Escolar Documentos
Profissional Documentos
Cultura Documentos
Apostila Algebralinear PDF
Apostila Algebralinear PDF
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 3
1.1 Tipos de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Operaes com matrizes . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Matriz escalonada . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4 Clculo da inversa . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.5 Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.6 Sexta lista de exerccios . . . . . . . . . . . . . . . . . . . . . 14
1.7 Sistema de equaes lineares . . . . . . . . . . . . . . . . . . . . . 16
1.7.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.7.2 Sistemas e matrizes. . . . . . . . . . . . . . . . . . . . . . 17
1.7.3 Soluo de um sistema por matriz inversa . . . . . . . . . 20
1.8 Stima lista de exerccios . . . . . . . . . . . . . . . . . . . . 21
1.9 Apndice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.9.1 Clculo da inversa por adjunta . . . . . . . . . . . . . . . 24
1.9.2 Regra de Cramer . . . . . . . . . . . . . . . . . . . . . . . 25
2 ESPAOS VETORIAIS 29
2.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2 Subespaos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.3 Interseco de dois Subespaos Vetoriais . . . . . . . . . . . . . . 38
2.4 Combinao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.5 Dependncia e Independncia Linear . . . . . . . . . . . . . . . . 41
2.6 Subespaos Gerados . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.7 Soma de Subespaos . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.8 Base e Dimenso de um Espao Vetorial . . . . . . . . . . . . . 46
2.8.1 Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.8.2 Dimenso . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.8.3 Dimenso da Soma de Subespaos Vetoriais . . . . . . . . 50
2.8.4 Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.9 Mudana de Base . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.10 A Inversa da Matriz de Mudana de Base . . . . . . . . . . . . . 56
2.11 Oitava lista de exerccios . . . . . . . . . . . . . . . . . . . . . 57
1
3 TRANSFORMAES LINEARES 62
3.1 Propriedades das Transformaes Lineares . . . . . . . . . . . . . 66
3.2 Transformaes Lineares e Matrizes . . . . . . . . . . . . . . . . . 72
3.2.1 Transformao linear associada a uma matriz . . . . . . . 72
3.2.2 Matriz de uma transformao linear . . . . . . . . . . . . 74
3.3 Composio de transformaes lineares . . . . . . . . . . . . . . 79
3.4 A Inversa de uma transformao linear . . . . . . . . . . . . . . . 79
3.5 Nona lista de exerccios . . . . . . . . . . . . . . . . . . . . . . . 82
4 OPERADORES LINEARES 87
5 APLICAES 126
2
Captulo 1
MATRIZES E SISTEMAS
Exemplo 1 :
A = [1]1 1 ; D = 1 2 3 4 5 6 7 10 1 8
Matriz nula: a matriz A = [aij ]m n onde aij = 0; para 1 i me
1 j n:
Exemplo 2 :
3
2 3
0 0 0 0 0 0
6 0 0 0 0 0 0 7
6
M =4 7 ; N = [0]
0 0 0 0 0 0 5
0 0 0 0 0 0
Observao: Denotaremos freqentemente a matriz nula por 0:
Matriz quadrada: a matriz de ordem n n:
2 3
a11 a1n
6 .. 7
A = 4 ... ..
. . 5
an1 ann
Os elementos da forma aii costituem a diagonal principal
Os elementos aij em que i + j = n + 1 constituem a diagonal secundria.
3 3
Exemplo 3 : A = [0]1 1 ; B=
3 3
3 0
Exemplo 4 : A = [0]1 1 , B=
0 3
Exemplo 5 :
2 3
1 0 0
6 0 1 0 0 7
6 7
1 0 6 .. .. .. ..7
I2 = ; I100 =6
6 . . . .7
7
0 1 6 7
4 0 ..
0 . 0 5
0 0 0 1
4
Matriz transposta: Dada uma matriz A = [aij ]m n ; podemos obter uma
outra matriz AT = [bij ]n m ; cujas linhas so as colunas de A; isto , bij = aji :
AT denominada
2 a transposta de A: 3 2 3
a11 a12 :::::::: a1n a11 a21 :::::::: am1
6 a21 a22 :::::::: a2n 7 6 a12 a22 :::::::: am2 7
6 7 6 7
A=6 . . 7 ) AT = 6 . .. 7
4 .. .. 5 4 .. . 5
am1 am2 :::::::: amn m n
a1n a2n :::::::: amn n m
Exemplo 6 :
2 3 2 3
1 2 3 4 5 1 11 21 31 41
6 11 12 13 14 15 7 6 2 12 22 32 42 7
6 7 6 7
A=66 21 22 23 24 25 7 ) AT = 6
7 6 3 13 23 33 43 7 7
4 31 32 33 34 35 5 4 4 14 24 34 44 5
41 42 43 44 45 5 15 25 35 45
2 3
1
6 2 7
6 7
6 3 7
D= 1 2 3 4 5 6 ) DT = 6
6
7
1 6
6 4 7
7
4 5 5
6 6 1
Matriz simtrica: Uma matriz quadrada S = [aij ] 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
Exemplo 8 : A = 4 3 0 6 5
4 6 0
Exemplo 9 :
5
2 3 2 3
5 0 0 0 1 0 0 0
6 4 3 0 0 7 6 0 2 0 0 7
B=6
4 7
7; C = 6 7
4 2 0 5 4 0 0 2 0 5
9 1 2 6 0 0 0 2
A + B = [aij + bij ]m n
Propriedades:
i) A + B = B + A
ii) A + (B + C) = (A + B) + C
iii) A + 0 =A
kA = [k aij ]m n
2 10 4 20
Exemplo 10 : 2 =
1 3 2 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
Exemplo 11 :
6
2 3 2 3 2 3
2 1 2 1+1 0 2 ( 1) + 1 4 2 2
4 4 2 5 1 1
=4 4 1+2 0 4 ( 1) + 2 4 5 = 4 4 4 5
0 4 2 2
5 3 3 2 5 1+3 0 5 ( 1) + 3 4 5 7
Propriedades da multiplicao de matrizes:
i) AI = IA = A i v) (AB)C = A(BC)
ii) A(B + C) = AB + AC v) (AB)T = B T AT
iii) (A + B)C = AC + BC vi) 0A = A0 = 0
Exemplo 12 :
11 3 2 3
A= ; A 1= :
7 2 7 11
Dizemos que uma matriz A inversvel (no singular) se existe a matriz
inversa A 1 , caso contrrio dizemos que a matriz A no inversvel (singular).
Algumas propriedades importantes:
I) A no singular se o determinante de A diferente de zero. A singular
se determinante de A igual a zero.
ii) Se A admite inversa (det A 6= 0) esta nica
iii) Se A no singular, sua inversa A 1 tambm , isto , se det A 6= 0
ento det A 1 6= 0: A matriz inversa de A 1 A:
iv) A matriz identidade I no singular (pois det I = 1) e I 1 = I
v) Se a matriz A no singular, sua transposta AT tambm . A matriz
inversa de AT (A 1 )T ; isto , (AT ) 1 = (A 1 )T ; dai concluimos que se
det A 6= 0 ento det AT 6= 0:
vi) Se as matrizes A e B so no singulares e de mesma ordem, o produto
AB uma matriz no singular. Vale a relao (AB) 1 = B 1 A 1 :
Exemplo 13 :
2 3 2 3
A= =) det = 2 ) A no singular
2 2 2 2
1 10 1 10
B= ) det = 0 ) A singular
1 10 1 10
7
MMT = MT M = I
" p #
1 3
Exemplo 14 : M = p2 2 ;
3 1
2 2
Exemplo 15 :
1 2 9 8 41 42
A= ; A2 = ; A3 =
4 3 16 17 84 83
Exemplo 16 :
2 3
1 0 0 0
1) 4 0 1 1 0 5 no forma escada. No vale b).
2 0 0 1 30
0 2 1
2) 4 1 0 3 5 no forma escada. No vale a) e b).
2 1 0 0 3
0 1 3 0 1
3)4 0 0 0 0 0 5 no forma escada. No vale c).
2 0 0 0 1 23
0 1 3 0 1
4)4 0 0 0 1 3 5 forma escada.
0 0 0 0 0
Operaes elementares linha: So trs as operaes elementares sobre
as linhas de uma matriz.
1o ) Permuta da i esima e j esima linha (Li $ Lj ).
Exemplo 17 :
8
2 3 2 3
1 0 1 0
4 4 1 5L2 $ L3 4 3 4 5
3 4 4 1
2o ) Multiplicao da i 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 esima linha mais k vezes a
j esima linha (Li ! Li + kLj )
Exemplo 19 :
2 3 2 3
1 0 1 0
4 4 1 5 L3 ! L3 + 2L1 4 4 1 5:
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 20 :
2 3 2 3
1 0 1 0
4 4 1 5 linha equivalente a 4 0 1 5 pois,
3 4 0 0
2 3 2 3 2 3
1 0 1 0 1 0
4 4 1 5 L2 ! L2 4L1 4 0 1 5 L3 ! L3 + 3L1 4 0 1 5
3 4 3 4 0 4
2 3 2 3
1 0 1 0
L2 ! L2 4 0 1 5 L3 ! L3 4L2 4 0 1 5
0 4 0 0
Teorema: Toda matriz A de ordem m n linha equivalente a uma nica
matriz linha-reduzida forma escada.
Exemplo 21 : Dada a matriz
2 3
2 1 3
A=4 4 5 6 5
3 1 2
obtenha
2 uma 3
nica matriz2B na forma escada
3 linha equivalente
2 a matriz3 A:
2 1 3 1 12 32 1 21 32
4 4 5 6 5 L1 ! 1 L1 4 4 5 6 5 L2 ! L2 4L1 4 0 3 0 5
2
3 1 2 3 1 2 3 1 2
2 3 2 3
1 12 3
2 1 1
2
3
2
L3 ! L3 3L1 4 0 3 0 5 L2 ! 1 L2 4 0 1
3
0 5 L3 ! L3 +
1 13 1 13
0 2 2 0 2 2
1
2 L2
9
2 1 3
3 2 1 3
3 2 3
3
1 2 2 1 2 2 1 0 2
4 0 1 0 5 L3 ! 2 L3 4 0 1 0 5 L1 ! L1 1
L2
4 0 1 0 5
13 2
13
0 0 0 0 1 0 0 1
2 2 3
1 0 0
L1 ! L1 32 L3 4 0 1 0 5
0 0 1
0 0 0
Soluo:2posto A = 23e nulidade2 de A 3 2 3
=1
2 1 10 2 1 10
6 0 1 1 7 6 1 7
c) A = 6 4 7)B = 6 0 1 4 7
4 1 2 0 5 4 0 0 43 5
8
1 3 0 0 0 0
Soluo posto de A = 3 e nulidade de A 0
10
a) Coloca-se ao lado da matriz A a matriz I; separada por um trao vertical
tracejado.
b) Transforma-se por meio de operaes elementares a matriz A na matriz I;
aplicando simultaneamente matriz I colocada ao lado da matriz A as mesmas
operaes elementares aplicadas matriz A:
2 1
Exemplo 24 : Calcular inversa da matriz A = por escalonamento.
4 3
2 1 1 0 1 12 1
0
L1 ! 21 L1 2 L2 ! L2 4L1
4 3 0 1 4 3 0 1
1 12 12 0 1 0 3 1
L1 ! L1 12 L2 2 2
0 1 2 1 0 1 2 1
Logo
3 1
1 2 2
A =
2 1
1.5 Determinantes
Denio: Determinante de uma matriz A um nmero real associado matriz
A: Notao: det A:
Denotamos tambm o determinante da matriz A;
2 3
a11 a12 a1n 1 a1n
6 a21 a22 a2n 1 a2n 7
6 7
6 .. .. . . .
. .
. 7
6
A=6 . . . . . 7
7
6 .. 7
4 an 11 an 12 . an 1n 5
an1 an2 an 1n ann
por
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
5) Se na matriz A uma linha (ou coluna) mltipla de outra linha (coluna)
ento det A = 0
6) Trocando a posio de duas linhas (colunas) o derminante muda de sinal
7) Quando se multiplica uma linha (coluna) de uma matriz A por um nmero
k 6= 0 o determinante ca multiplicado por esse mesmo nmero.
8) O determinante de uma matriz A no se altera quando se faz a seguinte
operao entre linha: Li ! Li + kLj :
9) O determinante de uma matriz triangular superior ( ou inferior) igual
ao produto do elementos da diagonal principal.
10) A partir de det(AB) = det A det B temos
det(AA 1 ) = det I ) det A det A 1 = 1 ) det A = det 1A 1
2 1 1
det A = 2 0 1 L2 ! L3 (Quando permutamos as linhas o deter-
3 1 0
minante troca de sinal)
2 1 1
( 1) det A = 3 1 0 L1 ! 12 L1 (Quando multiplicamos uma linha
2 0 1
por um nmero o det. ca multiplicado pelo mesmo nmero)
1 21 12
1
2 ( 1) det A =
3 1 0 L2 ! L2 + ( 3)L1 (Esta operao no al-
2 0 1 L3 ! L3 2L1
tera o determinante)
1 21 21
1
2 ( 1) det A = 0 12 2
3
(Esta operao no altera o
0 1 2 L3 ! L3 2L2
determinante)
1 21 21
1
2 ( 1) det A = 0 12 2
3
(O determinante de uma matriz triangular
0 0 1
superior o produto dos elementos da diagonal principal)
1 1
2 ( 1) det A = 2 ) det A = 1
12
Se a matriz A de ordem 2 2 ento:
a11 a12
det = a11 a22 a21 a12
a21 a22
5 1
det = 5 3 2 1 = 13
2 3
Regra de Sarrus
Se A de ordem 3 3
2 3 a11 a12 a13 a11 a12
a11 a12 a13 & &% &% %
A = 4 a21 a22 a23 5 ) a21 a22 a23 a21 a22
a31 a32 a33 % &% &% &
a31 a32 a33 a31 a32
det A = (a11 a22 a33 ) + (a12 a23 a31 ) + (a13 a21 a32 ) (a31 a22 a13 ) (a32 a23 a11 )
(a33 a21 a12 )
Desenvolvimento de Laplace
Para uma matriz de ordem n n usamos o desenvolvimento de Laplace qu
dado pela frmula.
n
X
det An n = aij ( 1)i+j det Aij
j=1
Exemplo 26 :
2 3
1 2 3 4
6 4 2 0 0 7
A=6 4 1 2
7
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
det A = 1( 1)1+1 2 3 0 + 2( 1)1+2 1 3 0
5 3 1 2 3 1
4 2 0 4 2 0
+3( 1)1+3 1 2 0 +( 4)( 1)1+4 1 2 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 Sexta lista de exerccios
2 x2
2. Seja A =
2x 1 0
Determine o valor de x para que A seja uma matriz simtrica.
3. Mostre que toda matriz quadrada A pode ser escrita como a soma de uma
matriz simtrica com uma matriz anti-simtrica, ou seja, A = S + N onde
S uma matriz simtrica e N uma matriz anti-simtrica. Sugesto:
Determine S e N em funo da matriz A:
4. Suponha que A 6= 0 e AB = AC onde A; B; C so matrizes tais que a
multiplicao esteja denida. Pergunta-se:
(a) B = C?
(b) Se existir uma matriz Y , tal que Y A = I; onde I a matriz identi-
dade, ento B = C?
14
8. Um construtor tem contratos para construir 3 estilos de casa: moderno,
mediterrneo e colonial. A quantidade empregada em cada tipo de casa
dada pela matriz
(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?
15
12. Encontre os valores d k para os quais a matriz
2 3
k 3 0 3
A=4 0 k+2 0 5
5 0 k+5
no inversvel.
13. Existe alguma matriz "inversvel"X tal que X 2 = 0? Justique sua re-
sposta.
14. Encontre todos os valores de para os quais a matriz A I4 tem inversa,
em que
2 3
2 0 0 0
62 0 0 07
6 7
41 2 1 05
3 2 1 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:
a b
M=
c d
a1 x1 + a2 x2 + a3 x3 + :::::: + an xn = b
na qual a1 ; a2 ; a3 ; ::::; an so os respectivos coecientes das variveies x1 ; x2 ; x3 ; ::::; xn
e b o termo independente. Os nmeros a1 ; a2 ; a3 ; ::::; an e o termo indepen-
dente b geralmente so nmeros conhecidos e as variveis x1 ; x2 ; x3 ; ::::; xn so
as incgnitas.
Os valores das variveis que transformam uma equao linear em uma iden-
tidade, isto , que satisfazem a equao, constituem sua soluo. Esses valores
so denominados razes das equaes lineares.
A um conjunto de equaes lineares se d o nome de sistema de equaes
lineares e tem a seguinte representao:
16
a11 x1 + a12 x2 + a13 x3 + :::::: + a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + :::::: + a2n xn = b2
.. .. .. .. .. ..
. . . . . .
am1 x1 + am2 x2 + am3 x3 + :::::: + amn xn = bm
Os valores das variveis que transformam simultaneamente as equaes de
um sistema de equaes lineares em uma identidade, isto , que satisfazem a
equao constituem sua soluo.
Diz-se que dois sistemas de equaes lineares so equivalentes quando ad-
mitem a mesma soluo.
Exemplo 27 Os sistemas
2x + 3y = 11 10x 2y = 38
e
x+y = 3 3x + 5y = 7
so equivalentes pois possuem as mesmas solues, x = 4 e y = 1
Quanto as solues, trs casos podem ocorrer:
1) O sistema possui uma nica soluo. Neste caso dizemos que os sistema
compatvel e determinado
2) O sistema possui innitas solues. Neste caso dizemos que o sistema
compatvel e indeterminado.
3) O sistema no possui nenhuma soluo. Neste caso dizemos que o sistema
incompatvel.
17
podemos escrever o sistema (1.1) na forma matricial:
AX = B
onde A a matriz dos coecientes, B a matriz coluna dos termos indepen-
dentes e X a matriz coluna das incgnitas.
Ao sistema (1.1) associamos a seguinte matriz:
2 3
a11 a12 a1n j b1
6 a21 a22 a j b2 7
6 2n 7
6 .. .. .. .. 7
4 . . . j . 5
am1 am2 amn j bm
que chamamos matriz ampliada do sistema.
Teorema: Dois sistemas que possuem matrizes ampliadas equivalentes so
equivalentes.
Dada a matriz ampliada do sistema de equaes lineares consideramos a
matriz linha reduzida a forma escada obtida a partir da matriz ampliada do
sistema:
Teorema:
1) Um sistema de m equaes e n incgnitas admite soluo se, e somente
se, o posto da matriz ampliada igual ao posto da matriz dos coecientes.
2) Se as duas matrizes tem o mesmo posto p e p = n (nmero de colunas da
matriz dos coecientes, ou nmeros de variveis) a soluo nica.
3) Se as duas matrizes tem o mesmo posto e p 6= n podemos escolher n p
incgnitas e as outras incgnitas sero dadas em funo destas. O nmero n p
chamado grau de liberdade do sistema.
Resumo: Dado um sistema de m equaes e n incgnitas seja Aa a matriz
ampliada do sistema e seja Ae a matriz linha equivalente a matriz Aa onde
a matriz dos coecientes esto na forma escada. Seja pa o posto da matriz
ampliada e pc o posto da matriz dos coecientes obtidos a partir da matriz Ae :
Se pa 6= pc ento o sistema incompatvel ( no possui soluo)
Se pa = pc ento o sistema compatvel (possui soluo). Seja p = pa = pc ,
se p = n ento o sistema compatvel e determinado (possui uma nica
soluo). Se p < n o sistema compatvel e indeterminado (possui inni-
tas solues). Sempre que um sistema possuir innitas solues deveremos
atribuir valores a algumas variveis e determinar o valor das outras var-
iveis em funo destas. O nmero de variveis as quais deveremos atribuir
valor o grau de liberdade do sistema, dado pelo nmero n p:
18
Soluo:
Matriz2Ampliada 3
2 1 3 j 8
Aa = 4 4 2 2 j 4 5
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
Ae = 4 0 1 0 j 5 5
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
< 4y + 2x + 6z = 6
4z 2y + 3x = 38
:
x + 3z + 2y = 3
8
< 2x + 4y + 6z = 6
3x 2y 4z = 38 (1.3)
:
x + 2y + 3z = 3
2 3
2 4 6 j 6
Aa = 4 3 2 4 j 38 5
1 2 3 j 3
2 1 41
3
1 0 4 j 4
Ae = 4 0 1 13 8 j 298
5
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
fazendo z = 0 temos e x = 4 e y = 29 8 ( Poderamos atribuir outro
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
2 3
6 4 2 j 3
Aa = 4 1 1 1 j 1 5
3 2 1 j 1
2 3
1 0 51 j 10 7
Ae = 4 0 1 45 j 10 3 5
1
0 0 0 j 2
Neste caso:
n=3
pc = 2
pa = 3 ) pa 6= pc )sistema incompatvel (no possui soluo)
Exemplo 28 :
8
< 2x + 3y z = 1
x 3y + z = 1
:
x + 2y z = 1
20
2 3 2 3 23
2 3 1 1 x
C=4 1 3 1 5 B=4 1 5 X=4 y 5
1 2 1 1 z
2 3
1 1 0
C =4 0
1
1 1 5
1 1 3
CX = B
X=3
2 C 1B
2 32 3 2 3
x 1 1 0 1 2
4 y 5=4 0 1 1 54 1 5 = 4 2 5
z 1 1 3 1 3
21
5. Encontre todas as solues do sistema
8
< x1 + 3x2 + 2x3 + 3x4 7x5 = 14
2x1 + 6x2 + x3 2x4 + 5x5 = 2
:
x1 + 3x2 x3 + 2x5 = 1
6. Apresente todos os possveis resultados na discusso de um sistema no-
homogneo de 6 equaes lineares com 4 incgnitas.
7. Se A uma matriz 3 5; quais so os possveis valores da nulidade de A?
E se A for 4 2?
(a) Um sistema homogneo admite pelo menos uma soluo. Qual ela?
(b) Encontre os valores de k 2 R, tais que o sistema homogneo
8
< 2x 5y + 2z = 0
x+y+z = 0
:
2x + kz = 0
tenha uma soluo distinta da soluo trivial.
AX = B
1 1
A AX = A B
1
X = A B
Isto til quando desejamos resolver vrios sistemas lineares que possuem
a mesma matriz dos coecientes.
2 3
1 2 2
Usando a teoria acima resolva os sistema AX = B onde A = 4 2 5 4 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
1
12. Resolva o sistema matricial D X = A onde D = diag(1; 2; 3; 4; 5; 6)
22
2 3
1 0 0 0 1 1
6 0 1 2 2 2 2 7
6 7
6 0 0 1 1 1 1 7
A=6
6
7
7
6 0 0 0 1 1 1 7
4 0 0 0 0 1 0 5
0 0 0 0 0 1
13. Classique o sistema e exiba uma soluo, caso ela exista:
8
< 2x + 4y + 6z = 6
3x 2y 4z = 38
:
x + 2y + 3z = 3
14. Uma editora publica um best-seller potencial com trs encadernaes difer-
entes: capa mole, capa dura e encardenao de luxo. cada exemplar ne-
cessita 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.
23
1.9 Apndice
1.9.1 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 3
2 1 0
A=4 3 1 4 5
1 6 5
1 4
a11 = 2 ) d11 = ( 1)1+1 det = 1 ( 19) = 19
6 5
3
4
a12 = 1 ) d12 = ( 1)1+2 det = 1 ( 19) = 19
1 5
3 1
a13 = 0 ) d13 = ( 1)1+3 det = 1 ( 19) = 19
1 6
1 0
a21 = 3 ) d21 = ( 1)2+1 det = 1 (5) = 5
6 5
2 0
a22 = 1 ) d22 = ( 1)2+2 det = 1 (10) = 10
1 5
2 1
a23 = 4 ) d23 = ( 1)2+3 det = 1 (11) = 11
1 6
1 0
a31 = 1 ) d31 = ( 1)3+1 det = 1 (4) = 4
1 4
2 0
a32 = 6 ) d32 = ( 1)3+2 det = 1 (8) = 8
3 4
2 1
a33 = 5 ) d33 = ( 1)3+3 det = 1 (5) = 5
3 1
2 3
19 19 19
A=4 5 10 11 5
4 8 5
Denio: Dada uma matriz quadrada A, chamaremos de matriz adjunta de
A transposta da matriz dos cofatores de A e denotaremos adj A: Portanto adj
T
A=A :
Teorema: Uma matriz quadrada A admite inversa se e somente se det A 6= 0:
Neste caso
1
A 1= (adjA)
det A
24
1.9.2 Regra de Cramer
Um outro mtodo de resoluo de sistemas lineares de ordem n n a Regra
de Cramer onde as solues do sistema linear so calculadas usando o deter-
minante. Justamente por usar o determinante este mtodo torna-se invivel
computacionalmente, mas bastante prtico em certas questes tericas.
CX = B
1 1 1
C CX = C B (observe que estamos multiplicando C pela esquerda)
1
IX = C B
1
X = C B
usando a relao
1 1
C = (adjC)
det C
temos
1
X= (adjC)B
det C
25
2 3 02 31 2 3
x1 a11 a12 a1n b1
6 x2 7 1 B6 a21 a22 a2n 7C 6 b2 7
6 7 B6 7C 6 7
6 .. 7 = adj B6 .. .. ...... .. 7C 6 .. 7
4 . 5 det C @4 . . ... . 5A 4 . 5
xn an1 an2 ann bn
2 3 02 31 2 3
x1 D11 Da12 Da1n b1
6 x2 7 1 B6 Da21 Da22 Da2n 7C 6 b2 7
6 7 B6 7C 6 7
6 .. 7 = B6 .. .. ...... .. 7C 6 .. 7
4 . 5 det C @4 . . ... . 5A 4 . 5
xn Dan1 Dan2 Dann bn
2 3 2 3
x1 b1 D11 + b2 Da12 + + bn Da1n
6 x2 7 1 6 b1 Da21 + b2 Da22 + + bn Da2n 7
6 7 6 7
6 .. 7 = 6 .. .. ...... .. 7
4 . 5 det C 4 . . ... . 5
xn b1 Dan1 b2 Dan2 bn Dann
1
x1 = (b1 D11 + b2 Da12 + + bn Da1n )
det C
2 3
b1 a12 a1n
1 6 b2 a22 a2n 7
6 7
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
x1 = 2 3
a11 a12 a1n
6 a21 a22 a2n 7
6 7
det 6 . . . 7
4 .. .. ...... ...
. .
5
an1 an2 ann
Analogamente 2 3
a11 b1 a1n
6 a21 b2 a2n 7
6 7
det 6 .. .. .. 7
4 . . . 5
an1 bn ann
xi = 2 3
a11 a12 a1n
6 a21 a22 a2n 7
6 7
det 6 . .. ...... .. 7
4 .. . ... . 5
an1 an2 ann
i = 2; 3; :::::; n
Podemos escrever esta relao na forma
26
Di
xi =
D
onde 2 3
a11 b1 a1n
6 a21 b2 a2n 7
6 7
Di = det 6 .. .. .. 7
4 . . . 5
an1 bn ann
e 2 3
a11 a12 a1n
6 a21 a22 a2n 7
6 7
D = det 6 .. .. ...... .. 7
4 . . ... . 5
an1 an2 ann
Usando a Regra de Cramer podemos classicar um sistema n n:
Se D 6= 0 ento o sistema possui uma nica soluo (compatvel e determi-
nado)
Se D = 0 e algum dos Di 6= 0 ento o sistema incompatvel
Se D = 0 e todos os Di = 0, para i = 1; :::; n ento o sistema possui innitas
solues. Note que no podemos determinar o grau de liberdade pela Regra de
Cramer.
x+y =2
10x + 10y = 20
1 1
D = det =0
10 10
2 1
D1 = det =0
20 10
1 2
D2 = det =0
10 20
Logo o sistema possui innitas solues.
8
< 2x + y z = 0
20x + 20y 20z = 1
:
x+y z =0
2 3
2 1 1
D = det 4 20 20 20 5 = 0
1 1 1
27
2 3
0 1 1
D1 = det 4 1 20 20 5 = 0
0 1 1
2 3
2 1 1
D2 = det 4 20 0 20 5 = 20
1 1 1
2 3
2 1 0
D3 = det 4 20 20 1 5= 1
1 1 0
Como D2 = 20 e D3 = 1 o sistema incompatvel
D1 4
x1 = = =1
D 4
D2 2 1
x2 = = =
D 4 2
D 2 1
x3 = = =
D3 4 2
Exerccio: Usando a Regra de Cramer faa a classicao de um sistema
homogneo AX = 0
28
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.
29
ca a do simulador de vo. As matrizes fornecem uma maneira conveniente
de lidar com a enorme quantidade de dados necessrios para construir e animar
os objetos tridimensionais usados por simuladores de vo para representar um
cenrio em movimento. Outras aplicaes mais simples em computao grca
so: vetores e matrizes so utilizados em espaos de cores(RGB, HSV, etc), em
coordenadas e transformaes geomtricas em duas e trs dimenses, em combi-
naes convexas e lineares de pontos( curvas e superfcies spline), em represen-
tao compacta de sesses cnicas, etc.; coordenadas homogneas e geometria
projetiva utilizando comumente para representar consistentemente transfor-
maes ans e processos de projeo( paralela, perspectiva, modelos de cmera
virtual): nmeros complexos em rotao no plano e tambm em processa-
mento de imagens, incluindo transformadas de co-seno, Fourier, etc.; quatrnios
rotao espaciais e implementao de cinemtica inversa( resolver problemas
de posicionamento de juntas articuladas).
30
maximizar o lucro de uma colheita peridica, podem ser comparadas diversas
estratgias de colheita sustentada utilizando tcnicas matriciais que descrevem
a dinmica do crescimento populacional.
31
Teoria de Grafos: a classicao social num grupo de animais uma
relao que pode ser descrita e analisada com a teoria de grafos, Esta teoria
tambm tem aplicaes a problemas to distintos como a determinao de rotas
de companhias areas e a anlise de padres de votao.
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 moni-
toramento por computador durante o vo atmosfrico. O sistema de vo en-
via 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 es-
paos 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:
A = ( aij )nxn
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
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 algbri-
cas comuns. Existem muitos outros exemplos de conjuntos que apresentam as
mesmas propriedades acima. Para no estudarmos separadamente cada con-
junto, estudaremos um conjunto genrico e no vazio, V , sobre o qual supomos
estar denidas as operaes de adio e multiplicao por escalar.
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
34
5. Distributividade: ( + )v = v + v
6. ( )v = ( v)
7. (u + v) = u + v
8. Multiplicao por 1: 1:u = u
Em Rn denimos as operaes:
e
u = ( x1; x2 ; ::::: xn )
Verica-se sem diculdades, que estas denies fazem do Rn um E. V. (veri-
que).
35
(x1 ; y1 ) + (x2 ; y2 ) = (x1 + x2 ; y1 + y2 )
(x; y) = ( x; y)
2
O conjunto R com estas operaes no um espao vetorial, de fato:
Vamos mostrar que falha a propriedade 5) do E.V.
( + )u = ( + )(x1 ; y1 ) = (( + )x1 ; y1 ) = ( x1 + x1 ; y1 )
2.2 Subespaos
Denio 38 Seja V um espao vetorial. Dizemos que W V um subespao
vetorial de V se forem satisfeitas as seguintes condies:
1. se u , v 2 W ento u + v 2 W
2. se u 2 W ento u 2 W para todo 2 R:
Resoluo:
vericamos as condies de subespao: seja u = (0; x2; x3 ; x4 ; x5 ) 2 W e
v = (0; y2; y3 ; y4 ; y5 ) 2 W
1. u + v = (0; x2 + y2; x3 + y3 ; x4 + y4 ; x5 + y5 ) 2 W
36
Exemplo 40 Seja S = f(x; y; z) 2 R3 x + y + z = 0g, S um subespao de
R3 ?
Resoluo:
Dados u = (x1 ; y1 ; z1 ) 2 S e v = (x2 ; y2 ; z2 ) 2 S
37
0 1
Exemplo 45 Considere o espao vetorial M2 e a matriz B = 2
1 0
M2 :Seja W = fA 2 M2 AB = BAg. Verique se W um espao vetorial
de M2 :
a b
2a Soluo: Tomando A = 2 W; sabe-se que a matriz A deve satis-
c d
fazer a relao AB = BA:Portanto
a b 0 1 0 1 a b
=
c d 1 0 1 0 c d
b a c d
=
d c a b
b = c
a = d)a=d
a = d
c = b)b= c
a b a b
Logo A = )W = 2 M2 a; b 2 R
b 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
38
Para encontrarmos a interseco dos dois subespaos
devemos resolver o sistema
x+y+z =0
x+y z =0
c = 3d
b = 3d
a b
Exemplo 51 Seja V = M2 = e
c d
a b
W1 = ; a; b 2 R
0 0
a 0
W2 = ; a; c 2 R
c 0
W = W1 \ W2 um subespao de V , pois
a 0
W = ;a 2 R
0 0
W1 = f(x; y) 2 R2 ; x + y = 0g
e
W2 = (x; y) 2 R2 ; x y = 0g
39
ser que W1 [ W2 um subespao vetorial de V ?
Soluo :
u = (1; 1) 2 W2
v = (1; 1) 2 W1
mas u + v = (1; 1) + (1; 1) = (2; 0) 2
= W1 [ W2 (represente gracamente
esta soma de vetores)
Exemplo 55 Verique se o vetor v = (3; 2; 1) pode ser escrito como uma com-
binao linear dos vetores v1 = (1; 1; 1); v2 = (1; 1; 1); v3 = (1; 1; 1):
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 = a1 + a2 (1 + x) + a3 (1 + x + x2 )
1:1 + 0x + 1:x2 = (a1 + a2 + a3 ) + (a2 + a3 ) x + a3 x3
que equivalente ao sistema:
8
< a1 + a2 + a3 = 1
a2 + a3 = 0 :, a1 = 1; a2 = 1 e a3 = 1:
:
a3 = 1
v = a1 v1 + a2 v2
( 4; 18; 7) = a1 (1; 3; 2)+a2 (2; 4; 1) = (1a1 ; 3a1 ; 2a1 )+(2a2 ; 4a2 ; 1a2 ) =
= (a1 + 2a2 ; 3a1 + 4a2; 2a1 a2 ) que equivalente ao sistema:
8
< a1 + 2a2 = 4
3a1 + 4a2 = 18 , a1 = 2; a2 = 3:
:
2a1 a2 = 7
Portanto, v = 2v1 3v2 : Agora mostre que o vetor v = (4; 3; 6) no
combinao linear dos vetores v1 = (1; 3; 2) e v2 = (2; 4; 1):
41
Denio 60 Considere o espao vetorial R3 e os conjunto de vetores:
42
1 2 2 3 3 4 0 0
a1 + a2 + a3 =
3 1 3 0 3 1 0 0
cuja soluo a1 = a3 e a2 = 2a3. :Como existem solues ai 6= 0; o conjunto
LD.
W = fv 2 V v = a1 v1 + a2 v2 + :::: + an vn g
Ento: [i; j] = R2 .
43
Soluo: Temos:
Resoluo:
note que t3 = (t3 + 1) 1. Assim, dado p(t) = ao + a1 t + a2 t2 + a3 t3 2 P3
podemos escrever
Ou seja, qualquer vetor (polinmio) de P3 pode ser escrito como uma combi-
nao linear dos vetores do conjunto U . Logo P3 = [U ]:
0 1 0 0
G= ;
0 0 1 0
0 1 0 0 0 a
A=a +b =
0 0 1 0 b 0
Resoluo:
01 0 10 1 10
a 1 1 1 0 a 0
B b C B 2 0 1 1 C B b C B 0 C
X=B C B
@ c A 2 W () @ 3
CB C = B C ,;
1 0 1 A@ c A @ 0 A
d 0 2 3 1 d 0
44
0 10 1 0 1
1 1 1 0 a 0
B 0 2 3 1 C B b C B 0 C
B CB C=B C,
@ 0 0 0 0 A@ c A @ 0 A
0 0 0 0 d 0
0 10 1 0 1
1 1 1 0 a 0
B 0 1 3=2 1=2 C B b C B 0 C a= c d
B CB C=B C, 2 2
@ 0 0 0 0 A@ c A @ 0 A b= 3c d
2 + 2
0 0 0 0 d 0
isto , 0 1 0 1 0 1
c d 1 1
2 2 2 2
B 3c
+ d C B C B
3 C 1
X=B
@
2 2 C = cB
A
C B
2 C
@ 1 A + d@ 0 A
2
c
d 0 1
20 1 1 0 1 13
2 2
6B 3 C B 1 C7
portanto; W = 6B 2 C B 2 C7
4@ 1 A ; @ 0 A5
0 1
W1 + W2 = fv 2 V v = w1 + w2 ; w1 2 W1 e w2 2 W2 g
um subespao de V:
a b 0 0
Exemplo 71 W1 = e W2 = ;onde a; b; c; d 2 R.
0 0 c d
a b
Ento W1 + W2 = = M2 :
c d
45
Exemplo 75 Verique que R3 a soma direta de
W1 = f(x; y; z) 2 R3 ; x + y + z = 0g
e
W2 = f(x; y; z) 2 R3 ; x = y = 0g
Resoluo:
Note que W2 de fato um subespao vetorial de R3 (Verique)
Dado v 2 W1; v = (x; y; x y) e u 2 W2 ; u = (0; 0; z)
u + v = (x; y; x y + z) = R3
n!o
vamos mostrar que W1 \ W2 = 0 . Seja (x; y; z) 2 W1 \ W2 temos:
8
< x y+z =0
x=0 () (x; y; z) = (0; 0; 0)
:
y=0
Exemplo 76 Encontre os geradores do subespao U + W onde
U = (x; y; z) 2 R3 x + y + z = 0 ; e
W = (x; y; z) 2 R3 x + y = 0 e x z=0
1. LI
2. gera V
46
Exemplo 78 O conjunto f(0; 1); (0; 2)gno base de R2 pois um conjunto
LD. Se
(0; 0) = a(0; 1) + b(0; 2)
temos a = 2b. Assim para cada valor de b conseguimos um valor para a; ou
seja, temos innitas solues.
Exemplo 79 Seja V = R3 ento = f(1; 0; 0); (0; 1; 0); (0; 0; 1)g uma base
do R3 (verique!).
Exemplo 80 O conjunto = f1; x; x2 ; :::; xn g uma base do espao vetorial
Pn : De fato:
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 = (x; y; z) 2 R3 x + y + z = 0 e
3
W = (x; y; z) 2 R x+y =0 e x z=0
Resoluo: U = [(1; 0; 1); (0; 1; 1)] e W = [(1; 1; 1)] ( J vimos este
exemplo)
47
Exemplo 82 Encontre uma base para U + W onde
x y+z =0
Se v = (x; y; z) 2 U ) ) v = (x; x; 0) = x(1; 1; 0);
x y=0
portanto U = [(1; 1; 0)] :
x+y z =0
Se u = (x; y; z) 2 W ) ) u = (x; 0; x) = x(1; 0; 1);portanto
x z=0
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:
1 1
U = fA 2 M2 (R); A = At g e W = em M2
0 1
encontre uma base para U; W; U \ W; W + U
Resoluo:
a b
Para U : A = , c = b portanto, A 2 U se existirem a1 ; a2 ; a3 2
c d
R tais que
1 0 0 1 0 0
A = a1 + a2 + a3
0 0 1 0 0 1
pode-se vericar facilmente que as matrizes
1 0 0 1 0 0
; ;
0 0 1 0 0 1
so L.I e portanto, como geram U , formam uma base de U:
Para W : Como a matriz
1 1
0 1
gera W , ela serve para base de W
Para U \ W :
A 2 U \ W , A = At e existe 2 R tal que
A=
0
, isto , se e somente se existir 2 R tal que
0
=
0
48
que satisfeita quando = 0 , ou seja, A = 0:Desse modo U \ W = f0g: Uma
base para U \ W = : Veja a observao a seguir para elucidar esse fato.
!
Observao: nSeja V um espao vetorial e 0 2 V o vetor nulo de V: Como
!o
o conjunto = 0 LD (mostre isto) temos que este conjunto no pode ser
n!o
uma base do conjunto N = 0 : Este um caso patolgico e para que no seja
contrariada a denio de
n!base
o tomamos = (conjunto vazio) como sendo
base para o espao N = 0
Para U + W : Como U \ W = f0g temos U + W soma direta e, portanto,
uma base :
1 0 0 1 0 0 1 1
; ; ;
0 0 1 0 0 1 0 1
2.8.2 Dimenso
Seja V um Espao Vetorial.
Se V possui uma base com n vetores, ento V tem dimenso n e anota-se
dim V = n:
Se V no possui uma base, ou seja, a base = ento dimV = 0
Se V possui uma base com innitos vetores, ento dimV innita e anota-se
dim V = 1
Exemplo 91 dim Pn = n + 1
49
Se W um subespao de V ento dim W n. No caso de dim W = n ,
tem-se W = V . Para permitir uma interpretao geomtrica, consideremos o
espao tridimensional R3 (dim R3 = 3):
A dimenso de qualquer subespao W do R3 s poder ser 0; 1; 2 ou 3.
Portanto, temos os seguintes casos:
1. dim W = 0, ento W = f0) a origem
2. dim W = 1, ento W uma reta que passa pela origem
3. dim W = 2, ento W um plano que passa pela origem
4. dim W = 3 ento W = R3 :
Proposio 93 Seja V um E. V de dimenso n. Ento, qualquer subconjunto
de V com mais de n vetores Linearmente Dependente (LD).
Proposio 94 Sabemos que o conjunto base de um espao vetorial se
for LI e gera V . No entanto, se soubermos que dim V = n , para obtermos uma
base de V basta que apenas uma das condies de base esteja satisfeita.
Exemplo 95 O conjunto = f(2; 1); ( 1; 3)g uma base do R2 . De fato, como
dim R2 = 2 e os dois vetores dados so LI (pois nenhum vetor mltiplo escalar
do outro), eles formam uma base do R2 .
2.8.4 Coordenadas
Seja V um espao vetorial gerado e uma base de V formada pelos vetores
u1 ; u2 :::: un .
v 2 V sendo
v = x1 u1 + x2 u2 + ::: + xn un
Os coecientes x1 ; x2 ; :::xn so chamados componentes ou coordenadas de v em
relao a base e se representa por :
0 1
x1
B x2 C
[v] = B
@ : A
C
xn
50
Exemplo 97 No R2 consideremos as bases = f(1; 0); (0; 1)g; = f(2; 0); (1; 3)g
e = f(1; 3); (2; 4)g: Dado o vetor v = (8; 6) tem-se:
8 3 2
temos: [v] = ; [v] = e [v] = .
6 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
. Desse
0 modo,
1 as coordenadas de (1; 2; 0) em relao base dado por
1
[v] = @ 1 A
2
51
i
52
Nesta seo, vamos discutir o problema de mudar de um sistema de coorde-
nadas para outro.
v = x1 u1 + :::: + xn un (2.1)
v = y1 w1 + :::: + yn wn
xn
0
com as coordenadas do mesmo vetor v em relao base
2 3
y1
6 y2 7
[v] ;0 = 6
4 : 5
7
yn
j que fu1;:::; un g base de V; podemos escrever os vetores wi como combinao
linear dos uj , isto :
53
8
>
> w1 = a11 u1 + a21 u2 + :::: + an1 un
<
w2 = a12 u1 + a22 u2 + :::: + an2 un
(2.2)
>
> :
:
wn = a1n u1 + a2n u2 + :::: + ann un
Substituindo em (2.1) temos:
v = y1 w1 + ::: + yn wn = y1 (a11 u1 + a21 u2 + :::: + an1 un ) + ::: + yn (a1n u1 +
a2n u2 + :::: + ann un ) =
= (a11 y1 + ::: + a1n yn )u1 + ::::: + (an1 y1 + ::: + ann yn )un
Mas v = x1 u1 + :::: + xn un , e como as coordenadas em relao a uma base
so nicas, temos:
Em forma matricial
2 3 2 32 3
x1 a11 : a1n y1
4 : 5=4 : : : 54 : 5
xn an1 an2 ann yn
Logo ,se usarmos a notao
2 3
0
a11 : a1n
[I] =4 : : : 5
an1 an2 ann
temos a relao
0
[v] = [I] [v] 0
0
0
A matriz [I] chamada matriz mudana de base para a base .
0
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 )
4 1
Isto implica que a11 = 11 e a21 = 11
w2 = (0; 1) = a12 (2; 1) + a22 (3; 4)
Resolvendo, a12 = 113 e a22 = 112
54
2 4 3
3
0 11 11
Portanto, [I] =4 5
1 2
11 11
Podemos usar esta matriz para2encontrar por3 exemplo,
2 3 [v]2 para 3v = (5; 8)
4 3
0 11 11 5 4
[(5; 8)] = [I] [(5; 8)] 0 = 4 54 5=4 5
1 2
11 11 8 1
Isto , (5; 8) = 4(2; 1) 1(3; 4)
Exemplo 100 Considere as bases em R3
= f(1; 0; 1); (1; 1; 1); (1; 1; 2)g e = f(1; 0; 0); (0; 1; 0); (0; 0; 1)g :
0
Encontre[I] :
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)
55
2.10 A Inversa da Matriz de Mudana de Base
Se em (2.1 )comearmos escrevendo os ui em funo dos wj , chegaremos
relao:
0 1
[I] = [I] 0
0
Exemplo 101 No exemplo (99 ) anterior podemos obter [I] a partir de [I] 0
0
Note que [I] 0 fcil de ser calculada , pois a base cannica
Ento 2 3
4 3
1 11 11
0 2 3
[I] = =4 5
1 4 1 2
11 11
56
2.11 Oitava lista de exerccios
1. Verique se R2 com as operaes denidas por:
um espao vetorial.
2. Moste que R2 com as operaes denidas por:
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 z = 0g
3 3
(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
(d) V = M (n; n) e W = fA 2 M (n; n) : BA = 0g
(e) V = M (2; 2) e S = fX 2 M2 det(X) = 0g (S o conjunto das
matrizes singulares)
(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 3 que passam
pelo ponto P (0; 0):
4. Verique se o conjunto W = f(1; 2; 3); (1; 3; 1); (0; 3; 1); (1; 4; 5)g R3
L.I ou L.D.
5. Dado o conjunto W = f(1; 1; 3); (1; 2; 1); (0; 1; 3); (1; 4; 5)g R3 , extrair
um subconjunto de vetores L.I.
6. a) Se o conjunto = fv1 ; v2 ; :::;nvn g um conjunto
o Linearmente Indepen-
!
dente ento o o conjunto = v1 ; 0 ; v2 ; :::; vn LI ou LD? Justique
sua resposta.
n!o
b) Considere o subespao N = 0 : Qual a base e a dimenso de
N:
57
7. a) Verique se o conjunto S = fA 2 M (3; 3); A e uma matriz anti
simetricag um subespao vetorial de M (3; 3):
b) Considere o subconjunto de M2 ; dado por
a b
W = 2 M2 b=aed= a : Verique se o subconjunto
c d
W um espao vetorial.
8. Considere o subespao de R4 gerado pelos vetores v1 = (1; 1; 0; 0); v2 =
(0; 0; 1; 1); v3 = ( 2; 2; 1; 1) e v4 = (1; 0; 0; 0):
1 1 0 0 0 2
11. Qual o subespao gerado pelas matrizes ; e ?
1 0 1 1 0 1
12. Mostre com um exemplo que a unio de dois subespaos vetoriais de um
mesmo espao vetorial no precisa ser um subespao vetorial desse espao.
13. Responda se os subconjuntos abaixo so subespaos de M (2; 2):
a b
(a) V = com a; b; c; d 2 R e b = c e a = b
c d
a b
(b) V = com a; b; c; d 2 R e b 1=c+1
c d
Em caso armativo, determine:
i) uma base para W1 \ W2
58
(c) W1 + W2 soma direta? Justique.
(d) W1 + W2 = R5 ?
a b
S= 2 M (2; 2) : a + b = c + d = 0
c d
59
(c) As coordenadas de um vetor u em relao base 1 so dadas por
4
[u] 1 =
0
Quais as coordenadas do vetor u em relao base: i. ii.
2 iii. 3
21. Sejam P4 = p = a0 + a1 x + a2 x2 + a3 x3 + a4 x4 a0 ; a1 ; a2 ; a3 ; a4 2 R ; =
1; x; x2 ; x3 ; x4 e = 2; 2x; 4x2 ; 8x3 ; 16x4 .
1 1 1 1 1 1
= ; ;
1 0 1 0 11 0
1 0 1 1 1 0
= ; ;
1 0 0 0 0 0
23. Sejam e bases de R3 : Determine a base sabendo que = f(1; 1; 0); (0; 1; 0); (0; 0; 1)g
e a matriz mudana de base de para
2 3
1 0 0
[I] = 4 0 2 15
1 1 1
60
25. Sejam e bases de um espao vetorial V
1 2 1 1 0 0 0 2
(a) ( )A matriz pertence ao subespao W = ; ; :
0 3 1 0 1 1 0 1
(b) ( ) Se os vetores !u;!v e!w so LI ento os vetores !
u ! !
v; v !
w
!
e u ! 0
w so LI s.
61
Captulo 3
TRANSFORMAES
LINEARES
T (u + v) = T (u) + T (v)
T (kv) = kT (v)
TV : R3 ! R
TV (x1 ; x2 ; x3 ) = 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 (ku) = 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.
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)
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)
Exemplo 106 . V = W = Pn e
D : Pn ! Pn 1
D(f ) = 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)
0
D(f + g) = (f + g)
= f 0 + g0
= D(f ) + D(g)
ii)
D(kf ) = (kf )0
= kf 0
= kD(f )
T : Pn ! Pn+1
T (p(x)) = xp(x) = a0 x + a1 x2 + a2 x3 + : : : + an xn+1
T : Pn ! Pn
2 n
T (p(x)) = p(ax + b) = a0 + a1 (ax + b) + a2 (ax + b) + : : : + an (ax + b)
64
Esta aplicao tambm linear pois,
J(f ) = f (0) = 02 = 0
J uma aplicao linear pois, se f; g 2 C(R) e k 2 R ento
T : M2 ! M2
a b a+b b+c
T =
c d c+d d+a
Esta aplicao uma transformao linear, pois
a1 b1 a2 b2 a1 + a2 b1 + b 2
T + = T
c1 d1 c2 d2 c1 + c2 d1 + d2
a1 + a2 + b1 + b2 b1 + b2 + c1 + c2
=
c1 + c2 + d1 + d2 d1 + d2 + a1 + a2
a1 + b1 b1 + c1 a2 + b2 b2 + c2
= +
c1 + d1 d1 + a1 c2 + d2 d2 + a1 + a2
a1 b1 a2 b2
= T +T
c1 d1 c2 d2
65
a b ka kb
T k = T k
c d kc kd
ka + kb kb + kc
=
kc + kd kd + ka
a+b b+c
= k
c+d d+a
a b
= kT
c d
T : Mn ! R
T (A) = det(A)
v = xv1 + yv2
T (v) = T (xv1 + yv2 )
T (v) = xT (v1 ) + yT (v2 )
T (v) = x(2; 1; 0) + y(0; 0; 1)
T (v) = (2x; x; y)
66
Exemplo 115 Qual a transformao linear T : M2 ! P4 tal que
1 0
T = x4 + x
0 0
0 1
T = x3 + x2
0 0
0 0
T = x2 + x3
1 0
0 0
T = x + x4
0 1
Soluo
a b
Uma matriz A 2 M2 da forma A = : Podemos escrever:
c d
a b 1 0 0 1 0 0 0 0
=a +b +c +d , portanto
c d 0 0 0 0 1 0 0 1
a b 1 0 0 1 0 0 0 0
T =T a +b +c +d
c d 0 0 0 0 1 0 0 1
1 0 0 1 0 0 0 0
= aT + bT + cT + dT
0 0 0 0 1 0 0 1
a b
T = a x4 + x + b x3 + x2 + c x2 + x3 + d x + x4
c d
a b
T = (a + d)x + (b + c)x2 + (b + c)x3 + (a + d)x4
c d
a) u = (1; 2)
b) w = ( 1; 2)
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:
T (x; y) = (1; 2)
(2x y; 10x + y) = (1; 2)
2x y = 1
10x + y = 2
Resolvendo o sistema temos x = 83 e y = 47 ; logo u pertence a imagem de T
pois T ( 38 ; 74 ) = u:
b) Analogamente deve existir algum v = (x; y) tal que T (v) = w; ou seja
T (x; y) = ( 1; 2)
(2x y; 10x + y) = ( 1; 2)
2x y = 1
10x + y = 2
1 3
Resolvendo o sistema temos x = 8 ey= 4 logo w pertence a imagem de T
pois T ( 18 ; 34 ) = w
w = (2x y z; x y z; x + y z)
= x(2; 1; 1) + y( 1; 1; 1) + z( 1; 1; 1)
68
!
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
T : R4 ! R3
T (x; y; z; t) = (x + y + z t; 2x + z t; 2y t)
69
8
< x+y+z t=0
2y z + t = 0
:
z=0
o que nos fornece,
x = y
z = 0
t = 2y
8
< x = 2t
y = 2t
:
z=t
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
v:u
T (v) = proju v = u
u:u
(x; y; z):(2; 2; 1)
T (x; y; z) = (2; 2; 1)
(2; 2; 1):(2; 2; 1)
2x 2y + z
T (x; y; z) = (2; 2; 1)
9
4x 4y + 2z 4x + 4y 2z 2x 2y + z
T (x; y; z) = ; ;
9 9 9
4x 4y + 2z 4x + 4y 2z 2x 2y + z
T (x; y; z) = ; ; = (0; 0; 0)
9 9 9
4x 4y + 2z = 0
4x + 4y 2z = 0
2x 2y + z = 0
70
2 3 2 3
4 4 2 4 4 2
4 4 4 2 5 , fazendo o escalonamento temos 4 0 0 0 5 ; assim
2 2 1 0 0 0
4x 4y + 2z = 0
0 = 0
0 = 0
2z = 4x + 4y
z = 2x + 2y
Observao 128 Da denio acima vemos que uma funo ser sobrejetora
se dado w 2 W , existir v 2 V tal que T (v) = w:
n!o
Teorema 129 Seja T : V ! W , uma aplicao linear. ento Ker(T ) = 0 ;
se e somente se T injetora.
T (p(x)) = xp(x)
T (a0 + a1 x + : : : + an xn ) = x(a0 + a1 x + : : : + an xn )
T (a0 + a1 x + : : : + an xn ) = (a0 x + a1 x2 + : : : + an xn+1 )
71
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
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
LA : Rn ! Rm
v ! A:v
onde v tomado como vetor coluna,
2 3
x1
6 7
v = 4 ... 5
xn
LA (v) = A:v
2 32 3
a11 a1n x1
6 .. .. .. 7 6 .. 7
LA (v) = 4 . . . 54 . 5
am1 amn xn
02 31 2 3
x1 a11 x1 + a1n xn
B6 .. 7C 6 .
.. 7
LA @4 . 5A = 4 5
xn am1 x1 + + amn xn
72
LA (u + v) = A:(u + v) = A:u + A:v = LA (u) + LA (v)
LA (ku) = A:(ku) = kA:u = kLA (u)
LA R4 ! R3
:
02 31 2 3
x 2 3 x
B6 y 7C 1 1 1 1 6 7
LA B6 7C = 4 2 0 1 1 56 y 7
@4 z 5A 4 z 5
0 2 0 1
t t
2 3
x+y+z t
= 4 2x + z t 5
2y t
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 : R3 ! R2
T (x; y; z) = (10x 20y 30z; x 2y 3z)
02 31
x
10x 20y 30z
T @4 y 5A =
x 2y 3z
z
2 3
x
10 20 30 4 y 5
=
1 2 3
z
73
Portanto a matriz de T; que denotaremos por [T ]
10 20 30
[T ] =
1 2 3
Observao 136 Ao obtermos a transformao associada a uma matriz A (ou,
caso contrrio, a matriz de uma transformao T ), no mencionamos as bases
dos espaos envolvidos. De fato, ao obtermos a matriz de uma transformao
estamos levando em conta as bases associadas aos espaos Rn e Rm mas neste
caso em particular estamos considerando as bases cannicas. Isto car claro
na exposio a seguir.
0
De um modo geral, xadas as bases = fv1 ; v2 ; ; vn g e = fw1 ; w2 ; ; wm g ;
matriz
2 3
a11 a1n
6 .. . .. .. 7
Am n = 4 . . 5
am1 amn
podemos associar
TA : R n ! Rm
v ! TA (v)
da seguinte maneira: Seja
3 2
x1
6 7
X = [v] = 4 ... 5
xn
2 32 3 2 3
a11 a1n x1 y1
6 .. 7 6 .. 7 = 6 .. 7
A:X = 4 ... ..
. . 54 . 5 4 . 5
am1 amn xn ym
ento
TA (v) = y1 w1 + + ym wm
onde yi = Ai :X e Ai a i-sima linha de A:
Em geral, dada uma matriz Am n , ela encarada como uma aplicao linear
TA : Rn ! Rm em relao s bases cannica de Rn e Rm :
74
A transposta da matriz dos coecientes deste sistema, denotada por [T ] 0
chamada matriz de T em relao s bases e 0 :
2 3
a11 a1n
6 .. 7
[T ] 0 = 4 ... . 5
am1 amn
2 3
a11 a1n
6 .. 7 a transfor-
Observao 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
a=3 b= 1 ; c = 11 ; d= 8 e=5 f= 3
3 11 5
[T ] 0 =
1 8 3
Teorema 140
[T (v)] = [T ] [v]
75
Denio 142 Seja T : Rn ! Rn uma transformao linear e a base
cannica de Rn ; ento a matriz de T em relao a base cannica ; [T ] ; ser
denotada simplesmente por [T ] :
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
2 3
1 5 25
[T ] = 4 0 3 30 5
0 0 9
a) Determine [T ] , [T ]
2 3
1
b) Se [v] = 4 1 5 determine [T (v)] :
1
c) Calcule a multiplicao das matrizes: [T ] [T ] : Que concluso voc pode
tirar em relao as duas matrizes, ou que relao h entre as duas matrizes?
Soluo: a) Clculo de [T ]
T (1; 0; 0) = 2; 1; 2 = a1 ( 1; 1; 0) + b1 ( 1; 0; 1) + c1 (0; 1; 1)
T (1; 1; 0) = 1; 0; 1 = a2 ( 1; 1; 0) + b2 ( 1; 0; 1) + c2 (0; 1; 1)
T (1; 1; 1) = 3; 1; 2 = a3 ( 1; 1; 0) + b3 ( 1; 0; 1) + c3 (0; 1; 1)
Devemos resolver os tres sistemas resultantes: Denotando por A a matriz
dos coecientes do sistema,temos:
76
2 3 2 1 1 1
3
1 1 0 2 2 2
A=4 1 0 1 5 ) A 1 = 4 12 1
2
1 5
2
1 1 1
0 1 1 2 2 2
Vamos
2 3resolver 2 3 2 por
os sistemas matriz inversa:
3 2 3 2 3
1 1 1 1
a1 2 2 2 2 2 2
4 b1 5 = A 1 4 1 5 = 4 1 1 1 54
1 5=4 3 5
2 2 2 2
1 1 1 1
c1 2 2 2 2
2 2
2 3 2 3 2 1 1 1
32 3 2 3
a2 1 2 2 2 1 1
4 b2 5 = A 1 4 0 5=4 1 1 1 54 0 5=4 0 5
2 2 2
1 1 1
c2 1 2 2 2
1 1
2 3 2 3 2 1 1 1
32 3 2 3
a3 3 2 2 2 3 3
4 b3 5 = A 1 4 1 5=4 1 1 1 54 1 5 = 4 0 5
2 2 2
1 1 1
c3 2 2 2 2
2 2
Logo 2 3
1
2 1 3
[T ] = 4 3
2 0 0 5
1
2 1 2
Agora voce j est em condies de calcular [T ] : Faa esse clculo como
exerccio
b) Vamos usar a relao [T (v)] = [T ] [v]
[T (v)] = [T ] [v]
2 1
32 3
2 1 3 1
[T (v)] = 4 3
2 0 0 54 1 5
1
2 1 2 1
2 7
3
2
[T (v)] = 4 3
2
5
7
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 bases de V
e W respectivamente. Ento
dim Im(T ) = posto de [T ]
dim Ker(T ) = nulidade de [T ] = nmero de colunas de [T ] posto [T ]
0
p (0) 2p(1)
Exemplo 146 Seja T : P2 ! Mt (2; 2) denida por T (p(x)) = 00
0 p (3)
0 1 1 0 1 0 0 1 0
onde p a derivada de p: Sejam . = ; ; ; uma
0 0 0 0 1 1 0 1
base para M (2; 2) e = 1; x; x2 base para P2 :
77
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)
b 2a + 2b + 2c
Note que T (a + bx + cx2 ) =
0 2c
Determinando [T ] :
0 2 1 1 0 1 0 0 1 0
T (1) = =a +b +c +d
0 0 0 0 0 0 1 1 0 1
1 2 1 1 0 1 0 0 1 0
T (x) = =e +f +g +h
0 0 0 0 0 0 1 1 0 1
0 2 1 1 0 1 0 0 1 0
T (x2 ) = =i +j +l +m
0 2 0 0 0 0 1 1 0 1
2 3
0 1 2
62 1 4 7
Logo, [T ] = 6
40 0 0 5
7
0 0 2
b)
0 0
Seja p(x) 2 N (T ) ) T (p(x)) =
0 0
b 2a + 2b + 2c 0 0
= )a=b=c=0
0 2c 0 0
Logo, p(x) = 0 + 0x + 0x2 2 N (T ) ) N (T ) = f0g
b 2a + 2b + 2c 0 2 1 2
c) Seja A 2 Im(T ) ) A = = a +b +
0 2c 0 0 0 0
0 2
c
0 2
Portanto,
0 2 1 2 0 2
Im(T ) = ; ;
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)
78
3.3 Composio de transformaes lineares
Denio 147 Se T1 : V ! W e T2 : W ! U so duas transformaes
lineares a composta das duas transformaes lineares denida do mesmo modo
que a composio de funces ( lembre-se que um transformao linear uma
funo com a propriedade adicional de ser linear) da seguinte forma
T2 T1 : V !U
(T2 T1 )(v) = T2 (T1 (v))
0 0 0
[T ] 0 = [IW T IV ] 0 = [IW ] 0 [T ] [IV ]
onde IW e IV so as aplicaes identidades de W e V respectivamente.
79
Denio 153 Seja T : V ! W uma transformao linear. Se existe uma
aplicao T 1 : W ! V; tal que T T 1 = IW e T 1 T = IV ento dizemos
que T inversvel e que T 1 a inversa de T
1
1
T = [T ]
80
m; n e s tais que T T 1 = I (devemos usar esta igualdade pois com a outra
no funciona, tente e veja o que acontece). Portanto
1
T T (x; y; z) = I(x; y; z) = (x; y; z)
1
T (T
(x; y; z)) = (x; y; z)
T (m; n; s) = (x; y; z)
(m + 2n + 2s; m + n + 3s; m + 2n + s) = (x; y; z)
m + 2n + 2s = x
m + n + 3s = y
m + 2n + s = z
2 3 2 3
1 2 2 x 1 2 2 x
41 escalonando
1 3 y5 40 1 1 x y5
=)
1 2 1 z 0 0 1 x z
s = x z
n = x y + x z = 2x y z
m = x 2(2x y z) 2(x z) = 5x + 2y + 4z
Logo
1
T (x; y; z) = ( 5x + 2y + 4z; 2x y z; x z)
81
3.5 Nona lista de exerccios
82
(a) Determine F G
(b) Determine uma base para N (F G)
(c) Determine uma base para Im(F G)
(d) F G isomorsmo? Justique sua resposta.
(a) N (T )
(b) N (T ) \ Im(T )
(c) N (T ) + Im(T )
6. Sejam = f(1; 1); (0; 2)g e = f(1; 0; 1); (0; 1; 2); (1; 2; 0)g bases de <2
e <3 ; respectivamente e
2 3
1 0
[T ] = 41 1 5
0 1
11. Encontre a transformao linear T : <3 ! <3 cujo ncleo gerado por
(1; 1; 0) e (0; 0; 1) e a imagem gerada pelo vetor (1; 1; 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 R3 em R3 : Se
2 3 2 3
1 0 1 2 1 1
[R] = 4 2 1 1 5 e [S] = 4 3 1 2 5;
0 1 1 1 2 0
encontre T tal que R = S T:
14. Suponhamos T : V ! W linear e V tem dimenso nita. Mostre que V e
a Im(T ) tm a mesma dimenso se e somente se T inversvel. Determine
todas as transformaes lineares no inversveis T : <4 ! <3 :
!
15. Mostre que se a matriz transformao [T ] inversvel ento N (T ) = f 0 g:
16. Seja T : V ! W uma transformao linear.
84
(a) Encontre [T ] onde = 2; 2 + x; 2 + x2 ; 2 + x3 base de P3
(b) Faa o escalonamento da matriz [T ]
(c) Detemine dim Ker(T )
(d) Determine dim Im(T ):
22. Se A 2 Rn n
inversvel ento:
24. Explique em cada caso abaixo porque no existe uma transformao lin-
ear:
2 1
26. Seja T : R2 ! R2 tal que [T ] = : Encontre os vetores u e v tais
0 1
que
(a) T (u) = 2u
(b) T (v) = v
85
(a) Determine (S T )(3 + 2x x2 )
(b) possvel calcular (T S)(a + bx)? Em caso armativo calcule (T
S)( + x):
ALGUMAS SUGESTES
86
Captulo 4
OPERADORES
LINEARES
Transformaes no Plano
a) Dilatao ou contrao
T : R2 ! R2
T (x; y) = (x; y)
87
Geometricamente, para > 0 temos:
T : R2 ! R 2
T (x; y) = (x + y; y)
Matricialmente
x 1 x
!
y 0 1 y
Geometricamente:
88
T : R2 ! R2
T (x; y) = (x; x + y)
Matricialmente
x 1 0 x
!
y 1 y
Geometricamente:
d) Reexo na origem
T : R2 ! R2
T (x; y) = ( x; y)
Matricialmente
x 1 0 x
!
y 0 1 y
Geometricamente:
89
Observao 162 Observe que este um caso particular da contrao quando
= 1
Denio 163 Denimos como sendo Projeo sobre uma reta r, que
passa pela origem, no plano o operador linear T : R2 ! R2 denido por T (v) =
proju v, onde u o vetor diretor da reta r:
Denio 164 Exemplo 165 Determinar o operdor linear que a projeo so-
bre a reta y = 6x
90
A reta y = 6x pode ser parametrizada por
x = t
y = 6t
T (v) = proju v
u v
T (v) = u
u u
(1; 6) (x; y)
T (x; y) = (1; 6)
(1; 6) (1; 6)
x 6y 6x + 36y
T (x; y) = ;
37 37
91
Para obter a expresso pata a traformao T , considere a gura abaixo
que representa a reexo em torno de uma reta no plano onde esto mostrados
o vetor diretor diretor, u ; da reta, o vetor p, a projeo de v na direo do vetor
u,e o vetor T (v):
T (v) = 2proju v v
onde proju v a projeo do vetor v na direo do vetor u
Casos Particulares
f.1) Reexo em torno do eixo dos x
T : R2 ! R2
T (x; y) = (x; y)
Matricialmente
x 1 0 x
!
y 0 1 y
Geometricamente:
92
f.2) Reexo em torno do eixo dos y
T : R2 ! R2
T (x; y) = ( x; y)
Matricialmente
x 1 0 x
!
y 0 1 y
Geometricamente:
93
f.3) Reexo em torno da reta y = x
T : R2 ! R2
T (x; y) = (y; x)
Matricialmente
x 0 1 x
!
y 1 0 y
Geometricamente:
94
f.4) Reexo em torno da reta y = x
T : R2 ! R2
T (x; y) = ( y; x)
Matricialmente
x 0 1 x
!
y 1 0 y
Geometricamente:
95
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
Vamos agora determinar a matriz da transformao linear rotao de um
ngulo e a expresso de R em funo de x e y: Seja
R : R2 ! R2
R (x; y) = (x0 ; y 0 )
r cos = x
r sin = y
ento
x0 = x cos y sin
Analogamente
Assim
97
R (x; y) = (x cos y sin ; x sin + y cos )
Matricialmente
x cos sin x
!
y sin cos y
Podemos ver neste caso que matriz de uma rotao :
cos sin
[R ] =
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
98
Da denio de reexo podemos observar que
T (v) + v = 2p
T (v) = 2p v
T (v) = 2proju v v
T (v) = 2p v
ond p = proju v a projeo do vetor v na direo do vetor u
Casos Particulares: Reexo em relao aos eixos coordenados
a.1) Reexo atravs do eixo x
T : R3 ! R3
T (x; y; z) = (x; y; z)
Matricialmente
2 3 2 32 3
x 1 0 0 x
4 y 5 !4 0 1 0 54 y 5
z 0 0 1 z
99
a.2) Reexo atravs do eixo y
T : R3 ! R3
T (x; y; z) = ( x; y; z)
Matricialmente
2 3 2 32 3
x 1 0 0 x
4 y 5 !4 0 1 0 54 y 5
z 0 0 1 z
T : R3 ! R3
T (x; y; z) = ( x; y; z)
Matricialmente
2 3 2 32 3
x 1 0 0 x
4 y 5 !4 0 1 0 54 y 5
z 0 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
Para obter a expresso para a transformao T , considere a gura abaixo
que representa a reexo em torno de um plano no espao onde esto mostrados
o vetor normal do plano, vetor n ; o vetor projeo de v na direo do vetor n,
vetor p, o vetor projeo sobre o plano, vetor m; e o vetor T (v):
101
Da denio de Reexo atravs de uma plano podemos deduzir que
p+m=v
m p = T (v)
Portanto
T (v) = v 2p
onde p = projn v a projeo de v na direo do vetor normal n do plano.
Casos particulares: Reexo atravs dos planos coordenados
b.1) Reexo atravs do plano xy
T : R3 ! R3
T (x; y; z) = (x; y; z)
Matricialmente
2 3 2 32 3
x 1 0 0 x
4 y 5 !4 0 1 0 54 y 5
z 0 0 1 z
Geometricamente
102
b.2) Reexo atravs do plano xz
T : R3 ! R3
T (x; y; z) = (x; y; z)
2 3 2 32 3
x 1 0 0 x
Matricialmente4 y 5 ! 4 0 1 0 54 y 5
z 0 0 1 z
b.3) Reexo atravs do plano yz
T : R3 ! R3
T (x; y; z) = ( x; y; z)
Matricialmente
2 3 2 32 3
x 1 0 0 x
4 y 5 !4 0 1 0 54 y 5
z 0 0 1 z
c) Reexo no origem
T : R3 ! R3
T (x; y; z) = ( x; y; z)
Matricialmente
2 3 2 32 3
x 1 0 0 x
4 y 5 !4 0 1 0 54 y 5
z 0 0 1 z
Geometricamente
103
d) Rotao no Espao.
104
d.1) Rotao em torno do eixo z
Para obter a expresso da transformao que uma rotao em torno
do eixo z vamos considerar:
p = projeo de v no plano xy
q = 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 = x cos y sin
y0 = x sin + y cos
Portanto
T : R3 ! R3
T (x; y; z) = (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
[T ]Z = 4 sin cos 0 5
0 0 1
d.2) Rotao em torno do eixo y
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 cos sin x0
=
z sin cos z0
1
x0 cos sin x
=
z0 sin cos z
107
x0 cos sin x
=
z0 sin cos z
x0 = x cos + z sin
z0 = 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: 2 3
cos 0 sin
[T ]Y = 4 0 1 0 5
sin 0 cos
d.3) Rotao em torno do eixo x
A matriz da Rotao em torno do eixo x dada por
2 3
1 0 0
[T ]X = 40 cos sin 5
0 sin cos
Exemplop p
170p Determinar o ngulo formado entre v e T (v) quando o vetor
v = ( 2p32 ; 42 ; 22 ) gira em torno do eixo z de um ngulo 2 rad
Soluo:
2 32 p
p3
30
cos 2 sin 2 0 2p 2
6 7
[T (v)] = 4 sin 2 cos 2 0 54 2 5
p4
0 0 1 2
2
2 32 p p3
30
0:0 1:0 0:0 2p 2
6 7
[T (v)] = 4 1:0 0:0 0:0 5 4 2 5
p4
0:0 0:0 1:0 2
2
2 p 30
2
p4
6 3 7
[T (v)] = 4 p
2p 2
5
2
2
v T (v) 1
cos = =
jvj jT (v)j 2
Portanto o ngulo entre v e T (v) = arccos 12 = 1
3
108
4.2 Propriedades dos operadores inversveis
Denio 171 Seja T : V ! V um operador linear. Se existir um operador
T 1 : V ! V tal que T T 1 = T 1 T = I ( neste caso I : V ! V
a identidade em V ) ento dizemos que o operador T inversvel e T 1 o
operador inverso de T:
1 1
Se T inversvel e uma base de V ento T : V ! V linear T =
1
1
[T ] : Quando a base cannica temos a forma mais simples T =
1 1
[T ] e portanto T 1 [T ] = T 1
T = [I] : Com isso vemos que T
inversvel se e somente se det [T ] 6= 0.
cos sin
[R ] =
sin cos
cos sin
cos2 +sin2 cos2 +sin2
1
[R ] =
sin cos
cos2 +sin2 cos2 +sin2
1 cos sin
[R ] =
sin cos
109
1 T 1
Note que [R ] = [R ] ; ou seja, [R ] uma matriz ortogonal, logo R :
R 2 ! R2
x cos sin x x cos + y sin
! =
y sin cos y y cos x sin
1
R (x; y) = (x cos + y sin ; y cos x sin )
y=x
z=y
Para obter a equaes paramtricas fazemos x = t; logo
8
< x=t
y=t
:
z=t
portando o vetor diretor da reta u = (1; 1; 1):
v u
T (v) = proju v = u
u u
(x; y; z) (1; 1; 1)
T (x; y; z) = (1; 1; 1)
(1; 1; 1) (1; 1; 1)
x+y+z
T (x; y; z) = (1; 1; 1)
3
x+y+z x+y+z x+y+z
T (x; y; z) = ; ;
3 3 3
2 1 1 1
3
3 3 3
6 7
6 7
[T ] = 6
6
1
3
1
3
1
3
7
7
4 5
1 1 1
3 3 3
det [T ] = 0
110
Soluo
R = S T
[R] = [S] [T ]
cos 4 sin 4
[T ] =
sin 4 cos 4
1
p 1
p
[T ] = 2 p2 2p 2
1 1
2 2 2 2
S(v) = 2p v
(x; y) (1; 2)
S(x; y) = 2 (1; 2) (x; y)
(1; 2) (1; 2)
3x 4y 4x + 3y
S(x; y) = ;
5 5
3 4
[S] = 5 5
4 3
5 5
[R] = [S] [T ]
3 4 1
p 1
p
[R] = 5 5 2 p2 2p 2
4 3 1 1
5 5 2 2 2 2
7
p 1
p
[R] = 10 p2 10p 2
1 7
10 2 10 2
p p p p !
7 2 2 2 7 2
R(x; y) = x y; x+ y
10 10 10 10
[T ] = [I] [T ] [I]
1
Lembrando que [I] = [I] temos que
1
[T ] = [I] [T ] [I]
111
Chamando [I] = A :
1
[T ] = A [T ] A
Denio 176 Dadas as matrizes A e B, se existe uma matriz P inversvel tal
que
A = P BP 1
ento dizemos que as matrizes A e B so semelhantes.
Observao 177 Se A e B so semelhantes ento detA = detB; mas no vale
a recproca.
112
Teorema 183 Seja T : Rn ! Rn linear. Se T um operador auto-adjunto
ento
T (v) w = v T (w); 8v; w 2 Rn
a) T ortogonal
b) T preserva o produto escalar, isto , T (v) T (w) = v w; 8v; w 2 R
c) T preserva o mdulo, isto , jT (v)j = jvj
d) T transforma bases ortonornais em bases ortonormais. Isto , se
fv1; v2 ; : : : ; vn g uma base ortonornal ento fT (v1 ); T (v2 ); : : : ; T (vn )g uma
base ortonornal
1 2 4 0
1. A matriz A = semelhante matriz B = : Deter-
3 2 0 1
mine uma matriz P que realiza esta semelhana.
2. Encontre a transformao linear T : R3 ! R3 tal que os vetores u =
(1; 2; 0) e v = (0; 1; 1) pertenam ao ncleo de T e que T (1; 0; 0) =
(1; 1; 1)
3. Seja T a reexo no origem dada por
T : R3 ! R3
T (x; y; z) = ( x; y; z)
1
Determine a inversa T da transformao T:
4. Dena operador simtrico e operador ortogonal. D um exemplo para
cada um dos casos, justicando sua escolha.
5. Seja A : R3 ! R3 ; dada por A = G L onde G a rotao de 3 do em
torno do eixo y e L a rotao de 2 em torno do eixo z.: Determine a
matriz de A em relao a base cannica ; isto , determine [A] : O operador
A ortogonal? E auto-adjunto?
6. Determine a transformao linear de R2 em R2 que representa uma re-
exo da reta y = x;seguida de uma dilatao de fator 2 na direo ox
e, um cisalhamento de fator 3 na direo vertical.
7. Usando inverso matricial mostre o seguinte:
113
(a) A transformao inversa de uma reexo em torno da reta y = x a
reexo em torno da reta y = x:
(b) A transformao inversa de uma reexo em torno de um eixo coor-
denado a reexo em torno daquele eixo.
1 1 2 1
(a) e
1 4 1 3
3 1 1 2
(b) e
6 2 1 0
(a) A I eB I so semelhantes.
k k
(b) A e B so semelhantes, para cada inteiro positivo k:
1 1
(c) Se A e B so inversveis, ento A 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:
114
p p
19. Determine se a transformao T (x; y) = ( 23 x 1 1 3
2 y; 2 x + 2 y) uma
transformao auto-adjunta ou ortogonal. Justique sua resposta.
p p p p
20. O operador linear T (x; y; z) = ( 21 2x 1 1
2 2z; y; 2 2x
1
2 2z) a
rotao de um ngulo em torno do eixo y. Determine o valor do ngulo
:
21. Seja o operador T : P3 ! P3 denido por T (p) = x3 p( x1 ) :
SUGESTES
15) Utilize as matrizes mudana de base
16) Sugesto: Mostre que T no injetora.
Observe que pode ser o nmero 0; embora v no possa ser o vetor nulo.
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
de si mesmo pois estes vetores tem a forma w = (0; y) ) T (w) = T (0; y) =
(0; y) = 1(0; y): Podemos concluir ento que os vetores do tipo v = (x; 0) so
autovetores associados ao autovalor 1 = 1 e os vetores da forma w = (0; y) so
autovetores associados a 2 = 1, da tranformao linear reexo no eixo x:
Exemplo 188
R 2 : R2 ! R2 (Rotao de um ngulo 2)
R 2 (x; y) = ( y; x)
116
4.5.2 Polinmio Caracterstico.
Seja a matriz
2 3 2 3
a11 a12 :::::::: a1n x1
6 a21 a22 :::::::: a2n 7 6 x2 7
6 7 6 7
A=6 .. .. 7 e v=6 .. 7
4 . . 5 4 . 5
am1 am2 :::::::: amn x3
Para encontrar os autovalores e autovetores de A, devemos resolver a equao:
Av = v
Av = Iv
!
Av Iv = 0
!
(A I)v = 0
det(A I) = 0
Impondo esta condio determinamos primeiramente os autovalores que
satisfazem a equao e depois os autovetores a eles associados. Observamos que
117
a11 a12 :::::::: a1n
a21 a22 :::::::: a2n
p( ) = det(A I) = .. ..
. .
am1 am2 :::::::: amn
um polinmio em de grau n:
3 4
A=
1 2
Soluo
3 4
p( ) = det(A I) = det = (2 )( 3 )+4 =
1 2
2
+ 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
x
onde v = e cada um dos autovalores j encontrados.
y
Para 1 = 1 temos
3 4 x x
= 1
1 2 y y
3 1 4 x 0
=
1 2 1 y 0
4 4 x 0
=
1 1 y 0
4 4 j 0 escalonando 4 4 j 0
1 1 j 0 ) 0 0 j 0
4x + 4y = 0 ) y = x
118
Portando os autovalores associados ao autovalor 1 = 1 so da forma v =
(x; x) = x(1; 1) e assim podemos concluir que o subespao associado ao autovalor
1 = 1 V1 = [(1; 1)] :
Para 1 = 2 temos
3 4 x x
= 2
1 2 y y
3 ( 2) 4 x 0
=
1 2 ( 2) y 0
1 4 x 0
=
1 4 y 0
1 4 j 0 escalonando 1 4 j 0
1 4 j 0 ) 0 0 j 0
x
x + 4y = 0 ) y =
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 auto-
valor 2 = 2 V 2 = (1; 14 ) :
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 p
T (v) = v projn v
p = projn v
v n
p = n
n n
(x; y; z) (1; 1; 1)
p = (1; 1; 1)
(1; 1; 1) (1; 1; 1)
x+y z
p = (1; 1; 1)
3
x+y z x+y z x+y z
p = ; ;
3 3 3
T (v) = v p
x+y z x+y z x+y z
T (x; y; z) = (x; y; z) ; ;
3 3 3
2x y + z x + 2y + z x + y + 2z
T (x; y; z) = ; ;
3 3 3
Para calcular os autovalores de T devemos encontrar a matriz de T: Neste
caso,
2 2 1 1
3
3 3 3
6 7
6 7
[T ] = 6
6 3
1 2
3
1
3
7
7
4 5
1 1 2
3 3 3
p( ) = det([T ] I) = 0
22 1 1
3
3 3 3
6 7
6 7
det 6
6 3
1 2
3
1
3
7=0
7
4 5
1 1 2
3 3 3
120
3 2
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 1 1
32 3 2 3
3 3 3 x 0
4 1 2 1 54
y 5=4 0 5
3 3 3
1 1 2
3 3 3
z 0
cuja matriz ampliada ,
2 2 1 1
3 2 2 1 1
3
3 3 3 j 0 3 3 3 j 0
4 escalonando
3
1 2
3
1
3 j 0 5 4 0 1
2
1
2 j 0 5
1 1 2 =)
3 3 3 j 0 0 0 0 j 0
2 1
3x 3y+ 13 z = 0
1 1
2y + 2z
=0
2x y+z =0
y+z =0
y = z
x = z
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.
2 2 1 1
32 3 2 3
3 1 3 3 x 0
4 1 2
1 1 54 y 5 = 4 0 5
3 3 3
1 1 2
3 3 3 1 z 0
2 1 1 1
32 3 2 3
3 3 3 x 0
4 1 1 1 54
y 5 = 4 0 5
3 3 3
1 1 1
3 3 3
z 0
121
2 1 1 1
3
3 3 3
4 1 1 1 5
3 3 3
1 1 1
3 3 3
2 1 1 1
3 2 1 1 1
3
3 3 3 3 3 3
4 1 1 1 5 escalonando 4 0 1 0 5
3 3 3 =)
1 1 1
3 3 3 0 0 0
1 1
3x + 13 z = 0
3y
y=0
0 x y+z =0
y=0
y = 0
z = x
122
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 1 = 2:
123
(a) Se = 0 autovalor de T , mostre que T no injetora.
(b) A recproca verdadeira? Ou seja, se T no injetora, = 0
autovalor de T ?
(c) Quais so os autovalores e autovetores do operador derivao D :
P2 ! P2 ; D(p) = p0 :
1 0 0 1
15. Seja T : M (2; 2) ! M (2; 2) com autovetores v1 = ; v2 = ,
0 0 0 0
1 0 0 0
v3 = e v4 = associados aos autovalores 1 = 1; 2 = 1;
1 0 1 1
a b
3 = 2; 4 = 0; respectivamente. Determine T :
c d
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.
Seja o operador linear D : P1 ! P1 dado por D(p) = x:p0 + p0 .Determine
os autovalores e autovetores de D:
124
18. Sejam A; B 2 M (n; n) matrizes triangulares com a mesma diagonal prin-
cipal. 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:
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
126
coordenadas de terreno, obtidas atravs de um sistema deduzido atravs de ob-
servaes 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 dig-
ital de imagens, ou na modicao ou no controle de imagens ( brilho constante
e georeferenciamento ) ou ainda no armazenamento da imagem na forma ma-
tricial; utilzam-se tpicos abordados pela lgebra Linear, como sistemas de
equaes lineares e operaes com matrizes.
(xi ; y i ) = f (xi ; yi ; zi ; U )
127
Figura 5.1: Figura 1
p
Fazendo A = x2v + yv2 + zv2 ; e se A 6= 0 podemos obter a equao do plano
projetante (segundo as convenes adotadas) da seguinte forma: Da frmula da
128
Figura 5.2: Figura 2
x = t(xi xv ) + xv
y = t(yi yv ) + yv (5.2)
z = t(zi zv ) + zv
129
Para determinarmos a interseo entre a reta e o plano projetante colocamos os
valores de (5.2) na equao (5.1) do plano, ou seja:
RA A2
t= (5.4)
xv (xi xv ) + yv (yi yv ) + zv (zi zv )
Com t; xi ; yi ; zi ; xv ; yv e zv conhecidos, e usando novamente as equaes
(5.2) determinamos as coordenadas x; y e z da projeo do ponto P no plano
projetante. Nessa fase estamos exatamente como a Fig 3.
Figura 3
130
xv R
x0 =
A
yv R
y0 = (5.5)
A
zv R
z0 =
A
que so as coordenadas da origem do sistema xyz (g 5.2). Esse sistema nos
particularmente interessante pois o plano xy o prprio plano projetante.
O que nos resta a fazer , portanto, uma transformao de coordenandas, ou
seja, determinar as coordenandas dos pontos projees em relao ao novo sis-
tema xyz: Para isso, devemos determinar as componentes dos vetores unitrios
! ! !
i ; j e k no sistema xyz:
A interseo do plano projetante com o plano xy uma reta cuja equao
encontrada fazendo-se z = 0 em (5.1). Isso nos leva a:
RA xv x
y= (5.6)
yv
cujo grco est na Fig 4. O vetor diretor dessa reta tem componentes dadas
por:
! RA RA RA RA
w = (0; ; 0) ( ; 0; 0) = ( ; ; 0) (5.7)
yv ; xv xv yv ;
!
o vetor i um vetor unitrio e portanto
! 1
i = !! w
jwj
! 1 RA RA
i = r ( ; ; 0)
RA
2
RA
2 xv yv ;
xv + yv ;
! 1 1 1
i = q ( ; ; 0)
1
+ 1 xv yv ;
x2v yv2
! 1
i = p ( yv ; xv ; 0) (5.8)
x2v + yv2
! !
O vetor unitrio k tem sua determinao imediata pois o versor do vetor 00
131
(ver Fig 2 e equao 5.5)
!
! 00 1 xv R yv R zv R
k = ! = ; ;
xv R yv R zv R A A A
00 A ; A ; A
! 1
k = p (xv ; yv ; zv )
x2v + yv2 + zv2
! 1
k =(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
2
xv yv zv 3
A A A
! 6 p yv x
p 2v 2 07
j = det 4 x2v +yv2 xv +yv 5 (5.10)
! ! !
i j k
! 1
j = p zv xv ; zv yv ; x2v + yv2 (5.11)
A x2v + yv2
O sistema denido por es vetores unitrios no propriamente o nosso sitema
xyz e sim ele a menos de uma translao (Fig 5). Essa translao dever apenas
anular o vlaor da componente em o que no importa para ns j que estamos
interessados nas componentes x e y apenas.
O que temos que fazer agora determinar a matriz mudana de base da base
n! ! !o ! ! !
= i ; j ; k para a base = i ; j ; k ; ou seja, [I] Esta matriz nos
permitira
n! ! !o
= i ; j ; k = f(1; 0; 0); (0; 1; 0); (0; 0; 1)g
! ! !
= i; j;k
( )
1 1 1
= p ( yv ; xv ; 0) ; p zv xv ; zv yv ; x2v + yv2 ; (xv ; yv ; zv )
x2v + yv2 A x2v + yv2 A
Portanto 2 3
p yv p xv
0
x2v +yv2 x2v +yv2
6 2 7
[I] = 6 pxv 2+yv 2 7
2
zv xv
4 px2 +y2 p z2v yv 2 5
v v xv +yv xv +yv
xv xv zv
A A A
132
[v] = [I] [v]
2 3
2 3 p 2yv 2 p xv
0 2 3
x 6 xv +yv x2v +yv2
7 x
4y 5 = 6 p zv xv p z2v yv 2 x2v +yv2
p 7 4y 5
4 x2 +y2 xv +yv x2v +yv2 5
z v
xv
v
xv zv z
A A A
133
dentre os diversos modelos estruturais (exvel, semi-rgido e rgido). Resulta-
dos 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 Ele-
mentos Finitos,
Autovalores, Autovetores.
1. INTRODUO
Sabe-se que o dcit habitacional brasileiro cresce a cada ano, concentrando-
se 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 in-
dustrializada 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 lig-
aes assumem um comportamento intermedirio, ou semi-rgido, o qual pode
ser perfeitamente caracterizado com base em determinadas grandezas associ-
adas 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 especi-
camente 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, princi-
palmente 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 qua-
tro 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 apli-
cao 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
deste tipo de problema.
2. O CICLO BSICO NA ENGENHARIA E O PROBLEMA DE
AUTOVALOR
O problema clssico de autovalores e autovetores, principalmente no que
tange a utilizao de operaes matriciais, est diretamente relacionado com
o ensino da disciplina lgebra Linear, oferecida correntemente aos alunos de
graduao no ciclo bsico da Faculdade de Engenharia da UERJ, FEN/UERJ.
O ensino da disciplina lgebra Linear no oferece nenhuma interao com
o ciclo prossional da engenharia e nenhum tipo de recomendao no que diz
respeito a sua extrema relevncia na aplicao prtica desses conceitos sobre os
problemas reais de engenharia. Tal fato no s desestimula o aluno de graduao
em engenharia, como tambm ocasiona um aprendizado de baixa qualidade,
propagando decincias tcnicas que sero sentidas, sem sombra de dvida, no
decorrer do curso.
Ainda hoje, a didtica de ensino adotada nas disciplinas do ciclo bsico sobre
o problema clssico de autovalores e autovetores baseada em mtodos estri-
tamente conceituais e matemticos. Tal metodologia apresentada a seguir,
respaldada por uma breve reviso sobre as denies de autovalor e autove-
tor, como visto tradicionalmente na disciplina de lgebra Linear, LIPSCHUTZ
(1977), NETTO e ADO (1995).
Seno vejamos: Seja T uma transformao linear em um espao vetorial real
V aplicada a um corpo |. Denomina-se autovalor o escalar real pertencente
a | ( 2 |) se, para esta transformao linear T , existe um vetor no-nulo
pertencente a V ( 2 V ) para o qual:
T (v) = (5.12)
Todo vetor no-nulo que satisfaa a equao 5.12 chamado autovetor
de T correspondente ao autovalor . Portanto, sendo A uma matriz quadrada
de ordem nxnsobre um corpo |, existe um autovalor se, para uma matriz
coluna vn 1 , denominada autovetor, A = verdadeiro.
Obs: Nos cursos de engenharia geralmente utilizamos como corpo | o corpo
dos nmeros reais, ou seja, no nosso caso | = RPara a obteno dos autovalores,
reescreve-se a equao 5.12 de modo que ( I A) = 0, que admitir v 6= 0
como soluo se, e somente se, det(A I) = 0: A expresso det(A I) = 0
denominada equao caracterstica, onde I a matriz identidade.
A contribuio mais relevante deste trabalho de pesquisa caracterizar que
o ensino do problema de autovalor como feito no ciclo bsico da engenharia,
de acordo com o exposto acima, absolutamente contrrio ao que se deveria
informar a um futuro engenheiro. No h relao alguma entre os termos espec-
cos (tais como, espao vetorial, corpo, etc.), utilizados no ensino da disciplina
de lgebra Linear e as grandezas empregadas correntemente na engenharia.
Ressalta-se que esses elementos tm o mesmo signicado das grandezas conheci-
das usualmente pelo engenheiro. Alm disso, em nenhum momento existe um
indicativo de onde e como o aluno de graduao, deve utilizar esses conceitos,
extremamente relevantes para a vida prtica de um prossional da rea, SILVA
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 ma-
tricial de movimento tal que,
M V + KV = 0 (5.13)
onde, M a matriz de massa, K a matriz de rigidez, V o vetor das aceleraes
e V o vetor dos deslocamentos.
As equaes que tornam possvel a resoluo do problema de autovalor, cujo
sistema vibra livremente e sem amortecimento, so as seguintes:
1
M K $20i I i =0 (5.14)
onde i o i-simo modo de vibrao, com i variando de 1 a n. A equao
5.14 verdadeira, para qualquer i , se
1
det M K $20i I = 0 (5.15)
onde I representa a matriz identidade.
A equao 5.15 comumente designada como equao caracterstica e suas
razes so os valores caractersticos, ou autovalores, e correspondem ao quadrado
das freqncias naturais de um sistema estrutural, $20i : A cada uma dessas razes
corresponde um vetor caracterstico, i , ou autovetor, que representa o modo
de vibrao do referido sistema.
Deve-se ressaltar, novamente, que o problema clssico de autovalores ab-
solutamente essencial para a compreenso e anlise de estruturas simples, tais
como trelias, vigas, prticos, placas, etc, como tambm de sistemas estruturais
mais complexos, dentre os quais podem ser citados os seguintes: edicaes res-
idenciais, pontes rodovirias e ferrovirias, torres de ao de telecomunicaes e
de transmisso de energia, estdios de futebol, passarelas de pedestres, edifcios
altos, plataformas o-shore, etc.
136