Escolar Documentos
Profissional Documentos
Cultura Documentos
STEINBRUCH, Alfredo
Professor de Matemática da Universidade Federal
do Rio Grande do Sul (de 1953 a 1980) e da
Pontifícia Universidade Católica do Rio Grande do Sul
(de 1969 a 1978)
WINTERLE, Paulo
Professor de Matemática da Universidade Federal
do Rio Grande do Sul e da
Pontifícia Universidade Católica do Rio Grande do Sul
c Graw-Hill
ão Paulo
ua Tabapuã, 1.105, Itaim-Bibi
CEP 04533
(011)881-8604 e (011)881-8528
Rio de Janeiro • Lisboa • Porto • Bogotá • Buenos Aires • Guatemala • M adrid • México •
Auckland • Hamburg • Kuala Lumpur • London • Milan • Montreal • New Delhi • Paris
• Singapore • Sydney • Tokyo • Toronto
Álgebra Linear
Copyright © 1987 d Editora McGraw-Hill, Ltda.
Todos os direitos para a língua portuguesa reservados pela Editora McGraw-Hill, Ltda.
Nenhuma parte desta publicação poderá ser reproduzida, guardada pelo sistema *'retrieval” ou
transmitida de qualquer modo ou por qualquer outro meio, seja este eletrônico, mecânico, de
fotocópia, de gravação, ou outros, sem prévia autorização, por escrito, da Editora.
Steinbruch, Alfredo.
S835a Álgebra,linear / Steinbruch, Alfredo, Winterle, Paulo. - 2.ed. - São Paulo :
2 .ed. McGraw-HiU, 1987.
86-1651 CDD-512.5
Capítulo 1 VETORES
V etores..................................................................................................................... 1
Operações com veto res.......................................................................................... 3
Vetores no ....................................................................................................... 5
Igualdade e operações............................................................................................. 6
Vetor definido por dois p o n t o s .......................................................................... 8
Produto escalar........................................................................................................ 9
Ângulo de dois v eto res.......................................................................................... 10
Paralelismo e ortogonalidade de dois vetores..................................................... 12
Vetores no IR ^ ....................................................................................................... 13
DETERMINANTES
Classe de uma permutação............................................................................. . 420
Termo principal..................................................................................................... 421
Termo secundário..............................................................
Determinante de uma m atriz............................................................................... 421
Ordem de um determinante.................................................................................. 421
Representação de um determinante..................................................................... 421
Preliminares para o cálculo dos determinantes de 2^ e de 3? ordem. . . . 422
Cálculo do determinante de 2? ordem ........................................................... 423
Cálculo do determinante de 3^ ordem ............................................................... 426
Desenvolvimento de um determinante por uma linha ou por uma coluna 432
Propriedades dos determinantes.......................................................................... 433
Cálculo de um determinante de qualquer o rd em ............................................. 446
INVERSÃO DE MATRIZES
Matriz inversa.......................................................................................................... 466
Matriz singular.................................................................................................... 466
Matriz não-singular............................................................................................... 467
Propriedades da matriz inversa............................................................................. 468
Operaçõea elementares.......................................................................................... 470
Equivalência de matrizes....................................................................................... 471
Inversão de uma matriz por meio de operações elementares.......................... 476
ALFREDO STEINBRUCH
2? Com exceção do Apêndice, que foi revisto exclusivamente pelo autor de ÁLGEBRA
LINEAR E GEOMETRIA ANALÍTICA, os autores, trabalhando em conjunto nesta edição
de ÁLGEBRA LINEAR, procederam a uma revisão no sentido mais amplo da palavra: reformu
laram conceitos, fizeram supressões e acréscimos e, sobretudo, enriqueceram o livro com 519
problemas que o livro citado no início não continha.
Em suma, o texto se tornou mais prático e mais simples para atender ao objetivo maior
que é o de ser útil no processo de ensino-aprendizagem.
O Apêndice, que se encontra no fim do volume, versa sobre Matrizes, Determinantes e
Sistemas de Equações Lineares. Esses assuntos, que se constituem nos únicos pré-requisitos deste
IX
Álgebra linear
Curso de ÁLGEBRA LINEAR, poderão ser ministrados, a título de revisão, em poucas aulas, uma
vez que o cálculo de determinantes, a inversão de matrizes e a resolução de sistemas de equações
lineares passou a apresentar um tratamento uniforme e de fácil assimilação pelos estudantes.
O texto foi preparado para um Curso a ser ministrado em um semestre com uma carga de
4 aulas por semana, podendo, eventualmente e em condições excepcionais, ser ministrado em
3 aulas semanais.
Críticas, sugestões e informações sobre eventuais erros, enganos ou omissões, serão bem
recebidas no endereço dos autores*.
ALFREDO STEINBRUCH
PAULO WINTERLE
1.1 VETORES
Este capítulo tem por finalidade precípua revisar resumidamente a noção de vetor no
e no e suas propriedades, as quais já devem ser do conhecimento do leitor^.
Sabe-se que os vetores do plano ou do espaço são representados por segmentos orientados.
Todos os segmentos orientados que têm a mesma direção, o mesmo sentido e o mesmo com
primento são representantes de um mesmo vetor. Por exemplo, no paralelogramo da Figura 1.1a,
os segmentos orientados AB e CD determinam o mesmo vetor v, e escreve-se
v = Ã B =CD
Figura 1. 1a
^ O assunto pode ser visto em detalhes no livro Geometria Analítica, dos autores áest^ Álgebra Linear,
Editora McGraw-Hill.
Álgebra linear
Quando escrevemos v = AB, estamos afirmando que o vetor é determinado pelo segmento
orientado AB de origem A e extremidade B. Porém, qualquer outro segmento de mesmo com
primento, mesma direção e mesmo sentido de AB representa também o mesmo vetor v. Assim
sendo, cada ponto do espaço pode ser considerado como origem de um segmento orientado que
é representante do vetor v.
O comprimento ou o módulo, a direção e o sentido de um vetor v é o módulo, a direção
e o sentido de qualquer um de seus representantes. Indica-se o módulo de v por | v | .
Qualquer ponto do espaço é representante do vetor zero (ou vetor nulo), que é indicado
por 0 .
A cada vetor não-nulo v corresponde um vetor oposto -v, que tem o mesmo módulo,
a mesma direção, porém sentido contrário ao de v (Figura 1.1b).
Um vetor v é unitário se | v | = 1.
Dois vetores u e v são colineares se tiverem a mesma direção. Em outras palavras: u e v
são colineares se tiverem representantes AB e CD pertencentes a uma mesma reta ou a retas
paralelas (Figura 1.1c).
U + V
Figura 1.2a
I) Associativa: (u + v) + w = u + (v + w).
II) Comutativa: u + v = v + u.
III) Existe um só vetor nulo 0 tal que, para todo vetor v, se tem:
v + 0 = 0 +v = v
IV) Qualquer que seja o vetor v, existe um só vetor -v (vetor oposto de v) tal que:
V + (-v) = -V + V= 0
Álgebra linear
Observações
Observações:
1) Se k = 0 ou v = 0, o vetor kv é o vetor 0;
2) Se k = - l , o vetor ( - l ) v é o oposto de v, isto é, ( - l ) v = - v .
Vetores
Figura 1.2.2
I)a(bu) = (ab)u
II) (a + b) u = au + bu
III) a(u + v) = au + av
IV) lu = u
1.3 VETORES NO
O conjunto
= IR X IR = { (x, y) / X, y E IR }
v = (x,y)
Fjgura 1.3b
1.4 IG U A LD A D E E OPERAÇÕES
1.4.1 Igualdade
Exemplos:
1.4.2 Operações
a) u + v = (xi +X 2 , y i + y 2 >
b) au = (axi, ay,)
Portanto, para somar dois vetores, somam-se suas componentes correspondentes e, para
multiplicar um vetor por um número, multiplica-se cada componente do vetor por este número.
Por exemplo, se u = ( 4 , 1) e v = (2, 6), a Figura 1.4.2a mostra que:
u + v = ( 4 , 1)+ ( 2 , 6 ) = ( 4 + 2 , 1 + 6) = ( 6 , 7)
2u = 2 ( 4 , 1 ) = (2 (4 ). 2 ( 0 ) = ( 8 , 2)
8 Álgebra linear
Ocorre, às vezes, o caso de um vetor ser representado por um segmento orientado que não
parte da origem. Consideremos o vetor AB de origem no ponto A ( x i , y i ) e extremidade
B (x 2 , y i ) (Figura 1.5).
De acordo coyi o que foi visto no item 1.2.1.1 - (Observação 2), o vetor AB é a diferença
entre os vetores OB e OA:
AB = OB - OA
e, portanto:
AB = ( x 2 , y 2 ) - ( x i , y i )
ou:
AB = (x 2 - X ,, yz - y i )
isto é, as componentes do vetor AB são obtidas pela diferença entre as coordenadas da extremi
dade B e as da origem A.
Por exemplo, se A ( - 1 , 3 ) e B ( 2 , -2), o vetor AB será:
A B = B - A = ( 2, - 2 ) - ( - 1, 3) = ( 3 , - 5)
Vetores
1.6.1 Definição
u .v = xiX 2 + y i y 2
O produto escalar de u por v também é indicado por < u , v > e se lê “u escalar v”.
Por exemplo, se u = ( 2 , 3) e v = ( 4 , -1), tem-se:
u .v = 2 (4 ) + 3 ( - l ) = 8 - 3 = 5
I v| = V V. V
ou, em coordenadas:
lv|= V ( x , y ) .(x.y)
ou, ainda:
|v|=
|v|= +(-4)* = V 9 + 16 = s / l 5 = 5
V
A partir de cada vetor v¥=0 é possível obter um vetor unitário u fazendo u = ;— ,.
Iv I
Por exemplo, é unitário o vetor:
| A B | = V(X2 - x , ) ^ +(y2 - y i ) ^
1) |u + v |^ = |u p + 2 u . V + lv|2
Com efeito:
I u+ V 1^ = (u + v) . (u + v) = u . (u + v) + V. (u + v)
|u + vl^ = u . u + , u . v + v . u + v . v
|u + v |^ = |ul^ + 2u . v + |v|^
| u - v | ^ = | u p - 2 u . v + |v|^
Com efeito, aplicando a lei dos co-senos ao triângulo ABC da Figura 1.7.1, vem:
| u - v | ^ = |u|^ + | v|^ - 2 | u | | v l c o s 0 ( 1)
| u - v p = |u|^ - 2 u . v + |v|^ ( 2)
| u | ^ - 2u . v + | v p = | u p + | v | ^ - 2 | u l | v | COS 6
logo:
U . V= I U I IV I COS 0
e:
u.V
COS d = (1.7.1)
lullvl
Por exemplo, se u = ( - 2 , -2) e v = (0 ,-2 ), o ângulo 0 pode ser calculado por intermédio
da Fórmula (1.7.1):
u.V ( - 2 , - 2) . ( 0 , - 2)
COS 0 =
luiivi X ^ 0 ^ + ( - 2)^
0+4
COS B =
y 4 + r X yõT 4 ^ X ^ 2^2 X 2
1 , VT
COS 6 =
vA I 2
VT
0 = a r c COS
0 = 45°
u = kv
ou:
( x i , y i ) = k(x 2, y 2>
o que implica:
= k
X2 X2
isto é, dois vetores u e v são paralelos quando suas componentes são proporcionais. Representa-
se por u // V dois vetores u e v paralelos.
Por exemplo, os vetores u = (-2 , 3) e v = ( - 4 , 6 ) são paralelos, pois:
-4 6
ou sqa:
U=-V
Vetores 13
u .v = 0
ou:
X1X2 + y i y 2 = 0
isto é, dois vetores u e v são ortogonais quando o produto escalar deles é nulo. Representa-se
por u 1 V dois vetores u e v ortogonais.
Por exemplo, os vetores u = ( 2 , 3 ) e v = ( - 3 , 2 ) são ortogonais, pois:
u . v = 2 (-3 ) + 3(2) = -6 + 6 = 0
O conjunto
v = (x,y,z)
au = (ax, ,a yi ,a z, )
AB =(X 2 - X i , y 2 - y i , Z 2 - z i )
u . v = XiX2 + y i y 2 +Z 1Z2
I v| = \ / y? + y^ + z^
u .V
COS 0 =
|u ||v |
2.1 IN TR O D U Ç Ã O
IR" = { ( x , y ) / x , y G IR}
é interpretado geometricamente como sendo o plano cartesiano. Um par (x, y) pode ser
encarado como um ponto (Figura 2.1a) e, nesse caso, x e y são coordenadas, ou pode ser
encarado como um vetor (Figura 2.1b) e, nesse caso, x e y são componentes (ou coordenadas).
Essa mesma idéia, em relação ao plano, estende-se para o espaço tridimensional que é a
interpretação geométrica do conjunto IR^. Embora se perca a visão geométrica de espaços com
dimensão acima de 3, é possível estender essa idéia a espaços como IR"^, IR^, ..., IR". Assim,
(x, y)
15
16 Álgebra linear
quádruplas de números ( xi , X2 , X3, X4 ) podem ser vistas como pontos ou vetores no espaço
IR"* de quarta dimensão. A quíntupla ( 2 , - 1 , 3 , 5, 4) será interpretada como um ponto ou
um vetor no espaço IR^ de dimensão cinco. Então, o espaço de dimensão n (ou espaço
n-dimensional) será constituído pelo conjunto de todas as n-duplas ordenadas e representado
por IRn, istoé:
IR"= { ( x i ,X 2 , . . . , x„ ) ; x í G i r }
b) u + v = (xi + y i , X 2 + y 2 , . . . ,x „ + yn).
c) a u = ( a x i , a x 2 ,...,axj^).
d) u . V = x i y i + X j y 2 + ... + x„yn.
e) IuI = y / u , u = V x ? + X2 + ... + x^ .
Desde já é bom observar que o vetor u = ( x i , X2 ,..., Xj^) aparecerá, às vezes, com a notação
matricial (matriz-coluna n x 1):
Xi
X2
u=
Xi "yi Xi + Y 1
X2 V2 Xj + Y 2
u +V= + =
Xf! Yn Xn+yn
Espaços vetoriais 17
OOÍi
OOÍ2
au = a
OíX„
Vamos agora transmitir uma idéia nova. Para tanto, consideremos dois conjuntos: o IR” e
0 conjunto das matrizes reais de ordem m x n, representado por M(m,.n). Como nesses
conjuntos estão definidas as operações de adição e multiplicação por escalar, constata-se a exis
tência de uma série de propriedades comuns a seguir enumeradas.
Se u, V, w E IR*', se a , G IR e se A, B, C G M (m, n), podemos verificar que:
l') (u + v) + w = u + (v + w) e
(A + B) + C = A + (B + C) (associatividade da adição)
2) u + v = v + u e
u+ 0 = u e
0 0
0 0
0= G M(m, n)
na segunda igualdade.
18 Álgebra linear
4) Para cada vetor u G IR*' e para cada matriz A E M (m, n) existe um só vetor -u G IR”
e uma só matriz -A G M (m, n) tais que
u + ( - u) = 0 e
1 ) (o0) u = a(^u) e
(o 0 )A = a ( 0 A)
2) (a + 0) u = au + 0u e
(a + j3) A = aA + PA
3) a (u + v) = au + av e
a ( A + B ) =a A + aB
4) lu = u e
1A= A
Conforme acabamos de ver, os conjuntos IR” e M(m, n), munidos desse par de operações,
apresentam uma “estrutura” comum em relação a essas operações. Esse fato não só vale para
esses dois conjuntos com essas operações mas para muitos outros, razão porque vamos estudá-los
simultaneamente. Esses conjuntos serão chamados espaços vetoriais.
2.2 ESPAÇOS V E T O R IA IS
Seja um conjunto V, não-vazio, sobre o qual estão definidas as operações adição e multi
plicação por escalar, isto é:
Vu, VG V, u + VG V
VaG IR, VuG V, auG V
O conjunto V com essas duas operações é chamado espaço vetorialreal (ou espaço vetorial
sobre IR) se forem verificados os seguintes axiomas:
Espaços vetoriais 19
A) Em relaçío à adiçíTo:
A l) (u + v) + w = u + (v + w), Vu, V, w G V
A2 ) u + v = v + u, Vu, v G V
A3) HOG V, Vu G V, u + 0 = u
A 4) .VuG V, 3 ( - u ) G V, u + (-u) = 0
M l) (a 0) u = a(/3u)
M3) a (u + v) = au + av
M4) lu = u
Observações
Exemplos
a (x ,y ) = (ax,ay)
u + ( - u ) = ( 0 , 0) = 0
Espaços vetoriais 21
(a +j3)u = au + /3u
Mj) a ( u + v ) = a ( ( x , , y , ) + ( x 2, y 2)) = a (x i +X 2, y i + y 2) = ( a ( x i +X 2) , a ( y i + y 2»
a(u + v) = (a x i + a x 2, a y i + a y 2) = (axi , a y , ) + ( a x 2, a y 2) =
a ( x i , y , ) + a ( x 2, y 2)
lu = u
3) 0 conjimto R . Os vetores, nesse caso, são números reais, e sabe-se que a adição de
números reais verifica as propriedades A i, A 2 , A 3 e A 4 da definição de espaço vetorial. Assim,
também, o produto de reais é um número real, e a operação multiplicação satisfaz os axiomas
Ml, M2, M3 e M4.
5) O conjunto
dos polinômios com coeficientes reais de grau < n , mais o polinômio nulo, em relação às
operações usuais de adição de polinômios e multiplicação por escalar.
Em particular, o conjunto
^2 ~ { ao + a i X + a 2 x ^ ; a- G R }
6) O conjunto
f + g : IR— >JR
e:
af: R— >IR
7) O conjunto
V= {(x,x")/xE IR}
(X l.xJ) 0 ( X2 , X ^ ) = ( X i + X 2 , ( X , + X 2 f )
a O (x , x ^ ) = (ax , a ^ x ^ )
Os símbolos @ e Q são utilizados para indicar que a adição e a multiplicação por escalar
não são as usuais.
8 ) O conjunto
é um espaço vetorial com as operações adição e multiplicação por escalar definidas assim:
«O (x,y) = (x“ ,y “ )
Espaços vetoriais 23
)G V.
9) Seja o conjunto:
R^ = { ( a , b ) / a , b G R }
(a, b) + (c, d) = (a + c, b + d)
k(a, b) = (ka, b)
u = (xi,yi), v = (x 2 , y 2 ) a , ^ e IR
Temos, então:
Como se vê:
(a-h 0) u¥=au + pu
e, portanto, não se verifica o axioma M2 , o que comprova nao ser um espaço vetorial o conjunto
de que trata esse exemplo.
24 Álgebra linear
-(-v) = V
isto é, o oposto de -v é v.
u+x =V
x = v -u
0v = 0
X0 = 0
VIII) Xv = 0 implica X = 0 ou v = 0.
( - l ) v = -v
Espaços vetoriais 25
2.4.1 Teorema
u + vE S
auE S
Vamos mostrar que sendo válidas essas duas condições em S, os oito axiomas de espaço
vetorial também se verificam em S.
De fato:
Seja u um vetor qualquer de S. Pela condição II, a u E S para todo a E R . Fazendo
a = 0, vem OuE S, ou seja, OE S (axioma A3). Fazendo a = - l , s e g u e (-l)u=-uE S
(axioma A4).
26 Álgebra linear
Observação
Todo espaço vetorial V admite pelo menos dois subespaços: o conjunto { 0 } , chamado
subespaço zero ou subespaço nulo, e o próprio espaço vetorial V. Esses dois são os subespaços
triviais de V. Os demais subespaços são denominados subespaços próprios de V.
Exemplos
O mesmo não ocorre quando a reta não passa pela origem. Por exemplo, a reta:
S= { ( x , 4 - 2 x ) ; x e R }
O que afirmamos para esta reta que não passa pela origem vale para qualquer sub
conjunto S de um espaço vetorial V. Assim, sempre que 0 í S, conclui-se que S não é
subespaço de V. Aliás, esse fato é sempre útil para detectar, muitas vezes de imediato, que
um subconjunto S não é subespaço vetorial. No entanto, não nos enganemos pensando
que, se OE S, S é subespaço, pois podemos ter OE S sem que S seja subespaço. É o
caso do subconjunto
S= { ( x ; |x |) ; x e R }C ]R 2
Observação
2) Sejam V = e
Nesse caso:
u + v = ( x i + X2 , y i + y 2 , z i + 22) ^ S
ax + by + cz = 0
au = ( a x i , a y i , a z i ) G S
pois, se:
então:
a (a x i + byi + czi) = aO
ou:
3) Sejam V = IR'‘
S = { ( x , y , z , 0 ); x , y , z S R }
4) Sejam
a b
V = M(2, 2) = ; a, b, c, dG IR
c d
a b
S= ; a, b G IR
0 0.
isto é, S é o conjunto das matrizes quadradas, de ordem 2, cujos elementos da segunda linha
são nulos.
Para quaisquer
3i bi a2 b2
u = es, V= G S e Oí G IR
0 0 0 0
Espaços vetoriais 31
tem-se:
I) u+ VG S
II) auG S
Observação
S = { AG M(n,n)/AB = 0 }
isto é, S é o conjunto das matrizes que, multiplicadas à esquerda por B, têm como resultado
a matriz nula.
Então:
Al G S implica Ai B = 0
A 2 ^ S implica A2 B = 0
A iB + A2 B = 0
ou:
(Al + A2)B = 0
e, portanto:
Al + A2 ^ S
32 Álgebra linear
a (Al B) = aO
ou:
(aAi)B = 0
e, portanto:
aAi G S.
6) Sejam V = M(3, 1) e
3x + 4y - 2z = 0
2x+ y - z = 0
X - y + 3z = 0
Fazendo:
3 4 - 2 X 0
A = 2 1 -1 , x = y e 0 = 0
1 -1 3 z 0
Xl X2
u = Xi = Yi e V= X 2 = Yi
Zi Z2
Espaços vetoriais 33
AXi = 0 e AX 2 = 0
AXi + AX 2 = 0
ou:
A( Xi +X2> = 0
o que implica
Xi + X2 G S
a(AXi) = aO
ou:
A(aXi) = 0
0 que implica
oXi G S
isto é, o produto de uma constante por uma solução é ainda uma solução.
Observações
y
z
34 Álgebra linear
7) SqamV=R2
s= {(X,y); x > 0}
u = (xi,yi), X, >0, e
V = (X2,y2), X2 > 0
2.4.2.1 Teorema
I) se u, VE S i, então u + v E S i ;
se u, V E S2 , então u + v E S2 .
Logo:
u + VE Si n S2 = S.
se VE S i, então X v E S i ;
se v E S2 , então Xv E S2 .
Logo:
X V E Si n S2 = s
Exemplos:
a b
V = ; a,b,c,dE R
c d
a b
Si = ; a,bE R
0 0
36 Álgebra linear
a 0
S. = ; a,cG R
c 0
a 0
S= ; aG R
0 0
2.4.3.1 Teorema
I) se Ui, U2 G S i, então Ui + U2 G S j ;
se v i , V2 G 82 , então Vi + V2 G 82 .
Ui + Vi G 8
U2 + V2 G 8
logo:
se Ui E S i, então Xui E S i ;
se Vi E S2 , então Xvi E S2 .
Ui + Vi E S
logo:
Exemplos
a b
S - ; a, b, c E R
c 0
2.4.4.1 Teorema
v= u + w
onde:
u E Si e w E S2
V= u + w, onde u E Si e v E S2 (2.4.4.1-I)
u + w = u' + w'
ou:
onde:
u - u' E Si e w' - w E S2
u-u' = w '- w =0
isto é:
u=u e w=w
Espaços vetoriais 39
Exemplo:
O espaço vetorial IR^ = { (a, b, c); a, b, c G R } é á soma direta dos subespaços vetoriais:
pois qualquer vetor (a, b, c) G R^ pode ser escrito como soma de um vetor de Si e um vetor
de S2 de modo único:
( a, b, c) = (a, b , 0) + ( 0 , 0 ,c)
e, portanto:
IR^ = S , © S 2
Exemplo
vi = 5x^ - 3x + 2 e V2 = -2x^ + 5x - 8
De fato:
V = 3 v i + 4 v2
isto é:
Ix } + l l x - 2 6 = 3(5x^ - 3 x + 2) + 4(-2x^ + 5 x - 8 )
Solução
Pretende-se que:
v = aiVi + a2 V2
( . 4 , - 1 8 , 7 ) = a i ( l , - 3 , 2 ) + a2(2, 4 , - 1 )
ou:
ou:
ai + 2a2 = -4
-3ai +4a2 =-18
2ai - a2 = 7
Portanto,
V = 2 v i - 3 v2
Espaços vetoriais 41
Observação
2) Mostrar que o vetor v = (4, 3 , - 6 ) não é combinação linear dos vetores Vi e V2.
Solução
v = aiVi +a2V2
ai + 2a2 = 4
-3ai + 4a2 = 3
2ai - a2 ” “6
Observemos que esse sistema difere do anterior pelos termos independentes. Como é
incompatível, o vetor v não pode ser escrito como combinação linear de Vj e V2 .
Solução
Devemos ter:
u = ai Vi + a2 V2
ou:
ai + 2a2 = -1
-3ai + 4a2 ~ k
2ai - a2 = -7
(-1,13,-7) = (-3,9, ^ ) + ( 2 , 4 , - l )
(-l,13,-7) = (-l,13,-7).
Solução
Devemos ter:
ai + 2a 2 = X
-3ai + 4a2 = y
2ai - a2 = z
X - y - 2z = 0
ou:
X = y + 2z
Espaços vetoriais 43
( y + 2z, y ,z )
com y, z E R .
( x , y , z ) = aiVi + a 2 V2
formam um plano tt que passa pela origem. Esse plano tem equação x - y - 2z = 0, que estabelece
a condição solicitada entre as componentes x, y e z, conforme se disse ao mencionar a solução
do sistema.
►y
5) Mostrar que o vetor v = ( 3 , 4 ) E pode ser escrito de infinitas maneiras como combi
nação linear dos vetores Vi = ( 1, 0), V2 = ( 0 , 1) e V3 = ( 2 , - 1).
Solução
Tem-se:
donde:
a + 2c = 3
b- c=4
ou:
a = 3 - 2c
b= 4+ c
v = b i V , + b 2 V2 + ••• + V n
Observações
s= K , V 2 ,...,V ^ ] OU S = G(A)
3) A C G(A), o u sq a , { v i , C [vi, .
Exemplos
(x, y) = xi + yj = x ( l , 0) + y ( 0, 1 ) = (x , 0) + (0 , y) = (x , y)
Então:
[ÍJ]=1R^
S = { ( x , y , 0 ) e lR’ / x , y e IR}
pois:
(x, y, 0) = x ( l , 0 ,0 ) + y ( 0 , 1,0)
EntSo:
(x, y, z) = x ( l , 0 , 0) + y ( 0 , 1, 0) + z ( 0 , 0 , 1)
ou:
Então:
Observação
então:
(V i, . . . , V „ , w ] = [V i,
De fato:
Se
tais que
v = b , v , + ... +b„v„ + bw
ou
OU, ainda
V e [vi, . . . , Vn]
A recíproca, ou seja,
é trivial, pois
Solução
Temos:
Da igualdade:
(x, y , z ) = a ( l , 2 , 3)
vem:
X = a
y = 2a
z = 3a
donde
y = 2x
z = 3x
Logo,
ou
O subespaço gerado por um vetor Vi G IR^, Vi ¥= 0, é uma refa que passa pela origem
(Figura 2.5.2a). Se a esse vetor acrescentarmos V2, V3 , t o d o s colineares entre si, o subespaço
gerado por 2 , 3 , . . . vetores continuará sendo a mesma reta:
7) Seja V = IR^. Determinar o subespaço gerado pelo conjunto A = {vi, V2}, sendo
V i = ( l , - 2 , -1) e V2 = (2, 1, 1).
Solução
Temos:
aj + 2 a2 = X
- 2 ai + a2 = y
-ai + a2 = z
O vetor (x, y, z) E [vi, V2] se, e somente se, o sistema tem solução, e isto somente ocorre
quando x + 3y - 5z = 0 (exercício a cargo do leitor).
Logo:
8) Seja V=IR^. Determinar o subespaço gerado pelo conjunto A = {vj, V2, V3 } , sendo
Vi = (1, 1, 1), V2 = (1, 1, 0) e V3 = (1, 0, 0).
Solução
(X, y, z) = a i ( l , 1, 1) + a2 ( l, 1, 0) + a3( l , 0 , 0 )
isto é:
ai + a2 + a3 = X
ai + 32 =y
ai =z
ou:
ai = z
32 = y - z
33 = X - y
Portanto:
( x , y , z ) = z ( l , 1, l ) + ( y - z ) ( l , l , 0) + ( x - y ) ( l , 0 , 0)
[V l,V 2, V 3 ] = R ^
o subespaço gerado por três vetores m ó-copbm res é o próprio R^ (Figura 2.5.2e). Se a
esses trés vetores acrescentarmos V4 , Vg,... quaisquer, o subespaço gerado pelos 4, 5,... vetores
continuará sendo o próprio IR^:
[ Vl , V 2 , V 3 ] = [ V i , V 2 , V 3 . V 4 ] = ...
Espaços vetoriais 51
Figura 2.5.2e
Solução
Vamos mostrar que todo vetor (x, y) E IR^ é combinação linear dos vetores do conjunto
A, isto é, sempre existem os números reais ai e a2 tais que;
3ai + 5a2 = X
ai + 2a2 = y
ai = 2x - 5y e a2 = 3y - x
Portanto:
isto é:
G(A) = 1R*
52 Álgebra linear
-1 2‘ ’3 -l‘
A =
.- 2 3. » .1 1.
Solução
X y
V = G(A),
z t
tem-se:
X y ”- l 2 ”3 -f
= a +b
z t -2 3 1 1
e daí o sistema:
- a + 3b = X
2a - b = y
-2a + b = z
3a + b = t
z = -y e X = -2y + t
Logo:
Todos os exemplos de espaços vetoriais citados até aqui são finitamente gerados. Por
exemplo, vimos que o IR^ é gerado pelo conjunto finito de trés vetores
A = { ( 1 , 0 , 0 ) , (0,1,0), ( 0 ,0 ,1 )}
(x, y ,z ) = x ( l , 0 , 0 ) + y ( 0, l , 0 ) + z(0, 0 , 1 )
tem grau < n . Assim, o subespaço [pi,..., Pn] contém somente polinômios de grau menor
ou igual ao grau de p„. Como P é formado por todos os polinômios, existem nele polinômios
de grau maior que o de p,,. Logo, G(A) P para todo conjunto finito A C P.
No problema 8 de 2.5.2.1, chamamos a atenção para o fato de que o espaço vetorial R^pode
ser gerado por três vetores, ou também por quatro, ou por cinco etc. Assim, três vetores cons
tituem o número mfnimo necessário para gerar o IR^. No entanto, quatro, cinco ou mais
vetores podem gerar o R^. Porém, nesse caso, sobram vetores no conjunto gerador. Em nosso
estudo temos grande interesse no conjunto gerador que seja o menor possível. Para a determi
nação do menor conjunto gerador de um espaço vetorial, precisamos ter a noção de dependência
e independência linear.
54 Álgebra linear
2.7.1 Definição
A= CV
Consideremos a equação
ai = 0 , 2í2 = 0 , =0
O conjunto A diz-se linearmente independente (LI), ou os vetores Vi, ..., Vn são LI,
caso a equação (2.7) admita apenas a solução trivial
Se existirem soluções a^ =?^0^ diz-se que o conjunto A é linearmente dependente (LD), ou
que os vetores Vi, ..., Vj^ são LD.
Exemplos
3vi + 4 v2 - V3 = 0
ou seja:
isto é:
2a =0
2a + 5b =0
3a - 3b +4c = 0
4a + b - 2c = 0
a = 0, b =0 e c=0
De fato, a equaçío:
ou:
a , ( l , 0. 0) + a2( 0 , 1 , 0) + aj(0, 0, 1) = ( 0 , 0 , 0)
transfonna-se em:
( a i , a 2 , a j ) = (0, 0, 0)
e, portanto:
ai ” aa = aa = 0
Logo, o conjunto:
{ ( 1 , 0 , 0 ) , ( 0 , 1 , 0 ) , ( 0 , 0 , 1)}
é LI.
1 0 0
ei = 0 , «2 = 1 , 63 = 0
0 0 1
x ( l , 0) + y ( 0 , l ) + z(a, b) = ( 0 , 0)
(x, 0 ) + ( 0 , y) + (az, bz) = ( 0 , 0 )
(x + az, y + bz) = ( 0 , 0)
istoé:
X + az = 0
y + bz = 0
O sistema admite ao menos uma solução não-trivial. Por exemplo, fazendo z = 1, vem:
X = -a e y = -b
Logo:
-aei - be2 + v = 0
-1 2 2 -3 3 -4
A=
-3 1 » 3 0 > 3 1
é LD.
Espaços vetoriais 57
Examinemos a equação
aiVi+a2V2 +a3V3 = 0 ( 1)
-1 2 2 -3 3 -4 0 0
ai + a2 + a3 =
-3 1 3 0 3 1 0 0
e daí o sistema:
- ai + 2a2 + 3a3 = 0
2aj ~ 3a2 ~ 4a3 ~ 0
-3ai + 3a2 + 3a3 = 0
ai + a3 = 0
Observação
ou:
Vi + 2v2 - V3 = 0
e daí, vem:
ou:
ou, ainda:
2.7.2 Teorema
“Um conjunto A = { Vj,..., Vj,..., v„ } é LD se, e somente se, pelo menos um desses vetores
é combinação linear dos outros.”
A demonstração é constituída de duas partes:
1?) Seja A linearmente dependente. Então, por definição, um dos coeficientes da igualdade:
ou:
ai-i
Vi = - _ v i - V. , - V , - - — V
ai - aj a.
ai ^í+ l *** fl.
a.
2?) Por outro lado, seja Vj uma combinação linear dos outros vetores:
OU, ainda:
e, portanto, a equação
Logo, A é LD.
Observações
“Um conjunto A = { v j , ...,Vj^} é LI se, e somente se, nenhum desses vetores for
combinação linear dos outros.”
v , = ( l , - 2 , 3) e V2 = ( 2 , -4, 6)
V, = y V,
ou:
vj = 2v,
60 Álgebra linear
enquanto:
V i=(l,-2,3) e V2 = ( 2 , 1 , 5 )
Vi =>*^kv2
para todo k G IR.
►y
" 1 2' 3 6 ‘
a) CM (2, 2)
.-4 -3. » -n -9 ^
d) { 1 + 2x - , 2 - X+ 3x^, 3 - 4x + 7x^ } C P2
Solução
a) Como o conjunto tem apenas dois vetores com um deles sendo múltiplo escalar do outro
(o segundo vetor é o triplo do primeiro), o conjunto é LD, de acordo com a Observação 3 do
Teorema 2.7.2.
b) Tendo em vista que um vetor não é múltiplo escalar do outro, o conjunto é LI.
a ( 2 , - l ) + b ( l , 3 ) = (0 ,0 )
2a + b = 0
-a+3b = 0
admite somente a solução trivial, o que vem confirmar ser o conjunto LI.
62 Álgebra linear
c) Consideremos a equação:
Portanto:
- a + 2 b + c= 0
-2a - b =0
3a =0
a = b = c = 0,
o conjunto é LI.
d) Seja a equação:
ou:
a + 2b + 3c = 0
2a - b - 4c = 0
-a + 3b + 7c = 0
Como esse sistema admite outras soluções além da trivial, o conjunto é LD.
Observação
O leitor deve ter notado que a variável x nos polinômios desse problema não desempenha
nenhum papel no cálculo. Com o objetivo de simplificar, a cada polinômio do tipo ao + aix + a2 ,
associa-se a terna (ao, a i , a2 ).
Espaços vetoriais 63
Assim, a igualdade (1) desse problema poderia ter sido escrita assim:
2) a b
G M(2, 2) com (a, b, c, d) G R^
c d
Solução
Consideremos a igualdade
a(u + v) + b(u - v) = 0 ( 2)
da qual resulta
(a + b) u + (a - b) u = 0 (3)
a + b=0
a - b= 0
sistema que admite somente a solução a = b = 0. Logo, pela igualdade (2), u + v e u - v são Ll.
64 Álgebra linear
{ ( 1 , 0 , - 1 ) , ( 1 , 1 , 0 ) , (k, 1 , - 1 ) }
seja LI.
Solução
a + b + kc = 0
b+ c = 0
-a -c = 0
Para que esse sistema admita apenas a solução trivial, deve-se ter k ^ 2.
De fato:
Como V 0, a igualdade
av = 0
só se verifica se a = 0.
Espaços vetoriais 65
Observação
De fato:
Então, a equação
De fato:
Al = { v , , V j } C Á, Aj é LD.
Logo, A = { V, , V j , v „ } é LD.
De fato, se Ai fosse LD, pela propriedade anterior o conjunto A seria também LD, o
que contradiz a hipótese.
66 Álgebra linear
Observação
Se todos os subconjuntos próprios de um conjunto finito de vetores são LI, o fato não
significa que o conjunto seja LI. De fato, se considerarmos no IR^ os vetores ei = ( 1 , 0 ) ,
e 2 = ( 0 , 1) e v = ( 4 , 5), verificaremos que cada um dos subconjuntos {ei,e2 }, {ei,v},
{ c 2, v } , {ei), {e2 } e { v } é LI, enquanto o conjunto { e i , C2 , v} é LD.
De fato:
Como B é LD, existem escalares a i , . . . , an, b, nem todos nulos, tais que:
ai Vj + ... + a^Vjj + bw = 0.
Porém esse fato contradiz a hipótese de que A é LI. Conseqüentemente, tem-se b=?í^0, e,
portanto:
ou:
_ ai an
w=
b
I) B é LI ;
II) B gera V.
Espaços vetoriais 67
Exemplos:
De fato:
a - b= 0
a =0
e daí:
a= b= 0
(x, y) = y ( l, l) + ( y - x ) ( - l , 0 )
Realmente, a igualdade
(x, y) = a( l , l ) + b ( - l , 0 )
implica:
a - b= X
a = y
donde:
a=y e b=y-x
Os vetores da base B estão representados na Figura 2.8.1. Em 2.7.2 já havíamos visto que
dois vetores não-colineares são LI. Sendo eles do IR", irão gerar o próprio IR". Na verdade,
quaisquer dois vetores não-colineares do IR" formam uma base desse espaço.
68 Álgebra linear
De fato:
II) B gera IR^, pois todo vetor (x, y) E IR^ é tal que:
( x , y) = x ( l , 0 ) + y ( 0 , l )
conclui-se que B gera o IR” . Portanto, B é uma base de IR”. Essa base é conhecida
como base canônica do IR”.
Consequentemente:
{(1, 0, 0, 0), ( 0 , 1 , 0 , 0), (0, 0, 1,0), (0, 0 , 0 , 1)} é a base canônica de IR"^;
De fato:
1 0 0 1 0 0 0 0 0 0
a +b +c +d =
0 0 0 0 1 0 0 1 0 0
ou:
a b 0 0
c d 0 0
e daí:
a = b = c= d = 0.
Portanto, B é LI.
a b
e M(2, 2)
c d
a b 1 0 0 1 0 0 0 0
=a +b +c +d
c d 0 0 0 0 1 0 0 1
De fato:
Por outro lado, B gera o espaço vetorial Pjj, pois qualquer polinômio p ^ P„ pode ser
escrito assim:
7) B = { (1, 0), (0, 1), (3, 4) } não é base de IR^, pois B é LD (exercício a cargo do leitor).
8) B = { ( 2 , - 1 ) } não é base de IR^. B é LI, mas não gera tòdo IR^, istoé, [(2,-1)] =5»^IR^.
Esse conjunto gera uma reta que passa pela origem.
9) B = { ( 1 , 2 , 1), ( - 1 , - 3 , 0 ) } nãoébas ede IR^. B é LI, mas não gera todo IR^.
Observação
S = {(x, y, z) E I R ^ / 3 x - y - z = 0 }
2.8.2 Teorema
Se B = { Vi, V j , ..., v„ } for uma base de um espaço vetorial V, então todo conjunto
com mais de n vetores será linearmente dependente.
De fato:
XiWi +X 2 W2 + ... + x „ w „ = 0 ( 1)
Como B é uma base de V, cada vetor Wj pertencente a B' é uma combinação linear dos
vetores de B, isto é, existem números Oj, , ôj tais que:
W2 = ^ iv , + 02 V2 + ... + 0n''n
( 2)
Wm = « iV i + 0 2 V2 + ... + 6nV„
+ x „ ( 5 i V i + Ô2 V2 +... + ô„Vn) = 0
( a ,x , + 0 iX 2 + ... + SiXm) Vi +
Tendo em vista que Vi, V2, V j ^ são LI, os coeficientes dessa combinação linear são
nulos:
2.8.3 Corolário
De fato:
Como A é base e B é LI, pelo teorema anterior, n ^ m. Por outro lado, como B é base
e A é LI, tem-se n < m. Portanto, n = m.
Exemplos
1) A base canônica do IR^ tem três vetores. Logo, qualquer outra base do IR^ terá também
três vetores.
2) A base canônica de M( 2, 2) tem quatro vetores. Portanto, toda base de M(2, 2) terá
quatro vetores.
Se V tem uma base com infinitos vetores, então a dimensão de V é infinita e anota-se
dim V = oo.
Exemplos
2) dim IR*' = n.
3) dim M ( 2 , 2) = 4.
4) dim M (m, n) = m x n.
5) dim = n + 1.
6) dim { 0 } = 0 .
Observações
Exemplo
De fato, como dim JR^ = 2 e os dois vetores dados são LI (pois nenhum vetor é múltiplo
escalar do outro), eles formam uma base do JR^.
2.8.5 Teorema
Qualquer conjunto de vetores LI em V é parte de uma base, isto é, pode ser completado
até formar uma base de V.
Exemplo
Solução
Como dim IR^ = 4, uma base terá quatro vetores LI. Portanto, faltam dois. Escolhemos um
vetor V3 G IR"^ tal que V3 não seja uma combinação linear de Vi e V2 , istoé, V3 ^ a i V i + a 2 V2
para todo a i, a2 ^ IR. Dentre os infinitos vetores existentes, um deles é o vetor V3 = ( 1, 1,0, 0),
e o conjunto { Vj, V2, V3 } é LI (se V3 fosse combinação linear de Vj e V2 esse conjunto seria
LD de acordo com o Teorema 2.7.2).
Para completar, escolhemos um vetor V4 que não seja uma combinação linear de v^, V2 e
V3. Um deles é o vetor V4 = ( 1 ,0 , 0, 0), e o conjunto { Vi, V2, V3 , V4 } é LI. Logo,
2.8.6 Teorema
Seja B = { v i , V2, ..., v^ } uma base de um espaço vetorial V. Então, todo vetor vG V
se exprime de maneira única como combinação linear dos vetores de B.
De fato:
Supondo que o vetor v pudesse ser expresso como outra combinação linear dos vetores
da base, ter-se-ia:
a, - bi = 0, aj - bi = 0,.... a„ - b„ = 0
istoé:
VB = ( ai , a 2 ,. . ., a n)
'a f
a2
Vn =
Espaços vetoriais 77
Exemplo
A = { ( 1 , 0 ) , ( 0 , 1 ) } . B = ( ( 2 , 0 ) , ( Í , 3 ) } e C = { ( 1, - 3 ) , ( 2 , - 4 ) }
( 8, 6) = 8 ( 1,0) + 6 (0 , 1)
( 8 , 6) = 3 ( 2 , 0 ) + 2 ( 1 , 3 )
( 8 , 6) = 2 ( 1 , - 3 ) + 3 ( 2 , 4)
Vg=(3,2) Vç = ( 2, 3 )
Observação
Uma forma prática para determinar a dimensão de um espaço vetorial é verificar o número
de variáveis livres de seu vetor genérico. Esse número é a dimensão do espaço.
Exemplo
S = {( x, y, z)G IR^/2x + y + z = 0 }
Solução
z = - 2x - y
( x , y , - 2x - y )
(x , y, 2) = (x, y, - 2x - y)
Espaços vetoriais 79
ou:
(x , y, Z) = (x , 0 ,-2 x ) + (0, y , - y )
ou:
( x , y , z ) = x ( l , 0 , - 2) + y ( 0 , 1 , - 1) ( 1)
isto é, todo vetor de S é combinação linear dos vetores ( 1 , 0 , - 2 ) e ( 0 , 1 , - 1 ) . Como esses dois
vetores geradores de S são LI, o conjunto { ( l , 0 , - 2 ) , ( 0 , 1 , - 1 ) } é uma base de S e, conse
quentemente, dim S = 2.
Por outro lado, tendo em vista que a cada variável livre corresponde um vetor da base na
igualdade ( 1), o número de variáveis livres é a dimensão do espaço.
Na prática podemos adotar uma maior simplificação para determinar uma base de um.
espaço. Para esse mesmo espaço vetorial S, onde z = - 2x - y , temos:
fazendo x = - l e y = 2, vem z = - 2 ( - l ) - 2 = 0 V2 = ( - 1 , 2 , 0 )
e o conjunto
{ ( 1 , 1 , - 3 ) , (- 1, 2, 0 ) }
é outra base de S. Na verdade, esse espaço S tem infinitas bases, porém todas elas com dois
vetores.
Solução
aiVi + a2V2 + 33 V3 = 0
80 Álgebra linear
Com efeito,
equivale ao sistema:
ai =0
2a 1 + a2 ~ 0
3ai + 2a2 + aa = 0
ai ” 32 ~ a3 ~ 0
Logo, B é Ll.
Para mostrar que B gera o IR^, deve-se mostrar que qualquer vetor v = (x, y, z) E IR^
pode ser eicpresso como uma combinação linear dos vetores de B:
v= aiVi + 32 V2 + aaVa
( x , y , z ) = a i ( l , 2 , 3) + a2 (0 , l , 2 ) + a3(0 , 0 , 1)
ou:
ai = X
2ai + 3 2 =y
3ai + 232 + 33 = z
sistema esse que admite solução para quaisquer valores de x, y, z, ou seja, todo vetor v = (x, y, z)
é combinação linear dos vetores de B. Resolvendo o sistema encontramos:
3i = X, 32 = -2 x + y, 33 = X - 2y + z
Espaços vetoriais 81
isto é:
B = {(1,2, 3 ) , ( 0 , 1 , 2 ) , ( 0 , 0 , 1 ) }
Solução
ou:
ai =5
2ai + a2 =4
3a 1 + 2a2 + a 3 — 2
\
ai = 5 , a2 = -6 e a3 = -1
Portanto:
5
Vr = ( 5 , - 6 , - 1 ) e v„ = -6
-l
82 Álgebra linear
(x, y, z) = x ( l , 2 , 3 ) + ( - 2x + y ) ( 0 , 1 , 2) + (x - 2y + z )( 0 , 0 , 1)
teríamos imediatamente:
(5, 4 , 2 ) = 5(1, 2, 3 ) - 6 ( 0 , 1 , 2 ) - 1 ( 0 , 0, 1)
x= 5
-2 x + y = -2(5) + 4 = -6
x - 2 y + z = 5 - 2 (4 ) + 2 = - l
v = 2 ( l , 2 , 3 ) - 3 ( 0 , 1,2) + 4 ( 0 , 0 , 1 ) = ( 2 , 1 , 4 )
A = { (1 ,0 ,0 ),(0 ,1,0),(0,0,1)}
tem-se:
v= V.
pois:
v = (2, 1, 4) = 2 ( 1 , 0 , 0 ) + 1 ( 0 , 1 , 0 ) + 4 (0 , 0 , 1 )
51 = { (a, b, c, d)/a + b + c = 0 } e
Determinar:
Espaços vetoriais 83
Solução
a) A condiçffo:
a+ b+ c= 0
é equivalente a:
a = -b - c
( 1) b = 1, c = 0 , d = 0
( 2) b = 0 , c = l , d = 0
(3) b = 0, c = 0, d = 1
vi = ( - l , 1 , 0 , 0 ) , V2 = ( - 1 , 0 , 1,0), V 3 = ( 0 , 0 , 0 , l )
( 1) b = l , d = 0 e
( 2) b = 0 , d = l
vi= (2 , 1,0,0) e V2 = ( 0 , 0 , 3 , 1 )
Determinar:
Solução
( vi ')a = ( 1 , - 2 , 1) , ( v2 )^ = ( 0 , 1 , 2 ) e (v 3)^ = ( 1 , - 3 , - 1 )
ou:
ou, ainda:
ai + a3 = 0
-2ai + a2 - 3a3 = 0
^ ai + 2a2 - a3 = 0
Logo, o conjunto:
{t^ - 2 t + 1, t + 2, t^ }
é uma base de P2 .
X+ 2y - 4z + 3t = 0
X + 2y - 2z + 2t = 0
2x + 4y - 2z + 3t = 0
Solução
O conjunto-solução do sistema é:
Tendo em vista serem duas as variáveis livres (y e z), conclui-se que dimS = 2. Logo,
qualquer subconjunto de S com dois vetores LI forma uma base de S. Façamos
(1) y = 1, z = 0
(2) y = 0, z = 1
vi = ( - 2 , 1 , 0 , 0 ) e V2 = ( - 2 , 0 , 1,2)
e seja B = { Vi, V2 , V3, V4 } uma base de P3. Fixada uma base, para cada vetor vG P3, existe
uma só quádrupla ( a i , a2 , a 3, a4 ) G IR^ tal que:
Reciprocamente, dada uma quádrupla (a^, a2, a3, a4), existe um só vetor em P 3 da
forma:
a) Se V= aiVi + ... + a4V4 G P3 corresponde a ( a i , ..., a4) G IR'* e w = biVj + ... + b 4V4 G P3
corresponde a (bi, ..., b 4 ) ^ IR"^ então:
v + w = (ai + b i ) v i + ... + (a 4 + b 4) v 4 G P3
corresponde a
b) Para k G IR,
kv = (kai)vi + . . . +(ka 4) v 4 G P 3
corresponde a
( k a i , . . . ,k a4 ) G IR^
Espaços vetoriais 87
Assim, quando os vetores de P 3 são representados como combinação linear dos vetores da
base B = { Vi, V2, V3, V4 } , a adição de vetores e a multiplicação por escalar se “comportam”
exatamente da mesma forma como se fossem quádruplas do .
P2 é isomorfo a IR^
M ( 3 , 1) é isomorfo a IR^
7) 0 a
A= € M (2 ,2 )/a ,b G IR com as operações usuais
b 0
—
Nos problemas 8 a 13 são apresentados subconjtmtos de IR^. Verificar quais deles são
subespaços vetoriais do IR^ relativamente às operações de adição e multiplicação por escalar
usuais.
8) S= { ( x ,y ) /y = - x }
9) S = { (x ,x ^ ); X e IR}
12) S = { ( x ,y ) /y = x + 1}
13) S= { ( x ,y ) /x > 0 }
Nos problemas 14 a 25 são apresentados subconjuntos de IR^. Verificar quais são seus
subespaços em relação às operações de adição e multiplicação por escalar usuais^ Para os que são
subespaços, mostrar que as duas condições estão satisfeitas. Caso contrário, citar um con-
tra-exemplo.
15) S = { ( x ,y , z)/z = 2x - y }
16) S = { (x , y, z)/x = z^ }
17) S = { ( x ,y ,z ) / y = x + 2 e z = 0 >
Espaços vetoriais 89
20) S = { (x , y, z ) /x y = 0 }
21) S = { (x , y, z)/x = 0 e y = I z I }
22) S = { ( x , - 3 x ,4 x ) ; x € IR}
24) S = { ( x ,y ,z ) / x + y + z = 0 )
a) S = ; c= a + b e d =0
c) S = ; a, b, c G IR (matrizes simétricas)
a a+ b
d) S = ; a, b G IR
a- b b
90 Álgebra linear
e) S = ; a ,b E lR
a b
.
'
a b
0 S= ; ad - bc ^ 0 (conjunto de matrizes inversíveis)
c d
c) Determinar uma condição entre a, b e c para que o vetor (a, b, c) seja uma combi
nação linear de u e v.
c) Determinar uma condição para a, b e c de. modo que o vetor at^ + bt + c seja
combinação linear de P2 e P3.
1 0 -1 2 0 -1
Vi = , V2 = e V3 =
1 1 0 1 2 1
Espaços vetoriais 91
Escrever o vetor
1 8
0 5
a ) v, = ( 1 , 3 ) e V2 = ( 2 , 6)
b ) v, = ( 1 , 3 ) e vj=(2,5)
S = { (x, y, z, t) e lR‘*/x + 2y - z = 0 e t = 0 }
Pergunta-se:
a) ( - 1 , 2, 3, 0) € S?
b) ( 3 , 1 , 4 , 0 ) e S?
c) ( - 1 , 1 , 1 , ! ) e S?
a- b 2a
S= ; a, b G IR
a+ b -b
92 Álgebra linear
Pergunta-se:
5 6
G S?
1 2
-4 k
2 -3
pertença a S?
a) A = { ( 2 , - 1 , 3 ) }
b) A = { ( - 1 , 3 , 2), ( 2 , - 2 , 1 ) }
c) A = { ( 1 , 0 , 1 ) , ( 0 , 1 , 1 ) , ( - 1 , 1 , 0 ) }
d) A = { ( - l , l , 0 ) , ( 0 , l , - 2 ) , ( - 2 , 3 , l ) }
Determinar:
a) Osubespaço G(A).
qual o valor de k?
Espaços vetoriais 93
38) Determinar os subespaços de P2 (espaço vetorial dos polinòmios de grau < 2 ) gerados
pelos seguintes vetores:
a) pi = 2x + 2, P2 = -x^ + X + 3 e pa = x^ + 2x
b) Pl = x ^ P2 =x^ + x
c) Pl = 1, P2 =X, Ps =x^
42) Seja o espaço vetorial M (2, 2). Determinar seus subespaços gerados pelos vetores
-1 2 2 1
a) V, = e V2 =
1 0 -1 -1
-1 0^ 1 -1 0 1
b) V, = , V2 = e V3 =
0 1 0 0 1 0
43) Determinar o subespaço de P 3 (espaço dos polinòmios de grau < 3) gerado pelos vetores
Pl = x^ + 2x^ - X + 3 e P2 = -2x^ - x^ + 3x + 2.
44) Determinar o subespaço de IR^ gerado pelos vetores u = (2, - 1 , 1 , 4 ) , v = (3, 3, -3, 6) e
w = (0, 4 , - 4 , 0 ) .
a) {(1,3)}
94 Álgebra linear
a) {(2,-1,3).}
b) { ( 1 ,- 1 ,! ) ,( - ! , 1 , 1 ) }
d) { (2 ,1 ,3 ),(0 ,0 ,0 ),(1,5 ,2 )}
a) 2 + X - , -4 - X + 4x^, x + 2x*
b) 1 - X + 2x^, X - x^, x^
c) 1 + 3x + x^, 2 -X -x ^ , 1 + 2x -3 x ^ , -2 + x + 3x^
d ) x^ - x + l,x ^ + 2 x
a) ( 2 , 1, 0 , 0 ), ( 1, 0 , 2 , 1), ( - 1, 2 , 0 , - 1)
b) ( 0 , 1 ,0 , - 1 ) , ( 1 , 1,1, ! ) , ( - ! , 2 , 0 , 1 ), ( 1 , 2, 1 , 0)
c) ( 1 , - 1, 0 , 0 ), ( 0 , 1 , 0 , 0 ), ( 0 , 0 , 1, - 1), ( 1, 2 , 1, - 2)
-1 2 1 0 - 1 2 " -1 0 5
A= , B= e C=
3 -2 4 -2 1 0 - 1 0 3
{ ( - l , 0 , 2) , ( l , l , l ) , ( k , - 2 , 0) }
1 0 1 1 2 -1
1 0 » 0 0 » k 0
seja LD.
53) Mostrar que sfo LD os vetores Vi,V2 e V3, com Vi e V2 vetores arbitrários de um
espaço vetorial V e V3 = 2vi - V2 .
55) Sendo Vi = ( 1 , 2 ) G IR^, determinar V2 G IR^ tal que { v j , V 2 } seja base de IR^.
56) Verificar quais dos seguintes conjuntos de vetores formam base do IR^:
a) { ( 1, 2 , ) , ( . 1 , 3 ) } c) { ( 0 , 0 ) , (2, 3 ) }
b) { ( 3 , - 6 ), ( A 8) } d) { ( 3 , - 1 ) , (2, 3) }
59) Quais dos seguintes conjuntos de vetores formam uma base do IR^ ?
a) ( 1 , 1 , - 1 ) , ( 2 , - 1 , 0 ) , ( 3 , 2 , 0 )
b) ( 1 , 0 , 1 ) , ( 0 , - 1 , 2 ) , ( - 2 , 1 , - 4 )
c) ( 2 , l , - ! ) , ( - ! , 0 , 1), ( 0 , 0 , 1)
d) ( 1 , 2 , 3 ) , ( 4 , 1 , 2 )
a) 2t^ + t - 4 , t^ - 3 t+ 1
b) l , t ,
c) 2, 1 - X, 1+
d) 1 + X + x^, X + x^, x^
e) 1 + X , X - x^, 1 + 2x -x^
2 3 1 -1 -3 -2 3 -7
-1 0 > 0 -2 > 1 -1 J
-2 5
é base do IR"*.
Espaços vetoriais 97
63) O conjunto
A= 2t^ - t + 3, - 3t^ + 4t - 1 }
é base de P 3 ? Justificar.
64) Mostrar que os vetores Vj = ( 1 , 1 , 1 ) , V2 = (1, 2, 3), V3 = (3, 0, 2) e V4 = (2, -1, 1) geram
o IR^ e encontrar uma base dentre os vetores Vi,V2 ,V3 e V4 .
B = { ( 0 , 1, 1), ( 1, 1, 0), ( 1, 2 , 1) } C R 3
c^ = { ( 3 , 0 ) , ( 0 , 2 ) } 7 = {(1,0), (0,1)}
0 = { ( 1, 2), ( 2 , 1) } 6 = { ( 0 , 1), ( 1, 0 ) }
a) v = (2,-3,4), b) v = ( 3 , 5 , 6 ) , c) v = ( l , - l , l )
72) Determinar a dimensão e uma b^ e para cada um dos seguintes espaços vetoriais:
a) { ( x , y , z ) G IRVy = 3 x }
b) { ( x , y , z ) € lRVy = 5x e z = 0 }
c) { ( x , y ) G IRVx + y = 0 }
<0 { ( x , y , z ) G R='/x = 3y e z = - y }
e) { ( x , y , z ) G IR®/2x-y + 3z = 0 }
0 { ( x , y , z ) G IR3/z = 0 }
73) Determinar a dimensão e uma base para cada um dos seguintes subespaços vetoriais de
M ( 2 , 2 ):
a b
a) ; b=a+c e d=c
c d
a b
b) ; b= a + c
c d
a b
c) ; c=a-3b e d=0
c d
Espaços vetoriais 99
a b
d) ; a + d= b + c
c d
a b
S= /c=a+ d e d= ;
c d
a) Qual a dimensafo de S?
b) O c»njunto
1 - 1 2 1
0 1 , 3 4
X + 2y - 2z - t =0
2x + 4 y + z + t =0
X + 2y + 3z + 2t =0
X + 2y - Z 4•3t =0
b) 2x - y+ Z- t =0
4x + 3 y - Z 4•5t = 0
X - 2y - Z ==0
c) 2x + y + 3z ==0
X + 3y + 4z ==0
100 Álgebra linear
2x + 2y - 3z = 0
d) X- y- z=0
3x + 2y + z = 0
x+ y - 2z + t=0
2x + 2y - 4z + 2t = 0
8. S é subespaço
9. S não é subespaço
10. É
11. É
12. Nãoé
13. N ãoé
14. É
15. É
16. N ãoé
Espaços vetoriais 101
17. N ãoé
18. É
19. É
20. Não é
21. N ãoé
22. É
23. Não é
24. É
25. É
27. a) w = 3u - V
b) k = 12
c) 16a + 10b - c = 0
28. a) p = 3pi + 2p 2 + P3
b) impossível
c) a + 2b - c = 0
d) não é possível
29. V = 4vi + 3 v2 - 2 v3
30. a) 0 = -2vi + V2
b) 0 = Ovj + 0 v2
32. V = -V i + 3 v 2 + 2va
34. a) sim b) k = -2
b) { ( x , y, z) G IR^/7x + 5 y - 4 z = 0 }
c) { ( x , y , z) € lR®/x + y - z = 0 }
d) IR^
e) { (x, y, z) e R^/ x + y + 3z = 0 }
0 IR^
36. a) G( A) = { ( x , y , z ) e 1 R ^ / I 0 x + 3 y - z = 0 }
b ) k = -13
37. k=7
C)
40. ( x , y ) = ( x - y ) ( 2, l ) + ( - x + 2 y ) ( l , l )
41. (x,y.z ) = x v , + ( y - x ) v 2 + ( z - y ) v j
42. a b
a) ; b = - 2a - 5 d e c = -a - d
c d
Espaços vetoriais 103
a b
b) ; a + b - c + d =0
c d
45. Pertence.
46. a) LI b) LD c) LI d) LD
47. a) U b) LI c) LD d) LD
e) LD f) LI g) l d
48. a, c
49. b, d
50. LI
51. k=^-3
52. k=3
55. V2 =?tkvi, Vk G IR
56. a, d
57. k#±2
59. a ),c)
60. b) ,c ), d)
104 Álgebra linear
63. Nâo. G ( A ) # 1 R ^
64. Base: { v i . v j . v j }
65. p^ = ( l , 5 , - 4 )
67. { ( 0 , 1 , 1), ( 1 , 1 , 0 ) , ( 0 , 0 , 1 ) }
68 . v^ = ( 2 , l ) , v^ = ( - | . : ^ )
v.y = ( 6 , 2), v j = ( 2, 6)
69. a) Vg = ( - 2 , 1 , 4 )
b ) vg= (-3,ll,6)
c) Vg=( 0, 0, 1)
70. =(2,-2,-3)
(x,y,z) = ^ v , + ^ ^ V 2 + ( x - y+ z)v j
b) e, =-^v, + j v j + vj
C2 = -Va
1 . .1 .u
« 3 = - Y ' ' » + "2 V2 + Va
b) dim: 1 e) dim: 2
c) dim: 1 f) dim: 2
As bases ficarão a cargo do leitor.
Espaços vetoriais 105
73. a) dm ; 2 c) dm : 2
b) dm: 3 d) dm: 3
.\s bases fIcarSo a cargo do leitor.
74. a) 2
b) N ío, porque
2 1
S
3 4
75. a) d m :2
uma base: { ( 1 , 0 , 3, -5), (0, 1 , 6 , -10) }
b) d m :2
uma base: { (0 , - 2 , - 1 , 1 ) , ( 1 , - 3 , - 5 , 0 )}
c) dim: 1
uma base: { ( 1, 1, - 1) }
d) dim: zero
n9o existe base
e) dim: 3
uma base: { ( - 1, 0 , 0 , 1), ( - 1, 1, 0 , 0 ), ( 2 , 0 , 1, 0) }
CAPÍTULO
ESPAÇOS VETORIAIS
EUCLIDIANOS
No Capítulo 1, foi definido o produto escalar ou produto interno usual de dois vetores
no IR^ e no IR^ e foram estabelecidas, por meio desse produto, algumas propriedades geomé
tricas daqueles vetores. Agora pretende-se generalizar o conceito de produto interno e, a partir
dessa generalização, definir as noções de comprimento, distância e ângulo em espaços vetoriais
mais genéricos.
Chama-se produto interno no espaço vetorial V uma função de V x V em IR que a
todo par de vetores (u, v) E V x V associa um número real, indicado por u . v ou < u, v > ,
tal que os seguintes axiomas sejam verificados:
P i) u . V = V .u
P2) u . ( v + w) = u . v + u . w
Observações
I) 0 . u = u . 0 = 0, Vu E V
n) (u + v) . w = u .w + V.w
III) u . (av) = a ( u . v)
Exemplos
u . v = 3x i X2 + 4y i y 2
é um produto interno.
De fato:
P i) u . v = 3x i X2 + 4 y i y 2
u . v = 3x 2X1 + 4y 2 yi
u.v=V.u
u .( v + w) = ( x, ^y i ). ( x 2 + X 3, y 2 + y 3)
u . ( v + w ) = 3x i (x2 + X 3) + 4yi(y2+ya)
u . ( v + w) = (3x i X2 +4yiy2) + (3xiX3 +4yiy3)
u . ( v + w) = u . v + u . w
Observação
u . v = XiX2 + y i Y 2
donde se depreende ser possível a existência de mais de um produto interno num mesmo espaço
vetorial.
u . v = XjX2 + y i y 2 + zjZ2
De forma análoga
u . v = x i y i +X 2y 2 + + x„yn
p . q = a2b 2 + ai bi + aobo
p = 3 x ^ - 4 x + 2 e q=2x^ + 3 x - l ,
então:
p .q = 3(2)-4(3) + 2(-l) = -8
Observemos que
p . q ~ a2b 2 2ib i
não define, sobre V, um produto interno. Nesse caso, falha o axioma P4, pois existem
polinômios p E V tais que p . p = 0, sem que p = 0. Por exemplo, p = Ox^ + Ox + 3.
Espaços ve tonais euclidianos 109
Se f e g pertencem a V,
f.g= ^ f(x)g(x)d x
define sobre V um produto interno. (A verificação dos quatro axiomas fica a cargo do
leitor.)
5) O número
u . v = 2x , x j + y \ y \
Nesse caso não se verificam os axiomas P2 e P3. Considerando o axioma P3, tem-se:
(ou) . V = ( o x , , o y 1) . ( X j , y j ) = 2 o x , X 2 + a ^ y \y \
enquanto:
a ( u . v ) = o ( 2 x,X 2 + y ? y 2) = 2 0 X1X2 + o y , y 2
e, portanto:
(o£u) . v ^ a ( u . v)
a ) u = (-3,4) e v = (5,-2)
b ) u = ( 6, - l ) e v = ( y , -4)
c ) u = (2, 3) e v = ( 0 , 0 )
110 Álgebra linear
Solução
a) u , v = - 3( 5) + 4 (-2 ) = - 1 5 - 8 = -23
b) u . V = 6 ( “ ) - 1 (-4) = 3 + 4 = 7
c) u . v = 2 ( 0 ) + 3(0) = 0 + 0 = 0
u . v = 3x i X2 + 4 y i y 2
Solução
b) u . v= 3 (6 ) ( y ) + 4 ( - l) ( - 4 ) = 9 + 16 = 25
c) u . v = 3 ( 2 ) ( 0 ) + 4 (3 )(0 ) = 0 + 0 = 0
Solução
Seja u = (x, y, z)
Então:
( x , y , z ) . ( l , 2 , -3) = 4
(x,y,z).(3,-l,-l) = 6
(X , y,z).(2,-2,0) = 2
Espaços vetoriais eu clidianos 111
X + 2y - 3z = 4
3x - y - z= 6
2x - 2y =2
f.g= /V t)g(t)d t
Jo
Solução
b) h, , h i (t)h, (t)dt =
Um espaço vetorial real, de dimensão finita, no qual está definido um produto interno, é
um espaço vetorial euclidiano. Neste capítulo serão considerados somente espaços vetoriais
euclidianos.
112 Álgebra linear
IV I = V V. V
|u I = V ( x i , y i , z , ) . ( x i , y i , Z i ) = V x f + y f + z f (3.3)
Chama-se distância entre dois vetores (ou pontos) u e v o número real representado
por d(u, v) e definido por:
d(u, v) = | u - v |
d(u, v) = l u - v | = |(xi - X 2 , yi - y 2 , Zi -Z 2) |
ou:
d(u, v) = v /( x i - x j ) ^ + ( y , - Y i f + ( zi (3.3.1)
Observações
u=*
|v |
Espaços vetoriais euclidianos 113
Observemos que:
V V _ V. V _ IV |^ _
|v | |v | |v |^ lv |^
Exemplo
IV I = y / { - 2 , 1 , 2 ) . ( - 2 , 1 , 2 ) = V 3 ( - 2 ) ^ + 2(1)^ +2^ = n/ i 2 + 2 + 4 =
e normalizando v, resulta:
V - (-2, 1 , 2 ) _^ 2^ 1
).
|v | v T s ’ nAÍ8 ’ \ ^
II) | a v | = | a | | v | , Vtf G V, Va G IR
De fato:
I av I = V ( a v ) . (av) = \ / a ^ ( v . v) = | a | yj v . v = | a | | v |
Se u = 0 ou V = 0, vale a igualdade | u . v | = | u | | v | = 0.
Se nem u nèm v são nulos, para qualquer a G IR vale a desigualdade:
pelo axioma P4 .
Efetuando o produto interno, vem:
u . u + u . ( a v ) + (av . u) + (v . v) > 0
ou:
|v|^a^ + 2 ( u . v ) a + | u | ^ > 0
Obtivemos assim um trinòmio do 29 grau em a (pois I v|^ 9^ 0), que deve ser positivo
para qualquer valor de a . Como o coeficiente de a^ é sempre positivo, o discriminante desse
trinòmio deve ser negativo ou nulo:
(2u . v ) ^ - 4 | v | ^ | u | ^ < 0
4 ( u . v)2 - 4 | u | v [2 < 0
l u . v K lullv
Espaços vetoriais euclidianos 115
De fato:
I u + V I = V ( u + v) . (u + v)
| u + v | ^ = 1u 1^ + 2( u . v) + I V 1^
mas:
logo:
u + v | ^ < | u | ^ + 2 | u | | v | + | v|
ou:
| u + v | ^ < ( l u | + |v|)2
ou, ainda:
|u + v | < | u | + | v |
116 À Igebra linear
A desigualdade de Schwarz
|u.v|<|u||v|
|u . v|
< 1
lullvl
ou:
U . V
< 1
lullvl
o que implica:
u .V
-1 < ---------- < 1
lullvl
u . V
lullvl
Observemos que essa fórmula coincide com a (1.7.1) para o cálculo do ângulo de dois
vetores no IR^ (ou com a fórmula VI do item 1.9 do IR^), considerando o produto interno
usual.
Espaços vetoriais euclidianos 117
Solução
I V I = ^ /e - +(-3)^ +c* = 7
36 + 9 + = 49
=4
c =±2
6) Seja o produto interno usual no IR^ e no IR"*. Determinar o ângulo entre os seguintes
pares de vetores :
a) u = (2, 1 , - 5 ) e v = (5,0,2)
b ) u = ( l , - l , 2 , 3) e v = ( 2, 0, 1 , -2)
Solução
a) 1u I = v/2" + 1^ +(-5)^ =
I V | = v / 5 ^ +2^ = s / l s
u . v = 2(5) + 1 ( 0 ) - 5 ( 2 ) = 0
Daí:
u .V
COS 0 = 0
|u I |v I >/3Õ y /2 9 ■■■ » = !
b) I u I = V 1 + 1 + 4 + 9 =
|v | = V 4 + l + 4 =3
u .v = 1 ( 2 ) - 1(0) + 2(1) +3 (-2 ) = -2
118 Álgebra linear
Daí:
-2
cosO = 0 = arc COS ( - ------ —
y/TS x 3 3 \Í T 5
Solução
I U + V I = V (u + v) . (u + v)
ou:
I u + V 1^ = I u 1^ + 2u . V + 1V 1^
e:
(4 \ / 5 )^ = 3^ + 2u . V + 7^
80 = 9 + 2u . V + 49
2u. v = 8 0 - 5 8
2u. v = 22
u. v = 11
logo:
u . V 11 11
COS 6 =
I u I 1V I 3x7 21
| v | = 4, v.u=10 e u = (l,-2)
Espaços vetoriais euclidianos 119
Solução
I V I = y j 3x^ + = 4 3x^ + y^ = 16
e:
V . u = 3x - 2y = 10
Resolvendo o sistema
3x^ + y^ = 16
3x - 2y = 10
obteremos:
26_
x = 2 e y = -2 ou x = — e y-
1
logo:
v = ( 2 ,- 2 ) o u v = ( - | - , - ^ )
Exemplo
u .v = -3(4)+ 2 (2 )(3 ) = 0
120 Álgebra linear
Observações
0. V = 0
De fato:
0 . V = (Ov) . V = 0 (v . v) = 0
Exemplo
No IR^, o conjunto
{ ( 1 ,2 , -3), (3, 0 ,1 ), ( 1 ,- 5 ,- 3 ) }
( l , 2 , - 3 ) . ( 3 , 0 , 1) =0
(1 ,2 , - 3 ) . ( 1 , - 5 , - 3 ) = 0
(3 ,0 , 1 ). ( 1 ,- 5 ,- 3 ) = 0
Espaços vetoriais euclidianos 121
3.6.1 Teorema
De fato:
Consideremos a igualdade
ou:
Diz-se que uma base { Vi,..., Vj^ } de V é ortogonal se os seus vetores são dois a dois
ortogonais.
0 para i ^ j
Vi-Vj
1 para i - j
Exemplos
3) B = { (1, 0, 0), (0, 1,0), (0 ,0 , 1)} é uma base ortonormal do R^ (é a base canônica);
4) B = { u i , U 2 , U 3 >, sendo Uj =
/ 2 1 1 , /n 1 1 ^
' "■ ‘“ ' - T f
Ui . U2 = Uj . U3 = U2 . U3 = 0
e:
Ui . Uj = U2 . U2 = U3 . U3 =1
Observação
Já vimos que se v é um vetor não-nulo, o vetor — é unitário. Diz-se, nesse caso, que v
vl''
está normalizado, O processo que transforma v em chama-se normalização de v.
Assim, uma base ortonormal sempre pode ser obtida de uma base ortogonal normalizando
cada vetor.
Por exemplo, a base B = {vi,V2 ,V3 }, sendo Vi =(1,1,1), V2 =(-2,*l, 1) e V3 = ( 0 , - 1, 1) ,
é ortogonal em relação ao produto interno usual. Normalizando cada vetor, obtemos:
_ Vi _ . __ 1_ __ 1__ __ l_ .
" iv .r v r r m ^
„ - V2 - (- 2 , 1. 1) ^ J ____ 1_^
^ |V,| V 4 + 1 + 1
u - V3 - (O.-I.I) =(0 _ _ L _ !_ )
" IV3I Vo + 1 + 1 ^ ’ sH.'sTi
Wi = Vi
(v2 - a w i ) . Wi = 0
V2 . Wi - a ( w i . Wi) = 0
w, . Wi
124 Álgebra linear
isto é:
/ V2 . Wi .
W2 =V2 - ( —■=----- - )Wi
^ Wi . Wi
Considere-se o vetor:
W3 =V 3 - a2W2 - ajWi
(V3 - a2W2 - a i W i ) . wi = 0
(vj-ajWj - a ,w ,) .W 2 = 0
V3 . w i -a2(w2 . w , ) - a i ( w , . Wi) = 0
( V3 . wi - ai(wi . w i ) = 0
V3 . W2 - a2(w 2 . W2) = 0
e:
_ _ V3 . W i _ V3 . W2
Wi . Wi W2 . W2
isto é:
/ V3 . W2 . / V3 . Wi .
W3 = V3 — )W 2 - ( ... ) Wi
W2 . W2 Wj . Wi
Pode-se concluir o teorema por indução, admitindo que, por esse processo, tenham sido
obtidos ( n - 1 ) vetores Wi, W2 , ..., ^ e considerar o vetor:
sendo a j, a2 , ..., a^_j tais que o referido vetor seja ortogonal aos vetores Wi, W2 , ...»
_ v„.wi _ V „ . W2 _ _v„.W 3 _ V n .w „ .i
a. = — , a. - — . a, - — ..... a„_, -
Wi . Wi W2 . W2 W3 . W3
O processo que permite a determinação de uma base ortogonal a partir de uma base
qualquer chama-se processo de Gram-Schmidt.
Wi
Para se obter uma base ortonormal, basta normalizar cada W:. Fazendo U: = -----,
I Wjl
obtemos a base
Observação
^n-w, Wi Wi Wi 1 1
a, = -------- = V ---------- = V ------------ ---- V • --------- X ------- = (V . Ui ) ---------
w ,.w , n W i.W , " |w ,|^ " |W i I |W ,| " |W i|
V„ . W2 W2 W2 W2 1 1
32 = ------------ = V _ -------------- --- V = V . ------ X ------.= (V .U2 )
W2 .W2 n W2 .W2 " |W2 l^ " IW2 I IW2 I " IW2 I
126 Álgebra linear
Vn*W3
Ha - = ... = (v„ . U3)
W3 . W3 IW3 I
I) W, = Vi
Wi
II) W2 = Vj - a i W , = Vj - (V2 . U i ) --------
I W,|
W j = V2 - ( V 2 . U , ) U i
III) W3 = V3 - 32 W2 - a i W i
W 3 = V3 - ( V 3 , U 2 ) - ^ - ( V 3 . U , ) - ^
I W2 I IWi I
W3 = V3 - ( V 3 . U 2 ) U 2 - ( V 3 . U i ) u ,
wn = \ • “ n - l) V l - ••• - • “2 ) “2 ' (% • « i )
Exemplo
Solução
Wi = Vl = (1, 1, 1)
Espaços vetoriais euclidianos 127
W j = Vj - ( V 2 . U i ) u ,
V 2.U , ^
W2 = ( 0 , l , l ) - ( | - , | - , | - )
- ^ 2 1 K
W2 (" 3 >3 >3)
. 2 1 1 ( - 1 1 1 )
_ W2 <^~T’T ’T ^ _ ^ 3 ’ 3 ’ 3^ ^ ^ __2. _ 1 __
U2 ' V” r-r » /-? » /-r /
I W21 y 1+ 1+ 1 \/6 V 6 ’V 6 ’
^ 9 9 9 —
W3 = V3 - ( Vj . U 2 ) U2 - (V3 . U | ) Ui
.2 1 1. .1 1 1,
W3 (0 > 6 >6 >6 ) - ( 3 >3 »3 )
W3 = ( 0 , - y ,y )
^ W3
(0 -1 2
±)
’ 2^ _1
(0’ -12 ’ 12^) ^ _ J ____ 1_
^ I W3 I ^ ^ 4 4 y/2 y /2 y /2
V 4 4 ~T
128 Álgebra linear
Ui . U2 = Ui . U3 = U2 . U3 = 0
e:
1 Vj 1= IV2 I = 1V3 1= 1
ou:
logo:
W . V:
aí = (3.6.4)
Exemplo
B = { ( 2 , 1), ( - 1, 2 ) }
w = ai Vi + a2V2
Espaços vetoriais euclidianos 129
_ w . V i _ (4, 7 ) . (2, 1 ) _ 8 + 7 _ 15 _
V, .V, ( 2 , 1 ) . ( 2, 1) 4+1 5 ^
_ w . V2 _ (4, 7) . (-1, 2) _ -4 + 14 _ 10 _
vj.vj ( - 1, 2 ) . ( - 1, 2 ) 1+4 5 ^
logo:
w = 3vi + 2v2
ou:
w = (3,2)^
Observação
pois Vj . Vj = 1.
Assim,
Exemplo
3 ^ 4 3
A base B = í ( y » y ) » é uma base ortornormal do ¥ ? em relação ao produto
( 5 , 2 ) = ai ( | , y ) + a 2 ( - y , y )
130 Álgebra linear
basta fazer:
- /c ,3_ 4 , _ . . 8 ^ 23
ai (5, 2) . ( ^ , ^) 3 +^ j
4 3 6 14
aj = ( 5 , 2 ) . ( - j , j ) = - 4 + - = - -
logo;
_ .23 14 .
B = {(1,0), (0,1)},
e, portanto:
Vb =(5,2)
isto é:
Exemplo
Os conjuntos
3.7.1 Teorema
De fato:
e:
Portanto:
u . V= 0
logo:
u 1 V ou u 1 S
132 Álgebra linear
= {v G V / v l S}
I) é subespaço de V
De fato:
Vi 1 u e V2 1 u
isto é :
V j.u =0 e V 2.u =0
Então:
V=s 0
De fato:
V . V = 0
isto é :
v=0
s n s-^ = { 0 }
Por outro lado, como S é um subespaço vetorial de V, S pode ser considerado um espaço
vetorial euclidiano tal como V. Nessas condições, sejam B= { e i , e 2 , . ep } uma base orto-
normal de S e v um vetor qualquer de V.
O vetor
Vi = ( v . e i ) e , + ( v . 62)62 +... + ( v . 6p ) 6p
p6rt6nce a S, e o vetor
Vj = V - Vi
V2 . 6 i = ( v - V i ) . 6 , = V. 6 , - Vi .61
V2 . 61= V . 6i - [(V. 6 i ) 6 i ] . 61 + 0 + . . . + 0
V2 . 6 i = V. 6 i - V. 6 i
V2 . 6 i = 0
Do mesmo modo:
V2 . 62 = 0 , V2 . 63 = 0, ..., V2 . 6p = 0
134 Álgebra linear
Logo;
V= s 0 s-^
Exemplos
Então:
Então:
S^ = { ( x , x ) / x € F )
Solução
(2, m , - 3 ) . ( m - l , 2 , 4 ) = 0
2 m - 2 + 2 m - 12 = 0
4m = 14
7
m =“
Solução
w .u = 0 (x,y,z). (1,2,1) =0
ou
w .V= 0 (x,y,z).(l, 1, 1) =0
2 x + 6y + z = 0
2x + 3y + z = 0
y = 0 e z = - 2x
Wl _ (1,0,-2) ^ (l,0,-2)_ _ L 0
|wil V 2(1)^ +0^ +(-2)^ \/6 V^’ ’
11) Construir, a partir do vetor Vi = (1 , -2 , 1), uma base ortogonal do IR^ relativamente ao
produto interno usual e obter, a partir dela, uma base ortonormal.
Solução
V2 . Vi = 0
Espaços vetoriais euclidianos 137
( x , y , z ) . ( l , - 2 , 1) = 0
X - 2y + z = 0
X = 2y - z
(2y - z, y, z), y, z G IR
V2 = ( - 1, 0 , 1)
V3 . vi = 0
V3 . V2 = 0
ou:
(a, b, c ) . ( l , - 2 , 1) = 0
(a, b , c ) . ( - l , 0 , 1) = 0
ou, ainda:
a - 2b + c = 0
-a +c = 0
sistema de solução a = c e b = c.
138 Álgebra linear
(c, c, c), c e IR
V3 = ( 1, 1, 1)
logo:
B = {(1, -2, 1), (-1, 0, 1), ( 1, 1, 1)} é uma base ortogonal do com a presença do
vetor Vi = (1, -2, 1).
Para se obter, a partir de B, uma base ortonormal, basta normalizar cada vetor de B.
Assim:
= vi - ( 1, "2 , 1) 1 2 1
Ui :)
|Vil V 1 +4 + 1 > / 6 ’ y j~ 6 '\f6
U - V2 , (-1,0,1) J_ o_L.
= V3 - ( 1 . 1 , 1 ) = r— 1 ^ -L
U3 ■)
Ivjl V I + 1 + 1 ^ > / 3 ’ V 3 ’ v ^
e:
( x i , y i ) . ( x2 ,Y 2 ) = 2x 1X2 + y i Y 2
Solução
(l,-l).(2,b )= 0
2(l)(2)-l(b)= 0
b= 4
Portanto:
B = { ( 1 , - 1 ) , (2, 4 ) }
é ortogonal.
(1,-1) - (i.-i)- , 1 1 ^
V 2 (l)^+(-l)^ V 3 ’ sH
(2, 4)
V 2(2)^ + 4^
e:
13) Em relação ao produto interno usual, determinar uma base ortonormal do seguinte
subespaço vetorial do :
Solução
Observemos que dim S = 2 e, portanto, uma base de S tem dois vetores. Isolando x na
igualdade acima, vem:
X = -y + z
Se fizermos:
(1) y = 0 e z= 1
(2) y = 1 e z= 0
obteremos os vetores Vi = (1, 0, 1) e V2 = (-1, 1, 0), sendo B = { Vj, V2 } uma base de S, pois
vi e V2 são LI. Procuremos uma base B' = { U i, U2 } que seja ortonormal.
b ) W j = V2 - ( V j . U i ) U i = ( - 1 , l , 0 ) - ( -
W, = ( - l , l , 0 ) ( - y , 0 , - y ) =
( - — 1 —)
^ ^ 2 ’ ’2^_ _ 1____ 2____\
Iw^l V6 ^ ' V 6 ’ vA 6 ’ V 6 ^
logo:
S= [ ( 1 , 1 , 0 , - 1 ) , ( 1, - 2, 1, 0)].
Solução
(x ,y ,z ,t).(l, 1,0,-1)= 0
e:
(x, y, z, t ) . ( 1, - 2, 1 , 0 ) = 0
X+ y - t =0
X - 2y + z = 0
cuja solução é :
t = X + y e z = -X + 2y.
Logo:
= { ( x , y , - x + 2 y , x + y ) / x , y e IR}
B = { ( 1 , 0 , - 1 , 1 ) , ( 0 , 1,2, 1)}
|v,l V3 V 3 y /3
W2 = ( 0 , l , 2 , l ) - ( - l , 0 , j , - | ) = ( | , 1 , ^ , | )
(- 1 - - )
y ^ _W2. ^ ^ 3 ’ ’ 3 ’ 3^ 1 _ 3 _____ 5_____ 4_
I W21 2/H ^ ’\^ 1 ’ ^
142 Álgebra linear
Logo:
B'= { u i .U j }
a) u . v = X1X2 + y i y 2
b) u . v = 2x 1X2 + 5yiy2
c) u . v = X1X2 + X i y 2 +X 2 yi + 2y j y 2
Verificar quais das funções f:V x V - ♦ R , definidas abaixo, são produtos internos
em V:
a) f ( v i, V2 >= 2 x ,X2 + 3 yi y2
c) f (v i , V2 >= \]\2 + y i y 2
e) f ( v i, V2 >= X1X2 + y i y 2 + 1
f) f ( v i , V 2 ) = 3 x ,X2 - X , y 2 - X2 y i + 3 y i y 2
h ) f ( v , , V 2 ) = x,y2 + x j y i
Espaços vetoriais euclidianos 143
Verifícar quais das seguintes funções são produtos internos sobre o . (Para aquelas
que não são produtos internos, citar os axiomas que não se verificam.)
a) u . v = X1X2 + 3 y iy 2
b) u . v = 3x i X2 + 5y i y 2 + 2z,Z 2
d) u. v = X1X2 + y i 7 2 - z , Z 2
e) u . v = x ,X 2 + y i 7 2 + z, Z 2 - X 2yi - x , y 2
a) pi . p2
b) Ipi l e Ipsl
c) I Pi + P2 I
Pi
d)
IP2I
6) Se
»1 bi 2í 2 ^2
u= e v=
c, dl C2 CÍ2
são matrizes quaisquer de M(2 , 2 ), a seguinte fórmula define um produto interno nesse
espaço:
Dados os vetores
1 2 0 2
u= e v=
-1 1 1 1
determinar:
a) I u + V I
b) o ângulo entre u e v.
f ( t ) . g ( t ) e | f ( t ) | para f ( t ) = t* - 2t e g (t) = t + 3.
9) Seja a função
f: X r 2- M( l, 1)
1 1 X2
((X i, y 1 ), (X2 , X2 ))l------- ►[x, y 1]
1 2 V2
a) u 1 V implica | u + v |^ = 1u + 1v
b) (u + v) 1 (u - v) implica | u | = | v |
a) u = (3m, 2, -m ) v= (-4,1,5)
b) u = ( 0 , m - 1, 4) v = ( 5 , m - 1 , -1)
( x i , y i , Z i ) . ( x 2 , y 2 ,Z2 )= 2 xi X2 + y i y 2 +4ziZ2
14) Determinar os vetores (a, b, c) para que o conjunto B = { ( 1, -3, 2), (2, 2, 2), (a, b, c)}
seja uma baseortogonal do R^ em relação ao produto interno usual. Construir a partir
de B uma base ortonormal.
1 -2 3 2
e
5 X 1 -1
sejam ortogonais.
146 Álgebra linear
16) Seja Pi o espaço vetorial dos polinômios de grau < 1. Definimos o produto interno entre
dois vetores p e q de Pi como segue:
q (t) = ct + d
20) O conjunto B = {(2, -1), (k, 1)} é uma base ortogonal do R^ em relação ao produto
interno
(xi,yi).(x2,y2)= 2 x 1 X2 + x i y 2 + X 2 y i + y i y 2
a ) B = {(3, 4), ( 1 , 2 ) }
Espaços vetoriais euclidianos 147
b ) B = { ( 1, 0 , 0 ) , ( 0 , 1, 1) , ( 0 , 1, 2 ) }
c) B = { ( 1 , 0 , 1 ) , ( 1 , 0 , - 1 ) , ( 0 , 3 , 4 ) }
23) Em relação ao produto interno usual, determinar uma base ortonormal dos seguintes subes-
paços vetoriais do :
a) S = { ( x , y , z ) e I R V y - 2 z = 0 }
b) S = { (x, y, z) S IR^ /x + y + z = 0 }
24) Determinar, em relação ao produto interno usual, uma base ortonormal para o subespaço do
R"' gerado pelos vetores vi = ( 1, 0 , - 1, 1), V2 = (0 , 1, 0 , 1) e V3 = ( 1, 1, - 1, 2 ).
Seja A = { ( 1 , 2 , - 1 , 1 ) , ( 2 , - 1 , 2 , 2 ) } C S .
a) Ortonormalizar o conjunto A.
26) Seja V = R^ munido do produto interno usual e B = { ( 1,2 , -3), (2, -4, 2) } . Determinar:
b) O subespaço S**-.
148 Álgebra linear
Si = { (x, y, z) G R ^/x - 2y + 3z = 0 } e
Sj= {t(2, l , - l ) / t e R}
determinar S / e S 2'*'.
2. a) -1 b) 4 c) 0 3. a), 0 , g)
b) É produto interno.
e) É produto interno.
5. a) -18
b ) V l4 e Vr
c) V3
’v/2
e ) cosO - -
Espaços vetoriais euclidianos 149
6. a)
29
12 15
a) 5
b) ( |. |)
c) t ( - 7 , 4 )
11. b)3ou-l
12 I( 9
^ .- - 9^ . - 15)I
13. u= a(l,7,-4), a € R
.4 -)}
V R ’ V R ’V R V3 ’ V3 ’ V 4 2 ’ V 52 ’ v/52
15. x= 4
16. a) 0 = arccos -j -
1
20. k = - -
21. .) ( -f .f) )
22. V g= (3v/I,V 5)
23. a) { ( 1 , 0 , 0 ) , ( 0 , - ; ^ , ; ^ ) }
^ ^ V 2 ’ ‘ v 5 ’ °^’ ^‘ V 6 ’ ’ v/ 6 ’ V6^^
Uma delas:
{ (— 0 - ------^ ) (- — ^ )}
’ V 3 ’ V 3 ^ ’ ^ VT5’ V I 5 ’ V Í 5 ’ V Í 5^ ^
9S a W í_ L A _L _ L w ^ _ 1 ____ 2 2 ,
■ ^ V 7 ’V 7 ’ "v/7’V7^’ ^ V n ’ “V n ’V Í3 ’VÍ3^^
b) Uma delas:
27. S \ = { ( x , - 2 x , 3x)/xG R )
S j = {(x, y, z )G R^/2x + y - z = 0 }
TRANSFORMAÇÕES
LINEARES
Neste capítulo estudaremos um tipo especial de função (ou aplicação), onde o domínio e
0 contradomínio são espaços vetoriais reais. Assim, tanto a variável independente como a variável
dependente são vetores, razão pela qual essas funções são chamadas vetoriais. Estamos particular
mente interessados nas funções vetoriais lineares, que serão denominadas transformações lineares.
Para dizer que T é uma transformação do espaço vetorial V no espaço vetorial W, escre-
ve-se T : V — ►W. Sendo T uma função, cada vetor vG V tem um só vetor imagem wG W,
que será indicado por w = T (v).
Deve ficar bem claro que, para calcular, por exemplo, T (2, 1), tem-se: x - 2 e y - 1,
e daí:
T(2, l) = ( 3 x 2 , - 2 x 1 , 2 - 1 ) = ( 6 , - 2 , 1 )
151
152 Álgebra linear
4.1.1 Definição
II) T (au ) = aT (u )
Observação
Exemplos
De fato:
Então:
T(u + v) = T (x , +X 2 , Vi + y 2>
Transformações lineares 153
T (u + v) = (3 (x , +X 2), -2 (y j + y 2) ,( x , +X 2> - ( y i + y 2 ))
T (u + v) = ( 3 x , , - 2 y , , x , - y i ) + (3 x 2 ,-2 y 2 , X2 - y 2>
T (u + v) = T(u) + T(v)
T (au ) = T ( a x i,a y O
T (au) = (3 a X |, - 2 a y i , a x j - a y , )
T (au) = a ( 3 x ,, -2 y 1, X,» - y , )
T (au) = aT (u )
De fato:
T (u + v) = T (x , + X2)
T(u + v) = 3 (x , +X 2)
T (u -t v) = 3x, + 3x2
T (au ) = T ( a x ,)
154 Álgebra linear
T (au ) = 3 a x i
T (au ) = o ( 3 x ,)
T (au ) = a T (u )
Observação
Essa transformação linear representa uma reta que passa pela origem (Figura 4.1.1a).
£ fácil ver que, se uma transformação representar uma reta que não passa pela origem, ela
não é linear. Por exemplo:
T: IR — IR, T (x) = 3 x + 1
não é linear.
De fato:
T (u + v) = T (xi +X 2 )
T (u + v) = 3 (xi + X2) + 1
T (u + v ) ^ T ( u ) + T(v) = (3xi + 1 ) + (3 x2 + 1)
Seria bem mais fácil constatar que T noõ é//near, se soubéssemos que:
T (0) = T ( 0 . v ) = 0 .T ( v ) = 0
T (0 ,0 ) = ( 0 ,0 ,0 ) e T (0) = 0
Transformações lineares 155
T:IR^-------- ►1R^ T ( x ,y ,z ) = ( 3 x + 2 , 2 y - z )
pois T ( 0 ,0 ,0 ) = (2 ,0 )= it(0 ,0 ).
T: M - T (x ,y ) = ( x ^ 3 y )
De fato:
enquanto:
isto é :
T ( u + v)=5*í: T ( u) + T ( v)
3) A transformação identidade
I: V
V H V ou I (v) = V é linear
De fato:
I) I (u + v) = u + V = I (u) + I (v)
W
4) A transformação nula (ou zero)
T: V W
V 0 ou T(v) = 0 é linear
De fato:
I) T (u + v) = 0 = 0 + 0 = T (u) + T(v)
T:R^ R^
V h - V é linear
De fato:
I) T (u + v) = - ( u + v ) = - u - v = T(u) + T(v)
T: IR^------- IR"
é linear (verificar!).
é linear (verificar!).
De fato:
D ( f + g ) = D (f) + D(g)
e
D (a f) = a D (f)
158 Álgebra linear
por T (u) = J udt (a, b G F ), que a cada polinômio u G V associa sua integral
De fato:
T ( a u ) = y ^ ( a u )d t = a J \ i X = al{\x)
1 2
10) Seja a matriz A = -2 3 Essa matriz determina a transformação:
0 4
Ta : F ^ ---------►F^
V I-------- ►Av ou Ta ( v) = A v
que é linear.
De fato :
Ta ( u + v) = A ( u + v ) = A u + A v = Ta ( u) + Ta ( v)
Efetuando Av, onde v = (x, z)G IR^ é um vetor coluna de ordem 2 x 1 , resulta:
1 X + 2y
-2 -2 x + 3y
0 4y
Observações
b) Em 4.4 veremos o inverso, isto é, que uma transformação linear T: R ” — ►R*” sempre
pode ser representada por uma matriz m x n.
Para que possamos dar uma interpretação geométrica do significado de uma transformação
linear, consideremos uma transformação linear no plano. Seja o operador linear T : R ^ -------►R^
definido por:
T(x, y) = ( - 3 x + y , 2x + 3y)
e consideremos os vetores u = (-1, 1) e v = (0, 1). Portanto, T(u) = (4, 1) e T(v) = (1, 3).
A Figura 4.1.1e mostra que, ao multiplicarmos o vetor u por 2, sua imagem T(u) fica
também multiplicada por 2. E esse fato vale para qualquer a real, isto é, T(av) = aT(v).
Diz-se, nesse caso, que T preserva a multiplicação por um escalar.
Figura 4.1.le
4.1.2 Propriedade
T (a ,v , + a 2 V2) = a ,T ( v ,) > a 2T (v 2)
Suponhamos que { Vj, V2, ... , Vj^ } seja uma base do domínio V e que se saiba quais são
as imagens dos vetores desta base:
v = a i V i + a 2 V 2 + . . . + a^Vn
Exemplo
Solução
ou:
a2 + ^3 — 5
^2 “ “2
ai = -4 , a2 = -2 e aa = 7
Então:
logo:
Nos exercícios 1 a 4 sSo dadas transformações. Verificar quais delas são lineares.
1) T: ------- » R ^ T (x, y) = ( x - y, 2x + y, 0)
Solução
T (u + v) = T (x , + xa, yj + ya)
T (u + v) = (x , + xj - Vi - y j, 2x, + 2xj + yi + X2 , 0)
T (u + v ) = (xi - y i , 2 x i + y i , 0 ) + (x 2 - y 2 ,2 x 2 + y 2 ,0 )
T (u + v) = T (u) + T (v)
II) T (au ) = T ( a x , , a y , )
T (au) = (a x i - a y , , 2 a x , + a y , , 0)
T (au ) = a ( x , - y , , 2x, + y , , 0)
T (au) = aT (u )
Logo, T é linear.
2) T: ►R M ( x , y ) = ( x + 2 , y + 3 )
Solução
3) T: R , T (x, y) = I X I
Solução
T(u + v) = T ( x ,+ X 2 , y , + y 2 ) = | x , + X 2 I e
T(u) + T(v) = | x , | + | x 2 l
Solução
Se u, v E V:
Solução
I) Para quaisquer V:
T(A, + A 2 ) = T ( A , ) + T(A2)
T(ttAi)=a(A,'B + BA,)
T (a A, ) = a T( A ,)
Transformações lineares 165
a) T ( - v) = - T ( v)
b) T ( u - v ) = T ( u ) - T ( v )
Solução
a) T (-v) = T ( ( - l) v ) = - lT ( v ) = .T ( v )
Solução
vem:
X + 2y + 2z = - 1
X + 2y - z= 8
-X + y + 4z = -11
donde:
X + 2y + 2z = X
X + 2y - z = y
-X + y + 4z = z
T (v) = V e to d o s d a fo rm a :
V = (2z, -z, z)
ou:
v = z ( 2 , -1 , 1), VzG R
T ( l , - l ) = ( 3 ,2 ,- 2 ) e T ( - l , 2 ) = ( l , - l , 3 ) ,
Solução
(x, y) = a ( l , - l ) + b ( - l , 2 )
Transformações lineares 167
ou:
a - b = X
-a + 2b = y
a = 2x+y e ,b = x + y
Portanto:
T (x ,y ) = a T ( l , - l ) + b T ( - l,2 )
T ( l , 0 ) = ( 3 , - 2 ) e T (0, l ) = ( l , 4 )
Solução
( x ,y ) = x ( l , 0 ) + y (0 , 1)
e, portanto:
T (x ,y ) = x T ( l ,0 ) + yT(0, 1)
T (x, y) = x (3 , - 2 ) + y ( l , 4 )
Definição
N (T )= { v e V /T (v )- 0 }
Exemplos
T; ------ *■ , T (x, y) = (x + y, 2x - y)
é o conjunto:
O que implica;
(x + y, 2x - y) = (0, 0)
ou:
X + y = 0
2x - y = 0
Transformações lineares 169
X= 0 e y = 0
lo g o :
N (T ) = { ( 0 ,0 ) }
N (T )= { (x , y, z)G lR ^ T (x, y, z) = ( 0 ,0 ) }
(x - y + 4z, 3x + y + 8) = (0, 0)
ou:
X - y + 4z = 0
3x + y + 8z = 0
Logo:
ou:
N(T)={z(-3, 1, l)/ze R}
ou, ainda:
N (T )= [(-3 , 1, 1)]
170 Álgebra linear
Observemos que esse conjunto representa uma reta no que passa pela origem e tal
que todos os seus pontos tém por imagem a origem do R^ (Figura 4.2).
Figura 4.2
De fato:
I) T(vi+V2)= T ( vi ) + T ( v2) = 0 + 0 = 0
isto é:
V, + VJ & N(T)
II) T (a v i) = a T ( v i ) = a 0 = 0
isto é :
a v , e N(T)
Transformações lineares 171
De fato:
Seja vG N(T), isto é, T(v) = 0. Por oiitro lado, sabe-se que T (0) = 0. Logo,
T (v) = T (0). Como T é injetora por hipótese, v = 0. Portanto, o vetor zero é o único elemento
do núcleo, isto é, N (T) = { 0 } .
De fato:
4.3 IMAGEM
Definição
Exemplos
N (T )= { ( 0 ,0 ,z ) /z G IR}
De fato:
e:
T(u) = T (a v i) = ocT(vi) = aw i
Deixaremos de demonstrar o teorema e faremos algumas comprovações por meio dos exem
plos e de problemas resolvidos logo a seguir.
No exemplo 3 da transformação nula, temos dim Im(T) = 0. Portanto, dim N(T) = dim V.
pois N(T) = V.
Solução
De:
(x + 2y - z, y + 2z, X + 3y + z) = (0, 0, 0)
vem o sistema:
X + 2y - z=0
y + 2z = 0
X + 3y + z=0
Logo:
(x + 2y - z, y + 2z, X + 3y + z) = (a, b, c)
Transformações lineares 175
e o sistema:
X + 2y - z=a
y + 2z = b
X + 3y + z= c
Logo:
Im (T )= { (a ,b , c)G IRVa + b - c = 0 }
Notemos que:
Observação
ou:
(x + 2 y - z, y + 2z, x + 3y + z) = x ( l , 0, 1)+ y (2 , 1, 3) + z ( - l , 2, 1)
Logo, qualquer vetor do conjunto imagem é combinação linear dos vetores (1 ,0 , 1), (2,1, 3)
e (-1, 2, 1) e, portanto:
Observando que:
conclui-se que:
isto é, a imagem dessa transformação é o subespaço gerado pelas imagens dos vetores da base
canônica do domínio IR^.
Este fato vale de modo geral: T: V •W é linear e { v i ,..., v^} gera V, então
gera a ImCT)” .
De fato:
Seja w G Im(T). Então, T(v) = w para algum vG V. Como { v i ,..., v„} gera V,
existem escalares a i,...,a n tais que:
e:
Portanto:
11) Seja T: ------ >• IR^ a transformação linear tal que T (e i) = ( l , 2), T(c 2) = (0, 1) e
T ( c3) = (-1 , 3), sendo { e i , e 2, e 3 } a base canônica de R?
Solução
Lembremos que
implica:
e:
T (x, y, z) = x ( l , 2) + y ( 0 , l) + z ( - l , 3 )
ou:
T (x, y, z) = (x - z, 2x + y + 3z)
O sistema:
X - z = 0
2x + y + 3z = 0
Logo:
N (T )= { ( z ,- 5 z , z)/zG R }
ou:
I m ( T ) = [ ( l,2 ) ,( 0 , ! ) , ( - ! , 3)]
178 Álgebra linear
Logo, Im (T )= R ^ e qualquer base de JR? é base de Im(T). Uma delas é {(1, 2), (0, 1) }.
Ainda: T é sobrejetora, pois Im(T) = IR^ que é o contradomínio.
T: E" ------- ►E ^ T ( x ,y ) - ( x - 2 y ,2 x + 3 y )
Solução
X - 2y = 5
2x + 3y = 3
Solução
O problema será resolvido com a utilização da propriedade 4.1.2. Fazendo, por exemplo,
x = l , y = 0 e x = 0, y = l , o conjunto { (1 ,0 ,1 ), ( 0 ,1 ,-1 )} é uma base do núcleo e, com o acrés
cimo do vetor (0 ,0 , l),oconjunto { (1 ,0 ,1 ), (0 ,1 ,-1 ), (0 ,0 ,1 )} forma uma base do E^ (verificar!).
Como (1 ,0 ,1 ) e ( 0 ,1 ,- 1 ) são vetores do núcleo, T ( 1 ,0 ,1) = (0, 0, 0, 0) e T(0, 1, -1 ) = (0 ,0 , 0, 0).
Transformações lineares 179
Façamos arbitrariamente, T (0, 0, 1) = (1, 0, -1, 0). Pela propriedade 4.1.2, a transformação está
definida, e o núcleo é gerado por (1, 0, 1) e (0, 1, -1). Portanto, T tem a condição requerida.
Pretendemos calcular T (x, y, z). Comecemos escrevendo (x, y, z) na base considerada de
Tendo em vista que
vem:
T (x, y, z) = ( - X + y + z, 0, X - y - z, 0)
4.3.4. Corolários
De fato:
=> Im(T) = W
T é sobrejetora
180 Álgebra linear
Reciprocamente:
T é sobrejetora Im(T) = W
N(T) = { 0 }
Assim, numa transformação linear na qual dim V = dim W, se T é injetora (ou sobre
jetora), então T é também bijetora (injetora e sobrejetora ao mesmo tempo).
De fato :
Como dim V = dim W = n, basta mostrar que T(B) é LI. Para tanto, consideremos a
igualdade:
a iT (v i) + ...+ a„T(v„) = 0
T (a ,v , + . . . + a„Vn) = 0
a ,v , + ... + a „ v „ = 0
a, = ... =a„ = 0
4.3.5 Isomorfismo
Exemplos
1) O operador linear
T : R 2 — ^ R 2, T (x ,y ) = (2x + y ,3 x + 2 y )
2) A transformação linear
De fato, a aplicação linear T :R ^ ----->*W, tal que T (x, y) = (x, y, 0), é bijetora: a
cada vetor (x, y) de corresponde um só vetor (x, y, 0) de W e, reciprocamente.
Logo, R^ e W são isomorfos.
V = X i V , +X2V2 OUV^=(Xi,X2>
T (v) = y , W , + Y 2 W 2 + y 3 W3 (1)
ou:
T (v)g = ( y ,,y 2 ,y 3 )
T(v i) = a i i Wi + a2i W2 + 3 3 1 W3 ( 3)
T ( V 2 ) = a i 2 W i + 322 W2 + 332 W3 ( 4)
ou:
yi = a u Xi + a i 2X2
Yi ~ a2 i*Xi + 322X2
Ya “ a3iXi + 332X2
Transformações lineares 183
Yi ^11 a 12
Xi
=
Y2 ^21 ^22
X2
Y3 ^31 ^32
OU, simbolicamente:
Observações
2) As colunas da matriz [T]^ são as componentes das imagens dos vetores da base A em
B
relação à base B, conforme se pode ver em (3) e (4):
an ai2
^21 ^22
^31 ^32
t t
T ( v i ) b T (v2)g
de ordem m x n, onde cada coluna é formada pelas componentes das imagens dos vetores de
A em relação à base B:
an a 12 • • • a in
a2i a22 • • • a2n
[T]'^ =
^ ^B
ami am2 amn
t t t
3) Como se vé, a matriz [T] depende das bases A e B consideradas, isto é, a cada dupla
de bases corresponde uma particular matriz. Assim, uma transformação linear poderá ter uma
infmidade de matrizes para representá-la. No entanto, fixadas as bases, a matriz é única.
a) Determinar [T ]_-
D
Solução
a) A matriz é de ordem 2 x 3 :
2âii + 5 s 2i “ 2 aii = - 4
an + 3a2i - 2 a2i —2
2 i2 3a22 — 1 H22 “ “2
Logo:
13
2 -2 -5
b) Sabe-se que:
[T ( v) ] b = [T ]^ [v]^
v = ( 3 ,- 4 ,2 ) = 3 ( l , 0 , 0 ) - 4 ( 0 , l , 0 ) + 2 ( 0 , 0 , 1),
(3, -4 , 2) = a ( l , 1, 1) + b ( 0 , 1, 1) + c ( 0 , 0, 1)
186 Álgebra linear
ou:
a =3
a +b =-4
a +b + c = 2
Portanto:
-4 5 13 3
[T ( v) ] b = -7
2 -2 -5 6
31
[T(v)]„ =
-10
T(v) = 31(2, 1 ) - 1 0 ( 5 ,3 )
T(v) = ( 1 2 , l )
Naturalmente T(v) = ( 1 2 , 1) também seria obtido por meio da lei que define a trans
formação T, considerando v = ( 3 ,- 4 ,2 ) , como se pode ver nos problemas 15 e 16.
a) Determinar [T] .
Solução
a) T ( l , 1, 1) = ( 2, 2) = 2 ( 1 , 0 ) + 2 ( 0 , 1 )
T ( 0 , 1 , 1 ) = ( 0 , - 1 ) = 0 ( 1 , 0 ) - 1 ( 0 , 1)
T ( 0 , 0 , l ) = ( l , - 2 ) = l ( l , 0 ) - 2 ( 0 , 1)
Então;
2 0 1
K -
2 -1 -2
3
2 0 1
[t ( v)1 b = -7
2 -1 -2
6
e;
12
[T (v)]„ =
1
16) Seja ainda a mesma transformação linear do exercício anterior. Sejam as bases canômcas
do R3 e R^•
A = { ( 1 , 0 , 0 ) , ( 0 , 1 , 0 ) , ( 0 , 0 , 1)} e B = { ( 1 , 0 ) , ( 0 , 1)}
a) Determinar [T] .
B
Solução
a ) T ( l , 0 , 0 ) = ( 2, 3 ) = 2 ( 1 , 0 ) + 3 ( 0 , 1 )
T ( 0 , 1, 0) = ( - 1 , 1 ) = - 1 ( 1 , 0 ) + 1 ( 0 , 1 )
Então:
2 -1 1
K -
3 1 -2
3
-1 1
[T(v)], -4
1 -2
2
e:
12
[T(v)].=
1
Obser\/ações
2) Observemos, pelo problema 16, que calcular T (v) pela matriz [T] é o mesmo que
fazé-lo pela fórmula que define a T :
3) Ficou claro que, dada uma transformação linear T, a cada dupla de bases A e B cor
responde uma matriz [T]"^. Reciprocamente, dadas a matriz e uma dupla de bases A e B,
B
podemos encontrar a lei que define T, o que será feito no problema 17.
Em se tratando da matriz canônica, essa poderá ser escrita diretamente, como mostram
os exemplos:
1) T :F ' ! -----^1R3,
3 -2
[T] = 4 1
1 0
t t
T ( 1 , 0 ) T ( 0 , 1)
1 0
[T]
0 -1
3 ) T : R ^ ---- >-F, T ( x , y , z ) = 4 x - y
[T] = [4 -1 0]
Por outro lado, quando é dada uma matriz de uma transformação linear T sem que haja
referência às bases, essa deve ser entendida como a matriz canônica da T. Por exemplo, a
matriz:
2 3 4
1 -2 0
190 Álgebra linear
T:R^ — T( x, y, z ) = (2x + 3y + 4 z , x - 2 y ) .
Por exemplo, seja T : R ^ ---- ►R^ o operador linear definido por T (x, y) = (2x - y , x + y).
Determinemos a matriz de T em relação à base A = { (1, -2), ( - 1 , 3 ) } .
Calculando as componentes das imagens dos vetores da base A em relação à própria base,
vem:
T(l,-2) = (4,-l)= ll( l,.2 ) + 7(-l,3)
11 -13
[t 1 a =
7 -8
[T(v)]A=tT]AM A
2 -1
T =
1 1
No Capítulo 5 veremos que essas matrizes que representam o mesmo operador linear, porém
em bases distintas, são chamadas matrizes semelhantes e terão especial importância.
Transformações lineares 191
2 0
[T ]^ = 1 -2
-1 3
Solução
2 0
[T (1 .1 )] b = 1 e [T (l,0 )]g = -2
-1 3
logo:
T ( l , l ) = 2 ( 1 , 2 , 0 ) + 1 ( 1 , 0 , - 1 ) - 1 ( 1 , - 1 , 3 ) = (2,5,-4)
Pela propriedade 4.1.2 esse fato é suficiente para a determinação da transformação T. Como
buscamos T (x, y), precisamos primeiramente escrever (x, y) em relação à base A:
T(x,y) = y T ( l , l ) + ( x - y ) T ( l , 0 )
T ( x , y ) = y(2, 5 , - 4 ) + (x - y) ( 1 , - 3 , 11)
Observação
A matriz canônica T é:
1 1
[T] = 8 -3
-15 11
4.5.1 Adição
T, + T 2 : V W
(T , + T 2) ( v) = T , ( v) + T 2( v), Vv G V
[ T , + T 2] g = [ T i ] ^ + [T2 ]g
aT: V W
(aT )(v) = a T (v ), V vE V
[aT]^=a[T]^
Transformações lineares 193
4.5.3 Composição
T2 o T i : V -----> U
'T^oT,
18) Sqam Ti:IR^ ---- e T 2 ; R ^ --------------- >-R^ transformações lineares definidas por
T i ( x , y ) = (x + 2y, 2 x - y , x ) e T 2 ( x , y ) = ( - x , y , x + y ) . Determinar:
a) T, + T2
b ) 3T, - 2T 2
Solução
(T, + T 2) ( x , y) = ( 2 y , 2 x , 2 x + y )
c) 5 6 1 2 -1 0
1 -2 1 0 1 1
Determinar:
a) S o T
b ) T oS
c) S o S
d) T o T
Solução
a) ( S 0 T ) ( x , y ) = S ( T ( x , y ) ) = S ( x , x - y ) = ( 2 x , x - y )
Transformações lineares 195
Observemos que:
2 0 2 0 1 0
[SoT] = [S] [T]
1 -1 0 1 1 -1
Observemos que:
SoT=?í=ToS
4.6.1 Reflexões
Essa transformação linear leva cada ponto (x, y) para sua imagem (x, -y), simétrica em
relação ao eixo dos x.
f (X,y)
(x, y) I— »• (x, -y) ou 1
iT
1
1
T (x, y) = (x, -y)
0 1
1
^ (X , -y>
1 0
sendo sua matriz canônica, isto é:
0 -1
X 1 0 X
-y 0 -1 y
1
(-X , y) T (x, y)
b) Reflexão em torno do eixo dos y
T;R^ IR^
0 X
(x, y) (-X, y)
ou:
-X -1 0 X
y 0 1 y
c) Reflexão na origem
T:R^ — >■
ou:
-X -1 0 X
-y 0 -1 y
ou:
X y 0 1 X
1— ► =
y X 1 0 y
T: IR*-----»• IR*
( x , y ) I— >• ( - y , - x )
► X
ou:
-1
198 Álgebra linear
T:R2 -----►
ou:
ax a
ay 0
Observemos que:
T:R2 R"
(x,y) ( ax , y) , a > 0
ou:
ax a 0
0 1
Observemos que:
T:IR" IR''
Observação
( x , y ) i -------^ ( x, 0)
Para a = 0, no caso b), T seria a projeção ortogonal do plano sobre o eixo dos y.
200 Álgebra linear
4.6.3 Cisalhamentos
T; — *• R^
ou:
X + ay 1 a
y 0 1
T:WC — ►1R2
(x,y) I— » ( x , y + a x )
1 0
A matriz canônica desse cisalhamento é:
a 1
Transformações lineares 201
1 0
2 1
4.6.4 Rotação
A rotação do plano em torno da origem (Figura 4.6.4a), que faz cada ponto descrever um
ângulo 6, determina uma transformação linear cuja matriz canônica é:
COS 6 -sen 6
[T0] =
sen 6 COS 6
T( ei ) = (cos 0, sen 6)
T ( c2 ) = (-sen 6, cosd)
202, Álgebra linear
isto é:
T ( c i ) = (cos 6 ) Cl + (sen d ) C2
cos 6 -sen 6
IT ^ I-
sen 6 cos 6
Se, por exemplo, desejarmos a imagem do vetor v = (4, 2) pela rotação de 0 = tt/ 2, basta
fazer:
[T (4,2)1 =
sen 7 r/2 c o s 7t / 2
0 -1 4 -2
[T(4, 2)] = ou [T(4, 2)] =
1 0 2 4
Transformações lineares 203
20) Os pontos A (2, -1), B (6, 1) e C (x,y) são vértices de um triângulo eqüilátero. Determinar
o vértice C, utilizando a matriz de rotação.
Solução
Pela figura vemos que se pode considerar o vetor AC como imagem do vetor AB pela
rotação de 60° em torno de A (o triângulo sendo eqüilátero implica AB e AC terem compri
mentos iguais):
Mas:
à C = C -A = (x -2 ,y + l)
ÃB = B - A = ( 4 , 2 )
logo:
X- 2 1/2 -V3/2
y+ 1 y/3j2 1/2
ou:
X - 2 2 — ->/3
y + 1 2V3 + 1
X - 2= 2-V 3 X = 4 -y/3
OU
y+ 1 = 2^3+1 y = 2>/3
logo:
C(4-V3, 2y/3)
O problema tem outra solução que seria obtida fazendo d = -60° (a cargo do leitor).
Solução
' x ' ‘ 1 2 X
( 1)
t
y 0 1 y
Transformações lineares 205
A reflexão transforma O vetor (x ',y ') no vetor (x '',y '') dado por
;
’ x"' -1 0 X
( 2)
n /
y 0 1 _y
x" -1 0 1 2 X
_y"_ 0 1 0 1 ■y
ou:
n
X -1 -2 X
_y"_ 0 1 y
Portanto, a matriz
-1 -2
0 1
Observemos que, de acordo com o que estudamos sobre transformação composta, a matriz
resultante é obtida pelo produto das matrizes que representam as transformações, porém tomadas
em ordem inversa. Esse fato continua válido no caso de termos mais de duas transformações.
22) O plano sofre uma rotação de um ângulo 0, A seguir experimenta uma dilatação de» fator 4
na direção Ox e, posteriormente, uma reflexão em torno da reta y = x. Qual a matriz que
representa a única transformação linear e que tem o mesmo efeito do conjunto das trés
transformações citadas?
206 Álgebra linear
Solução
COS 6 -sen d
Al =
sen 6 COS 6
a da dilatação é:
A2 —
e a da reflexão é :
0 1
A3 =
1 0
4.7.1 Reflexões
A reflexão em relação ao plaflo xOy é a transformação linear que leva cada ponto (x, y, z)
na sua imagem (x, y, -z), simétrica em relação ao plano xOy. Assim, essa transformação é
definida por:
1 0 0
0 1 0
0 0 -1
1 0 0 -1 0 0
0 -1 0 e 0 1 0
0 0 1 0 0 1
respectivamente.
1 0 0
0 -1 0
0 0 -1
208 Álgebra linear
De forma análoga, T (x, y, z) = (-x , y, -z) e T (x, y, z) = (-x, -y, z) definem as reflexões
em relação aos eixos Oy e Oz, respectivamente.
c) Reflexão na origem
T:1r 3 ------ ^ ]r 3
(x,y,z) (-X ,- y , - z )
4 .7 2 Rotações
COS B -sen B 0
0 0 1
e:
T ( 0 , 0 , z) = ( 0 , 0 , z )
210 À Igebra linear
Observação
Calcular o ângulo a formado pelos vetores v e T(v) quando o espaço gira em torno do
eixo dos z de um ângulo 6, nos seguintes casos:
1 ) 0 = 180° e v = ( 3 , 0 , 3 )
2 ) 6= 90° e v =
2s/2 4 2
Solução
1)
COS 180° -sen 180° 0
0 0 1
~ -l 0 0 3 -3
[T(v)]= 0 - 1 0 0 = 0
0 0 1 3 3
v. T( v ) _ (3,0,3).( -3,0, 3) _ - 9 + 0 + 9 _ ^
I V I I T (v) I V9 + 9 V9 + 9 18
a = 90°
Transformações lineares 211
2)
0 0 1
~ V3 ~v/2
0 -1 0
2s/2 4
V2 V3
[T(v)] = 1 0 0 =
4 2s/2
^/2 v/2
0 0 1
2 2
V2
V. T(v) ( v i -
COS a = - 2s/2 ’ 4 ’ # > ■ ^^4 ’2 2 ^_
v||T (v)
/ i +1 +1
8 8 2 n/ 8 8 2
' 8 8 2 __j_
1x1 2
a = 60°
2) Dada a transformação linear T:V ^W, tal que T (u) = 3u e T (v) = u - v, calcular em
função de u e v:
a) T (u + v)
b ) T(3v)
c) T (4u - 5v)
212 Álgebra linear
3) Dentre as transformações T :R ^ -----► definidas pelas seguintes leis, verificar quais são
lineares:
b ) T ( x , y ) = (y, x)
c ) T(x,y) = (x^y^)
d ) T(x,y) = ( x + l , y )
e) T ( x , y ) = ( y - x , 0 )
0 T(x,y) = ( | x | , 2 y )
g) T (x, y) = (senx, y)
h ) T(x,y) = ( x y , x - y )
i) T ( x , y ) = (3 y ,-2 x )
b) T ( x , y ) = ( 2x, y) e) T ( x , y ) = - 2 ( x , y )
c) T ( x , y ) = (-2 x ,2 y ) f) T ( x , y ) = ( x ,-y )
b ) T :R ^ ------ *■ R ^ T ( x , y , z ) = (x + y , x - y , 0 )
d) T:lR R^ T(x)=(x,2)
e) T: R, T (x, y, z) = -3x + 2y - z
g) T:R^- R, T(x,y)=x
h) T; R^ ■ R, T(x,y)=xy
i) T:R^ R"*, T ( x , y ) = ( y , x , y , x )
2y 3x
j) T:R^ M( 2, 2) , T ( x , y ) =
-y X + 2y
a b
k)T:M (2,2) R^ T j= (a - c, b + c)
c d /
a b a b
1) T : M ( 2 , 2) R, T = det
c d c d
m) T: R3 R^
2 1 3
(x, y, z) •
-1 0 -2
( x , y ) — >• (x + k y , x + k , y )
a) k = X
b) k = 1
c) k = 0
214 Álgebra linear
b) Achar T ( 1 , 0 , 0 ) e T ( 0 , 1,0).
11) Determinar a transformação linear T:P 2 -----►P2 tal que T(l) = x, T (x)= l-x^ e
T(x^) = x + 2 x ^
a) (1,-2) b) ( 2 ,- 3 ) c) ( . 3 , 6)
13) Para o mesmo operador linear do exercício anterior, verificar quais dos vetores pertencem
a Im(T).
1
a) ( 2 , 4) b) ( - y , - l ) c) ( - 1 , 3 )
Nos problemas 14 a 21 são apresentadas transformações lineares. Para cada uma delas:
Transformações lineares 215
a) Determinar o núcleo, uma base para esse subespaço e sua dimensão. T é injetora?
Justificar.
b) Determinar a imagem, uma base para esse subespaço e sua dimensão. T é sobrqetora?
Justificar.
21) T : M ( 2 , 2 ) — *• R ' = (a - b, a + b)
c) T é injetora? E sobrejetora?
24) Encontrar um operador linear T:1R^ -----►IR^ cujo núcleo é gerado por ( 1 ,2 ,- 1 ) e
( 1 ,- 1 ,0 ) .
25) Encontrar uma transformação linear T:1R^ R" tal que N(T) = [ (1 ,0 ,-1 )].
26) Encontrar uma transformação linear T: ►R"^ cuja imagem é gçrada por (1, 3, -1, 2)
e ( 2 ,0 ,1 ,- 1 ) .
28) Seja a transformação linear T:R^ 'R ^ , T(x, y) = (2x - y, X + 3 y ,-2 y ) e as bases
A = { ( - 1 , 1 ,),2 , 1)} e B = { ( 0 ,0 ,1 ) ,( 0 ,1 ,- 1 ) ,( 1 ,1 ,0 ) } . Determinar [T]^. Qual
A ^ ^
a matriz [T ]^ , onde C é a base canônica do R^?
29) Sabendo que a matriz de uma transformação linear T:R^ -----^R^ nas bases
A = { ( - 1 , 1 , ( 1 , 0 ) } d o R 2 e B = { ( 1 , 1 , - 1 ) , ( 2 , 1 , 0 ) , ( 3 , 0 , 1 ) } é:
[T ]^ =
1 -1
30) Seja 1 -2
[T] = 2 0
-1 3
1 -1
[T]® = 0 1
-2 3
1 0 -1
-1 1 1
sendo Bj = { ( 0 , 1 , 1 ) , ( 1 , 0 , 0 ) , ( 1 , 0 , 1 )} e Bj = { ( - 1 ,0 ) ,( 0 ,- 1 ) } bases do R^ e do
R^, respectivamente.
T :R 2 --------- ►R^
2 1
-1 -3
a) Determinar T (vi )g e T (v 2 ) g .
b) Determinar T (v i) e T (v 2).
I:lRn -----^
V I-------► V
1 3
[T] =
-1 5
a) T (u) = u.
b) T (v) = 2v.
1 2 -1
2 0 1
1 -2 2
a b
= (a + b, c - d, 2a)
c d
d) Determinar N(T).
39) Sejam F:R^ ----->-M (2,2) uma transformação linear e a e j3 as bases canônicas de
JR^ e M (2, 2), respectivamente. Sabendo que
1 0
2 1
=
3 -2
-1 2
220 Álgebra linear
determinar:
a) F (1 ,0 )
b) F ( 0 , 1)
c) F (2, 3)
d ) F (x .y )
e) (a ,b ) tal que:
1 -2
F (a ,b ) =
3 4
a ) T, - T j .
b) 3T, - 2 T2 .
3 2
41) Consideremos as transformações lineares S e T de R em R defínidas por
S (x ,y , z) = ( 2 x - y , 3 x - 2 y + z) e T ( x ,y ,z ) = (x + y - z , y - 2 z ) .
a) S + T d) S o T
b ) T -S e) T o S
c) 2S + 4T f) S o S
S :R ^ ---------► S(x, y ,z ) = ( x + y ,z , x « y , y + z)
a) Calcular (S o T) (x, y) se
T: -----> R^
(x ,y ) (2x + y, X - y, x - 3y)
44) As transformações S :R ^ -----►R^ e T:R^ — ►R^ são tais que S(x, y) = (y, x - y,2x + 2y>
e T (x, y, z) = (x, y).
a) [ S o T ] .
b) [ T o S ] .
222 Àlgebra linear
46) Os pontos A(2,-l) e B(-1,4) são vértices de um quadrado. Calcular os outros dois
vértices, utilizando a matriz-rotação.
47) Os pontos A(-1, -1), 8(4, 1) e C(a, b) são vértices de um triângulo retângulo isósceles, reto
em A. Determinar o vértice C fazendo uso da matriz-rotação.
48) Em um triângulo ABC, os ângulos B e C medem 75° cada. Sendo A(l, 1) e B(-1, 5),
determinar o vértice c.
49) Determinar, em cada caso, a matriz da transformação linear de R 2 em IR.2 que representa
a seqüência de transformações dadas:
b) Rotação de 30° no sentido horário, seguida de urna duplicação dos módulos e inversão
dos sentidos.
51) Determinar O ângulo a formado pelos vetores v e T(v) quando o espaço gira em torno do
eixo dos z de um ângulo d, nos seguintes casos:
a) v = ( ^ , ^ . l ) e « = 180=
b) v=( ^ . ^ . ^ ) e « = 180=
2) a) 4u - V
b) 3u - 3v
c) 7u + 5v
4) a)
b)
5) São lineares: a), b), e), g), i), j), k), m),
6) c) é linear
b) V = (3 , 4)
b ) T ( l , 0 , 0 ) = (0 ,0 ) e T ( 0 , 1 ,0 ) = ( - 1 ,- 1 )
9) a) T (x, y, z) = (3x - y - z, 4x - y - z)
b) v = ( l , 6 - z , z )
c) V= (0, -z, z)
V= ( 2 ,- 3 ,- 5 )
12) a), c)
13) a), b)
T é injetora, porque N (T )= { 0 } .
Transformações lineares 225
T é injetora.
b) Im(T) = IR^
b) Im (T)= { ( x , y , z ) £ IR^/y = - z }
20) a )N (T )= {0 }
21) a )N (T ) = / c, d £ IR
c d
b) Im(T) = lR^
b) N (T )= { ( 0 , 0 ) }
Im (T)= { ( x ,y ,- x ) / x ,y £ IR}
Im(T) = lR^
b) e c) a cargo do leitor.
-2 -3 0
27)
3 3 2
3 0 -3
28) 5 2 2
-3 3 -2
8 18
[T] = 6 11
-2 -4
30) v = (2 ,0 )
31) ( 1 1 ,- 1 3 ,2 )
32) a) T (x , y, z) = (-2y + z, -x + y)
d) T não é injetora.
T é sobrcjetora.
-2 1 3 -1 1 2
33) [T]^ = . m ,= e [T]c=[T] =
-1 2 6 -3 1 -1
b ) T (v ,) = ( - l , 0 ) . T ( v2 ) = ( - 8 ,- 5 )
36) a) ( 0 ,0 )
b) y ( 3 , 1)
c) (1, 1)
1 1 0 0
38) b) [T l^ = 0 0 1 -1
2 0 0 0
2 1
c) V= ;d e R
d -2 d
0 0
d) N (T ) = ; dG R
d d
228 Álgebra linear
1 2 0 1 2 7
39) a) b) c)
3 -1 -2 2 0 4
2x + y
d) e) não existe (a, b).
3x - 2y -X + 2y
2 - 7 4
b)
9 -10 11
b ) ( T - S ) ( x ,y ) = (x + 2 y ,- 2 y )
f) (S o S )(x ,y ) = ( x - 4 y , y )
b) a cargo do leitor
-1 -4 -1
1 .1 0 1
44) a) 1 0 1 b) e
1 -2 1 -1
0 5 0
Transformações lineares 229
1 0 -1 0 1 0
45) a) 0 2 0 b) 0 2 0
1 -1 -1 1 -1 0
47) C (-3 ,4 ) ou C ( l ,- 6 )
48) C ( - l - v / 3 , 2 v /3 ) ou C ( 3 - V I , 2 + 2 > /T )
1 V5
.1 5 -V 3 -1
"2 2
49) a) b) c)
0 1 1 -V 3 _L
2 2
-COS d .sen 0 0 -2
d) e)
-send -COS 6 -1 -6
50) a) ( - 1 ,8 )
b) T (x ,y ) = ( - j x , 2x + y)
-J 0
c) [T] =
51) a ) a = 90<»
b ) o = 90»
OPERADORES
LINEARES
Observação
Quando o operador linear T admite a inversa T " \ diz-se que T é inversivel, invertivel,
regular ou não-singular.
230
Operadores lineares 231
[T -‘ ] b = ( [ T ] 3 ) - ‘
isto é, a matriz do operador linear inverso numa certa base B é a inversa da matriz
do operador T nessa mesma base.
Na prática, a base B será normalmente considerada como canônica. Logo, de forma mais
simples:
[T -i] = [ T ] - ‘
e, portanto:
[T] [T -‘ ] = [ T o T - ‘ ] = [I]
5 2 .2 Problemas Resolvidos
Solução
4 -3
a) A matriz canônica de T é [T] =
-2 2
4 -3 -1
b )[T -^ ] = [T]-^ = > f
-2 2 1 2
logo:
x 3 X ^ 3
1 x+ y y
=
2 =
(T -‘ (x ,y )] = [T -‘ ]
J 2_ X+ 2y
ou:
T"‘ (x ,y ) = (x + y y , x + 2y)
Observação
’ x' X
= [T]
/
y y
Operadores lineares 233
o operador T ^ traz de volta o vetor (x', y') para a posição inicial (x, y), ou seja:
X ’x ‘
= [T ]-‘
t
y y
É bom que o leitor faça o teste com um vetor de livre escolha, valendo-se de T e do
exercício realizado.
Solução
( x ,y ,z ) = x ( l , 0 , 0 ) + (-y - z ) ( 0 , - l , 0 ) + ( - z ) ( 0 , 1 ,-1 )
logo:
T ‘ * (x ,y ,z ) = x ( l , 1, l) + ( - y - z ) ( - 2 , l , 0 ) + ( - z ) ( - l , - 3 , - 2 )
5.3 M U D A N Ç A DE BASE
Dado um vetor v G V, este será combinação linear dos vetpres das bases A e B:
ou:
V. =(Xj,X2,Xj)
e:
v = y , w j +y2Wj +ysW3 ( 2)
ou:
VB = ( y i . y 2 , y 3 )
Por sua vez, os vetores da base A podem ser escritos em relação à base B, isto é:
ou:
V = (a,iXi +812X2 +ai3X3)Wi +(821X1 + 822X2 + a23X3)W 2 + (331X1 + 832X2 + a33X3>W3 (4)
Operadores lineares 235
yi = a n X i +ai2X2 + 313X3
Yi =a2iXi +a22X2 + 323X3
ya “ ^31 Xi + 332X2 + 333X3
y i 3 il 3 i2 a i3 Xi
= X2
V2 321 322 ^23
sendo a matriz:
^11 3 i2 3i3
Observações
1) Comparando a matriz [I] com (3), observamos que cada coluna, pela ordem, é
B
formada pelas componentes dos vetores da base A em relação à base B, istoé:
3 ll 3 i2 3i3
I: V V
V V
considerado nas bases A e B. Esse fato fica bem evidente no problema resolvido número 3.
M b = [‘ i ; [ v ] a (5)
pode-se obter:
[v ].= (m ^ iv], ( 6)
( u i y =
y, = (2, -1), vj = ( - 1 , 1 ) e w, = ( 1, 0) , Wj = ( 2, 1)
[V]^ =
Solução:
a) Pretendemos calcular:
an a 12
a2i 322
t t
[Vi I b [V ílj
Vi = ( 2 , - l ) = a , i ( l , 0 ) + a 2 i ( 2 , 1)
ou:
aii + 2aii = 2
Í2l ~
aii =4 e = - l, istoé, K ]g =
V2 = ( - l , l ) = a n ( l ,0 ) +a2a(2,l)
ou:
a ,i + 2aj2 = -1
a» = 1
-3
ai2 = -3 e 322 = 1, isto é, [v 2 ]_ =
1
238 Álgebra linear
logo:
4 -3
K -
-1 1
b) Sabendo-se que:
obtemos:
4 -3
4
[v] =
-1 3
7
[v] =
-1
v = 4 (2 ,-l) + 3 ( . l , l ) = (5,-l)
ou:
v = 7 ( l , 0 ) . l ( 2 , 1) = ( 5 , - 1 )
Observação
( 5 , - 1 ) = a , ( 1 , 0 ) + 32(2,1)
A utilização da matriz-mudança de base ainda será vista em outros assuntos deste livro.
2 -1
-1 1
t t
Vl V2
pois:
(2,-l) = 2 ( l , 0 ) - l ( 0 , l )
(-1,1) = - 1 ( 1 , 0 ) + 1 ( 0 , 1 )
1
[I]^
0
t
Wi W2
Assim, a matriz-mudança de base de uma base qualquer para a canônica é a matriz que $e
obtém daquela base dispondo seus vetores em colunas. Façamos [I]^ = A e [I]® = B.
240 Álgebra linear
Lembrando o que foi visto em 4.5.3 sobre composta de transformações lineares e levando
em conta a Observação 4 ) de 5.3, podemos escrever:
[ I ] j = [ I o I ] g = [I]3 = [I]ç = B - ‘ A
-1
1 2 2 -1 1 -2 2 -1
= A=
0 1 -1 1 0 1 -1 1
4 -3
-1 1
COS 6 -sen 6
SGtiS COS 6
e:
respectivamente.
Operadores lineares 241
cos d -sen 6
[i]^
sen 6 cos $
pois:
P = {(cos 90®, sen 90°), (-sen 90®, COS 9 0 °)} = { ( 0 , 1 ),(-1 ,0 )>
e, portanto:
0 -]
1 0
0 -1 4 -2
tv ]c= m ,[v ]p =
1 0 2 4
P= {(0,1),(-1,0)}
C= {(1,0),(0,1)}
Operadores lineares 243
COS B -sen B
m p = ((i]c)-‘
sen B COS B
OU seja:
COS B sen B
[iií =
-senB cosB
Por exemplo, para uma rotação de B =45° no sistema xOy, o vetor v = (x, y) = (4 ,2 )
íia base canônica será \^ = ( x \ y') = (3 \ / 2 , - y/2 ) na base P.
De fato:
V2 y/2 4
2 2
[V]p =
y/l y/2
~_2 2 _ 2
3y/2
[v]p =
-V 2
244 Álgebra linear
(5.4)
De fato:
[T(v)1 a = [ T ] ^ [ v ]^ ( 1)
e:
[T(v)]^ = [ T ] b M 3 ( 2)
(T (v )i,-([ii')-‘ [ i u n i ! i » i .
m ,= ((ii^ - (t I a I u '
[ T ] b =M-> [ T] ^ M (5.4a)
não se podendo esquecer que M é a matriz-mudança de base de B (2? base dada) para
A (1? base dada).
Por conseguinte, duas matrizes [T] ^ ® [T] g são semelhantes quando definem em V um
mesmo operador linear T. Mais precisamente, duas matrizes [T] ^ ® b semelhantes se
existe uma matriz inversível M tal que
[T] b = M-» [T ]^ M
O esquema a seguir mostra que existem duas maneiras de se obter T(v)g a partir de v^:
ITIa _
Va ---------------------------------- ► tM a
M- M-*
f itib
► -T(v)b
Vb
246 Álgebra linear
5.4.1 Propriedade
De fato:
De
[ T ] g = M - ‘ [T]^M
vem:
M[T] b = [ T ] a M
e:
ou:
A= {(3,4),(5,7)} e B = { ( 1 , 1 ) , ( - 1 , 1)}
e seja:
-2 4
2 -1
[ T ] g = M - ‘ [T]^M
Operadores lineares 247
M = [I]® = A-* B
A
isto é:
-1
3 5 1 -1 7 -5 1 -1 2 -12
M=
4 7 1 1 -4 3 1 1 -1 7
e;
2_
2
M -‘ =
logo;
"7 6 “ r , -1
2 -2 4 2 -12
[t 1 b =
1 2 -1 -1 7
2 1 -
5 8 2 -12
[T ] b =
1 1 ■1 7
2 -4
[T ] b =
1 -5
248 Álgebra linear
Observação
Pode-se verificar, através do exemplo, que realmente as matrizes [T]^ e [T]g são
semelhantes, isto é, que na transformação linear definida em por essas matrizes, em bases
diferentes, um vetor v G tem a mesma imagem T (v).
[T(v)l = [ T ] , [v]^
-2 4 2 -8
(T(v)] =
2 -1 -1 5
M b = M -‘ [v]^
I ó' 2 1
2
1 1 -1 0
2
[T ( v)1 b = M - ' [T ( v) ] ^
7
6 -8 2
2
[ T ( v ) ] ,= 1
1 5 1
2
Operadores lineares 249
[ T ( v) ] b = [t ] b M b
2 -4 1 2
[T ( v) ] b =
1 -5 0 1
Assim, o vetor v tem a mesma imagem T(v) por meio do operador linear T, definido em
pelas matrizes [T ]^ e [T ]g , em bases diferentes.
-2 4
det [T ]. = = 2 - 8 = -6
2 -1
2 -4
det [T ] b = = -10 + 4 = -6
1 -5
T (x ,y ) = (2x + 9 y ,x + 2y)
[T ] b = M - ‘ [T] M
B = { ( 3 , l ) , ( - 3 , 1)}
250 Álgebra linear
Solução
É imediato que:
2 9
[T] =
1 2
M = A -‘ B
ou:
1 0 -1 3 -3
M =
0 1 1 1
mas:
1 0 -1 1 0
0 1 0 1
logo;
1 0 3 -3 3 -3
M =
0 1 1 1 1 1
e:
1 1
6 2
M -‘ =
1 1
6 2
Operadores lineares 251
Portanto:
2 9 3 -3
6 2
m „ =
1 1 1 2 1 1
6 2
5 5
~3 -3
6 2
[T ] b = 1 1
1 1
6 “ 2
0
[T I b =
-1
Observação
A matriz diagonal
5 0
0 -1
que representa T na base B, é mais simples, no sentido de “estrutura” que a matriz canônica
de T:
sobre a matriz de um operador linear para transformá-la em outra matriz do mesmo operador. A
escolha da base “certa”, que torna a matriz do operador T o mais simples possível, é objeto de
estudo no próximo Capítulo.
|T ( v ) | = | v |
Observações
1) Tendo em vista que o módulo de um vetor é calculado por meio de um produto interno
( I V I = V v . V), os operadores ortogonais são definidos nos espaços vetoriais euclidianos.
Exemplos
T (x ,y ) = ( - | x + ^ y , - | x - - j y )
é ortogonal.
De fato:
^ \2 1 / ^ ^ \2
- j y r + (jX -y y )^
/ 16 2 X 24 ^ 9 2 ^ 9 2 24 ^ 16 _
V 25* ^ 2 5 * y -^ 2 5 * 25
/ 25 j X 25 2
y l5 * ^25^
Operadores lineares 253
ou:
é ortogonal.
De fato:
Observação
ai 'b ,'
[u] = e [v] =
254 Álgebra linear
conclui-se que:
[u . v] = [u]* [v]
Observação
5.5.1 Propriedades
[ T ] - ‘ = [T ]‘
De fato:
| v | = |T ( v ) |
isto é:
v . v = T (v ).T (v )
ou:
[v .v ] = [T (v).T (v)]
OU ainda:
mas:
[T (v)]‘ [T(v)l = ([T ] [v])‘ [T] [v] = [v]‘ [T]‘ [T] [v]
Operadores lineares 255
logo:
e, finalmente:
m * [T] = i
ou:
[T]* = [T]
A matriz [T ], tal que [T]^ = [T] ~ \ é chamada matriz ortogonal. Portanto, uma
matriz ortogonal define um operador ortogonal.
A matriz canônica do exemplo 1), item 5.5.
[T] =
é ortogonal, pois:
[T]^ = = [T]-
A matriz-rotação:
COS S -sen 0
[T] =
sen d COS 6
256 Álgebra linear
cosO sen 6
m ‘= = [T]
-sen 6 COS d
De fato:
Logo:
det([T]^ [T ]) = det I
ou:
(d et[T ])^ = l
OU seja:
Por meio dessa propriedade conclui-se que todo operador linear ortogonal é inversível.
III) Todo operador linear T:V — ► V preserva o produto interno de vetores, isto é,
para quaisquer vetores u, vG V, tem-se:
u . v = T (u ).T (v )
De fato :
[T(u) ,T (v)] = [T (u)]‘ [T(v)l = ([T] [u])‘ [T] [v] = [u]‘ [T]‘ [T] [v]
Operadores lineares 257
mas:
[T]‘ [ T ] = I
logo;
e:
u . v = T (u) . T(v)
Essa transformação, no plano, da base canônica para outra base ortonormal por meio de um
operador ortogonal T:R^ — ►R^ pode ser vista de duas maneiras:
det [T] = -1
Figura 5.5.1b
2 2
2 2
2 2
= 1
2 2
COS 6 -sen d 0
A = sen 6 COS 6 0
0 0 1
De fato:
au ai2 ain
e j.e j ==0,
260 Álgebra linear
e que
T ( e i ) = a n e i + a 2 ie 2 + . . . + aniCn
pode-se escrever:
I T (e i) I ^ = T ( e i) .T ( e i) = aíi + a ii + . . . + aài = 1
e:
É imediato que as colunas (ou linhas) de uma matriz ortogonal formam uma base orto-
normal do espaço V.
Exemplo:
Seja a matriz:
1 1
‘V 2 s/2
A = 0 0
1 1
V2 V2
Operadores lineares 261
Os vetores-colunas de A são:
I Ui I = I U2 I = I U3 I = 1
e:
logo, o conjunto:
{ u 1.u 2 .u 3 }
Além disso, como det A = 1 (verificar!), a matriz A representa uma rotação do espaço.
[T]‘ = [T]
Observações
Exemplos
1) 0 operador linear
2 4
[T] =
4 -1
T (x , y, z) = (x - y, - x + 3y - 2z -2y)
■ I
é simétrico e sua matriz canônica é:
1 -1 0
[T] = -1 3 -2
0-2 0
5.6.1 Propriedade
T ( u ) .v = u .T (v )
De fato;
logo;
T(u) . V = u . T(v)
Operadores lineares 263
Exemplo
T (x ,y ) = (x + 3 y ,3 x - 4 y )
T(u) = T (2 ,3 ) = ( l l , - 6 )
T(v) = T (4 ,2 ) = (1 0 ,4 )
mas:
u . T(v) = (2, 3) . (1 0 ,4 ) = 20 + 12 = 32
Como se vê:
T (u) . V= u . T (v).
1) A seguir são dados operadores lineares T em ee m R^. Verificar quais são inversíveis
e, nos casos afirmativos, determinar uma fórmula para T ”' .
b ) T:R^ — ^R ^ T (x ,y ) = ( x - 2 y , - 2 x + 3y)
e ) T:R ^ R^ T (x ,y ) = ( x ,- y )
h) T: IR^ 1R^ T ( x ,y ,z ) = ( x , x - z , x - y - z )
j) T:IR^ R ’ , T ( x ,y ,z ) = (x + z , x - z , y )
1 0 1
2 -1 1
0 0 -1
1 2 3
2 3 4
3 5 7
5) No plano uma rotação de y radianos é seguida de uma reflexão em torno do eixo dos y.
a) A transformação linear inversa de uma reflexão em torno do eixo dos x é uma reflexão
em torno desse eixo.
A.
a) Determinar a matriz-mudança de base [I] .
b) Utilizar a matriz obtida no item a) para calcular Vg, sendo = (2, 3).
l l ] l \
D
[I]®
D I
, [I]®^
D
[I]®
l>2
e [I]®^
"2
-1 4
e B= { ( 3 ,5 ) ,( 1 ,2 ) } ,
4 -11
determinar a base A.
-7 6
m i = e A = { ( 1 .3 ) ,( 2 ,- 4 ) } ,
-11 8
determinar a base B.
Operadores lineares 26 7
13) A base B é obtida da base canônica A do IR^ pela rotação de-^rad. Calcular:
o
a) [I]
b) [I]
A= { ( 1 ,0 ,0 ) ,( 0 ,1 ,0 ) ,( 0 ,0 ,1 ) } e B= { ( 1 ,0 ,- 1 ) ,( 0 ,1 ,- 1 ) ,( -1 ,1 ,1 ) }
.A
a) Determinar a matriz [I]
B
15) Se
0 1 0
1 1 0
'■ ‘ B
1 1 1
[v]« = -2
0
16) Mostrar que para qualquer base A de um espaço vetorial, a matriz-mudança de base
[11^ é a matriz identidade.
A
b ) T:lR^ — > 1R ^ T (x ,y ) = ( 2 x - 3 y , x + y)
A = { ( 1 ,0 ) ,( 0 ,1 ) } e B = { ( 3 ,0 ) ,( - 2 ,- 1 ) }
A é a base canônica e B = { ( - 2 ,1 ) , ( 1 ,2 ) }
A é canônica e B = { ( 0 , 1 , - 1 ) , ( 1 , 0 , 0 ) , ( - l , 0 , 1)}
3 5
m n =
1 2
1 1
-1 2
Operadores lineares 269
21) Seja o IR^ com o produto interno usual. Quais dos seguintes operadores são ortogonais?
a) T: R2 ( ^ X - J - y , ^ X + n/^V)
b) T: IR^ T (x, y) = ( - y ,- x )
c) T: IR^ 1R^ T (x ,y ) = (x + y , x - y )
22) Consideremos o IR^ com o produto interno usual. Dentre os seguintes operadores lineares,
verificar quais são ortogonais;
c) T: 1R3 1R^ T ( x ,y ,z ) = ( x ,0 ,0 )
23) Verificar quais das seguintes matrizes são ortogonais e, dentre estas, determinar as que
representam rotações:
a) 3 4 b) 3 4 c) 1 2
5 5 5 5 V5 V5
4 3 3 4 2 1
5 5 5 5 V5 ’ n/5
d) 1 3 "" e) 1 0 -1 0 1 2 2
Víõ Víõ 3 3 3
1 1 0
3 1 2 2 1
V íõ -1 1 0 3 ~3 3
270 Álgebra linear
g) 1 1 1 h) 1 1 1 0 COS 0 0 -sen 6
V 3 n/3 y/3 V 3 ' V6 ■ n/ 2
0 1 0
nu 2 1 1 1 1
■ n/ 2 'V 3 V6 ' n/ 2 sen 6 0 COS 0
2 1 1 1 2
U
v /6 ■ V6 ■ V6 v/ 3 V6
24) Construir, em relação ao produto interno usual, uma matriz ortogonal cuja primeira coluna
seja:
b)
26) Mostrar, por meio da multiplicação de matrizes, que uma rotação de 30® seguida de uma
rotação de 60® resulta em luna rotação de 90®.
1) a) T ‘ ‘ (x, y) = (x + 2 y ,^ x + y y )
c) T não é inversível.
Operadores lineares 271
d) T"‘ (x, y) = (x + y, -2 x - y y )
e) T-* (x ,y ) = ( x ,- y )
0 T ‘ ' (x, y, z) = (x - y + z, 3y - z, 2y - z)
g) T - ‘ ( x ,y ,z ) = ( 2 x - y + 2 z ,- x + y - z , z )
h ) T - ‘ ( x ,y ,z ) = ( x , y - z , x - y )
i) T não é inversível.
j) T - ‘ ( x ,y ,z ) = ( ^ x + ^ y , z , ^ x - y y )
2) b) T ‘ ‘ ( x ,y ,z ) = (x + z , 2 x - y + z ,-z )
c) V= ( 2 ,7 ,0 )
6) a) T (x, y) = (2x - y, x + y)
b ) T - * ( x ,y ) = ( ^ .f,-f.f)
8) a)
8 -3
K -
5 -2
b) v_ = (7 ,4 )
272 Álgebra linear
c)
2 -3
< ■
5 -8
9) a) 4 3
9 -4
2
-30)
c) 8 6
5 5
9 8
"5 "5
10) a)
1 -1 0
1 0 -1
-1 2 -3 -2
Bl _
m [I]
1 -3 -1 -1
-8 17
■3 6
23 11
b)Vg = (-3,4), Vg^=(4,7), V g^=(l,-1), vb3 = (^ ,-^ )
11) A = {(1,3),(1,-2)}
Operadores lineares 273
12) B = { ( 3 , - 2), ( - 2 ,1 ) }
—
13) a) 1 v i'
2 2
V 3- 1
2 2
-
b) 1 VT'
2> 2
V 3- 1
2 2
14) a) 2 1 1
-1 0 -1
1 1 1
b) Vg; = ( 7 ,- 4 . 6)
c) 1 0 -1
0 1 1
-1 -1 1
15) -5
2
274 Álgebra linear
17) a)
0 -3 -5 4
- 19
[T ]b =
1 2 ~ 2 7
b)
2 -3 0 5
m , 3
[TI b =
1 1 -3 3
c)
7 -4 9 0
[T] = [TJb =
-4 1 0 -1
d) 1 -2 -2 1 0 0
[T ] = 0 1 0 [T I b = 0 1 0
0 2 3 » 0 0 3
1 -3
18) [T],
-1 4
19) a)
3 -1
m « =
7 -3
b ) T ( v ) 3 = ( 6 , 10)
2 1
24) a)
V5 V5
1 2
V5 v/5
1 2
b) .3
3
2 1
3 3
2 2
■3 3
27) a) a = -2 e b = - 3
b) a= 0 e b = -3
CAPÍTULO
VETORES PRÓPRIOS
E
VALORES PRÓPRIOS
T (v) = Xv
Observações
276
Vetores próprios e valores próprios 211
Exemplos
T (2 ,1 ) = ( 1 3 ,5 ) ^ X ( 2 , 1)
2) Na simetria definida no IR^ por T (v) = -v, qualquer vetor v ^ 0 é vetor próprio associado
ao valor próprio X = -1.
Observação
au aj2 ai3
A= a2i a22 a23
aai 332 a33
istoé, A == [T].
A . V» Xv (v é matriz-coluna 3 x 1 )
ou:
A v - Xv = 0
Av ^ XIv = 0
ou:
(A -X I )v = 0 (6 .2 a )
X 0
V= y 0
z _0_
deve-se ter:
d et(A -X I) = 0
Vetores próprios e valores próprios 279
ou:
ou, ainda:
aii-X a 12 ai3
Solução
3 -1 1
A= -1 5 -1
1 -1 3
280 Álgebra linear
3 -X -1 1
det(A-XI) = -1 5 -X -1 = 0
1 -1 3-X
isto é, desenvolvendo o determinante pela 1? linha e observando a alternância dos sinais que
precedem os produtos, vem:
5 -X -1 -1 -1 -1 5 -X
(3-X) - ( - 1) + 1 = 0
-1 3-X 1 3-X 1 -1
( 3 - X ) ( 1 5 - 8X + X^ - 1 ) + K - 3 + X+ 1) + 1 ( 1 - 5 + X) = 0
X^ - 1 IX^ + 36X - 36 = 0
As soluções inteiras, caso existam, são divisoras do termo independente -36. Com as
devidas substituições na equação acima, constata-se que X = 2 é uma delas. Conseqüentemente,
X-2 é um fator do polinômio característico X^ - 1 IX^ + 36X r 36. Se dividirmos esse
polinômio por X - 2, a equação poderá ser apresentada como:
(X-2)(X^ - 9 X + 18) = 0
X^ -9X + 18 = 0
X, =2
Xj =3
Xs =6
Vetores próprios e valores próprios 281
II) 0 sistema homogêneo de equações lineares que permite a determinação dos vetores
próprios associados é:
(A-XI)v = 0
Considerando
V = y
o sistema fica:
3 -X -1 1 X 0
-1 5 -X -1 y = 0 ( 6. 2c)
1 -1 3 -X z 0
1 -1 1 X 0
-1 3 -1 y = 0
1 -1 1 z 0
isto é:
Ix - ly + Iz = 0
-I x + 3y - Iz = 0
Ix - ly + Iz = 0
z = -X
y = 0
282 Álgebra linear
0 -1 1 X 0
-1 2 -1 = 0
y
1 -1 0 z 0
isto é:
-y + z = 0
-X + 2y - z = 0
X - y =0
y = X
z = X
-1 -1 -1 y = 0
1 -1 -3 z 0
isto é:
-3x - y + z = 0
- x - y - z = 0
X - y - 3z = 0
Vetores próprios e valores próprios 283
y = - 2x
z = X
4 5
A =
2 1
Solução
I) A equação característica de A é:
4 -X 5
det (A - M) = = 0
2 1 -X
isto é:
(4-X)(l -X )-10 = 0
ou:
4 - 4 X - X + X2 - 1 0 = 0
.5 X -6 = 0
Xi = 6
X2 = -1
II) 0 sistema homogêneo de equações lineares que permite a determinação dos vetores
próprios associados é:
(A-M )v = 0
Considerando:
V=
o sistema fica:
4 -X 5 X 0
(6.2d)
2 1 -X y 0
-2 5 X 0
2 -5 y 0
isto é:
-2x + 5y = 0
2x - 5y = 0
2
y = y x
2 2
Assim, os vetores do tipo Vi = ( x — x) ou Vi = x ( l , — ), x=?^0, ou, ainda, Vi = x ( 5 , 2 )
são vetores próprios associados ao valor próprio Xi = 6.
Vetores próprios e valores próprios 285
5 5 X 0
2 2 _y_ 0
isto é:
5x + 5y = 0
2x + 2y = 0
y = -X
Assim, os vetores V2 - (x, -x) - x (1, -1), x 0, são os vetores próprios associados ao valor
próprio X2 = -1.
-16 10
A=
-16 8
I) A equação característica de A é:
-16-X 10
det (A - XI) = = 0
-16 8-X
isto é:
( - 1 6 - X ) ( 8 - X ) + 160 = 0
286 Álgebra linear
ou:
-1 2 8 + 16X- 8X + X^ + 160 = 0
X* + 8 X + 3 2 = 0
- 8 ± V 8 ^ - 4 X 32
A — ~z '
-8 + V 6 4 - 1 2 8
X =
2
-8 ± 8i
X =
X, = - 4 + 4i
X, = - 4 - 4 i
e, por conseguinte, a matriz A não possui valores próprios nem vetores próprios.
Observação
De fato;
T(v) = Xv
Vetores próprios e valores próprios 287
e:
ou:
T ( a v ) = X(av)
Observação
OL =
|v |
pode-se obter sempre um vetor próprio unitário associado a qualquer valor próprio.
De fato, se Vj, V2 E
e, portanto, Vj + V2 E S^.
0 subespaço
{ v E V/T(v) = Xv}
S e = { x ( 5 , 2 ) / x E IR} = [(5,2)]
III) Matrizes semelhantes têm o mesmo polinômio característico e, por isso, os mesmos
valores próprios.
De fato:
d e t([T ] 3 - X I ) = d e t ( [ T ] ^ - X I )
Vetores próprios e valores próprios 289
Sabe-se que, dado um operador linear T:V — ►V, a cada base B de V corresponde uma
matriz [T] ^ que representa T na base B. Nosso propósito é obter uma base do espaço de
modo que a matriz de T nessa base seja a mais simples representante de T. Veremos que essa
matriz é Uma matriz diagonal.
6.4.1 Propriedade
Vetores próprios associados a valores próprios distintos de um operador T:V -----►V são
linearmente independentes.
Consideremos a igualdade:
aiVi + a2V2 = 0 ( 1)
a i T ( v , ) + ai T( v 2) = 0
ou:
a i X i Vi + a2X2V2 = 0 (2)
aiíXj - X i ) v 2 = 0
Mas:
X2 —Xj ^ 0 e V2 ^ 0
290 Álgebra linear
lo g o :
ai = 0
Corolário
Exemplo
A matriz canônica de T é:
-3 -5
A=
0 2
A equaçSò característica de T é:
-3 - X -5
det(A-M) = = 0
0 2-X
Vetores próprios e valores próprios 291
ou:
(-3-X)(2-X) = 0
X^ + X - 6 = 0
-3-X -5 X 0
0 2-X _y_ 0
obteremos:
• para Xi = 2 os vetores Vj = x ( l , - l ) ;
• para X2 = - 3 os vetores V2 = x ( - l , 0 ) .
Logo, o conjunto
{(1,-1),(-1,0)}
Por outro lado, sempre que tivermos uma base de um espaço formada por vetores próprios
e conhecermos os valores próprios associados, poderemos determinar o respectivo operador nesse
espaço. É o que faremos no próximo problema.
Solução
(x,y) = a ( l , - l ) + b ( - l , 0 )
292 Álgebra linear
ou:
a - b = X
-a = y
donde:
a = -y e b = -x-y
Logo:
mas;
T ( l , - l ) = 2 ( l , - l ) = ( 2 ,- 2 )
T ( - l , 0 ) = - 3 ( - l , 0 ) = (3, 0)
logo:
T (x ,y )= -y (2 ,-2 ) + (-x-y)(3,0)
ou:
Observação
B= { ( 1 , - 1 ) , ( - 1 . 0 ) }
Vetores próprios e valores próprios 293
e observando que:
T ( l , - l ) = 2 ( l , - l ) = 2 ( l , - l ) + 0 ( - l , 0)
T(-l,0) = -3(-l,0) = 0 ( l , - l ) - 3 ( - l , 0 )
2 0
[T]b =
0 -3
representa o operador T
são Xi e X2 *
6.4.3 Propriedade
X, 0 0
D= 0 X2 0
0 0 X3
D = M-^AM
Como;
M = [ I ] ç = C-^ P = I ' P = P
D = P-^AP (6.4.3)
sendo P a matriz cujas colunas são os vetores próprios do operador I (estamos designando
por P tanto a base dos vetores próprios quanto a matriz acima descrita; no contexto identifica-se
quando é uma e quando é outra).
A matriz quadrada A é diagonalizável se existe uma matriz inversível P tal que P"^ AP
seja diagonal
3 -1 1
A = -1 5 -1
1 -1 3
e calcular P“^AP.
Vetores próprios e valores próprios 295
Solução
1 1 1
P = 0 1 -2
-1 1 1
diagonaliza A.
Calculemos:
1 n 1
U 3 -1 1 1 1
2 ‘ 2
P -‘AP = 1 1 1
1 5 -1 0 1 -2
3 3 3
1 1 1
1 -1 -1 1 1
6 "3 6
1 1
0 2 3 6
2 " 2
P-*AP = 1 1 1
0 3 -12
3 3 3
1 1 1
-2 3 6
6 ■3 6
2 0 0
P-'AP = 0 3 0 = D
0 0 6
296 Álgebra linear
T ( x , y ) = (4x + 5y, 2x + y)
Solução
A=
5 1
P =
2 -1
4 5 5 1 6 0
P - ‘AP = = D
2 1 2 -1 0 -1
Vetores próprios e valores próprios 297
Observação
1 5
P =
-1 2
-1 0
D =
0 6
2 1 0
A = 0 1 -1
0 2 4
Solução
I) A equaçáo característica de A é:
2-X 1 0
det(A-XI) = 0 1 -X -1 = 0
0 2 4-X
298 Álgebra linear
isto é, desenvolvendo o determinante pela linha e observando a alternância dos sinais que
precedem os produtos, vem:
1- X -1 0 -1 0 1 -X
(2-X) -1 + 0 = 0
2 4-X 0 4-X 0 2
( 2 - X ) [(1 - X ) ( 4 - X ) + 2] - 0 + 0 = 0
(2 - X) (4 - 5X + X" + 2) = (2 - X ) (X^ - 5X + 6) = (2 - X ) (2 - X ) (3 - X) = 0
e daí:
Xi = 2 e X2 “ 3
2 -X -1 0 X 0
0 1 -X -1 y = 0
0 2 4 -X z 0
obteremos:
III) Como só existem dois vetores LI de nío existe uma base P constituída de
vetores próprios. I^ogo, a matriz A não é diagonalizável
Observação
6.5.1 Propriedades
A=
A equação característica de A é:
p- X r
det(A-XI) = = 0
r q-X
isto é:
ou:
pq - Xp - Xq + X^ - r^ = 0
X^ - ( p + q ) X + ( p q - r ^ ) = 0
Tendo em vista que esse discriminante é uma soma de quadrados (não-negativa), as raízes
da equação característica são reais e, por conseguinte, a matriz A possui dois valores próprios.
II) Se T:V-------- ►V é um operador linear simétrico com valores próprios distintos, então
os vetores próprios são ortogonais.
300 Álgebra linear
De fato:
Vj .V2 = 0
ou:
ou:
Xl(Vi .V2)-X2(Vi . V 2 ) = 0
ou, ainda:
Mas,
Xi - X2 0 implica v^ . V2 = 0, ou seja:
Vl IV 2
III) Em 6.4.3 vimos que uma matriz A é diagonalizada pela matriz P dos vetores próprios
através de:
D = P-'AP (6.5.11
No caso particular de A ser simétrica e P uma base, pela propriedade anterior, P será
base ortogonal. Conseqüentemente, dessa base obtém-se uma base ortonormal, considerando 0
vetor unitário de cada vetor.
Vetores próprios e valores próprios 301
D = P^ AP
7 -2
A = -2 6
0 -2
Solução
I) A equação característica de A é:
7- X -2 0
det(A-M) = -2 6- X -2 = 0
0 -2 5- X
isto é, desenvolvendo o determinante pela 1? linha e observando a alternância dos sinais que
precedem os produtos, vem:
6-X -2 -2 -2 -2 6-X
(7-\) -(-2) + 0 = 0
-2 5- X 0 5 -X 0 -2
( 7 - X ) [ ( 6 - \ ) ( 5 - \ ) - 4 ] + 2 [ - 2 ( 5 - \ ) + 0] + 0 = 0
(7 - \ ) ( 6 - X)(5 - X) - 28 + 4X - 4 ( 5 - X) = 0
302 Álgebra linear
( 7 - X ) ( 6 - X ) ( 5 - X ) - 2 8 + 4 \ - 2 0 + 4X = 0
(7 - \) ( 6 - X)(5 - X) - 4 8 + 8X = 0
( 7 - X ) ( 6 - X ) ( 5 - X ) - 8 ( 6 - X) = 0
( 6 - X ) ( 3 5 - 1 2 X + X * - 8) = 0
( 6 -X)(X^ - 1 2 X + 2 7 ) = 0
(6-X)(X-3)(X-9) = 0
II) O sistema homogêneo de equações lineares que permite a determinação dos vetores
próprios associados é:
(A-XI)v = 0
i
Considerando
V =
0 sistema fica:
7 -X _2 0 X 0
-2 6 -X -2 y = 0 (6.5.2a)
0 -2 5-X z 0
4 - 2 0 X 0
-2 3 -2 y = 0
0 - 2 2 z 0
isto é:
4x - 2y + Oz = 0
-2x + 3y - 2z = 0
Ox - 2y + 2z = 0
y = 2x
z = 2x
1 1
X=
+2^ + 2^ 3
1 2 2
obtém-se o vetor próprio unitário Uj associado a X i = 3 .
1 -2 0 X 0
-2 0 -2 y = 0
0 -2 -1 z 0
isto é:
Ix - 2y = 0
-2x - 2z = 0
- 2y - z = 0
304 Álgebra linear
1
y
Z = -X
X =
+ 1
2 1 2
obtém-se o vetor próprio unitário U2 = associado a X2 = 6 .
-2 -2 0 X 0
-2 -3 -2 y 0
0 -2 -4 z 0
isto é :
- 2x - 2y =0
- 2 x - 3y - 2z = 0
- 2y - 4z = 0
y = -x
1 X
Fazendo
1_ ^ 2 ^
9 3
2 2 1
obtém-se o vetor próprio unitário U3 = (“3 associado a X3 = 9 .
III) A matriz P, cujas colunas são as componentes dos vetores próprios unitários U i, U2 e
U3 associados aos valores próprios X i ,\2 e X3 éortogonal:
1 2 2
3 3 3
2 1 2
P =
3 3 ■ 3
2 2 1
3 ■ 3 3
t t t
Ul «2 U3
De fato:
- í l L 2l \ - ± + L + ± - 1
U2 .U 2 '^3 >3 ’ " 3 - ' * - 3 ’ 3 > ~ 3 ^ 9 9 9
U3 .U 3
-rl. 2l 1\ í l. 2 ls_4^4M_,
9+9+ 9 - í
1 2 2 2 1 2 . 2 4
^ 3 ’ 3 ’ 3 ^ ' ^ 3 ’ 3 ’” '3^ 9^9
o q”9o ®
1 2 2, .2 2 K _2 4 ^ 2 __
Ui .U3 ( 3 . 3 . 3) (3 3.3) 9 " 9'’’ 9 °
_ .2 1 2. 1 L \-± 1 2__„
^ ’ 3 ’ " 3 ^ ‘ ^ 3 ’ ’ 3 ’ 3^ 9 9 9 ^
306 Álgebra linear
D = P * AP = P* AP
isto é:
1 2 2 2^
7 -2
3 3 3 3
2 1 2
D = -2 6 -2
3 3 "3 3
2 2 1
0 -2
3 “3 3 3
1 2- 2
1 4 6
3 3 3
2 1 2
D= 2 -6
3 3 ' 3
2 2 1
2 - 4 3
3 ' 3 3
3 0 0
D= 0 6 0
0 0 9
1 0 -2
A= 0 0 0
-2 0 4
Solução
I) A equação característica de A é:
1 -X 0 -2
det(A-XI) = 0 -X 0 = 0
-2 0 4-X
isto é, desenvolvendo o determinante pela 1? linha e observando a alternância dos sinais que
precedem os produtos, vem:
-X 0 0 0 0 -X
( 1 -X ) - 0 + (- 2 ) = 0
0 4 -X -2 4 -X -2 0
(1 - X) (-X) (4 - X) - 0 - 2 (-2X) = 0
(1 - X ) ( - X ) ( 4 - X ) + 4X = 0
ou:
- X ^ + 5X^ =0 X"(5-X) = 0
II) O sistema homogêneo de equações lineares que permite a determinação dos vetores
próprios associados é:
(A-XI)v = 0
Considerando
V = y
z
308 Álgebra linear
o sistema fica:
1- X 0 -2 x 0
(6.5.2b)
0 -X O y = 0
-2 0 4 -X z 0
1 0 -2 X 0
0 0 0 y = 0
-2 0 4 z 0
isto é:
X - 2z = 0
-2 x + 4z = 0
z = —X e y qualquer
Assim
im, os vetores v = (x, x) são os vetores próprios associados a Xi = 0 e X2 = 0.
1 r 2 . 1 ,
Uj = ;---- ; V2 = ( 0 , 1 , 0 )
I V2 I
Vetores próprios e valores próprios 309
-4 0 -2 X 0
0 -5 0 y = 0
-2 0 -1 z 0
isto é:
-4x - 2z = 0
-5y = 0
-2x - z = 0
z = - 2x
y=0
1 1
X=
v/l + 0 + 4 v^5
1 2
obtém-se o vetor próprio unitário U3 = (—^ , 0 , -" 7 =) associado a X3 = 5 .
V5 v5
III) A matriz P, cujas colunas são as componentes dos vetores próprios unitários
U i, U2 e U3 , associados aos valores próprios X i, X2 e X3 , é ortogonal:
2 1
un
V5 V5
P = 0 1 0
1 0 2
n/5 ‘ V5
t t t
Ul U2 U3
310 Álgebra linear
De fato:
Ui . Ui = Uj . Uj = U3 . U3 = 1
«1 • Uj = Ui • U3 = “ 2 • U3 = 0
De fato:
D = p - i AP = P‘ AP
2 r\ 1 n 0 2 1
0 1 U -Z
V5- v r VT V5
D= 0 1 0 0 0 0 0 1
1 __ 2_ 'X X
0 -2 0 4 0
_V T 'y/5_ v /r V5
~2 1 5
0 0 0
V5 V5 n/T
D= 0 1 0 0 0 0
1 2 10
0 0 0
_v/T ■V5_ 'v T _
0 0 0
D= 0 0 0
0 0 5
4 12
A =
.12 -3
Vetores próprios e valores próprios 311
Solução
I) A equação característica de A é:
4-X 12
det(A-XI) = = 0
12 -3-X
isto é:
- 1 2 - 4 X + 3 X + X^ - 1 4 4 = 0
X^ - X - 156 = 0
Xi = - 1 2
X2 = 13
II) O sistema homogêneo de equações lineares que permite a determinação dos vetores
próprios associados é:
( A - X I ) v = 0.
Considerando
V =
312 Álgebra linear
o sistema fica:
4 -\ 12 X 0
(6.5.2c)
12 -3-X _y_ 0
16 12 X 0
12 9 y 0
isto é:
16x + 12y = 0
12x + 9y = 0
4
y = -3 X
4 4
Assim, os vetores Vi = ( x , x ) = x ( l , - - j ) são os vetores próprios associados a \ \ = -1 2 .
Fazendo:
1 j_ ^2.
x=-
'IS 5
3 4
obtém-se o vetor próprio unitário Ui “ ('^» “y ) associado ao valor próprio Xi = - 12.
-9 12 X 0
12 -16 y 0
Vetores próprios e valores próprios 313
isto é:
-9x + 12y = 0
12x - 16y = 0
y=4^
3 3
Assim, os vetores V2 = (x, -^ x) = x ( l , são os vetores próprios associados a X2 = 13. Fa
zendo:
L -
■‘ " A T i : ' / s 5
V 16 V 16
A 3
obtém-se o vetor próprio unitário U2 = ( y associado ao valor próprio X2 = 13.
III) A matriz P, cujas colunas sao as componentes dos vetores próprios unitários Ui e U2
associados aos valores próprios Xi e X2 , é ortogonal:
_3_
5
De fato:
Ui . Ui = U2 . U2 = 1
Ui . U2 = 0
De fato:
D = P-*AP = P‘AP
3 ]4 Ãlgebra linear
3 4 4 12 3 4
5 "5 5 5
P=
4 3 12 -3 4 3
5 5 ■5 5
ÍÉ
5 5
D=
4S 39
5 5
-12 0
D=
0 13
1) Verificar, utilizando a definição, se os vetores dados são vetores próprios das correspon
dentes matrizes;
a) v = ( - 2 ,l ) .
1 1 1
b) v = ( l , 1, 2), 0 2 1
0 2 3
1 -1 0
c) v = ( - 2 , 1 ,3 ), 2 3 2
1 2 1
Vetores próprios e valores próprios 315
d ) T:lR' — <•1R^ T (x ,y ) = ( y ,- x )
a) 1 3
e) 1 0 0
A =
-1 5 A = 1 1 -2
0 1 -1
P
b) 2 1
0 3 2 1
3 4 A = 1 4 1
1 2 3
1 -1 0
g) 3 3 -2
A = 2 3 2
A = 0 -1 0
1 1 2
8. 6 -5
d) 3 -1 -3 h) 0 0 2
A = 0 2 -3 A = 0 -1 0
0 0 -1 2 0 0
316 À Igebra linear
a) Se um operador linear T:V 'V admite X = 0 como valor próprio, então T não é
inversível.
c) Os valores próprios de uma matriz triangular (ou diagonal) são os elementos da diagonal
principal.
10) Seja T:V -----um operador linear não-inversível. Os vetores não-nulos do núcleo de
T são vetores próprios? Em caso afirmativo, determinar o valor próprio associado e,
em caso negativo, justificar.
11) Verificar se a matriz A é diagonalizável. Caso seja, determinar uma matriz P que diago-
naliza A e calcular P"^AP.
a) 2 4 0 2 3 -1
A =
A = 0 1 -4
3 1
0 0 3
b) 9 1
A = g) 1 -2 -2
4 6
A = 0 1 0
-1 0 2 3
c) 5
A =
1 h) 3 0 -2
A = -5 1 5
d) 1
2 0 -1
A = -1
e) 1 0 0
A = -2 3 -1
0 -4 3
13) Para cada uma das seguintes matrizes simétricas A, encontrar uma matriz ortogonal F, para
aqualP^AP seja diagonal:
a) 2 2 d) 1 1
A =
A = 0 -1 0
2 2
1 0 1
b) 3 -1
A = e) 7 -2 -2 ’
-1 3
A = -2 1 4
-2 4 1
c) 2 2
A =
2 5
a) 5 3 d) 6 0 6
A =
A = 0 - 2 0
3 5
6 0 1
b) 0 0
e) 2 -2 -1
A = 0 -1
A = -2 2 1
2 0
-1 1 5
c) 3 -1
A = -1 5
1 -1
b) X, = 1, V, = y ( - 2 , 1); Xj = 4 , = x ( l , 1)
c) X, = X 2 = 4 , v = x ( l , 1)
d) NSo existem.
e ) X, = X 2 = 1, v = ( x , y , - y ) ; Xj = 4, V 3 = x ( l , l , 2 )
f) X, = 1 , V, = z ( 3 , - 3 , 1); X2 = - l , V2 = z ( 0 , - 3 , 1 ); X3 = 2 , V3 = z ( 0 , 0 , 1 )
3) a ) X i = 2, v i = y ( 3 , 1); X2 = 4 , V2 = y ( l , l )
b ) X, = 1, V, = ( - y , y ) ; X2 = 5, V2 = ( x , 3x)
f) Xi = 2, V, = ( x , y , - x - 2 y ) ; X2 = 6 , V2 = ( x , x , x )
3
g) X, = X 2 = X 3 = - l , V = ( x , y , 2 x + y y)
h ) X,=2, v i = x ( l ,0 ,l ) ; X2 = - l , V2 = y (0 , 1,0); X3 = - 2 , V3 = x ( l , 0 , - 1)
5) ( 8 , 11)
b) T ( x , y ) = ( - 2 x + - |y , 3y)
b) ( 26 , 6)
2
s 9 ? in
8) a) (2,10); b) T (x, y) = ( y x + y y , - - j x + — y); c)
0
320 Álgebra linear
9) a) 1 0 -1 0
(rotação de 0'^) e (rotaçao de 180'^)
0 1 0 -1
10) Todos os vetores do núcleo, com exceção do zero, são vetores próprios associados a X = 0.
a) 1 4 -2 0
P = , p - ‘ AP =
-1 3 0 5
b) 1 1 10 0
P = , p - ‘ AP =
1 -4 0 5
c) Não diagonalizável.
d) 2 1 0 3 0 0
P = 1 0 1 , p - ’^ AP = 0 2 0
2 1 -2 0 0 1
e) Não diagonalizável.
0 -3 1 -7 1 0 0
P = 1 0 -2 , P * AP = 0 2 0
0 0 1 0 0 3
g) 0 1 -1 1 0 0
P = 1 0 0 , p - ‘ AP = 0 1 0
-1 0 1 0 0 3_
h) Não diagonalizável.
Vetores próprios e valores próprios 321
12) a) { ( - 2 , 1 ) , ( 1 , 2 ) }
b) 9 0
0 -1
13) a) _ 1 1 d) 1 1
0
V2 V2 s/2 V2
1 1 P= 0 0 1
7 2
1 1
0
V2
b)
1 1 ~
e) 1 2
s /2 " v /5 0
n/3 'V6
P=
1 1 P= 1
v^_ V3 V2
1 1
c) n/3 v/6 V2
1 2
n/ ^ ’ v/5
P=
2 1
V5_
14) a)
1 1
v/2 ■ V2
P = P‘AP =
1 1
v/2 v7
1 0 1
b) v/2 ^/2 2 0 0
P = 0 1 0 . P*AP = 0 -1 0
1 0 1 0 0 -2
v/2
322 Álgebra linear
c) 1 1 1
v/2 2 0 0~
P = 1 2 , P - ‘AP = 0 3 0
0
V3 'V6
0 0 6
1 1 1 —J
■V2 V3 V6
d) 3 2
0
n/T3 V Í3
-2 0 0~
P = 1 0 0 , P - ‘AP = 0 10 0
0 0 -3
__ ^ 3 •— —
0
v/Í3 ’ v /l3
e) 1 1 1
’ V6 V3 v/2 6 0 0
1 1 1 0 3 0
, P - ‘AP =
n/6 " V3 y/2
0 0 0
2 1 —*
0
V6 V3
CAPÍTULO
A=
v*AVs = [x y]
323
324 Álgebra linear
Estamos designando tanto o par (x, y) quanto a matriz -.simplesmente por Vg.
É fácil identifícar em que contexto cada um estará sendo usado.
Exemplo
4 12
A =
12 -3
4 12
p= [x y]
12 -3
X.x'^ +\2y'^
Formas quadráticas 325
[I]^ = S - ‘ P = I P = P
e, portanto:
Vs=PVp
podemos escrever:
v*AVs=(PVp)‘ A(PVp)
ou:
VgAVg =Vp(P*AP)Vp
Xi 0
pt AP = D =
0 Xj
conclui-se que:
v^Av =v^Dv
S S P P
ou:
a c X X, 0 X/
[xy] = [x'y]
c b /
0 X2
i_ — y y
ou, ainda:
Exemplo
I) A forma quadrática:
-12x'^ + 13y'^
De fato:
A forma quadrática
4 12
A =
12 -3
Mas os valores próprios da matriz A, conforme o problema resolvido número 10, Capítulo
6, são Xi = -12 e X2 = 13. Logo, a forma canônica da forma quadrática é:
-12x 2 + 1 3 / 2
II) Por outro lado, os vetores próprios unitários associados a Xi e X2 sao, respectiva
mente, Ui = ( y , - y ) e U2 = ( y , y ) .
Logo:
5 5
P =
5 5
Formas quadráticas 327
Vp=PVs
pois P - P pelo fato de P ser matriz ortogonal, podemos calcular Vp a partir de Vg.
1 1 1
5 “ 5
1 1 2
5 5
-1
Assim:
4 - 12 + 4 8 = - 1 2 + 52
40 = 40
O que na verdade acabamos de fazer foi uma mudança de base ou uma mudança de referen
cial. O vetor V, que na base canônica S é Vg = ( 1 , 2 ) , na base P dos vetores próprios unitários
é Vp = ( -1 , 2) . Como a base canônica individualiza o sistema cartesiano retangular xOy e a base
P o sistema retangular x'O y\ podemos dizer que um ponto que tem coordenadas ( 1 , 2) em
relação ao primeiro sistema tem coordenadas ( - 1 , 2 ) em relação ao segundo sistema. A figura
mostra esse exemplo.
X x'
= p
t
y y
que irá ocorrer no estudo das cônicas, a seguir, será sempre uma rotação.
7.2 CÔNICAS
ax^ + by ^ + 2cxy + dx + ey + f= 0
Observação
Figura 7.2
a c X X
[x y] + [ de] + f= 0 ( 2)
c b y_ _y_
330 Álgebra linear
ou:
v^AVo
s s + Nvçs + f = 0
onde:
a c
, A = e N = [d e]
c b
a c
V Avg = [X y]
V D vp = [x' y']
e:
''s =
Formas quadráticas 331
por:
Xil X21
Pv =
rvp
X12 X22
tendo o cuidado para que det P = 1, a fím de que essa transformação sqa uma rotação.
f r
X, 0 X Xii X21 X
[x' y ' ] + [d e] + f = 0
0 Xj _y'_ X12 X22 y
ou:
que é a equação da cônica dada em (1), porém referida ao sistema x'O y\ cujos eixos sao
determinados pela base P = { U i, U2 } , conforme sugere a figura.
Observemos que enquanto a equaçao (1) apresenta o termo misto em xy, a equação (3) é
desprovida dele. Portanto, na passagem da equação (1) para (3) ocorreu uma simplificação
332 Álgebra linear
para se obter a equação reduzida efetua-se uma nova mudança de coordenadas, que consiste na
translação do último referencial x'Oy' para o novo, o qual chamaremos XO'Y. A análise das
duas possibilidades é feita a seguir.
ou:
Fazendo:
f_ ^ - Í = .F
' 4X, 4X2
■ " lí
vem:
X,X^+XjY' - F = 0
e, finalmente:
A equaç5o (5) é a equação reduzida de uma cônica de centro e, como se vé, o primeiro
membro é a forma canônica da forma quadrática no plano.
II) Se um dos valores próprios for igual a zero, Xi = 0, por exemplo, a equação (4)
fica:
\ 2y ^ + p x + qy + f = 0
ou:
X = x'+— -
P 4pXj
vem:
X2Y 2 + pX = 0 ( 6)
Observação
XiX' + q Y = 0
334 Álgebra linear
XiX^ +X2Y^ = F
X2Y 2 + pX = 0
ou:
XiX" + qY = 0
Uma cônica representada por qualquer uma dessas equações é do gênero parábola.
ly? + 2 y ^ + 2 x y + 7 \ J l x + 5 \J Í y + 10 = 0 ( 1)
Solução
De acordo com 7.2.1, dividiremos esse trabalho em duas etapas, sendo a primeira consti
tuída de três passos.
2 1 X X
[ x y ] + [?V 2 5 ^ 2 ] + 10 = 0 ( 2)
1 2 y y_
Formas quadráticas 335
”2 r
A =
1
2 -X 1
det(A - XI) = det
1 2-X
isto é:
4.4X+X2 =o
X2 - 4X + 3 = 0
Xi = 3
X2 = 1
Resolvendo o sistema
2 -X 1 X 0
1 2 -X y_ 0
Para Xi = 3, vem:
-1 1 X 0
1 -1 y 0
e daí:
V, = x ( l , 1)
336 Álgebra linear
Para X2 = U vem:
1 1 X 0
1 1 y 0
e daí:
V2 = x ( - l , 1)
_/ J 1X - / I J_^
^v/2’V 2^ ' V2
2 1 X
[X y]
1 2 y
3
[x' y']
0
e o vetor
por
1 1
n/2
1 1
V2 V2
Formas quadráticas 337
onde já tivemos o cuidado de dispor os vetores próprios unitários de tal modo que:
1 1
v/2 ' V 2
det = +1
1 1
V 2
1 1 t
X
3 0 x' V2 V 2
[x' y'] + [l\fl Ss/2 ] + 10 = 0
0 1 y' 1 1
n/2
y'
V2
ou:
que é a equaçao da cônica (1), porém referida ao sistema x'Oy', cujos eixos sao suportes de
Vi e V2 (ou Ui e U2), conforme a figura 7.3a.
338 Álgebra linear
Tomemos a equação (3) e façamos uma translação do sistema xOy '. Assim:
3x^ + y ^ + 1 2 x ' - 2 y + 10 = 0
X = x' + 2
Y = y' - 1
ou:
que é a equação canônica da cônica dada em (1), porém referida ao sistema XO'Y, onde
0 '(- 2 , 1).
Trata-se de uma elipse cujos semi-eixos medem 1 e >/3 , estando o eixo maior sobre o
eixo dos Y, conforme mostra a figura 7.3b.
Observação
C O S 0 = ------------- ---- = C i .U i = 1 (— — ) +0 — = - ^
le.llu .l ^/2 V2 V2 2
Formas quadráticas 339
COS 6 =_ «2 - U2 ----
— ) + 1 (— ) = — = - ^
e^M U2 I s/2 V2 2
isto é;
6 = arc C O S = 45°
Solução
11 -12
[x y] [ y ] + [20 - 40] y j - 20 = 0 (6)
-12 4
11 -12
A =
-12 4
são:
X, = 2 0 , u, = ( y , - | )
^ c . 34,
X2=-5, U 2 = (y ,-)
A J_
20 0 “ X/ “
J J X/
[x' y'] + [20 -4 0 ] -20 = 0
/
LyJ 3 4 Ly J
0 -5
5 5
ou:
ou, ainda:
Fazendo:
X = x '+ 1
Y = y' + 2
4X2 - =4
ou:
1 4
que é a equação reduzida da cônica dada em (5), porém referida ao sistema XO'Y, sendo
Trata-se de uma hipérbole cujo eixo real, de medida 2, está sobre o eixo dos X, conforme se
vé na figura 7.3c.
Figura 7.3c.
342 Álgebra linear
+ 2xy + - 8x + 4 = 0 (7)
Solução
1 1 X X
[ x y ] + [-8 0] + 4 = 0
1 1 _y_ y
1 1
A =
1 1
são:
X.=0,
1 1
0 0
v/2 V2
[x' y'] + [-8 0] + 4 = 0
0 2 1 I
’V2 V2
Formas quadráticas 343
ou:
ou, ainda:
Fazendo;
X = x’
Y = y'-V 2
=2V2X
que é a equaçSò reduzida da cônica dada em (7), poiém referida ao sistema XO'Y, onde
O'(0, v / 2 ) .
344 Álgebra linear
Trata-se de uma parábola de parâmetro igual a >/2 > tendo para eixo o eixo dos X,
conforme mostra a figura.
Solução
4 12] [ x
[xy] -156 =0 (8)
12 -3 y
4 12
A =
12 -3
Formas quadráticas 345
S ão :
=-12, U i=(y,-j)
Xj = 13, u, = ( y , y )
- 6x + 8y - 7 = 0
Solução
Como essa equação não apresenta o termo em xy, a resolução é constituída somente da
2? etapa.
x^ - 6x = -8y + 7
x^ - 6x + 9 = -8y + 7 + 9
( x - 3 ) 2 = - 8 y + 16
(xO)^=-8(y-2)
Fazendo
X = x -3
Y =y -2
= -8Y
que representa uma parábola de vértice na origem do sistema XO'Y, com 0'(3 , 2), e voltada
para baixo, conforme mostra a figura 7.3f.
Formas quadráticas 347
No entanto, em casos particulares, essa equação pode também representar um par de retas,
uma só reta, um ponto ou o conjunto vazio, que são as chamadas cônicas degeneradas.
Exemplos
1) A equação
(x + 2)'^ + ( y - l ) 2 = 0
ou:
+ y^ + 4x - 2y + 5 = 0
2) A equação
Sx'' + 2y'^ + 1 = 0
representa o conjunto vazio. Essa equação não define nenhuma figura geométrica (o 19 membro
é sempre ^ 0).
Exemplo
A equaçío
9X2 .y 2 = 0
(3x + y ) ( 3 x - y ) = 0
e concluímos que:
3x + y = 0 ou 3x - y = 0
ou seja:
y = -3x ou y = 3x
Exemplos
1) A equação
ou:
Formas quadráticas 349
isto é:
3 3
2 2
2) A equação
=0 (Xi = 0 e X2 = 1)
3) A equação
3x^ = .5 (Xj —3 e X2 ” 0)
As cônicas (elipse, hipérbole e parábola) e suas degenerações (um par de retas, uma só reta
e um ponto) constituem as possíveis interseções de uma superfície cônica com um plano.
a) x" + y2 = 1 h) x^ + y^ = 0 p) x^ - 4 = -y^
b) x^ - y2 = 1 i) x^ + y2 + 1 = 0 q) y - 3x^ = 0
c) x^ -y ^ = 0 j) x^ . 1 = 0 r) 3x^ - 4y^ = 1
x^
d) x^ - y = 1 s) 2x^ + 3y^ = 6
e) x^ - y = 0 m) f . f = 1
0 x -y ^ =0 n) 4y^ - x^ = 8
g) X +y = 1 o) 5y^ - 3x = 0
350 Álgebra linear
a) 4x^ « =0
b) - 16y^ = 0
c) x^ + 2xy + y^ - 1 = 0
6) x^ + y^ + xy + 5 \/2 x + 4 \/2 y + 1 = 0
8) 16x^ -2 4 x y + 9y2 - 1 5 x - 2 0 y + 5 0 = 0
10) xy + 4 y /2 \ + 6 V 2y + 30 = 0
12) x^ + y^ + 2xy - 4 \ /2 x = 0
15) x^ - 6x + 8y + 1 = 0
Nos problemas 16 a 24, efetuar uma rotação nos eixos coordenados a fim de eliminar
o termo em xy. Identificar a cônica e escrever sua equação no sistema x Oy' obtido
após a rotação. Esboçar o gráfico.
Formas quaâraticas 351
20) xy = 2
23) x^ + y^ + 4xy - 3 = 0
25) x^ - y 2 - 2 x - 2 y = 0
26) x^ +y2 - 2 x - 2 y + 4 = 0
27) x^ + y^ - 6x + 4y + 13 = 0
29) x^ + y^ + 2xy - 8 = 0
30) x^ + y^ + 2xy = 0
31) x^ + y^ + 2xy + 5 = 0
32) x^ + y^ + 4xy = 0
35) x^+y ^ + 2 x y + 4 = 0
352 Álgebra linear
2) a) y = 2 x e y = - 2x
12) Y^ = 4X, parábola
1 1
4^
13) V2 y ^2
. s/2 V2 — +— = 1, elipse
c)y=— e
2
14) Y2 y2
= 1, hipérbole
3)
^ —T +-T“ = 1, elipse
4 1
15) = - 8Y, parábola
V'2
16) x'^ +— = 1, elipse
8. X^ = Y, parábola
2») h,pe,bok
9) X^ ^Y^ ,
^ ^ = 1, elipse
21) x'^ y'^
— + ^ = 1, elipse
z o
10) X^ Y^ , .. , . ,
hiperbole
22 ) x'^ + 4y^^ - 4 = 0 , elipse
V3 X, parábola
11) Y^ = -
23) 3x'^ - y'^ = 3 , hipérbole
Formas quadráticas 353
31) Vazio.
25) Duas retas: y = ± ( x - l ) - l .
a d e
A = d b f
e f c
a d e
VgAvg = [ X y z] d b f
e f c
Exemplo
3 -1 1
A = -1 5 -1
1 -1 3
X ix '2 + \2Y'^ +
De fato:
[I]g = S 'P = I P= P
Formas quadráticas 355
e, portanto:
Vg=PVp
podemos escrever:
ou:
i Avs = v{,(P‘AP)Vs
0 0
P*AP = D = 0 X2 0
0 0 X3
conclui-se que:
V* AVg = v|,Dvp
ou:
a d e X X, 0 0 x'
[x y z] d b f y = [x y z ] 0 X2 0 y
e f c z 0 0 X3 z
ou, ainda:
Exemplo
I) A forma quadrática:
2 x '2 + 3 / 2 + 6z 2
De fato:
A forma quadrática:
3 -1 1
A= -1 5 -1
1 -1 3
2 x'2 + 3 /2 + 6 z'2
II) Por outro lado, os vetores próprios unitários associados a Xi, X2 e X3 são, respecti-
vamente, Ui = ( - ^ , 0 , — ^ ) , e U3 = ( —^ , — ^
V2 y/2 V3 n/ 3 v/3 \/6 \/6 s/6
Logo:
1 1 1
V2 V6
P = 1 2
0
V I
1 1 1
“v T V6
Formas quadráticas 357
Vp=P*Vs
pois P^ = P"^ pelo fato de P ser matriz ortogonal, podemos calcular Vp a partir de Vg.
1 0 1
n/2 ‘ V2
1 1 1
1 2 1
v/5 "V6 V6
'v/2
Assim:
3 x^ + 5y^ + 3z^ - 2xy + 2xz - 2yz - 2xy + 2xz - 2yz- 2x'^ + 3y'^ + 6z'^
_3
3(0)^ +5( 1) ^ + 3(2)^ - 2 ( 0 ) ( l ) + 2 ( 0 ) ( 2 ) - 2 ( l ) ( 2 ) = 2 + 3 ( - ^ )" + 6(0)^
v /2 ' v /5 '
0 + 5+ 1 2 - 0 + 0 - 4 = 2 ( y ) + 3 ( - |- ) + 0
13= 13
As considerações que fizemos no plano sobre mudança de referencial pela rotaçao são
válidas também para o espaço.
358 Álgebra linear
7.7 QUADRIGAS
Figura 7.7
a d e X X
[x y z] d b f y + [m n p] y + q=0 ( 2)
e f c z z
ou:
AVg + Nvg + q = 0
onde:
X a d e
y , A= d b f e N = [m n p]
z e f c
a d e X
v‘g AVg = [x y z] d b f y
e f c z
t
0 0 X
/
v‘p Dvp = [x' y' z'] 0 X2 0 y
0 0 X3 z
360 Álgebra linear
e:
por:
/
Xii X21 X31 X
/
PVp = X12 X22 X32 y
/
X i3 X23 X33 z
tendo o cuidado para que det P = 1, a fim de que essa transformação seja uma rotação.
f !
0 0 X X ll X21 X31 X
r t f t
[x y z ] 0 X2 0 y + [m n p] X12 X22 X32 y + q =0
0 0 X3 z X i3 X23 X33 z
ou:
que é a equação da quádrica dada em ( 1), porém referida ao sistema \ y z , cujos eixos sao
determinados pela base P = { U i, U2 , U3 } .
Observemos que enquanto a equação (1) apresenta os termos mistos em xy, xz e yz, a
equação (3) é desprovida deles. Portanto, na passagem da equação (1) para (3), ocorreu uma
simplificação.
para se obter a equação reduzida efetua-se uma nova mudança de coordenadas que consiste na
translação do último referencial x y z para o novo, o qual chamaremos XYZ. A análise das
possibilidades é feita a seguir.
ou:
t , t^ X
4 \i X3^
S^
=0
2X / 2 \, i' 4 X2 4 X3
Fazendo:
ry f, t
ãT
vem:
XiX' + X 2Y'' +X 3Z 2 - Q =0
e, finalmente:
A equação (5) é a equação reduzida de uma quádrica de centro, e, como se vé, o primeiro
membro é a forma canônica da forma quadrática no espaço tridimensional.
362 Álgebra linear
II) Se um dos valores próprios for igual a zero, Xi = 0 , por exemplo, a equação (4) fica:
ou:
_L s ^2 ^ ^ ^ t ^2 ^ ^ , q ^
M y*ã,> V - S S r - J í j ; >■“
r J4rX2
T - 4rXa
l f
V7 ft ^
7 ' 4. ^
vem:
Observação
III) Se dois valores próprios forem iguais a zero, a equaçJo reduzida da quádrica sem centro
será da forma Xi X^ + AY + B = 0.
Formas quadráticas 363
+X 3Z 2 +rX = 0
ou:
XiX" +X 3Z 2 +s Y = 0
ou:
XiX"" +X 2Y 2 + t Z = 0
n
3y} + 5y^ + 3z^ - 2xy + 2xz - 2yz + \/3 y " ^
Solução
3 -1 1 X X
[x y z] -1 5 -1 y + [0 V I 0] y O)
7 Í-
1 -1 3 z z
364 Álgebra linear
3 -1 1
A= -1 5 -1
1 -1 3
sáo:
X, = 2 , u, = ( ^ , 0 , - ^ )
\/2
^ 1 1 _L^
1 ^ / I 2 1-
1 1 1
V2 V3 V6
2 0 0 x'
t 1 2
[x y z ] 0 3 0 y + [0 V J 0] 0
V6 - I2= 0
;
0 0 6 Z
1 1 1
n/3 v/6
ou:
Fazendo:
X=x
Y . / * i
^ ^ 12
2 X^ + 3Y^ + = -7 -
4
ou:
8 4 8
que é a equação reduzida da quádrica dada, porém referida ao sistema 0'XYZ, sendo
OVo
Trata-se de um elipsóide.
b) x^ + z^ - 4y = 0
Solução
4 ^ 9 16
que é a forma canônica de um hiperbolóide de uma folha ao longo do eixo dos z (Figura 7.8a).
366 Álgebra linear
= ^= 0
z^ , „ z^
7-15=1, y=0 . 7-15-I. 2 - 0
respectivamente.
b) x^ + - 4y=
Figura 7.8a
ou:
que é a forma canônica de um parabolóide elíptico ao longo do eixo dos y (Figura 7.8b).
respectivamente.
Formas quadráticas 361
Por uma conveniente translação de eixos, transformar cada uma das equações seguintes na
forma reduzida e identificar a quádrica que ela representa.
1) + 4y^ + - 8x + 24y - 2z + 41 = 0
6) 9x^ - 4y2 - 1 6 y - 3 6 z - 1 6 = 0
7) x^ + y^ - 2y = 0
Nos problemas 9 a 12 efetuar uma rotação e uma translação de eixos para referir a quádrica
ao sistema OXYZ e identificá-la.
10) -4xz-4x+2y-3=0
»2 »2 »2
1) + 2 ^ ^» ^lipsóide.
•2 *2 *2
2) ^ 3 "^ ^’ hiperbolóide de uma folha.
3^ x^^
^ — + - ^ = -2z , parabolóide elíptico.
6)
^ ^ = z, parabolóide hiperbólico.
Q\ x'2 z'^
^ = 0, superfície cônica.
12) 2 Ç , n , ^ = i , elipsóide.
6 3 2
APENDICE
MATRIZES
DETERMINANTES
SISTEMA DE EQUAÇÕES LINEARES
MATRIZES
A.1 D E F IN IÇ Ã O DE M A T R IZ
^m i ^m 2 ^m 3 ^m n
369
370 Álgebra linear
e assim sucessivamente até i atingir o valor m; quando isso ocorre, faz-se j variar de 1 a n,
obtendo-se:
A partir de agora, e sempre que for necessário, uma matriz B será representada por
[by], uma C por [Cy] e assim por diante.
A. 1.5 Matriz-Coluna
ai
^2
^3
an
Observação
A.1.6 Matriz-Linha
A = [a,,a2,a3,...,aj^]
Observação
Quando o número de linhas é igual ao número de colunas, tem-se uma matriz quadrada.
372 Álgebra linear
^11 a i2 a i3 .• a in
é a diagonal principal.
é a diagonal secundária.
^11 0 0 ... 0
0 0 ... 0
A= 0 0 ^33 ... 0
0 0 0 .. ®nn
A matriz diagonal que tem os elementos a^ iguais entre si para i =j é uma matriz
escalar.
Exemplo
5 0 0
A= 0 5 0
0 0 5
A matriz escalar de qualquer ordem que tem os elementos a.j = 1 para i = j é uma
matriz unidade. Indica-se a matriz unidade por I^, ou simplesmente por I.
Exemplos
1 0 0
; i3 = 0 1 0
0 0 1
374 À Igebra linear
A.3 M A T R IZ ZERO
Exemplo
0 0 0
0=
0 0 0
Duas matrizes A= [ a ^ ] e B = [b.j], de ordem (m, n), são iguais se, e somente se,
a.. = b...
y y
Exemplo
2 4 2 4
3 1 = 3 1
0 2 0 2
A.5 A D IÇ A O DE M A TR IZES
A soma de duas matrizes A = [a^] e B = [by], de ordem (m, n), é uma matriz C = [cy]
tal que:
Exemplos
^11 ai2 Hi 3 b il bi2 bi3 ^11 bj] âi2 bi2 ai3 + bj3
I)
^21 ^22 ^23 b21 b22 b23 ^21 b2l 322 + b22 323 + b23
Matrizes. Determinantes. Sistema de equações lineares 375
II) 5 -2 3 -2 1 3 3 -1 6
2 1 -4 4 2 5 6 3 1
+ —
1 0 2 0 2 -2 1 2 0
3 -1 4 -3 0 5 0 9
A.5.1 Observação
c.. = a.- - b-
0 u u
I) A + (B + C ) = (A + B) + C
II) A + 0 = 0 + A = A
III) -A + A = A - A = 0
IV) A + B = B + A
Se X e' um escalar, o produto de uma matriz A = [a^] por esse escalar e' uma matriz
B=[by] tal que:
by=Xay
Exemplo
I) (X^)A = X(mA)
II) (X + /i) A = XA + /í A
Sejam as matrizes e
A = [4 3 2 51 eB =
Ci i = 4 x 6 + 3 x 4 + 2 x 5 + 5 x 3
Assim, Cii é a soma dos produtos, na ordem em que estão dispostos, dos elementos da
matriz-linha A pelos elementos da matriz-coluna B, isto e', C n é igual à soma dos produtos
do 19 elemento de A pelo 19 elemento de B, do 29 elemento de A pelo 29 elemento de
B, do 39 elemento de A pelo 39 elemento de B e do 49 elemento de A pelo 49 elemento
de B. Diz-se que 61 é o produto da matriz A pela matriz B. O dispositivo da página seguinte,
facilita, visualmente, entender a definição do produto da matriz A (1,4) pela matriz B (4j ) .
A condição para multiplicar a matriz A^ pela matriz B(4j ) , »de acordo com a
definição, é que o número de colunas de A (no caso, 4) seja igual ao número de linhas de B
(no caso, também 4). Por outro lado, a ordem da matriz produto C é dada pelo número de
linhas de A (no caso, 1) e pelo número de colunas de B (no caso, também 1), isto é, C n .
Matrizes. Determinantes. Sistema de equações lineares 377
4 X 6 = 24
3 x.4=12
2 X 5 = 10
r
<l>4)
“1
í-___ ____í
r
'(1,4)
1
®(4.1)
1 _
Suponhamos que se deseja multiplicar uma matriz por uma matriz B(4,2)
r
V ,4 ) ^
1
“(4,2)
__r
^ 1,4)
1
®(4,2) ^ ( 1 ,2 )
L_ ____i
Sejam as matrizes e 2) •
2
A = [4 5] é B =
7
4 X 6 = 24 4X1=4
3 X 4=12 3 x 2=6
2 X 5 = 10 2 X 7 = 14
5 X 3 = 15 5 X 4 = 20
61 44
= r
^(1,4) ^ ^ ( 4 ,2 ) W l,2)
t________________ í
Suponhamos, agora, que se deseja multiplicar uma matriz A( 2,3) por i^nia matriz B^3 4^:
* j
^(2,3)
; (3.4)
ri
t ________________í
Matrizes. Determinantes. Sistema de equações lineares 379
r
^ (2 ,3 ) ^
1
® (3,4) ^ (2,4)
Sejam as matrizes:
5 2 4 1
4 2 6
2 3 1 0
A= e B =
2 5 3 1 2 7 6
Para efetuar o produto das matrizes A e B, considera-se cada linha da matriz A como
uma matriz-linha (daqui por diante chamada simplesmente de linha) e cada coluna da matriz B co
mo uma matriz-coluna (daqui por diante chamada simplesmente de coluna). A seguir, multiplica-se
a 1^ linha de A sucessivamente pela 1?, pela 2?, pela 3 ? e pela 4^ colunas de B, obtendo-se a
primeira linha Cn Ci4 da matriz C. Em continuação, multiplica-se a 2? linha de A
sucessivamente pela 1?, pela 2?, pela 3^ e pela 4? colunas de B, obtendo-se a segunda linha
C21 C22 C23 C24 da matriz produto C. O dispositivo a seguir facilita o entendimento do
processo:
4. . 2. . 6 C l l - . C1 2 . .C i3 . .Ci4
multiplicando a 1? linha de A pela 4^ coluna de B. Os elementos C21 C22 C23 C24 são obtidos
multiplicando-se a 2^ linha de A sucessivamente pela 1^, pela 2?, pela 3^ e pela 4? colunas de B.
Assim, cada elemento c^ da matriz C e' obtido multiplicando a linha i da matriz A pela
coluna j da matriz B. No exemplo dado:
C21 = 2? l i n h a de A x l a coluna de B= 2 x 5 + 5 x 2 + 3 x l = 10 + 10 + 3 = 2 3
C22 = 2 ? l i n h a de A x 2? c o l u n a d e B = 2 x 2 + 5 x 3 + 3 x 2 = 4 + 1 5 + 6 = 2 5
C23 = 2 ^ li nhade A x 3a c o l u n a d e B = 2 x 4 + 5 x l + 3 x 7 = 8 + 5 + 2 1 = 3 4
C24 = 2^ l i n h a d e A x 4a c o l u n a d e B = 2 x 1 + 5 x 0 + 3 x 6 = 2+ 0 + 18 = 20
P o r t a n t o , o p r o d u t o da s m a t r i z e s d a d a s A ( 2 ^3 ) e 6^3 4 ^ é a m a t r i z
30 26 60 40
■'(2,4)
23 25 34 20
De acordo com 0 que foi visto ate' agora, pode-se dizer, por exemplo, que
,r 1
®(5,6) ^ (3,6)
número de colunas de A = 5
número de colunas de B = 6
^ (2 ,7 ) ^ ® (7,5) ^ (2 ^ )
Sejam as matrizes
bii b i2 b,3
aii ai2 aj3
A = e B b 2i b 22 b23
^21 ^22 ^23
b3i b32 b33
C ll C12 Cl3
"(2,3) ^ ,3 ) ^ (2,3)
t___ ____í C2I C22 C23
Assinalando o 29 índice de “a” e o 19 índice de “b” , vé-se que, em cada parcela, eles
são iguais:
k = 3
C23 “ 2 ^2k^k3
k = 1
k = 3
k = n
c.. = ^ a , b, .
u , . , 'k kj
Matrizes. Determinantes. Sistema de equações lineares 383
O produto C = AB é uma matriz de ordem (m ,p), uma vez que na expressão que
define o elemento c..,
ij ’ o índice i varia de 1 a m’,e o índice Ji varia de 1 a ^
p:
'^(m,n) ^ ,p )
L J
Exemplo
1
"^(3,5) ^ ® ( 5 .6 ) ^ ( 3 ,6 )
t t
Entretanto, o produto
7 ^
^ ( 3 ,5 )
t t
não existe, porque . isto é, 0 número de colunas da
de linhas da 2^ matriz.
j
'^(4,3) ^ B (3,4) " ^ ( 4 , 4 )
____t
r
*(3,4) A (4,3) - D (3,3)
t ___
1 2 5 7
A= e B =
3 4 6 8
1 2 5 7 17 23
AB =
3 4 6 8 39 53
5 7 1 2 26 38
BA =
6 8 3 4 30 44
3 2 1 0
A = e I =
5 7 0 1
3 2 1 0 3 2
AI =
5 7 0 1 5 7
1 0 3 2 3 2
IA =
0 1 5 7 5 7
Matrizes. Determinantes. Sistema de equações lineares 385
Como se vé:
AI = IA = A
11 3 2 -3
e B=
7 2 -7 11
11 2 -3 1 0
AB =
7 -7 11 0 1
2 -3 11 3 1 0
BA =
-7 11 7 2 0 1
Como se vé:
AB=BA=I
AB= BA= I
AA"' = A 'A = I
Assim, para saber se, dadas duas matrizes A e B, uma é inversa da outra, basta multiplicar
uma pela outra e verificar se o produto é a matriz I.
Nesse caso, dir-se-á que B é inversa de A e se representa por A"^ (ou que A é inversa
de B e se representa por B"^ ).
386 Álgebra linear
(AB)C = A(BC)
(A + B )C = AC + BC
C(A + B) = CA + CB
IV) Se A (m ,n ), tem-se:
Im A = AI„
n
=A
Exemplo
4 2 0 5 2
20 14
X 0 3 =
2 5 1 11 21
1 2
5 2 24 20 2
4 2 0
0 3 6 15 3
2 5 1
1 2 8 12 2
Matrizes. Determinantes. Sistema de equações lineares 387
VII) Dadas duas matrizes A e B, se o produto delas for a matriz zero [0 ], não é necessário
que A ou B sejam matrizes zero.
Exem plo
0 1 I 1 0 0
0 1 0 0 0 0
1) Dadas as matrizes
y+4 2 12 2
A = e B =
9 +4 9 53
y +4 2 12 2
9 +4 9 53
y + 4=12 y=8
+ 4 = 53
x^ = 5 3 - 4
= 49
X = ± \/4 9
x = ±7
388 Álgebra linear
Dadas as matrizes
2 3 8 -3 7 1 7 -8 3
A = -5 9 -6 , B = -4 2 5 e C = 4 -3 2
7 4 -1 0 9 4 9 -5 1
2) Calcular A + B.
Solução
2 3 8 -3 7 1 -1 10 9
A+B = -5 9 -6 + -4 2 5 = -9 11 -1
7 4 -1 0 9 4 7 13 3
3) Calcular C - A.
Solução
7 -8 3 2 3 8 5 -11 -5
C -A = 4 -3 2 - -5 9 -6 = 9 -12 8
9 -5 1 7 4 1 2 -9 0
4) Calcular 3A -2 B + 4C.
Solução
2 3 8 -3 7 1 7 -8 3
D =3 X -5 9 -6 -2 X -4 2 5 +4 X 4 -3 2
7 4 -1 0 9 4 9 -5 1
Matrizes. Determinantes. Sistema de equações lineares 389
6 9 24 6 -14 -2 28 -32 12
21 12 -3 0 -18 -8 36 -20 4
0 23 26 28 -32 12
D = -23 31 -8 + 16 -12 8
21 30 5 36 -20 4
28 -9 38
D = -7 19 0
57 10 9
■8 4 -6 1 -2
^2,4) 2 -5 7 3 "(4,2)
-5
Solução
"^(2,4) ®(4,2) ^ (2 ,2 )
•4
-2
-5
• 8
-8 . . . 4 - ‘ -6- •-2
2 • • • • -5 • • • 7 • • *7
390 Álgebra linear
Portanto:
5 -2
A XB= C =
6 7
Observação
2 3 4
A = 3 5 - 4 e X=
4 7 - 2
Solução
' ^ ( 3 , 3 ) ^ ^ ( 3 , 1) ^(3,1)
2 3 4 X 2x + 3y + 4z
C= A X x= 3 5 -4 X y = , 3x + 5y - 4z
4 7 -2 z 4x + 7y - 2z
Observação
O fato de que a matriz C do problema anterior tem 3 linhas e uma só coluna permite
escrever, sob a forma matricial, o seguinte sistema de equações:
2x + 3y + 4z = -4
3x + 5y - 4z = 25
4x + 7y - 2z = 24
De fato, fazendo
2 3 4 X -4
A = 3 5 - 4 , X = y e B = 25
4 7 - 2 z 24
vem :
AX = B
isto é :
2 3 4 X -4 2x + 3y + 4z -4
3 5 - 4 X y = 25 ou 3x + 5y - 4z = 25
4 7 - 2 z 24 4x + 7y - 2z 24
2x + 3y + 4z = -4
3x + 5y - 4 z = 2 5
4x + 7y - 2z = 24
392 Álgebra linear
1) Dadas as matrizes
-1 -1 0 -2 3 -1
0 -1 -1 e B = 1 -3 1
1 -1 -3 -1 2 -1
verificar se B é inversa de A.
Solução
-1 1 0 -2 3 -1 1 0 0
AB = 0 1 -1 X 1 -3 1 = 0 1 0
1 1 -3 -1 2 -1 0 0 1
Observação
8) Dadas as matrizes
4 n
A = e B=
m 9
Solução
'9 5' 4 n 36 + 5m 9n + 45
AB = X =
1 4_ m 9 28 + 4m 7n + 36
36 + 5m 9n + 45 1 0
28 + 4m 7n + 36 0 1
36 + 5m = 1 m = -7
28 + 4m = 0 m = -7
9n + 45 = 0 n = -5
7n + 36 = 1 n = -5
De fato:
9 5 4 -5 1 0
AB = X =I
7 4 -7 9 0 1
1) 8 15n 8 75
A = e B =
12+ m 3 6 3
394 Álgebra linear
2)
- 40 +4 41 13
e B=
6 3 6 3
3)
7 8 7 8
A = e B=
4 4 lOx -2 5
Dadas as matrizes:
2 3 8 5 -7 -9 0 9 8
A= ,B = e C=
4 - 1 - 6 0 4 1 1 4 6
4) Calcular A + B.
5) Calcular B + C.
6) Calcular A + C.
7) Calcular A - B .
8) Calcular A - C .
9) Calcular B - C .
11) Calcular X = 2 B - 3 A - 6 C .
12) Calcular X = 4 C + 2 A - 6 B .
13) 2 6
A= e X =
-5 4
14) 1 2 Xi
A = -2 -5 e X= X2
3 9 -8 X3
15) -3 4 2 8 Xi
0 1 3 -6 X2
A = -2 4 5 -7 e X = X3
9 -9 -8 6 X4
Dadas as matrizes:
1 -2
3 1 1 3 - 5 - 7 2 4
A= B= , C=
7 -4
6 2 - 8 3 -3 5
5 9
1 7 3 -8
-3 -1 -1 -3
D=
4 1 9 0
5 3 2 -3
22)
-0,5 -1,5 1 -12 -4 14
A = -0 ,5 -2,5 0,5 e B = 2 0 -2
-0,5 -2 1 -2 -2 4
23)
-2 -4 -6 -1,5 2 -1,5
A = -4 -6 -6 e B = 2 -2,5 1,5
-4 -4 -2 -1 1 -0,5
24)
-4 -2 0 -1 1 -0,5
A= 2 -6 -2 e B= 1,5 -2 1
25)
4 5 0 9 3 4
A = 2 3 0 e B= -7 2 5
-6 -1 -2 1 6 8
26) 0
0 4 -2 -1 0,5
-2 -14 6 -1,5 -1 -1
Matrizes. Determinantes. Sistema de equações lineares 397
Nos problemas 27 e 28, calcular m e n para que a matriz B seja inversa da matriz A.
27) m -22 5 22
A = e B =
-2 n 2 9
28) 2 5 8 m
A = e B =
3 8 n 2
1. n = 5 e m = -6
2. m = ±9 e n = ±3
3. X= 5
10 a 12. Roteiro: Esses problemas se resolvem de forma análoga à do problema 4 do item A.8.
13. 2x + 6y
AX =
-5x + 4y
3xi + 9x2 ” 8 x 3
—
X2 + 3X3 - 6x4
AX =
-2xi + 4 X2 + 5X3 - 7X4
>
9 xi - 9 x, - 8X3 + 6x4
S98 Álgebra linear
29) Calcular 4, = x
29) Calcular 2) ^ ^ ( 2 , 4 )*
19. Roteiro: Esse problema se resolve de maneira análoga à do problema 5 do item A.8 .
a) AB= I , B é inversa de A;
b) AB I, B náo é inversa de A.
28. m = -5 e n = -3
A.9 M A T R IZ TRANSPOSTA
T
A matriz transposta da matriz A, de ordem m por n, é a matriz A , de ordem n
por m, que se obtém da matriz A permutando as linhas pelas colunas de mesmo índice.
Matrizes. Determinantes. Sistema de equações lineares 399
Exemplo
a ii a2i
^11 ai2 ai3
A= ; A ^ = ai2 a22
I) (A + B)^ = a '^ +
II) ( k k f =
III) (A'T)T= a
IV) ( a b )^ = b W
Observação
a) Sejam as matrizes
1 3
1 2
"(3,2)
0 2 ® ®(2,2)
3 4
2 4
1 3 10 14
1 2 10 6 14
AB = 0 2 X = 6 8 .. ( a b )T =
3 4 14 8 20
2 4 14 20
400 Álgebra linear
b) Sejam as matrizes
1 0 2 1 3
^( 2 , 3 ) ' < 2, 2, =
3 2 4 2 4
1 3 1 0 2 10 6 14
X =
2 4 3 2 4 14 8 20
Exemplo
1 5 9
s = s'^ 5 3 8
9 8 7
A.10.1 Observações
b) O produto de uma matriz quadrada A pela sua transposta A^ é uma matriz simétrica.
Matrizes. Determinantes. Sistema de equações lineares 401
Exemplo
2 0 2 2 1 0
1 -1 2 A^ = 0 -1 3
0 3 0 2 2 0
2 0 2 2 1 0 8 6 0
S = AA^ = 1 -1 2 0 - 1 3 = 6 4 - 3
0 3 0 2 2 0 0-3 0
S = S^
A.11 M A T R IZ A N TI-SIM É TR IC A
Exemplo
A matriz
0 3 4
A= -3 0 -6
-4 6 0
é anti-simétrica.
De fato:
0 -3 -4
-6
isto é:
aT =-a
402 Álgebra linear
A-11.1 Observação
Se A = [a.j]
[a^.] é uma matriz anti-simétrica, os elementos dispostos simetricamente em
relação à diagonal principal são opostos e os elementos da diagonal principal são nulos.
A.12 M A T R IZ ORTOGONAL
Uma matriz M cuja inversa coincide com a tramposta é denominada matriz ortogonal:
M*
isto é :
M .M=l
Exemplos
A matriz
2 2
M=
V3 1
2 ‘2 _
De fato:
1 V3" 1 s íf
2 2 2 2
se M = . =
n/3 1 V3 1
2 '2 _ 2 ~2 _
Matrizes. Determinantes. Sistema de equações lineares 403
1 n/3 1
2 2 2 2 1 0
MM^=M^M = X
1 V3 1 0 1
'ã
_ 2 2_ _2 ■2 _
MM^ = M^M = I
isto é:
M ^=M *
a matriz M é ortogonal.
A.13 M A T R IZ T R IA N G U L A R SUPERIOR
A matriz quadrada A = [a^] , que tem os elementos a^ = 0 para i > j , é uma matriz
triangular superior.
Exemplo
5 4 7 9
0 3 - 8 4
A=
0 0 - 2 3
0 0 0 6
A.14 M A T R IZ T R IA N G U L A R IN FE R IO R
A matriz quadrada A = [ay], que tem os elementos a ^ = 0 para i < j , é uma matriz
triangular inferior.
404 Álgebra linear
Exemplo
5 0 0 0
2 7 0 0
-3 4 3 0
6 -2 8 9
Uma matriz quadrada A = [a.j] pode ser multiplicada n vezes por si mesma. A matriz
que resulta dessas n operações, e que se representa por A” , é chamada potência n da
matriz A.
Exemplos
1 2
Se A =
4 3
1 2 1 2 9 8
a) A^ = X =
4 3 4 3 16 17
1 2 1 2 1 2 9 8 1 2 41 42
b) A^ X X X
4 3 4 3 4 3 16 17 4 3 84 83
Dada uma matriz periódica A, tal que = A , diz-se que A é uma matriz idem
potente. O período da matriz idempotente é 2 - 1 = 1.
Exemplo
2 -1 1
A = -3 4 -3
-5 5 - 4
2 -1 1 2 -1 1 2 -1 1
A^ = -3 4 -3 X -3 4 -3 = -3 4 -3
-5 5 -4 -5 5 -4 -5 5 -A
Dada uma matriz quadrada A, se existir um número p, inteiro e positivo, tal que
A^ = 0, diz-se que A é uma matriz nihilpotente. Se p é o menor inteiro positivo tal que
A^ = 0, diz-se que A é uma matriz nihilpotente de “ índice” p.
Exemplos
a) Se
-1 1
A= -3 3 -3
-4 4 -4
406 Álgebra linear
1 -1 1 1 -1 1 0 0 0
= -3 3 -3 X -3 3 -3 = 0 0 0
-4 4 A -4 4 -4 0 0 0
b) Se
1 1 3
A = 5 2 6
-2 -1 -3
1 1 3 1 1 3 0 0 0
A^ = 5 2 6 X 5 2 6 = 3 3 9
-2 -1 -3 -2 -1 -3 -1 -1 -3
0 0 0 1 1 3 0 0 0
A^ = A2 X a = 3 3 9 X 5 2 6 = 0 0 0
-1 -1 -3 -2 -1 -3 0 0 0
2 3 -5 8
3 -7 1 9
Matrizes. Determinantes. Sistema de equações lineares 407
Solução
2 3
3 -7
kT ^
-5 1
8 9
Dadas as matrizes:
4 -5
-4 6 -3
A = 3 -7 , B =
-3 5 8
-2 4
1 -5 0
”4 - 3"
C = e D = 0 0 2
1 2
1 1 0
2) Calcular (AB)^
Solução
4 -5 -1 -1 -5 2
-4 6 -3
E= 3 -7 X = 9 -17 -65
-3 5 8
-2 4 -4 8 38
-1 9 -4
(AB)^ = = -1 -17 8
-52 -65 38
408 Álgebra linear
3) Calcular B^C.
Solução
T
a) Determinação de B :
-4 -3
jT _ 6 5
-3 8
b) Cálculo de B( 3 , 2 ) X C
^ ^ ( 2 , 2) M 3 , 2 )-
-A -3
4 -3
-19 6
B^C = F = 6 5 X _
29 -8
1 2
-3 8 -4 25
4) Calcular (AB)^D.
Solução
a) Cálculo de (AB)^:
-1 9 -4
(AB)'''=E^ = -1 -17 8
-52 -65 38
— pT w
b) Cálculo de (AB)^D ^ (3 ,3 ) *^(3,3) “ ^(3, 3)-
-1 9 -4 1 -5 0 -5 1 18
5) Dada a matriz:
2 5 9
A= 4 7 1
3 6 2
classificar a matriz A + = S.
Solução
T
a) Determinação da matriz A .
2 4 3
aT = 5 7 6
9 1 8
b) Cálculo da matriz A + = S.
2 5 9 2 4 3 4 9 12
S = A + a ”^ 4 7 1 + 5 7 6 = 9 14 7
3 6 8 9 1 8 12 7 16
T
c) Determinação de S .
4 9 12
ST = 9 14 7
12 7 16
T T T
Tendo em vista que A + A = S = S \ A + A é uma matriz simétrica.
410 Álgebra linear
6) Dada a matriz
6 1 4
A = -3 8 -5
2 - 6 7
T
classificar a matriz A - A = P
Solução
a) Determinação de A ^
6 - 3 2
aT = 1 8 -6
4 - 5 7
b) Cálculo de A - = P.
6 1 4 6 -3 2 0 4 2
P= A - A * -3 8 -5 - 1 8 -6 -4 0 1
2 -6 7 4 -5 7 -2 -1 0
X
c) Determinação de P :
0 -4 -2
pT = 4 0 -1
2 1 0
7) Dada a matriz
2 3
A =
5 -7
Solução
T
a) Determinação de A :
2 5
A^ =
3 -7
b) Cálculo de AA^ = S:
2 3 2 5 13 -11
S = AA^ = X =
5 -7 3 -7 -11 24
c) Determinação de S*
13 -11
-11 24
8) Dada a matriz:
COS B -sen d 0
M = sen 0 COS 0 0
0 0 1
Solução
a) Determinação de :
COS 6 sen d 0
M^ = -se n 6 COS d 0
0 0 1
b) Cálculo de MM^ = Q:
0 0 1 0 0 1
0 0 1 0 0 1
9) Dada a matriz
10 -25
A=
^ -10
Solução
10 -25 10 -25 0 0
= X =
4 -10 4 -10 0 0
-2 1 -1
A= 2 - 3 2
4 - 4 3
Solução
2 -1 1 2 -1 1 2 -1 1
A^ = -2 3 -2 X -2 3 -2 = -2 3 -2
-4 4 -3 -4 4 -3 -4 4 -3
1 2 1 2 -1 2
A= 0 3 -2 , B= 0 1 -3
0 0 -4 0 0 1
3 0 0 -1 0 0
C- -2 2 0 e D -- 4 0
1 1 -3
414 Álgebra linear
Solução
1 2 1 2 -1 2 2 1 -3
E = AB = 0 3 -2 X 0 1 -3 = 0 3 -11
0 0 -4 0 0 1 0 0 -4
Solução
3 0 0 -1 0 0 -3 0 0
F = CD = -2 2 0 X -3 4 0 = -4 8 0
1 1 -3 2 1 1 -10 1 -3
2 4 3 -5
A= 1 -7 0 -2
8 -9 6 -4
Dadas as matrizes:
5 0 6
1 - 3 - 2 4 2 3 0
-8 0 3
A= B = 7 8 5 9 , C= 1 1 -8
-2 2 7
0 6 3 -8 3 5 4
1 -1 -5
Matrizes. Determinantes. Sistema de equações lineares 415
5 0 3 2
-8 1 -2 4
e D =
-3 2 1 -5
0 1 0 2
2) Calcular (AB)^.
3) Calcular (AB)D^.
4) Calcular A(BD^).
5) Calcular B^C.
Dadas as matrizes:
2 -7 1 0 - 9 3 4 3 5
3 4 2 ,B = 4 8 1 c C= -1 2 -7
5 - 9 6 7 3 1 8 1 -9
7) Classificar A + A ^ .
8) Classificar B + B ^ .
9) Classificar A .A ^ .
10) Classificar A - A ^ .
1 1) Classificar B - B^.
Dadas as matrizes:
1 ls /2 1 2 v/6
0 1 3 3 5 5 sen^ -cos^
A= , B -- ,c = , D =
1 0 2^/2 1 2 ^ /ê 1 COS d -sen 6
3 ' 3 5 5
V3 n/ 3 V3
3 3 3
6 9 12 16
E = 'ã . , F= . G =
c. C
O
3 O
-4 -6 -9 -1 2
^ —*
0
sji V2
2 2
- 1
H = -1
-3 ^
—
- 1 2 6
5 10 6 10
J = , L = , M = 3 -2 -9
-2 -4 -3 -5
-2 0 3
1 2 8 2 -3 1 1 0 0
A= 0 1 , B = 0 2 -1 , c = -1 3 0
0 0 4 0 0 3 -2 -1 2
4 0 0
D = 1 -1 0
-1 -3 -2
2 0 0 4 0 0
A= 0 7 0 e B = 0 5 0
0 0 3 0 0 6
1) 2 I 8
4 -7 -9
aT =
3 0 6
-5 -2 -4
ou;
19) Determinar A * .
29) Determinar
Observação
3 9 ) Calcular E . D^ = F.
39) Calcular AG = H.
3 9 ) Calcular = K.
79) Somar 2K + L.
7) A + A^ é simétrica.
8) B + B^ é simétrica.
9) A . A^ é simétrica.
10) A - A ^ é anti-simétrica.
11) B - B^ é anti-simétrica.
12) C -C ^ é anti-simétrica.
13) A éortogonal.
14) B éortogonal.
15) C éortogonal.
16) D éortogonal.
17) E éortogonal.
26)
0 0
AB = 35 0
0 18
DETERMINANTES
a c b
a b c
Diz-se que dois elementos de uma permutação formam uma inversão se estão em ordem
inversa à da permutação principal.
Uma permutação é de classe par ou de classe ímpar, conforme apresente um número par
ou ímpar de inversões.
A.20 D ETE R M IN A N TE DE UM A M A T R IZ
Chama-se determinante de uma matriz quadrada à soma algébrica dos produtos que se
obtém efetuando todas as permutações dos segundos índices do termo principal, fixados os
primeiros índices, e fazendo-se preceder os produtos do sinal + ou —, conforme a permutação
dos segundos índices seja de classe par ou de classe ímpar.
A.21 ORDEM DE UM D E TE R M IN A N TE
A.22 REPRESENTAÇÃO DE UM DE TE R M IN A N TE
A representação do determinante de uma matriz A, que será designado por det A, faz-se
de maneira análoga à da matriz, colocada entre dois traços verticais.
422 Álgebra linear
det A =
?2 = 2! =1x2 =2
12 12 0 par +
12 21 1 ímpar -
Matrizes. Determinantes. Sistema de equações lineares 423
P3=3! = 1 x2 x 3=6
12 3 12 3 0 par +
12 3 13 2 1 ímpar -
12 3 3 1 2 2 par +
12 3 2 13 1 ímpar -
12 3 2 3 1 2 par +
12 3 3 2 1 3 ímpar -
Dada a matriz
aii ai2
A=
^21 ^22
aii ai2
det A =
^21 322
deve-se, de a c o r d o c o m a d e f in iç ã o , p r o c e d e r d a s e g u in te m a n e ir a :
424 Álgebra linear
19) Escrever os elementos que compõem o termo principal, um após o outro, somente com
os primeiros índices (deixando lugar para colocar depois os segundos índices), tantas vezes quantas
forem as permutações dos números 1 e 2 (no caso, duas vezes):
32 ai 32
29) Colocar nas duas expressões anteriores, como segundos índices, as permutações 12 e
21, uma permutação em cada expressão e não necessariamente nessa ordem:
39) Fazer preceder cada um dos dois produtos assim formados dois sinais + ou con
forme a permutação dos segundos índices for de classe par ou de classe ímpar. No caso, se pode
ver, na Tabela do item A.23.1, que o sinal que precede o 19 produto é +, porque a permutação
1 2 é de classe par,e que o sinal que precede o 29 produto é - , porque a permutação 2 1 é
de classe ímpar.
49 ) Efetuar a soma algébrica dos produtos assim obtidos, com o que se terá:
isto é:
an 3 i2
det A = - aii 322 —ai2 321
321 322
Exemplos
7 5
A=
2 4
Matrizes. Determinantes. Sistema de equações lineares 425
Solução
7 5
det A = = 7 X 4 - 2 X 5 = 28 - 10 = 18
2 4
Calcular:
7 5
det A =
2 4
2) Calcular:
-3 -8
det A =
-5 -2
Solução
3) Calcular:
1 0
det I =
0 1
Solução
det I =1 x l - 0 x 0 = l - 0 = l
426 Álgebra linear
4) Calcular:
6 3
det A =
0 5
Solução
det A = 6 X 5 - 3 x 0 = 3 0 - 0 = 30
Dada a matriz
^11 a i2 a i3
^21 ^22 ^2 3
^31 a 32 ^3 3
au ai2 ai3
19) Escrever os elementos que compõem o termo principal, um após o outro, somente com
os primeiros índices (deixando lugar para colocar depois os segundos índices), tantas vezes quantas
forem as permutações dos números 1 ,2 e 3 (no caso, seis vezes):
a2 a3 ai a2 a3 ai a2 a3
a2 a3 ai a2 a3 ai a2 a3
Matrizes. Determinantes. Sistema de equações lineares 427
29) Colocar, nas seis expressões anteriores, como segundos índices, as permutações 123,
132, 312, 213, 231 e 321, uma permutação em cada expressão e não necessariamente nessa
ordem:
39) Fazer preceder cada um dos produtos assim formados dos sinais + ou - , conforme
a permutação dos segundos índices for de classe par ou de classe ímpar. No caso, como se pode ver
na Tabela do item A.23.2:
4 9 ) Efetuar a soma algébrica dos produtos assim obtidos, com o que se terá:
.... a i 2 * •a i3
© • a22 a23
a n - ai3
a2i a23
an* •ai2- ■ •©
a2i a22
a2i a22 á23 ; ai3 “ ^13(^21^32 “ ^22^31 )
a3i a32
asi as2 a33
Matrizes. Determinantes. Sistema de equações lineares 429
OU, simplificadamente:
an ai2 ai3
a22 a23 a2i a23 a2i a22
Essa maneira de escrever a fórmula para calcular o determinante de uma matriz de 3a ordem
é comumente denominada desenvolvimento do determinante pela IÇ linha.
Exemplos
1) Calcular:
det A =
1 4 3 4 3 1
det A = 2 X -5 X +7 X
8 2 6 2 6 8
d etA = 2 ( l x 2 - 4 x 8 ) - 5 ( 3 x 2 - 4 x 6 ) + 7 ( 3 x 8- 1 x 6)
det A = 2 ( - 3 0 ) - 5 ( - 1 8 ) + 7 X 18
det A = 156.
2) Calcular:
3 1 -2
det A = -5 4 -6
0 2 7
4 -6 -5 -6 -5 4
det A = 3 X - 1X + (-2) X
2 7 0 7 0 2
det A = 3 [4 X 7 - ( - 6 ) x 2] - 1 [-5 x 7 - ( - 6 ) x 0] - 2 ( - 5 x 2 - 4 x 0)
det A = 120 + 35 + 20
det A = 175.
A.25.1 Observação
+ - +
- + - (A.25.1)
+ - +
3) Calcular:
5 7
det A = 1 4
8 2
A solução do problema se obtém com a fórmula análoga à obtida em A.25 com as seguintes
diferenças:
a) A coluna a ser eliminada para formar o determinante menor será sempre a 2?, e a linha
a ser eliminada será aquela em que se situa o elemento da matriz que vai multiplicar o referido
determinante menor.
3 4 2 7 2 7
det A = -5 X + 1X -8 X
6 2 6 2 3 4
det A = -5 (3 X 2 - 4 X 6) + 1 (2 X 2 - 7 X 6) - 8 (2 X 4 - 7 X 3)
det A = - 5 ( 6 - 2 4 ) + 1 ( 4 - 4 2 ) - 8 ( 8 - 2 1 )
det A = 90 - 38 + 104
det A = 156
- + - +
- -f- - +
Exemplo
Calcular:
3 2 1 4
0 1 9 8
det A = 5 6 7 2
3 1 4 6
1 9 8 0 9 8 0 1 8
det A = 3 X 6 7 2 -2 X 5 7 •2 + 1X 5 6 2
1 4 6 3 4 6 3 1 6
0 1 9
-4 X 5 6 7
3 1 4
Matrizes. Determinantes. Sistema de equações lineares 433
Dentre as diversas propriedades dos determinantes serão relacionadas, a seguir, aquelas que
de uma forma ou outra dizem mais de perto com o cálculo dos determinantes de qualquer ordem
ou com as propriedades dos vetores. Essas propriedades não serão demonstradas, mas tão-somente
verificadas por meio de exemplos:
I) O determinante de uma matriz A não se altera quando se trocam as linhas pelas colunas:
ai bi Cl ai a2 a3
a2 C2 = bi b2 b3
^3 b3 C3 Cl C2 C3
Exemplo
2 5
= 2 x 3 - 5 x 7 = 6 - 3 5 =-29
7 3
2 7
= 2 x 3 - 7 x 5=6-35=-29
5 3
434 Álgebra linear
II) Se a matriz A possui uma linha (ou coluna) constituída de elementos todos nulos, o
determinante é nulo:
bi 0
det A = ^2 bj 0 = 0
^3 bs 0
Exemplo
0 0 0
4 1 5 1 5 4
det A = 5 4 1 = 0 X -0 X +0 X = 0 - 0 + 0 =0
2 7 3 7 3 2
3 2 7
Esse determinante foi desenvolvido pela 1? linha, observadas as alternâncias dos sinais que
precedem os produtos.
III) Se a matriz A tem duas linhas (ou duas colunas) iguais, o determinante é nulo:
ai ai Cl
det A = ^2 2í 2 C2 = 0
^3 a3 C3
Exemplo
5 5 2
3 1 3 1 3 3
det A = 3 3 1 = 5 X -5 X + 2 X
4 6 4 6 4 4
4 4 6
Esse determinante foi desenvolvido pela 1.^ linha, observadas as alternâncias dos sinais que
precedem os produtos.
det A = 5 ( 3 x 6 - 1 x 4 ) - 5 ( 3 x 6 - 1 x 4 ) + 2 ( 3 x 4 - 3 x 4 )
det A = 5 X 1 4 - 5 X 14 + 2 xO
det A = 70 - 70 + O
det A = 0
IV) Se na matriz A duas linhas (ou colunas) tém seus elementos correspondentes propor
cionais, o determinante é nulo (numa matriz A, dois elementos são correspondentes quando,
situados em linhas diferentes, estão na mesma coluna, ou quando, situados em colunas diferentes,
estão na mesma linha):
ai kai
det A = = 0
2í2 ka2
Exemplo
2 6
= 2 X 9 - 6 X 3 = 1 8 - 18 = 0
3 9
A=-9. = 3
2 3
V) Se na matriz A cada elemento de uma linha (ou coluna) é uma soma de duas parcelas,
o determinante de A pode ser expresso sob a forma de uma soma dos determinantes de duas
matrizes, a saber:
ai bi + Cl a, bi ai Cl
= +
^2 b2 + C2 t>2 ^2 C2
436 Álgebra linear
Exemplo
2 3 + 5 2 3 2 5
= +
7 4+6 7 4 7 6
De fato:
2 3+5 2 8
= 2 X 10 - 8 X 7 = 20 - 56 = -36
7 4+6 7 10
mas:
2 3
= 2 X 4 - 3 x 7 = 8 - 2 1 =-13
7 4
e:
2 5
= 2 X 6 - 5 X 7 = 1 2 - 3 5 = -23
7 6
logo:
2 3 2 5
= - 1 3 - 2 3 = -36
7 4 7 6
an ai2 ai3
0 0 ^33
Matrizes. Determinantes. Sistema de equações lineares 437
Exemplos
1) Calcular:
1 3 5
det A = 0 1 3
0 0 2
1 3 3 5 3 5
det A = 1 X -0 X + 0 X
0 2 0 2 1 3
d e t A = l x ( l x 2 - 3 x 0 ) - 0 x ( 3 x 2 - 5 x 0 ) + 0 x ( 3 x 3 - 5 x 1)
det A = 1 X (1 X 2 - 0) - 0 X (6 - 0) + 0 X (9 - 5)
detA=l X 1 x 2 ' 0 + 0 = l x l x2
2) Calcular:
6 5 4 7
0 1 3 5
det A =
0 0 1 3
0 0 0 2
1 3 5 0 3 5 0 1 5 0 1 3
det A = 6 X 0 1 3 -5 X 0 1 3 +4 X 0 0 3 -7 X 0 0 1
0 0 2 0 0 2 0 0 2 0 0 0
438 Álgebra linear
de tA = 6 x l x l x 2
VII) Trocando-se entre si duas linhas (ou colunas) da matriz A, o determinante muda de
sinal, isto é, fica multiplicado por -1:
b, Cl 3i bi Cl
32 bí C2 =- 33 bs C3
33 bs C3 32 bs C2
Exemplo
Calcular:
1. 3 5
det A = 0 0 2
0 4 12
3 5 1 5 1 3
det A = - 0 X +0 X - 2 X
4 12 0 12 0 4
det A = - 0 X (3 X 12 - 5 X 4) + 0 X (1 x 12 - 5 x 0) - 2 x (1 x 4- 3 x 0)
det A = -0 X 16 + 0 X 1 2 - 2 X 4
det A = - 0 + 0 - 8
det A = -8
Matrizes. Determinantes. Sistema de equações lineares 439
1 3 5
det Al = 0 4 12
0 0 2
3 5 1 5 1 3
det Al = + 0 X -0 X +2 X
4 12 0 12 0 4
det Al = 0 X (3 X 1 2 - 5 X 4 ) - 0 X (1 x 12 - 5 x 0) + 2 x (1 x 4 - 3 x 0)
d e t A i = 0 x 1 6 - O x 12 + 2 x 4
det Al = 0 - 0 + 8
det Al = 8
Como se vé, o det A, ao serem trocadas entre si duas linhas da matriz A, ficou multiplicado
por -1 , isto é, seu valor foi alterado. Para que se mantenha o valor do det A, no caso de haver
necessidade de trocar entre si duas linhas (ou colunas), se procederá do seguinte modo:
1 3 5 1 3 5
det A = 0 0 = -l X 0 4 12
0 4 12 0 0 2
Na realidade, tendo em vista que o det A foi multiplicado por -1, ele, para manter seu
valor, deveria ser dividido por -1 (ou multiplicado pelo inverso -1, no caso - y ) - Como, porém, o
Quando se desejar trocar a 24 linha pela 34 de uma matriz A para facilitar o cálculo de seu
determinante, se escreverá assim:
3 5
det A = 0 2 L23
4 12
1 3 5
det A = - l X 0 4 12
0 0 2
VIII) Quando se multiplicam por um número real, diferente de zero, todos os elementos
de uma linha (ou de uma coluna) da matriz A, o determinante fíca multiplicado por esse
número:
ai bi Cl ai bi Cl
aa ba Ca aa bs Ca
Exemplo
Seja:
1 3 5
det Aj = 0 4 12
0 0 2
Este determinante foi calculado, como Exemplo, na propriedade VII, e o valor encontrado
foi det Al = 8.
Suponha o leitor que se deseja multiplicar a 24 linha por 1/4 (o que é o mesmo que dividir
os elementos da linha por 4):
1 3 5
det A 2 = 0 1 3
0 0 2
Matrizes. Determinantes. Sistema de equações lineares 441
Desenvolvendo o determinante pela 3? linha e observando a alternância dos sinais que pre
cedem os produtos, vem:
3 5 1 5 1 3
det A 2 = + 0 X -0 X + 2 X
1 3 0 3 0 1
det A2 = 0 X (3 X 3 * 5 X l ) - 0 X (1 X 3 - 5 x 0) + 2(1 x 1 - 3 x 0)
det A2 = 0 X ( 9 - 5 ) - 0 X ( 3 - 0 ) + 2 x ( l - O )
d etA 2= 0x4-0x3 + 2x 1
det A2 = 0 - 0 + 2
det A 2 = 2
det A 2 = 2 = 8 x-L
^ 4
isto é, o valor de det Ai ficou alterado. Para que se mantenha o valor do det A i , no caso de
1 3 5 1 3 5
det Al = 0 4 12 = 4 X 0 1 3
0 0 2 0 0 2
Repetindo o que já foi dito, multiplicar os elementos de uma linha por o mesmo que
dividir os elementos da linha por 4 (ou, o mesmo que dividir o determinante por 4). Daí por
que, para compensar, isto e', para que o determinante mantenha seu valor, é necessário multi
Quando se desejar multiplicar a 2? linha de uma matriz A por — para facilitar o cálculo de
seu determinante, se escreverá assim:
1 3 5
det Al = 0 4 12 ->
0 0 2
1 3 5
det Al = 4 X 0 1 3
0 0 2
que estava na 2? linha como elemento da diagonal principal, por colocou o número 1 em
seu lugar.
1 3 5
det A 2 = 0 1 3
0 0 2
Nesse caso, basta multiplicar a 3? linha por — e fazer a respectiva compensação multi
1 3 5
det A 2 = 0 1 3 U íy)
0 0 2
1 3
det A 2 = 2 X 0 1
0 0
Matrizes. Determinantes. Sistema de equações lineares 443
Recapitulando todas as operações feitas até agora com o det A da propriedade VIII, tem-se:
1 3 5
det A = 0 0 2
0 4 12
1 3 5
det A = ■-1 X 0 4 12
0 0 2
1 3 :
0 0 ;
1 3 5
de t A = - l x 4 x 2 x 0 1 3
0 0 1
Tendo em vista que, pela propriedade VI, o determinante de uma matriz triangular é
igual ao termo principal e como, nesse caso, o termo principal TP é igual a 1 (TP= 1 x 1 x 1 ) ,
vem:
det A = - 1 X 4 X 2 X 1 = -8
1 3 5
0 0 2
0 4 12
IX) Um determinante nSo se altera quando se somam aos elementos de uma linha
(coluna) da matriz A os elementos correspondentes de outra linha (coluna) previamente multi
plicados por um número real diferente de zero:
ai b, Cl ai bi Cl
a2 bj C2 = 2l 2 + k a i b2 + k b i C2 + k c i
aa bj C3 aa ba Ca
Exemplo
Calcular:
1 2 4
det A = 4 10 12
5 7 9
10 12 4 12 4 10
det A = +1 X -2 X +4 X
7 9 5 9 5 7
det A = 1 X (10 X 9 - 1 2 X 7 ) - 2 x (4 x 9 - 12 x 5) + 4 x (4 x 7 - 10 x 5)
det A = 6 + 48 - 88
det A = -34
Matrizes. Determinantes. Sistema de equações lineares 445
Pretende-se, agora, substituir a 2? linha do det A pela soma de seus elementos com os
elementos correspondentes da 1? linha previamente multiplicados por -4:
2? linha: 4 10 12
la linha: 1 2 4
Multiplicador: -4 -4 -8 -16
Nova 2a linha: 0 2 - 4
1 2 4
det Al = 0 2 - 4
5 7 9
2 -4 0 -4 0 2
det Al = + 1 X -2 X +4 X
7 9 5 9 5 7
det Al =1 X 46 - 40 - 40
det Al = -3 4
2 4
det A = 10 12 L 2 - L 2 + L j (*4 )
1 4
det A = 0 -4
5 9
Para calcular o determinante de uma matriz quadrada A, de ordem n (para n > 2, isto é,
n = 5, 6, 10, 20, 5 0 ,1 0 0 etc.), será utilizado o processo de triangulação.
Assim, dada uma matriz quadrada A, de ordem n, se procederão com as linhas (ou colunas)
de seu determinante as operações adequadas para transformar a matriz A numa matriz triangular
superior (ou inferior), ao mesmo tempo que se efetuarão com o det A as necessárias compen
sações, quando for o caso, para manter inalterado seu valor, tudo de acordo com as propriedades
dos determinantes já vistas e verificadas.
Antes de dar um exemplo, uma explicação se faz necessária ao leitor: o ideal seria calcular
um determinante de ordem elevada, mas, no caso, o cálculo se tornaria demorado e repetitivo,
porque, como já tivemos oportunidade de verificar, o processo para se obter o número zero é
sempre o mesmo, assim como o processo para se obter o número 1, na diagonal principal, também
é sempre o mesmo. Dessa forma, o exemplo a ser dado será o de um determinante de 3? ordem.
Matrizes. Determinantes. Sistema de equações lineares 447
Aliás, com isso haverá uma dupla vantagem: primeiro, se poderá calcular o determinante desen
volvendo-o por uma linha (ou coluna) qualquer; segundo, se poderá verificar se, calculando o
determinante por triangulação, ele conserva seu valor.
Não é demais insistir em que o processo de triangulação não é específico para o cálculo de
um determinante de ordem 3 (embora o exemplo a seguir seja de um determinante dessa ordem),
mas é para um determinante de qualquer ordem. Por outro lado, é preciso declarar que o cálculo
de determinantes de ordem muito grande só foi possível a partir do uso dos computadores que,
em geral, com algumas variações, utilizam o processo de triangulação. Dada a explicação ao leitor,
convém ainda dizer que, por comodidade, facilidade nos cálculos e por ser bastante prático, para
executar o processo de triangulação, se procura colocar, por meio das operações adequadas
(e das respectivas compensações quando for o caso), como elementos da diagonal principal, exceto
o último, o número 1.
Obtido o número 1 na R linha e 1? coluna, isto é, an = 1, substituem-se, por meio das opera
ções competentes, todos os demais elementos da 1? coluna por zeros; da mesma forma, depois de
obter a22 = 1, substituem-se os demais elementos da 2^ coluna, situados abaixo (acima) de a22
por zeros, e assim por diante. Quanto a cada um dos elementos da diagonal principal da matriz A,
trés hipóteses podem ocorrer:
1?) O elemento é igual a zero. Nesse caso deve-se proceder à operação de troca de linhas
e multiplicar o det A por -1 , como compensação, isto é, para que det A conserve seu valor;
2?) O elemento é igual a k. Nesse caso, deve-se multiplicar todos os elementos da linha
por com o que se obtém o número 1 como elemento da diagonal principal dessa linha. Por
outro lado, para compensar, isto é, para que det A mantenha seu valor, deve-se multiplicá-lo
3?) O elemento é igual a 1. Nesse caso, nada a fazer no que diz respeito à diagonal
principal.
Exem plo
Calcular:
1 7
det A = 3 2
3 4
448 Álgebra linear
Solução
2 1 7
3 2 1 2 1 3
det A = 1 3 2 = +2 X - 1X +7 X
3 4 5 4 5 3
5 3 4
detA = 2 x ( 3 x 4 - 2 x 3 ) - l x ( l x 4 - 2 x 5 ) + 7 x ( l x 3 - 3 x 5 )
det A = 2 x 6 - l x ( - 6 ) + 7 (-1 2 )
det A = 12 + 6 - 8 4
det A = -66
2 1 7 L ,( y )
det A = 1 3 2
5 3 4
1
2 2
det A = 2 X L2 - L2 + L i ( - l)
1 -i- ^
2 2
det A = 2 X
0 a .l
2 2
5 3 4 L3 = L3 + L,(-5)
Matrizes. Determinantes. Sistema de equações lineares 449
1 7
2 2
5 _ 3
det A = 2 X
2 ’ 2
1 27
2 “ 2
1 7
1
2 2
det A = 2 X— X 0 1 _6
10
1 27
0 L3 — L3 + L 2 ( - - ^ )
2 ' 2
1
1
2 2
det A = 2 X 5 x 0 1
10
132
0 0
10
132 132
O termo principal é: TP = 1 x 1 x ( - “jq") = “"iõ” ’
logo:
Como se vé, pelo processo de triangulação se obteve para o det A o mesmo valor que se
obteve quando se desenvolveu esse determinante pela 1? linha.
1) Calcular:
2 4 6
det A = 5 9 8
7 2 1
450 Álgebra linear
Solução
9 8 5 8 5 9
det A = 2 X - 4 X +6 X
2 1 7 1 7 2
det A = 2 (9 X 1 - 8 x 2 ) - 4 ( 5 X 1 - 8 x 7 ) + 6 ( 5 x 2 - 9 x 7 )
det A = 2( 9 - 16) - 4 ( 5 - 5 6 ) + 6( 10 - 6 3 )
det A = -14 + 2 0 4 - 3 1 8
det A = -128
Solução
4 6 ■L.(y)
det A = 9 8
2 1
1 2 3
1 2 3
det A = 2 X 0 -1 -7
7 2 1 L3 - L3 + Li (-7)
Matrizes. Determinantes. Sistema de equações lineares 451
1 2 3
det A = 2 X 0 -1 -7
0 -12 -20
1 2 3
det A = 2 X (-1 ) X 0 1 7
Ls =Lj +Lj(12)
0 -12 -2 0
1 2 3
det A = 2 X (-1 ) X 0 1 7
0 0 64
mas o determinante de uma matriz triangular (superior ou inferior) é igual ao termo principal:
T = 1 X 1 X 64 = 64
logo;
det A = 2 X (-1 ) X 64
det A = -128
O bservado
O cálculo de um determinante pelo processo de triangulação poderia ser feito com menos
trabalho e mais rapidamente se, uma vez obtido o número 1 de uma coluna, as operações para
obter os zeros dessa coluna não fossem indicadas uma de cada vez, e sim todas de uma só vez.
452 Álgebra linear
Assim:
4 6 L .( y )
det A = 9 8
2 1
1 2 3
det A = 2 X 5 9 8 U=U+Ui-5)
7 2 1 Lj =Lj +L ,(-7)
1 2 3
det A = 2 X 0 -1 -7 L2(-1)
0 -12 -2 0
1 2 3
det A = 2 x ( - l ) X 0 1 7
1 2 3
det A = 2 X (-1 ) X 0 1 7
0 0 64
det A = 2 X (-1 ) X 64
det A = -128
-2 -3 -1 -2
-1 0 1 -2
det A =
-3 -1 -4 1
-2 2 -3 -1
Solução
-2 -3 -1 -2 ------ ^ L ,( - y )
-1 0 1 -2
det A =
-3 -1 -4 4
-2 2 -3 -1
3 1
1 - 1
2 2
-3 -1 1 — - u = u + L,(3)
-2 2 -3 -1 + L,(2)
0 ^ -1 L . ( |- )
det A = (-2 ) X
5 -2
454 Álgebra linear
3 1
1 1
2 2
2
0 1 1
"T
det A = (-2) x y x
7 5 ------ ^ L 3 = L 3 + L 2 ( - y )
0 4
2 ~2
0 5 -2 1 ------^ L 4 = L 4 = L j (-5)
3 1
0 1
2 2
2
0 1 1
'3
2 19
0 0 -6 L.
3 < - i>
0 0 -7 13
3
3 1
1
2 2
2_
0 1 1
■3
(-6 ) X
0 0 1 li-
18
0 0 -7 11
3 L4 = L , + L j ( 7 )
3 1
1 ^ 1
2 2
2
1 1
'3
det A = (-2) (-6) X
19
0 0 1
" 8
55
0 0 0 ” 10
Matrizes. Determinantes. Sistema de equações lineares 455
X 1 1 1 ^ 55. 55
T = l x l x l x ( - - - ) = -—
logo;
det A = 18 X ( - ^ ) = -55
4) Resolva a equaçío:
x -2 X + 3 X - 1
2 1 3 = 60
3 2 1
Solução
1 3 2 3 2 1
( x - 2 ) x - (x + 3) X + (x - 1) X = 60
2 1 3 1 3 2
-5x+10-(-7x-21) + x - l = 6 0
-5x + 10 + 7x + 21 + X - 1 = 60
3x + 30 = 60
3x = 60 - 30
456 Álgebra linear
3x = 30
30
x= 10
5) Resolver a equação:
X 3 2
5 x 1 = 12
1 3 1
Solução
X 1 5 1 5 X
X X -3 X + 2 X = 12
3 1 1 1 1 3
x ( x - 3 ) - 3 ( 5 - l) + 2(15-x)=12
x2 - 3 x - 3 X 4 + 3 0 - 2 x = 12
x^-3x-12 + 30-2x=12
x^ - 5 x - 1 2 + 3 0 - 1 2 = 0
x^ - 5x + 6 = 0
_ 5 ± V(-5)^ - 4 X 1 X 6
* 2x1
5 ± V25 - 24
2-------
Matrizes. Determinantes. Sistema de equações lineares 457
_5±x/r
^ 2
5± 1
X = — -—
5+1 6 ^
’■ = — - t -3
ou:
5-1 4 ,
6) Resolver a equação:
3 2 X
1 -2 X = 8
2 -1 X
Solução
1 -2 3 2 3 2
X X - X X + X X = 8
2 -1 2 -1 1 -2
x ( - l + 4) - x ( - 3 - 4 ) + x ( - 6 - 2) = 8
3x + 7x - 8x = 8
2x = 8
8
^=2
X =4
458 Álgebra linear
7) Resolver a equação:
2 x -2 1
1 X + 3 4 = 56
3 X+ 1 5
Solução
1 4 2 1 2 1
(x - 2) X + (x + 3) X - (x + 1) X = 56
3 5 3 5 1 4
-( - 7 x + 14) + 7x + 21 - (7x + 7) = 56
7 x - 1 4 + 7x + 21 - 7 x - 7 = 56
7x = 56
56 _ a
x = - - 8
-2 -3 -1 -2
-1 0 1 -2
det A =
-3 -1 -4 1
-2 2 -3 -1
Matrizes. Determinantes. Sistema de equações lineares 459
Solução
0 1 -2 -1 1 -2
2 -3 -1 -2 -3 -1
-1 0 -2 -1 0 1
+ (-l)x -3 -1 1 -(-2 ) X -3 -1 -4
-2 2 -1 -2 2 -3
0 1 -2 -1 1 -2 -1 0 2
det A = -2 X -4 1 +3 X -3 A 1 - 1 X -3 -1 1
2 -3 -2 -3 -1 -2 2 -1
-1 0 1
+2 X -3 -1 -A (a)
-2 2 -3
mas:
0 1 -2 -4 1 -1 1 -1 -4
det B = -1 -4 1 = +0 x - 1 X + (-2)x
-3 -1 2 -1
2 -3 A
detB = 0 x ( 4 + 3 ) - 1(1 - 2 ) - 2 ( 3 + 8 ) = 0 x 7 - 1 ( - 1 ) - 2 ( 1 1 )
det B = 0 + 1 - 2 2 = -21
-1 1 -2
-4 1 -3 1 -3 ^
det C = -3 -4 1 = + (-l)x - 1 X + (-2)x
-3 -1 -2 -1 -2 -3
-2 -3 -1
460 Álgebra linear
detC = - 7 - 5 - 2 = -14
-1 0 -2
-1 1 -3 1 -3 -1
det D = -3 -1 1 = +(-l)x -0 X + (-2)x
2 -1 -2 -1 -2 2
-2 2 -1
det 0 = 1 - 0 + 16 = 17
-1 0 1
-1 -4 -3 -4 -3 -1
det E = -3 -1 -4 = (-l)x -0 X + 1 X
2 -3 -2 -3 -2 2
-2 2 -3
det E = -1 (3 + 8) - 0 ( 9 - 8) + 1 (-6 - 2)
det A = -55
Observação
a) mostrar que um determinante de ordem n > 3 pode ser calculado desenvolvendo-o por
uma linha (coluna) e como fazê-lo;
Matrizes. Determinantes. Sistema de equações lineares 461
c) Alertar para o fato de que quando n > 4 , é muito natural que enganos sejam cometidos
e que, portanto, o cálculo feito não corresponda ao valor do determinante. Por essa razão (e
mesmo que o processo de triangulação seja menos trabalhoso), atualmente se calcula um determi
nante por computador, por meio de um PROGRAMA adequado previamente elaborado.
Dadas as matrizes:
3 4 1 4 -1 3 2 6 8
A= -5 -2 -9 , B= 3 0 1 e C= 3 9 12
7 8 6 7 2 - 4 -1 - 2 - 3
calcular, pelo processo de triangulação ou pelo desenvolvimento de uma linha (ou coluna):
1) det A
2) det B
3) det C
4) det (A + B)
462 Álgebra linear
5) det(A-B)
7) det (BC)
8) det (AC'*')
9) det (CB) A
Dada a matriz:
-2 3 1 -1
0 1 2 3
A =
1 -1 1 -2
4 -3 5 1
15) 4 6 X
5 2 -X = -128
7 4 2x
16) 3 5 7
2x X 3x = 39
4 6 7
Matrizes. Determinantes. Sistema de equações lineares 463
17) 5 1 3
3x 0 1 = 100
7x 2 1
4 5 3 = -1
9 10 7
19) 12 -X 1
18 ^2x 3 = 10
15 - 2 x 0
20) 1 0 X -
1 1 X - = 0
2 1 X-
21) 2 X 2
1 1 X = -3
1 1 6
22) 2 6 2
4 X 2 = 0
2x 8 4
464 Álgebra linear
1 a 3. Roteiro: Esses problemas se resolvem de forma análoga à dos problemas 1 ou 2 do item A.29.
29) Calcular G
29) Calcular LA = M
29) Calcular CN = P
39) Calcular A + B
39) Calcular BC
13 e 14. Roteiro: Esses problemas se resolvem de forma análoga à dos problemas 3 e 8, respectiva
mente, do item A.29.
15) x=2
16) X= 3
17) x=5
18) x=l
19) x = 7
466 Álgebra linear
20) X = -1
21) X =5 e X =3
22) X =4
INVERSÃO DE MATRIZES
A.30 M A T R IZ INVER SA
Em A .7.2 (29 caso) viu-se que, dada uma matriz quadrada A, de ordem n, se existir
uma matriz quadrada B, de mesma ordem, que satisfaça à condição:
AB = BA = I
AA-^ = A-'A = I
Exemplo
A matriz
A=
é singular porque
4 7
det A = 5 8 = 0
6 9
Matrizes. Determinantes. Sistema de equações lineares 467
1 4 7
5 8 2 8 2 5
det A = 2 5 8 =+ 1 X - 4 X +7 X
6 9 3 9 3 6
3 6 9
detA=lx(5x9-8x6)-4x(2x9-8x3) +7x(2x6-5x3)
det A = 1 x ( 4 5 - 4 8 ) - 4 x ( 1 8 - 2 4 ) + 7 x ( 1 2 - 1 5 )
det A = -3 + 2 4 - 2 1
det A = 0
A.32 M A T R IZ NAO-SINGULAR
Uma matriz quadrada A = [a.j ] cujo determinante é diferente de zero é uma matriz
não-singular ou regular.
Exemplo
A matriz
2 3 1
A= 5 2 2
3 1 3
2 3 1
2 2 5 2 5 2
det A = 5 2 2 = + 2 X - 3 X + 1X
1 3 3 3 3 1
3 1 3
detA = 2 x ( 2 x 3 - 2 x l ) - 3 x ( 5 x 3 - 2 x 3 ) + l x ( 5 x l - 2 x 3 )
det A = 2 X (6 - 2) - 3 X (15 - 6) + 1 X (5 - 6)
de t A = 2 x 4 - 3 x 9 + l x (-1)
det A = . 8 - 2 7 » 1
det A = - 20
II) Se a matriz A é nâo-singular, sua inversa A"^ tambe'me'. A matriz inversa de A"^ é A.
Exemplo
2 -5
A= e C=
-3 8
2 -5
AC =
-3 8
2 -5
A’ ^ =
-3 8
4 -7
B= e F
-5 9
4 -7
BF =
-5 9
4 -7
-5 9
470 Álgebra linear
8 5 9 7 97 76
AB =
3 2 5 4 37 29
d) -1
Efetuar o produto das matrizes B"^ e A ^
4 -7 2 -5 29 -76
B- ‘A ‘ = X =
-5 9 -3 8 -37. 97
97 76 29 -7 6 1 0
(AB) x ( B - ‘ A - ‘ ) = X =
37 29 -37 97 0 1
Portanto, a inversa de AB é B ^A ^.
II) Multiplicação de todos os elementos de uma linha (ou coluna) por um número real
diferente de zero.
III) Substituição dos elementos de uma linha (coluna) pela soma deles com os elementos
correspondentes de outra linha (coluna) previamente multiplicados por um número real diferente
de zero.
Matrizes. Determinantes. Sistema de equações lineares 471
Com relação às operações elementares para transformar uma matriz em outra equivalente
a ela, convém ter presente o seguinte:
1 3 5
A= 0 0 2 -^23
0 4 12
1 3 5
Al = 0 4 12
0 0 2
1 3 5
A, = 0 4 12 l.( t )
0 0 2
1 3 5
A2 - 0 1 3
0 0 2
412 Álgebra linear
1 3 5 Li = L i + L 2(-3)
A2 = 0 1 3
0 0 2
_
1 0 -4
A .= 0 1 3
0 0 2
d) Recapitulando as operações elementares que foram efetuadas com a matriz A até obter
a matriz equivalente A 3 , verifica-se que:
I) A operação L23 foi realizada para tirar um zero da diagonal principal e poder colocar,
em seu lugar, após adequada operação, o número 1.
II) A operação L2(-^ ) foi efetuada para, em lugar do número 4 na diagonal principal, se
obter o número 1.
Como se vé, com as operações elementares se obtém os mesmos resultados já obtidos com
as propriedades VII, VIII e IX dos determinantes: é que aquelas propriedades eram, na realidade,
operações elementares. No caso, entretanto, dos determinantes, a VII e a VIII propriedades,
quando aplicadas, alteram seu valor, daí a necessidade de efetuar compensações, isto é, realizar
operações que anulem tais alterações e mantenham o valor do determinante. Não é o caso, porém,
das matrizes: as operações elementares tém por objetivo transformar, por intermédio delas, uma
matriz A em uma matriz B, equivalente a ela.
Matrizes. Determinantes. Sistema de equações lineares 473
b) substituam todos os elementos situados acima (abaixo) da diagonal principal por zeros,
isto é, processem a diagonalização da matriz A.
Do mesmo modo que se procedeu com o cálculo do determinante de qualquer ordem, será
dado aqui um exemplo de uma matriz quadrada, de ordem 3, para ser transformada na matriz I,
de mesma ordem, e isso será feito tão-somente por comodidade, para não ser repetitivo, por ser
prático, uma vez que o processo é o mesmo para uma matriz de ordem n (para n > 2, isto é,
n = 5 ,6 , 10, 20, 50, 100 etc.).
Antes do exemplo, porém, uma informação ao leitor: ao mesmo tempo em que se trans
forma a matriz A na matriz equivalente I, pode-se calcular o det A; por essa razão, será colocado
um asterisco ao lado de cada operação que altera o valor do determinante e, ao final, feitas as
operações para compensar as alterações, isto é, para manter o valor do determinante, será feito
seu cálculo.
Exemplo
1 L .( y ) *
A= 2
5
Al =
4 u = L2 + Li(-4 )
2
474 Álgebra linear
1 3
1
2 2
Aj = 0 0 -4
2 5 3 — ^ L 3 = L 3 + L ,( - 2 )
1 3
1
2 2
Aj = 0 0 -4
0 4 0
1 3
1
2 2
Aa = 0 0 -4 L33*
0 4 0
1 3
1
2 2
A ,= 0 4 0 ^ L 3 ( |) *
0 0 -4 .
1 3
1
2 2
As = 0 1 0
0 0 -4 — * L3(-T>*
Matrizes. Determinantes. Sistema de equações lineares 475
1 3
2 2
A. = 0 1 0
0 0 1
3
0 L, =L, +L 3 ( - | )
2
Aj — 1 0
0 1
1 0 0
A. =1 = 0 1 0
0 0 1
Como se viu, a matriz A, por meio de uma sucessão finita (8 ) de operações elementares, foi
transformada na matriz equivalente I.
Tendo em vista que o det Ag = I é igual a l e que as operações realizadas com as matrizes
A, Ag, A4 e As alteraram o det A, as operações a seguir anularão as alterações e permitirão
calcular o det A:
det A = 32
O leitor poderá conferir o resultado obtido para o det A, desenvolvendo-o pela 19 linha e
observando a alternância dos sinais que precedem os produtos:
2 1 3
2 2 4 2 4 2
det A = 4 2 2 = +2 X -1 X +3 X
5 3 2 3 2 5
2 5 3
detA = 2 x ( 2 x 3 - 2 x 5 ) - l x ( 4 x 3 - 2 x 2 ) + 3 x ( 4 x 5 - 2 x 2 )
det A = 2 x ( 6 - 1 0 ) - l x( l 2- 4) + 3 x(20-4)
476 Ãlgebra linear
det A = 2 X (-4) - 1 x ( 8 ) + 3 x 16
det A = -8 - 8 + 48
det A = 32
Exemplos
1 3
A= 2 2
5 3
Solução
2 1 3 1 0 0 L ,( y ) *
4 2 2 0 1 0
2 5 3 0 0 1
Matrizes. Determinantes. Sistema de equações lineares 477
1 3 1
1 0 0
2 2 2
4 2 2 0 1 0 L 2- L 2 + L i (-4 )
2 5 3 0 0 1
1 3 1
1 0 0
2 2 2
0 0 -2 1 0
2 5 3 0 0 1 L 3 = L 3 + L ,( - 2 )
1 3 1
1 0 0
2 2 2
0 0 -4 -2 1 0 -2 3
0 4 0 -1 0 1
1 3 1
1 0 0
2 2 2
0 4 0 -1 0 1
0 0 -4 *2 1 0
1 3 1
1 0 0
2 2 2
1 1
0 1 0 0
“4 4
0 0 -2 1 0 L a C -j)*
1 3 1
1 0 0 Li =L, + L 3( - y )
2 2 2
1 1
0 1 0 0
“4 4
1 1
0 0 1 0
2 "4
478 Álgebra linear
3 5 1
1 0 0 Li - Li + Laí- 2 )
2 8 ■ 8
1 1
0 1 0 1
'4 4
1 1
0 0 1 0
2 "4
1 3 1
1 0 0
"8 8 “8
1 1
0 1 0 0
‘ 4 4
1 1
0 0 1 0
2 '4
1_
"8
I
0 ^
‘4
^ 0
4
é a matriz B = A \ inversa de A.
Pode-se fazer a verificação efetuando o produto AB, cujo resultado deve ser I; antes, porém,
para facilitar os cálculos, os elementos da matriz B serão todos colocados com o mesmo denomi
nador, exceto os zeros:
1
’8
8
Matrizes. Determinantes. Sistema de equações lineares 479
]_ 3
8' ’8 '8
-ir- ■ O- • ~
2
--i- ■ 0
'8
9 • . • 1. . 8 . . n • • •n n
u u 1 u 0
8'
A. . .9 . . .9 8
Ò- ■'9 0 1 0
2•‘ • •3 Ó- • ó- • 8 0\J 0 1
‘8
Tendo em vista que a matriz B foi obtida de uma matriz I por meio das mesmas operações
elementares que transformaram a matriz A numa matriz unidade, B é inversa de A, isto é:
B=A ‘
2 1 7
A= 1 3 2
5 3 4
480 Álgebra linear
2 1 7 1 0 0
1 3 2 0 1 0
5 3 4 0 0 1
1 7 1
1 0 0
2 2 2
1 3 2 0 1 0 L2 —L2 + L i( - l)
5 3 4 0 0 1
1 7 1
1 0 0
2 2 2
n 5 3 1
u 1 0
2 "2 “2
5 3 4 0 0 1 — ^ L 3 = L 3 + L ,( - 5 )
1 7 1
1 0 0
2 2 2
5 3 1
0 1 0
2 '2 2
n 1 27 5
u 0 1
2 ” 2 "2
1 7 1
1 0 0
2 2 2
c\ 6 2 2
U 1 U
"lO "10 5
1 27 5
0 0 1 u = U + L 2 (-y
2 “ 2 “2
Matrizes. Determinantes. Sistema de equações lineares 481
1 1_
1
2 2 T «
_6_ _2
0 1 ^ -7- 0
10 10
132 1_
0 0
10 10 “ 10 ^ 132^
1 1_
1 Li - Li + L2(—
2 2
_2
0 1 0
10 10
0 0 24 2 10
132 132 132
1 0 0 L, = L , + L 3 ( - | | )
10 10 10
_2_
0 1 0
10 10 5
24 2 10
0 0
132 132 132
_
12 34 38
1 0
132 “ 132 132
2 2
0 1 0 ■L 2 - L 2 + L3( — 1
10 10 5 10^
24 2 10
0 0
132 132 " 132
_
12 34 38
1 0
132 " 132 132
12 54 6
0 1
132 132 132
24 2 10
0 0
132 132 132
482 Álgebra linear
12 34 38 6 17 19
” 132 ' 132 132 ■ 66 ” 66 66
12 54 6 6 27 3
=
"132 132 "132 ‘ 66 66 ” 66
24 2 10 12 1 5
132 132 '132 . 66 66 "66
é a matriz B = A ‘ , inversa de A.
Pode-se fazer a verificação efetuando o produto AB, ciqo resultado deve ser I; o dispositivo
a seguir, como já se sabe, facilita o processo da multiplicação de A por B:
17 19
66 66 ' ” 66
_6_ 27 3
66 66' ■ ” 66
12 i 5
66 66 ' ’ ” 66
66
2- • 1 • • -7 0 .... 0 1 0 0
• •66 • • •
1- • • 3- ■-2 . . Q. . . . 66
•■ 0 0 1 0
66 ■
5 . • . 3 - •-4 . . 0 . . . . 0 . . • • 66 0 0 1
66
Tendo em vista que a matriz B foi obtida de uma matriz I por meio das mesmas operações
elementares que transformaram a matriz A na matriz unidade, B é inversa de A, isto é:
B = A-
Matrizes. Determinantes. Sistema de equações lineares 483
^ ^^ ^ 5 , 132. , 132
d etA = 2 ^
1) 12 7
A =
5 3
Solução
12 7
5 3
■ Ã
5 3 L2=L2+L,(-5)
Lj(12)
0 ü
484 Álgebra linear
■ Li Lx + L2(- j2 )
0 1
1 0
1=
0 1
2) -2 3 -1
B = 1 -3 1
-1 2 -1
Solução
-2 3 -1 L ,(-y )
1 -3 1
-1 2 -1
3 1
1
“2 2
1 -3 1 L j = L j + L , ( - 1)
-1 2 -1 L 3 = L 3 + L ,(-1 )
3 1
1 —
’2 2
3 1
0 L 3 (-f)
’2 2
1 1
0
2 "2
Matrizes, Determinantes. Sistema de equações lineares 485
_ _
3 1
1 — > L, =L, + L j( f)
“2 2
1
0 1
'3
1 1
0 — * L3 ~ L3 + Lj Í--^)
2 "2
1 0 0
1
0 1 "3
1
0 0 L3(-3)
■3
1 0 0
1 L3 =Lj +L 3 (y )
0 1
3
0 0 1
1 0 0
I = 0 1 0
0 0 1
3) -2 -1 0 2 L i(-y)
3 1 -2 -2
C =
-4 -1 2 3
3 1 -1 -2
1
1 0 -1
2
3 1 -2 -2 L 2 = L 2 + L i (-3)
-4 -1 2 3 L3=L3+L,(4)
3 1 -1 -2 L4 ~ L4 L i ( —3)
486 Álgebra linear
1 0 -1
2
1
0 -2 1 — > U i -2)
’ 2
0 1 2
1
0 -1 1
“2
1
1 0 -1 — > L. = L , + L j ( - ^ )
2
0 1 4 -2
0 1 2 -1 ----- ^ L 3 = L 3 + L j ( - 1 )
1
0 -1 1 ^ L 4 = L 4 + Lj(^ )
"2
1 0 -2 0
0 1 4 -2
0 0 -2 1 ^ L34
0 0 1 0
1 0 -2 0 — > L , = L , + L , ( 2)
0 1 4 -2 ► L2 = L2 + L 3( - 4 )
0 0 1 0
0 0 -2 1 ► L4 - L4 + L 3 (2 )
1 0 0 0
0 1 0 -2 ^ L2 — L2 + L 4 ( 2 )
0 0 1 0
0 0 0 1
Matrizes. Determinantes. Sistema de equações lineares 487
1 0 0 0
0 1 0 0
I =
0 0 1 0
0 0 0 1
4) 12 7
A=
5 3
Solução
12 7 1 Q L .(f)
5 3 0 1
7 1
1 U
12 12
5 3 0 1 L2 —
7 1
1 0
12 12
1 5
0 1 L2(12)
12 "12
1 0 3
-5 12
488 Álgebra linear
logo:
3 -7
A-* =
-5 12
-2 3 -1
5) B= 1 -3 1
-1 2 -1
Solução
-2 3 -1 1 0 0 L .(-y)
1 -3 1 0 1 0
-1 2 -1 0 0 1
-1
3 1
1 0 0
'2 2 "2
1 -3 1 0 1 0 L2 ~ L2 + L i ( - l )
2 -1 0 0 1 L3 = L3 + Li
3 1 1
1 0 0
"2 2 "2
3 1 1
0 1 1 L .( - f )
"2 2 2
1 1 1
0 0 1
2 ’2 “2
Matrizes. Determinantes. Sistema de equações lineares 489
L, = L , + L , ( y ) :
’2
1 ^
1 1 1
0 0 1 L3 - L3 + L2(—y )
2 ~2 ~2
1 0 0 -1 -1 0
1 1 2
0 1 0
■3 ■3 "3
1 1 1
0 0 1 L3(-3)
3 3 3
1 0 0 -1 -1 0
1 1 2
0 1 0 Lj Lj + L3( 2 )
“3 "3 ■3
0 0 1 1 -1 -3
1 0 0 -1 0
0 1 0 0 -1 -1
0 0 1 1 -1 -3
logo:
-1 -1 0
B -‘ = 0 -1 -1
1 -1 -3
490 Álgebra linear
6) -2 -1 0 2
3 1 -2 -2
C =
-4 -1 2 3
3 1 -1 -2
Solução
-2 -1 0 2 1 0 0 0 L .(-f)
3 1 -2 -2 0 1 0 0
-4 2 3 0 0 1 0
3 1 -1 - 2 0 0 0 1
1 0 -1 0 0 0
2 ~2
3 1 -2 -2 0 1 0 0 ^ L 2 —L»2 L j (“ 3)
-4 -1 2 3 0 0 1 0 ►L3 = L3 + Li (4)
3 1 -1 -2 0 0 0 1 ^ L4 ~ L4 + Lf| (—
3)
-
1 4 - 0 - 1 -4-0 0 0
2 2
0 - ^ - 2 1 4 - 1 0 0 L2Í-2)
2 2
0 1 2 - 1 - 2 0 1 0
0 -1 1 4 - 0 0 1
2 2
Matrizes. Determinantes. Sistema de equações lineares 491
1 1
1 0 -1 0 0 0 -----> L,
2 “2
0 1 4 -2 -3 -2 0 0
0 1 2 -1 -2 0 1 0 ----- ^ LLa
3 -L 3 + Lj Í-I)
1 3
0 -1 1 0 0 1 ----- ^ L4 4 + L 2 ( “2 )
"2 2
1 0 -2 0 1 1 0 0
0 1 4 -2 -3 -2 0 0
0 0 -2 1 1 2 1 0 ^ L 34
0 0 1 0 0 -1 0 1
1 0 -2 0 1 1 0 0 ---- +L3(2)
0 1 4 -2 -3 -2 0 0 ^ L 2 ~ L 2 ^3
0 0 1 0 0 -1 0 1
0 0 -2 1 1 2 1 0 ►L 4 —L 4 + L3(2)
1 0 0 0 1 -1 0 2
0 1 0 -2 -3 2 0 -4 ►L 2 = L 2 + L 4 ( 2 )
0 0 1 0 0 -1 0 1
0 0 0 1 1 0 1 2
1 0 0 0 1 -1 0 2
0 1 0 0 -1 2 2 0
0 0 1 0 0 -1 0 1
0 0 0 1 1 0 1 2
492 Álgebra linear
logo:
1 -1 0 2
-1 2 2 0
0 -1 0 1
1 0 1 2
Observação
A operaçío L34 não era indispensável; ela foi feita para se obter, de imediato, o número 1
como elemento da diagonal principal da 3 ? linha e da 4? linha. Entretanto, o resultado seria o
mesmo se o procedimento fosse o que vinha sendo feito. De fato:
1 0 -2 0 1 1 0 0
0 1 4 -2 -3 -2 0 0
0 0 -2 1 1 2 1 0 — W -J-)
0 0 1 0 0 - 1 0 1
1 0 -2 0 1 1 0 0 ^ L, =L,+L3(2)
0 1 4 -2 -3 -2 0 0 ^ L2 = L2 + L3 (*4)
1 1 1
0 0 1 - 1 0
"2 ‘2 “2
0 0 1 0 0 -1 0 1 ►L4 = L4 + L3 (- 1 )
1 0 0 - 1 0 - 1 - 1 0
0 1 0 0 - 1 2 2 0
1 1 1
0 0 1 -1 0
"2 "2 ‘2
1 1 1
0 0 0 0 1 — > L4(2)
2 2 2
Matrizes. Determinantes. Sistema de equações lineares 493
1 0 0 -1 0 -1 -1 0 Lj —Lj L4
0 1 0 0 -1 2 2 0
1 1 1
0 0 1 -1 0 L3=L3+L4(y)
’2 "2 ” 2
0 0 0 1 1 0 1 2
1 0 0 0 1 -1 0 2
0 1 0 0 -1 2 2 0
0 0 1 0 0 -1 0 1
0 0 0 1 1 0 1 2
logo:
1 -1 0 2
-1 2 2 0
c-' =
0 -1 0 1
1 0 1 2
7) 2 3 1
D = -4 -2 -2
2 -5 1
Solução
2 3 1 1 0 0 L.(y)
-4 -2 -2 0 1 0
2 -5 1 0 0 1
494 Álgebra linear
3 1 1
1 0 0
2 2 2
-4 -2 -2 0 1 0 Lj - L2 + Li (4)
2 -5 1 0 0 1 L»4 ~ Lf4 + Lj (—
2)
3 1 1
1 0 0
2 2 2
0 4 0 2 1 0 L í( Í >
0 -8 0 -1 0 1
3 1 1
1 0 L, = L , + L j ( - y )
2 2 2
1 1
0 1 0
2 4
0 -8 0 ^1 0 L 3 —L3 + L2(8)
1 1 3
1 0 0
2 "4 8
1
0 1 0 1 0
2
0 0 0 3 2 1
Tendo em vista que a matriz D não pode ser transformada na matriz I, ela não tem inversa,
isto é, D é matriz singular e seu determinante é igual a zero. De fato, desenvolvendo o determi
nante de D pela 1? linha e observando a alternância dos sinais que precedem os produtos, vem:
2 3 1
-2 -2 -4 -2 -4 -2
det D = -4 -2 -2 = + 2 X -3 X +1 X
-5 1 2 1 2 -5
2 -5 1
Matrizes. Determinantes. Sistema de equações lineares 495
det D = 2 X (-12) - 3 x 0 + 1 x 24
det D = - 2 4 + 0 + 24 = 0.
8) ABX=C
Solução
A - ‘ A B X = A-*C
mas:
A-‘ A = I
logo:
IBX = A- 'C
e:
IB = B
portanto:
BX = A“‘ C
B ‘ BX = B-* A- 'C
B-*B = I
496 Álgebra linear
IX = B - ' A ‘ C
IX = X
X= B -*A 'C
9) CAX"^ = C
Solução
C - ‘ CAX^ = C ‘ C
mas:
c-‘ c =i
logo;
ia x T =i
IA = A
portanto:
AX^ = I
A - ‘ AX'^ = A - ' I
mas:
A-'A = I
Matrizes. Determinantes. Sistema de equações lineares 497
e:
A M = A-
logo:
ix T = a-‘
IX^ = x ’’
xT = a -*
x = ( a -*)T
Solução
A-^AX^C = A -^ X B C
mas:
A ‘ *A = I
logo:
IX"^C = IXBC
mas:
IX" = X"
e:
IX = X
portanto:
X2C=XBC
498 Álgebra linear
ou;
XXC = XBC
X -‘ XXC = X ‘ XBC
x -‘ x= i
IXCí=IBC
IX = X
IB = B
XC = BC
XCC‘ =BCC‘
c c - ‘ =I
XI = BI
XI = X
BI = B
X = B.
1) 3 5
A =
1 2
Matrizes. Determinantes. Sistema de equações lineares 499
2) -3 4 -5 3) 1 0 0 0
B= 0 - 1 2 -2 1 0 0
C=
3 - 5 4 1 -2 1 0
0 1 -2 1
Nos problemas de 4 a 20, calcular a matriz inversa de cada uma das matrizes dadas.
4) 3 5 5) -3 4 -5
A = B = 0 1 2
1 2 3 -5 4
6) 1 0 0 0 7) 1 0 -2
2 1 0 0 D = 2 .2 -2
C =
3 2 1 0 -3 0 2
4 3 2 1
8) -4 0 -1 0 9) -3 -6 -1 2
E = -2 -4 -4 F = 0 3 -3
2 -2 6 -6 -9 -24
10) -1 10 -7 11) 2 2 2
G = -I -4 3 H = 3 4 7
1 -2 1 1 2 5
12) -1 -2 -3 13) -3 -1 -3
J = -2 -4 -5 L = 2 -4 -1
-3 -5 -6 -1 -2 -2
500 Álgebra linear
14) - 1 0 0 15) 1 -2 -4
M = -1 -1 0 N = - 2 - 1 2
-1 -1 -1 3 0 - 5
16) 0 2 - 1 17) -1 -1 -1
P = 1 4 -2 Q= -3 -3 -4
- 1 - 7 3 -3 -4 -3
18) 2 0 0 19) 0 0 5
R = 0 3 0 S = 0 6 0
0 0 7 9 0 0
20) -1 2 0 -8
0 -1 2 1
0 0 -1 1
0 0 0 -1
2 3
A =
6 k
23) DX'^ = DC
25) D - ' X D = AC
26) CX + 2B = 3B
4) 2 -5
A-'^
•1 3
5) 14 9 13
-
“ 3 '3 3
B -' = - 2 -1 -2
1 1 1
6) 1 0 0 0
-2 1 0 0
C-* =
1 -2 1 0
0 1 -2 1
502 Álgebra linear
7) 1 1
0
~2 "T
1 _1 _ 1
D '=
4 ~2 ~4
3 1
0
"4 ■4
8) 5
-4 -5
2
1 1 1
E -‘ =
2 "2 2
3
-1 2
2
9) 11 4
—"
z7'
3 3
2 1
F-* = 0
“3 3
2 1 1
"3 "3 3
10) 1 1
-1
■J "y
3 5
G-> = -1
"2 “2
3 7
-2
2 "2
12) -1 3 -2
J-* = 3 -3 1
-2 1 0
Matrizes. Determinantes. Sistema de equações lineares 503
13) 6 4 -1]
L-‘ = 5 3 -9
-8 -5 U
14) -1 0 0
M ‘ = 1 -1 0
0 1 -1
15) 5 -1 0 -8
N -‘= -4 7 6
3 -6 -5
16) -2 1 0
p-i = -1 -1 -1
-3 -2 -2
17) «7 1 1
Q-> = 3 0 -1
3 -1 0
18) J_
0 0
2
1
R-‘ = 0 0
3
1
0 0
7
504 Álgebra linear
19) 1
0 0
9
1
0 0
6
1
0 0
5
20) -1 -2 -4 2
0 -1 -2 -3
0 0 -1 -1
0 0 0 -1
2 3
= 0
6 k
22) X = D - ‘ BC
23) X = C’ ’
24) X = D-*
25) X = DACD‘
26) X = C -‘ B
Matrizes. Determinantes. Sistema de equações lineares 505
SISTEMA DE EQUAÇÕES
# LINEARES
A.38 EQUAÇAO l in e a r
Os valores das variáveis que transformam uma equação linear em identidade, isto é, que
satisfazem à equação, constituem sua solução. Esses valores são denominados raizes da equação
linear.
Diz-se que um sistema de equações lineares é compatível quando admite solução, isto é,
quando tem raízes.
Exemplo
0 sistema
'2 x + 3y = 18
. 3x + 4y = 25
x=^3
y.= 4
Um sistema compatível é indeterminado quando admite mais de uma solução (na verdade,
admite infinitas soluções).
Exemplo
0 sistema
4x + 2y = 100
8x + 4y = 200
Matrizes. Determinantes. Sistema de equações lineares 507
y 0 2 4 6 8 10 12 14 16 18
X 25 24 23 22 21 20 19 18 17 16
Diz-se que um sistema de equações lineares é incompatível quando não admite solução.
Exemplo
0 sistema
3x + 9 y = 12
. 3x + 9 y = 15
Diz-se que dois sistemas de equações lineares são equivalentes quando admitem a mesma
solução.
Exemplo
Os sistemas
3x + 6y = 42
. 2x - 4y = 12
508 Álgebra linear
■x + 2 y = 14
, X - 2y = 6
x = 10
y= 2
III — Substituição de uma equação por sua soma com outra equação previamente multi
plicada por um número real diferente de zero.
A .43.1 Observações
2x + 4y - 6z = 10
4x + 2y + 2 z = 16 Us
2x + 8y - 4z = 24
2x + 4y - 6z = 10
2x + 8y - 4z = 24
4x + 2y + 2z = 16
Matrizes. Determinantes. Sistema de equações lineares 509
2x + 4y - 6z = 10 L.(y)
2x + 8y - 4z = 24
4x + 2y + 2z = 16
Ix + 2y - 3z = 5
2x + 8y - 4z = 24
4x + 2y + 2z = 16
c) Quando se desejar substituir a 2^ equaçáo, por exemplo, pela soma dela com a
equaçáo, previamente multiplicada por -2 , se escreverá assim:
Ix + 2y - 3z = 5
2x + 8y - 4z = 24 (- 2)
4x + 2y + 2z = 16
Ix + 2y - 3z = 5
Ox + 4y + 2z = 14
4x + 2y + 2z = 16
d) O leitor poderá verificar, a tftulo de exercício, que todos os sistemas constantes das
observações a), b) e c) são equivalentes, isto e', tém a mesma solução:
X= 2
y= 3
z= 1
510 Álgebra linear
Quando num sistema de equações lineares os termos independentes são todos nulos, o
sistema é chamado homogêneo.
Exemplo
2x - 5y - 3z = 0
7x - 2y + 4z = 0
3x + 8y - 5z = 0
9x + 3y - 8z = 0
Todo sistema linear homogêneo tem pelo menos uma solução; essa solução, denominada
solução trivial, é, qualquer que seja o sistema, Xj = 0, Xj representando as variáveis e
i= l , 2 , 3 , . . . , m .
Por razões de ordem didática, o estudo e a solução dos sistemas de equações lineares será
feito separadamente, nos três casos em que podem se apresentar:
2x + 4y=22 — > L ,( y )
5x - 1 5 y= -20
Ix + 2y = 11
Ix + 2y= ll
Ox - 25y = -75
Ix + 2y = 11 Li - Li + L2(-2)
Ox + l y = 3
Ix + Oy = 5
Ox + ly = 3
lx= 5
ly = 3
isto é:
X =5
y=3
a) a matriz dos coeficientes das variáveis foi transformada, por meio de operações adequa
das na matriz unidade; ao mesmo tempo, foi submetida às mesmas operações, a matriz-coluna dos
termos independentes foi transformada nas raízes das equações, isto e', na solução do sistema;
Diante dessas duas constatações, é fácil explicar e entender o método de GaussJordan, que,
por sua vez,é muito simples:
1) coloca-se ao lado da matriz dos coeficientes das variáveis, separada por um traço vertical,
a matriz-coluna dos termos independentes:
2 4 22
5 -15 -2 0
Essa matriz, associada ao sistema dado de equações lineares, é chamada de matriz ampliada
do sistema. Cada linha dessa matriz é uma representação abreviada da equação correspondente
no sistema. O traço vertical é dispensável, mas é colocado para facilitar a visualização da matriz
dos coeficientes das variáveis e da matriz-coluna dos termos independentes;
2) transforma-se, por meio de operações adequadas, a matriz dos coeficientes das variáveis
na matriz-unidade, aplicando-se, simultaneamente, à matriz-coluna, colocada ao lado da matriz
dos coeficientes das variáveis, as mesmas operações;
Exemplo
Resolver o sistema
4 xi + 2x2 + 2x 3 = 4
2 xi + 5x2 + 3x 3 = -12
Matrizes. Determinantes. Sistema de equações lineares 513
Solução
2 1 3 8 L ,(y)
4 2 2 4
2 5 3 - 12
1 ^ ^
4 L j - L j + L i (- 4 )
12
1 ^ ^
0 -4 •12
5 3 ■ 12 L 3 = L3 + L ,(-2 )
1 ^ ^
0 -4 -12 ■-23
4 0 ■20
1 ^ f
4 0 -20 L2( t )
0 -4 -12
0 1 0 -5
0 0 -4 -12 L 3( - 4>
514 Álgebra linear
1 3
1 4 L, = L , +
2 2
0 1 0 -5
0 0 1 3
3 13
1 0 L, = L , + L 3 ( - y )
2 2
0 1 0 -5
0 0 1 3
1 0 0 2
0 1 0 -5
0 0 1 3
De acordo com o que ficou explicado, o sistema inicial de equações lineares se transformou
no sistema equivalente:
Ixi + 0 x 2 "*■0 x 3 = 2
O xi + 1x 2 + 0x 3 = -5
O xi + 0x2 + 1x 3 = 3
istoé:
Xi =2
X2 = -5
X3 = 3
Esses valores das variáveis são as raízes do sistema e, portanto, sua solução.
Matrizes. Determinantes. Sistema de equações lineares 515
fazendo
aii 3 i2 3 i3 3 in Xi ’ b,'
321 32 2 323 3211 X2 Ò2
*311 3 i2 3 i3 3 in " x f ■ b ,‘
AX=B
A '^ A X= A ' B
mas:
A ”' A = I ,
logo:
IX = A ' B
mas:
IX = X ,
logo:
X = A-'B (A.45.1.2)
A solução do sistema é bastante simples: basta multiplicar a matriz inversa A"^ da matriz A
dos coeficientes das variáveis pela matriz-coluna B dos termos independentes.
A .45.1.3 Observações
29) quando se tem para resolver um conjunto de sistemas de n equações (e igual número de
variáveis), tais que as matrizes dos coeficientes das variáveis de cada sistema sejam diferentes umas
das outras.
Matrizes. Determinantes. Sistema de equações lineares 517
O método de Gauss-Jordan é, com certeza, muito prático para resolver qualquer um dos dois
casos, em especial quando o número n de equações for relativamente grande.
b) O método de Gauss-Jordan exige que se transforme a matriz A dos coeficientes das variá
veis na matriz unidade, enquanto o método da matriz inversa exige que se transforme a referida
matriz A em sua inversa A ~ \ o que, sem dúvida, é mais trabalhoso. Por isso é conveniente
empregar o método da matriz inversa no caso em que se tem para resolver conjuntos de sistemas,
todos com n equações (e igual número de variáveis), tais que as matrizes dos coeficientes das
variáveis de cada sistema sejam todas iguais, variando somente os termos independentes. Nesse
caso, basta calcular somente a inversa de uma única matriz, com a qual, por meio da fórmula
(A.45.1.2), se resolverão todos os sistemas.
Exemplo
5xi + 3x2 4x 3 = b 3
1) Para bi = 16 , bj = - 5 , b3 = l l
3) Parabí = 3 , bz = 5 , bj = - 5
Solução
Fazendo:
2 1 7 Xi bi 16 bi 25 bi *3
A= 62 =
1 3 2 ; x = X2 ; B, = b2 = -5 ; Bí = 62 = -11 ; Ba = 5
5 3 4 X3 bj 11 bj -5 bs -5
518 Álgebra linear
1) AX=Bi
2) A X= B2
3) AX=Ba
1) X= A'B,
2) X= A ‘ Bj
3) x = a -'B3
6 17 19
66 “ 66 66
6 27 3
A-^ = 66 66 "66
12 1 5
66 66 ‘ 66
por conseguinte:
1) 6 17 19
16 3 Xi
66 '6 6 66
6 27 3 =
X = X -5 = -4 X2
66 66 ' 66
12 1 5
11 2 X3
66 66 "66
isto é :
Xi =3
X2 = - 4
Xs = 2
Matrizes. Determinantes. Sistema de equações lineares 519
2) 6 17 19
25 2 Xi
66 '66 66
6 27 3 = -7
X= X -11 = X2
66 66 "66
12 1 5
5 4 X3
66 66 "66
isto é :
xi =2
X2 =-7
X3 = 4
3) 6 17 19
3 -3 Xi
66 '6 6 66
6 27 3 X = X2
X= 5 = 2
66 66 "66
12 1 5
-5 1 X3
66 66 "66
isto é :
xi = -3
X2 =2
X3 = 1
A inversío de uma dessas matrizes só foi possível com o advento dos computadores.
Exemplos
2xi + 4x2 = 16
5xi - 2x2 = 4
lOxi - 4x2 = 3
Solução
2 4 16 L.(y)
5 -2 4
10 -4 3
Matrizes. Determinantes. Sistema de equações lineares 521
1 2 8
1 2 8
0 -12 -36
1 2 8
0 -12 -36 ---- ^ La (-12)
0 -24 -77
1 2 8 ---- ^ L, = L, + Lj(-2)
0 1 3
0 -24 -77
1 0 2
0 1 3
0 -24 -77 ---- ^ La = La + Lj(24)
1 0 2
0 1 3
0 0 -5
Ixi +0x2 = 2
Oxi + 1x2 = 3
Oxi +0x2
e q u iv a le n te a o s is te m a d a d o .
522 Álgebra linear
Ora, como não existem valores de Xi e X2 que satisfazem a 3? equação (Oxj + OX2 = -5 ),
o sistema é incompatível.
2xi + 4x2
5xi - 2x2 = ^
3xi + 1x2 = 9
^ 4xi - 5x2
Solução
2 4 16 L i(y )
5 -2 4
3 1 9
4 -5 -7
1 2 8
5 -2 4 U=U+U(-5)
.3 1 9
4 -5 -7
1 2 8
0 -12 -36
3 1 9
4 -5 -7 L3 - L3 + Li (-3)
1 2 8
0 -12 -36
0 -5 -15
4 -5 -7 L4 =L 4 + L,(-4)
Matrizes. Determinantes. Sistema de equações lineares 523
1 2 8
0 -1 2 -3 6 — U f-jL )
0 -5 -15
0 -13 -39
1 2 8 — ^ L, = U + U ( ~ 2 )
0 1 3
0 -5 -15
0 -13 -3 9
1 0 2
0 1 3
0 -13 -39
1 0 2
0 1 3
0 0 0
1 0 2
0 1 3
0 0 0
0 0 0
524 Álgebra linear
Ix i +0x2 = 2
O xi + 1x2 = 3
Oxi +0x2 = 0
^ Oxi +0x2 = 0
Ix i +0x2 = 2
Oxi + 1x 2 = 3
isto é :
Xi =2
X 2 = 3.
Nota: A última matriz, equivalente à primeira, representante do sistema inicial, poderia ser
obtida mais rapidamente e com menos trabalho se, uma vez obtido o número 1 de uma coluna, as
operações para obter cada zero dessa coluna não fossem indicadas uma de cada vez, mas sim todas
de uma só vez, como, aliás, já foi feito em problemas sobre determinantes e sobre inversão de
matrizes. Assim:
2 4 16 L i(y)
5 -2 4
3 1 9
4 -5 -7
Matrizes. Determinantes. Sistema de equações lineares 525
1 2 8
5 -2 4 U = u + l ,( -5)
3 1 9 L3 = L3 + L ,(-3 )
4 -5 -7 L»4 ~ L4 Lj (~4)
1 2 8
0 -13 -39
1 2 8 L, =L, +L2(-2)
0 1 3
0 -5 -15 L3 = L, + LjíS)
0 -13 -39 L4 =Li +L2(13)
1 0 2
0 1 3
0 0 0
0 0 0
2xi - 8x 2 + 24x3 + 18 x 4 = 84
Solução
2 -8 24 18 84 L ,(y)
4 -1 4 52 42 190
526 Álgebra linear
1 -4 12 9 42
1 -4 12 9 42
0 2 4 6 22 L .( i)
1 -4 12 9 42 L, = L , + L 2 (4 )
0 1 2 3 11
1 0 20 21 86
0 1 2 3 11
Xi = 86 - 20 x 3 - 21 x4
X2 = 11 " 2 x 3 - 3 x 4
arbitrários X3 3 1 0 5 2 4
X4 1 2 0 3 5 4
X2 2 3 11 -13 - 8 - 9
Nos trés exemplos dados no item anterior, obtiveram-se as seguintes matrizes em forma de
escada:
a) No exemplo 1:
1 0 2
0 1 3
0 0 -5
A denominação matriz em forma de escada se deve ao modo como está disposto o número
1 em cada coluna:
1 0 2
0 1 3
0 0 -5
b) No exemplo 2:
1 0 2
0 1 3
0 0 0
0 0 0
c) No exemplo 3:
1 0 20 21 86
0 1 2 3 11
b) na 2?, as duas primeiras linhas tém elementos não todos nulos, e as duas últimas linhas
tém todos os seus elementos iguais a zero;
528 Álgebra linear
19) A característica Ca não pode ser menor que a característica Cv, porque toda linha de
elementos não todos nulos da matriz B dos coeficientes das variáveis pertence à mesma linha da
matriz ampliada A. Assim, se a matriz dos coeficientes tiver característica Cv = 2, isso significa
que essa matriz tem duas linhas de elementos não todos nulos e a característica Ca da matriz
ampliada, por conter essas duas linhas, será, no mínimo, igual a 2.
Assim, a característica Ca pode ser maior do que Cv ou igual a Cv.
1 0 2
0 1 3
0 0 -5
A característica Ca = 3, porque as trés linhas tem elementos não todos nulos e a caracte
rística Cv= 2 porque a matriz dos coeficientes das variáveis tem duas linhas com elementos não
todos nulos. É o caso em que Ca <Cv . Nesse caso, o sistema é incompatível; a última linha
representa a equação linear Oxi + 0 x 2 = - 5 , que não é satisfeita para nenhum valor de Xi e de
X2 , o que torna o sistema incompatível.
Matrizes. Determinantes. Sistema de equações lineares 529
1 0 2
0 1 3
0 0 0
0 0 0
1 0 20 21 86
0 1 2 3 11
Neste item se tratará somente do caso em que Ca =Cv = C, isto e', em que o sistema é
compatível. Examinemos as seguintes considerações:
19) A característica C nío pode ser maior que o número de variáveis. Para que a caracte
rística C seja maior que o número de variáveis, se deverá ter uma matriz reduzida à forma de escada
do seguinte tipo, por exemplo:
1 0 4
0 1 9
0 4 r
530 Álgebra linear
sendo r um número real. Nesse caso, a característica C seria 3, e o número de variáveis n seria 2.
Entretanto, a matriz dada não é uma matriz reduzida à forma de escada; o número 4 que aparece
na 3? linha pode ser transformado em zero por adequada operação, enquanto o número r
também deverá ser transformado em zero pela mesma operação (se r fosse transformado num
número diferente de zero, se estaria fora da hipótese, pois que, no caso. Ca seria maior que Cv, e
a hipótese em que se está trabalhando é que o sistema é compatível, isto é, que Ca = Cv = C).
Assim, na verdade, a matriz antes citada é:
1 0 4
0 1 9
0 0 0
1 0 2
0 1 3
0 0 0
0 0 0
m= 4
n= 2
C= n = 2
Xi = 2,
Xj = 3 .
Matrizes. Determinantes. Sistema de equações lineares 531
39) Quando a característica C é menor que o número de variáveis, o sistema e' compatível
e indeterminado. É o que acontece com o exemplo 3 citado anteriormente. A matriz reduzida á
forma de escada
1 0 20 21 86
0 1 2 3 11
m = 2
n = 4
C= 2
C<n
Xi =86 - 20 x 3 - 21 x 4
a
X2 = 11 - 2x 3 - 3 x 4
g = n -C
mas:
n =4
C=2
logo:
g = 4 -2
g =2
532 Álgebra linear
A .45.2.4 Observações
a) O que foi dito e explicado nos trés itens anteriores pode ser assim resumido:
b) Em A.45.1.3 (Observação d), dissemos que, num sistema de n equações com n variáveis, nem
sempre a matriz dos coeficientes das variáveis poderia ser transformada na matriz unidade
e os casos em que isso ocorresse seriam aqui tratados. Dois exemplos esclarecerão o
problema e indicarão a maneira de obter a solução desses sistemas.
Exemplos
3x + 9 y = 1 2
3x + 9 y = 15
Matrizes. Determinantes. Sistema de equações lineares 533
Solução
3 9 12 L .(y)
3 9 15
1 3 4
3 9 15 L 2 = L2 + L ,(-3 )
1 3 4
0 0 3
Tendo em vista que Ca = 2 e que Cv = 1, isto é, que Ca > Cv, o sistema é incompatível.
4x + 2y = 100
8x + 4y = 200
Solução
4 2 100 Uij)
8 4 200
1 1 25
2
8 4 200 U = U + U (S)
1 1 25
2
0 0 0
534 Álgebra linear
x = 25 - 0 , 5 y
arbitrários: y 0 2 4 6 8 10 12 14 16 18
calculados: X 25 24 23 22 21 20 19 18 17 16
Ca = Cv = C = n
Um sistema de equações lineares homogêneo, definido em A.44, pode ter outras soluções,
denominadas soluções próprias, além da solução trivial. O método para encontrar essas soluções,
se existirem, é o mesmo método utilizado para resolver um sistema de m equações lineares com
n variáveis.
Exemplos
3xi + 6x 2 - 9 x 3 = 0
2 xi + 4x2 ~ 6 x 3 = 0
Solução trivial:
Xi = X2 = X3 = 0
Matrizes, Determinantes. Sistema de equações lineares 535
Soluções próprias:
3 6 - 9 0 L ,(y )
2 4 - 6 0
1 2 -3 0
2 4 - 6 0 L2=L2+L,(-2)
1 2 -3 0
0 0 0 0
Xi = 0 - 2x2 + 3x3
arbitrários: X2 1 2 3 4 5 2 6 10 7 -8 •
X3 2 1 4 3 2 7 5 9 -2 -5 •
calculados: Xi 4 -1 6 1 -4 17 3 7 -20 1 •
2xi + 4x 2 = 0
16xi ' 8x 2 = 0
12xi - 2 x 2 = 0
Solução trivial:
Xi = X 2 =0
536 Álgebra linear
Soluções próprias:
2 4 0 L ,(y )
16 -8 0
12 -2 0
1 2 0
16 -8 0 L j ” L2 ^ L i ( —16 )
12 -2 0 L 3 = L 3 + L ,(-1 2 )
1 2 0
0 -40 0 U (-^ )
0 -26 0
1 2 0 L, = L , + L , ( - 2 )
0 1 0
0 -26 0 L j = L j + L ,(2 6 )
1 0 0
0 1 0
0 0 0
Xi = X2 = 0
Ix i - 3x2 “ =0
Ixi - 1x 2 + 3x 3 = 0
Matrizes. Determinantes. Sistema de equações lineares 537
Solução trivial:
Xi = X2 = X3 = 0
Soluções próprias:
1 -3 -4 0
1 -1 -1 0 -----^ La = L i + L ,(-1 )
1 -1 3 0 * L3 ~ L3 Li (-1)
1 -3 .4 0
0 2 3 0 -----^ L a ( y )
0 2 7 0
1 -3 -4 0 ----- ^ Li = L , + L a(3)
3
0 1 0
2
0 2 7 0 > L3=L3+La(-2)
1
1 0 0
2
3
0 1 0
2
0 0 4 0 ^ Lb( J )
1
1 0 0 ----- ^ L, = L , + L 3 ( - 2 )
2
3
0 1 0 ----- ^ La = La + LaC-y)
2
0 0 1 0
5S8 Álgebra linear
1 0 0 0
0 1 0 0
0 0 1 0
Xi = X2 = X3 = 0
e) C (quando Ca =Cv = C, o que nem sempre acontece, pois Ca pode ser maior que Cv)
é a característica da matriz reduzida à forma de escada;
f) m é o número de equações;
Matrizes. Determinantes. Sistema de equações lineares 539
g) n é O número de variáveis;
j l ) Se C = n, o sistema é determinado;
II) Por razões de ordem didática, o estudo da solução de sistemas de equações lineares
foi feito, separadamente, nos três casos em que podem se apresentar, nos itens A.45.1, A.45.2
e A.45.3 (m = n, m =5^n e homogêneo ou não). Entretanto, daqui por diante, para a solução de
qualquer sistema de equações lineares, com uma única exceção, que será vista adiante em III, será
utilizado o método da transformação da matriz ampliada do sistema na matriz reduzida à forma
de escada. Quando se tiver um sistema de n equações com n variáveis, por exemplo, compatível
e determinado, o método de Gauss-Jordan passa a ser um caso particular daquele; de fato, na
matriz reduzida à forma de escada, a matriz dos coeficientes das variáveis é transformada na
matriz-unidade, e a matriz-coluna dos termos independentes é transformada na solução do
sistema.
III) Quando se tiver que resolver vários sistemas de equações lineares nos quais a matriz
dos coeficientes das variáveis seja sempre a mesma, variando somente os termos independentes,
será utilizado o método da matriz inversa; nesse caso, geralmente a matriz inversa da matriz dos
coeficientes das variáveis é conhecida ou, então, se sabe que ela existe em virtude da natureza do
problema.
1) f 2x-3y= 4
6 x - 9 y = 15
540 Álgebra linear
Soluçâb
2 -3 4 L » (y )
A=
6 -9 15
3
1 2
2
6 -9 15 L2=L2+L,(-6)
3
2
2
B=
0 0 3
Ca = 2
Cv = 1
isto é :
Ca > Cv,
2) 3x + 2y - 5z = 8
2x - 4y - 2z = -4
- 2y - 3z = -4
Solução
3 2 -5 8 L .( f )
A= 2 -4 -2 -4
1 -2 -3 -4
Matrizes. Determinantes. Sistema de equações lineares 541
2 .5 8
1
3 ’3 3
2 -4 -2 -4 Lj = L 2 + L , ( - 2 )
1 -2 -3 -4 L 3 = L 3 + L i (-1)
2 5 8
1
3 '3 3
n 16 4 28
u
■ 3 3 “ 3
n 8 4 20
u
■ 3 "3 ” 3
2 5 8 L, = L , + L 3 ( - y )
1
3 ■3 3
1 7
0 1
■4 4
8 4 20
0 L3=L3+L3(y)
*3 ■3 ‘ 3
3 3
1 0
"2 2
1 7
0 1
"4 4
0 0 -2 -2 L 3 (-y )
3 3
1 0 Li - Li + L3(“2 )
"2 2
1 7
0 1 L2=L2+L3(j )
"4 4
0 0 1 1
1 0 0 3
B= 0 1 0 2
0 0 1 1
542 Álgebra linear
Ca = Cv = C = 3 = n
Ix + Oy + Oz = 3
Ox + ly + Oz = 2
Ox + 0 y + Iz = 1
X= 3
y=2
z =1
3) 2x + 4y + 6z = -6
3x - 2y - 4z = -38
Ix + 2y + 3z = -3
Solução
2 4 6 -6 Li(y)
A= 3 -2 -4 -3 8
1 2 3 -3
1 2 3 -3
3 -2 -4 -3 8 Lj = L 2 + L i ( - 3)
1 2 3 -3 L ,= L a +L,(-1)
Matrizes. Determinantes. Sistema de equações lineares 543
1 2 3 -3
0 -8 -13 -29
0 0 0 0
1 2 3 -3 L, = L , +L2Í-2)
n 13 29
u 1
8 8
0 0 0 0
1 41
1 0
‘4 “ 4
B= 13 29
0 1
8 8
0 0 0 0
Ca = Cv = C = 2
Mas:
n=3
isto é :
C<n
g= n-C =3-2= l
544 Álgebra linear
1 41
r Ix + Oy
^ -4 4 z = - ^4
13 29
O x -M y .-z = -
Ox + Oy + Oz = 0
-41 + z
X=
29 - 13z
y= 8
-41 + 1 40 ..
X= --- — = - — = -10
4 4
29-13 16 ^
4) X+ y - z =0
2x - 3y + z =0
4x - 4y - 2z = 0
Solução trivial:
X= y = z = 0
Matrizes. Determinantes. Sistema de equações lineares 545
Soluções próprias:
1 1 -1 0
1 1 -1 0
0 -5 3 0 — L .( - S )
0 -8 2 0
3
0 1 0
0 -8 2 0 ----- - L3 = L3 + L2 ( 8)
2
1 0 0
‘ 5
3
0 1 0
"5
14
0 0 0
"5 14 >
2
1 0 0 ----- ^ L, =L, + L 3 (y )
‘5
3
0 1 0 ----- ^ Lí = Lí + L3( 5 )
"5
0 0 1 0
1 0 0 0
B= 0 1 0 0
0 0 1 0
546 Álgebra linear
Ca = Cv = C = 3 = n,
logo, o sistema é compatível e determinado. Tendo em vista que o sistema inicial é homogêneo
e que é compatível e determinado, não possui soluções próprias, isto e', só admite a solução trivial.
5) X + 3z = -8
’ 2x - 4 y = - 4
3x - 2y - 5z = 26
Ix + Oy + 3z = -8
2x - 4y + Oz = -4
3x - 2y - 5z = 26
Solução
1 0 3 -8
•A = 2 -4 0 -4 U =U *U i.-2)
3 -2 -5 26 L3=L3+L,(-3)
1 0 3 -8
0 -4 -6 12 U ( -j)
0 -2 -1 4 50
1 0 3 -8
3
0 1 -3
2
0 -2 -1 4 50 L3=L3+U(2)
Matrizes. Determinantes. Sistema de equações lineares 547
1 0 3 -8
3
0 1 -3
2
0 0 -11 44
1 0 3 -8 L, - L , * L , ( - 3 )
3
0 1 -3 L2 - L2 + L3(—y )
2
0 0 1 -4
1 0 0 4
B= 0 1 0 3
0 0 1 -4
Ca = Cv = C = 3 = n
Ix + Oy + Oz = 4
Ox + ly + Oz = 3
Ox + Oy + 1z = -4
X= 4
y =3
z = -4
6) X- z =0
3x + y + 2z = 0
4x + 2y + 2z = 0
548 Álgebra linear
Ix + Oy - Iz = 0
3x + ly + 2z = 0
4x + 2y + 2z = 0
Solução trivial:
X= y = z = 0
Soluções próprias:
1 0 -1 0
A = 3 1 2 0 L2=Lj +L,(-3)
4 2 2 0 La = L 3 + L i (-4 )
1 0 -1 0
0 1 5 0
0 2 6 0 L 3 = L3 + Lj (-2)
1 0 -1 0
0 1 5 0
0 0 -4 0 La(-Í)
1 0 -1 0 Li —Li + L3
0 1 5 0 Lj =La +L3(-5)
0 0 1 0
1 0 0 0
B = 0 1 0 0
0 0 1 0
Matrizes, Determinantes. Sistema de equações lineares 549
Ca = Cv = C = 3 = n
logo, o sistema é compatível e determinado. Tendo em vista que o sistema inicial é homogêneo
e que é compatível e determinado, não possui soluções próprias, isto e', só admite a solução trivial.
7) 6x + 2y + 4z = 0
-9 x - 3y - 6z = 0
Solução trivial:
x=y=z=0
Soluções próprias:
6 2 4 0 L .( t )
A=
-9 -3 -6 0
1 2
1 0
3 3
-9 -3 -6 0 U =Lj +L i (9)
1 2
3 3
B=
0 0
Ca = Cv = C = 1
550 Álgebra linear
Mas:
n=3
isto é:
C<n
g = n -C = 3 -1=2
lx + | y + | z = 0
Ox + Oy + Oz = 0
A 2? equaçío não estabelece nenhuma condição para x e y; por isso, a solução do sistema
é dada pela 1? equação:
1 2 -y - 2z
3
8) r 3x + 6y = 0
12x + 24y = 0
A=
yxt- 3y = 0
3 3
Solução trivial:
X= y = z = 0
Matrizes. Determinantes. Sistema de equações lineares 551
Soluções próprias:
3 6 0 l ,(7>
12 24 0
A=
3_
0
2
3_
0
4
1 2 0
12 24 0
^ 3 0. L3 —L3 + Li (- 2 )
3_ L 4 = L4 + L i ( - j )
0
4
1 2 0
0 0 0
B =
0 0 0
0 0 0
Ca = Cv = C = l
Mas:
n=2
isto é :
C<n
552 Álgebra linear
g = n -C = 2 -l= l
Ix + 2y = 0
Ox + Oy = 0
Ox + Oy = 0
Ox + Oy = 0
Ix + 2y = 0
ou:
X=-2y
9) X - y=0
2y + 4z = 6
X+ y + 4z = 6
Ix - ly + Oz = 0
Ox + 2y + 4z = 6
Ix + ly + 4z = 6
Matrizes. Determinantes. Sistema de equações lineares 553
Soluçãk)
1 -1 0 0
A = 0 2 4 6
1 1 4 6 L3 = L 3 + L ,(-1)
1 -1 0 0
0 2 4 6 Ui-J)
0 2 4 6
1 -1 0 0 Li “ L*i + L*2
0 1 2 3
0 2 4 6 L 3 = L 3 + L j (.2)
1 0 2 3
B = 0 1 2 3
0 0 0 0
Ca = Cv = C = 2
Mas:
n=3
isto é :
C<n
j,= n - C = 3 - 2 = l
554 Álgebra linear
Ix + Oy + 2z = 3
Ox + ly + 2z = 3
Ox + Oy + Oz = 0
A última equação não estabelece nenhuma condição para x e y; por isso, a solução do
sistema é dada pelas duas primeiras equaçOes:
X = 3 - 2z
y = 3 -2 z
2a I — a2 ~ 7
Solução
1 2 -4
2 -1 7 L 3 = L3 + L ,(-2 )
1 2 -4
0 10 -3 0
0 -5 15
1 2 -4 L, = L , + L í(-2 )
0 1 -3
0 -5 15 L3=L3+L3(5)
Matrizes. Determinantes. Sistema de equações lineares 555
1 0 2
B = 0 1 -3
0 0 0
Ca = Cv = C = 2 = n
la + 0b = 2
0 a + lb = -3
0a + 0b = 0
A última equaçã^o nfo estabelece nenhuma condição para a e b; por isso, a solução do
sistema é dada pelas duas primeiras equações:
a =2
b=-3
11) â| ^ 2^2 —4
-3ai + 4aj = 3
2ai - a2 = -6
Solução
1 2 4
A = -3 4 3 U = L j + L .(3 )
2 -1 -6 L 3 = L3 + L ,(-2 )
356 Álgebra linear
1 2 4
0 10 15
0 -5 -14
1 0 1
B = 0 1 1,5
0 0 -6,5
Ca = 3
Cv = 2
isto é:
Ca>Cv
12) Estabelecer a condição que deve ser satisfeita pelos termos independentes x, y e z para
que o sistema
ai + 2a2 = X
- 3a i + 4a2 = y
2 ai - a2 = z
seja compatível.
Matrizes. Determinantes. Sistema de equações lineares 557
Solução
1 2 X
-3 4 y L2 • L2 + Li (3)
2 -1 z L 3 = L 3 + L i (-2)
1 2
0 10 y + 3x
0 -5 z - 2x
1 2 X
y + 3x
0 1
10
0 -5 z - 2x u = L3 + Lj (5)
1 2
y + 3x
0 1
10
0 0
V + 3x
Se z - 2x + - —- — fosse diferente de zero, teriamos:
Ca = 3
Cv =2
isto e :
Ca>Cv
e o sistema seria incompatível. Portanto, para que o sistema seja compatfvel é necessário que
558 Álgebra linear
ou:
2z - 4x + y + 3x = 0
-x + y + 2z = 0
X - y - 2z = r
x = y + 2z.
Observações
a) Nada impede que as variáveis sejam designadas pelas letras a, b, c etc. e que os termos
independentes sejam designados por x , y , z etc.
b) Comparando os sistemas 10, 11 e 12, verifica-se que todos tém a mesma matriz dos
coeficientes:
• o 19 é compatível;
• o 29 é incompatível;
• o 39 estabelece a condição que deve ser satisfeita pelos termos independentes para que
o sistema seja compatível.
x = y + 2z
Ora, na 1? equação
X = -4
y = -18
z =7
isto é:
-4 = -18 + 2 X 7
-4 = - 1 8 + 14
-4=-4
Já na 2? equaçáo:
x=4
y =3
z = -6
isto é:
4 ^ 3 + 2(-6)
4=?fc3-12
4^-9
Tendo em vista que a condição de compatibilidade não foi satisfeita, o sistema se mostrou
incompatível.
c) Esses sistemas, bem como alguns outros que ainda serão resolvidos, constam do Capítulo
sobre Espaços Vetoriais somente com as respostas.
d) Nos problemas sobre sistemas, nos quais se solicita que alguma condição seja estabelecida
para que sejam compatíveis ou admitam solução não-trivial etc., quer nos termos independentes,
quer em coeficientes das variáveis, embora se inicie transformando a matriz ampliada na matriz
reduzida à forma de escada, geralmente não é necessário chegar ao final; quase sempre, um simples
raciocínio, no decorrer da execução do processo, resolve o problema,
Nos problemas 13 e 14, estabelecer a condição que deve ser satisfeita pelos termos
independentes para que sejam compatíveis os sistemas:
13) a+2b = x
-2a + b = y
*- a + b=z
SotuçSo
1 2
A = -2 1 L 2= L i +L,(2)
-1 1 L3 —L 3 + Lj
560 Álgebra linear
1
0 L .( i)
0 L3=La+L2(-3)
1
y + 2x
0
3 ( y + 2x)
z+X -
Ca = 3
Cv = 2
isto é:
Ca>Cv
e o sistema seria incompatível. Portanto, para que o sistema seja compatível é necessário que:
3 (y + 2x) ^
z+ X - — — ^= 0
5z + 5x - 3 (y + 2x) = 0
5z + 5x - 3y - 6x = 0
-X - 3y + 5z = 0
X + 3y - 5z = 0
Matrizes. Determinantes. Sistema de equações lineares 561
ou:
x = 5z-3y
14) ( ^ a + 3b = X
2a - Ib = y
-2a + Ib = z
3a + 1b = t
Solução
-1 3 X L,(-l)
2 -1 y
A =
-2 1 z
3 1 t
1 -3 -X
2 -1 y L2 ~ L2 Lj (—
2)
-2 1 z L 3 = L 3 + L i (2)
1 -3 -X
0 5 y + 2x Lj C-j )
0 -5 z - 2x
0 10 t + 3x
1 -3 -X
y + 2x
0 1
5
0 -5 z - 2x L3=L3+L2(5)
0 10 t + 3x L4 = L4 + L i(-1 0 )
562 Álgebra linear
1 -3 -X
y + 2x
0 1
5
0 0 z - 2x + y + 2x
0 0 t + 3x - 2 (y + 2x)
Se:
z - 2x + y + 2x
t + 3 x - 2 ( y + 2x)
Ca = 4
Cv = 2
istoé:
C a >C v
z-2x+ y + 2x = 0
t + 3x - 2y - 4x = 0
ou:
z + y=0
t - X - 2y = 0
Matrizes. Determinantes. Sistema de equaçõeslineares 563
ou, ainda:
z = -y
X = t - 2y
ai + 2aj = -1
- 3 a i + 4a2 = k
2ai - a2 =-7
Solução
1 2 -1
A = -3 4 k L 2 “ L 2 ‘í* L j (3)
2 -1 -7 L 3 = L 3 + L i (-2)
1 2 -1
0 10 k-3
0 -5 -5
1 2 -1
k-3
0 1
10
0 -5 -5 L 3 = L 3 + L í (5)
1 2 -1
k-3
0 1
10
k-3
0 0 -5 +
564 Álgebra linear
k- 3
Se - 5 + —-j— fosse diferente de zero, teríamos:
Ca = 3
Cv = 2
isto é:
Ca>Cv
e o sistema seria incompatível. Portanto, para que o sistema seja compatível é necessário que:
-10 + k - 3 = 0
k = 10 + 3
k = 13
Observação
Esse sistema tem a mesma matriz dos coeficientes do problema 12. Ali foi estabelecido
que para ser compatível, os termos independentes x, y e z do sistema deveriam satisfazer à
condição:
X = y + 2z
x = -l
y = 13
z = -7
istoé:
- l = 13 + 2 x ( - 7 )
-1 = 13 - 14
-1 = - l
3ai + 5a2 = X
ai + 2 a2 = y
Solução
3 5 X — ^ L,
-12
A =
1 2 y
~1 2 y
3 5 X —^ L
L;, = L3 + L ,(-3 )
1 2 y
0 -1 X - 3y — ^ Ljí-l)
1 2 y — ►Li
L = Li + L2(-2)
0 1 3y - X
1 0 y-2(3y-x)
B =
0 1 3y - X
lai+0a2= y-2(3y-x)
. Oai + 1h2 = 3y - X
566 Álgebra linear
ou:
ai = y - 6y + 2x
a2 = 3y - X
ou, ainda:
ai = 2x - 5y
ai = 3y - X
Nos problemas 17 e 18, estabelecer a condição que deve ser satisfeita pelos termos indepen
dentes, para que sejam compatíveis os sistemas.
17) 3x + 9y = a
6x + 18y = b
Solução
3 9 a L .( f )
A =
6 18 b
a
1 3
3
6 18 b Lj = Lj + L,(-6)
a
1 3
T
0 0 b-2a
Matrizes. Determinantes. Sistema de equações lineares 567
Ca = 2
Cv = 1
isto é:
Ca>Cv
b-2a = 0
ou
b = 2a
3x+ 9y = 21
6x + 18y = 42
3 9 21 L .(f)
A =
6 18 42
1 3 7
6 18 42 L3 —L3 + Li (-6)
1 3 7
B =
0 0 0
568 Álgebra linear
Ca = Cv = C = 1
Mas:
n=2
isto é:
C<n
g=n-C=2-l=l
Ix + 3y = 7
Ox + Oy = 0
A 2^ equação não estabelece nenhuma condição para x e y; por isso a solução do sistema é
dada pela 1? equação:
X = 7 - 3y
18) X - 2y - z=a
2x + y +'3z = b
4x - 3y + z=c
Matrizes. Determinantes. Sistema de equações lineares 569
Solução
1 -2 -1
2 1 3 L 2 = L 2 + L i (-2)
4 -3 1 L 3 = L 3 + L i (-4)
1 -2 -1 a
0 5 5 b -2 a
0 5 5 c - 4a
Ox + 5y + 5z = b - 2a
Ox + 5y + 5z = c - 4a
ou:
5y + 5z = b - 2a
5y + 5z = c - 4a
Os primeiros membros das duas equações são iguais a 5y + 5z. Ora, 5y + 5z, para mesmos
valores de x e mesmos valores de y, não pode assumir valores diferentes; logo, para que o sistema
seja compatível, deve-se ter:
b - 2a = c - 4a
b - 2 a - c + 4a = 0
2a + b - c = 0
X - y - z=0
X - 2y - 2z = 0
2x + ky + z=0
570 Algtbra linear
Solução
1 -1 -1 0
A = 1 -2 -2 0 L 2 = L 2 + L i (-1)
2 k 1 0 L 3 = L 3 + L i (-2)
1 -1 -1 0
0 -1 -1 0 L ^ í-l)
0 2+k 3 0
1 -1 -1 0
0 1 1 0
0 2+k 3 0 L3 = L3 + L 2 (-2 -k )
1 -1 -1 0
0 1 1 0
0 0 1 -k 0
1 -1 -1 0
0 1 1 0
0 0 1 0
e a matriz dos coeficientes das variáveis poderia ser transformada na matriz-unidade, do que
resultaria:
Ca = Cv = C = 3 =n
X = V = z = 0
Matrizes. Determinantes. Sistema de equações lineares 5 71
1 -k = 0
isto é:
k = 1.
Nesse caso, como os elementos da 3^ linha seriam todos nulos, a matriz inicial teria, ao
final:
Ca=Cv = C = 2
e:
n=3
ou:
C<n
X+ 2y - 2z = b i
2x + 5y - 4z = b 2
3x + 7y - 5z = ba
20) Para bi = 0, b 2 = 3 e ba = 7.
Solução
Fazendo:
1 2 -2 X bi 0
A = 2 5 ^ ;X = y ;B = b2 = 3
3 7 - 5 z b3 7
572 Álgebra linear
AX = B
e:
X = A-‘ B
a) Cálculo de A-1.
2 -2 1 0
5 -4 0 1 L2 ” L/2 Lj (-2)
7 -5 0 0 L3 = L 3 + L i (-3)
2 -2 1 0 L , = L ,+ L 2 ( - 2 )
1 0 -2 1
1 1 -3 0 L 3 = L 3 + L 2( -1)
0 -2 5 -2 L , = L , + L3(2)
1 0 -2 1
0 1 -1 -1
0 0 3 -4
1 0 -2 1
0 1 -1 -1
logo:
3 -4 2
A -‘ = -2 1 0
-1 -1 1
Matrizes. Determinantes. Sistema de equações lineares 5 73
X = A-^B
3 -4 2 0 2 X
X = -2 1 0 X 3 = 3 = y
-1 -1 1 7 4 z
logo:
X = 2
y =3
z =4
21) Para bi = 2, b 2 = 5 e ba = 7.
Solução
Fazendo:
1 2 -2 X bi 2
A = 2 5 - 4 ,x = y ,B = ba = 5
3 7 - 5 z b3 7
AX = B
e:
X = A-^B
574 Álgebra linear
mas:
3 -4 2
A-^ = - 2 1 0
-1 -1 1
e:
3 -4 2 2 0 X
X = -2 1 0 X 5 = 1 = y
-1 -1 1 7 0 z
logo:
x=0
y = l
z =0
22) Para bi = 1, Ò2 = 7 e ba = 6.
Solução
Fazendo:
1 2 -2 X bi 1
A = 2 5 -4 ; X = y ;B = ^2 = 7
3 7 -5 z ba 6
AX = B
e:
X = A-^B
Matrizes. Determinantes. Sistema de equações lineares 5 75
mas:
3 -4 2
A-* = - 2 1 0
-1 -1 1
e:
3 -4 2 1 -1 3 X
X= -2 1 0 X 7 = 5 = y
-1 -1 1 6 -2 z
logo:
x = -13
y =5
z = -2
23) Para bj = 3, b 2 = 2 e ba = 5.
Solução
Fazendo:
1 2 -2 X bi 3
A= 2 5 -4 ; X = y ;B = bj = 2
3 7 -5 z ba 5
AX=B
e:
X = A-^B
576 Álgebra linear
mas:
3 -4 2
A-^ = - 2 1 0
-1 -1 1
e:
3 -4 2 3 11 X
x= -2 1 0 X 2 = -4 = y
-1 -1 1 5 0 z
logo:
x = ll
y = -4
z =0
1) 5x + 8y = 34 2) 4x - y - 3z = 15
3x - 2y + 5z = -7
10x+ 16y = 50
2x + 3y + 4z = 7
3) 2x + 3y - 2z = 2 4) X + 4y + 6z = 0
3x - 5y + 4z = 5
- y - 6y - 9z = 0
X - 2y - 7z = -24
5) X + 2y + 3z = 10 6) 5x - 3y - 7z = -5
3x + 4y + 6z = 23 4x - y - z=2
3x + 2y + 3z = 10 -2 x + 4y + 8z = 10
Matrizes. Determinantes. Sistema de equações lineares 5 77
7) 3x - 8y - 9z = 14 8) 4x - 3y = -1 8
7x + 3y + 2z = -12 2y + 5z = -8
- 8 x - 9y + 6z = 11 X - 2y - 3z = 0
9) 2x - 5y - z = -8 10) 3x + 9y + 12z = 24
• 5x + y + z = -9 X + 7y + 14z = 20
6x - y - z=4
-9 x - 3y - 6z = 0
7x + 2y + 2z = 14
4x - 2z = 0 2x - 4y + 4z = 12
3y + 4z = -32 - 4x + 3y - 5z = -24
15) X + 4y + 6z = 11 16) 2x + 2y + 4z = 0
2x + 3y + 4 z= 9 3x + 5y + 8z = 0
3x + 2y + 2 z = 7 5x + 25y + 20z = 0
- X - 2y - 4z = -2 5x + 3y - 8z = 19
-2 x - 4y - 5z = -1 7x - 9y + 4z = -15
578 Álgebra linear
2y + 4z = 6 2x + 3y + 4z = 29
X + y + 4z = 6 5x - 2y - Iz = 0
X -z = 0 9x + 3y - 3z = 0
- 5 x - 8 y - l l z = -2 4 X - 4y - z = -8
23) 2x + 3y + 4z = 53
3x + 5y - 4z = 2
4x + 7y - 2z = 31
Nos problemas de 24 a 27, estabelecer a condição que deve ser satisfeita pelos termos
independentes para que sejam compatíveis os sistemas.
2x + 5y + 3z = b 3x + 8y + 5z = b
- 4y - 4z = c -3 x - 4y - Iz = c
26) 2x + 2y + 4z = a 27) X+ y - z = a
6x + l l y + 8z = b -X + 2z = b
2x + 7y = c y+z=c
Matrizes. Determinantes. Sistema de equações lineares 579
28) Calcular o valor de k para que admita solução não-trivial o seguinte sistema:
2x + 6y = 0
4x + ky = 0
-2x + 3y - z = bi
X - 3y + z = b2
- X + 2y - z = ba
29) Para bi = 2, b 2 = 5 e ba = 7.
30) Para bi = 1, b 2 = 6 e ba = 0.
31) Para bi = 2 , b 2 = - 8 e ba = 9 .
33) Para bi = 4, ba = 7 e ba = 9 .
-2 x i - Xa +2x4 = bi
3xi + Xa - 2xa - 2x 4 = ba
-4 x i - Xa + 2xa + 3x4 “ ba
3xi + Xa - Xa - 2x 4 = b4
V
34) Para b, = 5, = 3, bj = 12 e b 4 = 10
37) Para bi = -9 , b^ = 6, bs = 3 e b4 = 1
580 Álgebra linear
1. Incompatível.
2. Compatível e determinado:
x = 3, y = 3 e z = -2
3. Compatível e determinado:
x=l, y = 2 e z = 3
4. Compatível e indeterminado:
a) Grau de liberdade: g = 2.
b) Solução trivial: x = y = z = 0.
c) Soluções próprias:
X = -4y - 6z
5. Incompatível.
6. Compatível e determinado:
X= y = z = 1
7. Compatível e determinado:
X = y = z = -1
8. Compatível e determinado:
x = 0, y = 6 e z = -4
9. Compatível e determinado:
X = 3, y = 2 e z = 4
Matrizes. Determinantes. Sistema de equações lineares 581
10. Incompatível.
x = l , y = 7 e z = -5 .
a) Grau de liberdade: g = 2.
b) Solução trivial: x = y = z = 0.
c) Soluções próprias:
y 2z - y - 2z
3 “ 3
x = -4 , y = 0 e z = -8
x = 6, y = z = 0
3 + 2z
a) x =
5
1 3 -8 z
y=• 5
b) Grau de liberdade: g = 1.
X= y = z = 0
582 Álgebra linear
x = 2, y = -2 e z = l
x = l , y = 2 e z = -l
a) X = y = 3 - 2z
b) Grau de liberdade: g = 1.
x = 2, y = 3 e z = 4
a) X = z
y = 3 - 2z
b) Grau de liberdade: g = 1.
x = -l, y = 2 e z = -l
x=3, y=5 e z = 8
24. 2a - 4b + c = 0
25. 3 a -b + c = 0
Matrizes. Determinantes. Sistema de equações lineares 583
26. 2a - b + c = 0
28. k = 12
30. X = -7, y = -6 e z = -5
31. x = 6 , y = - l e z = -17
32. x = 7, y = 5 e z = 5
35. Xi = 12 , X2 = -18, X3 = 12 e X4 = -1
36. Xi = 10, X2 = - 8 , X3 = 3 e X4 = 8
Composição e Arte-Final:
J AG Composições e Artes Gráficas Ltda.
Praça F. Rooseveit, 208 - 89 andar
Tel. (011) 255-5694 - São Paulo