Escolar Documentos
Profissional Documentos
Cultura Documentos
2 Edio
Florianpolis, 2011
Governo Federal
Presidente da Repblica: Dilma Vana Rousseff
Ministro de Educao: Fernando Haddad
Coordenador Nacional da Universidade Aberta do Brasil: Celso Costa
Comisso Editorial
Antnio Carlos Gardel Leito
Albertina Zatelli
Elisa Zunko Toma
Igor Mozolevski
Luiz Augusto Saeger
Roberto Corra da Silva
Ruy Coimbra Charo
Laboratrio de Novas Tecnologias - LANTEC/CED
Coordenao Pedaggica
Coordenao Geral: Andrea Lapa, Roseli Zen Cerny
Ncleo de Formao: Nilza Godoy Gomes
Ncleo de Pesquisa e Avaliao: Claudia Regina Flores
Ficha Catalogrfica
K88a Kozakevich, Daniel
lgebra Linear I / Daniel Norberto Kozakevich, Sonia Elena
Palomino Castro Bean. 2. ed. Florianpolis : UFSC/EAD/CED/
CFM, 2011.
250 p. : il. ; grafs. , tabs.
Inclui bibliografia
UFSC. Licenciatura em Matemtica na Modalidade a Distncia
ISBN 978-85-8030-023-9
2. Sistemas Lineares................................................................ 73
2.1 Preliminares................................................................................. 75
2.2 Sistemas Lineares........................................................................ 80
2.3 Decomposio LU..................................................................... 108
Resumo . ...........................................................................................114
Bibliografia Comentada...................................................................115
1.1 Matriz
As matrizes so estruturas matemticas que podem ser encontra-
das em muitos problemas do nosso dia-a-dia. Por isso, neste cap-
tulo, iniciaremos o estudo das matrizes com um problema vindo
do nosso cotidiano.
Temperatura
Cidade Cidade Hora
(C)
1 -3 1 3
2 14 2 5
3 5 3 7
4 16 4 9
5 20 5 11
Temperatura
Hora Hora Cidade
(C)
3 -3 3 1
5 14 5 2
7 5 7 3
9 16 9 4
11 20 11 5
H 3 5 7 9 11
T (C) -3 14 5 16 20
H T (C)
3 -3
5 14
7 5
9 16
11 20
H 3 5 7 9 11
T (C) -3 14 5 16 20
3 3
5 14
3 5 7 9 11
A= 7 5 e B= .
3 14 5 16 20
9 16
11 20
14
a22 = 14.
b14 = 9.
A = aij
mn
A = (aij ) mn .
1 + 1 1 + 2 1 + 3 2 3 4
A= = .
2 + 1 2 + 2 2 + 3 3 4 5
16
i j , i = 1, 2
bij = .
0, i = 3
Soluo. Observe que no h nenhuma condio para os ndices j,
isto , j est variando conforme o nmero de colunas que a matriz
tem. J na 3 linha (i = 3) todos os elementos sero nulos. Assim
sendo, a matriz B dada por:
11 12 13 14 1 1 1 1
B = 21 22 23 24 = 2 4 8 16 .
0 0 0 0 0 0 0 0
0 1 2 3 4
1 1 7 2
3 8 0 0 0 1
A = 0 9 B = e C= ,
1 3 3 2 6 1 3 9
5 2
3 5 0 0 9
L = [1 2 3 4] M = (0 0 1 8).
1 1 1
Exemplo 3: Considere a matriz B = 1 1 2 .
3 7 0
1 0 0
0 0
D = 0 3 0 E= .
0 0 6 0 1
Tambm:
s31 = z = 0 = s13,
e de forma similar:
s41 = 1 = t = s14 .
Assim,
t = 1.
Tambm,
s32 = z = w = s23 ,
w = 0.
Por ltimo,
s11 = a e s22 = b,
0 2 6
0 1
A= B = 2 0 4
1 0 6 4 0
21
0 2 0 1
2 0 0 0
S= .
0 0 0 0
1 0 0 0
1) A troca de uma linha (ou coluna) por outra linha (ou coluna);
Exemplos:
0 1
E1 = .
1 0
1 0 0 0
1 0 0 1 0 0
A= B=
0 2 1 0 1 0
0 0 0 1
O smbolo matemtico .
lido para todo. Na relao
dada, i, j lido para todo A expresso
i e para todo j.
aij = bij , i, j
0 2 0 1 s11 2 0 1
2 0 2 t 2 y 2 t
A= S=
0 2 0 0 0 2 0 0
1 t 0 0 1 t 0 0
a11 = 0 = s11
a22 = 0 = s22 = y ,
da resulta:
y = 0.
Tambm,
a24 = t = s24 = t ,
com isso:
t .
Mais,
a42 = t = s42 = t
2t = 0,
24
que implica:
t = 0.
1 1 1 1 1
Observao. As matrizes A = e B= possuem os mes-
1 1 1 1 1
mos elementos, mas no so iguais, voc pode justificar o porqu?
1 1 1 1
b 1 b 1
A= ser simtrica?
1 b 1 1
1 1 b b
Notao. C = A + B.
A + B = aij + bij
mn
0 2 0 1 s11 2 0 1
2 0
2 t 2 y 2 t
Exemplo 8. Se A = e S= , calcu-
0 2 0 0 0 2 0 0
1 t 0 0 1 t 0 0
le C = A + S para t , y e s11 quaisquer nmeros reais.
25
Escalar
Dado o escalar , o produto da matriz A pelo escalar uma matriz
Na maioria dos casos, um da mesma ordem cujos elementos foram multiplicados pelo valor .
nmero real . pos- Em outras palavras, se A = aij e , o produto de A pelo es-
svel, tambm, tomarmos mn
os escalares como nmeros calar uma matriz C de elementos cij com cij = aij para todos os
complexos, . Os es- valores i, j definidos na matriz A. Isto :
calares podem ser tomados
de qualquer sistema numri- C = cij , tal que cij = aij , i, j.
mn
co no qual podemos somar,
subtrair, multiplicar e dividir
de acordo com as leis habi- Notao. C = A = aij .
mn
tuais da aritmtica.
Exemplo 9. Multiplique a matriz I 4 pelo escalar = 2.
Soluo.
1 0 0 0 2 0 0 0
0 1 0 0 0 2 0 0
C = I 4 = 2 =
0 0 1 0 0 0 2 0
0 0 0 1 0 0 0 2
t
cij = aik bkj .
k =1
26
t
Notao: C = AB = aik bkj .
k =1 34
2 3 4
Exemplo 10. Seja a matriz A = 3 4 5 e a matriz B, de ordem
4 5 6
3 4 com elementos bij = i j. Obter a matriz produto C = AB.
2 3 4 1 1 1 1
A = 3 4 5 e B = 2 4 8 16 .
4 5 6 3 9 27 81
3
cij = aik bkj , i = 1, ,3, j = 1, , 4.
k =1
Primeira linha:
Segunda linha:
guintes propriedades:
1) Propriedades da Adio
A1) Comutatividade: A + B = B + A;
A2) Associatividade: ( A + B) + C = A + ( B + C );
A1) Comutatividade: A + B = B + A
A + B = aij + bij
mn mn
= aij + bij
mn
= (aij + bij ) .
mn
( x + y ) = ( y + x) , com x, y
temos:
= (bij + aij )
mn
= bij + aij
mn
= B + A.
Logo,
A + B = B + A.
A2) Associatividade: ( A + B ) + C = A + ( B + C ).
A + B = aij + bij
mn
( x + y ) + z = x + ( y + z ) com x, y, z .
Temos, ento:
= aij + (bij + cij ) .
mn
= A + ( B + C ).
Logo,
( A + B ) + C = A + ( B + C ).
A + O = aij + 0 = (aij + 0) .
mn mn
x + 0 = x com x .
Ento,
aij + 0 = aij , i, j.
Com isso,
aij + 0 = aij = A.
mn mn
Logo,
A + O = A.
A + ( A) = aij + (aij ) .
mn
x + ( x) = 0 com x .
Ento,
aij + (aij ) = 0, i, j.
Assim,
aij + (aij ) = [0] mn = O.
mn
Logo,
A + ( A) = O.
M1) ( A) = ( ) A;
M2) ( A + B) = A + B;
30
M3) ( + ) A = A + A;
M4) 1 A = A.
Observao. Quando trabalhamos com matrizes, pode acontecer a Voc observou as diferenas
necessidade de multiplic-las pelo escalar zero, dando como resulta- entre o zero escalar e a
matriz zero, denotada pela
do a matriz nula. Isto , . letra O ?
O A = 0 aij
mn
= 0 aij
mn
= [0] mn
= O.
M3) ( + ) A = A + A.
( + ) A = ( + ) aij
mn
= ( + ) aij .
mn
( x + y ) z = xz + yz
= ( aij ) + ( aij )
mn
= aij + aij .
mn mn
= aij + aij
mn mn
= A + A.
Logo,
( + ) A = A + A.
M4) 1 A = A.
31
1 A = 1 aij
mn
= 1 aij
mn
= (1 aij ) .
mn
P3) ( A + B) C = AC + BC ;
= AC + BC .
Logo,
( A + B) C = AC + BC .
P4) ( AB) = ( A) B = A ( B ).
t
( AB) = [aik ]mt [bkj ]tn = (aik bkj ) .
k =1 mn
Usando a propriedade do somatrio:
n n
c xi = cxi , c: constante,
i =1 i =1
temos:
t
= (aik bkj ) .
k =1 mn
Da propriedade associativa dos nmeros reais:
( xy ) z = x ( yz ) com x, y, z .
Temos:
t
( aik ) bkj .
k =1 mn
E, pela definio de produto de matrizes e produto de uma matriz
por um escalar,
= ( A) B.
Logo,
( AB) = ( A) B.
33
1 0 1 1
Exemplo 11. Dadas as matrizes A = e B = 1 0 , a matriz
0 1
1 1 1 1
produto AB = , entretanto BA = , verificando que
1 0 1 0
AB BA.
Na literatura tambm Seja A = aij , a matriz transposta de A, denotada por A', aquela
mn
usual encontrarmos a
transposta de uma matriz matriz obtida trocando-se as linhas pelas colunas de A. Isto :
T
denotada como A ou
t
A , mas usaremos tal A = a ji .
n m
notao pelo fato de ser a
forma como trabalharemos
computacionalmente com 1 2 3
Por exemplo, se A = , a matriz transposta uma matriz
alguns softwares como 4 5 6 23
MATLAB ou SCILAB,
durante as nossas aulas ou de ordem 3 2 dada por:
no ambiente virtual.
1 4
A ' = 2 5 .
3 6 32
1 1 1 x
x 0 = 1 0 .
Isso ser vlido apenas se x = 1.
1) ( A ') ' = A;
4) ( A) ' = A ', .
Prova da Propriedade 3
p
AB = aik bkj
k =1 mn
= [cij ] mn .
35
Assim:
p
cij = aik bkj .
k =1
( AB) ' = [c ji ] nm
p
= a jk bki (1)
k =1 n m
Pode-se verificar que:
p p
b
k =1
jk aki = a jk bki .
k =1
(2)
p
B ' A ' = b jk aki
k =1 n m
(deixamos a voc a tarefa de pesquisar a propriedade do somatrio
usado), substituindo (2) e (1):
p
( AB) ' = b jk aki .
k =1 nm
Logo,
( AB) ' = B ' A '.
Exemplo 13. Prove que toda matriz quadrada pode ser colocada
como a soma de uma matriz simtrica com outra anti-simtrica.
Ento,
A + A'
B= .
2
Ento:
A A'
C= .
2
Assim,
A + A' A A'
A= + .
2 2
Ap =
A
A
p vezes
37
Exemplo 14. Seja A = [aij ]n, com aij = i j, calcule A3, para p = 2,3, 4.
Se n = 2,
0 1
A= .
1 0
Assim,
0 1 0 1 1 0
A2 = AA = = .
1 0 1 0 0 1
Se p = 3 ,
1 0 0 1 0 1
A3 = AAA = A2 A = = .
0 1 1 0 1 0
Deixamos como exerccio calcular A4.
Observaes:
Por exemplo, se
1 1 1 0
0 0 2 5
A= Tr ( A) = 1 + 0 + 7 + 5 = 13.
3 4 7 1
0 0 0 5
38
1) Tr ( A + B) = Tr ( A) + Tr ( B);
2) Tr ( A) = Tr ( A);
3) Tr ( A ') = Tr ( A);
4) Tr ( AB) = Tr ( BA).
Prova da Propriedade 1
Tr ( A + B) = Tr ( A) + Tr ( B)
= Tr ( A) + Tr ( B ).
Exerccios Resolvidos
1 1 7
1) Dada a matriz A = , encontre a sua transposta.
0 5 2 23
Soluo.
1 0
A ' = 1 5 .
7 2 32
39
n n n
b) (ai + bi ) = ai + bi ;
i =1 i =1 i =1
n n
c) bi ak = ak bi ;
i =1 i =1
n m m n
d) bij = bij .
i =1 j =1 j =1 i =1
1 2 1 1 0 3
A = 2 3 2 , B = 2 1 4 ,
1 4 5 3 1 17
encontre:
a) C = A + 2 B;
b) C = B 2;
c) tr ( A), tr ( B) e tr ( AB);
a) C = 2 A 3B.
da soma de matrizes;
41
da subtrao de matrizes;
do produto de matrizes.
1.4 Determinantes
1.4.1 Menor de uma Matriz: Mij
Dada uma matriz quadrada, A = [aij ] n , o menor da matriz A, deno-
tado por M ij, uma submatriz de ordem (n 1) obtida ao cancelar-
mos a linha i e a coluna j.
Assim, se:
Com:
Exemplo:
2 3 4 5 6
0 0 1 3 4
Se A = 2 1 3 2 0 ,
0 0 0 1 0
1 1 1 1 1
42
0 1
A= , ento det ( A) = (0)(0) (1)(1) = 1.
1 0
Similarmente, se:
1 2 3
B = 4 5 6 , ento:
7 8 9
Ou:
Aij = (1) i + j M ij .
2 3 4 6
0 0 1 4
Exemplo 15. Se A = , calcule A44, A11, A31, A33, A14, A23 e A32.
0 0 0 0
1 1 1 1
Soluo.
2 3 4
4+ 4
A44 = (1) M 44 = (+1) 0 0 1 = 0
0 0 0
0 1 4
1+1
A11 = (1) M 11 = (+1) 0 0 0 = 0
1 1 1
3 4 6
3+1
A31 = (1) M 31 = (+1) 0 1 4 = 19 18 = 1
1 1 1
2 3 6
3+ 3
A33 = (1) M 33 = (+1) 0 0 4 = 12 8 = 4
1 1 1
0 0 1
A14 = (1)1+ 4 M 14 = (1) 0 0 0 = 0
1 1 1
2 3 6
2+3
A23 = (1) M 23 = (1) 0 0 0 = 0
1 1 1
44
2 4 6
3+ 2
A32 = (1)
M 32 = (1) 0 1 4 = (18 14) = 4
1 1 1
+ +
+
+ +
a11 a12
det ( A) = = a11 a22 a21 a12
a21 a22
= a11 | M 11| + a12 ( | M 12 |)
= a11 (a22 a33 a32 a23 ) + a12 (a23 a31 a33 a21 ) + a13 (a21 a32 a31 a22 )
1 2 3
Por exemplo, se A = 4 5 6 o determinante usando a segunda
7 8 9
linha dado por:
= 4( M 21 ) + 5(+ M 22 ) + 6( M 23 )
= 24 60 + 36 = 0.
Permutao
Dados os n nmeros (ou n objetos distintos) uma permutao des-
ses nmeros (ou objetos) consiste em disp-los em uma determina-
da ordem.
Nmero de Permutaes
Dados os nmeros 1 e 2 h duas permutaes, (1 2) e (2 1), ou seja, 2!
permutaes.
Inverso
o nmero de mudanas necessrias em uma permutao para vol-
t-la sua posio ordenada inicial.
J = J ( j1 j2 jn ).
J (1 2 3) = 0, J (1 2 3 4) = 0 e J (3 2 1) = 3.
Permutao N de inverses
12 J (1 2) = 0
21 J (2 1) = 1
48
Se n = 3, considere os nmeros 1, 2 e 3.
Permutao N de inverses
123 J (1 2 3) = 0
132 J (1 3 2) = 1
213 J (2 1 3) = 1
231 J (2 3 1) = 2
312 J (3 1 2) = 2
321 J (3 2 1) = 3
Permutao N de inverses
1234 0
1243 1
1324 1
1342 2
1432 3
1423 2
2134 1
2143 :
2314 :
2341 :
2431 :
: :
Determinante
Definio. Dada a matriz de ordem n, A = aij , o determinante de
n
A definido por:
Se n = 2, ento = 2, assim:
det ( A) = (1) J ( j1 j2 )
a1 j1 a2 j2 = (1)0 a11 a22 + (1)1 a12 a21 = a11 a22 a12 a21.
Se n = 3 , = 6 e, assim:
det ( A) = (1) J ( j1 j2 j3 ) a1 j1 a2 j2 a3 j3
= (1)0 a11a22 a32 + (1)1 a11a23 a32 + (1)1 a12 a22 a33 + (1) 2 a12 a23a31 + (1) 2 a13a21a32 + (1)3 a13a22 a31
= a11a22 a33 + a12 a23 a31 + a13 a21a32 a13 a22 a31 a11a23 a33 a12 a21a33
Exerccio 18.
Propriedades do Determinante
det ( A) = 0;
Se k = 1 , l = 2 e n = 2:
2
a
i =1
1i A2i = a11 A21 + a12 A22 .
51
Assim, se
1 2
A= ,
3 4
ento:
A21 = 2 e A22 = 1,
dessa forma:
2
a
i =1
1i A2i = 1(2) + 2 (1) = 0.
2 1 3 4 1 1 2 1
3 2 1 0 3
2 4 5 3 0 2
A= , B= , C = 2 1 4 .
2 2 1 0 1 1 2 2
6 1 17
2 1 3 1 1 2 1 1
a c + 2a a c
A= , B= .
b d + 2b b d
1 2
Se B = , ento, os cofatores so:
2 4
Assim,
4 2 4 2
Adj ( B ) = = .
2 1 2 1
2 1 0
A = 3 1 4 .
1 6 5
pois:
1 4
A11 = (1)1+1 det = 5 24 = 19
6 5
3 4
A12 = (1)1+ 2 det = (15 4) = 19
1 5
3 1
A13 = (1)1+3 det = 18 1 = 19
1 6
1 0
A21 = (1) 2+1 det = (5 + 0) = 5
6 5
2 0
A22 = (1) 2+ 2 det = 10 0 = 10
1 5
2 1
A23 = (1) 2+3 det = (12 1) = 11
1 6
53
1 0
A31 = (1)3+1 det = 40 = 4
1 4
2 0
A32 = (1)3+ 2 det = (8 0) = 8
3 4
2 1
A33 = (1)3+3 det = 2+3= 5
3 1
Assim,
Adj ( A) = Cof ( A) '
19 19 19
= 5 10 11
4 8 5
19 5 4
= 19 10 8 .
19 11 5
19 5 4 2 1 0
Adj ( A) A = 19 10 8 3 1 4
19 11 5 1 6 5
19 0 0
= 0 19 0
0 0 19
1 0 0
= 19 0 1 0
0 0 1
= det( A) I 3
54
Demonstrao.
n n n n n
a1 j A1 j a 1j A2 j a 1j A3 j a 1j A(n 1) j a 1j Anj
j =1 j =1 j =1 j =1 j =1
n n n n n
a2 j A1 j a 2 j A2 j a 2 j A3 j a 2j A(n 1) j a2 j Anj
j =1 j =1 j =1 j =1 j =1
n n n n n
a3 j A1 j a3 j A2 j a3 j A3 j a 3j A(n 1) j a A
3 j nj
= j =1 j =1 j =1 j =1 j =1
n n n n n
a(n 1) j A1 j a( n 1) j
A2 j a( n 1) j
A3 j a( n 1) j
A(n 1) j a(n 1) j Anj
j =1 j =1 j =1 j =1 j =1
n n n n n
anj A1 j anj A2 j anj A3 j a nj A(n 1) j anj Anj
j =1 j =1 j =1 j =1 j =1
Usando a Propriedade 8 dos determinantes nos elementos fora da
diagonal principal, temos:
n
a1 j A1 j 0 0 0
j =1
n
0 a 2j A2 j 0 0
j =1
A Adj ( A) = n
0 0 a 3j A3 j 0
j =1
n
0 0 0 anj Anj
j =1
n
det ( A) = akj Akj , para cada k = 1, 2, , n,
j =1
isto :
det ( A) 0 0 0
0 det ( A) 0 0
A Adj ( A) = 0 0 det ( A) 0 ,
0 0 0 det ( A)
= det ( A) I n .
Adj ( A) A = det ( A) I n .
AB = BA = I n .
Notao. B = A1.
1 1
2 1 2 6
Por exemplo, se A = , a matriz B = a respectiva
0 3 0 1
3
matriz inversa, pois:
1 0
AB = BA = .
0 1
Por outro lado, temos por hiptese que A inversvel, ento existe
B tal que AB = I, assim:
2 1 1 2
matrizes A = e B= , podemos afirmar que apenas
0 3 2 4
A possui inversa.
Como obtermos A1 ?
AA1 = A1 A = I .
Adj ( A) Adj ( A)
A = A = I n.
det ( A) det ( A)
Adj ( A)
A1 = .
det ( A)
2 1 1
Exemplo 21. Se A = , encontre A .
0 3
1 5 4
19 19
A = 1 10
1 8 .
19 19
1 11 5
19 19
Se A e B so inversveis, ento:
1) ( AB ) 1 = B 1 A1;
2) ( A1 ) 1 = A;
3) ( At ) 1 = ( A1 )t ;
1
4) det ( A1 ) = .
det ( A)
Prova da Propriedade 1
( AB) 1 = B 1 A1
Como:
A A1 = I e B B 1 = I .
( B B 1 ) A1 = I A1.
B ( B 1 A1 ) = A1,
e multiplicando esquerda por A:
A ( B ( B 1 A1 )) = A A1.
59
( AB) 1 = ( B 1 A1 ).
AA1 = A1 A = I .
Operaes Elementares
1) A troca de uma linha (ou coluna) por outra linha (ou coluna);
a) li l j ;
b) li ;
c) l j li + l j .
Seja A uma matriz, se uma (ou vrias) operao elementar for efetu-
ada nessa matriz, obteremos uma matriz diferente, a qual denotare-
mos por . Assim, o processo efetuado ser denotado por:
operao ( es )
A
elementar ( es )
Exemplos:
0 1
= .
1 0
l1 l2
I 2 .
1 0 6 1
0 1 0 0
= .
6 0 4 0
0 1 0 1
1 0 6 1
0 1 0 0
(2 )I3
A .
6 0 4 0
0 1 0 1
1 8 2
B = 0 1 0 ,
5 1 3
3 24 6
15 2 9 = B
l2 (3)l3 + l2
B 3l1
5 1 3
1 3 3
C = 0 1 1 .
1 2 0
Exemplos:
0 1 5 0 3
0 1 0
A1 = , A2 = 0 0 0 1 2 .
0 0 0 0 0 0 0 0
1 1 0 0 1 1 0 0
1 1 0 0 0 1 0 0
1 1 0 1 1 0
B = 0 1 0 , C = , D = 1 0 0 , E = .
0 0 1 3 0 1 1 1
0 0 1
0 0 1
0 0 0 1 0 0 0 0
Exerccio 25.
Observaes:
1 2 3 4
0 0 1 1
A=
1 2 0 0
1 1 9 3
Soluo.
1 2 3 4 1 2 3 4 1 2 34
0 0 7
0 1 1 l3 l1 + l3 0 1 1 l2 l4 0 1 4
l2 3
1 2 0 0 l4 l1 + l4
0 0 3 4
3 0 0 3 4
1 1 9 3 0 3 12 7
0 0 1 1
1 2 3
4 1 2 3 4
7 7
l4 l3
0 1 4 l4 3l3 + l4
0 1 4
3 l4 3 = .
0 0 1 1 7 0 0 1 1
0 0 3 4 0 0 0 1
1 0 0 0
0 1 0 0
E2 = .
0 0 1 0
1 0 0 1
65
l
Similarmente, as operaes elementares l2 l4 e 2 originam as ma-
3
trizes elementares:
1 0 0 0
1 0 0 0 1
0 0 0
1 0 0 0
E3 = , E4 = 3 .
0 0 1 0 0 0
1 0
0 1 0 0
0 0 0 1
1 2 3 4 1 2 3 4
0 0 1 1 0 0 1 1
E1 A = e E2 ( E1 A) = E2 ,
0 0 3 4 0 0 3 4
1 1 9 3 1 1 9 3
isto ,
1 2 3 4
0 0 1 1
E2 E1 A = .
0 0 3 4
0 3 12 7
Similarmente,
1 2 3 4 1 2 3 4
0 0 1 1 0 3 12 7
E3 ( E2 E1 A) = E3 =
0 0 3 4 0 0 3 4
0 3 12 7 0 0 1 1
1 2 3
4
7
0 1 4
e E4 E3 E2 E1 A = 3 .
0 0 3 4
0 0 1 1
66
1 2 3 4
7
0 1 4
E7 E6 E5 E4 E3 E2 E1 A = 3 ,
0 0 1 1
0 0 0 1
Ek E3 E2 E1 A = I.
A1 = Ek E3 E2 E1.
1 2 3 4
1 2 3 4
0 7
0 1 1 0 1 4
A= operaes
3 .
1 2 0 0 elementares
0
0 1 1
1 1 9 3
0 0 0 1
Como E7 E6 E5 E4 E3 E2 E1 A = , ento
1 2 3 4
1 2 3 4
7 0
0 1 4 l3 l4 + l3 1 4 0 l1 4l4 +l1
3 7 l
0 l2 4 + l2 0 0 1 0 l2 4l3 +l2
0 1 1 3
0 0 0 1
0 0 0 1
1 2 3 0 1 0 0 0
0
0 l1 3l3 +l1 0
1 0 1 0 0
= I.
0 0 1 0 l1 2l2 +l1 0 0 1 0
0 0 0 1 0 0 0 1
Temos, ento:
E13 E12 E8 E7 E1 A = I,
e, assim,
Isto ,
BA = I A1 = B.
68
8 18 17 2
7 7 21 3
4 9 19 1
7 7 21 3 .
A1 = E13 ...E8 ...E1 =
1 4 1
0
7 7 7
1 3 1
0
7 7 7
Observaes:
Um Mtodo Prtico
Soluo.
8 18 17 2
7 7 21 3
4 9 19 1
7 7 21 3
assim: A1 = .
1 4 1
0
7 7 7
1 3 1
0
7 7 7
70
2 1
a) da matriz A = .
0 3
1 0 0 0
0 0
1 0 1 0
b) das matrizes A = e B = .
0 2 1 0 1 0
0 0 0 1
1 1 2 1
2 3 0 2
B= .
1 1 2 2
1 2 1 1
1 0 3
C = 2 1 4 .
6 1 17
71
Resumo
Neste Captulo inserimos os conceitos bsicos que serviro de base
para o estudo dos prximos Captulos deste Livro. Em particular,
quando falamos de matrizes voc, alm de lembrar alguns conceitos
j aprendidos no ensino mdio, foi levado reflexo e observao de
propriedades antes desconhecidas, com a inteno de despertar a
sua capacidade lgica e, por que no dizer, a sua capacidade de abs-
trao, uma preparao aos conceitos que sero vistos no captulo
dos espaos vetoriais.
<http://pt.wikibooks.org/wiki/Matem%C3%A1tica_Elementar:_Matrizes>.
Esse material de apoio,
bem como algumas Ainda, julgamos importante fornecer voc um resumo simplificado
atividades, pode ser
encontrado no ambiente das propriedades estudadas at o momento. Ele poder servir como
virtual de aprendizagem. material de apoio para o desenvolvimento dos exerccios de prova.
Comutatividade: A + B = B + A;
Associatividade: A + ( B + C ) = ( A + B ) + C ;
Elemento neutro: A + O = A ;
Elemento oposto: A + ( A) = O.
Distributividade: ( A + B) = A + B;
Distributividade: ( + ) A = A + A;
Associatividade: ( A) = ( ) A;
0 A = O.
Produto de Matrizes
A ( BC ) = ( AB) C ;
A ( B + C ) = AB + AC ;
( A + B) C = AC + BC ;
( A ') ' = A;
se B = bij ;
n p
( A) ' = A ',, .
Tr ( A) = Tr ( A);
Tr ( A) = Tr ( A ');
Tr ( AB) = Tr ( BA).
73
( A1 ) 1 = A;
( At ) 1 = ( A1 )t ;
1
det ( A1 ) = .
det ( A)
Bibliografia Comentada
BOLDRINI, Jos et al. lgebra linear. 3. ed. So Paulo: Harbra, 1980.
Esse livro possui mltiplos exemplos e problemas prticos que voc pode
resolver e, assim, acrescentar sua prtica. Tambm, so apresentados
algumas aplicaes e problemas de matrizes e sistemas lineares.
Essa referncia muito til para aplicar os conceitos usando alguns recursos
computacionais, assim como os detalhes de algumas provas teis de seu
interesse.
Captulo 2
Sistemas Lineares
Captulo 2
Sistemas Lineares
Neste captulo, voc estudar conceitos e mtodos de reso-
luo de sistemas lineares que sero usados nos prximos
captulos. Para tal, como motivao lembraremos de algu-
mas questes da Geometria Analtica que nos ajudaro na
A regra de Cramer um visualizao de certos casos que conduziram caracteri-
teorema em lgebra linear zao de sistemas lineares no plano e no espao. Tambm,
que d a soluo de um
sistema de equaes
consideramos que voc conhea os mtodos convencionais
lineares em termos de de resoluo de duas ou trs equaes com duas ou trs
determinantes. Recebe esse incgnitas e a aplicao a regra de Cramer nesses casos.
nome em homenagem a
Gabriel Cramer A partir disso, levamos ao questionamento de o que fazer
(1704-1752). em casos onde esses mtodos no so aplicveis.
2.1 Preliminares
Antes de iniciarmos, lembraremos de alguns conceitos de geometria
analtica que sero importantes para entender melhor o contedo
que ser dado neste captulo.
a = (a1 , a2 , a3 ).
z
P(x, y,z)
a=OP(x,y, z)
0 y
x
Figura 2.1. O ponto P e o vetor a.
76
Eixo x
x = {x 3 / x = (1, 0, 0), }
x a = (1,0,0)
Eixo y
y = {y 3 / y = (0,1, 0), }
x a = (0,1,0)
Eixo z
z = {z 3 / z = (0, 0,1), }
a
y
a = (0,0,1)
x
Figura 2.4. O eixo coordenado z.
77
Plano XY
ou xy = {(x, y, z) / z = 0}
y
xy
x
Figura 2.5. O plano xy .
Plano YZ
ou yz = {(x, y, z) / x = 0}
yz
Plano XZ
ou xz = {(x, y, z) / y = 0}
xz
No espao, seja uma reta qualquer que passa pelo ponto O vetor diretor, como o
P0 (x 0 , y 0 , z 0 ) com vetor diretor a = (a1 , a2 , a3 ). Ento, se t um nome j diz, determina a
direo da reta.
parmetro, um ponto P(x, y, z) de dado por:
x = x 0 + ta1;
y = y 0 + ta2 ;
z = z 0 + ta3.
z = 2 + 0t = 2 z = 2
79
z=2
x y
Figura 2.8. Grfico da reta do Exemplo 1.
: ax + by + cz = d
: x + y + z =1
(0,0,1)
(0,1,0) y
x (1,0,0)
: x+y+z=1
Figura 2.9. Plano definido pela face de tetraedro com vrtice na origem.
80
1
2
x
Figura 2.10. A reta obtida como interseo de dois planos.
ax + by = c (1)
y y y
1
P 1= 2 1
2 2
x x x
a) 12= P b) 1= 2 c) 1//2
Planos em 3
Um plano
ax + by + cz = d (2)
x
Figura 2.12. O plano no espao.
82
Dois planos
z
z z yz
1//2
1=2 2
1 y
y y
x x xy
x
a) 1= 2 b) 12= c) yzxy= y
Trs Planos
z z
yz
1
2
0
y y
xz 3
xy
x x
xyxzyz={0} 123=
Figura 2.14. Planos concorrentes num ponto. Figura 2.15. Planos no concorrentes.
z xz x
3
1
xy
xy123xz= x
y
a11x1 + a12 x 2 = b1
a21x1 + a22 x 2 = b2 ,
Assim, se
A mn = [a ij ]mn , X n1 = [x ij ]n1 e Bn1 = [bij ]n1,
A mn X n1 = Bm1,
ou, simplesmente,
AX = B (SLm),
i) 9 x y = 2 , ii) 2 x y + 3 z = 1, iii) x + y + z = 1
x + 4y = 0 xz =0
y + 7z = 2
85
3x y + z = 4 (1)
x + 7 y 2z = 1 (2)
2x + 6 y z = 5 (3)
3 1 1
Tambm, se A = 1 7 2 , observamos que det (A) = 0, ento o
2 6 1
mtodo de Cramer no pode ser usado! Voc sabe por qu?
86
5x + 5 y = 9 5x + 5 y = 9
ou (5)
z = 2x + 6 y 5 2x + 6 y z = 5
Notao: p(A)
1 3 5
A = 0 1 2 .
0 2 4
Se n = 1,
[a 21 ] = 0 e h outras no nulas.
Se n = 2,
3 5 0 1
escolhemos A1 = e A 2 = 0 2 dentre outras possveis.
1 2
Calculamos agora os respectivos determinantes:
3 5 0 1
det = 11, det = 0.
1 2 0 2
Se n = 3, nesse caso a nica submatriz a matriz dada com
det(A) = 0.
Notao: nul(A)
nul(A) = n p.
88
Observaes:
, B
Por exemplo, sejam A, B e C trs matrizes e A suas respec-
eC
tivas formas reduzidas:
1 1 0 0
1 0 0
0 1 0 0 1 1 0 = 0 1 2 ,
A= , B = 0 e C
0 0 0 0 0 0
0 0 1
0 0 0 0
1 2 2 0 1
1 3 5 1 1 0 1 0
a) A = 0 1 2 , b) B = .
0 0 1 1 1
0 2 4 33
1 5 4 1 2 45
89
Soluo.
1 3 5
a) A = 0 1 2 ; aps escalonamento, obtemos a matriz
0 2 4
1 3 5
= 0 1 2 .
A
0 0 0
Assim,
p(B) = 3 e nul(B) = 5 3 = 2.
De fato, p(A) = 3.
90
Assim, se A operaes
A so equi-
, dizemos que as matrizes A e A
elementares
valentes. Por exemplo, se
1 2 3 1 2 3
= 0 0 1 e
A = 0 0 1 , A
1 2 0 0 0 0
3 24 6 1 8 2
B= , B= ,
15 2 9 0 118 39
e B, B
ento, as duplas de matrizes A, A e
so equivalentes, pois A
B foram obtidas aps um processo de operaes elementares.
Notao: A u = [A B].
x + 3 y + 5z = 1
x + 2 y + 7z = 2
2y + z = 3
dada por:
1 3 51
A u = 1 2 7 2 .
0 2 1 3
Sistemas Equivalentes
=B
Dois sistemas, AX = B e AX , so ditos equivalentes se as matri-
= [A
zes aumentadas dos mesmos, A u = [A B] e A B]
, so matrizes
u
equivalentes.
92
x + 3 y + 5z = 1 x + 3 y + 5z = 1
x + 2 y + 7 z = 2 (SLg1) e y + 2 z = 1 (SLg2).
2y + z = 3 z =1
equivalentes.
7
y = 1, z = 1. Isto , X = 1 , agora pedimos que voc verifique o
1
resultado!
AX = B.
Determinado, se p = n .
Indeterminado, se p < n.
a) x + y = 1 b) x + y = 1
x + y = 2 x + y = 1
Soluo.
A X = B
1 1 x 1
1 1 y = 2
1 11 l2 l2 +l1 1 11
A u = [A B] = = Au
1 1 2 0 0 1
94
1 1 x 1
1 1 y = 1
1 1 1 op. elem. 1 1 1
A u = [A B] = 0 2 0 = A u .
1 1 1
x + y = 1
.
2y = 0
Assim,
x = 1
.
y=0
Portanto,
x 1
X= =
y 0
a soluo do sistema dado.
Observaes:
x + y = 1,
x
[1 1] = [1].
y
Nesse caso, m = 1, n = 2 e p(A) = p(A u ) = 1. Voc saberia dizer por
qu?
Representando matricialmente:
x 1 + r 1 1
X= = = + r , r .
y r 0 1
96
x 2 x 1 1
/ = + r , r .
y y 0 1
1 1
X1 = ou X 2 = .
0 2
Exerccio Resolvido
1) Dado o sistema:
x1 + x2 x4 = 0
x1 x3 + x4 = 2
x2 + x3 x4 = 3
x1 + x2 2 x4 = 1
2 x1 + x2 x3 x4 = 3
Encontre:
d) A caracterizao do sistema;
Soluo.
b) Escalonando Au = [A B],
1 1 0 1 0 1 1 0 1 0
0 1 1 2 2
1 0 1 1 2 l l +l
2 1 2
l4 l1 + l4 l3 l2 + l3
0 1 1 1 3
l 2 l + l
0 1 1 1 3
l5 l2 + l5
5 1 5
1 1 0 2 1 0 0 0 1 1
2 1 1 1 3 0 1 1 1 3
1 1 0 1 0 1 1 0 1 0
0 1 1 2 2 0 1 1 2 2
0 0 0 1 1
l4 l3 + l4
0 0 0 1 1 ,
l5 ll24 +l5
0 0 0 1 1 0 0 0 0 0
0 0 0 1 1 0 0 0 0 0
assim:
p = p(A) = 3 e nul(A) = 1;
c) g(A) = n p = 4 3 = 1;
e) O sistema equivalente
x1 + x2 x4 = 0
x2 + x3 2 x4 = 2
x4 = 1
3+ r
4 r
X= , r ,
r
1
98
3+ r 3 1
4 r
4 1
S = X = , r = + r , r .
r 0 1
1 1
0
x2 + r 2(1) = 2 (5)
x2 + r = 4
x2 = 4 r
x1 + x2 = 1 (6)
x1 4 r = 1
x1 = 3 + r
99
x1 3 + r
x 4 r
X = 2 = , r .
x3 r
x4 1
em (1)
x1 + x2 x4 = 0
s + x2 (1) = 0
x2 = 1 s
em (2)
x2 + x3 2 x4 = 2
s 1 + x3 2(1) = 2
x3 = s + 1 4
x3 = 3 s
1 1 0
1 1 1
X = + r + s , r , s .
0 0 2
1 0 0
X = X p + t1X1 + t2 X 2 + + t g X g ,
101
Exerccios Resolvidos
2) Verifique que o seguinte sistema indeterminado e que a solu-
o pode ser colocada como a soma de uma soluo particular
e uma combinao linear de solues bsicas:
10 x2 4 x3 + x4 = 1
x1 + 4 x2 x3 + x4 = 2
3 x1 + 2 x2 + x3 + 2 x4 = 5
2 x1 8 x2 + 2 x3 2 x4 = 4
x1 6 x2 + 3 x3 = 1
1 4 1 1 2
1 4 1 1 2
0 10 4 1 2 1 1
1 0 1
l3 l3 3l1 l3 l2 + l3 5 10 10
0 10 4 1 1 = Au
l4 l4 + 2 l1
l5 l2 + l5 0 0 0 0 0
l5 l5 l1 l2
0 0 0 0 0 10
0 0 0 0 0
0 10 4 1 1 0
0 0 0 0
102
x1 + 4 x2 x3 + x4 = 2 (1) (1)
2 1 1
x2 x3 + x4 = (2) (2)
5 10 10
2 3 1 1
x2 x + x4 =
5 10 10
(4)
1 2 1
x2 = + s r
10 5 10
x1 + 4 x2 x3 + x4 = 2
(5)
A soluo geral :
8 3 3
5 5 5
1 2 1
X = + s + r , s, r
10 5 10
0 1 0
0 0 1
8 3 3
5 5 5
1 , e uma combinao linear dos vetores (matrizes) coluna 2 1
10 5 e 10 .
0 1 0
0 0 1
1 4 6 1
2 8 12 X = 2
2 3 1 0
x1 + 2 x2 x3 = 0
x1 + 3 x2 = 0
x1 x2 x3 = 0
x1 + 2 x2 x3 = 0
x2 + x3 = 0
x3 = 0
0
X = 0 .
0
14
11
X = tX1 = t 13 , t .
11
1
Propriedades
A(X p + X h ) = AX p + AX h.
106
Sendo que
AX h = O e AX p = B,
ento,
A(X p + X h ) = O + B
=B
1 2A 1 xX1 1B
1 3 0 x = 0
2 (1)
1 1 1 x3 0
A X B
AX = O , (2) (2)
1
X p = 1 3 .
4 3
107
Assim,
1
X = X p + X1 = 1 3 .
4 3
0 10 4 1 1
1 x1
4 1 1 2
x2
3 2 1 2 = 5 (1)
x3
2 8 2 2 x 4
1 6 3 0 4 1
8 3 3
5 5 5
1 2 1
X = + s + t , s, t .
10 5 10
0 1 0
0 0 1
3 3
5 5
2 1
X h = s + t , s, t .
(2) (2)
5 10
1 0
0 1
108
a) Obtenha:
i) X n para t = s = 1.
ii) X h para t = 2 e s = 1.
2.3 Decomposio LU
Algumas vezes, muito til fatorar um nmero natural em um pro-
duto de outros nmeros naturais (por exemplo, 6 = 2 3 , 45 = 3 3 5
etc.). Dessa mesma forma, pode ser muito til fatorar ou decompor
uma matriz como o produto de duas ou mais matrizes. Um exemplo
disso o seguinte:
3 1 1 0 3 1
9 5 = 3 1 0 2 . Embora o escopo desse
texto aborde apenas a
decomposio LU, voc
O que voc observa? H alguma caracterstica especial em cada uma deve saber que existem
das matrizes da fatorao dada? outros tipos de fatorao de
matrizes, igualmente teis:
fatorao QR, fatorao de
A decomposio de matrizes geralmente usada na resoluo de sis- Cholesky etc. Esses tpicos
so muito ricos e existem
temas de equaes lineares pelo mtodo da eliminao de Gauss, e vrias referncias que
particularmente adequada para implementao em computadores. apresentam esses assuntos.
109
Vejamos como podemos realizar tal fatorao, seja qual for a ordem
da matriz. Para tal, considere um sistema de equaes lineares da
forma AX = B, em que A uma matriz de ordem n.
2 1 3 2 1 3 2 1 3
A = 4 1 3 0 3 3 = U.
0 3 3
2 5 5 0 6 8 0 0 2
E 3 E 2 E1A = U.
1 0 0 1 0 0 1 0 0
E1 = 2 1 0 , E 2 = 0 1 0 , E 3 = 0 1 0 .
0 0 1 1 0 1 0 2 1
E k E 2 E1A = U.
LUX = B.
Y = UX ou UX = Y.
Nas duas situaes, voc pode reparar que foram resolvidos dois sis-
temas numa forma recursiva. Vejamos isso com o seguinte exemplo.
2 1 3 2
de matrizes. Use a matriz A = 4 1 3 e B = 0 .
2 5 5 5
isto :
1 0 0 2 1 3
A = 2 1 0 0 3 3 ,
1 2 1 0 0 2
temos LY = B ou
1 0 0 2 y1
2 1 0 Y = 0 , onde Y = y .
2
1 2 1 5 y3
Assim,
y1 = 2 2
y2 = 4 Y = 4
y3 = 5 + y1 + 2 y2 = 11 11
Agora, resolvendo UX = Y,
112
2 1 3 2
0 3 3 X = 4
0 0 2 11
11
2 x3 = 11 x3 =
2 35
6
41 41
3x2 = 4 + 3x3 x2 = X=
6 6
11
70 35 2
2 x1 = 2 x2 3 x3 = x1 =
6 6 35
6
41
A soluo do sistema dada pelo vetor X = .
6
11
2
Pratique agora!
Observaes:
Exerccios Propostos
1) Para cada sistema dado, encontre:
v) a soluo, se existir.
a) 2 x + y + 3 z + 4 w = 1 b) x1 + x2 + 2 x3 x4 = 0
3 x + 2 y + 4 z + 5w = 1 2 x1 + 3 x2 2 x4 = 0
2x + 2 y + z = 0 x1 + x2 + 2 x3 + 2 x4 = 0
2 x + y + 3 z + w = 1 x1 + 2 x2 + x3 + x4 = 0
c) x + 3z = 1
2x y + 4z = 1
6 x y 17 z = 1
a) 2 x + y - 2 z + 3 w = 1 b) x1 -2 x 2 +3 x 3 - 2x 4 = 0
3 x + 2 y- z +2 w = 4 3 x1 - 7 x 2 -2 x 3 + 4x 4 = 0
3x+3y+3z-3w=5 4 x1 +3 x 2 + 5 x 3 +2 x 4 =0
c) x + 2 y - 3 z = -1 d) x+2y-3z=0
3 x -y +2 z = 7 2 x + 5 y +2 z = 0
5 x + 3 y -4 z = 2 3x-y-4z=0
3) Dado o sistema
x+y-z=1
2 x + 3 y +a z = 3
x + a y +3 z = 2
2 1 5
A= , B = 1 .
2 5
0 0 1 2 1
1 1 3
2 1
A= , B = .
0 2 1 1 0
1 1 1 0 1
Resumo
Neste captulo, trabalhamos conceitos e mtodos fundamentais para
resolver sistemas lineares de tipo retangular, isto , aqueles em que a
matriz de coeficientes tem um nmero de linhas no necessariamente
igual ao nmero de colunas. Fornecemos os conceitos que podem ser
aplicados em sistemas de ordem maior ou igual a quatro, onde os m-
todos convencionais ficam difceis de serem aplicados.
Bibliografia Comentada
BOLDRINI, Jos et. al. lgebra linear. 3. ed. So Paulo: Harbra, 1980.
Com esse livro, voc pode pesquisar e aprofundar alguns dos contedos
aqui fornecidos.
Nesse livro, voc pode encontrar uma gama de exerccios para acrescentar
sua prtica.
Essa referncia muito til para aplicar os conceitos usando alguns recursos
computacionais.
Captulo 3
Espaos Vetoriais
Captulo 3
Espaos Vetoriais
3.1 Introduo
3.1.1 Definio
Seja V um conjunto no vazio, K um corpo + e , duas opera-
Em lgebra abstrata, um
es que chamaremos soma e produto por escalar, respectivamente.
corpo uma estrutura
algbrica na qual esto Dizemos que o objeto (V , K, '+ ', ' ') um espao vetorial (EV) (ou que
definidas as operaes de V um espao vetorial sobre o corpo K ) se, e somente se, verifi-
adio e multiplicao,
que cumprem com as pro-
cam-se os seguintes axiomas:
priedades associativa, co-
mutativa e distributiva. EV1) A soma uma composio interna em V , isto , se u, v V ,
ento u + v V .
EV3) ...
Isto o que voc pode esperar, em geral, quando se procura por O matemtico Hermann
Grassmann (1809-1877)
uma definio de espao vetorial nos textos de lgebra Linear.
geralmente creditado como
o primeiro a introduzir
Para o leitor, que est comeando com AL, esta definio pode ser a idia de EV, em 1844.
Porm, uma pessoa que
formal demais para introduzir a idia de EV. Em algum momento, realmente o estudou foi
dever valorizar o rigor matemtico da forma como a definio est o matemtico italiano
sendo colocada acima, e gradativamente adot-lo. Giuseppe Peano (1852-
1932), que em seu livro
Clculo Geomtrico, tornou
Agora, tomaremos um caminho alternativo para entender este con- claro o trabalho anterior
ceito com maior facilidade. Valer-nos-emos, para isso, de exemplos de Grassmann e descreveu
as propriedades para um
de conjuntos (que so espaos vetoriais) com os quais voc j tem EV da maneira como hoje
alguma familiaridade. o conhecemos. O livro de
Peano tambm digno
de nota por introduzir
Consideremos os seguintes conjuntos: o conjunto de vetores operaes em conjuntos,
no plano 2 , o conjunto formado pelas funes f : , cujas anotaes so: , e
(que ainda usamos).
denotado por F () , e o conjunto das matrizes quadradas de ordem
m com coeficientes reais, que denotaremos por M mm .
x
x = 1 ,
x2
que um outro vetor que possui a mesma direo que x e que pode
ter o sentido e comprimento mudado dependendo do valor de .
121
x y x +y
x+y = 1 + 1 = 1 1 .
x2 y2 x2 + y2
2
Salientamos o fato de que x 2 e x + y .
x x+y
(0,0)
( f + g )( x) = f ( x) + g ( x).
( f )( x) = ( f ( x)),
y y
3f (x,2f(x)) (x, f(x)+g(x))
(x, f(x)) g
f+g
(x, g(x))
(x,0)
f (x, f(x))
x
(x,0)
2f f
(x,3f(x))
Figura 3.2 - A soma de funes e o produto por escalar.
3.1.4 Matrizes
Podemos somar duas matrizes quadradas de ordem n ( M nn )
(as quais denotamos como A = (aij ) nn e B = (bij ) nn ), colocando
A + B = (aij + bij ) nn , que tambm uma matriz de M nn .
Para comear, voc pode ter percebido que: em todos os casos, a soma de um
par de elementos do conjunto e/ou a multiplicao de qualquer elemento por
um escalar resulta em outro elemento do mesmo conjunto.
1) x + y = y + x ;
2) x + (y + z ) = (x + y ) + z ;
123
5) ( x) = ( )x ;
6) ( + )x = x + x ;
7) (x + y ) = x + y ;
8) 1 x = x .
1) f + g = g + f ;
2) f + ( g + h) = ( f + g ) + h;
5) ( f ) = ( ) f ;
6) ( + ) f = f + f ;
7) ( f + g ) = f + g ;
8) 1 f = f .
1) A + B = B + A ;
2) A + ( B + C ) = ( A + B ) + C ;
5) ( A) = ( ) A ;
6) ( + ) A = A + A ;
7) ( A + B) = A + B ;
8) 1 A = A .
Observaes:
3.2.2 Propriedades
Dos oito axiomas que definem um espao vetorial, podemos deduzir
vrias outras propriedades. Alguma delas so relacionadas a seguir:
5) Para quaisquer , e u V , ( )u = u u .
6) Para quaisquer e u, v V , (u v ) = u v .
127
7) Para quaisquer , 1 , 2 , , n e u1 , u 2 , , u n V
n n
j u j = ( j )u j .
j =1 j =1
9) Se u + w = v + w, ento u = v.
3.2.3 Exemplos
Talvez o exemplo mais simples de espao vetorial seja o conjun-
to dos nmeros reais com a adio e multiplicao por escalar em
forma usual.
EV1) x + y = ( x1 + y1 , x2 + y2 , , xn + yn )T
= ( y1 + x1 , y2 + x2 , , yn + xn )T
=y+x
128
EV2) x + (y + z ) = ( x1 + ( y1 + z1 ), x2 + ( y2 + z2 ), , xn + ( yn + zn ))T
= ( x1 + y1 + z1 , x2 + y2 + z2 , , xn + yn + zn )T
= (( x1 + y1 ) + z1 , ( x2 + y2 ) + z2 , , ( xn + yn ) + zn )T
= (x + y ) + z
EV4) x + (x) = ( x1 , x2 , , xn )T + (( x1 , x2 , xn )T )
= ( x1 , x2 , , xn )T + ( x1 , x2 , , xn )T
= ( x1 x1 , x2 x2 , , xn xn )T
= (0, 0, 0)T
=0
EV5) ( x) = ( ( x1 , x2 , , xn )T )
= (( x1 , x2 , , xn )T )
= ( x1 , x2 , , xn )T
= ( x1 , x2 , , xn )T
= ( )x
EV6) ( + )x = ( + )( x1 , x2 , , xn )T
= (( + ) x1 , ( + ) x2 , , ( + ) xn )T
= (( x1 + x1 ), ( x2 + x2 ), , ( xn + xn ))T
= ( x1 , x2 , , xn )T + ( x1 , x2 , , xn )T
= x + x
EV7) (x + y ) = (( x1 , x2 , , xn )T + ( y1 , y2 , yn )T )
= ( x1 + y1 , x2 + y2 , , xn + yn )T
= ( ( x1 + y1 ), ( x2 + y2 ), , ( xn + yn ))T
= x + y
EV8) 1 x = 1 ( x1 , x2 , xn )T
= (1 x1 ,1 x2 ,1 xn )T
= ( x1 , x2 , , xn )T
=x
129
Se p ( x) = a0 + a1 x + a2 x 2 e q ( x) = b0 + b1 x + b2 x 2 esto em P2 , ento
p ( x) + q ( x) = (a0 + b0 ) + (a1 + b1 ) x + (a2 + b2 ) x 2 outro polinmio
que tem grau no mximo 2 e, portanto, est em P2 . Aqui dize-
mos que a soma entre vetores, ou a soma vetorial uma ope-
rao fechada.
= x y = x y = ( x) ( y )
para quaisquer x, y V e ;
131
Para a Soma
1) v + w V . A soma vetorial uma operao fechada em V .
Exerccios Propostos
1) Considere os vetores x1 = (8, 6)T e x 2 = (4, 1)T em 2 .
Esta seo introduz uma das idias mais importantes desta disci-
plina. Comeamos com um exemplo, vendo que h uma interao
entre geometria e lgebra e que freqentemente pode ser usada a
intuio geomtrica e lgica para introduzir propriedades e resolver
problemas. Agora, necessrio tornar-nos mais formais, estenden-
do este conceito para espaos vetoriais gerais. A noo de subespao
simplesmente uma generalizao algbrica de retas e planos que
passam pela origem.
135
3.3.1 Definio
Seja V um espao vetorial. Dizemos que W V , no vazio, um
subespao vetorial de V se forem satisfeitas as seguintes condies:
SE2) Se u, v W , ento u + v W .
Observaes:
ii) Se u, v W e ento u + v W .
3.3.2 Exemplos
Vejamos alguns exemplos:
x + y = ( x1 , x2 , x2 + x1 ) + ( y1 , y2 , y2 + y1 )
= ( x1 + y1 , x2 + y2 , x2 + y2 + x1 + y1 )
= ( z1 , z2 , z2 + z1 ) W.
( f + g )(t ) = f (t ) + g (t ) = f (t ) + g (t ) = ( f + g )(t ) e
(cf )(t ) = c( f (t )) = c( f (t )) = cf (t ) .
138
( x1 , x2 , x3 ) = ( x1 , x2 , x3 ) x1 + x2 + x3 = ( x1 ) + ( x2 ) + ( x3 ) = 0
O primeiro quadrante T = {( x1 , x2 ) / x1 0, x2 0} de 2 no um
subespao, desde que (1,1) T , porm (1)(1,1) = (1, 1) T .
T T
S
1 vS
2
u
v vS
u+v
u
u+vT T
uT
Figura 3.3 - No so subespaos.
139
x+v
v
2x
x
x
0
T 0.5x
x+v No subespao
S v subespao
K
K
H
HK
H+K
H
Teorema
1) Se u, v H , ento u + v H
Se u, v K , ento u + v K
Logo:
u+ vS = H K
141
2) Para qualquer :
Se v H , ento v H ;
Se v K , ento v K .
Logo:
v S = H K.
Ento, S = H K:
a 0
S = ; a .
0 0
Teorema
1) Se u1 , u 2 H , ento u1 + u 2 H
Se v1 , v 2 K , ento v1 + v 2 K
142
Logo:
(u1 + v1 ) + (u 2 + v 2 ) = (u1 + u 2 ) + ( v1 + v 2 ) H + K = S .
2) Para qualquer ;
Se u1 H , ento u1 H
Se v1 K , ento v1 K .
u1 + v 1 S .
Logo:
(u1 + v1 ) = u1 + v1 H + K = S .
Exemplo:
H = {(a, 0, c, 0);a, c }
K = {(0, b, 0, d); b, d }
Ento:
H + K = {(a, b, c, d); a, b, c, d } = 4
H K = {(0, 0, 0, 0) = 0}
Logo H K .
Exerccios Propostos
1) Considere os subconjuntos de 3 :
Exemplo 20. Determine espnul ( A) para cada uma das seguintes ma- Veremos outros exemplos
de espaos nulos na seo
trizes.
de Bases de um espao
vetorial.
2 0
a) A =
4 10
1 7
b) B =
3 21
Podemos observar que o espao nulo est descrito por todos os veto-
res associados aos pontos localizados na reta que passa pela origem
com equao x1 7 x2 = 0 .
Prova. Sabemos que este subespao est formado por todas as solu-
es do sistema homogneo Ax = 0 . Primeiro, deveramos conferir
que o vetor zero ( 0 ), que est em n soluo do sistema, e ento
deduziremos que o espao nulo no vazio, o que, neste caso, tri-
vial (qual o produto que deve ser feito para mostrar isto?). Logo, ao
saber que o espao nulo tem, no mnimo, um vetor, escolheremos dois
vetores x e y do espao nulo e um escalar , e conferiremos as leis
de composio interna.
A( x) = Ax = 0 = 0
Exerccios Propostos
1) Determine se cada conjunto a seguir ou no um subespao
de 2.
a) {( x1 , x2 )T / x1 + x2 = 0}
b) {( x1 , x2 )T / x1 x2 = 0}
c) {( x1 , x2 )T / x1 = 3 x2 }
d) {( x1 , x2 )T / x1 = 3 x2 + 1}
146
a) {( x1 , x2 , x3 )T / x1 + x3 = 1}
b) {( x1 , x2 , x3 )T / x1 = x2 = x3 }
c) {( x1 , x2 , x3 )T / x3 = x1 + x2 }
d) {( x1 , x2 , x3 )T / x3 = x12 + x2 2 }
1 1 1 2
1 2 3 1
b) d) 2 2 3 1
2 4 6 3 1 1 0 5
2 4 1 1
b) , e) ,
3 6 2 1
2 1 2
c) , ,
1 3 4
b) y [{x1 , x2 }] ?
148
a) {1, x 2 , x 2 2}
b) {2, x 2 , 2 x + 3}
c) {x + 2, x + 1, x 2 1}
d) {x + 2 x, x 2 1}
11) Em 22 , sejam
1 00 0 11
E = 1
E11 = E = 0
E12 =
11 0 00 12 0 00
0 0
00 00 00 00
E
E21 =
= E
E =
=
21 1 00
22
22
00 11
1
Mostre que E11 , E12 , E21 , E22 geram 22 .
c + 4c2 = 12
a) w = (12, 20)T = c1 (1, 2)T + c2 (4, 6)T 1 .
2c1 6c2 = 20
Se o sistema for consistente (isto , possuir no mnimo uma soluo),
ento w uma combinao linear de dois vetores; se no existir so-
luo, ento w no uma combinao linear.
Neste ponto, podemos dizer que sabemos como funciona uma com-
binao linear e responder quando um vetor combinao linear de
outro conjunto de vetores, e dessa forma, estamos em condies de
avanar para o principal conceito desta seo.
a) W um subespao de V.
1 0 0 0
c) v1 = , v2 =
0 0 0 1
d) v1 = 1, v 2 = x, v 3 = x3
a) V = n
b) V = M 22
c) V = Pn
Pense no que realmente Soluo. Necessitamos achar um conjunto de vetores, tal que o es-
precisa ser verificado! pao gerado por este conjunto seja exatamente o espao dado. Em
outras palavras, devemos mostrar que o espao gerado do nosso con-
junto seja, de fato, o mesmo que o espao vetorial dado.
152
O que deve ser feito para mostrar isso? Suponhamos que queremos
mostrar que A e B so dois conjuntos iguais. Para isto, primeiro de-
vemos mostrar que cada a em A tambm est em B, e ento mostra-
remos que B, no mnimo, conter totalmente o A. Analogamente, se
cada b em B est em A, B est contido em A. Portanto, se temos que
A contm B e B contm A, podemos concluir que A e B so o mesmo
conjunto.
1 0 0 1 0 0 0 0
v1 = , v2 = , v3 = , v4 = .
0 0 0 0 1 0 0 1
Claramente, qualquer combinao linear destas quatro matrizes ser
uma matriz 2 2 , e ento o espao gerado por estas matrizes deve
estar contido em M 22 .
a b
Por outro lado, dada qualquer matriz de M 22 , M 22
c d
pode ser escrita como uma combinao linear destes vetores.
a b
A= = av1 + bv 2 + cv 3 + dv 4 , e assim, todo M 22 deve estar
c d
contido no espao gerado por estes vetores, de tal forma que estes
vetores geram M 22 .
153
p = a0 + a1 x + a2 x 2 + + an x n
p = a0 v1 + a1 v 2 + a2 v 3 + + an v n+1 .
Em primeiro lugar, nos mostra que nem sempre podemos esperar Esta idia ser explorada na
que quaisquer trs vetores de 3 gerem todo 3. prxima seo.
3
Vamos considerar os seguintes vetores em
1 2 1
x1 = 1 , x 2 = 3 , x 3 = 3 .
2 1 8
.
A equao x 3 = 3x1 + 2x 2 pode ser reescrita na forma 3x1 + 2x 2 x 3 = 0 .
Como os trs coeficientes so diferentes de zero, podemos resolver
para qualquer um dos vetores em funes dos outros dois:
2 1
x1 = x 2 + x 3
3 3
3 1
x 2 = x1 + x 3
2 2
x 3 = 3x1 + 2x 2 .
c2 c
x1 = x 2 (c1 0) ou x 2 = 2 x1 (c2 0) .
c1 c1
No entanto, nenhum dos dois vetores em pauta mltiplo de outro.
Logo, [{x1 }] e [{x 2 }] so subespaos prprios de S e a equao
c1x1 + c2 x 2 = 0 s ser satisfeita se c1 = c2 = 0 .
1 1
Exemplo 25. Os vetores e so linearmente independentes,
1 2
1 1 0 c + c = 0
pois se c1 + c2 = , ento 1 2 . E a nica soluo
1 2 0 c
1 + 2 c2 = 0
desse sistema c1 = c2 = 0 .
u
u=0
0
independente dependente
O espao gerado por um nico vetor uma reta passando pela ori-
gem. Span{v} est formado por todos os mltiplos de v , que tm a
mesma direo de v . Os pontos extremos desses vetores esto sobre
uma reta cuja equao vetorial r = tv + r0 , onde t um escalar.
159
v
w
v
w
independente dependente
Que no outra coisa que a equao vetorial (1) anterior. Assim, ve-
mos que dois vetores linearmente independentes geram um plano
contendo esses vetores.
w
v v w
u u
independente dependente
1 3 2 0 1
1 1 1 1 0
AT = [ v1 v2 v3 v4 v5 ] = .
0 4 2 4 3
1 3 2 2 0
1 0 0 0 0
1 1 0 0 0
.
0 2 1 0 0
1 0 1 0 0
n
e v1 , v 2 , , v n so linearmente independentes, ento
S
k n.
163
1 3 2 0
.
1 1 1 1
A = [ v1 v2 v3 v4 ] = .
0 4 2 4
1 3 2 2
E agora a sua respectiva forma escalonada por colunas :
1 0 0 0
1 1 0 0
.
0 2 1 0
1 0 1 0
164
(1 + x) + ( x + x 2 ) + (1 + x 2 ) = 0 .
1 1 1 0 1 2 0 0
+ + = .
0 3 2 1 6 9 0 0
Esta equao equivalente ao sistema:
165
= 0
2 = 0
2 + 6 = 0
3 + + 9 = 0 ,
1 1 3 1 0 1 1 2
= + ,
0 3 2 2 1 2 6 9
ou tambm
1 2 1 1 1 0
= 2 + 3 ,
6 9 0 3 2 1
ou ainda
1 0 2 1 1 1 1 2
= + .
2 1 3 0 3 3 6 9
Exerccios Propostos
1) Determine se os vetores dados so ou no linearmente inde-
pendentes em 2 .
2 3 1 1 2
a) , d) , ,
1 2 2 2 4
2 4 1 1
b) , e) ,
3 6 2 1
2 1 2
c) , ,
1 3 4
2) Determine se os vetores so ou no linearmente independen-
3
tes em .
1 0 1 2 2 4
a) 0 , 1 , 0 d) 1 , 1 , 2
0 1 1 2 2 4
166
1 0 1 1 1 0
b) 0 , 1 , 0 , 2 e) 1 , 2
0 1 1 3 3 1
2 3 4
c) 1 , 2 , 2
2 2 4
1 0 0 1
a) ,
1 1 0 0
1 0 0 1 0 0
b) , ,
0 1 0 0 0 1
1 0 0 1 2 3
c) , ,
0 1 0 0 0 2
a) 1, x 2 , x 2 2 c) x + 2, x + 1, x 2 1
b) 2, x 2 , x, 2 x + 3 d) x + 2, x 2 1
Exemplo 30. Mostre que o conjunto S = {(1, 2)T , (3, 1)T } uma base
para 2 .
Estas equaes podem ser escritas matricialmente (em sua forma au-
mentada) como:
1 3 a 1 3 0
e .
2 1 b 2 1 0
168
gereo
1 3 a 0
.
1 (b + 2a ) 7 0
0
independncia linear
a b 1 0 0 1 0 0 0 0
A= = a + b + c +d = aE11 + bE12 + cE 21 + dE 22
c d 0 0 0 0 1 0 0 1
T T T
Exemplo 36. Mostre que o conjunto S = {(1, 2) , (3, 1) , (1, 0) } no
uma base para 2 .
Para mostrar que nem todo espao possui uma base, precisamos de-
cidir sob quais condies um espao vetorial dado possui uma base
ou no. O conceito de conjuntos de vetores geradores nos ajudar a
responder essa questo.
x = c1 v1 + c2 v 2 + + cn 1 v n-1 + cn v n .
w k = a1k v1 + a2 k v 2 + + ank v n , k = 1, 2, , n + 1 ,
a
k =1
c = 0 , j = 1, , n
jk k
1 um objeto unidimensional
2
um objeto bidimensional
3 um objeto tridimensional
1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0
S = , , , , , .
0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1
Exemplo 42. (Problema 2 do PB). Seja S = {(1, 0,3)T , (2,1, 4)T }. Ache
uma base T para 3 que contenha S .
3) O conjunto S gera V.
a (1, 1, 2)T + b(0,5, 8)T + c(3, 2, 2)T + d (8, 2, 0)T = (0, 0, 0)T (1)(1)
1 0 3 8 0 1 0 3 8 0
1 5 2 2 0 0 1 1 2 0 .
2 8 2 0 0 0 0 0 0 0
As solues so d = d , c = c, b = c 2d , a = 3c 8d . Temos duas
variveis livres.
sas operaes, temos que, se forem obtidas linhas de zeros, essas li-
nhas devem ser combinaes lineares das outras linhas do conjunto.
As linhas restantes (no nulas) resultam das combinaes lineares dos
vetores linearmente independentes do conjunto original. Ento, o es-
pao gerado pelas linhas no nulas o mesmo que o gerado por S .
Assim, as linhas no nulas, sendo independentes, formam uma base
para span( S ) e dim(span( S )) nmero de linhas no nulas.
1 1 2
1 1 2
8
0 5 8 0 1 5
3 2 2
0 0 0
8 2 0 0 0 0
8
T
T T
Exemplo 46. Sejam u1 = (2,1) e u1 = (1, 4) . Os vetores so line-
amente independentes, e portanto, formam uma base para 2 .
O vetor x = (7, 7)T pode se escrito como uma combinao linear
x = 3u1 + u 2 .
7
3u1
u2
4 x
u2 3u1
u1
2 4 6 7
Uma vez decididos a trabalhar com uma nova base, temos o proble-
ma de encontrar as coordenadas em relao a essa nova base. Por
exemplo, em vez de usarmos a base cannica para o 2 , usarmos
uma base diferente,
3 1
u1 = , u 2 = .
2 1
De fato, podemos mudar nos dois sentidos entre os dois sistemas de
coordenadas. Vamos considerar os dois problemas seguintes:
x =U (1)
3 1 7
Exemplo 47. Sejam u1 = , u 2 e x = . Encontre as coordena-
2 1 4
das de x em relao a [u1 , u 2 ] .
s s12
Se S = 11 a matriz de mudana de base de uma base or-
s21 s22
denada [ v1 , v 2 ] em 2 para outra base ordenada [u1 , u 2 ] , ento
5 7 3 1
v 1 = , v 2 = , u1 = , u 2 = .
2 3 2 1
Soluo. Precisamos escrever v1 e v 2 em termos dos elementos da
nova base u1 e u 2 ,
v1 = s11u1 + s21u 2
v 2 = s12u1 + s22u 2 .
184
5 3s + s
A primeira equao pode ser escrita como = 11 21 .
2 2 s11 + s21
A soluo desse sistema ( s11 , s21 )T = (3, 4)T . Analogamente, a se-
3 4
Portanto, S = a matriz de mudana de base de [ v1 , v 2 ]
4 5
para [u1 , u 2 ] .
E, portanto, U 1Vc = U 1x = d .
[v1,v2] V [e1,e2]
U1
U1V
[u1,u2]
1 1 3 3 8
[x]E = 1 1 0 2 = 5 e
0 0 1 1 3
1 1 3 1 8
[y ]F = 1 1 0 3 = 2 .
0 0 1 2 3
Voc pode verificar que
8u1 5u 2 + 3u 3 = 3v1 + 2 v 2 v 3
8u1 + 2u 2 + 3u 3 = v1 3v 2 + 2 v 2 .
Exemplo 52. Suponha que queremos mudar, em P2 , da base ordena-
da [1, x, x 2 ] para a base ordenada [1, 2 x, 4 x 2 2] .
Como
1 = 1 (1) + 0 ( x) + 0 ( x 2 )
2 x = 0 (1) + 2 ( x) + 0 ( x 2 )
4 x 2 2 = 2 (1) + 0 ( x) + 4 ( x 2 ) ,
1 0 1 2 a a + c 2
0 1 2 0 b = b 2 .
0 0 1 4 c c 4
Exerccios Propostos
1) Indique se os vetores dados no Exerccio 1 da pgina 165 for-
mam ou no base para 2 .
2 4 7
3) Considere os vetores x1 = , x 2 = , x 3 =
1 3 3
a) Mostre que x1 e x 2 formam uma base para 2 .
2 3 2
5) Considere x1 = 1 , x 2 = 1 , x 3 = 6
3 4 4
a) Mostre que x1 , x 2 , x 3 so linearmente dependentes.
a) x1 e x 2 geram 3 ? Explique.
1 2 1 2 1
9) Os vetores x1 = 2 , x 2 = 5 , x 3 = 3 , x 4 = 7 , x 5 = 1 geram
2 4 2 4 0
3 .
a) u1 = (1,1)T , u 2 = (1,1)T
14) Sejam v1 = (3, 2)T e v 2 = (4,3)T para cada uma das bases orde-
nadas [u1 , u 2 ] no exerccio 1, encontre a matriz mudana de
base de [ v1 , v 2 ] para [u1 , u 2 ] .
189
1 2 3 5
18) Considere v1 = , v 2 = , S = . Encontre vetores
2 3 1 2
w 1 e w 2 tais que S a matriz mudana de base de [w 1 , w 2 ]
para [ v1 , v 2 ] .
2 1 4 1
19) Considere v1 = , v 2 = , S = . Encontre vetores u1
6 4 2 1
e u 2 , tais que S a matriz mudana de base de [ v1 , v 2 ] para
[u1 , u 2 ] .
1 1
x1 = x3 x5
2 4
1 1
x 2 = x3 x5
2 4
x 3 qualquer um
1
x 4 = x5
2
x 5 qualquer um .
1
x3 x5 1
4
x1 2 4 2
1
x2 x3 x5 1
4
x = x3 = 2 4 = x3 2 + x5 = x u + x5 v .
0 3
1
x4 x5 1
x 2 0
5
x5 2
0
1
J que x 3 e x 5 so arbitrrios, temos que espnul ( A) = span{u, v} .
Alm disso, os seguintes argumentos mostram que u e v so line-
armente independentes. Para ter x3u + x5 v = 0 , a terceira e a quinta
coordenadas devem ser nulas, isto , x3 = x5 = 0 . Em conseqncia,
u e v formam uma base de espnul ( A) .
O que temos feito neste exemplo se aplica ao caso mais geral. Pode-
mos esboar um procedimento para achar a base do espao nulo.
Col[A] = span{[col 1], [col 2], [col 3], [col 4], [col 5]}
= span{[col 1], [col 2], [col 3], [col 4]}
= span{[col 1], [col 2], [col 4]}.
Por outro lado, se mantemos apenas [col 1], [col 2], [col 4], ento
1 3 0
1 1 1 ,
0 4 4
1 3 2
cuja forma escalonada
1 3 0
0 2 1
,
0 0 2
0 0 0
onde todas as colunas possuem piv. Ento, j que essas trs colunas
so linearmente independentes e geram col( A), conclumos que
1 3 0
1 1 1
espcol ( A) = span , , .
0 4 4
1 3 2
[col 2] de B = (0,1, 2, 0)
Exerccios Propostos
1) Para cada uma das matrizes a seguir, encontre uma base para
o espao linha, uma base para o espao coluna e uma base
para o ncleo.
1 3 2 1 3 2 1
a) 2 1 4 c) 2 1 3 2
4 7 8 3 4 5 6
3 1 3 4
b) 1 2 1 2
3 8 4 2
1 2 3 1 2 3 2
a) 2 , , 3 c) 1 , ,
2 2 2 , 1
2 4 6 2 4 5 3
1 1 2
b) 1 , 2, 3
1 3 1
1 2 2 3 1 4
3) Seja A = 2 4 5 5 4 9 .
3 6 7 8 5 9
a) Calcule a forma escalonada reduzida por linhas U de A .
Quais os vetores colunas de U que correspondem s vari-
veis livres? Escreva cada um desses vetores colunas como
uma combinao linear dos vetores colunas corresponden-
tes s variveis lderes.
1 1 2 1
1 2 4
a) A = , b = d) A = 1 ,
1 2 b = 2
2 4 8 1 1 2 3
0 1 2
3 6 1
b) A = , b = e) A = 1 0 , b = 5
1 2 1
0 1 2
1 2 5
2 1 4
c) A = , b = f) A = 2 4 , b = 10
3 4 6 1 2 5
Resumo
O conceito e as principais propriedades dos espaos vetoriais foram
definidos e desenvolvidos ao longo deste captulo.
Bibliografia Comentada
LAY, David C. lgebra linear e suas aplicaes. 2. ed. [S.l]: LTC, [200-?].
STEVE, Leon J. lgebra linear com aplicaes. 4. ed. [S.l.]: LTC, [200-?].
Este livro apropriado para alunos que tenham conceitos bsicos de matrizes
e tenham passado por um curso de Geometria Analtica. O estudante deve
estar tambm familiarizado com as noes bsicas de Clculo Diferencial
e Integral. Esta nova edio, ao mesmo tempo que mantm a essncia
das edies anteriores, incorpora uma srie de melhorias substanciais: -
Conjunto de Exerccios Computacionais em cada Captulo; - Mais Motivao
Geomtrica; - Nova Aplicao Envolvendo Teoria dos Grafos e Redes; -
Motivao Adicional para a Definio de Determinantes; - A seo sobre
Mudana de Base foi transferida para o Cap. 3; - Revises Importantes na
seo sobre Espaos Munidos de Produto Interno; - A seo sobre Normas
Matriciais foi transferida para o Cap. 7; - Nova Aplicao: Aproximao de
Funes por Polinmios Trigonomtricos; - Revises no Cap. 6.
Captulo 4
Transformaes Lineares
202
Captulo 4
Transformaes Linares
4.1 Introduo
Uma transformao linear uma aplicao que leva vetores de um
espao vetorial em outro espao vetorial.
(x)
x
Multiplicao por A
x y=Ax
Multiplicao por A
0
0
T (u) W
u
v T (v)
V u+v T (u+v) = T(u)+T(v)
u T (u) = T(u)
T (u + v ) = T ( x + y ) = ( x + y ) = x + y = T ( x) + T ( y ) = T (u) + T (v ) e
T ( u) = T ( x) = x = ( x) = T ( x) = T (u) ,
Dados u , v 2 , com u = ( x1 , y1 ) e v = ( x2 , y2 ).
1) T = (u + v ) = T ( x1 , y1 ) + ( x2 , y2 ) =
= T ( x1 , x2 , y1 , y2 ) =
= (2( x1 , x2 ), 0, ( x1 , x2 ) + ( y1 , y2 )) =
= (2 x1 , 0, x1 , x2 ) + 2( x2 , 0, x2 + y2 ) =
T = ( x1 , y1 ) + T ( x2 , y2 ) =
T = (u) + T ( v )
T ( u) =
= T ( ( x, y ) =
206
= T ( x, y ) =
= (2 x, 0, x + y ) =
= T ( x + y ) =
= T (u)
T ( x + y ) T ( x) + T ( y ).
x2
x1
x 2x
Exemplo 3. Considere a transformao T (x) = 2x = 2 1 = 1 ,
x2 2 x2
para todo x 2.
( x1, x2 )T (kx1 , x2 )T
0<k<1 k >1
( x1, x2 )T ( x1 , kx2 )T
0<k<1 k >1
b) Projeo (sobre o eixo OX )
Exemplo 4. Seja a TL definida por T = (x) = x1e1 .
x 1 x
Se x = 1 , temos T = (x) = x1 = 1 .
x2 0 0
208
x1 x1
c) Reflexes
Em relao ao eixo OX
( x1 , x2 )T ( x1 , x2 )T
x2 x2
x1
x1
1
1
Em relao origem
( x1 , x2 )T ( x1 , x2 )T
x2
1
x1
Reflexo em relao
origem
Em relao reta y = x ( x2 = x1 )
( x1 , x2 )T ( x2 , x1 )T
x2 x2
x2= x1
1
x1
x2= x1
x1
1
d) Rotaes
O operador T (x) = ( x2 , x1 )T roda cada vetor x 2 em 90 em
torno da origem, no sentido anti-horrio.
Analogamente,
x x cos x2 sen
Logo, a aplicao T (x) = 1 = 1 descreve a rotao
x2 x1 sen + x2 cos
de um vetor em um ngulo (nesse caso, no sentido anti-horrio).
sen
cos
cos
sen
Se considerarmos o caso particular com = , obteremos como re-
2
sultado novamente T (x) = ( x2 , x1 )T .
211
e) Cisalhamento Horizontal
x + ax2
O cisalhamento horizontal dado pela relao T (x) = 1 .
x2
Ele consiste na modificao da primeira coordenada do vetor
x
x= 1 .
x2
Cisalhamento horizontal
x2 x2
x1 x1
Cisalhamento vertical
x2 x2
x1 x1
f) Translao
a
Considere o vetor a = 1 e a seguinte aplicao:
a2
x +a
T ( x) = x + a = 1 1 .
x2 + a2
Esta no uma transformao linear a no ser que a seja o vetor
nulo.
212
De fato:
( x + y ) + a1
T (x + y ) = 1 1
( x2 + y2 ) + a2
x +a y
= 1 1 + 1
x2 + a2 y2
= T ( x) + y T ( x) + T ( y ) .
T (x + y ) = ( x2 + y2 , x1 + y1 , x1 , y1 , x2 , y2 )T
= ( x2 , x1 , x1 + x2 )T + ( y2 , y1 , y1 + y1 )T
= T ( x) + T ( y )
e
T ( x ) = ( x2 , x1 , x1 , + x2 )T
= ( x2 , x1 , x1 , + x2 )T
= T ( x ) .
De fato,
T ( x + y ) = A( x + y )
= Ax + Ay
= T (x) + T (y )
Podemos, ento, considerar cada matriz Amn como um operador
linear de n em m .
Expanso
2 x1 2 0 x1
T ( x) = 2 x = ou T (x) = Ax =
2 x2 0 2 x2
Projeo
x 1 0 x1
T (x) = x1e1 = 1 ou T (x) = Ax =
0 0 0 x2
Reflexes
x 1 0 x1
T (x) = 1 ou T (x) = Ax =
x2 0 1 x2
x1 1 0 x1
e T ( x) = ou T (x) = Ax =
x2 0 1 x2
Rotaes
x 0 1 x1
T (x) = 2 ou T (x) = Ax = e
x1 1 0 x2
x1 cos x2 sen cos sen x1
T ( x) = ou T (x) = Ax =
x1 sen + x2 cos sen cos x2
214
Cisalhamento Horizontal
x + ax2 1 a x1
T ( x) = 1 ou T (x) = Ax =
x2 0 1 x2
k 0
Considere a seguinte matriz (sendo k um escalar): A = .
0 k
Se T (x) = Ax , ento teremos:
a identidade se k = 1;
a transformao nula se k = 0 .
Reconhecer que uma TL pode ser definida por meio de uma matriz
nos permitir resolver facilmente vrias questes prticas e tericas.
Exerccios Propostos
1) Mostre que cada uma das aplicaes seguintes uma transfor-
mao linear de 2 em 2 . Descreva geometricamente o que
cada uma delas faz.
1
a) T (x) = ( x1 , x2 )T d) T (x) = x
2
b) T (x) = x1 e) T (x) = x2e 2
c) T (x) = ( x2 , x1 )T
a) T (x) = ( x2 , x3 )T c) T (x) = (1 + x1 , x2 )T
a) T ( A) = 2 A c) T ( A) = A + 1
b) T ( A) = AT d) T ( A) = A AT
a) T ( p ( x)) = xp ( x)
216
b) T ( p ( x)) = x 2 + px
c) T ( p ( x)) = p ( x) + xp ( x) + x 2 p '( x)
y
S(x)
) (x) x
+S
(T
T(x)
Figura. 4.12 - Soma de transformaes
reflexo rotao
1 0 0 1 x1 1 1 x1 x1 x2
+ = =
0 1 1 0 x2 1 1 x2 x1 x2
Para responder questo qual a operao entre as transformaes
lineares que corresponde ao produto de matrizes?, teremos de ser
um pouco mais cuidadosos.
( S T )( v ) = S (T ( v )) = S ( Bv ) = A( Bv ) = ABv = Cv
rotaa reflexo
0 1 1 0 x1 0 1 x1 x2
( S T )(x) = = =
1 0 0 1 x2 1 0 x2 x1
Calculemos agora T S
(T S )(x) = T ( S (x)) = T (( x2 , x1 )T = ( x2 , x1 )T ou
reflexo rotaa
1 0 0 1 x1 0 1 x1 x2
(T S )(x) = = =
0 1 1 0 x2 1 0 x2 x1
A definio da composio de transformaes lineares nos permiti-
r introduzir com facilidade a noo de transformao inversa e com-
pletar a equivalncia que fizemos anteriormente.
Teorema. Se B uma transformao inversvel, ento sua matriz canni- L-se: a matriz da
transformao inversa
ca tambm inversvel e .
a inversa da matriz da
transformao original
Exemplo 10. Determine se a projeo sobre o eixo das abscissas
uma TL inversvel.
1 0
Soluo. A matriz cannica dessa projeo , a qual no
0 0
inversvel, portanto uma projeo no inversvel. Esse um fato
curioso. Tentemos entender: uma projeo leva (esmaga) todos os
vetores de 2 sobre o eixo x ,
x
T (x) = x1e1 = 1 , x 2 .
0
Para desfazer esse efeito, ou seja, recuperar x = ( x1 , x2 )T precisa-
ramos de uma transformao que leve ( x1 , 0)T para x = ( x1 , x2 )T .
No entanto, existem infinitos candidatos para serem a imagem de
( x1 , 0)T sob essa hipottica transformao inversa, j que no temos
como determinar x2 no vetor imagem para cada ( x1 , 0)T no domnio
de T 1 .
x 1 0 x1
T (x) = x1e1 = 1 ou T (x) = Ax = .
0 0 0 x2
= T ( f ) + T ( g ).
T uma TL.
T ( p ( x)) = xp ( x) = a0 x + a1 x 2 + + an x n +1 .
T ( p + q) = x( p + q)( x) = x( p( x) + q ( x)) = xp ( x) + xq ( x) = T ( p ) + T (q )
Agora temos
x
Seja x = 1 = x1e1 + x2e 2 um vetor arbitrrio. Pela aplicao da trans-
x2
formao que estamos procurando sobre este vetor e usando a pro-
priedade anterior temos:
T ( x) = T ( x1e1 + x2e 2 )
= x1T (e1 ) + x2T (e 2 )
= x1 (2, 1, 0)T + x2 (0, 0,1)T
= (2 x1 , x1 , x2 )T.
1 0 4
T =x +x
0 0
0 1 3 2
T =x +x
0 0
0 0 2 3
T =x +x
1 0
0 0 4
T = x+x
0 1
224
a b
Uma matriz A M 22 da forma A = e pode ser escrita
c d
como
a b 1 0 0 1 0 0 0 0
c d = a 0 0 + b 0 0 + c 1 0 + d 0 1 ,
portanto:
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
=T a +T b +T c +T 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 ( x 4 + x ) + b( x 3 + x 2 ) + c ( x 2 + x 3 ) + d ( x + x 4 )
= (a + d ) x + (b + c) x 2 + (b + c) x3 + (a + d ) x .4
T (v) = (a + d ) x + (b + c) x 2 + (b + c) x3 + (a + d ) x 4 ,
um polinmio de grau 4.
T (kv ) = v 0 , kv = k v 0 , v = kT ( v ) e
T ( v + w ) = v 0 , ( v + w ) = v 0 , v + v 0 , w = T ( v) + T (w )
T : 2 P1 , T (a) = a1 + (a1 + a2 ) x
S : P1 P2 , S ( p ( x)) = xp ( x)
Encontre ( S T )(a) .
Soluo.
( S T )( v ) = S (T ( v ))
= S ( T ( v ))
= S (T ( v ))
= ( S T )( v )
226
Ker(T ) = {v V / T ( v) = 0 w } V .
Domnio Imagem
Contradomnio
Ncleo
Ncleo um Imagem um
subespao de V subespao de W
Ker(T ) um subespao de V
T ( v ) = T ( v ) = a0 w = 0 w v Ker(T ).
T ( v1 + v 2 ) = T ( v1 ) + T ( v 2 ) = 0 w + 0 w = 0 w v1 + v 2 Ker(T ).
Im(T ( S )) um subespao de W
x 0
T (x) = 0 1 = x1 = 0.
0 0
Logo, os vetores de Ker(T ) tm primeira componente nula,
0
x = = 0e1 + x2e 2 = x2e 2 , ento Ker(T ) o subespao unidimen-
x2
sional de 2 gerado por e 2 .
228
x
y = T (x) = 1 y = x1e1 + 0e2 = x1e1.
0
Logo, Im(T ) = T ( 2 ) = e1 o subespao unidimensional de 2 ge-
rado por e1 .
x1 + x2 = 0
( x1 + x2 , x2 + x3 )T = (0, 0)T .
x2 + x3 = 0
A soluo deste sistema est dada (fazendo a varivel livre x3 = a )
por todos os vetores de 3 da forma a (1, 1,1)T .
x1 + x2 1 1 0
de 2 . Se y Im(T ) , ento y = = x1 + x2 + x3 .
x2 + x3 0 1 1
Ento os vetores da imagem so gerados pela combinao linear dos
1 1 0
vetores , , , que geram todo 2 , logo Im(T ) = 2 .
0 1 1
Im( S ) = {y 3 : y = T (x), x 3 } ou
( y1 , y2 , y3 )T = (0, x2 + x3 , 2 x2 + x3 )T
a1 = b1 + b2 , a2 = 2b1 + b2
1
(4 x1 4 x2 + 2 x3 , 4 x1 + 4 x2 2 x3 , 2 x1 2 x2 + x3 )T = (0, 0, 0).T
9
231
Portanto,
Exerccios
12) Determine o ncleo e a imagem de cada uma das transforma-
es lineares de 3 em 3 .
a) T (x) = ( x3 , x2 , x1 )T
b) T (x) = ( x1 , x2 , 0)T
c) T (x) = ( x1 , x1 , x1 )T
a) T ( p ( x)) = xp '( x)
b) T ( p ( x)) = p ( x) p '( x)
c) T ( p ( x)) = p ( x) + p (1)
Mostre que:
T no injetora T injetora
Figura 4.15 - Transformaes injetoras e no injetoras
T : 2 3 T: 2 2
T T
T no sobrejetora T sobrejetora
Figura 4.16 - Transformaes sobrejetoras e no sobrejetoras
Este teorema afirma que Teorema. Seja T : V W , uma aplicao linear. Ento, Ker(T ) = {0} se e
uma TL injetora s tem o somente se T injetora.
vetor nulo no seu ncleo.
E, por outro lado, se uma
TL tiver somente 0 no seu Ker(T ) = {0} T injetora .
ncleo, ento quaisquer
dois vetores distintos
devem ter imagens Corolrio. Seja T : V W uma aplicao linear injetora. Ento, T
distintas tambm. leva vetores linearmente independentes em vetores linearmente in-
dependentes.
234
T ( p ( x)) = xp ( x)
T (a0 + a1 x + + an x n ) = x(a0 + a1 x + + an x n )
= a0 x + a1 x 2 + + an x n +1 .
T ( p ( x)) = 0 a0 x + a1 x 2 + + an x n +1 a0 = a1 = = an = 0 p ( x) = 0
Propriedades:
1 0 0 1 0 0 0 0
, , ,
0 0 0 0 1 0 0 1
a b T
o isomorfismo ( a , b, c , d ) .
c d
Para ver isto, proceda em forma anloga ao exemplo anterior.
T inversvel.
T bijetora.
T (x) = ( x1 + 2 x2 + 2 x3 , x1 + x2 + 3 x3 , x1 + 2 x2 + x3 )T
b) explicite T 1 (x)
1 2 2 y1 1 0 0 5 y1 + 2 y2 + 4 y3
1 1 3 y2 0 1 0 2 y1 y2 y3 .
1 2 1 y3 0 0 1 y1 y3
Agora resolveremos praticamente ambos os itens em forma simul-
tnea: para determinar Ker(T ) devemos encontrar a soluo de
T (x) = 0 para o qual fazemos y = 0 ; resolvendo o sistema homog-
neo temos que Ker(T ) = {0} .
T 1 (y ) = (5 y1 + 2 y2 + 4 y3 , 2 y1 y2 y3 , y1 y2 )T .
238
T (y ) = ( y1 + 2 y2 + 2 y3 , y1 + y2 + 3 y3 , y1 + 2 y2 + y3 )T = ( x1 , x2 , x3 )T .
y1 = x1 x3
y2 = 2 x1 x2 x3 , assim
y = 5 x + 2 x + 4 x
3 1 2 3
T 1 (y ) = (5 y1 + 2 y2 + 4 y3 , 2 y1 y2 y3 , y1 y3 )T
T 1 (T (x)) = T 1 ( Ax) = T 1 (y )
= A1y
5 2 4
= 2 1 1 y
1 0 1
5 y1 + 2 y2 + 4 y3
= 2 y1 y2 y3
y1 y3
Obtendo mais uma vez a expresso da transformao inversa.
T 1 (x) = (5 x1 + 2 x2 + 4 x3 , 2 x1 x2 x3 , x1 x3 )T .
Observaes:
a j = T (e j ), j = 1, 2, , n
a j = (a1 j , a 2 j ,..., a mj )T = T (e j ) .
x = ( x1e1 + x2 e2 + + xn en ) .
240
Como segue
1
a1 = T (e1 ) = ,
0
1
a 2 = T (e 2 ) = ,
1
0
a3 = T (e3 ) = ,
1
241
1 1 0
A= .
0 1 1
Podemos conferir o resultado calculando Ax
x1
1 1 0 x1 + x2
Ax = x2 = .
0 1 1 x2 + x3
x3
Acabamos de ver como matrizes representam transformaes linea-
res de n em m , poderamos perguntar agora se possvel encon-
trar uma representao anloga para operadores lineares de V em
W , onde V e W so espaos de dimenso n e m , respectivamente.
Veja o seguinte exemplo.
Vamos mostrar que existe uma matriz Amn que representa o opera-
dor T no seguinte sentido:
Assim,
T ( v) =
= x1 (a11w1 + a21w 2 + ... + am1w m )
+ x2 (a12 w1 + a22 w 2 + ... + am 2 w m )
+
+ xn (a1n w1 + a2 n w 2 + ... + amn w m ) .
Se denotarmos por
Temos que
se e somente se Ax = y.
244
( B | T ( v1 ), T ( v 2 ),..., T ( v n ))
B 1 ( B | T ( v1 ), T ( v 2 ),..., T ( v n )) = ( I | B 1T ( v1 ), B 1T ( v 2 ),..., B 1T ( v n ))
= I | a1 , a 2 ,..., a n )
= ( I | A).
T (x) = ( x2 , x1 + x2 , x1 x2 )T .
1 1 1 | 2 1 1 0 0 | 1 3
(b1 , b 2b3 | T ( v1 ), T ( v 2 )) = 0 1 1 | 3 4 0 1 0 | 4 2
0 0 1 | 1 2 0 0 1 | 1 2
245
1 3
Logo, a matriz procurada A = 4 2
1 2
O leitor pode verificar que
T (u1 ) = b1 + 4b 2 b3
.
T (u 2 ) = 3b1 + 2b 2 + 2b3
Exerccios
1) Para cada uma das transformaes lineares T no Exerccio 1
da Seo 1, encontre a matriz A que representa T .
a) T (( x1 , x2 , x3 )T ) = ( x1 + x2 , 0)T
b) T (( x1 , x2 , x3 )T ) = ( x1 , x2 )T
c) T (( x1 , x2 , x3 )T ) = ( x2 x1 , x3 x2 )T
a) T (( x1 , x2 , x3 )T ) = ( x3 , x2 , x1 )T
b) T (( x1 , x2 , x3 )T ) = ( x1 , x1 + x2 , x1 + x2 + x3 )T
c) T (( x1 , x2 , x3 )T ) = (2 x3 , x2 + 3 x1 , 2 x1 x3 )T
b) x = (2,1,1)T
c) x = (5,3, 2)T
1 1 0
6) Sejam b1 = 1 , b 2 0 , b3 = 1 e seja T a transformao line-
0 1 1
ar de 2 em 3 definida por T (x) = x1b1 + x2b2 + ( x1 + b2 )b3 . En-
contre a matriz A de T em relao s bases [e1 , e2 ] e [b1 , b2 , b3 ] .
1 1 1
7) Sejam y1 = 1 , y2 = 1 , y3 = 0 e seja I o operador identi-
1 0 0
dade em 3 .
a) T (x) = ( x3 , x1 )T
b) T (x) = ( x1 + x2 , x1 x3 )T
c) T (x) = (2 x2 , x1 )T
vi) posto( A) = n
vii) nulidade( A) = 0
xii) det( A) 0
xv) T um isomorfismo
Bibliografia Comentada
LAY, David C. lgebra linear e suas aplicaes. 2. ed. [S.l]:LTC, [200-?].
STEVE, Leon J. lgebra linear com aplicaes. 4. ed. [S.l.]: LTC, [200-?].
Este livro apropriado para alunos que tenham conceitos bsicos de matrizes
e tenham passado por um curso de Geometria Analtica. O estudante deve
estar tambm familiarizado com as noes bsicas de Clculo Diferencial
e Integral. Esta nova edio, ao mesmo tempo que mantm a essncia
das edies anteriores, incorpora uma srie de melhorias substanciais: -
Conjunto de Exerccios Computacionais em cada Captulo; - Mais Motivao
Geomtrica; - Nova Aplicao Envolvendo Teoria dos Grafos e Redes; -
Motivao Adicional para a Definio de Determinantes; - A seo sobre
Mudana de Base foi transferida para o Cap. 3; - Revises Importantes na
seo sobre Espaos Munidos de Produto Interno; - A seo sobre Normas
Matriciais foi transferida para o Cap. 7; - Nova Aplicao: Aproximao de
Funes por Polinmios Trigonomtricos; - Revises no Cap. 6.