Universidade Salvador

Departamento de Engenharia e Arquitetura
Curso de Engenharia El
´
etrica
Geometria Anal´ıtica e
´
Algebra Linear:
Princ´ıpios e Aplica¸c˜oes na Engenharia
Franklin Lima
Danilo Barreto
Igor Moreira
Lucas Miranda
Thiago Sousa
Salvador
2010
Sum´ario
1 Introdu¸c˜ao 3
2 Vetores 4
2.1 Soma de vetores e multiplica¸ c˜ao por escalar . . . . . . . . . . . . . . . . . 5
2.1.1 M´etodo geom´etrico . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.2 M´etodo anal´ıtico . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Produto entre vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.1 Produto Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.2 Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3 Aplica¸c˜ oes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3 Autovalores e Autovetores 11
3.1 Defini¸c˜ ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2 Exerc´ıcios Resolvidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.2.1 Autovalores e Autovetores . . . . . . . . . . . . . . . . . . . . . . . 12
3.3 Aplica¸c˜ oes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.3.1 Gen´etica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
4 Sistemas de Equa¸c˜oes Lineares 17
4.1 Elimina¸c˜ ao Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.2 Solu¸c˜ ao por Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.3 Exerc´ıcios Resolvidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.4 Aplica¸c˜ oes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.4.1 Redes El´etricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.4.2 Balanceamento de Equa¸ c˜oes Qu´ımicas . . . . . . . . . . . . . . . . 22
4.4.3 Matem´atica aplicada . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5 Conclus˜ao 24
Referˆencias Bibliogr´aficas 25
3
1 Introdu¸c˜ao
Uma das maiores dificuldades que os alunos de engenharia e ´areas correlatas enfrentam
´e a ampla quantidade de assuntos apresentados e que, na maioria das vezes, necessitam
de um alto n´ıvel de abstra¸c˜ ao para o seu entendimento, uma vez que a sua comprova¸c˜ ao
pr´ atica se torna limitada por diversos motivos.
Este trabalho prop˜ oe uma breve revis˜ao de conceitos b´ asicos relacionados com
a Geometria Anal´ıtica e a
´
Algebra Linear com foco em suas aplica¸c˜ oes, objetivando min-
imizar os problemas enfretados pelos alunos destes cursos de modo a mostrar-lhes as
aplica¸c˜ oes pr´aticas dos estudos de determinados assuntos.
O estudo se inicia atrav´es da no¸ c˜ao de vetor, apresentando subsequentemente
algumas propriedades e opera¸c˜ oes b´ asicas com estes entes matem´aticos muito usados na
f´ısica.
O cap´ıtulo 3 trata dos autovalores e autovetores, conceitos tamb´em matem´ aticos,
mas com uma infinidade de aplica¸c˜ oes, como na mecˆ anica quˆ antica, processamento de im-
agens, an´alise de vibra¸c˜ oes, mecˆ anica dos s´ olidos, estat´ıstica, dentre outros.
Por fim, mas n˜ ao menos importantes, apresentaremos, no cap´ıtulo 4 os Sis-
temas de Equa¸c˜oes Lineares, focando no m´etodos de elimina¸ c˜ao Gaussiana e Matriz In-
versa para a sua resolu¸c˜ ao.
Os autores
4
2 Vetores
Grandezas como temperatura, press˜ ao, massa, potˆencia e outras podem ser completa-
mente definidas por um ´ unico valor num´erico e sua unidade de medida, como por exemplo:
25
o
C, 1 KPa, 2.800 kg. Elas s˜ao denominadas grandezas escalares porque, na forma
gr´ afica, podem ser visualizadas como um ponto numa escala.
Outras grandezas como velocidade, for¸ ca, etc. precisam, no entanto, al´em do
valor escalar, de uma dire¸ c˜ao e graficamente s˜ ao representadas por um segmento de reta
com seta. Estas grandezas s˜ ao denominadas grandezas vetoriais.
Um vetor ´e, portanto, um ente matem´atico, que para sua completa descri¸c˜ ao
deve ser conhecida a sua intensidade, ou m´ odulo, ou ainda norma, dire¸c˜ ao e sentido.
Nota¸c˜ao
Um vetor pode ser denotado por uma letra com uma seta em cima, ou ainda um acento
circunflexo, por exemplo
ˆ
d ou

d, ou por seu segmento de reta orientado, como em
−→
AB.
Por ser um segmento de reta orientado, o vetor precisa de, no m´ınimo, dois
pontos para a sua defini¸c˜ ao. Vejamos o exemplo abaixo.
Exemplo. Dados os pontos A = (0, 0, 0) e B = (2, 3, 1), o vetor
−→
AB, ser´a
−→
AB = B −A ⇒(2, 3, 1) −(0, 0, 0) = (2, 3, 1),
que pode ser chamado genericamente como u = (2, 3, 1), isto por que uma de suas
coordenadas ´e a origem.
Importante! Note que existe tamb´em o vetor
−→
BA, que ser´ a
−→
BA = A −B ⇒(0, 0, 0) −(2, 3, 1) = (−2, −3, −1),
ou pode ser chamado genericamente como v = (−2, −3, −1). Ressaltando-se que u = v,
embora |u| = |v|.
2.1 Soma de vetores e multiplica¸c˜ao por escalar
Sejam v
1
e v
2
dois vetores. A soma desses vetores ´e um terceiro vetor, o vetor
resultante:
v = v
1
+v
2
2.1.1 M´etodo geom´etrico
Adi¸c˜ao de vetores
Para determinarmos o m´ odulo, a dire¸c˜ao e o sentido desse vetor resultante, utilizamos a
regra do paralelogramo.
Primeiramente, desenhamos o paralelogramo definido a partir dos vetores v
1
e v
2
.
a) M´odulo do vetor resultante:
´
E dado pelo comprimento da diagonal indicada na
figura. Portanto, v
2
= v
12
+ v
22
+ 2v
1
v
2
cosα, onde α ´e o ˆangulo entre os dois vetores.
b) Dire¸c˜ao: Aquela da reta que cont´em a diagonal.
c) Sentido: A partir do v´ertice formado pelos dois vetores.
Portanto o vetor resultante ´e obtido desenhando-se uma das figuras abaixo:
5
Subtra¸c˜ao de vetores
Consideremos os vetores v
1
e v
2
. A subtra¸c˜ao de vetores v
1
e v
2
, resulta em um terceiro
vetor (chamado resultante), cujas propriedades s˜ ao inferidas a partir da soma dos vetores
v
1
e (

−v
2
). O vetor tem m´ odulo e dire¸c˜ ao iguais ao do vetor mas tem o sentido oposto.
Reduzimos o problema da subtra¸c˜ ao de dois vetores ao problema da soma de v
1
e

−v
2
.
2.1.2 M´etodo anal´ıtico
Al´em da representa¸c˜ ao geom´etrica (ou gr´ afica) utilizada anteriormente, podemos fazer
uso de uma outra representa¸c˜ ao, conhecida como representa¸ c˜ao anal´ıtica do vetor.
Na representa¸c˜ao anal´ıtica tamb´em utilizamos um conjunto de trˆes atributos de
um vetor (esses atributos s˜ ao conhecidos como componentes do vetor). Para a defini¸c˜ ao de
componentes, a melhor alternativa - e a mais f´ acil - ´e usar um sistema de eixos cartesianos.
Componentes de um vetor
Dado um sistema de eixos cartesianos (composto de um conjunto de trˆes eixos ortogo-
nais), podemos definir as componentes de um vetor nesse sistema de eixos tomando-se as
proje¸c˜ oes do vetor nesses eixos.
Vamos tomar, por uma quest˜ ao de simplicidade, um sistema com dois eixos
ortogonais (x e y). Esses dois eixos est˜ ao contidos num plano. Consideremos um vetor
nesse plano. A componente x do vetor v (designada por v
x
) ´e dada pela proje¸c˜ ao do
vetor no eixo x. Para determinarmos a proje¸c˜ ao do vetor ao longo de qualquer eixo,
consideramos as extremidades do vetor e por elas tra¸camos linhas perpendiculares ao eixo
at´e encontr´ a-lo. Tomamos ent˜ ao a distˆ ancia entre as interse¸c˜oes como a proje¸c˜ ao se a
flecha estiver na mesma dire¸c˜ ao do eixo (isto ´e, se o ˆ angulo entre o vetor e o sentido
6
positivo do eixo for um ˆ angulo agudo). Caso contr´ario, a proje¸c˜ao ser´ a essa distˆ ancia,
mas com sinal negativo.
A proje¸ c˜ao, portanto, tem que levar em conta a orienta¸c˜ao do vetor em rela¸c˜ ao
ao eixo. A proje¸ c˜ao fica melhor definida, matematicamente, em termos do ˆangulo θ (entre
o vetor e o eixo x). Podemos escrever:
v
x
= |v|cosθ,
onde v ´e o m´ odulo do vetor.
Analogamente, a componente y ´e a proje¸c˜ ao do vetor v ao longo do eixo y. A express˜ao
para v
y
´e, em termos de θ:
v
y
= |v|senθ
Multiplica¸c˜ao por um escalar
Podemos multiplicar um vetor v por um n´ umero α. Dessa opera¸c˜ao resulta um novo
vetor:

R = αv,
com as seguintes caracter´ısticas:
a) O m´odulo do novo vetor ´e o que resulta da multiplica¸c˜ ao do valor absoluto de pelo
m´ odulo de v .
b) A dire¸c˜ ao do novo vetor ´e a mesma de v.
c) O sentido de R ´e o mesmo de v se α for positivo e oposto ao de v se α < 0.
7
2.2 Produto entre vetores
Na se¸c˜ ao anterior vimos o produto entre um vetor e um escalar, opera¸c˜ao que resulta
noutro vetor com mesma dire¸c˜ ao e sentido diferente caso o escalar seja negativo, ou
mesmo sentido caso o escalar seja positivo. Veremos nesta se¸c˜ ao dois outros tipos de
produtos, agora entre vetores. S˜ ao os produtos escalar e vetorial.
2.2.1 Produto Escalar
Chama-se produto escalar (ou produto interno usual) de dois vetores u = x
1

i+y
1

j +z
1

k
e v = x
2

i + y
2

j + z
2

k, e se representa por u · v, ao n´ umero real
u · v = x
1
x
2
+ y
1
y
2
+ z
1
z
2
O produto escalar de u por v tamb´em ´e indicado por < u, v > e se lˆe u escalar v.
Exemplo 1. Se u = 3

i −5

j + 8

k e v = 4

i −2

j −

k, tem-se
u · v = 3 ×4 + (−5) ×(−2) + 8 ×(−1) = 12 + 10 −8 = 14
Propriedades do Produto Escalar
I. v · w = w · v
II. v · v = |v| · |v| = |v|
2
III. u · (v + w) = u · v +u · w
IV. (kv) · w = v · (k w) = k(v · w)
V. |kv| = |k||v|
VI. |u · v| < |u| · |v| (desigualdade de Schwarz)
VII. |u +v| < |u| +|v| (desigualdade triangular)
2.2.2 Produto Vetorial
Dados os vetores u = x
1

i +y
1

j +z
1

k e v = x
2

i +y
2

j +z
2

k, tomados nesta ordem, chama-se
produto vetorial dos vetores u e v, e se representa por u ×v, ao vetor:
u ×v = (y
1
z
2
−z
1
y
2
)

i −(x
1
z
2
−z
1
x
2
)

j + (x
1
y
2
−y
1
x
2
)

k
8
Cada componente deste vetor pode ainda ser expresso na forma de um determinante de
2
a
ordem:
u ×v =

y
1
z
1
y
2
z
2

i −

x
1
z
1
x
2
z
2

j +

x
1
y
1
x
2
y
2

k
Exemplo 1. C´ alculo do produto vetorial dos vetores u = 5

i +4

j +3

k e v =

i +

k, tem-se
u ×v =

i

j

k
5 4 3
1 0 1

Resolvendo o determinante, temos
u ×v =

4 3
0 1

i −

5 3
1 1

j +

5 4
1 0

k
u ×v = (4 −0)

i −(5 −3)

j + (0 −4)

k
u ×v = 4

i −2

j −4

k
Propriedades do Produto Vetorial
I. v × w = − w ×v
II. u ×(v + w) = u ×v +u × w
III. k(v × w) = (kv) × w = v ×(k w)
IV.

i ×

i =

j ×

j =

k ×

k = 0
V.

i ×

j =

k;

j ×

k =

i;

k ×

i =

j
VI. Se v × w = 0 (v e w n˜ ao nulos) ent˜ ao v e w s˜ ao paralelos
2.3 Aplica¸c˜oes
Produto Escalar
1. Sabendo que um corpo se desloca do ponto A = (0, 0, 0) para o ponto B = (5, 4, 3),
pois uma for¸ca

F = 10

i +8

j +6

k atua sobre ele, e que o trabalho realizado por uma
for¸ca ´e dado por W =

F ·

d, determine W.
9
Solu¸c˜ao: O vetor

d =
−→
AB ⇒B −A ⇒(5, 4, 3) −(0, 0, 0) = (5, 4, 3)
A for¸ca

F = 10

i + 8

j + 6

k pode ser escrita como

F = (10, 8, 6)
O trabalho ´e dado pelo produto escalar de

F e

d, denotado por

F ·

d
W =

F ·

d
W = (10, 8, 6) · (5, 4, 3)
W = 10 ×5 + 8 ×4 + 6 ×3 = 50 + 32 + 18 = 100J
Produto Vetorial
1. Uma part´ıcula de carga −1, 6 · 10
−19
C viaja a uma velocidade 3 · 10
8
m/s quando
submetida a um campo magn´etico de 2, 08 · 10
10
T. Qual a for¸ca que atua sobre esta
part´ıcula, sabendo que a dire¸ c˜ao de deslocamento ´e ortogonal ao campo?
Solu¸c˜ao:
Sabendo-se que a for¸ca magn´etica ´e dada por

F = q · v ×

B, ou ainda por

F = |q| · v ·

B · sen90
o
, temos:

F = | −1, 6 · 10
−19
| · (3 · 10
8
) · (2, 08 · 10
10
) · 1

F ≈ 0, 8N
2. Dado um paralelogramo ABCD, onde A = (1, 2, 0), B = (2, 3, 1) e C = (1, 0, 4),
determine a sua ´ area.
Solu¸c˜ao:
Tomando o vetor
−→
AB e o vetor
−−→
BC, temos que a ´area do paralelogramo ´e dada por:
A = |
−→
AB ×
−−→
BC|
−→
AB = B −A ⇒(2, 3, 1) −(1, 2, 0) = (1, 1, 0) e
−−→
BC = C −B ⇒(1, 0, 4) −(2, 3, 1) = (−1, −3, 3)
fazendo o produto vetorial,
−→
AB ×
−−→
BC, obtemos 1 u.a.
10
11
3 Autovalores e Autovetores
Autovalores e autovetores s˜ao conceitos importantes de matem´ atica, com aplica¸ c˜oes pr´aticas
em ´areas diversificadas como mecˆanica quˆ antica, processamento de imagens, an´alise de
vibra¸c˜ oes, mecˆ anica dos s´ olidos, estat´ıstica, etc. Neste cap´ıtulo veremos as defini¸c˜oes e
aplica¸c˜ oes dos autovalores e autovetores.
3.1 Defini¸c˜ao
Se A ´e a matriz n ×n, ent˜ ao um vetor n˜ ao-nulo x em R
n
´e chamado de um autovetor de
A se A x ´e um m´ ultiplo escalar de x, ou seja,
Ax = λx (3.1)
para algum escalar λ. O escalar λ ´e chamado um autovalor de A e dizemos que x ´e um
autovetor associado a λ.
Em R
2
e R
3
, a multiplica¸c˜ao por A manda cada autovetor x de A (se houver) sobre a
mesma reta pela origem que x. Dependendo do sinal e da magnitude do autovalor λ
associado a x, o operador linear Ax = λx comprime ou estica x por um valor λ,
invertendo o sentido no caso de λ negativo, como a figura abaixo mostra.
Exemplo 1. O vetor x =

1
2
¸
¸
´e um autovetor de
A =

3 0
8 −1
¸
¸
correspondendo ao autovalor λ = 3, pois
Ax =

3 0
8 −1
¸
¸

1
2
¸
¸
=

3
6
¸
¸
= 3x
Para encontrar os autovalores de uma matriz A de tamanho n × n n´ os reescrevemos
Ax = λx como
Ax = λIx (3.2)
ou, equivalentemente,
det(λI −A) = 0
Esta equa¸c˜ ao ´e a equa¸c˜ao caracter´ıstica de A; os escalares que satisfazem esta
equa¸c˜ ao s˜ao os autovetores de A. Quando expandido, o determinante det(λI −A) ´e um
polinˆomio p em λ que ´e chamado o polinˆomio caracter´ıstico de A.
Pode ser mostrado que se A ´e uma matriz n ×n, ent˜ ao o polinˆonimo caracter´ıstico de A
tem grau n e o coeficiente de λ
n
´e 1, ou seja, o polinˆomio caracter´ıstico p(x) de matriz
n ×n ´e da forma
p(λ) = det(λI −A) = λ
n
+ c
1
λ
n−1
+· · · + c
n
Pelo Teorema Fundamental da
´
Algebra segue que a equa¸c˜ ao caracter´ıstica
λ
n
+ c
1
λ
n−1
+· · · + c
n
tem, no m´ aximo, n solu¸c˜ oes distintas, de modo que uma matriz n ×n tem, no m´ aximo,
n autovalores distintos.
3.2 Exerc´ıcios Resolvidos
3.2.1 Autovalores e Autovetores
Quest˜ao 1. Dada a matriz
A =

4 −5
2 −3
¸
¸
12
Calcule seus autovalores e autovetores
Solu¸c˜ao:
Calculando os autovalores
A =

4 −5
2 −3
¸
¸
⇒A −λI =

4 −λ −5
2 −3 −λ
¸
¸
det(λI −A) = 0
(4 −λ)(−3 −λ) + 10 = 0 ⇒λ
2
−λ −2 = 0
λ =


9
2
⇒λ
1
= −1 e λ
2
= 2
Calculando os autovetores
(A −λ
1
I)x = 0 ⇒

5 −5
2 −2
¸
¸

x
y
¸
¸
=

0
0
¸
¸
⇒x
1
=

c
c
¸
¸
(A −λ
2
I)x = 0 ⇒

2 −5
2 −5
¸
¸

x
y
¸
¸
=

0
0
¸
¸
⇒x
1
=

5c
2c
¸
¸
3.3 Aplica¸c˜oes
3.3.1 Gen´etica
Caracter´ısticas Heredit´arias: Vamos apenas analisar a herediriedade de animais ou
plantas. Vamos supor que a caracter´ıstica heridit´aria sob considera¸ c˜ao ´e governada por
um conjunto de dis genes, que n´os denominamos A e a. Por hereditariedade autossˆ omica
cada indiv´ıduo de cada sexo possui dois destes genes, e os poss´ıveis pares s˜ ao AA, Aa e
aa. Este par de genes ´e chamado de o gen´ otipo do indiv´ıduo e determina como o car´ater
controlado por estes genes se manisfeta no indiv´ıduo. Por exemplo, nas bocas-de-le˜ ao,
um conjunto de dois genes controla a cor da flor. O gen´otipo AA produz flores vermelhas,
o gen´ otipo Aa produz flores roxas e o gen´otipo aa produz flores brancas. Nos humanos,
a cor dos olhos ´e controlada por hereditariedda autossˆ omica, Os gen´ otipos AA e Aa tˆem
olhos castanhos e o gen´ otipo aa tem olhos azuis. Neste caso dizemos que o gene A domina
o gene a, ou ent˜ao que o gene a ´e recessivo em rela¸c˜ ao ao gene A, pois o gen´ otipo A a
apresenta a mesma caracter´ıstica esterna que o gen´otipo AA.
13
Al´em da hereditariedade autossˆomica, n´ os tamb´em discutiremos a heredi-
tariedade ligada ao sexo. Neste tipo de hereditariedade, o macho da esp´ecie possui apenas
um dos dois poss´ıveis genes ( A ou a) e a fˆemea possu somente um par de dois dos poss´ıveis
genes (AA, Aa ou aa). Nos humanos, o daltonismo, a calvice heredit´aria, a hemofilia e a
distrofia muscular , para citar somente alguns, s˜ ao caracter´ısticas controladas por hered-
itariedade ligada ao sexo.
Hereditariedade Autossˆ omica: Na hereditariedade autossˆ omica, um in-
div´ıduo herda um dos genes de cada par de genes dos seus pais para formar seu pr´ oprio
e particular par. Pelo que sabemos, ´e uma quest˜ ao de sorte qual dos dois genes os pais
passam aos filhos. Assim, se um dos pais ´e do gen´otipo Aa, ´e igualmente prov´ avel que o
descendente herde o gene A ou o gene a daquele genitor. Se um dos pais ´e do gen´otipo
aa e o outro genitor e do gen´ otipo Aa, o descendente sempre receber´ a um gene a do
genitor aa e receber´ a, com igual probabilidade, ou um gene A ou um gene a do genitor
Aa. Consequentemente, cada descendente ter´a chances iguais de ser do gen´ otipo Aa ou
aa. Na tabela 1 nos listamos as probabilidades dos poss´ıveis gen´otipos dos descendentes
para todas as prov´ aveiscombina¸ c˜oes de gen´ otipos dos pais.
Exemplo 1. Suponha que um agricultor tem uma grande popula¸c˜ ao de plan-
tas consistindo de alguma distribui¸c˜ao de todos os trˆes poss´ıveis gen´otipos AA, Aa e aa. O
agricultor deseja implementar um programa de cria¸ c˜ao no qual cada planta da popula¸c˜ ao
´e sempre fertilizada por um gen´ otipo AA. N´ os queremos deduzir uma express˜ ao para a
distribui¸c˜ ao dos trˆes gen´ otipos na popula¸ c˜ao depois de um n´ umero qualquer de gera¸c˜ oes.
Para n = 0, 1, 2..., vamos escrever
a
n
= fra¸c˜ ao de plantas do gen´ otipo AA na n-´esima gera¸c˜ ao
b
n
= fra¸c˜ao de plantas do gen´ otipo Aa na n-´esima gera¸c˜ao
c
n
= fra¸c˜ ao de plantas do gen´otipo aa na n-´esima gera¸ c˜ao
Assim, a
0
, b
0
e c
0
especificam a distribui¸ c˜ao inicial dos gen´ otipos. N´os temos que
14
a
n
+ b
n
+ c
n
= 1, para n = 0, 1, 2, ...
Pela Tabela 1 n´os podemos determinar a distribu¸c˜ ao de gen´ otipos em cada gera¸c˜ao e a
partir da distribui¸c˜ao na gera¸c˜ ao precedente, pelas seguintes equa¸c˜ oes:
a
n
= a
n−1
+
1
2
b
n−1
b
n
= c
n−1
+
1
2
b
n−1
n = 1, 2, ...
c
n
= 0
Por exemplo, primeira destas trˆes equa¸ c˜oes afirma que todos os descedentes de uma
planta do gen´otipo AA ser˜ ao do gen´ otipo AA neste programa de cria¸c˜ ao e metade dos
descendentesde uma planta do gen´ otipo A a ser´a do gen´otipo AA. As equa¸c˜ oes (1)
podem ser escritas em nota¸ c˜ao matricial como:
x
(n)
= Mx
n−1
, n = 1, 2, ...
onde
x
(n)
=

a
n
b
n
c
n
¸
¸
¸
¸
¸
, x
n−1
=

a
n−1
b
n−1
c
n−1
¸
¸
¸
¸
¸
e M =

1
1
2
0
0
1
2
1
0 0 0
¸
¸
¸
¸
¸
Observe que as trˆes colunas da matriz M s˜ ao iguais `a trˆes primeiras colunas da Tabela 1.
Da equa¸c˜ ao (2) segue que
x
(n)
= Mx
n−1
= M
2
x
n−2
= · · · = M
n
x
(0)
Consequentemente, se n´ os encontrarmos uma express˜ ao expl´ıcita para M
(n)
, n´os
podemos usar (3) para encontrar uma express˜ ao expl´ıcita para x
(n)
. Para encontrar uma
express˜ ao expl´ıcita para M
(n)
, n´os primeiro diagonalizamos M, ou seja, procuramos uma
matriz invert´ıvel P e uma matriz diagonal D tais que:
M
(n)
= PDP
−1
Com esta diagonaliza¸c˜ao, n´ os teremos ent˜ ao
M
(n)
= PD
n
P
−1
para n = 1, 2, ...
15
onde
D
n
=

λ
1
0 0 · · · 0
0 λ
2
0 · · · 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 · · · λ
k
¸
¸
¸
¸
¸
¸
¸
¸
n
=

λ
n
1
0 0 · · · 0
0 λ
n
2
0 · · · 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 · · · λ
n
k
¸
¸
¸
¸
¸
¸
¸
¸
A diagonaliza¸c˜ ao de M ´e obtida encontrando os autovalores e correspondentes
autovetores.
Segue-se que
x
(n)
= PD
n
P
−1
x
(
0) =

1 1 1
0 −1 −2
0 0 1
¸
¸
¸
¸
¸

1 0 0
0 (
1
2
)
n
0
0 0 0
¸
¸
¸
¸
¸

1 1 1
0 −1 −2
0 0 1
¸
¸
¸
¸
¸

a
0
b
0
c
0
¸
¸
¸
¸
¸
Lembrando que a
n
+ b
n
+ c
n
= 1, n´ os obtemos
a
n
= 1 −(
1
2
)
n
b)0 −(
1
2
)
(
n −1)c
0
b
n
= (
1
2
)
n
b)0 + (
1
2
)
(
n −1)c
0
n = 1, 2, ... c
n
= 0
Estas s˜ ao f´ormulas expl´ıcitasparaa fra¸c˜ao dos trˆes gen´ otipos na n-´esima gera¸c˜ ao
deplantas em termos das fra¸ c˜oes de gen´ otipos iniciais. Como
1
2
n
tende a zero quando n
tende ao infinito, segue destas equa¸c˜oes
a
n
→1
b
n
→0
c
n
= 0
quando n tende ao infinito. Isto mostra que no limite de todas as plantas da popula¸c˜ ao
ser˜ ao do gen´ otipo AA.
16
17
4 Sistemas de Equa¸c˜ oes Lineares
Qualquer linha reta no plano xy pode ser representada algebricamente por uma equa¸c˜ ao
na forma
a
1
x + a
2
y = b (4.1)
onde a
1
, a
2
e b s˜ ao constantes reais e a
1
e a
2
n˜ ao s˜ ao ambas nulas. Uma equa¸c˜ ao
desta forma ´e chamada de equa¸c˜ao linear nas vari´aveis x e y. Mais geralmente, n´os
definimos uma equa¸c˜ao linear nas n vari´ aveis x
1
, x
2
, ..., x
n
como uma equa¸c˜ao que pode
ser expressa na forma
a
1
x + a
2
x
2
+· · · + a
n
x
n
= b (4.2)
onde a
1
, a
2
, ..., a
n
e b s˜ ao constantes reais. As vari´aveis de uma equa¸c˜ao linear
s˜ ao, muitas vezes, chamadas inc´ognitas.
Exemplo 1. As equa¸c˜ oes x+3y = 7, y =
1
2
x+3z +1 e x
1
+2x
2
−3x
3
+x
4
= 7
s˜ ao lineares. Observe que uma equa¸c˜ ao linear n˜ ao envolve quaisquer produtos ou ra´ızes
vari´ aveis. Todas as vari´aveis ocorrem somente na primeira potˆencia e n˜ao aparecem
como argumentos de fun¸c˜oes trigonom´etricas, logar´ıtmicas ou exponenciais. As equa¸c˜ oes
x + 3

y = 5, 3x + 2y −z + xz = 4 e y = senx s˜ ao n˜ ao-lineares.
Uma solu¸c˜ao de uma equa¸ c˜ao linear a
1
x
1
+ a
2
x
2
+ · · · + a
n
x
n
= b ´e uma
sequˆencia de n n´ umeros s
1
, s
2
, ..., s
n
tais que a equa¸c˜ao ´e satisfeita quando substitu´ımos
x
1
= s
1
, x
2
= s
2
, ..., x
n
= s
n
. O conjunto de todas as solu¸c˜ oes de uma equa¸c˜ ao ´e seu
conjunto-solu¸c˜ao ou, `as vezes, a solu¸c˜ao geral da equa¸c˜ ao.
4.1 Elimina¸c˜ao Gaussiana
O M´etodo de Elimina¸c˜ao de Gauss (MEG) ´e um algoritmo sistem´ atico e eficaz que permite
determinar a solu¸c˜ ao geral de qualquer SEL m×n. A implementa¸c˜ ao deste m´etodo tem
por base a aplica¸ c˜ao sucessiva de um conjunto de opera¸c˜ oes (denominadas opera¸ c˜oes
elementares) que transformam o SEL inicial num SEL mais simples mas com a mesma
solu¸c˜ ao geral que o SEL de partida. Por defini¸ c˜ao, as opera¸c˜ oes elementares que se podem
aplicar a um SEL s˜ao as seguintes:
• Multiplica¸c˜ ao de uma equa¸c˜ ao do SEL por qualquer n´ umero real n˜ ao nulo;
• Troca da ordem de duas equa¸c˜ oes do SEL;
• Soma de uma equa¸c˜ ao do SEL com um m´ ultiplo de outra das equa¸c˜ oes do SEL.
4.2 Solu¸c˜ao por Matriz Inversa
Consideremos o sistema com express˜ao geral dado abaixo e que tem n equa¸c˜ oes lineares
com n inc´ ognitas:
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+· · · + a
1n
x
n
a
21
x
1
+ a
22
x
2
+ a
23
x
3
+· · · + a
2n
x
n
a
31
x
1
+ a
32
x
2
+ a
33
x
3
+· · · + a
3n
x
n
· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · ·
a
31
x
1
+ a
32
x
2
+ a
33
x
3
+· · · + a
3n
x
n
Que pode ser escrito na forma matricial A · X = B. A matriz A chama-se matriz do
sistema, tem dimens˜ ao n ×n e seus elementos s˜ ao os coeficientes das inc´ognitas. A
matriz X ´e uma matriz coluna, de dimens˜ao n ×1, formada pelas inc´ ognitas do sistema.
Por ´ ultimo, a matriz B ´e uma outra matriz coluna, de dimens˜ao n ×1, formada pelos
termos independentes. Assim:
A · X = B ⇔A
−1
· A · X = A
−1
· B ⇔X = A
−1
· B
4.3 Exerc´ıcios Resolvidos
Quest˜ao 1. Com base no sistema linear abaixo ´e poss´ıvel afirmar:

x
1
+ 2x
2
+ 3x
3
= 5
2x
1
+ 5x
2
+ 3x
3
= 3
x
1
+ 8x
3
= 17
18
I. O sistema ´e poss´ıvel e determinado
II. S
1
= (1, −1, 2) ´e uma solu¸c˜ao particular do sistema.
III. O sistema ´e imposs´ıvel
IV. A matriz inversa dos coeficientes ´e:

40 16 9
13 −5 −3
5 −2 −1
¸
¸
¸
¸
¸
Solu¸c˜ao:
I. Verdadeira, pois o determinante da matriz dos coeficiente ´e diferente de zero 0
(exerc´ıcio ao leitor)
II. Verdadeira, pois:

1 2 3
2 5 3
1 0 8
1 0 0
0 1 0
0 0 1
¸
¸
¸
¸
¸
L
2
= L
2
−2L
1
e L
3
= L
3
−L
1

1 2 3
0 1 −3
0 −2 5
1 0 0
−2 1 0
−1 0 1
¸
¸
¸
¸
¸
L
1
= L
1
−2L
2
e L
3
= L
3
+ 2L
2

1 2 3
0 1 −3
0 −2 5
1 0 0
−2 1 0
−1 0 1
¸
¸
¸
¸
¸
L
3
= L
3
(−1)

1 0 9
0 1 −3
0 0 1
5 −2 0
−2 1 0
5 −2 −1
¸
¸
¸
¸
¸
L
1
= L
1
−9L
3
e L
2
= L
2
+ 3L
3

1 0 0
0 1 0
0 0 1
40 16 9
13 −5 −3
5 −2 −1
¸
¸
¸
¸
¸

40 16 9
13 −5 −3
5 −2 −1
¸
¸
¸
¸
¸
×

5
3
17
¸
¸
¸
¸
¸
=

1
−1
2
¸
¸
¸
¸
¸
III. Falsa, comprovada pela proposi¸c˜ ao I.
IV. Verdadeira, comprovada na proposi¸c˜ ao II.
19
Quest˜ao 2 (proposta). Com base no sistema linear abaixo ´e poss´ıvel afirmar:

x
1
+ 2x
2
+ x
3
= −1
x
1
−x
2
+ x
3
= 4
x
1
+ x
2
= 17
I. O sistema n˜ ao ´e poss´ıvel e determinado.
II. Substituindo os valores dos termos independentes por (b
1
= 5, b
2
= 0, b
3
= 0) os
valores que x assumir´ a ser´ a (x
1
= −5/3, x
2
= 5/3, x
3
= 10/3)
III. A matriz inversa dos coeficientes ´e:

−1/3 1/3 1
1/3 −1/3 0
2/3 1/3 −1
¸
¸
¸
¸
¸
IV. Substituindo os valores dos termos independentes por (b
1
= −1, b
2
= −1, b
3
= 3) os
valores que x assumir´ a ser´ a (x
1
= 3, x
2
= 0, x
3
= 2)
V. S
1
= (16/3, −4/3, −11/3) ´e uma solu¸c˜ao particular do sistema.
4.4 Aplica¸c˜oes
4.4.1 Redes El´etricas
Quest˜ao 1. Encontre o valor das correntes no circuito abaixo
Suponhamos que em um circuito el´etrico temos 3 correntes el´etricas especificadas I
1
, I
2
e I
3
.
Aplicando a lei de corrente de Kirchhoff aos pontos A e B, obtemos:
20
I
1
= I
2
+ I
3
(Ponto A)
I
3
+ I
2
= I
1
(Ponto B)
Como ambas estas equa¸ c˜oes simplificam `a mesma equa¸c˜ao linear
I
1
−I
2
−I
3
= 0 (1)
N´ os precisamos de mais duas equa¸c˜ oes para determinar I1, I2 e I3 de modo ´ unico. Estas
equa¸c˜ oes ser˜ao obtidas com a Lei de Voltagem de kirchhoff. Para aplicar a lei de
voltagem de Kirchhoff a um circuito fechado, selecione um sentido positivo em torno do
circuito (digamos, sentido hor´ ario) e fa¸ ca a seguinte conven¸ c˜ao de sinais:
• Uma corrente passando por um resistor produz uma diferen¸ ca de potencial positiva
se flui no sentido positivo do circuito e uma diferen¸ca de potencial negativa se flui
no sentido negativo do circuito.
• Uma corrente passando por um capacitor produz uma diferen¸ca de potencial positiva
se o sentido positivo do circuito ´e de + para - e uma diferen¸ ca de potencial negativa
se o sentido positivo do circuito ´e de - para +.
Aplicando a Lei de Kirchhoff e a Lei de Ohm ` a malha interna da figura, obtemos
7I
1
+ 3I
3
−30 = 0 (2)
E a malha interna 2, obtemos
11I
2
−3I
3
−50 = 0 (3)
Combinando (1), (2) e (3) resulta o sistema linear

I
1
−I
2
−I
3
= 0
7I
1
+ 3I
3
= 30
11I
2
−3I
3
= 50
Resolvendo este sistema linear obtemos os seguintes valores para as correntes
I
1
= 570/131(A), I
2
= 590/131(A), I
3
= −20/131(A)
21
4.4.2 Balanceamento de Equa¸c˜ oes Qu´ımicas
Quest˜ao 1. A combust˜ ao de amˆ onia (NH
3
) em oxigˆenio produz nitrogˆenio (N
2
) e ´ agua.
Encontre uma equa¸c˜ ao qu´ımica balanceada para essa rea¸c˜ ao.
Solu¸c˜ao:
wNH
3
+ xO
2
→yN
2
+ zH
2
O
Comparando os n´ umeros de ´ atomos de nitrogˆenio, hidrogˆenio e oxigˆenio nos reagentes e
nos produtos, obtemos o seguinte sistema de equa¸c˜ oes:
Nitrogˆenio: w = 2y
Hidrogˆenio: 3w = 2z
Oxigˆenio: 2x = z
Desta forma, montando o sistema, temos:

w - 2y = 0
3w - 2z = 0
2x - z = 0
cuja solu¸c˜ ao ´e
4NH
3
+ 3O
2
→2N
2
+ 6H
2
O
4.4.3 Matem´atica aplicada
Quest˜ao 1. Dois alunos ao comparem suas notas perceberam algo de estranho,
Jo˜ aozinho tirou 1 ponto na prova A e 1 ponto na prova B, j´ a Pedrinho tirou 5 pontos na
prova A e 6 na prova B e obtiveram, respectivamente, notas 2 e 9. Qual seria o peso de
cada prova?
Solu¸c˜ao:

1 1
5 6
1 0
0 1
¸
¸
L
2
= L
2
−5L
1
22

1 1
0 1
1 0
−5 1
¸
¸
L
1
= L
1
−L
2

1 0
0 1
6 −1
−5 1
¸
¸

6 −1
−5 1
×
2
9
¸
¸
=

3
1
¸
¸
Logo, os pesos s˜ao 3 e 1.
23
24
5 Conclus˜ao
Com o trabalho realizado pudemos rever os conceitos e assuntos abordados no programa
semestral da mat´eria Geometria Anal´ıtica e
´
Algebra Linear, os quais s˜ ao fundamentais
para uma s´ olida forma¸c˜ ao matem´ atica, indispens´avel para o curso de engenharia el´etrica
e ´ areas afins. Tivemos uma oportunidade ´ımpar de, al´em de revisar conceitos j´a vistos
anteriormente, conhecer algumas das aplica¸ c˜oes destes em campos de estudo e pesquisa,
quebrando o contexto te´orico em que s˜ao aplicados esses conte´ udos, fazendo com que haja
um maior interesse por estes e conseq¨ uentemente uma maior absor¸c˜ ao. Por exemplo, saber
que assuntos como autovalores e autovetores s˜ ao utilizados na investiga¸ c˜ao da propaga¸c˜ao
de uma caracter´ıstica herdada em sucessivas gera¸c˜ oes (Gen´etica) e que os conceitos dos
sistemas lineares s˜ ao utilizados para resolver problemas atrav´es da Interpola¸ c˜ao Spline
C´ ubica aumenta a importˆancia dada a esses assuntos e traz motiva¸c˜ao aos seu estudo.
Essa atividade foi fundamental para mostrar que matem´ atica n˜ao ´e apenas teoria, e suas
aplica¸c˜ oes s˜ ao fundamentais tanto para a engenharia quanto para a medicina, para a arte
entre outras ´ areas, e com isso seu estudo dedicado ´e pe¸ca indispens´ avel para profissional
de sucesso.
Referˆencias Bibliogr´aficas
[1] Callioli, Carlos A.,
´
Algebra Linear e Aplica¸c˜oes, Atual, S˜ao Paulo, 1990.
[2] Anton, H., Rorres, C.,
´
Algebra Linear com Aplica¸c˜oes, Bookman, Porto Alegre, 2001.
[3] Lipschutz, S.
´
Algebra Linear, Makron Books, 1994 (Cole¸c˜ ao Schaum).
[4] Steinbruch, A., Winterle, P.
´
Algebra Linear, Makron Books.
[5] Boldrini/Costa/Figueiredo/Wetzler.
´
Algebra Linear. Harbra, 1980.

Sum´rio a

1 Introdu¸˜o ca 2 Vetores 2.1 Soma de vetores e multiplica¸˜o por escalar . . . . . . . . . . . . . . . . . ca 2.1.1 2.1.2 2.2 M´todo geom´trico . . . . . . . . . . . . . . . . . . . . . . . . . . . e e M´todo anal´ e ıtico . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3 4 5 5 6 8 8 8 9 11

Produto entre vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.1 2.2.2 Produto Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.3

Aplica¸oes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c˜

3 Autovalores e Autovetores 3.1 3.2

Defini¸ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 c˜ Exerc´ ıcios Resolvidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 3.2.1 Autovalores e Autovetores . . . . . . . . . . . . . . . . . . . . . . . 12

3.3

Aplica¸oes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 c˜ 3.3.1 Gen´tica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 e 17

4 Sistemas de Equa¸˜es Lineares co 4.1 4.2 4.3 4.4

Elimina¸ao Gaussiana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 c˜ Solu¸ao por Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 c˜ Exerc´ ıcios Resolvidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 Aplica¸oes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 c˜ 4.4.1 Redes El´tricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 e

. . . .2 4. . . 22 Matem´tica aplicada . . . . . . 22 a 24 25 Referˆncias Bibliogr´ficas e a . . . . . . . . .4. . . . . . . . . . .3 5 Conclus˜o a Balanceamento de Equa¸˜es Qu´ co ımicas . . .4.4. . . . . . . . . .

uma vez que a sua comprova¸ao ıvel c˜ c˜ pr´tica se torna limitada por diversos motivos.3 1 Introdu¸˜o ca Uma das maiores dificuldades que os alunos de engenharia e ´reas correlatas enfrentam a ´ a ampla quantidade de assuntos apresentados e que. c˜ Os autores . na maioria das vezes. an´lise de vibra¸oes. mecˆnica dos s´lidos. processamento de imc˜ a a agens. estat´ a c˜ a o ıstica. necessitam e de um alto n´ de abstra¸ao para o seu entendimento. c˜ a O estudo se inicia atrav´s da no¸˜o de vetor. focando no m´todos de elimina¸˜o Gaussiana e Matriz Inco e ca versa para a sua resolu¸ao. conceitos tamb´m matem´ticos. Por fim. como na mecˆnica quˆntica. apresentando subsequentemente e ca algumas propriedades e opera¸oes b´sicas com estes entes matem´ticos muito usados na c˜ a a f´ ısica. O cap´ ıtulo 3 trata dos autovalores e autovetores. dentre outros. mas n˜o menos importantes. no cap´ a ıtulo 4 os Sistemas de Equa¸˜es Lineares. apresentaremos. e a mas com uma infinidade de aplica¸oes. a Este trabalho prop˜e uma breve revis˜o de conceitos b´sicos relacionados com o a a ´ a Geometria Anal´ ıtica e a Algebra Linear com foco em suas aplica¸oes. objetivando minc˜ imizar os problemas enfretados pelos alunos destes cursos de modo a mostrar-lhes as aplica¸oes pr´ticas dos estudos de determinados assuntos.

1).800 kg. Por ser um segmento de reta orientado. e − → Importante! Note que existe tamb´m o vetor BA. 3. ou m´dulo. etc. al´m do c e valor escalar. −1). 2. massa. o vetor precisa de. 0) − (2. como por exemplo: ´ e 25 o C. . 0. ser´ a − → AB = B − A ⇒ (2. um ente matem´tico. 0) e B = (2. −3. no entanto. Dados os pontos A = (0. na forma a gr´fica. embora |u| = |v|. como em AB. 0. ou ainda norma. por exemplo d ou d. que pode ser chamado genericamente como u = (2. que para sua completa descri¸ao e a c˜ deve ser conhecida a sua intensidade. o c˜ Nota¸˜o ca Um vetor pode ser denotado por uma letra com uma seta em cima. press˜o. 1) − (0. dois pontos para a sua defini¸ao. −3. 0. dire¸ao e sentido. a Um vetor ´. 1 KPa. 3. −1). de uma dire¸˜o e graficamente s˜o representadas por um segmento de reta ca a com seta. for¸a. ou ainda um acento − → ˆ circunflexo. ou por seu segmento de reta orientado. que ser´ e a − → BA = A − B ⇒ (0. potˆncia e outras podem ser completaa e mente definidas por um unico valor num´rico e sua unidade de medida. 1) = (−2. a Outras grandezas como velocidade. 3. 1). Ressaltando-se que u = v. o vetor AB. 1). podem ser visualizadas como um ponto numa escala. 0) = (2. precisam. c˜ − → Exemplo. portanto. isto por que uma de suas coordenadas ´ a origem. Vejamos o exemplo abaixo. Elas s˜o denominadas grandezas escalares porque.4 2 Vetores Grandezas como temperatura. no m´ ınimo. Estas grandezas s˜o denominadas grandezas vetoriais. ou pode ser chamado genericamente como v = (−2. 3. 3.

v2 = v12 + v22 + 2v1 v2 cosα.2. ca e c) Sentido: A partir do v´rtice formado pelos dois vetores. e Portanto o vetor resultante ´ obtido desenhando-se uma das figuras abaixo: e 5 . Primeiramente. utilizamos a o ca regra do paralelogramo. a dire¸˜o e o sentido desse vetor resultante. Portanto. o vetor e resultante: v = v1 + v2 2.1 M´todo geom´trico e e Adi¸˜o de vetores ca Para determinarmos o m´dulo. desenhamos o paralelogramo definido a partir dos vetores v1 e v2 . onde α ´ o ˆngulo entre os dois vetores.1.1 Soma de vetores e multiplica¸˜o por escalar ca Sejam v1 e v2 dois vetores. A soma desses vetores ´ um terceiro vetor. e a b) Dire¸˜o: Aquela da reta que cont´m a diagonal. ´ a) M´dulo do vetor resultante: E dado pelo comprimento da diagonal indicada na o figura.

1.´ usar um sistema de eixos cartesianos. O vetor tem m´dulo e dire¸ao iguais ao do vetor mas tem o sentido oposto. se o angulo entre o vetor e o sentido c˜ e ˆ 6 . o c˜ Reduzimos o problema da subtra¸ao de dois vetores ao problema da soma de v1 e −v 2 . Para a defini¸ao de a c˜ componentes. resulta em um terceiro ca vetor (chamado resultante). c˜ Vamos tomar. podemos definir as componentes de um vetor nesse sistema de eixos tomando-se as proje¸oes do vetor nesses eixos. a melhor alternativa . Na representa¸˜o anal´ ca ıtica tamb´m utilizamos um conjunto de trˆs atributos de e e um vetor (esses atributos s˜o conhecidos como componentes do vetor). a e Componentes de um vetor Dado um sistema de eixos cartesianos (composto de um conjunto de trˆs eixos ortogoe nais). c˜ 2. Esses dois eixos est˜o contidos num plano. Tomamos ent˜o a distˆncia entre as interse¸˜es como a proje¸ao se a e a a a co c˜ flecha estiver na mesma dire¸ao do eixo (isto ´.e a mais f´cil . A componente x do vetor v (designada por vx ) ´ dada pela proje¸ao do e c˜ vetor no eixo x. Consideremos um vetor a nesse plano.2 M´todo anal´ e ıtico Al´m da representa¸ao geom´trica (ou gr´fica) utilizada anteriormente. um sistema com dois eixos a ortogonais (x e y). Para determinarmos a proje¸ao do vetor ao longo de qualquer eixo. cujas propriedades s˜o inferidas a partir da soma dos vetores a v1 e (−v 2 ). conhecida como representa¸˜o anal´ c˜ ca ıtica do vetor.Subtra¸˜o de vetores ca Consideremos os vetores v1 e v2 . podemos fazer e c˜ e a uso de uma outra representa¸ao. c˜ consideramos as extremidades do vetor e por elas tra¸amos linhas perpendiculares ao eixo c at´ encontr´-lo. por uma quest˜o de simplicidade. A subtra¸˜o de vetores v1 e v2 .

c˜ e c) O sentido de R ´ o mesmo de v se α for positivo e oposto ao de v se α < 0. A proje¸˜o fica melhor definida. com as seguintes caracter´ ısticas: a) O m´dulo do novo vetor ´ o que resulta da multiplica¸ao do valor absoluto de pelo o e c˜ m´dulo de v . onde v ´ o m´dulo do vetor. Dessa opera¸˜o resulta um novo u ca vetor: R = αv. Caso contr´rio. A express˜o e c˜ a para vy ´. Podemos escrever: vx = |v|cosθ. tem que levar em conta a orienta¸˜o do vetor em rela¸ao ca ca c˜ ao eixo. portanto. ˆ a ca a a mas com sinal negativo. a componente y ´ a proje¸ao do vetor v ao longo do eixo y. a proje¸˜o ser´ essa distˆncia.positivo do eixo for um angulo agudo). e o Analogamente. e 7 . em termos do ˆngulo θ (entre ca a o vetor e o eixo x). o b) A dire¸ao do novo vetor ´ a mesma de v. matematicamente. A proje¸˜o. em termos de θ: e vy = |v|senθ Multiplica¸˜o por um escalar ca Podemos multiplicar um vetor v por um n´mero α.

(kv) · w = v · (k w) = k(v · w) V.1 Produto Escalar Chama-se produto escalar (ou produto interno usual) de dois vetores u = x1 i+y1 j +z1 k e v = x2 i + y2 j + z2 k.2 Produto entre vetores Na se¸ao anterior vimos o produto entre um vetor e um escalar. |u · v| < |u| · |v| (desigualdade de Schwarz) VII. u · (v + w) = u · v + u · w IV. ou c˜ mesmo sentido caso o escalar seja positivo. a 2. agora entre vetores. |kv| = |k||v| VI.2 Produto Vetorial Dados os vetores u = x1 i + y1 j + z1 k e v = x2 i + y2 j + z2 k.2. |u + v| < |u| + |v| (desigualdade triangular) 2. e e e Exemplo 1. tem-se u · v = 3 × 4 + (−5) × (−2) + 8 × (−1) = 12 + 10 − 8 = 14 Propriedades do Produto Escalar I. tomados nesta ordem.2.2. S˜o os produtos escalar e vetorial. v > e se lˆ u escalar v. Se u = 3i − 5j + 8k e v = 4i − 2j − k. Veremos nesta se¸ao dois outros tipos de c˜ produtos. e se representa por u · v. ao n´mero real u u · v = x1 x2 + y1 y2 + z1 z2 O produto escalar de u por v tamb´m ´ indicado por < u. e se representa por u × v. chama-se produto vetorial dos vetores u e v. ao vetor: u × v = (y1 z2 − z1 y2 )i − (x1 z2 − z1 x2 )j + (x1 y2 − y1 x2 )k 8 . opera¸˜o que resulta c˜ ca noutro vetor com mesma dire¸ao e sentido diferente caso o escalar seja negativo. v · w = w · v II. v · v = |v| · |v| = |v|2 III.

Se v × w = 0 (v e w n˜o nulos) ent˜o v e w s˜o paralelos a a a 2. 4. Sabendo que um corpo se desloca do ponto A = (0.3 Aplica¸˜es co Produto Escalar 1. pois uma for¸a F = 10i + 8j + 6k atua sobre ele. k × i = j VI. c e 9 . e que o trabalho realizado por uma c for¸a ´ dado por W = F · d. u × (v + w) = u × v + u × w III. 3). i × i = j × j = k × k = 0 V. C´lculo do produto vetorial dos vetores u = 5i + 4j + 3k e v = i + k. i × j = k. determine W. tem-se a i j k u×v = 5 4 3 1 0 1 Resolvendo o determinante. temos 4 3 0 1 5 3 1 1 5 4 1 0 u×v = i− j+ k u × v = (4 − 0)i − (5 − 3)j + (0 − 4)k u × v = 4i − 2j − 4k Propriedades do Produto Vetorial I. k(v × w) = (kv) × w = v × (k w) IV. 0.Cada componente deste vetor pode ainda ser expresso na forma de um determinante de 2a ordem: y1 z1 y2 z2 x1 z1 x2 z2 x1 y 1 x2 y 2 u×v = i− j+ k Exemplo 1. j × k = i. 0) para o ponto B = (5. v × w = −w × v II.

8N 2. 6 · 10−19 C viaja a uma velocidade 3 · 108 m/s quando submetida a um campo magn´tico de 2. determine a sua area. 3) − → − − → fazendo o produto vetorial. −3. AB × BC. 4. 0) e − − → BC = C − B ⇒ (1. 08 · 1010 T . B = (2. 0). 1) = (−1. 3. 0. ou ainda por c e e F = |q| · v · B · sen90o . 0) = (5. 6) · (5.− → Solu¸˜o: O vetor d = AB ⇒ B − A ⇒ (5. 8. 3) − (0. 3) ca A for¸a F = 10i + 8j + 6k pode ser escrita como F = (10. 4). 10 . 0. Dado um paralelogramo ABCD. Qual a for¸a que atua sobre esta e c part´ ıcula. 8. 4. 1) − (1. 2. 3. ´ Solu¸˜o: ca − → − − → Tomando o vetor AB e o vetor BC. 0. denotado por F · d e W =F ·d W = (10. 2. 4. temos: F = | − 1. 1. onde A = (1. 1) e C = (1. 6) c O trabalho ´ dado pelo produto escalar de F e d. 0) = (1. 08 · 1010 ) · 1 F ≈ 0. Uma part´ ıcula de carga −1. temos que a ´rea do paralelogramo ´ dada por: a e − → − − → A = |AB × BC| − → AB = B − A ⇒ (2.a. obtemos 1 u. 3. sabendo que a dire¸˜o de deslocamento ´ ortogonal ao campo? ca e Solu¸˜o: ca Sabendo-se que a for¸a magn´tica ´ dada por F = q · v × B. 3) W = 10 × 5 + 8 × 4 + 6 × 3 = 50 + 32 + 18 = 100J Produto Vetorial 1. 6 · 10−19 | · (3 · 108 ) · (2. 4) − (2.

11 3 Autovalores e Autovetores Autovalores e autovetores s˜o conceitos importantes de matem´tica. mecˆnica dos s´lidos. c˜ 3. como a figura abaixo mostra.  Exemplo 1. ou seja. pois  Ax =  3 0   1 2   3 6   = 3x 8 −1 = . Em R2 e R3 . e u Ax = λx (3. processamento de imagens.1) para algum escalar λ. O escalar λ ´ chamado um autovalor de A e dizemos que x ´ um e e autovetor associado a λ. a multiplica¸˜o por A manda cada autovetor x de A (se houver) sobre a ca mesma reta pela origem que x.1 Defini¸˜o ca Se A ´ a matriz n × n. estat´ c˜ a o ıstica. ent˜o um vetor n˜o-nulo x em Rn ´ chamado de um autovetor de e a a e A se A x ´ um m´ltiplo escalar de x. an´lise de a a a a vibra¸oes. Dependendo do sinal e da magnitude do autovalor λ associado a x. O vetor x =  1 2   ´ um autovetor de e  A= 3 0   8 −1 correspondendo ao autovalor λ = 3. invertendo o sentido no caso de λ negativo. com aplica¸˜es pr´ticas a a co a em ´reas diversificadas como mecˆnica quˆntica. o operador linear Ax = λx comprime ou estica x por um valor λ. etc. Neste cap´ ıtulo veremos as defini¸˜es e co aplica¸oes dos autovalores e autovetores.

1 Exerc´ ıcios Resolvidos Autovalores e Autovetores Quest˜o 1. n solu¸oes distintas.2. 3.2 3.2) equa¸ao s˜o os autovetores de A. det(λI − A) = 0 Esta equa¸ao ´ a equa¸˜o caracter´ c˜ e ca ıstica de A. Quando expandido.Para encontrar os autovalores de uma matriz A de tamanho n × n n´s reescrevemos o Ax = λx como Ax = λIx ou. Pode ser mostrado que se A ´ uma matriz n × n. no m´ximo. o polinˆmio caracter´ e o ıstico p(x) de matriz n × n ´ da forma e p(λ) = det(λI − A) = λn + c1 λn−1 + · · · + cn ´ Pelo Teorema Fundamental da Algebra segue que a equa¸ao caracter´ c˜ ıstica λn + c1 λn−1 + · · · + cn tem. de modo que uma matriz n × n tem. os escalares que satisfazem esta (3. equivalentemente. Dada a matriz a  A= 4 −5 2 −3 12   . a c˜ a n autovalores distintos. o determinante det(λI − A) ´ um c˜ a e polinˆmio p em λ que ´ chamado o polinˆmio caracter´ o e o ıstico de A. no m´ximo. ent˜o o polinˆnimo caracter´ e a o ıstico de A tem grau n e o coeficiente de λn ´ 1. ou seja.

3 3. ou ent˜o que o gene a ´ recessivo em rela¸ao ao gene A. a um conjunto de dois genes controla a cor da flor. Neste caso dizemos que o gene A domina o o gene a. Este par de genes ´ chamado de o gen´tipo do indiv´ e o ıduo e determina como o car´ter a controlado por estes genes se manisfeta no indiv´ ıduo. Vamos supor que a caracter´ ıstica heridit´ria sob considera¸˜o ´ governada por a ca e um conjunto de dis genes. Os gen´tipos AA e Aa tˆm e o o e olhos castanhos e o gen´tipo aa tem olhos azuis. Por hereditariedade autossˆmica o o cada indiv´ ıduo de cada sexo possui dois destes genes.3.1 Aplica¸˜es co Gen´tica e Caracter´ ısticas Heredit´rias: Vamos apenas analisar a herediriedade de animais ou a plantas.Calcule seus autovalores e autovetores Solu¸˜o: ca Calculando os autovalores  A= 4 −5 2 −3   4−λ 2 −5 −3 − λ    ⇒ A − λI =  det(λI − A) = 0 (4 − λ)(−3 − λ) + 10 = 0 ⇒ λ2 − λ − 2 = 0 λ= Calculando os autovetores  (A − λ1 I)x = 0 ⇒  5 −5 2 −2 2 −5 2 −5   x y   0 0   c c   √ 1± 9 2 ⇒ λ1 = −1 e λ2 = 2 =  ⇒ x1 =   (A − λ2 I)x = 0 ⇒    x y   = 0 0    ⇒ x1 =  5c 2c   3. e os poss´ ıveis pares s˜o AA. Nos humanos. o o a cor dos olhos ´ controlada por hereditariedda autossˆmica. nas bocas-de-le˜o. Aa e a aa. Por exemplo. que n´s denominamos A e a. pois o gen´tipo A a a e c˜ o apresenta a mesma caracter´ ıstica esterna que o gen´tipo AA. O gen´tipo AA produz flores vermelhas. o o gen´tipo Aa produz flores roxas e o gen´tipo aa produz flores brancas. o 13 .

cada descendente ter´ chances iguais de ser do gen´tipo Aa ou a o aa. N´s queremos deduzir uma express˜o para a e o o a distribui¸ao dos trˆs gen´tipos na popula¸˜o depois de um n´mero qualquer de gera¸oes.. Hereditariedade Autossˆmica: o Na hereditariedade autossˆmica. Assim. b0 e c0 especificam a distribui¸˜o inicial dos gen´tipos. o macho da esp´cie possui apenas e um dos dois poss´ ıveis genes ( A ou a) e a fˆmea possu somente um par de dois dos poss´ e ıveis genes (AA. 2. o descendente sempre receber´ um gene a do o a genitor aa e receber´. com igual probabilidade.Al´m da hereditariedade autossˆmica. Aa ou aa). um ino div´ ıduo herda um dos genes de cada par de genes dos seus pais para formar seu pr´prio o e particular par. Na tabela 1 nos listamos as probabilidades dos poss´ ıveis gen´tipos dos descendentes o para todas as prov´veiscombina¸˜es de gen´tipos dos pais. vamos escrever an = fra¸ao de plantas do gen´tipo AA na n-´sima gera¸ao c˜ o e c˜ bn = fra¸˜o de plantas do gen´tipo Aa na n-´sima gera¸˜o ca o e ca cn = fra¸ao de plantas do gen´tipo aa na n-´sima gera¸˜o c˜ o e ca Assim. a calvice heredit´ria. para citar somente alguns. c˜ e o ca u c˜ Para n = 0. N´s temos que ca o o 14 . n´s tamb´m discutiremos a heredie o o e tariedade ligada ao sexo. Consequentemente. Nos humanos. s˜o caracter´ a ısticas controladas por hereditariedade ligada ao sexo.. ou um gene A ou um gene a do genitor a Aa. se um dos pais ´ do gen´tipo Aa. ´ uma quest˜o de sorte qual dos dois genes os pais e a passam aos filhos. o daltonismo. ´ igualmente prov´vel que o e o e a descendente herde o gene A ou o gene a daquele genitor. O o agricultor deseja implementar um programa de cria¸˜o no qual cada planta da popula¸ao ca c˜ ´ sempre fertilizada por um gen´tipo AA. a hemofilia e a a distrofia muscular . Aa e aa. Neste tipo de hereditariedade. Suponha que um agricultor tem uma grande popula¸ao de planc˜ tas consistindo de alguma distribui¸˜o de todos os trˆs poss´ ca e ıveis gen´tipos AA. 1.. a co o Exemplo 1. Se um dos pais ´ do gen´tipo e o aa e o outro genitor e do gen´tipo Aa. a0 . Pelo que sabemos.

e a a e Da equa¸ao (2) segue que c˜ x(n) = M xn−1 = M 2 xn−2 = · · · = M n x(0) Consequentemente. Para encontrar uma express˜o expl´ a ıcita para M (n) . . n´s teremos ent˜o ca o a M (n) = P Dn P −1 para n = 1.. n´s primeiro diagonalizamos M .. xn−1 =  bn−1    cn−1 cn       eM = 0 1 1  2    0 0 0 Observe que as trˆs colunas da matriz M s˜o iguais ` trˆs primeiras colunas da Tabela 1. Pela Tabela 1 n´s podemos determinar a distribu¸ao de gen´tipos em cada gera¸˜o e a o c˜ o ca partir da distribui¸˜o na gera¸ao precedente.. 2. onde  an   an−1   1 1 2 0        x(n) =  bn . n´s o podemos usar (3) para encontrar uma express˜o expl´ a ıcita para x(n) . ou seja. para n = 0. As equa¸oes (1) o a o c˜ podem ser escritas em nota¸˜o matricial como: ca x(n) = M xn−1 . se n´s encontrarmos uma express˜o expl´ o a ıcita para M (n) .. 2. 2. primeira destas trˆs equa¸˜es afirma que todos os descedentes de uma e co planta do gen´tipo AA ser˜o do gen´tipo AA neste programa de cria¸ao e metade dos o a o c˜ descendentesde uma planta do gen´tipo A a ser´ do gen´tipo AA. Por exemplo. .an + bn + cn = 1. procuramos uma o matriz invert´ P e uma matriz diagonal D tais que: ıvel M (n) = P DP −1 Com esta diagonaliza¸˜o. . pelas seguintes equa¸oes: ca c˜ c˜ 1 an = an−1 + 2 bn−1 bn = cn−1 + 1 bn−1 2 cn = 0 n = 1. 1. 2.... 15 .. n = 1. .

2. .. . . . n´s obtemos o 1 1 an = 1 − ( 2 )n b)0 − ( 2 )( n − 1)c0 bn = ( 1 )n b)0 + ( 1 )( n − 1)c0 2 2 n = 1. λn k               0  =   . Segue-se que  x (n) 1 1 1  1 0 0  1 1 1  a0  = PD P n −1 (           1 n x 0) =  0 −1 −2   0 ( 2 ) 0   0 −1 −2   b0       0 0 1 0 0 0 0 0 1 c0 Lembrando que an + bn + cn = 1. . 0 ··· 0 0 .. 0 0 ··· 0 ··· . λk n  λn 1 0 λn 2 . 0 ··· 0 0 . . . . . 0 0 λ2 . . . . Como co o tende ao infinito. . .. . . . . .onde     Dn =     λ1 0 . 0 0 ··· 0 ··· . . Isto mostra que no limite de todas as plantas da popula¸ao c˜ ser˜o do gen´tipo AA.   0 A diagonaliza¸ao de M ´ obtida encontrando os autovalores e correspondentes c˜ e autovetores.   . a o 1n 2 tende a zero quando n 16 . segue destas equa¸˜es co an → 1 bn → 0 cn = 0 quando n tende ao infinito. cn = 0 Estas s˜o f´rmulas expl´ a o ıcitasparaa fra¸˜o dos trˆs gen´tipos na n-´sima gera¸ao ca e o e c˜ deplantas em termos das fra¸˜es de gen´tipos iniciais..

muitas vezes. as opera¸oes elementares que se podem c˜ ca c˜ . sn tais que a equa¸˜o ´ satisfeita quando substitu´ e u ca e ımos x1 = s1 . Uma equa¸ao a a a c˜ desta forma ´ chamada de equa¸˜o linear nas vari´veis x e y. n´s e ca a o definimos uma equa¸˜o linear nas n vari´veis x1 ... . a solu¸˜o geral da equa¸ao.. O conjunto de todas as solu¸oes de uma equa¸ao ´ seu c˜ c˜ e conjunto-solu¸˜o ou. Todas as vari´veis ocorrem somente na primeira potˆncia e n˜o aparecem a a e a como argumentos de fun¸˜es trigonom´tricas.. As equa¸oes c˜ √ x + 3 y = 5.1 Elimina¸˜o Gaussiana ca O M´todo de Elimina¸˜o de Gauss (MEG) ´ um algoritmo sistem´tico e eficaz que permite e ca e a determinar a solu¸ao geral de qualquer SEL m × n. an e b s˜o constantes reais. a o 1 Exemplo 1. y = 2 x + 3z + 1 e x1 + 2x2 − 3x3 + x4 = 7 c˜ s˜o lineares. Observe que uma equa¸ao linear n˜o envolve quaisquer produtos ou ra´ a c˜ a ızes vari´veis. As vari´veis de uma equa¸˜o linear a a ca s˜o. `s vezes. a a Uma solu¸˜o de uma equa¸˜o linear a1 x1 + a2 x2 + · · · + an xn = b ´ uma ca ca e sequˆncia de n n´meros s1 . Por defini¸˜o. x2 . As equa¸oes x + 3y = 7. .1) onde a1 ... xn como uma equa¸˜o que pode ca a ca ser expressa na forma a1 x + a2 x 2 + · · · + an x n = b (4. Mais geralmente.. . ca a ca c˜ 4. 3x + 2y − z + xz = 4 e y = senx s˜o n˜o-lineares. xn = sn ... a2 e b s˜o constantes reais e a1 e a2 n˜o s˜o ambas nulas..17 4 Sistemas de Equa¸oes Lineares c˜ Qualquer linha reta no plano xy pode ser representada algebricamente por uma equa¸ao c˜ na forma a1 x + a2 y = b (4. s2 . A implementa¸ao deste m´todo tem c˜ c˜ e por base a aplica¸˜o sucessiva de um conjunto de opera¸oes (denominadas opera¸˜es ca c˜ co elementares) que transformam o SEL inicial num SEL mais simples mas com a mesma solu¸ao geral que o SEL de partida. x2 = s2 .. . logar´ co e ıtmicas ou exponenciais.2) onde a1 . a2 . chamadas inc´gnitas..

c˜ • Soma de uma equa¸ao do SEL com um m´ltiplo de outra das equa¸oes do SEL. formada pelas inc´gnitas do sistema. c˜ u c˜ 4.2 Solu¸˜o por Matriz Inversa ca Consideremos o sistema com express˜o geral dado abaixo e que tem n equa¸oes lineares a c˜ com n inc´gnitas: o a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn a21 x1 + a22 x2 + a23 x3 + · · · + a2n xn a31 x1 + a32 x2 + a33 x3 + · · · + a3n xn ································· a31 x1 + a32 x2 + a33 x3 + · · · + a3n xn Que pode ser escrito na forma matricial A · X = B. formada pelos ´ e a termos independentes. Com base no sistema linear abaixo ´ poss´ afirmar: a e ıvel   x + 2x + 3x = 5  1 2 3   2x + 5x2 + 3x3 = 3  1    x + 8x = 17 1 3 18 . a matriz B ´ uma outra matriz coluna. Assim: A · X = B ⇔ A−1 · A · X = A−1 · B ⇔ X = A−1 · B 4. A a a o matriz X ´ uma matriz coluna.3 Exerc´ ıcios Resolvidos Quest˜o 1. e a o Por ultimo.aplicar a um SEL s˜o as seguintes: a • Multiplica¸ao de uma equa¸ao do SEL por qualquer n´mero real n˜o nulo. tem dimens˜o n × n e seus elementos s˜o os coeficientes das inc´gnitas. A matriz A chama-se matriz do sistema. de dimens˜o n × 1. de dimens˜o n × 1. c˜ c˜ u a • Troca da ordem de duas equa¸oes do SEL.

comprovada na proposi¸ao II. e ca III. Falsa. 2) ´ uma solu¸˜o particular do sistema. c˜ IV. A matriz inversa dos coeficientes ´:  13 −5 −3  e   5 −2 −1 Solu¸˜o: ca I. c˜ 19 . pois o determinante da matriz dos coeficiente ´ diferente de zero 0 e (exerc´ ao leitor) ıcio II. Verdadeira. S1 = (1. Verdadeira.I. O sistema ´ poss´ e determinado e ıvel II. O sistema ´ imposs´ e ıvel 40 16 9     IV. pois:  1 2 3 1 0 0       2  1  1    0  0  1    0  0  1    0  0  1    0  0  40    13  5   5 3 0 1 0  L2 = L2 − 2L1 e L3 = L3 − L1  0 8 0 0 1  2 3 1 0 0   1 −3 −2 1 0  L1 = L1 − 2L2 e L3 = L3 + 2L2  −2 5 −1 0 1  2 3 1 0 0   1 −3 −2 1 0  L3 = L3 (−1)  −2 5 −1 0 1  0 9 5 −2 0   1 −3 −2 1 0  L1 = L1 − 9L3 e L2 = L2 + 3L3  0 1 5 −2 −1  0 0 40 16 9   1 0 13 −5 −3   0 1 5 −2 −1      16 9 5 1            ×  3  =  −1  −5 −3      −2 −1 17 2 III. Verdadeira. comprovada pela proposi¸ao I. −1.

Com base no sistema linear abaixo ´ poss´ afirmar: a e ıvel   x + 2x + x = −1  2 3  1  x − x2 + x3 = 4  1    x + x = 17 1 2 I. x3 = 2) a a V. obtemos: 20 . b3 = 3) os valores que x assumir´ ser´ (x1 = 3. −4/3. Aplicando a lei de corrente de Kirchhoff aos pontos A e B. a e ıvel II.1 Aplica¸˜es co Redes El´tricas e Quest˜o 1. I2 e e e I3 .Quest˜o 2 (proposta). x2 = 0.4. 2 = 5/3. A matriz inversa dos coeficientes ´:  1/3 −1/3 0 e  2/3 1/3 −1     IV. b3 = 0) os valores que x assumir´ ser´ (x1 = −5/3. S1 = (16/3. e ca 4.4 4. Substituindo os valores dos termos independentes por (b1 = −1. O sistema n˜o ´ poss´ e determinado. Encontre o valor das correntes no circuito abaixo a Suponhamos que em um circuito el´trico temos 3 correntes el´tricas especificadas I1 . b2 = −1. −11/3) ´ uma solu¸˜o particular do sistema. Substituindo os valores dos termos independentes por (b1 = 5. b2 = 0. x3 = 10/3) a a x  −1/3 1/3 1   III.

Para aplicar a lei de c˜ a voltagem de Kirchhoff a um circuito fechado. obtemos ` 7I1 + 3I3 − 30 = 0 (2) E a malha interna 2.e uma diferen¸a de potencial negativa e c se o sentido positivo do circuito ´ de .para +.I1 = I2 + I3 (Ponto A) I3 + I2 = I1 (Ponto B) Como ambas estas equa¸˜es simplificam ` mesma equa¸˜o linear co a ca I1 − I2 − I3 = 0 (1) N´s precisamos de mais duas equa¸oes para determinar I1. (2) e (3) resulta o sistema linear   I −I −I =0  1 2 3   7I + 3I3 = 30  1    11I − 3I = 50 2 3 Resolvendo este sistema linear obtemos os seguintes valores para as correntes I1 = 570/131(A). obtemos 11I2 − 3I3 − 50 = 0 (3) Combinando (1). sentido hor´rio) e fa¸a a seguinte conven¸˜o de sinais: a c ca • Uma corrente passando por um resistor produz uma diferen¸a de potencial positiva c se flui no sentido positivo do circuito e uma diferen¸a de potencial negativa se flui c no sentido negativo do circuito. e Aplicando a Lei de Kirchhoff e a Lei de Ohm a malha interna da figura. I3 = −20/131(A) 21 . • Uma corrente passando por um capacitor produz uma diferen¸a de potencial positiva c se o sentido positivo do circuito ´ de + para . I2 = 590/131(A). selecione um sentido positivo em torno do circuito (digamos. I2 e I3 de modo unico. Estas o c˜ ´ equa¸oes ser˜o obtidas com a Lei de Voltagem de kirchhoff.

Qual seria o peso de cada prova? Solu¸˜o:  ca  1 1 1 0   L2 = L2 − 5L1 5 6 0 1 22 . j´ Pedrinho tirou 5 pontos na a a prova A e 6 na prova B e obtiveram.z = 0 cuja solu¸ao ´ c˜ e 4N H3 + 3O2 → 2N2 + 6H2 O 4. obtemos o seguinte sistema de equa¸oes: c˜ Nitrogˆnio: w = 2y e Hidrogˆnio: 3w = 2z e Oxigˆnio: 2x = z e Desta forma.2y = 0    3w . c˜ Solu¸˜o: ca wN H3 + xO2 → yN2 + zH2 O Comparando os n´meros de atomos de nitrogˆnio. A combust˜o de amˆnia (N H3 ) em oxigˆnio produz nitrogˆnio (N2 ) e agua. a Jo˜ozinho tirou 1 ponto na prova A e 1 ponto na prova B.3 Matem´tica aplicada a Quest˜o 1. notas 2 e 9.2 Balanceamento de Equa¸oes Qu´ c˜ ımicas Quest˜o 1.2z = 0     2x . temos:   w .4. a a o e e ´ Encontre uma equa¸ao qu´ c˜ ımica balanceada para essa rea¸ao. montando o sistema.4. Dois alunos ao comparem suas notas perceberam algo de estranho.4. hidrogˆnio e oxigˆnio nos reagentes e u ´ e e e nos produtos. respectivamente.

os pesos s˜o 3 e 1. a 23 .      1 1 1 0   L1 = L1 − L2     3 1   0 1 −5 1 1 0 6 −1 1 × 2 9 0 1 −5 6 −5 −1 1 = Logo.

. indispens´vel para o curso de engenharia el´trica o c˜ a a e e areas afins. e suas a a e aplica¸oes s˜o fundamentais tanto para a engenharia quanto para a medicina. u a ca Essa atividade foi fundamental para mostrar que matem´tica n˜o ´ apenas teoria. al´m de revisar conceitos j´ vistos e a anteriormente. para a arte c˜ a entre outras areas. e com isso seu estudo dedicado ´ pe¸a indispens´vel para profissional ´ e c a de sucesso. conhecer algumas das aplica¸˜es destes em campos de estudo e pesquisa. Tivemos uma oportunidade ´ ´ ımpar de.24 5 Conclus˜o a Com o trabalho realizado pudemos rever os conceitos e assuntos abordados no programa ´ semestral da mat´ria Geometria Anal´ e ıtica e Algebra Linear. fazendo com que haja o a u um maior interesse por estes e conseq¨entemente uma maior absor¸ao. Por exemplo. co quebrando o contexto te´rico em que s˜o aplicados esses conte´dos. os quais s˜o fundamentais a para uma s´lida forma¸ao matem´tica. saber u c˜ que assuntos como autovalores e autovetores s˜o utilizados na investiga¸˜o da propaga¸˜o a ca ca de uma caracter´ ıstica herdada em sucessivas gera¸oes (Gen´tica) e que os conceitos dos c˜ e sistemas lineares s˜o utilizados para resolver problemas atrav´s da Interpola¸˜o Spline a e ca C´bica aumenta a importˆncia dada a esses assuntos e traz motiva¸˜o aos seu estudo.

. Bookman. 1980. c˜ ´ [4] Steinbruch. Atual. Algebra Linear. S˜o Paulo. C. Algebra Linear. ´ [5] Boldrini/Costa/Figueiredo/Wetzler.Referˆncias Bibliogr´ficas e a ´ [1] Callioli. H. Carlos A. Porto Alegre. Makron Books. S. Algebra Linear. Makron Books. co a ´ [2] Anton. Algebra Linear e Aplica¸˜es. P. A. 2001. 1994 (Cole¸ao Schaum). co ´ [3] Lipschutz.. . Winterle.. Rorres. Harbra. Algebra Linear com Aplica¸˜es. 1990..