha pela subtração de (4.14) pela (4.16) e a segunda linha pela subtração de (4.15)

pela (4.16), e manteremos a terceira linha, formando o sistema:



 2(x3 − x1 )x + 2(y3 − y1 )y + 2(z3 − z1 )z = C1

2(x3 − x2 )x + 2(y3 − y2 )y + 2(z3 − z2 )z = C2

(x − x3 )2 + (y − y3 )2 + (z − z3 )2 = d23 = v 2 t23

onde,

C1 = v 2 (t21 − t23 ) + (x23 − x21 ) + (y32 − y12 ) + (z32 − z12 ),


C2 = v 2 (t22 − t23 ) + (x23 − x22 ) + (y32 − y22 ) + (z32 − z22 ).
Como os satélites foram posicionados de forma que nunca três satélites serão coli-

neares, esta propriedade garante que pelo menos um dos determinantes 2×2 abaixo é

diferente de zero.

(x3 − x1 ) (y3 − y1 ) (x3 − x1 ) (z3 − z1 ) (y3 − y1 ) (z3 − z1 )


, , .
(x3 − x2 ) (y3 − y2 ) (x3 − x2 ) (z3 − z2 ) (y3 − y2 ) (z3 − z2 )
Suponha que o primeiro determinante seja diferente de zero. Usando a regra de

Cramer e as duas primeiras equações do sistema acima, teremos soluções para x e y


em função de z.

C1 − 2(z3 − z1 )z 2(y3 − y1 )
C2 − 2(z3 − z2 )z 2(y3 − y2 )
x= e
2(x3 − x1 ) 2(y3 − y1 )
2(x3 − x2 ) 2(y3 − y2 )

2(x3 − x1 ) C1 − 2(z3 − z1 )z
2(x3 − x2 ) C2 − 2(z3 − z2 )z
y= .
2(x3 − x1 ) 2(y3 − y1 )
2(x3 − x2 ) 2(y3 − y2 )
Aplicação no Funcionamento do GPS 50

Substituindo esses dois valores na terceira equação do sistema acima, obteremos

uma equação quadrática em z, a qual podemos resolver e encontrar duas soluções: z0


e z 00 . Substituindo z pelos valores de z0 e z 00 nas duas equações acima encontraremos

x0 , x00 , y 0 e y 00 .
As coordenadas geográcas de um ponto do espaço.
Escolhendo os eixos de nosso sistema de coordenadas, a origem O será o centro
da Terra, o eixo z positivo orientado na posição Norte; os eixos x e y cam no plano

equatorial, sendo o eixo x positivo passando pelo ponto de longitude 0 , e o eixo y

positivo passando pelo ponto de longitude 90 oeste.

Dado um ponto P = (x, y, z) do espaço, sejam θ e ϕ as medidas dos ângulos

assinalados na Figura 4.7.

Figura 4.7: Coordenadas Cartesianas

O valor de θ corresponde à latitude do ponto P , o valor de ϕ corresponde à longitude


p
do ponto P , e a diferença entre OP = d(O, P ) = x2 + y 2 + z 2 e o raio da Terra é a
altitude de P .

Como o raio da Terra é aproximadamente 6365km, uma solução (x, y, z) é conside-


2 2 2 2
rada aceitável se x + y + z ≈ (6365 ± 50) . A incerteza de 50km permite uma janela

de altitude para montanhas e aviões.

A latitude, a longitude e a altitude são chamadas de coordenadas grácas do

ponto P. Vejamos como relacioná-las com as coordenadas cartesianas de P.


No triângulo retângulo OPB da Figura 4.7, temos:

cos(90 − θ) = √ z
e como cos(90 − θ) = senθ, temos que:
x2 +y 2 +z 2

z
senθ = p .
x2 + y 2 + z 2
Essa expressão atribui a θ um único valor entre 0 e 90 quando z >0 e um único

valor entre -90 e 0 quando z < 0.


Aplicação no Funcionamento do GPS 51

Por outro lado, no triângulo retângulo OAC temos:

AC y OC x
senϕ = =p e cosϕ = =p
OA x2 + y 2 OA x2 + y 2
Essas duas expressões denem um único ϕ entre 0 e 180 quando y>0 e um único

valor de ϕ entre -180 e 0 quando y < 0.

4.4.1 Uma Situação Real


O exemplo abaixo, extraído da referência [8], retrata uma situação real em que

um usuário do GPS é detectado por quatro satélites. A tabela indica as efemérides

(em metros) de cada satélite tomadas em relação ao nosso xado sistema ortogonal de

coordenadas cartesianas.

x y z
Satélite 1 1, 877191188 × 106 −1, 064608026 × 107 2, 428036099 × 107
Satélite 2 1, 098145713 × 107 −1, 308719098 × 107 2, 036005484 × 107
Satélite 3 2, 459587359 × 107 −4, 336916128 × 106 9, 090267461 × 106
Satélite 4 3, 855818937 × 106 7, 251740720 × 106 2, 527733606 × 107

O receptor GPS registra os seguintes lapsos de tempo (em segundos) entre a trans-

missão e a recepção do sinal de cada satélite.

t1 do Satélite 1 t2 do Satélite 2 t3 do Satélite 3 t4 do Satélite 4

0,08251731391 0,07718558331 0,06890629029 0,07815826940

As informações transmitidas no sistema GPS envolvem dez ou mais dígitos, por

uma questão de precisão. Por isso é indispensável a utilização de calculadoras ou

software com capacidade de resolver sistemas lineares com coecientes dessa ordem.

Outra alternativa, é trabalhar com um número menor de dígitos e utilizar a notação

cientíca, com isso abriremos mão da precisão.

Como citado anteriormente, o raio das esferas é o tempo multiplicado pela veloci-

dade da luz que é de 2, 99792458 × 108 m/s.


Escrevendo as equações reduzidas, temos:

S1 : (x − 1, 8 × 106 )2 + (y + 10, 7 × 106 )2 + (z − 24, 2 × 106 )2 = 611, 9 × 1012


S2 : (x − 10, 9 × 106 )2 + (y + 13, 0 × 106 )2 + (z − 20, 3 × 106 )2 = 535, 4 × 1012
S3 : (x − 24, 5 × 106 )2 + (y + 4, 3 × 106 )2 + (z − 9, 0 × 106 )2 = 426, 7 × 1012
S4 : (x − 3, 8 × 106 )2 + (y − 7, 2 × 106 )2 + (z − 25, 2 × 106 )2 = 549, 0 × 1012

Podemos utilizar operações elementares para substituir três dessas equações qua-

dráticas por equações lineares.


Aplicação no Funcionamento do GPS 52

Para isto, subtraímos a primeira equação de cada uma das três últimas, resultando

em:




 (x − 1, 8 × 106 )2 + (y + 10, 7 × 106 )2 + (z − 24, 2 × 106 )2 = 611, 9 × 1012

18, 2x − 4, 88y − 7, 84z = 76, 52 × 106




 45, 43x + 12, 61y − 30, 38z = 185, 23 × 106

3, 95x + 35, 79y + 1, 99z = 62, 95 × 106

No sistema acima, a regra de Cramer, aplicada às três últimas equações, permite-nos

determinar os valores de x, y e z.
Considere
 as matrizes: 
18, 2 −4, 88 −7, 84
A= 45, 43 12, 61 −30, 38, det(A) = 8915, 49.
 

3, 95 35, 79 1, 99
 
6
76, 52 × 10 −4, 88 −7, 84
∆1 = 185, 23 × 106 12, 61 −30, 38, det(∆1 ) = 50500, 85 × 106 .
 

62, 95 × 106 35, 79 1, 99


 
6
18, 2 76, 52 × 10 −7, 84
∆2 = 45, 43 185, 23 × 106 −30, 38, det(∆2 ) = 8729, 62 × 106 .
 

3, 95 62, 95 × 106 1, 99
 
18, 2 −4, 88 76, 52 × 106
∆3 = 45, 43 12, 61 185, 23 × 106 , det(∆3 ) = 24783, 3 × 106 .
 

3, 95 35, 79 62, 95 × 106


Então temos que:

det(∆1 )
x= = 0, 566 × 107
det(A)
det(∆2 )
y= = 0, 0979 × 107
det(A)
det(∆3 )
z= = 0, 277 × 107
det(A)
Com isso chegaremos a latitude θ = 26◦ Norte, longitude ϕ = 10◦ Leste e altitude

de 919,71 metros.

Consultando um atlas geográco ou um globo terrestre, identicamos a posição

desse usuário do GPS como sendo da cidade de Djanet, localizada nos Montes Tássali,

na fronteira entre Argélia e Líbia.


5 Experiências no Ensino Médio

Neste capítulo abordaremos um plano de aula aplicado no Ensino Médio utilizando

os conceitos de soma e multiplicação de matrizes. Abordaremos ainda algumas su-

gestões de problemas contextualizados para se trabalhar matrizes, sistemas lineares e

determinantes, e alguns exercícios extraídos de vestibulares sobre esses assuntos, evi-

denciando a importância do aprendizado signicativo desses conteúdos.

5.1 Plano de Aula


Nesta seção apresentaremos um plano de aula o qual foi aplicado por mim, em uma

escola pública da rede estadual para uma turma de 22 alunos do segundo ano do Ensino

Médio. Essa abordagem evidencia o aspecto motivacional ao trabalhar com matrizes,

uma vez que os alunos estarão contextualizando a aprendizagem com situações reais

de seu cotidiano.

Primeiramente foram apresentadas aos alunos as denições formais de matriz, ma-

trizes especiais e operações envolvendo matrizes. Este conteúdo foi abordado no Capí-

tulo 1 desta dissertação e o professor poderá usá-lo como referência. Foram utilizadas

aproximadamente 3 aulas de 50 minutos. Percebeu-se que os alunos tiveram diculda-

des em entender o processo de multiplicação de matrizes.

A principal pergunta feita pelos alunos foi sobre a aplicabilidade do conteúdo apre-

sentado. Assim, para que os alunos pudessem contextualizar o tema, foi aplicado a

cada um dos alunos a sequência de atividades apresentadas abaixo.

Questão 1-) As tabelas abaixo representam as vendas, em uma concessionária, de


dois veículos 0km, modelos A e B, de acordo com o tipo de combustível, durante os

dois primeiros meses de um ano:

Janeiro

Combustível Flex Gasolina Álcool

Modelo A 4453 1985 415

Modelo B 2693 1378 289

53
Plano de Aula 54

Fevereiro

Combustível Flex Gasolina Álcool

Modelo A 5893 2031 531

Modelo B 3412 1597 402

Determine, por meio de uma matriz, o total de vendas de cada tipo de veículo no

primeiro bimestre desse ano.

Resolução: Espera-se que o aluno identique que é um problema de soma de ma-

trizes. Identicando a tabela de Janeiro como uma matriz M1 e a tabela de fevereiro

como uma matriz M2 , e efetuando a soma dessas duas matrizes:

" #
4453 1985 415
M1 =
2693 1378 289
e " #
5893 2031 531
M2 =
3412 1597 402
Fazendo M1 + M2 , obteremos a resposta:

" #
10346 4016 946
R= ,
6105 2975 691

onde, a primeira linha representa o modelo A, a segunda linha representa o modelo B,

a primeira coluna representa Flex, a segunda coluna representa Gasolina e a terceira

coluna representa Álcool.

Questão 2-) Durante as Olimpíadas, realizadas em Londres em 2012, o grupo C


do futebol masculino era formado por quatro países: Brasil, Egito, Bielorrússia e Nova

Zelândia. Observe os resultados (número de vitórias, empates e derrotas) de cada um,

registrados na Tabela 5.1. Pelo regulamento das Olimpíadas, cada resultado (vitória,

empate ou derrota) tem pontuação correspondente (3 pontos, 1 ponto e 0 ponto), que

está registrado na Tabela 5.2. Determine o total de pontos dos países participantes por

meio de uma matriz.

Tabela 5.1: Resultados


Vitórias Empates Derrotas

Brasil 3 0 0

Egito 1 1 1

Bielorrússia 1 0 2

Nova Zelândia 0 1 2

Resolução: Espera-se que o aluno identique que é um problema de multiplicação

de matrizes. Identicando a Tabela 5.1 como uma matriz M1 de ordem (4 × 3) e a


Plano de Aula 55

Tabela 5.2: Pontuação correspondente

Número de pontos

Vitória 3

Empate 1

Derrota 0

Tabela 5.2 como uma matriz M2 de ordem (3 × 1), e efetuamos a multiplicação entre

essas duas matrizes:    


3 0 0   9
1 3
1 1   4
 
M1 · M2 =   · 1 =   ,
 
1 0 2 3
0
0 1 2 1
onde a primeira linha representa os pontos do Brasil, a segunda linha os pontos do

Egito, a terceira linha os pontos da Bielorrússia e a quarta linha os pontos da Nova

Zelândia.

Questão 3-)(ENEM-2012) Um aluno registrou as notas bimestrais de algumas

de suas disciplinas numa tabela. Ele observou que as entradas numéricas da tabela

formavam uma matriz 4 × 4, e que poderia calcular as médias anuais dessas disciplinas

usando produto de matrizes. Todas as provas possuíam o mesmo peso, e a tabela que

ele conseguiu é mostrada a seguir.

1
o Bim o Bim
2 3
o Bim o Bim
4

Matemática 5,9 6,2 4,5 5,5

Português 6,6 7,1 6,5 8,4

Geograa 8,6 6,8 7,8 9,0

História 6,2 5,6 5,9 7,7

Para obter essas médias ele multiplicou a matriz obtida a partir da tabela por:
h i
1 1 1 1
a)
2 2 2 2
h i
1 1 1 1
b)
4 4 4 4
 
1
1
c)
 
 
1
1
1
2
1
2
d) 1
2
1
2
Plano de Aula 56

1
4
1
4
e) 1
4
1
4
Resolução: Da tabela extraímos uma matriz 4 × 4. Para calcularmos a média
1
aritmética entre 4 notas, somamos as 4 e dividimos por 4, ou multiplicamos por .
4
Então caríamos entre as alternativas b e e. Pela denição de multiplicação de matrizes

a multiplicação de uma matriz 4 × 4 tem que ser feita por uma matriz 4 × 1 e não 1 × 4.
Portanto, a alternativa correta é a letra e.

Com essas atividades os alunos puderam aprimorar as habilidades relacionadas à

adição e multiplicação de matrizes, uma vez que eles já tinham conhecimentos prévios

sobre este conteúdo.

As Figuras 5.1, 5.2 e 5.3 são registros dos erros cometidos na primeira questão.

Percebe-se que houve diculdade em representar a resposta por meio de uma matriz,

erro nos cálculos e o erro mais grave foi fazer a diferença entre as matrizes ao invés

de somá-las. Dentre os 22 alunos, 16 acertaram completamente a questão e somente 1

aluno errou totalmente.

Figura 5.1: Erro cometido na Questão 1.

Figura 5.2: Erro cometido na Questão 1.

As Figuras 5.4, 5.5 e 5.6 são registros dos erros cometidos na segunda questão.

Houve diculdade no conceito de multiplicação de matrizes, alguns alunos erraram os

cálculos ou não resolveram a questão, houve erro na representação da matriz resposta


Plano de Aula 57

Figura 5.3: Erro cometido na Questão 1.

que deveria ser uma matriz 4×1 e não 1 × 4. Dentre os 22 alunos, 8 acertaram

completamente a questão e 11 erraram completamente.

Figura 5.4: Erro cometido na Questão 2.

Figura 5.5: Erro cometido na Questão 2.

Figura 5.6: Erro cometido na Questão 2.

A Figura 5.7 é um registro dos erros cometidos na terceira questão. Apesar da obser-

vação colocada na folha de questões para deixar os cálculos registrados, nenhum aluno

registrou os cálculos nesta questão. Dentre os 22 alunos, 12 acertaram completamente

a questão e 10 erraram completamente.


Plano de Aula 58

Figura 5.7: Erro cometido na Questão 3.

Apesar de 54,5% dos alunos terem assinalado a resposta correta, os dados da questão

acima ainda são preocupantes, pois um total de 45,5% optou por outras alternativas.

A partir destas atividades pode-se concluir que os alunos apresentam diculdades

no que concerne ao produto entre matrizes.

Os alunos confundem o produto entre matrizes, porque muitos não analisam o

número de linhas e colunas das matrizes  para vericar se há ou não possibilidade

de resolver a operação  nem os artifícios para multiplicar os elementos das linhas e

colunas (elementos da 1
a linha da matriz A com os elementos da 1a coluna da matriz

B, e assim sucessivamente).

Com relação a questão de múltipla escolha, como os alunos não deixaram o cálculo

registrado, não é possível concluir que os 12 alunos que acertaram realmente sabiam

resolver a questão, ou apenas tiveram sorte na escolha da alternativa. Com isso, optar

por aplicar uma prova de múltipla escolha pode não ser uma boa alternativa para

avaliar a aprendizagem dos alunos. A aprendizagem é um processo cognitivo, inerente

ao ser humano, mas não observável diretamente. Para avaliá-la é necessário que se

tenha visibilidade. Daí está a importância de realizar avaliações em que os alunos

possam manifestar seus conhecimentos e habilidades para que seja possível avaliar de

forma adequada a aprendizagem dos alunos.

Como conclusão geral das atividades apresentadas, constatou-se que os alunos apre-

sentaram diculdades no tema e para sanar as dúvidas foram dedicadas mais aulas no

estudo de matrizes, abordando outros exemplos práticos.

É claro que, para que isso ocorra, o professor deve avaliar a realidade da sala de

aula para que ele se certique de qual seria a melhor decisão a ser tomada. Além disso,

é necessário um estudo mais profundo no que concerne ao ensino de matrizes para que

este se torne ainda mais agradável e ecaz.

A expectativa é que as atividades propostas e as demais aulas dedicadas à con-

textualização das operações de matrizes no cotidiano, tenham permitido ao aluno um

melhor entendimento do assunto e tenham motivado o aluno a procurar e estudar

outras aplicações relacionadas ao tema.


Plano de Aula 59

5.1.1 Sugestões de Exercícios Contextualizados


Nessa seção apresentaremos mais alguns exercícios (sequências didáticas) para apli-

car em sala de aula, contextualizando o ensino de Matrizes.

Esse objeto de aprendizagem apresentado a seguir, foi retirado da referência [9] e

adaptado. A situação foi desenvolvida tendo como contexto, situações que ocorrem

dentro de um shopping center.

O aluno, na interação com o objeto, faz o papel de um cliente de determinada loja

do shopping center. Criaram-se essa situação em que ocorre o estudo de produto de

matrizes: um quiosque de venda de bombons.

A situação é descrita por uma vendedora que oferece três tipos de bombons e, que

podem ser vendidos em quatro tipos de kits: um com quatro bombons, outro com seis,

o terceiro com oito e o quarto com dez bombons.

A interação proposta para o estudo de produto de matrizes, nessa situação, é que o

aluno é quem forma o kit desejado. O produto de matrizes ocorrerá por intermédio da

tabela do tipo de kit de bombons versus espécies de bombons e, espécies de bombons

versus valor e peso. A tabela espécies de bombons versus valor e peso será apresentada

ao aluno, quando o mesmo tiver escolhido o kit.

O aluno escolherá um kit, tendo escolhido o kit, o mesmo tem a possibilidade de

escolher entre três tipos de bombons (ao leite, branco e diet). Os kits não escolhidos

serão preenchidos pelo aluno com a quantidade zero na tabela.

A tabela contendo espécies de bombons versus valor e peso é dada, então o aluno

preenche a tabela do tipo de kit de bombons versus espécies de bombons, efetua a

multiplicação das duas matrizes obtendo como resultado uma matriz contendo o tipo

de kit de bombom versus valor e peso.

Em um exercício como esse, cada aluno terá uma construído uma tabela diferente,

chegando em resultados diferentes.

Exemplo 5.1. Simulando a escolha de um aluno, teremos:

Kits Ao Leite Branco Diet

Kit 1 5 0 1

Kit 2 0 2 1

Kit 3 1 0 1

Kit 4 0 1 1

A Tabela 5.3, espécies de bombons versus valor e peso, é dada no exercício:

Fazendo a multiplicação dessas matrizes, obteremos:

   
5 0 1   7, 00 140
0 1, 00 25
2 1  5, 00 55 
 
 · 1, 50 20 = 
  
 
1 0 1 3, 00 40 
2, 00 15
0 1 1 3, 50 35
Plano de Aula 60

Tabela 5.3: espécie de bombons versus valor e peso

Bombons Valor por unidade Peso por unidade

Ao Leite R$1,00 25g

Branco R$1,50 20g

Diet R$2,00 15g

A tabela resposta desse problema seria:

Kits Valor por unidade Peso por unidade

Kit 1 R$7,00 140g

Kit 2 R$5,00 55g

Kit 3 R$3,00 40g

Kit 4 R$3,50 35g

Exemplo 5.2. Uma empresa especializada em calçados é formada por três lojas A, B e
C. Realizado um estudo de vendas de três modelos de sapatos nos meses de Novembro e

Dezembro de 2016 nessas lojas, foram obtidos os resultados representados nas seguintes

tabelas:

Tabela 5.4: Vendas do mês de Novembro/2016

Loja A Loja B Loja C

Modelo 1 100 98 105

Modelo 2 150 120 121

Modelo 3 89 93 99

Quanto cada loja vendeu de cada modelo nesses dois meses? Qual loja vendeu mais

o modelo A? Qual loja vendeu mais o modelo B?

Resolução: As tabelas 5.4 e 5.5 podem ser representadas pelas matrizes

   
100 98 105 130 110 133
A = 150 120 121 e B = 148 120 100 (5.1)
   

89 93 99 100 80 100

Para se obter quanto cada loja vendeu de cada modelo nesses dois meses, faremos

a soma dessas matrizes, obtendo a matriz resposta R.


 
230 208 238
R = A + B = 298 240 221 .
 

189 173 199

Analisando a matriz R, vemos que a loja A vendeu mais o modelo 2 e a loja B

vendeu mais os modelos 1 e 3.


Plano de Aula 61

Tabela 5.5: Vendas do mês de Dezembro/2016

Loja A Loja B Loja C

Modelo 1 130 110 133

Modelo 2 148 120 100

Modelo 3 100 80 100

Exemplo 5.3. O Campeonato Brasileiro começou no dia 13 de Maio de 2017. A

regra para classicação dos times é pela quantidade de pontos obtidos ao longo do

campeonato. São três pontos a cada vitória, um ponto a cada empate e zero ponto a

cada derrota. Na 11
a rodada, a tabela obtida é a Figura 5.8. Determine a pontuação

dos quatro primeiros colocados no campeonato.

Figura 5.8: Classicação - 11a. rodada do Campeonato Brasileiro

Resolução: Extraindo uma matriz A4×3 da tabela, sendo a primeira coluna o número
de vitórias, a segunda coluna o número de empates e a terceira coluna o número de
 
9 2 0
7 1 3
derrotas, temos: A= . Obtendo a matriz B3×1 da pontuação de cada jogo,
 
5 5 1
6 1 4
temos, 3 pontos a cada vitória, 1 ponto a cada empate e 0 ponto a cada derrota,
 
3
teremos: B = 1 .
 

0
Para chegarmos na pontuação de cada time, precisamos multiplicar as matrizes

A4×3 por B3×1 :


   
9 2 0   29
7 3
1 3   22
 
AB =   · 1 =  
 
5 5 1 20
0
6 1 4 19
Exercícios Extraídos de Vestibulares 62

Concluímos então que o primeiro colocado tem 29 pontos, o segundo colocado 22

pontos, o terceiro colocado 20 pontos e o quarto colocado 19 pontos.

Esse é um exercício de uma situação real, a tabela foi retirada do seguinte site com

último acesso em 05 de Julho de 2017:

http://globoesporte.globo.com/futebol/brasileirao-serie-a/

5.2 Exercícios Extraídos de Vestibulares


Nesta seção apresentaremos exemplos de alguns exercícios envolvendo matrizes e

sistemas lineares que foram cobrados em vestibulares.

Exemplo 5.4. (FUVEST) Dadas as matrizes:

1) A = (aij )4×7 , denida por aij = i − j


2) B = (bij )7×9 , denida por bij = i

3) C = (cij ); C = AB

O elemento C63 é:

a) -112

b) -18

c) -9

d) 112

e) não existe

Resolução: Na multiplicação da matriz A4×7 pela matriz B7×9 , obtemos uma matriz

C4×9 , que é uma matriz de 4 linhas e 9 colunas. Portanto o elemento C63 não existe,

pois seria um elemento da sexta linha, a qual não existe, logo a alternativa correta é a

letra e.

Exemplo
" 5.5. (UFLA) Dadas as seguintes matrizes
# " #
x+y x−y 1 0
A= e B= .
1 1 2 1
2
Os valores de x e y , de modo que A = B , são:

a) x = 1, y = 0

b) x = 0, y = 1

c) x = y = 1
1
d) x = y =
2
e) x = y = 0

Resolução: Fazendo a multiplicação entre a matriz A pela própria matriz A acima,

obtemos a matriz A2 e igualando com a matriz B , temos:


" # " #
x2 + 2xy + y 2 + x − y x2 − y 2 + x − y 1 0
=
x+y+1 x−y+1 2 1

Com isso, obtemos o sistema abaixo:


Exercícios Extraídos de Vestibulares 63

(
x+y+1=2
x−y+1=1
1 1
Resolvendo o sistema, chegaremos em x= 2
e y = 2
, logo a alternativa correta é a

letra d.

Exemplo 5.6. (ITA-2006) Em uma mesa de uma lanchonete, o consumo de 3 san-

duíches, 7 xícaras de café e 1 pedaço de torta totalizou R$31,50. Em outra mesa, o

consumo de 4 sanduíches, 10 xícaras de café e 1 pedaço de torta totalizou R$42,00.

Então, o consumo de 1 sanduíche, 1 xícara de café e 1 pedaço de torta totaliza o valor

de:

a) R$17,50

b) R$16,50

c) R$12,50

d) R$10,50

e) R$9,50

Resolução: Chamando x de sanduíche, y de 1 xícara de café e z de 1 pedaço de torta,

montamos o sistema linear abaixo:


(
3x + 7y + z = 31, 50 (I)
4x + 10y + z = 42, 00 (II)

Fazendo a linha (I) multiplicada por 3 e a linha (II) multiplicada por 2, obtemos o

seguinte sistema linear:

(
9x + 21y + 3z = 94, 50 (III)
8x + 20y + 2z = 84, 00 (IV )
Subtraindo a linha (IV) da linha (III), obtemos:

x + y + z = 10, 50.
Portanto, a alternativa correta é a letra d.

O próximo exemplo, é um exercício da matéria de química, o qual na resolução se

usa Sistemas Lineares.

Exemplo 5.7. (FUVEST-2016) Uma dieta de emagrecimento atribui a cada alimento

um certo número de pontos, que equivale ao valor calórico do alimento ao ser ingerido.

Assim, por exemplo, as combinações abaixo somam, cada uma, 85 pontos:

* 4 colheres de arroz + 2 colheres de azeite + 1 fatia de queijo branco.

* 1 colher de arroz + 1 bife + 2 fatias de queijo branco.

* 4 colheres de arroz + 1 colher de bife + 2 fatias de queijo branco.


Exercícios Extraídos de Vestibulares 64

* 4 colheres de arroz + 1 bife

Com base nas informações fornecidas, e na composição nutricional dos alimentos,

considere as seguintes informações:

I. A pontuação de um bife de 100g é de 45.

II. O macronutriente presente em maior quantidade no arroz são os carboidratos.

III. Para uma mesma massa de lipídeo de origem vegetal e de carboidrato,


número de pontos do lipídeo
é 1,5.
número de pontos do carboidrato
É correto o que se arma em

a) I, apenas.

b) II, apenas.

c) I e II, apenas.

d) II e III, apenas.

e) I, II e III.

Resolução: Para resolver esse exercício, precisamos encontrar a pontuação de cada

alimento. Chamamos de x: 20 g de arroz; y: 5 g de azeite; z: 1 fatia de queijo e w:


1 bife. E sabendo que as combinações citadas somam 85 pontos, formamos o seguinte

sistema linear: 


 4x + 2y + z = 85

 x + w + 2z = 85



 4x + y + 2z = 85


 4x + w = 85
Da relação entre a primeira linha e a terceira linha, segue que:

4x + 2y + z = 4x + y + 2z ⇐⇒ y = z.

Logo, o azeite e o queijo apresentam o mesmo valor energético. Da relação entre a

segunda linha e a quarta linha, segue que:


Exercícios Extraídos de Vestibulares 65

3x
x + w + 2z = 4x + w ⇐⇒ z = .
2
Substituindo na primeira linha:

3x 3x 17
4x + 2 · + = 85 ⇐⇒ x = 85 ⇐⇒ x = 10.
2 2 2
Calculando a pontuação do bife (w), segue:

4x + w = 85 ⇐⇒ 4 · 10 + w = 85 ⇐⇒ 40 + w = 85 ⇐⇒ w = 45.

Calculando as pontuações do queijo (z) e do azeite (y)


3 · 10
z= = 15 = y.
2
Então temos que:

I - CORRETA. A pontuação de 1 bife de 100 g é 45.

II - CORRETA. O macronutriente presente no arroz é o carboidrato.

III - CORRETA. Uma colher de arroz possui 0, 25 · 20g = 5g . Isso vale 10 pontos. A

mesma quantidade de lipídeos está presente em uma colher de azeite e vale 15 pontos.
15
Portanto,
10
= 1, 5.
Logo, a alternativa correta é a letra e.
Referências

[1] LEON, S. J. Álgebra Linear com Aplicações, 4a. ed. Rio de Janeiro: Editora LTC,

2004.

[2] CALLIOLI, C. A.; DOMINGUES, H. H.; COSTA, R. C. F. Álgebra Linear e


Aplicações, 6a. ed. São Paulo: Editora Atual, 2003, 352p.

[3] ANTON , H.; RORRES. C. Álgebra linear com aplicações, 10a. ed. Porto Alegre:

Bookman, 2012. 786p.

[4] BRADY, J. E., HUMISTON, G. E. Química geral, Editora LTC, 1981, 572p.

[5] POOLE, D. Álgebra Linear, 4a. ed. São Paulo: Editora Thomson, 2013, 718p.

[6] LIPSCHUTZ, S. LIPSON, M. Álgebra Linear , Coleção Schaum, 4a. ed. Editora

Bookman, 2011, 206p.

[7] GUSSOW, M. Eletricidade Básica, Coleção Schaum, 4a. ed. Editora Artmed, 656p.

[8] ALVES, S. A Matemática do GPS, Revista do Professor de Matemática, vol. 59,

2006.

[9] SOUZA, P. A.; LOPES, A. M.A.; AZEVEDO, C.L.V.R O Estudo de Produto de


Matrizes por meio de um Objeto de Aprendizagem, XI ENEM- Encontro Nacional
de Educação Matemática, Curitiba, 18 a 21 de julho de 2013.

[10] ROUSSEAU, C.; SAINT-AUBIN,Y. Matemática e Atualidade -Volume 1, Coleção


PROFMAT, 1a. ed. Rio de Janeiro: Editora SBM, 2015, 326p.

66

Você também pode gostar