Академический Документы
Профессиональный Документы
Культура Документы
AULA: 17.08.09
CONTEÚDO BÁSICO
REFERENCIAL BIBLIOGRÁFICO
AULA: 18.08.09
MATRIZES
Uma matriz é um arranjo de objetos (números, vetores, funções etc.) dispostos em linhas e colunas.
A representação clássica para matrizes é a seguinte:
Onde,
são os elementos ( que em geral serão números reais );
m = número de linhas;
n = número de colunas;
Note que
1, 2, … ,
1, 2, … ,
Exemplo 1
2 1
5 2
8 5
AULA: 18.08.09
Exemplo 2
Sejam as matrizes
1 x 1 Y 0
A e B
4 1x X 3
5 1 7 5 1 ; 5 1
3 0 7 23 16 23 4 16 0 7 3 1 ; 3 1
3 4 73 92
7 3 2 ; 3: 2
13 3 7 3; 2
I. 25 4 3 6 7 2 4 16 7 4 2 4 1 2
II. 25 4 3 6 7 2 4 16 7 2 4 1 2
III.
Dizemos que uma matriz é nula quando todos os seus elementos são iguais a zero.
Uma matriz quadrada é diagonal se somente se %& ' ( , ) & " ' e os a = = não são todos nulos.
EXEMPLO 3
1 0 0
F0 0 0G
0 0 1
MATRIZ IDENTIDADE
É uma matriz quadrada tal que
AULA: 18.08.09
EXEMPLO 4
1 0 0
I 0 1 0
0 1 0
EXEMPLO 5
Considere o polinômio dado por ƒ236 3 53 4 6 e seja a matriz
1 1
O P
0 1 2x2
Determine:
a) ƒ26
b) ƒ26
Solução:
a) ƒ26 5 4 6
1 1 Q 1 Q1
. 7
0 1 0 1
140 1 4 1 1 0
7 2x2
040 041 0 1
1 1 5 5
5 5 7 2x2
0 1 0 5
1 0 6 0
6 . I 6. 7
0 1 0 6
Multiplica pela matriz identidade de mesma ordem
1 0 5 5 6 0 12 5
ƒ26 4 4
0 1 0 5 0 6 0 2
5
AULA: 18.08.09
Solução:
b) ƒ26
26 R 216 S
1 0
O P
0 1 2x2
5 5
5 2x2
0 5
6 0
6. I
0 6
1 0 5 5 6 0 2 5
ƒ26 4 4
0 1 0 5 0 6 0 12
AULA: 24.08.09
Sejam
e # $
duas matrizes de mesma ordem e seja T UV .
Definimos:
4 # 4 $
3. A Subtração # 4 2#6 $
AULA: 24.08.09
EXEMPLOS
1 3 2 4
Sejam O Pe# O P. Pede-se:
5 7 1 3
1.
a) 4 #, 2# #
1 1
Solução:
4# O P
4 4
a)
4 8
2# O P
2 6
3 7
# O P
6 10
b) X #
1 7 1 3 2 5
7 Y 10 7 Y YZ
5 7
3 4 5 4 #
[
23 5 #
33 2# 7 3 B
: Y] : Y]
X \ ^ X \ ^,
Y
2 Y
2
daí
: Y] Y ;
1 1
_ ` 4 4 a\ ^7 \ ^
Y
2 :
6
7
AULA: 24.08.09
PROPRIEDADES
4# #4
4 2# 4 b6 2 4 #6 4 b
1.
T 2#6 2T#6
2.
3.
4. (T 4 #6 T 4 #
MULTIPLICAÇÃO DE MATRIZES
Sejam c e # $ c
.A matriz produto de A por B , indicada por AB é dada por
Na prática, multiplicam-se as linhas de A pelas colunas de B e soma-se para obter cada elemento
1 3
EXEMPLO
2 1 0
Dados 5 2 # O P
1 4 5
4 3
2. e
Calcular:
a) . #
b) #.
1 3
Solução:
2 1 0
. # 5 2 O P
1 4 5
4 3
a)
5 11 15
8 13 10
11 8 15
8
1 3
2 1 0
AULA: 24.08.09
#. O P 5 2
1 4 5
4 3
b)
3 8
O P
41 10
MATRIZ TRANSPOSTA
EXEMPLO 3
1 3
Dado 5 2 , determine A
4 3
t
temos:
1 5 4
A O P
3 2 3
t
PROPRIEDADES
2j 6j
2 4 # 6j j 4 #j
1.
2 #6j j #j
2.
2. #6j #j . j
3.
4.
9
AULA: 24.08.09
MATRIZ QUADRADA
É toda matriz quadrada tal que os elementos acima da diagonal principal ou abaixo são nulos.
DETERMINANTE
Definimos o determinante de uma Mariz quadrada
, e indicamos por det A ou
2 6 ao número real tal que:
a b
1) Det O P ad bc
c d
REGRA DE LAPLACE
a a a a a a
a det a det 4 a det
a a a a a a
EXEMPLO 5
Calcule:
1 2 5 1 2 5 | 1 2
f i f i
e h e h
a) det e 0 1 3 he 0 1 3 | 0 1 h 4 4 18 4 0 0 6 15 7
e h e h
d 3 2 4 g d 3 2 4 | 3 2 g
10
AULA: 24.08.09
EXEMPLO 6
X 1 1
Encontre o valor de X tal que:
f i
e h
det e 2 1 2 h6
e h
d X 3 2 g
X 1 1 | X 1
f i
e h
e 2 1 2 | 2 1 h 6
e h
d X 3 2 | X 3 g
4
2X 4 3X 4 6 4 4 4 9X X 6 7 13X 4 7 X
13
AULA: 25.08.09
PROPRIEDADES
0 a t 0
AF G
u u v u
0 0 t aw w
5. ( Generalização de 1)
det 2 a . a t a w 6 det A . det A t det Aw
11
AULA: 25.08.09
MATRIZ INVERSA
Diz-se que uma matriz quadrada A possui inversa # 2 qx Y 6 se somente se:
. # #. U
Cálculo da Inversa:
Propriedade: R S
possui inversa se somente se " 0
a b
EXEMPLO 1
Seja ad bc " 0
c d
x y
Considere X y | tal que 3 3 U
z w
Determine x, y, z e w.
Temos:
a b x y
7 1 0
F Gy Q Q| O P
c d 0 1
z w
7
o 4 $s 1 ~3 4 os 0
[ [
5 4 $} 0 ~5 4 o} 1
e
3 4 $s 1 2o6
[
~3 4 os 0 2$6
o3 4 $os o
~$3 $os 0
o
2o $~63 o 7 3
o $~
~o ~
Substituindo-se, temos:
4 os 0 7 3
o $~ o $~
o ~
Logo,
3 s
op op
12
AULA: 25.08.09
Agora,
2o6
5 4 $} 0
~5 4 o} 1 2$6
o5 4 $o} 0
[
~$5 $o} $
$
2o $~65 $ 7 5
op
x y
Conclusão:
1
X y |
op z w
Note que, para matrizes de grande porte, esse processo é lento e demorado. Por isso, vamos utilizar o
método das operações elementares (OE).
T
OE3: Permutar uma linha pela soma dessa linha com o múltiplo de outra
4 T
Usando a técnica das OE para inversão de matrizes, devemos observar os seguintes passos:
AULA: 25.08.09
EXEMPLO 2
1 3
Dado determine Y usando OE
2 1
1 3 | 1 0
Temos:
216
2 1 | 0 1
1 3 | 1 0
2
2 1 | 0 1
1 3 | 1 0
Z
0 7 | 2 1
1 3 | 1 0
\ ^ 4 3
0 1 |
Z Z
1 0 | Z
Z
F G 4 3
0 1 |
Z Z
Z
Z
Logo, Y F G
Z Z
14
AULA: 25.08.09
EXEMPLO 3
1 2 2
Determine a inversa da matriz
f i
e h
e 3 1 6h
e h
d 1 3 3g
1 2 2 | 1 0 0
Temos:
f i
e h
e 3 1 6 | 0 1 0 h 216
e h
d 1 3 3 | 0 0 1 g
1 2 2 | 1 0 0
f i
e h
e 3 1 6 | 0 1 0 h 216
e h
d 1 3 3 | 0 0 1 g
1 2 2 | 1 0 0
f i
e h 3
e 3 1 6 | 0 1 0 h
e h
d 1 3 3 | 0 0 1 g
1 2 2 | 1 0 0
f i 1
e h
e 0 5 0 | 3 1 0 h 5
e h 216
d 0 1 1 | 1 0 1 g
1 2 2 | 1 0 0
f i
e 3 1 h 4 2
e 0 1 0 | 0 h
e 5 5 h
e h
d 0 1 1 | 1 0 1 g
1 2
f 1 0 2 | 0 i
e 5 5 h
e 3 1 h
e 0 1 0 | 0 h 216
5 5
e h
e 0 8 1
0 1 | 1 h
d 5 5 g
15
AULA: 25.08.09
1 2
f 1 0 2 | 0 i
e 5 5 h
e 3 1 h
e 0 1 0 | 0 h 2
5 5
e h
e 8 1 h
d 0 0 1 |
5 5
1 g
1 0 0 | 3 0 2
f 3 1 i
e 0 1 0 | 0h
e 5 5 h 2
e 8 1 h
d 0 0 1 |
5 5
1g
3 0 2
Logo,
f3 1 i
e 0h
Y e 5 5 h
e8 1 h
d5 1g
5
EXERCÍCIO:
Determine a inversa se possível
3 1 4
f i
e h
e 5 2 1 h
e h
a)
d 6 0 7 g
2 1 0 4
f i
e h
e 1 3 1 2 h
b) e h
e1 5 2 6 h
e h
d 3 6 0 5 g
16
AULA: 31.08.09
SISTEMAS LINEARES
A história da matemática relata que os problemas do cotidiano sempre nos levaram a criar
modelos matemáticos para explicar os fenômenos envolvidos no processo.
Atualmente, várias áreas do conhecimento ( Engenharia, Física, Medicina, etc. ) usam sistemas
Por exemplo, sabemos que o hidrogênio (H 6 reage com o oxigênio (O 6 para produzir (H O6. A
lineares para resolver problemas oriundos da realidade.
Como não há modificação na quantidade de átomos, obtemos que há igualdade entre esse número
no início e no fim da reação, ou seja:
23 2s 2 r q 6
25 s 2 r q 6
23 2s 0
2U6 [
25 s 0
Para compreender tal reação devemos encontrar um termo (x,y,z) que satisfaça simultaneamente
as equações do sistema 2U6.
Em sistemas de pequeno porte 2 3 x 3; 4 x 46 há métodos diretos de busca da solução. Porém,
para sistemas mais complexos 2200 x 300; 1024 x 1780; p~6 é necessário desenvolver ferramentas mais
eficientes para resolve-los ( ou apenas saber se possuem solução ).
Onde:
R S
é a matriz dos coeficientes
R # S # é a matriz coluna dos termos independentes
3 R 3
S
é a matriz das incógnitas
17
AULA: 31.08.09
Uma outra matriz associada ao sistema 2U6 é a matriz ampliada 26 definida por
R u #S 2
6
EXEMPLO 1
23 4 5 3
Seja o sistema
[
3 5 5
8
33 8 7 3
3
8 7
5 5 7 5
3 3
2 1 X 3
y |
1 1 Y 5
2 1 | 3
1 1 | 5
1 1 | 5
` a
2 1 | 3 2
1 1 | 5
` a
0 3 | 7
18
AULA: 31.08.09
1 1 | 5
\ ^ 4
0 1 |
Z
1 0 |
]
F G
0 1 |
Z
3
]
5
Z
DEFINIÇÃO 4: Dada uma matriz A w , dizemos que B w é linha reduzida equivalente à matriz A, se
somente se, B for obtida de A por um n finito de operações elementares ( OE ).
DEFINIÇÃO 5: Dada uma matriz A w , dizemos que B w é linha reduzida na forma escada equivalente à
A, se somente se,
AULA: 31.08.09
EXEMPLO 2
1 0
0 1 forma escada!
0 0
P=2
1 0 0 0
0 1 0 0 não é escada!
0 0 0 1
0 2 1
1 0 3 não é escada!
0 0 0
0 1 3 0 2
0 0 0 1 2 forma escada!
0 0 0 0 0
DEFINIÇÃO 6: Seja B w a matriz linha reduzida à forma escada de A w . Então o posto 26 da matriz A
é o numero de linhas não-nulas de B. A nulidade ( de grau de liberdade – GL ) é o número 2 6
AULA: 01.09.09
TEOREMA 1: Considere um sistema linear de m equações e n incógnitas. Esse sistema poderá ser:
a. Compatível, se somente se P P , ou seja, possui solução se somente se o ponto da matriz
ampliada é igual ao posto da matriz dos coeficientes.
b. Compatível e determinado, se somente se, P P n , ou seja, nesse caso possui solução
única.
c. Incompatível, se somente se, P " P , ou seja, não possui solução.
d. Compatível e indeterminado, se somente se P P P
Aqui o sistema possui infinitas soluções e as soluções são dadas em função do número de variáveis
livres ou grau de liberdade ( GL ) dado por:
2 qo é q úrq o ~óp 6
20
AULA: 01.09.09
23 2s 0
Já vimos que o sistema obtido é
25 s 0
2 0 2 | 0
Passando à forma matricial, a matriz ampliada será:
0 2 1 | 0
2 0 2 | 0
0 2 1 | 0
1 0 1 u 0
\ ^
0
0 1 u
xz 0 3 s ; 3 ¥
Logo, retornando ao sistema inicial temos:
¤ 7
y z0
5 s
AULA: 01.09.09
1 0 0 0 | 3
f i
e h
e0 1 0 0 | 1 h
e h
d0 0 0 0 | 1g
Mc
Ma
P 3 2 número de linhas não nulas 6 ; P 2 2 número de linhas não nulas 6
EXEMPLO 2
Determine o posto e a nulidade ( se houver ) da matriz:
1 2 1 0
f i
e h
e1 0 3 5 h
e h
d 1 2 1 1 g
Solução:
1 2 1 0
f i
e h
e1 0 3 5 h 4
e h
d 1 2 1 1 g
1 2 1 0 1
f i
e h 2
e 0 2 4 5 h
1
e h
d 0 4 0 1 g 4
1 2 1 0
f i
e 5 h 2
e 0 1 2 h
e 2 h
e 1 h
d 0 1 0
4 g
22
AULA: 01.09.09
1 0 3 5
f i
e 5 h
e 0 h 1
1 2
e 2 h 2
e h
e 11 h
d 0 0 2
4 g
1 0 3 5
f i
e h
e 0 1 2 h → Pa 3 ;
;
e
h
e h
d 0 0 1
] g
7 4 3 1 2 qo é º o ~qx 6
Consiste em, utilizar OE para transformar a matriz ampliada em matriz triangular superior.
EXEMPLO 3
3452
1º 26
53 45 1
23
AULA: 01.09.09
1 1 | 2
Temos:
5 4 | 1 5
1 1 | 2
1
0 9 | 9
9
1 1 | 2
3 4 5 2
→ [ → 31
51
0 1 | 1
Logo, S ( 1, 1 )
AULA: 08.09.09
EXERCICIOS – LISTA
2 1 3 | 5
1. e
f i
e h
e3 2 2 | 5 h
e h
d5 3 1 | 16 g
2 1 3 | 5
f i
e h
e1 3 1 | 0 h
e h
d3 4 2 | 11 g
1 3 1 | 0
f i
e h
e 2 1 3 | 5 h 2
e h 3
d 3 4 2 | 11 g
1 3 1 | 0
f i
h Z
e
e 0 7 5 | 5 h
h ;
e
d 0 5 1 | 11 g
24
AULA: 08.09.09
1 3 1 | 0
f i
e h
e 0 1 | h
; ;
e Z Z
h
e h
d 0 1 |
; ; g
1 3 1 | 0
f i
e h
e 0 1 | h ;
; ;
e Z Z
h ]
e h
d 0 0 |
] ;
; ; g
1 3 1 | 0 3 35 4 s 0
f i
e h
5Z s Z
; ;
e 0 1 | h →
; ;
e h
Z Z
e h s
ª
d 0 0 1 |
ª
« g «
OBSERVAÇÃO
É possível, em muitos casos, que a solução obtida não coincida com a efetiva do problema. Isso
ocorre porque a sequência de OE escolhidas pode não ser a sequência “ótima”. Às vezes é preciso refazer as
OE para tentar chegar à matriz solução.
2 1 3 | 2 1
f i
e h
¬e 3 2 2 | 3 2 h 4 4 10 4 27 4 3 4 12 30 26
e h
d 5 3 1 | 5 3 g
Agora,
5 1 3 | 5 1
f i
e h
¬ e 5 2 2 | 5 2 h 10 4 32 4 45 4 5 4 30 96 26
e h
d 16 3 1 | 16 3 g
25
AULA: 08.09.09
2 5 3 | 2 5
f i
e h
¬ e 3 5 2 | 3 5 h 10 4 50 144 4 15 64 4 74 78
e h
d 5 16 1 | 5 16 g
2 1 5 | 2 1
f i
e h
¨ e 3 2 5 | 3 2 h 52
e h
d 5 3 16 | 5 3 g
Logo,
3 ª 1
¯° ª
¯
5 3
¯± YZ]
¯ ª
→ ( 1, -3 , -2 )
s 2
¯² Y;
¯ ª
Testando a solução:
2216 3 3226 5 7 2 3 4 6 5
3216 2236 4 2226 5 7 3 4 6 4 5
EXERCÍCIO – LISTA
1 5 4 13 | 3
1. J
f i
e h
e 3 1 2 5 | 2 h 3
e h 2
d 2 2 3 4 | 1 g
1 5 4 13 | 3
f i
e h
e 0 16 10 44 | 7 h 2
e h
d 0 8 5 22 | 5 g
26
1 5 4 13 | 3
AULA: 08.09.09
f i
h ª
e
e 0 16 10 44 | 7 h
h ]]
e
d 0 0 0 88 | 3 g
1 5 4 13 | 3
f i
e h
e 0 1 | ª h
; Z
e ] :
h
e h
d 0 0 0 1 |
g
P 3 P
7 4 3 1 2 ³rá³ ³r! 6 compatível e indeterminado!
Note que:
} ]]
Logo,
5 4 s 4 ¶ ]] · ª 3 4 55 4 4s 13 ¶ ]] · 3
; Z
] :
e
Onde Z IR
3455
3.b
3 ¸5 5
Então:
1 1 5
1 k 5
1 1 5 1 1 | 5
→
0 k1 0 0 1 | 0
1) Solução única ¸ 1 1 7 ¸ 2
P 2 P
2) Se ¸ 1 0 7 ¸ 1 várias soluções
P 1 P 1
27
AULA: 15.09.09
ESPAÇOS VETORIAIS
Sejam º " 0 munido das operações de soma e multiplicação por escalar, assim definidas:
Soma:
ºxº 7 º
2x, ³6 7 x 4 ³
Multiplicação:
IR x º 7 º
2T, ³6 7 T³
DEFINIÇÃO
Dizemos que V é um espaço vetorial (EV) sobre IR, se somente se, satisfaz às seguintes
propriedades:
1. x 4 2³ 4 }6 2x 4 ³6 4 }
2. x4³ ³4x
3. ¼0³|04³ ³40 ³
¼ ³ ³ | ³ 4 2³6 2³6 4 ³ 0
T 2³ 4 x6 T ³ 4 T x
4.
2T 4 ½6³ ³ 4 ½ ³
5.
2T ½6³ 2½ ³6 ½ 2T ³6
6.
7.
8. 1³ ³
EXEMPLO 1
Seja ³ UV
23, 56/3, 5 UV , mostre que UV é um EV sobre UV .
AULA: 15.09.09
Temos:
1. x 4 2³ 4 }6
23 , 5 6 4 23 4 3 , 5 4 5 6
23 4 23 4 3 6 , 5 4 2 5 4 5 6 6
2UV 7 q~p³6 23 4 3 6 4 3 , 25 4 5 6 4 5 6
23 4 3 , 5 4 5 6 4 23 , 5 6
2x 4 ³6 4 }
2. x 4 ³
23 4 3 , 5 4 5 6
23 4 3 , 5 4 5 6
³4x
5. T 2³ 4 x6
T 23 4 3 , 5 4 5 6
2T 23 4 3 6, T 2 5 4 5 6 6
2T3 , T 5 6 4 2T3 , α5 6
T 23 , 5 6 4 T 23 , 5 6
T³4Tx
6. 2T 4 ½6³
2T 4 ½623 , 5 6
22T 4 ½63 , 2T 4 ½65 6
2T 3 4 ½ 3 , T 5 4 ½ 5 6
T 23 , 5 6 4 ½ 23 , 5 6
³4½³
7. 2T ½6³
2T ½623 , 5 6
2 2T ½63 , 2T ½65 6
2 T 2½ 3 6 , T 2½ 5 6 6
2½ ³6
8. 1³ ³
213 , 15 6
23 , 5 6
³
29
AULA: 15.09.09
1. UV
23 , 3 t 3
6 ; 3 UV
3. Pw 2Á 4 t 4 t
t w ; a = UV
DEFINIÇÃO 2
1. 0W
2. º 4 TÂ Â; )T UV
Cuidado! w
5 3
³ 7 21 , 16
y
2 } 7 21 , 16
1
x
1 2
³³ 7 4 } 7 23, 56 " 23 , 96
}
23 , 56 UV / 5 3 não é SV.
Temos:
1. 0 Ä 0 4 0 t 4 0 t P
2. Sejam º Á 4 t 4 t e  $Á 4 $ t 4 $ t em P
30
AULA: 15.09.09
Temos:
º 4 T Â 2 Á 4 t 4 t 6 4 2 T $Á 4 α$ t 4 α$ t )
2 Á 4 T $Á 6 2 4 α$ 6 p 4 2 4 α$ 6 t
~Á 4 ~ p 4 ~ p 4 P
Logo,
P Pw
AULA: 21.09.09
FALTA CONTEÚDO
AULA: 22.09.09
FALTA CONTEÚDO
AULA: 28.09.09
FALTA CONTEÚDO
31
AULA: 29.09.09
EXEMPLO 3
a) ½
1 , 1 p , 1 4 p é base de P ?
b) Seja Å 2p6 2p 3p 4 5 , determine RP2t6S Æ
Solução:
a) temos que ½ é linearmente independente ( LI ) e gera P2 .
1
f i
e h
Á 4 t 4 t R AÁ A A S e t h
e h
d t g
OBSERVAÇÃO
Se dim V , então qualquer conjunto de vetores (LI) forma uma base B.
216 4 $ 21 p 6 4 ~ 2 1 4 p 6 Ä 0 , )p
4 $ $ p 4 ~ 4 ~ p Ä 0 , )p
2 4 $ 4 ~ 6 $ p 4 ~ p Ä 0 , )p
4 $ 4 ~ 0
$ 0 7 $ 0
~ 0 7~ 0 7 0
Logo,
½ é ( LI ), de modo que forma base P2
Å 2p6 2p 3p 4 5 ,
Solução:
c)
AULA: 29.09.09
2 4 $ 4 ~ 6 $ p 4 ~ p Ä 2 p 3p 4 5
a4b4c5 7 a0
~2
– b 3 7 b3
0
Daí,
RP2t6S Æ 3
2
EXEMPLO 4
Solução:
Temos que mostrar que ½ é ( LI )
226 4 $ 21 4 p p 6 4 ~ 2 3 4 2p 6 Ä 0 , )p
2 4 $ 4 $ p $ p 4 3 ~ 4 2 ~ p Ä 0 , )p
22 4 $ 4 3 ~ 6 4 $ p 4 2 $ 4 2 ~ 6 p Ä 0
2 4 $ 4 3 ~ 0 7 0 236
$ 0 (1)
$42~ 0 7~ 0 226
2 4 $ 4 3 ~ 5
Agora temos,
$ 3
$ 4 2 ~ 2 7 ~
19
7
4
33
AULA: 29.09.09
Logo,
19
f 4 i
e h
e 3 h
R2p 3p 4 5S Æ e
h
e 1 h
e h
d 2 g
MUDANÇA DE BASE
Em vários problemas práticos, a modelagem nos leva a situações onde o modelo apresentado é
complexo e sua resolução demanda grande esforço computacional.
Para diminuir a complexidade do problema e otimizar o processo de resolução, é aconselhável
utilizar uma mudança de base , permitindo assim uma resolução equivalente e mais rápida.
Vejamos como isso se processa.
w a v 4 a v t 4 a w vw
2U6 w a v 4 a v t 4 a w vw
u u u u
ww aw v 4 a w v t 4 a w w vw
w a a t aw v
f i f i f i
2 1 e h ea a t aw h ev h
e w h e h e h
e u u u h
1 1 e u h eaw a w t aw w h e u h
d ww g d g d vw g
Rw S β’ RI Sβ
β’
RvS β
a11 a12 t a1 n
f i
ea a22 t a2nh
RI S e 2u 1 h é a matriz da base β para β’.
β’
e u u h
ean 1 an n h
β
an 2 t
d g