Académique Documents
Professionnel Documents
Culture Documents
Algebra Linear
Notas de aula
2010
-rev1
Prof. Fabio Lacerda
Prof. Emerson Costa
Prof. Ronaldo Pimentel
NDICE
UNIDADE 1 MATRIZES E SISTEMAS DE EQUAES LINEARES .................................. 1
1.1 INTRODUO..................................................................................................................................... 1
1.2 TIPOS ESPECIAIS DE MATRIZ ............................................................................................................. 2
1.2.1 Matriz quadrada .......................................................................................................................... 2
1.2.2 Matriz nula .................................................................................................................................. 2
1.2.3 Matriz coluna ............................................................................................................................... 2
1.2.4 Matriz linha.................................................................................................................................. 2
1.2.5 Matriz diagonal ............................................................................................................................ 2
1.2.6 Matriz identidade ........................................................................................................................ 3
1.2.7 Matriz triangular .......................................................................................................................... 3
1.2.8 Matriz triangular .......................................................................................................................... 3
1.2.9 Matriz simtrica ........................................................................................................................... 3
1.3 OPERAES BSICAS COM MATRIZES .............................................................................................. 4
1.3.1 Adio .......................................................................................................................................... 4
1.3.2 Multiplicao ............................................................................................................................... 5
1.3.3 Transposio ................................................................................................................................ 6
1.4 MULTIPLICAO DE MATRIZES ......................................................................................................... 8
1.5 OPERAES ELEMENTARES COM LINHAS DE MATRIZ .................................................................... 11
1.6 MATRIZ INVERSA ............................................................................................................................. 12
1.6.1 Clculo da matriz inversa pelo mtodo de Gauss-Jordan ......................................................... 13
1.7 SISTEMAS DE EQUAES LINEARES ................................................................................................ 14
1.7.1 Definies bsicas ..................................................................................................................... 14
1.7.2 Mtodo de Gauss ...................................................................................................................... 15
1.7.3 Usando matriz inversa ............................................................................................................... 17
LISTA DE EXERCCIOS 1 ............................................................................................................................ 18
UNIDADE 2 DETERMINANTES ............................................................................................ 27
2.1 DETERMINANTE ............................................................................................................................... 27
2.2 MENOR COMPLEMENTAR ................................................................................................................ 29
2.3 COFATOR ou COMPLEMENTO ALGBRICO ...................................................................................... 30
2.4 DEFINIO DE DETERMINANTE (GERAL) .......................................................................................... 30
2.5 PROPRIEDADES DOS DETERMINANTES ............................................................................................ 33
2.6 CLCULO DE DETERMINANTES (REGRA DE CHI) ............................................................................ 34
LISTA DE EXERCCIOS 2 ............................................................................................................................ 38
UNIDADE 3 ESPAOS VETORIAIS ...................................................................................... 40
3.1 ESPAOS VETORIAIS REAIS ............................................................................................................... 40
3.2 SUBESPAOS VETORIAIS REAIS ........................................................................................................ 43
3.3 COMBINAO LINEAR ...................................................................................................................... 46
3.4 ESPAOS GERADOS .......................................................................................................................... 51
3.5 DEPENDNCIA E INDEPENDNCIA LINEAR ....................................................................................... 55
3.6 BASES E DIMENSO .......................................................................................................................... 62
3.6.1 Base de um Espao Vetorial ...................................................................................................... 62
3.6.2 Dimenso de um Espao Vetorial .............................................................................................. 71
3.7 MUDANA DE BASE .......................................................................................................................... 75
LISTA DE EXERCCIOS 3 ............................................................................................................................ 81
UNIDADE 4 TRANSFORMAES LINEARES ................................................................... 91
LISTA DE EXERCCIOS 4 ............................................................................................................................ 95
BIBLIOGRAFIA E REFERNCIAS ........................................................................................... 96
NMF105 Notas de aula 1
NMF105 ALGEBRA LINEAR
Prof. Emerson Costa (responsvel pela disciplina)
Prof. Fabio Lacerda (flacerda@fumec.br)
UNIDADE 1 MATRIZES E SISTEMAS DE EQUAES LINEARES Notas de Aula
1 1. .1 1 I IN NT TR RO OD DU U O O
Matriz uma tabela de elementos dispostos em linhas e colunas. Sua utilizao passa a ser
indispensvel quando o nmero de variveis e observaes em um problema torna-se muito
grande.
Por exemplo, seja a composio de uma carteira de aes e a sua evoluo ao longo do
primeiro semestre:
Movimentao (em nmero de aes)
Ao Ms Jan Fev Mar Abr Mai Jun
PETR4 (Petrobras) 200 262 180 85 0 167
VALE5 (Vale) 0 0 343 203 150 110
USIM5 (Usiminas) 50 0 162 215 400 300
GVTT3 (GVT) 0 160 40 0 420 480
Poderia ser abstrada para:
Generalizando, tem-se:
= [
]
NMF105 Notas de aula 2
1 1. .2 2 T TI IP PO OS S E ES SP PE EC CI IA AI IS S D DE E M MA AT TR RI IZ Z
1.2.1 Matriz quadrada O nmero de linhas igual ao nmero de colunas (m = n).
Exemplos:
=
2 7 8
5 3 5
1 2 4
= 2
=
1 2
3 4
1.2.2 Matriz nula Todos os elementos da matriz so nulos (
=
0 0 0 0
0 0 0 0
= 0
=
0 0
0 0
0 0
1.2.3 Matriz coluna Possui uma nica coluna (n=1).
Exemplos:
=
1
2
3
=
0
1.2.4 Matriz linha Possui uma nica linha (m=1).
Exemplos:
=
1 2 3
=
0
= 2
1.2.5 Matriz diagonal Matriz quadrada (m=n) onde
=
2 0
0 0
=
1 0 0
0 5 0
0 0
=
1 0 0 0
0 2 0 0
0 0 3 0
0 0 0 4
NMF105 Notas de aula 3
1.2.6 Matriz identidade Representada por I, matriz quadrada (m=n) onde
= 1 para
= e
=
1 0
0 1
=
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
=
1 0 0
0 1 0
0 0 1
1.2.7 Matriz triangular Matriz quadrada (m=n) onde
= 0 para > .
Exemplos:
=
1 1
0 1
=
1 0 0
0 0 2 2
0 0 0 0
0 0 0 1
=
0 0 4
0 0
0 0 1
1.2.8 Matriz triangular Matriz quadrada (m=n) onde
= 0 para < .
Exemplos:
=
1 0
1 0
=
0 0 0 0
0 0 0 0
10 2 0 0
5 0 0
=
2 0 0
1 4 0
3 1
1.2.9 Matriz simtrica Matriz quadrada (m=n) onde
.
Exemplos:
=
0 7
7 0
=
1 4 0
4 5 0
0 0
=
NMF105 Notas de aula 4
1.2.10 Matriz anti-simtrica Matriz quadrada (m=n) onde
para e
= 0 para = .
Exemplos:
=
0 7
7 0
=
0 4 0
4 0 1
0 1 0
=
0
0
0
0
1 1. .3 3 O OP PE ER RA A E ES S B B S SI IC CA AS S C CO OM M M MA AT TR RI IZ ZE ES S
1.3.1 Igualdade Duas matrizes so consideradas iguais quando elas possuem as mesmas
dimenses (
=
) e seus elementos correspondentes so iguais
(
)
Exemplo:
Considere as matrizes
=
1 1
2 3
, =
1 1 0
2 3 0
, =
1
3
=
1 1
2 3
no no iguais porque
= 2 e
= 2 (no no
iguais);
Se = ento = 1 e = 2.
1.3.2 Adio a soma de duas matrizes de mesma ordem (
=
) representada
por A+B , cujos elementos so somas dos elementos correspondentes de
A e B. Ou seja,
NMF105 Notas de aula 5
+ =
Exemplos:
1 1
2 3
+
0 4
3 3
=
1 3
5 0
1 2
3 4
5 6
+
7 8
9 10
11 12
=
8 10
12 14
16 18
2 3
+ 1 0 = 2 + 1 3
Propriedades:
i) A + B = B + A (comutatividade)
ii) A + (B + C) = (A + B) + C (associatividade)
iii) A + 0 = A , onde 0 uma matriz nula
1.3.3 Multiplicao representada por k.A , obtida multiplicando-se A por k. Ou seja,
=
Exemplos:
= 3 =
0 1 2
2 4 1
1 3 2
= 3.
0 1 2
2 4 1
1 3 2
=
0 3 6
6 12 3
3 9 6
= =
0 2
0 2 1
1 0 2
= .
0 2
0 2 1
1 0 2
=
0
2
0 2
0 2
NMF105 Notas de aula 6
Propriedades:
i) k.(A + B) = kA + kB
ii) (k
1
+ k
2
).A = k
1
A + k
2
A
iii) 0.A = 0, onde o primeiro 0 um escalar e o segundo uma matriz nula
iv) k
1
( k
2
A) = (k
1
k
2
)A
1.3.4 Transposio representada por
ou por
, obtida quando as linhas de A
passam a ser colunas de B (=
). Ou seja,
.
Exemplos:
=
0 1
2 4 8
=
0 2
1 4
8
=
2
1
=
2 1
Propriedades:
i) Uma matriz (A) simtrica somente se =
ii)
= (
=
iii) ( +)
iv) ()
Exemplo 1: Sendo =
3 0 2
0 4 6
7 1 1
, calcule 2
Soluo:
2.
3 0 2
0 4 6
7 1 1
=
2. 3 2.0 2.2
2.0 2.4 2. 6
2. 7 2.1 2.1
=
6 0 4
0 8 12
14 2 2
Concluso: 2 =
6 0 4
0 8 12
14 2 2
NMF105 Notas de aula 7
Exemplo 2: Sendo =
1 2 3
2 0 4
3 0 2
, calcule 2
Soluo:
2.
1 2 3
2 0 4
3 0 2
= 2.
1 2 3
2 0 0
3 4 2
=
2.1 2. 2 2. 3
2.2 2.0 2.0
2.3 2.4 2.2
=
2 4 6
4 0 0
6 8 4
Concluso: 2
=
2 4 6
4 0 0
6 8 4
Exemplo 3: Dadas =
3 0 2
0 4 6
7 1 1
, =
2 4 6
6 4 2
3 4 0
e =
1 2 3
2 0 4
3 0 2
, calcule X
para =
Soluo 1:
2 = 2
= 2
+2
aproveitando os clculos dos exemplos 1 e 2, tem-se,
=
2 4 6
6 4 2
3 4 0
+
2 +4 +6
4 0 0
6 8 4
+
6 0 4
0 8 12
14 2 2
=
2 2 6 4 +4 +0 6 +6 +4
6 4 +0 4 0 +8 2 0 12
3 6 14 4 8 +2 0 4 +2
NMF105 Notas de aula 8
=
6 8 16
2 12 10
23 10 2
Soluo 2:
De forma mais direta, tem-se
2 = 2
= 2
+2
=
2 4 6
6 4 2
3 4 0
2.
1 2 3
2 0 0
3 4 2
+2.
3 0 2
0 4 6
7 1 1
=
2 2.1 +2. 3 4 2. 2 +2.0 6 2. 3 +2.2
6 2.2 +2.0 4 2.0 +2.4 2 2.0 +2. 6
3 2.3 +2. 7 4 2.4 +2.1 0 2.2 +2.1
=
6 8 16
2 12 10
23 10 2
Concluso: 2 = 2
=
6 8 16
2 12 10
23 10 2
1 1. .4 4 M MU UL LT TI IP PL LI IC CA A O O D DE E M MA AT TR RI IZ ZE ES S
O produto de duas matrizes A e B, denotado por AB, s possvel se o nmero de colunas de
A for igual ao nmero de linhas de B. Cada elemento resultante ij obtido pelo produto da
linha i de A pela coluna j de B. Ou seja, se = ,
++
Assim, por exemplo,
NMF105 Notas de aula 9
Propriedades:
i) = =
ii) ( )
iii) + = +
iv) + = +
v) = ()
vi) ()
vii) 0. = 0 . 0 = 0
Exemplo 1: Resolver , onde
=
(
) (
)
(
) (
)
Exemplo 2: Resolver = , onde =
1 3
2 1
=
2 0 4
5 2 6
=
1 3
2 1
.
2 0 4
5 2 6
=
= . e =
4
2 3
= . =
4
2 3
.
4
2 3
=
(. +(4).2) . 4 +(4). (3)
(2. +3. 2) 2. (4) + 3. (3)
=
(
8) (8)
(4) (9
8)
Como . = .
1 0
0 1
=
0
0
, ento
(
8) (8)
(4) (9
8)
=
0
0
Assim,
8 =
8 = 0
4 = 0
9
8 =
Resolvendo o sistema, encontra-se = 0 = 8.
Exemplo 4: Encontrar a movimentao financeira mensal (em valor presente) de uma carteira
de aes a partir do valor atual de cada ao e da tabela que mostra a
movimentao dessa carteira, em nmero de aes (exemplo dado no item 1.1).
Para isso, sabe-se que:
Ao
Valor
presente
PETR4 (Petrobras) R$33,80
VALE5 (Vale) R$42,74
USIM5 (Usiminas) R$46,15
GVTT3 (GVT) R$56,45
Ou seja, =
200 262 180 85 0 167
0 0 343 203 150 110
50 0 162 215 400 300
0 160 40 0 420 480
e =
33,80
42,74
46,15
56,45
(matriz A extrada do item 1.1)
Como
, pode-se fazer
. Logo,
NMF105 Notas de aula 11
= [33,80.200 +0 +46,15.50 +0
33,80.262 +0 +0 +56,45.160
33,80.180 +42,74.343 +46,15.162 +56,45.40
33,80.85 +42,74.203 +46,15.215 +0
0 +42,74.150 +46,15.400 +56,45.420
(33,80.167 +42,74.110 +46,15.300 +56,45.480)]
= 9067,50 17887,60 30478,12 21471,47 48580 51287
Ou seja,
Movimentao (em valor presente)
Jan Fev Mar Abr Mai Jun
R$9.067,50 R$17.887,60 R$30.478,12 R$21.471,47 R$48.580,00 R$51.287,00
1 1. .5 5 O OP PE ER RA A E ES S E EL LE EM ME EN NT TA AR RE ES S C CO OM M L LI IN NH HA AS S D DE E M MA AT TR RI IZ Z
Uma matriz elementar obtida por meio de operaes elementares nas linhas de uma matriz
identidade.
i) Troca de ordem de duas linhas da matriz (exemplo 1);
ii) Multiplicao de uma linha da matriz por uma constante diferente de zero (exemplo 2);
iii) Substituio de uma linha da matriz por sua soma com outra linha multiplicada por uma
constante diferente de zero (exemplo 3).
Exemplo 1:
1 0 0
0 1 0
0 0 1
1
2
0 1 0
1 0 0
0 0 1
Exemplo 2:
1 0 0
0 1 0
0 0 1
3
= 4
3
1 0 0
0 1 0
0 0 4
Exemplo 3:
1 0 0
0 1 0
0 0 1
2
=
2
2
3
1 0 0
0 1 2
0 0 1
Exemplo 4:
1 0 0
0 1 0
0 0 1
= 3
3 0 0
0 0 1
0 1 0
+3
3 0 0
9 0 1
12 1 0
NMF105 Notas de aula 12
Exemplos de operaes possveis:
Exemplos de operaes que NO so possveis:
1 1. .6 6 M MA AT TR RI IZ Z I IN NV VE ER RS SA A
Uma matriz quadrada (m=n) A chamada inversvel se existe uma matriz B tal que
= =
Nesse caso, a matriz inversa de A indicada por
. Ou seja, .
. = .
Exemplo: encontrar a inversa da matriz =
2 3
1 4
2 3
1 4
.
=
1 0
0 1
2 +3 2 +3
+4 +4
=
1 0
0 1
2 +3 = 1
+4 = 0
2 +3 = 0
+4 = 1
=
4
5
=
3
5
=
1
5
=
2
5
=
4
5
3
5
1
5
2
5
NMF105 Notas de aula 13
1.6.1 Clculo da matriz inversa pelo mtodo de Gauss-Jordan
Se uma matriz A pode ser reduzida matriz identidade por uma sequncia de operao
elementares com linhas, ento A inversvel e a matriz inversa de A obtida a partir da matriz
identidade aplicando-se a mesma sequncia de operaes com linhas.
(
)
Exemplo: Achar a inversa da matriz =
1 2 1
1 2 1
1 2 3
=
1 2 1 1 0 0
1 2 1 0 1 0
1 2 3 0 0 1
1
2
1 2 1 0 1 0
1 2 1 1 0 0
1 2 3 0 0 1
1 2 1 0 1 0
0 4 2 1 1 0
0 4 4 0 1 1
=
1
4
1 2 1 0 1 0
0 1
0
0 4 4 0 1 1
1 0 0
0
0 1
0
0 0 2 1 0 1
=
1
2
1 0 0
0
0 1
0
0 0 1
1
2
1 0 0
0
0 1 0
0 0 1
Observao: Se || = 0, ento A no inversvel. Alm disso, lembre-se que || =
|
|
. Essa
informao poder ajudar a validar se o clculo da matriz inversa foi realizado corretamente.
NMF105 Notas de aula 14
1 1. .7 7 S SI IS ST TE EM MA AS S D DE E E EQ QU UA A E ES S L LI IN NE EA AR RE ES S
1.7.1 Definies bsicas
Um sistema de equaes lineares com m equaes e n incgnitas um conjunto de
equaes do tipo:
++
++
++
Pode ser escrita numa forma matricial:
Sendo definida
= 3
= 1
2 1
1 4
.
=
3
1
2 1 3
1 4 1
A . X = B matriz ampliada do sistema
1.7.2 Mtodo de Gauss
Reduz por linha equivalncia a matriz ampliada do sistema a uma matriz triangular. Pode ser
dividido em duas etapas:
Etapa1: (eliminao direta) reduo passo a passo do sistema levando, ou a uma equao
degenerada sem soluo, ou a um sistema mais simples na forma triangular ou
reduzida;
NMF105 Notas de aula 16
Etapa2: (eliminao retroativa) substituies retroativas determinam a soluo de novo sistema
mais simples.
Exemplo 1: Encontrar os valores de x, y e z a partir do sistema
+2 3 = 1
2 +5 8 = 4
3 +8 13 = 7
1 2 3 1
2 5 8 4
3 8 13 7
1 2 3 1
0 1 2 2
0 2 4 4
1 2 3 1
0 1 2 2
0 0 0 0
+2 3 = 1
2 = 2
Logo, se = , ento x= e = +
(o sistema admite infinitas solues)
Exemplo 2: Encontrar os valores de x, y e z a partir do sistema
+2 4 = 4
2 +5 9 = 10
3 2 +3 = 11
1 2 4 4
2 5 9 10
3 2 3 11
1 2 4 4
0 1 1 2
0 8 15 23
+8
1 2 4 4
0 1 1 2
0 0 7 7
NMF105 Notas de aula 17
+2 4 = 4
= 2
7 = 7
Logo, se = , ento = e =
1.7.3 Usando matriz inversa
Se = admitir soluo nica (A for inversvel), ento:
. =
.
(
). =
.
=
.
=
.
NMF105 Notas de aula 18
L LI IS ST TA A D DE E E EX XE ER RC C C CI IO OS S 1 1
Operaes bsicas com matrizes
1. Determine x e y de modo que se tenha
+
+
=
4 3
2 1
4 3
3 2
y
y x y x
.
2. Dadas
=
11 9 3
7 5 1
A ,
=
12 10 8
6 4 2
B e
=
7 4 1
5 1 0
C , calcule:
a) C B A X + + =
1
b) ( )
T
B A X =
2
c) C B A X 3
3
+ =
3. Dadas as matrizes
=
2 5
7 1
e
6 7
5 0
,
3 2
2 1
C B A determine a matriz X tal que
. C B A X = +
4. As tabelas a seguir mostram as vendas dos carros GOL e PLIO, nas cores Azul, Branco e
Verde, de uma agncia automobilstica, nos meses de Janeiro e Fevereiro de 2000.
Vendas do ms de Janeiro Vendas do ms de Fevereiro
Modelo
Cor
Gol
Plio
Azul 20 45
Verde 44 23
Branco 61 36
Modelo
Cor
Gol
Plio
Azul 37 24
Verde 21 17
Branco 76 53
Qual foi a venda bimestral realizada por esta loja em relao a esses carros?
Produto de matriz
5. Calcule os seguintes produtos:
a)
=
3 2
7 4
0 1
1 0
A
b)
=
1 1
1 3
1 2
1 1
1 7 3 2
0 5 1 1
B
NMF105 Notas de aula 18
c)
=
1 5 4
3 2 1
4 3
2 2
1 1
C
d)
=
0 2 1
1 0 0
7 4 1
4 3 0
0 2 2
1 1 0
D
6. Resolva as seguintes equaes:
a)
9 5
7 5
2 2
3 1
d c
b a
b)
3
9
2 1
1 2
y
x
7. Sendo
0 1
1 2
e
2 1 0
1 2 1
=
0 1 0 0 0
1 0 1 0 0
0 1 0 1 0
0 1 1 0 1
1 1 1 1 0
A
Se [ ]
ij
b A =
2
, o elemento
=
= + + + + = =
5
1
2 4 42
1 0 0 1 0 0
k
k k
a a b . Note que a nica parcela
no nula veio de 1 . 1
32 43
= a a . Isto significa que a estao 4 transmite para a estao 2
atravs de uma retransmisso pela estao 3, embora exista uma transmisso direta de 2
para 4. Com base nessas informaes, responda os itens a seguir:
a) Calcule
2
A
b) Qual o siginificado de 2
13
= b ?
c) Discuta os significados dos termos nulos, iguais a 1 e maiores que 1 de modo a
justificar a afirmao: A matriz
2
A representa o nmero de caminhos disponveis para
se ir de uma estao a outra com uma nica retransmisso.
d) Qual o significado das matrizes
2
A A+ ,
3
A e
3 2
A A A + + ?
e) Se A fosse simtrica, o que significaria?
Sistemas de Equaes Lineares
11. Uma refinaria de petrleo processa dois tipos de petrleo: com alto teor de enxofre e com
baixo teor de enxofre. Cada tonelada de petrleo de baixo teor necessita de 5 minutos no
setor de mistura e 4 minutos no setor de refinaria; j o petrleo com alto teor so
necessrios 4 minutos no setor de mistura e 2 minutos no setor de refinaria. Se o setor de
mistura est disponvel por 3 horas, e o setor de refinaria por 2 horas, quantas toneladas
de cada tipo de combustvel devem ser processadas de modo que os dois setores no
fiquem ociosos?
NMF105 Notas de aula 20
12. Um determinado produto vendido em embalagens de 30g e 50g. Na embalagem de 30g,
o produto comercializado a R$ 10,00 e na embalagem de 50g. a R$ 15,00. Gastando R$
100,00, qual a quantidade de cada tipo de embalagem para uma pessoa adquirir
precisamente 310g desse produto?
13. Um vinhateiro deseja produzir 1000 litros de vinho tipo A de 15% de teor alcolico
misturando vinho tipo B de 10% de teor alcolico com vinho C de 35%. Determine as
quantidades de vinho B e C necessrias para se obter a mistura desejada.
14. Necessitando construir casas de madeira, alvenaria e mistas em uma propriedade, quanto
ser gasto de material em cada tipo de construo considerando as seguintes
especificaes:
tbuas Tijolos (mil) Telhas (mil) Tinta (litro) Mo de obra (dias)
Madeira 200 1 5 80 12
Mista 10 10 5,5 60 9
Alvenaria 80 4 5 70 10
Tendo-se 2030 tbuas, 123 mil tijolos, 123.5 mil telhas, 1660 litros de tinta e 243 dias para
construir, quantas construes de casa tipo podero ser feitas?
15. Um estdio de futebol tem capacidade para 14.000 espectadores. Em dois jogos
realizados em dois dias diferentes foram vendidos todos os lugares. No primeiro cobrou-se
R$ 5,00 dos homens, R$ 3,00 das mulheres e R$ 2,00 das crianas. No segundo cobrou-
se R$ 4,00 dos homens, R$ 2,00 das mulheres e R$ 1,00 das crianas. A renda do
primeiro jogo foi de R$ 56.000,00 e a do segundo jogo de R$ 42.000,00. Quantos homens,
mulheres e crianas, em grupos inteiros de mil (milhares), compareceram a cada jogo.
16. Determine os valores de a, de modo que o sistema
= + +
= + +
= +
2 3
3 3 2
1
z ay x
az y x
z y x
tenha:
a) Nenhuma soluo
b) Mais de uma soluo
c) Uma nica soluo
17. Resolva os sistemas abaixo e classifique-os quanto ao nmero de solues:
a)
= +
=
=
6 4 2
9 6 3
12 8 4
y x
y x
y x
b)
= + +
= +
= + +
= + +
0
0 2
0 3 2
0 2 2
5 4 3
5 3 2 1
5 4 3 2 1
5 3 2 1
x x x
x x x x
x x x x x
x x x x
NMF105 Notas de aula 21
18. Considere a matriz =
1 1 1
1 0 1
0 1 1
a) Determine o polinmio ( ) xI A x p = sendo
3
I , a matriz identidade de ordem 3 e x
b) Verifique que ( ) 0 = A p (matriz nula)
c) Calcular a inversa de A.
19. Um litro de creme contm suco de fruta, leite e mel. A quantidade de leite o dobro da
quantidade de suco de fruta, e a quantidade de mel a nona parte da quantidade dos
outros dois lquidos juntos. Determine a quantidade de suco de fruta que contm esse litro
de creme.
20. Uma indstria produz trs produtos, A , B e C, utilizando dois tipos de insumos, X e Y. Para
a manufatura de cada quilo de A so utilizados 1 grama do insumo X e 2 gramas do
insumo Y; para cada quilo de B, 1 grama do insumo X e 1 grama do insumo Y e, para cada
quilo de C, 1 grama do insumo X e 4 gramas do insumo Y. O preo da venda do quilo de
cada um dos produtos A, B e C de R$ 2,00, R$ 3,00 e R$5,00, respectivamente.
Determine quantos quilos de cada um dos produtos A, B e C foram vendidos se:
a) Com a venda de toda a produo de A, B e C, manufaturada com 1 quilo de X e 2
quilos de Y, essa indstria arrecadou R$ 2.500,00.
b) Em outro perodo, com a venda de toda a produo de A, B e C, manufaturada com 1
quilo de X e 2,1 quilos de Y, essa indstria arrecadou R$ 2.900,00.
Matriz inversa
21. Sendo A e B matrizes inversveis de mesma ordem, encontre X em funo de A e B a partir
das seguintes equaes matriciais:
a) ( ) B XA
T
= b) B AXA
T
=
22. Uma maneira de codificar uma mensagem atravs de multilpicao por matrizes. Seja a
associao das letras do alfabeto com nmeros, segundo a correspondncia abaixo:
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
NMF105 Notas de aula 22
Assumindo que a mensagem que queira enviar de forma codificada seja PUXA VIDA.
Pode-se formar uma matriz 33 como:
A D I
V A
X U P
, que usando a correspondncia
numrica fica:
=
1 4 9
22 0 1
24 21 16
M . Agora, seja C uma matriz qualquer 33 inversvel,
como por exemplo:
=
1 1 0
1 3 1
1 0 1
C . Multiplicando a matriz da mensagem M por C,
obtem-se
=
14 13 5
23 22 1
61 87 5
C M . O que se transmitiria seria esta nova matriz C M (na
prtica, envia-se a cadeia de nmeros ).
Quem recebe a mensagem, decodifica-a atravs da multiplicao pela inversa de C, isto ,
fazendo ( ( ) M C C M =
1
) e posterior transcrio dos nmeros para letras. C chamada
de matriz chave para o cdigo.
a) Foi recebida a mensagem [1 16 12 -6 39 27 8 18 21]. Utilizando a mesma chave,
traduza a mensagem.
b) Foi recebida a mensagem [15 21 35 -1 11 8 -5 57 33]. Utilizando a mesma chave,
traduza a mensagem.
23. Calcule, pelo mtodo de sistema de equaes e por Gauss-Jordan, as inversas das
seguintes matrizes:
=
1 7 5
0 1 3
0 0 1
D
3 0 0
0 2 0
0 0 1
9 3
6 2
B
5 10
2 7
C A
NMF105 Notas de aula 23
RESPOSTAS
1. 0 1 = = y x
2.
20 11 2 -
14 - 2 - 1 -
M
1 1
1 1
5 1
M
30 23 12
8 8 3
3 2 1
= M
3.
=
5 0
4 0
X
4.
Vendas do bimestre
Modelo
Cor
Gol
Plio
Azul 57 69
Verde 65 40
Branco 137 89
5. a)
7 4
3 2
b)
13 30
5 14
c)
13 14 19
8 6 10
2 7 3
d)
3 8 4
16 8 2
1 2 1
6. a)
8
25
= a ::
8
13
= b ::
8
5
= c ::
8
23
= d b) 5 7 = = y x
7. a)
1 0
2 3
1 2
M
1
= b) No existe
2
M c)
=
1 2
2 3
3
M
8.
Mes
Componentes
Abril
Maio
Teclas 27.500 35.000
Altos-falantes 5.600 7.400
9. a)
Mes
Componentes
Julho
Agosto
Eixos 237 215
Rodas 384 340
b) 2084 rodas
NMF105 Notas de aula 24
10. a)
=
1 0 1 0 0
0 2 0 1 0
1 1 2 0 1
2 2 2 2 0
1 3 2 1 1
2
A
b) 2
13
= c indica que existem 2 caminhos disponveis para se ir da estao 1 a
estao 3 usando uma nica retransmisso.
c) Para discutir (representa o nmero de caminhos possveis para se alcanar o
destino usando uma retransmisso).
d) Para discutir (representa o nmero de caminhos possveis para se alcanar o
destino, incluindo uma retransmisso ou incluindo at duas retransmisses).
e) Se A fosse simtrica, significaria que se a estao i conseguisse transmitir
diretamente para a estao j, ento necessariamente a estao j seria capaz de
transmitir diretamente para a estao i.
11. 20 toneladas de cada tipo
12. 7 embalagens de 30g e 2 embalagens de 50g
13. 800 l do vinho B e 200 l do vinho C
14. 5 casas de madeira
7 casas mistas
12 casas de alvenaria
15. 8000 homens, 4000 mulheres e 2000 crianas ou
9000 homens, 1000 mulheres e 4000 crianas
16. a) 3 = a b) 2 = a c) 2 a e 3 a
17. a) Infinitas solues: a y = e a x 2 3+ =
b) Infinitas solues: 0
1
= x , a x =
2
, a x =
3
, 0
4
= x e a x =
5
18. a) =
+2
+1
b) 0 ) ( = = = A A AI A A p
c)
=
1 2 1
1 1 0
1 1 1
19. 300 ml de suco de fruta
20. a) Foram vendidos 700 quilos de A, 200 quilos de B e 100 quilos de C;
b) Foram vendidos 500 quilos de A, 300 quilos de B e 200 quilos de C.
NMF105 Notas de aula 25
***********
MODELAGENS PARA AS QUESTES DE 11 A 20
(estrutura para se chegar s repostas)
11.
5 +4 = 180
4 +2 = 120
12.
30 +50 = 310
10 +15 = 100
13.
10 +35 = 15( +)
+ = 1000
14.
15.
+ + = 14000
5 +3 +2 = 56000
4 +2 + = 42000
16.
1 1 1 1
2 3 a 3
1 a 3 2
17. a)
4 8 12
3 6 9
2 4 6
b)
2 2 1 0 1 0
1 1 2 3 1 0
1 1 2 0 1 0
0 0 1 1 1 0
18. ---
19.
= 2
=
( +)
+ + = 1
20. a)
+ + = 1000 ( )
2 + +4 = 2000 ( )
2 +3 +5 = 2500 ()
7
5
2
5
3
5
2
5
3
5
2
5
4
5
1
5
1
5
b)
+ + = 1000
2 + +4 = 2100
2 +3 +5 = 2900
***********
NMF105 Notas de aula 26
21. a)
1
= A B X
T
b) ( )
1
1
=
T
A B A X
22. ::
3 1 1
2 1 1
3 1 2
1
C
23.
15
7
3
2
15
2
3
1
1
A ::
1
B no existe. 0 = B . ::
3
1
0 0
0
2
1
0
0 0 1
1
C ::
1 7 16
0 1 3
0 0 1
1
D
NMF105 Notas de aula 27
NMF105 ALGEBRA LINEAR
Autor: Prof. Ronaldo Abro Pimentel
UNIDADE 2 DETERMINANTES Notas de Aula
2 2. .1 1 D DE ET TE ER RM MI IN NA AN NT TE E
O determinante de uma matriz quadrada
n
A , indicado por
n
A Det ou
n
A um nmero
associado a esta matriz, obtido mediante operaes especficas com seus elementos, a saber:
1 - Se A de ordem 1 = n , ento A A Det = o nico elemento de A. Ou seja, se
[ ]
11 11 11
a a A A Det a A = = = =
Exemplo: [ ] 3 3 3 = = A
2 - Se A de ordem 2 = n , ento A A Det = a diferena entre o produto dos
elementos da diagonal principal e o produto dos elementos da diagonal secundria.
Ou seja, se
21 12 22 11
22 21
12 11
22 21
12 11
2
. . a a a a
a a
a a
A A Det
a a
a a
A = = =
=
Exemplo 1: ( ) 11 1 . 3 4 . 2
4 3
1 2
4 3
1 2
= =
= M M M M
Exemplo 2: ( ) b a sen A a senb b sena A
b a
senb sena
A = =
= cos . cos .
cos cos
3 - Se de ordemn = 3, ou seja,
=
=
33 32 31
23 22 21
13 12 11
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
A
a a a
a a a
a a a
A
33 21 12 32 23 11 31 22 13 32 21 13 31 23 12 33 22 11
. . . . . . . . . . . . a a a a a a a a a a a a a a a a a a A + + =
NMF105 Notas de aula 28
Exemplo:
=
1 2 1
1 1 2
0 1 1
M
( ) ( ) ( ) ( ) ( ) ( )( ) ( ) 1 . 2 . 1 1 2 . 1 1 . 1 . 0 2 . 2 . 0 1 . 1 . 1 1 . 1 . 1 + + = M
6 = M ou seja, 6 = M Det .
Dispositivo prtico de Sarrus:
Podemos obter o
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
A = usando o dispositivo prtico de Sarrus, que consiste no
seguinte: anotamos a matriz A , repetindo direita a primeira e a segunda colunas, e somando
os produtos indicados pelas setas contnuas e subtraindo os produtos indicados pelas retas
pontilhadas, como no esquema abaixo:
A
a a a
a a a
a a a
A
a a a
a a a
a a a
a
a
a
a
a
a
= =
11 12 13
21 22 23
31 32 33
11 12 13
21 22 23
31 32 33
11
21
31
12
22
32
- - - + + +
OBS: Este dispositivo s se aplica a determinantes de 3
a
ordem
Observe que o
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
A = poderia ser calculado tambm da seguinte forma:
33 21 12 32 23 11 31 22 13 32 21 13 31 23 12 33 22 11
. . . . . . . . . . . . a a a a a a a a a a a a a a a a a a A + + =
31 22 13 32 21 13 33 21 12 31 23 12 32 23 11 33 22 11
. . . . . . . . . . . . a a a a a a a a a a a a a a a a a a A + + =
( ) ( ) ( )
31 22 32 21 13 33 21 31 23 12 32 23 33 22 11
. . . . . . a a a a a a a a a a a a a a a A + + =
( ) ( ) ( ) A a a a a a a a a a a a a a a a
a a
a a
a a
a a
a a
a a
= +
11 22 33 23 32 12 21 33 23 31 13 21 32 22 31
21 22
31 32
22 23
32 33
21 23
31 33
. . . . . .
1 2 4444 3 4444 1 2 4444 3 4444 1 2 444 3 444
Ento, podemos dizer que:
43 42 1 43 42 1 43 42 1
13
32 31
22 21
13
12
33 31
23 21
12
11
33 32
23 22
11
. . .
M
a a
a a
a
M
a a
a a
a
M
a a
a a
a A + = ou seja,
NMF105 Notas de aula 29
13 13 12 12 11 11
. . . M a M a M a A + = , onde o termo
11
M foi conseguido calculando o determinante
obtido ao se eliminar a linha 1 e a coluna 1 de A , o termo
12
M foi conseguido calculando o
determinante obtido ao se eliminar a linha 1 e a coluna 2 de A , e o termo
13
M foi conseguido
calculando o determinante obtido ao se eliminar a linha 1 e a coluna 3 de A .
Veja que, com este artifcio, um determinante que era de 3
a
ordem foi calculado atravs de
operaes com determinantes de 2
a
ordem. A este processo chamaremos por enquanto de
Rebaixamento de Ordem.
Exemplo: Calcular
( )
+
=
2 1
1 0
. 3
2 1
2 0
. 2
2 2
2 1
. 1
2 2 1
2 1 0
3 2 1
A A
1 1 . 3 2 . 2 6 = = A A
Com isto j temos definidos determinantes para matrizes de ordem 3 n . Para matrizes de
ordem maior, necessitamos de alguns outros elementos que veremos a seguir:
Veja que no exemplo anterior trabalhamos com os determinantes . e ,
13 12 11
M M M A estes
determinantes daremos o nome de MENOR COMPLEMENTAR.
2 2. .2 2 M ME EN NO OR R C CO OM MP PL LE EM ME EN NT TA AR R
Seja
n
A de ordem 2 n e seja
j i
a um elemento genrico de
n
A . Definiremos Menor
Complementar do elemento
j i
a , denotado por
j i
M , como sendo o determinante da matriz que
se obtm suprimindo a linha i e a coluna j de
n
A .
Exemplo 1: Dada a matriz
=
2 2 1
2 1 0
3 2 1
3
A , calcular
32 11
e M M
11
M o determinante que se obtm suprimindo a linha 1 e a coluna 1 de
3
A :
; 4
2 2
2 1
11 11
=
= M M
32
M o determinante que se obtm suprimindo a linha 3 e a coluna 2 de
3
A :
2
2 0
3 1
32 32
=
= M M
NMF105 Notas de aula 30
Exemplo 2:
=
1 2 1 1
0 1 0 3
1 0 0 2
0 0 1 1
Se
4
X , calcular
34
M .
34
M o determinante que se obtm suprimindo a linha 3 e a coluna 4 de
4
X
Ento 4
2 1 1
0 0 2
0 1 1
34 34
=
= M M
2 2. .3 3 C CO OF FA AT TO OR R o ou u C CO OM MP PL LE EM ME EN NT TO O A AL LG G B BR RI IC CO O
Seja a matriz
n
A de ordem
j i
a n e 2
n
A . Definimos como COFATOR de
j i
a e indicamos
por
j i
C como sendo o nmero ( )
j i
j i
j i
M C . 1
+
=
Exemplo: Se
=
2 2 1
2 1 0
3 2 1
3
A , calcular
32 22
e C C :
( ) ( ) ( ) 1 3 2 . 1
2 1
3 1
. 1 . 1
22 22
4
22 22
2 2
22
= =
= =
+
C C C M C
( ) ( ) 2 2 . 1
2 0
3 1
. 1 . 1
32 32
5
32 32
2 3
32
= =
= =
+
C C C M C
Tendo conhecimento destes elementos podemos agora dar uma definio de determinante de
qualquer ordem:
2 2. .4 4 D DE EF FI IN NI I O O D DE E D DE ET TE ER RM MI IN NA AN NT TE E ( (G GE ER RA AL L) )
Seja
n
A uma matriz quadrada de ordemn . Definimos o
n
A Det da seguinte forma:
i) Se A
n
de ordem n = 1, ento [ ]
11 11
a A Det a A
n n
= = ;
ii) Se A
n
de ordem 2 n , seu determinante a soma dos produtos dos elementos
de uma fila qualquer (linha ou coluna) pelos seus respectivos cofatores. (Teorema
fundamental de Laplace).
Mtodo para se calcular o determinante segundo Laplace:
NMF105 Notas de aula 31
Seja
=
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
A
1) Escolhemos uma fila qualquer (linha ou coluna);
2) Calculamos os cofatores de todos os elementos desta fila;
3) Calculamos a soma dos produtos destes elementos por seus respectivos cofatores.
Vamos escolher, por exemplo, a linha 1 e encontremos os cofatores de seus elementos:
( ) ( ) ( )
32 31
22 21 3 1
13
33 31
23 21 2 1
12
33 22
23 22 1 1
11
1 1 1
a a
a a
C
a a
a a
C
a a
a a
C
+ + +
= = =
ento
13 13 12 12 11 11
. . . C a C a C a DetA + + =
ou seja
32 31
22 21
13
33 31
23 21
12
33 22
23 22
11
. .
a a
a a
a
a a
a a
a
a a
a a
a A Det + =
A este mtodo de clculo de determinante chamamos de Mtodo de Expanso por cofatores
em termos da linha i (ou coluna j). Veja que este mtodo nos permite calcular um
determinante de qualquer ordem pois podemos fazer o rebaixamento da ordem dos
determinantes a serem calculados quantas vezes forem necessrias.
Exemplo: Seja
=
1 0 0 1
0 1 0 1
1 2 2 0
2 0 0 1
4
A . Calcular
4
A Det
Como podemos expandir o A Det em termos de qualquer linha ou coluna,
conveniente escolhermos a linha ou coluna que tenha o maior nmero de zeros,
para nos facilitar o clculo.
A coluna 2 a mais indicada neste exemplo. Como a coluna 2 formada pelos
elementos
42 32 22 12
e , , a a a a , ento teremos que encontrar os cofatores
42 32 22 12
e , , C C C C :
( ) ( )
1 0 1
0 1 1
2 0 1
1
1 0 1
0 1 1
1 2 0
1
2 2
22
2 1
12
=
=
+ +
C C
NMF105 Notas de aula 32
( ) ( )
0 1 1
1 2 0
2 0 1
1
1 0 1
1 2 0
2 0 1
1
2 4
42
2 3
32
= =
+ +
C C
Ento
42 42 32 32 22 22 12 12 4
. . . . C a C a C a C a A Det + + + =
Mas, no nosso exemplo, 0 0 , 2 , 0
42 32 22 12
= = = = a e a a a , logo
( ) ( ) ( )
( ) ( )
0 1 1
1 2 0
2 0 1
1 . 0
1 0 1
1 2 0
2 0 1
1 . 0
1 0 1
0 1 1
2 0 1
1 . 2
1 0 1
0 1 1
1 2 0
1 . 0
2 4 2 3
2 2 2 1
4
+ +
+
=
+ +
+ +
A Det
1 0 1
0 1 1
2 0 1
2 0 0
1 0 1
0 1 1
2 0 1
. 2 0
4 4
= + + = DetA A Det
Agora, ou calculamos o determinante de terceira ordem usando Sarrus ou ento
poderemos fazer nova expanso e trabalhar com determinante de segunda ordem,
que o que faremos:
Tomemos novamente a coluna 2 (que a que contem mais zeros)
( ) ( ) ( )
+ +
=
+ + +
0 1
2 1
. 1 . 0
1 1
2 1
. 1 . 1
1 1
0 1
. 1 . 0 2
2 3 2 2 2 1
4
A Det
( ) 2 2 1 . 2 0
1 1
2 1
0 2
4 4 4
= =
= B Resp. 6 = B
NMF105 Notas de aula 33
2 2. .5 5 P PR RO OP PR RI IE ED DA AD DE ES S D DO OS S D DE ET TE ER RM MI IN NA AN NT TE ES S
1) O determinante de uma matriz igual ao determinante da transposta desta matriz ( )
t
A A =
2) Se uma matriz tem uma fila (linha ou coluna) toda nula, seu determinante zero.
3) Se multiplicarmos toda uma fila de uma matriz por um escalar, o seu determinante fica
multiplicado por este escalar.
4) Se trocarmos a ordem de duas filas paralelas de uma matriz, o seu determinante muda de
sinal.
5) Se duas filas paralelas de uma matriz so iguais, seu determinante nulo.
6) Se duas filas paralelas de uma matriz so proporcionais, seu determinante nulo.
7) O determinante de uma matriz triangular igual ao produto dos elementos de sua diagonal
principal.
8) Teorema de Binet: O determinante de um produto de duas matrizes igual ao produto de
seus determinantes. ( )
n n n n
B A B A . . =
9) Teorema de Jacobi: Adicionando-se a uma fila de uma matriz
n
A uma outra fila paralela,
previamente multiplicada por uma constante, obteremos uma nova matriz
n
B tal que
. DetB DetA =
Exemplo: 2
2 1 2
6 2 4
2 2 1
=
Se substituirmos a linha 2 pela soma dela com a linha 1, prviamente multiplicada
por -4, encontraremos uma outra matriz cujo determinante ser tambm igual a 2 .
Veja:
2
2 1 2
2 6 0
2 2 1
4
2 1 2
6 2 4
2 2 1
1 2 2
=
L L L e mais:
2
2 5 0
2 6 0
2 2 1
2
2 1 2
2 6 0
2 2 1
1 3 3
=
+ =
L L L
Obs: Esta propriedade facilita muito o clculo de determinantes pelo Teorema
Fundamental de Laplace.
10) Se uma matriz quadrada A tem uma fila que Combinao Linear de outras filas
paralelas, ento o 0 = A Det .
NMF105 Notas de aula 34
Exemplo: 0
6 4 5
9 1 4
1 3 2
=
= DetA A
pois a coluna 3 igual coluna 1 multiplicada por 2 mais a coluna 2 multiplicada
por -1. Ou seja,
( )
2 1 3
. 1 . 2 C C C + =
2 2. .6 6 C C L LC CU UL LO O D DE E D DE ET TE ER RM MI IN NA AN NT TE ES S ( (R RE EG GR RA A D DE E C CH HI I ) )
Utilizando os teoremas de Laplace, Jacobi e outras propriedades.
1
o
passo: Escolhemos uma coluna qualquer do determinante, preferivelmente uma que tenha
o maior nmero de zeros e, se possvel, que contenha o nmero 1. (No ex. abaixo,
escolhemos a coluna 2).
2
o
passo: Utilizando a linha que contm este nmero 1(no ex., a linha 3) e, aplicando o
teorema de Jacobi, fazemos operaes com as outras linhas de modo a zerar todos os
elementos da coluna escolhida (no ex., a coluna 2), exceto o elemento da linha utilizada (no
ex., a linha 3).
3
o
passo: Aplicamos o teorema de Laplace, para rebaixar a ordem do determinante.
Executamos estes processos at conseguirmos um determinante de 3
a
ordem e ento o
resolvemos pelo mtodo de Sarrus, ou ento fazemos o rebaixamento at conseguirmos um
determinante de 2
a
ordem e o calculamos.
Exemplo 1:
( ) = =
=
+ =
+ =
+
2 3 2
6 4 2
1 4 1
. 1 . 1
2 3 0 2
2 2 1 3
6 4 0 2
1 4 0 1
3
2 3 0 2
2 2 1 3
0 2 3 7
3 2 1 2
2 3 2 3 2
1 3 1
l L L
L L L
( ) ( ) 40 40 0 . 1
0 5
8 4
. 1 . 1
0 5 0
8 4 0
1 4 1
2
2
2 3 2
6 4 2
1 4 1
1 1
3 1 3
2 1 2
= + =
=
+ =
+ = =
+
L L L
L L L
NMF105 Notas de aula 35
Fazer:
4 1 2 0
3 1 0 2
5 3 2 2
1 0 2 1
= Resp. = 30
Obs: Se, por acaso, no houver nenhum zero nem o nmero 1, no tem importncia,
conseguimos este nmero 1 (neste caso aconselhvel que seja no elemento a
11
) atravs de
Jacobi ou de qualquer outra das propriedades dos determinantes.
Exemplo 2:
=
=
+ =
+ =
+ =
=
+ =
1 2 5 0
9 3 8 0
2 5 11 0
3 4 2 1
2
2
4 2 3 1
3 5 4 2
4 3 7 2
3 4 2 1
. 1
4 2 3 2
3 5 4 2
4 3 7 5
3 4 2 3
4 1 4
3 1 3
2 1 2
1 2 1
L L L
L L L
L L L
C C C
( ) ( ) =
=
=
+ =
+ =
=
+ =
=
3 3
5 7
. 1 . 1
3 3 0
5 7 0
2 5 1
1
2
1 2 1
9 3 2
2 5 1 2
1 2 5
9 3 8
2 5 11
. 1 1
2
3 1 3
2 1 2
1 2 1
2
L L L
L L L
C C C
( ) 36 15 21
3 3
5 7
= + =
=
REGRA DE CHI SIMPLIFICADA
Usando operaes elementares, consiga o nmero 1 na posio a
11
1
12 13 1
21 22 23 2
31 32 33 3
1 2 3
21 12 22 21 13 23 21 1 2
31 12 32 31 13 33 31 1 3
1 12 2 1 13 3 1
a a a
a a a a
a a a a
a a a a
m
a a a a a a a a a
a a a a a a a a a
a a a a a a a a
m
m
m
m m m mm
m m
m m
m m m m m
....
....
....
....
. . .... .
. . .... .
. . .... .
M M M M M
1 2 44444 3 44444
M M M M
matriz de ordem
=
+ + +
+ + +
+ +
1
1
m mm
a
m
+
matriz de ordem
1 2 444444444444 3 444444444444
NMF105 Notas de aula 36
JUSTIFICATIVA:
1
12 13 1
21 22 23 2
31 32 33 3
1 2 3
2 21 1 2
3 31 1 3
1 1
a a a
a a a a
a a a a
a a a a
L a L L
L a L L
L a L L
m
m
m
m
m m m mm m m m
....
....
....
....
.
.
.
M M M M M M
1 2 44444444444 3 44444444444
= +
= +
= +
matriz de ordem
+ + +
+ + +
+ + +
1
0
0
0
12 13 1
21 12 22 21 13 23 21 1 2
31 12 32 31 13 33 31 1 3
1 12 2 1 13 3 1 1
a a a
a a a a a a a a a
a a a a a a a a a
a a a a a a a a a
m
m
m m
m m
m m m m m m mm
... .
. . ... . .
. . ... . .
. . ... . .
.
M M M M M
1 2 44444444444444 3 44444444444444
matriz de ordem
+ + +
+ + +
+ + +
a a a a a a a a a
a a a a a a a a a
a a a a a a a a a
m
m m
m m
m m m m m m mm
21 12 22 21 13 23 21 1 2
31 12 32 31 13 33 31 1 3
1 12 2 1 13 3 1 1
1
. . .... .
. . .... .
. . .... .
M M M M
1 2 4444444444444 3 4444444444444
matriz de ordem
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
( ) ( )
Ex
L L
L L
:
. . . .
. . . .
. . . .
. .
=
=
=
=
+ + + +
+ + + +
+ + + +
+ +
2 1 2 3 1
1 2 0 2 3
1 0 1 2 2
2 2 3 0 0
0 3 2 0 4
1 2 0 2 3
2 1 2 3 1
1 0 1 2 2
2 2 3 0 0
0 3 2 0 4
2 2 1 2 0 2 2 2 3 2 3 1
1 2 0 1 0 1 1 2 2 1 3 2
2 2 2 20 3 22 0 23 0
0 2 3 00
1 2
2 1
( ) ( ) 2 02 0 03 4 + + . .
=
NMF105 Notas de aula 37
( ) ( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
=
= +
=
=
+ + +
+ + +
+ + +
3 2 7 7
2 1 4 1
2 3 4 6
3 2 0 4
2 1 0 1 5
2 1 4 1
2 3 4 6
3 2 0 4
2 0 1 2 1 4 2 5 1
20 3 2 1 4 25 6
3 0 2 3 1 0 3 5 4
1 2 1
L L L
. . .
. . .
. . .
( ) ( )
( ) ( ) ( )
( ) =
=
+ +
+ +
=
= + =
1 2 11
3 2 16
2 3 11
3 2 2 311 16
2 2 3 2 11 11
8 49
1 33
264 49 215
. .
. .
NMF105 Notas de aula 38
L LI IS ST TA A D DE E E EX XE ER RC C C CI IO OS S 2 2
Determinantes
1. Calcule os determinantes das matrizes abaixo:
=
1 5 2
2 0 1
2 3 1
D
1 1 0
0 1 0
0 1 1
5 11
7 13
2
1
2
2 3
C B A
2. Calcule os determinantes das matrizes abaixo, utilizando o teorema de Laplace.
=
d
c
b
a
A
0 0 0 0
2 0 0 0
3 2 0 0
1 3 1 0
5 4 3 2 1
B
3 3 0 1 -
0 4 0 0
2 - 1 - 0 5
1 2 4 3
3. Determine x tal que 0
1 1 3
1 2 2
1
=
+ x
x
x x
4. Chama-se trao de uma matriz quadrada a soma dos elementos da diagonal principal.
Sabendo que o trao vale 9 e o determinante 15, calcule os elementos x e y da matriz:
y
z x
0 0
0
3 2 1
5. Sejam A, B e C, matrizes reais de ordem 3, satisfazendo a seguintes relaes: AB=C
-1
,
B=2A. Se o determinante da matriz C vale 32, qual o mdulo do valor do determinante da
matriz A?
NMF105 Notas de aula 39
RESPOSTAS
1.
2
5
= A :: 12 = B :: 1 = C :: 9 = D
2. 208 = A :: abcd B =
3.
2
1
= x
4. 5 3 = = y x ou vice-versa
5. = A det 1/16
NMF105 Notas de aula 40
NMF105 ALGEBRA LINEAR
Prof. Emerson Costa (responsvel pela disciplina)
Prof. Fabio Lacerda (flacerda@fumec.br)
UNIDADE 3 ESPAOS VETORIAIS Notas de Aula
Trata-se de uma ferramenta poderosa para estender nossa visualizao geomtrica a uma
larga classe de importantes problemas matemticos, nos quais normalmente no poderamos
contar com nossa intuio geomtrica. Assim, parte-se do princpio que podemos visualizar os
vetores
como flechas, o que nos permite desenhar ou formar figuras mentais que nos
ajudam a resolver problemas. Como os axiomas que definem os nossos novos tipos de
vetores sero baseados nas propriedades dos vetores de
ou
(Anton, 2001).
3 3. .1 1 E ES SP PA A O OS S V VE ET TO OR RI IA AI IS S R RE EA AI IS S
Visa estender o conceito de vetor extraindo as propriedades mais importantes dos vetores
usuais e transformando-as em axiomas. Assim, quando um conjunto de objetos satisfizer estes
axiomas, estes objetos automaticamente tm as mais importantes propriedades dos vetores
usuais, o que torna razovel considerar estes novos objetos como novos tipos de vetores.
(Anton, 2001).
Seja um conjunto V, no vazio, sobre o qual esto definidas as operaes de adio e
multiplicao por escalar, isto :
, , +
e ,
Onde e so elementos do conjunto V e podem ser do tipo:
Vetores do
Matrizes
Polinmios
(polinmios de graus n)
Nmeros complexos (espao vetorial complexo)
O conjunto V chamado espao vetorial se forem verificados os seguintes axiomas:
A) Em relao adio
, , , tem-se
) + + = +( +) associativa da adio
) + = + cumulativa
) 0 , , + = + = elemento neutro
) , , + = elemento simtrico
NMF105 Notas de aula 41
M) Em relao multiplicao por escalar
, , e , , tem-se
) () = ()
) + = +
) ( +) = +
) =
Propriedades dos Espaos Vetoriais
a) Existe um nico vetor nulo em V (elemento neutro da adio);
b) Cada vetor admite apenas um simtrico ;
c) Para quaisquer , , , se + = +, ento = ;
d) Qualquer que seja , tem-se: = , isto , o oposto de ;
e) Quaisquer que sejam , , existe um e somente um x, tal que + = ;
f) Qualquer que seja , 0 = 0;
g) Qualquer que seja , 0 = 0;
h) = 0, implica = 0 ou = 0;
i) Qualquer que seja , 1 = ;
j) Quaisquer que sejam , , = = ;
Exemplo 1: O conjunto =
= (
Essas operaes so denominadas operaes usuais. Para verificar os oito
axiomas de espao vetorial (condio necessria), tomemos os vetores genricos
(sempre) =
, =
) + + =
) +
, (
),
+(
= (
) +
= (
) +
= + +
) + =
= +
NMF105 Notas de aula 42
) 0 = 0,0
, +0 =
+0,0
=
+0,
+0
=
) =
, =
, + =
= 0,0
= 0
Em relao multiplicao, , , tem-se:
) =
) + = +
= +
, +
= +
) + =
= +
) 1 = 1
= 1
, 1
=
Exemplo 2: O conjunto =
= (
Como a adio aqui definida uma operao usual, todos os axiomas (como visto)
sero verificados (verdadeiros). Logo, no devem se verificar alguns (ou algum) dos
axiomas da multiplicao.
Sejam =
, =
vetores de V e ,
NMF105 Notas de aula 43
) =
) + = +
=
= +
, 2
+
Logo, no espao vetorial.
3 3. .2 2 S SU UB BE ES SP PA A O OS S V VE ET TO OR RI IA AI IS S R RE EA AI IS S
possvel para um espao vetorial estar contido em outro espao vetorial. (Anton, 2001).
Sejam V um espao vetorial e S um subconjunto no vazio de V. O subconjunto S um
subespao vetorial de V se forem satisfeitas as seguintes condies:
I. , + (adio)
II. , (multiplicao por escalar)
Todo espao 0 admite, pelo menos, dois subespaos:
- o conjunto {0}, chamado subespao zero ou subespao nulo;
- e o prprio espao vetorial V.
Esses dois so os subespaos triviais de V. Os demais so denominados subespaos prprios
de V.
NMF105 Notas de aula 44
Exemplo 1: Identificar quais so os subespaos triviais e prprios de
.
Soluo:
Subespaos triviais do
: 0,0 e
;
Subespaos prprios do
Note que e: +
Exemplo 2: Identificar quais so os subespaos triviais e prprios de
.
Soluo:
Subespaos triviais do
: 0,0,0 e
;
Subespaos prprios do
sabendo que
= 0,
,
cuja primeira coordenada nula.
Soluo:
Verificao das condies (i) e (ii)
i) = 0,
e v= 0,
Ento + = 0,
.
Exemplo 4: Se =
/ = 4 2.
Soluo:
Verificao das condies (i) e (ii)
i) Se = 1,2 e v= 3, 2, ento + = 4,0
Concluso: W no um subespao vetorial de .
NMF105 Notas de aula 46
Exemplo 5: Se =
, verificar se W um subespao vetorial de V, sendo W o
subconjunto das matrizes triangulares superiores.
Soluo:
Concluso: W um subespao vetorial de , pois a soma de matrizes triangulares
superiores ainda uma matriz triangular superior, assim como o
produto de uma matriz triangular superior por um escalar.
3 3. .3 3 C CO OM MB BI IN NA A O O L LI IN NE EA AR R
Definio: Um vetor uma Combinao Linear dos vetores
, ,
se pode ser
escrito na forma
=
++
,
onde
, ,
so escalares.
Exemplo 1: Sendo o espao vetorial dos polinmios de grau 2, expressar o polinmio
= 7
= 5
3 +2 e
= 2
+5 8
Soluo:
=
+11 26 = 5
3 +2 +2
+5 8
= 5
3 +2 +2
+5 8
= 5
3 +2 2
+5 8
= 5 2
+3 +5 +2 8
comparando os polinmios termo a termo, tem-se:
5 2 = 7
3 +5 = 11
2 8 = 26
= 3
= 4
Concluso: =
Observao:
Para se encontrar os valores dos escalares a e b, tambm pode-se resolver as
equaes usando o mtodo de Gauss (ver 1.7.2), ou escalonamento, atravs da
matriz ampliada do sistema. Esta alternativa mostra-se mais indicada para
sistemas mais complexos. Assim:
5 2 = 7
3 +5 = 11
2 8 = 26
5 2 7
3 5 11
2 8 26
NMF105 Notas de aula 47
5 2 7
3 5 11
2 8 26
5 2 7
3 5 11
1 4 13
1 4 13
3 5 11
5 2 7
+3
1 4 13
0 7 28
0 18 72
=
1
7
=
1
18
1 4 13
0 1 4
0 1 4
+4
1 0 3
0 1 4
0 1 4
=
= 3
= 4
= 4
= 3
= 4
=
Exemplo 2: Considere os vetores = 1,2, 1 e = 6,4,2 em
. Verifique se
= 9,2,7 e
= +
9,2,7 = 1,2, 1 +6,4,2
= , 2, +6, 4, 2
= +6, 2 +4, +2
comparando os vetores termo a termo, tem-se:
+6 = 9
2 +4 = 2
+2 = 7
1 6 9
2 4 2
1 2 7
1 6 9
2 4 2
1 2 7
1 6 9
0 8 16
0 8 16
1 6 9
0 1 2
0 1 2
1 0 3
0 1 2
0 1 2
=
= 3
= 2
= 2
= 3
= 2
Concluso 1:
= + (
= +
4, 1,8 = 1,2, 1 +6,4,2
= , 2, +6, 4, 2
= +6, 2 +4, +2
comparando os vetores termo a termo, tem-se:
+6 = 4
2 +4 = 1
+2 = 8
1 6 4
2 4 1
1 2 8
NMF105 Notas de aula 48
1 6 4
2 4 1
1 2 8
1 6 9
0 8 9
0 8 12
1 6 9
0 1
9
8
0 1
12
8
1 6 9
0 1
9
8
0 0
3
8
0 =
3
8
! Inconsistente
Concluso2: Como no existe soluo,
= 1,2,1,
= 1,0,2 e
= 1,1,0 em
. Encontre a
Combinao Linear de
2,1,5 = 1,2,1 +1,0,2 +1,1,0
2,1,5 = , 2, +, 0,2 +, , 0
2,1,5 = + +, 2 +, +2
comparando os vetores termo a termo, tem-se:
+ + = 2
2 + = 1
+2 = 5
1 1 1 2
2 0 1 1
1 2 0 5
1 1 1 2
2 0 1 1
1 2 0 5
1 1 1 2
0 2 1 3
0 1 1 3
1 1 1 2
0 1 1 3
0 2 1 3
+2
1 0 2 1
0 1 1 3
0 0 3 3
1 0 2 1
0 1 1 3
0 0 1 1
1 0 0 1
0 1 0 2
0 0 1 1
=
= 1
= 2
= 1
Concluso: =
.
NMF105 Notas de aula 49
Exemplo 4: Escreva a matriz =
3 1
1 1
como Combinao Linear das matrizes
=
1 1
1 0
:: =
0 0
1 1
:: =
0 2
0 1
Soluo:
= + +
3 1
1 1
=
1 1
1 0
+
0 0
1 1
+
0 2
0 1
3 1
1 1
=
0
+
0 0
+
0 2
0
3 1
1 1
=
+2
+
comparando os vetores termo a termo, tem-se:
= 3
+2 = 1
+ = 1
= 1
1 0 0 3
1 0 2 1
1 1 0 1
0 1 1 1
1 0 0 3
1 0 2 1
1 1 0 1
0 1 1 1
1 0 0 3
0 0 2 2
0 1 0 2
0 1 1 1
1 0 0 3
0 0 1 1
0 1 0 2
0 0 1 1
1 0 0 3
0 1 0 2
0 0 1 1
0 0 1 1
=
= 3
= 2
= 1
Concluso: = 3 2
Exemplo 5: Escrever o vetor 0
= 1,3 e
= 2,6
b)
= 1,3 e
= 2,5
Soluo:
a) 0,0 = 1,3 +2,6
= 1, 3 +2, 6
= 1 +2, 3 +6
comparando os vetores termo a termo, tem-se:
+2 = 0
3 +6 = 0
1 2 0
3 6 0
1 2 0
3 6 0
1 2 0
0 0 0
=
+2 = 0
Concluso:
= 0 = 2
NMF105 Notas de aula 50
b) 0,0 = 1,3 +2,5
= 1, 3 +2, 5
= 1 +2, 3 +5
comparando os vetores termo a termo, tem-se:
+2 = 0
3 +5 = 0
1 2 0
3 5 0
1 2 0
3 5 0
1 2 0
0 1 0
+2
1 0 0
0 1 0
=
= 0
= 0
Concluso: 0
+0
= 0
Exemplo 6: Expressar o vetor = 1,4, 4,6
= 3, 3,1,0,
= 0,1, 1,2 e
= 1, 1,0,0.
Soluo:
=
1,4, 4,6 = 3, 3,1,0 +0,1, 1,2 +1, 1,0,0
= 3, 3,1,0 +0,1, 1,2 +1, 1,0,0
= 3, 3, , 0 +0, , , 2 +, , 0,0
= 3 +, 3 + , , 2
comparando os vetores termo a termo, tem-se:
3 + = 1
3 + = 4
= 4
2 = 6
3 0 1 1
3 1 1 4
1 1 0 4
0 2 0 6
3 0 1 1
3 1 1 4
1 1 0 4
0 2 0 6
1 1 0 4
3 1 1 4
3 0 1 1
0 2 0 6
+3
1 1 0 4
0 2 1 8
0 3 1 11
0 1 0 3
+2
1 0 0 1
0 0 1 2
0 0 1 2
0 1 0 3
1 0 0 1
0 1 0 3
0 0 1 2
0 0 1 2
=
= 1
= 3
= 2
Concluso: -1 =
+3
+2
NMF105 Notas de aula 51
3 3. .4 4 E ES SP PA A O OS S G GE ER RA AD DO OS S
Se
, ,
, ,
um subespao de .
(b) o menor subespao de que contm
, ,
, ,
tambm contm .
Definio: Se =
, ,
, ,
, ,
, ,
, ns escrevemos
= ou =
, ,
Exemplo 1: Verificar se o conjunto 2,1,1, 1,0,2, 1,2,1 gera o espao
.
Soluo:
Para isso deve-se provar que todo vetor , , de
2 1 +1 =
1 +0 +2 =
1 +2 +1 =
2 1 1
1 0 2
1 2 1
.
Para que o sistema tenha soluo nica a primeira matriz (dos coeficientes) deve
ser inversvel, isto , seu determinante deve ser diferente de zero. Calculando,
2 1 1
1 0 2
1 2 1
= 7
Como esse determinante diferente de zero, o sistema possui soluo nica. Ou
seja, existem valores de , e que satisfazem a igualdade , , = 2,1,1 +
1,0,2 +1,2,1.
Concluso: O sistema possui soluo nica porque o determinante da matriz dos
coeficientes diferente de zero. Logo, todos os vetores de
podem ser escritos como combinao linear dos vetores dados.
NMF105 Notas de aula 52
Exemplo 2: Verificar se o conjunto 2,1,3, 3,1,2, 5,2,5 gera o espao
.
Soluo:
Para isso deve-se provar que todo vetor , , de
2 +3 +5 =
1 +1 +2 =
3 +2 +5 =
2 3 5
1 1 2
3 2 5
.
Calculando o determinante da matriz de coeficientes, tem-se
2 3 5
1 1 2
3 2 5
= 0
Como este determinante zero, o conjunto no gera
2 3 5
1 1 2
3 2 5
1 1 2
2 3 5
3 2 5
1 1 2
0 1 1 2
0 1 1 3
1 1 2
0 1 1 2
0 0 0 5 +
Para que o sistema no seja inconsistente, necessrio que 5 + = 0.
Concluso: O sistema s ter validade para vetores , , que satisfaam a
relao 5 + = 0. Ou seja, , ,
/ 5 + = 0.
Exemplo 3: Mostrar que
= 1,1,1,
= 0,1,1 e
= 0,0,1 geram o
.
Soluo:
, , =
, , = 1,1,1 +0,1,1 +0,0,1
= , , +0, , +0,0,
= , +, + +
Comparando os vetores termo a termo, tem-se,
NMF105 Notas de aula 53
=
+ =
+ + =
1 0 0
1 1 0
1 1 1
1 0 0
1 1 0
1 1 1
1 0 0
0 1 0
0 0 1
=
=
=
=
Concluso: , , =
Exemplo 4: Seja o Espao Vetorial
=
1 0
0 1
,
=
1 1
0 0
e
=
0 1
1 0
Soluo:
=
=
=
1 0
0 1
+
1 1
0 0
+
0 1
1 0
=
0
0
+
0 0
+
0
0
=
+ +
Comparando os vetores termo a termo, tem-se,
+ =
+ =
=
=
1 1 0
0 1 1
0 0 1
1 0 0
1 1 0
0 1 1
0 0 1
1 0 0
1 0 0
0 1 1
0 0 1
1 1 0
1 0 0
0 1 0
0 0 1
0 1 0 +
1 0 0
0 1 0
0 0 1
0 0 0 + +
Concluso: =
/ + + = 0
NMF105 Notas de aula 54
Exemplo 5: Determinar o subespao de gerado pelos vetores
+2
+3 e
= 2
+3 +2
Soluo:
=
+ + =
+ + =
+2
+3 +2
+3 +2
=
+2
+3 2
+3 +2
=
+2
+3 +3 +2
= 2
+2
+ +3 +3 +2
Comparando os vetores termo a termo, tem-se,
2 =
2 =
+3 =
3 +2 =
1 2
2 1
1 3
3 2
1 2
2 1
1 3
3 2
1 2
0 3 2
0 1 +
0 8 3
+2
1 0 3 +2
0 0 5 + 3
0 1 +
0 0 11 8 +
5 + 3 = 0
11 8 + = 0
Concluso: =
+ + / = 5 +3 = 11 +8
NMF105 Notas de aula 55
3 3. .5 5 D DE EP PE EN ND D N NC CI IA A E E I IN ND DE EP PE EN ND D N NC CI IA A L LI IN NE EA AR R
Definio: Se =
, ,
++
= 0
admite pelo menos a soluo trivial
= =
= 0.
Se esta a nica soluo, ento o conjunto chamado linearmente
independente. Se existem outras solues, ento um conjunto linearmente
dependente.
Teorema 1
Um conjunto de dois ou mais vetores :
(a) Linearmente dependente se, e somente se, pelo menos um dos vetores de pode ser
escrito como uma combinao linear dos outros vetores de .
(b) Linearmente independente se, e somente se, nenhum vetor em pode ser escrito como
uma combinao linear dos outros vetores de .
Teorema 2
(a) Um conjunto finito de vetores que contm o vetor nulo linearmente dependente.
(b) Um conjunto de exatamente dois vetores linearmente independente se, e somente se,
nenhum dos dois vetores um mltiplo escalar do outro.
Teorema 3
Seja =
, ,
um conjunto de vetores em
.
Para dois vetores em
= 1,0,0,
= 0,1,0 e
= 0,0,1 em
so ou no
linearmente dependentes.
Soluo:
= 0
0,0,0 = 1,0,0 +0,1,0 +0,0,1
= , 0,0 +0, , 0 +0,0,
= , ,
comparando os vetores termo a termo, tem-se:
= 0
= 0
= 0
Concluso: O conjunto de vetores =
linearmente independente
porque o sistema admite apenas a soluo trivial ( = = = 0).
Exemplo 2: Determine se os vetores
+ +2 ::
= 2
+ ::
= 3
+2 +2
Soluo 1:
= 0
+ +2 +2
+ +3
+2 +2 = 0
+ +2 +2
+ +3
+2 +2 = 0
+ +2 +2
+ +3
+2 +2 = 0
+2 +3
+ + +2 +2 +2 = 0
comparando os vetores termo a termo, tem-se:
+2 +3 = 0
+ +2 = 0
2 +2 = 0
1 2 3 0
1 1 2 0
2 0 2 0
1 2 3 0
1 1 2 0
2 0 2 0
1 2 3 0
0 1 1 0
0 4 4 0
1 2 3 0
0 1 1 0
0 4 4 0
+4
1 2 3 0
0 1 1 0
0 0 0 0
=
+2 +3 = 0
+ = 0
Concluso: O conjunto de vetores =
linearmente dependente
porque o sistema admite infinitas solues (duas equaes e trs
incognitas). Ou seja, o sistema admite outra soluo alm da
soluo trivial ( = = = 0).
NMF105 Notas de aula 59
Soluo 2:
De acordo com o teorema 2 os vetores so linearmente dependentes e um dos
vetores pode ser escrito como combinao linear dos outros. Assim:
+ +2 = 2
+ +3
+2 +2
= 2
+ +3
+2 +2
= 2
+ +3
+2 +2
= 2 +3
+ +2 +2
comparando os vetores termo a termo, tem-se:
2 +3 = 1
+2 = 1
2 = 2
Concluso: Como
) ento o
conjunto de vetores =
linearmente dependente.
Exemplo 3: Determine se os vetores
= 1, 2,1,
= 2,1, 1 e
= 7, 4,1 em
so
ou no linearmente dependentes.
Soluo 1:
= 0
0,0,0 = 1, 2,1 +2,1, 1 +7, 4,1
= , 2, +2, , +7, 4,
= +2 +7, 2 + 4, +
comparando os vetores termo a termo, tem-se:
+2 +7 = 0
2 + 4 = 0
+ = 0
1 2 7 0
2 1 4 0
1 1 1 0
1 2 7 0
2 1 4 0
1 1 1 0
+2
1 2 7 0
0 5 10 0
0 3 6 0
1 2 7 0
0 1 2 0
0 3 6 0
+3
1 2 7 0
0 1 2 0
0 0 0 0
=
+2 +7 = 0
+2 = 0
Concluso: O conjunto de vetores =
linearmente dependente
porque o sistema admite infinitas solues (duas equaes e trs
incognitas). Ou seja, o sistema admite outra soluo alm da
soluo trivial ( = = = 0).
NMF105 Notas de aula 60
Soluo 2:
De acordo com o teorema 2 os vetores so linearmente dependentes e um dos
vetores pode ser escrito como combinao linear dos outros. Assim:
1, 2,1 = 2,1, 1 +7, 4,1
= 2, , +7, 4,
= 2 +7, 4, +
comparando os vetores termo a termo, tem-se:
2 +7 = 1
4 = 2
+ = 1
2 7 1
1 4 2
1 1 1
2 7 1
1 4 2
1 1 1
1 4 2
2 7 1
1 1 1
1 4 2
0 15 5
0 3 1
1 4 2
0 1
1
3
0 3 1
+4
+3
1 0
2
3
0 1
1
3
0 0 0
=
=
2
3
=
1
3
Concluso: Como
)
ento o conjunto de vetores =
linearmente
dependente.
Exemplo 4: Seja o espao vetorial das matrizes 22 sobre . Determine se as matrizes
, , so linearmente dependentes, onde:
=
1 1
1 1
:: =
1 0
0 1
:: =
1 1
0 0
Soluo:
+ + = 0
1 1
1 1
+
1 0
0 1
+
1 1
0 0
=
0 0
0 0
+
0
0
+
0 0
=
0 0
0 0
+ + +
+
=
0 0
0 0
NMF105 Notas de aula 61
comparando os vetores termo a termo, tem-se:
+ + = 0
+ = 0
= 0
+ = 0
Concluso: As matrizes , e so linearmente independentes porque o sistema
admite apenas a soluo trivial ( = = = 0).
Exemplo 5: Determine se os vetores
= 2, 1,0,3,
= 1,2,5, 1 e
= 7, 1,5,8 em
so ou no linearmente dependentes.
Soluo:
= 0
0,0,0 = 2, 1,0,3 +1,2,5, 1 +7, 1,5,8
= 2, , 0,3 +, 2, 5, +7, , 5, 8
= 2 + +7, +2 , 5 +5, 3 +8
comparando os vetores termo a termo, tem-se:
2 + +7 = 0
+2 = 0
5 +5 = 0
3 +8 = 0
2 1 7 0
1 2 1 0
0 5 5 0
3 1 8 0
2 1 7 0
1 2 1 0
0 5 5 0
3 1 8 0
1 2 1 0
2 1 7 0
0 5 5 0
3 1 8 0
1 2 1 0
2 1 7 0
0 5 5 0
3 1 8 0
1 2 1 0
0 5 5 0
0 5 5 0
0 5 5 0
1 2 1 0
0 1 1 0
0 5 5 0
0 5 5 0
1 2 1 0
0 5 5 0
0 0 0 0
0 0 0 0
=
2 + = 0
+ = 0
Concluso: O conjunto de vetores =
linearmente dependente
porque o sistema admite infinitas solues. Ou seja, o sistema
admite outra soluo alm da soluo trivial ( = = = 0).
NMF105 Notas de aula 62
3 3. .6 6 B BA AS SE ES S E E D DI IM ME EN NS S O O
3.6.1 Base de um Espao Vetorial
Em geral, tenta-se usar a mesma escala em cada eixo e com a mesma unidade de distncia
em cada eixo.
(exemplo)
No entanto, isto nem sempre prtico ou adequado: pode ser necessrio o uso de escalas
diferentes, ou unidades distintas num mesmo sistema de coordenadas. Por exemplo, a
representao de grandezas fsicas, como o tempo em horas em um dos eixos e
temperatura em centenas de graus Celsius no outro eixo.
(exemplo)
Assim, quando um sistema de coordenadas especificado por um conjunto de vetores base,
o sentido dos vetores de base que define o sentido positivo nos eixos coordenados e o
comprimento dos vetores de base que estabelece a escala de medida.
NMF105 Notas de aula 63
(exemplos)
Alm disso, embora os eixos coordenados perpendiculares sejam os mais comuns, pode-se
usar quaisquer duas retas no-paralelas para definir um sistema de coordenadas no plano.
(exemplo)
De forma prtica, interessa encontrar, dentro de um espao vetorial , um conjunto finito de
vetores onde qualquer outro vetor de seja uma combinao linear deles. Ou seja, a base de
um espao vetorial.
Definio: Se um espao vetorial qualquer e =
, ,
um conjunto de vetores
em , dizemos que uma base de se valerem as seguintes condies:
(a) linearmente independente;
(b) gera .
Teorema
Se =
, ,
++
= 1,0 e e
;
os vetores e
= 1,0,0, e
= 0,1,0 e e
;
em geral, os vetores e
, e
,..., e
, R
e R
respectivamente.
[2] Coordenadas em relao a uma base
Se S = v
, v
, , v
++
a expresso de um vetor em termos desta base , ento os escalares
, ,
so
chamados de coordenadas de em relao base . Assim, o vetor
1
,
2
, ,
chamado vetor de coordenadas de em relao a e denotado por
, ,
.
Em muitos casos conveniente listar as coordenadas como entradas de uma matriz 1.
Assim, definido
Exemplo 1: Sejam
= 1,2,1,
= 2,9,0 e
uma base de
.
Soluo:
(a) Para mostrar que linearmente independente, ento
+2 +3 = 0
2 +9 +3 = 0
+4 = 0
1 2 3 0
2 9 3 0
1 0 4 0
(matriz ampliada)
Obs.: Uma forma mais prtica de se chegar na matriz ampliada seria usando
a matriz de coordenadas. Dessa forma,
=
0
0
0
NMF105 Notas de aula 65
A matriz ampliada ento seria:
1 2 3 0
2 9 3 0
1 0 4 0
(b) Para mostrar que um dado vetor pode ser expresso como uma combinao
de , tem-se:
+2 +3 =
2 +9 +3 =
+4 =
1 2 3
2 9 3
1 0 4
Observa-se que os sistemas (a) e (b) possuem a mesma matriz de coordenadas.
Assim, pode-se provar que linearmente independente e que gera
demonstrando que a matriz de coeficientes de (a) e (b) possui determinante
diferente de zero. Logo, sendo a matriz dos coeficientes
=
1 2 3
2 9 3
1 0 4
ento || =
1 2 3
2 9 3
1 0 4
= 1
Concluso: Como o determinante da matriz de coeficientes diferente de zero,
ento o conjunto =
uma base de
.
Prova de (a):
1 2 3 0
2 9 3 0
1 0 4 0
1 2 3 0
0 5 3 0
0 2 1 0
1 2 3 0
0 1
3
5
0
0 2 1 0
+2
1 0
21
5
0
0 1
3
5
0
0 0
1
5
0
1 0
21
5
0
0 1
3
5
0
0 0 1 0
1 0 0 0
0 1 0 0
0 0 1 0
=
= 0
= 0
= 0
O conjunto de vetores =
?
Soluo:
Para mostrar que linearmente independente, e ao mesmo tempo mostrar que
um dado vetor pode ser expresso como uma combinao de , deve-se
demonstrar que a matriz de coeficientes possui determinante diferente de zero.
Para se obter a matriz de coeficientes, pode-se fazer
= ou
= 0.
= 1, +, 4
= , +, 4
= +, +4
comparando os vetores termo a termo, tem-se:
+ =
+4 =
=
1
4
.
=
1
4
|| 0
1
4
0 4
4 0
..
.
2
Concluso: 2
Exemplo 3: Sejam
= 1,2,1,
= 2,9,0 e
uma base de
.
a) Encontre o vetor de coordenadas de = 5, 1,9 em relao a
1
.
b) Encontre o vetor em
= 1 3 2
.
Soluo:
a)
=
5, 1,9 = 1,2,1 +2,9,0 +3,3,4
= , 2, +2, 9, 0 +3, 3, 4
= +2 +3, 2 +9 +3, +4
comparando os vetores termo a termo, tem-se:
+2 +3 = 5
2 +9 +3 = 1
+4 = 9
1 2 3 5
2 9 3 1
1 0 4 9
1
Como j mencionado, um vetor de coordenadas de , denotado por
, ,
++
, onde
, ,
so as
coordenadas de .
NMF105 Notas de aula 67
Obs.: J tratado no Exemplo 1, uma forma mais prtica de se chegar na
matriz ampliada seria usando a matriz de coordenadas.
=
1 2 3 5
2 9 3 1
1 0 4 9
1 2 3 5
2 9 3 1
1 0 4 9
1 2 3 5
0 5 3 11
0 2 1 4
1 2 3 5
0 1
3
5
11
5
0 2 1 4
+2
1 0
21
5
47
5
0 1
3
5
11
5
0 0
1
5
2
5
1 0
21
5
47
5
0 1
3
5
11
5
0 0 1 2
1 0 0 1
0 1 0 1
0 0 1 2
=
= 1
= 1
= 2
Concluso:
=
1
1
2
.
b)
= , onde
=
1
3
2
. Ou seja, = 1, = 3 e = 2.
=
= 11,2,1 +32,9,0 +23,3,4
= 1, 2, 1 +6,27,0 +6,6,8
= 11,31,7
Concluso: = 11,31,7.
Exemplo 4: Seja =
, onde
= 1,1,0,0,
= 2,0,1,0,
= 0,1,2, 1 e
.
Soluo:
=
NMF105 Notas de aula 68
=
1 2 0 0 1
1 0 1 1 2
0 1 2 1 6
0 0 1 0 2
1 2 0 0 1
1 0 1 1 2
0 1 2 1 6
0 0 1 0 2
1 2 0 0 1
0 2 1 1 1
0 1 2 1 6
0 0 1 0 2
1 2 0 0 1
0 1 2 1 6
0 2 1 1 1
0 0 1 0 2
+2
1 0 4 2 13
0 1 2 1 6
0 0 5 1 11
0 0 1 0 2
1 0 4 2 13
0 1 2 1 6
0 0 1 0 2
0 0 5 1 11
+4
1 0 0 2 5
0 1 0 1 2
0 0 1 0 2
0 0 0 1 1
1 0 0 2 5
0 1 0 1 2
0 0 1 0 2
0 0 0 1 1
1 0 0 0 3
0 1 0 0 1
0 0 1 0 2
0 0 0 1 1
=
= 3
= 1
= 2
= 1
Concluso:
=
3
1
2
1
.
Exemplo 5: Seja o espao vetorial
e =
, onde
= ::
= 1 ::
= +1 ::
= 1
Seja = = 5 2
a) Calcule
.
b) Calcule
.
NMF105 Notas de aula 69
Soluo:
a) =
5 2 = +1
5 2 = +
comparando os vetores termo a termo, tem-se:
= 5
= 2
Concluso:
=
5
2
.
b) =
5 2 = +1 + 1
5 2 = + +
5 2 = + +
comparando os vetores termo a termo, tem-se:
+ = 5
= 2
=
3
2
=
7
2
Concluso:
=
3
2
7
2
.
Exemplo 6: Seja =
um conjunto de vetores em
. Encontre um
subconjunto de que seja base para = , onde
= 1,2, 2,1 ::
= 3,0, 4,3 ::
= 2,1,1, 1,
= 3,3, 9,6 ::
= 9,3,7, 6
Soluo:
Para mostrar que linearmente independente, ento
= 0
s deve admitir a soluo trivial
= 0. Logo,
0
0
0
0
0
1 3 2 3 9 0
2 0 1 3 3 0
2 4 1 9 7 0
1 3 1 6 6 0
3 +2 3 +9 = 0
2 + +3 +3 = 0
2 4 + 9 +7 = 0
+3 +6 6 = 0
1 3 2 3 9 0
2 0 1 3 3 0
2 4 1 9 7 0
1 3 1 6 6 0
+2
1 3 2 3 9 0
0 6 3 9 15 0
0 10 5 15 25 0
0 6 3 9 15 0
1 3 2 3 9 0
0 1
1
2
3
2
5
2
0
0 10 5 15 25 0
0 6 3 9 15 0
+3
+10
1 0
1
2
3
2
3
2
0
0 1
1
2
3
2
5
2
0
0 0 0 0 0 0
0 0 0 0 0 0
Concluso: As linhas no-nulas so
), que
correspondem aos vetores
. Logo, o conjunto
uma
base para = .
Exemplo 7: Encontre uma base para
= 1,0,1,0 e
= 1,1, 1,0
Soluo:
Para isso preciso associar ao conjunto
.
A base cannica de
, onde
= 1,0,0,0,
= 0,1,0,0,
= 0,0,1,0 e
= 0,0,0,1
Assim, considera-se inicialmente o conjunto =
. Ento,
= 0. Ou seja,
0
0
0
0
0
0
1 1 1 0 0 0 0
0 1 0 1 0 0 0
1 1 0 0 1 0 0
0 0 0 0 0 1 0
= 0
= 0
= 0
= 0
1 1 1 0 0 0 0
0 1 0 1 0 0 0
1 1 0 0 1 0 0
0 0 0 0 0 1 0
1 1 1 0 0 0 0
0 1 0 1 0 0 0
0 0 1 0 1 0 0
0 0 0 0 0 1 0
1 0 1 1 0 0 0
0 1 0 1 0 0 0
0 0 1 0 1 0 0
0 0 0 0 0 1 0
1 0 1 1 0 0 0
0 1 0 1 0 0 0
0 0 1 0 1 0 0
0 0 0 0 0 1 0
1 0 0 1 1 0 0
0 1 0 1 0 0 0
0 0 1 0 1 0 0
0 0 0 0 0 1 0
Concluso: Todas as quatro linhas no so nulas. Nelas, os primeiros elementos
no-nulos das linhas aparecem nas colunas 1, 2, 3 e 6 (
. Logo, o conjunto
que contem
.
3.6.2 Dimenso de um Espao Vetorial
Um espao vetorial no-nulo chamado de dimenso finita se contm um conjunto finito
, ,
gerado pelos
vetores
= 1, 2,5, 3,
= 2,3,1, 4 e
= 3,8, 3, 5.
Soluo:
Para mostrar que linearmente independente, ento
= 0
0,0,0,0 = 1, 2,5, 3 +2,3,1, 4 +3,8, 3, 5
= , 2, 5, 3 +2, 3, , 4 +3, 8, 3, 5
= +2 +3, 2 +3 +8, 5 + 3, 3 4 5
comparando os vetores termo a termo, tem-se:
+2 +3 = 0
2 +3 +8 = 0
5 + 3 = 0
3 4 5 = 0
1 2 3 0
2 3 8 0
5 1 3 0
3 4 5 0
1 2 3 0
2 3 8 0
5 1 3 0
3 4 5 0
+2
+3
1 2 3 0
0 7 14 0
0 9 18 0
0 2 4 0
1 2 3 0
0 1 2 0
0 9 18 0
0 2 4 0
+9
1 0 1 0
0 1 2 0
0 0 0 0
0 0 0 0
Concluso: As linhas no-nulas so
), que
correspondem aos vetores
. Logo, o conjunto
uma
base para = . Assim, em particular, dim = 2.
Exemplo 3: Ache uma base e a dimenso do subespao de
, onde:
a) = , , : + + = 0
b) = , , : = =
c) = , , : = 3
Soluo:
a) Note que
= 1,0, 1 e
= 1,0,3 e
= 1, 2,0,3 ::
= 2, 5, 3,6 ::
= 0,1,3,0,
= 2, 1,4, 7 ::
= 5, 8,1,2
a) Ache uma base e a dimenso do subespao ;
b) Expresse cada vetor que no est na base como uma combinao linear dos
vetores da base;
c) Estenda a base de a uma base de todo o espao
.
Soluo:
a)
= 0. Ou seja,
0
0
0
0
0
1 2 0 2 5 0
2 5 1 1 8 0
0 3 3 4 1 0
3 6 0 7 2 0
+2
+2
+5
= 0
2
= 0
3
+3
+4
= 0
3
+6
+2
= 0
1 2 0 2 5 0
2 5 1 1 8 0
0 3 3 4 1 0
3 6 0 7 2 0
+2
1 2 0 2 5 0
0 1 1 3 2 0
0 3 3 4 1 0
0 0 0 13 13 0
1 2 0 2 5 0
0 1 1 3 2 0
0 3 3 4 1 0
0 0 0 13 13 0
+3
1 0 2 8 9 0
0 1 1 3 2 0
0 0 0 5 5 0
0 0 0 13 13 0
1 0 2 8 9 0
0 1 1 3 2 0
0 0 0 1 1 0
0 0 0 13 13 0
+3
+13
1 0 2 0 1 0
0 1 1 0 1 0
0 0 0 1 1 0
0 0 0 0 0 0
NMF105 Notas de aula 74
Numa forma escalonada,
1 0 2 0 1 0
0 1 1 0 1 0
0 0 0 0 0 0
0 0 0 1 1 0
Concluso: As linhas no-nulas so
),
que correspondem aos vetores
. Logo, o conjunto
Logo, as relaes correspondentes so:
Concluso:
= 2
c) No item (a) o que foi encontrado foi uma base para , que um subespao
de
, so necessrios 4 vetores ao
invs de apenas 3 (como no caso do item supracitado). Afinal, no Exemplo 1
j foi mencionado que dim
= 4.
NMF105 Notas de aula 75
Recorrendo matriz escalonada resultante da base de
1 2 2 0
2 5 1 0
0 3 4 0
3 6 7 0
1 0 0 0
0 1 0 0
0 0 0 0
0 0 1 0
observa-se que pode-se fazer uso de um dos vetores da base cannica de
de modo que se forme uma matriz escalonada perfeita. O vetor em questo
seria
1 2 0 2 0
2 5 0 1 0
0 3 1 4 0
3 6 0 7 0
reduzindo forma escalonada
1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
e por isso mostra serem linearmente independentes.
Concluso: Uma base para
seria
, onde
= 1, 2,0,3 ::
= 2, 5, 3,6
= 2, 1,4, 7 ::
= 0,0,1,0
3 3. .7 7 M MU UD DA AN N A A D DE E B BA AS SE E
Muitas vezes, para a resoluo de um problema, torna-se muito mais simples se for adotado
um referencial mais conveniente para descrev-lo. Por exemplo, em um problema em que um
corpo se move no plano , cuja trajetria uma elipse, a descrio do movimento torna-se
muito mais simples se for utilizado um referencial que se apoia nos eixos principais da elipse
(plano
, ,
para uma base nova =
, ,
de um vetor est relacionado com a nova matriz de coordenadas
do mesmo
vetor pela equao
onde
2
,
sendo
onde
Exemplo 1: (Kolman, 2008) Seja =
e =
e =
duas bases
distintas para
, onde
= 2,0,1 ::
= 1,2,0 ::
= 1,1,1
= 6,3,3 ::
= 4, 1,3 ::
= 5,5,2
a) Calcule a matriz de transio
b) Sendo = 4, 9,5, encontre as coordenadas
.
c) Com base nas informaes obtidas nos itens anteriores (
), calcule
2
w
, preciso encontrar
tais que
Isso nos leva a matriz ampliada
. Ou seja,
2 1 1 6
0 2 1 3
1 0 1 3
De forma anloga, preciso encontrar
, tais que
Que nos leva s respectivas matrizes ampliadas
Como a matriz de coeficientes de todos os trs sistemas lineares
Para a forma escalonada reduzida por linhas. Dessa maneira,
2 1 1 6 4 5
0 2 1 3 1 5
1 0 1 3 3 2
1 0 1 3 3 2
0 2 1 3 1 5
2 1 1 6 4 5
1 0 1 3 3 2
0 2 1 3 1 5
0 1 1 0 2 1
1 0 1 3 3 2
0 1 1 0 2 1
0 2 1 3 1 5
1 0 1 3 3 2
0 1 1 0 2 1
0 0 3 3 3 3
1 0 1 3 3 2
0 1 1 0 2 1
0 0 1 1 1 1
1 0 0 2 2 1
0 1 0 1 1 2
0 0 1 1 1 1
Assim
=
2
1
1
::
=
2
1
1
::
=
1
2
1
NMF105 Notas de aula 78
Concluso: Como
, ento
=
2 2 1
1 1 2
1 1 1
b)
6 4 5 4
3 1 5 9
3 3 2 5
1
2
3
5
6
2
3
3 1 5 9
3 3 2 5
1
2
3
5
6
2
3
0 3
5
2
11
0 1
1
2
3
1
2
3
5
6
2
3
0 1
1
2
3
0 3
5
2
11
+3
1 0
7
6
4
3
0 1
1
2
3
0 0 1 2
1 0 0 1
0 1 0 2
0 0 1 2
=
= 1
= 2
= 2
Concluso:
=
1
2
2
Prova:
6
3
3
+
4
1
3
+
5
5
2
=
4
9
5
1.
6
3
3
+2.
4
1
3
2.
5
5
2
=
4
9
5
6
3
3
+
8
2
6
10
10
4
=
4
9
5
6 +8 10
3 2 10
3 +6 4
=
4
9
5
NMF105 Notas de aula 79
c)
=
2 2 1
1 1 2
1 1 1
.
1
2
2
=
2.1 +2.2 +1. 2
1.1 +1. 2 +2. 2
1.1 +1.2 +1. 2
Concluso:
=
4
5
1
Exemplo 2: Sendo um dado vetor de coordenadas
=
4
5
1
e matriz de transio
2 2 1
1 1 2
1 1 1
, encontre o vetor correspondente nova base
Soluo:
Como
, ento
2 2 1 1 0 0
1 1 2 0 1 0
1 1 1 0 0 1
1 1 1 0 0 1
1 1 2 0 1 0
2 2 1 1 0 0
1 1 1 0 0 1
0 2 1 0 1 1
0 0 1 1 0 2
= 2
1 1 1 0 0 1
0 1
1
2
0
1
2
1
2
0 0 1 1 0 2
1 0
3
2
0
1
2
1
2
0 1
1
2
0
1
2
1
2
0 0 1 1 0 2
1 0 0
3
2
1
2
5
2
0 1 0
1
2
1
2
3
2
0 0 1 1 0 2
=
3
2
1
2
5
2
1
2
1
2
3
2
1 0 2
NMF105 Notas de aula 80
=
3
2
1
2
5
2
1
2
1
2
3
2
1 0 2
.
4
5
1
=
3
2
. 4 +
1
2
. 5 +
5
2
. 1
1
2
. 4 +
1
2
. 5 +
3
2
. 1
1. 4 +0. 5 +2.1
Concluso:
=
1
2
2
NMF105 Notas de aula 81
L LI IS ST TA A D DE E E EX XE ER RC C C CI IO OS S 3 3
Subespao Vetorial Real
1. Verifique quais dos itens abaixo subespao vetorial do conjunto dado:
a) = , / = 2 do
b)
0
, , do M
2x2
c) = , / = +1 do
d) = , / +7 = 0 do
e) = , / 0 do
f) = , , / = 4 = 0 do
g) = , , / = 2 do
h) = , , / =
do
i) = , 3, 4 / do
j) = , , / + + = 0 do
Combinao Linear
2. Escreva o polinmio v = t2 +4t 3 sobre =
2 +5 ::
= 2
3 ::
= +3
3. Para qual valor de k ser o vetor = 1, 2, em
. Pede-se:
a) Escrever o vetor = 7, 11,2 como Combinao Linear de e .
b) Determinar uma condio entre , , para que o vetor = , , seja Combinao
Linear de e .
5. Consideremos no Espao Vetorial =
2
+ + / , , os vetores
2 +1,
= +2 e
= 2
+6. Pede-se:
a) Escrever o vetor = 5
.
b) Escrever o vetor = 5
.
NMF105 Notas de aula 82
6. Seja S o subespao do
definido por = , , ,
/ +2 = 0 = 0.
Pergunta-se:
a) = 1,2,3,0 ? Por que?
b) = 3,1,4,0 ? Por que?
c) = 1,1,1,1 ? Por que?
Subespao Vetorial Gerado
7. Determinar os subespaos do
, onde
= 1,3, 1 e
= 1, 2,4. Determinar:
d) O subespao ()
e) O valor para que = 5, , 11 pertena a ()
9. Sejam os vetores
= 1,1,1,
= 1,2,0 e
= 1,3, 1. Se = 3, 1,
,
qual o valor de ?
10. Determinar os subespaos de P (Espao Vetorial dos polinmios de grau 2) gerados
pelos seguintes vetores:
a)
= 2 +2 ::
+ +3 ::
+2
b)
::
+
c)
= 1 ::
= ::
11. Determinar o Subespao (), onde = 1, 2, 2,4. O que representa
geometricamente este subespao?
12. Seja o Espao Vetorial
=
1 0
0 1
,
=
1 1
0 0
e
=
0 1
1 0
NMF105 Notas de aula 83
Dependncia e Independncia Linear
13. Classificar os seguintes subconjuntos de em LI (Linearmente Independente) ou LD
(Linearmente Dependente)
a) 1,3
b) 1,3, 2,6
c) 2, 1, 3,5
d) 1,0, 1,1, 3,5
14. Verificar se so LI ou LD os seguintes subconjuntos de :
a) 2, 1,3
b) 1, 1,1, 1,1,1
c) 2, 1,0, 1,3,0, 3,5,0
d) 2,1,3, 0,0,0, 1,5,2
e) 1,2, 1, 2,4, 2, 1,3,0
f) 1, 1, 2, 2,1,1, 1,0,3
g) 1,2, 1, 1,0,0, 0,1,2, 3, 1,2
15. Verificar se so LI ou LD os seguintes subconjuntos de :
a) 2 +
, 4 +4
, +2
b) 1 +
2
,
2
,
2
c) 1 +3 +
2
, 2
2
, 1 +2 3
2
, 2 + +3
2
d)
2
+1,
2
+2
16. Quais dos seguintes conjuntos de vetores do so LD ?
a) 2,1,0,0, 1,0,2,1, 1,2,0, 1
b) 0,1,0, 1, 1,1,1,1, 1,2,0,1, 1,2,1,0
c) 1, 1,0,0, 0,1,0,0, 0,0,1, 1, 1,2,1, 2
d) 1,1,2,4, 1, 1, 4,2, 0, 1, 3,1, 2,1,1,5
17. Sendo M
(2,3)
o Espao Vetorial das matrizes 2 3, verificar se LI ou LD, onde:
=
3 0 1
5 0 1
0 1 2
2 1 0
4 2 3
1 2 1
C B A
18. Determinar K IR para que seja LI o conjunto ( ) ( ) ( ) { } 0 , 2 , , 1 , 1 , 1 , 2 , 0 , 1 K
NMF105 Notas de aula 84
19. Determinar K IR para que
)
,
0
1 2
,
0 0
1 1
,
0 1
0 1
K
seja LD.
Bases e Dimenso
20. Sendo ( ) 2 , 1
1
= v
2
IR , determinar v
2
2
IR tal que { }
2 1
, v v
seja base de
2
IR .
21. Verificar quais dos seguintes conjuntos de vetores formam base do
2
IR :
a) 1,2, 1,3
b) 3, 6, 4,8
c) 0,0, 2,3
d) 3, 1, 2,3
22. Para que valores de k IR o conjunto ( ) ( ) { } 4 , , , 1 k k =
base do
2
IR ?
23. O conjunto = 2, 1, 3,2 uma base do
2
IR . Escrever o vetor genrico do
2
IR
como Combinao Linear de .
24. Quais do seguintes conjuntos de vetores formam uma base do
3
IR ?
a) 1,1, 1, 2, 1,0, 3,2,0
b) 1,0,1, 0, 1,2, 2,1, 4
c) 1,2,3, 4,1,2
d) 2,1, 1, 1,0,1, 0,0,1
e) 0, 1,2, 2,1,3, 1,0,1, 4, 1, 2
25. Quais dos seguintes conjuntos de vetores formam base de
2
P ?
a) 2t
+t 4, t
3t +1
b) 1, t, t
c) 2, 1 x, 1 +x
d) 1 +x +x
, x +x
, x
e) x x
, 1 +x, 1 +2x x
26. Determinar uma base do subespao do
4
IR gerado pelos vetores
= 1, 1,0,0 ::
= 2,2,2,1 ::
= 1,1,2,1 ::
= 0,0,4,2
NMF105 Notas de aula 85
27. Seja
3
IR V = e o conjunto B ( ) ( ) ( ) { }
3
1 , 2 , 1 , 0 , 1 , 1 , 1 , 1 , 0 IR = ;
a) Mostrar que B no base do ;
3
IR
b) Determinar uma base do
3
IR que possua dois elementos de B.
28. Sejam os vetores ( ) ( ) ( ) 0 , 1 , 0 1 , 2 , 1 , 1 , 0 , 1
3 2 1
= = = v e v v do
3
IR ;
a) Mostrar que B { }
3 2 1
, , v v v =
base do
3
IR ;
b) Escrever cada um dos vetores ( ) ( ) ( ) 1 , 0 , 0 , 0 , 1 , 0 , 0 , 0 , 1
3 2 1
= = = e e e como CL dos
vetores da base B.
29. Determinar uma dimenso para cada um dos seguintes subespaos vetoriais:
a) ( ) { z y x W , , = } x y IR 3 /
3
=
b) ( ) { z y x W , , = } 0 5 /
3
= = z e x y IR
c) ( ) { y x W , = } 0 /
2
= + y x IR
d) ( ) { z y x W , , = } y z e y x IR = = 3 /
3
e) ( ) { z y x W , , = } 0 3 2 /
3
= + z y x IR
f) ( ) { z y x W , , = } 0 /
3
= z IR
30. Determinar a dimenso para cada um dos seguintes subespaos vetoriais de
:
a)
)
,
= + =
(
= c d e c a b
d c
b a
V /
b)
)
,
+ =
(
= c a b
d c
b a
V /
c)
)
,
= =
(
= 0 3 / d e b a c
d c
b a
V
d)
)
,
+ = +
(
= c b d a
d c
b a
V /
31. Seja o subespao
)
,
= + =
(
= a d e d a c
d c
b a
S / de
. Pede-se:
a) Qual a dimenso de S?
b) O conjunto
)
,
4 3
1 2
,
1 0
1 1
uma base de S? Justificar!
NMF105 Notas de aula 86
32. Sejam os vetores ( ) ( ) ( ) 4 , 2 , 7 , 3 , 5 , 1 , 2 , 3 , 2 , 0 , 1 , 1
3 2 1
= = = v v v . Pede-se:
a) Encontre o Subespao de IR
4
gerado por v v e v
1 2 3
, ;
b) O vetor ( ) = 1 , 1 , 0 , 2 u ? Por que?
c) O vetor ( ) = 1 , 5 , 6 , 3 u ? Por que?
d) Os vetores v v e v
1 2 3
, so LI ou LD ? Justificar!
e) Qual a dimenso de (dim) ? Por que?
f) Encontre uma base de . Justificar!
33. Sejam os vetores ( ) ( ) ( ) 2 , 0 , 1 , 1 , 5 , 1 , 2 , 3 , 4 , 2 , 1 , 3
3 2 1
= = = v v v . Pede-se:
a) Encontre o Subespao de IR
4
gerado por v v e v
1 2 3
, ;
b) O vetor ( ) = 5 , 1 , 3 , 2 u ? Por que?
c) O vetor ( ) = 0 , 2 , 1 , 1 u ? Por que?
d) Os vetores v v e v
1 2 3
, so LI ou LD ? Justificar!
e) Qual a dimenso de (dim) ? Por que?
f) Encontre uma base de . Justificar!
Mudana de Base
34. Sejam as bases =
e =
de
, onde
= 1,0 ::
= 0,1
= 1,1 ::
= 2,1
a) Calcule a matriz de transio
b) Sendo
=
3 5
, encontre as coordenadas
.
35. Seja =
e =
e =
, onde
= 2,0,1 ::
= 1,2,0 ::
= 1,1,1
= 6,3,3 ::
= 4, 1,3 ::
= 5,5,2
a) Calcule a matriz de transio
b) Sendo = 4, 9,5, encontre as coordenadas
.
c) Com base nas informaes obtidas nos itens anteriores (
), calcule
NMF105 Notas de aula 87
36. Sendo um dado vetor de coordenadas
=
4
5
1
e matriz de transio
2 2 1
1 1 2
1 1 1
, encontre o vetor correspondente nova base
NMF105 Notas de aula 88
RESPOSTAS
1. a) Sim :: b) Sim :: c) No :: d) Sim :: e) No
f) Sim :: g) Sim :: h) No :: i) Sim :: j) Sim
2. = 3
+2
+4
3. =
4. a) = 3
b) 16 +10
5. a) =
+2
b) Impossvel
6. a) Sim, porque ( +2 = 1 +2.2 3 = 0) e = 0 = 0
b) No, porque +2 = 3 +2.1 4 0
c) No, porque = 1 0
7. a) , ,
/ = 2 = 3
b) , ,
/ 7 +5 4 = 0
c) , ,
/ + = 0
d)
8. a) = , ,
/ 10 +3 = 0
b) = 13
9. = 7
10. a) =
+ + / = 2 +
b) =
+ / ,
c) =
11. A reta = 2
12. =
/ + + = 0
13. a) LI
b) LD
c) LI
d) LD
14. a) LI
b) LI
c) LD
d) LD
e) LD
f) LI
g) LD
15. a) LD
b) LI
c) LD
d) LI
16. Itens b e d
17. LI
18. 3
NMF105 Notas de aula 89
19. = 3
20.
21. Itens a e d
22. 2
23. , = 2 +32, 1 + +23,2
24. Itens a e d
25. Itens b, c e d
26.
27. a)
0 1 1
1 1 2
1 0 1
= 0. Ou seja, B LD.
b) 0,1,1, 1,1,0, 0,0,1
28. a)
1 1 0
0 2 1
1 1 0
0. Ou seja, B LI.
b)
::
::
29. a) dim = 2
b) dim = 1
c) dim = 1
d) dim = 1
e) dim = 2
f) dim = 2
30. a) dim = 2 b) dim = 3 c) dim = 2 d) dim = 3
31. a) dim = 2, porque o subespao funo de 2 variveis =
2
b) No uma base porque
1 1
0 1
=
2
e
2 1
3 4
.
32. a) = , , ,
/ 2 + + = 0
b) No. , porque no satisfaz a condio 2 + + = 0.
c) Sim. .
d) LI, porque nenhum dos 3 vetores pode ser escrito como uma combinao linear dos
outros dois.
e) dim = 3
f)
/ + + = 0 + = 0
b) No. , porque no satisfaz a condio + = 0.
c) Sim. .
NMF105 Notas de aula 90
d) LD, porque
CL de
e) dim = 2
f)
. Ou seja,
so LI.
34. a)
=
1 2
1 1
b)
=
7 2
. Ou seja, 3
+5
= 7
+2
.
35. a)
=
2 2 1
1 1 2
1 1 1
c)
=
1 2 2
d)
=
4 5 1
36.
=
1 2 2
NMF105 Notas de aula 91
NMF105 ALGEBRA LINEAR
Prof. Emerson Costa (responsvel pela disciplina)
Prof. Fabio Lacerda (flacerda@fumec.br)
UNIDADE 4 TRANSFORMAES LINEARES Notas de Aula
Uma transformao linear uma aplicao que leva vetores de um espao vetorial em outro.
Denota-se uma transformao linear como : , onde a transformao linear (uma
aplicao, mapeamento, funo, etc) de em , sendo (um espao vetorial) o domnio e
(um espao vetorial) o contradomnio.
Definio: Se : uma funo de um espao vetorial em um outro espao vetorial
, ento chamada uma transformao linear de em se, para quaisquer
vetores e em e qualquer escalar valem
(i) + = +;
(ii) = .
No caso especial em que = , a transformao linear chamada um operador linear
de .
Observaes.
Ns escrevemos : para indicar que aplica vetores do espao vetorial em
vetores do espao vetorial . Isto , uma funo com domnio , contra domnio
e cuja imagem um subconjunto de ;
lido " de ", de modo anlogo notao funcional , que lida " de ";
No caso especial em que = , ou seja, uma transformao linear : , que tem
como domnio e contra domnio o mesmo espao vetorial , a transformao linear
chamada um operador linear de ;
As duas condies (i) e (ii) da definio podem ser aglutinadas numa s:
+ = +.
NMF105 Notas de aula 92
Exemplo: Dentre as transformaes, verifique quais so lineares:
a) :
, , = 2 +3
b) :
, , = 2, 3
c) :
, , = +,
d) :
, , = +, 0,0
e) :
, , = 2 +3 +4
f) :
, , =
g) :
, , = +, 1,3
Soluo:
Sendo =
e =
...
a) :
, , = 2 +3
(i) + =
Como , = 2, 3,
faz-se =
e =
, = 2 +3 = 2
+3
= 2
+2
+3
+3
= 2
+3
+2
+3
= +
(ii) =
, = 2 +3 = 2
+3
= 2
+3
=
Concluso: , = 2 +3 uma transformao linear
b) :
, , = 2, 3
(i) + =
Como , = 2, 3,
faz-se =
e =
NMF105 Notas de aula 93
, = 2, 3 = 2
, 3
= 2
+2
, 3
+3
= 2
, 3
+2
, 3
= +
(ii) =
, = 2, 3 = 2
, 3
= 2
, 3
= 2
, 3
=
Concluso: , = 2, 3 uma transformao linear
c) :
, , = +,
(i) + =
Como , = 2, 3,
faz-se =
e =
, = +, =
= +
(ii) =
, = +, =
=
Concluso: , = +, uma transformao linear
d) :
, , = +, 0,0
(i) + =
Como , = 2, 3,
faz-se =
e =
, = +, 0,0 =
, 0,0
=
, 0,0 +
, 0,0
= +
(ii) =
, = +, 0,0 =
, 0,0
=
, 0,0
=
NMF105 Notas de aula 94
Concluso: , = +, 0,0 uma transformao linear
e) :
, , = 2 +3 +4
(i) + =
Como , = 2, 3,
faz-se =
e =
, = 2 +3 +4 = 2
+3
+4
= 2
+2
+3
+3
+4 = 2
+3
+2
+3
+4
=
+4
+
Concluso: , = 2 +3 +4 no uma transformao linear porque
0,0 = 4
f) :
, , =
(i) + =
Como , = 2, 3,
faz-se =
e =
, =
+2
+2
+2
, 2
+
Concluso: , =
, , = +, 1,3
Concluso: , = +, 1,3 no uma transformao linear porque
0,0 = 0,1,3 0,0,0
NMF105 Notas de aula 95
L LI IS ST TA A D DE E E EX XE ER RC C C CI IO OS S 4 4
Transformaes Lineares
1. Dentre as transformaes, verifique quais so lineares:
a) ( ) ( ) y x y x y x T T 5 2 ; 3 ; , :
2 2
+ =
b) ( ) ( )
2 2 2 2
; ; , : y x y x T T =
c) ( ) ( ) 0 ; ; , :
2 2
y x y x T T =
d) ( ) ( ) 2 ; , :
2
x x T T =
e) ( ) z y x z y x T T + = 2 3 ; ; , :
3
f) ( ) ( )
|
|
\
|
(
+
=
y x y
x y
y x T M T
2
3 2
; , 2 , 2 :
2
g) ( ) ( ) c b c a
d c
b a
T M T + =
|
|
\
|
(
; , 2 , 2 :
2
h) ( )
+ +
=
z x
z y x
z y x T T
2
3 2
; ; , :
2 3
RESPOSTAS
1. a) T linear
b) T no linear
c) T linear
d) T no linear
e) T linear
f) T linear
g) T linear
h) T linear
NMF105 Notas de aula 96
BIBLIOGRAFIA E REFERNCIAS
(Anton, 2001) Anton, H; Rorres, C. lgebra Linear com Aplicaes. 8 edio. Porto Alegre:
Bookman, 2001.
(Kolman, 2008) Kolman, B. Introduo lgebra Linear com Aplicaes. 8 edio. LTC, 2008.
(Lipschutz, 1994) Lipschutz, S. lgebra Linear: 591 Problemas Resolvidos, 442 Problemas
Suplementares. 3 edio. Makron Books, 1994.
(Boldrini, 1986) Boldrini, J. L. lgebra Linear. 3 edio. Harbra, 1986.