Académique Documents
Professionnel Documents
Culture Documents
Matrizes
Em matemtica, uma matriz m n uma tabela de m linhas e n colunas
de smbolos sobre um conjunto, normalmente o conjunto dos nmeros reais R,
representada sob a forma de um quadro. As matrizes so utilizadas na resoluo de sistemas de equaes lineares e no estudo das transformaes lineares,
assuntos que sero abordados mais a frente nesse curso.
Aplicaes de matrizes so encontrados em inmeras reas da cincia. Em todos os ramos da fsica, incluindo a mecnica clssica, eletromagnetismo, ptica,
mecnica quntica, e eletrodinmica quntica, matrizes so usadas para estudar fenmenos importantes, tais como o movimento de corpos rgidos.
Matrizes tambm so utilizadas para representar estados, transformaes e medies realizadas em determinados sistemas. Em computao grfica, matrizes
so usadas para projetar uma imagem tridimensional em uma tela bidimensional. Em teoria de probabilidade e estatstica, matrizes estocsticas so
usados para descrever conjuntos de probabilidades. Esse tipo de matriz
aparece, por exemplo, no algoritmo PageRank, que classifica as pginas em uma
pesquisa no Google.
Nesse captulo veremos alguns aspectos da lgebra matricial. Matrizes de
mesmo tamanho podem ser somadas ou subtradas: soma-se ou subtrai-se cada
elemento individualmente. A regra que se aplica multiplicao matricial
3
1.1
Definio
a
a12
11
a21 a22
A = ..
..
.
.
am1 am2
a1n
a2n
. . . ...
amn
1 2 3
A=
4 5 6
uma matriz do tipo 2 3.
Cada um dos smbolos que aparece em uma matriz chamado de elemento
ou entrada da matriz. Um elemento de uma matriz A que est na i-sima linha
e na j-sima coluna chamado de elemento ij ou (i, j)-simo elemento de A.
Ele escrito como aij ou A[i, j]. No exemplo anterior, o elemento a12 2, o
nmero que aparece na primeira linha e segunda coluna do quadro.
Dizemos que duas matrizes A e B so iguais se elas tm o mesmo tamanho
e os elementos correspondentes so iguais, ou seja, se A e B so ambas m n
e aij = bij para todos os valores de i e j.
Trs tipos de matrizes recebem nomes especiais:
3 7 2
1 11 7
2 6 3
1
2
1
,B = 1
3 , C = 1 2 4 0 , D = ,
A=
3 4
3
0 1
0
3
1
4
5
h
i
E = 2 , F = 7 3 1 4 4 .
2
1 1 0 5
5 1 2 0 1
1.2
1.2.1
1 8 3
A=
,
4 2 5
ao multiplic-la pelo escalar 2 obtemos
1 8 3 2 1 2 8 2 (3) 2 16 6
.
2A = 2
=
=
8 4 10
4 2 5
2 4 2 (2) 2 5
1.2.2
A = 1 0 e B = 7 5 .
1 2
2 1
A + B = 1 0 + 7 5 = 1 + 7 0 + 5 = 8 5 .
1+2 2+1
3 3
1 2
2 1
A = 1 1 2 e 2 5 0 .
2 1 1
3 2 2
1
1 2 + 2 5 0 = 1 + 2 1 5 2 + 0 = 3 4 2 .
3 2 2
2 1 1
32 2+1 21
1 3 1
A = 1 0 e B = 7 5 .
2 1
1 2
A B = 1 0 7 5 = 1 7 0 5 = 6 5 .
1 2
2 1
12 21
1 1
A = 1 1 2 e 2 5 0 .
2 1 1
3 2 2
1
1 2 2 5 0 = 1 2 1 (5) 2 0 = 1 6 2 .
5 1 3
3 (2) 2 1 2 (1)
2 1 1
3 2 2
1.2.3
Multiplicao de matrizes
A[i, k]B[k, j]
1 0 2
A=
1 3 1
e a matriz 3 2
3 1
B = 2 1
1 0
3 1
1
0
2
(1
3
+
0
2
+
2
1)
(1
1
+
0
1
+
2
0)
5
1
2 1 =
=
.
1 3 1
(1 3 + 3 2 + 1 1) (1 1 + 3 1 + 1 0)
4 2
1 0
21+13
2 0 + 1 3 2 2 + 1 1
1 1 + 0 (1) 1 0 + 0 3 1 2 + 0 1
2 3 7
= 5 3 5 .
1 0 2
3 1
1
0
2
2 1
=
1 3 1
1 0
10
A= 1 0 2
e a matriz 3 2
3 1
B = 2 1
1 0
1 0 2 2 1 = (1 3 + 0 2 + 2 1) (1 1 + 0 1 + 2 0) = 5 1 .
1 0
11
1.2.4
Transposio
a
a12
11
a21 a22
A = ..
..
.
.
am1 am2
. . . a1n
a a21
11
. . . a2n
a12 a22
T
..
. . . ... A = ...
.
. . . am,n
a1n a2n
. . . am1
. . . am2
. . . ... .
. . . amn
1. Se A = 1 2 , ento AT =
h
Exemplo 13.
1
2
1 3
1 2
ento AT =
.
2. Se A =
3 4
2 4
Proposio 1. Seja c uma constante real e A e B matrizes de tamanho adequado. As seguintes propriedades so vlidas:
12
1. AT
T
= A;
2. (A + B)T = AT + B T ;
3. (cA)T = cAT ;
4. (AB)T = B T AT .
Demonstrao.
1. AT
2.
T
P
k
ajk bki =
P
k bki ajk
= B T AT [i, j].
2 1
5 10
A=
eB=
4 2
15 0
calcule A + B, 2A 3B, 12 A + 5B.
Exerccio 3. Utilizando as matrizes do exerccio 2, calcule AB e BA (utilize
um computador para realizar as contas). Conclua que o produto de matrizes
no comutativo.
13
3 0
.
C=
1 2
1. Utilizando as matrizes A e B do exerccio 2, calcule (A + B) + C e A +
(B + C) (efetue primeiro a operao que est entre parnteses. Utilize um
computador para realizar as contas). As duas matrizes obtidas so iguais?
Esse resultado ilustra a propriedade associativa da soma de matrizes.
2. Calcule (AB)C e A(BC) (utilize um computador para realizar as contas).
As duas matrizes obtidas so iguais? O resultado ilustra a propriedade
associativa do produto de matrizes.
Exerccio 5. Seja
1 0
I=
.
0 1
Utilizando as matrizes dos exerccios 2 e ??, calcule AI, IA, BI, IB, CI,
IC (utilize um computador para realizar as contas). Voc percebe alguma
propriedade interessante ao calcular esses produtos? A matriz I chamada
matriz identidade. Veremos algumas propriedades dessa matriz na subseo
1.3.4.
Exerccio 6. Entre as matrizes abaixo, quais podem ser somadas e quais podem
ser multiplicadas? Justifique. Em caso afirmativo, calcule a soma ou o produto.
0 1
2 1 9
1. X =
,Y =
;
4 2
4 72 8
2 10 1
2
1
9
;
2. X = 4 3 2 , Y =
4 2 8
3 4 1
0 1 3
2 1 9
3. X =
,Y =
;
4 2 8
4 2 2
14
0 1 3
4. X =
, Y = 4 2 8 .
4 2 2
1 0 1
2
x2
A=
.
2x 1 2
Se A = AT , encontre o valor de x.
Exerccio 9. Verique se as armativas abaixo so verdadeiras ou falsas. Quando
uma armativa for falsa, tente consert-la para que se torne verdadeira.
1. (A)T = (AT );
2. (A + B)T = B T + AT ;
3. (A)(B) = (AB);
4. Se podemos efetuar o produto AA, ento A uma matriz quadrada;
5. Se AB e BA so definidos, ento A e B so matrizes quadradas;
15
1.3
1.3.1
A diagonal principal de uma matriz quadrada corresponde aos elementos aij com
i = j.
a
a
a
11
12
1n
.. . . . ..
..
.
.
.
1
0
, 0 2 0 , 0 1 0 , 0 0 0
0 1
0 0 3
0 0 5
0 0 0
16
1.3.2
Matrizes triangulares
17
A = 0 3 4
0 0 1
uma matriz triangular superior e a matriz
1 0 0
B = 2 8 0
4 9 7
1.3.3
Matrizes Nulas
h i
01,1 = 0 , 02,2
0 0
0 0 0
=
, 02,3 =
0 0
0 0 0
so matrizes nulas.
Em geral, a matriz nula m n tem a forma
0m,n
0
= ..
.
0
0
..
.
0
...
0
0
.. .
.
0
18
1.3.4
Matrizes Identidade
0
In = ..
.
0
1
..
.
0
...
0
0
..
.
1
1.3.5
Matrizes Simtricas
19
7
4 5
3 5 6
1.3.6
Matrizes Anti-simtricas
2 0 4
1 4 0
20
1.3.7
Matrizes Idempotentes
Uma matriz idempotente uma matriz que, ao ser multiplicada por si mesma,
resulta em si mesma, isto , AA = A.
Exerccio 13. Mostre que se o produto AA possvel, A deve necessariamente
ser uma matriz quadrada.
Exerccio 14. Mostre que as matrizes
2 2 4
1
0
e 1
3 4
0 1
1 2 3
so idempotentes.
Exerccio 15. Mostre que uma matriz 2 2 que pode ser escrita na forma
a
b
c 1a
com a2 + bc = a, em que a, b e c so nmeros reais quaisquer, idempotente.
1.3.8
Matrizes Nilpotentes
0 0 0
0 0 0
21
0 0 a , a 6= 0
0 0 0
a 0 0 , a 6= 0
a a 0
0 a 0
0 0 a
nilpotente?
1.4
Utilizando o Matlab
Vamos descrever aqui alguns comandos simples que podem ser usados para a
manipulao de matrizes. Outros comandos sero introduzidos ao longo do
curso a medida que forem necessrios.
A=[a11 a12 ...a1n; a21 a22 ... a2n; ... ; am1 am2 amn] cria uma
matriz m n usando os elementos a11, a12, ..., amn e a armazena numa
matriz de nome A.
22
1 2
A=
4 5
O Matlab possui um comando especial para criar uma matriz identidade.
O comando I=eye(n) cria a matriz identidade n n e a armazena na
matriz I.
Existe tambm um comando especial para matrizes nulas. O comando
O=zeros(n) cria a matriz nula quadrada nn e o comando O=zeros(m,n)
cria a matriz nula m n e a armazena na matriz de nome 0.
O comando k*A calcula o produto do nmero previamente definida k pela
matriz previamente definida A.
A soma de matrizes pode ser facilmente realizada com o comando A+B,
que calcula a soma das matrizes previamente definidas A e B.
De maneira anloga, o comando AB calcula a diferena das matrizes A
e B.
O produto de matrizes feito atravs do comando A*B, que calcula o
produto de duas matrizes previamente definidas A e B.
O comando A.' calcula a transposta da matriz previamente definida A.
O comando A^k calcula o produto da matriz A por ela mesma k vezes.
O comando
O Matlab mais adequado para fazer clculos com nmeros. Outros softwares so mais indicados para fazer clculos com letras, isto , com variveis
23
simblicas. Ainda assim, o Matlab oferece a possibilidade de clculos simblicos. O comando syms x y z diz ao MATLAB que as variveis x, y e z so
simblicas.
Utilizando os comando introduzidos acima, resolva os problemas abaixo.
Exerccio 18. Utilize o MATLAB para conferir as respostas dos exerccios nmericos enunciados anteriormente.
Exerccio 19. Utilize o MATLAB para calcular a transposta da matriz F do
exemplo 1. Calcule o produto dessa transposta pela prpria matriz F .
Exerccio 20. Utilize o MATLAB para encontrar o menor valor natural de k
para o qual Ak = I, em que
A=
0
1
0
0
1
0
0
0
0
0
0
1
0
.
1
0
A=
0
0
0
0
1
0
0
0
0
1
0
0
0
.
1
0
Sistemas Lineares
26
2.1
Equaes Lineares
2.2
27
3x + 2y z = 1
2x 2y + 4z = 2
x + 21 y z = 0
um sistema de trs equaes com trs variveis (x, y e z). Uma soluo
para um sistema linear uma atribuio de nmeros s variveis que satisfaz
simultaneamente todas as equaes do sistema. Uma soluo para o sistema
acima dada por
x = 1
y = 2
z = 2
j que esses valores tornam vlidas as trs equaes do sistema em questo. A
palavra "sistema"indica que as equaes devem ser consideradas em conjunto,
e no de forma individual, ou seja, procuramos por valores das variveis que
satisfaam, simultaneamente, todas as equaes do sistema.
De maneira geral, um sistema linear com m equaes lineares e n incgnitas
pode ser escrito na forma:
.
.
.
.
a x
m1 1 + am2 x2 + + amn xn = bm .
onde x1 , x2 , . . . , xn so as incgnitas, a11 , a12 , . . . , amn so os coeficientes do
sistema e b1 , b2 , . . . , bm so termos constantes.
Muitas vezes, os coeficientes e as incgnitas so nmeros reais ou complexos, mas pode-se encontrar tambm nmeros inteiros e racionais ou elementos
de uma estrutura algbrica abstrata. Nesse curso trabalharemos apenas com
sistemas lineares com coeficientes e incgnitas reais.
Em geral, as incgnitas representam propriedades de um determinado problema real, que devem satisfazer certas condies representadas pelas equaes
28
2.2.1
Mtodo da substituio
2x + 3y = 6
4x + 9y = 15.
29
Exemplo 21.
x + 2y z = 1
y + z = 2
x + 3y
= 0
x + 2y z = 1
y + z = 2.
x + y z = 1
x 2y + z = 0
30
1 + 2z
.
3
2+z
2 + 4z
z =
.
3
3
2+z
2 + 4z
, y=
, z R.
3
3
No exemplo 20, vemos um sistema que possui uma nica soluo; no exemplo
21, vemos um sistema que no possui soluo e no exemplo 22, um sistema
que possui infinitas solues. Veremos mais adiante que essas so as nicas
possibilidades.
O mtodo de substituio funciona para qualquer sistema, para qualquer
nmero de equaes e de incgnitas. No entanto, ele se torna extremamente
trabalhoso quando o nmero de incgnitas passa de trs. Alm disso, ele no
adequado para implementaes computacionais. Na prxima seo veremos
como reescrever um sistema utilizando notao matricial e como utilizar as matrizes envolvidas para desenvolver um mtodo mais eficiente para a soluo do
sistema.
Exerccio 22. Resolva os sistemas abaixo utilizando o mtodo de substituio:
1.
x + 3y = 4
2x + y = 1;
31
2.
2.3
x + y z = 3
x + 3y 5z = 10
x + 4y 3z = 5.
(2.1)
considere as matrizes
a
a12
11
a21 a22
A = ..
..
.
.
am1 am2
a1n
a2n
. . . ... ,
amn
b
1
b2
B = .. .
.
bm
x
1
x2
X = .. ,
.
xn
b
= 2.
..
bm
32
A = 0 1 0 e B = 1 .
0 0 1
2
1
x1
1 0 0 x1
0 1 0 x = x = 1
2
2
x3
0 0 1 x3
o que implica que x1 = 1, x2 = 1, x3 = 2.
No exemplo anterior, a resoluo da equao matricial pode ser feita de
forma trivial. Nem sempre esse o caso. Vamos agora descrever um mtodo que
pode ser utilizado para resolver qualquer equao matricial da forma (2.2). Esse
mtodo consite, essencialmente, em aplicar equao operaes que simplificam
a forma da matriz A sem alterar o conjunto de solues do sistema. O objetivo
final obter uma matriz o mais parecida possvel com a matriz do exemplo 23.
2.4
O mtodo de eliminao de Gauss (tambm conhecido como mtodo do escalonamento) um importante algoritmo para resolver sistemas de equaes
lineares. Esse algoritmo consiste da aplicao de uma sequncia de operaes
33
realizadas sobre a matriz associada ao sistema, afim de transform-lo num sistema de mais fcil resoluo que possui as mesmas solues que o original. Este
mtodo tambm pode ser utilizado para vrios outros objetivos, como veremos
melhor mais adiante. O mtodo recebeu o nome do matemtico Carl Friedrich
Gauss (1777-1855), apesar de j ser conhecido por matemticos chineses j em
179 dC.
As operaes que podem ser utilizadas para simplificar o sistema sem alterar
seu conjunto de solues so chamadas operaes elementares. So elas:
1. Trocar duas equaes de lugar;
2. Multiplicar uma equao por um nmero qualquer diferente de 0;
3. Substituir uma equao pela sua soma com um mltiplo de outra equao.
Quando aplicamos operaes elementares sobre as equaes de um sistema
linear, somente os coeficientes do sistema so alterados, assim podemos aplicar
as operaes sobre a matriz de coeficientes do sistema
a
a12
11
a21 a22
..
..
.
.
am1 am2
a1n
a2n
. . . ...
amn
| b1
| b2
.
| ..
| bm
2.
2x + 3y z = 1
5x + y + 10z = 2
x y + z = 3.
x + 2y z + w = 3
2x + 3y 5z + 2w = 10
x + 4y 3z + 4w = 5.
34
x + 3y 2z = 4
2x + y z = 1.
1 2 3
4 5 6
7 8 9
2
3
7 8 9
4 5 6 .
1 2 3
1 2 3
1 2 3
4 5 6 | 2 8 10 12 .
7 8 9
7 8 9
3. Substituir uma linha pela sua soma com um mltiplo de outra linha da
matriz [A|B].
Exemplo 26. Somar terceira linha 1 vezes a segunda linha:
1 2 3
4 5 6
7 8 9
+
(1)
1 2 3
4 5 6 .
3 3 3
35
36
x +
z = 1
x + 2y + z = 1
3x + y
= 0
1 2
1 | 1 .
3 1 0 | 0
Vamos aplicar agora uma srie de operaes elementares com o objetivo de simplificar ao mximo a matrix A que est do lado esquerdo da matriz aumentada.
O objetivo deixar apenas um elemento no nulo em cada coluna. Veremos ao
final desse exemplo que quando isso acontece a resoluo do sistema trivial.
Vamos comear com a primeira coluna. Na primeira linha aparece o elemento a11 = 1. Ele ser o nico elemento no nulo da primeira coluna ao final
do processo. Devemos agora zerar os outros elementos da primeira coluna. Para
zerar o elemento a21 , multiplicamos a primeira linha por 1 e somamos segunda linha. Para zerar o elemento a31 multiplicamos a primeira linha por 3 e
somamos terceira linha.
1 0 1 | 1
1 2
1 | 1
+
3 1 0 | 0
(1)
1 0 1 | 1
0 2 2 | 2
3 1 0 | 0
+
(3)
1 0 1 | 1
0 2 2 | 2 .
0 1 3 | 3
37
1 0 1 | 1
1 0 1 | 1
0 2
2 | 2 | 2 0 1 1 | 1 .
0 1 3 | 3
0 1 3 | 3
Vamos agora zerar o elemento a32 para que a22 seja o nico elemento no
nulo nessa coluna. Para isso, multiplicamos a linha 2 por 1 e somamos linha
3.
1 0 1 | 1
0 1
1 | 1
0 1 3 | 3
+
1 0 1 | 1
0 1 1 | 1 .
0 0 2 | 2
(1)
0 1
.
1
|
1
0
1
1
|
1
0 0 2 | 2 | 12
0 0 1 | 1
Vamos agora zerar os elementos a13 e a23 para que o elemento a33 seja o
nico elemento no nulo da terceira coluna. Para isso somamos a terceira linha
primeira e em seguida multiplicamos a terceira linha por 1 e somamos
segunda.
1 0 1 | 1 +
0 1
+
1 | 1
1
0 0 1 | 1
1 0 0 | 0
0 1 0 | 0 .
0 0 1 | 1
(1)
A matriz acima no pode ser mais simplificada atravs de operaes elementares. Quando chegamos a esse ponto transformamos a matriz aumentada
novamente em um sistema. Nesse caso temos
38
x
+ 0y + 0z = 0
0x +
y
+ 0z = 0
0x + 0y +
z
= 1
0
0
0
1
0
, B =
, C = 0 1 1 , D = 0 1 0 , E = 0 1 1 .
A=
4 5
1 1 2
0 0 1
0 0 1
0 0 0
39
x
z = 2
2x 2y + z = 1
3x 2y
= 4
2 2
1 | 1
+
3 2 0 | 4 +
(3)
0
0
0
0
0
0
0 1
2 3
2 3
0 1
3
1
2
2 3
0 1 |
1 23 |
0 0 |
|
|
|
|
|
|
3 | 12
2
2
32
+
2
32 .
1
z
= 2
3z
y
+
= 32
2
0x + 0y + 0z = 1
40
que um sistema sem soluo, uma vez que a terceira equao implica que
0 = 1, o que obviamente no uma igualdade verdadeira.
Observe que nesse caso no necessrio completar todo o escalonamento
para ver que o sistema no possui soluo. Aps a primeira etapa do escalonamento a segunda equao equivale a 2x + 3y = 3 enquanto a terceira
equao equivale a 2x + 3y = 2 que claramente no podem ser satisfeitas
simultaneamente.
Exemplo 30. Vamos resolver o sistema linear
x
z = 2
2x 2y + z = 1
3x 2y
= 3
2 2
1 | 1
+
3 2 0 | 3 +
(3)
0
0
0
0
0
0
0 1
2 3
2 3
0 1
3
1
2
2 3
0 1 |
1 32 |
0 0 |
|
|
|
|
|
|
3 | 21
3
2
32
+
3
23 .
0
z
= 2
3z
y
+
= 23
2
0x + 0y + 0z = 0
41
z = 2
y + 3z2 = 32
x
z + w = 2
2x y + z + 2w = 0
2x 2y + 5z + w = 3
42
2 1
1 2 | 0
+
2 2 5 1 | 3 +
(2)
0 1 1 | 2
1 3 0 | 4 | 1
2 7 1 | 1
0 1 1 | 2
2
1 3 0 | 4
2 7 1 | 1
+
0 1 1 | 2
+
+
1 3 0 | 4
3
0 1 1 | 7
0 0 0 | 9
1 0 3 | 25 .
0 1 1 | 7
= 9
x
y
3w = 25
z w = 7
o que implica que x = 9 e y = 25 + 3w e z = 7 + w. Como no h outra
equao que possa ser utilizada para determinar o valor de w, essa vriavel pode
assumir qualquer valor real. Logo o sistema possui infinitas solues, uma para
cada valor real da varivel w.
Exemplo 32. Vamos resolver o sistema linear
x
z + w = 2
2x y + z + 2w = 0
3x y
+ 3w = 3
43
2 1
1 2 | 0
+
3 1 0 3 | 3 +
(3)
1 0 1 1 | 2
0 1 3 0 | 4 .
0 1 3 0 | 3
x
z + w = 2
2x y + z + 2w = 0
3x y
+ 3w = 2
2 1
1 2 |
3 1 0 3 |
1 0
0 1
0 1
(2) (3)
2
0
+
2 +
1 1 | 2
3 0 | 4
3 0 | 4
+
0
0
0
0
0 1 1
1 3 0
1 3 0
0 1 1 |
1 3 0 |
0 0 0 |
| 2
| 4 | 1
| 4
4 .
0
z
+
w
= 2
y
3z +
= 4
0x + 0y + 0z + 0w = 0
44
z + w = 2
y 3z +
= 4
2x
x
x
3x
+
+
y
y
2y
3y
=
=
=
=
3
0
3
6
45
1 1 | 0
2 1 | 3
1 1 | 0
1 | 3
+
2
1
1
2 | 3 +
2 | 3
3 3 | 6 +
3 3 | 6
1 1 | 0
0
(3) (6)
1 | 1
3 | 3
+
0
0 6 | 6 +
1 0 | 1
0 1 | 1
0 0 | 0
0 0 | 0
1 1 | 0
0
3 | 3 | 13
0
3
|
3
0 6 | 6
1 1 | 0
+
0
1 | 1
0
0 | 0
0 0 | 0
x
= 1
y
= 1
0x + 0y = 0
0x + 0y = 0
Observe que as duas ltimas equaes se reduzem a 0 = 0 e portanto podem
ser descartadas. J as duas primeiras implicam que x = 1 e y = 1 e portanto o
sistema possui soluo nica.
Observe que a terceira equao do sistema inicial obtida subtraindo a segunda equao da primeira, enquanto a quarta equao pode ser obtida subtraindose a segunda equao do dobro da primeira. Isso quer dizer que essas equaes no fornecem nenhuma informao adicional sobre as variveis e portanto
podem ser eleminadas.
46
2x
x
x
3x
+
+
y
y
2y
3y
=
=
=
=
3
0
2
6
2
1 | 3
1
2 | 2
3 3 | 6
1 1 | 0
0
3 | 3
0
3
|
2
0 6 | 6
2 1 | 3
1 1 | 0
1
2 | 2
3 3 | 6
(2)
(1)
(3)
+
+
+
.
x + y + z
x y + z
2x
+ 2z
3x + y + 3z
=
=
=
=
1
3
4
5
47
1 1 1 |
2
0 2 |
3 1 3 |
0
0
0
3
+
4 +
5 +
1 1 | 1
2 2
1 0 | 1
2 0 | 2
+
2 0 | 2 +
0
0
0
0
0
0
0
0
0
1 1
2 0
2 0
2 0
1 1 |
1 0 |
0 0 |
0 0 |
0 1 |
1 0 |
0 0 |
0 0 |
| 1
| 2 | 21
| 2
| 2
1
+
(1)
1
0
0
1
.
0
0
x
+
z
= 2
y
= 1
0x + 0y + 0z = 0
0x + 0y + 0z = 0
Observe que as duas ltimas equaes se reduzem a 0 = 0 e portanto podem
ser descartadas. J as duas primeiras implicam que x = 2 z e y = 1. Como
no h mais equaes para determinar o valor de z, segue que o sistema tem
infinitas solues, uma para cada valor real de z.
Observe que a terceira equao do sistema inicial obtida somando-se a
segunda equao com primeira, enquanto a quarta equao pode ser obtida
somando-se segunda 2 vezes a primeira. Isso quer dizer que essas equaes
no fornecem nenhuma informao adicional sobre as variveis e portanto podem
ser eleminadas.
48
Observe dos exemplos acima que um piv sozinho em uma linha determina
unicamente o valor da varivel correspondente. Uma linha de zeros corresponde
a uma equao que no fornece nenhuma informao relevante sobre o sistema
e pode ser descartada. Equaes contraditrias implicam que sistema no tem
soluo. Linhas com duas entradas no nulas geram uma dependncia entre as
respectivas variveis.
Exerccio 24. Utilizando o mtodo de Gauss-Jordan, encontre as solues dos
sistemas lineares abaixo:
1.
2.
3.
4.
5.
6.
7.
x + y = 3
x y = 1
x + 2y = 5
2x + 5y = 12
x + y = 4
x 2y = 1
2x y = 4
x + y = 2
3x + y = 5
5x + 3y = 9
x + 2y z = 3
x y + z = 1
x + y + 2z = 3
2x + 4y 3z = 4
x + 3y 5z = 2
2x + 3y z + w = 1
5x + y + 10z + 2w = 2
3x 2y + 11z + w = 3
49
x 2y 2z = 2
2x 4y 3z = 7 ,
x 2y + z = 4
x 2y 2z = 2
2x 4y 3z = 5 .
x 2y + z = 0
A = 2 4 3 ,
1 2 1
50
2 4 3 | 7 | 5
1 2 1 | 4 | 0
0
0 1 | 0 | 0 ,
0 0 0 | 1 | 31
2.5
51
x + y + z = 2
x y +z = 1
2x
+ 2z = 2
impossvel, encontrando uma combinao das trs equaes que leve equao
0 = 1. Que valor deve substituir o ltimo zero do lado direito para permitir que
o sistema tenha infinitas solues? Nesse caso, qual o conjunto de solues?
Exerccio 27. Para qual valor de a R o sistema
3x + 2y = 10
6x + 4y = a
impossvel? Por qu? Para quais valores de a o mesmo sistema possui infinitas
solues? Por qu? Nesse caso encontre o conjunto de solues. Existe algum
valor de a para o qual o sistema acima possui uma nica soluo?
Exerccio 28. Verifique se existe algum valor de a para o qual o sistema
ax + y = 1
4x + ay = 2
52
2x + by = 16
4x + 8y = g
3x 2y = b1
9x 6y = b2
ax + 2y + 3z = b1
ax + ay + 4z = b2
ax + ay + az = b3
2.6
2.6.1
53
x + y = 1
.
x y = 2
Soluo. Para encontrar a soluo do sistema, basta plotar as retas determinadas pelas duas equaes e verificar qual a sua interseo.
54
Exemplo 39.
x + y = 1
x y = 2 .
3x + y = 0
Soluo. Para encontrar a soluo do sistema, basta plotar as retas determinadas pelas duas equaes e verificar qual a sua interseo.
55
x + y = 1
x y = 2 .
3x + y = 4
Soluo. Para encontrar a soluo do sistema, basta plotar as retas determinadas pelas trs equaes e verificar qual a sua interseo.
56
2.
3.
2x + y = 3
x 2y = 1
2x + y = 3
x 2y = 1
3x y = 3
2x + y = 3
x 2y = 1
3x y = 2
4.
2.6.2
57
2x + y = 3
x + 2y = 1
3x y = 4
z = 1
y z = 2 .
x + y 2z = 3
x
Soluo. Para encontrar a soluo do sistema, basta plotar os planos determinadas pelas trs equaes e verificar qual a sua interseo.
58
z = 1
y z = 2 .
x + y 2z = 4
x
Soluo. Para encontrar a soluo do sistema, basta plotar os planos determinados pelas trs equaes e verificar qual a sua interseo.
Da figura 2.5 vemos que os planos no se interceptam em nenhum ponto e
portanto o sistema no possui soluo.
Exemplo 43.
z = 1
y z = 2 .
x y z = 1
x
59
Das figuras 2.6, 2.7 e 2.8 vemos que os planos se interceptam em um nico
ponto e portanto o sistema possui soluo soluo nica x = 1, y = 2, z = 0.
60
ax + 2y = 0
2x + ay = 0
em que a R.
1. Mostre que o sistema abaixo possui pelo menos uma soluo para qualquer
valor de a;
2. Encontre o valor de a para que o sistema possua infinitas solues. Nesse
caso, qual a representao geomtrica do conjunto de solues? Faa
um esboo.
Exerccio 34. Descreva a interseo dos trs planos x+y +z = 3, x+y z = 1
e 3x + 3y + z = 7. uma reta, um ponto, ou um conjunto vazio? Como ser
a interseo se o plano x = 1 for adicionado? Encontre uma quinta equao
que deixe o sistema sem soluo.
61
Figura 2.8: Cada reta representa a interseo de dois dos planos determinados pelas equaes do sistema. A interseo das trs retas corresponde
soluo do sistema.
Exerccio 35. Encontre dois pontos sobre a reta de interseo dos hiperplanos
w = 0, z = 0 e x + y + z + w = 1 em um espao quadridimensional.
Exerccio 36. Em que condies sobre os nmeros l, m e n os pontos (0, l),
(1, m) e (2, n) se localizam em uma linha reta?
Exerccio 37. Se trs planos se cruzam em dois pontos, onde mais eles se
cruzam?
2.7
Um sistema da forma
a11 x1
a21 x1
..
.
am1 x1
+ a12 x2 + + a1n xn = 0
+ a22 x2 + + a2n xn = 0
..
..
..
.
.
.
+ am2 x2 + + amn xn = 0
62
chamado sistema linear homogneo, que pode ser escrito na forma matricial
como
AX = 0
em que
a
a12
11
a21 a22
A = ..
..
.
.
am1 am2
a1n
a2n
. . . ... ,
amn
x
1
x2
X = .. ,
.
xn
0=
0
.
..
.
X=
0
,
..
.
3.
4.
5.
6.
7.
63
x + y = 0
x y = 0
x + 2y = 0
2x + 5y = 0
x + y = 0
x 2y = 0
2x y = 0
x + y = 0
3x + y = 0
5x + 3y = 0
x + 2y z = 0
x y + z = 0
x + y + 2z = 0
2x + 4y 3z = 0
x + 3y 5z = 0
2x + 3y z + w = 0
5x + y + 10z + 2w = 0
3x 2y + 11z + w = 0
DICA: observe que voc j tem as formas escalonadas reduzidas das matrizes A
do exercco 24. No necessrio escalonar todas as matrizes novamente.
Teorema 3. Todo sistema homogneo com menos equaes que incgnitas
possui infintas solues.
Demonstrao. Suponhamos que o sistema tenha n incgnitas. Como o
sistema tem menos equaes que incgnitas, o nmero r de linhas no nulas da
64
Exerccio 39. Mostre que as propriedades acima no so verdadeiras se o sistema no for homogneo.
2.8
Utilizando o MATLAB
65
Inverso de Matrizes
Sabemos que todo nmero real no nulo a possui um inverso multiplicativo
a1 = a1 tal que a a1 = a1 a = 1. Quando temos uma equao do tipo
ax = b em que a e b so nmeros reais conhecidos e x uma incgnita que deve
ser encontrada, basta dividirmos a equao por a para encontrar sua soluo
b
x= .
a
Esse procedimento possvel sempre que a 6= 0.
Sabemos que para matrizes a diviso no est definida e portanto o mesmo
procedimento no pode ser aplicado equao matricial AX = B para encontrar a soluo de um sistema linear. No entanto, em alguns casos possvel
definir o que chamamos de matriz inversa da matriz A, denotada por A1 , de
modo que A1 A = AA1 = I. Assim, o sistema AX = B pode ser resolvido
multiplicando-se a equao matricial por A1 :
A1 (AX) = A1 B
A1 A X = A1 B
IX = A1 B
X = A1 B.
67
68
Desse modo, sempre que possvel inverter a matriz A, o sistema pode ser
facilmente resolvido multiplicando-se B por A1 . Veremos em breve que apenas
as matrizes quadradas podem ser invertidas e que, alm disso, calcular a inversa
de uma matriz no uma tarefa trivial.
3.1
Definio e propriedades
69
3.2
3.2.1
Determinao da inversa
Aplicao da definio de inversa
2 1
.
A=
4 3
70
Soluo. Sabemos que a matriz inversa tem que ser tambm uma matriz 2 2
e portanto da forma
a b
.
A1 =
c d
O objectivo determinar os valores de a, b, c e d. Para isso aplicaremos a
definio de inversa:
1
0
a
b
2
1
.
=
0 1
c d
4 3
Resolvendo essa multiplicao de matrizes obtemos:
2a + c 2b + d 1 0
=
4a + 3c 4b + 3d
0 1
o que nos leva ao sistema de equaes:
2a + c = 1
2b + d = 0
4a + 3c = 0
4b + 3d = 1
Observe que temos dois sistemas
2a + c = 1
e
+ 3c = 0
4a
2b + d = 0
+ 3d = 1
4b
2
1
|
1
|
0
.
A=
4 3 | 0 | 1
Escalonando obtemos a matriz
1 0 | 32 | 1
2 .
A=
0 1 | 2 | 1
71
1
2 ,c
= 2 e d = 1. Assim, temos
A1 =
3
2
1
2 .
2 1
0 2
1. A =
;
3 0
2 0
2. A =
;
4 2
1 1
3. A =
.
2 2
Exerccio 44. Encontre quatro matrizes 2 2 distintas de modo que cada uma
delas seja sua prpria inversa, ou seja, A2 = I.
3.2.2
72
Para entender o mtodo, vamos novamente analizar o que acontece no exemplo 44. Nesse exemplo, escrevemos a inversa na forma
A1
a b
.
=
c d
2 1 a b 2a + c 2b + d 1 0
=
=
.
4 3
c d
4a + 3c 4b + 3d
0 1
Observe que a primeira coluna de AA1 equivale a AX1 , em que
a
X1 =
c
a primeira coluna de A1 . Essa coluna deve ser igual primeira coluna da
matriz identidade, ou seja
AX1 = E1
em que
1
E1 =
0
a primeira coluna da matriz identidade. De maneira anloga, a segunda coluna
de AA1 equivale a AX2 , em que
b
X2 =
d
a segunda coluna de A1 . Essa coluna deve ser igual segunda coluna da
matriz identidade, ou seja
AX2 = E2
73
0
E2 =
1
a segunda coluna da matriz identidade. Obtemos assim dois sistemas com a
mesma matriz de coeficientes A. Podemos ento resolv-los simultneamente
escalonando a matriz aumentada
[A|E1 |E2 ].
Observe que do lado esquerdo as colunas E1 e E2 geram a matriz identidade, e
portanto basta escalonar a matriz
[A|I].
Aps o escalonamento, obtemos a matriz aumentada
1 0 | 23 1
2
0 1 | 2 1
a = 32
c = 1
2
para o primeiro sistema e
= 2
d=1
para o segundo sistema. Veja que a matriz inversa aparece do lado esquerdo
aps o processo de escalonamento.
De maneira geral, para verificarmos se uma matriz A nn invertvel, basta
verificarmos se existe uma matriz B, tal que AB = I. Vamos denotar as colunas
da inversa B por X1 , X2 , . . . , Xn , ou seja, B = [X1 . . . Xn ], e as colunas da
74
0
0
1
0
1
0
E1 = 0 , E2 = 0 , . . . , En = 0 .
..
..
..
.
.
.
1
0
0
Assim, a equao AB = I pode ser escrita como
A[X1 . . . Xn ] = [AX1 . . . AXn ] = [E1 . . . En ],
pois a j-sima coluna do produto AB igual A vezes a j-sima coluna da
matriz B. Analisando coluna a coluna a equao anterior, vemos que encontrar
B equivalente a resolver n sistemas lineares
AXj = Ej
para j = 1, . . . , n. Cada um dos sistemas pode ser resolvido usando o mtodo
de Gauss-Jordan. Como as matrizes dos coeficietes esquerda so todas iguais
A, podemos resolver todos os sistemas simultaneamente formando a matriz
aumentada
[A|E1 E2 . . . En ] = [A|I].
Aps escalonamento, chegamos a uma matriz do tipo [R|S], em que R a
forma escalonada reduzida da matriz A. Temos duas possibilidades:
1. Se R = I, ento a forma escalonada reduzida da matriz [A|I] da
forma [I|S]. Se escrevemos a matriz S em termos das suas colunas
S = [S1 S2 . . . Sn ], ento as solues dos sistemas AXj = Ej so
X = Sj e assim B = S e A invertvel;
2. Se R 6= I, ento a matriz A no equivalente por linhas matriz identidade I. Ento a matriz R tem uma linha nula, o que implica que cada um
75
2 1
.
4 3
2 1 | 1 0
+
4 3 | 0 1
(2)
2 0 | 3 1 | 21
0 1 | 2 1
2 1 | 1 0
+
0 1 | 2 1
(1)
0 | 23 12
0 1 | 2 1
A1
3
2
12
=
.
2 1
76
0
1 1 .
1 1 1
0
1 1 | 0 1 0
1 1 1 | 0 0 1
+
1 2 0 | 1 0 0
0 1 1 | 0 1 0
0 0 2 | 1 3 1 | 12
1 2 0| 1 0 0
1
1
1
2
0 1 0 | 2 2 2
1
3
1
0 0 1 | 2 2 2
0
0
0
0
2
1
3
2
1
0
0
1
1
0
1
1
|
|
|
|
|
|
1 0
0 1
1 0
1
0
12
3
0
+
1
0 0
+
1 0
3
1
1
2 2
1 0 0| 0 1 1
0 1 0 | 21 12 12 .
0 0 1 | 21 32 21
A1 = 12
12
1 1
12 12 .
3
12
2
0
1 1 .
1 1 1
77
0
1 1 | 0 1 0
1 1 1 | 0 0 1
+
0
0
0
0
2
1
1
2
1
0
0
1
1
0
1
0
|
|
|
|
|
|
1
0
1
1
0
1
0 0
1
1 0
0 1
+
0 0
1 0 .
1 1
Como temos uma linha de zeros do lado esquerdo, podemos parar o processo de
escalonamento: a forma escalonada reduzida de A no igual a I e portanto A
no uma matriz invertvel.
Exerccio 45. Utilizando o mtodo de Gauss-Jordan, encontre, caso exista, a
inversa das matrizes abaixo:
1 0 0
2 1 0
2. A = 1 2 1 ;
0 1 12
0 0 1
3. A = 0 1 1 ;
1 1 1
1 0 0 0
4 1 0 0
.
4. A = 1 1
3 3 1 0
1 1 1
2 2 2 1
Exerccio 46. D exemplos de matrizes A e B de modo que:
78
Exerccio 47. Suponhamos que A seja uma matriz 3 3 tal que a terceira linha
obtida somando-se as duas primeiras.
1. Explique porque o sistema
1
AX =
no possui soluo;
2. Descubra quais so as condies sobre b1 , b2 e b3 para que o sistema
b1
AX = b2
b3
possua soluo;
3. Mostre que A no invertvel.
Exerccio 48. Verdadeiro ou falso:
1. Se A invertvel, A1 tambm .
2. Se A invertvel ento AT tambm .
3. Uma matriz com uma linha de zeros pode ser invertvel.
4. Uma matriz com uma coluna de zeros pode ser invertvel.
79
80
1
0 2
;B = ;
1. A =
1
3 0
2 0
1
2. A =
;B = ;
4 2
1
1 1
1
3. A =
;B = ;
2 2
1
1 0 0
1
4. A = 1 1 0 ; B = 1 ;
0 0 1
1
1
2 1 0
5. A = 1 2 1 ; B = 1 ;
1
0 1 12
1
0 0 1
6. A = 0 1 1 ; B = 1 ;
1 1 1
1
1 0 0 0
1
1
1
1 0 0
;B = .
7. A = 41 1
1
3 3 1 0
1 1 1
1
1
2 2 2
Exerccio 50. Resolva o sistema homogneo AX = 0 em que A a matriz
dada abaixo:
81
0 2
1. A =
;
3 0
2 0
;
2. A =
4 2
1 1
.
3. A =
2 2
1 0 0
2 1 0
5. A = 1 2 1 ;
0 1 12
0 0 1
6. A = 0 1 1 ;
1 1 1
1 0 0 0
1
4 1 0 0
.
7. A = 1 1
3 3 1 0
1 1 1
2 2 2 1
Observao 5. No necessrio escalonar as matrizes novamente. Observe
que essas matrizes j apareceram em exerccios anteriores.
3.3
Utilizando o MATLAB
82
A=[
% declarar a matriz
I]
rref(M)
% declarar a matriz
No captulo 5 veremos algumas aplicaes de matrizes e sistemas e utilizaremos esse comando para calcular a inversa. No utilize o comando inv(A) para
calcular as inversas dos exerccios nmericos acima, mesmo que voc utilize um
computador para fazer o escalonamento das matrizes. O processo de escalonamento importante para entender o que acontece quando uma matriz tem
inversa e quando ela no tem. Utilizando o comando inv(A) diretamente essa
intuio perdida, uma vez que os clculo realizados para obter a inversa no
so mostrados pelo MATLAB.
Exerccio 51. Defina A= ones(4,4) e B=rand(4,1). Resolva o sistema AX =
B.
Exerccio 52. Defina A= ones(4,4) e B=ones(4,1). Resolva o sistema AX =
B.
Exerccio 53. Defina A= rand(4,4) e B=rand(4,1). Verifique se A possui
inversa. Resolva o sistema AX = B.
Exerccio 54. Encontre a inversa de A=5*eye(4)ones(4,4).
Exerccio 55. Encontre a inversa de A=6*eye(5)ones(5,5).
83
Determinantes
Em matemtica, determinante uma funo matricial que associa a cada matriz
quadrada um escalar. Esta funo fornece vrias informaes sobre a matriz A,
como veremos mais adiante.
Seja M(n) o conjunto das matrizes n n. Pode-se provar que existe uma
nica funo
f : M(n) R
com as seguintes propriedades:
1. Suponhamos que uma matriz A esteja escrita em termos de suas linhas
A1 , . . . , An
A
1
A2
A = ..
.
An
e que a linha Ak possa ser escrita em termos de outras duas matrizes linha
X e Y na forma
Ak = X + Y.
85
86
A1
A1
A1
A1
A
A2
A2
A2
..
..
..
..
.
.
.
.
Ak1
Ak1
Ak1
Ak1
.
f (A) = det
+ det
= det
=
Y
X
X + Y
Ak
Ak+1
Ak+1
Ak+1
Ak+1
..
..
..
..
.
.
.
.
An
An
An
An
2. f (In ) = 1, onde In a matriz identidade n n.
Esta funo f denomina-se de determinante e representado por |A| ou por
det(A).
Clculo do determinante
4.1
Calcular o determinante de matrizes grandes um processo extremamente trabalhoso. Para encontrar uma maneira de fazer esse clculo procederemos recursivamente: calcularemos o determinante de matrizes 1 1, em seguida calcularemos
o determinante de matrizes 2 2. Utilizando esses determinates calcularemos o
determinante de matrizes 33 e assim sucessivamente. Para calcular o determinante de matrizes nn utilizaremos o determinante de matrizes (n1)(n1).
Matrizes 1 1
4.1.1
Se A = a11 ento
h
det(A) = a11 .
Exemplo 48. Se A = 3 , ento det(A) = 3.
h i
87
4.1.2
Matrizes 2 2
a b
= ad bc.
det
c d
Exemplo 49. O determinante da matriz
0 2
A=
1 1
dado por det(A) = 0 (1) 2 1 = 0 2 = 2.
4.1.3
Cofatores
A = 1 3 1 ,
2 2 1
1 1 0
3
1
1
.
3 1 A11 =
2 1
2 2 1
88
1 1 0
1 3 1
2 2 1
1 1
.
A12 =
2 1
1 1 0
1 3 1
2 2 1
1 0
A31 =
.
3 1
1 1 0
1 3 1
2 2 1
1 1
A33 =
.
1 3
A = 1 3 1 ,
2 2 1
89
1+1
det A11
1+2
det A12
3+1
det A31
C11 = (1)
1+1
= (1)
3 1
= 5;
det
2 1
C12 = (1)
1+2
= (1)
1 1
= 3;
det
2 1
C31 = (1)
3+1
= (1)
1 0
= 1;
det
3 1
1 1
= (1)3+3 det
= 3.
1 3
4.1.4
n
X
aij Cij .
j=1
Observe que na soma acima o coeficiente i permanece fixo, enquanto o coeficiente j percorre todos os valroes possveis: a linha i fica fixa enquanto a soma
percorre todas as colunas da matriz A.
90
Podemos calcular o determinante escolhendo uma coluna qualquer j e somando os elementos dessa coluna multiplicados pelos seus cofatores
det(A) = a1j C1j + a2j C2j + a3j C3j + ... + anj Cnj =
n
X
aij Cij .
i=1
Observe que na soma acima o coeficiente j permanece fixo, enquanto o coeficiente i percorre todos os valore s possveis: a coluna j fica fixa enquanto a soma
percorre todas as linhas da matriz A.
Observao 6.
1. A escolha da linha ou da coluna que utilizaremos para
calcular o determinante arbitrria. Qualquer escolha dever produzir o
mesmo valor para det(A). Escolha sempre a linha ou coluna que simplifique
as contas o mximo possvel. Quanto mais zeros, melhor.
2. A equao para o clculo do determinante atravs de cofatores parece
simples, mas na verdade ela no . Ao utilizar essa equao trocamos o
problema de calcular o determinante de uma matriz n n pelo clculo
de n determinantes (n 1) (n 1). Cada um desses determinantes,
por sua vez, se transforma em (n 1) determinantes (n 2) (n 2) e
esse processo deve ser repetido at que os cofatores possam ser calculados
atravs de determinantes de matrizes 2 2. De forma geral, o nmero
de operaes necessrias para calcular o determinante por esse mtodo
maior que n!, o que extremamente ineficiente, mesmo em computadores
muito rpidos. Veremos que o mtodo de Gauss-Jordan pode ser utilizado
para calcular o determinante com aproximadamente n3 operaes.
Antes de introduzir o novo mtodo para o clculo do determinante, vejamos
algumas propriedades. A demonstrao dessas propriedades depende do Mtodo
de Induo Matemtica, que ser brevimente apresentado na prxima seo.
91
4.2
Induo
n(n + 1)
.
2
92
(k 1)((k 1) + 1)
2
verdadeira.
Assumindo a equao acima devemos provar que a afirmao vlida para
n = k. Nesse caso, basta somar k a ambos os lados.
(k 1)((k 1) + 1)
+k
2
(k 1)((k 1) + 1) 2k
+
=
2
2
k(k 1) + 2k
=
2
k(k + 1)
=
2
1 + 2 + . . . + (k 1) + k =
ral.
4.2.1
93
2. Mostrar que se o enunciado vale para n = k b, ento o mesmo enunciado tambm vale para n = k + 1.
Exemplo 53. Prove que n2 > 2n para n 3.
Soluo. O primeiro passo consiste em determinar a base da prova por induo:
provar que a afirmao vlida para n = 3. Para esse valor de n o lado esquerdo
igual a 32 = 9 e o lado direito igual a 23 = 6. Logo a afirmao verdadeira
para n = 3, j que 9 > 6.
O prximo passo provar que se a afirmao verdadeira para n = k1 > 3,
ela ser tambm verdadeira para n = k.
Nesse exemplo, a hiptese de induo significa que a desigualdade
(k 1)2 > 2(k 1)
verdadeira para k 1 3.
Assumindo a equao acima devemos provar que a afirmao vlida para
n = k. Abrindo ambos os lados da desigualdade acima temos que
k 2 2k + 1 > 2k 2.
Como k 3 sabemos que 2k 1 > 2, o que implica que
(k 2 2k + 1) + (2k 1) > (2k 2) + 2
ou seja
k 2 > 2k.
94
Propriedades do determinante
4.3
a
0
= a11 a22 0 a21 = a11 a22 .
det 11
a21 a22
Por hiptese de induo, assumimos que a propriedade vlida para n =
k 1, ou seja,
det
a11
a21
..
.
0
a22
..
.
0
0
..
.
...
0
...
0
= a a ... a
..
..
11
22
(k1)(k1) .
.
.
. . . a(k1)(k1)
a
0 0 ... 0
11
0 . . . 0
a21 a22
..
..
..
..
..
.
.
.
.
.
95
a
0 0 ... 0
a
0 0 ... 0
22
11
0 . . . 0
0 . . . 0
a32 a33
a21 a22
1+1
det ..
..
..
..
..
..
..
..
.. = a11 C11 = a11 (1) det ..
.
.
.
.
.
.
.
.
.
.
a
b
A=
a b
e det(A) = ab ba = 0.
Suponhamos agora o resultado vlido para matrizes de tamanho (n 1)
(n 1). Devemos provar que o resultado vlido para matrizes n n.
Seja A uma matriz n n qualquer. Expandindo o determinante utilizando
a primeira linha temos
det(A) =
X
j
a1j C1j =
Como A possui duas linhas iguais, todas as matrizes menores A1j possuem duas
linhas iguais.
Como a afirmao vlida para matrizes (n 1) (n 1) temos
96
4.3.1
Operaes elementares
A
1
A2
A = ..
.
An
e que a linha Ak possa ser escrita em termos de outras duas matrizes linha X e
Y na forma
Ak = X + Y.
Ento
A1
A1
A1
A1
A
A2
A2
A2
..
..
..
..
.
.
.
.
Ak1
Ak1
Ak1
Ak1
.
det(A) = det
+ det
= det
=
Y
X
X + Y
Ak
Ak+1
Ak+1
Ak+1
Ak+1
..
..
..
..
.
.
.
.
An
An
An
An
Demonstrao. Vamos utilizar induo para provar esse resultado. Primeiro
vamos provar que a afirmao verdadeira para matrizes 2 2. Dada a matriz
a a
A = 11 12
a21 a22
suponhamos que A2 = X + Y, ou seja,
h
a21 a22 = x1 x2 + y1 y2 .
97
a
a
a
a
= det 11 12 + 11 12 .
x1 x2
y1 y 2
De maneira anloga a afirmao verdadeira se A1 = X + Y.
A1
A1
A
A
2
2
..
..
.
.
Ak1
Ak1
M =
e N =
Y
X
Ak+1
Ak+1
..
..
.
.
An
An
O que queremos provar que det(A) = det(M ) + det(N ). Vamos fazer a
expanso em linhas do determinante utilizando a primeira linha
det(A) =
X
j
a1j C1j =
X
j
98
Como
A1
2
A2
..
.
.
k1
A
Ak1
temos que A
=
A =
X
+
Y
1j
X + Y
k+1
A
Ak+1
..
.
..
An
An
e Y so obtidas de Ak , X e Y , respectivamente,
em que cada linha Ak , X
eliminando-se o elemento da coluna j. Como a afirmao vlida para matrizes
(n 1) (n 1) temos
A2
A2
A2
.
.
..
.
.
.
.
k1
k1
Ak1
A
A
1j + det N
1j .
+ det Y = det M
+ Y = det X
det A1j = det X
k+1
Ak+1
Ak+1
A
.
.
..
.
.
.
.
.
An
An
An
X
j
1j + det N
1j
a1j (1)1+j det M
= det (M ) + det (N ) .
Resta provar a afirmao para k = 1. Isso pode ser feito de maneira anloga a anterior expandindo o determinante utilizando qualquer linha diferente da
primeira.
99
A1
..
.
Ak1
B=
Ak
Ak+1
..
.
An
ento det(B) = det(A).
Demonstrao. Basta utilizar o teorema anterior com = 0.
Exerccio 62. Utilizando o corolrio 2, mostre que se B = A, em que A
uma matriz n n, ento
det(B) = n det(A).
Corolrio 3. Se a matriz B obtida a partir da matriz A trocando duas linhas
entre si, ento
det(B) = det(A).
100
entre si:
A
A
1
1
.
.
..
..
Al
Ak
.
.
.
.
A = . , B = . .
A
A
k
l
.
.
.
.
.
.
An
An
Seja
A1
..
Ak + Al
.
.
C=
.
A + A
k
l
..
An
Aplicando o teorema 8 e o teorema 7 temos
A1
A1
.
..
..
A
A
k
l
.
.
=
.
.
0 = det(C) = det
.
.
+ det
A + A
A + A
k
k
l
l
..
..
.
.
An
An
101
A
A
A
A
1
1
1
1
.
.
.
.
..
..
..
..
Al
Al
Ak
Ak
.
.
.
.
.
.
.
.
det . + det . + det . + det . = 0 + det(A) + det(B) + 0.
A
A
A
A
l
k
l
k
.
.
.
.
.
.
.
.
.
.
.
.
An
An
An
An
Temos ento que
0 = det(A) + det(B) det(B) = det(A).
Exerccio 63. Utilizando o corolrio 3, mostre que se B, obtida de A permutando vrias linhas de A entre si, ento
det(B) = (1)k det(A)
em que k o nmero de permutaes realizadas.
Corolrio 4. Se a matriz B obtida a partir da matriz A somando-se a linha
k um mltiplo da linha l ento
det(B) = det(A).
102
A
A1
.
..
..
.
Ak
Ak
..
.
A = ... , B =
.
A + A
A
l
l
k
..
.
.
An
An
Pelo teorema 8
A
A
1
1
.
.
..
..
Ak
Ak
A
A
l
k
.
.
.
.
.
.
An
An
Com os trs corolrios provados acima, podemos utilizar o mtodo de escalonamento de Gauss-Jordan para calcular o determinante. O mtodo consiste
de aplicar operaes elementares at que a matriz seja triangular (inferior ou
superior). A relao entre o determinante original e o determinante da matriz
triangular (que pode ser facilmente calculado pela proposio 6), encontrada
utilizando os corolrios 2, 3 e 4.
Exemplo 54. Vamos calcular o determinante da matriz
1 1 0
A = 1 1 3
2 1 1
103
1 2
1 1 0
1
1 3
+
2 1 1 +
1 1 0
12
0 2 3
0 1 1
+
1 1 0
0 2 3 .
0 0 12
0 1 1
A = 3 6 6
1 2 1
104
0 1 1
3 6 6
1 2 1
0
0
0
0
2
6
1
2
0
1
2
1
0
3
1
6
+
1
3
1
1 .
3
0 1 1
A = 3 6 6
3 7 7
105
0 1 1 | 13
3 6 6
3 7 7
1
2
7
2
1
7
2
1
1
2
1
0
2
7
1
7
1
1
1
0
+
1
106
4.3.2
Propriedades adicionais
4.4
107
108
A1
AX = 0
AX = B
No existe
=I
6= 0
Existe
109
1 0
.
0 0
Exerccio 71. Suponhamos que A seja uma matriz tal que AT = A1 . Verifique
quais so os possveis valores de det(A).
4.5
Utilizando o MATLAB
112
sificao das pginas mais relevantes dada uma consulta. Entretanto, h uma
srie de problemas com esta abordagem. Um termo de pesquisa comum, como
a Internet era problemtico. A primeira pgina exibida por um dos buscadores era uma pgina escrita em chins, com repetidas ocorrncias da palavra
Internet e que no continha nenhuma informao relevante sobre a Internet.
Alm disso, suponha que voc queria encontrar alguma informao sobre
a UFOP. Ao digitar a palavra UFOP, esperamos que www.ufop.br seja a
primeira pgina a aparecer na lista, j que ela a pgina mais relevante para a
nossa consulta. Contudo, pode haver milhes de pginas na web no mundo em
que aparece a palavra UFOP e a pgina www.ufop.br pode no ser a pgina
em que ela aparea mais vezes. Suponha que decidimos escrever um web site
que contm a palavra UFOP um bilho de vezes e nada mais. Ento no faria
sentido o nosso web site para o primeiro exibido por um buscador. No entanto,
se tudo que o buscador faz contar as ocorrncias de palavras na consulta feita,
este exatamente o que poderia acontecer.
A utilidade de um buscador depende da relevncia do conjunto de resultados
que ele fornece. Evidentemente, vo haver milhes de pginas da Web que
incluem uma palavra ou frase especial; no entanto algumas delas vo ser mais
relevantes, populares, ou de autoridade do que outras. impraticvel que um
usurio abra todas as pginas que contm as palavras da consulta feita para
verificar se aquela pgina relevante.. Ele espera que as pginas relevantes
sero exibidas dentro do top 20 a 30 pginas listadas pelo buscador.
Buscadores modernos empregam mtodos de classificar os resultados para
fornecer os "melhores"resultados primeiro que so bem mais elaboradas do que
classificao utilizando apenas texto. Um dos algoritmos mais conhecidos e
influentes para computar a relevncia das pginas da Web o algoritmo Page
Rank usado pelo Google. Foi inventado por Larry Page e Sergey Brin enquanto
eram estudantes de ps-graduao em Stanford, e tornou-se uma marca Google
em 1998.
A noo que Page Rank introduziu foi que a importncia de qualquer pgina
da web pode ser julgado ao olharmos para as pginas que apontam para ela.
113
Para este objetivo, comeamos imaginando a rede web como um grafo direcionado, com vrtices representando pginas web e arestas representando links
entre elas.
Suponha, por exemplo, que temos uma pequena Internet composta de apenas 4 pginas www.page1.com sites, www.page2.com, www.page3.com,
www.page4.com, referenciando umas s outras da maneira sugerida pela imagem :
114
115
Em nosso modelo, cada pgina deve transferir sua importncia uniformemente para as pginas relacionadas a ela. A pgina 1 tem 3 arestas de sada,
por isso vai passar 13 da sua importncia para cada uma das outras 3 pginas.
A pgina 3 tem apenas uma aresta de sada, por isso vai passar toda sua importncia para a pgina 1. Em geral, se um vrtice tem k arestas de sada, ele
vai passar k1 de sua importncia para cada um dos vrtices que ele referencia.
Vamos visualizar melhor o processo atribuindo pesos a cada aresta.
116
x1
x2
x3
x4
= 1 x3 +
= 13 x1
= 31 x1 +
= 13 x1 +
1
2
x4
1
2
1
2
x1 +
x2
1
2
x4
5.2
Circuitos Eltricos
O fluxo da corrente num circuito eltrico governado por trs princpios bsicos:
1. A lei do Ohm: A diferena de potencial atravs de um resistor o produto
da corrente que passa por ele e a resistncia, ou seja,
V = Ri.
2. A Lei de Corrente de Kirchhoff: A soma algbrica das correntes fluindo
para dentro de qualquer ponto de um circuito eltrico igual soma
algbrica das correntes fluindo para fora do ponto.
117
118
i1
7i1
i2
11i2
i3 = 0
+ 3i3 = 30
3i3 = 50.
cuja soluo
570
590
20
, i2 =
, i3 =
.
131
131
131
Observe que i3 negativo, o que significa que esta corrente flui no sentido oposto
ao indicado na figura.
i1 =
5.3
119
uma equao balanceada. Assim, usualmente procuramos a equao balanceada mais simples para uma reao. Para isso vamos analisar a combusto da
gasolina. A gasolina uma mistura de elementos qumicos chamados hidrocarbonetos, mas o composto predominante o f g h g , a combusto completa da
gasolina acontece quando reage com o gs oxignio resultando em gs carbnico
e gua, ento,
C8 H18 + O2 CO2 + H2 O.
Agora, precisamos balancear a equao, e para isso vamos utilizar sistemas de
equaes lineares. Chamando as quantidades de cada molcula da frmula de
x, y, w e z, temos:
xC8 H18 + yO2 wCO2 + zH2 O.
Agora precisamos analisar quantos tomos de cada elemento qumico temos de
um lado e do outro da equao. Esses nmeros tm que ser os mesmos para
todos os elementos! Para os tomos de carbono:
8x = w.
Para os tomos de hidrognio:
18x = 2z 9x = z.
Para os tomos de oxignio:
2y = 2w + z.
Obtemos ento o seguinte sistema de equaes lineares:
8x
9x
w = 0
z
= 0
2y z 2w = 0.
120
Note que temos 3 equaes e 4 variveis, o que implica que o sistema possvel e indeterminado, ou seja, admite infinitas solues. Resolvendo o sistema
obtemos:
1
25
9
x = w, y = w, z = w, w R.
8
16
8
Para a soluo mais simples os coeficientes estequiomtricos devem ser os menores inteiros que satisfazem todas as equaes portanto, temos que
x = 2, y = 25, z = 18ew = 16
5.4
Trnsito
121
122
Provas anteriores
7 de abril de 2011
1. (1 pt) Seja A uma matriz 4 4 tal que det(A) = 2. Seja B a matriz
obtida de A seguindo a seguinte sequncia de operaes elementares:
Somar linha 1 duas vezes a linha 2;
Multiplicar a linha 3 por -2;
Trocar a linha 1 com a linha 2;
Multiplicar a matriz inteira por -1.
Responda:
a) Qual o valor de det(B)?
1 0 0 0
3 2 0 0
.
4 1 5 0
1 1 2 8
124
x + y + 2z = 3
2x + 2y + 4z = 2a
4x + 4y + 8z = 4b
1
0 2
1
1 0 .
5a + 10 0 5a
b) Calcule a inversa para a = 2.
c) Resolva o sistema AX = 0 para a = 2.
9 de dezembro de 2010
1. (1 pt)
a) Mostre que a matriz abaixo invertvel independente do valor do escalar
a
1
0 2
1
1 0 .
2a + 4 0 4a
2. (1 pt) Seja A =
1 0
1
0
1
0 , em que uma constante real.
1
0 1
125
c) Resolva o sistema AT X =
3
2
1
para = 1.
3. (1,2 pt) Seja A uma matriz 3 3 tal que detA = 2. Seja B a matriz
obtida de A seguindo a seguinte sequncia de operaes elementares:
Somar linha 1 duas vezes a linha 2;
Multiplicar a linha 3 por -2;
Trocar a linha 1 com a linha 2.
Responda:
a) Qual o valor de det(B)?
1 0 0 0
3 2 0 0
.
4 1 5 0
1 1 2 18
09 de setembro de 2010
Respostas sem justificativa no sero consideradas!
1. (1 pt) Dado o sistema abaixo, em que a e b so nmeros reais
x + 3y + 4z = 3
2x + 6y + 8z = a
4x + 12y + 24z = b
Calcule os valores de a e b para que o sistema acima possua alguma
soluo. possvel que o sistema tenha soluo nica?
126
2. (1 pt) Seja
A =
x2 2 x
3 1 1 .
0 1 0
A=
1 2
, B =
2 4
1 0 1
1 0 1 , C =
0 1 0
2 4
0
0
0
0
3
7
0
0
0
40
5
6
8
8
67
6 1 2 ,
0 5 3
0
0
127
x+y+z
=
3
2x + 3y + 2z
=
5
2
x + y + (a 8)z = a + 6
A =
x2 x 2
3 1 1 .
0 1 0
A=
1 2
, B =
2 4
1 0 1
1 0 1 , C =
0 1 0
2 4
0
0
0
0
3
7
0
0
0
40
5
6
8
8
67
6 1 2 ,
0 5 3
0
0
128
4. (0.5 pt) V ou F
a) det(A) = det(A) para toda matriz A.
b) (A + B)(A B) = A2 B 2 .
9 de dezembro de 2010
1. (1,2 pt) a) Seja
A =
1
0 1
1
1 0 .
5a + 4 0 5a
A =
1 0 1
0
1
0 ,
1 0 1
B =
a .
b
3. (1,2 pt) Seja A uma matriz 4 4 tal que detA = 1. Seja B a matriz
obtida de A seguindo a seguinte sequncia de operaes elementares:
129
b) Seja C =
1 0 0
15 3 0
2 1 6
0 3 1
0
. Calcule det(BC) e det(B 1 C 1 B T ).
0
1
09 de setembro de 2010
1. (1 pt) Dado o sistema abaixo, em que a um nmero real
x+y+z
=
3
2x + 3y + 2z
=
5
2
x + y + (a 8)z = a + 6
determine os valores de a para que o sistema
a) possua soluo nica;
b) possua infinitas solues;
c) no possua soluo.
2. (1 pt) Seja
x2 x
A = 3 1
0 1
Determine os valores de x para os quais
a inversa para x = 1.
1 .
0
a matriz A invertvel. Calcule
130
3. (1pt)
Sejam as matrizes
A=
1 2
, B =
2 1
1 0 1
1 1 1 , C =
2 1 0
2 4
0
0
0
0
3
7
0
0
0
A =
1
0 1
1
1 0 .
5a + 4 0 5a
40
5
6
8
8
67
6 1
2 ,
0 2
3
0
0
1
131
A =
1 0 1
0
1
0 ,
1 0 1
B =
a .
b
3. (1,2 pt) Seja A uma matriz 4 4 tal que detA = 1. Seja B a matriz
obtida de A seguindo a seguinte sequncia de operaes elementares:
Somar linha 1 duas vezes a linha 2;
Multiplicar a linha 3 por -1;
Trocar a linha 4 com a linha 2.
Trocar a linha 1 com a linha 3.
Responda:
a) qual o valor de detB?
b)Seja C =
1 0 0
15 3 0
2 1 6
0 3 1
0
. Calcule det(BC) e det(B 1 C 1 B T ).
0
1
Espaos Vetoriais
Em vrios conjuntos podemos definir uma operao envolvendo os elementos
do prprio conjunto, que chamaremos genericamente de soma, e uma operao envolvendo elementos do conjunto e nmeros reais, que chamaremos de
multiplicao por escalar. Quando essas operaes satisfazem um conjunto de
propriedades importantes para sua utilidade na descrio de problemas reais,
dizemos que esse conjunto um espao vetorial sobre R.
A noo de espao vetorial extremamente geral e pode ser aplicada a situaes totalmente diferentes, em que a nica coisa em comum a existncia das
operaes mencionadas. A generalidade com que espaos vetoriais so definidos
nos leva a uma teoria bastante abstrata, mas justamente essa abstrao que
possibilita o tratamento simultneo de objetos de natureza to distinta.
Apesar da generalidade com que pretendemos tratar o assunto, devemos
sempre nos lembrar dos espaos vetoriais R2 e R3 onde toda a a teoria pode ser
traduzida de maneira geomtrica, fazendo com que todos os resultados enunciados possam ser compreendidos de maneira intuitiva. Vamos sempre trabalhar
com as duas abordagens: a abordagem algbrica e abstrata, que pode ser aplicada igualmente a todos os espaos vetoriais, e a abordagem geomtrica que
possibilita a vizualizao dos conceitos da lgebra linear nos espaos R2 e R3 .
133
134
7.1
Definio e Propriedades
135
x
1
..
(x1 , . . . , xn ) . .
xn
Exemplo 59 (O conjunto dos polinmios um espao vetorial sobre R). Seja
P = {an xn + an1 xn1 + . . . + a1 x + a0 ; ai R}
o conjunto de todos os polinmios com coeficientes em R. Esse conjunto um
espao vetorial com a soma
(an xn + an1 xn1 + . . . + a1 x + a0 ) + (bn xn + bn1 xn1 + . . . + b1 x + b0 ) =
= (an + bn )xn + (an1 + bn1 )xn1 + . . . + (a1 + b1 )x + (a0 + b0 )
e o produto por escalar
an xn + an1 xn1 + . . . + a1 x + a0 = (an )xn +(an1 )xn1 +. . .+(a1 )x+(a0 ).
136
137
7.2
Os espaos vetorias R2 e R3 se destacam entre os exemplos mencionados anteriormente por vrios motivos. Eles so os espaos vetoriais ustilizados para
representar posio, velocidade, acelerao e por isso aparecem sempre na descrio de sistemas fsicos. Alm disso, as operaes de soma e multiplicao
por escalar nos espaos vetoriais R2 e R3 podem ser representados geometricamente, o que faz com que eles sejam importantes tambm do ponto de vista
pedaggico.
Em R2 cada vetor ~u = (x, y) representado por um segmeto orientado que
liga origem do plano cartesiano ao ponto com coordenadas (x, y). A figura
abaixo mostra a representao geomtrica do vetor ~u = (3, 4) R2 .
138
139
140
141
A figura abaixo mostra o vetor ~u = (3, 4, 4) (preto), assim como seus mltiplos ~u2 (rosa), 2~u (verde), ~u (roxo), ~u2 (azul) e 2~u (amarelo).
142
7.3
Subespaos Vetoriais
Quando S um subespao vetorial de V , podemos eliminar todos os elementos de V fora de S e continuaremos com um espao vetorial com as mesmas
operaes. Essa uma restrio muito forte: pouqussimos subconjuntos de V
possuem essa propriedade.
Para verificar se S um subespao vetorial de V no necessrio verificar
a validade das oito propriedades enunciadas na definio 6. Essas propriedades
so vlidas automaticamente pelo fato de que V um espao vetorial e S V .
O que devemos verificar se as operaes de soma e multiplicao por escalar
preservam S: ao somar dois elementos de S devemos permanecer em Se ao
multiplicar um elementos de S por um escalar devemos permanecer em S.
Exemplo 66. Considere em R2 o conjunto de vetores cujas extremidades pertencem ao conjunto S ilustrado abaixo.
143
144
145
146
147
148
um subespao vetorial de Rn .
Soluo. Nos exemplos anteriores, utilizamos a geometria de R2 e R3 para
entender se o subconjunto S ou no um subespao vetorial. Em espaos
vetoriais mais gerais, em que a geometria no est disponvel, devemos utilizar
a lgebra para fazer essa verificao.
A soluo de um problema como esse passa sempre por trs passos. O
primeiro deles verificar qual a propriedade que define o subconjunto S. Nesse
exemplo, o subconjunto S o conjunto de todos os vetores de Rn que possuem
todas as coordenadas iguais a zero a partir da segunda. A primeira coordenada
pode assumir qualquer valor.
O segundo passo verificar se a soma de quaisquer elementos de S permanece em S. Suponhamos ento que ~x e ~y S, ento ~x = (t1 , 0, . . . , 0) e
~y = (t2 , 0, . . . , 0) com t1 e t2 R. Assim
~x + ~y = (t1 + t2 , 0, . . . , 0)
tambm pertence a S.
O terceiro passo verificar se a multiplicao de elementos de S por constante permanece em S. Tomando ~x = (t1 , 0, . . . , 0) S qualquer e R
temos
~x = (t, 0, . . . , 0)
que tambm pertence a S. Como as propriedades 1 e 2 so satisfeitas, S um
subespao de Rn .
Observe que em R2 e R3 esse subespao corresponde aos vetores sobre o
eixo x e portanto S uma reta passando pela origem, o que coincide com o que
j havamos visto anteriormente utilizando a geometria desses espaos.
Exemplo 74. O subconjunto
S = {f CR [0, 1]; f (0) = 0}.
149
150
x
1
..
(x1 , . . . , xn ) .
xn
esse conjunto tambm pode ser visto como um subespao de Rn .
Exerccio 75. Mostre que o subconjunto
S = {f CR [0, 1]; f (0) = f (1) = 0}.
um subespao vetorial de CR [0, 1].
Exerccio 76. Mostre que o conjunto das matrizes 3 3 triangulares inferiores
um subespao vetorial de M33 .
Exerccio 77. Verifique quais so, dentre os subconjuntos de R3 abaixo, quais
so subespaos vetoriais.
1. O subconjunto de vetores que possuem primeira coordenada igual a zero;
2. O subconjunto de vetores que possuem primeira coordenada igual a 1;
3. O subconjunto de vetores (x, y, z) tais que xy = 0;
4. O subconjunto de vetores (x, y, z) tais que z y + 3x = 0.
Exerccio 78. Descreva o espao nulo das matrizes abaixo
1 1
1. A =
;
0 0
151
0 0 3
2. A =
;
1 2 3
0 0
.
3. A =
0 0
Exerccio 79. Se S1 e S2 so subespaos de um espao vetorial V , mostre que
T
S
S1 S2 tambm um subespao de V . O mesmo acontece com S1 S2 ?
Exerccio 80. Mostre que se um subespao de M22 contm as matrizes
1 0
0 0
A=
, B=
0 0
0 1
ento esse subespao tambm deve conter a matriz identidade.
7.4
Combinaes Lineares
152
153
Exemplo 84. Considere os vetores u~1 = (1, 0, 0) e u~2 = (1, 1, 0). O vetor
~v = (4, 2, 0) combinao linear de u~1 e u~2 . Para provar esse fato, suponhamos
inicialmente que ~v possa ser escrito como combinao de u~1 e u~2 . Isso quer
dizer que existem a1 , a2 R tais que
~v = a1 u~1 + a2 u~2
(4, 2, 0) = a1 (1, 0, 0) + a2 (1, 1, 0)
(7.1)
1 1
a1 + a2
1
1
4
2 = a 0 + a 1 =
a2 = 0 1 1 .
2
1
a2
0 0
0
0
0
0
Para encontrar as constantes a1 e a2 devemos ento resolver o sistema de trs
equaes e duas incgnitas
4
1 1
a1
0 1 = 2 .
a2
0
0 0
154
a1 + a2
1 1
1
1
1
a
2 = a 0 + a 1 =
a2 = 0 1 1 .
2
1
a2
0 0
0
0
0
1
Para encontrar as constantes a1 e a2 devemos ento resolver o sistema de trs
equaes e duas incgnitas
1
1 1
a
0 1 1 = 2 .
a2
1
0 0
Esse sistema no possui soluo, uma vez que a ltima equao equivale a
0 = 1.
De fato, qualquer combinao linear desses vetores da forma
a1 (1, 0, 0) + a2 (1, 1, 0) = (a1 + a2 , a2 , 0)
que nunca pode ser igual ao vetor (1, 2, 1).
De maneira geral, dados vetores u~1 , . . . , u~m Rn , um vetor ~v ser combinao linear de u~1 , . . . , u~m se existirem constantes a1 , . . . , am tais que
~v = a1 u~1 + . . . + am u~m .
Utilizando a identificao entre vetores de Rn e matrizes coluna, podemos escrever essa equao na forma
AX = B
em que A a matriz n m cujas colunas so dadas pelos vetores u~1 , . . . , u~m ,
X a matriz de incgnitas a1 , a2 , . . . , an e B a matriz coluna correspondente
a ~v .
155
a
1
A = 0 1 , X = e B = 3 .
a2
4
2 0
a
1
A = 0 1 , X = e B = 3 .
a2
0 0
4
156
Exerccio 81. Verifique se o vetor ~v combinao linear dos vetores u~1 , . . . , u~n
dados abaixo. Em caso afirmativo, encontre a combinao linear desses vetores
que gera ~v .
1. ~v = (1, 1); u~1 = (1, 0);
2. ~v = (2, 2); u~1 = (1, 1);
3. ~v = (2, 3); u~1 = (1, 0), u~2 = (0, 1);
4. ~v = (2, 3); u~1 = (1, 0), u~2 = (1, 1);
5. ~v = (1, 1, 1); u~1 = (1, 0, 0), u~2 = (0, 1, 0);
6. ~v = (2, 2, 2); u~1 = (1, 0, 1), u~2 = (0, 1, 0);
7. ~v = (2, 2, 2); u~1 = (1, 0, 1), u~2 = (0, 1, 0), u~3 = (1, 1, 1);
8. ~v = (2, 3, 1); u~1 = (1, 0, 0), u~2 = (0, 1, 0), u~3 = (0, 0, 1);
9. ~v = (2, 3, 1); u~1 = (1, 1, 0), u~2 = (0, 1, 0), u~3 = (0, 1, 1);
10. ~v = (2, 3, 1, 1); u~1 = (1, 0, 0, 0), u~2 = (0, 1, 0, 0), u~3 = (0, 0, 1, 0);
11. ~v = (2, 3, 1, 1); u~1 = (1, 0, 0, 0), u~2 = (0, 1, 0, 0), u~3 = (0, 0, 1, 0), u~4 =
(0, 0, 0, 1);
12. ~v = (2, 3, 1, 1); u~1 = (1, 1, 0, 0), u~2 = (0, 1, 0, 0), u~3 = (0, 0, 1, 0), u~4 =
(0, 0, 1, 1);
13. ~v = (2, 3, 1, 1); u~1 = (1, 1, 0, 0), u~2 = (0, 1, 0, 0), u~3 = (0, 0, 1, 0), u~4 =
(0, 0, 1, 1), u~5 = (1, 1, 1, 1).
Observao 10. Cada item do exerccio anterior leva a um sistema linear. Resolva os sistemas com o auxlio de um computador.
157
Queremos encontrar condies que informem se dentre um conjunto de vetores, algum deles pode ser escrito como combinao linear dos outros. Para
isso definimos a noo de dependncia linear.
Definio 9. Dizemos que um conjunto de vetores {u~1 , . . . , u~k } V linearmente independente (LI) se a equao
a1 u~1 + + ak u~k = 0
s admite a soluo trivial a1 = . . . = ak = 0, ou seja, se a nica combinao
linear dos vetores que gera o vetor nulo aquela em que todas as constantes
so nulas.
Caso contrrio, dizemos que os vetores so linearmente dependentes (LD).
Um conjunto de vetores LD se existe uma combinao linear deles que gera o
vetor nulo em que pelo menos uma das constantes no-nula.
Exemplo 88. Um conjunto de vetores que contm o vetor nulo sempre LD.
De fato, tomando o conjunto {u~1 , . . . , u~k , 0} podemos escrever a combinao
linear
0 u~1 + + 0 u~k + 1 0 = 0.
Temos ento uma combinao linear dos vetores que gera o vetor nulo em que
a ltima constante utilizada diferente de zero. Isso implica que esses vetores
so LD.
Exemplo 89. Um conjunto formado por um nico vetor no nulo ~u sempre
LI. Nesse caso, as nicas combinaes lineares possveis so mltiplos de ~u e
para que um desses mltiplos seja o vetor nulo temos que
~u = 0
o que implica que = 0 uma vez que ~u 6= 0.
Como corolrio do teorema 12 temos o seguinte resultado:
158
1 1 3
.
A=
0 1 2
O sistema AX = 0 possui soluo no-trivial j que possui mais incgnitas que
equaes.
Exemplo 91. Os vetores (1, 1, 0), (1, 0, 0) so LI. De fato, a matriz obtida
usando esses vetores como colunas
1 1
A = 1 0 .
0 0
1. Os vetores
u~1 =
1, 0, 1 , u~2 =
1, 0, 1 , u~3 =
0, 1, 0
159
todas as constantes iguais a zero. Para mostrar que isso de fato acontece,
devemos resolver o sistema AX = 0, em que A a matriz formada
colocando u~1 , u~2 e u~3 como colunas:
A =
1 1 0
0 0 1 .
1 1 0
1, 0, 0 , 0, 1, 0 , 0, 0, 1
so LI.
3. Mais geralmente os vetores
1, 0, . . . 0 , 0, 1, . . . 0 , . . . , 0, 0, . . . 1
so LI.
4. Os vetores
u~1 =
1, 0, 1 , u~2 =
1, 0, 1 , u~3 =
1, 0, 0
160
1 1 1
A = 0 0 0 .
1 1 0
Como o determinante de A igual zero, o sistema AX = 0 possui apenas
a soluo trivial e isso quer dizer que podemos encontrar uma combinao
linear de u~1 , u~2 e u~3 que resulta o vetor nulo sem que as constantes sejam
todas nulas o que implica que esses vetores so LD.
Exemplo 93. Os vetores (1, 1) e (3, 2) so LI. De fato, a matriz obtida usando
esses vetores como colunas
1 3
A=
1 2
que tem determinante igual a 5.
Exemplo 94. Os vetores (1, 3, 1) (1, 0, 0) e (1, 2, 1) so LI. De fato, a matriz
obtida usando esses vetores como colunas
1 1 1
A = 3 0 2
1 0 1
A = 3 1 2
1 1 1
161
162
163
7.4.1
Subespaos gerados
164
7.4.2
Base e Dimenso
165
Em geral, fcil provar que um conjunto de vetores LI, pois isso equivalente a resolver um sistema linear homogneo. Com o que temos at agora,
o difcil provar se um conjunto de vetores gera ou no todo o espao vetorial
V . Antes de vermos mais exemplos, vamos provar mais resultados que facilitam
essa tarefa.
Teorema 15. Se {u~1 , . . . , u~k } uma base para o espao vetorial V , ento
qualquer conjunto com mais de k vetores LD.
Demonstrao. Seja {v~1 , . . . , v~m } um conjunto qualquer com m > k. Seja
b1 v~1 + b2 v~2 + . . . + bm v~m = 0
(7.2)
uma combinao linear desses vetores que gera o vetor nulo. Nosso objetivo
provar que possvel escolher os valores das constantes bi na equao acima
sem que todas elas sejam nulas.
Utilizando o fato de que o conjunto {u~1 , . . . , u~k } uma base, vamos reescrever a equao acima em termos dos vetores u~i . Isso possvel porque todo
vetor v~j pode ser escrito como combinao linear de {u~1 , . . . , u~k }:
v~1 = x11 u~1 + x12 u~2 + . . . + x1k u~k
v~2 = x21 u~1 + x22 u~2 + . . . + x2k u~k
..
.
. = ..
v~m = xm1 u~1 + xm2 u~2 + . . . + xmk u~k
(7.3)
(7.4)
(7.5)
(7.6)
166
A equao acima fornece uma combinao linear dos vetores u~1 , . . . , u~k que
resulta no vetor nulo. Como esses vetores so LI, isso s pode acontecer se
todas as constantes forem zero, o que implica que
b1 x11 + b2 x21 + . . . + bm xm1
b1 x12 + b2 x22 + . . . + bm xm2
...
b1 x1k + b2 x2k + . . . + bm xmk
=
=
=
=
0
0
...
0.
167
Teorema 16. Seja V um espao vetorial de dimenso n. Ento qualquer conjunto LI {u~1 , . . . , u~n } com n vetores uma base para V .
Demonstrao. Para provar que um conjunto uma base para V , devemos
provar que, alm de ser LI, esse conjunto gera V , ou seja, qualquer vetor ~v V
pode ser escrito como combinao linear de {u~1 , . . . , u~n }.
Sabemos pelo teorema 15 que o conjunto {u~1 , . . . , u~n , ~v } LD. Isso quer
dizer que existe uma combinao linear
a1 u~1 + a2 u~2 + . . . + an u~n + b~v = 0
(7.7)
que gera o vetor nulo em que pelo menos uma das constantes no nula.
Afirmamos que b 6= 0. Se b fosse igual a 0, poderamos eliminar o vetor ~v da
equao acima e teramos
a1 u~1 + a2 u~2 + . . . + an u~n = 0
em que pelo menos uma das constantes no nula. Como {u~1 , . . . , u~n } uma
base, em particular LI, e portanto isso no pode acontecer. Logo conclumos
que b 6= 0.
Podemos ento isolar ~v na equao (7.7), o que nos leva a
~v =
a1
a2
an
u~1 u~2 . . . u~n .
b
b
b
Isso mostra que, independente de quem seja o vetor ~v , ele pode ser escrito como
combinao linear de {u~1 , . . . , u~n }. Logo esse conjunto uma base para V .
Assim, para verificar se um conjunto de vetores ou no uma base para um
espao vetorial V , basta verificarmos se ele possui o nmero correto de vetores
e se esses vetores so LI. O teorema acima garante que nessas condies, o
conjunto gera V e portanto uma base. Podemos resumir esse resultado da
seguinte forma:
168
169
Observao 14. Cada item do exerccio anterior leva a um sistema linear. Resolva os sistemas com o auxlio de um computador.
Exerccio 87. Dados u~1 = (2, 1, 3) e u~2 = (2, 6, 4), responda:
1. O conjunto {v~1 , v~2 } uma base para R3 ? Descreva geometricamente o
subespao gerado por esses vetores.
2. Quais so as condies sobre v~3 para que {v~1 , v~2 , v~3 } seja uma base de
R3 ?
3. Encontre um vetor v~3 de modo que {v~1 , v~2 , v~3 } seja uma base de R3 .
Da existncia de uma base B = {u~1 , . . . , u~n } do espao V surge a notao
para vetores mais utilizada: dado um vetor ~v podemos escrev-lo como ~v =
a1 u~1 + + an u~n e de forma nica. De fato, se temos ~v = b1 u~1 + . . . + bn u~n
ento
(a1 b1 )u~1 + . . . + (an bn )u~n = 0
e da condio LI temos ai = bi . Assim podemos representar o vetor por meio
de seus coeficientes na base dada: ~v = (a1 , . . . , an )B . Quando no houver
confuso a respeito da base que est sendo utilizada denotaremos apenas por
~v = [v]B = (a1 , . . . , an ).
Isso mostra que, fixada uma base, qualquer espao vetorial de dimenso finita
n equivalente a Rn .
7.4.3
Subespaos
170
171
172
173
uma vez que um deles no mltiplo do outro. Logo {u~1 , u~2 } uma base para
S.
Esse subespao e os vetores u~1 , u~2 so mostrados na figura abaixo.
A = 0 1 1 .
1 1 2
174
1
X = 2
3
fornece as constantes que devem ser utilizadas na combinao linear para gerar
o vetor nulo. Esse sistema possui infinitas solues dadas por 1 = 3 , 2 =
3 , 3 R. Escolhendo 3 = 1 chegamos combinao linear
u~1 u~2 + u~3 = 0.
Na equao anterior, podemos isolar qualquer um dos trs vetores e escrev-lo
como combinao linear dos outros. Por exemplo, temos
u~3 = u~1 + u~2 .
Como u~3 combinao linear de u~1 e u~2 , o subespao gerado por {u~1 = (1, 0, 1), u~2 = (0, 1,
igual ao subespao gerado por {u~1 = (1, 0, 1), u~2 = (0, 1, 1)}. Como os vetores
u~1 e u~2 so LI, eles formam uma base para S.
Nesse caso, o vetor eliminado pode ser qualquer um dos trs. Com a nossa
escolha, construmos a base {u~1 , u~2 }. Com escolhas diferentes chegaramos s
bases {u~1 , u~u } (eliminando o vetor u~2 ) e {u~2 , u~3 } (eliminando o vetor u~1 ).
Esse subespao e os vetores u~1 , u~2 , u~3 so mostrados na figura abaixo.
175
176
Isso prova que os vetores u~1 = (1, 1, 0) e u~2 = (1, 0, 1) geram . Como esses
vetores so LI, uma vez que um no mltiplo do outro {u~1 , u~2 } uma base
para S.
Esse subespao e a base {u~1 , u~2 } so mostrados na figura abaixo.
177
x+yz
x 2y z
2x y 2z
A = 1 2 1 .
2 1 2
178
0 1
0 .
0 0 0
179
2x1 + 2x2 x3 + x4 = 0
x1 x2 + 2x3 + x4 = 0
x1 + x2 2x3 x4 = 0.
Inicialmente, devemos caracterizar o conjunto de solues. Para isso, devemos
resolver o sistema linear. A matriz de coeficientes
2 2 1 1
A = 1 1 2 1 .
1 1 2 1
0 0 1 1 .
0 0 0 0
180
1
A =
0
0
1
0
0
0
0
0
1
0
1 5
2 2
.
4 1
0 0
Esse o subespao de R5 formado pelas solues do sistema AX = 0. Inicialmente, devemos caracterizar o conjunto de solues. Para isso, devemos resolver
o sistema linear. Escalonando a matriz A obtemos
0
1
0
0
0 2 2
0 1 3
.
1 4 1
0 0 0
181
1
A =
2
0
1
0
1
0
0
0
0
0
1
2
3
0
2
.
7
0
Esse o subespao de R5 formado pelas solues do sistema AX = 0. Inicialmente, devemos caracterizar o conjunto de solues. Para isso, devemos resolver
o sistema linear. Escalonando a matriz A obtemos
0
1
0
0
0 2 2
0 1 3
.
0 0 0
0 0 0
182
1. W = {(x, y, z) R3 ; x + 2y + z = 0} ;
2. W = {(x, y, z) R3 ; 3x + 2y + z = 2} ;
3. W = {(x, y, z, w) R4 ; x + 2y + z w = 0} ;
4. W = {(x, y, z, w) R4 ; x + y = 0} ;
5. W = {(a + b, a b, 2a 3b) R3 ; a, b R} ;
6. W = {(a + b + 2c, a b, 2a 3b c) R3 ; a, b, c R} ;
7. W = {(a b + c, 0, a + b) R3 ; a, b, c R} ;
8. W = {(a b + c, 2a + 3b 2c, 5c, a + b) R4 ; a, b, c R} .
Exerccio 89. Encontre uma base para o conjunto de solues dos sistema
lineares abaixo. Quando possvel, descreva o subespao obtido geometricamente.
1.
2.
3.
2x + 3y z + w = 0
5x + y + 10z + 2w = 0 ;
3x 2y + 11z + w = 0
x + 2y z = 0
;
xy+z = 0
x + 2y z w = 0
.
x + y + z + 2w = 0
Resultados adicionais
Veremos agora alguns resultados que podem ser teis em vrias situaes.
Teorema 19. Um conjunto {u~1 , . . . , u~k } em um espao vetorial V uma base
se, e somente se, todo vetor de V pode ser escrito de maneira nica como
combinao linear de u~1 , . . . , u~k .
183
184
185
186
7.5
Produto Interno
n
X
x i yi
i=1
187
f~ ~g =
Z
[0,1]
f (x)g(x)dx
mi i
~v ~v .
188
Z
[0,1]
x
2
e g(x) = sen
x
2
so
f (x)g(x)dx
~v v~i
.
||~
vi ||2
189
(7.8)
=
=
=
=
0 v~i
0
0
0.
Como k~
vi k 6= 0, a equao acima implica que i = 0. Logo a equao
(7.9) s pode ser verdadeira se todas as constantes i so nulas e portanto
o conjunto {v~1 , . . . , v~k } LI.
2. Suponhamos que
1 v~1 + 2 v~2 + . . . + k v~k = 0.
(7.9)
Para provar que o conjunto {v~1 , . . . , v~k } LI, devemos mostrar que a
nica possibilidade para as constantes i na equao acima que todas
elas sejam nulas.
Fazendo o produto interno por v~i em ambos os lados da equao acima,
temos que
(1 v~1 + 2 v~2 + . . . + k v~k ) v~i
1 (v~1 v~i ) + 2 (v~2 v~i ) + . . . + k (v~k v~i )
i (~
vi v~i )
i k~
v i k2
A equao acima implica que i =
~v ~
vi
k~
v i k2 ,
=
=
=
=
~v v~i
~v v~i
~v v~i
~v v~i .
190
Definio 16. Dizemos que uma base B = {v~1 , . . . , v~k } para o espao vetorial
V uma base ortogonal se seus elementos so dois a dois ortogonais. Dizemos
uma base B = {v~1 , . . . , v~k } uma base ortonormal se ortogonal e v~i v~i = 1
para todo i.
191
i =
Observe que a expresso se simplifica ainda mais, j que os vetores tem norma
igual a 1. Calculando os produtos internos, temos
2
1
1
1 = ~v v~1 = + 0 =
2
2
2
2
1
3
2 = ~v v~2 = + 0 + =
2
2
2
3 = ~v v~3 = 0 + 1 + 0.
Temos ento que
3
1
~v = v~1 + v~2 + v~3 .
2
2
Exerccio 96. Verifique se os conjuntos de vetores abaixo so ortogonais. Verifique quais deles so ortonormais. Verifique quais deles constituem bases de
R3 .
1. {(1, 2, 1), (1, 0, 1)} ;
2.
1
1 , 1 ,
3
3
3
1 , 0, 1
2
2
1 , 1 , 1
3
3
3
, 16 , 26
6
1
1 ,
,0
2
2
192
1 , 0, 1
2
2
e ~u = a,
1
,b .
3
7.5.1
~v ~u
proj~u~v =
~u.
k~uk2
193
194
Demonstrao. De fato,
~v ~u
w
~ ~u = (~v proj~u~v ) ~u = ~v ~u proj~u~v ~u = ~v ~u
~u ~u = 0.
k~uk2
Aplicando repetidamente o teorema acima, obtemos o seguinte resultado:
Teorema 24. Sejam u~1 , u~2 , . . . , u~k vetores no nulos em Rn . Ento para qualquer ~v V w
~ = ~v proju~1~v proju~2~v . . . proju~k ~v ortogonal a u~i para
todo i = 0, . . . , k.
Mtodo Ortogonalizao de Gram-Schmidt
Se assumimos a existncia de uma base qualquer para o espao V ento podemos nos perguntar se h uma base ortonormal de V e a resposta afirmativa.
Dada uma base qualquer {v~1 , v~2 , . . . , v~n } de V ento podemos obter uma base
ortonormal {u~1 , u~2 , . . . , u~n } por meio de um procedimento conhecido como ortogonalizao de Gram-Schmidt que passamos a descrever.
Primeiro passo: Para construir o vetor u~1 basta tomarmos
u~1 =
v~1
.
kv1 k
Segundo passo: Para construir u~2 devemos ter em mente duas coisas:
queremos que u~2 tenha norma unitria e que seja ortogonal ao vetor j construdo
u~1 . Para satisfazer essa essa segunda condio vamos substituir o vetor ketv2
pelo vetor
w~2 = v~2 proju~1 v~2
que, pelo teorema 23 ortogonal a u~1 . Para satisfazer a primeira condio,
basta definir
w~2
u~2 =
.
kw2 k
195
wk
.
kwk k
Dessa forma podemos exibir todos os vetores u~1 , . . . , u~n ; por construo eles
geram o mesmo espao que v~1 , . . . , v~n . So tambm ortonormais, sendo assim
a base ortonormal procurada do espao V .
Observao 19. No processo que mostramos acima, a cada passo normalizamos
o vetor para j chegar a um vetor de norma um. Podemos primeiramente ignorar
a normalizao e encontrar um conjunto de vetores ortogonais entre si e no final
dividir cada um deles pela sua norma.
196
2
3
S = v~1 = , v~2 = .
2
1
Agora , aplicamos Gram-Schmidt para obter um conjunto ortonormal de
vetores:
3
w~1 = v~1 =
1
v~2 v~1 2
8 3 2/5
w~2 = v~2 proju~1 (v~2 ) = v~2
v
~
=
.
1
2
6/5
kv~1 k2
10 1
Verificamos que os vetores w~1 e w~2 so, de fato, ortogonais:
*
6 6
3
2/5
w~1 w~2 = ,
= + = 0.
1
6/5
5 5
Vamos agora normaliza-los dividindo pela norma de cada um dos vetores:
1
3
u~1 =
10 1
u~2 =
7.5.2
1
q
40
25
1
2/5
1
= .
6/5
10 3
Subespaos Ortogonais
197
198
199
200
201
S2 = (x, y, x y, x + y) R4 ; x, y R
n
so subespaos ortogonais.
Soluo. Fazendo o produto interno entre dois elementos quaisquer de S1 e
S2 temos
(a + b, a b, a, b) (x, y, x y, x y) = (a + b)x + (a b)y + a(x y) + b(x + y)
= ax + bx + ay by ax ay bx + by
= 0.
202
Logo S1 e S2 so subespaos ortogonais.
Provas antigas
I. 9 de dezembro de 2010
1. (1 pt) Dados os conjuntos de vetores em R3
{(x, y, z) R3 |x 3z = 5}
203
204
205
{(x, y, z) R3 |X + 2y 3z = 4}
NO um subespao de R3 .
3. (1,5 pt) Considere o sistema homogneo abaixo
x1 x2 = 0
x3 + x6 = 0
x4 = 0
x5 = 0
x7 = 0
206
2. (1 pt)
a) Mostre que
{(x, y, z) R3 |X 3z = 5}
NO um subespao de R3 .
b) Mostre que o vetor nulo combinao linear de qualquer conjunto de
vetores V1 , . . . , Vn .
3. (1,5 pt) Seja o subconjunto
W = {(x, y, z, w) R4 |x z = 0}
a) Mostre que W um subespao de R4 .
b) Encontre uma base para W e sua dimenso.
c) Mostre que os vetores V1 = (1, 0, 1, 0), V2 = (2, 1, 2, 0), V3 =
(0, 2, 0, 1) pertencem a W .
d) Mostre que {V1 , V2 , V3 } uma base de W .
IV. 19 de outubro de 2010
1. (1 pt) Dados os conjuntos de vetores em R3
207
208
1. (0,9 pt)
a)Mostre que os subconjuntos
W1 = (x, y, z, w) R4 ;
W2 = (x, y, z, w) R ;
x y
z w
x y
z w
mtiplo de I
mtiplo de
1 0
0 1
so subespaos de R4 .
b) Encontre bases para eles e suas dimenses.
c) Mostre que esses subespaos so ortogonais.
2. (0,9 pt) Considere o sistema homogneo abaixo
x1 x2 + x3 + x4 = 0
x1 + x2 x3 x4 = 0
3x1 + x2 x3 x4 = 0
209
Mudana de Base
Vimos nos captlos anteriores que uma base para um espao vectorial V de
dimenso k um conjunto de k vetores LI {u~1 , . . . , u~k } com a propriedade de
que cada vetor no espao pode ser expresso unicamente como uma combinao
linear dos vetores de u~1 , . . . , u~k . Uma vez que muitas vezes desejvel trabalhar
com mais dee uma base para um espao vetorial , de importncia fundamental
que sejamos capazes de transformar representaes de vetores em relao a uma
base para as suas representaes equivalentes com relao a outra base. Essa
transformao chamada uma mudana de coordenadas ou mudana de base.
Definio 19. Seja B = {u~1 , . . . , u~k } uma base para um espao vetorial V .
Dado ~v V , as constantes 1 , . . . , k R tais que
~v = 1 u~1 + . . . + k u~k
so chamadas coordenadas do vetor ~v em relao base B.
Quando a base B est fixa, podemos trabalhar somente com as coordenadas
211
212
1
2
~v = .. .
.
k B
(9.1)
1 1 1 3
=
.
1
2 1 2
213
4
~v = .
7 B
O fato de que as coordenadas de ~v na base B so 4 e 7 significa que para
chegar ao vetor ~v devemos somar 4 vezes o vetor u~1 e 7 vezes o vetor u~2 . A
interpretao geomtrica desse fato mostrada na figura abaixo.
A
figura acima mostra os vetores u~1 = (1, 2) e u~2 = (1, 1) (em preto), os vetores
4u~1 = (4, 8) e 7u~2 = (7, 7) (em vermelho), e o vetor ~v (em azul).
Observe que o vetor em azul a soma dos vetores em vermelho.
214
215
p(x) = 1 .
5 B
Exerccio 104. Considere a base B1 = {1, x, x2 , x3 } de P3 . Encontre as coordenadas de um polinmio qualquer p(x) P3 em relao base B1 .
Exerccio 105.
de P3 .
216
Encontre as coordenadas do vetor (2, 3, 5) em relao base B = {(1, 0, 1), (0, 1, 1)} .
Soluo. Devemos encontrar constantes 1 e 2 tais que
(2, 3, 5) = 1 (1, 0, 1) + 2 (0, 1, 1).
Essas constantes podem ser encontradas resolvendo-se o sistema linear
2
1 0
0 1 1 = 3 .
2
5
1 1
2
~v = .
3 B
Observe que temos duas coordenadas, uma vez que S um subespao de dimenso 2.
Exerccio 106.
217
~v v~i
.
||~
vi ||2
218
~v v~i
= ~v v~i .
||~
vi ||2
Observe que a expresso se simplifica ainda mais, j que os vetores tem norma
igual a 1. Calculando os produtos internos, temos
2
1
1
1 = ~v v~1 = + 0 =
2
2
2
2
1
3
2 = ~v v~2 = + 0 + =
2
2
2
3 = ~v v~3 = 0 + 1 + 0.
Temos ento que
1
3
~v = v~1 + v~2 + v~3
2
2
e portanto temos
~v =
2
3
1
..
~v = . ,
k B
1
219
1
~v = ... ,
k B
2
(9.2)
(9.3)
(9.4)
(9.5)
(9.6)
(9.7)
M M12
11
M21 M22
M = ..
..
.
.
Mk1 Mk2
. . . M1k
. . . M2k
.
. . . ..
. . . Mkk
220
1
..
.
k
B2
M M12
11
M21 M22
= ..
..
.
.
Mk1 Mk2
. . . M1k
. . . M2k .1
. .. .
. . . ..
k B
1
. . . Mkk
k
X
i=1
Mi1 v~i + 2
k
X
Mi2 v~i + + k
i=1
k
X
Mik v~i
i=1
1
..
e portanto as coordenadas na base B2 so as componentes do vetor M . .
k B
1
221
1
1
..
.
= M ...
k B
k B
2
1
1
..
.
= M 1 ... .
k B
k B
1
1
1
u~1 = , u~2 = .
2 C
1 C
Assim, a matriz M que faz a mudana de coordenadas da base B para a base
C
1
1
.
M =
2 1
222
1 1
.
=
2 1
3
~v = .
1 C
As coordenadas de ~v na base B so
1 1 3
4
= ,
2 1
1 C
7 B
exatamente como mostrado no exemplo 127.
Exerccio 107. Utilize as matrizes encontradas no exemplo 134 para calcular
as coordenadas dos vetores abaixo em relao base B formada pelos vetores
u~1 = (1, 2) e u~2 = (1, 1).
1. (1, 2);
2. (2, 4);
3. (1, 1).
223
4
1. ;
7 B
1
2. ;
1 B
3.
1
1
1
4. Se o vetor ~v possui coordenadas na base B, quais so suas coor1 B
denadas na base cannica?
224
2
1
coordenadas na B?
Exerccio 112. Considere os vetores u~1 = (1, 1, 0), u~2 = (1, 1, 0) e u~3 =
(0, 0, 1).
1. Mostre que B = {u~1 , u~2 , u~3 } uma base para R3 ;
2. Encontre a matriz de mudana de coordenadas da base B para a base
cannica;
3. Encontre a matriz de mudana de coordenadas da base cannica para a
base B;
1
225
2 1
3, 3 .
2
1 , 2
3
3
e u~2 =
Encontre a matriz de mudana de coordenadas da base
cannica C do R para a base B.
Soluo. Sempre que a base cannica estiver envolvida, o melhor a fazer
encontrar a matriz de mudana de base de B para C e em seguida utilizar a
inverso de matrizes para encontrar a matriz de mudana de coordenadas de C
para B.
Se queremos passar da base B para a base C devemos encontrar as coordenadas dos vetores da base B em relao base C e utiliz-las como colunas
da matriz M . Em relao base cannica C, fcil encontrar as coordenadas:
1
3
2
3 C
u~1 =
2
3
, u~2 =
1
3 C
1
2
3 3
.
M = 2
1
M 1 =
1
3
23
2
3
.
1
1
2
2
u~1 = 3 , 3 e u~2 = 3 , 13 .
226
2
~v = .
1 C
As coordenadas de ~v na base B so
1
3
23
2
3
0
=
1 C
2
3
13
B
1 , 1
2
2
e u~2 =
1 , 1
2
2
1
4. Se o vetor ~v possui coordenadas na base B, quais so suas coor1 B
denadas na base cannica?
2
1
coordenadas na B?
Exerccio 114. Considere os vetores u~1 =
1 , 2
5
5
e u~2 =
2 1
, 5
5
227
1
2
5
1
coordenadas na B?
1 , 1
2
2
, 0, u~2 =
1 , 1
2
2,0
coordenadas na B?
228
1 , 1 , 0
2
2
, u~2 =
1 , 1 , 0
2
2
coordenadas na B?
Exerccio 117. Considere os vetores u~1 =
u~3 =
1 , 1 , 2
6
6
6
1
C
1 , 1 , 0
2
2
, u~2 =
1 , 1 , 1
3
3
3
229
coordenadas na B?
Exerccio 118. Seja B = {u~1 , u~2 } uma base de R2 tal que a mudana de
coordenadas da base cannica para B seja dada por:
3
1
1 =
1 2
2
2
1
3
2 = 1 +
2 .
2
2
1. Encontre a matriz de mudana de coordenadas da base B para a base
cannica.
2. Encontre as coordenadas dos vetores da base B na base cannica. A base
B uma base ortonormal?
Exerccio 119. Seja B = {u~1 , u~2 , u~3 } uma base de R3 tal que a mudana de
coordenadas da base cannica para B seja dada por:
1
1
1 = 1 2
2
2
1
3
1
2 = 1 + 2 3
5
5
5
3
3
2
3 = 1 + 2 3 .
10
10
10
230
10
Transformaes Lineares
Uma transformao linear um tipo particular de funo entre dois espaos
vetoriais que preserva as estruturas de espao vetorial de cada um deles, isto ,
uma funo que preserva as operaes de adio vetorial e multiplicao por
escalar. Do ponto de vista da lgebra Linear, que se preocupa apenas com a
estrutura matemtica dada por essas duas operaes, somente so consideradas
transformaes que sejam lineares.
10.1
Definio
232
T (u~1 ) =
=
=
=
T (x1 + x2 , y1 + y2 )
(x1 + x2 ) + (y1 + y2 )
(x1 + y1 ) + (x2 + y2 )
T (u~1 ) + T (u~2 ).
T (x1 , y1 ))
x1 + y1
(x1 + y1 )
T (x1 , y1 ) = T (u~1 ).
233
234
Exemplo 142. Representemos ~u = (a1 , . . . , an ) Rn em termos de suas coordenadas em relao base cannica C:
a
1
..
~u = .
an C
Dada uma matriz m n qualquer A A funo
T : Rn Rm
~u 7 A~u
uma transformao linear de Rn em Rn . Esse fato uma consequncia da
linearidade da multiplicao de matrizes. Com efeito, dados u~1 , u~2 Rn e
R temos
T (u1 + u2 ) = A (u~1 + u~2 ) = Au~1 + Au~2 = T (u~1 ) + T (u~2 ).
T (u1 ) = A (u~1 ) = Au~1 = T (u~1 ).
Exemplo 143. O exemplo 141 um caso particular do exemplo 142. De fato,
a transformao T do exemplo 141 pode ser escrita na forma
2 1 x
T (x, y) =
.
1 3 y C
Veremos mais adiante que todas as transformaes lineares podem ser escritas
de maneira semelhante mostrada no exemplo 142.
Exemplo 144. Seja Pn o espao vetorial formado pelos polinmios com coeficientes reais de grau no mximo n. Seja T a transformao derivada:
T : Pn Pn1
d
p(x) 7 dx
p(x).
235
d
d
(p1 (x)) = p1 (x) = T (p1 (x)) .
dx
dx
Exerccio 120. Verifique quais das transformaes abaixo so lineares:
T (p1 (x)) =
1.
T1 : R2
R
x
(x, y) 7 ye .
2.
T2 : R2 R
(x, y) 7 x y
3.
T3 : R2 R
(x, y) 7 ax + by
em que a e b so nmeros reais quaisquer.
4.
T4 : R3 R2
(x, y, z) 7 (xy, yz)
236
5.
T5 : Rn R
T3 (v) 7 kvk
6.
T6 : R3 R2
(x, y, z) 7 (x, y)
7.
T7 : R3 R2
(x, y) 7 (ax + by, cx + dy)
em que a, b, c e d so nmero reais quaisquer.
10.2
Propriedades
237
Teorema 29. Seja T uma transformao linear entre dois espaos vetoriais
U e V e { u~1 , . . . , u~m } uma base qualquer de U . Se conhecermos as imagens
T (u~1 ) , . . . T (u~m ) ento possvel calcular T (~u) para qualquer ~u U .
Demonstrao. Como { u~1 , . . . , u~m } uma base de U , dado ~u U qualquer
sabemos que existem constantes 1 , . . . m tais que
~u = 1 u~1 + . . . + m u~m .
Pela linearidade de T temos
(~u) = T (1 u~1 + . . . + m u~m ) = 1 T (u~1 ) + . . . + m T (u~m ) .
238
10.3
~u = .. .
.
m B
1
Vamos agora analisar a imagem de cada vetor da base B1 por uma transformao linear T : U V . Como B2 uma base para V e cada T (~
ui ) V ,
existem constantes que denotaremos por Tji R tais que
T (u~1 ) = T11 v~1 + T21 v~2 + + Tn1 v~k
T (u~2 ) = T12 v~1 + T22 v~2 + + Tn2 v~k
..
..
.
.
T (~
ui ) = T1i v~1 + T2i v~2 + + Tni v~k
..
..
.
.
T (u~m ) = T1m v~1 + T2m v~2 + + Tnm v~k
Da temos que
T (~u) = T
m
X
i u~i =
i=1
=
=
m
X
i T
i=1
m X
n
X
(~
ui )
i Tji v~j
i=1 j=1
n
m
X
X
j=1 i=1
Tji i v~j
239
Tji i ,
i=1
[T (~u)]B2 =
1
..
.
n
B2
T T12
11
T21 T22
= ..
..
.
.
Tn1 Tn2
. . . T1m
. . . T2m .1
. ..
. . . ..
m B
1
. . . Tnm
(10.1)
2
[T ]B
B1
T T12
11
T21 T22
= ..
..
.
.
Tn1 Tn2
. . . T1m
. . . T2m
.
. . . ..
. . . Tnm
240
2
A multiplicao pela matriz [T ]B
B1 equivale a tomar um vetor de U escrito
em relao base B1 , aplicar a transformao T e retornar o resultado T (~u)
escrito em relao base B2 .
2 1
[T ]CC =
.
1 3
Observe que a multiplicao
2 1 x
2x + y
=
1 3
y C
x 3y C
corresponde justamente transformao linear T .
Exemplo 147. Considere a base B = {(1, 1), (0, 1)} e a transformao linear
T : R2 R2
(x, y) 7 (2x + y, x 3y)
241
3
T (1, 1) = ,
5 B
1
T (0, 1) = .
4 B
[T ]CC
3 1
.
=
5 4
A multiplicao por essa matriz leva um vetor ~u U escrito em suas coordenadas na base B ao vetor T (~u) escrito em suas coordenadas na base B.
Exemplo 148. Encontre a matriz que representa a transformao linear
T : R2 R3
(x, y) 7 (x + 2y, 3x, x + 5y)
em relao base cannica.
Soluo. Queremos encontrar a matriz [T ]CC . Para isso devemos encontrar
a imagem dos elementos da base cannica e escrev-los em termos de suas
coordenadas em relao base cannica.
T (1, 0) = (1, 3, 1)
242
[T ]C = 3 0 .
1 5
x
3 0 =
3x
y C
1 5
x + 5y C
[T ]B = 3 1 .
4 6
243
244
2 1
[T1 ]CC =
1 3
e a matriz que representa T2
[T2 ]CC
0 1
=
.
1 0
0 1 2 1 1 3
[T2 T1 ]CC =
=
.
1 3
2 1
1 0
Observe que a representao matricial encontrada acima est de acordo com o
que esperamos, uma vez que
T2 T1 (x, y) = T2 (2x + y, x 3y) = (x + 3y, 2x + y).
245
2 1
.
[T ]CC =
1 3
Essa uma matriz invertvel e portanto T uma transformao linear invertvel.
A matriz que representa a inversa em relao base cannica
[T ]CC
1
3
7
1
7
1
7 .
27
246
Assim
3x y x 2y
T 1 (x, y) =
+ ,
.
7
7 7
7
!
247
6.
T6 : R2 R2
(x, y) 7 (x y, 0)
7.
T7 : R2 R2
(x, y) 7 (ax + by, cx + dy)
em que a, b, c e d so nmero reais quaisquer.
10.4
Ncleo e Imagem
Nessa seo vamos estudar elementos que nos permitem verificar se uma transformao linear T injetiva, sobrejetiva e bijetiva. Isso pode ser feito analisando
o ncleo e a imagem de T .
Definio 22. O ncleo de uma transformao linear T : U V o conjunto
de todos os vetores de U que so levados ao vetor nulo de V :
N (T ) = {~u U | T (~u) = 0} .
Teorema 35. O ncleo de uma transformao linear T : U V um subespao vetorial de U .
Demonstrao. De fato, dados u~1 , u~2 N (T ) e R temos
T (u~1 + u~2 ) = T (u~1 ) + T (u~2 ) = 0 + 0 = 0,
T (u~1 ) = T (u~1 ) = 0 = 0.
Isso implica que tanto u~1 + u~2 quanto u~1 pertencem a N (T ) e portanto N (T )
um subespao de U .
248
3z
2x z, 2z + y, x + y +
2
(x, y, z) 7
2x z
= 0
2z + y
= 0
3z
x+y+ 2 = 0
N (T ) =
z
, 2z, z | z R .
2
!
249
2x + y = 0
x 3y = 0
250
ento
=
=
=
=
=
T (u~1 ) = T (u~2 )
T (u~1 ) T (u~2 ) = 0
T (u~1 u~2 ) = 0
u~1 u~2 N (T )
u~1 u~2 = 0
u~1 = u~2 .
251
10.4.1
252
3z
2x z, 2z + y, x + y +
2
253
o que implica que dim I(T ) = 2, o que implica que T sobrejetiva. Logo T
bijetiva, e portanto um isomorfismo de R2 em R2 .
Exemplo 159. Verifique se a transformao linear
T : R2 R2
(x, y) 7 (x + y, 0)
injetiva, sobrejetiva e bijetiva.
Soluo. O ncleo de T N (T ) = {(x, x, 0) | x R}, que um subespao
de dimenso um. Isso implica que T no injetiva e portanto tambm no pode
ser bijetiva. Pelo teorema do ncleo e da imagem temos
dim R2 = dim N (T ) + dim I(T )
2 = 1 + dim I(T )
o que implica que dim I(T ) = 1, o que implica que T tambm no sobrejetiva.
Observao 22. A verificao de que uma transformao linear T um isomorfismo tambm pode ser feita atravs da matriz que representa essa transformao em relao a alguma escolha de bases. T ser um isomorfismo se, e
somente se, a matriz que o representa for invertvel, ou seja, se essa matriz tiver
o determinante diferente de zero.
Exerccio 126. Seja
T : R3 R2
(x, y, z) 7 (x z, y + z)
.
1. Mostre que T uma transformao linear;
254
255
256
5.
T5 : R3 R3
(x, y, z) 7 (x + y + z, x + z, x + z)
6.
T6 : R2 R2
(x, y) 7 (x y, 0)
7.
T7 : R2 R2
(x, y) 7 (ax + by, cx + dy)
em que a, b, c e d so nmero reais quaisquer.
Exemplo 160. A transformao linear
T : P2 R3
a2 x2 + a1 x + a0 7 (a2 , a1 , a0 )
um isomorfismo.
De fato, se T (p(x)) = (0, 0, 0) ento a2 = a1 = a0 = 0, e portanto o ncleo
de T N (T ) = {0}. Isso implica que T injetiva. Pelo teorema do ncleo e
da imagem temos
dim P2 = dim N (T ) + dim I(T )
3 = 0 + dim I(T )
e portanto dim I(T ) = 3, o que implica que T sobrejetiva. Logo T bijetiva,
e portanto um isomorfismo de P2 em R3 .
Exemplo 161. Utilize um raciocnio semelhante ao utilizado no exemplo acima
para mostrar que P3 e R4 so isomorfos. Em seguida, faa o mesmo para Pn e
Rn+1
11
Diagonalizao de Matrizes
11.1
Autovetores e Autovalores
para algum R.
258
1
u~1 =
1
autovetor da matriz
2 1
A=
1 2
2 1 1 3
1
=
= 3 .
1 2 1
3
1
Exerccio 131. Mostre que (1, 1) tambm autovetor da matriz A dada no
exemplo anterior. Calcule o autovalor associado.
11.1.1
259
260
2 1
A=
.
1 2
Soluo. Para encontrar os autovalores de A, precisamos primeiramente encontrar o polinmio caracterstico e suas razes. O polinmio caracterstico
p () = det (A I) = 3 4 + 2
cujas razes so 1 = 1 e 2 = 3. Esses so os autovalores de A.
Vamos agora encontrar os autovetores associados ao autovalor 1 = 1. Esses
vetores so as solues no nulas do sistema
(A I) X = 0.
Temos ento o sistema
1 1 x 0
=
,
1 1 y
0
x
u~1 = ,
x
x 6= 0.
261
1 1 x 0
=
,
0
1 1 y
x
u~2 = ,
x
x 6= 0.
A = 0 2 0 .
1 0 2
Soluo. Para encontrar os autovalores de A, precisamos primeiramente encontrar o polinmio caracterstico e suas razes. O polinmio caracterstico
p () = det (A I) = 6 11 + 62 3 ,
cujas razes so 1 = 1, 2 = 2 e 3 = 3. Esses so os autovalores de A.
Vamos agora encontrar os autovetores associados ao autovalor 1 = 1. Esses
vetores so as solues no nulas do sistema
(A I) X = 0.
262
0 1 0 y = 0 ,
0
1 0 1 z
u~1 = 0 ,
x
x 6= 0.
0 0 0 y = 0 ,
0
1 0 0 z
u~2 =
y ,
y 6= 0.
263
0
1 0 y = 0 ,
0
1 0 1 z
u~3 =
0 ,
x 6= 0.
A = 1 2 0 .
2 3 3
Soluo. Para encontrar os autovalores de A, precisamos primeiramente encontrar o polinmio caracterstico e suas razes. O polinmio caracterstico
p () = det (A I) = (1 )(2 )(3 ),
cujas razes so 1 = 1, 2 = 2 e 3 = 3. Esses so os autovalores de A.
Vamos agora encontrar os autovetores associados ao autovalor 1 = 1. Esses
vetores so as solues no nulas do sistema
(A I) X = 0.
Temos ento o sistema
0
0 0 0 x
1 1 0 y = 0 ,
2 3 2 z
0
264
u~1 = x ,
x2
x 6= 0.
1 0 0 x
0
1
0 0 y = 0 ,
2 3 1 z
0
u~2 = y ,
3y
y 6= 0.
1 0 y = 0 ,
2 3 0 z
0
265
u~3 =
0 ,
z 6= 0.
A = 0 2 0 .
0 0 3
Soluo. Para encontrar os autovalores de A, precisamos primeiramente encontrar o polinmio caracterstico e suas razes. O polinmio caracterstico
p () = det (A I) = (1 )(2 )(3 ),
cujas razes so 1 = 1, 2 = 2 e 3 = 3. Esses so os autovalores de A.
Vamos agora encontrar os autovetores associados ao autovalor 1 = 1. Esses
vetores so as solues no nulas do sistema
(A I) X = 0.
Temos ento o sistema
0 0 0 x
0
0 1 0 y = 0 ,
0 0 2 z
0
cuja soluo y = z = 0, y R. Isso quer dizer que os autovetores de A
associados ao autovalor 1 = 1 so da forma
u~1 =
0 ,
x 6= 0.
266
0
1 0 0 x
0
0 0 y = 0 ,
0
0 0 1 z
u~2 =
y ,
y 6= 0.
0
1 0 y = 0 ,
0 0 0 z
0
u~3 =
0 ,
z 6= 0.
267
0 ... 0
1
0 2 . . . 0
D = .. .. . . ..
.
. .
.
0 0 . . . k
uma matriz diagonal, ento os vetores da base cannica so autovetores de D
com autovalores i .
Exemplo 169. Encontre os autovalores e autovetores da matriz
0 1
A=
.
0 0
Soluo. Para encontrar os autovalores de A, precisamos primeiramente encontrar o polinmio caracterstico e suas razes. O polinmio caracterstico
p () = det (A I) = 2
cuja raiz nica 1 = 0. Esse o autovalor de A.
Vamos agora encontrar os autovetores associados ao nico autovalor 1 = 0.
Esses vetores so as solues no nulas do sistema
(A 0 I) X = 0.
Temos ento o sistema
0 1 x 0
=
,
0 0 y
0
x
u~1 = ,
0
x 6= 0.
268
2
A =
0
0
2
2
0
0
0
0
2
2
0
.
2
2
Soluo. Para encontrar os autovalores de A, precisamos primeiramente encontrar o polinmio caracterstico e suas razes. O polinmio caracterstico
p () = det (A I) = [( 2
i2
4 ,
2
2
0
0
0
0
2
2
0
0 x
0 y 0
= ,
2 z 0
2 w
0
u~1 = ,
z
z
269
2
2 0 0 y 0
= ,
0
0 2 2 z 0
0
0 0 2 2 w
u~1 =
x
,
z
Exerccio 133. Encontre o polinmio caracterstico, os autovalores e autovetores das seguintes matrizes:
1 3
1. A =
;
4 5
7 1
2. A =
;
6 2
0 0
4. A =
;
1 0
0 1 2
7. A = 0 0 3 ;
0 0 0
0 1
5. A =
;
0 0
1 0 0
8. A = 1 3 0 ;
3 2 2
5 2
;
3. A =
4 4
1 0
6. A =
;
0 5
270
0 1 0
9. A = 1 0 0 ;
0 0 1
1
1 0 0 0
1
3 0 0
0
;
10. A =
2 2 011. A = 0
3
0
1 1 2 4
0 0 0 0
3 0 0 0
0 2 0 0 .
0 0 4 0
0 0 0 1
Exerccio 134.
1. Demonstre que se A uma matriz triangular ento os
autovalores de A so os elementos da diagonal principal.
2. Demonstre que uma matriz triangular invertvel se, e somente se, seus
autovalores so todos diferentes de zero.
Teorema 43. Seja u~1 autovalor de uma matriz A associado ao autovalor 1 e
u~2 autovalor de A associado ao autovalor 2 , com 1 6= 2 . Ento u~1 e u~2 so
LI.
Demonstrao. Suponhamos que
1 u~1 + 2 u~2 = 0.
(11.1)
Aplicando A a ambos os lados da equao e utilizando a linearidade da multiplicao por matrizes obtemos
A (1 u~1 + 2 u~2 ) = A 0
1 Au~1 + 2 Au~2 = 0
1 1 u~1 + 2 2 u~2 = 0.
Temos ento que
1 1 u~1 + 2 2 u~2 = 0.
(11.2)
(11.3)
271
LI.
272
11.2
Diagonalizao
Suponhamos que seja possvel encontrar uma base para o espao vetorial Rn utilizando apenas autovetores de uma transformao linear T : Rn Rn . Vamos
mostrar que a matriz que representa T em relao a essa base a mais simples
possvel.
Teorema 45. Suponhamos que B = {u~1 , u~2 , . . . , u~n } seja uma base para Rn
formada por autovetores de uma transformao linear T : Rn Rn . Ento
[T ]B
B uma matriz diagonal.
ui ) para cada u~i e
Demonstrao. Para encontrar [T ]B
B devemos calcular T (~
escrever o resultado em termos de suas coordenadas em relao base B. Mas
T (u~1 ) = 1 u~1 = 1 u~1 + 0u~2 + . . . + 0u~k
T (u~2 ) = 2 u~2 = 0u~1 + 2 u~2 + . . . + 0u~k
..
..
.
.
T (u~k ) = k u~k = 0u~1 + 0u~2 + . . . + k u~k
0
0
1
0
2
0
[T (u~1 )]B = .. , [T (u~2 )]B = .. , [T (u~k )]B = .. .
.
.
.
0 B
0 B
k B
Para construir a matriz [T ]B
B utilizamos essas coordenadas como colunas, o que
273
0 ... 0
1
0 2 . . . 0
B
[T ]B = .. .. . . .. .
.
. .
.
0 0 . . . k
A matriz anterior e a matriz que representa T na base cannica esto relacionadas pela equao
B
[T ]CC = [I]CB [T ]B
B [I]C
em que [I]B
C a matriz de mudana de coordenadas da base cannica para B
C
e [I]B a matriz de mudana de coordenadas de B para a base cannica. Se
for possvel encontrar uma base B de autovetores de T ento [T ]B
B diagonal.
C
Nesse caso dizemos que a matriz [T ]C diagonalizvel.
Definio 30. Dizemos que uma matriz A n n diagonalizvel se existirem
uma matriz diagonal D n n e uma base B de Rn tais que
A = [I]CB D[I]B
C,
ou seja, existe uma mudana de base que relaciona as matrizes A e D.
Observao 25. Uma matriz A diagonalizvel se existir uma matriz diagonal
D tal que A e D representam a mesma transformao linear em bases diferentes.
C
B
Definindo P = [I]B
C e lembrando que [I]B = [I]C
reescrever o teorema acima:
1
= P 1 podemos
274
11.2.1
2 1
A=
1 2
diagonalizvel. Em caso afirmativo encontre as matrizes D e P que diagonalizam A.
Soluo. Para que A seja diagonalizvel, precisamos encontrar uma base de
R2 formada por autovetores de A. Os autovetores de A associados ao autovalor
1 = 1 so da forma
x
u~1 = , x 6= 0
(11.5)
x
e os autovetores de A associados ao autovalor 2 = 3 so da forma
x
u~2 = ,
x
x 6= 0.
(11.6)
Observe que cada autoespao tem dimenso 1, de modo que em cada um deles
podemos escolher no mximo um vetor LI. Para encontrar uma base para R2
devemos escolher um autovetor em cada autoespao. O teorema 44 garante que
eles sero LI. Escolhendo x = 1 na equao (11.5), temos
1
u~1 = .
1
275
1
u~2 = .
1
Dessa forma, temos que a base B = {(1, 1), (1, 1)} formada por autovetores
de A. Logo A diagonalizvel.
Vamos agora encontrar P e D. Para encontrar D basta colocar os autovalores de A na diagonal:
1
0
.
D=
0 3
Para encontrar P devemos encontrar a matriz de mudana de base P = [I]B
C.
1
C
Essa matriz mais difcil de encontrar que P = [I]B . Vamos ento encontrar
P 1 . Essa matriz obtida utilizando os vetores da base B como colunas:
1 1
=
.
1 1
Observe que a ordem utilizada deve concordar com a ordem utilizada para encontrar a matriz D. Utilizando a inverso de matrizes encontramos a matriz
restante:
1
1
1
1 1
P = P 1
=
= 21 1 2 .
1 1
2
2
Assim A diagonalizvel e
1 1 1 0 12 12
1 1 .
A = P 1 DP =
1 1
0 3
2
2
0 1
A=
0 0
276
x
u~1 = ,
0
x 6= 0.
(11.7)
Observe que esse autoespao tem dimenso 1, de modo que podemos escolher
no mximo um vetor LI. Assim no possvel escolher dois autovetores de A
que sejam LI e portanto no possvel encontrar uma base de R2 formada por
autovetores de A. Isso implica que A no diagonalizvel.
Exemplo 173. Verifique se a matriz
1 0 0
A = 1 2 0
2 3 3
u~1 = x , x 6= 0,
x2
os autovetores de A associados ao autovalor 2 = 2 so da forma
0
u~2 = y ,
3y
y 6= 0
277
u~3 =
0 ,
z 6= 0.
Observe que cada autoespao tem dimenso 1, de modo que em cada um deles
podemos escolher no mximo um vetor LI. Para encontrar uma base para R3
devemos escolher um autovetor em cada autoespao. O teorema 44 garante que
eles sero LI. Escolhendo x = 1 na primeira equao, y = 1 na segunda e z = 1
na terceira obtemos os autovetores
0
1 ,
1 ,
1/2
1 0 0
D = 0 2 0 .
0 0 3
Para encontrar P devemos encontrar a matriz de mudana de base P = [I]B
C.
1
C
Essa matriz mais difcil de encontrar que P = [I]B . Vamos ento encontrar
P 1 . Essa matriz obtida utilizando os vetores da base B como colunas:
1
= 1
P 1
1
2
0 0
1 0 .
3 1
Observe que a ordem utilizada deve concordar com a ordem utilizada para encontrar a matriz D. Utilizando a inverso de matrizes encontramos a matriz
278
restante:
1
= 1
P = P 1
1
1
2
0 0
1 0
3 1
1 0 0
= 1 1 0 .
5
2 3 1
Assim A diagonalizvel e
1
A = P DP = 1
1
2
Exemplo 174. Se
1 0 0
0 0
1 0 0
1 0 0 2 0 1 1 0 .
5
0 0 3
3 1
2 3 1
0 ... 0
1
0 2 . . . 0
A = .. .. . . ..
.
. .
.
0 0 . . . k
uma matriz diagonal, ento os vetores da base cannica so autovetores de D
com autovalores i . Conclumos ento que toda matriz diagonal diagonalizvel.
Nesse caso, D = A e P = I.
Exemplo 175. Verifique se a matriz
2
A =
0
0
2
2
0
0
0
0
2
2
2
2
279
u~1 = ,
z
z
u~2 =
x
,
z
0
D =
0
0
0
0
0
0
0
0
4
0
0
.
0
4
280
P 1
1 0
1
0
=
1
0
0 1
1
1
0
0
0
.
1
1
Observe que a ordem utilizada deve concordar com a ordem utilizada para encontrar a matriz D. Utilizando a inverso de matrizes encontramos a matriz
restante:
P = P 1
1
1 0
1
0
=
1
0
0 1
1
1
0
0
1
1
1
2
0
12 0 0
0 21 12
.
=
1
0 0
2
0 0 21 12
Assim A diagonalizvel e
1 0
1
0
A = P 1 DP =
1
0
0 1
1
1
0
0
0
0
0 0
1 0
1
0
0
0
0
0
0
0
4
0
1
0
12 0 0
0 0 0 12 12
.
0 12 12 0 0
4
0 0 12 21
1 3
;
1. A =
4 5
7 1
2. A =
;
6 2
5 2
3. A =
;
4 4
281
0 0
4. A =
;
1 0
0 1
;
5. A =
0 0
1 0 0
8. A = 1 3 0 ;
3 2 2
1 0
6. A =
;
0 5
0 1 0
9. A = 1 0 0 ;
0 0 1
0 1 2
7. A = 0 0 3 ;
0 0 0
1 0 0 0
1
3 0 0
;
10. A =
2 2 0
3
1 1 2 4
11. A = 0
11.3
0 0 0 0
3 0 0 0
0 2 0 0 .
0 0 4 0
0 0 0 1
1
1
2
2
u~1 = .. , u~2 = ..
.
.
n
n
vetores de Rn escritos como matrizes coluna em termos de suas coordenadas
282
1
1
1
i
2
2
2
. . . n .. = .. .. .
.
.
.
n
n
n
u~1 u~2 = 1 2
1
1
1
1
1
1
~ 1 u~2 =
A 2 2 = 2 AT 2 = 2 AT 2
Au
..
..
..
..
..
..
.
.
.
.
.
.
n
n
n
n
n
n
1
1
1
1
2
2
2
2
~ 2.
~1 Au
= .. A .. = ..
A .. = u
.
.
.
.
n
n
n
n
Assim temos que, se A simtrica
~ 1 u~2 = u~1 Au
~ 2.
Au
Se u~1 e u~2 so autovetores associados aos autovalores distintos 1 e 2 respectivamente temos que
~ 1 u~2 = 1~u1 u~2 = 1 u~1 u~2
Au
~ 2 = u~1 2~u2 = 2 u~1 u~2 .
u~1 Au
Temos ento que
1 u~1 u~2 = 2 u~1 u~2 = (1 2 ) u~1 u~2 = 0
o que implica que u~1 u~2 = 0 uma vez que 1 6= 2 .
283
2 1
A=
1 2
encontre matrizes D diagonal e P ortogonal tais que
A = P T DP.
Soluo. Para escrever A na forma desejada, precisamos encontrar uma base
ortonormal de R2 formada por autovetores de A. Os autovetores de A associados
ao autovalor 1 = 1 so da forma
x
u~1 = ,
x
x 6= 0
(11.8)
x
u~2 = ,
x
x 6= 0.
(11.9)
284
Observe que cada autoespao tem dimenso 1, de modo que em cada um deles
podemos escolher no mximo um vetor LI. Para encontrar uma base para R2
devemos escolher um autovetor em cada autoespao. O teorema 48 garante que
eles sero ortogonais. Escolhendo x = 1 na equao (11.8), temos
1
u~1 = .
1
Escolhendo x = 1 na equao (11.9), temos
1
u~2 = .
1
Dessa forma, temos que {(1, 1), (1, 1)} uma base ortogonal formada por
autovetores de A. Para encontrar uma base ortonormal basta dividir cada vetor
pela sua norma. Obtemos assim a base ortonormal
(
B=
1
1
1 1
, , ,
2
2
2 2
!
!)
1 0
D=
.
0 3
Para encontrar P devemos encontrar a matriz de mudana de base P = [I]B
C.
T
Vamos ento encontrar P . Essa matriz obtida utilizando os vetores da base
B como colunas:
P =
1
2
12
1
2
.
1
2
Observe que a ordem utilizada deve concordar com a ordem utilizada para encontrar a matriz D. Utilizando a transposio de matrizes encontramos a matriz
285
P = P
T
1
2
1
2
1
2
12
T T
2
1
2
12
1
2
Assim A diagonalizvel e
1
2
12
1
2
1
2
A = P T DP =
1
12
1
0
2
1
1
0 3
2
2
2
A =
0
0
2
2
0
0
0
0
2
2
2
2
u~1 = ,
z
z
u~2 =
x
,
z
286
B=
1
1
1
1
1 1
1 1
, , 0, 0 , 0, 0, , , , , 0, 0 , 0, 0, ,
2
2
2
2
2 2
2 2
!
!)
Vamos agora encontrar P e D. Para encontrar D basta colocar os autovalores de A correspondentes a cada vetor da base B na diagonal:
0
D =
0
0
0
0
0
0
0
0
4
0
0
.
0
4
287
1
2
PT =
1
2
1
2
0
0
1
2
12
0
0
.
1
2
0
0
Observe que a ordem utilizada deve concordar com a ordem utilizada para encontrar a matriz D. Utilizando a transposio de matrizes encontramos a matriz
restante:
1
2
P = PT
T
0
0
1
2
12
Assim temos
1
2
1
2
1
2
0
0
1
2
0
0
1
2
12
0
1
2
12
2
.
0
0
1
2
1
2
A = P T DP =
0
0
1
2
12
1
2
1
2
0
0
0
0
1
2
0 0
0
0
0 0
0
0
4
0
1
2
0
4
0
12
0
1
2
12
2
.
0
0
1
2
1
2
Exerccio 137. Dadas as matrizes simtricas abaixo, encontre matrizes D diagonal e P ortogonal tais que
A = P T DP.
1 3
;
1. A =
3 5
7 1
2. A =
;
1 2
288
2 2 0 0
2
2 0 0
;
7. A =
0 2 2
0
0 0 2 2
0 1 0
8. A = 1 0 0 ;
0 0 1
5 2
3. A =
;
2 4
0 1
;
4. A =
1 0
1 0
5. A =
;
0 5
0 1 2
6. A = 1 2 1 ;
2 1 0
9. A = 0
0 0 0 0
3 0 0 0
0 2 0 0 .
0 0 4 0
0 0 0 1
12
Provas antigas
12 de julho de 2011
1. (1 pt) Sejam
T1 : R2 R3
(x, y) 7 (2x y, 0, x + y)
T2 : R2 R2
(x, y) 7 (x y, x + 3y)
T3 : R3 R
(x, y, z) 7 x2 + y 2z 2 .
a) Verifique quais das aplicaes acima so lineares.
b) Para as que forem lineares, encontre a matriz da transformao quando fixamos a base cannica tanto no domnio como no
contradomnio.
289
290
2 0 0 0 0
2 0 0 0 0
5 4 1 0 0 ,
1 2 1 3 0
3 1 2 2 2
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
,
1
1
1
A=
1 1 0
1 1 0 , A =
0 0 1
2 3 3 1
,
.
0 2
1 3
5 0 0 0
0 1 0 0
.
0 0 4 0
0 0 0 3
9 de dezembro de 2010
1. (1,2 pt) Dados os vetores
291
292
A=
1 0 1
0 2 0 ,
1 0 1
B=
0 1
.
0 0
293
A =
1 0 1
0 2 0 .
1 0 1
294
A =
1 0 1
0 0 0 .
1 0 1
B = {(1/ 10, 3/ 10, 0), (3/ 10, 1/ 10, 0), (0, 0, 1)}
a) mostre que B uma base ortonormal para R3 ;
295
T : R 3 R3
(x, y) 7= (2x y, x + z, 2x + y).
A =
1 0 2
0 1 0 .
2 0 1
T1 : R3 R3
(x, y, z) 7 (2x y, x + z, 2x + y).
296
T2 : R3 R2
(x, y, z) 7 (x y, x + z).
a) Mostre que essas aplicaes so lineares e encontre suas matrizes
na base cannica.
b) Encontre a dimenso do ncleo das aplicaes acima. Elas so
injetivas?
c) Elas so isomorfismos?
d) Se T um isomorfismo, como devemos proceder para encontrar
o isomorfismo inverso? (No precisa fazer conta, s explicar).
2. (1,2 pt) Dados os vetores
A=
1 0 1
0 2 0 ,
1 0 1
B=
0 1
.
0 0
297