Isabel Cabral Cec Perdigo lia a Carlos Saiago

ALGEBRA LINEAR E GEOMETRIA ANAL ITICA

2006/2007 (Verso Provisria) a o

 Indice

0 Preliminares 0.1 0.2 0.3 0.4 Notaes envolvendo conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . co O conjunto dos nmeros complexos: algumas denies e resultados . . . . . u co Propriedades da adio e da multiplicao em R e em C . . . . . . . . . . . . ca ca Propriedades de operaes envolvendo conjuntos arbitrrios . . . . . . . . . . co a

1 1 3 6 10

1 Matrizes 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 Generalidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Operaes com matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . co Inversa de uma matriz quadrada . . . . . . . . . . . . . . . . . . . . . . . . . Transposio de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca Conjugada/Transconjugada de uma matriz . . . . . . . . . . . . . . . . . . .

13 13 17 28 32 35

Transformaes elementares sobre linhas de uma matriz. Matrizes elementares 37 co Matrizes em forma de escada. Caracter stica de uma matriz . . . . . . . . . . Caracterizaes das matrizes invert co veis . . . . . . . . . . . . . . . . . . . . . Solues de alguns dos exerc co cios propostos . . . . . . . . . . . . . . . . . . . 40 47 53

2 Sistemas de Equaes Lineares co Solues de alguns dos exerc co cios propostos . . . . . . . . . . . . . . . . . . . iii

55 71

3 Determinantes

73

Solues de alguns dos exerc co cios propostos . . . . . . . . . . . . . . . . . . . 101

4 Espaos Vectoriais c 4.1 4.2 4.3 4.4 4.5

103

Espaos vectoriais: Denio, exemplos e propriedades . . . . . . . . . . . . . 103 c ca Subespaos vectoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112 c Dependncia e independncia linear e e . . . . . . . . . . . . . . . . . . . . . . . 126

Sequncias geradoras e sequncias independentes . . . . . . . . . . . . . . . . 132 e e Bases do espao soma de dois subespaos . . . . . . . . . . . . . . . . . . . . 149 c c Solues de alguns dos exerc co cios propostos . . . . . . . . . . . . . . . . . . . 157

5 Aplicaes Lineares co 5.1 5.2 5.3 5.4

159

Aplicaes lineares: Denio, exemplos e propriedades . . . . . . . . . . . . 159 co ca Imagem de uma aplicao. Ncleo de uma aplicao linear . . . . . . . . . . . 166 ca u ca Composio de aplicaes. Aplicaes invert ca co co veis/bijectivas . . . . . . . . . . 178 Matriz de uma aplicao linear . . . . . . . . . . . . . . . . . . . . . . . . . . 183 ca Solues de alguns dos exerc co cios propostos . . . . . . . . . . . . . . . . . . . 196

6 Valores e Vectores Prprios o 6.1 6.2 6.3

197

Valores, vectores e subespaos prprios de uma matriz . . . . . . . . . . . . . 197 c o Matrizes diagonalizveis: Denio e caracterizaes . . . . . . . . . . . . . . 204 a ca co Valores e vectores prprios de um endomorsmo . . . . . . . . . . . . . . . . 210 o Solues de alguns dos exerc co cios propostos . . . . . . . . . . . . . . . . . . . 215

iv

Cap tulo 0

Preliminares
0.1 Notaes envolvendo conjuntos co

Sejam A e B conjuntos. Se A e B tm os mesmos elementos escrevemos A = B. Caso e contrrio, escrevemos A = B. Utilizamos a notao A B, e lemos A est contido em B a ca a ou A subconjunto de B, para representar que todo o elemento do conjunto A tambm e e e elemento do conjunto B, isto , e x x A = x B.

Caso contrrio, escrevemos A B. Neste caso, dizemos que A no est contido em B ou a a a que A no subconjunto de B o que equivale a armar que existe pelo menos um elemento a e de A que no pertence ao conjunto B, isto , a e x Usamos a notao A ca x A x B.

B com o signicado A B A = B.

Tem-se A = B se, e s se, AB e BA, o pelo que utilizaremos frequentemente uma das implicaes anteriores para demonstrar que co dois conjuntos so iguais. a Alguns conjuntos podem ser obtidos a partir de outros atravs de operaes sobre estes, e co das quais as mais conhecidas so a unio e a interseco de conjuntos. A unio (tambm a a ca a e

2 designada por reunio) dos conjuntos A e B, que se denota por AB, o conjunto cujos a e elementos so os que pertencem pelo menos a um dos conjuntos A e B, isto , a e A B = {x : x A x B}. A interseco dos conjuntos A e B, que se denota por AB, o conjunto formado pelos ca e elementos comuns a A e a B, ou seja, A B = {x : x A x B}. Dados dois conjuntos A e B podemos ainda denir o complementar de B em A, que denotaremos por A \ B ou A B, que o conjunto cujos elementos so os elementos de A e a que no pertencem a B, isto , a e A \ B = {x : x A x B}.

Ao longo do texto utilizaremos alguns conjuntos, bem conhecidos, de nmeros, que seguidau mente referimos com a respectiva notao. ca Conjunto dos nmeros naturais u N = {1, 2, 3, . . .}. Conjunto dos nmeros inteiros u Z = {. . . , 3, 2, 1, 0, 1, 2, 3, . . .}. Conjunto dos nmeros racionais u Q={ Conjunto dos nmeros reais u R. Sendo W {Z, Q, R} utilizamos os conjuntos W+ = {x W : x > 0}, W = {x W : x < 0} Notemos que N Z Q R. e W+ = {x W : x0}, 0 W = {x W : x0}. 0 m : m, n Z , n = 0}. n

3 Os nmeros e, u 2 e so exemplos de nmeros reais que no so racionais. a u a a

Podemos visualizar o conjunto R comeando por pensar numa recta a que chamaremos c eixo real e por marcar nessa recta dois pontos que representem o nmero 0 e o nmero 1. u u

` A distncia entre tais pontos chamaremos a unidade de medida. a Obtemos facilmente uma correspondncia biun e voca entre cada nmero real e cada ponto u da recta, isto , uma correspondncia tal que a cada ponto da recta ca a corresponder e e um e um s nmero real e reciprocamente, convencionando, por exemplo, que cada nmero o u u positivo (respectivamente, negativo) representado por um ponto ` direita (respectivamente, e a a ` esquerda) do zero a uma distncia deste igual ao seu valor absoluto ou mdulo multiplicado a o pela unidade de medida. Assim, por exemplo, aos nmeros 3 , u 2 seguintes.
s
2 3 2 1 0 1 2

e 2 correspondem os pontos assinalados com

s
1 2

s
1 2

0.2

O conjunto dos n meros complexos: algumas denies u co e resultados

Consideremos agora a equao ca x2 + 1 = 0. Sabemos que se R ento 2 R+ e, portanto, 2 + 1 1. Assim a equao anterior no a ca a 0 tem ra zes em R. Recordemos um outro conjunto importante de nmeros, conhecido por conjunto dos nmeros u u complexos e representado habitualmente por C = {a + bi : a, b R} onde i, designada por unidade imaginria, satisfaz a condio a ca i2 = 1.

4 Seja z = a + bi, com a, b R. A a chamamos a parte real de z e escrevemos a = Re(z). A b chamamos a parte imaginria de z e escrevemos b = Im(z). Se b = 0 temos z = a R. a Se a = 0 temos z = bi e dizemos que z imaginrio puro. Assim, podemos dizer que e a todos os nmeros reais so tambm nmeros complexos (so aqueles cuja parte imaginria u a e u a a igual a 0), pelo que a cadeia de incluses referida anteriormente pode ser completada: e o N Z Q R C.

A melhor maneira de visualizar o conjunto C pensar nos pontos de um plano, o plano e complexo. Traando no plano um sistema de dois eixos perpendiculares, e identicando o c nmero complexo a + bi com o ponto de coordenadas (a, b), obtm-se uma correspondncia u e e biun voca entre C e o conjunto dos pontos do plano. y
T
b

sa + bi

E
O a

Todo o nmero complexo z = a + bi alm de se poder representar nesta forma, designada u e por forma algbrica de z, tambm pode ser representado numa outra forma, por vezes e e mais conveniente, designada por forma polar ou trigonomtrica de z. Seja z um nmero e u complexo no nulo, identicado com um ponto do plano complexo. a y
T
b

Bsz = a + bi |z| E
a

A distncia de z ` origem O, habitualmente designada por mdulo de z e representado por a a o |z|, a2 + b2 , isto , e e |z| = a2 + b2 .

5 Notemos que se designa por conjugado de z o nmero u z = a bi. Como zz = (a + bi)(a bi) = a2 + b2 , tem-se zz = |z|2 . A medida do ngulo que a semi-recta que vai de O para z faz com a parte positiva do eixo a real designa-se argumento de z e representado por arg(z). Cada nmero complexo no e u a nulo tem uma innidade de argumentos, diferindo uns dos outros por mltiplos inteiros de u 2. Sendo |z| = e arg(z) = , como Re(z) = cos e Im(z) = sen , podemos escrever z = (cos + i sen ), que a forma polar ou trigonomtrica de z. Utiliza-se a abreviatura cis para repree e sentar cos + i sen . Se z1 = 1 cis 1 e z2 = 2 cis 2 so tais que z1 = z2 ento 1 = 2 mas, quanto aos a a argumentos, s se pode concluir que 1 2 um mltiplo inteiro de 2. o e u Calculando o produto de dois nmeros complexos z1 = 1 cis 1 e z2 = 2 cis 2 obtm-se u e z1 z2 = (1 cis 1 )(2 cis 2 ) = 1 2 cis(1 + 2 ).

Por induo sobre n, podemos ento concluir facilmente que se tem ca a ( cis )n = n cis(n), para todo n N, conhecida por frmula de De Moivre. o Utilizando tal frmula vejamos que todo o nmero w tem, em C, n ra o u zes de ndice n, ou equivalentemente, que existem z1 , . . . , zn C tais que
n zi = w.

Consideremos a equao, em z, ca z n = w,

6 ou equivalentemente, considerando z = cis e w = cis , n cis(n) = cis . Assim n = o que equivalente a e = n

1

n = 2k, k Z, + 2k , k Z. n

Ento w pode tomar exactamente os seguintes valores, em nmero de n, a u n cis

1

+ 2k n

, k = 0, 1, . . . , n 1.

(Escrevemos k = 0, 1, . . . , n 1, porque se conclui que as ra zes s tm n valores distintos e o e que se obtm para estes valores de k.) e zes em R, tem em C A equao x2 + 1 = 0, ou equivalentemente x2 = 1, que no tem ra ca a duas ra zes: i e i. Um conhecido teorema, que no demonstraremos, arma mais: a Qualquer equao de grau n, com n maior ou igual a 1, tem exactamente n ra ca zes em C.

0.3

Propriedades da adio e da multiplicao em R e em C ca ca

Recordemos que em R est denida uma operao designada por adio e denotada por a ca ca +, que quaisquer que sejam os nmeros reais a e b faz-lhe corresponder, um, e um s, u o nmero real representado habitualmente por a + b e que se designa por soma de a com b. u Tal operao de adio tem as seguintes propriedades: ca ca (i) A adio em R comutativa, isto , ca e e a,bR (ii) A adio em R associativa, isto , ca e e a,b,cR (a + b) + c = a + (b + c). a + b = b + a.

(iii) Existe elemento neutro para a adio em R, isto , ca e uR aR Tem-se, como sabemos, u = 0. a + u = u + a = a.

7 (iv) Todo o elemento de R tem um oposto para a adio, tambm designado por oposto ca e aditivo ou simtrico, isto , e e aR a R Tem-se, como sabemos, a = a. Utilizamos ainda a notao a b para representar a + (b). ca Em R est tambm denida uma operao designada por multiplicao e denotada por a e ca ca ou por , que quaisquer que sejam os nmeros reais a e b faz-lhes corresponder um, u e um s, nmero real representado habitualmente por ab, ab ou simplesmente por ab, e o u que se designa por produto de a por b. Tal operao de multiplicao tem as seguintes ca ca propriedades: (i) A multiplicao em R comutativa, isto , ca e e a,bR ab = ba. a + a = a + a = 0.

(ii) A multiplicao em R associativa, isto , ca e e a,b,cR (ab)c = a(bc).

(iii) Existe elemento neutro para a multiplicao em R, isto , ca e vR aR Tem-se, como sabemos, v = 1. (iv) Todo o elemento no nulo de R tem um oposto para a multiplicao, tambm a ca e designado por oposto multiplicativo ou inverso, isto , e aR\{0} a Como sabemos, tem-se a =
1 a R

av = va = a.

aa = a a = 1.

tambm representado por a1 . e

a b

Se b = 0, utilizamos a notao ca

para representar a 1 . b

Envolvendo as operaes de adio e de multiplicao em R temos a propriedade distributiva co ca ca da multiplicao em relao ` adio, ` esquerda (respectivamente, ` direita), que estabelece ca ca a ca a a a,b,cR a(b + c) = ab + ac

8 (respectivamente, a,b,cR (a + b)c = ac + bc ).

A adio e a multiplicao de nmeros complexos denem-se, respectivamente, da seguinte ca ca u forma: (a + bi) + (c + di) = (a + c) + (b + d)i (a + bi)(c + di) = (ac bd) + (ad + bc)i, com a, b, c, d R. De facto, so as denies que naturalmente surgem considerando propriea co dades idnticas `s anteriormente referidas da adio e de multiplicao em R, conjuntamente e a ca ca com a igualdade i2 = 1. Estas operaes gozam das mesmas propriedades algbricas que as correspondentes no conco e junto dos nmeros reais: comutatividade, associatividade e distributividade da multiplicao u ca relativamente ` adio. Os nmeros complexos 0 = 0 + 0i e 1 = 1 + 0i so os elementos a ca u a neutros para a adio e a multiplicao, respectivamente. O inverso do nmero complexo ca ca u a + bi = 0 e 1 a bi a bi a b = = 2 = 2 + 2 i. 2 2 a + bi (a + bi)(a bi) a +b a +b a + b2

Faamos ainda referncia a uns conjuntos, e a algumas operaes neles denidas, que se c e co revelaro muito importantes para o nosso estudo e que constituem, de facto, generalizaes a co do que referimos anteriormente nesta seco. ca Seja K {R, C}. Pensemos no conjunto de todos os pares (ordenados) de elementos de K, habitualmente representado por K K, ou abreviadamente, K2 = {(a, b) : a, b K}. Sabemos que para quaisquer (a, b) K2 e (c, d) K2 se tem (a, b) = (c, d) se, e s se, a = c e b = d. o Podemos denir uma adio, em K2 , da seguinte forma ca (a,b),(c,d)R2 (a, b) + (c, d) = (a + c, b + d),

que, vericamos facilmente, ser comutativa, associativa, ter elemento neutro (o par ordenado (0, 0)) e em que todo o elemento tem oposto, para essa adio (o oposto do par (a, b) o par ca e (a, b)).

9 Consideremos agora uma outra operao, que associa a cada K e a cada par (a, b) K2 ca um elemento de K2 , da seguinte forma K (a,b)K2 (a, b) = (a, b)

e a que chamaremos multiplicao por escalar , em K2 . ca Imaginamos, facilmente, como ser a adio e a multiplicao por um escalar em a ca ca K3 = {(a1 , a2 , a3 ) : a1 , a2 , a3 K}, a cujos elementos chamamos ternos de elementos de K e, mais geralmente, para qualquer n N, em Kn = {(a1 , . . . , an ) : a1 , . . . , an K} a cujos elementos chamamos n-uplos de elementos de K. Mais especicamente, n-uplos de reais se K = R ou n-uplos de complexos se K = C. Se (a1 , . . . , an ) Kn e (b1 , . . . , bn ) Kn ento teremos a (a1 , . . . , an ) = (b1 , . . . , bn ) se, e s se, o ai = bi , para todo i {1, . . . , n}.

As operaes correspondentes de adio e multiplicao por um escalar so, respectivamente, co ca ca a (a1 ,...,an ),(b1 ,...,bn )Kn e K (a1 ,...,an )Kn (a1 , . . . , an ) = (a1 , . . . , an ). (a1 , . . . , an ) + (b1 , . . . , bn ) = (a1 + b1 , . . . , an + bn )

Note que estamos a representar pelo mesmo s mbolo a operao de adio em K e a operao ca ca ca de adio em Kn , uma vez que no h ambiguidade. O mesmo sucede ` multiplicao por ca a a a ca escalar entre um escalar e um elemento de K e entre um escalar e um elemento de Kn .
Exerc cio 0.1 Seja K {R, C}. Mostre que: (a) Quaisquer que sejam (a1 , . . . , an ), (b1 , . . . , bn ), (c1 , . . . , cn ) Kn , temos: (i) (a1 , . . . , an ) + (b1 , . . . , bn ) = (b1 , . . . , bn ) + (a1 , . . . , an ); (ii) ((a1 , . . . , an ) + (b1 , . . . , bn )) + (c1 , . . . , cn ) = (a1 , . . . , an ) + ((b1 , . . . , bn ) + (c1 , . . . , cn )); (iii) (a1 , . . . , an ) + (0, . . . , 0) = (0, . . . , 0) + (a1 , . . . , an ) = (a1 , . . . , an ); (iv) (a1 , . . . , an ) + (a1 , . . . , an ) = (a1 , . . . , an ) + (a1 , . . . , an ) = (0, . . . , 0). (b) Quaisquer que sejam , K e (a1 , . . . , an ), (b1 , . . . , bn ) Kn , temos: (i) (ii) (iii) (iv) ((a1 , . . . , an ) + (b1 , . . . , bn )) = (a1 , . . . , an ) + (b1 , . . . , bn ); ( + )(a1 , . . . , an ) = (a1 , . . . , an ) + (a1 , . . . , an ); ()(a1 , . . . , an ) = ((a1 , . . . , an )); 1(a1 , . . . , an ) = (a1 , . . . , an ).

Exerc cio 0.2 Em relao ao exerc anterior escreva as propriedades (b)(ii) e (b)(iii), ca cio considerando que a adio em Kn representada por e a multiplicao por escalar, em ca e ca Kn , representada por . e

10

0.4

Propriedades de operaes envolvendo conjuntos arbitrrios co a

Seja A um conjunto no vazio. Dizemos que uma operao binria em A se uma a e ca a e aplicao de A2 em A, isto , a cada par (a, b) de elementos de A faz corresponder um, e um ca e s, elemento de A que habitualmente denotado por ab. o e A adio e a multiplicao em R e em C so operaes binrias. Por exemplo, em Z+ , em Z ca ca a co a 0 ca e em R+ a adio usual uma operao binria. A multiplicao usual no uma operao ca e ca a ca a e 0 binria em Z , mas binria em Z+ e em R+ . a e a 0 0
Exerc cio 0.3 Indique se uma operao binria: e ca a (a) A adio em Q. ca (b) A multiplicao em Q. ca (c) A multiplicao em Z+ . ca (d) A multiplicao em Z . ca 0 (e) A adio usual de polinmios no conjunto dos polinmios de grau igual a 2, ca o o na varivel x, com coecientes em R. a (f) A adio usual de polinmios no conjunto dos polinmios de grau ca o o inferior ou igual a 2, na varivel x, com coecientes em R, denotado haa bitualmente por R2 [x]. (g) O que sucede se, em (f), substituirmos 2 por n N, arbitrrio, e R por a K {R, C}?

Seja uma operao binria em A. Dizemos que: ca a (i) A operao comutativa (em A) se ca e a,bA (ii) A operao associativa (em A) se ca e a,b,cA (ab) c = a (bc) . ab = ba.

(iii) Existe elemento neutro para a operao (em A) se ca uA aA au = ua = a.

Notemos que o elemento neutro, quando existe, unico. De facto, se u e u fossem ambos e elementos neutros para a operao (em A) ter-se-ia ca uu = u , por u ser elemento neutro e uu = u, por u ser elemento neutro.

11 Logo u=u. Se uma operao binria em A, com elemento neutro u, dizemos que aA tem oposto e ca a (para a operao ) se existe a A tal que aa = a a = u. ca Quando a operao associativa, se existe oposto de aA ele unico. De facto, se v e v ca e e fossem ambos opostos de a, isto , se se vericasse e av = va = u e simultaneamente av = v a = u ento concluir a amos que v = vu = v av = (va) v = uv = v .

Dizemos que A, com a operao binria , um grupo, ou simplesmente, que (A, ) um ca a e e grupo se, em A, a operao associativa, tem elemento neutro e todo o elemento de A tem ca e oposto, isto , alm das propriedades (ii) e (iii) verica-se: e e (iv) aA vA av = va = u.

Dizemos que A, com a operao binria , um grupo comutativo se um grupo e a ca a e e operao comutativa, isto , se se vericam as propriedades (i), (ii), (iii) e (iv). ca e e
Exerc cio 0.4 Indique quais das propriedades (i) a (iv) so satisfeitas pelas operaes a co binrias seguidamente referidas e nos conjuntos indicados: a (a) A adio, em R+ . ca 0 (b) A multiplicao, em Z \ {0}. ca (c) A adio, em R2 [x], sendo R2 [x] o conjunto dos polinmios, na varivel x, ca o a com coecientes em R, com grau inferior ou igual a 2. (d) A multiplicao, em R \ {0}. ca

Cap tulo 1

Matrizes
1.1 Generalidades

Seja K {R, C}. Aos elementos de K (reais ou complexos) chamaremos escalares.

Denio 1.1 Chama-se matriz de tipo mn, sobre K, a qualquer aplicao de ca ca {1, . . . , m} {1, . . . , n} em K.

Como cada uma dessas aplicaes ca perfeitamente determinada se conhecermos o eleco mento, unico, de K correspondente a cada par (i, j), com i = 1, . . . , m e j = 1, . . . , n, usual e indicar tais imagens num quadro com m linhas e n colunas em que a imagem do par (i, j) o elemento de K que se encontra na linha i e coluna j. Assim, surge frequentemente, a e seguinte denio de matriz. ca

Denio 1.2 Sejam m, n N. Chama-se matriz do tipo mn, sobre K, a qualquer ca quadro que se obtenha dispondo mn elementos de K segundo m linhas e n colunas, isto , a qualquer quadro da forma e
P Q

A=

A11 T T A 21 T T . T . T . R Am1

A12 A22 . . . Am2

.. .

A1n A2n . . . Amn

U U U U, com U U S

Aij K, i = 1, . . . , m, j = 1, . . . , n.

Os escalares Aij dizem-se os elementos da matriz A.

14

Para cada i, i = 1, . . . , m, e para cada j, j = 1, . . . , n, dizemos que Aij o elemento e de A situado na linha i e na coluna j. Tal elemento tambm referido como a entrada e e (i, j) de A ou como o elemento (i, j) de A. Chamamos linha i de A, com i {1, . . . , m}, ao elemento de Kn , isto , ao n-uplo e (Ai1 , Ai2 , . . . , Ain ). Chamamos coluna j de A, com j {1, . . . , n}, ao elemento de Km , isto , ao m-uplo (A1j , A2j , . . . , Amj ). e

Notao 1.3 ca

O conjunto das matrizes do tipo mn sobre K ser representado por a

Mmn (K). Se m = n tambm se utiliza a notao Mn (K). e ca E frequente denotarmos a entrada (i, j) de uma matriz A por Aij . A matriz A Mmn (K) da denio pode ser apresentada abreviadamente na forma ca A = [Aij ]mn , ou, simplesmente, A = [Aij ] se o tipo da matriz for bvio pelo contexto o ou no for importante para a questo em estudo. a a
4 5

Exemplo 1.4

Seja A =

1 1

i 0

2 + 3i 3

. Tem-se A M23 (C), a linha 2 de A e

(1, 0, 3) e a coluna 3 de A (2 + 3i, 3). e

A denio de igualdade de matrizes surge de forma natural. ca

Denio 1.5 Dizemos que as matrizes A, B Mmn (K) so iguais, e escrevemos ca a A = B, se Aij = Bij , para i = 1, . . . , m, j = 1, . . . , n.

Note que s podem ser iguais matrizes que sejam do mesmo tipo e sero iguais se, alm o a e disso, os elementos que ocupam a mesma posio em ambas as matrizes, a que chamaremos ca elementos homlogos, forem iguais. o
P

Exemplo 1.6

As matrizes A =

T T R

1 2 i

0 1 1

U i U, S 0

B =

T T 2 R b

0 1 1

U i U S 0

M33 (C) so a

iguais se, e s se, a = 3 e b = i. o

Vejamos alguma terminologia e notaes bsicas envolvendo matrizes. co a

15

Denio 1.7 Seja A Mmn (K). ca A diz-se uma matrizlinha se m = 1. A diz-se uma matrizcoluna se n = 1. A diz-se uma matriz quadrada se m = n. Neste caso diz-se que A quadrada de e ordem n ou, simplesmente, que A uma matriz de ordem n. e

Exemplo 1.8
h i

A=

Q 1 T U T 3 U R S 2

uma matriz-coluna. B = e
4

3
5

uma matriz-linha. C = e uma matriz (quadrada) e

uma matriz-linha e uma matriz-coluna. D = e

2 1

3 1

de ordem 2.

Denio 1.9 Seja A uma matriz de ordem n, isto , uma matriz da forma ca e
P

A=

A11 T T A 21 T T T . T . R . An1

A12 A22 . . . An2

.. .

A1n A2n . . . Ann

U U U U. U U S

Aos elementos A11 , A22 , . . . , Ann chamamos os elementos diagonais de A. Chamamos diagonal principal de A ao n-uplo (A11 , A22 , . . . , Ann ). Dizemos que A triangular superior se e Aij = 0 ou seja, se A tem a forma
P T T T T T T R

para

i > j,
Q

A11 0 . . . 0

A12 A22 . . . 0

.. .

A1n A2n . . . Ann

U U U U. U U S

Dizemos que A triangular inferior se e Aij = 0 ou seja, se A tem a forma

P T T A 21 T T T . . T . R An1

para

i < j,
Q

A11

0 A22 . . . An2

.. .

0 0 . . . Ann

U U U U. U U S

16

Dizemos que A uma matriz diagonal se e Aij = 0 ou equivalentemente, Aij = 0 para i>j e Aij = 0 para i < j. para i = j,

Assim, dizer que A uma matriz diagonal equivale a armar que A simultaneamente e e triangular superior e triangular inferior ou, ainda, que A tem a forma
P T T T T T T R Q

A11 0 . . . 0

0 A22 . . . 0

.. .

0 0 . . . Ann

U U U U. U U S

Uma matriz diagonal em que todos os elementos diagonais so iguais diz-se uma a matriz escalar . Um matriz escalar , pois, uma matriz da forma e
P T T T T T T R Q

0 . . . 0

0 . . . 0

.. .

0 0 . . .

U U U U. U U S

` A matriz escalar de ordem n cujos elementos diagonais so todos iguais a 1 chamamos a matriz identidade de ordem n e representamos por In . 1, Notemos que In = [ij ], sendo ij o s mbolo de Kronecker ( ij = 0, se i = j se i = j

).

Exemplo 1.10

A matriz A =
5

3 T T 0 R 0

0 2 0

U 1 U S 4

triangular superior e a diagonal principal e

de A (3, 2,4 e 4). A matriz B =

4

2 0

0 3

uma matriz diagonal, mas no uma matriz escalar. As matrizes e a e

P

C=

2 0

0 2

e I3 =

1 T T 0 R 0

0 1 0

U 0 U S 1

so matrizes escalares. a

17
Exerc cio 1.1 Considere as seguintes matrizes: 1 A=R 2 1
P

1 1 1

0 1 3

Q P 1 3 0 S, B = R 0 1 0

0 2 0

Q P Q 0 1 0 S, C = R 1 S, D = 3 1 2 Q P 4 0 S, H = R 1 5 6 2

E=

P 0 T 0 T 2 , F =R 0 0

0 0 0 0

0 0 0 0

Q P 0 1 0 U U, G = R 2 0 S 3 0

0 0 4

Q 0 0 S e I= 0

1 0

0 1

Indique: (a) O tipo de cada matriz. (b) Quais das matrizes so quadradas. a (c) Quais das matrizes so triangulares inferiores. a (d) Quais das matrizes so diagonais. a (e) Quais das matrizes so escalares. a

Exerc cio 1.2 Escreva a matriz A M33 (R) tal que: 1, 0, X 1, & 1, = 1,
V `

(a) Aij =

se i > j se i = j . se i < j se i + j par e . se i + j e mpar

(b) Aij

1.2

Operaes com matrizes co

Vejamos algumas operaes envolvendo matrizes. co Comecemos pela operao de adio em Mmn (K), que faz corresponder a cada par ca ca de matrizes de Mmn (K) uma, e uma s, matriz de Mmn (K) denida como se segue. o

Denio 1.11 Sejam A, B Mmn (K). Chamamos soma das matrizes A e B, e ca denotamos por A + B, a matriz de Mmn (K) cuja entrada (i, j) Aij + Bij , isto , e e (A + B)ij = Aij + Bij , i = 1, . . . , m, j = 1, . . . , n.

Exemplo 1.12

Sendo A =

2 0

3 5

0 1

eB =

3 2

1 0

4 3

tem-se A+B =

1 2

2 5

4 4

Vejamos que a adio em Mmn (K) tem propriedades idnticas `s da adio em K {R, C} ca e a ca que recordmos na Seco 0.2 do Cap a ca tulo 0. Proposio 1.13 Mmn (K), com a adio usual de matrizes, um grupo comutativo, isto ca ca e , vericam-se as propriedades: e

18 1. A,BMmn (K) A+B =B+A (comutatividade da adio em Mmn (K)). ca Dizemos ento apenas soma das matrizes A e B. a 2. A,B,CMmn (K) (A + B) + C = A + (B + C) (associatividade da adio em Mmn (K)). ca 3. 0mn Mmn (K) AMmn (K) A + 0mn = 0mn + A = A

(existncia de elemento neutro da adio em Mmn (K)), denotado por 0mn ). e ca 4. AMmn (K) AMmn (K) A + (A) = (A) + A = 0mn A). Demonstrao: ca
Demonstra-se cada igualdade mostrando que a matriz do primeiro membro (membro da esquerda) e a matriz do segundo membro (membro da direita) da igualdade so do mesmo tipo (isto , tm o mesmo nmero de linhas e o mesmo nmero de a e e u u colunas) e os seus elementos homlogos so iguais. o a Demonstramos apenas a propriedade 2, deixando as restantes como exerc cio. Sejam A, B, C Mmn (K). Note-se que (A + B) + C e A + (B + C) so ambas a matrizes do tipo mn. De acordo com a denio de adio de matrizes, tem-se ca ca (A + B) + C
ij

(existncia de oposto para a adio, de todo o elemento A Mmn (K), denotado por e ca

= (A + B)ij + Cij = (Aij + Bij ) + Cij

e A + (B + C)
ij

= A + (B + C)ij = Aij + (Bij + Cij ) .

Como Aij , Bij e Cij so elementos de K e em K a adio associativa, conclu a ca e mos que os elementos homlogos (A + B) + C o
ij

e A + (B + C)

ij

so iguais, para a

i = 1, . . . , m, j = 1, . . . , n. Logo (A + B) + C = A + (B + C).

Note que, de acordo com o referido na Seco 0.4: ca O elemento neutro para a adio em Mmn (K) unico. Trata-se, obviamente, da ca e matriz de Mmn (K) com todos os elementos nulos, que designamos por matriz nula de Mmn (K). O oposto para a adio, de A Mmn (K), unico. Vericamos facilmente que ca e (A)ij = Aij , i = 1, . . . , m, j = 1, . . . , n.

19 Notao 1.14 ca Se A, B Mmn (K), representamos por A B a matriz A + (B).

Vejamos agora a operao de multiplicao de um escalar por uma matriz . ca ca Trata-se de uma operao que associa a cada elemento de K e a cada elemento de Mmn (K) ca um elemento de Mmn (K) denido da seguinte forma.

Denio 1.15 Sejam K e A Mmn (K). Chamamos produto do escalar ca pela matriz A, e denotamos por A, a matriz de Mmn (K) cujo elemento (i, j) e Aij , isto , e (A)ij = Aij , i = 1, . . . , m, j = 1, . . . , n.

Vejamos as principais propriedades da operao de multiplicao de um escalar por uma ca ca matriz.

Proposio 1.16 Sejam A, B Mmn (K) e , K. Tem-se ca 1. (A + B) = A + B. 2. ( + )A = A + A. 3. ()A = (A). 4. 1A = A. 5. ()A = (A) = (A).

Demonstrao: ca
Vamos demonstrar a propriedade 2. As restantes cam como exerc cio. Sejam A Mmn (K) e , K. Como A Mmn (K), A Mmn (K) conclu mos que (A + A) Mmn (K) tal como a matriz (+)A. Veriquemos que os elementos homlogos das matrizes ( + )A e A + A so iguais. o a Tem-se ( + )A
ij

= ( + )Aij

e (A + A)ij = (A)ij + (A)ij = Aij + Aij , i = 1, . . . , m, j = 1, . . . , n.

20
Como, em K, a multiplicao distributiva em relao ` adio, sabemos que ca e ca a ca ( + )Aij = Aij + Aij . Logo ( + )A = A + A.

Notemos que para demonstrar a igualdade (A) = (A) da propriedade 5, teremos apenas que demonstrar que A + (A) = 0mn .

Exerc cio 1.3 Considere as matrizes de elementos reais A= Determine: (a) (A + B) + C. (b) 2A + (2C + 2B). (c) A B. (d) 2A 3(B + C). 3 1 1 1 0 1
!

, B=

1 1

0 2

4 1

e C=

0 2

0 2

1 1

! .

Exerc cio 1.4 Dadas as matrizes A e B de elementos reais Q P P 1 1 1 0 0 e B=R 1 1 A=R 0 1 0 S 1 1 0 0 1 determine X M33 (R), tal que X + A = 2(X B).

Q 1 1 S, 1

Vejamos agora como se dene a multiplicao de matrizes. A primeira ideia que provaca velmente nos ocorre considerar que s se pode multiplicar uma matriz A por uma matriz e o B se ambas pertencem a Mmn (K) e a matriz resultante ser a matriz de Mmn (K) que se a obtm multiplicando os elementos homlogos de A e de B. Tal multiplicao designa-se por e o ca multiplicao de Hadamard e a matriz resultante, designada por produto de Hadamard ca de A por B, frequentemente denotada por A 5B. Por exemplo, o produto de Hadamard e 4 5 4 4 5 das matrizes A =
1 2 0 0 3 1 3 3 5 2 1 4 3 10 0 0

eB=

a matriz A B = e

12

. (Veja

as propriedades desta operao.) ca No entanto, a maioria da documentao de Algebra Linear quando refere a operao de ca ca multiplicao de matrizes designa uma operao bastante mais complicada de efectuar que ca ca a multiplicao de Hadamard. ca

21 A razo de ser de tal denio s ser compreendida mais tarde, no cap a ca o a tulo das Aplicaes co Lineares. Denio 1.17 Sejam A Mmn (K) e B Mnp (K). Dene-se produto da matriz ca A pela matriz B, e representa-se por AB, a matriz de Mmp (K) tal que (AB)ij = Ai1 B1j + + Ain Bnj , i = 1, . . . , m, j = 1, . . . , p. Assim, (AB)ij =
k=1 n

Aik Bkj .

Como se pode ver pela denio, o produto AB, isto , o produto da matriz A pela ca e matriz B (por esta ordem), apenas est denido se o nmero de colunas de A igual ao a u e nmero de linhas de B. Neste caso, o nmero de linhas de AB igual ao nmero de linhas u u e u de A e o nmero de colunas de AB igual ao nmero de colunas de B. O elemento (i, j) u e u de AB obtm-se a partir dos elementos da linha i de A e dos elementos da coluna j de B, e conforme indicado na denio. Esquematicamente, tem-se e ca
P P Q T T UT UT Ain ST . T . R . Q U U U U U U S

B1j B2j . . . Bnj

. . .

T T Ai1 R

Ai2

T T R

Ai1 B1j + Ai2 B2j + + Ain Bnj

U U. S

Exemplo 1.18

1. Sejam A =
4

0 3

1 0

2 5

eB=

9 T T 8 R 1

8 2 0

U 6 U. S 4

Ento a
5

AB =
4

09 + 1 (8) + 2 (1) 39 + 0 (8) + 5 (1) 5 10 2 14 22 24 41

08 + 1 (2) + 20 38 + 0 (2) + 50

07 + 16 + 24 37 + 06 + 54

Note que, neste caso, o produto BA no est denido, visto o nmero de colunas de B a a u ser diferente do nmero de linhas de A. u
P T Q

2. Sejam A =

eB=T R AB =
h

U 8 U. S 1

Ento a
i

09 + 1 (8) + 2 (1)
Q P

10
Q

BA = T R

90 80 10

91 81 11

U 82 U S 12

92

=T R

0 0 0

9 8 1

U 16 U. S 2

18

22
4

3. Sejam A =
4

1 1 5

2 2

4 4

,B=
10 5

4 2 20 10

6 3 5

eC= e

AB =

0 0

0 0

BA =

AC =

1 3 4 5 0 0 0 0

. Tem-se .

Note que, neste caso, se tem (a) AB = BA; (b) AB = 0 com A = 0 e B = 0; (c) AB = AC, com A = 0 e B = C.

Exerc cio 1.5 Sejam

Q 0 R 1 S M31 (R). B= 3 P

A=

M13 (R)

Determine, se poss vel, AB e BA.

Exerc cio 1.6 Considere as matrizes de elementos reais

2 , B=

A=

2 0

1 2

1 , C=R 0 2

Q 1 1 S e D= 0

1 1

1 1

1 0

! .

Determine, se poss vel, o produto: (a) AB; (b) BA; (c) CD; (d) DC.

Exerc cio 1.7 Sejam A Mmn (K) e B Mnp (K). Justique que, para calcular o produto AB, necessrio efectuar mpn multiplicaes e mp(n 1) adies, envolvendo e a co co elementos de K.

Exerc cio 1.8

(a) Considere as matrizes A = ! 1 1 M22 (R). Determine AB e BA. 2 2 ! 4 2 0 (b) Considerando as matrizes A = , C = 2 1 3 determine CA.

4 2

2 1
!

3 0

M22 (R),

(c) Utilizando as al neas anteriores conclua que existem matrizes A, B e C, quadradas, da mesma ordem, tais que: (i) AB = BA; (ii) AB = 0 com A = 0 e B = 0; (iii) BA = CA, com A = 0 e B = C.

23
Exerc cio 1.9 Considere as matrizes de elementos reais 1 A1 = R 0 1 3 B1 = R 1 1
P P

2 0 1 1 1 1

Q 3 0 S, 1 Q 1 1 S, 1

2 A2 = R 1 1 1 B2 = R 0 1
P

1 1 1

Q 0 1 S, 2

A3 =
P

1 2

1 1 1 1 1

3 1

,
Q 0 0 S, 0

0 A4 = R 0 0 1 B4 = R 1 4
P

1 1 2

Q 1 2 S, 2

Q 1 0 S, 1

1 B3 = R 1 1

Q 2 1 S. 2

Determine Ai Bi , i = 1, 2, 3, 4.

Exerc cio 1.10 Mostre que se A Mmn (K) tem a propriedade AX = 0, para toda a matrizcoluna X Mn1 (K), ento A = 0mn . a Sugesto: Considere X = Ei , i = 1, . . . , n, sendo Ei Mn1 (K) a matrizcoluna a com todos os elementos nulos excepto o da linha i que igual a 1. e

Exerc cio 1.11 Sendo A = [Aij ] Mnn (K) designa-se por trao de A, e representa-se c por tr A, o elemento de K denido por tr A =
n i=1

Aii .

Justique que: (a) tr (A + B) = tr A + tr B, quaisquer que sejam A, B Mnn (K). (b) tr (A) = tr A, quaisquer que sejam K e A Mnn (K). (c) tr (AB) = tr (BA), quaisquer que sejam A Mmn (K) e B Mnm (K). (d) No existem matrizes A, B Mnn (K) tais que a AB BA = In .

Vejamos as propriedades da multiplicao de matrizes. ca

Proposio 1.19 Seja A Mmn (K) e sejam B, C matrizes do tipo adequado de forma a ca que as operaes indicadas estejam denidas. Tem-se co

1. (AB)C = A(BC) (associatividade da multiplicao). ca 2. A(B + C) = AB + AC (distributividade, ` esquerda, da multiplicao em relao ` adio), a ca ca a ca (B + C)A = BA + CA (distributividade, ` direita, da multiplicao em relao ` adio). a ca ca a ca 3. (AB) = (A)B = A(B), para qualquer escalar de K.

24 4. AIn = Im A = A. 5. A multiplicao de matrizes no comutativa. ca a e 6. AB = 0 (A = 0 ou B = 0), isto , pode ter-se AB = 0 com A = 0 e B = 0. e 7. (AB = AC e A = 0) B = C, (BA = CA e A = 0) B = C.

Demonstrao: ca
Inverteremos a ordem da demonstrao por assim ser crescente a ordem de dica culdade da mesma. Comecemos por observar que as propriedades 5, 6 e 7 esto j a a demonstradas (veja-se 3 do Exemplo 1.18 e (iii) do Exerc 1.8). cio 4. Demonstremos apenas a igualdade AIn = A uma vez que a demonstrao da igualdade Im A = A idntica. ca e e Como A e AIn pertencem ambas a Mmn (K) teremos apenas de demonstrar que Aij = (AIn )ij . 1 se i = j Recorde que In = [ij ], com ij = . Assim 0 se i = j
n

(AIn )ij =
k=1

Aik kj = Aij jj = Aij 1 = Aij ,

conforme se pretendia demonstrar. 3. Demonstremos a igualdade (AB) = (A)B. Sejam A Mmn (K) e B Mnp (K). Observe-se que as matrizes (AB) e (A)B pertencem ambas a Mmp (K) pelo que falta apenas demonstrar que (AB)
ij

= (A)B
ij

Pela denio de produto de um escalar por uma matriz e posteriormente pela ca forma como est denido o produto de matrizes, tem-se a
n

(AB)
ij

= (AB)ij =
k=1

Aik Bkj .

25
Por outro lado, pela denio de produto de matrizes e posteriormente pela deca nio de produto de um escalar por uma matriz, tem-se ca
n n

(A)B
ij

=
k=1

(A)ik Bkj =
k=1

Aik Bkj .

Como , Aik e Bkj so elementos de K e em K a multiplicao distributiva em a ca e relao ` adio, podemos pr em evidncia e obter, conforme pretend ca a ca o e amos,
n

(A)B
ij

=
k=1

Aik Bkj .

2. Sejam A Mmn (K) e B, C Mnp (K). Vejamos que A(B +C) = AB +AC. Como A Mmn (K) e B + C Mnp (K), a matriz A(B + C) Mmp (K). Dado que AB Mmp (K) e AC Mmp (K) ento AB + AC Mmp (K). a Logo A(B + C) e AB + AC pertencem ambas a Mmp (K). Da denio de produto de matrizes sabemos que o elemento (i, j) da matriz ca A(B + C), A(B + C)
ij

, e

n k=1

Aik (B + C)kj . Como, pela denio de soma ca

de matrizes, se tem (B + C)kj = Bkj + Ckj , conclu mos que

n

A(B + C)
ij

=
k=1

Aik (Bkj + Ckj ).

Por outro lado,

n n

(AB + AC)ij = (AB)ij + (AC)ij =

k=1

Aik Bkj +
k=1

Aik Ckj .

Utilizando, por esta ordem, as propriedades distributiva da multiplicao em ca relao ` adio, comutativa e associativa da adio em K, tem-se ca a ca ca
n n n

A(B + C)
ij

=
k=1

Aik (Bkj + Ckj ) =

k=1

Aik Bkj +
k=1

Aik Ckj

(AB)ij + (AC)ij = (AB + AC)ij .

Logo A(B + C) = AB + AC. (Analogamente se mostra que, para A, B Mmn (K) e C Mnp (K), se tem (A + B)C = AC + BC.) 1. Sejam A Mmn (K), B Mnp (K) e C Mpq (K). Como AB Mmp (K) e BC Mnq (K) ento (AB)C e A(BC) so ambas matrizes de Mmq (K). Da a a denio de produto de matrizes sabemos ainda que o elemento (i, j) da matriz ca (AB)C, (AB)C
ij

, e

p k=1

(AB)ik Ckj . Como (AB)ik =

p n

n s=1

Ais Bsk , con-

clu mos que (AB)C

ij

=
k=1 s=1

Ais Bsk

Ckj .

26
De modo anlogo, a
n p

A(BC)
ij

=
s=1

Ais
k=1

Bsk Ckj

Utilizando as propriedades distributiva da multiplicao em relao ` adio, asca ca a ca sociativa da multiplicao e da adio e comutativa da adio em K, tem-se ca ca ca
p n p n

(AB)C
ij

=
k=1 s=1 p n

Ais Bsk

Ckj =
k=1 s=1 p n

(Ais Bsk ) Ckj Ais (Bsk Ckj )

=
k=1 s=1 n

Ais (Bsk Ckj ) =

s=1 k=1 p

=
s=1

Ais
k=1

Bsk Ckj

= A(BC)
ij

Logo (AB)C = A(BC).

Exerc cio 1.12 Justique que Im e In so as unicas matrizes que vericam as igualdades a Im A = A = AIn , para toda a matriz A Mmn (K). Exerc cio 1.13 Sejam A, B Mnn (K). Designa-se por comutador de A e B a matriz, que se representa habitualmente por [A, B], denida da seguinte forma: [A, B] = AB BA. Mostre que: (a) [A, B] = [B, A]. (b) A, [B, C] + B, [C, A] + C, [A, B] = 0.

Como vimos, em Mnn (K), a multiplicao de matrizes no comutativa. Tal signica ca a e que existem A, B Mnn (K) tal que AB = BA. Contudo, pode haver matrizes A, B Mnn (K) tais que AB = BA. Neste caso, dizemos que A e B comutam. E o que sucede, por exemplo, se considerarmos A Mnn (K) arbitrria e tomarmos B = 0nn ou B = In a ou B = A. Seja A Mmn (K). Pela forma como est denida a multiplicao de matrizes cona ca clu mos que o produto de A por A, pode ser calculado se, e s se, n = m. Consideremos o ento a seguinte denio. a ca

Denio 1.20 Seja A Mnn (K). Chamamos potncia de expoente k de A ca e (k N0 ) ` matriz de Mnn (K), que representamos por Ak , denida, por recorrncia, a e do seguinte modo: Ak = In , se k = 0 Ak1 A, se k N .

27 Proposio 1.21 Quaisquer que sejam A Mnn (K) e k, l N0 , tem-se ca 1. Ak Al = Ak+l . 2. (Ak ) = Akl . Demonstrao: ca
Demonstramos a propriedade 1, cando a propriedade 2 como exerc cio. Vamos demonstrar por induo em l. Sejam A Mnn (K) e k N0 . ca Se l = 0, temos Ak Al = Ak A0 = Ak In = Ak = Ak+0 = Ak+l . Hiptese de Induo: Ak Al = Ak+l . o ca Demonstremos que Ak A(l+1) = Ak+(l+1) . Atendendo ` deniao anterior e como a multiplicao de matrizes associativa, a c ca e temos Ak A(l+1) = Ak (Al A) = (Ak Al )A. Pela hiptese de induo (Ak Al )A = Ak+l A e, de acordo com a denio anterior, o ca ca Ak+l A = A(k+l)+1 . Ento, a Ak A(l+1) = A(k+l)+1 = Ak+(l+1) . Logo, para quaisquer k, l N0 tem-se Ak Al = Ak+l .
l

Como a multiplicao de matrizes no comutativa, conclu ca a e mos que podem existir matrizes A, B Mnn (K) tais que (AB)2 = A2 B 2 . Por exemplo, para
4 5 4 5

A= tem-se
4

1 0

1 1

B=

1 1

2 0

A2 =

1 0

2 1

, B2 =

3 1

2 2

, AB =

0 1

2 0

e A2 B 2 =

1 1

2 2

2 0

0 2

= (AB)2 .

Exerc cio 1.14 Mostre que para as matrizes A = M22 (R) se tem: (a) (A + B)2 = A2 + 2AB + B 2 . (b) (A B)2 = A2 2AB + B 2 . (c) A2 B 2 = (A B)(A + B).

0 0

1 1

,B =

1 0

1 0

28
Exerc cio 1.15 Sejam A, B Mnn (K) tais que AB = BA. Mostre que: (a) (A + B)2 = A2 + 2AB + B 2 . (b) (A B)2 = A2 2AB + B 2 . (c) A2 B 2 = (A B)(A + B). (d) (AB)k = Ak B k , para qualquer k N0 .

Exerc cio 1.16 Seja A Mnn (K) tal que A2 = 0. Justique que A(In + A)k = A, para qualquer k N.

Exerc cio 1.17 Uma matriz A Mnn (K) diz-se involutiva se A2 = In e idempotente se A2 = A. Mostre que: Q P 1 0 0 0 T 0 1 0 0 U U M44 (K) involutiva, quaisquer que sejam e (a) M = T R a b 1 0 S c d 0 1 a, b, c, d K. (b) Se N Mnn (K) involutiva ento e a 1 (In + N ) 2 so idempotentes e a (In + N ) (In N ) = 0. (c) Toda a matriz involutiva se pode escrever como diferena de duas matrizes c idempotentes, cujo produto a matriz nula. e e 1 (In N ) 2

Exerc cio 1.18 Se A Mnn (K) idempotente (isto , A2 = A) ento e e a (A + In )k = In + (2k 1)A, para qualquer k N.

1.3

Inversa de uma matriz quadrada

Conforme recordmos na Seco 0.3 do Cap a ca tulo 0, se uma operao binria denida e ca a num conjunto A, com elemento neutro u, dizemos que aA tem oposto (para a operao ) ca se existe a A tal que aa = a a = u.

Em Mnn (K) a multiplicao de matrizes uma operao binria, com elemento neutro, ca e ca a In . Tem-se, pois, a seguinte denio. ca

29

Denio 1.22 Seja A Mnn (K). Dizemos que A invert , ou que tem ca e vel inversa, se A tem oposto para a multiplicao de matrizes, isto , se existir uma ca e matriz B Mnn (K), tal que AB = BA = In .

Conforme observmos na Seco 0.3 do Cap a ca tulo 0, uma tal matriz, quando existe, e unica.

Teorema 1.23 Se A Mnn (K) uma matriz invert e vel ento existe uma, e uma s, a o matriz B tal que AB = BA = In .

Denio 1.24 Se A Mnn (K) uma matriz invert ca e vel, a unica matriz B tal que AB = BA = In designa-se por a inversa de A e denotada por A1 . e

Sabemos que em K {R, C} a multiplicao comutativa, o que vimos no suceder em ca e a Mnn (K). Outra propriedade que sendo vlida em K no vlida em Mnn (K) a de em a a e a e K \ {0} todo o elemento ter oposto para a multiplicao. De facto, em Mnn (K), ca A = 0 A invert vel.
4

Por exemplo, a matriz A =

4

0 1

0 2

M22 (R) no tem inversa porque, para qualquer a

B=

a c

b d

M22 (R), se tem

4

AB =

0 1

0 2

54

a c

b d

0 a + 2c

0 b + 2d

= I2 ,

e o mesmo se passa com qualquer matriz de Mnn (K) que tenha uma linha ou uma coluna nula.
4

Exemplo 1.25

Suponhamos que pretendemos demonstrar que a matriz

4

1 1

2 1

ine

vert vel, sendo a sua inversa a matriz de vericar que

4 54 5

1 1

2 1

. Pela denio anterior teremos apenas ca

4 54 5

1 1

2 1

1 1

2 1

= I2

1 1

2 1

1 1

2 1

= I2 .

30
Exerc cio 1.19 Seja A Mnn (K) tal que A2 = In . Mostre que A invert e vel e indique a sua inversa.

Exerc cio 1.20 Seja A Mnn (K) tal que A2 +A+In = 0, com K e K\{0}. Mostre que A invert e vel e indique a sua inversa.

O resultado seguinte estabelece que se soubermos que A Mnn (K) uma matriz e invert ento para demonstrar que a sua inversa B basta vericar apenas que um dos vel a e produtos AB ou BA In . e

Teorema 1.26 Seja A Mnn (K) uma matriz invert vel. 1. Se B Mnn (K) tal que AB = In ento B = A1 e, portanto, BA = In . e a 2. Se B Mnn (K) tal que BA = In ento B = A1 e, portanto, AB = In . e a

Demonstrao: ca
1. Como A invert e vel, A1 existe (e unica). Da igualdade e AB = In resulta, A1 (AB) (A1 A)B In B B = A1 In = A1 = A1 = A1 ,

como pretend amos demonstrar. Da denio de inversa resulta ento que A1 A = ca a BA = In . 2. Tem uma demonstrao inteiramente anloga ` anterior, partindo da igualdade ca a a BA = In e seguidamente multiplicando ambos os membros, ` direita, por A1 . a

Teorema 1.27

1. Se A Mnn (K) invert ento A1 invert e (A1 ) e vel a e vel

= A.

2. Se A, B Mnn (K) so invert a veis ento AB invert e (AB)1 = B 1 A1 . a e vel 3. Mais geralmente, se s N e A1 , . . . , As Mnn (K) so invert a veis ento A1 As a e invert e (A1 As )1 = As 1 A1 1 . vel

31 Demonstrao: ca
1. A demonstrao trivial se atendermos ` denio de inversa e ` sua unicidade. ca e a ca a

2. Demonstremos que (AB)(B 1 A1 ) = In Como (AB)(B 1 A1 ) = A(BB 1 )A1 = AIn A1 = AA1 = In e (B 1 A1 )(AB) = B 1 (A1 A)B = B 1 In B = B 1 B = In , conclu mos o que pretend amos. e (B 1 A1 )(AB) = In .

3. A demonstrao faz-se por induo sobre s e utilizando a propriedade 2. ca ca (Exerc cio.)

Exerc cio 1.21 D exemplo de matrizes A, B Mnn (K) tais que: e (a) A e B so invert a veis e A + B no invert a e vel. (b) A + B invert e vel e nem A nem B so invert a veis.

Exerc cio 1.22 Sejam A, B, B Mnn (K) e K \ {0}. Mostre que: (a) Se A invert e vel ento A invert a e vel e indique a sua inversa. (b) Se A invert e vel ento A invert a e vel e indique a sua inversa. (c) Se A e AB so invert a veis ento B invert a e vel. (d) Se B e AB so invert a veis ento A invert a e vel. (e) Se A invert e vel e AB = AB ento B = B . a (f) Se A invert e vel e BA = B A ento B = B . a

Exerc cio 1.23 Justique que o conjunto das matrizes invert veis de Mnn (K), com a multiplicao usual de matrizes, um grupo. ca e

Exerc cio 1.24 Mostre que se A Mnn (K) tal que In + A invert e e vel ento as a matrizes (In + A)1 e In A comutam. Sugesto: Comece por vericar que, para qualquer A Mnn (K), as matrizes a (In + A) e (In A) comutam.

32
Exerc cio 1.25 Sejam A, B Mnn (K). Dizemos que A semelhante a B se existe e P Mnn (K), invert vel, tal que B = P 1 AP. Justique que: (a) Toda a matriz semelhante a si prpria. e o (b) Se A semelhante a B ento B semelhante a A. (Dizemos ento que A e e a e a B so semelhantes.) a (c) Se A semelhante a B e B semelhante a C Mnn (K) ento A e e a e semelhante a C. (d) A unica matriz semelhante a uma matriz escalar ela prpria. e o (e) Se P Mnn (K) invert e vel e B = P 1 AP ento B k = P 1 Ak P , para a qualquer k N. (Assim, se A semelhante a B ento Ak semelhante a e a e B k , para todo k N.) (f) Se A semelhante a B e A invert e e vel ento B invert a e vel. (g) Se A semelhante a B e A invert e e vel ento Ap semelhante a B p , para a e todo p Z. s Notao: Para s N, As signica A1 = (As )1 . ca

Adiante estudaremos processos para justicar que uma matriz quadrada invert sem e vel apresentar a sua inversa.

1.4

Transposio de matrizes ca

Denio 1.28 Seja A Mmn (K). Chamamos matriz transposta de A, e repreca sentamos por A , a matriz de Mnm (K) tal que A = Aji , i = 1, . . . , n, j = 1, . . . , m. igual ao elemento da linha j e coluna i e igual ` coluna e a

ij

(O elemento da linha i e coluna j de A

de A. Notemos que tal corresponde a armar que a linha i de A i de A, i = 1, . . . , n, ou equivalentemente, a coluna j de A j = 1, . . . , m.)

igual ` linha j de A, e a

A transposio de matrizes goza das propriedades seguidamente enunciadas. ca

Proposio 1.29 Sejam K e A, B matrizes sobre K de tipos adequados para que as ca operaes indicadas tenham sentido. Tem-se co 1. A = A.

2. (A + B) = A + B .

33 3. (A) = A . 4. (AB) = B A . 5. Ak = A
k

, para todo k N.

6. Se A invert ento A invert e e vel a e vel

1

A Demonstrao: ca

= A1

A demonstrao das propriedades 1, 2 e 3 no oferecem diculdade, sendo deixadas ca a como exerc cio. 4. Sejam A Mmn (K) e B Mnp (K). Ento (AB) a iguais, isto , que e (AB)
ij

e B A

pertencem

ambas a Mpm (K). Vejamos que os elementos homlogos de (AB) e B A so o a = B A .

ij

Tem-se
n n

B A

ij

=
k=1 n

ik

kj

=
k=1

(B)ki (A)jk .

=
k=1

(A)jk (B)ki = (AB)ji = (AB)

ij

Logo (AB) = B A . 5. A demonstrao faz-se por induo sobre k e utilizando a propriedade 4. ca ca (Exerc cio.) 6. Basta vericar que A A1 = In = A1 A1 A . = In = In e analo-

Utilizando a propriedade 4, tem-se A gamente se demonstra que A1

= A1 A

A = In .

Denio 1.30 Uma matriz A diz-se simtrica se A = A ca e A = A .

e hemisimtrica se e

Da denio resulta que s podem ser simtricas ou hemisimtricas matrizes que sejam ca o e e quadradas.

34
P

Exemplo 1.31
P T T i R 2

A matriz
1 i 0 3
U 3 U S 0

1 T T 2 R 3

2 0 4

U e 4 U simtrica. Se 5

A matriz

0 T T i R 2

i 0 3

U e 3 U hemisimtrica. Se 0

A matriz

no simtrica nem hemisimtrica. a e e e

Exerc cio 1.26 Indique quais das matrizes 0 0

P

A=

0 0

1 , B=R 2 3

Q P 2 1 S, C = R 2 3 4 3

2 0 4

Q 3 4 S 5 Q 3 4 S. 0

1 D = R 2 3

2 0 4

Q P 3 0 S e E = R 2 4 5 3

2 0 4

so simtricas ou hemisimtricas. a e e

Exerc cio 1.27 Sejam A Mpn (K) e B, C Mnm (K). Mostre que [A(B + C)] =B A +C A .

Exerc cio 1.28 Seja A Mnn (K). Mostre que se A simtrica ento, para todo e e a k N, Ak simtrica. e e

Exerc cio 1.29 Sejam A, B Mnn (K) e K. Mostre que: (a) Se A e B so simtricas ento A + B simtrica. a e a e e (b) Se A e B so simtricas e AB = BA ento AB simtrica. a e a e e (c) Se A simtrica ento A simtrica. e e a e e (d) Se A invert e vel e simtrica ento A1 simtrica. e a e e

Exerc cio 1.30 Justique as armaes: co (a) A unica matriz A Mnn (K) que simultaneamente simtrica e e e hemisimtrica a matriz nula. e e (b) Se A Mnn (K) simtrica ento o mesmo sucede a Ak , para todo k N. e e a

Exerc cio 1.31 Seja A Mmn (K). (a) Mostre que as matrizes AA e A A so simtricas. a e

(b) D um exemplo que mostre que os dois produtos, referidos em (a), podem e ser diferentes, mesmo que A seja quadrada.

Exerc cio 1.32

(a) Seja A Mnn (K). Prove que:

(i) A + AT simtrica; e e (ii) A AT hemisimtrica. e e (b) Prove que qualquer matriz de Mnn (K) soma de uma matriz simtrica e e com uma matriz hemisimtrica. e P Q 1 2 3 (c) Seja A = R 4 5 6 S M33 (R). Determine matrizes B simtrica e C e 7 8 9 hemisimtrica tais que B + C = A. e

35

1.5

Conjugada/Transconjugada de uma matriz

Nesta seco consideramos K = C. ca

Denio 1.32 Seja A Mmn (C). Dene-se a conjugada de A e representa-se ca por A a matriz que se obtm de A substituindo cada elemento pelo seu conjugado. e Tem-se, pois, A Mmn (C) e A
ij

= Aij .

Exemplo 1.33

A conjugada de A =

1 7 + 3i

9 2i 8i

a matriz A = e

1 7 3i

9 + 2i 8i

Proposio 1.34 Sejam A, B Mmn (C), C Mnp (C) e C. Tm-se as seguintes ca e propriedades. 1. A = A. 2. A + B = A + B. 3. A = A. 4. AC = A C. 5. Ak = A . 6. Se m = n e A for uma matriz invert ento A vel a 7. A =A .
1 k

= A1 .

Demonstrao: ca
Exerc cio.

A matriz A mente por A .

designa-se por transconjugada da matriz A e representa-se habitual-

Denio 1.35 Uma matriz A diz-se herm ca tica se A = A e hemiherm tica se A = A .

36
Exerc cio 1.33 Estabelea as propriedades anlogas `s da proposio anterior para a c a a ca transconjugada de uma matriz.

Exerc cio 1.34 Justique que se A, B Mnn (K) comutam (isto , se AB = BA) e ento o mesmo sucede a a (a) A1 e B 1 , se A e B so invert a veis. (b) A (c) Ak eB . e B s , para todo k N e todo s N.

Exerc cio 1.35 O que pode armar sobre os elementos da diagonal principal de uma matriz (a) Herm tica? (b) Hemiherm tica?

Exerc cio 1.36 Justique que, para A Mmn (C), as matrizes A A e AA so a herm ticas.

Exerc cio 1.37 Sejam A, B Mnn (C) matrizes herm ticas. Justique que: (a) A + B herm e tica. (b) AB herm e tica se, e s se, AB = BA. o (c) Ak herm e tica, para todo k N. (d) Se A invert e vel ento A1 herm a e tica. (e) Se e so nmeros reais ento A + B herm a u a e tica. (f) A A , iA e iA so hemiherm a ticas. (g) AB + BA herm e tica e AB BA hemiherm e tica.

Exerc cio 1.38 Justique as armaes: co (a) A unica matriz de Mnn (C) simultaneamente herm tica e hemiherm tica a matriz nula. e (b) Qualquer que seja a matriz A Mnn (C), A + A herm e tica e A A e hemiherm tica. (c) Toda a matriz A Mnn (C) se pode escrever na forma A = B + C com B herm tica e C hemiherm tica. (d) Se C Mnn (C) hemiherm e tica ento iC e iC so herm a a ticas. (e) As matrizes B e C referidas em (c) so unicas. a Sugesto: Atenda a (a). a (f) Toda a matriz A Mnn (C) se pode escrever na forma A = B + iD com B e D herm ticas.

37

1.6

Transformaes elementares sobre linhas de uma matriz. co Matrizes elementares

Denio 1.36 Seja A Mmn (K). Chamamos transformao elementar soca ca bre as linhas de A a uma transformao de um dos seguintes tipos: ca I Troca entre si de duas linhas da matriz A (isto , troca da linha i com a linha e j, com i = j, i, j {1, . . . , m}); II Multiplicao de uma linha da matriz A por um escalar no nulo; ca a III Substituio de uma linha da matriz A pela sua soma com outra linha de A ca multiplicada por um escalar.

Substituindo na denio anterior linha por coluna obtemos as correspondentes deca nies de transformaes elementares sobre colunas dos tipos I, II e III. co co Recordemos que se A = [Aij ] Mmn (K), se deniu linha i de A como sendo um elemento de Kn , isto , o n-uplo de elementos de K, e (Ai1 , Ai2 , . . . , Ain ). No Cap tulo 0, referimos tambm a forma de adicionar n-uplos e de multiplicar um escalar e por um n-uplo. Chamamos mltiplo de uma linha de A a um n-uplo que resulte da u multiplicao de um escalar por essa linha. ca Notao 1.37 Adoptaremos as seguintes notaes: ca co li lj , para representar que se efectuou a troca das linhas i e j, com i = j. li , para representar que a linha i foi multiplicada por K \ {0}. li + lj , para representar que se adicionou ` linha i a linha j, i = j, multiplicada por a K.
A T B, para representar que a matriz B se obteve de A efectuando a transformao ca

elementar T (de tipo no especicado). a

A (linhas) B, para representar que a matriz B se obteve de A efectuando um nmero u

nito k, com k0, de transformaes elementares nas linhas (de tipos no especicaco a dos).

38 Exemplo 1.38
1 T A =T 3 R 0 P 1 T 1 T l3 R 0 3 0
P

0 2 1 0 1 0

P P Q 1 0 2 1 U T U T 0 Ul2 + (3)l1 T 0 2 6 U 1 l2 T 0 S R S2 R 0 0 1 0 0 P P Q Q 2 1 0 2 U T U T T 3 Ul2 + 3l3 T 0 1 0 Ul1 + (2)l3 R S R S 1 0 0 1

0 1 1 1 0 0

P 1 U T 3 Ul3 + (1)l2 T 0 S R 0 0 Q 0 0 U 1 0 U. S 0 1

0 1 0

U 3 U S 3

Podemos ento escrever a

P

A=T R

1 3 0

0 2 1

U T 0 U(linhas)T 0 S R 0 0

0 1 0

U 0 U. S 1

Denio 1.39 Chamamos matriz elementar de Mnn (K), sobre linhas, de tipo I, ca II ou III, a toda a matriz que se obtm de In por aplicao de uma unica transformao e ca ca elementar nas suas linhas, de tipo I, II, ou III, respectivamente.

Substituindo na denio anterior linhas por colunas, obtemos a correspondente ca denio de matriz elementar de Mnn (K), sobre colunas. ca So matrizes elementares de M33 (R), sobre linhas, as matrizes: a
P

Exemplo 1.40 1.

E=T R
P

0 1 0

1 0 0 0 5 0 7 1 0

U 0 U, S 1

pois I3 l E. l
1 2

2.

E=

1 T T 0 R 0
P

U 0 U, S 1

pois I3 5l E.
2

3.

E=

1 T T 0 R 0

U 0 U, S 1

pois I3 l E. +7l
1 2

Teorema 1.41 Seja A Mmn (K). 1. Se

Im T E,

sendo T uma transformao elementar sobre linhas, ento ca a

A T EA.

39 2. Se
In E , T

sendo T uma transformao elementar sobre colunas, ento ca a

A AE . T

Demonstrao: ca
Fica como exerc cio. (Considere separadamente os casos em que E uma matriz e elementar de tipo I, II ou III, sobre linhas ou sobre colunas.)

De acordo com o teorema anterior, cada transformao elementar efectuada sobre as ca linhas (respectivamente, colunas) de uma matriz de Mmn (K) corresponde a multiplicar a matriz ` esquerda (respectivamente, ` direita) por uma matriz elementar. Tal matriz elemena a tar a que resulta da matriz identidade efectuando-lhe exactamente a mesma transformao e ca elementar.
Exerc cio 1.39 Seja A M35 (K). Determine as matrizes elementares que, multiplicadas ` esquerda de A, produzem em A cada uma das seguintes transformaes: a co (a) Troca da primeira com a terceira linhas; (b) Multiplicao da primeira linha por 6; ca (c) Adio de ca
1 5

da segunda linha ` terceira linha. a

Como consequncia do Teorema 1.41, resulta: e

Proposio 1.42 Toda a matriz elementar E Mnn (K) invert e tem-se, quaisquer ca e vel que sejam i, j {1, . . . , n}: 1. Se i = j e
In li E lj

ento a

In li E 1 . lj

2. Se K \ {0} 3. Se i = j, K Demonstrao: ca

e e

In l E
i

ento a

In E 1 . 1 l
i

In li +lj E

ento a

In l E 1 . +()l
i j

Seja E Mnn (K).

1. Suponhamos que i, j {1, . . . , n}, com i = j, e In li E , isto , E a e e lj

matriz elementar que se obtm de In trocando as linhas i e j. Pelo Teorema 1.41, e tem-se EE = In .

40
Logo, E invert e E 1 = E. e vel
2. Suponhamos que K \ {0} , In l E i e In 1 E , ou seja, E e li

a matriz elementar que se obtm de In multiplicando a linha i por e E a e e matriz elementar que se obtm de In multiplicando a linha i por e Teorema 1.41, tem-se E E = In Logo, E invert e E = E 1 . e vel 3. Fica como exerc cio. e EE = In .
1 .

Ainda pelo

1.7

Matrizes em forma de escada. matriz

Caracter stica de uma

Denio 1.43 Chamamos piv de uma linha no nula de uma matriz ao elemento ca o a no nulo mais ` esquerda dessa linha. a a

Denio 1.44 Seja A Mmn (K). Dizemos que A est em forma de escada ca a (abreviadamente, denotado por f.e.) se A = 0mn ou se satisfaz as duas condies co seguintes: 1. Para todo r {1, . . . , m 1}, se a linha r de A nula ento a linha r + 1 de e a A tambm nula (isto , se A tem uma linha nula ento a linha seguinte, se e e e a existir, tambm nula). e e 2. Se s {1, . . . , m 1}, a linha s de A no nula e Ast o piv da linha s ento e a e o a As+1,j = 0, para qualquer j {1, . . . , t} (isto , ` medida que o e a ndice de linha aumenta, tambm aumenta o e ndice de coluna dos pivs das linhas no nulas). o a

Exemplo 1.45

Esto em forma de escada, por exemplo, matrizes com o seguinte aspecto: a

P

0 T T 0 R 0

0 0

0 0

U U, S 0

T T 0 R 0

U U S

ou

Q T U T 0 U, R S 0

41 em que, por , se representam os pivs e em que representa elementos que podem tomar o qualquer valor. As matrizes
P T T 0 R 0 P Q

0 2 3

U 5 U, S 0

0 T T 0 T T T 0 R 0

0 1 0 0

0 3 6 0

U 0 U U U 4 U S 0

T T 0 R 0

0 1 0

0 3 6

U 0 U S 4

no esto em forma de escada. Porqu? a a e

Dizemos, ento, numa linguagem informal, que uma matriz est em forma de escada se, a a quando tiver linhas nulas e no nulas, as nulas aparecem depois das no nulas e quanto `s a a a linhas no nulas, se as houver, podemos constituir com os pivs uma escada com degraus a o de altura 1 e largura arbitrria. a
Exerc cio 1.40 Indique se esto em forma de escada cada uma das seguintes matrizes: a (a) In . P Q 0 0 0 T 5 1 4 U U (b) T R 0 1 3 S. 0 0 2 0 5 0 0 . (c) Q P 0 1 0 (d) R 0 0 1 S. 0 0 1

Proposio 1.46 Dada A Mmn (K) poss ca e vel obter a partir de A uma matriz em forma de escada, efectuando um nmero nito k, com k0, de transformaes elementau co res sobre linhas. Abreviadamente
A (linhas) A

(f.e.).

Embora no demonstremos esta armao, vamos apresentar um processo prtico de, a ca a a partir de uma matriz A Mmn (K) e efectuando um nmero nito de transformaes u co elementares sobre linhas, obtermos uma matriz em forma de escada. Este processo tambm e e designado por condensao da matriz A. ca Note que se A j est em forma de escada ento o nmero de transformaes elementares a a a u co para transformar A numa matriz em forma de escada pode ser tomado igual a zero. Processo para reduo de uma matriz A Mmn (K) ` forma de escada. ca a Se A = 0mn ento A j est em forma de escada. a a a Suponhamos ento que A = 0mn . a

42 Passo 1: Por troca de linhas (isto , efectuando apenas transformaes elementares do tipo I), e co se necessrio, obtemos uma matriz B cuja linha 1 tem, entre todas as linhas da matriz, a um piv com o ndice de coluna m nimo. Seja tal elemento B1t . Obtemos uma matriz da forma B=
P T T T T T T R

0 0 . . . 0

0 0 . . . 0

B1t B2t . . . Bmt

B1,t+1 B2,t+1 . . . Bm,t+1

B1n B2n . . . Bmn

U U U U, U U S

onde B1t = 0 (e em que, para t = 1, no existem as t 1 colunas nulas ` esquerda). a a Passo 2: Para cada linha i de B, i = 2, . . . , m, substitui-se a linha i pela sua soma com o produto
Bit co de B1t pela linha 1 (transformaes elementares do tipo III). Obtemos uma matriz

da forma C=

P T T T T T T R

0 0 . . . 0

0 0 . . . 0

B1t 0 . . . 0

B1,t+1 C2,t+1 . . . Cm,t+1

B1n C2n . . . Cmn

U U U U, U U S

onde B1t = 0. Passo 3: Se a matriz C estiver em forma de escada, o processo termina e est encontrada uma a matriz em forma de escada. Caso contrrio, despreza-se a linha 1 da matriz C e aplica-se os passos 1 e 2 ` matriz a a resultante do tipo (m 1)n.
P Q

Exemplo 1.47

Seja A =

T T 0 T T T 0 R 0

0 4 2 1

0 9 1 2

0 3 5 1

U 4 U U U 2 U S 1

M45 (R). Utilizando o procedimento

anterior, determinemos uma matriz em forma de escada a partir da matriz A.

P

0 T T 0 A =T T T 0 R 0 P 0 T T 0 T l3 + (2)l2 T T 0 R 0

0 4 0 1 1 0 0 0

0 9 2 2 2 1 0 0

0 3 2 1 1 1 0 0

P 0 U T 4 U T 0 U T Ul1 l4 T T 0 3 U S R 1 0 Q 1 U 0 U U U (f.e.). 3 U S 0

1 4 0 0

2 9 2 0

1 3 2 0

P 0 U T T 4 U T 0 U Ul2 + (4)l1 T T 0 3 U S R 0 0

1 0 0 0

2 1 2 0

1 1 2 0

U 0 U U U 3 U S 0

Exemplo 1.48

Seja A =

0 T T 1 R 2

0 0 0

0 2 4

2 1 0

U 0 U S 6

M35 (R).

43 Podemos, por exemplo, obter, a partir de A, atravs de transformaes elementares sobre e co linhas, as seguintes matrizes B e C em forma de escada.
P Q P Q P Q

A =T R
P

0 1 2

0 0 0 0 0 0

0 2 4 2 0 0

2 1 0 1 2 0

1 T T l3 + ()l2 R 0 0

U T 0 Ul1 l2 T 0 0 S R 6 2 0 Q 0 U 6 U = B (f.e.). S 0

2 0 4

1 2 0

U T 6 Ul3 + (2)l1 T 0 S R 6 0

0 0 0

2 0 0

1 2 2

U 6 U S 6

A =T R
P

0 1 2

0 0 0 0 0 0

0 2 4 4 0 0

2 1

2 T l3 + 2l2 T 0 R 0

U T 0 Ul1 l3 T 1 0 S R 0 6 0 0 Q 0 6 U 1 3 U = C (f.e.). S 0 0

4 2 0

0 1 2

U T 0 Ul2 + ( 1 )l1 T 0 2 S R 6 0

0 0 0

4 0 0

0 1 2

U 3 U S 6

Por outro lado, se multiplicarmos qualquer linha no nula de B ou C por um escalar a no nulo, obtemos ainda matrizes em forma de escada que resultaram de A atravs de a e transformaes elementares sobre linhas. co

Constatamos assim, que a partir da mesma matriz A podemos obter, em geral, por transformaes elementares sobre linhas, diferentes matrizes em forma de escada. co
Exerc cio 1.41 Efectuando transformaes elementares sobre linhas, obtenha a partir co de cada uma das seguintes matrizes de elementos reais uma matriz em forma de escada: P Q 1 2 1 R 2 1 0 S. (a) A = 1 0 1 P Q 2 4 2 6 0 8 4 7 5 S. (b) B = R 4 2 4 2 1 5 P Q 2 2 1 R 2 2 1 S. (c) C = 1 1 2

Denio 1.49 Seja A Mmn (K) uma matriz em forma de escada. Dizemos que ca A est em forma de escada reduzida (abreviadamente, denotado por f.e.r.) se a A = 0mn ou se todos os pivs so iguais a 1 e todos os restantes elementos das o a colunas dos pivs so nulos. o a

44 Exemplo 1.50 zida. A matriz

P

A matriz identidade, de qualquer ordem, est em forma de escada redua

1 0 0 5 0 0 3 0 0 0 1 0 5
Q

0 T T 0 R 0

U 1 U S 0

est em forma de escada reduzida. a

Exerc cio 1.42 Indique se esto em forma de escada reduzida cada uma das seguintes a matrizes: (a) In . P 0 1 2 0 5 (b) R 0 0 1 0 0 0 0 0 0 0 P 0 1 2 0 5 (c) R 0 0 0 1 1 0 0 0 0 0 0 1 0 0 . (d) P Q 1 R 0 S. (e) 0
Q S. Q S.

Proposio 1.51 Dada A Mmn (K) poss ca e vel obter a partir de A uma unica matriz em forma de escada reduzida, efectuando um nmero nito k, com k0, de transformaes u co elementares sobre linhas. Abreviadamente,
A (linhas) A

(f.e.r.), com A unica.

Embora no demonstremos a Proposio 1.51, vamos indicar um processo prtico para a ca a e obter a forma de escada reduzida de A Mmn (K), tambm designada por forma de Hermite de A. Processo para reduo de uma matriz A Mmn (K) ` forma de escada ca a reduzida. Se A = 0mn ento A j est em forma de escada reduzida. a a a Suponhamos que A = 0mn . Pelo processo descrito anteriormente podemos obter uma matriz B Mmn (K), em forma de escada, tal que
A (linhas) B (f.e.).

Passo 1: Seja Bsk o piv com maior o ndice de linha. (Note que Bsk = 0 e, se existirem linhas abaixo da linha s, essas linhas so todas nulas.) a Para garantir que o piv passa a 1, multiplica-se a linha s por o elementar do tipo II).
1 Bsk

(transformao ca

45 Seja C a matriz obtida. Para cada linha i de C, com i = 1, . . . , s 1, substitui-se a linha i pela sua soma com o produto de Cik pela linha s (transformaes elementares co do tipo III). (Note que tal corresponde a anular os elementos da coluna do piv, com o ndice de linha inferior ao do piv. Os que tm o e ndice de linha superior j so nulos a a por a matriz C estar em forma de escada.) Obtemos uma nova matriz D que continua em forma de escada e em que as entradas da coluna k so todas nulas ` excepo do piv Dsk que igual a 1. a a ca o e Passo 2: Se a matriz D estiver em forma de escada reduzida, o processo termina e est encona trada uma matriz em forma de escada reduzida. Caso contrrio, desprezam-se as linhas de a ndice superior ou igual a s de D e aplica-se o passo 1 ` matriz do tipo (s 1)n resultante. a
P Q

Exemplo 1.52

Consideremos a matriz A =

T T 0 T T T 0 R 0

0 4 2 1
Q

0 9 1 2

0 3 5 1

U 4 U U U 2 U S 1

M45 (R) do Exem-

plo 1.47. Nesse exemplo, vimos que

P

0 T T 0 T T (linhas) T 0 R 0

1 0 0 0

2 1 0 0

1 1 0 0

U 0 U U U 3 U S 0

= B (f.e.).

Utilizando o procedimento anterior, determinemos a forma de escada reduzida de B.

P Q P Q P Q T T 0

1 0 0 0 1 0 0 0

2 1 0 0 0 1 0 0

1 1 0 0 3 1 0 0

R 0 0 P 0 T T 0 T l1 + (2)l2 T T 0 R 0

B =T T T

U T 0 U T 0 U 1T U 3 l3 T T 0 3 U S R 0 0 Q

1 0 0 0

2 1 0 0

1 1 0 0

U T 0 U T 0 U T Ul1 + 1l3 T T 0 1 U S R 0 0

1 0 0 0

2 1 0 0

1 1 0 0

U 0 U U U 1 U S 0

0 U 0 U U U 1 U S 0

(f.e.r.).

Exerc cio 1.43 Efectuando transformaes elementares sobre linhas, obtenha a forma co de escada reduzida de cada uma das seguintes matrizes: P Q 1 2 1 R 2 1 0 S. (a) A = 1 0 1 P Q 2 4 2 6 0 8 4 7 5 S. (b) B = R 4 2 4 2 1 5 P Q 2 2 1 (c) C = R 2 2 1 S. 1 1 2

46 Apresentada sem demonstrao, a proposio seguinte tem grande importncia. ca ca a Proposio 1.53 Seja A Mmn (K). Quaisquer matrizes em forma de escada que se ca obtenham de A efectuando um nmero nito k, com k0, de transformaes elementares u co sobre linhas tm o mesmo nmero de linhas no nulas. e u a

Denio 1.54 Seja A Mmn (K). Ao nmero de linhas no nulas de qualquer ca u a matriz em forma de escada obtida a partir de A efectuando um nmero nito de u transformaes elementares sobre linhas chamamos caracter co stica de A e denotamos por r(A).

Da proposio e da denio anteriores resulta pois: ca ca Proposio 1.55 As transformaes elementares sobre linhas no alteram a caracter ca co a stica, isto , se A Mmn (K) e e
A (linhas) B

ento r(A) = r(B). a Demonstrao: ca

Note que, efectuando um nmero nito k, com k0, de transformaes elementares u co sobre linhas, poss e vel obter a partir de B uma matriz C em forma de escada reduzida, isto , e
A (linhas) B (linhas) C (f.e.r.).

Se l o nmero de linhas no nulas de C ento e u a a r(A) = l = r(B).

Da denio de caracter ca stica resulta trivialmente que se A Mmn (K) ento r(A) m. a Tem-se, ainda, r(A)n. De facto, tal trivial se r(A) = 0 (isto , se A = 0mn ). Se r(A) > 0 e e (isto , se A = 0mn ), como na forma de escada os pivs tm e o e ndices de coluna, dois a dois distintos, conclu mos ainda que r(A) n. Logo, para A Mmn (K), tem-se r(A) m isto , e r(A) min{m, n}. e r(A) n,

47 Exemplo 1.56
P

Tem-se r(0mn ) = 0 e r(In ) = n.

2 5
U a 4 U ento r(A) = 2. S 0 0 Q 1 U a 2 U ento r(B) = 1, pois S 3

Se A =

Se B =

1 T T 0 R 0 P 1 T T 2 R 3

B=

1 T T 2 R 3

P 1 U+(2)l T l 2 Ul2 +(3)l1 T 0 S3 1R 0 3

U 0 U S 0

(f.e.).

Exerc cio 1.44 Considere as matrizes de elementos reais P P Q 2 0 1 0 1 1 T 1 3 0 2 1 S, A2 = T A1 = R 2 R 3 2 1 0 1 1 1 P Q P 1 4 2 2 1 0 A3 = R 2 3 1 S e A4 = R 0 1 1 1 1 1 Determine a caracter stica de Ai , i = 1, 2, 3, 4.

1 1 1 1 Q 1 1 S. 2

Q 0 2 U U, 1 S 0

Exerc cio 1.45 Sejam L = caracter stica de: (a) Jn . (b) (n 2)In + Jn .

M1n (K) e Jn = L L. Determine a

Exerc cio 1.46 Discuta, segundo os valores de matrizes de elementos reais: P Q P 1 0 1 1 T 0 1 S, B = T A = R 1 1 R 1 1 2 0 =R 0 3

P

e , a caracter stica das seguintes 1 1 0 1 1 1 1 0 0 1 1 0 0 1 1 1 0

Q 1 1 U U, 0 S 1 Q 0 U U. 1 S 1

C,

0 0

P Q T 1 2 S e D, = T R 1 1 1

Exerc cio 1.47 Seja 1 T T 2 A=R 3

P

2 3 1

2 3 1

Q 3 1 U U M44 (K). S 2

Discuta, segundo os valores de , a caracter stica de A para: (a) K = R. (b) K = C.

1.8

Caracterizaes das matrizes invert co veis

Na Seco 1.3 foi apresentada a denio de matriz invert ca ca vel. Utilizando apenas a denio ca no , em geral, imediato reconhecer, na prtica, se uma dada matriz ou no invert a e a e a vel.

48 Pensemos, por exemplo, na matriz

P

A=T R

1 2 1

0 2 0

U 2 U S 0

M33 (R).

O resultado seguinte permite, em particular, decidir se uma dada matriz quadrada ou e no invert atravs da sua caracter a vel e stica.

Teorema 1.57 Seja A Mnn (K). As armaes seguintes so equivalentes: co a 1. A invert e vel. 2. r(A) = n. 3. In a forma de escada reduzida de A. e 4. A pode escrever-se como produto de matrizes elementares.

Demonstrao: ca
Vamos demonstrar que 1 2 3 4 1. 12 Suponhamos que A invert e vel. Seja B uma matriz em forma de escada obtida a partir de A efectuando um nmero nito de transformaes elementares sobre u co linhas. Seja t o nmero de transformaes elementares efectuadas. De acordo u co com o Teorema 1.41, cada operao elementar sobre as linhas de uma matriz ca corresponde a multiplicar a matriz, ` esquerda, por uma matriz elementar. Assim, a podemos escrever B = Et E1 A, sendo E1 , . . . , Et matrizes elementares. Como toda a matriz elementar invert e vel, como A invert e pelo Teorema 1.27 e vel o produto de matrizes invert veis invert e vel, conclu mos que B invert e vel. Como observmos na Seco 1.3, se uma matriz tem alguma linha nula ento no a ca a a invert e vel. Assim a matriz B no tem linhas nulas. Como B est em forma de a a escada e tem n linhas no nulas conclu a mos que r(A) = n. 23

49
Suponhamos que r(A) = n e seja C a forma de escada reduzida de A, obtida por transformaes elementares sobre linhas. Notemos que, pela Proposio 1.55, se co ca tem r(C) = n e, portanto, todas as linhas de C so no nulas. Como C est na forma de escada a a a reduzida, todos os n pivs de C so 1 e os restantes elementos dessas n colunas o a so zeros. Como C tem, no total, n colunas, conclu a mos pois que C = In . 34 Se In a forma de escada reduzida de A ento poss obter In a partir de A e a e vel efectuando um nmero nito de transformaes elementares sobre linhas. Logo u co In = (Es E1 )A, sendo E1 , . . . , Es matrizes elementares. Como E1 , . . . , Es so invert a veis conclu mos que Es E1 invert e que e vel (Es E1 ) Tem-se ento a A = E1 1 Es 1 . Como, pela Proposio 1.42, a inversa de uma matriz elementar , ainda, uma ca e matriz elementar, conclu mos que a matriz A se pode escrever como produto de matrizes elementares. 41 Se A se pode escrever como produto de matrizes elementares, como tais matrizes so invert a veis e o produto de matrizes invert veis invert e vel, conclu mos que A e invert vel.
1

= A.

Apresentamos seguidamente um processo para determinar a inversa de uma matriz invert vel, utilizando apenas transformaes elementares sobre linhas. co

Seja A Mnn (K) uma matriz invert vel. Pelo resultado anterior, se A invert ento a forma de escada reduzida de A In e vel a e e, portanto, existem A0 , A1 , . . . , As Mnn (K) tais que
A = A0 T A1 T As1 T As = In
1 2 s

50 sendo T1 , . . . , Ts transformaes elementares sobre linhas. co Tem-se, pois, In = (Es E1 )A onde Ei , i = 1, . . . , s, a matriz elementar que se obtm de In efectuando a mesma e e transformao elementar Ti que permitiu obter Ai de Ai1 . ca Temos A1 = Es E1 = (Es E1 ) In . Conclu mos ento que se efectuarmos em In a mesma sequncia de transformaes a e co elementares que permitiram obter In de A obtemos A1 . Assim, se A Mnn (K) uma matriz invert podemos calcular A1 pelo processo e vel seguinte: Efectuamos transformaes elementares sobre linhas de modo a obter In a co partir de A (o que corresponde a transformar A na sua forma de escada reduzida). Se, a partir de In , efectuarmos a mesma sequncia de transe formaes elementares sobre linhas, a matriz que, no nal, obtemos A1 . co e Notemos que estes dois caminhos podem ser percorridos simultaneamente. Abreviadamente,
[A | In ] (linhas) [In | A1 ].
P Q

Exemplo 1.58
P

Seja A = T R
T T R

1 2 1
P

0 2 0

U 2 U S 0

M33 (R).
1
Q

1 2 1

0 2 0

Temos A =

1 U+(2)l T l 2 U 2 l3 +l1 1 T 0 S R 0 0

0 2 0

U 0 U S 1

(f.e.).

Como r(A) = 3 = ordem de A, conclu mos que A invert e vel. Determinemos A1 .

[A |

T I3 ] =T R P

1 2 1

0 2 0 0 1 0 1 0 1

1 2 0

1 0 0 1 1 1

0 1 0 0
1 2

T 1 T l 2 2R 0 0

P 1 0 1 1 0 0 U+(2)l T l 0 U 2 l3 +l1 1 T 0 2 0 2 1 0 S R 1 0 0 1 1 0 1 Q P 0 1 0 0 0 0 U T 0 Ul1 + (1)l3 T 0 1 0 1 1 S R 2 1 0 0 1 1 0

Q U U S

U 0 U. S 1

51 Logo A1 =

0 T T 1 R 1

0
1 2

U 0 U. S 1

Exerc cio 1.48 Indique: (a) Uma condio necessria e suciente para que uma matriz diagonal seja ca a invert vel. (b) D1 , sendo D Mnn (K) uma matriz diagonal invert vel.

Exerc cio 1.49 Considere as matrizes P Q P 3 1 0 1 1 R 1 S M33 (R), B = R 2 2 1 1 A= 2 1 1 0 1 P 1 1 ! T 2 2 1 1+i T C= M22 (C) e D = R 1 1 i 1 2 0

Q 0 2 S M33 (R), 1 Q 1 2 1 1 U U M44 (R). 0 1 S 2 2

Indique quais destas matrizes so invert a veis e determine a respectiva inversa.

Exerc cio 1.50 Seja A =

1 2

1 0

M22 (R).

(a) Mostre que A invert e vel e determine A1 . (b) Exprima A e A1 como produto de matrizes elementares.

Exerc cio 1.51 Seja A Mmn (K). Mostre que existe uma matriz invert vel C Mmm (K), tal que CA est em forma de escada reduzida. a

Exerc cio 1.52 Sejam A Mmm (K) e B Mmn (K). Mostre que se A invert e vel, ento r(AB) = r(B). a

1 Exerc cio 1.53 Mostre que a matriz M = R 0 1 vert vel e determine M 1 .

1+i i 1

Q i 1 2i S M33 (C) ine i

Exerc cio 1.54 Calcule a inversa de cada uma das seguintes matrizes de Mnn (K): 1 T 0 T (a) A = T 0 R 0 1 T 0 T (b) B = T 0 R 0
P P

a 1 0 0 2 1 0 0

a2 a 1 0 3 2 1 0

Q an n1 a U U an2 U. S

1
Q n n1 U U n 2 U. S

52
Exerc cio 1.55 Justique que, para n2, a matriz 0 T 1 T T 1 C=T T R 1
P

1 0 1

1 1 0

.. .

Q 1 1 U U 1 U U Mnn (K) U S

invert e vel e determine a sua inversa.

53 Solucoes de alguns dos exerc cios propostos

1.3 (a) (b) (c)
h h
4 1 5 2 1 1 8 2 10 4 2 2 2 1 4 2 1 0

r(C,) =
@

2, se = 0 ou = 0 3, se = 0 e = 0 3, se = 0 e R 4, se = 0 e R
@

i i Q

r(D, ) =

(d)
P

3 2 15 11 2 2

T 1.4 X = T 2 R

3 2

2 3 2

1.47

(a) r(A) =
@

1, se {1, 1} 4, caso contrrio a

U 2 U S 3
00 0 1 2 1 3 6 3

(b) r(A) =
! P

1, se {1, 1, i, i} 4, caso contrrio a

Q S

1.5 AB = [ 1 ], BA = 1.6 (a) [ 2 5 ] (c) (d) 1.8

2 2 1 1 1 0 2 2 2

1.49 B 1 = C 1 =

3 5 R2 5 2 5

1 5 1 5 1 5

2 5 2 5 3 5

i 1+i 1 i 0
1 2 1 2 1 2

2 1 2

P 6
12

1
1 2 1 2 1 2

(a) AB = (b) CA =

0 0 6
12 00

, BA = 3
6

3
6

T D1 = R

1 2 2 1 5 2 2

Q U S

3 2
1 2

0 0

1.9 A1 B1 = A2 B2 = A3 B3 = A4 B4 = 1.14

2 2 6 0 0 0 5 1 1 h2 2 i 0 2 331 0 3 2 4 0 ! 3 1 9 5 6 2

1.50

(a)

0 1 2 1 1 2

! !

1.53 M 1 =

2+2i 2i 12i 2i 2 2+i 1 1 1

41

1.54
1 0
01

(a)

A1

(a) (A + B)2 =

A2 + 2AB + B 2 = (b) (A B)2 = 1 4 01 A2 2AB + B 2 = (c) A2 B 2 = 1 0 0 1 (A B)(A + B) = 1.32 1.43 (a) B = (a) (b) (c)
h1
0 0 h1 0 0 h1 0 0 0 1 0 2 0 0 1 0 0

1 2
01

(b) B 1 =
4

a 0 0 0 5 0 1 a 0 0 0 0 1 a 0 0 0 0 0 1 4 1 2 1 0 0 0 5 0 1 2 1 0 0 0 0 1 2 1 0 0 0 0 0 0 1

1 2
01

1.55 C 1 =

1 n1

2n 1 1 1 1 2n 1 1 1 1 1 2n

1 2
0 1 1 2 i 0 1 2 1 0

h1 i

3 35 579

i h0 5 7 , C = 1

0 0 1 1 0 3 i 0 1 1 0 0 0 i 0 1 0

1.44 r(A1 ) = 3, r(A2 ) = 3, r(A3 ) = 2, r(A4 ) = 3 1.45 (a) r(Jn ) = 1

V b 0, se n = 1 b ` b b X

(b) r ((n 2)In + Jn ) =

1, se n = 2 n, se n > 2

1.46 r(A ) =
@

2, se = 2 3, se = 2 3, se = 2 4, se = 2

r(B ) =

Cap tulo 2

Sistemas de Equaes Lineares co

A determinao do conjunto de solues dos sistemas de equaes lineares constitui um tema ca co co de estudo relevante dentro da Matemtica Aplicada e particularmente em muitos tpicos de a o Engenharia. A complexidade de muitos sistemas, com elevado nmero de equaes e de incgnitas, u co o apenas permite resolv-los com o aux de um computador. e lio Existem diversos algoritmos que permitem encontrar, caso existam, solues dum sistema, co recorrendo eventualmente a mtodos numricos de aproximao. e e ca Neste cap tulo apresentamos, utilizando a linguagem das matrizes, um processo de resoluo de sistemas, baseado num algoritmo conhecido por mtodo de eliminao de Gauss. ca e ca

Denio 2.1 Uma equao linear nas incgnitas x1 , . . . , xn , sobre K, uma ca ca o e equao do tipo ca a1 x1 + + an xn = b (2.1)

onde a1 , . . . , an e b so elementos de K. a E usual chamar a b o segundo membro ou termo independente da equao. ca Dizemos que (1 , . . . , n ) Kn uma soluo da equao (2.1) se substituindo xi e ca ca por i , i = 1, . . . , n, se obtm uma proposio verdadeira, isto , (1 , . . . , n ) soluo e ca e e ca da equao (2.1) se ca a1 1 + + an n = b.

56

Denio 2.2 Um sistema de equaes lineares uma coleco nita de equaes ca co e ca co lineares, todas nas mesmas incgnitas. o Sejam m, n N e consideremos o sistema a11 x1 + a x + 21 1 (S) am1 x1 + com aij , bi K, i = 1, . . . , m, j = 1, . . . , n. Dizemos que (S) um sistema de m equaes lineares, nas n incgnitas e co o x1 , . . . , xn , sobre K. Se b1 = b2 = = bm = 0 dizemos que (S) um sistema homogneo. e e Dizemos que (1 , . . . , n ) Kn uma soluo do sistema (S) se substituindo em (S) e ca xi por i , i = 1, . . . , n, se obtm m proposies verdadeiras, isto , se e co e a11 1 + + a1n n = b1 a21 1 + + a2n n = b2 am1 1 + + amn n = bm , ou, de outra forma, a11 1 + a + 21 1 am1 1 + + + a1n n a2n n = = b1 b2 .

+ +

a1n xn a2n xn

= =

b1 b2

+ amn xn = bm

+ amn n = bm

O sistema (S) diz-se imposs vel se no existe nenhuma soluo de (S), ou equivalena ca temente, se o conjunto das solues do sistema (S) o conjunto vazio. co e Caso contrrio, isto , se (S) admite pelo menos uma soluo, diz-se que (S) um a e ca e sistema poss . vel Um sistema poss diz-se determinado se tem uma, e uma s, soluo e indetervel o ca minado se tem mais do que uma soluo. ca

Notemos que:

(i) Se representarmos por C o conjunto das solues do sistema (S) anterior e por Ci , co i = 1, . . . , m, o conjunto das solues da i-sima equao de (S) ento co e ca a C = C1 C2 Cm .

57 (ii) Se (S) um sistema homogneo ento (0, 0, . . . , 0) Kn uma soluo do sistema, a e e a e ca que chamaremos a soluo nula. ca e vel, podendo ser determinado se tiver Logo, um sistema homogneo sempre poss e apenas a soluo nula ou indeterminado se alm dessa soluo tiver outra. ca e ca

Exemplo 2.3

1. Alm de (0, 0), tambm (2, 1) soluo do sistema homogneo nas e e e ca e

incgnitas x1 e x2 , sobre R, o x1 + 2x2 = 0

2x1 4x2 = 0 pois 2 + 2 1 = 0 . 2 (2) 4 1 = 0 O conjunto de solues do sistema co e C = {(1 , 2 ) R2 : 1 = 22 } = {(22 , 2 ) : 2 R}. Trata-se, pois, de um sistema homogneo indeterminado. e 2. (0, 0, 0) soluo de duas das equaes do sistema nas incgnitas x1 , x2 , x3 , sobre R, e ca co o 2x1 3x2 + x3 = 0 4x1 + x2 x3 = 0 x1 2x2 + 2x3 = 1 mas, como no soluo da outra equao, no soluo do sistema. a e ca ca a e ca

O nosso objectivo neste cap tulo dar uma resposta completa aos problemas seguintes: e (P1 ) Dado um sistema de equaes lineares, indicar se o sistema imposs ou poss e, no co e vel vel caso de ser poss vel, se determinado ou indeterminado, sem determinar o conjunto de e solues. co Chamaremos a este problema a discusso do sistema. a (P2 ) Dado um sistema de equaes lineares, determinar o conjunto das suas solues (que co co ser o conjunto vazio se o sistema for imposs a vel). Chamaremos a este problema a resoluo do sistema. ca

58 Neste estudo ser-nos-o muito uteis as matrizes, conforme explicamos seguidamente. a

Denio 2.4 Dado um sistema de equaes lineares, nas incgnitas x1 , . . . , xn , sobre ca co o K, isto , um sistema e a11 x1 + + amn xn = bm + a1n xn = b1 ,

(S)

am1 x1 +

chamaremos forma matricial do sistema (S) a AX = B onde

P Q U U, S P Q U U U S P Q U U U. S

A=T R
am1

a11

a1n amn

X=

T T T R

x1 . . . xn

B=

T T T R

b1 . . . bm

Frequentemente referimo-nos apenas ao sistema (S) Dizemos que: A Mmn (K) a matriz simples do sistema, e X Mn1 (K) a matriz das incgnitas e e o B Mm1 (K) a matriz dos termos independentes. e Chamaremos matriz ampliada do sistema (S) ` matriz de Mm(n+1) (K) cuja coluna a i, i = 1, . . . , n, igual ` coluna i de A e cuja coluna n + 1 igual ` coluna (nica) de e a e a u B. Tal matriz ser denotada por a [A | B]. AX = B.

Exemplo 2.5

O sistema de equaes lineares nas incgnitas x1 , x2 , x3 , sobre R, co o x1 + x2 x3 2x + x 1 2 x1 x3 3x1 + x2 x3 = 0 = 1 = 1 = 2

59 pode ser escrito na forma matricial

P T T 2 T T T 1 R 3

1 1 0 1
P

Q P U x1 UT 0 UT UR x2 1 U S x 3 1

Q U U S

=T T T

T U T 1 U U U, 1 U R S 2

e a sua matriz ampliada e

T T 2 T T T 1 R 3

1 1 0 1

1 0 1 1

U 1 U U U. 1 U S 2

Proposio 2.6 Dado um sistema ca (S) AX = B,

(1 , . . . , n ) Kn uma soluo de (S) se, e s se, e ca o

P

AT T
R

1 . . . n

Q U U U S

= B.

Demonstrao: ca

Sejam A = [aij ] Mmn (K) e B = T T

R

b1 . . . bm

Q U U U S

Mm1 (K).

Como, por denio, (1 , . . . , n ) soluo de (S) se, e s se, ca e ca o a11 1 + + a1n n = b1 , am1 1 + + amn n = bm tal equivale a armar que
P T T R QP 1 UT . UT . ST . R n Q U U U S Q U U U S P Q U U U, S

a11 am1

a1n amn
P T AT T R

=T T
R

b1 . . . bm

isto , e

1 . . . n

= B.

Denio 2.7 Sejam (S) e (S ) sistemas de equaes lineares sobre K. Dizemos que ca co (S) e (S ) so equivalentes se tm o mesmo conjunto de solues. a e co

60 Proposio 2.8 Sejam A Mmn (K) e B Mm1 (K). Se P Mmm (K) uma matriz ca e invert ento os sistemas vel a (S) e (S ) so equivalentes. a Demonstrao: ca
Suponhamos que (1 , . . . , n ) Kn soluo de (S). Tem-se, ento, e ca a
P T AT T R

AX = B

(P A)X = P B

1 . . . n

Q U U U S

=B

e, portanto, P

T T AT R

1 . . . n

Q U U U S

= P B.

Como a multiplicao de matrizes associativa, obtemos ca e

P T (P A) T T R

1 . . . n

Q U U U S

= P B.

Tal signica que (1 , . . . , n ) soluo de (S ). e ca Reciprocamente, suponhamos que (1 , . . . , n ) soluo de (S ), isto , que e ca e
P T (P A) T T R Q U U U S

1 . . . n

= P B.

Como P invert e vel, multiplicando na igualdade anterior, ambos os membros, ` a esquerda por P 1 obtemos
P R T P 1 (P A) T T Q U U U S

1 . . . n

= P 1 (P B) .

Podemos ento concluir que a

P

P 1 P A ou equivalentemente,

T T T R

1 . . . n

Q U U U S

= P 1 P B

AT T
R

1 . . . n

Q U U U S

= B.

Logo, (1 , . . . , n ) soluo do sistema (S). e ca Demonstrmos ento que (S) e (S ) tm o mesmo conjunto de solues. a a e co

61 Proposio 2.9 Seja ca AX = B um sistema de equaes lineares. co Se atravs de um nmero nito de transformaes elementares sobre as linhas da matriz e u co ampliada [A | B] obtivermos a matriz [A | B ], isto , se e
[A | B] (linhas) [A | B ]

ento os sistemas a AX = B so equivalentes. a e AX =B

Demonstrao: ca
Basta atender a que [A | B ] = Es E1 [A | B] onde E1 , . . . , Es so matrizes elementares. a Como as matrizes elementares so invert a veis e o produto de matrizes invert veis , ainda, invert e vel, conclu mos que P = Es E1 invert e vel. Assim, como [A | B ] = P [A | B] = [P A | P B],

de acordo com a proposio anterior, os sistemas ca AX = B e (P A)X = P B (isto , A X = B ) e so equivalentes. a

A proposio anterior ser-nos- muito util para responder aos problemas anteriormente ca a referidos. Nomeadamente: (P1 ) Discusso de um sistema. a (P2 ) Resoluo de um sistema. ca

62 Proposio 2.10 Sejam A Mmn (K) e B Mm1 (K). Tem-se ca r ([A | B]) = r(A) pelo que r(A) r ([A | B]). Demonstrao: ca
Se A = 0 ento r(A) = 0 r([0 | B]) = r(B) 1 pelo que o resultado vlido. a e a Suponhamos que A = 0. Seja [A | B ] uma matriz em forma de escada obtida a partir de [A | B] efectuando um nmero nito de transformaes elementares u co sobre linhas, isto , e
[A | B] (linhas) [A | B ] em forma de escada.

ou

r ([A | B]) = r(A) + 1

a e a Como [A | B ] est em forma de escada, A tambm est em forma de escada. Seja s o nmero de linhas no nulas de A . Ento u a a s = r(A) = r(A ). Como A tem exactamente s linhas no nulas, a matriz [A | B ], que est em a a forma de escada, ou tem s ou tem s + 1 linhas no nulas (note que B s tem uma a o coluna). Dado que o nmero de linhas no nulas de [A | B ] u a e r([A | B ]) = r([A | B]) conclu mos o que pretend amos.

Sejam A Mmn (K) e B Mm1 (K). Como r(A) r([A | B]) e r(A) n

a comparao dos inteiros r(A), r([A | B]) e n conduz-nos a um, e um s, dos seguintes trs ca o e casos: r(A) < r([A | B])
r(A) = r([A | B]) = n d d r(A) = r([A | B]) d d

r(A) = r([A | B]) < n .

O resultado seguinte permite-nos armar que o problema (P1 ) da discusso de um sistema a ca resolvido se determinarmos qual dos casos anteriores que ocorre. e

63 Teorema 2.11 Seja AX = B um sistema de equaes lineares, com A Mmn (K) e co B Mm1 (K). Tem-se: 1. Se r(A) < r([A | B]) ento o sistema imposs a e vel. 2. Se r(A) = r([A | B]) ento o sistema poss a e vel. Tem-se, ainda, 2.1. Se r(A) = r([A | B]) = n ento o sistema poss determinado. a e vel 2.2. Se r(A) = r([A | B]) < n ento o sistema poss indeterminado. a e vel

Demonstrao: ca
Partindo da matriz ampliada [A | B] e efectuando transformaes elementares co sobre linhas, obtenha-se uma matriz [A | B ] em forma de escada, isto , e
[A | B] (linhas) [A | B ] em forma de escada.

Recordemos que r(A) = r(A ) , r([A | B]) = r([A | B ])

e que A tambm est em forma de escada. e a Seja s = r(A). Caso 1: r(A) < r([A | B]) Como s = r(A), neste caso, a linha s + 1 de [A | B ] da forma e (0, . . . , 0, bs+1 ) Kn+1 , com bs+1 = 0. O sistema A X = B , pois, imposs e vel, porque a (s + 1)-sima equao desse e ca sistema e 0x1 + + 0xn = bs+1 , com bs+1 = 0 que no tem nenhuma soluo. a ca Como os sistemas AX = B e A X = B so equivalentes, conclu a mos que o sistema AX = B , tambm, imposs e e vel. Caso 2: r(A) = r([A | B]) Subcaso 2.1: r(A) = r([A | B]) = n Neste caso, s = r(A) = n = nmero de incgnitas. Ento [A | B ] tem a forma: u o a

64

P T T T T T T T T T T T T T T T R

a11 0 . . . 0 0 . . . 0

a22 . . . 0 0 . . . 0

.. . .. .

. . . ann 0 . . . 0

[A | B ] =

U U U U U U U U bn U, U 0 U U U . U . U . S

b1 b2 . . .

com a11 , a22 , . . . , ann no nulos. a Partindo de [A | B ] e efectuando transformaes elementares sobre linhas obteco nhamos uma matriz [A | B ] em forma de escada reduzida. Tem-se, pois,
P T T T T T T T T T T T T T T T R Q

1 0 . . . 0 0 . . . 0

0 1 . . . 0 0 . . . 0

.. . .. .

0 0 . . . 1 0 . . . 0

[A | B ] (linhas) [A | B ] =

U U U U U U U U bn U. U 0 U U U . U . U . S

b1 b2 . . .

Como a matriz [A | B ] a matriz ampliada do sistema com m equaes e co x1 = b1 x2 = b 2 x = bn n 0 = 0 0 = 0 vericamos que o sistema A X = B poss determinado e, portanto, o mesmo e vel sucede ao sistema inicial AX = B. Alm disso a soluo, unica, de tal sistema e ca e (b1 , b2 , . . . , bn ). Subcaso 2.2: r(A) = r([A | B]) < n Neste caso s = r(A) = r([A | B]) < n = nmero de incgnitas. Ento [A | B ] u o a tem a forma:
P T T T T T T T T T T T T T T R Q

0 0 0 0 . . . 0

0 0 0 0

a1k1 0 0 0

0 0 0

0 0 0 . . . 0

a2k2 0 0

0 0

0 0 . . . 0

asks 0

0 . . . 0

U b2 U U U U U U bs U, U 0 U U U . U . U . S 0

b1

65
com a1k1 , a2k2 , . . . , asks no nulos. a Continuemos a efectuar transformaes elementares sobre linhas at obter uma co e matriz [A | B ] em forma de escada reduzida. Tem-se
[A | B ] (linhas) [A | B ],

com

P T T T T T T T T T T T T T T R

0 0 0 0 . . . 0

0 0 0 0

1 0 0 0

0 0 0

0 1 0 0

0 0

0 0

0 0 1 0

0 . . . 0

b1

[A | B ] =

U b2 U U U U U U bs U. U 0 U U U . U . U . S 0

Como s < n, alm das s incgnitas e o xk1 , xk2 , . . . , xks correspondentes `s colunas dos pivs e a que chamaremos incgnitas bsicas, a o o a existem ainda n s incgnitas, com n s > 0, a que chamaremos incgnitas o o livres. Estas incgnitas so as da forma xi , com i {1, . . . , n} \ {k1 , . . . , ks }. o a Seja L = {1, . . . , n} \ {k1 , . . . , ks }. A matriz [A | B ], com A = aij , a matriz ampliada do sistema, com m e equaes, co xk 1 x ks 0 0 Tomando xi = 0, para todo i L, obtemos a soluo (1 , . . . , n ) do sistema com ca i = 0 se i L Se considerarmos, por exemplo, xi = 1, para todo i L, obtemos uma soluo (1 , . . . , n ) distinta da anterior, com ca e ki = bi se i {1, . . . , s}. = = = = 0 bs 0
jL

b1

jL

a1j xj

asj xj

i = 1 se i L

ki = bi
jL

aij se i {1, . . . , s}.

Logo, o sistema poss indeterminado. e vel

66

Denio 2.12 Seja ca

AX = B

um

sistema

poss vel

indeterminado,

com

A Mmn (K). A n r(A) chamamos o grau de indeterminao do sistema. ca

Note que o grau de indeterminao de um sistema poss ca vel indeterminado igual ao e nmero de incgnitas livres. u o

Resumo da discusso do sistema AX = B, com A Mmn (K): a r(A) < r([A | B])
Sistema Imposs vel

AX = B
Sistema d

r(A) = r([A | B]) = n

Sistema Poss vel Determinado d r(A) = r([A | B]) d Sistema Poss vel d

r(A) = r([A | B]) < n .

Sistema Poss vel Indeterminado, com grau de indeterminao ca n r(A)

Note que para efectuar a discusso de um sistema AX = B apenas necessitamos a de obter, a partir de [A | B], uma matriz em forma de escada. Se esse sistema for poss vel, para o resolver devemos determinar a forma de escada reduzida de [A | B], por ser assim mais simples indicar o conjunto das solues do sistema. co

Exemplo 2.13 sobre R,

Consideremos o sistema de equaes lineares nas incgnitas x1 , x2 , x3 , x4 , co o

(S)

x1 + 2x2 +

x3 3x4 = 5 x4 = 3

2x1 + 4x2 + 4x3 4x4 = 6 . x1 2x2 3x3

Discusso do sistema (S): a Tem-se a forma matricial AX = B com

P P 1 T Ul +(2)l 4 6 U 23 +(1)l11 T 0 Sl R 1 3 0 Q 5 U 4 U = [A | B ] em S 2 Q Q

[A | B] =T R
1 T l3 + (1)l2 T 0 R 0
P

1 2 1 2 0 0

2 4 2 1 2 0

1 4 3 3 2 2

2 0 0

1 2 2

3 2 4

U 4 U S 2

forma de escada.

Como r(A) = 3 = r([A | B]) < 4 = nmero de incgnitas, u o

67 conclu mos que (S) um sistema poss indeterminado, com grau de indeterminao e vel ca 1 (= 4 3). Resoluo do sistema (S): ca
P P Q 1 1 U l2 T 2 2 4 U 1 l T 0 S 2 3R 2 2 0 Q 0 11 U 0 3 U = [A | S 1 1 P 1 U+(1)l T l 2 U 2l1 +3l3 3 T 0 S R 1 0 Q Q

1 T [A | B ] =T 0 R 0 P 1 T l1 + (1)l2 T 0 R 0

2 0 0 2 0 0

1 2 0 0 1 0

2 0 0

1 1 0

3 1 1

2 0 0

1 1 0

0 0 1

U 3 U S 1

B ] em forma de escada reduzida.

Neste caso, a incgnita livre x2 e o sistema (S) equivalente ao sistema o e e x1 = 11 2x2 . x = 3 3 x4 = 1 Assim, (1 , 2 , 3 , 4 ) R4 soluo do sistema (S) se, e s se, e ca o 1 = 11 22 . = 3 3 4 = 1 Logo o conjunto das solues do sistema (S) : co e C = (1 , 2 , 3 , 4 ) R4 : 1 = 11 22 3 = 3 4 = 1

= {(11 22 , 2 , 3, 1) : 2 R} . - Se o sistema anterior for considerado nas incgnitas x1 , x2 , x3 , x4 , x5 , sobre R, qual o e a matriz ampliada do sistema e quais so as alteraes, em relao ao caso anterior, na a co ca discusso e resoluo do sistema? a ca

e Faamos uma breve referncia aos sistemas homogneos, isto , aos sistemas da forma c e e AX = 0. Como vimos tais sistemas so sempre poss a veis, pois tm, pelo menos, a soluo nula. e ca Tambm de acordo com a teoria anterior, como para qualquer matriz A Mmn (K) se e verica r(A) = r([A | 0]), conclu mos, de outra forma, que um sistema homogneo sempre poss e e vel. O resultado seguinte fornece-nos uma outra caracterizao das matrizes invert ca veis.

68 Proposio 2.14 Uma matriz A Mnn (K) invert se, e s se, o sistema (homogneo) ca e vel o e AX = 0 determinado. e Demonstrao: ca
Sendo A Mnn (K), sabemos que o sistema AX = 0 determinado se, e s se, e o r(A) = r[A | 0] = n, ou equivalentemente, r(A) = n. Como A Mnn (K) tal equivale a armar que A invert e vel.

Exerc cio 2.1 (a) Discuta cada um dos seguintes sistemas de equaes lineares, nas co incgnitas x1 , x2 , x3 , sobre R: o
V ` x1 + x2 + 2x3 = 1 2x1 x2 + x3 = 1 X 3x2 + 3x3 = 0 V ` x1 + x2 x3 = 0 2x1 + x2 = 1 X x1 x3 = 1 & V ` x1 + x2 x3 = 0 2x1 + x2 = 1 X x1 x3 = 1 V ` x1 + 2x2 = 1 x1 + x2 = 1 X x1 + x2 = 1 &

(S1 )

(S2 )

(S3 )

(S4 )

(S5 )

2x1 + x2 = 1 x1 + 3x2 + x3 = 2

(S6 )

x1 + 2x2 + x3 = 1 2x1 + 4x2 + 2x3 = 3

(S7 )

V b 2x1 x2 + x3 = 1 b b x1 + 2x2 + x3 = 0 ` x1 3x2 = 1 b b 4x1 2x2 + 2x3 = 2 b X 2x1 + x2 x3 = 1 V b x1 + x2 + x3 = 1 b ` 2x1 + x2 = 0 b x2 + x3 = 2 b X x1 x3 = 1

(S8 )

V b 5x1 2x2 + x3 = 1 b b 6x1 + 2x2 + x3 = 0 ` 4x1 2x2 + 3x3 = 2 b b 2x1 + 4x3 = 2 b X 6x1 3x2 + 2x3 = 1 V b x1 + 2x3 = 1 b ` x1 + 2x2 = 1 b 2x2 + 2x3 = 0 b X x1 2x3 = 1

(S9 )

(S10 )

(b) Resolva os sistemas poss veis considerados em (a).

Q P Q 0 1 2 2 Exerc cio 2.2 Para A = R 2 0 0 S M33 (R) e B = R 1 S M31 (R) 1 0 2 1 considere o sistema (S) de equaes lineares nas incgnitas x1 , x2 , x3 . co o Indique a coleco de equaes lineares que constituem o sistema (S) e que esto repreca co a sentadas em AX = B. Q P Q 1 1 2 1 1 R 2 2 2 S M34 (R), B = R 4 S 2 Exerc cio 2.3 Sejam A = 0 0 6 4 6 M31 (R) e (S) o sistema de equaes lineares AX = B. co P P

(a) Sem resolver o sistema, mostre que: (i) (1, 1, 1, 3) soluo de (S); e ca (ii) (1, 0, 1, 0) no soluo de (S). a e ca (b) (i) Resolva o sistema (S); (ii) Indique duas solues de (S), ambas distintas da considerada em (a) co (i).

69
Exerc cio 2.4 Sejam A Mmn (K), B Mm1 (K) e (S) o sistema de equaes co lineares AX = B. Mostre que: (a) Se m < n ento ou (S) imposs a e vel ou (S) poss e vel indeterminado. (b) Se m = n e A invert e vel ento (S) poss a e vel determinado. (c) Se m = n e (S) poss e vel determinado ento A invert a e vel.

Exerc cio 2.5 Para cada uma das al neas seguintes indique se existe ou no um sistema a (S) de equaes lineares, sobre R, nas condies indicadas e, em caso armativo, d um co co e exemplo. (a) O n mero de equaes superior ao n mero de incgnitas e (S) poss u co e u o e vel. (b) O n mero de equaes inferior ao n mero de incgnitas e (S) poss u co e u o e vel determinado. (c) O n mero de equaes igual ao nmero de incgnitas e (S) no poss u co e u o a e vel determinado. (d) (S) poss e vel determinado e o n mero de equaes no igual ao nmero u co a e u de incgnitas. o

Exerc cio 2.6 Para cada R e cada R, considere o sistema de equaes lineares co de coecientes reais nas incgnitas x, y, z, sobre R, o
V ` x+yz =1 x y + z = 1 . X x y + ( + 1)z = 2

(a) Discuta o sistema em funo de e . ca (b) Para = 0 e = 1 indique o conjunto das solues do sistema. co

Exerc cio 2.7 Para cada R e cada R, considere o sistema de equaes lineares co de coecientes reais nas incgnitas x, y, z, sobre R, o
V ` x + z = 3 x + ( 3)y + 2z = + 3 . X x + 2z = 4

(a) Discuta o sistema em funo de e . ca (b) Para = 1 e = 3 indique o conjunto das solues do sistema. co

Exerc cio 2.8 Para cada R e cada R, considere o sistema de equaes lineares co nas incgnitas x, y, z, sobre R, o
V ` x + y + z = 1 ( 1)y = . X x + y + z = 2

(S, )

(a) Discuta-o, em funo de e . ca (b) (i) Mostre que S2,2 tem uma e uma s soluo. o ca (ii) Mostre que a matriz simples de S2,2 invert e vel. (iii) Determine a soluo de S2,2 usando a inversa da matriz simples do ca sistema.

70
Exerc cio 2.9 Para cada a R, considere: (a) O sistema de equaes lineares nas incgnitas x, y, sobre R, co o
V ` x+y =a x + 2y = a2 . X x + 3y = a3

(b) O sistema de equaes lineares nas incgnitas x, y, z, w, sobre R, co o

V ` ax z + (a + 1)w = 1 x + y + z + w = a . X (a 1)x + y + (a 2)z + 2aw = a 2

(c) O sistema de equaes lineares nas incgnitas x, y, z, w, sobre R, co o

V b (8 a)x + 2y + 3z + aw = 0 b ` x + (9 a)y + 4z + aw = 0 . b b x + 2y + (10 a)z + aw = 0 X x + 2y + 3z + aw = 0

Discuta, em funo de a, o sistema de cada uma das al ca neas.

Exerc cio 2.10 Para cada a e cada b pertencentes a R, considere: (a) Os sistemas de equaes lineares nas incgnitas x, y, z, w, sobre R, co o V ` ax + y z + aw = 0 (a + 1)y + z + w = 1 . (i) X x + y + (a + 1)w = b V ` 2x + y + w = 2 3x + 3y + az + 5w = 3 . (ii) X 3x 3z 2w = b (b) Os sistemas de equaes lineares nas incgnitas x, y, z, sobre R, co o V b x+y+z =2 b ` xy+z =2 (i) . b ax + z = 2 b X 3x + y + 3z = b V ` 2x + (a + 3)y bz = 3 x + bz = 1 . (ii) X 2x + 4y + 2bz = b Discuta, em funo de a e b, os sistemas indicados em cada uma das al ca neas.

Exerc cio 2.11 Sejam a, b, c R tais que abc = 0. Considere o sistema de equaes co lineares na incgnitas x, y, z, sobre R, o
V ` 4bcx + acy 2abz = 0 5bcx + 3acy 4abz = abc . X 3bcx + 2acy abz = 4abc

Justique que tal sistema sempre poss e vel e determinado e indique a sua soluo. ca

71 Solucoes de alguns dos exerc cios propostos

Abreviaturas utilizadas: S.P.D. Sistema Poss vel e Determinado S.I. Sistema Imposs vel S.P.I. Sistema Poss vel Indeterminado g.i. grau de indeterminao ca 2.9 2.1 (a) (S1 ) S.I. e (S2 ) S.P.D. e (S3 ) S.P.I. com g.i. 1 e (S4 ) S.P.I. com g.i. 1 e (S5 ) S.P.I. com g.i. 1 e (S6 ) S.I. e (S7 ) S.P.I. com g.i. 1 e (S8 ) S.P.D. e (S9 ) S.I. e (S10 ) S.P.I. com g.i. 1 e (b) Conjunto de solues de (S2 ): co {(1, 1, 0)} Conjunto de solues de (S3 ): co {(1 , 1 + 2, ) : R} Conjunto de solues de (S4 ): co {(1, 0, ) : R} Conjunto de solues de (S5 ): co
1 {( 7

2.8

Se T T Se T (a) T T Se R Se
4

= 0 e = 1, = 0 e = 1, = 0 e = 1, = 0 e = 1,

S.P.D. S.P.I. com g.i. 2 S.P.I. com g.i. 1 S.I.

(b) (iii) Soluo do sistema: (x, y, z) = (5, 1, 3) ca Se Se

4

(a)

a = 0 e a = 1, a = 0 ou a = 1, a = 2, a = 2, a = 7, a = 0, a = 7 e a = 0,

S.I. S.P.D.

(b)
P

Se Se

S.P.I. com g.i. 1 S.I. S.P.I. com g.i. 2 S.P.I. com g.i. 1 S.P.D. S.P.I. com g.i. 1 S.P.I. com g.i. 2 S.I. S.P.I. com g.i. 1 S.I. S.P.I. com g.i. 2 S.I. S.P.I. com g.i. 1 S.P.D. S.P.D. S.P.I. com g.i. 1 S.I.

Se T (c) T Se R Se
P

2.10

1 , 5 7 7

1 5

2 , ) 7

: R}

Se T (a) (i) T Se R Se P Se T (ii) T Se R Se P Se T (b) (i) T Se R Se P Se T (ii) T Se R Se

a = 1 e b R, a = 1 e b = 1, a = 1 e b = 1, a = 3 e b R, a = 3 e b = 3, a = 3 e b = 3, b = 6 e a R, b = 6 e a = 1, b = 6 e a = 1, b = 0 e a R, b = 0 e a = 1, b = 0 e a = 1,

Conjunto de solues de (S7 ): co

2 {( 5 3 , 5 1 5 , ) : R}

2.11 Conjunto de solues: {(a, 2b, 3c)} co

Conjunto de solues de (S8 ): co

3 7 {( 5 , 5 , 4 )} 5

Conjunto de solues de (S10 ): co {(1 + 2, , ) : R} 2.3 (b) (i) Conjunto de solues: co {(1 1 , , 1 + 2 , ) : , R} 3 3
P

2.6

Se T T Se T (a) T T Se R Se

= 0, 1 e R, = 1 e R, = 0 e = 1, = 0 e = 1,

S.P.D. S.P.I. com g.i. 1 S.I. S.P.I. com g.i. 1

(b) Conjunto de solues: co {(1 + , 0, ) : R}

P

2.7

Se T T Se T (a) T T Se R Se

= 0 e = 3, = 0 e R, = 1 e = 3, = 0, 1 e = 3,

S.P.D. S.I. S.P.I. com g.i. 1 S.I.

(b) Conjunto de solues: co {(2, , 1) : R}

Cap tulo 3

Determinantes
Neste cap tulo consideraremos apenas matrizes quadradas. Conforme vimos no Cap tulo 1, uma matriz quadrada pode ser ou no invert a vel. Na prtica, uma forma de determinar se uma matriz quadrada invert conhecendo a e vel e a sua caracter stica. Recorde-se o resultado A Mnn (K) invert se, e s se, r(A) = n. e vel o Neste cap tulo veremos que podemos associar a cada matriz A Mnn (K) um elemento de K, dependente apenas dos elementos da matriz, e que tal como a caracter stica tambm e nos vai permitir decidir sobre a invertibilidade de A. Vejamos primeiramente como tal pode ser feito para n = 1 e para n = 2. Para n = 1 tem-se A = [a11 ] M11 (K) invert se, e s se, r(A) = 1, e vel o ou equivalentemente, a11 = 0. Para n = 2, tem-se
4

A=

a11 a21

a12 a22

invert se, e s se, r(A) = 2. e vel o

Vejamos que tal equivalente a armar que e a11 a22 a12 a21 = 0.

74 Suponhamos primeiramente que a11 = 0. Tem-se

4

A=

a11 a21

a12 a22

P 5  a  11 a21 l2 + a l1 R 11 0

a12 a22
a21 a12 a11

=R

a11 0

a12
a11 a22 a21 a12 a11

S.

Logo, r(A) = 2 se, e s se, o a11 a22 a21 a12 = 0. Suponhamos agora que a11 = 0, isto , e
4

A= Se a21 = 0 ento a A=

0 a21

a12 a22

0 a21

a12 a22

4 5 a21 l1 l2 0

a22 a12

est em forma de escada e, portanto, r(A) = 2 se, e s se, a12 = 0. Observemos que, a o neste caso, como a11 = 0 e a21 = 0 se tem a12 = 0 se, e s se, a11 a22 a12 a21 = 0. o Finalmente, consideremos o caso a11 = 0 = a21 . Tem-se
4

A=

0 0

a12 a22

no invert a e vel, quaisquer que sejam a12 e a22 , pois A tem uma coluna nula. Neste caso, tem-se a11 a22 a12 a21 = 0. Logo, conclu mos o que pretend amos.

Veremos que, para qualquer n N, podemos associar a cada matriz A Mnn (K) um elemento de K, a que chamaremos determinante de A, com a propriedade de A ser invert se, e s se, esse escalar for no nulo. vel o a

Notao 3.1 ca por

Seja A Mnn (K), com n 2. Dados i, j {1, . . . , n}, representamos

A(i|j) a matriz que se obtm de A suprimindo a linha i e a coluna j. Tem-se, pois, e A(i|j) M(n1)(n1) (K).

75 Exemplo 3.2 Se

A=T R ento a A(1|2) =

1 4 7

2 5 8

U 6 U S 9

M33 (R)

4 7

6 9

, A(2|1) =

2 8

3 9

e A(1|1) =

5 8

6 9

Denio 3.3 Seja A = [aij ] Mnn (K). Chamamos determinante de A, e reca presentamos por det A ou |A|, o elemento de K denido da seguinte forma: Se n = 1 ento det A = a11 . a Se n > 1 ento a det A = a11 (1)1+1 det A(1|1) + + a1n (1)1+n det A(1|n)
n

=
k=1

a1k (1)1+k det A(1|k).

Notemos que, pela denio anterior, para ca

4

A= resulta que

a11 a21

a12 a22

M22 (K)

det A = a11 (1)1+1 det A(1|1) + a12 (1)1+2 det A(1|2) = a11 det[a22 ] a12 det[a21 ] = a11 a22 a12 a21 . e a Dizemos ento frequentemente que o determinante de uma matriz de ordem 2 igual ` a diferena entre o produto dos elementos da diagonal principal e o produto dos elementos da c outra diagonal. Utilizando a denio de determinante, vejamos o que se obtm para n = 3. Tem-se ca e
P

A=

a11 T T a21 R a31

a12 a22 a32

a13

U a23 U S a33

76 e det A = a11 (1)1+1 det A(1|1) + a12 (1)1+2 det A(1|2) + a13 (1)1+3 det A(1|3)
4

= a11 det

a22 a32

a23 a33

a12 det

a21 a31

a23 a33

+ a13 det

a21 a31

a22 a32

= a11 (a22 a33 a23 a32 ) a12 (a21 a33 a23 a31 ) + a13 (a21 a32 a22 a31 ) = a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 = (a11 a22 a33 + a12 a23 a31 + a13 a21 a32 ) (a11 a23 a32 + a12 a21 a33 + a13 a22 a31 ). Assim, para n = 3, a expresso de det A tem 6 parcelas que podem ser escritas como a uma diferena em que o aditivo tem 3 parcelas e o subtractivo outras 3 parcelas. c Para as escrever podemos recorrer a mnemnicas (isto , regras prticas que nos ajudam a o e a xar certas expresses) como a Regra de Sarrus. De acordo com esta mnemnica as 3 parcelas o o do aditivo so dadas pelo produto dos elementos da diagonal principal e pelo produto dos a elementos abrangidos por cada um dos dois tringulos com base paralela ` diagonal principal. a a
a11 a12 13 a d d a d a21d 22 a23 d d a a a31d32d 33

As 3 parcelas do subtractivo so obtidas procedendo de forma anloga em relao ` diagonal a a ca a secundria (constitu pelos elementos a13 , a22 e a31 ). a da e Embora seja citada em muitos livros, a Regra de Sarrus, vlida apenas para n = 3, a perfeitamente dispensvel. a

A denio de determinante permite calcular o determinante de uma matriz de ordem ca n, n 2, atravs do clculo do determinante de n matrizes de ordem n 1. e a Para n = 4 ter amos 4 determinantes de matrizes de ordem 3, cada um destes com 6 parcelas o que daria origem a 24 parcelas. No caso geral de A Mnn (K) a expresso de det A tem n! parcelas, conforme se a demonstra por induo sobre n. ca Assim, se A Mnn (K), com n 4, impensvel calcular o determinante de A pela e a denio. ca Vejamos processos alternativos para calcular o determinante de A Mnn (K).

77

Denio 3.4 Seja A Mnn (K), com n 2. Designa-se por complemento ca algbrico do elemento da posio (i, j) de A, o elemento de K, que representaree ca mos por Aij , dado por Aij = (1)i+j det A(i|j).

Embora se designe por complemento algbrico do elemento da posio (i, j) de A, de e ca facto Aij no depende do elemento da posio (i, j) de A pois esse elemento no gura na a ca a matriz A(i|j). Por exemplo, na matriz
P Q

A=T R tem-se

1 4 7

2 5 a

U 6 U S 8

A32 = (1)3+2    independentemente do valor de a.

  1

 3    6 

= (6 12) = 6,

Podemos ento armar que a denio de determinante de A Mnn (K) nos diz que, a ca se n 2, o determinante de A igual ` soma dos produtos dos elementos da linha 1 pelos e a respectivos complementos algbricos. e O resultado seguinte, que no demonstraremos, arma que se procedermos de forma a anloga para uma qualquer linha ou uma qualquer coluna de A obtemos ainda o determinante a de A.

Teorema 3.5 (Teorema de Laplace) O determinante de uma matriz quadrada igual ` e a soma dos produtos dos elementos de uma qualquer das suas linhas pelos respectivos complementos algbricos, isto , se A = [aij ] Mnn (K) ento e e a det A = ai1 Ai1 + + ain Ain , i = 1, . . . , n. (3.1)

O mesmo resultado vlido se substituirmos linhas por colunas, isto , e a e det A = a1j A1j + + anj Anj , j = 1, . . . , n. (3.2)

` A expresso (3.1) chamamos o desenvolvimento do determinante de A atravs da linha i a e ou dizemos que a expresso resultante da aplicao do Teorema de Laplace ` linha i e a ca a

78 de A. Analogamente, dizemos que (3.2) a expresso resultante da aplicao do Teorema e a ca de Laplace ` coluna j de A. a Na prtica, quando queremos explicitar como foi aplicado o Teorema de Laplace, utilia zamos a notao ca det A
Lapl. Lapl.

= li

ou

det A

= cj

para indicar que o desenvolvimento que se segue, para o determinante de A, decorre da aplicao do Teorema de Laplace ` linha i ou ` coluna j de A, respectivamente. ca a a Assim, pelo resultado anterior, dada A Mnn (K), podemos calcular det A por 2n processos, aplicando o Teorema de Laplace a cada uma das n linhas de A ou a cada uma das n colunas de A. Embora todos esses 2n processos nos conduzam ao mesmo escalar (o determinante de A) uns podem ser mais expeditos do que outros. Por razes bvias, se a matriz tiver elementos nulos, temos vantagem em aplicar o Teoo o rema de Laplace a uma linha ou a uma coluna com um nmero mximo de zeros. u a

Exemplo 3.6

Seja

A=T R

1 4 0

9 5 0

U 0 U. S 2

A forma mais expedita de calcular o determinante de A ser pela aplicao do Teorema de a ca Laplace ` linha 3, mas indicaremos seguidamente as 6 formas poss a veis de o calcular, com o referido resultado. Aplicando o Teorema de Laplace ` linha 1 de A obtemos a det A
Lapl.

= l1

  1+1  5 1(1)   0

 0    2 

  1+2  4 9(1)   0

 0    2 

  1+3  4 3(1)   0

 5    0 

= 110 98 + 30 = 10 72 = 62. Aplicando o Teorema de Laplace ` linha 2 de A obtemos a det A

Lapl.

= l2

4(1)2+1   

  9

 3    2 

+ 5(1)2+2   

  1

 3    2 

= 418 + 52 = 72 + 10 = 62. Aplicando o Teorema de Laplace ` linha 3 de A obtemos a det A

Lapl.

= l3

2(1)3+3   

  1

 9    5 

= 2 (31) = 62.

79 Aplicando o Teorema de Laplace ` coluna 1 de A obtemos a det A

Lapl.

  1+1  5 = 1(1)   0 c1

 0    2 

  2+1  9 4(1)   0

 3    2 

= 110 418 = 10 72 = 62. Aplicando o Teorema de Laplace ` coluna 2 de A obtemos a det A

Lapl.

= c2

9(1)1+2   

  4

 0    2 

+ 5(1)2+2   

  1

 3    2 

= 98 + 52 = 72 + 10 = 62. Aplicando o Teorema de Laplace ` coluna 3 de A obtemos a det A

Lapl.

= c3

  1+3  4 3(1)   0

 5    0 

  3+3  1 2(1)   4

 9    5 

= 30 + 2 (5 36) = 2 (31) = 62.

Exerc cio 3.1 Calcule o determinante de cada uma das seguintes matrizes, de duas formas diferentes. P Q 1 1 0 R 2 1 1 S M33 (R). (a) A = 1 1 1 Q P 1 0 1 0 T 2 0 2 1 U U M44 (R). (b) B = T R 1 1 1 1 S 3 3 6 6 P Q 1 0 i 0 2 S M33 (C). (c) C = R 0 i 2 1

Exerc cio 3.2 Seja x T 0 T H=T 0 R g 0 Calcule det H.

P Q 2 S. Deter2 3 P

a y e h 0

b 0 z k 0

0 0 0 u 0

c d f l v

Q U U U M55 (R). S

Exerc cio 3.3 Para cada R, considere A mine os valores de para os quais det A = 0.

=R

3 0 0

3 2 3

Utilizando o Teorema de Laplace podemos agora demonstrar o seguinte resultado. Teorema 3.7 Seja A Mnn (K). Tem-se det A = det A , isto , uma matriz e a sua transposta tm o mesmo determinante. e e

80 Demonstrao: ca
A demonstrao feita por induo em n. ca e ca Para n = 1 tem-se A = [A11 ] = A e, portanto, det A = det A . Seja n 2. Hiptese de Induo: O determinante de qualquer matriz de M(n1)(n1) (K), o ca e igual ao determinante da sua transposta. Seja A Mnn (K) e B = A . Desenvolvendo o det A segundo a linha 1 tem-se det A = A11 A11 + + A1n A1n . Por denio, tem-se ca
1+k A1k = (1) det A(1|k),

k = 1, . . . , n.

Como A(1|k) M(n1)(n1) (K), utilizando a hiptese de induo podemos aro ca mar que
1+k A1k = (1) det(A(1|k)) .

Como (A(1|k)) = B(k|1), obtemos

k+1 A1k = (1) det B(k|1) = Bk1 .

Assim det A = A11 B11 + + A1n Bn1 = B11 B11 + + Bn1 Bn1 = det B, sendo a ultima igualdade o desenvolvimento de det B segundo a coluna 1. Logo, det A = det A .

Exerc cio 3.4 Seja A Mnn (C) e A a conjugada da matriz A. Mostre que: (a) det A = det A, por induo em n. ca (b) Se A herm e tica ento det A um nmero real. a e u (c) Se A hemiherm e tica ento det A um nmero imaginrio puro. a e u a

81 Atendendo ao teorema anterior podemos armar que os resultados sobre determinantes que sejam enunciados para linhas so vlidos, tal como o Teorema de a a Laplace, substituindo linha por coluna. Como consequncia imediata do Teorema de Laplace tem-se: e

Proposio 3.8 Se A Mnn (K) tem uma linha nula ento det A = 0. ca a

Vejamos um outro caso em que, independentemente da ordem de A, tambm se tem e det A = 0.

Proposio 3.9 Seja A Mnn (K), com n 2. Se A tem a linha i igual ` linha j, com ca a i = j, ento a det A = 0.

Demonstrao: ca
A demonstrao feita por induo em n. ca e ca Para n = 2 o resultado vlido, pois e a
4

A= e

a11 a11

a12 a12

det A = a11 a12 a12 a11 = 0. Seja n 3. Seja A = [aij ] Mnn (K) uma matriz que tem a linha i igual ` linha a j, com i = j. Hiptese de Induo: O determinante de qualquer matriz de M(n1)(n1) (K) o ca com duas linhas iguais zero. e Como n 3, existe k {1, . . . , n} tal que k = i e k = j. Aplicando o Teorema da Laplace ` linha k de A obtemos a det A = ak1 Ak1 + + akn Akn . Para l = 1, . . . , n tem-se, por denio, ca
k+l Akl = (1) det A(k|l).

Uma vez que A(k|l) M(n1)(n1) (K) e continua a ter duas linhas iguais, pela hiptese de induo, o ca det A(k|l) = 0.

82
Assim Ak1 = = Akn = 0 e, portanto, det A = 0.

Um outro resultado que tambm vlido para qualquer ordem e que pode ser demonse e a trado por induo na ordem da matriz o que seguidamente estabelecemos. ca e

Teorema 3.10 Se A Mnn (K) uma matriz triangular superior (respectivamente, infee rior) ento o determinante de A igual ao produto dos elementos da diagonal principal de a e A. Demonstrao: ca
Para n = 1 o resultado verica-se trivialmente pois A = [a11 ] e det A = a11 . Seja n 2 e A = [aij ] Mnn (K) uma matriz triangular superior. Hiptese de Induo: O determinante de qualquer matriz triangular superior de o ca M(n1)(n1) (K) igual ao produto dos elementos da sua diagonal principal. e Tem-se A=
P T T T T T T R

a11 0 . . . 0

a12 a22 . . . 0

.. .

a1n a2n . . . ann

U U U U, U U S

com n 2.

Aplicando o Teorema de Laplace ` linha n de A, conclu a mos que det A = ann (1)
   a11   0  ann  .  .  .    0
n+n

det A(n|n)
.. . a1,n1 a2,n1 . . . an1,n1

a12 a22 . . . 0

      .     

Dado que A(n|n) M(n1)(n1) (K) e triangular superior conclu e mos, pela hiptese de induo, que o ca det A(n|n) = a11 a22 an1,n1 . Logo det A = ann (a11 a22 an1,n1 ) = a11 a22 an1,n1 ann ,

83
como pretend amos demonstrar. (Note que poder amos ter chegado ` mesma concluso aplicando o Teorema de a a Laplace ` coluna 1 de A, tambm com n 1 zeros tal como a linha n.) a e Se A triangular inferior ento como A e a elementos da diagonal principal de A principal de A. triangular superior e A e A e tm o e

mesmo determinante, conclu mos que o determinante de A igual ao produto dos e que so iguais aos elementos da diagonal a

Sejam A, B Mnn (K). Pode ter-se det(A + B) = det A + det B.

Exemplo 3.11

Sejam
4

A= Ento a det A = 0 ,

1 0

0 0

B=

0 0

4 5

.
4 5

det B = 0

det(A + B) = det

1 0

4 5

= 5.

Exerc cio 3.5 D exemplo de matrizes A, B M33 (R), tais que e (a) det A = det B e A = B. (b) det(A + B) = det A + det B.

O resultado seguinte estabelece uma propriedade interessante dos determinantes.

Proposio 3.12 Para i = 1, . . . , n, tem-se: ca

P T T T det T bi1 + ci1 T T T R

a11

a1n bin + cin ann

Q U U U U U U U S

T T T det T bi1 T T T R

a11

a1n bin ann

Q U U U U U U U S

T T T det T ci1 T T T R

a11

a1n cin ann

Q U U U U U. U U S

an1

an1

an1

Demonstrao: ca
Da esquerda para a direita, representem-se respectivamente, por A, B e C as matrizes referidas no enunciado. Aplicando o Teorema de Laplace ` linha i de A a obtemos det A = (bi1 + ci1 )Ai1 + + (bin + cin )Ain = bi1 Ai1 + + bin Ain + ci1 Ai1 + + cin Ain .

84
Notemos que, para l = 1, . . . , n, A(i|l) = B(i|l) = C(i|l) pelo que Ail = Bil = Cil . Logo bi1 Ai1 + + bin Ain = bi1 Bi1 + + bin Bin = det B e ci1 Ai1 + + cin Ain = ci1 Ci1 + + cin Cin = det C.

Exerc cio 3.6 Utilizando a Proposio 3.12, justique que: ca

  am + bp   cm + dp  an + bq   = (mq np)(ad bc). cn + dq 

Vejamos agora o efeito que cada uma das transformaes elementares sobre linhas tem co sobre o determinante de uma matriz.

Teorema 3.13 Seja A Mnn (K). Tem-se

1. Se 2. Se 3. Se

i=j =0 i=j

e e e

A li lj A

ento a ento a ento a

det A = det A. det A = det A. det A = det A.

A A l
i

A A li +lj

Demonstrao: ca
Demonstremos 1. Sabemos j que se uma matriz tem duas linhas iguais ento o a a seu determinante nulo. Assim, sendo L1 , . . . , Ln , n-uplos, tem-se e
L1 T T T T T Li + Lj T det T T T T T Li + Lj T T R Ln
P Q U U U U U U U U U U U U U S

= 0.

85
Por outro lado, aplicando a Proposio 3.12 conclu ca mos que
L1 T T T T T Li + Lj T det T T T T T Li + Lj T T R Ln
P Q U U U U U U U U U U U U U S Q P L1 T U T T U T T U T T U T U T T Li T T U T U det T U + det T T T U T T U T T Li + Lj U T T U T T U T R S R Ln P Q P L1 L1 T U T T U T T U T T U T T Li U T Li T U T T U det T U + det T T T U T T U T T Li U T Lj T U T T U T R S R Ln Ln P

L1 Lj Li + Lj
Q

Q U U U U U U U U U U U U U S P Q P Q

Ln

U T U T U T U T U T U T U T U + det T U T U T U T U T U T S R

U T T U U T U T T Lj U U T U T U + det T U T T Li U U T U T T U S R Ln

L1

U U U U Lj U U U U. U Lj U U U U S Ln

L1

Utilizando de novo o resultado segundo o qual nulo o determinante de uma matriz e com duas linhas iguais, obtemos
P T T T T T T 0 + det T T T T T T T R T U T U T U T U T U Li U T T U U + det T T U T U Lj U T T U T U R S Ln Q P T T T T T T det T T T T T T T R Q P Q

L1

0=

U U U U Lj U U U U + 0, U Li U U U U S Ln Q

L1

isto , e

P T T T T T T det T T T T T T T R

U U U U Li U U U U U Lj U U U U S Ln

L1

U U U U Lj U U U U. U Li U U U U S Ln

L1

Mostrmos, como pretend a amos, que o determinante de uma matriz passa ao simtrico quando trocamos as linhas i e j, com i = j. e Demonstremos 2. Seja A = [aij ] Mnn (K) e
P

A =

a11 T T T T T ai1 T T R an1

a1n ain ann

Q U U U U U. U U S

Aplicando o Teorema de Laplace ` linha i de A , obtemos a det A = (ai1 )A i1 + + (ain )A in = ai1 A i1 + + ain A in .

86
Para l = 1, . . . , n, tem-se A(i|l) = A (i|l) e, portanto, A il = Ail . Logo det A = ai1 Ai1 + + ain Ain = det A.
P T T T T T T T T T T T T T R

Finalmente, demonstremos 3. Sejam K, A =

U U U U Li U U U U U Lj U U U U S Ln P

L1

e A =

T T T T T Li + Lj T T T T T Lj T T T R Ln

L1

Q U U U U U U U U, U U U U U S

com L1 , . . . , Ln n-uplos. Tem-se

P Q L1 T U T T U T T U T T U T T T Li + Lj U T U T T U T det T U = det T T U T T U T Lj T U T T U T T U T R S R Ln P Q P L1 L1 T U T T T U T U T T U T T Lj T Li U T U T U T det T U + det T T T U T T U T T Lj T Lj U T U T T T U R S R Ln Ln P T U T U T U T U T Li U T U T U U + det T T U T Lj U T U T U T U S R Ln Q U U U U U U U U U U U U U S

L1

det A =

U U U U Lj U U U U U Lj U U U U S Ln

L1

= det A + 0 = det A.

Vimos, no Cap tulo 1, que multiplicar um escalar por uma matriz A corresponde a multiplicar todos os elementos da matriz A por . Notemos que, de acordo com a propriedade 2 do Teorema 3.13, multiplicar um escalar por determinante de A corresponde ao determinante de uma matriz que se obtm de A multiplicando por uma, e uma s, das e o suas linhas. Em linguagem informal dizemos ento que num determinante um escalar pode a ser posto em evidncia s por estar a multiplicar uma linha. e o Corolrio 3.14 Seja A Mnn (K) e A uma matriz que se obtm de A efectuando um a e nmero nito de transformaes elementares sobre linhas, isto , u co e
A (linhas) A .

Tem-se det A = 0 se, e s se, det A = 0. o

87 Demonstrao: ca
De acordo com o teorema anterior temos det A = (1) 1 s det A, com r, s N0 , sendo r o nmero de transformaes elementares do tipo I, s o nmero de transu co u formaes elementares do tipo II e 1 , . . . , s os escalares no nulos envolvidos co a nas s transformaes elementares do tipo II efectuadas (convencionando que para co s = 0 temos 1 s = 1). Logo det A = 0 se, e s se, det A = 0. o
r

Exemplo 3.15
  2    3    5

Com um exemplo, ilustremos as alteraes no determinante, provocadas co

 6    15    5    1   2 3    5  3    15    5    1   23 1    5  3    5    5    1   235 1    1  3    5 .   1 

por transformaes do tipo II. co

4 9 0 2 9 0 2 3 0 2 3 0

Q a b c Exerc cio 3.7 Seja A = R d e f S M33 (R), tal que det A = . Indique, em g h i funo de , o valor de cada um dos seguintes determinantes: ca    d e f     g h i . (a)    a b c     3a 3b 3c    (b)  d e f .    4g 4h 4i     a+g b+h c+i    d e f . (c)      g h i    3a 3b 3c     . d e f (d)    g 4d h 4e i 4f     b e h    (e)  a d g .    c f i  P

Exerc cio 3.8 Mostre que se A Mnn (K) e K ento det(A) = n det A. a

Exerc cio 3.9 (a) Mostre que se A Mnn (K) hemisimtrica e n e e e mpar ento det A = 0. a    0 xa xb     x+a 0 x c  = 0 admite a (b) Justique que a equao p(x) =  ca   x+b x+c  0 raiz zero.

88
  bc  Exerc cio 3.10 Verique que, se abc = 0, ento  b2 a   c2

a2 ca c2

a2 b2 ab

    bc    =  ab     ca

ab ca bc

ca bc ab

   .  

Sugesto: Comece por multiplicar as colunas 1, 2 e 3, respectivamente, por a, b e c. a

  xyz  2y Exerc cio 3.11 Mostre que    2z

2x yzx 2z

2x 2y zxy

    = (x + y + z)3 .  

Sugesto: Comece por adicionar ` linha 1 as linhas 2 e 3. a a

Exerc cio 3.12 Sejam A, B Mnn (K) tais que Bij = (1)i+j Aij . Justique que A e B tm o mesmo determinante. e

Exerc cio 3.13 Mostre que se abcd = 0 ento a

       

a2 b2 c2 d2

a b c d

1 1 1 1

bcd acd abd abc

    a3     b3 = 3   c   3   d

a2 b2 c2 d2

a b c d

1 1 1 1

    .   

Exerc cio 3.14 Os nmeros 20604, 53227, 25755, 20927 e 78421 so divis u a veis por 17. Justique que o mesmo sucede ao determinante
        

2 5 2 2 7

0 3 5 0 8

6 2 7 9 4

0 2 5 2 2

4 7 5 7 1

     ,   

sem calcular o seu valor. Sugesto: Efectue as transformaes elementares, do tipo III, sobre colunas, a co c5 + 104 c1 + 103 c2 + 102 c3 + 10c4 .

Conforme vimos no Cap tulo 1, toda a matriz A Mmn (K) pode ser transformada numa matriz em forma de escada, atravs de um nmero nito de transformaes elementares e u co sobre linhas. Observemos que se A Mnn (K) e
A (linhas) A

(f.e.)

ento A triangular superior (eventualmente com elementos nulos na diagonal principal). a e Na prtica dispomos ento do seguinte processo para calcular o determinante de uma a a matriz A Mnn (K): Efectuem-se transformaes elementares sobre linhas de forma a transformar A numa co matriz A em forma de escada.

89 Considerando as correspondentes alteraes no determinante resultantes de cada uma co dessas transformaes elementares obtenha-se a relao entre det A e det A . co ca

Como det A igual ao produto dos elementos da sua diagonal principal e conhecida e e a relao entre det A e det A , obtenha-se det A. ca

Exemplo 3.16
  0    1    2

5 2 6

 10    3  l 1 8 

  1   =  0  l2   2     = 5  l3 + (2)l2  

   1 3       =  0 5 10   l3 + (2)l1    0 6 8   1 2 3    0 1 2  = (5)   0 0 2 

2 5 2

 3    10    2 

  1   5 0    0

2 1 2

 3    2    2 

(11 (2)) = 10.

Exerc cio 3.15 Seja a R. Resolva a equao na incgnita x sobre R ca o

       

x a a a

a x a a

a a x a

a a a x

     = 0.   

Sugesto: Comece por efectuar transformaes elementares do tipo III de forma a que a co l1 venha substitu por l1 + l2 + l3 + l4 , em que li representa a linha i, da i = 1, 2, 3, 4.

Exerc cio 3.16 Sejam a, b K. Considere A = [aij ] Mnn (K) denida por
&

aij = Mostre que det A = bn1 (na + b).

a + b, a,

se i = j . caso contrrio a

Exerc cio 3.17 Para cada k R, considere a matriz

P T Bk = T R

1 2 0 1

0 1 k 1

1 1 k 1

Q 0 k U U M44 (R). k S 2

Determine os valores de k para os quais det Bk = 2.

90
Exerc cio 3.18 Justique que:
   1 2 3 n     1 0 3 n     1 2 0 n  (a)   = n! .  . . . .. .  . . .  . .  . . . .    1 2 3 0     n n n n     n n 1 n n      n1 .. (b)  n! .  = (1) .    n  n 2 n    n n n 1    a1 a2 an1 an   a0   x 0 0 0   x   0 x x 0 0  = xn n a i . (c)  i=0       0 0 0 x x a Sugesto: Adicione todas as colunas ` primeira coluna. a

O resultado seguinte, muito importante, fornece-nos uma outra caracterizao das maca trizes invert veis.

Teorema 3.17 Seja A Mnn (K). Tem-se A invert se, e s se, det A = 0. e vel o Demonstrao: ca
Seja A uma matriz em forma de escada obtida de A atravs de um nmero nito e u de transformaes elementares sobre linhas, isto , co e
A (linhas) A em forma de escada.

Sabemos que A invert se, e s se, r(A) = n(= r(A )). e vel o Tal equivale a armar que todos os elementos da diagonal principal de A so no a a nulos, ou equivalentemente, que det A = 0. Como, pelo Corolrio 3.14, a det A = 0 se, e s se, det A = 0, o obtemos o que pretend amos.

1 Exerc cio 3.19 Para cada t R, seja At = R 2 3 mine os valores de t para os quais At invert e vel.

t 4 7

Q 1 2 S M33 (R). Detert+3

91
0 a Exerc cio 3.20 Seja A = R a1 0 a2 a1 valores de a para os quais A invert e vel.
P Q a2 a S M33 (R), com a = 0. Determine os 0

No Cap tulo 1 demonstrmos que se A, B Mnn (K) so invert a a veis ento AB tambm a e e invert vel. Tem-se, ainda,

Proposio 3.18 Sejam A, B Mnn (K). Se pelo menos uma das matrizes A, B no ca a e invert ento AB no invert vel a a e vel. Demonstrao: ca
Suponhamos primeiramente que B no invert a e vel. Logo, de acordo com a Proposio 2.14, o sistema homogneo ca e BX = 0 indeterminado. Como qualquer soluo desse sistema tambm soluo do e ca e e ca sistema A(BX) = 0, ou equivalentemente, do sistema (AB)X = 0, este sistema tambm indeterminado e, portanto, AB no invert e e a e vel. Suponhamos agora que A no invert a e vel. Neste caso tem-se det A = 0 e, como det A = det A , conclu mos tambm que A e armar que o sistema homogneo e A X=0 indeterminado. Como qualquer soluo desse sistema tambm soluo do e ca e e ca sistema B (A X) = 0, este sistema tambm indeterminado e, portanto, B A no invert e e a e vel. Tem-se, pois, det(B A ) = 0. Dado que B A = (AB) e det (AB) = det(AB), podemos concluir que det(AB) = 0 e, portanto, AB no invert a e vel. no invert a e vel. Assim, podemos

92 Conforme j tivemos oportunidade de referir, existem matrizes A, B Mnn (K) tais a que det(A + B) = det A + det B. No entanto, o determinante de um produto de matrizes quadradas igual ao produto e dos determinantes das matrizes factores, conforme estabelece o resultado que seguidamente apresentamos.

Teorema 3.19

1. Sejam A, B Mnn (K). Tem-se det(AB) = det A det B.

2. Mais geralmente, se t 2 e A1 , . . . , At Mnn (K) ento a det (A1 At ) = det A1 det At . Demonstrao: ca
Demonstremos 1. Caso 1: A uma matriz invert e vel, ou equivalentemente, pelo Teorema 1.57 A = E1 E s , sendo E1 , . . . , Es matrizes elementares. Demonstremos primeiramente, por induo em s, que ca det ((E1 Es ) B) = det E1 det Es det B. Veriquemos que o resultado vlido para s = 1, isto , demonstremos que se E e a e uma matriz elementar ento e a det(EB) = det E det B. Teremos que considerar os 3 subcasos seguintes: 1.1) 1.2) 1.3)
In li lj E, In E, li In l E, i +lj

com i = j; com K \ {0}; com K e i = j.

Atendendo aos Teoremas 3.13 e 3.10 conclu mos que no subcaso 1.1 se tem det E = det In = 1.

93
Logo det(EB) = det B = det E det B. No subcaso 1.2 obtemos det E = det In = e, portanto, det(EB) = det B = det E det B. Finalmente, no subcaso 1.3 vericamos que det E = det In = 1 pelo que det(EB) = det B = det E det B. Seja s 2. Hiptese de Induo: Suponhamos que o resultado vlido para o produto de o ca e a quaisquer s1 matrizes elementares de Mnn (K) por qualquer matriz de Mnn (K). Como det(E1 Es B) = det (E1 Es1 )(Es B) pela hiptese de induo podemos concluir que o ca det(E1 Es B) = det E1 det Es1 det(Es B). Uma vez que o resultado foi demonstrado para s = 1, tem-se det(Es B) = det Es det B e conclu mos, como pretend amos, que det(E1 Es B) = det E1 det Es det B. Notemos que, no caso particular B = In , obtemos det(E1 Es ) = det E1 det Es . Como no Caso 1, em estudo, se tem A = E1 Es , com E1 , . . . , Es matrizes elementares, conclu mos que det(AB) = det((E1 Es )B) = det E1 det Es det B = det(E1 Es ) det B = det A det B, conforme pretend amos.

94
a e vel, ou equivalentemente, det A = 0. Caso 2: A no uma matriz invert Neste caso, pela Proposio 3.18, podemos armar que AB no invert ca a e vel, ou equivalentemente, det(AB) = 0. Ento a det(AB) = 0 = 0 det B = det A det B. Demonstremos o resultado 2, por induo em t. ca Para t = 2 o resultado foi demonstrado em 1. Suponhamos t 3. Hiptese de Induo: O determinante de um produto de quaisquer t 1 matrizes o ca de Mnn (K) igual ao produto dos determinantes das matrizes factores. e Tem-se det(A1 At ) = det((A1 At1 )At ). Como o resultado vlido para t = 2 podemos armar que e a det(A1 At ) = det(A1 At1 ) det At ou ainda, pela hiptese de induo, o ca det(A1 At ) = (det A1 det At1 ) det At = det A1 det At .

Exerc cio 3.21 Sejam A, B, C Mnn (R) tais que det A = 2, det B = 5 e det C = 4. (a) Calcule det (ABC) e det (3B). (b) Justique que A, B e C so invert a veis e calcule det C 1 e det A B 1 .

Exerc cio 3.22 Sejam A, B Mnn (K). Mostre que: (a) det (AB) = det (BA). (b) Se AB uma matriz invert e vel ento A e B tambm o so. a e a

Exerc cio 3.23 Recorde que A, B Mnn (K) se dizem semelhantes se existe P Mnn (K), invert vel, tal que B = P 1 AP . Justique que matrizes semelhantes tm o e mesmo determinante.

Exerc cio 3.24 Seja A Mnn (K). Mostre que: (a) Se AA = In ento det A {1, 1}. a

(b) Se existe p N tal que Ap = 0 ento det A = 0. a

Recordemos que, pelo Teorema 1.26, se A Mnn (K) uma matriz invert e vel e B Mnn (K) tal que AB = In ou BA = In ento B = A1 . e a Podemos, agora, melhorar o resultado anterior.

95 Proposio 3.20 Se A, B Mnn (K) so tais que ca a AB = In ou BA = In

ento A invert e B = A1 (ou equivalentemente, B invert e A = B 1 ). a e vel e vel Demonstrao: ca

De acordo com o teorema anterior, se B tal que e AB = In ento a |AB| = |In | isto , e |A||B| = 1. Logo, |A| = 0 e, portanto, A invert e vel. Tal como na demonstrao do Teorema 1.26, de ca AB = In resulta, multiplicando ambos os membros, ` esquerda, por A1 , a A1 (AB) = A1 In e, portanto, B = A1 . A demonstrao para o caso em que BA = In anloga ` anterior. ca e a a

Exerc cio 3.25 Sejam A = Mostre que:

1 0

0 1

1 0

1 M23 (R) e B = R 0 0

Q 1 1 S M32 (R). 1

(a) AB = I2 , mas BA = I3 . (H alguma contradio com a Proposio 3.20?) a ca ca (b) det (AB) = 1 e Exerc cio 3.22?) det (BA) = 0. (H a alguma contradio ca com o

O resultado seguinte relaciona o determinante de uma matriz invert com o determivel nante da sua inversa. Proposio 3.21 Seja A Mnn (K) uma matriz invert ca vel, ou equivalentemente, uma matriz tal que det A = 0. Tem-se det A1 = 1 . det A

96 Demonstrao: ca
De AA1 = In resulta det(AA1 ) = det In ou, ainda, det A det A1 = 1. Logo, det A = 0 e det A1 = 1 . det A

Exerc cio 3.26 Considere as matrizes de elementos reais 1 T 0 T A=R 1 0

P

1 2 3 0

1 4 1 2

Q 1 4 U U 1 S 0

2 B=R 1 1

1 1 0

Q 1 1 S. 2

(a) Calcule det A e det B. (b) Diga quais destas matrizes so invert a veis e indique o determinante da respectiva inversa. (c) Diga, justicando, se (i) O sistema AX = 0 determinado; e (ii) O sistema BX = 0 determinado. e

Na Seco 1.8 aprendemos a decidir sobre a invertibilidade de uma matriz A Mnn (K) ca atravs da sua caracter e stica e apresentmos um processo para a determinao da inversa de a ca uma matriz invert vel. Esquematicamente, t nhamos
[A|In ] (linhas) [In |A1 ].

Neste cap tulo apresentmos um processo alternativo para decidir sobre a invertibilidade de a uma matriz, utilizando o seu determinante. Baseado na denio seguinte apresentaremos ca tambm um processo para calcular a inversa de uma matriz invert e vel, utilizando determinantes.

Denio 3.22 Seja A Mnn (K), com n 2. ca elemento pelo seu complemento algbrico. e

Chamamos matriz dos

complementos algbricos de A ` matriz que se obtm de A substituindo cada e a e

Chamamos adjunta de A, e representamos por adj A, ` transposta da matriz dos a complementos algbricos de A, isto , adj A Mnn (K) e e e (adj A)ij = Aji , i, j = 1, . . . , n.

97 Exemplo 3.23 1. Se A= ento a adj A = 2. Se

4

a11 a21
5

a12 a22

a22 a12

a21 a11
P

=
Q

a22 a21

a12 a11

A=T R ento a
P

1 0 4
Q

0 2 0

U 0 U S 5 P Q

adj A = T R

10 0 6

0 7 0

U 0 U S 2

=T R

10 0 8

0 7 0

U 0 U. S 2

O resultado seguinte estabelece uma relao entre cada matriz A Mnn (K) e a sua ca adjunta e permite relacionar, quando A invert e vel, A1 com adj A.

Teorema 3.24 Seja A Mnn (K). Tem-se 1. A adj A =

P T T T T T T T R

det A 0 . . . 0

0 det A .. .

.. . .. 0 .

0 . . . 0 det A

Q U U U U U U U S

= (det A)In .

2. Se A invert ento e vel a A1 = 1 adj A. det A

Demonstrao: ca
1. Seja A = [aij ] e representemos por Aij o complemento algbrico do elemento e da posio (i, j) de A. Tem-se ca
P T T R P QP UT UT SR QP UT UT SR Q U U S Q U U. S

a11 an1 a11 an1

a1n ann a1n ann

A11 An1 A11 A1n

A1n Ann An1 Ann

A adj A =

T T R

Pela denio de produto de matrizes, o elemento (i, i) da matriz A adj A ca e ai1 Ai1 + ai2 Ai2 + + ain Ain

98
o que, pelo Teorema de Laplace aplicado ` linha i, sabemos ser igual a a det A. Para i = j, o elemento (i, j) da matriz A adj A e ai1 Aj1 + ai2 Aj2 + + ain Ajn . Pelo Teorema de Laplace, tal expresso igual ao determinante da matriz que se a e obtm de A substituindo a linha j por uma linha igual ` linha i. Como tal matriz e a tem duas linhas iguais (a i e a j), pela Proposio 3.9, o seu determinante zero. ca e Assim ai1 Aj1 + ai2 Aj2 + + ain Ajn = 0, para i = j. Fica, pois, demonstrado que A adj A = (det A)In . 2. Se A invert da igualdade e vel A adj A = (det A)In resulta, multiplicando ambos os membros, ` esquerda, por A1 , a adj A = (det A)A1 , ou equivalentemente, como det A = 0, A1 = 1 adj A. det A

3 Exerc cio 3.27 Seja A = R 1 2

1 2 2

Q 2 1 S M33 (R). 2

(a) Calcule det A e conclua que A invert e vel. (b) Determine A1 , a partir da matriz adj A.
P Q 1 2 S e 2

1 Exerc cio 3.28 Uma matriz A M33 (R) tal que adj A = R 2 e 0 |A| = 2. Determine, se poss vel, a matriz A.
P Q 1 1 S M33 (R). m

0 2 1

m Exerc cio 3.29 Seja M = R 1 1 (a) Calcule adj M .

1 m 1

(b) Determine para que valores de m a matriz M invert e vel. (c) Nos casos em que M invert e vel, determine M 1 a partir de adj M .

99
Exerc cio 3.30 Seja A Mnn (K) uma matriz invert vel. Mostre que: (a) adj A invert e vel. (b) (adj A)1 =
1 A |A|

= adj (A1 ).

(c) | adj A| = |A|n1 . (d) adj (adj A) = |A|n2 A.

Exerc cio 3.31 Sejam A, B Mnn (K) matrizes invert veis. Mostre que adj (AB) = (adj B)(adj A).

Por ultimo, apliquemos esta matria ` resoluo de sistemas de equaes lineares em que e a ca co a matriz simples do sistema quadrada e invert (designados por sistemas de Cramer ). e vel Seja AX = B um sistema de equaes lineares, com A Mnn (K) invert co vel. Do Cap tulo 2, sabemos que um sistema deste tipo poss determinado. O resultado seguinte e vel diz-nos como podemos, utilizando determinantes, calcular a soluo unica de tal sistema. ca

Teorema 3.25 (Regra de Cramer) Seja AX = B um sistema de equaes lineares, com co A Mnn (K) invert vel. Seja Ain+1 a matriz que se obtm de A substituindo a coluna i e pela coluna de B. A soluo (nica) do sistema anterior o n-uplo ca u e 1 (det A1n+1 , det A2n+1 , . . . , det Ann+1 ) . det A Demonstrao: ca
P Q U U U. S

Seja B = T T
R

b1 . . . bn

A soluo (nica) do sistema AX = B (1 , . . . , n ) Kn tal que ca u e

P T AT T R

1 . . . n

Q U U U S

= B.

Vericamos facilmente multiplicando ambos os membros da igualdade anterior, ` a esquerda, por A1 que
P T T T R

1 . . . n

Q U U U S

= A1 B.

Tem-se A1 B = 1 1 adj A B = (adj A) B det A det A

e o elemento da linha i da matriz (adj A)B Mn1 (K) e A1i b1 + + Ani bn = b1 A1i + + bn Ani .

100
Aplicando o Teorema de Laplace ` coluna i da matriz Ain+1 conclu a mos que det Ain+1 = b1 A1i + + bn Ani . Est, pois, demonstrado o que pretend a amos.

Exemplo 3.26

O sistema de equaes lineares, nas incgnitas x1 , x2 , x3 sobre R co o x1 + x2 x3 = 0 , 2x1 + x2 = 1 x1 x3 = 1

tem matriz simples A M33 (R), invert vel, pois |A| =

  1    2    1

1 1 0

   1 1      =  0 0  l + (2)l  1 2 1 l3 + (1)l1  0

1 1 1

   1 1      =  0 2  l + (1)l  2 3  0 0 

1 1 0

 1    2    2 

= 2 = 0.

De acordo com o teorema anterior, a soluo, unica, de tal sistema (1 , 2 , 3 ) R3 ca e com

  0    1    1

1 1 0

1 = Tem-se

 1    0    1 

2 1 =

2 =

  1    2    1

0 1 1

 1    0    1 

2 2 = 1 2 e

3 =

  1    2    1

1 1 0

 0    1    1 

2 = 1, 2

2 =

3 =

0 = 0. 2

Logo, (1, 1, 0) a soluo unica do sistema. e ca

A Regra de Cramer pode utilizar-se para resolver sistemas AX = B em que A Mnn (K) invert e vel (sistemas de Cramer). Mesmo nestes casos, salvo para valores pequenos de n, no tem interesse computacional, sendo prefer utilizar o mtodo referido no Cap a vel e tulo 2.
1 Exerc cio 3.32 Sejam A = R 0 1 sistema de equaes lineares co
P

2 2 1

Q P Q 3 14 S M33 (R), B = R 7 S M31 (R) e o 1 1 6 Q x1 AR x2 S = B, x3 P

(S)

nas incgnitas x1 , x2 , x3 , sobre R. o (a) Calcule det A e justique que o sistema (S) um sistema de Cramer. e (b) Utilizando a Regra de Cramer, determine a soluo do sistema (S). ca

101 Solucoes de alguns dos exerc cios propostos

3.1 (a) |A| = 1 (b) |B| = 3 (c) |C| = 4 3.2 |H| = vuxyz 3.3 {0, 1, 3} 3.7 (a) (b) 12 (c) (d) 3 (e) 3.15 x {3a, a} 3.17 k {2, 1} 3.19 t R \ {0, 2} 3.20 a R \ {0} 3.21 (a) |ABC| = 40 |3B| = 3n (5) (b) |C 1 | = |A 3.26
1 4 1 | = B

2 5

(a) |A| = 32 |B| = 0 (c) (i) Sim (ii) No a

4 5

3.28 A =

1 1 3 2 2 1 0 1 1 2 1

3.29

(a) adj M =

m2 1 1m 1m 1m m2 1 1m 1m 1m m2 1

(b) m R \ {2, 1} (c) M 1 = 3.27 (a) |A| = 2 (b) adj A =

P
2 2 3 0 2 1 2 4 5 1 0 1 3 2 1 1 2
5 2

1 (m+2)(m1)2

m2 1 1m 1m 1m m2 1 1m 1m 1m m2 1

! Q S

(c) A1 = R

1 2

3.32

(a) |A| = 3 (b) (1, 2, 3)

Cap tulo 4

Espaos Vectoriais c
4.1 Espaos vectoriais: Denio, exemplos e propriedades c ca

No Cap tulo 1 denimos no conjunto Mmn (K) uma operao binria, que designmos por ca a a adio de matrizes e cujas propriedades dadas, na Proposio 1.13, so: ca ca a

A adio de matrizes comutativa. ca e A adio de matrizes associativa. ca e Existe elemento neutro para a adio de matrizes. ca Toda a matriz tem oposto para a adio. ca

Denimos tambm uma operao de multiplicao de um escalar por uma matriz que a e ca ca cada K e a cada matriz A Mmn (K) associa uma matriz A Mmn (K). Vimos que esta operao, que no binria, goza das propriedades referidas na Proposio 1.16, ca a e a ca nomeadamente:

1. K A,BMmn (K) 2. ,K AMmn (K) 3. ,K AMmn (K) 4. AMmn (K) 1A = A

(A + B) = A + B. ( + )A = A + A. ()A = (A). (sendo 1 o elemento neutro da multiplicao em K). ca

104 Consideremos ento a seguinte denio: a ca

Denio 4.1 Seja E um conjunto no vazio e K {R, C}. Suponhamos denidas ca a duas operaes: co uma que designamos por adio em E que uma operao binria, isto , associa ca e ca a e a cada par (a, b) de elementos de E um, e um s, elemento de E que se representa o por a + b. outra operao, que denominamos multiplicao externa, que a cada K e a ca ca cada u E associa um, e um s, elemento de E que denotaremos por u ou o simplesmente u. Dizemos que E, com estas duas operaes, um espao vectorial sobre K ou que co e c (E, +, ) um espao vectorial sobre K se e c 1. A operao + em E goza das seguintes propriedades: ca (A1 ) A operao + comutativa. ca e (A2 ) A operao + associativa. ca e (A3 ) Existe elemento neutro para a operao +. ca (A4 ) Todo o elemento de E tem oposto para a operao +. ca 2. A multiplicao externa goza das seguintes propriedades: ca (M1 ) K u,vE (M2 ) ,K uE (M3 ) ,K uE (M4 ) uE (u + v) = u + v. ( + )u = u + u. ()u = (u).

1K u = u,

sendo 1K o elemento neutro da multiplicao em K (representado tambm ca e simplesmente por 1).

Notamos que, na denio anterior, estamos a representar pelo s ca mbolo + quer a adio ca em K quer a adio em E, tal como estamos a representar por quer a multiplicao em ca ca K (que uma operao binria) quer a multiplicao externa (que, em geral, no uma e ca a ca a e operao binria). ca a

105 Se zssemos a distino, supondo que + e eram, respectivamente, as notaes para e ca co a adio e a multiplicao em K e que, e ca ca (M3 ) tomariam a seguinte forma: (M2 ) ,K uE (M3 ) ,K uE ( + ) () u = ( ( u) ( u). u). eram, respectivamente, as notaes para a co

adio em E e para a multiplicao externa ento, por exemplo, as propriedades (M2 ) e ca ca a

u=

No entanto, a distino no necessria uma vez que o contexto desfaz qualquer amca a e a biguidade: se a adio entre elementos de K (respectivamente, de E) a adio em K ca e e ca (respectivamente, em E), se a multiplicao entre elementos de K a multiplicao em K, ca e e ca se a multiplicao de um elemento de K por um elemento de E ento a multiplicao e ca a e ca externa.

Denio 4.2 Seja (E, +, ) um espao vectorial sobre K. Aos elementos de E chaca c mamos vectores e aos elementos de K chamamos escalares. Se K = C dizemos que E um espao vectorial complexo e se K = R dizemos que E um espao e c e c vectorial real .

Vejamos alguns exemplos de espaos vectoriais. c

Exemplo 4.3

1. K um espao vectorial sobre K, com as operaes usuais de adio e e c co ca

multiplicao de elementos de K. ca Assim R um espao vectorial sobre R e c e C um espao vectorial sobre C. e c Note que C um espao vectorial sobre R e c mas R no um espao vectorial sobre C. (Porqu?) a e c e 2. Mmn (K), com a operao de adio usual de matrizes e com a operao de multiplicao ca ca ca ca de um elemento de K por uma matriz, denidas no Cap tulo 1, um espao vectorial sobre e c K.

106 3. Kn , com a operao usual de adio de n-uplos, dada por ca ca (a1 ,...,an ),(b1 ,...,bn )Kn (a1 , . . . , an ) + (b1 , . . . , bn ) = (a1 + b1 , . . . , an + bn )

e com a operao de multiplicao de um escalar por um n-uplo dada por ca ca K (a1 ,...,an )Kn um espao vectorial sobre K. e c 4. Represente-se por Kn [x] o conjunto de todos os polinmios na varivel x, com coecientes o a em K, de grau menor ou igual a n, com n N0 , isto , e Kn [x] = {an xn + + a1 x + a0 : an , . . . , a1 , a0 K}. Kn [x] com a operao de adio usual de polinmios, dada por ca ca o (an xn ++a1 x+a0 ),(bn xn ++b1 x+b0 )Kn [x] (an xn + +a1 x+a0 )+(bn xn + +b1 x+b0 ) = (an +bn )xn + +(a1 +b1 )x+(a0 +b0 ) e com a multiplicao usual de um escalar por um polinmio, dada por ca o K (an xn ++a1 x+a0 )Kn [x] (an xn + + a1 x + a0 ) = (an )xn + + (a1 )x + (a0 ), um espao vectorial sobre K. e c 5. Se representarmos por K[x] o conjunto de todos os polinmios na varivel x, com coeo a cientes em K (sem restrio ao grau), podemos armar que K[x] com as operaes usuais ca co de adio de polinmios e de multiplicao de um escalar por um polinmio constitui um ca o ca o espao vectorial sobre K. c 6. O ultimo exemplo que apresentamos motivado pela geometria elementar que historica e mente est na base da teoria dos Espaos Vectoriais. a c Seja A o conjunto dos pontos do plano (ou do espao). Dados dois pontos A e B de c A, dene-se vector AB como sendo o segmento orientado com origem no ponto A e extremidade nal no ponto B. No conjunto VA dos vectores aplicados com origem no ponto A dena-se uma adio que ca aos vectores AB e AC associa o vector AD obtido pela conhecida regra do paralelogramo (a1 , . . . , an ) = (a1 , . . . , an ),

107

C D ..................... I. .   .   . . .  ..  ..  E.  A B e dena-se uma multiplicao externa que a cada real e a cada vector AB associa o ca vector AB cuja direco a do vector AB e o sentido o de AB se > 0 e o contrrio ca e e e a se < 0 (se = 0 ento AB = 0 ) e cujo comprimento AB = || AB . a e Argumentos de natureza geomtrica podem permitir-nos concluir que VA , com estas operaes, e co um espao vectorial sobre R (isto , um espao vectorial real). e c e c

Exerc cio 4.1 Determine se R2 com as operaes indicadas em cada al co nea um espao e c vectorial real. No caso negativo, indique os axiomas que no se vericam. a (a) Para quaisquer R e (x1 , x2 ), (y1 , y2 ) R2 , considere que: (x1 , x2 ) + (y1 , y2 ) = (x1 + y1 , 0) e (x1 , x2 ) = (0, x1 ).

(b) Para quaisquer R e (x1 , x2 ), (y1 , y2 ) R2 , considere que: (x1 , x2 ) + (y1 , y2 ) = (x1 , x2 y2 ) e (x1 , x2 ) = (x1 , x2 ).

Exerc cio 4.2 Considere o conjunto R+ com uma adio denida por ca u v = uv e uma multiplicao externa ca u = u (potncia usual), e (produto usual)

para quaisquer R e u, v R+ . Prove que, com estas operaes, R+ um espao vectorial real. co e c

Exerc cio 4.3 Denamos uma adio em R2 e uma multiplicao externa de R R2 em ca ca R2 por, respectivamente, (a1 , a2 ) + (b1 , b2 ) = (a1 + b1 , a2 + b2 ) (a1 , a2 ) = (a1 , 0) para quaisquer R e (a1 , a2 ), (b1 , b2 ) R2 . Mostre que (R2 , +, ) no espao vectorial a e c sobre R.

Exerc cio 4.4 Seja V = {(x, x2 ) : x R}. Denamos uma adio em V e uma ca multiplicao externa de R V em V por, respectivamente, ca (x, x2 ) + (y, y 2 ) = (x + y, (x + y)2 ) e (x, x2 ) = (x, (x)2 ) para quaisquer , x, y R. Mostre que (V, +, ) espao vectorial real. e c

108 Frequentemente, e se no houver ambiguidade, referimo-nos ao espao vectorial E a c querendo dizer espao vectorial E sobre K. A adio em E e a multiplicao externa c ca ca quando E um dos espaos vectoriais Mmn (K), Kn , Kn [x] so, salvo meno em contrrio, e c a ca a as referidas no Exemplo 4.3. Vejamos outras propriedades dos espaos vectoriais. c

Proposio 4.4 Seja E um espao vectorial. Tem-se ca c 1. Em E, o elemento neutro (para a operao +) unico. ca e (O elemento neutro de E habitualmente representado por 0E .) e 2. Em E, o oposto de cada elemento (para a operao +), tambm designado por simtrico, ca e e unico. e (O simtrico de u E habitualmente representado por u.) e e 3. u,v,w E 4. u,v,w E Demonstrao: ca
1. Suponhamos que, para todo u E, existiam a, a E vericando a+u=u+a=u e a + u = u + a = u. Ento, como a elemento neutro, a e a+a =a. Por outro lado, como a tambm elemento neutro, e e a + a = a. Logo a=a. 2. Suponhamos que, para u E, existiam dois simtricos u e u . Como e u + u = u + u = 0E e u + u = u + u = 0E

u+v =u+w

v = w.

(Lei do Corte, ` esquerda.) a (Lei do Corte, ` direita.) a

v + u = w + u v = w.

109
ento a u = u + 0E = u + (u + u ) = (u + u) + u = 0E + u = u . 3. Suponhamos que u, v, w E e u + v = u + w. Ento a (u) + (u + v) = (u) + (u + w). Como a operao + associativa, tem-se ca e ((u) + u) + v = ((u) + u) + w. Assim 0E + v = 0E + w e, portanto, v = w. 4. Demonstrao anloga ` de 3. ca a a

Por vezes, para evidenciar que se aplicou a Lei do Corte, ` esquerda, dada em 3., escrevea mos u + v = u + w. Na Denio 4.1 a armao de que E um conjunto no vazio redundante pois E tem, ca ca e a e pelo menos, um elemento: 0E . Pode ser o unico elemento de E. De facto, se considerarmos E = {0E } e denirmos uma adio em E por ca 0E + 0E = 0E e uma multiplicao externa por ca K 0E = 0E

conclu mos que E, com estas operaes, um espao vectorial sobre K. co e c Representemos por 0K ou simplesmente por 0 o elemento neutro da adio em K. ca Proposio 4.5 Seja E um espao vectorial sobre K. Para quaisquer , K e quaisquer ca c u, v E tem-se: 1. 0E = 0E .

110 2. 0K u = 0E . 3. ()u = (u) = (u). 4. u = 0E = = 0K u = 0E . Demonstrao: ca

1. Notemos que 0E = (0E + 0E ) e, portanto, 0E + 0E = 0E + 0E . Logo, pela Lei do Corte, ` esquerda, a 0E = 0E . 2. Tem-se 0K u = (0K + 0K )u e, portanto, 0E + 0K u = 0K u + 0K u. Assim, pela Lei do Corte, ` direita, a 0K u = 0E . 3. Demonstremos que ()u = (u), isto , que e u + ()u = 0E . Tem-se u + ()u = ( + ())u = 0K u = 0E . Vejamos agora que (u) = (u), isto , que e u + (u) = 0E . Tem-se u + (u) = (u + (u)) = 0E = 0E . 4. Suponhamos que u = 0E . Tem-se um, e um s, dos seguintes casos: = 0K ou = 0K . o Se = 0K ento a implicao 4 est demonstrada. a ca a Se = 0K ento 1 existe. Da igualdade a u = 0E

111
resulta 1 (u) = 1 0E (1 )u = 0E 1K u = 0E u = 0E ,

conforme pretend amos demonstrar.

Como ultima observao desta seco, notemos que na denio de espao vectorial h ca ca ca c a informao redundante alm da de E ser um conjunto no vazio. A comutatividade da adio ca e a ca tambm uma propriedade que se pode deduzir das restantes. De facto, tem-se e e

u,vE

(1 + 1)(u + v) = (1 + 1)u + (1 + 1)v = (1u + 1u) + (1v + 1v) = (u + u) + (v + v) = u + u + v + v.

Por outro lado,

u,vE

(1 + 1)(u + v) = 1(u + v) + 1(u + v) = (1u + 1v) + (1u + 1v) = (u + v) + (u + v) = u + v + u + v.

Assim, utilizando a Lei do Corte de forma conveniente, obter amos

u+u+v+v =u+v+u+v u + v+ v = v + u+ v u + v = v + u.

112

4.2

Subespaos vectoriais c

Denio 4.6 Seja E um espao vectorial sobre K. Um subconjunto F de E diz-se ca c um subespao vectorial de E, ou simplesmente um subespao de E, se F tambm c c e e um espao vectorial sobre K com as operaes nele naturalmente denidas por ser c co subconjunto de E (a que chamamos as operaes induzidas pelas operaes de E co co no conjunto F ).

O resultado seguinte permite-nos determinar se um subconjunto F de um espao vectorial c E um subespao de E e, portanto, um espao vectorial, sem necessitarmos de vericar todas e c c as propriedades da denio de espao vectorial. Constitui, em muitos livros, a prpria ca c o denio de subespao. ca c

Teorema 4.7 Seja E um espao vectorial sobre K. Tem-se que F um subespao de E se, c e c e s se, satiszer as condies seguintes: o co 1. F E 2. 0E F 3. u,vF u+v F u F

4. K uF

ou as condies que resultam substituindo 2. por co 2. F = .

Demonstrao: ca
Suponhamos que F um subespao de E. Logo, por denio de subespao tem-se, e c ca c trivialmente, 1., 3. e 4.. Para vericar 2. notemos que se tem 0F = 0E . Basta atender a que uF u + 0F = u,

113
e, como F E, verica-se ainda que u + 0E = u. Assim, aplicando a Lei do Corte, no espao vectorial E, tem-se c u + 0E = u + 0F e, portanto, 0E = 0F F. Notemos que como 0E F se tem 2. F = . Reciprocamente, suponhamos que 1., 2., 3. e 4. so satisfeitas. a Notemos que se uma propriedade vlida para quaisquer elementos de E tambm e a e vlida para quaisquer elementos de F , pois F E. e a Assim, e como E um espao vectorial sobre K, para concluir que F tambm um e c e e espao vectorial sobre K temos apenas de demonstrar que existe elemento neutro c para a adio em F (o que est garantido por 2.) e que todo o elemento v F ca a tem simtrico em F . Como, por 4., e vF (1)v F

conclu mos, pela Proposio 4.5 (vlida para todo o elemento v E), que ca a (1)v = (1v) = v. Assim v F conforme pretend amos demonstrar. Se forem satisfeitas 1., 2., 3. e 4. conclu mos analogamente que F um espao e c vectorial. Temos apenas de garantir que existe elemento neutro para a adio em ca F . De 2. F = . resulta que existe u F . Por 4., tem-se 0K u F. Mas, como u E e se tem uE conclu mos que 0E F. 0K u = 0E ,

114 Vejamos alguns exemplos de subespaos vectoriais. c 1. Consideremos o espao vectorial R2 . Facilmente se verica que c F = (x, y) R2 : y = 0 = {(x, 0) : x R} um subespao de R2 . e c De facto tem-se F R2 . 0R2 = (0, 0) F . Veriquemos que (x,y),(x ,y )F (x, y) + (x , y ) F.

Exemplo 4.8

Como (x, y) F tem-se y = 0 e, analogamente, como (x , y ) F verica-se que y = 0. Assim (x,y),(x ,y )F (x, y) + (x , y ) = (x, 0) + (x , 0) = (x + x , 0) F.

Finalmente veriquemos que R (x,y)F Como (x, y) F tem-se y = 0. Logo (x, y) = (x, 0) = (x, 0) = (x, 0) F. Assim F = {(x, 0) : x R} um subespao de R2 , habitualmente referido como o eixo OX. e c Analogamente se vericaria que so ainda subespaos de R2 : a c G = {(0, y) : y R} H = (x, y) R2 : x = y L = (x, y) R2 : x = y Para cada m R, Rm = (x, y) R2 : y = mx (recta que passa na origem e tem declive m) (eixo OY ) (bissectriz dos quadrantes mpares) (bissectriz dos quadrantes pares) (x, y) F.

115 Mas, no so subespaos de R2 (Porqu?), a a c e Rm,b = (x, y) R2 : y = mx + b , com m, b R, b = 0 (recta, com declive m, que no passa na origem) a e M = (x, y) R2 : x = y . 2. Consideremos o espao vectorial Mnn (K). c So exemplos de subespaos de Mnn (K) o conjunto das matrizes de Mnn (K): a c Triangulares superiores. Triangulares inferiores. Diagonais. Escalares. Simtricas. e Hemi-simtricas. e Com a diagonal principal nula. c No so subespaos de Mnn (K) o conjunto das matrizes de Mnn (K): a a Invert veis. Com a diagonal principal com pelo menos um elemento no nulo. a 3. Seja K[x] o conjunto dos polinmios, na varivel x, com coecientes em K. o a O conjunto dos polinmios de K[x] de grau inferior ou igual a r, com r N, um o e subespao de K[x]. c O conjunto dos polinmios de K[x] de grau igual a r, com r N, no um subespao o a e c de K[x].

Exerc cio 4.5 Diga, justicando, se

(a) F1 = (a1 , a2 , a3 ) R3 : a1 2a2 = 0 e a2 + a3 = 0 subespao vectoe c rial de R3 ;

(b) F2 = {(0, 0, 0), (0, 1, 0), (0, 1, 0)} subespao vectorial de R3 ; e c (c) F3 = (a1 , a2 , a3 ) R3 : a3 0 subespao vectorial de R3 ; e c (d) F4 = {( , , , 0, ) : , , R} subespao vectorial de R5 ; e c (e) F5 = {A M33 (R) : det A = 0} subespao vectorial de M33 (R); e c (f) F6 = A Mnn (R) : A = A subespao vectorial de Mnn (R); e c (g) F7 = {(a1 , a2 , a3 ) : a1 , a3 R a2 C} subespao vectorial de R3 ; e c (h) F8 = {(a1 , a2 , a3 ) : a1 R a2 , a3 C} subespao vectorial de C3 . e c

116
Exerc cio 4.6 Seja A Mpn (K). Mostre que o conjunto C das solues do sistema co homogneo AX = 0 subespao vectorial de Kn . e e c

Exerc cio 4.7 Sejam E um espao vectorial sobre K, u, v E e F um subespao vectoc c rial de E. Mostre que: (a) Se u F ento u F ; a (b) Se u, v F ento u v F ; a (c) Se u + v F e u F ento v F ; a (d) Se existe K \ {0}, tal que u F , ento u F . a

Notemos que todo o espao vectorial admite pelo menos um subespao vectorial. c c

Proposio 4.9 Se E um espao vectorial sobre K ento E e {0E } so subespaos vectoca e c a a c riais de E. Demonstrao: ca
Exerc cio.

Tais subespaos, que existem sempre, dizem-se os subespaos triviais de E, sendo iguais c c se, e s se, E = {0E }. o Vejamos como podemos construir subespaos a partir de outros subespaos. c c

Teorema 4.10 Se F e G so subespaos de um espao vectorial E ento F G , ainda, a c c a e um subespao de E. c Demonstrao: ca

Demonstremos que se F e G so subespaos de E ento o mesmo sucede a a c a F G = {u E : u F u G} . Tem-se, trivialmente, F G E. Como 0E F e 0E G ento 0E (F G). a Demonstre-se que u,v(F G) u + v (F G).

Como u (F G) tem-se u F e u G. Analogamente, se v (F G) ento a v F e v G. Como u F , v F e F um subespao, conclu e c mos que u + v F . De forma idntica, dado que u G, v G e G um subespao, tem-se e e c u + v G. Visto que u + v F e u + v G, conclu mos, como pretend amos, que u + v F G.

117
Finalmente, vejamos que K u(F G) u (F G).

Dado que u (F G), podemos armar que u F e u G. Como F (respectivamente, G) um subespao, conclu e c mos que u F (respectivamente, u G). Logo, u (F G).

O resultado anterior falso se substituirmos F G por F G. Veja-se o exemplo de e E = R2 , F = (x, y) R2 : y = 0 e G = (x, y) R2 : x = 0 . Tem-se F G = (x, y) R2 : x = 0 y = 0 . Note que (2, 0) F G mas (2, 0) + (0, 3) = (2, 3) F G. H casos em que, trivialmente, a unio de subespaos ainda um subespao. Por exemplo, a a c e c se F G ento F G = G pelo que F G um subespao de E. a e c Analogamente, se G F ento F G = F e, portanto, F G um subespao de E. a e c a c e c De facto so os unicos casos em que a unio de subespaos um subespao, pois tem-se: a e (0, 3) F G

Proposio 4.11 Sejam F e G subespaos de um espao vectorial E. Tem-se F G um ca c c e subespao de E se, e s se, F G ou G F . c o Demonstrao: ca
Conforme observmos antes se F G ou G F ento F G um subespao de a a e c E. Demonstremos que se F G um subespao de E ento F G ou G F . e c a Suponhamos que F G um subespao de E, que F G e vejamos que G F , e c isto , que para todo v G se tem v F . e Como F G existe u F tal que u G. Note-se que u F G. Para todo v G tem-se v F G.

118
Atendendo a que, por hiptese, F G um subespao vectorial de E podemos o e c armar que u + v F G. Assim, u+v F ou u + v G.

No pode ter-se u + v G porque, nesse caso, como v G ter-se-ia a (u + v) + (v) = u G o que uma contradio pois, por hiptese, u G. e ca o Logo u+v F e, portanto, como u F tem-se (u) + (u + v) = v F, conforme pretend amos demonstrar.

Vejamos agora uma outra forma de construir subespaos, que no tem correspondncia c a e nos conjuntos, e em que intervm a operao binria de adio. e ca a ca

Denio 4.12 Sejam F e G subespaos de um espao vectorial E. Chamamos soma ca c c dos subespaos F e G ao conjunto c F + G = {u + v : u F v G} .

Teorema 4.13 A soma de dois subespaos de um espao vectorial E ainda um subespao c c e c de E. Demonstrao: ca
Exerc cio.

Exemplo 4.14 Tem-se

Sejam E = R2 , F = (x, y) R2 : y = 0 e G = (x, y) R2 : x = 0 . F G = (x, y) R2 : x = 0 y = 0 .

119 Assim, por exemplo, (2, 3) (F G) e, portanto, F G Mas F + G = R2 , pois (x,y)R2 com (x, 0) F e (0, y) G. (x, y) = (x, 0) + (0, y) R2 .

Exerc cio 4.8 Sejam F e G subespaos de um espao vectorial E. Mostre que: c c (a) F subespao de F + G. e c (b) G subespao de F + G. e c (c) F + G o menor subespao de E que contm F G, isto , se H um e c e e e subespao de E que contm F G ento F + G H. c e a

Denio 4.15 Seja E um espao vectorial sobre K e sejam u1 , . . . , ur elementos de ca c E. Dizemos que v E combinao linear dos vectores u1 , . . . , ur se existem e ca escalares 1 , . . . , r K (no necessariamente unicos) tais que a v = 1 u1 + + r ur . Dizemos ainda que 1 , . . . , r so os coecientes da combinao linear. a ca

Exemplo 4.16

1. 0E combinao linear de quaisquer vectores u1 , . . . , ur de um espao e ca c 0E = 0u1 + + 0ur .

vectorial E pois

2. Qualquer vector de R3 combinao linear dos vectores (1, 0, 0), (0, 1, 0), (0, 0, 1) R3 e ca pois (a,b,c)R3 (a, b, c) = a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1).

Note que, neste caso, os coecientes da combinao linear so unicos, para cada (a, b, c) R3 . ca a 3. Mais geralmente, qualquer vector de Kn combinao linear dos vectores e ca e1 , . . . , en em que ei , i = 1, . . . , n, o n-uplo com todas as componentes iguais a 0, excepto a i-sima e e componente que igual a 1. e

120 4. Em R2 o vector (3, 3) combinao linear dos vectores (1, 1), (2, 2). Os coecientes da e ca combinao linear no so unicos pois de ca a a (3, 3) = 1 (1, 1) + 2 (2, 2) resulta (3, 3) = (1 + 22 , 1 + 22 ). Logo, quaisquer escalares 1 , 2 R tais que 1 + 22 = 3 esto nas condies pretendidas. Por exemplo, para a co 1 = 3 1 = 1 1 = 7 obtm-se, respectivamente, e (3, 3) = 3(1, 1) + (3, 3) = 1(1, 1) + 0(2, 2), 1(2, 2), 2 = 0, 2 = 1, 2 = 2,

(3, 3) = 7(1, 1) + (-2)(2, 2). Proposio 4.17 Seja E um espao vectorial e u1 , . . . , ur elementos de E. O conjunto de ca c todas as combinaes lineares dos vectores u1 , . . . , ur , isto , co e {1 u1 + + r ur : 1 , . . . , r K}, um subespao de E. e c Demonstrao: ca
Exerc cio.

Denio 4.18 Sejam u1 , . . . , ur elementos de um espao vectorial E. Chamamos ca c subespao (de E) gerado pela sequncia (u1 , . . . , ur ) ou pelos vectores u1 , . . . , ur ao c e conjunto de todas as combinaes lineares dos vectores u1 , . . . , ur . Tal subespao co c e frequentemente denotado por u1 , . . . , u r . Se F = u1 , . . . , ur dizemos, ainda, que u1 , . . . , ur geram F ou que u1 , . . . , ur so a geradores de F .

121
Exerc cio 4.9 Mostre que u1 , . . . , ur o menor subespao de E que contm os e c e vectores u1 , . . . , ur , isto , mostre que se G for um subespao de E que contm os vectores e c e u1 , . . . , ur ento u1 , . . . , ur G. a

Exemplo 4.19

1. Quaisquer que sejam u1 , . . . , ur vectores de um espao vectorial E tem-se c 0E u1 , . . . , ur

e, para i {1, . . . , r}, ui u1 , . . . , u r . 2. R3 = (1, 0, 0), (0, 1, 0), (0, 0, 1) . 3. Kn = e1 , . . . , en sendo ei Kn o n-uplo com todas as componentes nulas excepto a i-sima componente que igual a 1, i = 1, . . . , n. e e 4. Mmn (K) = E11 , E12 , . . . , E1n , E21 , E22 , . . . , E2n , . . . , Em1 , Em2 , . . . , Emn em que Eij a e matriz de Mmn (K) com todas as entradas nulas excepto a entrada (i, j) que igual a e 1, i = 1, . . . , m, j = 1, . . . , n. 5. Seja F = (a, b, c) R3 : a = 2b + c . Vericamos facilmente que F um subespao de R3 e, portanto, um espao vectorial e c e c sobre R. Determinemos geradores para F . Tem-se F = {(2b + c, b, c) : b, c R} . Notemos que (2b + c, b, c) = b(2, 1, 0) + c(1, 0, 1) e, portanto, F = (2, 1, 0), (1, 0, 1) . 6. Kn [x] = xn , xn1 , . . . , x, 1 pois an xn ++a1 x+a0 Kn [x] an xn + + a1 x + a0 = an xn + + a1 x + a0 1.

7. Em R2 , considerem-se os vectores (1, 0), (0, 1), (1, 3), (3, 4). Tem-se R2 = (1, 0), (0, 1), (1, 3), (3, 4)

122 R2 = (1, 0), (0, 1), (1, 3) R2 = (1, 0), (0, 1) (1, 0) = {(x, 0) : x R} R2 .

Exerc cio 4.10 No espao vectorial real R3 considere as sequncias de vectores c e

  S1 = (1, 0, 1), (0, 1, 1), (2, 1, 1)

  S2 = (1, 0, 1), (0, 1, 1), (2, 1, 1), (0, 0, 1) .

(a) Diga, justicando, se (i) (1, 1, 2) combinao linear de S1 ; e ca (ii) (1, 1, 0) combinao linear de S1 . e ca (b) (i) Verique que S2 uma sequncia geradora de R3 ; e e (ii) Caso seja poss vel, escreva de duas maneiras diferentes o vector (1, 2, 3) como combinao linear de S2 . ca

Exerc cio 4.11 No espao vectorial real R2 [x] considere a sequncia de vectores c e
S = x2 + 1, x + 1, 2x2 x + 1 .

(a) Averig e se x2 x + 2 combinao linear de S. u e ca (b) Mostre que x2 x combinao linear de S. e ca (c) Caso seja poss vel, escreva de duas maneiras diferentes o vector x2 x como combinao linear de S. ca (d) Determine os valores de k R para os quais o polinmio 3x2 5x + k o e combinao linear de S. ca
& ! ' : 1 , 2 R .

Exerc cio 4.12 Seja G =

1 2

1 + 2 0

(a) Mostre que G subespao vectorial de M22 (R) e determine uma sequncia e c e geradora de G. (b) Indique uma matriz invert vel que pertena a G. Justique. c (c) Indique duas matrizes no invert a veis que pertenam a G. Justique. c

Denio 4.20 Um espao vectorial E diz-se nitamente gerado ou de dimenso ca c a nita se existem r N e u1 , . . . , ur E tais que E = u1 , . . . , u r .

Note que de todos os espaos vectoriais que temos referido at agora, o unico que no c e a e de dimenso nita K[x] (conjunto dos polinmios, na varivel x, com coecientes em K, a e o a sem restrio ao grau). ca De facto, se K[x] tivesse dimenso nita existiria r N e polinmios p1 (x), . . . , pr (x) K[x] a o tais que qualquer polinmio de K[x] se poderia escrever como combinao linear de o ca p1 (x), . . . , pr (x), isto , K[x] = p1 (x), . . . , pr (x) . e

123 Seja k o mximo grau dos polinmios p1 (x), . . . , pr (x). Constatamos facilmente que a o qualquer polinmio com grau superior a k no se pode escrever como combinao linear dos o a ca polinmios p1 (x), . . . , pr (x) e, portanto, o p1 (x), . . . , pr (x) K[x] (contradio). ca

O resultado seguinte d-nos um processo para concluir quando duas sequncias de veca e tores de um espao vectorial E geram o mesmo subespao. c c

Proposio 4.21 Seja E um espao vectorial e sejam u1 , . . . , ur e v1 , . . . , vs vectores de E. ca c Tem-se u1 , . . . , ur = v1 , . . . , vs se, e s se, para todo i {1, . . . , r}, ui combinao linear dos vectores v1 , . . . , vs e para o e ca todo j {1, . . . , s}, vj combinao linear dos vectores u1 , . . . , ur . e ca Demonstrao: ca
Suponhamos que u1 , . . . , ur = v1 , . . . , vs . Como, para todo i {1, . . . , r}, se tem ui u1 , . . . , ur = v1 , . . . , vs conclu mos que ui combinao linear dos vectores v1 , . . . , vs . e ca Analogamente, como para todo j {1, . . . , s}, se tem vj v1 , . . . , vs = u1 , . . . , ur conclu mos que vj combinao linear dos vectores u1 , . . . , ur . e ca Reciprocamente, suponhamos que, para todo i {1, . . . , r}, ui combinao linear e ca dos vectores v1 , . . . , vs e para todo j {1, . . . , s}, vj combinao linear dos e ca vectores u1 , . . . , ur . Ento a u1 v1 , . . . , vs . . . ur v1 , . . . , vs e como v1 , . . . , vs um subespao podemos armar que e c 1 ,...,r K 1 u1 + + r ur v1 , . . . , vs .

124
Conclu mos ento que a u e, portanto, u1 , . . . , ur v1 , . . . , vs . Seguindo um racioc nio idntico, partindo de e v1 u1 , . . . , ur . . . vs u1 , . . . , ur concluir amos que v1 , . . . , vs u1 , . . . , ur . Tem-se, pois, u1 , . . . , ur = v1 , . . . , vs .
u1 ,...,ur

u v1 , . . . , vs

Atendendo ao resultado anterior conclu mos facilmente que

Proposio 4.22 Se u1 , . . . , ur so vectores de um espao vectorial E e existe i {1, . . . , r} ca a c tal que ui combinao linear dos restantes r 1 vectores ento e ca a u1 , . . . , ui1 , ui , ui+1 , . . . , ur = u1 , . . . , ui1 , ui+1 , . . . , ur . Demonstrao: ca
Exerc cio.

Exerc cio 4.13 Seja F = (a, b, c, d, e) R5 : b c = 0 a = b + d .

(a) Mostre que F subespao vectorial de R5 e determine uma sequncia gee c e radora de F .   (b) Diga, justicando, se F = (2, 1, 1, 1, 1), (0, 1, 1, 1, 0) . (c) Indique um vector (1 , 2 , 3 , 4 , 5 ) R5 \ F , tal que 2 = 3 .

Exerc cio 4.14 Considere no espao vectorial real R3 os vectores: c u1 = (1, 1, 2), u2 = (0, 0, 1), u3 = (1, 1, 1); v1 = (1, 1, 1), v2 = (1, 1, 0), v3 = (1, 0, 0). Mostre que u1 , u2 , u3 v1 , v 2 , v 3 .

125
Exerc cio 4.15 Considere no espao vectorial real R3 os trs vectores u1 = (1, 1, 1), c e u2 = (0, 2, 0), u3 = (1, 1, 1) e o subespao F = u1 , u2 , u3 . c (a) D exemplo de vectores v1 , v2 F \ {u1 , u2 , u3 }. e (b) Mostre que (u1 , u2 ) uma sequncia geradora de F . e e (c) Indique uma sequncia geradora de F que contenha quatro vectores distine tos. (d) D exemplo de um vector v R3 \ F . e

Exerc cio 4.16 (a) Sejam a, b, c R. Mostre que o sistema de equaes lineares nas co incgnitas x, y, z sobre R o V ` x+y+z =a x + 2y + 3z = b X x + 3y + 2z = c poss e vel. (b) Deduza da al nea (a) que o espao vectorial real M31 (R) gerado pelos c e vectores P Q P Q P Q 1 1 1 R 1 S, R 2 S e R 3 S. 1 3 2

Note que, em particular, se uma sequncia de vectores de E inclui o vector 0E , tal vector e pode ser eliminado da sequncia que o subespao gerado por esses vectores no se altera. e c a Ainda como consequncia da Proposio 4.21, podemos armar que existem transe ca formaes que podemos efectuar nos vectores de uma sequncia garantindo que no alco e a teramos o subespao gerado por esses vectores. Nomeadamente, tem-se c

Proposio 4.23 Seja S = (u1 , . . . , ur ) uma sequncia de vectores de um espao vectorial ca e c E e seja S = (u1 , . . . , ur ) uma sequncia que se obtenha de S efectuando um nmero nito e u de transformaes dos seguintes tipos: co (I) Troca de ordem na sequncia dos vectores ui e uj , com i = j. e (II) Multiplicao do vector ui , i {1, . . . , r}, por K \ {0}. ca (III) Substituio do vector ui , i {1, . . . , r}, por ui + uj , com j {1, . . . , r}, j = i e ca K. Ento a u1 , . . . , u r = u1 , . . . , u r . Demonstrao: ca
Exerc cio.

126 De acordo com o resultado anterior, se tivermos m vectores de Kn e os tomarmos como linhas de uma matriz A Mmn (K), podemos efectuar na matriz quaisquer transformaes co elementares sobre linhas, em nmero nito, que o subespao (de Kn ) gerado pelas linhas no u c a se altera, isto , se e
A (linhas) A

ento o subespao gerado pelas linhas da matriz A igual ao subespao gerado pelas linhas a c e c da matriz A . Em particular, podemos transformar A numa matriz A em forma de escada e garantir c que as linhas no nulas de A geram o mesmo subespao de Kn que as linhas da matriz A. a Mais tarde veremos como proceder de forma idntica partindo de m vectores que no e a sejam de Kn .

4.3

Dependncia e independncia linear e e

Dado um espao vectorial E, um dos nossos objectivos nesta seco vai ser a determinao c ca ca u nimo de elementos. de uma sequncia de geradores de E com um nmero m e

Denio 4.24 Seja E um espao vectorial. Sejam u1 , . . . , ur , com r 2, elementos ca c de E. Dizemos que (u1 , . . . , ur ) uma sequncia linearmente dependente, ou que e e os vectores u1 , . . . , ur so linearmente dependentes, se pelo menos um dos vectores da a sequncia combinao linear dos restantes r 1 vectores. e e ca Caso contrrio, isto , se nenhum dos vectores da sequncia combinao linear dos a e e e ca restantes r 1 vectores dizemos que a sequncia (u1 , . . . , ur ) linearmente indee e pendente ou ainda que os vectores u1 , . . . , ur so linearmente independentes. a Para r = 1, tem-se (u1 ) linearmente independente se, e s se, u1 = 0E . e o

O resultado seguinte de grande importncia. e a

Teorema 4.25 (Critrio de Independncia Linear) Seja E um espao vectorial sobre e e c K e sejam u1 , . . . , ur vectores de E. Os vectores u1 , . . . , ur so linearmente independentes a se, e s se, a unica forma de escrever 0E como combinao linear dos vectores u1 , . . . , ur o ca e tomando todos os coecientes da combinao linear iguais a zero, isto , se, e s se, ca e o 1 u1 + + r ur = 0E = 1 = = r = 0.

127 Tal equivale a armar que os vectores u1 , . . . , ur so linearmente dependentes se, e s se, a o existem 1 , . . . , r K no todos nulos tais que a 1 u1 + + r ur = 0E . Demonstrao: ca
Suponhamos que u1 , . . . , ur so linearmente dependentes. a Se r = 1 ento, por denio, u1 = 0E . Logo, tomando qualquer K \ {0} a ca tem-se u1 = 0E . Se r 2 ento existe i {1, . . . , r} tal que ui combinao linear dos restantes a e ca r 1 vectores. Sejam 1 , . . . , i1 , i+1 , . . . , r K tais que ui = 1 u1 + + i1 ui1 + i+1 ui+1 + + r ur . Como 1 u1 + + i1 ui1 + (1)ui + i+1 ui+1 + + r ur = 0E conclu mos que existem 1 , . . . , r K, no todos nulos tais que a 1 u1 + + r ur = 0E . Reciprocamente, suponhamos que existem 1 , . . . , r K, no todos nulos tais a que 1 u1 + + r ur = 0E . Se r = 1 tem-se 1 u1 = 0E com 1 = 0. Logo, pela Proposio 4.5, u1 = 0E e, ca portanto, u1 linearmente dependente. e Consideremos agora r 2. Seja j {1, . . . , r} tal que j = 0. De 1 u1 + + j1 uj1 + j uj + j+1 uj+1 + + r ur = 0E obtemos j uj = (1 )u1 + + (j1 )uj1 + (j+1 )uj+1 + + (r )ur , ou ainda, uj = (j 1 1 )u1 + +(j 1 j1 )uj1 +(j 1 j+1 )uj+1 + +(j 1 r )ur . Logo, uj combinao linear dos vectores u1 , . . . , uj1 , uj+1 , . . . , ur e, portanto, e ca os vectores u1 , . . . , ur so linearmente dependentes. a

Exemplo 4.26 Em relao ao Exemplo 4.19 tem-se: ca

128 1. Em R3 , a sequncia (1, 0, 0), (0, 1, 0), (0, 0, 1) linearmente independente. e e 2. Em Kn , a sequncia (e1 , . . . , en ) linearmente independente. e e 3. Em Mmn (K), a sequncia (E11 , E12 , . . . , E1n , E21 , E22 , . . . , E2n , . . . , Em1 , Em2 , . . . , Emn ) e e linearmente independente. 4. No espao vectorial F = (a, b, c) R3 : a = 2b + c , a sequncia (2, 1, 0), (1, 0, 1) c e e linearmente independente. 5. Em Kn [x], a sequncia (xn , xn1 , . . . , x, 1) linearmente independente. e e 6. Em R2 , (1, 0), (0, 1), (1, 3), (3, 4) uma sequncia linearmente dependente. e e (1, 0), (0, 1), (1, 3) uma sequncia linearmente dependente. e e (1, 0), (0, 1) uma sequncia linearmente independente. e e (1, 0) uma sequncia linearmente independente. e e

Exerc cio 4.17 Seja E um espao vectorial e u1 , . . . , ur , v1 , . . . , vs vectores de E. Jusc tique que: (a) Qualquer sequncia que inclui o vector 0E linearmente dependente. e e (b) Se os vectores u1 , . . . , ur so linearmente dependentes ento os vectores a a u1 , . . . , ur , v1 , . . . , vs so linearmente dependentes. a (c) Se os vectores u1 , . . . , ur , v1 , . . . , vs so linearmente independentes ento os a a vectores u1 , . . . , ur so linearmente independentes. a

Exerc cio 4.18 No espao vectorial real R3 considere as sequncias de vectores c e

  S1 = (1, 1, 1), (1, 1, 0)

  S2 = (1, 1, 1), (1, 1, 0), (2, 0, 1) .

(a) Verique quais das sequncias so linearmente dependentes. e a (b) Para cada sequncia linearmente dependente, escreva um vector como come binao linear dos restantes. ca

Exerc cio 4.19 No espao vectorial real M31 (R) considere as sequncias de vectores c e
Q P QI 1 1 dR 1 S, R 1 Se S1 = 1 0 HP Q P Q P QI 1 1 2 dR 1 S, R 1 S, R 0 Se . S2 = 1 0 1 HP

(a) Verique quais das sequncias so linearmente dependentes. e a (b) Para cada sequncia linearmente dependente, escreva um vector como come binao linear dos restantes. ca

129
Exerc cio 4.20 No espao vectorial real R2 [x] considere as sequncias de vectores: c e S1 = (x2 x + 1, x2 + x) e S2 = (x2 x + 1, x2 + x, 2x2 + 1).

(a) Verique quais das sequncias so linearmente dependentes. e a (b) Para cada sequncia linearmente dependente, escreva um vector como come binao linear dos restantes. ca

Exerc cio 4.21 No espao vectorial real M22 (R) considere as sequncias de vectores c e


S1 = e S2 =


1 1 1 0

1 1 0 2

! , ! ,

2 1 1 2

3 2 1 1

! , ! ,

2 1 0 2

2 1 3 1

! , !

3 2 2 4

1 1 3 3

!

!

(a) Verique quais das sequncias so linearmente dependentes. e a (b) Para cada sequncia linearmente dependente, escreva um vector como come binao linear dos restantes. ca

De acordo com o Critrio de Independncia Linear, os vectores u1 , . . . , ur E so linee e a armente independentes se, e s se, o vector 0E se escreve de forma unica como combinao o ca linear dos vectores u1 , . . . , ur . A proposio seguinte arma que o resultado continua vlido ca a substituindo 0E por qualquer vector que se possa escrever como combinao linear dos vecca tores u1 , . . . , ur .

Proposio 4.27 Seja E um espao vectorial e sejam u1 , . . . , ur vectores de E. Os vecca c tores u1 , . . . , ur so linearmente independentes se, e s se, para todo o vector que se possa a o escrever como combinao linear de u1 , . . . , ur (isto , vector de u1 , . . . , ur ) os coecientes ca e da combinao linear so unicos. ca a

Demonstrao: ca
Suponhamos que os vectores u1 , . . . , ur so linearmente independentes. Seja v E a tal que v = 1 u1 + + r ur = 1 u1 + + r ur com 1 , . . . , r , 1 , . . . , r K. Tem-se (1 + (1 ))u1 + + (r + (r ))ur = 0E , e como u1 , . . . , ur so linearmente independentes, pelo Critrio de Independncia a e e Linear, conclu mos que 1 + (1 ) = = r + (r ) = 0. Logo 1 = 1 r = r

130
conforme pretend amos demonstrar. Reciprocamente, suponhamos que, para todo o vector que se possa escrever como combinao linear dos vectores u1 , . . . , ur , os coecientes da combinao linear so ca ca a unicos. Demonstremos que 1 u1 + + r ur = 0E = 1 = = r = 0. De facto, tem-se 1 u1 + + r ur = 0E = 0u1 + + 0ur e, como os coecientes da combinao linear so unicos, conclu ca a mos que 1 = 0 r = 0. Tem-se, pois, 1 = = r = 0 e, portanto, os vectores u1 , . . . , ur so linearmente independentes. a

Na Proposio 4.23 vimos que existiam 3 tipos de transformaes que pod ca co amos efectuar nos vectores de uma sequncia garantindo que no se alterava o subespao gerado pelos e a c vectores da sequncia. e O resultado seguinte garante que essas mesmas transformaes no alteram a deco a pendncia/independncia linear dos vectores da sequncia. e e e

Proposio 4.28 Seja S = (u1 , . . . , ur ) uma sequncia de vectores de um espao vectorial ca e c e u E e seja S = (u1 , . . . , ur ) uma sequncia que se obtenha de S efectuando um nmero nito de transformaes dos tipos (I), (II), (III) descritos na Proposio 4.23. co ca Tem-se, S linearmente dependente (respectivamente, independente) se, e s se, S e o e linearmente dependente (respectivamente, independente). Demonstrao: ca
Suponhamos que S = (u1 , . . . , ur ) linearmente dependente, ou equivalentemente, e que existem 1 , . . . , r K, no todos nulos, tais que a 1 u1 + + r ur = 0E . O resultado ca demonstrado se considerarmos que S uma sequncia que se e e obtm de S efectuando uma unica transformao do tipo (I), (II) ou (III) descritos e ca na Proposio 4.23. ca

131
Tipo (I). Trivial. Tipo (II). Seja K \ {0} e suponhamos que S se obtm de S multiplicando o e vector ui por . A igualdade 1 u1 + + i1 ui1 + i ui + i+1 ui+1 + + r ur = 0E equivalente a e 1 u1 + + i1 ui1 + i 1 (ui ) + i+1 ui+1 + + r ur = 0E . Como i = 0 se, e s se, i 1 = 0, conclu o mos que os escalares 1 , . . . , i1 , i 1 , i+1 , . . . , r no so todos nulos. Tal equivale a armar que a sequncia a a e S = (u1 , . . . , ui1 , ui , ui+1 , . . . , ur ) tambm linearmente dependente. e e Tipo (III). Seja K e suponhamos que S se obtm de S substituindo o vector e ui pelo vector ui + uj , j = i. Tem-se 1 u1 + + r ur = 0E se, e s se, o 1 u1 + +i1 ui1 +i (ui +uj )+i+1 ui+1 + +(j i )uj + +r ur = 0E em que os coecientes desta combinao linear so os mesmos que na anterior ca a excepto para o vector uj . Demonstremos que armar que os escalares 1 , . . . , r no so todos nulos equivale a a a armar que os escalares 1 , . . . , i , . . . , j i , . . . , r no so todos nulos. De facto, se existe k {1, . . . , r}, com k = j, tal que k = 0 a a ento o resultado trivial. a e Caso contrrio, isto , se k = 0 para todo k {1, . . . , r}, com k = j, ento j = 0 a e a e como i = 0 conclu mos que j = 0 se, s se, j i = 0. o

132

4.4

Sequncias geradoras e sequncias independentes e e

Observemos que, em R2 , se tem: (1, 0), (0, 1) uma sequncia geradora de R2 e linearmente independente. e e e (1, 0), (0, 1), (1, 3) uma sequncia geradora de R2 mas no linearmente indepene e a e dente. (1, 1), (2, 2) no geradora de R2 e no linearmente independente. a e a e (1, 1) no geradora de R2 mas linearmente independente. a e e Assim, podem ocorrer todos os 4 casos resultantes de se vericarem ou no, para uma a dada sequncia, as propriedades de gerar um espao ou de ser linearmente independente. e c Contudo, tem-se o importante resultado.

Teorema 4.29 Num espao vectorial E nitamente gerado qualquer sequncia geradora de c e E tem um nmero de vectores superior ou igual ao nmero de vectores de qualquer sequncia u u e linearmente independente.

Demonstrao: ca
Seja (u1 , . . . , ur ) uma sequncia linearmente independente de vectores de E e e (v1 , . . . , vs ) uma sequncia geradora de E. Pretendemos demonstrar que e s r. Suponhamos que s < r e cheguemos a uma contradio. ca Como E = v1 , . . . , vs e u1 , . . . , ur E

existem escalares aij K, i = 1, . . . , s, j = 1, . . . , r, tais que u1 = a11 v1 + + as1 vs . . . ur = a1r v1 + + asr vs . Seja A=
P T T R Q U U S

a11 as1

a1r asr

Msr (K).

133
Como s < r o sistema homogneo e AX = 0 indeterminado. Seja (1 , . . . , r ) Kr uma soluo no nula de tal sistema, isto e ca a , e
P T T R

a11 as1

a1r asr

QP 1 UT . UT . T . SR r

Q U U U S

Q 0 T U T . U T . U, . S R 0

ou equivalentemente, a11 1 Tem-se as1 1

+ +

+ a1r r + asr r

= =

0 . 0

1 u1 + + r ur = 1 (a11 v1 + + as1 vs ) + + r (a1r v1 + + asr vs ) = (1 a11 + + r a1r )v1 + + (1 as1 + + r asr )vs = (a11 1 + + a1r r )v1 + + (as1 1 + + asr r )vs = 0v1 + + 0vs = 0E . Como (1 , . . . , r ) = (0, . . . , 0), pelo Critrio de Independncia Linear, chegamos e e a uma contradio com a hiptese de (u1 , . . . , ur ) ser uma sequncia linearmente ca o e independente.

Nesta seco estamos particularmente interessados nas sequncias geradoras de um espao ca e c vectorial E que so simultaneamente linearmente independentes. a

Denio 4.30 Seja E um espao vectorial e (u1 , . . . , un ) uma sequncia de vectores ca c e de E. Dizemos que (u1 , . . . , un ) uma base de E se uma sequncia geradora de E e e e e linearmente independente. Convenciona-se que se E = {0E } ento o conjunto vazio base de E. a e

De acordo com o teorema anterior se tivermos uma sequncia geradora de E e pretene dermos construir, a partir dela, uma base de E, no poder ser acrescentando vectores a a a ` sequncia. Eventualmente ser eliminando vectores da sequncia (no eliminando e a e a nenhum vector, se a sequncia j for linearmente independente). Contudo, os vectores a e a

134 eliminar no podero ser ao acaso, porque teremos de garantir que os que permanecem na a a sequncia continuam a gerar E. e A Proposio 4.22 responde a esse problema, pois arma que se eliminarmos apenas ca vectores que sejam combinao linear dos restantes vamos obtendo sequncias que so ainda ca e a geradoras de E. Notemos que, procedendo dessa forma, quando j no houver na sequncia nenhum vector a a e que seja combinao linear dos restantes, podemos armar que a sequncia, alm de geradora ca e e de E, tambm linearmente independente e, portanto, uma base de E. e e e Podemos pois armar que:

Teorema 4.31 Se S = (v1 , . . . , vs ) uma sequncia geradora de um espao vectorial E e e c ento existe uma subsequncia de S que uma base de E. a e e

Ainda como consequncia do Teorema 4.29, tem-se: e

Teorema 4.32 Se um espao vectorial E admite uma base com n elementos ento todas as c a bases de E tm n elementos. e Demonstrao: ca
Suponhamos que B = (u1 , . . . , un ) so bases arbitrrias de E. a a Como B uma sequncia geradora de E e B uma sequncia linearmente indee e e e pendente, pelo Teorema 4.29, conclu mos que n p. Por outro lado, como B uma sequncia geradora de E e B uma sequncia e e e e linearmente independente, conclu mos que p n. Logo p = n. e B = (v1 , . . . , vp )

135

Denio 4.33 Seja E um espao vectorial. Se uma base de E (e, portanto todas) ca c tem n elementos dizemos que E tem dimenso n e escrevemos dim E = n. a

Note que, como convencionmos que o conjunto vazio base de E = {0E } ento, neste a e a caso, dim E = 0. 1. dim Kn = n.

Exemplo 4.34

2. dim Mmn (K) = mn. 3. dim Kn [x] = n + 1. 4. Se D o conjunto das matrizes diagonais de Mnn (K) ento e a dim D = n. 5. Se T o conjunto das matrizes triangulares superiores de Mnn (K) ento e a dim T = n + (n 1) + (n 2) + + 1 = n(n + 1) . 2

6. C um espao vectorial sobre C, mas tambm um espao vectorial sobre R. No primeiro e c e e c caso, a sua dimenso 1 e no segundo caso 2. (Porqu?) Escrevemos ento a e e e a dimC C = 1 e dimR C = 2.

  Exerc cio 4.22 No espao vectorial real R3 considere o subespao F = (2, 3, 3) . Indic c que duas bases de F . Justique a sua resposta. Exerc cio 4.23 Seja F = (a, b, c, d, e) R5 : b c = 0 a = b + d um subespao c 5 . Determine uma base de F . vectorial de R & ! '

Exerc cio 4.24 Seja G =

1 1 + 2 2 0 de M22 (R). Determine uma base de G.

: 1 , 2 R

um subespao vectorial c

Vejamos agora como as matrizes nos podem ser muito uteis para determinar se uma sequncia de vectores de Kn ou no linearmente independente e, no caso de no ser, e e a a determinar uma sequncia linearmente independente que gere o mesmo subespao (de Kn ) e c que a sequncia inicial. e

Proposio 4.35 As linhas no nulas de uma matriz em forma de escada so linearmente ca a a independentes.

136 Demonstrao: ca
Seja A Mmn (K) uma matriz em forma de escada e A uma matriz em forma de escada reduzida, obtida de A efectuando um nmero nito de transformaes u co elementares sobre linhas. De acordo com a Proposio 4.28 as linhas no nulas de A so linearmente indeca a a pendentes se, e s se, as linhas no nulas de A so linearmente independentes. o a a Seja
P T T T T T T T T T T T T T T R

0 0 0 0 . . . 0

0 0 0 0

a1k1 0 0 0

0 0 0

0 0 0

0 a2k2 0 0

0 0

0 0

0 0 asks 0

A =

U U U U U U U U U 0 U U U . U . U . S 0

com a1k1 = a2k2 = = asks = 1. Sejam u1 , . . . , us as linhas 1, . . . , s, respectivamente, de A . Se 1 , . . . , s K so a tais que 1 u1 + + s us = 0Kn ento, igualando a ki -sima componente, i = 1, . . . , s, em ambos os n-uplos, cona e clu mos que 1 = = s = 0. Logo, pelo Critrio de Independncia Linear, u1 , . . . , us so linearmente indepene e a dentes.

De acordo com a Proposio 4.23 se tivermos vectores de E = Kn que geram um deterca minado espao vectorial F , se considerarmos uma matriz A cujas linhas so tais vectores e se c a A se obtm de A efectuando um nmero nito de transformaes elementares sobre linhas e u co ento podemos armar que as linhas de A geram o mesmo espao vectorial F . a c Se A estiver em forma de escada ento obtemos uma base de F considerando uma a sequncia cujos unicos elementos sejam as linhas no nulas de A . e a Resumidamente, se v1 , . . . , vs Kn e F = v1 , . . . , vs ,

137 ento considerando a A Msn (K) cuja linha i vi , i = 1, . . . , s, e e

A (linhas) A em forma de escada

ento dim F = r(A) e uma base de F uma sequncia que tenha como unicos elementos as a e e linhas no nulas de A (ou se A = 0). a Consideremos o subespao de R3 c G = (1, 1, 0), (0, 1, 4), (2, 1, 4) e determinemos uma base de G. Tem-se
P

Exemplo 4.36

A=T R Logo

1 0 2

1 1 1

U T 4 Ul3 + (2)l1 T 0 S R 4 0

1 1 1

U T 4 Ul3 + (1)l2 T 0 S R 0 4

1 1 0

U 4 U S 0

(f.e.).

G = (1, 1, 0), (0, 1, 4), (2, 1, 4) = (1, 1, 0), (0, 1, 4), (0, 1, 4) = (1, 1, 0), (0, 1, 4), (0, 0, 0) = (1, 1, 0), (0, 1, 4) . Como a sequncia (1, 1, 0), (0, 1, 4) geradora de G e linearmente independente (note e e e que os elementos da sequncia so as linhas no nulas de uma matriz em forma de escada) e a a ento tal sequncia uma base de G, tendo-se dim G = 2. a e e

Exerc cio 4.25 Considere em R5 o vector u = (5, 1, 1, 2, 4) e, para cada k R, os seguintes vectores vk = (1, 0, k, 1, 2k) e wk = (3, 1, k, 0, 0). Determine os valores de k para os quais a sequncia (u, vk , wk ) linearmente independente. e e

Anteriormente considermos o problema de dada uma sequncia geradora de um espao a e c vectorial obtermos, a partir dela, uma base desse espao. c Consideremos agora o caso de termos uma sequncia linearmente independente de vece c tores de um espao vectorial e pretendermos, a partir dela, obter uma base desse espao. c Recordando o Teorema 4.29 no poder ser eliminando vectores da sequncia. Evena a e tualmente ser acrescentando vectores ` sequncia (no acrescentando nenhum vector se a a e a a sequncia j for geradora). e a

138 Os vectores a acrescentar no podero ser quaisquer, pois temos de garantir que a nova a a sequncia continuar linearmente independente. Sabemos que se tivermos vectores u1 , . . . , ur e a linearmente independentes e acrescentarmos um vector v que seja combinao linear de ca u1 , . . . , ur ento, por denio, os vectores u1 , . . . , ur , v so linearmente dependentes. Mas, a ca a ca tal no signica que se acrescentarmos um vector v que no seja combinao linear de a a u1 , . . . , ur ento u1 , . . . , ur , v sejam linearmente independentes. a O resultado seguinte arma que tal verdadeiro. e

Proposio 4.37 Seja E um espao vectorial e sejam u1 , . . . , ur vectores de E linearmente ca c independentes. Se v E tal que v no combinao linear dos vectores u1 , . . . , ur ento e a e ca a u1 , . . . , ur , v so linearmente independentes a e u1 , . . . , u r Demonstrao: ca
Dado que a ultima armao do enunciado trivial, demonstremos apenas que ca e se v no combinao linear dos vectores u1 , . . . , ur , linearmente independentes, a e ca ento u1 , . . . , ur , v so linearmente independentes. a a Suponhamos que u1 , . . . , ur so linearmente independentes, a v no combinaao linear dos vectores u1 , . . . , ur , a e c u1 , . . . , ur , v so linearmente dependentes, a e cheguemos a uma contradio. ca Se u1 , . . . , ur , v so linearmente dependentes ento, pelo Critrio de Independncia a a e e Linear, existem escalares 1 , . . . , r , r+1 K no todos nulos, tais que a 1 u1 + + r ur + r+1 v = 0E . Tem-se r+1 = 0 Se r+1 = 0 ento a 1 u1 + + r ur = 0E e, como u1 , . . . , ur so linearmente independentes, conclu a mos que 1 = = r = 0. ou r+1 = 0.

u1 , . . . , u r , v .

139
Logo 1 = = r = r+1 = 0 o que uma contradio com o facto de os escalares 1 , . . . , r , r+1 no serem e ca a todos nulos. Se r+1 = 0 ento, de a 1 u1 + + r ur + r+1 v = 0E , resulta r+1 v = (1 )u1 + + (r )ur , ou ainda,
1 1 v = (r+1 1 )u1 + + (r+1 r )ur ,

que de novo uma contradio com a hiptese de v no ser combinao linear dos e ca o a ca vectores u1 , . . . , ur .

Tem-se o seguinte resultado, que no demonstraremos, conhecido por Teorema do Coma plemento ou Teorema da Base Incompleta.

Teorema 4.38 Se S = (u1 , . . . , ur ) uma sequncia linearmente independente de vectores e e de um espao vectorial E de dimenso n ento existe uma base de E que tem S como c a a subsequncia. Ou seja, existem vectores w1 , . . . , wnr de E, com n r 0, tais que e (u1 , . . . , ur , w1 , . . . , wnr ) uma base de E. e

Os Teoremas 4.31 e 4.38 armam, pois, respectivamente que, se num espao vectorial E de c dimenso n tivermos uma sequncia S de vectores de E ento: a e a

S sequncia geradora de E e 1. com s vectores (s n)

() eliminar () s n vectores de S

S sequncia com n vectores e que base de E e

Em cada uma das s n etapas de eliminao de um vector, o vector a eliminar ca

um vector que seja combinao linear dos restantes. e ca

140

S linearmente independente 2. com r vectores (n r)

() acrescentar () n r vectores a S

S sequncia com n vectores e que base de E e

Em cada uma das n r etapas de acrescentar um vector a uma sequncia, o e

vector a acrescentar um vector de E que no seja combinao linear dos restantes. e a ca O resultado seguinte estabelece que se j conhecermos a dimenso de um espao vectorial a a c E e tivermos uma sequncia de vectores de E com nmero de vectores igual ` dimenso de E e u a a ento, para demonstrar que base, basta demonstrar que se verica uma s das propriedades: a e o ser geradora de E ou ser linearmente independente.

Teorema 4.39 Seja E um espao vectorial de dimenso n. Tem-se: c a 1. Qualquer sequncia geradora de E com n vectores uma base de E. e e 2. Qualquer sequncia linearmente independente de n vectores de E uma base de E. e e Demonstrao: ca
1. Sejam u1 , . . . , un E tais que E = u1 , . . . , un . De acordo com o Teorema 4.31 existe uma subsequncia S de S = (u1 , . . . , un ) e que uma base de E. Como todas as bases de E tm n elementos, conclu e e mos que S = S. Logo S = (u1 , . . . , un ) uma base de E. e 2. Se S = (u1 , . . . , un ) uma sequncia linearmente independente de n vectores e e de E ento, de acordo com o Teorema 4.38, S subsequncia de uma sequncia a e e e S que uma base de E. Como todas as bases de E tm n elementos conclu e e mos que S = S e, portanto, S uma base de E. e

Se E e E so espaos vectoriais tais que E = E ento dim E = dim E . Mas, existem a c a obviamente espaos vectoriais que tm a mesma dimenso e no so iguais. Por exemplo, c e a a a dim M23 (R) = dim M61 (R) = dim R6 = dim R5 [x] = 6. O resultado seguinte arma, em particular, que se dois espaos vectoriais E e E tm a c e mesma dimenso e um deles subespao do outro ento so iguais. a e c a a

141 Proposio 4.40 Seja E um espao vectorial de dimenso nita. Tem-se: ca c a 1. Se F um subespao de E ento dim F dim E. e c a 2. Se F um subespao de E e dim F = dim E ento F = E. e c a Demonstrao: ca
1. Suponhamos que F subespao de E com r = dim F > dim E = n e cheguemos e c a uma contradio. ca Se (u1 , . . . , ur ) uma base de F ento, como ui F E, i = 1, . . . , r, cone a clu mos que (u1 , . . . , ur ) uma sequncia linearmente independente de vectores de e e E. Ento existia em E uma sequncia linearmente independente com um nmero a e u de vectores (r) superior ao de uma sequncia geradora (n) de E, o que uma e e contradio, pelo Teorema 4.29. ca 2. Suponhamos que F um subespao de E e que dim F = dim E = n. e c Seja (v1 , . . . , vn ) uma base de F . Ento (v1 , . . . , vn ) uma sequncia linearmente a e e independente de vectores de F e como F E, (v1 , . . . , vn ) uma sequncia linee e armente independente de vectores de E. Mas, como dim E = n, pelo Teorema 4.39, podemos armar que (v1 , . . . , vn ) uma e base de E. Logo E = v1 , . . . , vn . Como F = v1 , . . . , vn conclu mos que F = E.

Exemplo 4.41

1. Vejamos um exemplo de, como a partir de uma sequncia linearmente e

independente de vectores de R4 podemos obter uma base de R4 . Considere-se a sequncia de vectores de R4 e S = (1, 4, 3, 6), (0, 0, 0, 2), (2, 8, 1, 3) . Tal sequncia linearmente independente se, e s se, e e o P Q r T R
T

1 0 2

4 0 8

3 0 1

U 2 U S 3

= 3.

142 Como
P T T 0 R 2

4 0 8

3 0 1

U T 2 Ul3 + (2)l1 T 0 S R 3 0

4 0 0

3 0 5

U T 2 Ul2 l3 T 0 S R 9 0

4 0 0

3 5 0

U 9 U S 2

(f.e.)

conclu mos que S linearmente independente. e Constatamos facilmente que se acrescentarmos ` sequncia S, por exemplo, o vector a e (0, 1, 0, 0) obtemos ainda uma sequncia linearmente independente. Basta atender a que e se tem
P P 1 U T 2 U T 0 U T U (linhas) T T 0 3 U S R 0 0 Q P 1 U T 9 U T 0 U T U (linhas) T T 0 2 U S R 0 0 Q Q

B=

1 T T 0 T T T 2 R 0

4 0 8 1

3 0 1 0

4 0 0 1

3 5 0 0

4 1 0 0

3 0 5 0

U 0 U U U 9 U S 2

(f.e.)

e r(B) = 4. Como a sequncia e (1, 4, 3, 6), (0, 0, 0, 2), (2, 8, 1, 3), (0, 1, 0, 0) linearmente independente e tem 4 = dim(R4 ) vectores, pelo Teorema 4.39, uma base e e de R4 . 2. Seja F = (1, 4, 3, 6), (0, 0, 0, 2), (2, 8, 1, 3) . Como vimos em 1., a sequncia (1, 4, 3, 6), (0, 0, 0, 2), (2, 8, 1, 3) linearmente indepene e dente e, portanto, Base de F = (1, 4, 3, 6), (0, 0, 0, 2), (2, 8, 1, 3) . Determinemos se (1, 4, 2, 3) F , utilizando matrizes. Note que (1, 4, 2, 3) F se, s se, (1, 4, 2, 3) se pode escrever como combinao o ca linear dos vectores (1, 4, 3, 6), (0, 0, 0, 2), (2, 8, 1, 3) ou equivalentemente, se, e s se, as o matrizes
P Q P Q

A=

T T 0 R 2

4 0 8

3 0 1

U 2 U S 3

C=

1 T T 0 T T T 2 R 1

4 0 8 4

3 0 1 2

U 2 U U U 3 U S 3

tm a mesma caracter e stica.

143 Vimos em 1. que r(A) = 3 e, como

P

1 T T 0 C =T T T 2 R 1 P 1 T T 0 T l3 + (1)l2 T T 0 R 0

4 0 8 4 4 0 0 0

3 0 1 2 3 5 0 0

P 1 U T 2 U+(2)l1 T 0 Ul3 T Ul +(1)l1 T T 0 3 U4 S R 3 0 Q P 6 1 U T 9 U T 0 U T Ul3 l4 T T 0 0 U S R

4 0 0 0 4 0 0 0

3 0 5 5 3 5 0 0

P 1 U T 2 U T 0 T U Ul2 l4 T T 0 9 U S R 9 0 Q 6 U 9 U U U (f.e.), 2 U S 0

4 0 0 0

3 5 5 0

U 9 U U U 9 U S 2

conclu mos que r(C) = 3 e, portanto, (1, 4, 2, 3) F.

Exerc cio 4.26 Considere, no espao vectorial real R3 , a sequncia de vectores c e

  Sk = (1, 0, 2), (1, 2, 3), (1, 4, k) .

Determine os valores de k R para os quais Sk uma base de R3 . e

Exerc cio 4.27 No espao vectorial real R3 considere a sequncia de vectores c e

  S = (1, 1, 0), (2, 1, 0) .

(a) Verique que S linearmente independente. e (b) Indique uma base de R3 que contenha os vectores da sequncia S. e

Exerc cio 4.28 No espao vectorial real R4 considere o subespao vectorial c c F = (1, 0, 1, 0), (1, 1, 0, 1), (1, 1, 2, 1) . (a) Indique uma base de F . (b) Verique que (1, 2, 3, 2) F . (c) Determine uma base de R4 ` qual pertenam os vectores da base de F a c indicada em (a).

As bases de um espao vectorial E tm propriedades especiais como a seguidamente c e referida.

Proposio 4.42 Seja E um espao vectorial e sejam u1 , . . . , un vectores de E. Tem-se, ca c (u1 , . . . , un ) uma base de E se, e s se, todo o vector de E se escreve de modo unico como e o combinao linear dos vectores u1 , . . . , un . ca Demonstrao: ca
E uma consequncia imediata da denio de base e da Proposio 4.27. e ca ca

144

Denio 4.43 Seja E um espao vectorial sobre K e (u1 , . . . , un ) uma base de E. ca c Para cada v E os escalares 1 , . . . , n K, unicos, tais que v = 1 u1 + + n un dizem-se as coordenadas de v na base (u1 , . . . , un ) ou, mais correctamente, dizemos que (1 , . . . , n ) a sequncia das coordenadas de v na base (u1 , . . . , un ). e e

Exemplo 4.44

1. (1, 0), (0, 1) uma base de R2 . Se (a, b) R2 ento, como e a (a, b) = a(1, 0) + b(0, 1),

a sequncia das coordenadas de (a, b) na base anterior (a, b). e e (0, 1), (1, 0) tambm uma base de R2 . Em relao a essa base, como e e ca (a, b) = b(0, 1) + a(1, 0), a sequncia das coordenadas de (a, b) (b, a). e e B = (1, 1), (0, 1) tambm uma base de R2 . Determinemos a sequncia das coordee e e nadas de (a, b) em relao a essa base. ca (a, b) = 1 (1, 1) + 2 (0, 1) = (1 , 1 ) + (0, 2 ) = (1 , 1 + 2 ). Logo = a 1 . 1 + 2 = b Tem-se, pois, um sistema de equaes lineares nas incgnitas 1 , 2 , cuja soluo unica co o ca e (a, a + b). Assim a sequncia das coordenadas do vector (a, b) na base B = e (a, a + b). 2. O vector que em relao ` base ca a B = (1, 2, 3), (0, 3, 4), (0, 0, 5) (1, 1), (0, 1) e

145 de R3 tem a sequncia de coordenadas (7, 1, 4) o vector e e 7(1, 2, 3) + (1)(0, 3, 4) + 4(0, 0, 5) = (7, 14, 21) + (0, 3, 4) + (0, 0, 20) = (7, 11, 37).

Exerc cio 4.29 Considere, no espao vectorial real R4 , a base c

  B = (1, 0, 0, 0), (1, 1, 0, 0), (1, 1, 1, 0), (1, 1, 1, 1)

e a base cannica de R4 o
  b. c.R4 = (1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1) .

(a) Determine a sequncia das coordenadas do vector (4, 3, 2, 1) em cada uma e das bases B e b. c.R4 . (b) Determine a sequncia das coordenadas de um vector arbitrrio (a, b, c, d) e a R4 em cada uma das bases B e b. c.R4 .

Exerc cio 4.30 Considere, no espao vectorial real M22 (R), as bases c


B= e B =


1 0 1 0

0 0 0 0

,
! ,

1 0 0 0

1 0 1 0

! , ! ,

1 1 0 1

1 0 0 0

! , !

1 1 0 0

1 1 0 1

!

!

. 4 2 3 1
!

(a) Determine a sequncia das coordenadas do vector e das bases B e B .

em cada uma

(b) Determine a sequncia das coordenadas de um vector arbitrrio e a ! a b M22 (R) em cada uma das bases B e B . c d

Exerc cio 4.31 Considere, no espao vectorial real R3 [x], as bases c

B = x3 , x3 + x2 , x3 + x2 + x, x3 + x2 + x + 1

B = x3 , x2 , x, 1 .

(a) Determine a sequncia das coordenadas do vector 4x3 + 3x2 + 2x + 1 em e cada uma das bases B e B . (b) Determine a sequncia das coordenadas de um vector arbitrrio ax3 + bx2 + e a cx + d R3 [x] em cada uma das bases B e B .
Exerc cio 4.32 (a) Mostre que (1, 0, 0), (0, i, 1), (1, 0, 1 i) base do espao vectoe c 3. rial complexo C

(b) Determine a sequncia das coordenadas do vector (1, 1, 1) na base indicada e em (a).

Anteriormente vimos como utilizar as matrizes para resolver os seguintes problemas no espao vectorial c E = Kn .

146 Determinar se uma sequncia de vectores de E linearmente independente. e e Construir uma base de E a partir de uma sequncia de vectores geradora de E. e Construir uma base de E a partir de uma sequncia linearmente independente de e vectores de E. Determinar se um vector de E pertence ou no ao subespao gerado por uma dada a c sequncia de vectores de E. e O que sucede se E = Kn ? Por exemplo, como resolver os problemas anteriores se E = Kr [x] ou E = Mmn (K)?

Notemos que, para qualquer espao vectorial E de dimenso n, se xarmos em E uma base c a B ento a correspondncia a e f : E Kn que a cada vector u E associa a sequncia das coordenadas de u na base B uma aplicao e e ca bijectiva. e De facto, a Proposio 4.42 garante que f uma aplicao e bijectiva porque, qualquer ca e ca que seja (1 , . . . , n ) Kn existe um, e um s, u E tal que o f (u) = (1 , . . . , n ). (Se B = (e1 , . . . , en ) ento u = 1 e1 + + n en .) a Uma reexo mais exaustiva sobre este tema permitir-nos-ia concluir que a resoluo dos a ca quatro problemas anteriores envolvendo vectores de E = Kr [x] ou de E = Mmn (K) pode ser feita com vectores, respectivamente, de Kr+1 ou de Kmn utilizando as sequncias das e coordenadas dos vectores em causa em relao a uma base xa B de E. ca O mesmo racioc pode ser seguido para qualquer espao vectorial E de dimenso nita nio c a e assim continuar a utilizar as matrizes para resolver os 4 problemas anteriores.

Exemplo 4.45

1. Em R3 [x], consideremos a sequncia e S = x3 + 4x2 + 3x + 6, 2, 2x3 + 8x2 + x + 3 .

Veriquemos que S linearmente independente e determinemos uma base de R3 [x] que e tenha S como subsequncia. e

147 Considere-se em R3 [x] a base B = x3 , x2 , x, 1 . Em relao ` base B, a sequncia das coordenadas de: ca a e x3 + 4x2 + 3x + 6 2 2x3 + 8x2 + x + 3 e e e (1, 4, 3, 6), (0, 0, 0, 2), (2, 8, 1, 3).

Como vimos no Exemplo 4.41 a sequncia e S = (1, 4, 3, 6), (0, 0, 0, 2), (2, 8, 1, 3) linearmente independente e o mesmo sucede ` sequncia e a e (1, 4, 3, 6), (0, 0, 0, 2), (2, 8, 1, 3), (0, 1, 0, 0) . O elemento de R3 [x] que na base B = x3 , x2 , x, 1 tem a sequncia de coordenadas e (0, 1, 0, 0) Assim, S = x3 + 4x2 + 3x + 6, 2, 2x3 + 8x2 + x + 3 linearmente independente e e x3 + 4x2 + 3x + 6, 2, 2x3 + 8x2 + x + 3, x2 tambm linearmente independente. Como tem 4 = dim R3 [x] vectores uma base de e e e R3 [x]. 2. Seja E um espao vectorial tal que c B = (e1 , e2 , e3 , e4 ) uma base de E. Veriquemos que a sequncia e e S = (e1 + e2 + e4 , 2e1 + 2e2 + e3 + e4 ) linearmente independente e completemos essa sequncia de forma a obter uma base e e de E, isto , determinemos uma base de E que tenha S como subsequncia. e e Em relao ` base B a sequncia das coordenadas de: ca a e e1 + e2 + e4 2e1 + 2e2 + e3 + e4 e e (1, 1, 0, 1), (2, 2, 1, 1). e 0x3 + 1x2 + 0x + 0 = x2 .

148 Tem-se A= com r(A) = 2 e, portanto, a sequncia S linearmente independente. e e Dado que
P

1 2

1 2

0 1

4 5 1 l2 + (2)l1 0 1

1 0

0 1

1 1

(f.e.)

A =

1 T T 2 T T T 0 R 0

1 2 1 0

0 1 0 0

P 1 U T T 1 U T 0 U Ul2 + (2)l1 T T 0 0 U S R 1 0

1 0 1 0

0 1 0 0

P 1 U T 1 U T 0 T U Ul2 l3 T T 0 0 U S R 1 0

1 1 0 0

0 0 1 0

U 0 U U U 1 U S 1

(f.e.)

e r(A ) = 4 podemos armar que (1, 1, 0, 1), (2, 2, 1, 1), (0, 1, 0, 0), (0, 0, 0, 1) uma sequncia linearmente independente. e e O vector de E que, na base B = (e1 , e2 , e3 , e4 ), tem a sequncia de coordenadas e (0, 1, 0, 0) e 0e1 + 1e2 + 0e3 + 0e4 = e2

e o que tem a sequncia de coordenadas e (0, 0, 0, 1) e 0e1 + 0e2 + 0e3 + 1e4 = e4 .

Logo, (e1 + e2 + e4 , 2e1 + 2e2 + e3 + e4 , e2 , e4 ) linearmente independente e como tem e 4 = dim E vectores uma base de E. e

Exerc cio 4.33 Sejam E um espao vectorial real, (e1 , e2 , e3 , e4 , e5 ) uma base de E e c F = 2e1 e3 , e3 + e5 , 2e1 + e3 + 2e5 . Diga, justicando, quais das seguintes sequncias de vectores so base de F : e a (a) (2e1 e3 , e3 + e5 , 2e1 + e3 + 2e5 ); (b) (2e1 e3 , e3 + e5 ); (c) (2e1 e3 , e1 + e3 ); (d) (2e3 + 2e5 , e3 e5 ).

149

4.5

Bases do espao soma de dois subespaos c c

Seja E um espao vectorial e F e G subespaos de E. Sabemos que F + G ainda um c c e subespao de E. O resultado seguinte diz-nos como obter geradores para o subespao F + G c c conhecendo geradores para F e geradores para G.

Proposio 4.46 Seja E um espao vectorial e F e G subespaos de E. Se u1 , . . . , ur F ca c c e v1 , . . . , vs G so tais que a F = u1 , . . . , u r ento a F + G = u1 , . . . , ur , v1 , . . . , vs . Demonstrao: ca
Por hiptese, tem-se o uF 1 ,...,r K e vG 1 ,...,s K Seja z F + G. Ento a z = u + v, com u F e v G. Logo z = (1 u1 + + r ur ) + (1 v1 + + s vs ) = 1 u1 + + r ur + 1 v1 + + s vs e, portanto, z u1 , . . . , ur , v1 , . . . , vs . Demonstrmos, pois, que a F + G u1 , . . . , ur , v1 , . . . , vs . Reciprocamente, seja z u1 , . . . , ur , v1 , . . . , vs . Ento, existem escalares a v = 1 v1 + + s vs . u = 1 u1 + + r ur

G = v1 , . . . , vs

1 , . . . , r , r+1 , . . . , r+s K tais que z = 1 u1 + + r ur + r+1 v1 + + r+s vs = (1 u1 + + r ur ) + (r+1 v1 + + r+s vs ).

150
Como (1 u1 + + r ur ) F conclu mos que z F + G. Fica ento demonstrado que a u1 , . . . , ur , v1 , . . . , vs F + G, concluindo a demonstrao do que pretend ca amos. e (r+1 v1 + + r+s vs ) G

Como consequncia imediata do resultado anterior tem-se: e Corolrio 4.47 Se F e G so subespaos de E com dimenso nita ento F + G tambm a a c a a e tem dimenso nita. a Exemplo 4.48 Seja F = (x, y, z) R3 : x = y + 2z e G = (1, 0, 1), (2, 0, 4), (0, 3, 1) .

Pretende-se uma base para F + G. Tem-se F = (x, y, z) R3 : x = y + 2z = {(y + 2z, y, z) : y, z R} . Como, para quaisquer y, z R, se tem (y + 2z, y, z) = y(1, 1, 0) + z(2, 0, 1) conclu mos que F = (1, 1, 0), (2, 0, 1) . Dado que G = (1, 0, 1), (2, 0, 4), (0, 3, 1) conclu mos que F + G = (1, 1, 0), (2, 0, 1), (1, 0, 1), (2, 0, 4), (0, 3, 1) . Para obter uma base de F + G procedemos como no Exemplo 4.41.
P

1 T T 2 T T T 1 T T R 2 0 1 T T 0 T l3 +(2)l2 T l4 +(2)l2 T 0 l5 +3l2 T T R 0 0

P

1 0 0 0 3 1 1 0 0 0

P 1 U T U T 0 1 U T Ul2 +(2)l1 T 1 Ul3 +(1)l1 T 0 Ul4 +(2)l1 T T 4 U S R 0

1 2 1 2 3 1 0 0 0 0 1 1 0 0 0

P 1 U T U T 0 1 U T Ul2 l3 T T 0 1 U U T T 4 U S R 0

1 1 2 2 3

U 1 U U U 1 U U 4 U S

1
Q

0 T U 1 U T U T Ul4 +(2)l3 T 3 U l5 +( 2 )l3 T T U 3 T 6 U R S 2

0 P

1 0 U 1 U U U 3 U U 0 U S 0
Q

151 Logo, uma base de F + G e (1, 1, 0), (0, 1, 1), (0, 0, 3) .

Se F e G so subespaos de um espao vectorial E ento F + G e F G so ainda a c c a a subespaos de E. c O resultado seguinte relaciona as dimenses de todos esses subespaos quando F e G tm o c e dimenso nita. a

Teorema 4.49 Se E um espao vectorial e F e G so subespaos de E de dimenso nita e c a c a ento F + G e F G tambm tm dimenso nita e a e e a dim(F + G) = dim F + dim G dim(F G). Demonstrao: ca
Como F G um subespao de F (e de G) tem-se e c dim(F G) dim F e, portanto, F G tem dimenso nita. a Como F e G tm, por hiptese, dimenso nita podemos armar que existem e o a u1 , . . . , ur F e v1 , . . . , vs G tais que F = u1 , . . . , ur com r, s N. De acordo com a Proposio 4.46 tem-se ca F + G = u1 , . . . , ur , v1 , . . . , vs . Como r + s N conclu mos que F + G tambm tem dimenso nita. e a Demonstremos que dim(F + G) = dim F + dim G dim(F G) considerando trs casos. e Caso 1: F G ou G F . Se F G ento F + G = G e F G = F . Logo a dim(F + G) = dim G = dim F + dim G dim F = dim F + dim G dim(F G). Se G F a demonstrao anloga. ca e a e G = v1 , . . . , vs ,

152
Caso 2: F G e G F e F G = {0E }. Neste caso tem-se F = {0E }. Caso contrrio, ter-se-ia F = {0E } G. a De igual forma se conclui que G = {0E }. Assim {0E } = F G e {0E } = F G Suponhamos que dim F = r, dim G = s, (u1 , . . . , ur ) uma base de F e e (v1 , . . . , vs ) uma base de G. e Como F + G = u1 , . . . , ur , v1 , . . . , vs , demonstremos que (u1 , . . . , ur , v1 , . . . , vs ) linearmente independente. e Por hiptese (u1 , . . . , ur ) linearmente independente e (v1 , . . . , vs ) linearo e e mente independente. Sejam 1 , . . . , r , 1 , . . . , s K tais que 1 u1 + + r ur + 1 v1 + + s vs = 0E . Logo 1 u1 + + r ur = (1 )v1 + + (s )vs . Como 1 u1 + + r ur F conclu mos que 1 u1 + + r ur = (1 )v1 + + (s )vs F G. Dado que F G = {0E } tem-se 1 u1 + + r ur = (1 )v1 + + (s )vs = 0E . Pelo Critrio de Independncia Linear, conclu e e mos que, como (u1 , . . . , ur ) e linearmente independente, se tem 1 = = r = 0. e (1 )v1 + + (s )vs G G = {0E }. F = {0E }

153
Por outro lado, como (v1 , . . . , vs ) linearmente independente, o mesmo e critrio permite armar que e 1 = = s = 0. Demonstramos pois que 1 = = r = 1 = = s = 0 e, portanto, (u1 , . . . , ur , v1 , . . . , vs ) uma sequncia linearmente independente. Recordando que e e F + G = u1 , . . . , ur , v1 , . . . , vs , conclu mos que (u1 , . . . , ur , v1 , . . . , vs ) uma base de F + G. Assim e dim(F + G) = r + s e, portanto, dim(F + G) = r + s = r + s 0 = dim F + dim G dim(F G). Caso 3: F G e G F e F G = {0E }. Tem-se ento a F = {0E } , G = {0E } , F G F e F G G.

Sejam r = dim F , s = dim G, t = dim(F G) e (w1 , . . . , wt ) uma base de F G. Como (w1 , . . . , wt ) uma sequncia linearmente independente de vectores de e e F G e, portanto, de vectores de F , pelo Teorema 4.38 existem vectores y1 , . . . , yrt F tais que (w1 , . . . , wt , y1 , . . . , yrt ) uma base de F. e Analogamente, como (w1 , . . . , wt ) uma sequncia linearmente independente e e de vectores de F G e, portanto, de vectores de G, pelo Teorema 4.38 existem vectores z1 , . . . , zst G tais que (w1 , . . . , wt , z1 , . . . , zst ) uma base de G. e

154
Dado que F = w1 , . . . , wt , y1 , . . . , yrt e G = w1 , . . . , wt , z1 , . . . , zst ento, pela Proposio 4.46 tem-se a ca

F + G = w1 , . . . , wt , y1 , . . . , yrt , w1 , . . . , wt , z1 , . . . , zst = w1 , . . . , wt , y1 , . . . , yrt , z1 , . . . , zst . Com alguns clculos, podemos concluir que a

(w1 , . . . , wt , y1 , . . . , yrt , z1 , . . . , zst ) uma sequncia linearmente independente e, portanto, uma base de F + G. e e e Assim dim(F + G) = t + (r t) + (s t) = r + s t = dim F + dim G dim(F G).

Exerc cio 4.34 No espao vectorial real R4 considere os subespaos c c

F = (a, b, c, d) R4 : a b = 0 a = b + d , G = (a, b, c, d) R4 : b c = 0 d = 0

h i H = (1, 0, 0, 3), (2, 0, 0, 1) .

Determine: (a) Uma base de F . (b) A dimenso de G. a (c) Uma base de F G. (d) Uma base de F + G. (e) Uma base de G H. (f) Uma base de F + H. (g) A dimenso de F G. a

155
Exerc cio 4.35 No espao vectorial real M22 (R) considere os subespaos c c
&

F =
&

a c a c

b d

' M22 (R) : a b = 0 a = b + d , ! ' M22 (R) : b c = 0 d = 0

G= e

b d H=

1 0

0 3

! ,

2 0

0 1

!)

Determine: (a) Uma base de F . (b) A dimenso de G. a (c) Uma base de F G. (d) Uma base de F + G. (e) Uma base de G H. (f) Uma base de F + H. (g) A dimenso de F G. a

Exerc cio 4.36 No espao vectorial real R3 [x] considere os subespaos c c

F = ax3 + bx2 + cx + d R3 [x] : a b = 0 a = b + d , G = ax3 + bx2 + cx + d R3 [x] : b c = 0 d = 0

e Determine: (a) Uma base de F . (b) A dimenso de G. a

  H = x3 + 3, 2x3 + 1 .

(c) Uma base de F G. (d) Uma base de F + G. (e) Uma base de G H. (f) Uma base de F + H. (g) A dimenso de F G. a

Exerc cio 4.37 No espao vectorial real R4 considere os subespaos c c

h i F = (1, 1, 1, 1), (2, 2, 3, 1), (3, 3, 7, 3), (0, 0, 0, 1)

h i G = (1, 1, 1, 1), (1, 0, 1, 1), (1, 1, 4, 4) .

(a) Determine: (i) (ii) (iii) (iv) Uma Uma Uma Uma base base base base de de de de F; R4 que inclua uma base de F ; G; F G;

(b) Mostre que F + G = R4 .

156
Exerc cio 4.38 Considere o espao vectorial real R4 [x] e o subespao de R4 [x] c c
F = a0 + a1 x + a2 x2 + a3 x3 + a4 x4 R4 [x] : 2a0 + 2a1 + a4 = 0 a0 + a1 + 5a4 = 0 .

(a) Determine uma base de F . (b) Determine uma base de R4 [x] que inclua a base de F indicada em (a). (c) Indique, caso exista, um subespao G de R4 [x], tal que dim(F + G) = 4 e c dim(F G) = 1. Justique.

Exerc cio 4.39 Sejam E um espao vectorial real, (e1 , e2 , e3 , e4 , e5 ) uma base de E e F c e G os subespaos de E denidos por c F = {1 e1 + + 5 e5 : (1 , . . . , 5 ) soluo de (S1 )} e ca G = {1 e1 + + 5 e5 : (1 , . . . , 5 ) soluo de (S2 )} , e ca onde (S1 ) e (S2 ) so os seguintes sistemas de equaes lineares nas incgnitas x1 , . . . , x5 a co o sobre R: V V ` x1 x2 + 2x3 + x5 = 0 ` 2x1 + x2 + 2x3 + x4 = 0 x1 + x2 x3 + x4 2x5 = 0 x1 x2 + x3 x4 + 3x5 = 0 . (S1 ) e (S2 ) X X 2x1 2x2 + 3x3 x4 + 3x5 = 0 x1 2x2 x4 + x5 = 0 Determine: (a) Uma base de F ; (b) Uma base de G; (c) Uma base de F G; (d) Uma base de F + G.

Exerc cio 4.40 Considere o espao vectorial real R3 . Para cada R, considere o c conjunto: F = (x, y, z) R3 : x = y y = z . (a) Mostre que, qualquer que seja R, F subespao vectorial de R3 . e c (b) Determine, em funo de , uma base de F . ca   (c) Seja G = (1, 1, 0), (0, 0, 2) . (i) Discuta, em funo de , dim(G + F ). ca (ii) Determine, em funo de , uma base de G + F . ca

157 Solucoes de alguns dos exerc cios propostos

4.5 (a) Sim (b) No a (c) No a (d) Sim (e) No a (f) Sim (g) No a (h) No a 4.32 4.10 (a) (i) No a (ii) Sim 4.11 (a) Sim (d) k = 2 4.12 4.13 (a) Por exemplo, G =
 1 1 0 1  0 0 , 1 0

4.30

(a) (1, 1, 1, 1), na base B (4, 3, 2, 1), na base B (b) (a b, b c, c d, d), na base B (a, b, c, d), na base B

4.31

(a) (1, 1, 1, 1), na base B (4, 3, 2, 1), na base B (b) (a b, b c, c d, d), na base B (a, b, c, d), na base B (b) (0, i, 1) (a) No a e (b) E (c) No a e (d) No a e

4.33

4.34 (a) Por exemplo,   F = (1, 1, 1, 0, 0), (1, 0, 0, 1, 0), (0, 0, 0, 0, 1) (b) No a 4.18 (a) S1 linearmente independente e S2 linearmente dependente e 4.19 (a) S1 linearmente independente e S2 linearmente dependente e 4.20 (a) S1 linearmente dependente e S2 linearmente independente e 4.21 (a) S1 linearmente independente e S2 linearmente dependente e 4.35 4.23 Por exemplo, (1, 0, 0, 1, 0), (0, 1, 1, 1, 0), (0, 0, 0, 0, 1)
0 1 4.24 Por exemplo, 1 1 , 1 0 00

(a) Por exemplo, (1, 1, 0, 0), (0, 0, 1, 0) (b) 2 (c) Por exemplo, (1, 1, 1, 0) (d) Por exemplo, (1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0) (e) Por exemplo, (1, 0, 0, 0) (f) Por exemplo, (1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1) (g) 1 (a) Por exemplo, 1 1 0 0 00 , 10 (b) 2 (c) Por exemplo, 1 1
10

4.25 k R \ {1} 4.26 k R \ {4} 4.28 (a) Por exemplo, (1, 0, 1, 0), (0, 1, 1, 1) (c) Por exemplo, (1, 0, 1, 0), (0, 1, 1, 1), (0, 0, 1, 0), (0, 0, 0, 1) 4.29 (a) (1, 1, 1, 1), na base B (4, 3, 2, 1), na base b. c.R4 (b) (a b, b c, c d, d), na base B (a, b, c, d), na base b. c.R4 4.36

(d) Por exemplo, 1 0 0 1 0 0 00 , 00 , 10 (e) Por exemplo, 1 0

00

(f) Por exemplo, 1 0 0 1 0 0 0 0 00 , 00 , 10 , 01 (g) 1 (a) Por exemplo, 3 x + x2 , x (b) 2

158

(c) Por exemplo, 3 x + x2 + x (d) Por exemplo, 3 x , x2 , x (e) Por exemplo, 3 x (f) Por exemplo, 3 x , x2 , x, 1 (g) 1 4.37 (a) (i) Por exemplo, (1, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1) (ii) Por exemplo, (1, 1, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1) (iii) Por exemplo, (1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 1) (iv) Por exemplo, (1, 1, 0, 0), (0, 0, 1, 1) 4.38
(a) Por exemplo, 1 + x, x2 , x3 (b) Por exemplo, 1, 1 + x, x2 , x3 , x4   (c) Por exemplo, G = x3 , x4

4.39

(a) Por exemplo, (e1 + e2 , 2e1 e3 + e4 , 3e1 + e3 + e5 ) (b) Por exemplo, (e1 e2 e3 + e4 , 3e1 + 2e2 + 2e3 + e5 ) (c) Por exemplo, (e1 e2 e3 + e4 ) (d) Por exemplo, (e1 +e2 , 2e1 e3 +e4 , 3e1 +e3 +e5 , 3e1 + 2e2 + 2e3 + e5 )

4.40

(b) Base de F = @ Por exemplo, (0, 1, 0), (0, 0, 1) se = 0 Por exemplo, (, 1, 1) se = 0 @ 2, se = 1 (c) (i) dim(G + F ) = 3, se = 1 (ii) Base de G + F = V b b Por exemplo, b b b ` (1, 0, 0), (0, 1, 0), (0, 0, 1)
b Por exemplo, b b b b X (1, 1, 0), (0, 0, 1)

se = 1 se = 1

Cap tulo 5

Aplicaes Lineares co
5.1 Aplicaes lineares: Denio, exemplos e propriedades co ca

Denio 5.1 Sejam E e E espaos vectoriais sobre K (ambos sobre R ou ambos ca c sobre C). Uma aplicao f : E E diz-se uma aplicao linear se satisfaz as duas condies ca ca co seguintes: 1. u,vE f (u + v) = f (u) + f (v). f (u) = f (u).

2. K uE

Notemos que, quer em E quer em E , a adio est a ser representada pelo mesmo s ca a mbolo + e o mesmo se passa em relao ` multiplicao externa. Se zssemos a distino e consica a ca e ca derssemos os espaos vectoriais (E, +, ) e (E , , ) as propriedades anteriores tomariam a c as seguintes formas: 1. u,vE f (u + v) = f (u) f (v). f ( u) = f (u).

2. K uE

No entanto, conforme sabemos, o contexto desfaz qualquer ambiguidade. No que vai seguir-se, e mesmo que tal no seja enunciado, E, E e E so espaos a a c vectoriais sobre K (todos sobre R ou todos sobre C).

160 Exemplo 5.2 1. Seja K. Considere-se a aplicao ca f : E E tal que wE f (w) = w. Tem-se (a) u,vE f (u + v) = (u + v) = u + v = f (u) + f (v). f (u) = (u) = ()u = ()u = (u) = f (u).

(b) K uE

Logo, f uma aplicao linear (designada por homotetia de razo ). e ca a Como casos particulares importantes, consideremos = 0 e = 1. No primeiro caso ( = 0) obtemos f : E E tal que uE f (u) = 0E , designada por aplicao nula de E. ca No segundo caso ( = 1) obtemos f : E E tal que uE f (u) = u, designada por aplicao identidade de E e que representaremos por idE . Tem-se, pois, ca idE : E E tal que uE idE (u) = u. Os dois exemplos seguintes constituem generalizaes destes dois casos particulares. co 2. A aplicao ca f : E E tal que uE f (u) = 0E uma aplicao linear (Porqu?) designada por aplicao nula de E em E . e ca e ca

161 3. Se F um subespao de E ento a aplicao e c a ca f : F E tal que uF f (u) = u uma aplicao linear. (Porqu?) e ca e 4. Sejam m, b R. A aplicao ca f : R R tal que xR f (x) = mx + b linear se, e s se, b = 0. De facto, tem-se: e o f (x + y) = m(x + y) + b = mx + my + b e f (x) + f (y) = (mx + b) + (my + b) = mx + my + 2b. Logo, a condio 1. da Denio 5.1 vericada se, e s se, ca ca e o mx + my + b = mx + my + 2b, ou equivalentemente, se b = 2b, isto , se e b = 0. ca ca e Vejamos se, para b = 0 a condio 2. da Denio 5.1 satisfeita. R xR f (x) = m(x) = (m(x)) = f (x). Conclu mos, portanto, que f linear se, e s se, b = 0. e o

162 5. A aplicao ca D : Rn [x] Rn [x] denida por an xn +an1 xn1 ++a1 x+a0 Rn [x] D an xn + an1 xn1 + + a1 x + a0 = nan xn1 + (n 1)an1 xn2 + + a1 uma aplicao linear (Porqu?) e habitualmente designada por aplicao derivada em e ca e e ca Rn [x]. 6. A aplicao ca f : R R tal que xR f (x) = x2 ca e no uma aplicao linear. (Porqu?) a e 7. A aplicao ca f : R3 R2 tal que (x,y,z)R3 f (x, y, z) = (2x, y + z)

uma aplicao linear porque para quaisquer (x, y, z), (x , y , z ) R3 e R, se tem e ca f (x, y, z) + (x , y , z ) = f (x + x , y + y , z + z ) = 2(x + x ), (y + y ) + (z + z ) = 2x + 2x , (y + z) + (y + z ) = (2x, y + z) + (2x , y + z ) = f (x, y, z) + f (x , y , z ) e f (x, y, z) = f (x, y, z) = (2x, y + z) = (2x), (y + z) = (2x, y + z) = f (x, y, z).

163 8. A aplicao ca f : M22 (R) R2 [x] tal que f

4 4 5

a c

b d

= (a + b)x2 + 2cx d

para toda a matriz

a c

b d

M22 (R), uma aplicao linear. e ca

4

De facto, quaisquer que sejam R e A =

4

a c

b d
5

,A =

a c

b d

M22 (R), tem-se

f (A + A ) = f
4

a c

b d

+
b+b d+d

a c
5

b d

=f

a+a c+c

= (a + a ) + (b + b ) x2 + 2 c + c x d + d = (a + b) + (a + b ) x2 + 2c + 2c x d + d = (a + b)x2 + 2cx d + (a + b )x2 + 2c x d

4 5 4 5

=f

a c

b d

+f

a c

b d

= f (A) + f (A ).
4 5

f (A) = f =f

a c

b d b d

a c

= (a + b)x2 + 2(c)x (d) = (a + b)x2 + (2c)x d = (a + b)x2 + 2cx d

4 5

= f = f (A).

a c

b d

Exerc cio 5.1 Demonstre que na Denio 5.1, de aplicao linear, as condies 1 e 2 ca ca co so equivalentes ` condio a a ca 3. ,K u,vE ou, ainda, a 4. K u,vE f (u + v) = f (u) + f (v). f (u + v) = f (u) + f (v)

164
Exerc cio 5.2 Considere os espaos vectoriais reais R3 , R4 e R3 [x]. c (a) Verique quais das seguintes aplicaes so lineares: co a (i) (ii) (iii) (iv) (v) (b) f : R3 R3 , denida por f : R3 R3 , denida por f : R3 R3 , denida por f : R3 R4 , denida por f : R3 [x] R3 , denida a1 , 0, a2 ). f (x, y, z) = (y, z, 0); f (x, y, z) = (x 1, x, y); f (x, y, z) = (|x| , z, 0); f (x, y, z) = (2x, z + y, y, x z); por f (a0 + a1 x + a2 x2 + a3 x3 ) = (a0

(i) Para a aplicao f denida em (iv) determine f (2, 1, 3). ca (ii) Para a aplicao f denida em (v) determine f (x x2 + 2x3 ). ca

As aplicaes lineares tm propriedades especiais conforme veremos seguidamente. co e

Proposio 5.3 Seja f : E E uma aplicao linear. Tem-se: ca ca 1. f (0E ) = 0E . 2. uE f (u) = f (u).

Demonstrao: ca
1. Tem-se, para todo u E, u = u + 0E e, portanto, f (u) = f (u + 0E ) = f (u) + f (0E ). Como f (u) E , temos f (u) + 0E = f (u) + f (0E ). Assim, f (0E ) = 0E . 2. Demonstrar que, para todo u E, se tem f (u) = f (u) equivalente a demonstrar que e f (u) + f (u) = 0E . De facto, tem-se f (u) + f (u) = f (u + (u)) = f (0E ) = 0E .

165 Utilizando 1. da proposio anterior podemos justicar facilmente que as aplicaes ca co f : R R tal que xR e g : R2 R3 tal que (a,b)R2 no so lineares. Basta referir que a a f (0) = b = 0 e g(0, 0) = (0, 0, 1) = (0, 0, 0). g(a, b) = (a b, 2b, a + 1) f (x) = mx + b, com b = 0

Denio 5.4 Sendo f : E E e g : E E aplicaes arbitrrias (no neca co a a cessariamente lineares) dene-se soma das aplicaes f e g, denotada por f + g, a co aplicao ca f + g : E E tal que u E (f + g)(u) = f (u) + g(u).

Dene-se produto de um escalar K por uma aplicao f : E E , e ca representa-se por f , a aplicao ca f : E E tal que uE (f )(u) = f (u).

O resultado seguinte estabelece que a soma de aplicaes lineares , ainda, uma aplicao co e ca linear e o mesmo sucede com o produto de um escalar por uma aplicao linear. ca

Proposio 5.5 Sejam f : E E e g : E E aplicaes lineares e K. Tem-se: ca co 1. f + g uma aplicao linear. e ca

166 2. f uma aplicao linear. e ca Demonstrao: ca

Exerc cio.

Exerc cio 5.3 Seja L(E, E ) o conjunto das aplicaes lineares de E em E . Mostre que co L(E, E ) com as operaes de adio de aplicaes e de multiplicao de um escalar por co ca co ca uma aplicao, consideradas na Denio 5.4, um espao vectorial sobre K. ca ca e c

5.2

Imagem de uma aplicao. N cleo de uma aplicao lica u ca near

Recordemos que, sendo A e B conjuntos e f : A B uma aplicao, se diz que ca f sobrejectiva se e bB aA f injectiva se e a,a A ou equivalentemente, a,a A f (a) = f (a ) = a = a . a = a = f (a) = f (a ) f (a) = b.

f bijectiva se f sobrejectiva e injectiva, ou equivalentemente, e e bB 1 aA f (a) = b.

Habitualmente designa-se por contradom nio de f ou imagem de f , e representa-se por f (A) ou Im f , o conjunto Im f = {f (a) : a A} B. Assim, a aplicao f : A B sobrejectiva se, e s se, Im f = B. ca e o

Denio 5.6 Seja f : E E uma aplicao linear. Dene-se ncleo de f , e ca ca u representa-se por Nuc f ou Ker f (do ingls Kernel), o conjunto e Nuc f = {u E : f (u) = 0E } .

Pela Proposio 5.3 tem-se 0E Nuc f e, portanto, Nuc f = . De facto, tem-se ca

167 Proposio 5.7 Se f : E E uma aplicao linear ento ca e ca a 1. Nuc f um subespao de E. e c 2. Im f um subespao de E . e c Demonstrao: ca
Exerc cio.

As denies de imagem e de ncleo de uma aplicao linear podem ser generalizadas da co u ca seguinte forma. Sejam f : E E uma aplicao linear, W um subespao de E e W um subespao de ca c c E . Dene-se imagem de W por f como sendo f (W ) = {f (u) : u W } e imagem inversa de W por f como sendo f (W ) = u E : f (u) W Note que Nuc f = f ({0E }) e Im f = f (E).
Exerc cio 5.4 Mostre que: (a) f (W ) um subespao vectorial de E . e c (b) f (W ) um subespao vectorial de E. e c

Exemplo 5.8

1. Consideremos a aplicao idE . Tem-se ca Nuc idE = {u E : idE (u) = 0E } = {u E : u = 0E } = {0E } .

2. Consideremos a aplicao nula de E em E , que aqui representamos por 0E,E . Tem-se ca Nuc 0E,E = u E : 0E,E (u) = 0E = {u E : 0E = 0E } = {u E} = E.

168 3. Para a aplicao D : Rn [x] Rn [x] do Exemplo 5.2 tem-se ca Nuc D = {an xn + + a1 x + a0 Rn [x] : D(an xn + + a1 x + a0 ) = 0xn + + 0x + 0} = an xn + + a1 x + a0 Rn [x] : nan xn1 + + 2a2 x + a1 = 0xn + + 0x + 0 = {an xn + + a1 x + a0 Rn [x] : nan = 0 2a2 = 0 a1 = 0} = {an xn + + a1 x + a0 Rn [x] : an = 0 a2 = 0 a1 = 0} = {0xn + + 0x + a0 Rn [x]} = {a0 : a0 R} . 4. Determinemos o ncleo da aplicao f : M22 (R) R2 [x], dada no Exemplo 5.2, por u ca
4

f
4

a c

b d

= (a + b)x2 + 2cx d

para toda a matriz

4

a c

b d

M22 (R).
5 4 5

Nuc f =
4

a c a c

b d b d b d b d

M22 (R) : f
5

a c

b d

= 0x2 + 0x + 0

=
4

M22 (R) : (a + b)x2 + 2cx d = 0x2 + 0x + 0

5

=
4

a c a c

M22 (R) : a + b = 0 2c = 0 d = 0
5

=
4

M22 (R) : a = b c = 0 d = 0
b 0
5

b 0

: bR .

Exerc cio 5.5 Considere os espaos vectoriais reais R4 e R3 e as aplicaes c co f : R4 R3 , denida por f (a, b, c, d) = (a + b, b + c, c + d) e g : R4 R3 , denida por g(a, b, c, d) = (ab, 0, 0). (a) Mostre que f linear. e (b) Determine f (1, 0, 1, 0) e g(0, 0, 0, 0). (c) Averig e se g linear. u e (d) Determine uma base de Nuc f ; (e) Determine uma base de Im f .

Exerc cio 5.6 Considere os espaos vectoriais reais R3 [x] e R3 e a aplicao linear c ca f : R3 [x] R3 , denida por f (ax3 + bx2 + cx + d) = (a + b, b + c, c + d). (a) Determine uma base de Nuc f ; (b) Determine uma base de Im f .

169
Exerc cio 5.7 Considere os espaos vectoriais reais M22 (R) e R. c (a) Mostre que a aplicao f : M22 (R) R denida por f (A) = A11 + A22 , ca para todo A M22 (R), linear. e (b) Diga, justicando, se F = {A M22 (R) : A11 + A22 = 0} subespao e c vectorial de M22 (R). (c) Determine uma base de Nuc f .

Exerc cio 5.8 Considere os espaos vectoriais complexos C5 e C4 e a aplicao linear c ca f : C5 C4 denida por f (a, b, c, d, e) = (a c + 3d e, a + 2d e, 2a c + 5d e, c + d), para qualquer (a, b, c, d, e) C5 . Determine: (a) Uma base de Im f ; (b) Uma base de Nuc f ;
  (c) Uma base de f (F ), sendo F = (1, 1, i, 0, i), (0, 1, 0, 1, 0) .

Exerc cio 5.9 Seja (v1 , v2 , v3 , v4 , v5 ) uma base do espao vectorial real R5 e seja c f : R5 R5 a aplicao linear denida por ca f (av1 + bv2 + cv3 + dv4 + ev5 ) = (a + c + 2d, a + b, a + c + 2d, a + b, a + c + 2d), para quaisquer a, b, c, d, e R. Determine: (a) Uma base de Im f ; (b) Uma base de Nuc f .

Exerc cio 5.10 Seja n R. Considere o espao vectorial real Rn [x] e a aplicao c ca D : Rn [x] Rn [x] denida por D (an xn + + a1 x + a0 ) = nan xn1 + + 2a2 x + a1 , para quaisquer a0 , a1 , . . . , an R (aplicao derivada em Rn [x]). ca (a) Mostre que D linear. e (b) Determine uma base de Nuc D. (c) Determine uma base de Im D.

Tal como a imagem de uma aplicao nos permite saber se a aplicao sobrejectiva, o ca ca e ncleo de uma aplicao linear permite-nos saber se a aplicao injectiva. u ca ca e

Proposio 5.9 Seja f : E E uma aplicao linear. Tem-se f injectiva se, e s se, ca ca e o Nuc f = {0E }. Demonstrao: ca
Suponhamos que f injectiva e demonstremos que Nuc f = {0E }. e Seja u um vector arbitrrio de Nuc f . Como a f (u) = 0E = f (0E ),

170
e f injectiva, conclu e mos que u = 0E . Logo, Nuc f = {0E }. Reciprocamente, suponhamos que Nuc f = {0E } e demonstremos que f injectiva. e Tem-se u,vE f (u) = f (v) = f (u) + (f (v)) = 0E .

Como f linear e f (v) = f (v) obtemos e f (u) + (f (v)) = f (u) + f (v) = f (u + (v)) = 0E e, portanto, u + (v) Nuc f. Dado que Nuc f = {0E } conclu mos que u + (v) = 0E . Logo u = v.

Vejamos agora como as aplicaes lineares se comportam em relao a vectores geradores co ca do espao de partida e a vectores linearmente independentes desse espao. c c

Teorema 5.10 Seja f : E E uma aplicao linear. Tem-se: ca

1. Se v1 , . . . , vs E e E = v1 , . . . , vs ento a Im f = f (v1 ), . . . , f (vs ) . Dizemos ento que f transforma geradores de E em geradores de Im f . a 2. Se u1 , . . . , ur E so linearmente independentes e f injectiva ento f (u1 ), . . . , f (ur ) a e a so linearmente independentes. a Dizemos ento que se f injectiva ento f transforma vectores de E linearmente a e a independentes em vectores de Im f ( E ) linearmente independentes.

171 Demonstrao: ca
1. Seja u um vector arbitrrio de Im f . Assim a uE Como u E e E = v1 , . . . , vs ento a 1 ,...,s K Logo u = f (u) = f (1 v1 + + s vs ) = 1 f (v1 ) + + s f (vs ) e, portanto, u f (v1 ), . . . , f (vs ) . Demonstrmos, pois, que a Im f f (v1 ), . . . , f (vs ) . Reciprocamente, se w f (v1 ), . . . , f (vs ) ento a 1 ,...,s K w = 1 f (v1 ) + + s f (vs ) = f (1 v1 + + s vs ). Como 1 v1 + + s vs E conclu mos que w Im f e, portanto, tambm se tem e f (v1 ), . . . , f (vs ) Im f. Obtemos, pois, como pretend amos que Im f = f (v1 ), . . . , f (vs ) . u = 1 v1 + + s vs . f (u) = u .

a 2. Suponhamos que f : E E linear e injectiva e que u1 , . . . , ur E so e linearmente independentes. Demonstremos que os vectores f (u1 ), . . . , f (ur ) so a linearmente independentes, utilizando o Critrio de Independncia Linear, isto , e e e demonstrando que 1 ,...,r K Notemos que 1 f (u1 ) + + r f (ur ) = 0E = f (1 u1 + + r ur ) = 0E = f (1 u1 + + r ur ) = f (0E ). Como f injectiva podemos armar que se tem e 1 u1 + + r ur = 0E 1 f (u1 ) + + r f (ur ) = 0E = 1 = = r = 0.

172
e como, por hiptese, u1 , . . . , ur so linearmente independentes conclu o a mos, pelo Critrio de Independncia Linear, que e e 1 = = r = 0, conforme pretend amos.

Exerc cio 5.11 Seja f : E E uma aplicao linear e W um subespao de E. ca c Justique que se u1 , . . . , ur E so tais que a W = u1 , . . . , u r ento a f (W ) = f (u1 ), . . . , f (ur ) em que f (W ) = {f (v) : v W } . (Note que tomando W = E se obtm f (E) = Im f e, portanto, resulta a armao 1. do e ca teorema anterior.)

Exerc cio 5.12 Seja f : E E uma aplicao linear. Mostre que: ca (a) f injectiva se, e s se, transforma vectores de E linearmente independentes e o em vectores de Im f (e, portanto, de E ) linearmente independentes. (b) f sobrejectiva se, e s se, transforma geradores de E em geradores de E . e o

Notemos que a armao 1. do teorema anterior vlida quando E nitamente gerado, ca e a e isto , quando E tem dimenso nita. De acordo com 1. se (e1 , . . . , en ) uma base de E e a e ento a Im f = f (e1 ), . . . , f (en ) . Conforme explicmos no Cap a tulo 4, conhecendo geradores para um espao vectorial E poc demos chegar a uma base desse espao eliminando desse conjunto gerador k vectores, com c k 0. Assim, Im f tambm de dimenso nita e e e a dim Im f n = dim E. Notemos que, como Nuc f um subespao de E, se E tem dimenso nita ento Nuc f e c a a tambm tem dimenso nita e e a dim Nuc f dim E. Na verdade, se E tem dimenso nita ento as dimenses de E, Nuc f e Im f esto relaa a o a cionadas conforme estabelece o resultado que seguidamente apresentamos e que conhecido e por Teorema da Dimenso. a

173 Teorema 5.11 (Teorema da Dimenso) Se f : E E uma aplicao linear, com a e ca E de dimenso nita, ento Nuc f e Im f tambm tm dimenso nita e a a e e a dim E = dim Nuc f + dim Im f.

Demonstrao: ca
A justicao de que se E tem dimenso nita o mesmo sucede a Im f e a Nuc f ca a foi feita na discusso que precede este teorema. a Demonstremos ento que a dim E = dim Nuc f + dim Im f. Seja n = dim E. e Caso 1: Nuc f = {0E }, ou equivalentemente, f injectiva. Se (e1 , . . . , en ) uma base de E ento podemos armar que e a f (e1 ), . . . , f (en ) uma base de Im f , pois Im f = f (e1 ), . . . , f (en ) e, como f injectiva, f transe e forma vectores linearmente independentes em vectores linearmente independentes. Assim dim Nuc f = 0 pelo que dim E = dim Nuc f + dim Im f. e dim Im f = n = dim E

e e ca Caso 2: Nuc f = E, isto , f a aplicao nula de E em E . Neste caso tem-se, dim Nuc f = dim E. Como Im f = {0E }, conclu mos que dim Im f = 0 e, portanto, dim E = dim Nuc f + dim Im f.

Caso 3: dim Nuc f = p, com 1 p n 1. Seja (v1 , . . . , vp ) uma base de Nuc f . Note que f (v1 ) = = f (vp ) = 0E . Pelo Teorema do Complemento (Teorema 4.38) sabemos que existem vectores w1 , . . . , wnp E tais que (v1 , . . . , vp , w1 , . . . , wnp ) uma base de E. e

174
Tem-se Im f = f (v1 ), . . . , f (vp ), f (w1 ), . . . , f (wnp ) = 0E , . . . , 0E , f (w1 ), . . . , f (wnp ) = f (w1 ), . . . , f (wnp ) . Vejamos que f (w1 ), . . . , f (wnp ) so linearmente independentes e, portanto, que a dim Im f = n p. Sejam 1 , . . . , np K tais que 1 f (w1 ) + + np f (wnp ) = 0E e demonstremos que 1 = = np = 0. A igualdade 1 f (w1 ) + + np f (wnp ) = 0E pode escrever-se na forma f (1 w1 + + np wnp ) = 0E pelo que 1 w1 + + np wnp Nuc f. Como (v1 , . . . , vp ) uma base de Nuc f existem 1 , . . . , p K tais que e 1 w1 + + np wnp = 1 v1 + + p vp . Logo (1 )v1 + + (p )vp + 1 w1 + + np wnp = 0E e, dado que (v1 , . . . , vp , w1 , . . . , wnp ) uma base de E, podemos armar que e e uma sequncia linearmente independente e, portanto, e (1 ) = = (p ) = 1 = = np = 0. Neste caso tem-se, pois, dim E = n, dim Nuc f = p e dim Im f = n p.

Assim, continua a vericar-se que dim E = dim Nuc f + dim Im f.

Exerc cio 5.13 Sejam E e E espaos vectoriais sobre K de dimenso nita e f : E E c a uma aplicao linear. Mostre que: ca (a) Se dim E < dim E ento f no sobrejectiva; a a e (b) Se dim E > dim E ento f no injectiva. a a e

175
Exerc cio 5.14 Sejam E um espao vectorial sobre K e (e1 , . . . , en ) uma base de E. c Seja f : E E uma aplicao linear, tal que ca f (e1 ) = e2 , f (e2 ) = e3 , . . . , f (en1 ) = en e f (en ) = 0E . Determine, justicando, a dimenso de Nuc f . a

Como consequncia do Teorema da Dimenso obtemos e a

Proposio 5.12 Se f : E E uma aplicao linear com dim E = n = dim E ento ca e ca a f injectiva se, e s se, f sobrejectiva. e o e

Demonstrao: ca
Suponhamos que f : E E uma aplicao linear, com dim E = n = dim E . e ca Armar que f injectiva equivale a armar que Nuc f = {0E } ou, ainda, que e dim Nuc f = 0. Como dim E = dim Nuc f + dim Im f conclu mos que a armao ca dim Nuc f = 0 equivalente a e dim E = dim Im f. Dado que dim E = dim E , tem-se dim E = dim Im f se, e s se, o dim E = dim Im f.

Vejamos que a igualdade anterior equivalente a e Im f = E .

Uma das implicaes trivial. Demonstremos ento que se dim Im f = dim E co e a ento Im f = E . Trata-se de aplicar a Proposio 4.40, uma vez que Im f um a ca e subespao de E e dim Im f = dim E . c Demonstrmos, ento, que f injectiva se, e s se, Im f = E , ou equivalentemente, a a e o f sobrejectiva. e

Finalizaremos esta seco com um resultado que, tal como os dois resultados anteriores, ca vlido apenas quando E tem dimenso nita. e a a

176 Teorema 5.13 (Teorema da Extenso Linear) Sejam E e E espaos vectoriais, com a c dim E = n. Seja B = (e1 , . . . , en ) uma base de E e sejam u1 , . . . , un vectores arbitrrios de a E . Existe uma, e uma s, aplicao linear f : E E tal que o ca f (e1 ) = u1 . . . f (en ) = un ou equivalentemente, f (ei ) = ui , i = 1, . . . , n. Demonstrao: ca
Como B = (e1 , . . . , en ) uma base de E, podemos armar que, e uE 1 ,...,n K u = 1 e1 + + n en

sendo 1 , . . . , n unicos. De facto, (1 , . . . , n ) a sequncia das coordenadas do e e vector u na base B = (e1 , . . . , en ). Considere-se a aplicao f : E E tal que ca uE f (u) = 1 u1 + + n un ,

sendo (1 , . . . , n ) a sequncia das coordenadas de u na base B = (e1 , . . . , en ). e Notemos que f , de facto, uma aplicao de E em E pois cada elemento de E e ca tem uma, e uma s, imagem em E . o Demonstremos que f (e1 ) = u1 . . . f (en ) = un isto , que e f (ei ) = ui , i = 1, . . . , n. Como ei = 0e1 + + 0ei1 + 1ei + 0ei+1 + + 0en , a sequncia das coordenadas e do vector ei na base B = (e1 , . . . , en ) (0, . . . , 0, 1, 0, . . . , 0) com o 1 na i-sima e e posio. Assim ca f (ei ) = 0u1 + + 0ui1 + 1ui + 0ui+1 + + 0un = ui , i = 1, . . . , n, conforme pretend amos.

177
Demonstremos que f linear. Tem-se e u,vE f (u + v) = f (1 e1 + + n en ) + (1 e1 + + n en ) = f (1 + 1 )e1 + + (n + n )en = (1 + 1 )u1 + + (n + n )un = (1 u1 + + n un ) + (1 u1 + + n un ) = f (1 e1 + + n en ) + f (1 e1 + + n en ) = f (u) + f (v).

K uE

f (u) = f (1 e1 + + n en ) = f (1 )e1 + + (n )en = (1 )u1 + + (n )un = (1 u1 ) + + (n un ) = (1 u1 + + n un ) = f (1 e1 + + n en ) = f (u),

e, portanto, f linear. e Finalmente, demonstremos que f a unica aplicao linear nas condies pretene ca co didas demonstrando que se existisse uma aplicao linear g : E E tal que ca g(ei ) = ui , ento ter-se-ia g = f . a f e g so aplicaes com o mesmo conjunto de partida (E) e o mesmo conjunto de a co chegada (E ). Para demonstrar que so iguais falta apenas vericar que a uE Tem-se uE 1 ,...,n K u = 1 e1 + + n en f (u) = g(u). i = 1, . . . , n,

a co com 1 , . . . , n unicos. Como f e g so aplicaes lineares e para i = 1, . . . , n se tem f (ei ) = ui = g(ei ) resulta que uE f (u) = f (1 e1 + + n en ) = 1 f (e1 ) + + n f (en ) = 1 g(e1 ) + + n g(en ) = g(1 e1 + + n en ) = g(u).

178
Conclu mos, ento, que g = f . a

Exerc cio 5.15 Diga, justicando, se (a) existe uma aplicao linear f : R4 R3 , tal que ca
h i Nuc f = (0, 1, 1, 0), (1, 1, 1, 1)

(1, 1, 1) Im f ;

(b) existe uma aplicao linear h : R4 R4 , tal que ca

h i Im h = (1, 0, 0, 1), (0, 1, 1, 0), (0, 1, 2, 0)

dim Nuc h = 2.

5.3

Composio de aplicaes. Aplicaes invert ca co co veis/bijectivas

Seja A um conjunto. Representamos por idA , e designamos por identidade de A, a aplicao ca denida por: idA : A A e aA idA (a) = a.

Sejam A, B e C conjuntos e f : A B e g : B C aplicaes. Recorde que podemos co denir uma operao de composio de aplicaes que a f e g faz corresponder a aplicao ca ca co ca que se designa por g aps f , e se representa por g f , denida por o g f : A C e aA (g f )(a) = g(f (a)).

Exerc cio 5.16 Sejam A, B, C, D conjuntos. Verique que: (a) Para qualquer aplicao f : A B se tem ca f idA = f e idB f = f.

(b) Quaisquer que sejam f : A B e g : B C injectivas ento g f a e injectiva. (c) Quaisquer que sejam f : A B e g : B C sobrejectivas ento g f a e sobrejectiva. (d) Quaisquer que sejam f : A B e g : B C bijectivas ento g f a e bijectiva. (e) Se f : A A e g : A A ento g f e f g esto ambas denidas e a a g f : A A e f g : A A, mas pode ter-se g f = f g. (f) Quaisquer que sejam f : A B, g : B C e h : C D tem-se (h g) f = h (g f ).

179

Denio 5.14 Uma aplicao f : A B diz-se invert ca ca vel se existe uma aplicao ca g : B A tal que f g = idB e g f = idA .

Demonstra-se, facilmente, que: 1. Uma aplicao f : A B invert se, e s se, f bijectiva. ca e vel o e 2. Se uma aplicao f : A B invert (isto , bijectiva) ento existe uma, e uma ca e vel e a s, aplicao g : B A tal que o ca f g = idB e g f = idA .

Tal aplicao diz-se a (aplicao) inversa de f e representa-se por f 1 . ca ca Obviamente tem-se f f 1 = idB , f 1 f = idA e f 1
1

= f.

Exerc cio 5.17 Demonstre que se f : A B e g : B C so invert a veis o mesmo sucede ` aplicao g f tendo-se a ca (g f )1 = f 1 g 1 .

Tudo o que nesta seco foi j referido para aplicaes arbitrrias vlido para aplicaes ca a co a e a co lineares. Pode, no entanto, colocar-se o problema de saber se uma aplicao obtida por ca composio de duas aplicaes lineares , ainda, linear e se a inversa de uma aplicao linear ca co e ca invert , ainda, linear. Tem-se: vel e

Proposio 5.15 ca

1. A aplicaao obtida por composio de duas aplicaes lineares , c ca co e

ainda, uma aplicao linear. ca 2. A inversa de uma aplicao linear invert , ainda, uma aplicao linear. ca vel e ca Demonstrao: ca
1. Sejam E, E e E espaos vectoriais sobre K e sejam f : E E e c g : E E aplicaes lineares. Demonstremos que a aplicao co ca g f : E E tal que uE (g f )(u) = g(f (u))

180
uma aplicao linear. e ca Tem-se u,vE (g f )(u + v) = g(f (u + v)) = g(f (u) + f (v)) = g(f (u)) + g(f (v)) = (g f )(u) + (g f )(v) e K uE (g f )(u) = g(f (u)) = g(f (u)) = (g(f (u))) = (g f )(u) e, portanto, g f uma aplicao linear. e ca 2. Seja f : E E uma aplicao linear invert ca vel (ou equivalentemente, bijectiva) e seja f 1 : E E a sua inversa. Demonstremos que f 1 linear, e utilizando a armao 3. do Exerc 5.1, isto , demonstrando que ca cio e ,K u ,v E f 1 (u + v ) = f 1 (u ) + f 1 (v ).

Recordemos que, como f , em particular, injectiva se e f (w) = f (z) = w = z. Logo, basta demonstrar que ,K u ,v E Tem-se f f 1 (u + v ) = f f 1 (u + v ) = idE (u + v ) = u + v e f f 1 (u ) + f 1 (v ) = f f 1 (u ) + f f 1 (v ) = f f 1 (u ) + f f 1 (v ) = f f 1 (u ) + f f 1 (v ) = idE (u ) + idE (v ) = u + v f f 1 (u + v ) = f f 1 (u ) + f 1 (v ) .

181
e, portanto, f 1 , ainda, uma aplicao linear. e ca

Denio 5.16 Uma aplicao f : E E linear e bijectiva/invert ca ca vel diz-se um isomorsmo entre E e E . Dizemos que E isomorfo a E , e representamos por E e smo entre E e E . Se f for um isomorsmo entre E e E escrevemos ento E E . a
f

E , se existe um isomor-

Exerc cio 5.18 Sejam E, E e E sobre C). Mostre que: (a) E E. (b) Se E E ento E a (c) Se E E e E E

espaos vectoriais sobre K (todos sobre R ou todos c

E. (Dizemos ento que E e E so isomorfos.) a a ento E E . a

Teorema 5.17 Sejam E e E espaos vectoriais, com E de dimenso nita. Tem-se: c a

1. Se E e E so isomorfos ento E tem dimenso nita e dim E = dim E . a a a 2. Se E tem dimenso nita e dim E = dim E ento E e E so isomorfos. a a a

Demonstrao: ca
Suponhamos que dim E = n e seja B = (e1 , . . . , en ) uma base de E. 1. Se E e E so isomorfos ento existe uma aplicao linear e bijectiva f : E E . a a ca Como E = e1 , . . . , en , de acordo com o Teorema 5.10, tem-se Im f = f (e1 ), . . . , f (en ) . Mas, como f injectiva e e1 , . . . , en so linearmente independentes conclu e a mos que f (e1 ), . . . , f (en ) so linearmente independentes e, portanto, a (f (e1 ), . . . , f (en )) uma base de Im f . e Dado que f tambm sobrejectiva, ento Im f = E e, portanto, (f (e1 ), . . . , f (en )) e e a uma base de E . e Conclu mos pois que E tem dimenso nita e dim E = n = dim E . a

182
2. Por hiptese dim E = dim E = n. Seja B = (e1 , . . . , en ) uma base de E . o Pelo Teorema da Extenso Linear (Teorema 5.13) existe uma, e uma s, aplicao a o ca linear f : E E tal que f (ei ) = ei , Como Im f = f (e1 ), . . . , f (en ) = e1 , . . . , en = E conclu mos que tal aplicao sobrejectiva. ca e De acordo com a Proposio 5.12, como dim E = n = dim E e f injectiva ento ca e a f tambm sobrejectiva. e e Logo f linear e bijectiva e, portanto, um isomorsmo entre E e E . e e i = 1, . . . , n.

Atendendo ao teorema anterior podemos armar que: Dois espaos vectoriais de dimenso nita so isomorfos se, e s se, tm a mesma dic a a o e menso. a 1. M23 (R) e R6 so isomorfos porque tm ambos dimenso nita e a e a dim M23 (R) = 6 = dim R6 . Por exemplo, a aplicao ca f : M23 (R) R6 tal que 4
a d b e c f
5 4 5

Exemplo 5.18

a d

b e

c f

= (a, b, c, d, e, f )

M23 (R)

um isomorsmo entre M23 (R) e R6 . (Verique.) e 2. Rn [x] e Rn+1 so isomorfos porque tm ambos dimenso nita e a e a dim Rn [x] = n + 1 = dim Rn+1 . Por exemplo, a aplicao ca g : Rn [x] Rn+1

183 tal que an xn ++a1 x+a0 Rn [x] g(an xn + + a1 x + a0 ) = (an , . . . , a1 , a0 )

um isomorsmo entre Rn [x] e Rn+1 . (Verique.) e

Exerc cio 5.19 Justique que M22 (R) e R3 [x] so isomorfos e indique um isomorsmo a entre M22 (R) e R3 [x].

5.4

Matriz de uma aplicao linear ca

No que vai seguir-se suporemos que os espaos vectoriais E e E so ambos de dimenso c a a nita, com dim E = n 1 e dim E = m 1. Sabemos que se f : E E uma aplicao linear ento podemos determinar a e ca a imagem de qualquer vector de E conhecendo apenas as imagens dos vectores de uma base B = (e1 , . . . , en ) de E. Por sua vez, cada vector f (ej ) E , j = 1, . . . , n, ca perfeitamente determinado se conhecermos a sequncia das suas coordenadas em relao a uma base B = (e1 , . . . , em ) de e ca E . De facto, se (1 , . . . , m ) a sequncia das coordenadas de f (ej ) na base B ento e e a f (ej ) = 1 e1 + + m em , j = 1, . . . , n.

Pensemos que a sequncia das coordenadas de f (ej ) so a coluna j de uma matriz. Tem-se e a ento a

Denio 5.19 Seja f : E E uma aplicao linear. Sejam B = (e1 , . . . , en ) uma ca ca base de E e B = (e1 , . . . , em ) uma base de E . Designa-se por matriz de f em relao `s bases B e B (por esta ordem), e ca a representa-se por M(f ; B, B ), a matriz A = [aij ] Mmn (K) cuja coluna j, j = 1, . . . , n, a sequncia das coordee e nadas de f (ej ) na base B . Assim f (ej ) = a1j e1 + + amj em , j = 1, . . . , n.

184 Exemplo 5.20 1. Considere a aplicao idE e seja B = (e1 , . . . , en ) uma base arbitrria de ca a

E. Determinemos M(idE ; B, B). Tem-se idE (e1 ) = e1 = 1e1 + 0e2 + 0e3 + + 0en1 + 0en idE (e2 ) = e2 = 0e1 + 1e2 + 0e3 + + 0en1 + 0en . . . idE (en ) = en = 0e1 + 0e2 + 0e3 + + 0en1 + 1en

pelo que M(idE ; B, B) =

P T T T T T T R

1 0 . . . 0

0 1 . . . 0

.. .

0 0 . . . 1

U U U U U U S

= In , com n = dim E.

Se em E considerarmos a base B = (e1 , e1 + e2 , e2 + e3 , . . . , en1 + en ) (verique que e base) teremos

P T T T T T T T T T T T R

1 0 0 . . . 0 0

1 1 0 . . . 0 0

0 1 1 . . . 0 0

.. .

0 0 0 . . . 1 0

M(idE ; B , B) =

U 0 U U U 0 U U . U. . U . U U 1 U S 1

2. Seja f : R3 R2 a aplicao linear tal que ca (a,b,c)R3 f (a, b, c) = (2a + b, c).

Sejam B = (1, 1, 2), (0, 2, 6), (0, 0, 4) e B = (1, 0), (0, 2) bases de R3 e R2 , respectivamente. Determinemos M(f ; B, B ). Tem-se f (1, 1, 2) f (0, 2, 6) = (3, 2) = 3(1, 0) + (-1)(0, 2) = (2, 6) = 2(1, 0) + (-3)(0, 2) (0, 4) = 0(1, 0) +
4 5

f (0, 0, 4) = pelo que

2(0, 2)

M(f ; B, B ) =

3 1

2 3

0 2

185 Sendo f : E E uma aplicao linear e B e B bases de E e E , respectivamente, ca vejamos agora como utilizar M(f ; B, B ) para determinar a imagem por f de qualquer vector de E.

Proposio 5.21 Seja f : E E uma aplicao linear. Sejam B = (e1 , . . . , en ) uma ca ca base de E, B = (e1 , . . . , em ) uma base de E e A = M(f ; B, B ). Se (1 , . . . , n ) a sequncia das coordenadas de um vector u E na base B ento a e e a sequncia das coordenadas de f (u) na base B (1 , . . . , m ) tal que e e
P T AT T R Q U U U S P Q U U U. S

1 . . . n

T T T R

1 . . . m

Demonstrao: ca
Seja A = [aij ] Mmn (K). Sabemos que f (ej ) = a1j e1 + + amj em , Pretendemos calcular f (u), para qualquer u E. Como (e1 , . . . , en ) uma base de E existem 1 , . . . , n K, unicos, tais que e u = 1 e1 + + n en . Logo f (u) = f (1 e1 + + n en ) = 1 f (e1 ) + + n f (en ) = 1 (a11 e1 + + am1 em ) + + n (a1n e1 + + amn em ) = (1 a11 + + n a1n )e1 + + (1 am1 + + n amn )em = (a11 1 + + a1n n )e1 + + (am1 1 + + amn n )em . Assim, a sequncia das coordenadas de f (u) na base B = (e1 , . . . , em ) e e (a11 1 + + a1n n ), . . . , (am1 1 + + amn n ) . Como
P T T R QP 1 UT . T . UT SR . n Q U U U S P Q U U U S

j = 1, . . . , n.

a11 am1

a1n amn

=T T
R

a11 1 + + a1n n . . . am1 1 + + amn n

est demonstrado o que pretend a amos.

186 Exemplo 5.22 Sejam B = (1, 1, 2), (0, 2, 6), (0, 0, 4) uma base de R3 , B = (1, 0), (0, 2)

uma base de R2 e considere-se a aplicao linear f : R3 R2 tal que ca

4

A = M(f ; B, B ) =

3 1

2 3

0 2

Determinemos f (1, 3, 6). Comecemos por determinar a sequncia das coordenadas do vector u = (1, 3, 6) na e base B. Tem-se

(1, 3, 6) = 1 (1, 1, 2) + 2 (0, 2, 6) + 3 (0, 0, 4)

com 1 = 1

1 + 22 = 3

21 + 62 43 = 6

Vericamos facilmente que a sequncia das coordenadas do vector u na base B (1, 2, 1), e e isto , e (1, 3, 6) = 1(1, 1, 2) + (-2)(0, 2, 6) + (-1)(0, 0, 4). Assim, de acordo com a Proposio 5.21, a sequncia das coordenadas de f (u), na base ca e B , (1, 3) pois e
Q 1 T U AT 2 U R S 1 P 4 P Q 5 1 T U T 2 U R S 2 1

3 1

2 3

1 3

Se (1, 3) a sequncia das coordenadas de f (u) na base B = (1, 0), (0, 2) ento e e a ter-se- a

f (u) = -1(1, 0) + 3(0, 2) = (1, 6),

que o vector pretendido. e

187
Exerc cio 5.20 Sejam R3 e R2 espaos vectoriais reais e f : R3 R2 a aplicao linear c ca denida por f (a, b, c) = (a + b, b + c). Considere as bases de R3 B1 = b. c.R3 , e as bases de R2 B1 = b. c.R2 , onde b. c. signica base cannica. o (a) Calcule f (1, 2, 3). (b) Determine M f ; B1 , B1 . (c) Determine M f ; B2 , B1 . (d) Determine M f ; B1 , B2 . (e) Determine M f ; B2 , B2 . (f) Diga, justicando, se (i) g sobrejectiva; e (ii) g injectiva. e
  B2 = (0, 1, 0), (1, 0, 1), (1, 0, 0)   B2 = (1, 1), (1, 0)

Calcule f (1, 2, 3) utilizando esta matriz. Calcule f (1, 2, 3) utilizando esta matriz. Calcule f (1, 2, 3) utilizando esta matriz. Calcule f (1, 2, 3) utilizando esta matriz.

Como consequncia imediata do resultado anterior, no caso particular e E=E tem-se e f = idE

Proposio 5.23 Sejam B e B bases de E e seja u E. Se (1 , . . . , n ) a sequncia das ca e e coordenadas de u na base B ento a sequncia das coordenadas de u na base B (1 , . . . , n ) a e e com M(idE ; B, B
P T )T T R

1 . . . n

Q U U U S

T T T R

1 . . . n

Q U U U. S

Denio 5.24 Se B e B so bases de E designamos por matriz de mudana de ca a c base (B, B ) a matriz M(idE ; B, B ).

Notemos que, de acordo com a proposio anterior, a matriz de mudana de base (B, B ) ca c nos permite relacionar as coordenadas de um vector, na base B, com as suas coordenadas, na base B .

Exemplo 5.25 uma base de E.

Seja E um espao vectorial sobre R de dimenso 3 e seja B = (e1 , e2 , e3 ) c a

188 A sequncia B = (e1 , e2 , e3 ) com e e1 = e1 + e2 e3 , tambm uma base de E. (Verique.) e e Seja, por exemplo, w = 2e1 + 1e2 3e3 . A sequncia das coordenadas de w, na base B , e e (2, 1, 3). Determinemos a sequncia das coordenadas de w, na base B. e Sem utilizar matrizes de mudana de base ter-se-ia: c w = 2e1 + 1e2 3e3 = 2(e1 + e2 e3 ) + 1(e2 + e3 ) 3(2e3 ) = 2e1 + 3e2 7e3 e, portanto, a sequncia das coordenadas de w, na base B, e e (2, 3, 7). Um processo alternativo, para resolver o problema, determinar a matriz de mudana e c de base (B , B), isto , e M(idE ; B , B). Tem-se idE (e1 ) = e1 = 1e1 + 1e2 + (-1)e3 idE (e2 ) = e2 = 0e1 + 1e2 + idE (e3 ) = e3 = 0e1 + 0e2 + pelo que
P

e2 = e2 + e3

e3 = 2e3

1e3 2e3
Q

M(idE ; B , B) = T R De acordo com a proposio anterior teremos ca

P T T R

1 1 1

0 1 1

U 0 U. S 2

1 1 1

0 1 1

Q 2 UT U 0 UT 1 U SR S 2 3

QP

T T R

U 3 U S 7

189 e, portanto, a sequncia das coordenadas de w, na base B, e e (2, 3, 7). Se pretendermos a sequncia das coordenadas, na base B, do vector e z = 1 e1 + 2 e2 + 3 e3 proceder amos de forma idntica. Como e
P T T R QP Q P Q U U S

1 1 1

0 1 1

UT U 0 UT 2 U SR S 2 3

=T R

1 1 + 2 1 + 2 + 23

a sequncia das coordenadas, na base B, do vector z e e (1 , 1 + 2 , 1 + 2 + 23 ).

No Cap tulo 1 pareceu-nos natural denir a adio de matrizes como uma operao ca ca que associa a quaisquer duas matrizes do mesmo tipo uma matriz do mesmo tipo obtida adicionando os elementos homlogos. o Neste sentido, surgiu ainda de forma natural a denio de multiplicao de um escalar ca ca por uma matriz. Teorema 5.26 Sejam f : E E e g : E E aplicaes lineares e K. Seja B uma co base de E e seja B uma base de E . Se M(f ; B, B ) = A ento a M(f + g; B, B ) = A + B Demonstrao: ca
Exerc cio.

M(g; B, B ) = B

M(f ; B, B ) = A.

Contrariamente `s operaes anteriormente referidas de adio de matrizes e de multia co ca plicao de um escalar por uma matriz, a denio de multiplicao de matrizes no surge ca ca ca a de forma natural. Conforme referimos na altura, essa denio tem uma motivao que s agora estamos ca ca o em condies de compreender. co

190 Teorema 5.27 Sejam f : E E e g : E E aplicaes lineares. Sejam B, B e B co bases, respectivamente, de E, E e E . Se M(f ; B, B ) = A ento a M(g f ; B, B ) = BA, isto , e M(g; B , B )M(f ; B, B ) = M(g f ; B, B ). Demonstrao: ca
Sejam n = dim E, m = dim E e p = dim E . Consideremos B = (e1 , . . . , en ), B = (e1 , . . . , em ) e B = (e1 , . . . , ep )

M(g; B , B ) = B

bases de E, E e E , respectivamente. Seja C = M(g f ; B, B ) e demonstremos que C = BA. Pela denio de matriz de uma aplicao linear tem-se ca ca M(f ; B, B ) = A = [aij ] Mmn (K), M(g; B , B ) = B = [bij ] Mpm (K) e M(g f ; B, B ) = C = [cij ] Mpn (K). Assim, C e BA pertencem ambas a Mpn (K). Demonstremos, nalmente, que cij = (BA)ij . cij , sendo o elemento da posio (i, j) da matriz M(g f ; B, B ), a i-sima ca e e coordenada do vector (g f )(ej ) em relao ` base B . Como ca a (g f )(ej ) = g (f (ej )) = g(a1j e1 + + amj em ) = a1j g(e1 ) + + amj g(em ) = a1j (b11 e1 + + bp1 ep ) + + amj (b1m e1 + + bpm ep )

tem-se cij = a1j bi1 + + amj bim = bi1 a1j + + bim amj .

191
Assim cij = (BA)ij , conforme pretend amos demonstrar.

Proposio 5.28 Toda a matriz de mudana de base invert e se ca c e vel A = M(idE ; B, B ) ento a A1 = M(idE ; B , B). Demonstrao: ca
Basta atender a que, pelo teorema anterior, se tem M(idE ; B, B )M(idE ; B , B) = M(idE idE ; B , B ) = M(idE ; B , B ) = In , com n = dim E.

Exerc cio 5.21 Seja f : E E uma aplicao linear. Sejam B uma base de E, B ca uma base de E e A = M(f ; B, B ). Justique que: (a) A invert e vel se, e s se, f invert o e vel. (b) Nas condies de (a) se tem A1 = M(f 1 ; B , B). (Note a troca da co ordem das bases.)

Sabemos que se f : E E uma aplicao linear, em geral, a matriz de f , em relao e ca ca a bases de E e E , respectivamente, muda quando, quer em E quer em E , as bases mudam. Apesar de tais matrizes serem, em geral, diferentes, por serem matrizes da mesma aplicao ca linear f esto relacionadas. Vejamos como. a

Teorema 5.29 Seja f : E E uma aplicao linear. Sejam B1 e B2 bases de E e sejam ca B1 e B2 bases de E . Se M(f ; B1 , B1 ) = A1 e M(f ; B2 , B2 ) = A2

192 ento a A2 = P A1 Q em que P = M(idE ; B1 , B2 ) e Q = M(idE ; B2 , B1 ),

isto , P a matriz de mudana de base (B1 , B2 ) e Q a matriz de mudana de base (B2 , B1 ). e e c e c Demonstrao: ca
Consideremos o seguinte diagrama idE E B2 E E B1 f E E B1 idE EE  B2 .

idE f idE = f Atendendo ao Teorema 5.27 podemos concluir facilmente o que pretendemos.

Exerc cio 5.22 Sejam R3 e R2 espaos vectoriais reais e f : R3 R2 a aplicao linear c ca tal que ! 1 1 0 , M (f ; b. c.R3 , b. c.R2 ) = 0 1 1 onde b. c. signica base cannica. Considere as bases o
    B = (0, 1, 0), (1, 0, 1), (1, 0, 0) e B = (1, 1), (1, 0)

de R3 e R2 , respectivamente. Utilizando matrizes de mudana de base, determine: c (a) M (f ; B, b. c.R2 ). (b) M (f ; b. c.R3 , B ). (c) M (f ; B, B ).

Observaes: co (1) Em relao ao teorema anterior, note que se dim E = n e dim E = m ento ca a A1 , A2 Mmn (K), P Mmm (K) e Q Mnn (K).

(2) O teorema anterior sugere a seguinte denio para matrizes que se relacionam de ca forma idntica ` das matrizes A1 e A2 referidas anteriormente. e a Denio 5.30 Sejam A, B Mmn (K). Dizemos que A equivalente a B se ca e existem matrizes invert veis P Mmm (K) e Q Mnn (K) tais que B = P AQ.

193 Note que se A equivalente a B ento tambm B equivalente a A (porqu?) e, por e a e e e isso, dizemos apenas que A e B so equivalentes. a (3) Consideremos o seguinte caso particular do teorema anterior: E=E, Se A1 = M(f ; B1 , B1 ) ento a A2 = P A1 P 1 em que P = M(idE ; B1 , B2 ) e M(idE ; B2 , B1 ) = P 1 . e A2 = M(f ; B2 , B2 ) B1 = B1 e B2 = B2 .

Denio 5.31 Sejam A, B Mnn (K). Dizemos que A semelhante a B se ca e existe uma matriz invert P Mnn (K) tal que vel B = P AP 1 .

Esta noo de semelhana, caso particular de equivalncia de matrizes, surgir tambm ca c e a e no cap tulo seguinte, aquando do estudo da diagonalizao de matrizes. ca (4) Sendo E e E espaos vectoriais de dimenso nita, pode demonstrar-se (o que no c a a faremos), que dada uma aplicao linear f : E E , a dimenso de Im f igual ca a e a ` caracter stica de qualquer uma das matrizes que representa f em relao a bases ca xadas de E e E , respectivamente. Caso seja necessrio, utilize esse resultado, para resolver os exerc a cios seguintes.

Exerc cio 5.23 Considere o espao vectorial real R3 e a aplicao linear g : R3 R3 c ca denida por g(a, b, c) = (3a + 6b, a b + 3c, 2a 3b c), para qualquer (a, b, c) R3 . (a) Determine M(g; b. c., b. c.), onde b. c. signica base cannica. o (b) Determine os valores de k para os quais o vector (k, 2 + k, 1) Im g. (c) Diga, justicando, se (i) g sobrejectiva; e (ii) g injectiva. e (d) Determine uma base de Im g.

194
Exerc cio 5.24 Sejam E e E espaos vectoriais reais, B = (e1 , e2 , e3 ) uma base de E, c B = (v1 , v2 , v3 , v4 ) uma base de E e f : E E , g : E E aplicaes lineares denidas co por V V b g(v1 ) = 0E b ` ` f (e1 ) = 2v1 + v2 v4 g(v2 ) = e2 + e3 f (e2 ) = v1 + v3 . e b g(v3 ) = e1 + e3 X b f (e3 ) = v2 v4 X g(v4 ) = e1 e2 + 2e3 (a) Diga, justicando, se (i) f sobrejectiva; e (ii) f injectiva. e (b) Determine dim Nuc g e dim Im g. (c) Determine M(f g; B , B ).

Exerc cio 5.25 Sejam (u1 , u2 , u3 ) uma base do espao vectorial real R3 e f : R3 R3 c a aplicao linear denida por ca f (au1 + bu2 + cu3 ) = (a + b + c)u1 + (2a + b c)u2 + (a b c)u3 , para quaisquer a, b, c R. (a) Determine M(f ; (ui ), (ui )). (b) Diga, justicando, se f sobrejectiva. e (c) Diga, justicando, se f injectiva. e (d) Determine uma base de Nuc f . (e) Seja (w1 , w2 , w3 ) uma base de R3 , tal que u1 = w1 + w2 + w3 , u2 = w1 + 2w2 + w3 Determine M(f ; (wi ), (ui )). (f) Diga, justicando, se M(f ; (wi ), (ui )) invert e vel. e u3 = w 1 .

Exerc cio 5.26 Sejam E um espao vectorial real, (u1 , u2 , u3 ) e (w1 , w2 , w3 ) bases de c E. Considere em R4 a base (e1 , e2 , e3 , e4 ), onde e1 = (1, 1, 1, 1), e2 = (1, 1, 1, 0), e3 = (1, 1, 0, 0) e e4 = (1, 0, 0, 0). Seja f : R4 E uma aplicao linear, tal que ca 1 M(f ; (ei ), (uj )) = R 1 1 (a) Determine f (1, 0, 1, 2). (b) Sabendo que M(idE ; (wj ), (uj )) =
P

1 2 1

1 0 1

Q 1 3 S. 1

1 R 1 1

1 2 1

Q 1 0 S, 0

determine

M(f ; (ei ), (wj )).

195
Exerc cio 5.27 Sejam E um espao vectorial real e (u1 , u2 , u3 ) uma sua base. Considere c a aplicao linear f : R5 E denida por ca f (a, b, c, d, e) = (b c + d)u1 + (2a + b + 3c 3d)u2 + (b + c d)u3 , para quaisquer a, b, c, d, e R. (a) Determine M(f ; b. c., (ui )). (b) Determine uma base de Im f . (c) Considere os vectores de R5 w1 = (2, 2, 0, 2, 2), w2 = (1, 1, 1, 0, 1) e w3 = (0, 0, 0, 0, 1). Mostre que (w1 , w2 , w3 ) base de Nuc f . e (d) Determine uma base de R5 que inclua os vectores w1 , w2 e w3 . (e) Sendo B a base obtida em (d), determine M(f ; B, (ui )).

Exerc cio 5.28 Sejam (u1 , u2 , u3 , u4 ) uma base do espao vectorial real R4 e c f : R4 R3 a aplicao linear, tal que ca
P

M(f ; (ui ), b. c.) = R

1 0 1

2 1 0

1 1 1

Q 1 0 S. 1

(a) Diga, justicando, se (i) f injectiva; e (ii) f sobrejectiva. e (b) Determine uma base de Nuc f .

Exerc cio 5.29 Sejam E um espao vectorial de dimenso nita sobre K e f : E E c a uma aplicao linear, tal que se tem Im f = Im(f f ). Mostre que ca E = Nuc f + Im f e Nuc f = Nuc(f f ).

Exerc cio 5.30 Sejam E um espao vectorial sobre K de dimenso n 1 e f : E E c a uma aplicao linear. Mostre que as armaes seguintes so equivalentes: ca co a (a) Im f = Nuc f ; (b) A aplicao f no nula, f f a aplicao linear nula, n par e ca e a e ca e dim Im f = n . 2

196 Solucoes de alguns dos exerc cios propostos

5.2 (a) (i) E (ii) No a e (iii) No a e (iv) E (v) E (b) (i) (4, 2, 1, 1) (ii) (1, 0, 1) 5.5 (b) f (1, 0, 1, 0) = (1, 1, 1) g(0, 0, 0, 0) = (0, 0, 0) (d) Por exemplo, (1, 1, 1, 1) (e) Por exemplo, (1, 0, 0), (0, 1, 0), (0, 0, 1) 5.6
(a) Por exemplo, x3 + x2 x + 1 (b) Por exemplo, (1, 0, 0), (0, 1, 0), (0, 0, 1) !

5.23

(a)

3 6 0 1 1 3 2 3 1

(b) k = 15 8 (c) (i) No a (ii) No a

(d) Por exemplo, (1, 0, 5 ), (0, 1, 1 ) 9 3

5.24

(a)

(i) No a (ii) Sim

(b) dim Im g = 3 e dim Nuc g = 1 4 5 (c)

0 0 0 0 1 1 1 1 2 2 0 2 1 3 1 3

5.25

(a)

1 1 1 2 1 1 1 1 1

(b) No a (c) No a (d) Por exemplo, (2u1 3u2 + u3 ) ! 1 0 0 (e) 1 1 4

1 0 0

5.7

(b) Sim (c) Por exemplo,

1
0

0 1 0 0 0 1 , 0 0 , 1 0

5.8

(a) Por exemplo, (1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 1, 0) 1 (b) Por exemplo, (1, 0, 2 , 1 , 0), (0, 1, 0, 0, 0) 5.26 2 5 3 (c) Por exemplo, (1, 0, i, 1), (0, 1, 2 + 2 i, 1) (a) Por exemplo, (1, 0, 1, 0, 1), (0, 1, 0, 1, 0) (b) Por exemplo, (v1 v2 + v3 , 2v1 2v2 + v4 , v5 )

(f) No a (a) 3u1 3u2 + 3u3 h 3 4 2 5 i (b) 2 3 1 4

0 0 0 0 0 1 1 1 0 2 1 3 3 0 0 1 1 1 0

5.9

5.27

(a)

5.10

(b) Por exemplo, (1) (c) Por exemplo, xn1 , . . . , x, 1

(b) Por exemplo, (u1 u3 , u2 ) (d) Por exemplo, (2, 2, 0, 2, 2), (1, 1, 1, 0, 1) , (0, 0, 0, 0, 1), (0, 1, 0, 0, 0), (0, 0, 0, 1, 0) ! 0 0 0 1 1 (e) 0 0 0 1 3
0 0 0 1 1

5.14 dim Nuc f = 1 5.15 (a) Sim (b) No a 5.20 (a) (3, 5) (b) 1 1 0 011 (c) 1 1 1 110 1 (d) 0 1 1 10 (e) 1 1 0 001 (f) (i) Sim (ii) No a 5.22 (a) (b) (c)
1 0 1
11 110

5.28

(a)

(i) No a (ii) No a

(b) Por exemplo, (u1 u2 + u3 , u1 + u4 )

1 1 1 0 1 10 001

Cap tulo 6

Valores e Vectores Prprios o

Neste cap tulo consideraremos apenas matrizes quadradas.

6.1

Valores, vectores e subespaos prprios de uma matriz c o

Denio 6.1 Seja A Mnn (K). ca prprio de A se o (i) X = 0 e (ii) K AX = X.

Dizemos que X Mn1 (K) um vector e

Dizemos que K um valor prprio de A se existe X Mn1 (K) tal que e o (i) X = 0 e (ii) AX = X.

Um vector X nessas condies diz-se um vector prprio de A associado ao valor prprio co o o .

Notemos que na denio anterior de vector prprio de A se tem, de facto, ca o

(ii) 1 K

AX = X,

198 pois se , K, so tais que a AX = X com X = 0, ento tem-se a X = X ( )X = 0. Como X = 0 conclu mos que = 0, isto , = . e Dizemos ento que o valor prprio de A associado ao vector prprio X. Assim, a a e o o cada vector prprio est associado um, e um s, valor prprio. o a o o Contudo, na denio de valor prprio de uma matriz A Mnn (K), o vector X, que ca o e obviamente um vector prprio de A, no unico. Basta atender a que se o a e X=0 ento, para qualquer K \ {0} se tem a X = 0 e A(X) = (AX) = (X) = ()X = ()X = (X) e, portanto, X tambm um vector prprio de A associado ao valor prprio . e e o o Tambm se Y, Z Mn1 (K) so vectores prprios de A associados ao valor prprio e a o o ento o mesmo sucede a Y + Z, se Y + Z = 0n1 , conforme estabelece o resultado seguinte. a e AX = X e AX = X,

Proposio 6.2 Sejam A Mnn (K), um valor prprio de A e ca o M = {X Mn1 (K) : AX = X} . Tem-se: 1. M um subespao vectorial de Mn1 (K). e c 2. Os vectores prprios de A associados ao valor prprio so os elementos de M \ {0n1 }. o o a

199 Demonstrao: ca
1. M Mn1 (K), pela prpria denio de M . o ca 0n1 M pois A0n1 = 0n1 = 0n1 . Demonstremos que quaisquer que sejam Y, Z M se tem Y + Z M . Por hiptese, o AY = Y Logo A(Y + Z) = AY + AZ = Y + Z = (Y + Z) e, portanto, Y + Z M . Finalmente, demonstremos que para qualquer K e qualquer Y M se tem Y M . Por hiptese, AY = Y pelo que o A(Y ) = (AY ) = (Y ) = ()Y = ()Y = (Y ). Conclu mos ento que Y M . a 2. E trivial, atendendo ` denio de vector prprio associado ao valor prprio a ca o o . e AZ = Z.

Denio 6.3 Sejam A Mnn (K) e um valor prprio de A. Ao subespao ca o c vectorial M = {X Mn1 (K) : AX = X} = {X Mn1 (K) : (A In ) X = 0} chamamos subespao prprio de A associado ao valor prprio . c o o A dimenso do subespao M designa-se por multiplicidade geomtrica do valor a c e prprio e representada por mg(). o e

Como M um subespao de Mn1 (K) tem-se e c mg() = dim M dim Mn1 (K) = n. Por outro lado, como M = {0n1 } (porqu?) ento dim M 1. Assim e a 1 mg() n. O resultado seguinte vai ser muito util para determinar, na prtica, os valores prprios a o de uma matriz.

200 Teorema 6.4 Seja A Mnn (K). Tem-se, valor prprio de A se, e s se, e o o |A In | = 0. Demonstrao: ca
Por denio, valor prprio de A se, e s se, existe X Mn1 (K) tal que ca e o o X=0 ou equivalentemente, X=0 e (A In ) X = 0. e AX = X,

Notemos que o sistema homogneo, com n incgnitas, e o (A In ) Y = 0 admite uma soluo no nula se, e s se, indeterminado. Tal equivale a armar ca a o e que r (A In ) < n ou, ainda, que |A In | = 0.

O teorema anterior motiva a seguinte denio. ca

Denio 6.5 Seja A Mnn (K). Chamamos polinmio caracter ca o stico de A e representamos por pA (x), ou simplesmente p(x) se no houver ambiguidade, o poa linmio na varivel x com coecientes em K, dado por o a |A xIn | .

Pode demonstrar-se que se A Mnn (K) ento o seu polinmio caracter a o stico tem grau igual a n. Assim, de acordo com o teorema anterior, tem-se Proposio 6.6 Se A Mnn (K) ento K um valor prprio de A se, e s se, ca a e o o e um zero do polinmio caracter o stico de A, isto , se, e s se, e o pA () = |A In | = 0.

201

Denio 6.7 Seja A Mnn (K) e um valor prprio de A. Designamos por ca o multiplicidade algbrica do valor prprio , e representamos por ma(), a multie o plicidade de como zero do polinmio caracter o stico de A, isto , o maior inteiro k e tal que ( x)k divide pA (x).

Dado que um polinmio de grau n tem exactamente n zeros em C e tem, no mximo, n o a zeros em R, podemos armar que se 1 , . . . , r so os valores prprios, dois a dois distintos, a o de A Mnn (K) ento a
r

ma(i ) n
i=1

e se o polinmio caracter o stico de A Mnn (K) tem todos os zeros em K (o que sucede se K = C) ento a
r

ma(i ) = n.
i=1

Observao: ca Para certos autores o polinmio caracter o stico de A Mnn (K) denido por e |xIn A| . Notemos que |xIn A| = | (A xIn )| = (1)n |A xIn | e, portanto, para qualquer K tem-se |In A| = 0
P

se, e s se, o
Q

|A In | = 0.

Exemplo 6.8

1. Seja A = T R

2 0 0

0 1 0

U 1 U S 1

M33 (R). Como

     1   1x 

p(x) = |A xI3 | = A tem os valores prprios o 2 e 1

  2x    0    0

0 1x 0

= (2 x)(1 x)2 ,

com

ma(2) = 1

com

ma(1) = 2.

202 Determinemos o subespao prprio de A associado a cada valor prprio, bem como a c o o multiplicidade geomtrica de cada valor prprio. e o O subespao prprio de A associado ao valor prprio 2 : c o o e M2 = {X M31 (R) : (A 2I3 ) X = 0} P Q P QP 0 0 0 a T U T UT = T b U M31 (R) : T 0 1 1 UT R SR R S
c 0 0 1
Q P Q

U b U S c

T U T 0 U . R S 0

Clculo auxiliar para resolver o sistema (A 2I3 ) X = 0: a

0 T T 0 R 0 P 0 T (1)l1 T (1)l2 R 0 0
P P 0 1 U T T 1 1 0 Ul1 l2 R 0 0 S 0 1 0 0 0 Q P 1 1 0 0 1 0 U T 0 1 0 Ul1 + l2 T 0 0 1 R S 0 0 0 0 0 0

1 0 1 Q 0 U 0 U S 0

P 0 U T T 0 Ul2 l3 R 0 S 0 0

1 0 0

1 1 0

U 0 U S 0

(f.e.r.).

Assim

P T U T M2 = T b U M31 (R) : b = 0 c = 0 = T R S R c P Q Q P 1 1 U T U T = aT 0 U : a R = T 0 U . S R R S
a 0 0
P T

U 0 U S 0

: aR

Como T R

U 0 U S 0

=T R

P a sequncia T e R
T

U 0 U S 0

U 0 U S 0

linearmente independente e, portanto, temos e P

Q 1 T T 0 U . U R S 0

Base de M2 = Conclu mos assim que

mg(2) = dim M2 = 1. Da mesma forma, o subespao prprio de A associado ao valor prprio 1 : c o o e M1 = {X M31 (R) : (A 1I3 ) X = 0} P Q P QP Q P Q 1 0 0 a 0 a T U T UT U T U = T b U M31 (R) : T 0 0 1 UT b U = T 0 U R SR S R S R S c 0 0 0 c 0 P Q a T U T b U M31 (R) : a = 0 c = 0 = R S c P Q P Q P Q 0 0 0 T U T U T U = T b U : b R = bT 1 U : b R = T 1 U . R S R S R S
0 0 0

203 De forma anloga conclu a mos que P Base de M1 = T R

T

U 1 U S 0

e que

mg(1) = 1.

2. Consideremos a matriz In . O seu polinmio caracter o stico e p(x) = (1 x)n . Assim In tem apenas o valor prprio 1 com o ma(1) = n. O subespao prprio de In associado ao seu unico valor prprio c o o e M1 = {X Mn1 (K) : (In 1In ) X = 0} = {X Mn1 (K) : 0X = 0} = {X Mn1 (K)} = Mn1 (K). Logo mg(1) = dim M1 = n. Conclu mos ento que todo o vector X Mn1 (K), com X = 0, vector prprio de In a e o associado ao valor prprio 1. o

E poss indicar se uma matriz A Mnn (K) invert ou no conhecendo apenas vel e vel a o seu polinmio caracter o stico ou apenas os seus valores prprios, pois tem-se o

Proposio 6.9 A Mnn (K) invert se, e s se, A no tem o valor prprio zero, ou ca e vel o a o equivalentemente, se o termo constante do polinmio caracter o stico de A no nulo. e a

Demonstrao: ca
Sabemos que A invert se, e s se, |A| = 0. e vel o Notemos que se p(x) = an xn + + a1 x + a0 o polinmio caracter e o stico de A ento a p(0) = |A 0In | = |A| e p(0) = a0 .

204
Assim, so equivalentes as trs armaes a e co |A| = 0, |A 0In | = 0 e a0 = 0,

conforme pretend amos demonstrar.

6.2

Matrizes diagonalizveis: Denio e caracterizaes a ca co

Recordemos a denio de matrizes semelhantes, dada no nal do Cap ca tulo 5.

Denio 6.10 Sejam A, B Mnn (K). Dizemos que A e B so semelhantes se ca a existe uma matriz invert P Mnn (K) tal que vel P 1 AP = B.

Tem-se a seguinte propriedade:

Proposio 6.11 Se A, B Mnn (K) so semelhantes ento os seus polinmios caracca a a o ter sticos so iguais. a

Demonstrao: ca
Como existe P Mnn (K), invert vel, tal que P 1 AP = B tem-se |B xIn | = P 1 AP xIn = P 1 AP xP 1 In P = P 1 (A xIn ) P = P 1 |A xIn | |P | = P 1 |P | |A xIn | = P 1 P |A xIn | = |In | |A xIn | = |A xIn | .

Exerc cio 6.1 Sejam A, B Mnn (K) tais que A invert e vel. Mostre que AB e BA tm o mesmo polinmio caracter e o stico.

205

Denio 6.12 Seja A Mnn (K). Dizemos que A uma matriz diagonalizvel ca e a se A semelhante a uma matriz diagonal, isto , se existe uma matriz invert e e vel P Mnn (K) e uma matriz diagonal D Mnn (K) tal que P 1 AP = D. Diz-se, ainda, que P uma matriz diagonalizante de A. e

Como os valores prprios de uma matriz diagonal so os elementos da sua diagonal o a principal (porqu?) podemos concluir facilmente que e

Proposio 6.13 Se A Mnn (K) uma matriz diagonalizvel e D uma matriz diagonal ca e a e semelhante a A ento os valores prprios de A so os elementos da diagonal principal de D. a o a

O resultado seguinte, uma das caracterizaes mais importantes das matrizes diagonae co lizveis. a

Teorema 6.14 Uma matriz A Mnn (K) diagonalizvel se, e s se, A tem n vectores e a o prprios linearmente independentes. o Neste caso, se X1 , . . . , Xn Mn1 (K) so n vectores prprios de A linearmente indea o pendentes correspondentes, respectivamente, aos valores prprios 1 , . . . , n (no necessao a riamente distintos) ento a matriz a P = [X1 | | Xn ] Mnn (K) invert e uma matriz diagonalizante de A. Mais especicamente, tem-se e vel e
P T T 0 T T T . T . R . 0

0 2 . . . 0

.. .

0 0 . . . n

AP =

U U U U. U U S

Demonstrao: ca
Suponhamos que A Mnn (K) diagonalizvel e seja P Mnn (K), invert e a vel, tal que P 1 AP =
P T T T R

d1 . . . 0

.. .

0 . . . dn

Q U U U S

= D.

206
Assim AP = P D ou, ainda, A [X1 | | Xn ] = [X1 | |
P T Xn ] T T R Q U U U S

d1 . . . 0

.. .

0 . . . dn

sendo Xi Mn1 (K), i = 1, . . . , n, a i-sima coluna de P . e Atendendo ` forma como se multiplicam matrizes, podemos concluir que a igualdade a anterior equivalente a e [AX1 | | AXn ] = [d1 X1 | | dn Xn ] e, portanto, AX1 = d1 X1 AXn = dn Xn . Como P Mnn (K) invert e vel, tem-se r(P ) = n e, portanto, as n linhas de P so linearmente independentes. Facilmente cona clu mos que as n colunas de P tambm so linearmente independentes pois como e a r(P ) = n tem-se |P | = P = 0 e, portanto, r P Assim, as n linhas de P = n.

so linearmente independentes e, portanto, as n colunas a

de P so linearmente independentes. a Logo, X1 , . . . , Xn so n vectores prprios de A linearmente independentes. a o A implicao rec ca proca obtm-se de forma idntica pois, como A tem n vectores e e prprios X1 , . . . , Xn linearmente independentes, basta considerar o P = [X1 | | Xn ] para se concluir que P invert e P 1 AP uma matriz diagonal. e vel e

207 Seja A Mnn (K) e sejam 1 , . . . , r os valores prprios, dois a dois distintos, da matriz o A. Sabemos que o nmero mximo de vectores prprios de A linearmente independentes, u a o existentes em Mi , i = 1, . . . , r, e dim Mi = mg(i ). Seja B1 = (u11 , . . . , u1k1 ) uma base de M1 Br = (ur1 , . . . , urkr ) uma base de Mr . Um resultado, que no demonstraremos, arma que os vectores a u11 , . . . , u1k1 , . . . , ur1 , . . . , urkr so ainda linearmente independentes. a Tem-se pois

Proposio 6.15 A Mnn (K) diagonalizvel se, e s se, ca e a o

r

mg(i ) = n,
i=1

sendo 1 , . . . , r os valores prprios, dois a dois distintos, da matriz A. o

P

Exemplo 6.16

1. Consideremos a matriz A =

2 T T 0 R 0

0 1 0

U 1 U S 1

M33 (R) estudada no Exem-

plo 6.8. Como A tem os valores prprios o 2 e 1 com mg(1) = 1 com mg(2) = 1

conclu mos que A no diagonalizvel. De facto, sendo 1 = 2 e 2 = 1 os valores a e a prprios de A, tem-se o

2

mg(i ) = 2 = 3.
i=1

208
P

2. Seja A =

0 T T 1 R 0

1 0 0

U 0 U S 3

M33 (K), cujo polinmio caracter o stico e

 0   Lapl.  0  = (3  l  3 3x    x x)   1  1    x 

  x    1    0

1 x 0

= (3 x)(x2 + 1).

a o Se K = R ento A tem apenas o valor prprio 3 com ma(3) = 1. O subespao prprio correspondente : c o e M3 = {X M31 (R) : (A 3I3 ) X = 0} P Q QP P 3 1 0 a UT T U T = T b U M31 (R) : T 1 3 0 UT SR R R S
c 0 0 0

U b U S c

=T R

U 0 U . S 0

Clculo auxiliar para resolver o sistema (A 3I3 ) X = 0: a

Q P P 1 3 0 0 1 U T U T T T 1 3 0 0 Ul1 l2 R 3 1 0 0 Ul2 + 3l1 R 0 S S 0 0 0 0 0 0 0 0 0 Q Q P P 1 3 0 0 1 0 0 0 T 1 U T U 10 l2 T 0 1 0 0 Ul1 + 3l2 T 0 1 0 0 U (f.e.r.). S S R R 0 0 0 0 0 0 0 0 T T R P

3 10 0

0 0 0

U 0 U S 0

Ento a P T U T M3 = T b U M31 (R) : a = 0 b = 0 = T R S R c P Q P Q 0 0 T U T U = cT 0 U : c R = T 0 U . R S R S

a 1 1

U 0 U S c

: cR

Assim mg(3) = 1 e, portanto, A M33 (R) no diagonalizvel (para K = R). a e a Se K = C ento A tem os valores prprios a o 3, i e i.

Se determinarmos os subespaos prprios correspondentes a cada um desses valores prprios c o o obteremos, respectivamente,
P Q 0 T U T 0 U R S 1 P Q i T U T 1 U R S 0 P Q i T U T 1 U R S 0

M3 =

Mi =

Mi =

209 Assim, para K = C, A diagonalizvel. Um exemplo de matriz diagonalizante de A a e a e matriz P =

P

0 T T 0 R 1
P

i 1 0

U 1 U S 0 Q

e, de acordo com o Teorema 6.14, obteremos P 1 AP =

3 T T 0 R 0 0 i 0
U 0 U. S i

Note que se considerarmos a matriz, tambm diagonalizante de A, e

P

Q=T R ento a

i 1 0
P

i 1 0

U 0 U S 1 Q

Q1 AQ = T R

i 0 0

0 i 0

U 0 U. S 3

Exerc cio 6.2 Seja A Mnn (K). Mostre que se A tem n valores prprios, 1 , . . . , n , o ento o produto desses n valores prprios igual ao determinante de A. a o e Exerc cio 6.3 Seja A Mnn (K) invert vel. Mostre que: (a) Se valor prprio de A, ento e o a
1

valor prprio de A1 . e o

(b) Se X Mn1 (K) vector prprio de A associado ao valor prprio , ento e o o a 1 X vector prprio de A1 associado ao valor prprio . e o o (c) A diagonalizvel se, e s se, A1 diagonalizvel. e a o e a

Exerc cio 6.4 Seja A Mnn (K) e seja P Mnn (K) uma matriz invert vel. Mostre que: (a) valor prprio de A se, e s se, valor prprio de A . e o o e o (b) A diagonalizvel se, e s se, A e a o diagonalizvel. e a (c) valor prprio de A se, e s se, valor prprio de P 1 AP . e o o e o (d) A diagonalizvel se, e s se, P 1 AP diagonalizvel. e a o e a

Exerc cio 6.5 Considere a matriz 3 A = R 4 4

P

2 3 2

Q 0 0 S M33 (R). 1

(a) Calcule os valores prprios de A e indique as respectivas multiplicidades o algbricas. e (b) Determine uma base para cada um dos subespaos prprios de A. c o (c) Mostre que A diagonalizvel e indique uma e a vert vel, tal que P 1 0 1 P AP = R 0 1 0 0 matriz P M33 (R), inQ 0 0 S. 1

9 (d) Considerando a matriz P que indicou em (c) determine P 1 AP e 1 12 P AP . Use os resultados obtidos para calcular A9 e A12 .

210
Exerc cio 6.6 Considere a matriz de ordem 3, sobre C, 2i A=R 0 i Mostre que: (a) A diagonalizvel. e a (b) Existe uma matriz P M33 (R) invert vel, tal que 1+i P 1 AP = R 0 0
P Q 0 0 S. 2 P

0 1+i 0

Q i 0 S. 2i

0 2 2i 0

Exerc cio 6.7 Considere as matrizes de ordem 3, sobre R, 1 A=R 1 2

P

0 2 2

Q 1 1 S 3

0 B=R 0 1

1 0 3

Q 0 1 S. 3

(a) Determine os valores prprios de cada uma das matrizes. o (b) (i) Mostre que A diagonalizvel. e a (ii) Diga, justicando, se B diagonalizvel. e a

(c) Determine uma matriz P M33 (R) invert tal que P 1 AP seja diagovel nal e os elementos da diagonal principal de P 1 AP estejam ordenados por ordem crescente.

Exerc cio 6.8 Seja A uma matriz de ordem 3 sobre R, tal que
Q P Q 1 1 AR 1 S = R 1 S, 1 1 P Q P Q 0 0 AR 1 S = R 1 S 2 2 P Q P Q 0 0 AR 0 S = R 0 S. 1 2 P

(a) Indique os valores prprios de A e as respectivas multiplicidades algbrica o e e geomtrica. e (b) Indique o polinmio caracter o stico de A. (c) Indique, se existir, uma matriz diagonal semelhante a A. (d) Determine uma matriz A nas condies do enunciado. co

6.3

Valores e vectores prprios de um endomorsmo o

Denio 6.17 Seja E um espao vectorial. Chamamos endomorsmo de E a ca c qualquer aplicao linear f : E E. ca

Notemos que, de acordo com a observao (3) da pgina 193, se f um endomorsmo ca a e de E, com E de dimenso nita, e B e B so bases de E ento as matrizes a a a A1 = M(f ; B, B) relacionam-se da seguinte forma: A2 = P A1 P 1 , e A2 = M(f ; B , B )

211 isto , A1 e A2 so semelhantes. e a Como vimos que matrizes semelhantes tm o mesmo polinmio caracter e o stico, tem sentido a seguinte denio. ca

Denio 6.18 Seja f um endomorsmo de um espao vectorial E, com E de dica c menso nita, e seja B uma base arbitrria de E. Chamamos polinmio caraca a o ter stico de f ao polinmio caracter o stico da matriz M(f ; B, B).

Para o estudo de problemas em F sica importante conhecer, para certos endomorsmos e de um espao vectorial E, quais os escalares K e vectores u E que satisfazem a equao c ca f (u) = u. (6.1)

Obviamente que 0E verica a igualdade anterior, para qualquer . No entanto, e a t tulo de exemplo, rera-se que um tema interessante em teoria das vibraes o da deterco e minao das frequncias entre as quais um dado sistema pode oscilar. Para muitos sistemas ca e importantes, demonstra-se que tal corresponde a determinar os escalares < 0 para os quais a equao (6.1) tem uma soluo no nula. ca ca a As consideraes anteriores motivam a denio seguinte. co ca

Denio 6.19 Seja f um endomorsmo de um espao vectorial E. Dizemos que ca c u E um vector prprio de f se e o (i) u = 0E e (ii) f (u) = u, para algum K.

Dizemos que K um valor prprio de f se existe u E tal que e o (i) u = 0E e (ii) f (u) = u.

Um vector u nessas condies diz-se um vector prprio de f associado ao valor prprio co o o .

212 O resultado seguinte permite-nos reduzir o problema de determinao dos valores prprios ca o e dos vectores prprios de um endomorsmo ao problema da sua determinao para uma o ca matriz.

Teorema 6.20 Seja f um endomorsmo de um espao vectorial E de dimenso nita. Seja c a B uma base arbitrria de E e a A = M(f ; B, B). Tem-se: 1. u vector prprio de f se, e s se, a matriz X Mn1 (K), cuja coluna a sequncia e o o e e das coordenadas de u na base B, um vector prprio de A. e o 2. valor prprio de f se, e s se, valor prprio de A. e o o e o Demonstrao: ca
Note que u = 0E se, e s se, X = 0 e que o f (u) = u equivalente, pela Proposio 5.21, a e ca AX = X.

Exemplo 6.21

Consideremos o endomorsmo f , de R3 , dado por (a,b,c)R3 f (a, b, c) = (a, 2b + c, c).

Pretendemos determinar se existe uma base B, de R3 , tal que M(f ; B, B) uma matriz e diagonal e, em caso armativo, indicar uma base nessas condies. co Consideremos uma base arbitrria B , de R3 , e determinemos M(f ; B , B ). Tomando a para B a base cannica de R3 obtemos o
P Q

A = M(f ; B , B ) =

1 T T 0 R 0

0 2 0

U 1 U. S 1

A matriz A tem os valores prprios 1 e 2 e os subespaos prprios o c o

P

M1 =

Q P Q 1 0 T U T U T 0 U, T 1 U R S R S 0 1

213 e M2 =

T U T 1 U R S 0

Logo, A diagonalizvel, pois tem 3 (= ordem de A) vectores prprios linearmente e a o independentes. Como
P Q P Q P Q P Q P Q P Q

AT R

U 0 U S 0

= 1T R

U 0 U, S 0

AT R

U 1 U S 1

= 1T R

U 1 U S 1

AT R

U 1 U S 0

= 2T R

U 1 U S 0

podemos armar que f (1, 0, 0) = 1(1, 0, 0), Assim, se tomarmos B = (1, 0, 0), (0, 1, 1), (0, 1, 0) conclu mos que
P Q

f (0, 1, 1) = 1(0, 1, 1)

f (0, 1, 0) = 2(0, 1, 0).

M(f ; B, B) = T R

1 0 0

0 1 0

U 0 U. S 2

Exerc cio 6.9 Sejam f um endomorsmo do espao vectorial real R3 e (e1 , e2 , e3 ) uma c base de R3 . Sabendo que 3 M (f ; (e1 , e2 , e3 ), (e1 , e2 , e3 )) = R 4 4 determine: (a) Os valores prprios de f . o (b) Uma base B, de R3 , constitu por vectores prprios de f . da o (c) M (f ; B, B), sendo B a base indicada em (b). Observao: Compare os resultados com os obtidos no Exerc ca cio 6.5.
P

2 3 2

Q 0 0 S, 1

Exerc cio 6.10 Considere o espao vectorial real R3 . Seja f : R3 R3 o endomorsmo c de R3 denido por f (a, b, c) = (b c, 2a + b c, 4a + 2b + 4c), para qualquer (a, b, c) R3 . (a) Determine os valores prprios de f . o (b) Determine uma base B de R3 constitu por vectores prprios de f . da o (c) Determine M(f ; B , B ).

214
Exerc cio 6.11 Considere o subespao F = (x, y, z) R3 : x + 2y + z = 0 do espao c c 3 . Seja f : R3 R3 uma aplicao linear, tal que (1, 1, 0) vector prprio vectorial real R ca e o de f associado ao valor prprio 2 e o

f (a, b, c) = (0, 0, 0), para qualquer (a, b, c) F . (a) Determine f (2, 2, 0). (b) Mostre que 0 valor prprio de f e que mg(0) = ma(0). e o (c) Justique que B = (1, 1, 0), (1, 1, 3), (1, 0, 1) uma base de R3 e constitu por vectores prprios de f . da o (d) Determine M(f ; B, b. c.).

Exerc cio 6.12 Sejam E um espao vectorial sobre K de dimenso n 1 e f um endoc a morsmo de E. Mostre que f um isomorsmo se, e s se, zero no valor prprio de e o a e o f.

Exerc cio 6.13 Considere a matriz 1 P = R 4 0

P

1 1 1

Q 0 4 S M33 (R). 1

Sejam E um espao vectorial real de dimenso 3, B1 = (e1 , e2 , e3 ) e B2 = (u1 , u2 , u3 ) bases c a de E tais que M(idE , B1 , B2 ) = P e f um endomorsmo de E denido por f (e1 ) = u1 , f (e2 ) = u2 e f (e3 ) = u3 . (a) Determine M(f ; B1 , B1 ). (b) Mostre que 1 valor prprio de f . e o (c) Indique, caso existam, vectores v1 , v2 E tais que v1 = v2 e v1 , v2 sejam vectores prprios de f associados ao valor prprio 1. o o (d) Diga, justicando, se f um isomorsmo. e

215 Solucoes de alguns dos exerc cios propostos

6.5 (a) Valores prprios de A: 1 e 1 o ma(1) = 2 e ma(1) = 1
(b) Base de M1 : por exemplo, (1, 2, 0), (0, 0, 1) Base de M1 : por exemplo, (1, 1, 1) h 1 0 1 i (c) Por exemplo, 2 0 1
0 1 1

(d) A9 = A e A12 = I3 6.6 6.7 (b)

h0
1 1 1 0 0 0 1 1

(a) Valores prprios de A: 1, 2 e 3 o Valores prprios de B: 1 o (b) (c) (ii) No a h 1 2 1 i

1 0 1 2 1 2

6.8

(a) Valores prprios de A: 1 e 2 o ma(1) = 2 e ma(2) = 1 mg(1) = 2 e mg(2) = 1 (b) (x 1)2 (x 2) h1 0 0i (c) 0 1 0 002 h1 0 0i (d) 0 1 0
1 2 2

6.9

(a) Valores prprios de f : 1 e 1 o (b) Por exemplo, B = (e1 2e2 , e3 , e1 e2 + e3 )

h 1
0 0i 0 1 0 0 0 1

(c) M (f ; B, B) = 6.10

(a) Valores prprios de f : 1 e 2 o (b) Por exemplo, 1 1 1 ( 2 , 2 , 1), ( 2 , 1, 0), ( 1 , 0, 1) 2 h1 0 0i (c) 0 2 0

002

6.11

(a) f (2, 2, 0) = (4, 4, 0) h 2 0 0i (d) 2 0 0

0 00 5 1 4 4 1 4 4 1 3

6.13

(a)

(d) f um isomorsmo e