ALGEBRA LINEAR por KENNETH HOFFMAN Associate Professor of Mathematics Massachusetts Institute of Technology e RAY KUNZE Associate Professor of Mathematics Washington University St. Louis, Mo, Tradugdo de ADALBERTO PANOBIANCO BERGAMASCO Eprt6ra DA UNIVERSIDADE DE SAO PAULO EDITORA POLIGONO ®Titulo do original: Linear Algebra Copyright © 1961 by PRENTICE-HALL INC. Englewood Cliffs, NJ. Direitos exclusivos para a lingua portuguésa EDITORA POLIGONO S.A. Av. Brigadeiro Luis Anténio, 3035 ‘Sto Paulo 1971 Capa de Studio lo 512,897 Hoffman, Kenneth Algebra linear, por Kenneth Hoffman «© Ray Kunze; traduzido por Adalberto P. Bergamasco. §. Paulo, Ed. Univ. de S. Paulo e Poligono, 1970. 356p. ilus, Algebra linear OPREFACIO Nosso propésito originat ao escrever éste livro foi o de fornecer um texto para o curso de graduagio de Algebra linear no Massachussetts Institute of Technology. Este curso era destinado ao terceiro ano dos optantes de matematica, Atualmente, cérca de trés quartos dos alunos especiatizam-se em ciéncias ou engenharia e variam de calouros a estudantes de pés-graduagao, Concessao alguma se féz ao fato de a maioria dos alunos naio estar interessada primordialmente em mateméatica. Isso porque acre- ditamos que um curso de matematica nao deveria fornecer a estu- dantes de ciéncias ou engenharia um amontoado de métodos, ¢ sim proporcionar a éles uma compreensio dos conceitos matematicos fundamentais, Por outro lado, estivemos profundamenite conscientes da grande variagéo de conhecimentos que os estudantes poderiam possuir e, em particular, do fato de terem os estudantes tido muito pouca ex- periéncia com o raciocinio matematico abstrato, Por essa raziio, evitamos a introdugdo de muitas idéias abstratas logo no inicio do livro. Como compiemento, incluimos um Apéndice, onde sio apre- sentadas idéias basicas tais como conjunto, fungdo e relagdo de equi- valéncia. Achanios mais proveitcso nfo insistir nessas idéias inde- pendentemente, ¢ sim aconselhar os estudantes a lerem o Apéndice & medida que surjam tais idéias. Em todo © livro incluimos uma grande diversidade de exemplos dos conceitos importantes que ocorrem. O estudo de tais exemplos é de fundamental importancia e tende a minimizar o ntimero de estudantes que conseguem repetir definigdes, teoremas e demonstra- gdes em ordem ldgica, sem apreender 0 significado dos conceitos abs- tratos. O livro contém também uma ampla variedade de exercicios graduados (em térno de quinhentos), variando desde aplicagdes roti- neiras aos que solicitariio até os melhores alunos. Pretende-se que @sses exercicios sejam parte importante do texto, O Capitulo | trata de sistemas de equagdes lineares e sua resolu-x PREFACIO gio por meio de operagdes elementares s6bre linhas de matrizes. Tem sido nosso costume despender seis aulas nessa matéria, Isso proporciona ao estudante um esbégo das origens da dlgebra linear e das téénicas de célculo computacionais necessdrias ao entendimento de exemplos das idéias mais abstratas ocorr-ntes nos capitulos pos- teriores, O Capitulo 2 discorre sdbre espagos vetoriais, subespagos, bases e dimens&o. O Capitulo 3 trata das transformagées lineares, sua Algebra, sua representag&o por matrizes, bem como isdmorfismo, funcionais lineares e espagos duais. O Capitulo 4 define a Algebra dos polinémios sébre um corpo, os ideais naquela algebra e a decom- posigéo de um polinémio em fat6res primos. O Capitulo 5 desen- volve determinantes de matrizes quadradas, sendo’ o determinante encarado como uma fungio n-linear alternada das linhas de uma matriz. Os Capitulos 6 e 7 contém uma discuss4o des conceitos bé- sicos para a analise de uma transformagio linear isolada s6bre um espaco vetorial de dimensdo finita, a andlise de transformagGes dia- gonaliz4veis, 0 conceito das partes diagonalizdvel ¢ nilpotente de uma transformagao mais geral e as formas candnicas racional e de Jordan. O Capitulo 8 considera com algum detalhe espagos de di- mens&o finita com produto interno. Ele cobre, em particular, a geo- metria basica e o estudo dos operadores auto-adjuntos, positivos, unitérios e normais, O Capitulo 9 discute formas bilineares, enfati- zando as formas canénicas para formas simétricas e anti-simétricas, assim com 0 grupo que conserva uma forma nao-degenerada. A interdependéncia dos capitulos € como segue. Os Capitulos le2.¢a maior parte do Capitulo 3 sio basicos para o livro todo. Os Capitulos 4 ¢ 5 também sio fundamentais; entretanto, podem ser tratados de uma forma mais abreviada se o professor deseja passar aos capftulos subseqilentes mais rapidamente. Os Capitulos 6 ¢ 7 sio uma unidade. Os Capitulos 8 ¢ 9 séo independentes entre si e nao necessitam dos Capitulos 6 e 7 (exceto talvez das primeiras pé- ginas do Capitulo 6). O Capftulo 9 nZo depende do Capitulo 4 nem do 5 tampouco. Somos gratos a nossos colegas, em particular, aos Profess6res Louis Howard e Daniel Kan e Doutores Harry Furstenberg e Edward Thorp, por suas tantas ¢ tao proficuas sugestdes. Pela preparagio do manuscrito, agradecemos as Srtas. Betty Ann Sargent e Phyllis Ruby, que datilografaram as notas originais; Srta. Judith Bowers, que dati- lografou o manuscrito final; e & equipe da Prentice-Hall, Inc. Cambridge, Massachussetts KennetH HoFFMAN Waltham, Massactusseris Ray KunzeSUMARLO Capiruo 1. EQUACOES LINEARES. . . . . bee 1.1, Corpos comutativos . . . . 1.2. Sistemas de equacdes lineares |. 1.3. Matrizes e operacdes elementares sObre linhas | 1 1 }. Matrizes linha-reduzidas & forma em escada. . . 2... |. Multiplicagao de matrizes . . . 1.6. Matrizes inversiveis 2. 1 1. . oa F Sebesoscos rn Coordenadas ..,-. 2... 00. 2.5, Resumo de linha-equivaléncia, | | | | 2.6. Céleulos concernentes @ subespacos - Carituto 3. TRANSFORMACOES LINEARES . 3.1. Transformagdes lineares sw. 3.2, A dilgebra das transformagées lineares. 3.3. Isomorfismo 2... 3.4. Representacko de transformagdes por matrizes. | |. | | 3.5. Funcionais lineares . 2... 7... vee 3.6. Anuladores. .. 2.2... 3.7. A transposta de uma transformacdo. Carfruto 4, POLINOMIOS........... a 4.1. Algebras 4.2. A Algebra dos polindmios 4.3. Interpolacéo de Lagrange . . . . : 44, Ideais de polindmios. 4.5. A decomposiciio de um polinémio em fatéres primos Capituco 5. DETERMINANTES ........... 5.1, Andis comutativos.. 6... 2... 1 we Funcoes determinantes. .. 2. 2... 2. 5.3, PermutagSes e a unicidade dos determinantes . . . 5.4. Propriedades adicionais dos determinantes . Cariruco 6. DECOMPOSICOES EM SOMAS DIRETAS ARIANTES.............0.XU SUMARIO 6.2. Valores caracteristicos ¢ vetores caracteristicos. . 2... 177 6.3, Operadores diagonalizaveis.. 2.2... 2.22205 184 6.4. O teorema da decomposicio primétia. ©. 2... 193 Capituco 7, AS FORMAS RACIONAL E DE JORDAN ... 201 7.1, Subespacos ciclicos ¢ anuladores .. . . . see eee 201 7,2. O teorema da decomposicio ra . 205 7.3, A forma de Jordan. . . . . » 219 7.4, Resumo: operadores semi-simples Se eee «+ 226 Carirutco 8. ESPACOS COM PRODUTO INTERNO. ..... 235 8.1, Produtos internos. . . . . . bees 82. Espagos com produto intemo viene 3. Funcionais lineares ¢ adjuntos.. 2... 2.2.20 8 Operadores positives... ........ spectral tae 8.8. Diagonalizagio simultanes de operadores normais | | | | 302 Capizuto 9. FORMAS BILINEARES... . . bee WS 9.1, Formas bilinearss. 2... es 305 9.2. Formas bilineares simétricas rer 314 9.3. Formas bilineares anti-simétricas . . . 2 2... vee 323 9.4, Grupos que conservam formas bilineares .. 2.2... 327 APENDICE ... . . A.1. Conjuntos . . A2. Fungdes . . 3, Relagdes de equivaléncia AA, Espacos quocientes. . 2... ae ae A'S. Relagdes de equivaléncia em élgebra linear. |). 1. . 348 BIBLIOGRAFIA.......... 5. vee 30 INDICE... Pte! +. 351CAPITULO 1 EQUACOES LINEARES 1.1 Corpos Comutativos Supomos que o leitor tenha familiaridade com a Algebra ele- mentar dos niimeros reais e complexos. Para uma grande parte déste livro as propriedades algébricas dos ntimeros que usaremos podem ser facilmente deduzidas da pequena lista abaixo de propriedades da adig&o ¢ da multiplicdg&o. Indicamos por F o conjunto dos nimefos reais ou o conjunto dos niimeros complexos, (1) A adigifo € comytativa, xty=yre para todos x e y em F, (2) A adig&o é agsociativa, x+04tD)=OtyM4+2 para todos x, ye z em F. (3) Existe um unico elemento 0 (zero) em F tal que x + 0 = x, para todo x em F. (4) A cada x em F corresponde um Unico elemento (—x) em F tal que x + (—x) = 0, (5) A multiplicagio é comutativa, xy = yx para todos x e y em F, (6) A multiplicagio é associativa, x02) = (xy)z para todos x, ye z em F,2 EQUAGOES LINEARES (7) Existe um nico elemento ndo-nulo 1 (um) em F tal que xl = x, para todo x em F, (8) A cada x nao-nulo em F corresponde um tinico x~ (ow I/x) em F tal que xx7! = L. (9) A multiplicacdo é distributiva em relagio & adigéo; isto é, xy + 2) = xp + x2, para todos x, ye z em F, Suponhamos que se tenha um conjunto F de objetos x, y, 2, -.. e duas operagdes sObre os elementos de F como segue. A primeira operagdo, denominada adig&o, associa a cada par de elementos x, y em F um elemento (x + y) em F; a segunda operagio, denominada multiplicag&o, associa a cada par x, y um elemento xy em F; e estas duas operagées satisfazem as condig6es (1)-(9) acima. 0 conjunto F, munido destas duas operagées, é entio denominado um corpo co- mutativo*. A grosso modo, um corpo € um conjunto munido de algumas operagdes sébre seus objetos, as quais se comportam como a adig&o, subtracio, multiplicaco e divisio usuais de ntimeros no sentido de que elas obedecem &s nove regras de Algebra acima rela- cionadas. Com as propriedades usuais da adigdo e multiplicagdo, o conjunto C dos nimeros complexos é um corpo, como o € 0 conjunto R dos niimeros reais. Na maior parte déste livro, os “ntimeros” que usamos podem ser os elementos de qualquer corpo F, Para permitir esta generaliza- Go, usaremos a palavra “‘escalar” ao invés de “ntimero”. O leitor no perderd muito se supuser sempre que o corpo de escalares seja um subcorpo do corpo dos ntimeros complexos. Um subcorpo do corpo C é um Conjunto F de nimeros complexos que é um corpo em relagdo As operagdes usuais de adicgio e multiplicagio de niimerds complexos. Isto significa que 0 ¢ | esto no conjunto Fe que se xe y sio elementos de F ento (x + y), —x, xy ¢ x7! (se x » 0) também 0 séo. Um exemplo de um subcorpo desta natureza é 0 corpo R dos numero’ reais; de fato, se identificarms os nuimeros reais com os mimeros complexos (a + ib) para os quais b = 0,0 0¢ 0 1 do corpo complexo sio nimeros reais ¢, se x € y sao reais, (x + y), —%, XY e x7! (se x » 0) também o so. Daremos outros exemplos abaixo. O objetivo de nossa discussiio sébre subcorpos € essencialmiente o se- guinte: quando trabalhamos com escalares de ym certo subcorpo de C, a realizagio das operagdes de adicdo, subtragko, multiplicagdo ‘ou divisio sébre éstes escalares nfo nos tira daquele subcorpo. (*) Neste livro, sempre teremos corpos comutativos, portanto abreviare- mos a denominagio escrevendo simplesmente corpos. (N. do T.)SISTEMAS DE EQUAQOES LINEARES 3 Exemplo 1. O conjunto dos inteiros positives: 1, 2, 3, ..., n&o é um subcorpo de C, por diversas razdes. Por exemplo, 0 nao é um inteiro positivo; para qualquer inteiro positivo n, —n nfo € um inteiro posifivo; para qualquer inteiro n, exceto 1, I/n nfio é um inteiro positive. Exemplo 2. O conjunto dos inteiros: ..., —2, —1, 0, 1, 2,. n&o é um subcorpo de C, pois para um inteiro #, I/n nao é um in- teiro a menos que seja 1 ou —1. Com as operagdes usuais de adi- gdo e multiplicagdo, o conjunto dos inteiros satisfaz tédas as con- digdes (1}—(9) com excegdio da condigao (8). Exemplo 3. O conjunto dos nimeros racionais, isto é, nume- ros da forma p/q, onde pe g so inteiros e g ~ 0, € um subcorpo do corpo dos nimeros complexos. A diviséo, que nao € possivel dentro do cénjunto dos inteiros, pode ser feita dentro do conjunto dos ntimeros racionais. O leitor interessado deve verificar que qual- quer subcorpo de C contém todos os niimeros racionais. Exemplo 4, O conjunto de todos os nimeros complexos da forma x + y V2, onde x e y so racionais, é um subcorpo de C. Deixamos a cargo do leitor a verificagio déste fato. 1,2 Sistemas de Equacdes Lineares Suponhamos que F seja um corpo. Consideremos o problema da determinag&o de n escalares (elementos de F) x1, ..., Xn Que Sa- tisfagam as condigées Aum + Ayaka +... + Atnka = Vi ( Aaixi + Avex, +... + Aan = Yo 1-1) : : : . Ami + Anaia + 66. + Annke = Yn onde yi,...,¥mt Ain LCi < mt 42>...7 Ay = BL Basta demonstrar que os sistemas 4;X =0 e 4j,1X = 0 tém as mesmas solugdes, isto €, que uma operagio elémentar sébre linhas nfo altera o conjunto das solugdes. Assim, suponhamos que B seja obtida de A por uma unica ope- rago elementar sébre linhas. Qualquer que seja o tipo da operagao, (1), (2) ou (3), cada equagio dos sistema BX = 0 seré uma com- binagdo linear das equagdes do sistema AY = 0. Como a inversa de uma operacio elementar sébre linhas € uma operagio elementar sdbre linhas, cada equagéo em AX = 0 também serd uma combi- nagao linear das equagdes em BX = 0. Logo éstes dois sistemas sio equivalentes e, pelo Teorema 1, tém as mesmas solugGes, Exemplo 5. Suponhamos que F seja 0 corpo dos nimeros ra- cionais e que 2 —1 30 2 A=/{1 4 © —-1}: 2 6-1 § Efetuarenios uma seqiiéncia finita de operagdes elementares sdbre as linhas de A, indicando por niimeros entre parénteses 0 tipo de opetagio efetuada. 2-1 3 0-9 3 4 (i 4 0 ile @) [! 4 0 -i| ® 2 6-1 5 2 6-1 5MATRIZES E OPERACGOES ELEMENTARES SOBRE LINHAS 9 0-9 3 4 0-9 3 ¥ 1 4 0-1;M 41 4 09 +/@ 0-2-1 7) 7’to 1 3} 47 o-9 3 4 0 0 8 ET 1 0-2 13/@ 41 0-2 3; o 1 ¢ —E 7? Lo bb RI 0 0 3 -¥ 0 0 61 1 0-2 B/@]1 0 0 FI@ o 1 3 EP Lo 1g ad 00 1 100 o10— A linha-equivaléncia de A com a matriz final na seqiiéncia acima nos diz em particular que as solugdes de 2x, — x2 + 3x3 + Ixy = 0 aa + 4xe — m=0 2x + 6x2 — xa + Seq = 0 eco so exatamente as mesmas. No segundo sistema é evidente que atri- buindo um valor racional arbitrario c a x4, obtemos uma solugdo (—e, fc, Be, 0), e também que téda solugdo é desta forma. Exemplo 6. Suponhamos que F seja 0 corpo dos numeros com- plexos ¢ que —1 i A=|—i 3]. 1 2. Ao efetuarmos operagées sdbre linhas freqiientemente convém com- binar varias operagdes do tipo (2). Com isto em mente [-: i] 0) [: 374] w [: 1 ® —i 3 0344 0342 12}77Lr 2 —~ Li +] [° al:10 EQUACOES LINEARES Assim o sistema de equagdes —x + ix = 0 —ix1 + 3x2 = 0 ix + 2x2 = 0 possui apenas a solucao trivial x) = x2 = Nos Exemplos 5 ¢ 6 € dbvio que nfo efetuamos operagées sobre linhas ao acaso. Nossa escolha de operagées sébre linhas foi motivada por um desejo de simplificar a matriz dos coeficientes de uma maneira andloga 4 “eliminagao de incégnitas” no sistema de equagées linea- res, Coloquemos agora uma definig&o formal do tipo da matriz a qual estévamos tentando chegar. Definicdo. Uma m X n marriz R é dita linha-reduzida se: (a) o primeiro elemento ndo-nulo em cada linha néo-nula de R é igual a 1; (b) cada coluna de R que contém o primeiro elemento nao-nulo de alguma linha tem todos os seus outros elementos nulos. Exemplo 7, Um exemplo de uma matriz linha-reduzida éan Xn matriz (quadrada) unidade /, Esta é an X n matriz definida por Esta é a primeira de muitas ocasides em que usaremos o simbolo de Kronecker (5), Nos Exemplos 5 ¢ 6, as matrizes finais nas seqiiéncias apresen- tadas sdo matrizes linha-reduzidas. Dois exemplos de matrizes que nGo sio lirha-reduzidas sao: 10 0 OF 02 st o.l-—-t Hl 10 —3]- 00 10 09 0 0, A segunda matriz nao satisfaz a condig&0 (a) porque o primeiro elemento nao-nulo da primeira linha nfo é 1, A primeira matriz satisfaz a condig&o (a) mas nao satisfaz a condig&o (b) na coluna 3, Demonstraremos agora que podemos passar de uma matriz arbitedria a uma matriz linha-reduzida, por meio de um numero finito de operagdes elementares sébre linhas. Combinado com o Teorenta 3, isto nos fornecerd um instrumento eficiente para a reso- lugdo de sistemas de equagées lineares, Teorema 4. Téda m X n matriz sdbre o corpo F é linha-equi- valente a uma matriz linha-reduzida,MATRIZES E OPERAGOES ELEMENTARES SOBRE LINHAS ~11 Demonstracao. Seja A uma m X 1 matriz sdbre F, Se todo ele- mento na primeira linha de 4 é 0, ent&o a condigao (a) estd satis- feita no que diz respeito & linha |, Se a linha | tem um elemento nao-nulo, seja kK 0 menor inteiro positive j para o qual A;; ¥ 0. Multipliquemos a linha 1 por Ay4_ ¢ entdo a condigio (a) estd satis- feita em relagdo & linha |. Agora, para cada / > 2, somemos (—Ais) vézes a linha | a linha i, Agora o primeiro elemento nao-nulo da linha 1 ocorre na coluna k, éste elemento € 1, ¢ todos os outros ele- mentos na coluna k sao nulos. Consideremos agora a matriz que resultou das operagdes acima, Se todo elemento na Jinha 2 € nulo, nada fazemos & linha 2, Se algum elemento na linha 2 é diferente de 0, multiplicamos a linha 2 por um escalar de modo que o primeiro elemento nao-nulo seja 1. No caso em que a linha | tenha um primeiro elemento nao-nulo na coluna k, éste primeiro elemento ndo-nulo na linha 2 nao pode ocorrer na coluna digamos que 4le aparece na coluna k’ # k. Somando miltiplos adequados da linha 2 &s diversas linhas, podemos fazer com que todos os elementos na coluna k’ sejam nulos, com excegao do | na linha 2. O fato importante a ser notado é éste: ao efetuarmos estas Ultimas operagées, nao alteramos os elementos da linha | nas colu- nas |, ..., k; além disso, nao alteramos nenhum elemento da coluna k. E claro que, se a linha 1 fOsse idénticamente nula, as operagdes com a linha 2 nao afetariam a linha 1. Trabalhando com uma linha de cada vez da maneira acima, € evidente que, com um niimero finito de passos, chegaremos a uma matriz linha-reduzida. Exercicios 1, Determinar tédas as solugdes do sistema de equagdes (dx, — ix, = 0 dey + (= ir, = 0. 30-1 A={2 11 1 —3 0, determinar tédas as solugGes de AX = 0, tornando 4 Sinha-reduzida. 3. Se 6 4 0 A=| 4-20 1 0 312 EQUACOES LINEARES determinar tédas as solugdes de AX = 2X e tédas as solugdes de AX = 3X. (O simbolo ¢X indica a matriz cujos elementos sio c vézes os elementos correspondentes de X.) 4. Encontrar uma matriz linha-reduzida que seja linha-equivalente @ 7 +i A=]L —2 1]: A a 1 5. Demonstrar que as duas matrizes seguintes nao so linha-equivalentes: bff od a 6 a=[2 4] uma 2 X 2 matriz com elementos compiexos. Suponhamos que 4 seja li- nha-reduzida e também que a + 5 +c + d = 0. Demonstrar que exis- tem exatamente trés destas matrizes. 7. Demonstrar que a transposigo de duas linhas de uma matriz pode ser conseguida por uma seqiiéncia finita de operagbes elementares sdbre li- nhas dos outros dois tipos. 8. Consideremos o sistema de equagdes AX = 0 onde 4-[E 4] é uma 2 X 2 matriz sébre 0 corpo F. Demonstrar 0 que segue. ® Se todo elemento de 4 € nulo, entio todo par (x1, x.) € uma solugo AX = 6. Seja Gi) Se ad 4 =x. = 0. (iii) Se ad — be = 0 ¢ algum elemento de A ¢ diferente de 0, entio existe ‘uma solugdo (x%, x$) tal que (x, x2) € uma solugao se ¢ somente se existe um escalar y tal que x, = yxt x, = yx. bc #0, 0 sistema AX = 0 possui apenas a solugdo trivial 1.4 Matrizes Linha-reduzidas 4 Forma em Escada Até agora, nosso trabalho com sistemas de equagGes lineares foi motivado por uma tentativa de determinar as solugdes de um tal sistema. Na Secio 1.3 estabelecemos um método padronizado para determinar estas solugdes. Desejamos agora obter algum conheci- mento que seja um pouco mais tedrico, e para tal propésito € con- veniente ir um pouco além de matrizes linha-reduzidas. Definigéo. Uma m X n matriz R é dita uma matriz linha-redu- zida 4 forma em escada se (a) R é linha-reduzida;MATRIZES LINHA-REDUZIDAS A FORMA EM ESCADA 13 (b) téda linha de R cujos elementos so todos nulos ocorre abaixo de tédas as linhas que possuem um elemento nao-nulo: (c) se as linhas 1, ..., ¢ so as linhas néo-nulas de R e se o priv meiro elemento nao-nulo da linha i ocorre na coluna ki,i = 1,...5 5, entdo ky < ka < 21. < ke Pode-se também descrever uma m X n matriz R linha-reduzida 4 forma'em escada como segue. Todo elemento em R é nulo ou entéo existe um iateiro positivo r, << m, er inteiros positivos ke, ,kecomil re Ry = Ose i < ke (b) Riuj =, LS 7S HLS F SH © ki << kn Exemplo 8. Dois exemplos de matrizes linha-reduzidas 4 forma em escada sion X 7” matriz unidade e am Xn matriz nula 0", na qual todos os elementos sao nulos. O leitor nao deverd encontrar nenhuma dificuldade para encontrar outros exemplos, mas gosta- rfamos de dar mais um exemplo nao-trivial: o 1-3 0 ¥ 00 OF 2]. oo 000 Teorema 5. Téda m X n matriz A é linha-equivalente a wna matriz linha-reduzida & forma em escada. Demonstragdo, Sabemos que A é linha-equivalente a uma matriz linha-reduzida, Portanto, basta observar que, efetuando um ntimero finito de permutagées das linhas de uma matriz linha-reduzida, po- demos transformé-la numa matriz linha-reduzida & forma em escada. Nos Exemplos 5 e 6, vimos a importancia de matrizes linha- reduzidas na solucao de sistemas homogéneos de equagées lineares, Discutamos rapidamente o sistema RX = 0, no caso em que R é uma matriz linha-reduzida a forma em escada, Sejam as linhas |, «+, as linhas nfo-nulas de R ¢ suponhamos que o primeiro ele- mento nao-nulo da Jinha / ocorra na coluna k;. O sistema RX = 0 consiste entéo de r equagdes ndo- is, Além disso, a incégnita Xs; aparecerd (com coeficiente ndo-nulo) apenas na i-ésima equagao, Se indicarmos por w,..., ts—+ as (n — r) incdgnitas que sao di rentes de xe,,..., Xe, ent&o as r equagdes néo-triviais em RX = 0 sio da forma14 EQUAGOES LINEARES i ° wa, $2 Cau; = gat (a3) xe +E Cy) = 0. jt Tédas as solugdes dos sistemas de equagdes RX = 0 sho obtidas atribuindo-se valores arbitrérios a w, ..., ux-r € calculando os va- lores correspondentes de x1,, ..., X+- por meio de (I—3). Por exem- plo, se Réa matriz do exemplo 8 acima, entio r = 2, ki = 2,k2 = 4, e as duas equagdes nao-triviais do sistema RX = 0 sio x2 — 3x3 + }xs = 0 ou x2 = 3x3 — 3X5 x + 2x5 = 0 ou x4 = 2x5, Assim, podemos atribuir valores arbitrdrios a xi, X3 © Xby digamos X1 = a, x4 = 6, xs = c, € obter a solugio (4,36 — jc, b, —2¢, ¢). Observemos mais um fato sdbre o sistema de equagdes RX = 0. Se o numero r de linhas nfio-nulas de R é menor que n, ent&o o sis- tema RX = 0 admite uma solugio nao-trivial, isto é, uma solugéo (x1, «45 Xn) em que nem todo x; é nulo, De fato, como r < A, po- demos tomar algum x, que nao esteja entre as 7 incdgnitas Bis vey Xr, e dai construir uma solugdo como acima na qual éste x, é |. Esta observagdo nos leva a um dos conceitos mais fundamentais relativos a sistemas de equacées lineares homogéneas. Teorema 6. Se A é uma m X n matriz em 1. Mas como R possui 7 linhas, certamente r < ne temos r = n. Como isto significa que R possui na verdade um primeiro elemento nao-nulo igual a f em cada uma de suas » linhas e como éstes | ocorrem cada um numa das 7 colunas, R é, necessariamente, an X a matriz uni- dade, Perguntemos agora que oneragées elementares sdbre linhas efe- tuar para resolver um sistema de equagdes lineares AX = Y que nao seja homogéneo. De inicio, devemos observar uma diferenga basica entre éste caso ¢ o caso homogéneo, a ‘saber, que gnauanto © siste- ma homogéneo sempre admite a solugdo trivial x, = =0, um sistema nao homogéneo pode nao ter nenhuma Solugio.” Formemos a matriz completa A’ do sistema AX = Y. Esta é a m X (a + 1) matriz cujas n primeiras colunas so as colunas de A e cuja ultima coluna é Y. Mais precisamente Ai = Ain se j r. Se esta condicao é satisfeita, tédas as solugbes déste sistema podem ser determinadas, como no caso homogéneo, atri- buindo-se valores arbitrdrios a (n — r) dos x; e daf calculando x», por meio da i-ésima equagdo Exemplo 9, Seja F 0 corpo dos numeros racionais ¢ 1-2 1 A=|2 14 lo 5 —1 e suponhamos que se deseje resolver o sistema AX = Y para certos Vi, y2e ys. Efetuemos uma seqiiéncia de operagdes sdbre as linhas da matriz completa A’ que torne A linha-reduzida: “1 2 001 oy @ ri —2 1 @ 2 1 1 ye 0 3 a (2 a) 2 5 -1 »J ~~? Lo - va ~~ 1 yn 3 1 G2 — 2p) Je 0 0 Oa — ye + 291), ! 0 On v 7 qT 102-2) | @, 0 ye + 2p) 10 § 301 +29) OL =F He 2) |e 10 0 0 Ga— ye + Ay) A condigao para que o sistema AX = ¥ tenha uma solucao € portanto 2yi— yo + ya = 0 © se os escalares y; dados satisfazem esta condig&o, tédas as solu- gdes sfio obtidas atribuindo-se um valor ¢ a x3 e depois calculando + 301 + 2y2) 3¢ + (v2 — 21). loon bsoMATRIZES LINHA-REDUZIDAS A FORMA EM ESCADA 17 Facamos uma observagio final sdbre o sistema AX = Y. Supo- nhamos que os elementos da matriz A e os escalares y1,..., Ym estejam num subcorpo F, do corpo F. Se o sistema de equagdes AX = Y admite uma solugdo com x1,..., x, em F, éle admite uma solugio com x,..., X. em Fi. De fato, sébre qualquer vim dos dois corpos, a condigdo para o sistema admitir uma solugdo € que valham certas relagdes entre y;,..., Ym em F, (a saber, as relagdes z; = 0 para i > r, acima), Por exemplo, se AX = Y é um sistema de equagdes lineares no qual os escalares ps € As; sho nuimeros reais e, se existe uma solugdo na qual x1,..., x» séo mi- meros complexos, entéo existe uma solugdo com x1,.... X, mG- meros reais, Exereicios 1, Determinar t6das as solugdes do seguinte sistema de equacdes. linha-re- duzindo a matriz dos coeficientes: fy + 2x, — 6x, = 0 —4x, + Se, —0 3x, + 6x, — 134, = 0 + 2x. fx, = 0 2, Determinar uma matriz linha-reduzida & forma em escada que seja equi- valente a os Az=|2 2 |. oi+h, Quais sdio as solugées de AX = 0? 3. Descrever explicitamente tédas as 2 x 2 matrizes linha-reduzidas a for- escada. ma em 4. Consideremos o sistema de equagdes Mm tly al 2x, +2x <1 x — 3x. + 4x, = 2 Este sistema admite solugio? Em caso afirmativo, descrever explicitamente tédas as solugies. 5. Dar um exemplo de um sistema de duas equacdes lineares a duas incdgni- tas que ndo admite solugio. 6. Seja Gag Ae]2 15]. | —3 0,18 EQUAGOES LINEARES Para que ternas (y1,y.,) 0 sistema 4X = ¥ admite solucdo? 1, Seja 3-6 2-1 24103 4-0 oF if f-21 @ Para que (¥1,¥s¥s9,) © sistema de equagdes AX = Y admite solugio? 8 Suponhamos que Re R’, sejam 2X 3 matrizes linha-reduzidas & forma em escada € que os sistemas RX = 0 e R'X = 0 admitam as mesmas so- lugées. Demonstrar que R = R’, 1.5 Muttiplicacio de Matrizes E evidente (ou, de qualquer modo, deveria ser) que 0 processo de formar combinagées lincares das linhas de uma matriz € um processo fundamental. Por esta razio é vantajoso introduzir um es- quema sistematico para indicar exatamente que operagdes devern ser efetuadas. Mais especificamente, suponhamos que B seja uma n X p matriz sobre um corpo F com linhas fi,..., 8. € que a partir de B construamos uma matriz C com linhas 71,..., ym formando cer- tas combinagGes lineares (4) vi = Aabh + AnBe + 06. + AinBn- As linhas de C sfio determinadas pelos mn escalarés A.; que sito os elementos de uma m X n matriz A. Se (1-4) € desenvolvido como (Cit Coy) = 2 AB +++ iB) vemos que os elementos de C sao dados por Cy = 2 AiB,;. red Definigao. Seja A uma m X n matriz sébre 0 corpo F e seja B wna n X p matriz sébre F, O produto AB é a m X p matriz C cio elemento i,j e = E AyBy. ay Exemplo 19, Eis alguns produtos de matrizes com elementos racionais, © [oa a)-Lo ils asMULTIPLICAGAO DE MATRIZES —20 6 1) + ) 5(0 6 1) + 34] [6] [ea 2 = (6 12) = 324) Neste caso m=G6—-12I)=1. w= 0 72)= 06 LT 9 12 —8 ®) 12 62 —3| = 3. 8 —2, IL Neste caso v2 = (9 12-8) = rs = (12 62 —3) = 8 © ls] - [ —2 —4 @ | 6 vl = Neste caso (e) 0 1 OF 1 (3) 000 2 00 0 9 1-5 2 0 (g) 2 3 4] I/o 9 —1 3] LO E importante observar que 1 3, e 4 [73] = uo 5 2 34 2 0 0 1 0 00 0 ool Lo o produto de duas matrizes pode ene cow nao estar definido; o produto é definido se, e sdmente se, o ni- mero de coluna da primeira matriz coincide com o numero de li- nhas da segunda matriz, Assim, nao faz sentido trocar a ordem dos fat6res em (a), (b) e (c) acima, Freqiientemente escreveremos produ- tds como AB sem mencionar explicitamente as dimensdes dos fa- tres e, em tais casos, estard subentendido que o produto esté de- finido. De (d), (¢), (£), (g) vemos que mesmo quando ambos os pro- dutos AB e BA éstio definidos n@o é necessariamente verdade que AB = BA; em.outras palavras a multiplicagfo de matrizes ndo € comutativa.20 EQUAGGES LINEARES Exemplo 11. (a) Se 1 € a m X m matriz unidade e A € uma m X n matriz, IA =A. (b) Se 1 € am X m matriz unidade e A é uma m X n matriz, A= A. {c) Se Oe €ak Xm matriz nula, 0% = OA, Andloga- mente, AO"? = Om, Exemplo 12, Seja 4 uma m X # matriz sbre F, Nossa notagdo taquigrdfica anterior, AX = Y, para sistemas de equagées lineares, € coerente com nossa definig&o de produtos de matrizes. De fato, se com x; em F, entio AX é am X 1 matriz yi v2 yal" tal que yi = Airxi + Aioxz +... + Ainxe. A despeito do fato de que um produto de matrizes depende da ordem em que os fatéres sao escritos, éle € independente da maneira pela qual elas sio associadas, como o préximo teorema mostra. Teorema 8. Se A, B, C sGo matrizes sébre o corpo F tais que os Produtos BC e A(BC) sdo definidos, entdo estdo definidos os produ- tos AB, (AB)C e A(BC) = (ABC. Demonstragdo. Suponhamos que B seja uma n X p matriz. Como BC esta definida, C € uma matriz com p linhas e BC tem 2 linhas. Como A(BC) esté definido podemos supor que A é uma m X n matriz. Assim, o produto AB existe e € uma m X p matriz, do queMULTIPLICACAO DE MATRIZES 21 segue que o produto (AB)C existe. Mostrar que A(BC) = (AB)C significa mostrar que (ABC); = (ABC); para cada i, j. Por definigao (ABO)y = 2 ABC); z Aw z BC; = z z AiBu Cs; = z z ABC; == @ AirBr Cas = 2 (ABYC [(43)C},;- Quando A é uma n X m matriz (quadrada), 0 produto AA esté definido. Indicaremos esta matriz por A?. Pelo Teorema 8, (4A)A = = A(AA) ou A®A = AA®, de modo que o produto AAA esté defi- nido sem ambigilidade. Indicaremos éste produto por A®, Em geral, 0 produto AA... A (k vézes) esté definido sem ambigitidade ¢ indicaremos éste produto por A*. Notemos que a relacio A(BC) = (AB)C implica, entre outras coisas, que combinagées lineares de combinagées lineares das linhas de C so novamente combinagdes lineares das linhas de C. Se B é uma dada matriz e C é obtida de B por meio de uma operacgao elementar sObre linhas, ent&o cada linha de C é uma com- binag&o linear das linhas de B, logo existe uma matriz A tal que AB = C. Em geral, existem muitas dessas matrizes A e, dentre elas tédas, é conveniente e possivel escolher uma que tenha um ntimero de propriedades especiais. Antes de passar a isto precisamos intro- duzir uma classe de matrizes. Definicgo. Uma nXm matriz é dita wma matriz elementar se ela pode ser obtida da m X mynatriz unidade por mefo de uma tinica ope- ragGo elementar.22 EQUAGGES LINEARES Exemplo 13. Uma 2 X 2 matriz elementar é necessariamente uma das seguintes: Ca Ba EY [s ‘I: © #0, [6 t]. eo. Lema. Seja e uma operagdo elementar sébre linhas de matrizes com p linhas. Seja A uma m X n matriz e B uma p X m matriz. Entéo (5) e(B)A = e(BA). Demonstraco, Indiquemos as linhas de A por ai, ..., em. AS linhas yi, ..., yp de C = BA sio ent&o dadas por (I—6) y= 2 Biya;. 4 Se a operagao e é a multiplicagao de r-ésima linha por c + 0, entio a r-ésima linha de e(C) é dada por (i-7) vr = 2 eBya; 3 enquanto yj = 7; para i # r. Por outro lado, se e € uma operagio que substitui a linha r pela linha r mais c vézes a linha s, 7 s, entio (l—8) ue 2 (By + cBudas © yj = ys para i # r. No caso restante, quando e transpée as linhas res, temos y= 2 Bye; (i—9) ; n= = By jas € yi = y: se i € diferente de r e de s, Considerando (1—7), (I—8) e (1—9) é evidente que em cada caso vf = % e(B);;a; 3 parai=l,..., p. Tomando B como sendo a m X m matriz unidade em (I—5) obtemos (—10) ADA = eA).MULTIPLICACAO’ DE MATRIZES 23 Por ser ste resultado de importancia fundamental reenunciamo-lo como segue: Teorema 9, Seja A uma m X n matriz sdbre 0 corpo F e seja C uma matriz obtida efetuando-se uma unica operagao elementar sdbre as linhas de A. Seja E a matriz elementar obtida efetuando-se a mesma operacao elementar sébre a m X m matriz unidade, Entéo C = EA, Corolario. Sejam A e Bm X n matrizes sabre o corpo F. Entéo B é linha-cquivalente a A se e somente se B = PA, onde P é um pro- duto dem X m matrizes elementares, Demonstracio. Suponhamos que B = PA onde P = E, ... E2E, ¢ as E; sio m X m matrizes elementares. Entéo £,4 é linha- equivalente a A e Eo(E,A) € linha-equivalente a E24. Assim E2E,A é linha-equivalente a A; continuando desta maneira, vemos que (E.... E\)A é linha-equivalente a A. ‘Suponhamos agora que B seja linha-equivalente a 4. Sejam E,, Ex, ..., E, as matrizes elementares correspondentes a alguma seqiiéncia de operagées elementares sdbre linhas que levam A em B, Entéo B = (E,... E:)A. Exercicios 1. Sejam —1 1 2 —2 o1 Beli 3]. 01 4 4 Verificar diretamente ye A(AB) = 4*B. 3. Determinar duas 2 X 2 matrizes 4 distintas tais que 4” = 0 mas A > 0. 4. Para a matriz A do Exercicio 2, determinar matrizes elementares Ey, E,,..., Ex vais que Ey... EEA = 1. Edt Existe alguma matriz C tal que CA = B? 5. Sejam24 EQUACGES LINEARES 6, Seja 4 uma m X n matrize B uma n X & matriz, Mostrar que as colunas de C = AB sio combinagées lineares das colunas de A. Se a1,...,0n SHO as colunas de A € y,,...,72 so as colunas de C, entio , w= E Bray ral 7, Sejam Ae B duas 2 X 2 matrizes tais que AB = I, Demonstrar que BA =. 8. Seja = [Cu &] c-(e & Perguntamos quando € possivel encontrar 2 X 2 ma- que C = AB — BA, Demonstrar que tais matrizes po- dem ser encontradas se e sémente se Cy}, + C3; = 0. 1.6 Matrizes Inversiveis Suponhamos que P seja uma m X m matriz que seja um pro- duto de matrizes elementares, Para cada m X » matriz A, a matriz B = PA & linha-equivalente a A; logo A € linha-equivalente a Be existe um produto Q de matrizes elementares tal que A = QB. Em particular, isto € vdlido quando A é a m X m matriz unidade. Em outras palavras, existe uma m X m matriz Q, que € um produto de matrizes elementares, tal que QP = J. Como logo veremos, a exis- téncia de uma @Q tal que QP = J € equivalente ao fato de P ser um produto de matrizes elementares. Definico. Seja A uma n X n matriz (quadrada) sobre o corpo F, Uma n X n matriz B tal que BA = I e dita wma inversa & esquerda de A; uma n X 1 matriz B tal que AB = I é dita wna inversa A di- reita de A, Se AB = BA = I, entio B é dita inversivel. Lema, Se A possui uma inversa & esquerda Be uma inversa A direita C, entio B = C, Demonstracao, Suponhamos que BA = J e AC = I. Entéo B= BI'= BAC) = (BA)C = IC =. Assim, se A possui uma inversa A esquerda e uma & direita, A é inversivel e possui uma tinica inversa bilateral, que indicaremos por A-! e denominaremos simplesmente a inversa de A, Teorema 10. Sejam A e Bn X n matrizes sébre F. (a) Se A é inversivel, A~! tambem o é ¢ (A7')"! = A. (b) Se A e B sdo inverstveis, AB também o é e (AB)-! = B~'A!,MATRIZES INVERSIVEIS 25 Demonstragéo. A primeira afirmagio é evidente pela simetria da definigao. A segunda decorre da verificacio das rel (AB)(B"'A7}) = (B“1A7!)(AB) = I. Corolario, Um produto de matrizes inversiveis é inversivel. Teorema 11, Uma matriz elementar é inversivel. Demonstracao. Seja E uma matriz elementar correspondente & operagio elementar sdbre linhas e. Se e: € a operagdo inversa de (Teorema 2) e E; = ei(J), entio EE, = ei) = eer(/)) = F EE = e(E) = e(e(l)) = 1 de modo que E ¢ inversivel e Z, = E7', Exemplo 14. 0 1)"! Oo ot (a) [i a * li al loc (b) 0 ‘| 0 1 0 1 0 © [: i] * [t 1 (a) Quando ¢ ¥ 0, ec Oy! ct! 0 1 oy 10 [6 = ef =[o to} Teorema 12. Se A e wna n Xn matriz sébre F, as seguintes afirmacées so equivalentes (isto é, tédas verdadeiras ou tédas falsas). a -4 1 1 (i) A e inversivel. (ii) A possui uma inversu a esquerda, (iii) AX = 0 um sistema de equagées sem solucdo além da trivial. (iv) A é um produto de matrizes elementares, Demonstracao. Demonstraremos as implicagées (i) — (ii) — (iii) + (iv) + (i). (i) > (ii). Se A inversivel, A~! & uma inversa & es- querda de 4. (ii) — Gil). Suponhamos que P seja uma inversa & esquerda de Aeque AX = 0. Entio X = IX = (PA)X = P(AX) = P.0=0.26 EQUAGGES LINEARES (iii) — (iv). Suponhamos que o sistema de equagoes lineares homogéneas AX = 0 nao possua solugdo néo-trivial. Seja R uma matriz-reduzida & forma em escada e linha-equivalente a A, Entio R é uma n X n matriz quadrada e RX = 0 n&o possui solugdes X = 0. Assim, R é an Xn matriz unidade ¢, pelo Corolério do Torema 9, A = P onde P é um produto de matrizes elementares. (iv) > (i). Suponhamos que £y, £2, ..., Es sejam X n ma- trizes elementares tais que A = E,E> ... Es. Pelo Teorema 11, cada E; & inversivel e € evidente que Av! = Er! ,., Ex' Ep). Corolario 1. Se A e uma n X n matriz inverstvel e se uma se- qiiéncia de operagées elementares sébre linhas reduz A a unidade, entdo aquela mesma seqiiéncia de operagées sdbre linhas quando apli- cada a \ produz A~'. Corolirio 2. Uma matriz quadrada com inversa & esquerda ou & direita é inversivel. Demonstracao. Se A ¢ B sion X n matrizes tais que AB = J, entio A é uma inversa & esquerda de B, logo B é inversivel, 0 que implica B-! = Ae Av! = (B-})-! = B. Corolirio 3. Uma n X n matriz A e inversivel se e somente se © sistema de equacées AX = X possui uma solugdo X para cada no X | matriz Y. Demonstra¢do. Suponhamos que A seja inversivel. Entio X¥ = = A~1Y € uma solugio da equagio AX = Y. Suponhamos que AX = Y possua uma solugdo para cada Y. Seja Y, a i-ésima coluna da n x n matriz unidade. Tomemos X; de modo que AX, = Y,. Se Béan Xn matriz com colunas X%, X2, ++, X, entio AB = J; agora o coroldrio anterior se aplica e mos- tra que B= Aq!, Deve-se observar que 0 Coroldrio 3 mostra que se A én X n ¢ AX = ¥ possui uma solugo para cada Y, entio na verdade AX = ¥ possui uma dnica solugo para cada Y. Corolério 4. Sejam A e Bm Xn matrizes. Entéo B é linka- equivalente a A se e sdmente se B = PA onde P é uma m X m ma- triz inversivel, Tomando m = ne fazendo B igual & X ” matriz unidade obtemos 0 resultado que segue. Corolario 5. Uma n X n mairiz A é linha-equivalente & matriz unidade se e somente se A é inversivel.MATRIZES INVERSIVEIS 27 Corolirio 6. Seja A = AiAz, ... Ax, onde Au ..., Ax silo n X n matrizes (quadradas). Entéo A é inversivel se e somente se cada Aj é inversivel. Demonstragéo. Ja demonstramos que o produto de duas ma- trizes inversiveis é inversivel. A partir disto vé-se facilmente que se cada A; é inversivel entéo A € inversivel. Suponhamos agora que A seja inversivel, Demonstremos pri- meiro que A; € inversivel. Suponhamos que X seja uma n X | ma- triz € AX = 0. Entio AX = (A; ... As-1)4eX = 0. Como A € inversivel temos X = 0, Desta maneira, o sistema de equacdes A,X = 0 nao possui solugGes nio-triviais, portanto, A, é inversivel. Mas en- to Ay... Ay-1 = AA! € inversivel. Pela razio anterior Ari € versivel, " Prosseguindo desta forma, conclufmos que cada A; & inversfvel. Gostariamos de fazer um comentdrio final sébre a resolugdo de equagées lineares, Suponhamos que A seja uma m X n matriz ¢ que desejamos resolver o sistema de equagdes AX = Y. Se R é uma matriz linha-reduzida & forma em escada que é equivalente a A, entio R = PA, onde P é uma m X m matriz inversivel. As solugdes do sistema AX = Y so exatamente as solugdes do sistema RX = = PY (=Z). Na pratica, n#o € muito mais dificil determinar a ma- triz P do que linha-reduzir A a R. De fato, suponhamos que for- memos a matriz completa A’ do sistema AX = Y, com escalares arbitrarios y, ..., yx na ultima coluna. Se agora efetuarmos sébre A’ uma seqiiéncia de operagdes elementares sdbre linhas que re- duza A a R, tornar-se-4 evidente o que é a matriz P. (O lejtor deve consultar 0 Exemplo 9 onde, em esséncia, aplicamos éste proceso.) Em particular, se A é uma matriz quadrada, éste proceso mostrard claramente se A é inversivel ou nao e, se A for invers{vel, qual ¢ a inversa de P. Como ja apresentamos 0 nticleo de um exemplo déste tipo de cdlculo, contentar-nos-emos com um exemplo 2 X 2, Exemplo 15. Suponhamos que F seja o corpo dos mimeros racionais =[? - a= i a): Entio 773 2J@E 3 eel 3 ye 1 li 3 Ob yILo 7» By JO 13 ve 2) 702 + 3n) [o 1 FQy2 ™ wl Blo 2 1 7Qy2— »28 EQUAGGES LINEARES onde se vé claramente que A é inversivel e que Als Deve ter ocorrido ao leitor que fizemos uma longa discussio sObre linhas de matrizes e pouco dissemos sdbre colunas, Concen- tramos nossa atengo sébre as linhas porque isto pareceu mais na- tural do ponto de vista de equagdes lineares. Como nfo existe evi- dentemente nada sagrado sdbre linhas, a discussdo das ultimas se- gdes poderia muito bem ter sido feita usando-se colunas em vez de linhas. Se se define uma operacdo elementar sdbre colunas e uma coluna equivaléncia de maneira andloga A operagio elementar sé- bre linhas e & linha-equivaléncia é evidente que cada m X # matriz sera coluna equivalente a uma matriz “‘coluna-reduzida 4 forma em escada”. Além disso, cada operagio elementar sdbre colunas serd da forma A — AE, onde E é uma n X n matriz elementar ¢ assim por diante. Exercicios 1, Seja 1021 Anw|-1 035]. 1-21 1, Determinar uma matriz.R linha-teduzida & forma em escada que seja li- nha-equivalente a Ae uma 3X 3 matriz inversivel P tal que R = PA. 2. Fazer o Exercicio 1, com 20 = 4e]1 —3 —]- ne) 3. Para cada uma das matrizes 2 «5 =] [i 3 a [ 4 usar operagdes elementares s6bre linhas para descobrir se € inversivel ¢, em caso gfirmativo, determinar a inversa. 4, Seja 50 A=wd]1 5 OF oO 1 5.MATRIZES INVERS{VEIS 29 Para que X existe um escalar c tal que AX = cX? $. Suponhamos que A seja uma 2 X 1 matriz e que B seja uma 1 X 2 ma- triz. Demonstrar que C = AB no € inversfvel. 6. Seja A uma n X n matriz (quadrada). Demonstrar as duas afirmagées seguintes: wl Se 4 € inversivel ¢ AB = 0 para alguma n X m matriz, entio 0) Se 4 po 4 mere, entio existe uma n X matriz B tal que AB = 0 mas B= a 6 aal[é qd, 1. Seia Demonstrar, usando operagdes elementares sdbre linhas, que 4 é inversi- vel se, ¢ sdmente se, (ad — bc) # 0. 8. Demonstar a seguinte generalizacto do Exercicio 5. Se A é uma m X matriz, B € uma 1 X m matriz en < m, entio AB nfo é inversivel. 9. Seja A uma m X n matriz. Mostrar que, por meio de um numero finito de operacies elementares sObre linhas e/ou colunas, pode-se passar de 4 a uma matriz 2, “linhs-reduzida & forma em escada” e “coluna-reduzida 4 forma em escada”, isto é, Ri; = Ose i # f, Ri = 115i <7, Ri 0 se i > r. Mostrar que R = PAQ, onde P € uma A x’ m matriz inversivel e @ € uma n X n matriz inversivel.CAPITULO 2 ESPACOS VETORIAIS 2.1 Espacos Vetoriais Em varias partes da matemética, defrontamo-nos com um con- junto, tal que é, ao mesmo tempo, significativo e interessante lidar com “combinagées lineares” dos objetos daquele conjunto. Por exem- plo, em nosso estudo de equagdes lineares, foi bastante natural considerar combinag6es lineares das linhds de uma matriz. B pro- vavel que o leitor tenha estudado célculo e tenha jd lidado com com- binagdes lineares de fungdes; isto certamente ocorreu se éle estu- dou equagées diferenciais, Talvez o leitor tenha tido alguma expe- riéacia com vetores no espago euclidiano tridimensional e, em par- ticular, com combinagées lineares de tais vetores. A grosso modo, a algebra linear € 0 ramo da matemética que trata das propriedades comuns a sistemas algébricos constituidos por um conjunto mais uma nogdo razodvel de uma “combinagio linear” de elementos do conjunto, Nesta seg&o definiremos 0 objeto mateméatico que, como a experiéncia mostrou, € a abstragdo mais Util déste tipo de sistema algébrico. Definig&o. Um espaco vetorial (ou espaco linear) consiste do se- guinte: (1) um corpo F de escalares; (2) um corpo V de objetos, denominados vetores; (3) uma regra (ou operacdo), dita adigéo de vetores, que associa @ cada par de vetores a, B em V um vetor a + B em V, denominado a soma de a e 8, de maneira tal que . (a) @ adigéo & comunicativa, a + B = 8 + a; (b).@ adigao € associativa, a + (8 + 7) = (a+ 8) +45 (c) existe um tinico vetor 0 em V, denominado o vetor nulo, tal que a + 0 = a para todo a em V;ESPACOS VETORIAIS 31 (d) para cada vetor « em V existe um inico vetor — a em V tal que a + (—@) = 0; (4) wna regra (ou opéragdo), dita multiplicagdo escalar, que as- socia a cada escalar c em F ¢ cada vetor a em V um vetor ca em V, denominado o produto de ¢ por a de maneira tal que (a) Ll @ = @ para todo a em V; (b) (crea) = ex(c2a); (c) ela + 8) = ca + cB; (Cd) (cr + c2)a = cia + cae. E importante observar, como afirma a definigao, que um espaco vetorial € um objeto composto de um corpo, um conjunto de “‘ve+ tores” e duas operagées com certas propriedades especiais, O mesmo conjunto de vetores pode ser parte de diversos espagos vetoriais {ver Exemplo 5 abaixo), Quando nao hi possibilidade de confusio, podemos simplesmente nos referir ao espago vetorial por VY ou, quando for desejével especificar o corpo, dizer que V € um espaco vetorial sébre 0 corpo F. O nome “‘vetor” € aplicado aos elementos do conjunto V mais por conveniéncia. A origem do nome é encon- trada no Exemplo | abaixo, mas nao se deve emprestar muita impor- tancia ao nome uma vez que a vatiedade de objetos que aparecem como sendo os vetores em V podem no apresentar muita seme- Ihanga com qualquer conceito de vetor adquirido a priori pelo leitor. Tentaremos indicar esta variedade através de uma lista de exemplos; nossa lista seré consideravelmente ampliada assim que iniciarmos © estudo de espagos vetoriais. Exemplo 1. O espaco das n-uplas, F*. Seja F um corpo arbitré- tio e seja V o conjunto de tédas as n-uplas a = (m1 , X2,..., Xn) de escalares x; em F, Se 8 = (j1, ¥2,..., Yn) com ys em F, a soma de ae 8 € definida por (21) at 8 = (x + yi, x2 + ya... me te O produto de um escalar ¢ por um vetor @ € definido por (2-2) ca = (6x1, 6X2. 64, CXne O fato de que esta adigdo de vetores e multiplicagao escalar satis- fazem as condigGes (3) e (4) é facil de verificar, usando as proprie- dades semelhantes da adig&o ¢ multiplicagio de elementos de F. Exemplo 2. O espaco das m X n matrizes sébre o corpo F. Seja F um corpo arbitrario ¢ sejam m e nt inteiros positivos, Seja Vo32 ESPAGOS VETORIAIS conjunto de tédas as m X n matrizes sdbre 0 corpo F. A soma de dois vetores A e Bem V é definida por (2-3) (4 + By = Ag + By. O produto de um escalar c por A em V € definido por (2-4) (cA)ig = CAie Exemplo 3. O espaco das funcées de um conjunto em um corpo. Seja F um corpo arbitrério e seja S um conjunto ndo-vazio arbitra- rio. Seja V 0 conjunto das fungSes do conjunto S em F, A soma de dois vetores fe gem V é 0 vetor f + g, isto é, a fungio de Sem F, definida por 2-5) + 8) (3) = fis) + a). © produto do escalar ¢ pela fungio f é a fungio of definida por (2-6) (A) © = of). Os exemplos anteriores sio os casos particulares déste. De fato, uma r-upla de elementos de F pode ser considerada como uma fun- gio do conjunto S dos inteiros 1,..., em F. Analogamente, uma m X n matriz sdbre o corpo F é uma fungao do conjunto S de pares de inteiros (i,j), 1 Oe € oposto ao de OP sec < 0. Esta multiplicagao escalar produz exatamente 0 vetor OT onde T = (cx, x2, ¢x3) ¢ € portanto compativel com a definigio algébrica dada para RS. De vez em quando, o leitor provavelmente acharé util “pensar geomatricamente” sébre espagos vetoriais, isto é, desenhar figuras para uso préprio para itustrar e motivar algumas idéias. Na ver- dade deve fazer isto. Contudo, ao fazer tais ilustragdes, deve ter em mente que, por estarmos tratando de espagos vetoriais como siste- mas algébricos, tédas as demonstragdes que fizermos serio de na- tureza algébrica. Exercicios 1. Se F € um corpo, verificar que F* (tal como definido no Exemplo 1) é um espaco vetorial sObre 0 corpo F. 2. Se V € um espago vetorial sébre o corpo F, verificar que © fer ta) + @ tad) = les + Gs tall +a para todos yetores ay, a,, a, €a, em V. 3, Se C € 0 corpo dos ntimeros complexos, quais vetores em C1 sio combi- nagdes lineares de (1, 0, —1), (0, 1, Ded, 1,9? 4. Seja V 0 conjunto de todos os pares (x, y) de ntimeros reais e seja F 0 corpo dos nimeros reais, Definamos a W) + gn) = + ty Yt YD x. = ex. y}. V, com estas operagdes, ¢ um espaco vetorial sébre o corpo dos nuimeros reais? 5. Seja V 0 conjunto de todos os pares (x, y) de ntimeros reais e seja F 0 corpo dos niimeros reais. Definamos (x, Yt Oy, yD) = GY + By XD) etx, 9) = Gey, —€x). Verificar que V, com estas operacées, ndo & um espago vetorial sébre 0 corpo dos niimeros reais.SUBESPACOS 37 2.2 Subespacos Nesta seg&o introduziremos alguns conceitos basicos no estudo dos espacos vetoriais, Definigio. Seja V um espago vetorial sébre o corpo F. Um sub- espaco de V é um subconjunto W de V que é um espaco vetorial sobre F com as operagées de adicéo de vetores e multiplieagdo esca> lar de V. Uma verificagio direta dos axiomas para um espaco vetorial mostra que o subconjunto W de V é um subespago se para todos ae fem Wo vetor a + 6 esté ainda em W; o vetor nulo esté em W; para todo a em W o vetor (—a) esté em W; para todo a em W ¢ todo escalar c 0 vetor ¢ a esté em W. A comutatividade e associa- tividade da adigfo de vetores ¢ as propriedades (4) (a), (6), (c) € (d) da multiplicagéo escalar nao precisam ser verificadas, uma vez aue sdéo propriedades das operagdes em V, Podemos simplificar ainda mais as coisas. Teorema 1. Um subconjunto ndo-vazio W de V.é um subespago de V se, e somente se, para cada par de vetores a, 8 em W e cada es- calar c em F, o vetor ca + 8 esté em W. Demonstracéo. Suponhamos que W seja um subconjunto nio- -vazio de V tal que c a + § pertenga a W para todos os vetores a, B em We todos escalares c em F. Como W € nio-vazio, existe um vetor p em W, logo (1) p + p = 0 esté em W. Entio se a € um vetor arbitraério em We c um escalar arbitrério, 0 vetor ca =ca+ 0 esté em W. Em particular (—I)a = —a esté efn W. Finalmente se a ¢ 8 estio em W, entioa + 6 = 1a + f estd em W. Assim, W é um subespago de V, Reciprocamente, se W é um stibespago de V, a e f estio em Wec &um escalar, certamente ca + f estdem W. Exemplo 6. (a) Se V & um espago vetorial arbitrério, V € um subespago de V; 0 subconjunto constituido sdmente pelo vetor nulo é um sub- espaco de V, denominado o subespago nulo de V. (b) Em F*, 0 conjunto das n-uplas (x1,..., x.) com x1 = 0 € um subespago: contudo, o conjunto das n-uplas com x; = | + x2 nao € um subespago (n > 2). (c) O espago das fungdes polinomiais sébre o corpo F € um subespago do espago de tédas as fungdes de F em F.38 ESPAGOS VETORIAIS (d) Uma n X 2 matriz (quadrada) A sébre o corpo F é simé- trica se A,; = Aj; para todos ie j, As matrizes simétricas formam um subespaco do espago de tédas as m X 4 matrizes sObre F. (e} Uma a X n matriz (quadrada) A sébre 0 corpo C dos ni- meros complexos é hermitiana (ou auto-adjunta) se Aj = As; para todos j, k, sendo que a barra indica conjugagio complexa. Uma 2 X 2 matriz é hermetiana se e sémente se € da forma z x+y x—iy ow onde x, y, ze w sao niimeros reais. O conjunto de tédas as matrizes hermitianas do € um subespago do espaco de tédas as » X n ma- trizes sébre C. De fato, se A é hermitiana, todos os elementos Aji, Azz,..., de sua diagonal sao ntimeros reais mas os elementos dia- gonais de iA em geral nao sfo reais. Por outro lado, verifica-se fa- cilmente que o conjunto das 1 X n matrizes hermitianas complexas € um espaco vetorial sébre o corpo R dos nimeros reais (com as Operagdes usuais), Exemplo 7. O espago-soluciio de um sistema de equacies linea- res homogéneas. Seja A uma m X n matriz sébre F. Entéo 0 con- junto de tédas as 1 X 1 matrizes - (colunas) X sébre F tais que "AX = 0 & um subespago do espaco de tédas as n X 1 matrizes sobre F. Para demonstrar isto precisamos mostrar que A(cX + Y)=0 para AX = 0, AY = Oe c um escalar arbitrério em F, Isto decorre imediatamente do seguinte fato geral: Lema. Se A é uma m X 1 matriz sébre F e B, C séo n X p matrizes sdbre F, enta@o QI) AGB + C) = d(AB) + AC para todo escalar d em F, Demonstracdo, [A(dB + Cy = 2 AaldB + Chis © MW E (dAnBiz + AinCe;) ® az AisBej + z AinCui) AB); + (AC) [a(AB) + AC};SUBESPACOS 39 Andlogamente, pode-se mostrar que(dB + C)A = d(BA) + CA, se as somas € produtos de matrizes esto definidos. Teorema 2. Seja V um espaco vetorial sébre 0 corpo F. A inter- secao de uma colecao arbitrdria de subespacos de V ¢ um subespaco de V. Demonstracao. Seja {W.} uma colegdo de subespagos de Ve seja W = 7) W, a sua intersegao. Recordemos que W é definido como sendo 0 conjunto dos elementos pertencentes simultineamente a W, (ver Apéndice). Como cada W, € um subespago, todos contém o vetor nulo, Assim o vetor nulo estd na intersegao We W é nao vazio, Sejam a € 8 vetores em W e seja c um escalar. Peta definigio de W, tanto a como B pertencem a cada W, €, como cada W, & um subespago, o vetor (ca + A) est em todo W,. Assim, (ca + 8) estd em W. Pelo Teorema 1, W é um subespaco de V. Do Teorema 2 decorre que se S é uma colegio arbitréria de vetores em V, entio existe um menor subespago de V que contém S, isto é, um subespago que contém Se que estd contido em todos 0s outros subespagos que contém S. Definicdo. Seja S um conjunto de vetores num espaco vetorial V. O subespaco gerado por S é definido como sendo a interseguo W de todos os subespacos de V que contém S. Quando S é um conjunto fi- nito de vetores, S = {a1, c2,....a,}, denominaremos W_ simples- mente o subespaco gerado pelos vetores a1, a2,...,. an. Teorema 3. O subespaco gerado por um subconjunto néo vazio S de um espaco vetorial V é 0 conjunto de t6das as combinagées lineares de vetores em S, Demonstracao. Seja W 0 subespaco gerado por S. Entaio, cada combinacao linear a = xy + x202 +... + Xntim de vetores aj, a2, ..., am em S evidentemente esté em W. Assim, W contém o conjunto L de tédas as combinagées lineares de vetores em S. O conjinto L, por outro lado, contém S e € nao vazio. Se a, 8 pertencem a L, ent&o a € uma combinagio linear, a = Xen + zag +... + Xmen de vetores a; em S ¢ 8 é uma combinagao linear B = yiBi + ope +... + YaBn de vetores 6; em S. Para cada escalar c,40 ESPACOS VETORIAIS cat B= E (cx + 2 v8. ay ya Logo ca + f pertence a L. Assim, L ¢ um subespago de V. Mostramos acima que L é um subespago de V que contém Se também que todo subespago que contém S contém L, Decorre que L a intersegdo de todos os subespacgos que contém S, isto é, que L € 0 subespago gerado pelo conjunto S. Definicho. Se Si, S2,...,S so subconjuntos de um espaco vetorial V, 0 conjunto de tédas as somas a tart... tor de vetores xi em S; é dito a soma dos subconjuntos Si, S2,..., Ss @ é indicado por Sit Sot...+S ou por & z= Si. tet Se Wi, We,..., Ws sio subespacos de V, entiio vé-se facil- mente que a soma W+W+Wot+...+h € um subespaco de V que contém cada um dos subespacgos Wi. Disto decorre, como na demonstragio do Teorema 3, que W é 0 subespago gerado pela reunitio de Wi, W2,..., Wr Exemplo 8. Seja F um subcorpo do corpo C dds nuimeros com- plexos, Suponhamos que a3 = (0, 0, 0, 0, 1). Pelo Teorema 3, um vetor « estd no subespago W de F> gerado por @, a2, ag S2, € sOmente se, existem escalates cs, co, cs em F tais que @ = cy + car + caas. Portanto, W consiste de todos os vetores da forma @ = {c1, 2c1, cz, Jer + 402, ¢s) onde ¢1, c2, cs so escatares arbitrérios em F. W pode ser descrito de outra forma como sendo o conjunto de tédas as quintuplas @ = (Xp X24 X38 X4y Xp)SUBESPAGOS: 41 com x: em F tais que x2 = 2x. wa = 3x1 + Axa. Assim, (—3, —6, 1, —5, 2) est4 em W, enquanto que (2, 4, 6, 7, 8) nao esta, Exempio 9. Seja F um subcorpo do corpo C dos nimeros com- plexos ¢ seja V 0 espago vetorial das 2X 2 matrizes s6bre F. Seja W, o subconjunto de V constituido por tédas as matrizes da forma xy z 0 onde x, y, 2 so escalares arbitrérios em F. Finalmente, seja W2 0 subconjunto de V constituido por tédas as matrizes da forma ls 0 Oy onde xe y sao escalares arbitrdrios em F. Entio, W, ¢ We siio sub- espagos de V. Além disso va Ww + We ab ab 00 2 a= Le o} + [0 a: © subespago Wi 1 We consiste de tédas as matrizes da forma x 0], 0 0 Exemplo 10. Seja A uma m X n matriz sdbre um corpo F, Os vetores-linhas de A so os vetores em F* dados por aj = (Aa,---5 Ain), i = 1... m. O subespago de F* gerado pelos vetores-li- nhas de A é denominado o espaco-linha de 4. O subespago considerado no Exemplo 8 é 0 espago-linha da matriz 12030 A=|00 1 4 O}- ooo 0! Ble também € 0 espago-linha da matriz pois 1 20 3 au] 9 Of 40 0 00 01 —4 —-8 1 —8 042 ESPACOS VETORIAIS Exemplo 11. Seja V o espago das fungées polinomiais sdbre F. Seja S o subconjunto de V constituido pelas fungdes polinomiais So, Sis fe, ++, definidas por SAX) = x5, = 0, 1, 2, Entio V & o subespago gerado pelo conjunto S. Exercicios 1. Quais dos seguintes conjuntos de vetores « = (a1... @,) em R* slo subespagos de R*? (n > 3) (a) todos « tais que a: > 0; (b) todos @ tais que a: + 3a; = a3; (©) todos @ tais que a, = a7; (d) todos « tais que aia, = 0; (©) todos « tais que x @, seja racional. 2, Seja V 0 espago vetorial (real) de t6das as fungbes. fide Rem R Quais dos seguintes conjuntos de fungdes sio subespacos de (a) tédas f tais que fix) = f(x"); (b) tédas f tais que f(0) = fil); (c) tédas f tais que f(3) = | + fi—5); (d) tédas f tais que f(—1) = 0; (@) tédas f que séo continuas. 3. © vetor (3, —1, 0, —I) esta no subespago de R: gerado pelos vetores (2, —1, 3, 2), (—1, 1, b, —3) e (1, 1, 9, —5)? 4. Seja W 0 conjunto de todos 0 (xu Xx Xs, x4, £3) em R* que satisfazem es — tp us =0 — x,=0 Ox, —3e, t B- 3x, — 3x, = 0, Determinar um conjunto finito de vetores que gere W. 5. Seja F um corpo e seja m um inteiro positivo (1 > 2). Seja V 0 espago vetorial das » X 1 matrizes sdbre F. Quais dos seguintes conjuntos de ma- trizes A em V so subespagos de V? (a) tddas A inversiveis (b) tddas 4 nio-inversiveis; (©) tddas A tais que AB = BA, onde B é uma certa matriz fixa em V; (d) tddas A tais que 4? = A. 6. (a) Demonstrar que os tinicos subespagos de R' so R? e 0 subespago nulo, (b) Demonstrar que um subespago de R? ou é R%, ou € 0 subespago nulo ou entiio consiste de todos os multiplos escaiares de um certo vetor fir = R*. (O iiltimo tipo de subespaco € (intuitivamente) uma reta pela origem. (c) Vocé € capaz de descrever os subespagos de R? 7. Sejam W. € W subespacos de um espago vetorial ¥ tais que a reunido de W, © W, também seja um subespago. Demonstrar que um dos espacos W, est contido no outro,BASES E DIMENSAO 43 8 Seja V 0 espago vetorial das fungdes de R em R; seja V; 0 subconjunto das fungdes pares, f(—x) = f(x); seja ¥; © subconjunto das fungdes. fm pares, f(—x) = — fx). (a) Demonstrar que V, € V; silo subespagos de V. (b) Demonstrar que Vp + Vi = Ye (©) Demonstear que V7) Vi = {0}. 9. Sejam We W. subespagos de um espago vetorial V tais que Ws + Ws = ¥ eW.)\ W, = {0}. Determinar que para cada vetor « em V existem ve- tores hem determiiados a, em W:¢ a. em Ws, tais que a = ar ban 2.3 Bases e Dimensio Passamos agora & tarefa de atribuir uma dimensao a certos espagos vetoriais. Apesar de associarmos usualmente “dimensio” a algo geométrico, precisamos encontrar uma definigo algébrica adequada da dimensdo de um espaco vetorial. Isto serd feito atra- vés do conceito de uma base para 0 espago. Definicdo. Seja V um espaco vetorial sdbre F. Um subconjunto S de V é dito linearmente dependente (ou, simplesmente, dependente) se existem vetores distintos o1, o2,..., a em S e escalares 1, ¢2, .y Ca em F, ndo todos nulos, tais que rar + coa2 +... + Can = 0. Um conjunto que nao é linearmente dependente é dito linearmente inde- pendente. Se 0 conjunto S contém apenas um numero finito de vetores Gi), a2,..., oy dizemos, as vézes, que ai, a2,...,0» sdo dependentes (ou independentes) em vez de dizer que S é dependente (ou independen- te). Decorrem facilmente da definicéio as conseqiténcias seguintes: {a) Todo conjunto que contém um conjunto linearmente depen- dente é linearmente dependente. (b) Todo subconjunto de um conjunto linearmente independente é linearmente independente. (c) Todo conjunto que contém o vetor nulo é linearmente depen- dente, pois 1.0 = 0, (a) Um conjunto S de vetores é linearmente independente se € somente se todo subconjunto finito de S ¢ linearmente independente, isto é, se e sdmente se para quaisquer vetores distintos a1,..., Om em S cya + ... + Cncte = 0 implica que cada c; = 0. Exemplo 12. Seja F um subcorpo do corpo dos ntimeros com- plexos. Em F3 os vetores a =( 3,0, —3) w= (I, 1, 2)44 ESPACOS VETORIAIS os =( 4, 2, —2) a=( 21, D sao Jinearmente dependentes, pois 2oy + az — oy + 0.04 = 0. Os vetores a = (1, 0, 0) e = (0, 1, 0) = (0, 0, 1) so linearmente independentes. Definiguo. Seja V um espaco vetorial. Uma base de V é um con- junto linearmente independente de vetores em V que gera V. Exemplo 13. Seja F um corpo e, em F,, seja S o subconjunto constituido dos vetores «1, «2,..., €2 definidos por a = (1, 0, 0,..., 0) e = (0, 1, 0,. f = 0,0, 0,..., Sejam xi, x2,..., x. escalares em F e coloquemos a = xe. + + X2e2 +... + Xnen. Entéio (2-12) aw = (X1, X2..+5 Xn) Isto mostra que «1,..., & geram F". Como a = 0 se e sdmente se M1 = X2 =... = Xn, = 0, O8 vetores 41,..., & Sio linearmente independentes. O conjunto S = {a,..., é.} é portanto uma base de F*, Denominamos esta base particular a base canénica de F*. Exemplo 14, Seja F um subcorpo do corpo dos niimeros com- plexos, Usando a notaga&o do Bxemplo [1 consideraremos 0 subes- pago V do espaco das fungées polinomiais sdbre F que é gerado pelas fungdes fo, fi, f2- Suponhamos que co, ¢1, c2 sejam escalares em F tais que cafo + erfi + cafe = 0. Isto significa que para cada x em F, co + c1x + cox* = 0. Tomando x = 0, vemos que co = Oe, fazendo x = Le x = —l, obtemos as equacées ate =0 —a1 +o = 0BASES E DIMENSAO 45 Somando e subtraindo, concluimos que 2co = 0 ¢ 2c; = 0, donde concluimos que c, = Oe co = 0. Assim as fungoes fo, fi, fo so fie nearmente independentes e formam uma base de V. Posteriormente, mostraremos que 0 conjunto infinito constituido por tédas as fun- goes fr, 2 = 0, 1, 2,..,, € uma base do espago de tédas as fun- gdes polinomiais sébre F, Quando houvermos feito isto, teremos um exemplo de uma base infinita para um espago vetorial. Notemos que, apesar de {Fos fis fon fos} ser um conjunto infinito que € uma base para 0 espago das fungdes polinomiais sébre F, isto néo quer dizer que estejamos considerando combinagées lineares infinitas. Cada fungio polinomial seré uma combinagio linear de um certo numero finito das fungdes fa. Teorema 4, Seja V um espago vetorial gerado par um conjunto Finito de vetores Bi, B2,..., Bm. Entéo, todo conjunto independente de vetores em V é finito e contém no maximo m elementos. Demonstracao. Para demonstrar o teorema basta mostrar que todo subconjunto S de V que contém mais de m vetores é linear- mente dependente. Seja S um tal conjunto, Em S existem vetores distintos a1, a2,..., a, com n > m. Como f1,..., Bm geram V existem escalares Aj; em F tais que ay = 2 AB. it Para n escalares arbitrarios x1, x2,..., X, temos war be. + xray = Z Xj0y; gmt = Ux; 2 AiG: det tat = 3 (Agxds en = 2 Assi) Bi. tatNse Como 2 > m, o Teorema 6 do Capitulo 1 implica que existem esca- lares x1, x2,..., Xn ndo todos nulos, tais que E Aux; = 0, 1 Bms Yaseeey YatBASES E DIMENSAO 49 € uma base de W; + W2. Finalmente dim Wi + dim Wo = (k + m) + (k + a) =kemtktn = dim (W, 1 Wa) + dim (1 + W2). Exercicios 1, Demonstrar que, se dois vetores sfo linearmente dependentes, um déles € um miltipto escalar do outro. 2. Os vetores a = (1, 1, 2, 4) a, = (2, 3, 2) a, = (1, —1, —4, 0) as 2, 1.1, 6 slo linearmente independentes em R*? 3. Determinar uma base do subespago de R* gerado pelos quatro vetores do Exercicio 2. 4. Mostrar que os vetores a =(,0—1), a = 0,20, a = 0, —3, 2 formam uma base de 23. Exprimir cada um dos vetores da base canénica como combinagées lineares de o,, a,, € a3. 5. Determinar trés vetores em R? que sejam linearmente dependentes e tais que dois quaisquer déles sejam linearmente independentes. 6. Seja V 0 espaco vetorial das 2 X 2 matrizes sdbre o corpo F, Demons- trar que V tem dimensio 4 mostrando uma base de V que tenha 4 elementos. 7. Seja Vo espaco vetorial do Exercicio 6, Seja W, 0 conjunto das matri- zes da forma- [5 ad yo 2 © seja W, 0 conjunto das matrizes da forma [. a —a é (a) Demonstrar que , ¢ W, so subespacos de (b) Determinar as dimensies de W,, W., Wi + w, em Ow, & Novamente, seja V 0 espaco das 2 x 2 matrizes sdbre F. Determinar uma base { 4, 4s As, Ai} de V tal que A? = 4; para cada j. 9, Seja V um espaco vetorial sdbre um subcorpo F do corpo dos nimeros complexos. Suponhamos que a, 6 ¢ y sejam vetores de V linearmente inde- pendentes. Demonstrar que(a + 8), (8 + y) € (y + «)sfo linearmente inde- pendentes. 10. Seja ¥ um espago vetorial sBbre 0 corpo F. Suponhamos que existe um nuimero finito de vetores a,...,a, de ¥ que gerem V. que V é de dimensio finita, 11. Seja V 0 conjunto das 2 X 2 matrizes A com clementos complexos s8- tisfazendo Ay, + As = 0.50 ESPAGOS VETORIAIS {a) Mostrar que V é um espago vetorial sébre o corpo dos numeros reais, com as operagées usuais de adigio de matrizes e multiplicagio de uma matriz por um escalar. (b) Determinar uma base désse espago vetorial. (c} Seja W o conjunto de tédas as matrizes A em V tis que Ax = —Aj,; (@ barra indica conjugagao completa). Demonstrar que W é um subespaco de V e determinar uma base de W. 12, Demonstrar que 0 espaco das m X 1 matrizes sdbre o corpo F tem dimensdo mn, mostrando uma base para éste espago. 13, Discutir 0 Exercicio 9, para o caso de V ser um espago vetorial sobre © corpo formado por dois elementos descritos no Exercicio 5, Seco 1.1 (p. 5). 14. Seja V 0 conjunto dos numeros reais. Consideremos ¥ como um e¢s- Pago vetorial sébre o corpo dos numeros racionais, com as operagoes usuais. Demonstrar que éste espaco vetorial nao ¢ de dimens%o finita. 2.4 Coordenadas Uma das caracteristicas Gteis de uma base @ de um espago n-dimensional V € essencialmente que ela nos permite introduzir coordenadas em V andlogas as “coordenadas naturais” x;de um vetor a = (x1,..., %,) do espago F". Em assim sendo, as coorde- nadas de um vetor « de V em relagdo & base @ serfo os escalares que servem para exprimir a como uma combinagio linear dos veto- res da base. Assim, gostariamos de considerar as coordenadas na- turais de um vetor a de F* como sendo definidas por « ¢ pela base canénica de F"; contudo, ao adotarmos @ste ponto de vista preci- samos ter um certo cuidado. Se a = (K1,..6, Xe) = Emer ¢ ® € a base canénica de F", como sao as coordenadas de a deter- minadas por ® ¢ @? Uma maneira de formular a tesposta é esta: Um dado vetor a € expresso de maneira tinica como uma combinagio linear dos vetores da base can6nica, e a i-ésima coordenada x; de a €0 coeficiente de ¢; nesta expressio. Sob éste ponto de vista po- demos dizer qual é a i-ésima coordenada, pois temos uma ordenagio “natural” dos vetores da base canénica, isto €, temos uma regra para determinar qual é o “primeiro” vetor da base, qual é 0 “‘se- gundo” e assim por diante. Se ® é uma base arbitraria do espago n-dimensional V, nao teremos provavelmente nenhuma ordenagéo natural para os vetores de ® e serd portanto necessdério impormos uma certa ordem sébre ésses vetores antes de podermos definir “a i-ésima coordenada de « em relagio a 8”. Se S é um conjunto com » elementos, o que & uma ordenagio dos elementos S? Existem muitas definigdes déste conceito, apesar deCOORDENADAS, SI diferirem apenas superficialmente. Adotaremos a seguinte: Uma ordenacdo do conjunto S, de n elementos, €é uma fungao do conjunto dos inteiros positivos 1,..., 2 sébre o conjunto S. Portanto uma ordenagao do conjunto é simplesmente uma regra para nos dizer que elemento deve ser considerado como o primeiro elemento de S, que elemento é segundo, etc. Uma base ordenada de um espaco vetorial V de dimensio finita é uma base ® de V, mais uma cordena- gio fixa dos elementos (vetores) de ®. Freqiientemente o que mais convém é descrever essa base ordenada enumerando os vetores de @ de uma maneira bem definida, Assim, diremos que @ = fan...) on} € uma base ordenada de V, se ficar claro qual vetor do conjunto B € 0 i-€simo, ai. Suponhamos agora que V seja um espago vetorial de dimensio finita sébre 0 corpo F e que @ = {ai,..., an} seja uma base ordenada de V. Dado « em V, existe uma tinica n-upla (%1,...+, Xa) de escalares tal que a= 2 xia, iat A mupla € tinica, pois, se tivéssemos a= Zia, tar entao 2 (xi — zien = 0 1 ea independéncia linear dos a, nos diria que x; — z, = 0 para cada i, Denominaremos x; a i-ésima coordenada de « em relagoa base ordenada + Oy fe @ = {a,. Se B= yas wi entdo a+ 6 3 (x + yen ay52 ESPACOS VETORIAIS de modo que a /-ésima coordenada de (a + 8) em relagio a esta base ordenada é (x; + y,). Andlogamente, a i-¢sima coordenada de (ca) cx;, Devemos também notar que téda n-upla (x1,..., x5) de F" é a n-upla de coordenadas de algum vetor de V, a saber, o vetor © xia. tat Resumindo, cada base ordenada de V determina uma corres- pondéncia bijetora a (x1, 6.6, Xx) entre © conjunto dos vetores de V e 0 conjunto das n-uplas de F*, Esta correspondéncia tem a propriedade de que o correspondente de (a + 8) € a soma em F* dos correspondentes de ae 8, e que 9 correspondente de (ca) é o produto em F* do escalar ¢ pelo cor- respondente de a. Poder-se-ia perguntar neste ponto por que ndo tomar simples- mente uma base ordenada de V e descrever cada vetor de V por sua correspondente n-upla de coordenadas, visto que terfamos entio a conveniéncia de operar apenas com n-uplas. Isto faria malograr nosso objetivo, por duas razées. Primeiro, como indica a nossa definigio de espago vetorial, estamos tentando aprender a raciocinar com es- Pagos vetoriais como sistemas algébricos. Segundo, mesmo nos casos em que usamos coordenadas, os resultados importantes decorrem de nossa habilidade de mudar o sistema de coordenadas, isto é, mu- dar a base ordenada, Freqiientemente o mais conveniente sera usar a matriz das coor- denadas de « em relacio & base ordenada &: x1 x=|- Xe em vez da n-upla (xm, ..., Xx) das coordenadas, Para indicar que esta matriz de coordenadas depende da base, usaremos 0 simbolo la para a matriz das coordenadas do vetor a em relagio A base orde- nada 8, Esta notagio seré particularmente util ao passarmos agora a descrever 0 que acontece com as coordenadas de um vetor @ quan- do passamos de uma base ordenada’ a outra.COORDENADAS 53 Suponhamos entio que V seja n-dimensional e que @= fa, ..pa} © @ = fal, al} sejam duas bases ordenadas de V. Existem escalares P,;, bem des c- minados, tais que Q-13) a= E Py, 1S ican en Sejam x/,..., x4 as coordenadas de um dado vetor a em relagio & base ordenada @'. Entéo a = Xai +... + Xe = 2 xaf ima = bx b Pit gaia ”~ =i E (Pyxias miter == ( z Purp ax. taXsar Portanto, obte 10s a relagio Q-14) @ 2 Push) a. =1 Como as coordenadas x1, X2,..., X, de a em relagdo a base orde- nada @ so determinadas de modo tinico, decorre de (2—14) que (2-18) mead Py, L gdes, formam uma base. Seja Q = P-!, Entio F One = 2 On X Pras = é PiQir) ai a = CG PuQn) a ee.COORDENADAS: 55 Portanto, 0 subespaco gerado pelo conjunto @ = {aj,..., an} contém @, logo ¢ igual a V. Assim, 8’ é uma base e, de sua definigiio e do Teorema 7, é evidente que (a) ¢ vatida, logo (b) também o é. Exemplo 16, Seja F um corpo ¢ seja @ = (X1,X2,- 0+ Xn) um vetor de F*. Se @ é a base ordenada canénica de F*, B= fa... en}, a matriz das coordenadas do vetor a ent relagdo 4 base ® é dada por x Xe faly = Xn, Exemplo 17. Seja R o corpo dos niimeros reais e seja @ um ni- mero real fixo. A matriz p = |°o8s 6 —sen 6 sen @ cos # € inversivel ¢ sua inversa € p= cos @ sen 4: —sen 8 cos 8. Portanto, para cada 6, o conjunto @’ constitufdo pelos vetores (cos 0, sen 6), (—sen 6, cos 6) € uma base de R®; intuitivamente esta base pode ser descrita como sendo a base obtida pela rotagio de um 4n- gulo 6 da base canénica. Se a ¢ 0 vetor (x1, x2), entao lela = cos 8 sen 6] [x1 ad —sen @ cos 6] | x2. x, = x1 cos @ + xp sen @ xh = x, sen @ + x2 cos 6,56 ESPAGOS VETORIAIS Exemplo 18. Seja F um subcorpo do corpo dos nimeros com- plexos. A matriz —1l 4 5 Pe 02-3 00 8 é inversivel e sua inversa é 1 Pole 0 9 Portanto, os vetores a =(—l, 0, 0) a=( 4, 2, 0} of =( 3, —3, 8) formam uma base @’ de F8, As coordenadas xj, x3, x3 do vetor ao = (xi, x2, xs) em relagio & base @’ so dados por xt =x + Deg + Bx a= a + ers %, Xs Em particular, 3, 2, —8) = —10ei — fat — aa. oun Exercicios 1, Mostrar que os vetores a= 1,100, a= 0,0, 1,0) ay = (1, 0, 0, 4), a, = (0, 0, 0, 2) formam uma base de R, Determinar as coordenadas de cada um ver tores da base candnica em relacio & base ordenada { x1, a2, a5, a4}. 2, Determinar a matriz das coordenadas do vetor (1, 0, 1) em relacho & base de C, constituida pelos vetores (2/, 1, 0), (2, —L, 1), 0, 1 + § a), nesta ordem, 3, Seja @ = {ar a, as} 2 base ordenada de R, constituida por a= 0,0—-1), ae (10, a = (1, 0, 0). ‘Quais sio as coordenadas do vetor (a, 6, c) em Felaglo & base ordenada @? 4 Seja 0 subespago de C, gerado pora, = (1,0, Deas = (1+ 41, 1). (a) Mostrar que a, ¢ as formam uma base de W.RESUMO DE LINHA-EQUIVALENCIA 37 (b) Mostrar que 0s vetores 6, = (1, 1, Oe Bs = (1. i, b+ A) esto em We formam outa base de W. (©) Quais so as coordenadas de a, € a, em relagio & base ordenada {1 Bs} de W? B, Scjaim a = (x1, x1) € 6 = (ns 92) vetores de RF tais que Ai tye 0, Pt x mbt ead Demonstrar que ® = {a, 8} € uma base de R2. Determinar as coordenadas do vetor (a, 6) em rélagdo & base ordenada @ = {a, @}. (As condigdes sobre ae 8 dizem, geométricamente, que a ¢ @ so perpendiculares ¢ cada ‘um tem comprimento 1.) 6, Seja V 0 espago vetorial sObre o corpo dos nimeros complexos das fun- goes de Rem C, isto é 0 espaco das funcdes definidas sObre a reta teal ¢ fomando valores complexos. Sejam fi(x) = 1, fax) = et, f(x) = €°#. (a) Demonstrar que fi, f: € f, sio linearmente independentes. (b) Sejam gy(x) = 1, gx) = cos g(x) = sen x. Determinar uma 3 X 3 matriz P inversivel tal que 3 gE Pofi. iat 7. Seja Vo espago vetorial (real) das fungdes polinomiais de R em R de grau menor ou igual a 2, isto é, 0 espago das fungdes fda forma SUX) = Co Hex + Car Seja 1 um numero fixo e definamos gx) = 1 ghx) x + BG) = + Demonstrat que ®@ = { £1, &» #5} € uma base de ¥. Se F(X) = ee He + OX? quais sio as coordenadas de fem selagio a esta base ordenada 6? 2.5 Resumo de Linha-equivaléncia Nesta segdo utilizaremos alguns fatos elementares sdbre bases e dimensfo de espagos vetoriais de dimensdo finita para completar nossa discussiio de linha-equivaléncia de matrizes. Lembramos que se A é uma m X 1 matriz sdbre o corpo F, os vetores-linhas de A sfo os vetores a1,..., @m em F* definidos por a; = (Aa, ..., Ai) © que o espago-linha de 4 & o subespaco de F™ gerado por éstes ve~ tores. O pésto-linha de 4 é a dimensao do espaco-linha de A. Se P é uma k X m matriz sébre F, entao o produto B = PA é uma k X m matriz cujos vetores-linhas 61, ..., 8 S40 combina- gGes lineares Bi = Pac +... + Pimotm