Escolar Documentos
Profissional Documentos
Cultura Documentos
LINEAR
Prof. Dr Rogrio de Aguiar
Chefe do Departamento de Matemtica
CCT - UDESC - JOINVILLE
Email: dma2ra@joinville.udesc.br
Home Page: www.joinville.udesc.br/dmat/rogerio
Professores Integrantes do Projeto de lgebra II
Graciela Moro - Coordenadora
Ivanete Zucki
Joo de Azevedo
Jorge Mota
Marnei Luis Mandler
Milton Procpio de Borba
Rogrio de Aguiar
25 de Maro de 2008
Sumrio
1 MATRIZES E SISTEMAS
1.1 Tipos de matrizes . . . . . . . . . . . . . . . . . .
1.2 Operaes com matrizes . . . . . . . . . . . . . .
1.3 Matriz escalonada . . . . . . . . . . . . . . . . .
1.4 Clculo da inversa . . . . . . . . . . . . . . . . .
1.5 Determinantes . . . . . . . . . . . . . . . . . . .
1.6 Sexta lista de exerccios . . . . . . . . . . . .
1.7 Sistema de equaes lineares . . . . . . . . . . . .
1.7.1 Introduo . . . . . . . . . . . . . . . . .
1.7.2 Sistemas e matrizes. . . . . . . . . . . . .
1.7.3 Soluo de um sistema por matriz inversa
1.8 Stima lista de exerccios . . . . . . . . . . .
1.9 Apndice . . . . . . . . . . . . . . . . . . . . . .
1.9.1 Clculo da inversa por adjunta . . . . . .
1.9.2 Regra de Cramer . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3
3
6
8
10
11
14
16
16
17
20
21
24
24
25
2 ESPAOS VETORIAIS
2.1 Introduo . . . . . . . . . . . . . . . . . . . . . . .
2.2 Subespaos . . . . . . . . . . . . . . . . . . . . . .
2.3 Interseco de dois Subespaos Vetoriais . . . . . .
2.4 Combinao Linear . . . . . . . . . . . . . . . . . .
2.5 Dependncia e Independncia Linear . . . . . . . .
2.6 Subespaos Gerados . . . . . . . . . . . . . . . . .
2.7 Soma de Subespaos . . . . . . . . . . . . . . . . .
2.8 Base e Dimenso de um Espao Vetorial . . . . .
2.8.1 Base . . . . . . . . . . . . . . . . . . . . . .
2.8.2 Dimenso . . . . . . . . . . . . . . . . . . .
2.8.3 Dimenso da Soma de Subespaos Vetoriais
2.8.4 Coordenadas . . . . . . . . . . . . . . . . .
2.9 Mudana de Base . . . . . . . . . . . . . . . . . . .
2.10 A Inversa da Matriz de Mudana de Base . . . . .
2.11 Oitava lista de exerccios . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
29
29
36
38
40
41
43
45
46
46
49
50
50
51
56
57
3 TRANSFORMAES LINEARES
3.1 Propriedades das Transformaes Lineares . . . . . .
3.2 Transformaes Lineares e Matrizes . . . . . . . . . .
3.2.1 Transformao linear associada a uma matriz
3.2.2 Matriz de uma transformao linear . . . . .
3.3 Composio de transformaes lineares . . . . . . .
3.4 A Inversa de uma transformao linear . . . . . . . .
3.5 Nona lista de exerccios . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4 OPERADORES LINEARES
4.1
4.2
4.3
4.4
4.5
4.6
87
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
87
109
111
112
113
Autovalores e Autovetores . . . . . . . . . . . . .
4.5.1 Autovalores e autovetores de uma matriz
4.5.2 Polinmio Caracterstico. . . . . . . . . .
Dcima primeira lista de exerccios . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
115
116
117
123
5 APLICAES
5.1
5.2
5.3
62
66
72
72
74
79
79
82
126
126
127
133
133
Captulo 1
MATRIZES E SISTEMAS
1.1
Tipos de matrizes
me
0
6 0
6
M =4
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
3
0
0 7
7 ;
0 5
0
N = [0]
ann
Exemplo 3 : A = [0]1
3
3
; B=
3
3
Exemplo 4 : A = [0]1
; ann g
, B=
3
0
0
3
I2 =
1
0
0
1
I100
1
0
..
.
6
6
6
=6
6
6
4 0
0
0
1
..
.
0
0
0
0
..
.
0
..
.
..
.
0
7
7
7
7
7
7
0 5
1
; 1g :
Exemplo 6 :
2
1
6 11
6
A=6
6 21
4 31
41
D=
am2
2
12
22
32
42
::::::::
3
13
23
33
43
4
14
24
34
44
amn
5
15
25
35
45
a1n
m n
6
7
6
7
7 ) AT = 6
6
7
4
5
5
1 6
1
2
3
4
5
11
12
13
14
15
21
22
23
24
25
2
6
6
6
) DT = 6
6
6
4
a2n
::::::::
amn
3
31 41
32 42 7
7
33 43 7
7
34 44 5
35 45
3
1
2 7
7
3 7
7
4 7
7
5 5
6 6 1
simtrica se S T = S
Exemplo 7 :
2
3
1 5 9
0 1
S = 4 5 3 8 5;
N=
1 0
9 8 7
Matriz anti-simtrica: Uma matriz quadrada A = [aij ] anti-simtrica
se AT = A:
2
3
0 3 4
6 5
Exemplo 8 : A = 4 3 0
4 6 0
Matriz triangular superior: A matriz quadrada A = [aij ] que tem os
elementos
2 aij = 0 para i >
3 j chamada matriz triagular superior.
5 4 7 9
6 0 3
8 4 7
7 ; B = 0 1 ; I10000
A=6
4 0 0
2 3 5
0 0
0 0 0 6
Matriz triangular inferior: A matriz quadrada A = [aij ] que tem os
elementos aij = 0 para i < j chamada matriz triangular inferior.
Exemplo 9 :
n m
5
6 4
B=6
4 7
9
1.2
0
3
4
1
0
0
2
2
3
2
0
1
6 0
0 7
7; C = 6
4 0
0 5
6
0
0
2
0
0
3
0
0 7
7
0 5
2
0
0
2
0
e B = [bij ]m
A + B = [aij + bij ]m
denimos A + B por,
n
Propriedades:
i) A + B = B + A
ii) A + (B + C) = (A + B) + C
iii) A + 0 =A
Multiplicao por escalar: Seja A = [aij ]m
denmos k A por
kA = [k aij ]m
Exemplo 10 :
2
1
10
3
4
2
e k
um nmero real
e B = [bij ]n
20
6
Propriedades:
i) k(A + B) = kA + kB
ii) (k1 + k2 )A = k1 A + k2 A
iii) 0 A = 0
iv) k1 (k2 A) = (k1 k2 )A
Multiplicao de Matrizes: Sejam A = [aij ]m
mos A B por AB = [cij ]m p ; onde
cij =
n
X
; deni-
k=1
3
2
2 1
2 1+1 0
1
1
4 4 2 5
=4 4 1+2 0
0 4 2 2
5 3 3 2
5 1+3 0
Propriedades da multiplicao de matrizes:
i) AI = IA = A
ii) A(B + C) = AB + AC
iii) (A + B)C = AC + BC
3 2
2 ( 1) + 1 4
2
4 ( 1) + 2 4 5 = 4 4
5 ( 1) + 3 4
5
3
2
4 5
7
i v) (AB)C = A(BC)
v) (AB)T = B T AT
vi) 0A = A0 = 0
Exemplo 13 :
A=
B=
2 3
=) det
2 2
1 10
) det
1 10
2 3
= 2 ) A no singular
2 2
1 10
= 0 ) A singular
1 10
Exemplo 14 : M =
"
1
p2
3
2
MMT = MT M = I
p #
3
2
1
2
Exemplo 15 :
A=
1.3
1
4
2
3
; A2 =
9
16
8
17
; A3 =
41
84
42
83
Matriz escalonada
1
4 4
1 5L2 $ L3 4
3 4
2o ) Multiplicao da i
1
3
0
4
3
5
4
1
esima linha por um escalar no nulo k (Li ! kLi ).
Exemplo 18 .
2
3
2
3
1
0
1
0
4 4
1 5 L2 ! 3L2 4 12 3 5
3 4
3
4
3o ) Substituio da i esima linha pela i
j esima linha (Li ! Li + kLj )
Exemplo 19 :
3
3
2
2
1
0
1
0
4 4
1 5:
1 5 L3 ! L3 + 2L1 4 4
3 4
1 4
Se A e B so matrizes m n, dizemos que B linha equivalente a A; se B
for obtida de A atravs de um nmero nito de operaes elementares sobre as
linhas de A: Notao A B:
Exemplo
2
1
4 4
3
2
1
4 4
3
20 :
3
1
1 5 linha equivalente a 4 0
0
4
3
2
1
0
0
1
1 5 L2 ! L2 4L1 4 0
4
3
4
3
2
2
1
1 0
L2 ! L2 4 0 1 5 L3 ! L3 4L2 4 0
0
0 4
Teorema: Toda matriz A de ordem m
matriz linha-reduzida forma escada.
0
3
0
1 5 pois,
0
3
3
1 0
5 L3 ! L3 + 3L1 4 0
1 5
0 4
3
0
1 5
0
n linha equivalente a uma nica
1
4 0
0
1
2
3
2
1
5 L3 ! 2 L3 4 0
1 0
13
13
0
0
2
2
3
1 0 0
L1 ! L1 32 L3 4 0 1 0 5
0 0 1
1
2
1
0
3
2
0 5 L1 ! L1
1
1
1
4 0
L
2
2
0
0
1
0
3
2
0 5
1
Exemplo 22 Dada a matriz A obtenha uma matriz na forma escada equivalente a matriz dada.
2
3
2
3
1 0 1 0
1
0 0 0
6 0 1 0 1 7
6 1
0 1 0 7
7
7
b)6
a)6
4 0 1 0 1 5
4 0
5
1 0 1
0 1 1 1
1 0 0
1
Posto de uma matriz: Dada uma matriz Am n , seja Bm n a matriz linha
reduzida forma escada, linha equivalente matriz A: O posto de A, denotado
por p, o nmero de linhas no nulas de B e a nulidade de A n p, onde n
o nmero de colunas de A e p o posto de A:
Exemplo 23 : Encontrar
2
1
2
1
3
a) A = 4 1 0
1
2 1
3
7
1 0 0
8
1 5
Soluo: A matriz A linha equivalente a matriz B = 4 0 1 0
4
11
0 0 1 8
portanto o posto de A 3 (o nmero de linhas no nulas da matriz B) e a
nulidade n p = 4 3 = 1 (n o numero de colunas da matriz A e p o posto
de A)
2
3
1 0 14
9
6 0 1 1 7
4 7
b) A = 6
4 0 0 0 5
0 0 0
Soluo:2posto A = 23e nulidade2 de A 3 2 3
=1
2 1 10
2 1 10
1
6 0 1 1 7
6
7
4
4 7)B = 6 0 1
7
c) A = 6
43 5
4 1 2 0 5
4 0 0
8
1 3 0
0 0
0
Soluo posto de A = 3 e nulidade de A 0
1.4
Clculo da inversa
1.5
3
2
1
2
0
0 1
1 0
0 1
1
3
L2 ! L2
3
2
por escalonamento.
4L1
1
2
1
2
Determinantes
det A =
a11
a21
..
.
a12
a22
..
.
an 11
an1
an 12
an2
..
a1n
a2n
..
.
1
1
..
.
an
1n
a1n
a2n
..
.
an 1n
ann
Propriedades do determinante:
1) det A = det AT
2) det(AB) = det A det B
3) Se a matriz A possui uma linha ou coluna nula ento det A = 0
4) Se a matriz A tem duas linhas ou colunas iguais ento det A = 0
11
n
X
j=1
Exemplo 26 :
3
2
1 2 3
4
6 4
2 0
0 7
7
A=6
4 1 2
3 0 5
2
5 3
1
Vamos calcular o determinante da matriz fazendo o desenvolvimento pela
primeira linha (note que seria mais conveniente desenvolver pela segunda linha,
pois ela possui dois elementos nulos).
2 0
0
4
0
0
3 0 + 2( 1)1+2
1
3 0
det A = 1( 1)1+1 2
5 3
1
2
3
1
4
2 0
4
2 0
1 2 0 +( 4)( 1)1+4
1 2
3
+3( 1)1+3
2
5 1
2
5 3
det A = ( 1)(1)( 6) + 2( 1)( 12) + (3)(1)(10) + ( 4)( 1)(78)
det A = 372:
13
1.6
1:
2
x2
2x 1 0
cos
M = 4 sin
0
sin
cos
0
3
0
0 5
1
14
M oderno
M editerr^
aneo 4
Colonial
F erro
5
7
6
M adeira
20
18
25
V idro
16
12
8
T inta T ijolo
3
7
17
9
21 5
5
13
(a) Se ele vai construir 5,7 e 12 casas dos tipos moderno, mediterrneo
e colonial, respectivamente, quantas unidades de cada material sero
empregadas?
(b) Suponha agora que os preos por unidade de ferro, madeira, vidro,
tinta e tijolo sejam respectivamente, 15, 8, 5, 1 e 10 reais. Qual o
preo unitrio de cada tipo de casa?
(c) Qual o custo total do material empregado?
9. Calcule o determinante de A onde
3
2
3
1 5
0
6 0 2
0
1 7
7;
(a) A = 6
4 2 0
1 3 5
1 1
2
0
3
2
3
0
0 0 0
6 19 18
0 0 0 7
7
6
7
6
6
5
0
0
(b) A = 6
7
p
p
4 4
2
3 0 0 5
8
3
5 6
1
2
3
1 1 1
10. Mostre que det4 a b c 5 = (a b)(b
a2 b2 c2
11. Encontre A
2
; onde
4
1 2
6 3
1 0
(a) A = 6
4 2 3 1
0 7 1
2
3
1 0 x
(b) A = 4 1 1 x2 5
2 2 x2
3
2
0 7
7;
0 5
1
15
c)(c
a)
no inversvel.
2
3
k 3
0
3
k+2
0 5
A=4 0
5
0
k+5
13. Existe alguma matriz "inversvel"X tal que X 2 = 0? Justique sua resposta.
14. Encontre todos os valores de
em que
0
0
2
2
0
0
1
1
I4 tem inversa,
3
0
07
7
05
2
15. Para a matriz A = (aij )de ordem 2 denida por aij = i + j, calcular
f (t) = det(A tI2 ) e resolver a equao do segundo grau f (t) = 0.
16. Para a matriz denida por:
M=
a b
c d
1.7
1.7.1
16
=
=
..
.
b1
b2
..
.
= bm
10x 2y = 38
3x + 5y = 7
1.7.2
Sistemas e matrizes.
6
6
X=6
4
am1
x1
x2
..
.
xn
am2
7
7
7
5
6
6
B=6
4
17
amn
b1
b2
..
.
bm
=
=
..
.
b1
b2
..
.
(1.1)
= bm
3
7
7
7
5
am2
amn
b1
b2
..
.
j bm
3
7
7
7
5
= 8
= 4
=
12
(1.2)
Soluo:
Matriz2Ampliada
3
2 1 3 j 8
5
Aa = 4 4 2 2 j 4
2 5 3 j
12
Matriz linha equivalente a matriz ampliada, onde a parte da matriz dos
coecientes
2 est na forma escada
3
1 0 0 j 2
5 5
Ae = 4 0 1 0 j
0 0 1 j 3
De Ae obtemos: pc = 3; pa = 3 e n = 3:
p = pc = pa = 3 ) sistema compatvel
p = n ) sistema compatvel e determinado (possui uma nica soluo)
A
8 matriz Ac a matriz ampliada do seguinte sistema:
< x1 = 2
x2 = 5
:
x3 = 3
Como sistemas equivalentes tem a mesma soluo, a soluo do sistema (1.2)
x1 = 2
x2 = 5
x3 = 3
2) Classicar e resolver o sistema:
8
=
6
< 4y + 2x + 6z
4z 2y + 3x =
38
:
x + 3z + 2y
=
3
8
6
< 2x + 4y + 6z =
3x 2y 4z =
38
(1.3)
:
x + 2y + 3z
=
3
3
2
2 4
6
j
6
2
4 j
38 5
Aa = 4 3
1 2
3
j
3
2
3
1
41
1 0
j
4
4
5
j 29
Ae = 4 0 1 13
8
8
0 0 0
j 0
Neste caso temos:
n=3
pa = 2
pc = 2 ) p = 2
p < n )sistema compatvel e indeterminado (innitas solues)
grau de liberdade = n p = 1
O sistema (1.3) equivalente ao sistema
19
1
41
x
=
4z
2
13
29
y + 8z = 8
Para encontrar uma soluo (note que existem innitas solues) devemos
atribuir valor a uma das variveis (pois o grau de liberdade 1) e determinar as
outras. Note que ca mais fcil se atribuirmos valor a varivel z : Por exemplo
41
e y = 29
( Poderamos atribuir outro
fazendo z = 0 temos e x =
4
8
valor qualquer a z; e para cada valor de z teremos os valores correspondentes
de x e y, da temos innitas solues)
3) Classicar e resolver o sistema:
8
< 6x 4y 2z = 3
x+y+z
= 1
:
3x 2y z
= 1
3
2
6
4
2 j 3
1
j 1 5
Aa = 4 1 1
3
2
1 j 1
3
2
7
1 0 51 j 10
3
5
Ae = 4 0 1 45 j 10
1
0 0 0 j
2
Neste caso:
n=3
pc = 2
pa = 3 ) pa 6= pc )sistema incompatvel (no possui soluo)
1.7.3
=
=
=
=
pela esquerda)
2x + 3y z
3y + z
x + 2y z
20
= 1
= 1
= 1
C=4 1
1
3
2
1
=4 0
1
CX = B
X=3
C 1B
2
2
x
1
4 y 5=4 0
z
1
C
1.8
1
1
1
1
1
0
3
5
1 5
3
1
1
1
3
1
B=4 1 5
1
32
3 2
1
1 54 1 5 = 4
3
1
3
x
X=4 y 5
z
3
2
2 5
3
6. Apresente todos os possveis resultados na discusso de um sistema nohomogneo de 6 equaes lineares com 4 incgnitas.
7. Se A uma matriz 3
E se A for 4 2?
AX
AX
X
= B
= A
= A
1
1
B
B
Isto til quando desejamos resolver vrios sistemas lineares que possuem
a mesma matriz dos coecientes.
2
3
1 2
2
4 5
Usando a teoria acima resolva os sistema AX = B onde A = 4 2 5
3 7
5
e
2 3
2
3
2
3
2
3
1
1
1000
111
a) B = 4 2 5 b) B = 4 3 5 c) 4 10 5 d) 4 311 5
3
100
100
511
X = A onde D = diag(1; 2; 3; 4; 5; 6)
22
6
6
6
A=6
6
6
4
1
0
0
0
0
0
0
1
0
0
0
0
0
2
1
0
0
0
0
2
1
1
0
0
1
2
1
1
1
0
1
2
1
1
0
1
3
7
7
7
7
7
7
5
6
38
3
14. Uma editora publica um best-seller potencial com trs encadernaes diferentes: capa mole, capa dura e encardenao de luxo. cada exemplar necessita de um certo tempo para costura e cola conforme mostra a tabela
abaixo:
Se o local onde so feitas as costuras ca disponvel 6 horas por dia e o
local onde se cola, 11 horas por dia, quantos livros de cada tipo devem
ser feitos por dia, de modo que os locais de trabalho sejam plenamente
utilizados?
15. Num grande acampamento militar h 150 blindados dos tipos BM3, BM4 e
BM5, isto , equipados com 3, 4 e 5 canhes do tipo MX9 respectivamente.
O total de canhes disponveis igual a 530. A soma dos BM4 com os BM5
corresponde aos 2 / 3 dos BM3. Se para o incio de uma manobra militar,
cada canho carrega 12 projteis, quantos projteis sero necessrios para
o grupo dos BM4 no incio da operao?
16. a) Em cada parte, use a informao da tabela para determinar se o sistema
AX = B possvel. Se for, determine o nmero de variveis livres
da soluo geral. Justique sua resposta.
(a)
i.
Tamanho de A
Posto de A
Posto de [A jB ]
(a)
3 3
2
3
(b)
9
(c)
5
3
2
4
0
0
(d)
3 3
3
3
23
1.9
1.9.1
Apndice
Clculo da inversa por adjunta
Dada uma matriz , lembramos que o cofator dij do elemento aij da matriz A
o elemento ( 1)i+j det Aij , onde Aij a submatriz de A obtida extraindo-se a
i esima linha e a j esima coluna. Com estes cofatores forma-se uma nova
matriz A; denomindada matriz dos cofatores denotada por A: Portanto
A = [dij ]
onde dij = ( 1)i+j det Aij
Exemplo 29 :
2
A=4
a21
a22
a23
a31
a32
a33
3
1
1
6
4
5
3
1 0
1 4 5
6 5
= 1 ( 19) =
19
4
= 1 ( 19) = 19
5
3 1
= 0 ) d13 = ( 1)1+3 det
= 1 ( 19) = 19
1
6
1 0
= 3 ) d21 = ( 1)2+1 det
= 1 (5) = 5
6 5
2 0
= 1 ) d22 = ( 1)2+2 det
= 1 (10) = 10
1 5
2 1
= 4 ) d23 = ( 1)2+3 det
= 1 (11) = 11
1 6
1 0
= 1 ) d31 = ( 1)3+1 det
= 1 (4) = 4
1 4
2
0
= 6 ) d32 = ( 1)3+2 det
= 1 (8) = 8
3 4
2
1
= 1 (5) = 5
= 5 ) d33 = ( 1)3+3 det
3 1
2
3
19 19
19
10
11 5
A=4 5
4
8 5
1.9.2
Regra de Cramer
an2
=
=
..
.
b1
b2
..
.
= bn
xn
bn
CX
CX
IX
X
=
=
=
=
B
C
C
C
usando a relao
C
1
(adjC)
det C
temos
X=
1
(adjC)B
det C
25
obtemos
pela esquerda)
2
6
6
6
4
2
6
6
6
4
2
6
6
6
4
x1
x2
..
.
xn
x1
x2
..
.
xn
x1
x2
..
.
xn
02
7
7
7 =
5
B6
1
B6
adj B6
det C
@4
7
7
7 =
5
1
det C
7
7
7 =
5
1
det C
02
B6
B6
B6
@4
2
6
6
6
4
a11
a21
..
.
a12
a22
..
.
an1
an2
......
...
31 2
a1n
a2n
..
.
7C 6
7C 6
7C 6
5A 4
ann
D11
Da21
..
.
Da12
Da22
..
.
Dan1
Dan2
......
...
b1 D11 +
b1 Da21 +
..
.
b2 Da12
b2 Da22
..
.
b1 Dan1
b2 Dan2
Da1n
Da2n
..
.
Dann
+
+
......
...
Analogamente
bn
31 2
7C 6
7C 6
7C 6
5A 4
xi =
6
6
det 6
4
a11
a21
..
.
an1
2
a11
6 a21
6
det 6 .
4 ..
an1
a1n
a2n
..
.
bn
ann
3
an2
i = 2; 3; :::::; n
Podemos escrever esta relao na forma
26
ann
b1
b2
..
.
a12
a22
..
.
......
...
7
7
7
5
b1
b2
..
.
bn
bn Dann
1
(b1 D11 + b2 Da12 +
+ bn Da1n )
det C
3
2
b1 a12
a1n
6 b2 a22
a2n 7
1
7
6
x1 =
det 6 .
7
.
.
.
.
..
...... ...
det C
4 ..
5
bn an2
ann
2
3
b1 a12
a1n
6 b2 a22
a2n 7
6
7
det 6 .
7
.
.
.
.
..
...... ...
4 ..
5
bn an2
ann
2
3
x1 =
a11 a12
a1n
6 a21 a22
a2n 7
6
7
det 6 .
7
.
.
.
.
..
...... ...
4 ..
5
an2
+ bn Da1n
+ bn Da2n
..
.
x1 =
an1
b1
b2
..
.
a1n
a2n
..
.
ann
7
7
7
5
3
7
7
7
5
3
7
7
7
5
3
7
7
7
5
xi =
onde
6
6
Di = det 6
4
Di
D
a11
a21
..
.
b1
b2
..
.
a1n
a2n
..
.
an1
bn
ann
6
6
D = det 6
4
a11
a21
..
.
a12
a22
..
.
an1
an2
......
...
a1n
a2n
..
.
ann
3
7
7
7
5
3
7
7
7
5
1
10
1
10
=0
D1 = det
2
20
1
10
=0
D2 = det
1
10
2
20
=0
2x + y z = 0
20x + 20y 20z = 1
:
x+y z =0
2
3
2
1
1
20 5 = 0
D = det 4 20 20
1
1
1
27
0
D1 = det 4 1
0
2
2
D2 = det 4 20
1
2
2
D3 = det 4 20
1
Como D2 = 20 e D3 =
1
20
1
1
0
1
1
20
1
3
1
20 5 = 0
1
3
1
20 5 = 20
1
3
0
1 5= 1
0
1 o sistema incompatvel
1
D = det 4 1
1
1
1
1
1
1
1
A soluo
x1
x2
x3
0
1
1
1
1
1
3
1
1 5=
1
3
1
1 5= 4
1
3
1
1 5=2
1
3
0
1 5= 2
1
4
D1
=
=1
D
4
2
1
D2
=
=
D
4
2
D
2
1
=
=
D3
4
2
Captulo 2
ESPAOS VETORIAIS
2.1
Introduo
lgebra linear uma parte da lgebra que, por sua vez, um ramo da Matemtica
na qual so estudados matrizes, espaos vetoriais e transformaes lineares.
Todos esses itens servem para um estudo detalhado de sistemas lineares de
equaes. um fato histrico que a inveno da lgebra Linear ser um campo
abstrato da Matemtica, ela tem um grande nmero de aplicaes dentro e fora
da matemtica.
Tanto a lgebra Linear como a Geometria Analtica aplicam-se a vrias reas,
em especial s Engenharias. Citamos, a seguir, alguma delas. claro que
neste curso no conseguiremos aborda-las todas. Contudo, nosso objetivo no
momento que o estudante tome contato com o que representa o estado da arte
neste contexto.
Jogos de Estratgia: no jogo de roleta o jogador d seu lance com uma
aposta e o cassino responde com o giro da roleta; o lucro para o jogador ou
para o cassino determinado a partir destes dois movimentos. Esses so os
ingredientes bsicos de uma variedade de jogos que contm elementos tanto
de estratgia quanto de acaso. Os mtodos matriciais podem ser usados para
desenvolver estratgias otimizadas para os jogadores.
Administrao de Florestas: o administrador de uma plantao de rvores de Natal quer plantar e cortar as rvores de uma maneira tal que a congurao da oresta permanea inalterada de um ano para outro. O administrador tambm procura maximizar os rendimentos, que dependem de nmero
e do tamanho das rvores cortadas. Tcnicas matriciais podem quanticar este
problema e auxiliar o administrador a escolher uma programao sustentvel de
corte.
Computao grca: uma das aplicaes mais teis da computao gr-
29
30
31
32
nibus espacial dos EUA (lanado em 1981) foi uma vitria da engenharia de
controle de sistemas, envolvendo muitas reas da engenharia - aeronutica,
qumica , eltrica, hidrulica e mecnica. Os sistemas de controle de nibus
espacial so absolutamente crticos para vo. Ele requer um constante monitoramento por computador durante o vo atmosfrico. O sistema de vo envia uma sequncia de comandos para a superfcie de controle aerodinmico.
Matematicamente , os sinais de entrada e sada de um sistema de Engenharia
so funes. importante para as aplicaes que essas funes possam ser
somadas e multiplicadas por escalares. Essas duas operaes em funes tem
propriedades algbricas que so completamente anlogas s operaes de soma
de vetor e multiplicao de vetor por escalar no Rn : Por esse motivo, o conjunto
de todas as entradas possveis (funes) chamado de um espao vetorial.
A fundamentao matemtica para a engenharia de sistemas repousa sobre espaos vetoriais de funes, portanto precisamos estender a teoria de vetores do
Rn de modo a incluir tais funes.
Antes de apresentarmos a sua denio, analisaremos em paralelo dois
objetos: o conjunto formado pelas funes f : R ! R, denotado por F (R)
e o conjunto das matrizes quadradas de ordem n com coecientes reais que
denotaremos por Mn (R).
A soma de duas funes f e g de F (R) denida como:
(f + g)(x) = f (x) + g(x):
Note tambm que se
f ; da seguinte forma:
pela funo
( f ) (x) = (f (x))
resultando num elemento de F (R):
Com relao a Mn (R) podemos somar duas matrizes quadradas de
ordem n,
A + B = (aij + bij )nxn
que um elemento de Mn (R):
Com relao multiplicao do escalar
pela matriz A 2 R
A = ( aij )nxn
o qual tambm 2 Mn (R):
O que estes dois exemplos acima, com a adio de seus elementos e
multiplicao de seus elementos por escalares, tm em comum?
Verca-se facilmente a partir das propriedades dos nmeros reais que,
com relao a quaisquer funes f , g e h em F (R) e para ; 2 R, so vlidos
os seguintes resultados:
1. f + g = g + f
2. f + (g + h) = (f + g) + h
3. Se g representa a funo nula ento f + g = f
33
4. f + ( f ) = 0
5.
( f) = (
)f
6. ( + )f = f + f
7.
(f + g) = f + g
8. 1f = f
Agora, com relao a quaisquer matrizes A; B; e C em Mn e para todo
2 R, tambm so vlidos os seguintes resultados:
1. A + B = B + A
2. A + (B + C) = (A + B) + C
3. Se 0 representa a matriz nula ento A + 0 = A
4. A + ( A) = 0
5.
( A) = (
)A
6. ( + )A = A + A
7.
(A + B) = A + B
8. 1A = A
Observamos que o conjunto das funes bem como o das matrizes, quando
munidos de soma e multiplicao por escalar, apresentam propriedades algbricas comuns. Existem muitos outros exemplos de conjuntos que apresentam as
mesmas propriedades acima. Para no estudarmos separadamente cada conjunto, estudaremos um conjunto genrico e no vazio, V , sobre o qual supomos
estar denidas as operaes de adio e multiplicao por escalar.
Denio 33 Um espao vetorial V um conjunto, cujos elementos so chamados vetores, no qual esto denidas duas operaes: a adio, que a cada par
de vetores, u e v 2 V faz corresponder um novo vetor denotado por u + v 2 V ,
chamado a soma de u e v, e a multiplicao por um nmero real, que a cada 2
R e a cada vetor v 2 V faz corresponder um vetor denotado por v, chamado
produto de por v. Estas operaes devem satisfazer, para quaisquer ; 2 R
e u, v e w 2 V as seguintes propriedades:
1. Comutatividade: u + v = v + u
2. Associatividade: (u + v) + w = u + (v + w)
3. Vetor nulo: existe um vetor nulo 0 2 V tal que v + 0 = v para todo v 2 V
4. Inverso aditivo: Para cada v 2 V existe
34
v 2 V tal que
v+v =0
5. Distributividade: ( + )v = v + v
6. (
7.
)v = ( v)
(u + v) = u + v
n 1
1x
+ an xn
ao ; a1 ; ::::; an
1 ; an
2R
= faij g
35
u+ u
2.2
Subespaos
V um subespao
1. se u , v 2 W ento u + v 2 W
2. se u 2 W ento u 2 W para todo
2 R:
1. u + v = (0; x2 + y2; x3 + y3 ; x4 + y4 ; x5 + y5 ) 2 W
2.
36
x1 + y1 + z1 =
0
1
2
1 0
AB = BAg. Verique se W um espao vetorial
a b
c d
0
1
1
0
b
d
a
c
b
a
a
c
0
1
1
0
a b
c d
c
d
a
b
c
d)a=d
=
=
= d
= b)b=
b
a b
)W =
2 M2 a; b 2 R
a
b a
a b
x y
Sejam u =
ev=
b a
y x
a b
x y
a+x b+y
a+x
b+y
u+v =
+
=
=
2W
b a
y x
b y a+x
(b + y) a + x
a b
ka kb
ku = k
=
2W
b a
kb ka
Como u + v 2 W e ku 2 W ) W um subespao vetorial de M2
Logo A =
2.3
a
b
x: Portanto W1 \ W2 = f(x; y; z) 2
p0 (1) = 0g e W2 = fp 2 P3
Exemplo 49 V = P3 : Seja W1 = fp 2 P3
p00 (1) = 0g
W1 \ W2 = fp 2 P3
3d
3d
p = a + 3dx
3dx2 + dx3 g
a b
c d
W1 =
a b
0 0
; a; b 2 R
W2 =
a 0
c 0
; a; c 2 R
W = W1 \ W2 um subespao de V , pois
W =
a 0
0 0
;a 2 R
39
y = 0g
2.4
Combinao Linear
v1 = (1; 2) v2 = (3; 4)
Exemplo 55 Verique se o vetor v = (3; 2; 1) pode ser escrito como uma combinao linear dos vetores v1 = (1; 1; 1); v2 = (1; 1; 1); v3 = (1; 1; 1):
Devemos vericar se existem nmeros a; b; c tais que v = av1 +bv2 +cv3 ;
ou seja,
(3; 2; 1) = a(1; 1; 1) + b(1; 1; 1) + c(1; 1; 1):
devemos ento resolver o sistema
2
1 1
41
1
1 1
32 3 2 3
3
1
a
1 5 4 b 5 = 425
1
1
c
40
Resoluo:
Precisamos encontrar nmeros reais, a1 ; a2 e a3 tais que:
p(x) = a1 q(x) + a2 r(x) + a3 s(x)
Ou seja, precisamos encontrar a1 ; a2 e a3 satisfazendo:
1 + x2
1:1 + 0x + 1:x2
= a1 + a2 (1 + x) + a3 (1 + x + x2 )
= (a1 + a2 + a3 ) + (a2 + a3 ) x + a3 x3
1 e a3 = 1:
2.5
3
0
05
0
L.I
que possui innitas solues ( grau de liberdade 1). Portanto alm da soluo
nula ( que todo sistema homogneo tem) este sistema possui outras solues
diferentes da soluo nula, logo o conjunto L.D.
Teorema 61 O conjunto fv1 ; v2 ; ::::::; vn g LD se, e somente se um dos vetores
do conjunto for uma combinao linear dos outros.
Exemplo 62 a) Seja V = R3 . Sejam v1 ; v2 2 V:O conjunto fv1 ; v2 g LD se e
somente se v1 e v2 estiverem na mesma reta que passa pela origem (um vetor
mltiplo do outro), v1 = v2 :
b) Em V = R2 ; e1 = (1; 0) e e2 = (0; 1) so LI, pois:
a1 e1 + a2 e2 = 0 =) a1 (1; 0) + a2 (0; 1) = (0; 0) =) (a1; a2 ) = (0; 0)
logo a1 = 0 e a2 = 0 portanto, e1 e e2 so LI.
Exemplo 63 No espao Vetorial M2 o conjunto:
A=
1
3
2
1
2
3
3
0
3
3
4
1
a1 v1 + a2 v2 + a3 v3 = 0
42
a1
1
3
cuja soluo a1 =
LD.
2
1
+ a2
a3 e a2 =
2
3
3
0
+ a3
3
3
4
1
0
0
0
0
!
V e v 6= 0 , ento A LI.
2. Se um conjunto A
3. Se um conjunto A
2.6
Subespaos Gerados
v = a1 v1 + a2 v2 + :::: + an vn g
O subespao W diz-se gerado pelos vetores v1 ; v2 ; :::vn :; ou gerado pelo conjunto A, e representa-se por:
W = [v1 ; v2 ; :::vn :] ou W = G(A)
Os vetores v1 ; v2 ; :::vn :so chamados geradores do subespao W; enquanto A o conjunto gerador de W:
!
Para o caso particular de A = ?; dene-se [?] = f 0 g
A G(A), ou seja, f v1 ; v2 ; :::vn g [v1 ; v2 ; :::vn ]
Todo conjunto A
V gera um subespao vetorial de V , podendo ocorrer
G(A) = V . Nesse caso, A um conjunto gerador de V:
Exemplo 65 Os vetores i = (1; 0) e j = (0; 1) geram o espao vetorial R2 ,
pois, qualquer (x; y) 2 R2 combinao linear de i e j :
(x; y) = xi + yj = x(0; 1) + y(0; 1) = (x; 0) + (0; y) = (x; y)
Ento: [i; j] = R2 .
Exemplo 66 Seja V = R3 . Determinar o subespao gerado pelo vetor v1 =
(1; 2; 3):
43
Soluo: Temos:
[v1 ] = f(x; y; z) 2 R3 =(x; y; z) = a(1; 2; 3); a 2 Rg
Da igualdade: (x; y; z) = a(1; 2; 3) vem: x = a; y = 2a; z = 3a donde:
y = 2x e z = 3x logo ,
[v] = f(x; y; z) 2 R3 =y = 2x e z = 3xg ou [v1 ] = f(x; 2x; 3x); x 2 Rg:
Exemplo 67 Encontre o subespao vetorial de P3 gerado por U = f1; t; t2 ; 1 +
t3 g
Resoluo:
note que t3 = (t3 + 1)
podemos escrever
p(t) = (a0
Ou seja, qualquer vetor (polinmio) de P3 pode ser escrito como uma combinao linear dos vetores do conjunto U . Logo P3 = [U ]:
Exemplo 68 Encontre o subespao vetorial gerado de M2 gerado por
0
0
G=
1
0
0
1
0
0
0
0
1
0
0
1
+b
0
0
0
b
a
0
Resoluo:
0
1
0
a
1
B b C
B 2
C
B
X=B
@ c A 2 W () @ 3
d
0
1
0
1
2
44
1
1 0
1 1 C
C
0 1 A
3 1
10
1 0
a
B b
1 1 C
CB
0 1 A@ c
3 1
d
1
0
C B 0 C
C = B C ,;
A @ 0 A
0
0
0
1
B 0
B
@ 0
0
1
1
0
0
1 0
10
a
0
1 0
B b C B 0
3 1 C
C=B
CB
0 0 A@ c A @ 0
d
0
0 0
1 0 1
10
a
0
0
B b C B 0 C
1=2 C
C=B C,
CB
0 A@ c A @ 0 A
d
0
0
1
B 0
B
@ 0
0
1
2
0
0
1
3=2
0
0
isto ,
B
X=B
@
c
2
3c
2
+
c
d
d
2
d
2
1
2
3
2
C
C,
A
a=
b=
1
2
1
2
c
2
3c
2 +
d
2
d
2
B
B
C
C
C
B
C = cB
C
C
@ 1 A + d@ 0 A
A
0
1
20 1 1 0 1 13
2
6B 3 C B 1 C7
B 2 C B 2 C7
portanto; W = 6
4@ 1 A ; @ 0 A5
0
1
2.7
Soma de Subespaos
v = w1 + w2 ; w1 2 W1 e w2 2 W2 g
um subespao de V:
Exemplo 71 W1 =
Ento W1 + W2 =
a b
e W2 =
0 0
a b
= M2 :
c d
0 0
c d
;onde a; b; c; d 2 R.
45
y+z =0
x=0
() (x; y; z) = (0; 0; 0)
y=0
(x; y; z) 2 R3 x + y + z = 0 ; e
(x; y; z) 2 R3 x + y = 0 e x
z=0
2.8
2.8.1
Base
Um conjunto
1.
LI
2.
gera V
Exemplo 77
= fv1 ; v2 ; ::::::; vn g
1.
2.
x)( 1; 0)
x:
ao + a1 x + a2 x2 + ::::: + an xn = 0
ao + a1 x + a2 x2 + ::::: + an xn = 0 + 0x + 0x2 + ::::: + 0xn
=) a0 = a1 = ::::: = an = 0
portanto, LI.
gera o espao vetorial Pn, pois qualquer polinmio p 2 Pn pode ser escrito
assim:
p = ao + a1 x + a2 x2 + ::::: + an xn
que uma combinao linear de 1; x; x2 ; :::; xn .
Logo, uma base de Pn :Essa a base cannica de Pn e tem n + 1 vetores.
Exemplo 81 Encontre uma base para U + W onde
U
W
=
=
(x; y; z) 2 R3 x + y + z = 0
(x; y; z) 2 R
x+y =0 e x
e
z=0
=
=
(x; y; z) 2 R3 x
(x; y; z) 2 R
x+y
Se v = (x; y; z) 2 U )
y+z =0 e x
y=0 ; e
z=0ex
y+z =0
y=0
z=0
Se u = (x; y; z) 2 W )
W = [(1; 0; 1)]
Assim U +W = [(1; 1; 0; ); (1; 0; 1)] : Como o conjunto = f(1; 1; 0; ); (1; 0; 1)g
L.I ento ele uma base para U + W:
Como o conjunto = f(1; 0; 1); (0; 1; 1); (1; 1; 1)g LI (verique isto) e
gera o espao U + W ento ele uma base do espao U + W:
Exemplo 83 Dados:
U = fA 2 M2 (R); A = At g e
1
0
W =
1
1
em M2
a b
c d
, c = b portanto, A 2 U se existirem a1 ; a2 ; a3 2
R tais que
A = a1
1
0
0
0
0
1
+ a2
1
0
+ a3
0
0
0
0
0
0
0
1
1
0
0
1
2 R tal que
0
2 R tal que
=
48
0
1
0
0
0
1
1
0
0
0
0
1
1
0
1
1
base de W , pois
LI e gera W:
Teorema 86 Sejam v1 ; v2 ; :::vn , vetores no nulos que geram um espao vetorial V . Ento, dentre estes vetores podemos extrair uma base de V .
Proposio 87 Seja um E.V V gerado por um conjunto nito de vetores
v1 ; v2 ; :::vn . Ento qualquer conjunto com mais de n vetores necessariamente
LD (e, portanto, qualquer conjunto LI tem no mximo n vetores).
2.8.2
Dimenso
2.8.3
2.8.4
0
0
0
0
1
0
0
1
0
0
0
0
0
1
Coordenadas
[v] =
8
6
3
2
; [v] =
e [v] =
2
3
Exemplo 98 Mostre que os vetores (1; 1; 1); (0; 1; 1) e (0; 0; 1) formam uma
base de R3 . Encontre as coordenadas de (1; 2; 0) 2 R3 com relao base
formada pelos vetores acima.
Resoluo:
J sabemos que dim R3 = 3:Ento vericamos se os vetores acima so LI.
Os vetores so LI se a1 v1 + a2 v2 + a3 v3 = 0 , a1 = a2 = a3 = 0: Isto
equivalente a que o sistema:
8
a1 = 0
<
a1 + a2 = 0
:
a1 + a2 + a3 = 0
cuja soluo a1 = a2 = a3 = 0 , portanto, os vetores v1 ; v2 e v3 so LI.
(1; 2; 0) = a(1; 1; 1) + b(0; 1; 1) + c(0; 0; 1) = (a; a + b; a + b + c)
que equivalente ao sistema:
8
a=1
<
a+b=2
, a = 1; b = 1 e c =
:
a+b+c=0
. Desse
1 as coordenadas de (1; 2; 0) em relao base
0 modo,
1
[v] = @ 1 A
2
2.9
dado por
Mudana de Base
j
i
52
Nesta seo, vamos discutir o problema de mudar de um sistema de coordenadas para outro.
Sejam
= fu1;:::; un g e 0 = fw1; :::::; wn g duas bases ordenadas de um
mesmo espao vetorial V . Dado um vetor v 2 V , podemos escrev-lo como:
v
v
= x1 u1 + :::: + xn un
= y1 w1 + :::: + yn wn
(2.1)
53
8
w1 = a11 u1 + a21 u2 + :::: + an1 un
>
>
<
w2 = a12 u1 + a22 u2 + :::: + an2 un
:
>
>
:
wn = a1n u1 + a2n u2 + :::: + ann un
(2.2)
Em forma matricial
2
3 2
x1
a11
4 : 5=4 :
xn
an1
:
:
an2
temos a relao
a11
=4 :
an1
32
3
a1n
y1
: 54 : 5
ann
yn
:
:
an2
0
3
a1n
: 5
ann
0
para a base .
Compare [I] com (2.2) e observe que esta matriz obtida, colocando as
coordenadas em relao a de wi na i-sima coluna. Note que uma vez obtida
0
[I] podemos encontrar as coordenadas de qualquer vetor v em relao base
, multiplicando a matriz pelas coordenadas de v na base 0 (supostamente
conhecida).
Exemplo 99 Sejam
= f(2; 1); (3; 4)g e 0 = f(1; 0); (0; 1)g bases de R2 .
0
Procuremos inicialmente [I]
w1 = (1; 0) = a11 (2; 1) + a21 (3; 4) = (2a11 + 3a21 ; a11 + 4a21 )
1
4
e a21 = 11
Isto implica que a11 = 11
w2 = (0; 1) = a12 (2; 1) + a22 (3; 4)
2
Resolvendo, a12 = 113 e a22 = 11
54
Portanto, [I]
=4
4
11
3
11
1
11
2
11
3
5
Resoluo:
(1; 0; 0) = a11 (1; 0; 1) + a21 (1; 1; 1) + a31 (1; 1; 2)
(0; 1; 0) = a12 (1; 0; 1) + a22 (1; 1; 1) + a32 (1; 1; 2) ,
(0; 0; 1) = a31 (1; 0; 1) + a23 (1; 1; 1) + a33 (1; 1; 2)
(a11 + a21 + a31; a21 + a31 ; a11 + a21 + 2a31 ) = (1; 0; 0)
(a12 + a22 + a32; a22 + a32 ; a12 + a22 + 2a32 ) = (0; 1; 0)
(a13 + a23 + a33; a23 + a33 ; a13 + a23 + 2a33 ) = (0; 0; 1)
Note que cada linha acima representa um sistema de trs equaes com trs
incgnitas e que a matriz associada a cada um destes sistemas a mesma e o
que muda so os nomes das variveis e o segundo membro. Utilizando como
variveis x; y e z ; basta resolvermos o seguinte sistema:
0
10
1 0
1
1 1 1
x
a
@ 0 1 1 A@ y A = @ b A
1 1 2
z
c
onde a; b; c 2 R. O sistema acima equivalente a
0
10
1 0
1
1 1 1
x
a
@ 0 1 1 A@ y A = @ b A
0 0 1
z
c a
2.10
= [I] 0 [v]
e [I]
so inversveis e
= [I]
) [I]
Ento
[I]
2
1
3
4
=4
56
a partir de [I]
a base cannica
0
2
1
4
11
3
11
1
11
2
11
3
5
3
4
2.11
2 R e u = (x; y) 2 R2 :
um espao vetorial.
2. Moste que R2 com as operaes denidas por:
i. (x; y) + (s; t) = (x + s; y + t); onde u = (x; y) e v = (s; t) pertencem a
R2
ii.
um espao vetorial .
3. Verique se em cada um dos itens abaixo o subconjunto W um subespao
do espao vetorial V:
(a) V = R3 e W = f(x; y; z) 2 R3 : 2x + 3y
3
z = 0g
(b) V = R e W = f(x1 ; x2 ; x3 ) 2 R : x1 + x2 = 1g
(c) V = Pn e W = fp 2 Pn : p(0) = p(1)g
(f) V = M (2; 2) e F = fX 2 Mn
AX = XAg (F o conjunto das
matrizes que comutam com a matriz A)
(g) V = P3 e W o conjunto dos polinmios de grau
pelo ponto P (0; 0):
3 que passam
4. Verique se o conjunto W = f(1; 2; 3); (1; 3; 1); (0; 3; 1); (1; 4; 5)g
L.I ou L.D.
5. Dado o conjunto W = f(1; 1; 3); (1; 2; 1); (0; 1; 3); (1; 4; 5)g
um subconjunto de vetores L.I.
R3
R3 , extrair
57
b=aed=
a : Verique se o subconjunto
(b) Exiba uma base para [v1 ; v2 ; v3 ; v4 ] : Qual a dimenso deste espao?
(c) [v1 ; v2 ; v3 ; v4 ] = R4 ? Por qu?
9. Considere o espao vetorial P3 e o conjunto W = fp(x) 2 P3 ; p00 (1) = 0g :
(a) Verique se W um subespao vetorial de P3 :
(b) Obtenha os geradores de W:
10. a) Encontre as coordenadas do vetor p = 1 + t + t2 + t3 em relao base
= 2; 1 + t; t + t2 ; t2 + t3 de P3
b) O conjunto
1
1
1
0
;
0
1
0
1
0
0
2
1
a
c
b
d
com a; b; c; d 2 R e b = c e a =
a b
com a; b; c; d 2 R e b
c d
Em caso armativo, determine:
i) uma base para W1 \ W2
(b) V =
1=c+1
(b) U + W = R3 ?
S=
ii. [I]
iii. [I]
iv. [I]
ii.
iii.
iv.
59
3:
1
1
1
0
1
1
1
1
0
0
1
0
1
0
1
0
1
11
;
;
1
0
d = 0 . Sejam
1
0
0
0
sabendo que
3
0
15
1
24. Seja E um espao vetorial qualquer e fu1 ; u2 ; u3 g uma base de E. Considere ainda os vetores v1 = u1 + u2 ; v2 = 2u1 + u2 u3 e v3 = u2 :
(a) Determine a matriz S de mudana da base fv1 ; v2 ; v3 g para a base
fu1 ; u2 ; u3 g:
25. Sejam
=1
1
0
61
1 1
0
;
1 0
1
!
!
!
u
v; v
0
0
;
1
0
!
w
2
1
Captulo 3
TRANSFORMAES
LINEARES
Denio 102 Sejam V e W dois espaos vetoriais. Uma Transformao Linear (aplicao linear) uma funo de V em W; T : V ! W; que satisfaz as
seguintes condies:
Qualquer que sejam u e v em V ,
T (u + v) = T (u) + T (v)
Qualquer que sejam k 2 R e v em V ,
T (kv) = kT (v)
Exemplo 103 : Um agricultor planta e comercializa trs tipos de verduras:
Tomate, Batata, Cenoura. Sejam x1 ; x2 ; x3 as quantidades em quilos de Tomate, Batata, Cenoura respectivamente. Se o agricultor vende o quilo do tomate a R$ 2; 00;da batata a R$ 1; 50 e da cenoura a R$ 1; 90 ento o total de
vendas (TV ) dado por 2x1 + 1; 5x2 + 1; 9x3 . A aplicao que a cada tripla
(x1 ; x2 ; x3 ) 2 R3 associa o total de vendas TV (x1 ; x2 ; x3 ) uma aplicao linear.
Matematicamente temos uma transformao linear do E.V R3 no E.V R :
TV
TV (x1 ; x2 ; x3 )
: R3 ! R
= 2x1 + 1; 5x2 + 1; 9x3
Vamos agora mostrar que de fato esta aplicao uma transformao linear
Chamando u = (x1 ; x2 ; x3 ) 2 R3 ; v = (y1 ; y2 ; y3 ) 2 R3 e k 2 R temos:
62
i)
TV (u + v)
=
=
=
=
=
TV ((x1 ; x2 ; x3 ) + (y1 ; y2 ; y3 ))
TV (x1 + y1 ; x2 + y2 ; x3 + y3 )
2(x1 + y1 ) + 1; 5(x2 + y2 ) + 1; 9(x3 + y3 )
2x1 + 1; 5x2 + 1; 9x3 + 2y1 + 1; 5y2 + 1; 9y3
(2x1 + 1; 5x2 + 1; 9x3 ) + (2y1 + 1; 5y2 + 1; 9y3 )
=
=
=
=
=
TV (k(x1 ; x2 ; x3 ))
TV (kx1 ; kx2 ; kx3 )
2kx1 + 1; 5kx2 + 1; 9kx3
k (2x1 + 1; 5x2 + 1; 9x3 )
kT (u)
Logo TV (ku) = kTV (u): De i) e ii) vemos que TV uma transformao linear.
Exemplo 104 . Sejam V = R; W = R e F : R ! R dado F (u) = u2 . A
aplicao F no uma transformao linear pois:
F (u + v) = (u + v)2 = u2 + 2uv + v 2
F (u) + F (v) = u2 + v 2
F (u + v) 6= F (u) + F (v)
Exemplo 105 T : R2 ! R3 ; T (x; y) = (2x; 0; x + y)
T uma transformao linear pois,
i)
T (u + v)
=
=
=
=
=
=
T ((x1 ; y1 ) + (x2 ; y2 ))
T (x1 + x2 ; y1 + y2 )
(2(x1 + x2 ); 0; (x1 + x2 ) + (y1 + y2 ))
(2x1 + 2x2 ; 0 + 0; (x1 + y1 ) + (x2 + y2 ))
(2x1 ; 0; x1 + y1 ) ; (2x2 ; 0; x2 + y2 )
T (u) + T (v)
63
ii)
T (ku)
=
=
=
=
T (k(x1 ; y1 ))
T (kx1 ; ky1 )
(2kx1 ; 0; kx1 + ky1 )
k (2x1 ; 0; x1 + y1 )
kT (u)
: Pn ! Pn
= f0
a aplicao derivada que a cada polinmio associa sua derivada, a qual tambm
um polinmio uma aplicao linear. De fato, para quaisquer f; g 2 Pn e
k 2 R;
i)
D(f + g)
= (f + g)
= f 0 + g0
= D(f ) + D(g)
ii)
D(kf )
= (kf )0
= kf 0
= kD(f )
: Pn ! Pn+1
= xp(x) = a0 x + a1 x2 + a2 x3 + : : : + an xn+1
: Pn ! Pn
2
n
= p(ax + b) = a0 + a1 (ax + b) + a2 (ax + b) + : : : + an (ax + b)
64
: Rn ! R
= hv; v0 i
: C(R) ! R
= f (0)
T
T
a b
c d
M2 ! M2
a+b b+c
=
c+d d+a
a1
c1
b1
d1
a2
c2
b2
d2
a1 + a2
c1 + c2
= T
b1 + b 2
d1 + d2
a1 + a2 + b1 + b2
c1 + c2 + d1 + d2
b1 + b2 + c1 + c2
d1 + d2 + a1 + a2
a1 + b1
c1 + d1
= T
65
a1
c1
b1 + c1
d1 + a1
b1
d1
+T
a2 + b2
c2 + d2
a2
c2
b2
d2
b2 + c2
d2 + a1 + a2
a b
c d
= T
ka kb
kc kd
ka + kb
kc + kd
=
= k
= kT
a+b
c+d
kb + kc
kd + ka
b+c
d+a
a b
c d
: Mn ! R
= det(A)
3.1
an T (vn ) = a1 w1 +
an wn
=
=
=
=
=
xv1 + yv2
T (xv1 + yv2 )
xT (v1 ) + yT (v2 )
x(2; 1; 0) + y(0; 0; 1)
(2x; x; y)
66
1
0
0
0
= x4 + x
0
0
1
0
= x3 + x2
0
1
0
0
= x2 + x3
0
0
0
1
= x + x4
Soluo
Uma matriz A 2 M2 da forma A =
a b
c d
T
= aT
1
0
0
0
+b
=T
1
0
=a
a b
c d
1
0
0
0
+ bT
0
0
0
0
0
0
1
0
0
0
+b
1
0
a b
: Podemos escrever:
c d
0 0
0 0
+c
+d
, portanto
1 0
0 1
+ cT
1
0
0
1
+c
0
1
0
0
0
0
+d
+ dT
0
0
0
1
0
0
0
1
a b
c d
= a x4 + x + b x3 + x2 + c x2 + x3 + d x + x4
a b
c d
67
Soluo: a) Para que u 2 Im(T ) deve existir algum v = (x; y) tal que
T (v) = u, ou seja, T (x; y) = (1; 2); temos ento:
(2x
T (x; y) = (1; 2)
y; 10x + y) = (1; 2)
2x y = 1
10x + y = 2
(2x
T (x; y) = ( 1; 2)
y; 10x + y) = ( 1; 2)
2x y = 1
10x + y = 2
1
8
ey=
3
4
= (2x y z; x y z; x + y z)
= x(2; 1; 1) + y( 1; 1; 1) + z( 1; 1; 1)
!
Exemplo 122 Seja T : V ! W , dada por T (v) = 0 : Neste caso todo vetor de
V levado no vetor nulo pela transformao T; assim temos que Ker(T ) = V
Exemplo 123 Seja T : R3 ! R3 a projeo ortogonal sobre o plano xy:
Neste caso temos T (x; y; z) = (x; y; 0): Se T (x; y; z) = (0; 0; 0) ) (x; y; z) =
(0; 0; 0) ) x = 0 e y = 0: Como nada dito sobre a varivel z, temos que z
qualquer, logo Ker(T ) = (0; 0; z) 2 R3
z 2 R ; ou seja o ncleo de T so
todos os vetores que esto sobre o eixo z:
T
T (x; y; z; t)
: R4 ! R3
= (x + y + z
t; 2x + z
t; 2y
t)
3
..
1
1
1 . 0 7
7
.
2
1 1 .. 0 7
5
..
0
1 0 . 0
o sistema compatvel e indeterminado
69
8
< x+y+z t=0
2y z + t = 0
:
z=0
x = y
z = 0
t = 2y
y 2 R = [(1; 1; 0; 2)]
Encontre o Ncleo de T:
Soluo: Projetar um vetor sobre uma reta o mesmo que encontrar a
projeo ortogonal sobre o vetor diretor dessa mesma reta. No nosso caso, o
vetor diretor u = (2; 2; 1); logo
T (v)
v:u
u
u:u
(x; y; z):(2; 2; 1)
(2; 2; 1)
(2; 2; 1):(2; 2; 1)
2x 2y + z
(2; 2; 1)
9
4x + 4y 2z 2x
4x 4y + 2z
;
;
9
9
= proju v =
T (x; y; z)
T (x; y; z)
T (x; y; z)
2y + z
9
T (x; y; z) =
4x
4y + 2z
;
9
4x + 4y
9
4x 4y + 2z
4x + 4y 2z
2x 2y + z
70
2z 2x
;
= 0
= 0
= 0
2y + z
9
= (0; 0; 0)
4
4 4
2
4
4
2
3
2
2
4
2 5 , fazendo o escalonamento temos 4 0
1
0
4x
2z
z
4
0
0
3
2
0 5 ; assim
0
4y + 2z = 0
0 = 0
0 = 0
=
=
4x + 4y
2x + 2y
Se
T (p(x)) = 0
a0 x + a1 x2 + : : : + an xn+1 = 0 = 0 + 0x + 0x2 + : : : + 0xn+1
logo
n!oa0 = a1 = : : : = an = 0 ) p(x) = 0 (p(x) o polinmio nulo) ) Ker(T ) =
0 (observe que neste caso o vetor nulo de Pn o polinmio nulo de grau n).
Portanto T injetora.
Como dim Pn = n + 1; dim Pn+1 = n + 2 e dim Ker(T ) = 0; temos que
dim Ker(T ) + dim Im(T ) = n + 1
0 + dim Im(T ) = n + 1
dim Im(T ) = n + 1
Note que dim Im(T ) = n+1 6= n+2 = dim Pn+1 ) Im(T ) 6= Pn+1 : Portanto
T no sobrejetora e assim T no bijetora
3.2
3.2.1
3
x1
6
7
v = 4 ... 5
xn
LA (v)
LA (v)
02
= A:v
2
a11
6 ..
= 4 .
..
am1
32
a1n
.. 7 6
. 54
amn
3
x1
.. 7
. 5
xn
3
31
2
x1
a11 x1 +
a1n xn
B6 .. 7C
6
7
.
..
LA @4 . 5A = 4
5
xn
am1 x1 +
+ amn xn
72
1
A=4 2
0
1
0
2
3
1
1 5
1
1
1
0
Observe que a matriz A tem ordem 3 4 e portanto ela induzir uma transformao linear de R4 para R3 , denida por:
02
x
B6 y
6
LA B
@4 z
t
R4 ! R3
2
1 1 1
1
7C
7C = 4 2 0 1
1
5A
0 2 0
1
2
x+y+z t
= 4 2x + z t
2y t
LA
31
3
x
7
6
56 y 7
4 z 5
t
3
3
Note que a transformao acima est escrita em forma matricial, mas podemos
escreve-la tambm na forma vetorial que estamos acostumados:
LA (x; y; z; t) = (x + y + z
t; 2x + z
t; 2y
t)
T
T (x; y; z)
: R3 ! R2
= (10x 20y
30z; x
2y
3z)
Encontre a matriz da transformao T (Isto , encontre a matriz A cuja transformao associada a ela exatamente a transformao T )
Soluo: Passando da forma vetorial para a forma matricial temos:
02
31
x
T @4 y 5A =
z
=
10x
x
10
1
73
20y 30z
2y 3z
20
2
30
3
3
x
4 y 5
z
10
1
20
2
30
3
amn
podemos associar
TA
= fw1 ; w2 ;
; wm g ;
3
7
5
: R n ! Rm
v ! TA (v)
ento
; vn g e
3
x1
6
7
X = [v] = 4 ... 5
xn
2
32
3 2
a11
a1n
x1
6
.. 7 6 .. 7 = 6
..
A:X = 4 ...
.
. 54 . 5 4
am1
amn
xn
TA (v) = y1 w1 +
3
y1
.. 7
. 5
ym
+ ym wm
3.2.2
a11 w1
..
.
a1n w1
+ amn wm
74
am1 wm
..
.
amn
3
a11
a1n
6
.. 7 a transforObservao 137 Note que se A = [T ] 0 = 4 ...
. 5
am1
amn
mao linear T passa a ser a transformao linear associada matriz A e
bases e 0 , iste , T = TA
Exemplo 138 Seja T : R3 ! R2 tal que T (x; y; z) = (2x + y
Sejam = f(1; 1; 1; ); (1; 1; 0); (1; 0; 0)g e
Procuremos [T ] 0
T (x; y; z) = (2x + y z; 3x 2y + 4z)
z; 3x
2y + 4z):
a+b=2
3a + 4b = 5
c+d=3
3c + 4d = 1
d=
e=5
3
1
11
8
5
3
e+f =2
3e + 4f = 3
b=
1 ;
c = 11
[T ]
f=
base de W e
Teorema 140
[T (v)] = [T ]
[v]
Denio 141 Dada uma base e tranformao linear T : V ! V denotaremos a matriz [T ] apenas por [T ] e ela ser chamada de matriz de T em relao
a base :
75
5): Determine
Devemos calcular [T ] = [T ]
T (p) = p(3x 5)
T (a0 + a1 x + a2 x2 ) = a0 + a1 (3x 5) + a2 (3x 5)2
T (a0 + a1 x + a2 x2 ) = a0 + 3a1 x 5a1 + a2 (9x2 30x + 25)
T (a0 + a1 x + a2 x2 ) = (a0 5a1 + 25a2 ) + (3a1 30a2 )x + 9a2 x2
1
[T ] = 4 0
0
5
3
0
3
25
30 5
9
3y
2z; x
z; 2x
y + z)
T (1; 0; 0) = 2; 1; 2 = a1 ( 1; 1; 0) + b1 ( 1; 0; 1) + c1 (0; 1; 1)
1; 0; 1 = a2 ( 1; 1; 0) + b2 ( 1; 0; 1) + c2 (0; 1; 1)
T (1; 1; 0) =
3;
1; 2 = a3 ( 1; 1; 0) + b3 ( 1; 0; 1) + c3 (0; 1; 1)
T (1; 1; 1) =
Devemos resolver os tres sistemas resultantes: Denotando por A a matriz
dos coecientes do sistema,temos:
76
3
3
2 1
1
1
1
1 0
2
2
2
1 5
1
1 5 ) A 1 = 4 12
A=4 1 0
2
2
1
1
1
0
1
1
2
2
2
Vamos
resolver
os
sistemas
matriz inversa:
2
3
2
3
2 3 2 por
3
2
1
1
1
a1
2
2
2
2
2
1
1 54
4 b1 5 = A 1 4 1 5 = 4 1
1 5=4
2
2
2
1
1
1
c1
2
2
2
2
2
2
3
a2
4 b2 5 = A
c2
2
3
a3
4 b3 5 = A
c3
Logo
2
4
2
4
3 2
1
0 5=4
1
3 2
3
1 5=4
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
[T ] = 4
1
2
3
2
1
2
1
0
1
32
54
32
1
2
3
2
1
2
3 2
1
0 5=4
1
3
5
3
1
0 5
1
3 2
3
3
3
54 1 5 = 4 0 5
2
2
3
3
0 5
2
[T (v)]
[T ]
2
= 4
2
= 4
[v]
1
2
3
2
1
2
7
2
3
2
7
2
1
0
1
32 3
3
1
0 54 1 5
1
2
c) Faa voc este item e tire suas concluses. Mais adiante voce poder
vericar se suas concluses estavam corretas.
Teorema 145 Seja T : V ! W uma transformao linear e
e W respectivamente. Ento
bases de V
posto [T ]
dim Im(T )
posto de [T ]
dim Ker(T )
p (0) 2p(1)
00
0
p (3)
0 1 0
;
uma
1 0 1
1 1 0
;
0 0 0
base para P2 :
= 1; x; x2
77
1 0
;
0 1
a) Determine [T ] :
b) Determine uma base para N (T ):
c) Determine uma base para Im(T ):
d) T injetora? E sobrejetora? Justique.
SOLUO:
a)
Note que T (a + bx + cx2 )
Determinando [T ]
=
:
T (1)
0
0
2
1
=a
0
0
1
0
+b
0
0
1
0
+c
0
1
0
1
+d
1
0
0
1
T (x)
1
0
2
1
=e
0
0
1
0
+f
0
0
1
0
+g
0
1
0
1
+h
1
0
0
1
0 2
1
=i
0 2
0
3
2
0 1
2
62 1 4 7
7
= 6
40 0 0 5
0 0 2
1
0
+j
0
0
1
0
+l
0
1
0
1
+m
1
0
0
1
T (x2 )
Logo, [T ]
b)
Seja p(x)
b 2a + 2b + 2c
0
2c
Logo, p(x)
2
=
=
c) Seja A 2 Im(T ) ) A =
c
b 2a + 2b + 2c
0
2c
N (T ) ) T (p(x)) =
0
0
0
0
0
0
0
)a=b=c=0
0
0 + 0x + 0x2 2 N (T ) ) N (T ) = f0g
b 2a + 2b + 2c
0
2c
= a
0
0
2
1
+b
0
0
2
+
0
0 2
0 2
Portanto,
0 2
1 2
0 2
;
;
0 0
0 0
0 2
Como os geradores da Im(T ) formam um conjunto L:I: (Verique!) tem-se
que
0 2
1 2
0 2
;
;
uma base para Im(T ):
0 0
0 0
0 2
d) T injetora pois N (T ) = f0g; mas no sobrejetora pois dim Im(T ) =
3 6= dim M (2; 2)
Im(T ) =
78
3.3
T2 T1
(T2 T1 )(v)
: V !U
= T2 (T1 (v))
=
=
=
=
=
x) e T2 : R3 ! R;
x; y
x)
0
0
= [IW
IV ]
0
0
= [IW ] 0 [T ] [IV ]
3.4
79
Se existe a
= [T ]
5
=4 2
1
2
1
0
3
4
1 5
1
80
T
T (T
(x; y; z)
= I(x; y; z) = (x; y; z)
2
1
41
1
2
1
2
m + 2n + 2s
m + n + 3s
m + 2n + s
3
2
2 x
1 2
escalonando
40 1
3 y5
=)
1 z
0 0
s = x
n = x
m = x
= x
= y
= z
3
2
x
1 x y5
1 x z
z
y + x z = 2x y z
2(2x y z) 2(x z) =
5x + 2y + 4z
Logo
T
(x; y; z) = ( 5x + 2y + 4z; 2x
81
z; x
z)
3.5
1.
a b
c d
= (a + b; 0)
a b
c d
y)
! det
a b
c d
a b
c d
= a + dt
00
1
1
1
;
1
T (0; 1) =
1
1
1
1
82
(a) Determine F
G)
G)
(d) F
(c) N (T ) + Im(T )
(b) Enconte uma base para Ker(T ) e uma base para Im(T ):
3
2
1 0
(c) Encontre uma base de <3 tal que [T ] = 40 05
0 1
83
12. Encontre a transformao linear T : <4 ! <4 cujo ncleo gerado por
(1; 1; 0; 0) e (0; 0; 1; 0):
13. Sejam R; S; T tres transformaes lineares de
2
3
2
1 0 1
2 1
1
[S] = 4 3
[R] = 4 2 1 1 5 e
0
1 1
1
2
encontre T tal que R = S
T:
R3 em R3 : Se
3
1
2 5;
0
xg
y = 2x
z :
a + (b + c)x + (c
d)x2 + dx3
84
a
c
b
d
= 2; 2 + x; 2 + x2 ; 2 + x3 base de P3
inversvel ento:
T
T
T
T
: R6 ! R8 com dim(Im(T )) = 3;
: V ! W com T sobrejetiva, dim V = 5; dim W = 3;
: V ! W com T injetiva;
: R4 ! R4 sabendo que existe a inversa de T:
24. Explique em cada caso abaixo porque no existe uma transformao linear:
(a)
(b)
(c)
(d)
(e)
T
T
T
T
T
: R4
: R5
: R3
: R7
: R4
2
0
1
1
(a) T (u) = 2u
(b) T (v) = v
27. Sejam as transformaes lineares S : P1 ! P2 e T : P2 ! P1 denidas
por
S(a + bx) = a + (a + b)x + 2bx2
T (a + bx + cx2 ) = b + 2cx
85
(a) Determine (S
T )(3 + 2x
x2 )
ALGUMAS SUGESTES
1. j) Sugesto: analise os casos a = 0 e a 6= 0
21. c) A dimenso de Ker(T ) a nulidade de [T ]
21. d) A dimenso de Im(T ) o posto de [T ]
86
Captulo 4
OPERADORES
LINEARES
Denio 160 Uma transformao linear T : V ! V chamada de operador
linear.
Observao 161 Todas as propriedades j vistas para transformaes lineares
em geral vale para um operador linear
4.1
: R2 ! R2
=
(x; y)
Geometricamente, para
> 0 temos:
T
T (x; y)
: R2 ! R 2
= (x + y; y)
Matricialmente
x
y
1
0
Geometricamente:
88
x
y
T
T (x; y)
: R2 ! R2
= (x; x + y)
Matricialmente
x
y
0
1
x
y
Geometricamente:
d) Reexo na origem
T
T (x; y)
: R2 ! R2
= ( x; y)
Matricialmente
x
y
1
0
Geometricamente:
89
0
1
x
y
Denio 164 Exemplo 165 Determinar o operdor linear que a projeo sobre a reta y = 6x
90
A reta y =
= proju v
u v
u
T (v) =
u u
(1; 6) (x; y)
T (x; y) =
(1; 6)
(1; 6) (1; 6)
x 6y 6x + 36y
;
T (x; y) =
37
37
f ) Reexo atravs de uma reta no plano
Denio 166
Denimos como sendo Reexo atravs da reta r; que
passa pela origem, a transformao linear T : R2 ! R2 tal que jT (v)j = jvj e
proju v = proju T (v) onde u o vetor diretor da reta r:
91
: R2 ! R2
= (x; y)
Matricialmente
x
y
1
0
Geometricamente:
92
0
1
x
y
: R2 ! R2
= ( x; y)
Matricialmente
x
y
1
0
Geometricamente:
93
0
1
x
y
: R2 ! R2
= (y; x)
Matricialmente
x
y
0
1
Geometricamente:
94
1
0
x
y
: R2 ! R2
= ( y; x)
Matricialmente
x
y
0
1
Geometricamente:
95
1
0
x
y
g) Rotao de um ngulo
Denimos Rotao no plano de um ngulo a transformao T : R2 ! R2
tal que jT (v)j = jvj e o ngulo entre os vetores T (v) e v :
Geometricamente
96
: R2 ! R2
= (x0 ; y 0 )
Quando rotacionamos um vetor, pela prpria denio de rotao, o comprimento (mdulo) do vetor no se altera. Seja r = jvj ; onde v = (x; y):
Da gura acima e usando relaes trigonomtricas temos;
x0 = r cos( + ) = r cos cos
r sin sin
Mas
r cos
r sin
= x
= y
ento
x0 = x cos
y sin
Analogamente
y0
y0
Assim
97
R (x; y) = (x cos
Matricialmente
x
cos
sin
x
!
y
sin
cos
y
Podemos ver neste caso que matriz de uma rotao :
[R ] =
cos
sin
sin
cos
Transformaes no Espao
a) Reexo atravs de uma reta no espao
Denio 167 Denimos como sendo Reexo atravs da reta r; que passa
pela origem, no espao a transformao linear T : R3 ! R3 tal que jT (v)j = jvj
e proju v = proju T (v) onde u o vetor diretor da reta r:
Geometricamente
3
2
x
1
4 y 5 !4 0
z
0
2
: R3 ! R3
= (x; y; z)
0
1
0
99
32
3
0
x
0 54 y 5
1
z
: R3 ! R3
= ( x; y; z)
Matricialmente
2
3
2
x
1
4 y 5 !4 0
z
0
0
1
0
T
T (x; y; z)
32
3
0
x
0 54 y 5
1
z
: R3 ! R3
= ( x; y; z)
Matricialmente
3
2
1
x
4 y 5 !4 0
0
z
2
32
3
0 0
x
1 0 54 y 5
0 1
z
Denio 168 Denimos Reexo atravs de um plano, que passa pela origem,
no espao ao operador linear T : R3 ! R3 tal que jT (v)j = jvj e projn v =
projn T (v); onde n o vetor normal do plano.
100
101
2p
T
T (x; y; z)
Matricialmente
2
Geometricamente
3
2
x
1
4 y 5 !4 0
z
0
0
1
0
102
32
3
0
x
0 54 y 5
1
z
T :
T (x; y; z) =
2
3
2
x
1 0
1
Matricialmente4 y 5 ! 4 0
z
0 0
b.3) Reexo atravs do plano yz
: R3 ! R3
= ( x; y; z)
T
T (x; y; z)
Matricialmente
2
c)
3
2
x
1
4 y 5 !4 0
z
0
32
3
0 0
x
1 0 54 y 5
0 1
z
Reexo no origem
T
T (x; y; z)
: R3 ! R3
= ( x; y; z)
Matricialmente
2
3
2
x
1
4 y 5 !4 0
z
0
0
1
0
Geometricamente
103
32
3
0
x
0 54 y 5
1
z
d) Rotao no Espao.
Denio 169 Denimos Rotao de um ngulo em torno de um eixo coordenado c ao operador linear T : R3 ! R3 tal que jT (v)j = jvj e o ngulo
entre a projeo de v no plano ortogonal a c e a projeo de T (v) no plano
ortogonal a c o ngulo medido no sentido anti-horrio a partir da projeo
de v no plano ortogonal a c:
104
= projeo de v no plano xy
= projeo de T (v) no plano xy
105
T (x; y; z) = (x0 ; y 0 ; z 0 )
Observe que z 0 = z
Como jT (v)j = jvj ento jpj = jqj : Alm disso o vetor q obtido pela
rotao do ngulo do vetor p no plano xy, ou seja, q = R (p). Como j visto
em rotao no plano ( item g) de Transformaes no plano) temos que
x0
y0
= x cos
y sin
= x sin + y cos
Portanto
T
T (x; y; z)
: R3 ! R3
= (x cos
y sin ; x sin + y cos ; z)
106
Matricialmente
2
3 2
32
3
x
cos
sin
0
x
4 y 5 = 4 sin
cos
0 54 y 5
z
0
0
1
z
2
3
cos
sin
0
cos
0 5
[T ]Z = 4 sin
0
0
1
T (x; y; z) = (x0 ; y 0 ; z 0 )
Como a rotao em torno do eixo y temos y 0 = y: No plano xz vemos que
o vetor q obtido a partir do vetor p pela rotao do ngulo no SENTIDO
HORRIO. Portanto podemos considerar o vetor p obtido a partir do vetor
q por uma rotao no sentido anti-horrio, ou seja, R (p) = q: Logo,
x
z
x0
z0
cos
sin
sin
cos
cos
sin
sin
cos
107
x0
z0
1
x
z
x0
z0
cos
sin
x0
z0
sin
cos
x
z
= x cos + z sin
= z cos
x sin
T (x; y; z) = (x0 ; y 0 ; z 0 )
T (x; y; z) = (x cos + z sin ; y; x sin + z cos )
Matricialmente:
cos
[T ]Y = 4 0
sin
3
0 sin
1
0 5
0 cos
Exemplo
170p Determinar o ngulo formado entre v e T (v) quando o vetor
p
p
v = ( 2p32 ; 42 ; 22 ) gira em torno do eixo z de um ngulo 2 rad
Soluo:
[T (v)]
[T (v)]
[T (v)]
sin 2
cos 2
0
cos 2
= 4 sin 2
0
2
0:0
= 4 1:0
0:0
2 p
6
= 4
2
p4
3
p
2p 2
2
2
1:0
0:0
0:0
30
32
0
6
0 54
1
32 p
p
p3
2p 2
2
p4
2
2
p3
2p 2
2
p4
2
2
0:0
6
0:0 5 4
1:0
7
5
30
30
7
5
7
5
v T (v)
1
=
jvj jT (v)j
2
= arccos 12 =
108
1
3
4.2
[T ]
: Quando
= fv1 ; : : : ; vn g
: V ! V linear T
[T ]
e portanto T 1 [T ]
= T
inversvel se e somente se det [T ] 6= 0.
=
1
[R ]
cos
sin
cos
cos2 +sin2
sin
cos
sin
cos2 +sin2
=
sin
cos2 +sin2
[R ]
cos
sin
109
cos
cos2 +sin2
sin
cos
Note que [R ]
R 2 ! R2
x
y
!
R
sin
cos
x
y
x cos + y sin
y cos
x sin
x sin )
v u
u
u u
(x; y; z) (1; 1; 1)
(1; 1; 1)
(1; 1; 1) (1; 1; 1)
x+y+z
(1; 1; 1)
3
x+y+z x+y+z x+y+z
;
;
3
3
3
= proju v =
T (x; y; z)
T (x; y; z)
T (x; y; z)
6
6
[T ] = 6
6
4
1
3
1
3
1
3
1
3
1
3
1
3
1
3
1
3
1
3
det [T ] = 0
3
7
7
7
7
5
Soluo
R = S T
[R] = [S] [T ]
[T ]
[T ]
S(v)
2p
S(x; y)
S(x; y)
cos 4
sin 4
p
1
2 p2
1
2 2
v
(x; y) (1; 2)
(1; 2)
(1; 2) (1; 2)
3x 4y 4x + 3y
;
5
5
3
5
4
5
[S] =
[R]
= [S] [T ]
[R]
[R]
R(x; y) =
4.2.1
sin 4
cos 4
p
1
2p 2
1
2 2
4
3
5
5
4
3
5
5
p
7
10 p2
1
10 2
p
7 2
x
10
(x; y)
4
5
3
5
1
2 p2
1
2 2
p
1
10p 2
7
10 2
2
y;
10
1
2p 2
1
2 2
p !
2
7 2
x+
y
10
10
Matrizes Semelhantes
temos que
1
[T ] = [I] [T ]
111
[I]
Chamando [I] = A :
[T ] = A [T ] A
4.3
uma base
= fv1 ; v2 ;
; vn g ortonormal se vi vj =
A matriz da transformao T
2
cos
[T ] = 4 sin
0
sin
cos
0
3
0
05
1
4.4
1. A matriz A =
4
0
0
1
: Deter-
T
T (x; y; z)
Determine a inversa T
: R3 ! R3
= ( x; y; z)
da transformao T:
1
1
1
2
e
4
1
1
3
(b)
3
6
1
e
2
1
1
2
0
I eB
I so semelhantes.
eB
so semelhantes.
15. Seja T o operador linear em R3 denido por T (x; y; z) = (2y+z; x 4y; 3x)
e considere a base usual do R3 e a base = f(1; 1; 1); (1; 1; 0); (1; 0; 0)g:
(a) Mostre que as matrizes [T ] e [T ] so semelhantes.
(b) T inversvel? Se for determine a lei que dene T
bases distintas de V:
tal que Ker(T ) =
3
1
1
19. Determine se a transformao T (x; y) = ( 23 x
2 y; 2 x + 2 y) uma
transformao auto-adjunta ou ortogonal. Justique sua resposta.
p
p
p
p
1
1
1
20. O operador linear T (x; y; z) = ( 21 2x
2 2z; y; 2 2x
2 2z) a
rotao de um ngulo em torno do eixo y. Determine o valor do ngulo
:
do operador T
4.5
Autovalores e Autovetores
=k
Exemplo 187
T : R2 ! R2 (Reexo no eixo x)
T (x; y) = (x; y)
Neste caso observamos que os vetores que sero levados em mltiplos dele
mesmo sero os vetores que esto no eixo x, pois v = (x; 0) ) T (v) = T (x; 0) =
(x; 0) = v: Os vetores que esto no eixo y tambm so levados em mltiplos
115
2)
R 2 (x; y) = ( y; x)
4.5.1
116
4.5.2
Polinmio Caracterstico.
Seja a matriz
2
6
6
A=6
4
a11
a21
..
.
a12
a22
::::::::
::::::::
am1
am2
::::::::
a1n
a2n
..
.
7
7
7
5
amn
6
6
v=6
4
x1
x2
..
.
x3
3
7
7
7
5
Av
(A
Av
Av
Iv
I)v
=
v
=
Iv
!
= 0
!
= 0
Fazendo
temos o sistema
am2
6
6
B=6
4
a11
a21
..
.
am1
::::::::
amn
a12
a22
am2
::::::::
::::::::
::::::::
32
76
76
76
54
x1
x2
..
.
x3
a1n
a2n
..
.
amn
7 6
7 6
7=6
5 4
3
0
0
..
.
0
3
7
7
7
5
7
7
7
5
!
B v= 0
!
Este sistema um sistema homogneo e possui ao menos a soluo v = 0 : Mas
!
como estamos procurando autovetores, queremos encontrar vetores v 6= 0 que
!
!
satisfaam a equao B v = 0 : Sendo assim queremos que o sistema B v = 0
seja compatvel e indeterminado ( tenha alm da soluo trivial, outras solues
no triviais). Pela regra de Cramer se det B = 0 ento o sistema homogneo
ter innitas solues. Assim, a nica maneira de encontrarmos autovetores v
!
(solues no nulas da equao B v = 0 ) termos det B = 0; ou seja,
det(A
I) = 0
117
p( ) = det(A
um polinmio em
I) =
a11
a21
..
.
a12
a22
::::::::
::::::::
am1
am2
::::::::
a1n
a2n
..
.
amn
de grau n:
A=
4
2
Soluo
p( ) = det(A
I) = det
4
1
= (2
)( 3
)+4 =
+
2
p( ) = 0 ) 2 +
2 = 0 ) 1 = 1 e 2 = 2:
Necessitamos calcular os autovetores de A e para isso basta resolvermos o
sistema:
Av = v
onde v =
Para
x
e cada um dos autovalores j encontrados.
y
= 1 temos
3
1
3
4
2
x
y
x
y
0
0
4
1
4
1
x
y
0
0
1
1
x
y
4 j 0
1 j 0
escalonando
)
4
0
4x + 4y = 0 ) y = x
118
4 j 0
0 j 0
( 2)
1
4
2
x
y
4
( 2)
x
y
0
0
1
1
x
y
0
0
4
4
x
y
4 j 0
4 j 0
escalonando
)
1
0
4 j 0
0 j 0
x
4
Portando os autovalores associados ao autovalor 1 = 2 so da forma v =
(x; x4 ) = x(1; 14 ) e assim podemos concluir que o subespao associado ao autovalor 2 = 2 V 2 = (1; 14 ) :
x + 4y = 0 ) y =
119
Da gura acima vemos que para obtermos a projeo sobre o plano devemos
inicialmente fazer a projeo do vetor v na direo do vetor normal n para obter
o vetor p = projn v:Com isso temos,
T (v) + p = v
T (v) = v
T (v) = v
Um vetor normal do plano x+ y
temos
p
p
p
p
p
T (v)
p
projn v
= projn v
v n
n
=
n n
(x; y; z) (1; 1; 1)
(1; 1; 1)
=
(1; 1; 1) (1; 1; 1)
x+y z
=
(1; 1; 1)
3
x+y z
x+y z x+y z
;
;
=
3
3
3
= v
T (x; y; z)
T (x; y; z)
p
x+y z x+y z
x+y
;
;
3
3
3
2x y + z
x + 2y + z x + y + 2z
;
;
3
3
3
(x; y; z)
1
3
2
3
1
3
1
3
1
3
2
3
p( ) = det([T ]
22
6
6
det 6
6
4
I) = 0
1
3
1
3
1
3
1
3
2
3
1
3
1
3
120
7
7
7
7
5
2
3
7
7
7=0
7
5
p( ) =
+2
=0
As raizes de p( ) so 1 = 2 = 0 e 3 = 1:
Para 1 = 0 vamos calcular os autovalores associados resolvendo o sistema.
2 2
32
3 2 3
1
1
x
0
3
3
3
2
1 54
4 1
5=4 0 5
y
3
3
3
1
1
2
z
0
3
3
3
3
2
3
1
3
3
1
3
2
3
3
2 2
j 0
3
escalonando
4 0
j 0 5
=)
0
j 0
2
3x
2x
1
2y
1
3y
1
3
1
2
1
3
1
2
3
j 0
j 0 5
j 0
+ 13 z = 0
+
=0
1
2z
y+z =0
y+z =0
y =
x =
z
z
= 0 so da forma v =
Observao 196 Note que acima damos a forma geral dos autovetores, no
caso acima temos v = x( 1; 1; 1) assim um autovetor v = ( 1; 1; 1) como
todo autovetor um mltiplo de v = ( 1; 1; 1) temos que V0 = [( 1; 1; )],
isto , o subespao associado ao autovalor 1 = 0 gerado pelo vetor v =
( 1; 1; 1): Note que geometricamente o subespao V0 = [( 1; 1; 1)] formado
pelos vetores que so mltiplos do vetor normal ao plano, ou seja, por todos os
vetores ortogonais ao plano.
Para
sistema.
2
4
2
3
1
1
3
1
3
2
4
2
3
1
3
1
3
1
3
1
3
1
1
3
2
3
1
3
1
3
1
3
1
3
1
3
32
3
x
54 y 5 =
z
1
32
3
1
x
3
1 54
y 5 =
3
1
z
3
121
3
0
4 0 5
0
2 3
0
4 0 5
0
2
2
4
1
3
1
3
1
3
1
3
1
3
1
3
1
3
1
3
1
3
1
3
1
3
1
3
1
3
1
3
1
3
1
3
1
3
1
3
3
5
1
3
5 escalonando 4 0
=)
0
0 5
0
+ 13 z = 0
y=0
y
z
1
0
1
3
1
3y
1
3x
1
3
y+z =0
y=0
= 0
= x
Para obtermos uma soluo no nula para este sistema devemos impor:
det([T ]
I) =
(2
)(3
) + 2(2
)=0
Portanto, !
p = 2c + cx + cx2 autovetor associado a 1 = 1
Para 1 = 1 )
2
32 3 2 3
2
32 3 2 3
2 0
2 a
0
2 0
2
a
0
4 1 0 1 5 4 b 5 = 405 Escalonando 4 0 0 0 5 4 b 5 = 405 ) !
p = (c; b; c)
)
1 0 1
c
0
0 0 0
c
0
Portanto !
p = c + bx + cx2 autovetor associado a
4.6
= 2:
1 :
7
3
0
0
3
11
8 7
7
4 5
2
y + 2z; 2x + y
z)
das matrizes
2
0
12
0
0
2
0
1
3
1 0
0 1 7
7:
3 0 5
0 0
(a) Se
= 0
1
1
= 2;
1
0
0
0
e v4 =
0
1
4
0
associados aos autovalores
1
a b
= 0; respectivamente. Determine T
c d
0
0
; v2 =
0
0
1
= 1;
1
,
0
1;
16. Dada a transformao linear T : <2 ! <2 que a projeo sobre a reta
y = x2 . Encontre os autovalores e autovetores da transformao T:
17. Considere P1 = conjunto dos polinmios de grau
1.
18. Sejam A; B 2 M (n; n) matrizes triangulares com a mesma diagonal principal. Existe alguma relao entre seus autovalores? Qual?
19. Mostre que o conjunto de todos os autovetores de um operador linear
T : V ! V associados a um autovalor um subespao vetorial de V:
20. Se B = R 1 AR e !
v um autovetor de B associado a um autovalor
ento R!
v autovetor de A associado a :
ALGUMAS RESPOSTAS
10) Para calcular os autovalores de A; basta determinar as razes do polinmio
p( ) = det(A
I):Para calcular os autovalores de AT ; basta determinar
as razes do polinmio p( ) = det(AT
I): Portanto basta vericar que
det(AT
I) = det(A
I):
125
Captulo 5
APLICAES
5.1
Esse trabalho tem como um de seus objetivos, dar uma noo da utilidade
prtica dos assuntos vistos no ciclo bsico, alm de permiti-los conhecer um
pouco o trabalho em uma das engenharias estudadas no Instituto, visando assim
a multidisciplinalidade no curso de Engenharia. Trata-se do estudo da aplicao
de uma disciplina do curso bsico, a lgebra Linear, no ciclo prossional; no
caso, na Engenharia Cartogrca, onde ajustes e organizao de dados, obtidos
seha por satlites (GPS), seja por fotograas ou por qualquer outro meio, se
fazem constantes no trabalho de um engenheiro cartgrafo.
O engenheiro cartgrafo dispe de um mtodo, o mtodo dos mnimos quadrados, para obter informaes relativas a parmetros de correo e ajuste de dados
obtidos em observaes e pesquisas. Para este mtodo os dados obtidos so organizados matricialmente, de forma que possam ser relacionados com valores
pr-estabelecidos, tais como temperatura, latitude, longitude, altitude, entre
outros. Obtem-se, desta forma, um sistema de n equaes lineares, onde esse n
pode assumir valores realmente grandes, resultando um sistema com milhares
de equaes. Sendo a resoluo de sistemas de equaes lineares um dos campos
de estudo da lgebra Linear.
Na Geodsia, por exemplo, as coordenadas de um ponto podem ser obtidas
na resoluo de um sistema obtido pela sujeio de dados obtidos de observaes
angulares ( tais como azimutes, ngulos e/ou direes ) a um determinado modelo geomtrico.
As coordenadas tambm podem ser obtidas a partir da observao da diferena de fase da portadora L1 e/ou L2, freqncias de operaes do satlite de
GPS.
A lgebra Linear tambm tem aplicaes na Fotogrametria, para a transformao de coordenadas ( espao imagem para espao objeto, que seriam as
126
coordenadas de terreno, obtidas atravs de um sistema deduzido atravs de observaes nas fotograas e no terreno). Na digitalizao de documentos, por
exemplo, um mapa em papel, aps ser processado, d origem a um mapa digital
armazenado na forma vetorial ( lista de coordenadas ).
Tambm na rea de Sensoreamento Remoto, seja para o processamento digital de imagens, ou na modicao ou no controle de imagens ( brilho constante
e georeferenciamento ) ou ainda no armazenamento da imagem na forma matricial; utilzam-se tpicos abordados pela lgebra Linear, como sistemas de
equaes lineares e operaes com matrizes.
5.2
R=
d=
xv x + yv y + zv z
RA = 0
(5.1)
xv ) + xv
yv ) + yv
zv ) + zv
(5.2)
xv ) + xv ] + yv [t(yi
yv ) + yv ] + zv [t(zi
xv ) + xv xv + tyv (yi
t [xv (xi
xv ) + yv (yi
t [xv (xi
xv ) + yv (yi
z v ) + zv ]
yv ) + yv yv + tzv (zi
yv ) + zv (zi
yv ) + zv (zi
RA = 0 (5.3)
zv ) + zv zv
zv )] + A2
RA = 0
RA = 0
zv )] = RA
A2
xv (xi
RA A2
xv ) + yv (yi yv ) + zv (zi
zv )
(5.4)
Figura 3
130
x0
y0
z0
xv R
A
yv R
A
zv R
A
(5.5)
y=
xv x
(5.6)
yv
cujo grco est na Fig 4. O vetor diretor dessa reta tem componentes dadas
por:
RA
!
w = (0;
; 0)
yv ;
RA
RA RA
; 0; 0) = (
;
; 0)
xv
xv yv ;
(5.7)
!
o vetor i um vetor unitrio e portanto
!
1
i = !!
w
jwj
!
i =
!
i =
!
i =
RA
xv
1
x2v
1
yv2
RA
yv ;
RA RA
; 0)
;
xv yv ;
1 1
;
; 0)
xv yv ;
1
( yv ; xv ; 0)
x2v + yv2
(5.8)
!
!
O vetor unitrio k tem sua determinao imediata pois o versor do vetor 00
131
!
k
!
k
!
00
! =
00
p
x2v
xv R yv R zv R
;
;
A
A
A
1
xv R yv R zv R
A ; A ; A
1
(xv ; yv ; zv )
+ yv2 + zv2
1
(xv ; yv ; zv )
(5.9)
A
!
!
Observe que o vetor k exatamente o versor do vetor V = (xv ; yv ; zv ) :
!
! ! !
Como nosso sistema ortogonal, o vetor unitrio j dado por j = k
i;
ou seja
!
j =
!
j =
xv
A
6 p yv
det 4 x2v +yv2
!
i
1
p
A x2v + yv2
yv
A
x
p 2v 2
xv +yv
!
j
zv 3
A
07
5
!
k
(5.10)
zv xv ; zv yv ; x2v + yv2
(5.11)
permitira
n! ! !o
i ; j ; k = f(1; 0; 0); (0; 1; 0); (0; 0; 1)g
! ! !
i; j;k
1
1
p
( yv ; xv ; 0) ; p
x2v + yv2
A x2v + yv2
Portanto
yv
x2v +yv2
6
zv xv
[I] = 6
4 px2 +y2
v
xv
A
zv xv ;
xv
x2v +yv2
p z2v yv 2
xv +yv
xv
A
zv yv ; x2v
2
2 7
pxv 2+yv 2 7
5
xv +yv
zv
A
yv2
)
1
; (xv ; yv ; zv )
A
2 3
p 2yv 2
x
6 xv +yv
4y 5 = 6 p zv xv
4 x2 +y2
v
v
z
xv
A
xv
x2v +yv2
p z2v yv 2
xv +yv
xv
A
0
x2v +yv2
x2v +yv2
zv
2 3
7 x
7 4y 5
5
z
5.3
5.3.1
133
dentre os diversos modelos estruturais (exvel, semi-rgido e rgido). Resultados j obtidos indicam que a variao na rigidez inicial das ligaes provoca
mudanas sensveis no comportamento dinmico da estrutura.
Palavras-chave: Ensino de engenharia, Estruturas de ao, Mtodo dos Elementos Finitos,
Autovalores, Autovetores.
1. INTRODUO
Sabe-se que o dcit habitacional brasileiro cresce a cada ano, concentrandose o problema, principalmente, nas famlias de baixo poder aquisitivo, de forma
que existe uma demanda crescente por estudos sobre as habitaes populares.
Neste sentido, o ao, como material estrutural adequado para a construo industrializada e pode proporcionar construo civil, perspectivas mais otimistas
para a habitao popular no pas.
Uma das etapas relevantes no projeto de estruturas de ao est relacionada
a uma avaliao coerente acerca dos modelos estruturais que representam o
comportamento real das ligaes existentes entre as vigas e as colunas de ao.
Na prtica corrente de projeto, a grande maioria dessas ligaes representada
por modelos exveis ou rgidos. Todavia, na maior parte dos casos, essas ligaes assumem um comportamento intermedirio, ou semi-rgido, o qual pode
ser perfeitamente caracterizado com base em determinadas grandezas associadas ao projeto de uma ligao, tais como: resistncia exo e capacidade de
rotao. No que tange ao estudo do comportamento dinmico de estruturas,
assunto que ser abordado com mais detalhe no presente trabalho, mais especicamente no que diz respeito aplicao do problema clssico de autovalores
para determinao e avaliao das freqncias naturais (autovalores) e modos de
vibrao (autovetores) de edicaes residenciais, observase, com clareza, uma
absoluta falta de conhecimento por parte dos alunos de graduao acerca da
importncia do tema e, infelizmente, uma completa indiferena em relao ao
assunto.
Assim sendo, de forma a contribuir no que tange ao ensino de engenharia,
como tambm desmisticar o emprego corrente dos conceitos tericos, principalmente aqueles relacionados ao problema de autovalores, faz-se uma exposio
resumida do referido problema, como tratado no ciclo bsico da engenharia, e de
como o mesmo poderia ser mencionado, de forma a que os alunos de graduao
pudessem ter uma idia bsica da aplicao prtica desses conceitos.
Em seguida, selecionado o projeto de uma edicao residencial de quatro pavimentos, composto por vigas e colunas de ao e lajes lisas de concreto
armado, em todos os nveis da edicao. Tem-se como objetivo proceder a
uma anlise extensa das freqncias naturais (autovalores) e modos de vibrao
(autovetores) dos modelos referentes aos prticos de ao da referida edicao.
Um outro ponto relevante do trabalho diz respeito ao estudo da inuncia das
ligaes entre as vigas e colunas dos prticos de ao.
Neste sentido, o presente trabalho tem por objetivo apresentar uma aplicao prtica do problema clssico de autovalores e autovetores, no caso em
questo com respeito ao projeto de edicaes residenciais, alm de reforar a
importncia dos conceitos bsicos da disciplina de lgebra Linear para a soluo
134
(5.12)
135
(2001).
Uma sugesto para uma abordagem mais apropriada ao ensino do problema
de autovalor para os alunos de graduao em engenharia seria, inicialmente,
associar o termo autovalor s freqncias naturais e o termo autovetor aos modos
de vibrao de um elemento ou sistema estrutural qualquer, dando nfase ao
signicado fsico dessas grandezas, ROEHL (1981).
Seno vejamos: para um sistema estrutural qualquer sob vibrao livre no
amortecida, com vrios graus de liberdade, pode ser escrita uma equao matricial de movimento tal que,
M V + KV = 0
(5.13)
$20i I
=0
(5.14)
$20i I = 0
(5.15)
136