CARLOS A. CALLIOLI Prof. Titular — Faculdade de Engenharia Industrial (S40 Paulo) HYGINO H. DOMINGUES Instituto de Biociéncias, Letras e Ciéncias Exatas — Prof. Adjunto UNESP ( Rio Preto } CARLOS A. CALLIOLI HYGINO H. DOMINGUES + ROBERTO C. F. COSTA Pye 3-1 ooo ce S17 Wn | Prot. tiv e-Docente — Instituto de Matematica ¢ Estatistica — USP ALGEBRA LINEAR E APLICACOES 6? edicdo reformulada SE acl 12 reimpressao, OEP ron? PRESS seo 8° cart (2 ATUAL EDITORAINDICE Capitulo 4 — Transformagées Lineares 1! PARTE: ALGEBRA LINEAR 4, Isomorfismos ¢ Automorfismos 14 istemas Lineares — Matrizes Capitulo sy Matriz de uma Transformagio Linear ye ne 0 YT. ~“Opéragdes com TransformagOes Lineares .. 124 2, Sistemas Equivalentes 4 2. Mairiz de uma Transformagao Linear 133 3. Sistemas Escalonados 6 3. Matriz da Transformagdo Composta 137 Posen ae 5. Matrizes Semelhantes 151 8. Sistemas de Cramer 31 Capitulo 6 — Espacos com Produto Interno axApéndice I — Matrizes Elementares ... 39 1. Produtos Intern 158 Capitulo 2 — Espagos Vetoriais 3. Ortogonalidade 172 2. Espagos Vetoriais 4 5. Operndres Auto adjuntos isa 5. Somas de Sub-espacos 56 ‘Capitulo 7 — Determinantes cas ane DL Eea) 5. Adjunta Classica e Inversa 212 1. Dependéncia Linear ...... eoseeee 67 6. Regra de Cramer . 214 2. Propriedades da Dependéncia Linear 4 7. Determinante de um Operador Linear : 217 ee eee a 5 SE Jum Fs ic = 8 Mudanca de Base o1 3. Matrizes Congruentes — Mudanca de Base para uma Forma Bilinear 225 ° : 4, Formas Bilineares Simétricas e Anti-simétricas 228 Apéndice II] — Teorema da Tnvaridncia 99 5 Formas Quadrticas 23222 PARTE: APLICAGOES we Diagonal de Operaors Linens ¢ Fora de Jordan Hots eVeees Pris». iagonalizagéo de Operadores 3 Donatos ceOpmadone Aussi indie kei 4 ‘lear da Diagonal! Pons dein Mathie 3. Aptnto da Dagoalznte Sr de Matas (Sope5) é ; Lema de Gergoshin Forma de Jordan Capitulo 2 — Curvas e Superficies de Segundo Grau 1, As Curvasde Segundo Grau 2, As Superficies de Segundo Grau Capitulo 3 — Polindmios de Lagrange 1, Valores Numéricos 2. Polindmios de Lagrange . Capitulo 4 — Sequéncias Recorrentes Lineares 1. Seqiiéncias Recorrentes . 2. Aplicagio Capitulo § — Equagdes ¢ Sistemas de Equagdes Diferenciais Lineares com Coeficientes Constantes Operadores Diferenciais Algebra dos Operadores Equacdes Diferenciais Lineares com Coeticientes Constantes Equacdes Homogéneas de Segunda Ordem Equagées Homogéneas de Ordem Qualquer ‘i Sistemas de Equagdes Diferenciais Lineares com Coeficientes Constantes Capitulo 6 — Método dos Minimos Quadrados 1. 0 Espago Euelidiano f°: Revisio 2. Aproximagao por Projecées 3. Ajuste de Curvas Respostas Bibliografia indice Remissivo 246 253, 262 266 268, 270 2 284 292 298 299 305 aM 315 317 319 321 324 327 334 335 338 342. 350 351 12 PARTE: ALGEBRA LINEARcapiTuLo 1 Sistemas Lineares — Matrizes 1, SISTEMAS LINEARES Neste capitulo procederemos inicialmente a um estudo dos sistemas lineares sobre IR. Nao nos moverd aqui nenhuma preocupagdo de formalismo ou rigor exces- sivos. Além disso limitar-nos-emos a ver sobre 0 assunto apenas o que é necessério ppara desenvolver os cap{tulos posteriores. De uma maneira geral este capitulo 1 constitui apenas um pré-tequisito para o restante deste livro. Definigdo 1 — Dados os niimeros reais ay, ..., &q, 6 (n > 1), a equagto aux +... + ankn = 8 onde 0s x; so variveis em IR, damos 0 nome de equapdo linear sobre IR nas incbgnitas x1, ..., Xn. Uma solupio dessa equagio é uma seqiiéncia de n ntimeros reais") (néo necessariamente distintos entre si), indicada por (b;, ..., bq), tal que aby +... + Oqb, = 8 6 uma frase verdadeira. Exemplo ~ Dada a equaglo: 2x, — x, + x3 = 1,a tema ordenada (1, 1, 0) 6 uma solugdo dessa equagfo pois 2-1 — 1 + 0 = 1 é verdadeira, Definigéo 2 — Um sistema de m equagdes lineares com n incognitas (m, n > 1)? é um conjunto de m equagdes lineares, cada uma delas com n incdg- nitas, consideradas simultaneamente, Um sistema linear se apresenta do seguinte ( u% +... + GinXn = By g, | tat toot tate =f emis +++ + Oman © Também chamada mupla de mimeros reas. ("Se m=n simplesmente sisteme linear de ordem n. Uma soluedo do sistema acima & uma n-upla (by, ..., by) de némeros reais que € solugio de cada uma das equagdes do sistema, Exemplo — Dado o sistema fax ytnet 8: {= ” x+y =6 uma solugdo de $ & (0, 3, 4). Notemos que essa solugdo no € tinica: a tema (22,9) tain 6 sto de. Se, no sistema S, tivermos 8 = 2 = ... = Bm = 0,0 sistema S seri homo. géneo, A napla (0, 0,...., 0) & solugio de S neste caso e por isso todo sistema homogéneo € compativel, de acordo com a definiggo 3 a seguir. A solugdo (0,0, ...,0) chama-se solupdo trivia do sistema homogéneo. Definigéo 3 —"Dizemos que um sistema linear $ incompativel se $ nifo admite nenhuma solugdo. Um sistema linear que admite uma inica solugio é chamado compativel determinado. Se um sistema linear $ admitir mais do que uma solugio entio ele recebe 0 nome de compattvel indeterminado, Exemplos 1) Um sistema do tipo ek, HF Onn = 4 Oxy +... + OXp (Bj # 0) ae € necessariamente incompativel: como nenhuma n-upla é solugéo da equacéo iésima, entdo nenhuma nupla € solugio do sistema. 2) Um sistema do tipo x =h 6 compativel determinado e (B1 ,. ,) a sua soluggo tnica3) 0 sistema fox- yte=1 Lxt2y =6 é indeterminado pois, conforme vimos aris, as temas (0,3, 4) ¢($, 42, 0)sa0 solugSes deste sistema, Conforme veremos, existem infinitas solug0es deste sistema, ‘Tente achar uma. 2. SISTEMAS EQUIVALENTES Seja Sum sistema linear de m equag6es com n incdgnitas, Interessa-nos considerar os sistemas que podem ser obtidos de S de uma das seguintes maneiras: (1) Permutar duas das equagdes de $. E evidente que se S; indicar o sistema assim obtido, entdo toda solugio de $; ¢ soluedo de $ e vice-versa. (U1) Multipticar uma das equagdes de S por um ntimero real A# 0. Indicando por S, 0 sistema assim obtido mostremos que toda solugdo de S, ¢ solugio de Se vice-versa, Devido a (1) podemos supor que a equagdo multiplicada seja a primeira, Como as demais equagdes de S e S; coincidem basta verificar nossa afirmagao ‘quanto a primeira equagao, Se (by ,.. by) € uma solugso de S (conforme definigso 2), entao: abs +... + ainda a Multiplicando por d esta igualdade obteremos: Qay)br +... + Ocandbn = Mr ® (que mostra que (by, . ..,bn) também solugdo da primefra equagSo de S, Por outro lado, se (b;, ... bn) € solugio de Sy, entdo a igualdade (2) € verdadeira. Dividindo (2) por A obtemos (1). Portanto (bi, ..., ba) pertence 20 conjunto das solugdes de S. 4 (UID Somar a uma das equagdes do sistema uma outra equagio desse sistema multiplicada por um nimero real. Deixamos como exercicio a verificagio de que o sistema: eux +o. + una = Bt ai xa oo + eine = Bi Ss eee ween air + ares +... + Qetin + ajn)xa = Mi + Bj Om iXy + 2. + amnkn = Bim assim obtide ¢ 0 sistema $ ou sfo ambos incompativeis ou admitem ambos as mesmas solugSes. Sugerimos ao leitor que faga alguns casos particulares antes de tentar 0 caso geral, Definigéo 4 — Dado um sistema linear S, uma qualquer das modificages cexplicadas acima em (1), (II) e (II) que se faca com esse sistema recebe o nome de ope- ragdo elementar com S. Se um sistema linear S, foi obtido de um sistema linear S através de um nimero finito de operagées elementares, dizemos que S; 6 equivalen- te a, Notagdo: S, ~ S, E facil ver que para a relacgo ~ assim definida valem as seguintes propriedades: (a) S ~ S (teflexiva); (b) 5; ~ S => S$ ~ S, (simétrica); (© S~S ¢ S~S= > $, ~ S; (transitiva), Convém frisar, por ultimo, que em virtude do que jd vimos neste parigrafo, se S; ~ §, entio toda solugdo de $ ¢ solugio de S, e vice-versa, Em particular, se S; € incompativel, 0 mesmo acontece com S. esta forma criamos um mecanismo extremamente itil para a procura de solu- es de um sistema linear S, Procuramos sempre encontrar um sistema linear equivalente a $ e que seja “mais simples”. Veremos um exemplo. Considere- mos o sistema: [x-y +25 Sijax-y + 2 Lox - 2 + 22Para estudar este sistema deve-se aplicar a ele uma série de operagies ele- mentares visando fazer com que 0 nimero de coeficientes iniciais nulos seja maior em cada equacio (a partir da segunda) do que na precedente. Vejamos como se pode fazer isso. koytasl (xoytes 1 fx-ytent mx- yt aaah y-2=2 x- 2 +2250 o=1 ' Multipticamos por — 2 a primera equagfo e somamos o resultado com a segunda equagio; ‘multiplicamos a primeira equacio por ~1 e somamos com a terceira. ** Somamos a segunda equagio com a terceira Como este dltimo sistema é incompativel, o mesmo acontece com o sistema S dado inicialmente. 3, SISTEMAS ESCALONADOS Consideremos um sistema linear de m equagdes com n incdgnitas que tem © seguinte aspecto: turks, + + + + ainxn = fi bese ss bomnkn = ba s: eer +--+ enka = Be OXn = Bees onde Gyr, #0, Gary #0,..-, Oxy #0 e cada 1 > 1 Setivermos 1 < ry < tz <... < rk 2, que é equivalente aS. Dividindo a segunda equacdo de S, por Yax, obtemos um sistema S, ainda equivalente a S,, com 0 qual comecamos a repetir o raciocfnio feito até aqui, porém a partir da sua segunda equacio, Evidentemente, depois de aplicar um certo ntimero finito de vezes esse raciocinio chegaremos a um sistema escalonado equivalente aS. A importincia dos sistemas escalonados reside na Proposiggo 1. Sendo todo sistema equivalente a um sistema escalonado, bastard que saibamos lidar com os sistemas escalonados e saibamos reduzir um sistema qualquer a um escalonado. Nota: Convém observar que as equagSes do tipo 0 = 0 que por ventura aparecerem no processo de escalonamento devem ser suprimidas, como ¢ ébvio, Exemplo — Escalonemos o seguinte sistema: Wx yt2- tea Sxt2y—2+2=1 t=0 Sx +221 x= y-ztox— y— t=4 Sxt yt tas 4x —2y - 24 5x +2t=1 zt2x-y-t=4 9 (2t2x-y- t=4 Sxtytt=5 Sxty+ t=5 ~ y+t=0 ~ y+ t=0 y-t=4 -n=4 Observe o leitor que (1, 2, 2,~2) €atinica solugao de S, pois ¢ a nica solugdo do sistema escalonado. 4. DISCUSSAO E RESOLUCAO DE UM SISTEMA LINEAR Discutir wm sistema linear $ significa efetuar um estudo de S visendo a classificd-lo segundo a definicao 3. Resolver um sistema linear significa determinar todas as suas solugGes. O conjunto dessas solugGes recebe © nome de conjunto solugdo do sistema. Seja S um sistema linear de m equagSes com n incdgnitas. Procedendo 20 escalonamento de $ chegaremos a uma das trés seguintes situagSes: ( No processo de escalonamento, numa certa etapa, obtém-se um sistema: Como $' € incompativel, entdo o mesmo se pode dizer de S. (Ver exemplo no pardgrafo 2). A ‘ (A) Obtém-se um sistema escalonado do seguinte tipo: My + eax, +... + OinXn = Or Xp tee + Oankn = Be Xn = Ba Neste caso S" poderd ser transformado, por equivaléncia, no seguinte sistema x =n % =" Xn =n Logo $ & compativel determinado © (71, Ya. «+4 In) & a sua solugdo. Exemplo ~ Discuti e resolver o seguinte sistema: x-yt n=l S:4 x+y +22=0 carers © Somamos a terceira equagZo a segunda, ** Somamos a segunda equacio & primeiraLogo o sistema é compat vel determinado e 6 -3, 3) 6a sua solugio, Observagio: Depois de conseguir o escalonamento poderfamos ter achado @ solugdo do sistema por substituigfo do seguinte modo: 1 Como 1 a Fey 2-1, entio y — 5 = =1.Daty => a 3 ‘Agora, se na primeira equagio do sistema substituirmos y por — acharemos x = 0. (U1) Obtémse um sistema escalonado do tipo abaixo: Katee eb ae Meg beet angry HoH ie Xty Ht Oita = Bi Kay toe Mang Xey Hoes F Oar Xey +2 H eankn = Ba si May toe # Ageg ++ + asa%n = Bs Xp +++. apna = Bp onde p m. 5. MATRIZES Definiggo 5 — Sejam m > 1 e n> 1 dois mimeros inteiros. Uma matriz m X n real € uma dupla seqiéncia de nimeros reais, distribufdos em m linhase 1n colunas, formando uma tabela que se indica do seguinte modo: a an mt ann ‘Abreviadamente esta matriz pode ser expressa por (aii i< m ou apenas isj mn) so chamadas linhas da matriz A, enquanto que as n sequéncias verticais ay an a aan Ag) = pee Aa = mt ann so as cohunas de A.£ de se notar que cada ACE Myx a(R) ¢ cada Ag © Mmai(IR)- Exemplo — Na matriz 2 X 3 a-(i 20 “\o 6-5 as linhas sfo (1, 0, 1) ¢ (0, 6, —5) a0 passo que as colunas so (s}(¢)-(3) 7IGUALDADE DE MATRIZES Consideremos duas riatrizes reais m X n: A = (aj) € B = (bij). Dizemos que A = B se, e somente se, ay by G@— 1,2, Exemplos jr12.ym) y <— oD xR or 2 i cam 1 en en 2) 12 101 (oi). o1 14 24 Dara *(1 33 133 00 OPERACOES COM MATRIZES (a) ADIGAO Scjam A = (aj) € B = (bj) matrizes m X n, Indicamos por A + Be cha- mamos soma de A com B a matriz m X n cujo termo geral ¢ aij + by, ou seja antby ap tbe... aintbin A+B= ‘A operagéo que transforma cada par (A, B) de matrizes do mesmo tipo na ma- triz A + B chama-se adigdo de matrizes. £ uma operagdo no conjunto Mm xn (IR). rai y_fo 1-2) —se A= = , entio Bramplo Se A=\q | 2) ° 247 A+B= past “\2 5 9 18 Para a adicdo de matrizes acima definida valem as seguintes propriedades: MA+B+C)= (A+B) +C, ¥A, B,C E Mmun(R) (associativa); (I) A+ B=B+ A, ¥A, BE Mmxn(R) (comutativa), (HD Existe uma matriz O © Mp xn (R) tal que A +0 =A, ¥A©Mman(R) (existe elemento neutro); TV) Dada uma matriz A © Mm xn (IR), existe uma matriz (—A), também m X a, tal que A + (—A) = O (existe a oposta de qualquer matriz), A verificagdo da propriedade associativa se faz assim: Se A = (aj), B= (by) © C= (Gj), entéo (A + B) + = (ay + by) + (ey) = (Gay + by) + oy) = = (ay + (by + G)) = i) + Gy + oy) = A+ BHO). Quanto a (III) € facil ver que: 0 oo. Bita matriz chama-se matriz nula m X an, Por iltimo, se A = (aij), € evidente que (— A) = (— aj). Por exemplo, se ( loa a) ( 1o-a 2) A= entio— A = -21 0 2-10 (6) MULTIPLICACAO DE UMA MATRIZ POR UM NOMERO Dada uma matriz real A = (aij), m x n,e dado um ntimero real «0 produro dea por A é a matriz real m x n dada por: fay. Oy Gam +. mn © Usamos nesta passagem a propricdade assocstiva da adigdo de nimeros reais. 19Para essa operagio que transforma cada par (a, A) de IR X Mmxn (R) na matriz real @A € Mma (R), valem as seguintes propriedades: @ (BA = a(BA); (I) @ + BA = aA + BA; (HD) a(A + B) = aA + oB; (iy) 1A =A; quaisquer que sejam as matrizes Ae B e quaisquer que sejam os niimeros reais aes. Provemos (II). Suponhamos A = (aj). Entio: +) + A=((@+B)+ ay) =(@- a4 +B + a4) = (@ + 94) + (B= ay) = 0A + 8A. 121 242 Exemplo—Sea=2eA={0 1 2 ),entioad=(0 2 4 o04 008 (© MULTIPLICACAO DE MATRIZES Consideremos a matriz A = (ai) de tipo m x ne amatriz B = (by) de tipo 1x p. Oproduto A - B (também indicado por AB)éamatrizm x pcujo termo geral é dado por: Hee ain + Bak ce = Yay + be in Usando a notagio de matriz linha e a de matriz coluna a definigZo acima significa que A Bo) AM Bey A® - Bay AP). B ape B Xe) AM. Bay A™. Boy (70 simboto & ¢ uma letra do alfabeto gogo, correspondents ao nosso S. 20 Nas condigdes acima, a operago que transforma cada par de matrizes (A, B) ‘na matriz AB chama-se multiplicagio de matrizes. Mt 3°45 Bxempb ~ seam A= (? ' °F 6 n=(S'0 0 zxemplo — - = : em 8 012 oe Entio O-341-042+1 O-441-042-0 O-5+1-042-1 6 8 10 20 2) Proposigio 2 — Sejam A = (aj), B= (bj) € C = (Cr) matrizes reais m X n, 1X pe pX q, respectivamente, Entfo A(BC) = (AB)C. 2+341-040+1 2-4+1-040-0 oetneta.t) Demonstragio — 0 termo geral de A(BC) & dado por: fo gers a P Dy] ( me) q@) mo \e a0 passo que 0 termo geral de (AB)C ¢ dado por: Q As propriedades da adigo © da multiplicagao de ntimeros reais nos ensinam, contudo, que (1) = (2). Entdo a proposigéo esté demonstrada, Proposicao 3 — Sejam A, B e C matrizes reais m X n, n X pen X p, respec- tivamente. Entio A(B + C) = AB + AC. Demonstragfo — Usase 0 mesmo tipo de racioesnio da demonstragio an- terior, Fica como exercicio, = Nota: Analogamente, se Ae B sfo matrizes m X n eC én X p, entio (A + B)C = AC + BC, aEXERCICIOS RESOLVIDOS 1. Sejam: 210 002 A B 121 642 Solugio 320 ec O10 sa-dnec _ (630 003 320\ (9 5-3 “\s 63) \9 6 3 o10)/ \-6 1 0 3K + B~ A) ~C, sendo 2. Dotemina # mais X Mays) tl gue K+ 4 A.B eC a matins do xo 1, Solugio XA K+ BA) dos w=s0+8 ac => X + A= 6X + 6B — 6A - 20 ==> SK= TA 6B +20 => X= 6B + 2C). Logo _ifmu S\29 <8 3, Dadas as matrizes reais, 1X 3, A= (1 0 0),B=@ 1 ‘minar as matrizes X, Y © Z de Myys QR) tais que © 0 1), deters 2X- ¥+Z=A sx ax+ Y-Z=¢ 242-8 Solugio X-2¥4+Z2=B xX -2¥+ Z=B s~4 2x +Z=A ~ BY Z=A-2B ~ ' TY -42=C~ 3B 2 X+ 2-228 K4+202v=B — L43VsA-2B~d 2 43Y=A-28 -42 + 1Y=C- 3B ~SY=-4a + 5B 4c. 2 hea -ond Ant bar-a-onbu 09-0 5 0-0 6 malt -t) (Fe) eG DDadas as matrizes A eB absixo, doterminar os produtos AB ¢ BA: Dai Analogamente, X 2 1) a=[10 on Solugto 2LH1-0 204161 QeLeded 213 ap=(1-14+0-0 1040-1 1-1+0-1J=(1 0 1 O-141-0 O-041-1 O-141-1 oud ‘Analogamente: Pada uma matric A = (ai) © Mmxn(R) denominase transposta de A e indica-se por sesso = Ly eey Mm, AS a sopuinte matriz n x m: At = (bj), onde bj Vater as sequintes clagBes ay @ ii a A+ Bt = at eat b) @ayt=aal, onde we R; oO abt=as 2 apy = Bt desde que as operagGes af indicadas estejam definidas. Provemos (LV) jé que as txés pri imeinas sio imediatas, Saluezo Scam A = (ip), Ab = (by), B Entio bj jn) © BY = yp aj € kj = Gk. Supondo AB = (ry) ¢ BAT = (4), temos tik =D) agg = >, byt =D dyghyi = sei Fa ia ‘© que mostra que de fato (AB)' = B'A. 2B6, Para cada némero rel a consideremos a matriz: ty Mostar que Tay = Tag: Cals cosa —sena\ (cose —senB TET | ena cosa} \ ene cos | cos(a +p) ~sen(e + 9) senle +8) costa +) nee (BOS ES) St) ima matriz quadrada A. se diz simétrica se Ab = A e antisimétrca se A’ = — A. Solugso, 4) Mostrar que @ soma de duas matrizes simétricas & também simétrica, Mostre que 0 mesmo vale para matrizes anti-simétricas b) 0 produto de duas matrizes simétricas de ordem n & uma matiz simétsica? Solugio a) Seam A e B as matrizes. Entdo (A +B) = Ab + B= A +B. Logo A + B 6 simé ttica. Analogamente, se A e B so antisimétricas, (A + B)!= AL+ BE= —A + (-B)= = A+B), b) (AB)! = BIAE = BA, se Ae Bsfosimétricas. Como em geral AB # BA,entonem sem- pre o produto de duas matrizes simétricas é uma matrz simétrica. Por exemplo: ()02)-6-)-09) 8, Determinar todas as matrizes que comutam com # matriz (+) fou soja, todas as matrizes X de tipo 2 X 2 tals que AX = XA. Solucio BE 24 Koy Lope X= onde x ¢ y sio nimeros quaisquer. 0 xy, 9, Dada a mate determinar uma matriz X © M, (R) de maneiza que AX = Solugio (sr tr)-G ata a aS TE ahs (x 48 x +2 20 [x yo teed y jee = -2 =1 7) » Poy, oon (x 42 x 42 = 0 fx 1 Joy wloy tte eo j 2 1 2 oo m2 ee 14 x- 12 EXERCICIOS PROPOSTOS 1 consdere as seguintes matrzes de Ma () 10 0 oo a=(0 2 0 Jeo 20 004 o1 Mostre que AB = BA. Podese concluir daf que ¢ vilida » propriedade comutativa da smuitiplicago em M3 (R)? Explique bem sua resposta, 28(Ese A, Be My (RD © se AB = BA, prove que a) (A ~ B)? = A? ~ 2AB + B?; ‘b) (A — BYA + B) = A? ~ Bt; ©) (A — BYA? + AB +B?) =A? —B?, 3. Sendo A ¢ B as matrizes do exercicio proposto 1, determine matrizes X, ¥ € M3 (R) de ‘maneira que: 2X -Y=A4B X+Y=A-B 4. 0 produto de duas matrizes antisimstricas de mesma ordem & uma mattiz antisimétrica? Justiique sua resposta, S. Determinar uma matriz A € Mz (IR) tal que A #0 ¢ A? (enateie mula), 6. Bfetue os produtos AB e BA onde 2 17. Mostrar que se: enti A? — 6A + Sly = 0 (matriz nul, 8. Mostrar que as matezes 4 ¥ you ‘onde y um niimero real nfo nulo, verficam a equagio X* = 2X, 9. Detenminar todas as matrizes quadradas de ordem 3 que comutam com a matrix: a lo oat oo 8 onde a 6 um niimero real 26 10, Se A e B sfo matrizes reais de ordem 2 que comutam com = matriz (2 :) 1 0 11, Seja B uma matri2 real 2 X 2 que comuta com a matriz, ma Mostre que existem niimeros reais a e b tals que: mostre que AB = BA. B=aA+ bh 12, Se A, BE Mp (R) sfo tals que AB = 0 (matri mula), podese conciuir que BA também & ‘4 matriz mula? Prove ou contra-exemplifique. 7. MATRIZES INVERSIVEIS Consideraremos neste parigrafo apenas matrizes quadradas de ordem n. Neste caso @ multiplicagéo transforma cada par de matrizes de ordem n numa outra matriz, também de osclem n. E além das propriedades dadas pelas propo- sigdes 2 e 3 acima (associativa e distributiva em telagdo a adigo) a multiplicagio, neste caso, goza da propriedade de admitir elemento neutro que é a matriz ol... 0 oo. t € que evidentemente verifica as condigdes Aly = A= A, para toda matriz A de ordem n. A matriz Iy chama-se matriz identidade de ordem n. Definigio 6 — Uma matriz A de ordem n se diz inversivel se, © somente se, existe uma matriz B, também de ordem n, de modo que: AB = BA=1, Esia matriz B, caso exist, é nica ¢ chamase inversa de A, indicase por At 27Exemplos 1) A matriz invers{vel uma vez. que, tomando entio 10 saa ( ) o1 Logo adiante ensinaremos um algoritmo (processo) para determinar a inversa de uma matriz, caso esta inversa exista, 2) Se uma linha (ou coluna) de uma matriz A é nula, entio A nio é inver sivel, Suponhamos a linha isima de A ula, isto é, AM = (0, 0,..., 0). Dada eno uma matriz X qualquer de ordem a, como ax =a®x=@ 0... O (ver definigao de produto), entio 0 0... 0 }# Ih, para toda matriz X. 3) Se A e B sio matrizes de ordem n, ambas inversiveis, entdo AB também 6 inversivel © (AB)? = Bt. At De fato (AB) « (B.A) = A+B). A= As I -AT AA ATS € analogamente (Bt « A-!) » (AB) = Iy. 4) Se A & inversivel, entio A~' também o € e vale a seguinte igualdade: ay =a. DETERMINAGAO DA INVERSA Daremos aqui um algoritmo (= método) para determinar a inversa de uma matriz. A, caso A seja inversivel, Contudo a demonstrago do teorema em que se baseia esse método somente serd feita no Apéndice I, a0 fim do capitulo, Definigo 7 — Dada uma matriz A entendemos por operapSer elementares(*) com as linhas de A, uma qualquer das seguintes alteativas (D Permutar vas linhas de A; (U1) Multiplicar uma linha de A por um némero # 0. (11) Somar 2 uma linha de A uma outra linha de A multiplicada por um nimero. Se uma matriz B puder ser obtida de A através de um nimero finito dessas operagGes, dizse que B é equivalente a A e escreve-se B~ A, Para esta relagao velem as propriedades reflexiva, simétrica e transitiva. Teorema — Uma matriz A 6 inversivel se, ¢ somente se, In ~ A. Neste caso, ‘a mesma sucesso de operagGes elementares que transformam A em Ij, transformam I,em At Demonstragio Est feita no apéndice 1, a0 fim do capitulo, Exemplos 1) Verificar se a matriz 10 A=(o0 11 102 6 inversivel e determinar A“!, caso esta matriz exista, Devernos orientar nosso trabalho no sentido de transformar (se possivel) a matri2 A na matriz Iy. Como essa mesma sucessio de operages levard ly em AT, entdo convém reunir A e Jy numa mesma matriz e operar a partir dai, L/i i oft 00 Ly 11 0100 Lfo 1 1!0 1 0)~ o1 toro} L\i o 2!0 01 Ljysl,-L,\0-1 2/-1 0 1 Tal como para sistemas lineares, ver § 2.Li L 0 0 1 2 6 15 307 12 6 o 1 st 0-1-5} 100 o10 211 Como a matriz A é equivalente & matriz 126 ois 000 que no é inversivel (tem uma linha mula) ento A também ndo é inversivel. 8. SISTEMAS DE CRAMER Seja ats tH tanta = bi Mam +... + Maka = by amiX1 +... + AmaXn = Dn ‘um sistema linear de m equagGes com n inc6gnitas sobre IR. Se formarmos as matrizes: an x bb amt Xa bm de tipos mxn, nx1 e mx1, respectivamente, entio S poder ser escrito sob a forma matricial AX =B onde A recebe © nome de matriz dos cocficientes de 8. Um sistema de Cramer & um sistema linear de n equages com n incbgnitas cuja matriz. dos coeficientes é inversivel. Se AX = B é um sistema de Cramer, como AX = B <=> AT (AX) = ANB <> X= -1B, entdo esse sistema ¢ compativel determinado e sua Gnica solugio 6 dada por A™'B, Em particular um sistema quadrado e homogéneo cuja matriz dos coef} cientes 6 inversivel sO admite a solugdo trivial, FT}Exemplo — A matriz dos coeficientes do sistema 12 24,3 0 (xty 1 o4 12to1o)~ { oyteet 14 1 ol-1 0 4 lx +250 12 2100 6 4 maiz (01 razlo1o)~ ‘aaa 00 oatdtda 12 oto 2 -(o1 tol 1 o-t}~ faa ve Ose 22) iain 3 10 Ol-y-3 F ~fo roi 1 o-4 faa C°MNT TS, Logo A 6 inversivl 6 x 1 0 Lat ; x={y Jaatefa 7 z 2 ° 0 o-1f=4[2 0 go do sistema boii € a solugo do sistema 6 (0, 1, 0). FTF tou 2, Yerificar se a seguinte matriz é inversfvel © determinar sua inversa, caso exista A Sotto EXERCICIOS RESOLVIDOS 122110 ieee 1. Veneer # a mati A abano & ives! for, detminar sua inves: o12tor rele tad 13 4100 tao 012 i 3 bia mt Sotusso Q 1 Urilizaremos © processo explicado no §,7 © fato de a mateiz: 32 33122 012 0 0 0 ‘aue & equivalente a A, tor uma linha mula, basta para concluir que A no é inversivel, 3, Mostrar que a matriz A abaixo 6 inversivel ¢ determinar sua inverse: toast 2414 a-11 Soluggo 11-+tj;1 00 r-1i 10 21 1f0 1 0)-fo-1 3i- ~ 3-1 1'0 01/7 \o-s 4i-3 0 4 rr-tj100\ ft fo i-si2-1 o}.fo ~ o o-8is-4 1) \o rr-tafao0o\ fa haa 3) 7 for of F Z-3]-fo bs a4 oo lig reef \o 10 ° 1 ~[ou a 1 oo a A invera de A & portanto a mati: 1 a? 20 2 14 1 ‘ ee LL 4s 51 “$41 v2 4. Uma matriz quadsada A se di ortogonal se A 6 inversivel € A 34 2) Determinar se possivel x e y em IR 2 fim de que a matriz v2 x y VD se}e ostogonal 1) Provar que o produto de duas marizesortogonais 6 ortogonal Solugto » (va x voy 1 y V2 x v2 ° ae V¥v+ 2x) _ (1 Vievm a2 J “No x4de1 2 Sj t2=1 <== iy x +y=0 xty Fortanto o problema em Mz (R) fo tém solugio em R. admite solugGes pois as equages x? = — Ley? Sejam A eB matrizes ortogonsis de ordem n. Sendo A ¢ B inversives, entfojé vimot ‘que AB também & inversfvel eque (AB)! = BMA". Dat (apy! = Bast = Brat = (AB), 5. Determinar a€ IR a fim de que a mata real aera as(212 124 seja inversfvel em Mi (R). Solugéo 1a rad 2 1 2}~fo-1 0 }~(o ~ 2a o rad ° 3810 100 ~ o }-(0 0) wa-140, Oat oo 4 Logo A 6 inversfvel para a # 1. Se a = 1, ent¥o a matriz A é equivalente a uma matriz com uma linha nula e portanto nfo é inversivel. 6, Resolver © seguinte sistema linest: xtdy¢ ze 1 yom xt yea Solugfo Fagamos 124 x 1 A=(o 12], x=fy JoeB pid Entio o sistema fica AX = B, J4 vimos no exercicio resolvido n® 1, que a matsiz A é inversfvel e saa (2-1, 3) es vesaia (3-1, ato do ste, 36 7. Resolver.o soguinte sistema de Crame xty-2=0 Ktysend 3x-ytz=1 Solugto A matriz dos cooficientes do sistema é 1 1 omnenaay 24s eT 5 11 OIF, Lope: doo 2 1 x + 9 4\7o\ [4 ares 1 y sr -ey\t r ul Sia} \1 3 ' 2 s EXERCICIOS PROPOSTOS 4, Seja, A, uma matriz quacrada inversive, Mostre que A~' também & inversivel e que «@ A 2, Mostrar que a matric real 100 210 bed 6 inversivel Va, b, © © Re que 1 oo a -a aenb =e 1 3710. 38 Verifcar quais das seguintes matrizes sfo inversives e determinar as inversasrespectivas oo1t 104 12 tie 1001 B e A\a a}? aoaoae-t 24 ° 0203 Resolver os seguintes sistemas de Cramer: xtytr x 4 a{*-* Dyx-y4 2 ail y+2=0 x-ytrs t=0 xty-r4 tel oxtyen ° wx -y-243tel o 5. Determinar m € IR de modo que o sistema abaixo seja de Cramer e,a seguir, resolve: xo yt za? x +me1 xt 2y +mz=0 Sejam A, B e C matzizes reas de ordem n. Se A & inversivel, prove que AB = AC ==> B= Ce que BA=CA ===> BHC. Se A, B ¢ C slo matrizes invers{veis de mesma ordem, determinar a mattiz X de maneira que AHO = CA, 10 | Determinat x, y @z de modo que a matriz 1 0 0 1 9 ees VIVE x oy 2 seja ortogonal Existe alguma matria inversivel A tal que A? = 0 (matriz mula)? Justitique. APENDICE! Matrizes Elementares Definigio 8 — Uma matriz elementar de ordem n & uma matriz E obtida de Iq por mefo de uma e uma s6 operagdo elementar. Exemplos oo 1 0 0 20) eh=(3 1 0 o1 oo1 so matrizes elementares. A primeira se obtém de fy multiplicando por 2 a segunda linha; a segunda se obtém de Is somando a segunda linha desta matriz a sua primeira linha multiplicada por 3. Proposigio 4 — Seja E uma matriz clementar de ordem n. Se aplicarmos, entdo, em uma matriz A, também de ordem n, a mesma operagdo elementar que transformou I, em E, obteremos a matriz EA. Demonstragio Faremos a demonstraglo apenas para a operaglo elementar (III) ficando os ois cas0s restantes como exercicio, ‘Suponhamos que a linha j-ésima de E seja a soma da linha j-ésima de I, com 4 linha i-ésima de Ij, multiplicada por «, enquanto que as demais linhas de E e de Jy coincidem, ou seja BO 1.9 + a, B® = 1K 45. Como, ay BMA, para todo r entre 1 ¢ n, entfo (EA) = BY). A= =O + a1)A=19 «Ata + A)= yA aay? = AP +00, © que vem provar que a linha j-ésima de EA ¢ igual a linha j-sima de A mais a linha isima de A multiplicada por a. Por um raciocinio anélogo se prova que as demais linhas de EA coincidem com as respectivas de A. Logo, as mesmas operagdes que transformaram Jj, em E iro transformar A em EA. # 39Proposigio $ — Toda matriz elementar E 6 inversivel, Demonstragio Por hip6tese obtém-se E de I, por meio de uma certa operagdo elementar. Consideremos @ operagdo elementar inversa que transforma E em I,. Se aplicar- ‘mos esta iltima em Ip obteremos uma matriz elementar Ey. Devido & proposigao anterior teremos E, * E = In, 0 que ¢ suficiente para concluir que E ¢ inversfvel e E, € a sua inversa (por qué?) Exemplo — Consideremos a matriz elementar: 100 E=(3 10 oo1 ‘A operagéo elementar que transformou I, em E consiste em somar & segunda linha de ly 0 triplo da primeira linha. Entio E serd transformada em Is somando i sua segunda linha a primeira multiplicada por (— 3). Logo a matriz inversa de E, obtida efetuando em Is esta dltima operagao elementar, 6: 100 -3 10 oon Teorema — Uma matriz A de ordem n é inversivel se, ¢ somente se, In ~ A. [Neste caso, a mesma sucessto de operagdes que transformam A em Tp, transforma Ty em A, Demonstragto (<=) Como cada operagio elementar com A é 0 mesmo que multiplicar ‘A (@ esquerda) por uma matriz elementar, entdo existem matrizes elementares Ey, «.., Ey de. maneira que: Bes Beat ...+ Eis A= In, Logo ASE Bybee Behe dy, Camo cada matriz do segundo membro & inversivel, ento A 6 inversivel (um produto de matrizes inversiveis € inversivel, conforme ja vimos). Além disso, observando que: segue que ATS Ep Bays ees Breda (© que prova a iiltima afitmagfo do teorema. (=>) Observemos primeiro que se B ~ A, entfo A é inversivel se, ¢ somente se, B é inversivel. Isto por que se B~ A, entio B = PA, onde P é uma ‘matriz inversivel (P € um produto de matrizes elementares). Nossa observagao decorre entio dessa igualdade, Fagamos o escalonamento da matriz A por meio de operagdes elementares, {sto 6, fagamos com que cada uma das suas linhas (2 partir da segunda) tenha mais, zeros inicisis do que a precedente. Como a dltima linha de A nfo ¢ mula (pois A é inversivel) obteremos: 0 a... mn 0 0... aan onde cada aij # 0. Mas esta dltima matriz.é equivalente & matriz Iq. Logo Iy ~ A. Nota final: Toda a teoria desenvolvida neste capitulo sobre sistemas lineares, © matrizes seria feita da mesma maneira se substituissemos 0 conjunto IR dos ‘nimeros reais pelo conjunto € dos mtimeros complexos, 41capituLo 2 Espacos Vetoriais 1. INTRODUCAO. Examinemos certos aspectos relacionados com dois conjuntos certamente j€ conhecidos do leitor. © primeiro € 0 conjunto V dos vetores da geometria, definidos através de segmentos orientados, € © outro € 0 conjunto Mmyq (IR) das matrizes reais m por n, onde m ¢ n so mimeros naturais dados (ambos maiores que zero). A primeira vista pode parecer que tais conjuntos nada tém em comum. Mas nfo € bem assim conforme mostraremos a seguir. No conjunto V esti definida uma audigfo (adigfo de vetores), conforme figu- ra 20 lado, adigéo essa dotada das pro- priedades comutativa, associativa, além da existéncia de elemento neutro (vetor nulo) ce do oposto para cada vetor de V. 0 vetor nulo pode ser representado ‘por qualquer ponto do espago ¢ 0 oposto de U se determina conforme a figura ao lado. Além disso podemos multiplicar um vetor & por um ntimero real a isso se faz. conforme esquema abaixo: la<-1) av “Zo, Loo (> ot 42 Sea = 1, ad = We se a = 0, entéo av = 0. Em geral lou! = lalla}, Essa mul. tiplicaggo tem as seguintes propriedades ja certamente vistas pelo leitor no seu curio de Célculo Vetorial: (ead = a(t) (o+p)e =ot +60 a(t +¥) = ot +a¥ w-t para todos os nimeros reais « € fe vetores i e 7. No conjunto Mya x n (IR) também esté definida uma adigfo, a adigao de mati zes estudada no capitulo 1. Conforme vimos nesse capitulo, essa adigao 6 associa tiva, comutativa, admite elemento neutro, que é a matriz nula oo 0 oo... 0 oo... 0 ¢ toda matriz A de Mmyn(IR) tem uma oposta Como vemos 0 comportamento de V ¢ © dé Mmyn (QR) quanto a adigéo 6 6 mesmo, Mas ndo ficam ai as coincidéncias. Pode-se também multiplicar uma matriz por um ndmero real obtendo-se ‘uma matriz. da seguinte forma: an a. in ay, aa... Aan Eva! an 1 dn... Odan my Oma +++ Bean Gen Ona +++ Amn, Essa multiplicagGo apresenta as mesmas propriedades que as destacadas para V, linhas acima, Ou seja, valem sempre as igualdades: (@B)A = a(6A) (@+B)A = 0A + BA a(A +B) = aA+aB IA =A 43Logo os conjuntos V e Myy x n (IR) apresentam uma coincidéncia estrutural no que se refere # um par importante de operagGes definidas sobre eles. Nada entao mais logico do que estudar simultaneamente V, Mp xn (IR) ¢ todos 08 conjuntos que apresentem essa mesma “estrutura” anteriomente apontada. E isso 0 que co- megaremos a fazer no pardgrafo seguinte. 2. ESPACOS VETORIAIS Vamos introduzir agora 0 conceito de espago vetorial. Os espagos vetoriais constituem os objetos de estudo da Algebra Linear. Definigso 1 ~ Dizemos que um conjunto V % &¢ um espazo vetoria sobre IR quando, ¢ somente quando: 1 — Existe uma adigéo (u, v)H > u + v em V, com as seguintes proprie- dades: autvevtu, Mu, ve V (comutativay, dut(tw=(uty) tw, ¥u,v,wEV (associative); ) Existe em V um elemento neutro para essa adiga0 0 qual serd simboli- zado genericamente por 0. Ou seja: Joe Viutonn, vue vy? 4) Para todo elemento u de V existe 0 oposto; posto, Assim: dicaremos por (—u) esse yuev, ICMEV ut Cw 0 Il — Esté definida uma multiplicapdo de IR X Vem V, 0 que significa que a cada par (@, u) de IR X V esté associado um Gnico elemento de V que se indica por au, e para essa multiplicagdo tem-se o seguinte: a) (Bu) = (af)u b) (a + Bu = au + pu c) a(u + vy) = au + av )lu=u a co) Prove-se que é Gnico ese elemento neutro (ver exercicio resolvido n® 1 do §3). Prova-se que é nico © oposto de um elemento (ver exercicio resold n? 2-do §3). 4 para quaisquer u, v de Ve a, 6 de R. Nota: De maneira andloga se define espago vetorial sobre €, conjunto dos niimeros complexos. Deste capitulo até o capitulo V, inclusive, toda a teoria dos espigos vetoriais a ser aqui desenvolvida é a mesma quer sobre IR quer sobre C. Por isso, embora venhamos a usar sempre espagos vetoriais sobre IR, deixamos regtrado que seria tudo igual para espagos sobre €. Quanto ao assunto do capi- tulo VI hé diferengas 14 apontadas. Porém iremos concentrar nossa aten¢o no casp real tendo em conta 0 caréter introdutério deste livro. Nos demais capitulos, salyo excegbes que sero mencionadas, trabalharemos com espagos reais. Exemplos 1) espago vetorial IR Néo 6 novidade para 0 leitor que a adigo de niimeros reais verifica as pro- priedades Ia, -b, Le e It da definigdo de espayo vetorial. Tao pouco que 0 produto de um mimero real por um outro é também um mimero real © que essa multiplicago obedece aos itens Il-a, Ib, Ic ¢ Id da definigdo mencionada. Logo IR é um espago vetorial sobre R. 2) 0 espago vetorial € Com a mesma argumentagdo acima verifica-se que C é espaco vetorial sobre C. Mas € também é um espago vetorial sobre IR. Quanto a adigo ndo ha novi- daées: tudo como no caso anterior. Agora, 0 produto de um nimero complexo por um néimero real & um niimero complexo e para essa multiplicagao vale Il, Ib, Ic e Id como situagées particulares das propriedades da multiplicacio eme. 3) 0 conjunto dos vetores da geometria definidos por meio de segmentos orientados € um espago vetorial sobre IR (ver parigrafo 1). 4) 0 conjunto Mma (IR) € um espago vetorial sobre IR (ver pardgrafo 1). 5) O espago IR" J4 vimos anteriormente que uma n-upla de nimeros é uma seqiéncia finita en ntimeros reais que se indica por (21, ..., @q)- O conjunto de todas as n-uplas de nimeros reais € denotado por RR". 0 IR pode ser visto como espago vetorial sobre IR desde que se definam adigio e multiplicaggo da seguinte mancira: ise tn) + iy +25 Dn) = Cr + by, +s dn + Ba) (ay, -.., Bn) = (@a, ..., Wan) Ora, tal afirmagdo pressupSe que s¢ tenham verificado as oito propriedades que constam da definigo, 0 que nfo faremos aqui, Sugerimos tais verificagdes como exereicio. 4sApenas ressaltaremos que o = (0, 0, ..., 0), se u=(ay,..., aq), ento —u = (ay, ..., —aq) €, a titulo de exemplo, que a prova da propriedade Ia se faz do seguinte modo: Seja u = (a, ..., aq) um elemento de RR", Dados entio « e 8 em R, (@ + Bu = (@ + Bm, --., (@ + Bag) = (am + Ba, ..., ty + Bay = (2a, «5 a5) + (Ba, + dg) = aru + Bu. Recomendamos ao leitor que procure justificar cuidadosamente cada pas- sagem desta tltima dedugao, Os mateméticos estéo de acordo com a seguinte frase: 0 R" € 0 espayo vetorial mais importante, 6) O espago €* © conjunto © das n-uplas de nimeros complexos € um espago vetorial sobre €: basta definir adiggo e multiplicago por um niimero complexo como no exemplo anterior. 7) 0 espago Py (R) Seja n > 0 um nimero natural. Indicaremos por Py (IR) 0 conjunto dos polindmios reais de grau f(t) + a(t) € Pa (R) () @ ER, f(t) € Py (R) ==> allt) € Py (R). Dai, lembrando as propriedades das operagdes com polindmios, concluira que P, (IR) € um espaco vetorial sobre IR. 8) 0 espago Py (C) Por Pa (C) indicaremos 0 conjunto dos polinomios complexos de grau 0). Suponhamos que consideremos a “adigo” em 'V como sendo a multiplicago de ntimeros reais positivos, isto 6, u@v=uwy, ¥uve ve) (9 0 simbolo @ serve, neste exemplo, para distinguir a “adigdo” aqui definida da usval, 46 que a multiplicagdo de um elemento de V por um nGmero real seja dada por: au=uv¥uEV e YaER. Com isso © conjunto V se torna um espago vetorial sobre IR. Observemos apenas que o elemento neutro da “adigZo” € 0 nfimero 1 ¢ que a verificagio de Le se faz, assim: a(u@ ¥) = auy) = (uv)? = uv = (eu)(av) = au @ av. Nota: Na teoria dos espagos vetoriais 6 comum aproveitarse a terminologia ddo exemplo 3 acima, Assim & que os elementos de um espago vetorial qualquer so chamados de vetores, o elemento neutro da adigo de vetor nulo desse espago © 05 elementos de IR (ou C) de esealares. EXERCICIOS RESOLVIDOS 1, Como jé vimos R? = {(x, 9) | x, y € IR). OR? pode ser visto como espago vetorial sobte IR desde que se definam adigie e multiplicagde por um nimero real assim: (x1, 98) + Oa, ¥2) = Or + x2, yn + ¥2) 66, y) = (ax, ay). Faremos aqui verificaglo dos axiomas telativos & multiplicagio, Gb), ¥) = C@D)X, Dy) = (a(bH), aCby)) = atx, by) = AG ¥)). Ted; (a + B)C%, y) = ((@ + BD, (a+ By) = (aX + Dx, ay + bY) = (OH, ay) + + Ox, by) = ACs, y) + DO, y). The: a(Gxs,.¥s) + Oa, ¥a)) = ay + xa, Ys + Ya) = (OK + ¥2), a + ¥2)) = = (axy + axa, a¥t + ay) = (xy, ays) + (aX2, aya) = ALK, Ya) + aC, ¥2). Hed: 16%, y) = (Ux, ly) = 65,9). 2, 0 R® Eo conjunto de todas as temas ordenadas de némeros reais. Ow saja: IR? (s, ¥. 2) 1x, y,2€ R}. A adigio e a multiplicagio por escalares sfo definidas no R® por: (ts Y4s 21) 4 O82, Yay Za) = Ota + XD, HYD, BA + m2) Gs, ¥, 2) = (ax, ay, a2) aremos neste caso apenas a verificagio dos axiomas relativos & adig. at (Gx, Ya» 23) + Oa, Yay %2)) + Ota, Yas 2a) = Ixy 4 Xay Ya + Yay 2 + 2a) + (Ya, 2a = (Oey #2) + Xa, 4 + Ya) + Va, Gy 4 22) 4 = (xy + (xg + aby Ya + 2 + Ya) 21 + a + 25d) = Ox, Yu, 21) + Oa + Xa, 92 + HA = (x4, Yas 21) + (Gray ¥a,.%2) + (Xa, Ya, 230) 47