Escolar Documentos
Profissional Documentos
Cultura Documentos
DISCIPLINA
ÁLGEBRA LINEAR
2
DETERMINANTES ...................................................................................................... 10
2.1
PROPRIEDADES DOS DETERMINANTES. ..................................................................... 12
5
VETORES...................................................................................................................... 38
5.1
INTRODUÇÃO ............................................................................................................ 38
5.2
OPERAÇÃO COM VETORES........................................................................................ 42
5.3
VETORES NO RN........................................................................................................ 50
2
5.4
OPERAÇÃO COM VETORES NO RN ............................................................................. 51
5.5
PRODUTO INTERNO .................................................................................................. 59
5.6
DECOMPOSIÇÃO DE VETORES ................................................................................... 61
5.7
PRODUTO VETORIAL ................................................................................................ 62
5.8
PRODUTO MISTO ...................................................................................................... 63
3
1 MATRIZES
1.1 Introdução
Esta secção, apresenta um conjunto de exercícios que possibilitam ao aluno, revisar conceitos básicos
sobre matrizes. É muito importante que o aluno se detenha nas propriedades apresentadas, pois são de
grande importância dentro da Álgebra Linear. Algumas aplicações do estudo das matrizes são
resolução de sistemas de equações lineares, mudança de bases de um espaço vetorial, representação e
composição de transformações lineares.
⎛ 3 1 − 5 ⎞
Exemplo.1. ⎜⎜ ⎟⎟
⎝ 4 − 2 2 ⎠ 2 X 3
⎡− 2⎤
2 - Matriz Coluna C = ⎢ ⎥
⎣ 7 ⎦
⎡1 − 9⎤
3 - Matriz Quadrada Q = ⎢ ⎥
⎣0 1 ⎦
⎡0 0⎤
4 - Matriz Nula N = ⎢ ⎥ M = [0 0 0]
⎣0 0⎦
1
⎡ a11 a12 a13 ⎤ ⎡a11 ⎤ ⎡ a13 ⎤
P = ⎢⎢a 21 a 22 a 23 ⎥⎥ P = ⎢⎢ a 22 ⎥
⎥ P = ⎢⎢ a 22 ⎥
⎥
⎢⎣ a31 a32 a33 ⎥⎦ ⎢⎣ a33 ⎥⎦ ⎢⎣a31 ⎥⎦
OBS.: As matrizes estão aqui exemplificadas com apenas alguns elementos somente para destacar o
descrito. Lembre-se de que as matrizes devem conter todos os seus elementos, mesmo que
sejam nulos.
7 - Igualdade de Matrizes
Elementos de mesmo índice são correspondentes.
Exemplo.1. Determine, a, b, x, y, sabendo que:
⎛ x + y 2a + b ⎞ ⎛ 3 − 1⎞
⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝ 2 x − y a − b ⎠ ⎝ 0 7 ⎠
Exemplo.2. Determine os valores de “x”, “y” e “z” para que as igualdades sejam verdadeiras.
⎡ x − y z − 3⎤ ⎡− 2 − 8 ⎤ ⎡x 2 − 9x 3x ⎤ ⎡− 20 10 + x ⎤
a) ⎢ 2 ⎥
= ⎢ 21 ⎥ b) ⎢ ⎥ = ⎢
⎣ 2 x + 3 y z ⎦ ⎣ 25 ⎦ ⎣5 x − y 5 ⎦ ⎣− 9 5 ⎥⎦
8 - Matriz Oposta
A oposta de M é –M.
⎡ 2 7 31 ⎤
Exemplo. Qual é a matriz oposta de B = − 1 12 − 25⎥ ?
⎢
⎢ ⎥
⎢⎣ 3 15 − 18 ⎥⎦
9 - Matriz Transposta
t
( )
Seja a matriz A = ai, j
mxn
. A transposta de A é determinada por A = a j , i ( )
nxm
.
Exemplo. Obtenha as transpostas das matrizes:
2
⎡ 2 5 2 ⎤
⎛ 1 7 ⎞ ⎛ 2 4 − 6 ⎞ ⎢ ⎥
a) A = ⎜⎜ ⎟⎟ b) B = ⎜⎜ ⎟⎟ c) C = ⎢− 1 7 2 ⎥
5
⎝ 4 9 ⎠ ⎝ − 5 0 9 ⎠ ⎢ 3 − 9 0 ⎥
⎣ ⎦
( )t
c) At = A
( )
d) A . B t = Bt . At
10 - Matriz Simétrica
Toda matriz quadrada A de ordem n, tal que: At = A
⎡ 1 − 1 4⎤
⎛ 1 4 ⎞
Exemplo. As matrizes A = ⎜⎜ ⎟⎟ e B = ⎢− 1 5 2⎥ são simétricas pois,
⎢ ⎥
⎝ 4 9 ⎠ ⎢⎣ 4 2 7⎥⎦
11 - Matriz anti-simétrica
Toda matriz quadrada A de ordem n, tal que: At = − A
⎡ 0 1 − 3⎤ ⎡ 0 1 − 4⎤
⎢
Exemplo. As matrizes A = − 1 0 ⎥ ⎢
5 ⎥ e B = ⎢− 1 0 2 ⎥⎥ são anti-simétricas.
⎢
⎢⎣ 3 − 5 0 ⎥⎦ ⎢⎣ 4 − 2 0 ⎥⎦
12 - Matriz Identidade
Matriz identidade de ordem n (indica-se por I n ) à todos os elementos da diagonal principal são iguais
a 1 e os demais elementos são iguais a zero.
Exemplos.1.
a) I 2 = b) I 3 = c) I 4 = d) I 5 =
Exemplo.2.
⎡ 3 5⎤ ⎡1 0⎤
Calcule ⎢ ⎥.⎢ ⎥ .
⎣− 1 2⎦ ⎣0 1⎦
3
1.3 Adição de Matrizes
(só é possível se todas as matrizes a serem adicionadas forem do mesmo tipo mxn)
⎡5 0 2⎤ ⎡ 2 7 31 ⎤
⎡− 3 1 − 9⎤ ⎡8 5 2 ⎤
Exemplo. Sendo A = 0 1 3 , B = − 1 12 − 25⎥ , C = ⎢
⎢ ⎥ ⎢ e D = ⎢6 − 3 − 5⎥ ,
⎢ ⎥ ⎢ ⎥
⎣ 0 4 12 ⎥⎦ ⎣ ⎦
⎢⎣4 2 1⎥⎦ ⎢⎣ 3 15 − 18 ⎥⎦
calcule:
a) A + B
b) A + C
c) C + D
Subtração de Matrizes
A – B = A + (-B)
⎡5 0 2⎤ ⎡ 2 7 31 ⎤
Exemplo. Sendo A = 0 1 3 e B = − 1 12 − 25⎥ , calcule A – B.
⎢ ⎥ ⎢
⎢ ⎥ ⎢ ⎥
⎢⎣4 2 1⎥⎦ ⎢⎣ 3 15 − 18 ⎥⎦
( )
Exemplo. Sejam as matrizes A = ai j 2x2 ( )
, com ai j = 2i − j 2 e B = bi j 2x2 , com bi j = ai j + 1,
encontre a matriz X de modo que:
a) X − A + B = 0
b) − A − X = − B
4
1.5 Multiplicação de Matrizes
Dadas duas matrizes Am× n = [aij ] m × n e Bn× p = [b jk ] n × p , então: A ⋅ B = C = [cik ] m × p , ou seja,
Am x n . Bn x p = C m x p .
⎡ a a12 ⎤ ⎡b b b13 ⎤ ⎡ c c c13 ⎤
Se A = ⎢ 11 e B = ⎢ 11 12 ⎥ , então C = ⎢ 11 12 , onde:
⎥
⎣a21 a22 ⎦ ⎣b21 b22 b23 ⎦ ⎣c21 c22 c23 ⎥⎦
2
cik = ai1 ⋅ b1k + ai 2 ⋅ b2k = ∑ aij ⋅ b jk , isto é,
j =1
c11 = a11 ⋅ b11 + a12 ⋅ b21 c12 = a11 ⋅ b12 + a12 ⋅ b22 c13 = a11 ⋅ b13 + a12 ⋅ b23
c21 = a21 ⋅ b11 + a22 ⋅ b21 c22 = a21 ⋅ b12 + a22 ⋅ b22 c23 = a21 ⋅ b13 + a22 ⋅ b23
⎡− 4 0 3 − 1⎤
⎡ 1 3 − 1⎤
Exemplo.1. Se A = ⎢ ⎥ e B = 5 − 2 − 1 1 ⎥ , calcule C = A ⋅ B e D = B ⋅ A .
⎢
⎢ ⎥
⎣− 2 − 1 1 ⎦ ⎢⎣ − 1 2 0 6 ⎥⎦
Exemplo.2. Determine, se existirem, os produtos:
⎡1 2⎤ ⎡− 5 7 ⎤
a) ⎢ ⎥ .⎢ ⎥
⎣3 4⎦ 2 x 2 ⎣ 6 − 8⎦ 2 x 2
⎡1⎤ ⎡3⎤
f) ⎢ ⎥ .⎢ ⎥
⎣2⎦ 2 x1 ⎣4⎦ 2 x1
5
1.6 Propriedades da Multiplicação
a) Associativa (A x B) x C = A x (B x C)
b) Distributiva à direita em relação à adição A.(B + C) = A.B + A.C
c) Distributiva à esquerda em relação à adição (A + B).C = A.C + B.C
d) Elemento neutro A.I = A = I.A, sendo I a matriz identidade.
e) ( ) ( ) ( )
k. A . B = k . A .B = A. k . B , onde k é um escalar.
Observaçãoes:
1. Em geral, A . B ≠ B . A
2. Se A . B = 0 , não necessariamente, A = 0 ou B = 0
⎡ 2 1 ⎤
Exemplo. Seja A = ⎢ ⎥ . Calcule A2 .
⎣− 4 − 2⎦
6
1.7 Primeira Lista de Exercicios – Matrizes
1) Uma confecção vai fabricar 3 tipos de roupa utilizando materiais diferentes. Considerando a matriz
( )
A = ai j , em que ai j representa quantas unidades do material j serão empregados para fabricar
uma roupa do tipo i.
⎡5 0 2⎤
A = ⎢⎢0 1 3⎥⎥
⎢⎣4 2 1⎥⎦
a) Quantas unidades do material 3 serão empregadas na confecção de uma roupa do tipo 2?
b) Calcule o total de unidades do material 1 que será empregado para fabricar cinco roupas do tipo
1, quatro roupas do tipo 2 e duas roupas do tipo 3.
7
8) Um construtor tem contratos para construir 3 estilos de casa: moderno, mediterrâneo e colonial. A
quantidade de material empregada em cada tipo de casa é dada pela matriz:
Ferro Madeira Vidro Tinta Tijolo
Moderno 5 20 16 7 17
Mediterrâneo 7 18 12 9 21
Colonial 6 25 8 5 13
a) Se ele vai construir 5, 7 e 12 casas dos tipos moderno, mediterrâneo e colonial respectivamente,
quantas unidades de cada material serão empregadas?
b) Suponha agora que os preços por unidade de ferro, madeira, vidro, tinta e tijolo sejam,
respectivamente, $ 15, $ 8, $ 5, $ 1 e $ 10. Qual é o preço unitário de cada tipo de casa?
c) Qual foi o custo total de material empregado?
9) Uma construtora recebe encomendas para fazer arcabouços de três edifícios - escola, hospital e
teatro – em duas cidades. As quantidades, em unidades convenientes, de cada material utilizado
estão descritas nas matrizes a seguir:
Cidade A Ferro Cimento Madeira Areia Mão-de-
obra
Escola 15 51 25 42 63
Hospital 17 53 21 52 73
Teatro 18 57 27 33 85
10) Dadas as matrizes A = [aij ]2 x 2 tal que aij = i j e B = [bij ]2 x 2 tal que bij = j i , determine:
a) a11 + b11 b) a22.(b11 + b22 ) c) a21.b21
⎡1 − 2⎤
⎡1 2 − 3⎤ t
11) Dadas as matrizes A = ⎢ ⎥ e B = ⎢3 0 ⎥ , determine A + 2 B .
⎢ ⎥
⎣4 5 6 ⎦ ⎢⎣4 − 3⎥⎦
8
Gabarito
1) a) 3 b) 33
2) a = -5; b = 1; c = 5; x = 5; y = 4 e z = -3.
3) x = 4; y = 1 e z = 5.
⎡− 1 3⎤
4) At = ⎢ ⎥
⎣ 2 2⎦
⎛ 0 − 9 6 ⎞
⎛ 21 ⎞ ⎜ ⎟ ⎛ 7 21⎞
5) a) ⎜⎜ ⎟⎟ ; b) (17); c) não é possível; d) ⎜ 0 − 6 4 ⎟ ; e) ⎜⎜ ⎟⎟ ; f} não é possível.
⎝ −11⎠ ⎜ 0 − 3 2 ⎟ ⎝ − 23 2 ⎠
⎝ ⎠
⎡5⎤
6) X = ⎢ ⎥ . 7) 2 dias.
⎣4⎦
8) a) 8)b)
Ferro Madeira Vidro Tinta Tijolo Preço
Total 146 526 260 158 388 Unitário
Moderno 492
Mediterrâneo 528
Colonial 465
8) c) $ 11.736,00.
10) a) 2 b) 20 c) 2
⎡3 8 5⎤
11) ⎢ ⎥
⎣0 5 0⎦
9
2 DETERMINANTES
O determinante é um número real associado a toda matriz quadrada A=[aij] , segundo uma determinada
lei.
⎡2 3⎤ 2 3
A notação para o determinante da matriz A = ⎢ ⎥ será Det A ou
⎣0 5⎦ 0 5
Exemplos :
a) A = [−3] , Det A= -3
b) B = [5] , 5 =5
⎡a11 a12 ⎤
A = ⎢ ⎥ ⇒ Det A = a11a22 − a12a21
a a
⎣ 21 22 ⎦
Exemplos:
⎡2 1⎤
a) A = ⎢ , Det A= 6 – 5 = 1
⎣5 3⎥⎦
−3 −2
b) = 15 − ( −2) = 17
1 −5
10
Regra de Sarrus para Cálculo de Determinante de 3a. Ordem
P4 P5 P6 P1 P2 P3
Det A = P1 + P2 + P3 – P4 – P5 – P6
Exemplo :
⎡ 5 0 2⎤
a) A = ⎢−1 − 2 4 ⎥⎥
⎢
⎢⎣ 3 6 1 ⎥⎦
5 0 2 5 0
-1 -2 4 -1 -2
3 6 1 3 6
1 2 3
b) −5 0 6 = 170
4 −2 8
4 - Cofator
Seja A=[aij] uma matriz quadrada de ordem n ≥ 2 . Cofator de aij ∈ A é o produto de (-1) i + j pelo
determinante da matriz que se obtém de A, suprimindo a linha de ordem i e a coluna de ordem j .
Notação: cij
Exemplos:
⎡ 2 3⎤ 1+1 1+ 2
a) A = ⎢ ⎥ c11 = ( −1) . 5 = 5, c12 = (−1) . − 1 = 1 c21 = (−1)2 +1. 3 =− 3, c22 = (−1)2 + 2 . 2 = 2
⎣ − 1 5⎦
11
⎡ 1 3 4 ⎤
1 4
b) A = ⎢−2 0 5 ⎥ c32 = ( −1)3+ 2 . = −1.(5 + 8) = −13
⎢ ⎥ −2 5
⎢⎣ 7 6 8⎥⎦
5 - Determinante de Ordem n ≥ 2
Teorema de Laplace.
O determinante de uma matriz quadrada de ordem n ≥ 2 é a soma dos produtos dos elementos de uma
fila (linha ou coluna) pelos respectivos cofatores.
Nota : É mais prático considerar a fila que contém o maior número de zeros.
Exemplos :
⎡ 1 3 4 ⎤
a) A = ⎢−2 0 5⎥ Det A = 3 . C12 + 0 . C22 + 6 . C32
⎢ ⎥
⎢⎣ 7 6 8 ⎥⎦
−2 5
c12 = ( −1)1+2 . = −1.( −51) = 51 , c32 = −13 (exemplo anterior)
7 8
2 3 1 0
2 3 1
0 2 0 3 4+ 4
b) = 0. c41 + 0. c42 + 0. c43 + 6. c44 = 6.6 = 36 c44 = ( −1) . 0 2 0 = 16
. =6
5 −1 4 0
5 −1 4
0 0 0 6
1ª Propriedade
Se todos os elementos de uma linha ou coluna de uma matriz quadrada forem nulos, o seu
determinante é zero.
2ª Propriedade
Se 2 linhas ou 2 colunas de uma matriz quadrada forem iguais ou proporcionais, seu
determinante é nulo.
3ª Propriedade
Se uma linha ou uma coluna de uma matriz quadrada for combinação linear de outras linhas ou
colunas, seu determinante é nulo.
Exemplos:
12
3 5 1 1 3 2 2 4 4
a) 0 0 0 =0 b) 0 − 1 4 = 0 c ) −1 0 − 2 = 0
2 −1 7 1 3 2 3 5 6
L2 = 0 L1 = L3 C3 = 2.C1
4ª Propriedade
O determinante de uma matriz quadrada é igual ao determinante de sua transposta.
Exemplo :
⎡ 1 1 − 1⎤ ⎡ 1 − 1 1 ⎤
A = ⎢⎢−1 0 3⎥⎥ , det A = - 6 ; A = ⎢ 1 0 5⎥ , det A t = −6
t
⎢ ⎥
⎢⎣ 1 5 1 ⎥⎦ ⎢⎣−1 3 1 ⎥⎦
5ª Propriedade
Se multiplicarmos todos os elementos de uma linha ou de uma coluna por um número real k,
então o determinante da nova matriz é o produto de k pelo determinante da primeira matriz.
Exemplos :
1 1 −1 2 1 −1 3 3 −3
−1 0 3 = −6 ; − 2 0 3 = −12 ; −1 0 3 = −18
1 5 1 2 5 1 1 5 1
2 C1 3.L1
6ª Propriedade
Se trocarmos de posição entre si duas linhas ou duas colunas de uma matriz quadrada, o
determinante da nova matriz é o oposto do determinante da primeira matriz.
Exemplos:
1 1 −1 1 5 1 1 1 −1
−1 0 3 = −6 ; −1 0 3 =6 ; 0 −1 3 =6
1 5 1 1 1 −1 5 1 1
L13 C12
7ª Propriedade
Se A e B são matrizes quadradas de mesma ordem, então Det (A.B)= Det A.det B
8ª Propriedade
O determinante de uma matriz A triangular (superior ou inferior) é igual ao produto dos
elementos da diagonal principal .
Exemplos :
13
⎡ 3 0 0 0 0 ⎤
⎡1 3 4 ⎤ ⎢4 3 0 0 0 ⎥
⎢ ⎥ ⎢ ⎥
A = ⎢0 6 4 ⎥ ; Det A = 18 B = ⎢5 7 2 0 0 ⎥ ; Det B = - 36
⎢ ⎥
⎢2 8 6 1 0 ⎥
⎢⎣0 0 3⎥⎦
⎢⎣7 4 3 7 − 2 ⎥⎦
9ª Propriedade
Exercícios:
1. Calcule os determinantes:
−5 4 x y x− y −y
a) b) c)
7 −2 y x x x+ y
1 2 3 3 4 2 4 3 2
d) 5 9 4 e) 1 5 1 f) 4 2 3
0 8 7 2 3 4 2 1 0
1 2 3 4 1 0 −2 1 2 −1 0 0
2 0 0 5 −3 4 1 3 −1 0 1 1
g) h) i)
6 0 3 0 2 1 3 −1 2 4 3 2
1 0 0 −4 0 4 3 2 0 0 1 −1
2 3 −2 x x2 3
2x −2
a) 0 1 x =2 b) =2 1 0
−3 2
2 x −3 4 1 3
−2 3 5 2 0 4 −4 1 2
a) 1 0 − 2 b) −1 0 5 c) 2 0 −1
−4 6 10 3 0 6 −6 2 3
14
1 3 4 3
−2 5 4
0 −1 −1 −1
d) e) 0 1 −1
2 5 5 5
0 −1 1
1 0 0 0
a b 4c 4d
4.1. Sendo = k , calcule
c d −a −b
m n 2m 2p
4.2. Sendo = k , calcule
p q − 3n − 3q
x y 1 x y 1 x 1 y
4.3. Sendo a b 1 =d , calcular: a) c d 1 b) c 1 d
c d 1 a b 1 a 1 b
a b c 2a b c a 3b c
4.4. Sendo d e f = 5 , calcular: a) 2 d e f b) d 3e f
g h i 2g h i 2 g 6h 2i
2a 2b 2c 3b a c a b c a b c
c) 3d 3e 3 f d) 3e d f e) g h i f) d e f
−g − h − i 3h g i −d −e − f 2a + g 2b + h 2c + i
Respostas :
1. a) -18 b) x² - y² c) 2x² - y² d) 81
e) 29 f) 6 g) 78 h)12 i) 25
2. a) x = 2 ou x = 1 b) x = 0 ou x = -1/6
15
3 INVERSÃO DE MATRIZES
3.1 Introdução
No início desta secção, o aluno encontrará alguns exercícios que possibilitam revisar o cálculo de
determinantes, importante para a identificação de uma matriz inversível. O estudo de matriz inversa
tem várias aplicações na Álgebra Linear, como por exemplo, na mudança de base de um espaço
vetorial e resolução de equações matriciais.
4 −5 1 1 2 3−x 2x 0 0
2x 9 − sen x cos x
a) − 1 x 0 =0 b) = 2 3 1 c) 4 3 0 =
2 x cos x sen x
0 −1 x 3 1 2+x 1 5 3
3.2.1.1 Exemplo:
⎡2 3⎤
1 - Ache a inversa da matriz A = ⎢ ⎥
⎣1 4⎦
⎡ 4 3 ⎤
⎢ − ⎥
Logo A −1 = ⎢ 5 5
1 2 ⎥
⎢− ⎥
⎣ 5 5 ⎦
⎡a b ⎤ ⎡2 3⎤ ⎡1 0⎤
Obs: O mesmo resultado seria obtido fazendo: ⎢ ⎥ ⋅ ⎢ ⎥ = ⎢ ⎥
⎣ c d ⎦ ⎣1 4⎦ ⎣0 1⎦
Exemplo. Determine, se existir, a inversa de:
16
⎡2 1⎤ ⎡3 2⎤ ⎡ 2 − 5⎤ ⎡4 6⎤
a) ⎢ ⎥ b) ⎢ ⎥ c) ⎢ ⎥ d) ⎢ ⎥
⎣5 3⎦ ⎣5 4⎦ ⎣− 1 3 ⎦ ⎣2 3⎦
⎡ a b ⎤
Exercicio: Use a definição acima para calcular a inversa da matriz A = ⎢
⎣ c d ⎥⎦
Sugestão: Resolva os sistemas pela regra de Cramer.
DISPOSITIVO PRÁTICO
⎡a b ⎤ 1 ⎡ d − b ⎤
Se A = ⎢ ⎥ e det A ≠ 0 , então A −1 = ⎢− c
⎣c d ⎦ det A ⎣ a ⎥⎦
∃A −1 ⇔ det A ≠ 0
c) (αA) −1 = (1/α)A −1 , α ≠ 0
d) (AB) −1 = B −1 A −1
⎡2 5⎤ ⎡.... ....⎤ ⎡.... ....⎤ ⎡.... ....⎤ ⎡1 0⎤
A= ⎢ ⎥ L 12 ⎢.... ....⎥ L 2 - 2L 1 ⎢.... ....⎥ - L2 ⎢.... ....⎥ L 1 - 3L 2 ⎢0 1⎥
⎣1 3 ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦
Nota: Toda matriz inversível pode ser transformada, mediante um número finito de operações
elementares, na matriz I
17
⎡1 0⎤
Exercício Aplique a seqüência L 12 , L 2 - 2L 1 , - L 2 , L 1 - 3L 2 na matriz ⎢ ⎥ .
⎣0 1⎦
Exercício: Determine a matriz inversa, caso exista, de cada uma das matrizes dadas:
⎡0 2 1 0⎤
⎡ 0 1 0 ⎤ ⎢0 ⎡ 1 − 1 0 ⎤
⎡1 2⎤ 1 0 0 ⎥⎥
A = ⎢⎢ 1 4 − 1⎥⎥ , B = ⎢ ⎥ , C = ⎢ e D = ⎢⎢− 2 0 2⎥⎥
⎢⎣− 2 5 3⎥⎦ ⎣3 5⎦ ⎢1 0 3 0 ⎥
⎢⎣ 4 0 − 3 ⎥⎦
⎢ ⎥
⎣1 0 2 1 ⎦
18
1 0 3 1 3 8
d) 2 1 1 e) 2 4 9
0 4 −2 1 1 1
3) Resolva as equações:
x x+2 x x
a) =0 b) =0
5 7 5 x
GABARITO
⎛ − 1 1 ⎞
⎛ 1 − 3 ⎞ ⎜ 12 4 ⎟
1) a) ⎜⎜ ⎟⎟ b) não é inversível c) ⎜ ⎟
⎝ 2 − 7 ⎠ ⎜
⎜ 1 1 ⎟
⎟
⎝ 30 10 ⎠
2) a) 2 b) 0 c) 41 d) 18 e) 0
3) a) 5 { 5}
3) b) 0,
5) {− 1, 3}
⎧14 ⎫
4) 14 6) ⎨ ⎬
⎩ 3 ⎭
19
4 SISTEMAS DE EQUAÇÕES LINEARES
O estudo de sistemas de equações lineares é de fundamental importância na Álgebra Linear.
Resolvendo sistemas de equações lineares podemos determinar: a dependência ou independência
linear de vetores, o subespaço vetorial gerado por um conjunto de vetores, a matriz que representa
uma transformação linear em bases dadas e vetores próprios de um operador linear. No final dessa
secção, apresentaremos o método de Castilhos que pode ser utilizado na resolução de sistemas de
equações lineares.
20
Exemplo 2: Dada a equação 3 x − 2 y = 5 , determinar α para que a dupla (-1, α) seja solução da equação.
3.(− 1) − 2α = 5
x = −1
Resolução: (− 1, α ) ⇒ ⇒ − 3 − 2α = 5
y =α
− 2α = 8 ⇔ α = −4
Resposta: α = – 4
4.2 Sistemas lineares.
Denomina-se sistema linear de m equações nas n incógnitas x1 , x2 ,..., xn todo sistema da forma:
⎨ ... → a11 , a12 ,..., a1n , b'1 , b'2 ,..., b'n são números reais.
⎪...
⎪
⎩⎪a m1 x1 + a m 2 x 2 + ... + a mn x n = bn
Se o conjunto ordenado de números reais (α '1 , α '2 ,...,α 'n ) satisfizer a todas as equações do sistema, será
denominado solução do sistema linear.
Observações:
1ª) Se o termo independente de todas as equações do sistema for nulo, isto é, b1 = b' 2 = ... = b' n = 0 ,
o sistema linear será dito homogêneo. Veja o exemplo:
⎧2 x + y − z = 0
⎪
⎨ x + y + 4 z = 0
⎪5 x − 2 y + 3z = 0
⎩
Uma solução evidente do sistema linear homogêneo é x = y = z = 0.
Esta solução chama-se solução trivial do sistema homogêneo. Se o sistema homogêneo admitir
outra solução em que as incógnitas não são todas nulas, a solução será chamada solução não-
trivial.
2ª) Se dois sistemas lineares, S1 e S2, admitem a mesma solução, eles são ditos sistemas
equivalentes. Veja o exemplo:
⎧ x + 3 y = −5
S1 : ⎨ ⇒ S = {(1,−2)}
⎩2 x − y = 4
⎧ y
⎪⎪3x + 2 = 2
S 2 : ⎨ ⇒ S = {(1,−2)}
⎪ − x + y = −1
⎪⎩ 3
21
Como os sistemas admitem a mesma solução {(1, -2)}, S1 e S2 são equivalentes.
⎨...
⎪...
⎪
⎪⎩am1 x1 + am 2 x2 + ... + amn xn = bn
Utilizando matrizes, podemos representar este sistema da seguinte forma:
⎡ a11 a12 ... a1n ⎤ ⎡ x1 ⎤ ⎡ b1 ⎤
⎢ a a 22 ... a 2 n ⎥⎥ ⎢ x ⎥ ⎢b ⎥
⎢ 21 ⎢ 2 ⎥ ⎢ 2 ⎥
⎢ ... ... ... ... ⎥ . ⎢ ... ⎥ = ⎢ ... ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ... ... ... ... ⎥ ⎢ ... ⎥ ⎢ ... ⎥
⎢⎣a m1 am2 ... a mn ⎥⎦ ⎢⎣ x n ⎥⎦ ⎢⎣bn ⎥⎦
↑ ↑ ↑
Matriz A constituída Matriz X coluna Matriz B coluna
pelos coeficientes constituída pelas constituída pelos
das incógnitas incógnitas termos independentes
Observe que se você efetuar a multiplicação das matrizes indicadas irá obter o sistema dado.
Se a matriz constituída pelos coeficientes das incógnitas for quadrada, o seu determinante é dito
determinante do sistema.
Exemplo3:
⎧2 x1 + 5 x 2 − x3 = 0
⎪
Seja o sistema: ⎨4 x1 − 3x 2 + 6 x3 = −1.
⎪7 x + x − 2 x = 8
⎩ 1 2 3
22
onde:
⎡2 5 − 1⎤ ⎡ x1 ⎤ ⎡ 0 ⎤
A = ⎢4 − 3 6 ⎥; X = x 2 e B = ⎢− 1⎥
⎢ ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣7 1 − 2⎥⎦ ⎢⎣ x3 ⎥⎦ ⎢⎣ 8 ⎥⎦
23
iii) a = 0 e b ≠ 0 ⇒ 0.x = b. Não existe solução para esta equação.
⎧2 x + y = 5
Exemplo 1: ⎨
⎩ x − 3 y = 6
O conjunto de pontos (x,y) ∈ RxR que satisfaz cada equação deste sistema representa uma reta no
plano.
⎧ y = 5 − 2 x
⎪
⎨ −6+ x
⎪⎩ y = 3
5
Deste modo, temos uma única solução. y = (– 6 + x)/3
2,5
⎡2 1 5⎤ 6
A matriz ampliada do sistema é ⎢ ⎥ –2
⎣1 − 3 6⎦ y = 5 – 2x
Transformando-a em matriz linha reduzida a forma
escada:
⎡1 − 3 6 ⎤ ⎡1 0 3 ⎤
L2/7à L2 -à ⎢
0 1 − 1⎥ 3L2 + L1 à L1 à ⎢0 1 −1⎥ à x = 3 y = –1
⎣ ⎦ ⎣ ⎦
O conjunto de soluções deste sistema será dado atribuindo-se valores arbitrários para uma das
incógnitas (no caso y) e tomando a outra (x) em função da primeira.
5 1
x= – y
2 2
24
Assim, para y = λ, temos:
⎧ 5 1
⎪ x = − λ
⎨ 2 2
⎪⎩ y = λ
Atribuindo diversos valores para λ obtemos várias soluções para o sistema. Por exemplo:
⎧ 5
⎪ x = ⎧ x = 2
λ = 0 à ⎨ 2 λ = 1 ⎨ , etc.
⎪⎩ y = 0 ⎩ y = 1
Obs.: posto da matriz dos coeficientes = posto da matriz amplificada = 1
Nulidade da matriz dos coeficientes = 2 – 1 = 1
Grau de liberdade do sistema = 1: o sistema apresenta uma variável livre.
⎧2 x + y = 5
Exemplo 3: ⎨ à retas paralelas
⎩6 x + 3 y = 10 y
⎧ y = 5 − 2 x
⎪
⎨ 10
⎪⎩ y = 3 − 2 x
x
Portanto, não possuem nenhum ponto em comum.
Logo, o sistema não tem solução.
25
CASO GERAL
⎧2 x + y = 5
i) Solução única (possível e determinado) Ex: ⎨ Solução = {(3, –1)}
⎩ x − 3 y = 6
ii) Infinitas soluções (possível e indeterminado)
⎧ 5 1
⎧2 x + y = 5 ⎪ x = − λ
Ex: ⎨ Solução = ⎨ 2 2 , λ ∈ R.
⎩6 x + 3 y = 15 ⎪⎩ y = λ
iii) Nenhuma solução (impossível ou incompatível)
⎧2 x + y = 5
Ex: ⎨ a segunda equação será do tipo: 0x + 0y = c
⎩6 x + 3 y = 10
Observação: Lembramos que: dado um sistema como na definição acima, temos duas matrizes a ele
associado:
⎡ a11 a12 ... a1n ⎤ ⎡ a11 a12 ... a1n b1 ⎤
⎢ a a 22 ... a 2 n ⎥⎥ ⎢ a a22 ... a2 n b2 ⎥⎥
21 21
C = ⎢ A = ⎢
⎢ ... ... ... ... ⎥ ⎢ ... ... ... ... ... ⎥
⎢ ⎥ ⎢ ⎥
⎣a m1 am 2 ... a mn ⎦ ⎣am1 am 2 ... amn bn ⎦
Matriz dos Coeficientes Matriz Ampliada
Teorema:
i) Um sistema de m equações e n incógnitas admite solução se, e somente se o posto da matriz
ampliada é igual ao posto da matriz dos coeficientes;
ii) Se as duas matrizes têm o mesmo posto p e p = n, a solução será única;
iii) Se as duas matrizes têm o mesmo posto p e p < n, podemos escolher n – p incógnitas, e as outras p
incógnitas serão dadas em função destas. Neste caso, dizemos que o grau de liberdade do sistema é
(n – p).
Em cada exemplo, é dada a matriz-linha reduzida a forma escada da matriz ampliada. Usamos a
notação
pc = posto da matriz dos coeficientes e
pa = posto da matriz ampliada. Se pc = pa denotamos simplesmente por p.
26
Exemplos:
⎧ x − 2 y + z = 5
⎪
1) ⎨2 x + y − 3z = −35 S = {(− 10, − 6, 3)}
⎪ − x − y + 4 z = 28
⎩
⎧ x − 2 y + z = 12
⎪
2) ⎨ y − 2 z = −10 S = {(1, − 4, 3)}
⎪ 3z = 9
⎩
⎧ x + 4 y + z = 28
3) ⎨ S = {(− 32 + 3α , 15 − α , α ) / α ∈ ℜ}
⎩ y + z = 15
⎧ x + y + z + w = 4 ⎧⎛ 3 − α − β 5 − α − β ⎞ ⎫
4) ⎨ S = ⎨⎜ , , α β ⎟ / α , β ∈ ℜ⎬
⎩ 2y + z + w = 5 ⎩⎝ 2 2 ⎠ ⎭
⎧ x + y + z = 15
⎪ ⎧⎛ 35 10 ⎞ ⎫
5) ⎨ 2 x − y − z = 20 S = ⎨⎜ , , − α , α ⎟ / α ∈ ℜ⎬
⎪3x − 3 y − 3z = 25 ⎩⎝ 3 3 ⎠ ⎭
⎩
⎧ x + y + z = −3
⎪
6) ⎨ − x + y + 3z = 9 S = {(− 7, 5, − 1)}
⎪3x + y − 2 z = −14
⎩
⎧ x − 2 y − z = 10
⎪
7) ⎨− 3x + y − z = −5 S =φ
⎪ − x − 3 y − 3z = 9
⎩
27
⎡ a11 a12 ... a1n ⎤
⎢ a a 22 ... a 2 n ⎥⎥
⎢ 21
⎢ ... ⎥
A = ⎢ ⎥
⎢ ... ⎥
⎢ ... ⎥
⎢ ⎥
⎣⎢a m1 am2 ... a mn ⎦⎥
Vamos determinar agora a matriz Ax1, que se obtém a partir da matriz A, substituindo-se a coluna dos
coeficientes de x1 pela coluna dos termos independentes.
⎡ b1 a12 ... a1n ⎤
⎢b a 22 ... a 2 n ⎥
⎢ 2 ⎥
⎢ ... ⎥ det Ax1
Ax1 = ⎢ ⎥ Pela regra de Cramer, temos : x1 =
⎢ ... ⎥ det A
⎢ ... ⎥
⎢ ⎥
⎣bn am 2 ... a mn ⎦
De maneira análoga podemos determinar os valores das demais incógnitas:
⎡ a11 b1 ... a1n ⎤ ⎡ a11 a12 ... b1 ⎤
⎢ a ... a2 n ⎥⎥ ⎢ a ... b2 ⎥⎥
⎢ 21 b2 ⎢ 21 a22
⎢ ... ⎥ det Ax2 ⎢ ... ⎥ det Axn
Ax 2 = ⎢ ⎥ ⇔ x 2 = Axn = ⎢ ⎥ ⇔ x n =
⎢ ... ⎥ det A ⎢ ... ⎥ det A
⎢ ... ⎥ ⎢ ... ⎥
⎢ ⎥ ⎢ ⎥
⎣⎢am1 bn ... amn ⎦⎥ ⎣⎢am1 am 2 ... bn ⎦⎥
Generalizando, num sistema linear o valor da incógnita x1 é dado pela expressão:
⎧A é a matriz incompleta do sistema.
det Ai ⎪A é a matriz obtida de A substituindo - se
xi = ⎪
→ ⎨ i
det A ⎪ as colunas dos coeficientes de x i
⎪⎩ pela coluna dos termos independentes.
28
Assim, temos as soluções:
⎧ x + y = 5
Exemplo 5: Resolver o sistema ⎨ .
⎩− x − y = 2
⎡ 1 1 ⎤ ⎡5 1 ⎤
A = ⎢ ⎥ ⇒ det A = 0 Ax = ⎢ ⎥ ⇒ det Ax = −7
⎣− 1 − 1⎦ ⎣2 − 1⎦
⎡ 1 5⎤ det Ax − 7 det Ay 7
Ay = ⎢ ⎥ ⇒ det Ay = 7 x = = impossível y= = impossível
⎣− 1 2⎦ det A 0 det A 0
Resposta: S = φ
⎧ x1 + 2 x2 − x3 = 0
⎪
Exemplo 6: Resolver o sistema ⎨3x1 − 4 x2 + 5 x3 = 10 .
⎪ x + x + x = 1
⎩ 1 2 3
⎡1 0 − 1⎤
A2 = ⎢⎢3 10 5 ⎥⎥ ⇒ det A2 = 10 + 0 − 3 + 10 − 5 + 0 = 12
⎢⎣1 1 1 ⎥⎦
29
⎡1 2 0 ⎤
A3 = ⎢⎢3 − 4 10 ⎥⎥ ⇒ det A3 = −4 + 20 + 0 + 0 − 10 − 6 = 0
⎢⎣1 1 1 ⎥⎦
3º) Cálculo das incógnitas.
det A1 − 24 det A2 12 det A3 0
x1 = = =2 x2 = = = −1 x3 = = =0
det A − 12 det A − 12 det A − 12
Resposta: S = {(2, − 1, 0)} Sistema Possível e Determinado.
Considerando um sistemas genérico m x n, dizemos que ele é triangular ou esta na forma escalonada
quando os coeficientes aij, com i > j , são todos nulos. Ou seja a matriz estendida está na forma
triangular.
Exemplo 11:
⎧ x − 2 y + 5 z = 7
⎪ ⎧3x + 2 y + 7 z = 11 ⎧ x + 2 y + z + t = 9
a) ⎨ 3 y + 2 z = 1 b) ⎨ c) ⎨
⎪ ⎩ 4 y + 5 z = −4 ⎩ 4 z + 5t = 10
⎩ 4z = 8
Classificação e resolução de sistemas lineares escalonados.
Exemplo 12:
30
⎧3x − 2 y + z = −6
⎪
⎨ 4 y − 2 z = 0
⎪ 5 z = 10
⎩
Sistema 3 x 3 já escalonado (número de equações = número de incógnitas)
Da 3ª equação tiramos z = 2
Da 2ª equação, fazendo z = 2, tiramos y = 1
Fazendo y =1 e z = 2 na 1ª equação tiramos x = -2
Podemos concluir que o sistema é possível e determinado, com S={(-2,1,2)}.
Exemplo 13:
⎧9 x − 2 y + 3z − w = 1
⎪ y − 2 z + 4w = 6
⎪
⎨ Sistema 4 x 4 na forma triangular ou escalonado.
⎪ 5 z + 2w = 3
⎪⎩ 0w = 9
A 4ª equação permite dizer que o sistema é impossível, logo S = ∅ .
Exemplo 14:
⎧ x + y + z = 0
⎨
⎩ 3 y − 6 z = 0
Sistema 2 x 3 já escalonado (número de equações menor que o número de incógnitas)
Quando um sistema escalonado tem mais incógnitas que equações e pelo menos um coeficiente não
nulo em cada equação, ele é possível e indeterminado. A variável que não aparece no começo das
equações é chamada variável livre. Nesse exemplo z é a variável livre. Fazemos z = k, com k ∈ R, para
descobrir a solução geral do sistema.
Da 2ª equação, temos 3 y − 6 z = 0 ⇒ y = 2k .
Usando z = k e y = 2k, temos x + 2k + k = 0 ⇒ x = −3k .
Portanto, o sistema é possível e indeterminado e sua solução geral é (-3k, 2k, k).
Exemplo 15:
⎧2 x − y + z − t = 2
⎨
⎩ 2 z + 3t = 1
Aqui o sistema é possível e indeterminado (está escalonado e tem 2 equações e 4
incógnitas) e duas são variáveis livres (y e t).
Fazemos y = α e t = β,com α ∈ R e β ∈ R .
Substituindo nas equações:
31
1 − 3β
2 z + 3β = 1 ⇒ 2 z = 1 − 3β ⇒ z =
2
1 − 3β
2x − α + − β = 2 ⇒ 4 x = 2α − 1 + 3β + 2β + 4 ⇒
2
2α + 5β + 3
⇒ 4 x = 2α + 5β + 3 ⇒ x =
4
⎛ 2α + 5β + 3 1 − 3β ⎞
Solução geral: ⎜ ,α , , β ⎟
⎝ 4 2 ⎠
Exercícios:
Classifique e resolva os sistemas lineares escalonados:
⎧2 x − y + 3z = 0
⎪ ⎧3x − 2 y + z = 2 ⎧a + 2b − c + d = 2
a) ⎨ 2 y − z = 1 b) ⎨ c) ⎨
⎪ ⎩ y−z =0 ⎩ c−d =0
⎩ 2 z = −6
Para escalonar um sistema linear pode utilizar as transformações elementares sobre as linhas do
sistema.
Transformações Elementares
1º Trocar a posição de duas equações do sistema.
Exemplo 16:
⎧3x − 2 y = 6 ⎧ x + 4 y = 1
⎨ ⇒ ⎨
⎩ x + 4 y = 1 ⎩3x − 2 y = 6
2º Multiplicar todos os termos de uma equação por um número real diferente de zero:
Exemplo 17: 3x − y + z = 5 ⇒ 6 x − 2 y + 2 z = 10
3º Adicionar duas equações do sistema.
Exemplo 18:
⎧ x − 2 y + 4 z = 7 ⋅ (− 3) ⎧ x − 2 y + 4 z = 7
⎨ ⇒ ⎨
⎩3x − 5 y + 9 z = 25 ↵ + ⎩ y − 3z = 4
Exemplo 19:
32
⎧ x + 2 y + z = 7 ⋅ (− 2 ) ⋅3 ⎧ x + 2 y + z = 7 ⎧ x + 2 y + z = 7
⎪ ⎪ ⎪
⎨2 x + 7 y + z = 21 ↵ + ↓ ⇒ ⎨ 3 y − z = 7 ⇒ ⎨ y + 5 z = 13 ⋅ (− 3)
⎪− 3 x − 5 y + 2 z = −8 ↵ + ⎪⎩ y + 5 z = 13 ⎪⎩ 3y − z = 7 ↵+
⎩
⎧ x + 2 y + z = 7
⎪
⎨ y + 5 z = 13
⎪ − 16 z = −32
⎩
O sistema obtido está escalonado e é equivalente ao sistema dado. Podemos agora resolver:
32
z= =2
16
y + 5 ⋅ 2 = 13 ⇒ y = 3
x + 2 ⋅ 3 + 2 = 7 ⇒ x = −1
Sistema possível e determinado, com S = {(-1,3,2)}
Exemplo 20:
⎧ x + 2 y − z = 3 ⋅ (− 3) ⋅ (− 2)
⎧ x + 2 y − z = 3
⎪ ⎪
⎨3x − y + z = 1 ↵+ ↓ ⇒ ⎨ − 7 y + 4 z = −8 ⇒
⎪2 x + 4 y − 2 z = 6 ⎪
⎩ ↵+ ⎩0 x + 0 y + 0 z = 0 ( e lim inar )
⎧ x + 2 y − z = 3
⎨
⎩ − 7 y + 4 z = −8
Sistema possível e indeterminado (escalonado e 2 x 3). Variável livre: z.
z = α ⇒ −7 y + 4α = −8 ⇒
⎛ 8 + 4α ⎞ 5−α
8 + 4α x + 2 ⋅ ⎜ ⎟ − α = 3 ⇒ x =
y= ⎝ 7 ⎠ 7
7
⎛ 5 − α 8 + 4α ⎞
Solução geral: ⎜ , ,α ⎟
⎝ 7 7 ⎠
Nota: Se no processo de escalonamento obtivermos uma equação com todos os coeficientes nulos e
o termo independente diferente de zero, esta equação é suficiente para afirmar que o
sistema é impossível., isto é, S = ∅ .
33
4.8 Método de Eliminação de Gauss
de Gauss.
Solução:
34
4.9 Exercícios sobre Sistemas de Equações Lineares
1. Dada a equação linear 2 x − y = 7 , verifique se os pares abaixo são soluções:
a) (2, -3) b) (2, 7) c) (5, 3)
7. (FUVEST) João diz a Pedro: se você me der 1/5 do dinheiro que possui eu ficarei com uma quantia
igual ao dobro do que lhe restará. Por outro lado, se eu lhe der R$ 6.000,00 do meu dinheiro nós
ficaremos com quantias iguais. Quanto dinheiro possui cada um?
9. O sistema abaixo é escalonado. Para que valores de m o sistema admite somente a solução nula ou
trivial?
⎧ x − 3 y = 0
⎨
⎩(m + 1)y = 0
⎧ x − 2 y = 0
10. Seja o sistema ⎨ . Escalone-o e determine m para que o sistema admita:
⎩2 x + my = 0
a) solução nula:
b) soluções não-nulas.
35
11. Resolva os sistemas pelo método que achar mais conveniente.
⎧3x − y + z = 1 ⎧ x + y + z = 1
⎧ x + 4 y = 0 ⎧2 x − y = 2 ⎧5 x − 4 y = 6 ⎪ ⎪
a) ⎨ b) ⎨ c) ⎨ d) ⎨2 x + 3z = −1 e) ⎨ x + y − z = −1
⎩3x + 2 y = 5 ⎩− x + 3 y = −3 ⎩− x + y = −1 ⎪4 x + y − 2 z = 7 ⎪2 x + 3 y + 2 z = 0
⎩ ⎩
12. Discuta, em função de m, os seguintes sistemas:
⎧ x + y = 3 ⎧2 x + my = m ⎧ x + 2 y = mx ⎧mx − y = 1
a) ⎨ b) ⎨ c) ⎨ d) ⎨
⎩2 x + my = 6 ⎩6 x − 3 y = 2 ⎩my − 2 x = y ⎩(m − 1)x + 2my = 4
⎧mx + y = 2 ⎧mx + y − z = 4 ⎧mx + y = −2
⎪ ⎪ ⎪
e) ⎨ x − y = m f) ⎨ x + my + z = 0 g) ⎨− 2 x + y − z = m
⎪ x + y = 2 ⎪ x − y = 2 ⎪4 x + y + mz = −5
⎩ ⎩ ⎩
13. Nos exercícios abaixo encontre condições para as constantes a, b, c e d, de forma que estes sistemas
sejam consistentes.
⎧ x − y + 3 z + 2 w = a
⎧ x − 2 y + 5 z = a ⎪− 2 x + y + 5 z + w = b
⎧6 x − 4 y = a ⎪ ⎪
a) ⎨ b) ⎨4 x − 5 y + 8 z = b c) ⎨
⎩3x − 2 y = b ⎪− 3x + 3 y − 3z = c ⎪− 3 x + 2 y + 2 z − w = c
⎩ ⎪⎩4 x − 3 y + z + 3w = d
14. Em cada item abaixo determine se o sistema homogêneo tem uma solução não trivial.
⎧2 x + y − 3z + w = 0 ⎧5 x + y + 4 z + w = 0
⎪5 y + 4 z + 3w = 0 ⎪2 z − w = 0
⎪ ⎪
a) ⎨ b) ⎨
⎪ z + 2w = 0 ⎪ z + w = 0
⎪⎩3w = 0 ⎪⎩7 w = 0
15) Um comerciante compra no exterior vidros de vitaminas de dois tipos. Cada vidro do tipo I custa
10 dólares e, do tipo II, 15 dólares. Se ele fez uma compra de 35 vidros, gastando 400 dólares, quantos
vidros de cada tipo comprou?
Gabarito
1) a) O par (2, –3) é solução b) O par (2, 7) não é solução c) O par (5, 3) é solução
2) a) a tripla (-1, 3, -1) é solução b) (0, -4, -1) não é solução. c) (1, 1, 1) não é solução
3) (m = –15/19)
4) Como a terna (1, 1, 1) é solução para todas as equações, a terna é solução do sistema.
36
3α 3α
a) S = {(0, 0)}; b) S = {(4α, -3α, α), com α ∈ R}; c) S = {(0, 0, 0)}; d) S = {( , , α), com α ∈ R}
2 2
1 7 2 13 19
e) S = {(1 + α, α, − , - 1), com α ∈ R}; f) S = Ø; g) S = {( − , ,− , )}; h) S = Ø
6 6 3 6 24
10) a) m ≠ - 4; b) o sistema admite solução não nula quando m = - 4. Nesse caso o sistema será possível
e indeterminado (SPI)
3 4
11) a) {(2, -1/2)} b) S = {( , − )} c) S = {(2, – 11)} d) S = {(1, 1, –1)} e) S = {(2, –2, 1)}
5 5
37
5 VETORES
5.1 Introdução
Existem grandezas, chamadas escalares, que são caracterizadas por um número (unidade): 50M2 de
área, 4m de comprimento, 7Kg de massa. Outras, no entanto, requerem mais que isso. Por exemplo,
para caracterizarmos uma força ou uma velocidade, precisamos dar a direção, a intensidade (ou
módulo) e o sentido:
F
5
3
4
60º 4
38
Tais grandezas são chamadas vetoriais. Nos exemplos acima as flechas nos dão ideia exata das
grandezas mencionadas.
Vetores são seguimentos de reta orientados que têm uma direção um sentido e um comprimento.
possui:
Definição 1: Um segmento orientado é um par ordenado (A,B) de pontos do espaço. A é dito origem,
B extremidade do segmento orientado. Os segmentos orientados da forma (A,A) são
ditos nulos. Observe que se A ≠ B, (A,B) é diferente de (B, A).
Definição 2 : Comprimento
Dizemos que os segmentos orientados (A,B) e (C,D) têm o mesmo comprimento se os
segmentos geométricos AB e CD têm o mesmo comprimento. Podemos dizer ainda que,
fixada uma unidade de comprimento, a cada segmento podemos fixar um número real
(positivo ou nulo),que é a sua medida em relação àquela unidade.
NOTAÇÃO : AB à comprimento do segmento AB.
39
Direção:
Dados dois segmentos orientados não nulos AB e CD, dizemos que eles têm a mesma
direção se AB e CD são paralelas ou coincidentes
Sentido:
Se os segmentos orientados AB e CD têm o mesmo sentido caso os segmentos AC e BD
tenham interseção vazia. Caso AB ∩ CD ≠ ø, dizemos que AB e CD têm o mesmo sentido.
40
B D C
B
A C A D
Só podemos comparar os sentidos de dois segmentos orientados se eles têm a mesma direção, ou seja,
forem paralelos. Dois segmentos opostos têm sentidos contrários.
41
5.2 Operação com Vetores
42
43
A
..........
44
......
45
46
47
48
49
5.3 Vetores no Rn
considerar uma
quádrupla
50
5.4 Operação com Vetores no Rn
51
52
53
colineares
54
55
56
57
GABARITO
1. a) 7 b) 2 c) 1 d) 1 e) 6 f) 5
2. d
3. a) AH b) BE c) CA d) AF e) CF f) AF
4. módulo: 300 m sentido: para a esquerda direção: leste-oeste.
5. F1 = 40kgf e F2 = 30kgf ou F1 = 30kgf e F2 = 40kgf .
6. AG = BH
58
5.5 Produto Interno
59
Distancia entre dois vetores
60
5.6 Decomposição de Vetores
61
5.7 Produto Vetorial
62
paralelogramo
63
64
65
66
67
6 ESPAÇOS VETORIAIS
Definição: Seja V um conjunto não vazio de objetos, chamados vetores, no espaço K (K = R ou
K = C). Dizemos que V é um espaço vetorial sobre R se, e somente se, existe uma ‘adição’
entre os elementos de V e uma ‘multiplicação’ entre os elementos de K e os elementos de V.
Então V é chamado de espaço vetorial sobre K (e os elementos de V são chamados
vetores), se:
1. (x + y) ∈ V, ∀ x, y ∈ V.
2. ∀ α ∈ K, ∀ x ∈ v ⇒ (αx ) ∈ V.
3. ∀ x, y, z ∈ V ⇒ (x + y ) + z = x + (y + z ).
4. ∀ x, y ∈ V ⇒ x + y = y + x.
5. .∃ 0 ∈ V / x + 0 = x, ∀ x ∈ V.
6. ∀ x ∈ V ⇒ ∃ (− x ) ∈ V / x + (− x ) = 0.
7. ∀α ∈ K, ∀ x, y ∈ V ⇒ α(x + y ) = αx + αy.
8. ∀ α, β ∈ K, ∀ x ∈ V ⇒ (α + β)x = αx + βx.
9. ∀ α, β ∈ K, ∀ x ∈ V ⇒ (α ⋅ β)x = α(β ⋅ x ).
10. 1 ⋅ x = x, ∀ x ∈ V.
Exemplo: V = Rn, K = R
x, y ∈ R n
n
⎧ x = ( x1 , x2 ,..., xn ) ⎪⎧ x + y = ( x1 + y1 , x2 + y 2 ,..., xn + y n ) ∈ R
α ∈K ⇔ ⎨ ⇒ ⎨
⎩ y = ( y1 , y 2 ,..., y n ) ⎪⎩α ⋅ x = (αx1 , αx2 ,..., αxn ) ∈ R
n
Propriedades imediatas:
∀ α ∈ K ⇒ α⋅0 = 0
∀ x ∈ V⇒0 ⋅ x=0
⎧(−α) x = −(αx ) = α(− x )
∀ α ∈ K, ∀ x ∈ V ⇒ ⎨
⎩(- α )(− x ) = αx
∀ α ∈ K, ∀ x ∈ V, α ⋅ x = 0 ⇒ α = 0 ou x = 0
Exemplos:
⎧⎡ x ⎤ ⎫
1) Seja V o primeiro quadrante do plano xy , isto é, seja V = ⎨⎢ ⎥ : x ≥ 0, y ≥ 0⎬ .
⎩⎣ y ⎦ ⎭
a) Se u e v estão em V , será que u + v está em V ?
b) Determine um certo vetor v , em V , e um certo escalar c tal que cv não pertença a V . (Isto é
suficiente para mostrar que V não é um espaço vetorial.)
2) Verifique se R2 é um espaço vetorial.
68
3) Verifique se R3 é um espaço vetorial.
4) Verificar se são espaços vetoriais do R3:
a) V= {(x, y, z) ∈ R3 / x = 0}. b) V = {(x, y, z) ∈ R3 / x + y = 0 e z = -2}.
Genericamente podemos dizer que um subespaço é um subconjunto de um espaço vetorial desde que
seja ele mesmo um espaço vetorial em relação às mesmas operações em V.
Exemplo 1: Todo espaço vetorial tem pelo menos dois subespaços, ele mesmo e o subespaço {0} que
tem como único elemento o vetor nulo.
Observe que: 0 + 0 = 0 e k . 0 = 0 em qualquer espaço vetorial. O subespaço {0} é
chamado subespaço nulo.
Exemplo 2: Seja W o subconjunto de R3 formado por todos os vetores da forma (a, b, 0), onde a e b
são números reais quaisquer. Para verificar se W é um subespaço de R3, devemos verificar
as propriedades.
Desta forma, sejam u = (m, n, 0) e v = (p, q, 0) vetores em W. Temos que u + v = (m+p,
n+q, 0) que também pertence a W. Consideremos agora r um escalar qualquer e o vetor u,
então ru = (rm, rn, 0) que também pertence a W.
Logo as propriedades de espaço vetorial estão satisfeitas e, portanto W é um subespaço de
R3.
Exemplos:
69
5) Seja V = R2 e K = R. Verifique se W = {(a, b) ∈ R2 / a + b = 0} é subespaço de V.
Definição: Seja V um espaço vetorial sobre um corpo K. Dizemos que o vetor y ∈ V é combinação
linear dos vetores x1, x2, ..., xn de V se, e somente se, existem escalares α1 , α 2 ,..., α n
tais que y = α1 x1 + α 2 x 2 + ... + α n x n .
Exemplos
( ) (
1) Escreva, se possível, z como combinação linear de u e v em R3 onde z = 1, 2, 3 , u = − 2, 1, 4 )
(
e v = 1, 7, 13 .)
2) Escreva, se possível, v = 1 − 2t + 3t 2 como combinação linear de x = 1 + 2t , y = t − t 2 e
z = 1 + 3t + t 2 em P (R).
2
O primeiro fato importante a destacar sobre combinações lineares é que elas são resultados das
operações com vetores, definidas no espaço vetorial: adição e multiplicação por um escalar.
Definição. Sejam v1, v2, ..., vn, vetores de um espaço vetorial V. Diz-se que o conjunto {v1, v2, ..., vn} é
linearmente independente (LI), ou que os vetores v1, v2, ..., vn são LI., se a equação
a1v1 + a2v2 + ... + anvn = 0; implica que a1 = a2 = ... = an = 0.
No caso em que a igualdade se verifique para algum ai ≠ 0 diz-se que {v1, v2, ..., vn} é linearmente
dependente (LD), ou que os vetores v1, v2, ..., vn são LD.
Propriedades:
2. Um conjunto de vetores {v1, v2, ..., vn} é LD, se e somente se, um destes vetores for uma
combinação linear dos outros.
70
Decorre dessa propriedade o que segue:
b) Três vetores em R3 são LD se e somente se são coplanares. Então, para verificar a dependência ou
independência linear de 3 vetores em R3 podemos calcular o produto misto.
Também podemos pensar da seguinte forma: u e v são colineares (pois são múltiplos). Então, não
importa como seja definido w, pela propriedade 2 sendo um dos vetores combinação linear dos outros,
no caso, u = – 1v + 0w, temos que o conjunto {u, v, w} é LD.
Nota. Não é necessário realizar operações elementares sobres as linhas de K até chegar (ou tentar
chegar) na matriz identidade pois isto é válido somente para matrizes quadradas. As operações
podem ser suspensas quando for possível garantir que nenhuma linha se anula ou que mais
nenhuma se anula.
Exemplo. Quatro vetores em R3 são LD. Tomemos u = (2, – 3, 4), v = (4, 7, – 6), w = (18, – 11, 4) e
t = (2, – 7, 3). A equação a.u + b.v + c.w + d.t = 0 origina o sistema
71
Exemplos:
1) Quais os subconjuntos abaixo do R3 são LI?
a) {(1, 0, 0), (0, 1, 0), (0, 0, 1), (2, 3, 5)}.
b) {(1, 1, 1), (1, 0, 1), (1, 0, -2)}.
c) {(0, 0, 0), (1, 2, 3), (4, 1, -2)}.
d) {(1, 1, 1), (1, 2, 1), (3, 2, -1)}.
2) Determinar o valor de k para que o conjunto {(1, 0, -1), (1, 1, 0), (k, 1, -1)} seja LI. Resp. k ≠ 2
b) {(1, -1, 0, 0), (0, 1, 0, 0), (0, 0, 1, -1), (1, 2, 1, -2)} ⊂ R4. Resp. LI
c) {(1, 1, 2, 4), (1, -1, -4, 2), (0, -1, -3, 1), (2, 1, 1, 5)} ⊂ R4. Resp. LD
⎡− 1 2 1⎤ ⎡ 0 −1 2⎤ ⎡− 1 0 5⎤
d) A = ⎢ ⎥ , B = ⎢ ⎥ e C = ⎢ ⊂
⎣ 3 −2 4⎦ ⎣− 2 1 0⎦ ⎣− 1 0 3⎥⎦
M(2, 3). Resp. LI
4) Verificar quais dos seguintes conjuntos de vetores do espaço vetorial R3, são LI:
a) {(1, 1, 0), (1, 4, 5), (3, 6, 5)}.
b) {(1, 2, 3), (1, 4, 9), (1, 8, 27)}.
c) {(1, 2, 1), (2, 4, 2), (5, 10, 5)}.
8) Sejam os vetores v1 = (-1, 2, 1), v2 = (1, 0, 2) e v3 = (-2, -1, 0). Expressar w = (-4, -3, 3) como
1 17 31
combinação linear de v1, v2 e v3. Resp. w = − v1 + v2 + v3
11 11 11
11) Expressar o vetor u = (-1, 4, -4, 6) ∈ R4 como combinação linear dos vetores v1 = (3, -3, 1, 0), v2
= (0, 1, -1, 2) e v3 = (1, -1, 0, 0). ) Resp. u = −7v1 + 3v2 + 20v3
12) Verificar se o conjunto de vetores {1, x, x2, 2 + x + 2x2} de P3(R) é LD. Resp. LD
13) Sejam os vetores u = (2, -3, 2) e v = (-1, 2, 4) em R3.Escrever o vetor w = (7, -11, 2) como
combinação linear de u e v. Resp. w = 3u − v
{ }
Definição. Um conjunto v1 , v2 , …, vn de vetores de V será uma base de V se:
{
i) v1 , v2 , …, vn é LI;}
ii) [v1 , v2 , …, vn ] = V , ou seja os vetores da base geram qualquer vetor em V.
3
Exemplo.1. Os vetores de B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} formam uma base de R .
Observa-se que os vetores de B são LI e que todo (x, y, z) pode ser escrito como:
3
(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1), portanto B gera uma base para R .
2
Exemplo.2. Verifique se (1, 1) e (1, -1) formam uma base de R .
( ) ( ) ( )
i) a 1, 1 + b 1, −1 = 0, 0
⎡1 1 0⎤ ⎡1 1 0⎤ ⎧a = 0
⎢1 − 1 0⎥ ≈ ⎢0 2 0⎥ ⇒ ⎨b = 0 ⇒ os vetores são LI.
⎣ ⎦ ⎣ ⎦ ⎩
( ) ( ) (
ii) a 1, 1 + b 1, −1 = x, y )
⎧ x+ y
a=
⎡1 1 x ⎤ ⎡1 1 x ⎤ ⎪⎪ 2 2
⎢1 − 1 y ⎥ ≈ ⎢0 2 x − y ⎥ ⇒ ⎨ ⇒ ou seja, todo vetor do R é uma
⎣ ⎦ ⎣ ⎦ ⎪b = x − y
⎪⎩ 2
combinação linear dos vetores (1, 1) e (1, -1). Portanto os vetores (1, 1) e (1, -1) geram
2
uma base para R .
2
Exemplo.3. Verifique se (0, 1) e (0, 2) formam uma base de R .
3
Exemplo.4. Verifique se (1, 1, 2), (2, -1, 1) e (-1, 2, -1) formam uma base de R .
73
⎧⎛ 1 2 ⎞ ⎛ 1 0 ⎞ ⎛ 2 − 1⎞ ⎛ − 1 1 ⎞⎫
Exemplo.5. Verifique se as matrizes em B = ⎨⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, , ⎜⎜ ⎟⎟, , ⎜⎜ ⎟⎟⎬ formam
⎩⎝ 0 − 1⎠ ⎝ − 1 2 ⎠ ⎝ 1 0 ⎠ ⎝ 2 0 ⎠⎭
uma base para M 2 (R).
⎧ 2 ⎫ 2
Exemplo.6. Verifique se os elementos de B = ⎨1 + x, 1 − x, 1 − x ⎬ formam uma base para P (R ).
⎩ ⎭
Teorema. Sejam v1 , v2 , …, vn vetores não nulos que geram um espaço vetorial V. Então, dentre
estes vetores podemos extrair uma base de V.
Teorema. Seja um espaço vetorial V gerado por um conjunto finito de vetores v1, v2 , …, vn . Então,
qualquer conjunto com mais de n vetores é necessariamente LD (e, portanto, qualquer
conjunto LI tem no máximo n vetores).
Corolário1. Qualquer base de um espaço vetorial tem sempre o mesmo número de elementos. Este
número é chamado dimensão de V, e denotado por dim V.
2
Exemplo.1. V = R .
{(1, 0), (0, 1)} e {(1, 1), (0, 1)} são bases de V, então dim V = 2.
Exemplo.2. V = R 3 .
{(1, 0, 0), (0, 1, 0), (0, 0, 1)} é uma base de V, então dim V = 3.
Exemplo.3. V = M (2, 2 ) .
⎧⎛ 1 0 ⎞ ⎛ 0 1 ⎞ ⎛ 0 0 ⎞ ⎛ 0 0 ⎞⎫
⎨⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟⎬ é uma base de V, então dim V = 4.
⎩⎝ 0 0 ⎠ ⎝ 0 0 ⎠ ⎝ 1 0 ⎠ ⎝ 0 1 ⎠⎭
Exemplo.4. V = P 2 (R ).
1, x , x 2 é uma base de V, então dim V = 3.
Teorema. Qualquer conjunto de vetores LI de um espaço vetorial V de dimensão finita pode ser
completado de modo a formar uma base de V.
74
Teorema. Se U e W são subespaço de um espaço vetorial V que tem dimensão finita, então
dim U ≤ dim V e dim W ≤ dim V . Além disso, dim(U + V ) = dimU + dimV − dim(U ∩ V ).
{ }
Teorema. Dada uma base B = v1 , v2 , …, vn de V, cada vetor de V é escrito de maneira única
como combinação linear de v1 , v2 , …, vn .
{ }
Definição. Sejam B = v1 , v2 , …, vn base de V e v ∈ V onde v = a1v1 + a2 v2 + ... + an vn .
Chamamos estes números a1 , a2 , ..., an de coordenadas do vetor v em relação à base B
e denotamos por:
⎡ a1 ⎤
⎢a ⎥
[v]B = ⎢ 2 ⎥
⎢ ⎥
⎢ ⎥
⎣a n ⎦
Exemplo.1. Verifique se os vetores (1, 1, 1), (0, 1, 1) e (0, 0, 1) formam uma base de R 3 . Em caso
positivo, encontre as coordenadas de (1, 2, 0) ∈ R 3 com relação à esta base.
C
Matriz de Mudança da Base C para a Base B ( M B )
Exemplo. Considere a base B em R 3 formada pelos vetores (1, 0, 1), (1, 1, 1) e (1, 1, 2). Considere
também a base C formada pelos vetores (1, 0, 0),(0, 1, 0) e (0, 0, 1).
Encontre M BC a matriz de mudança da base C para a base B.
Precisamos escrever os vetores da base C como combinação linear dos vetores da base B.
(1, 0, 0) = a11 (1, 0, 1) + a 21 (1, 1, 1) + a 31 (1, 1, 2)
(0, 1, 0) = a12 (1, 0, 1) + a 22 (1, 1, 1) + a 32 (1, 1, 2)
75
(0, 0, 1) = a13 (1, 0, 1) + a 23 (1, 1, 1) + a 33 (1, 1, 2)
⎛ 1 − 1 0 ⎞
C
⎜ ⎟
M B = ⎜ 1 1 − 1⎟
⎜ − 1 0 1 ⎟
⎝ ⎠
76
7 TRANSFORMAÇÕES LINEARES
7.1 Introdução
Estamos familiarizados com funções ordinárias tais como a função f definida pela equação f(x) = x2. Essa função
transforma um número real em outro número real, no caso, no seu quadrado.
Por exemplo, o número 2 é transformado em 4, isto é, f(2) = 4.
Estudaremos agora funções que transformam vetores em vetores.
Em geral, se V e W são espaços vetoriais, uma função ou TRANSFORMAÇÃO T de V para W é uma regra que
associa a todo vetor x em V um único vetor em W que é denotado por T(x).
Se x é um vetor em V, então T(x) é chamada a IMAGEM de x sobre a transformação T.
Por exemplo, se T é uma transformação do ℜ3 para o ℜ2 definida pela equação:
T(x1, x2, x3) = (x1 + x2, x2 + x3)
Então T leva o vetor (1,1,1) no vetor T(1,1,1) = (2,2) e o vetor (3,2,0) no vetor T(3,2,0) = (5,2).
Definição
Sejam V e W dois espaços vetoriais. Uma transformação (ou aplicação) T: V → W é chamada de LINEAR se
para todos os vetores x e y em V e para todo escalar α,
• T(x + y) = T(x) + T(y)
• T(αx) = α T(x)
Uma transformação linear T: V → W preserva a adição e a multiplicação por escalar entre os vetores.
Usando-se as duas propriedades simultaneamente chegamos a uma terceira propriedade:
Sejam v1 e v2 vetores em V e α1 e α2 dois escalares, então:
T(α1v1 + α2v2) = T(α1v1) + T(α2v2) = α1 T(v1) + α2 T(v2)
Diz-se que uma transformação linear satisfaz o princípio da superposição, que é essa terceira propriedade. Mas o
princípio da superposição pode ser aplicado a n vetores em V e n escalares. Ora, mas isso é uma combinação
linear. Logo, T preserva combinações lineares.
Exemplo 1: V=ReW=R
F:R→R
u → αu ou F(u) = αu
• F(u + v) = α(u + v) = αu +αv
F(u) + F(v) = αu + αv
• F(ku) = α(ku) = kαu
kF(u) = kαu
77
Então F é uma transformação linear.
Exemplo 2: Seja T a transformação dada por T(x,y)= (x-y, x+y). Pergunta-se T é linear?
• u = (a, b) e v = (c, d)
• T(u + v) = T(a+c, b+d) = (a+c-b-d, a+c+b+d)
T(u) + T(v) = T(a, b) + T(c, d) = (a-b, a+b) + (c-d, c+d) = (a-b+c-d, a+b+c+d)
• T(αu) = T(αa, αb) = (αa-αb, αa+αb)
αT(u) = α(a-b, a+b)= (αa-αb, αa+αb)
Então T é uma transformação linear.
78
Exemplo 6:
Exemplo 7:
Observação: Decorre da definição que uma transformação linear T, T: V → W leva o vetor nulo de V no vetor
nulo de W, isto é, se 0 ∈ V, T(0) = 0 ∈ W. Isto nos ajuda a detectar transformações não lineares.
Se T(0) ≠ 0, T não é linear. No entanto, T(0) = 0 NÃO é suficiente para que T seja linear.
Exemplo: T: ℜ3 → ℜ3 onde T(x, y, z) = (x+1, y, z) é linear?
79
7.2 Transformações do plano no plano
Vamos apresentar uma visão geométrica das transformações lineares, dando alguns exemplos de transformações
do plano no plano.
a) Expansão ou contração uniforme:
T : R2 → R2 , α ∈ V tal que T(u) = αu
(x, y) → α (x, y)
b) Reflexão em torno do eixo x:
T: R2 → R2
(x, y) → (x, -y)
c) Reflexão na origem:
T: R2 → R2
(x, y) → (-x, -y)
d) Rotação de um ângulo t no sentido anti horário:
R t: R 2 → R2
(x,y) → (x cos t – y sen t, y cos t + x sen t)
80
81
Teorema: Dados dois espaços vetoriais reais V e W e uma base de V, {v1, ..., vn}. Sejam w1, ..., wn elementos
arbitrários de W. Então existe uma única aplicação linear T : V → W tal que:
T(v1) = w1, ...., T(vn) = wn.
Se v = a1v1 +... anvn, esta aplicação é dada por
T(v) = a1T(v1) + ... + anT(vn) = a1w1 +... anwn
Isto significa que as aplicações lineares são determinadas conhecendo-se apenas seu valor nos
elementos de uma base.
82
7.4 Lei de uma Transformação Linear
Exemplo: Qual é a transformação linear T: R2 → R3 tal que T(1, 0) = (2, -1, 0) e T(0, 1) = (0, 0, 1)?
Imagem:
Im (T) = {w ∈ W; T(v) = w, para algum v ∈ V}.
Isto é, a imagem de T é o conjunto dos vetores w de W tais que existe um vetor v ∈ V, que satisfaz
T(v) = w.
Im (T) ⊂ W é um subconjunto de W e, além disso, um subespaço vetorial de W.
Núcleo:
Ker(T) = {v ∈ V; T(v) = 0}.
Ou seja, o conjunto de todos os vetores v ∈ V tais que T(v) = 0 é chamado núcleo de T, sendo
denotado por Ker(T).
83
Ker(T) ⊂ V é um subconjunto de V e, ainda mais, é um subespaço vetorial de V.
Exemplo: T: R2 → R
(x,y) → x+y
• Im(T) = ℜ, pois dado w ∈ ℜ, w = T(w,0).
• Ker(T) = {(x,y) ∈ ℜ2 / x + y = 0} ou x = -y; v = (-1,1) gera o núcleo. O núcleo tem a dimensão
de W, nesse caso.
Definição: Dada uma aplicação T: V → W, diremos que T é INJETORA se dados u, v ∈ V com u ≠ v, então
T(u) ≠ T(v)
Propriedade: Uma transformação linear é injetora se, e somente se, Ker(T) = {0}.
84
7.6 Espaços Vetoriais Isomorfos
Quando uma transformação linear T : V → W for injetora e sobrejetora ao mesmo tempo, dá-se o nome de
ISOMORFISMO. Quando há tal transformação entre dois espaços vetoriais dizemos que estes são
ISOMORFOS. Sob o ponto de vista da Álgebra Linear, espaços vetoriais isomorfos são, por assim dizer,
idênticos.
Em outras palavras, quando a correspondência biunívoca entre dois espaços vetoriais preserva as operações de
adição e multiplicação por escalar, T(v + w) = T(v) + T(w) e T(kv) = k T(v), diz-se que esses espaços são
isomorfos.
T:V→W
dim Ker(T) + dim Im(T) = dim V
Obs: Toda transformação linear pode ser representada por uma matriz.
Exemplos:
85
1) Reflexão em torno do eixo x:
T: R2 → R2
(x,y) → (x, -y)
⎡ x ⎤ ⎡ x ⎤ ⎡ x ⎤ ⎡1 0 ⎤ ⎡ x ⎤
⎢ y ⎥ → ⎢− y ⎥ ou ⎢ y ⎥ → ⎢0 − 1⎥ ⎢ y ⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦
2) Reflexão na origem:
T: R2 → R2
(x,y) → (-x, -y)
⎡ x ⎤ ⎡ − x ⎤ ⎡ x ⎤ ⎡− 1 0 ⎤ ⎡ x ⎤
⎢ y ⎥ → ⎢− y ⎥ ou ⎢ y ⎥ → ⎢ 0 − 1⎥ ⎢ y ⎥
⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦ ⎣ ⎦
86
87
5) Verificar se as transformações são lineares:
3 2 ⎛ 2 ⎞
( )
a) T : R → R onde T x, y, z = ⎜ x , y + z ⎟
⎝ ⎠
88
3 2
b) ( ) ( )
T : R → R onde T x, y, z = x, 2 y
2 2
c) T : R → R onde T (x, y ) = (x + a, y + b), a, b ∈ R − {0}
3
d) T : R → R onde T (x, y, z ) = x − 3 y + 1
2
e) T : R → R onde T (x, y ) =| x |
3
( ) (
6) Para que valores de k ∈ R a transformação no R tal que T x, y, z = 2 x + 3k , y, 3z é linear? )
3 2
7) Seja T : R → R uma transformação linear tal que T 1, 0, ( 0) = (2, 4), T (0, 1, 0) = (3, 5) e
( ) ( )
T 1, 1, 1 = 1, 1 . Indique a lei de T.
3 2
( ) ( ) (
8) Seja T : R → R uma transformação linear definida por T 1, 1, 1 = 1, 2 , T 1, 1, 0 = 2, 3 e ) ( )
( ) ( )
T 1, 0, 0 = 3, 4 .
f) Determine T (x, y, z ).
3
g) Determine (x, y, z )∈ R tal que T (x, ) (
y, z = − 3, −2 . )
3
h) Determine (x, y, z )∈ R tal que T (x, y, z ) = (0, 0).
89
8 AUTOVALORES E AUTOVETORES
Definição: Seja T:V à V um operador linear num espaço vetorial V sobre um corpo K. Um escalar α é
chamado de autovalor de T se existe um vetor não nulo v Є V tal que :
T(v) = αv
Todo vetor que satisfaça essa relação é chamado de autovetor de T pertencente ao autovalor α.
Estaremos interessados, nesse capítulo, em saber quais vetores são levados em um múltiplo de si
mesmo, isto é, procuraremos um vetor v Є V e um escalar α Є R tais que
T(v) = α v. ( I )
Neste caso T(v) será um vetor de mesma "direção" que v, ou melhor, T(v) e v estão sobre a mesma reta
suporte.
Como v = 0 satisfaz a equação (I) para todo α , estaremos interessados em determinar v ≠ 0 que
satisfaça a condição acima. Tentaremos elucidar o exposto através dos exemplos que seguem.
Exemplo 1. I : R2 à R2 (aplicação identidade)
(x, y) (x, y)
Neste caso, todo v = (x, y) Є R2 é tal que I(v) = 1. v.
Exemplo 2. T2: R2 à R2 / T2(x, y) = (4x + 5y, 2x + y).
a) T2(5, 2) = (30, 12) = 6(5, 2) d) T2(10, 4) = (60, 24) = 6(10,4)
b) T2(2, 1) = (13, 5) não é autovetor e) T2(– 5/2, – 1) = (– 15, – 6) = 6(– 5/2, – 1)
c) T2(– 5, – 2) = (– 30, – 12) = 6(– 5, – 2)
Vemos que nos itens a,c,d,e respeitam a igualdade T(v) = α v. Já o item b não seguem a mesma
igualdade, portanto (13,5) não é um autovetor por não haver um múltiplo chamado autovalor.
90
Observamos que a última equação, (A – αI)v = 0, representa um sistema homogêneo, que é sempre
compatível, cuja solução desejada, conforme definição, é a não-trivial, ou seja, v ≠ 0. Assim, devemos
ter o sistema em questão como compatível e indeterminado, de forma que :
det(A – αI) = 0 .
As raízes da equação det(A – αI) = 0, chamada equação característica de A (ou de T), são os
autovalores de A (ou de T). Para cada autovalor α, corresponde um conjunto W = {v Є V / Av = αv} de
autovetores, que é obtido pela solução da equação Av = αv ou, equivalentemente, da equação (A –
αI)v = 0.
91
Assim temos: 5x + 5y = 0
2x + 2y = 0 à x = -y
Então, vα1 = (– y, y) sendo um de seus representantes o vetor v1 = (– 1, 1).
α2 = 6; v = x
y
(A – αI)v = 0 <==> 4 – (6) 5 x = 0
2 1 – (6) y 0
-2x + 5y = 0
2x – 5y = 0 à x = 5/2y
92
5) Seja T: R2 à R2 o operador linear . Ache os autovalores e autovetores. E ache a lei que
93
9 Exercicios Adicionais
a) AE
b) AD
c) CD
d) CE
e) BC
a) AE + AD
b) BF + GH
c) CH − AH
d) EF + DH
e) CB − FB
f) AC + CH − FH
94
9.1.1.1
5. (PUC - SP) Os esquemas ao lado mostram um barco retirado de um rio por dois
homens. Em (a) são usadas cordas que transmitem ao barco forças
paralelas de intensidades F1 e F2. Em (b) são usadas cordas inclinadas de
90º que transmitem ao barco forças de intensidades iguais às anteriores.
Sabe-se que, no caso (a), a força resultante transmitida ao barco tem
intensidade 70kgf e que, no caso (b), tem intensidade de 50kgf. Nessas
condições, determine os esforços desenvolvidos pelos dois homens.
E I
H
J
M L
F K G
S N T
R
O U
Q V
P
D X C
Y Z W
A
λ B
Figura 1
95
GABARITO
7. a) 7 b) 2 c) 1 d) 1 e) 6 f) 5
8. d
9. a) AH b) BE = CE c) CA d) AF = DG e) CF
f) AF
10. módulo: 300 m sentido: para a esquerda direção: leste-
oeste.
11. F1 = 40kgf e F2 = 30kgf ou F1 = 30kgf e F2 = 40kgf .
12. AG = DH = YL
13. a) (-4, 6, -6) b) (2, -1, 12)
14. α = -2, β = 2, γ = -1 e δ= 2
15. m =1
n
Teorema de Cauchy-Schwarz. Para quaisquer vetores u , v ∈ R ,
| u ⋅ v |≤| u | × | v |
96
Dados os pontos A(-1, 0, 2), B(-4, 1, 1) e C(0, 1, 3), determine o vetor v tal que
v − 2AB = (AB ⋅ BC) ⋅ AC .
Sendo A(1, 0, -1), B(4, 2, 1) e C(1, 2, 0), determine o valor de m para que a norma de a seja igual a 7,
se a = mAC + BC .
w = 35
Dado o vetor w = (5, m, m + 4), calcule o valor de m para que .
Sendo A(2, 4, 6), B(1, 2, -5) e C(1, 0, 4), determine o versor do vetor a = 2AC − BC .
Calcule o perímetro do triângulo de vértices A(1, 0, 3), B(2, -2, 1) e C(-1, 2, 0).
Dados os vértices do triângulo ABC, A(-1, -2, 4), B(-4, -2, 0) e C(3, -2, 1). Determine o ângulo interno
ao vértice B.
π
rad
Sendo 3 o ângulo entre os vetores a = (2, 1, -1) e b = (1, -1, m + 2), determine o valor de m.
⎛ 1 1 ⎞ ⎛ − 2 0 ⎞
A = ⎜⎜ ⎟⎟ B = ⎜⎜ ⎟⎟
Calcule o produto interno entre ⎝ 0 2 ⎠ e ⎝ 1 1 ⎠ .
Uma estação de radar detecta um míssil que se aproxima do leste. Ao primeiro contato, a distância do
míssil é 3.600 m, a 40° acima do horizonte. O míssil é seguido por 123° no plano Leste-Oeste, e a
distância no contato final era de 7.800 m. Ache o deslocamento do míssil durante o período de contato
com o radar.
Calcular o valor de n para que o ângulo entre os vetores w = (1, n, 2) e j seja 30°.
97
GABARITO
(
1. v = − 20, −12, −16 )
2. m = 3 ou m = -2,6
3. m = −3 ou m = −1
⎛ 2 209 − 6 209 − 13 209 ⎞
4. a = ⎜⎜ − ; ; ⎟ .
⎟
⎝ 209 209 209 ⎠
5. 12,22 u
6. 45°
7. m = -4
8. A ⋅ B = 0
9. 8.182,65 m
10. n = ± 15
1) Dados os vetores u = 2i − j + k , v = i − j e w = −i + 2 j + 2k , calcule:
a) w × v
b) 2u × 3v
2) Determine o valor de m para que o vetor a = (1, 2, m) seja ortogonal aos vetores b = (2, −1, 0) e
c = (1, −3, −1) .
( ) (
3) Calcular a área do paralelogramo definido pelos vetores u = 3, 1, 2 e v = 4, −1, 0 . )
4) Calcular a área do triângulo de vértices A(−1, 0, 2) , B (−4, 1, 1) e C (0, 1, 3) .
5) Verificar se os vetores são coplanares:
( ) ( ) (
a) u = 3, −1, 2 , v = 1, 2, 1 e w = − 2, 3, 4 ; )
( ) ( ) (
b) u = 2, −1, 0 , v = 3, 1, 2 e w = 7, −1, 2 . )
98
6) Dados os vetores u = (− 4, 1, 0 ), v = (− 2, 0, −1),
w1 = 3u − 2v , w2 = u + 3v e
w3 = −2i + 3 j − 5k . Calcule o volume do paralelepípedo definido pelos vetores w1, w2 e w3 .
7) Calcular o valor de m para que o volume do paralelepípedo determinado pelos vetores v1 = 2i − j ,
v 2 = 6i + mj − 2k e v3 = −4i + k seja igual a 10.
8) Calcular o volume do tetraedro ABCD, sendo A = (1, 0, 0) , B = (0, 1, 0) , C = (0, 0, 1) e
D = (4, 2, 7) .
( ) ( )
9) Determinar o valor de m para que os vetores u = 2, −1, m , v = 1, 0, 2 e w = m; 3; m sejam ( )
coplanares.
GABARITO
1) a) w × v = 2i + 2 j − k b) 2u × 3v = 6i + 6 j − 6k
2) m = −5
3) 117 u 2
4) 6
5) a) não são coplanares b) são coplanares.
3
6) 220 u
7) m = 6 ou m = −4 .
8) 2
9) m = 6
99
1. (x + y) ∈ V, ∀ x, y ∈ V.
2. ∀ α ∈ K, ∀ x ∈ v ⇒ (αx ) ∈ V.
3. ∀ x, y, z ∈ V ⇒ (x + y ) + z = x + (y + z ).
4. ∀ x, y ∈ V ⇒ x + y = y + x.
5. .∃ 0 ∈ V / x + 0 = x, ∀ x ∈ V.
6. ∀ x ∈ V ⇒ ∃ (− x ) ∈ V / x + (− x ) = 0.
7. ∀α ∈ K, ∀ x, y ∈ V ⇒ α(x + y ) = αx + αy.
8. ∀ α, β ∈ K, ∀ x ∈ V ⇒ (α + β)x = αx + βx.
9. ∀ α, β ∈ K, ∀ x ∈ V ⇒ (α ⋅ β)x = α(β ⋅ x ).
10. 1 ⋅ x = x, ∀ x ∈ V.
a) S = {(x, y, z) / x = z2}
b) S = {(x, x, x) / x ∈ R}
c) S = {(x, x, 0) / x ∈ R}
d) S = {(x, y, z) / x = 0 e y = ⎢z⎢}
e) S = {(x, -3x, 4x) / x ∈ R}
GABARITO
1) a) Não é espaço vetorial do R3. b) Não é espaço vetorial do R3. c) Não é espaço vetorial do R3. d) Não é
espaço vetorial do R3.
2) S é subespaço de R3
3) W é subespaço de M2(R)
4) a) S não é subespaço de R3 b) S é subespaço de R3 c) S é subespaço de R3 d) S não é subespaço de R3
e) S é subespaço de R3
100
9.5 Exercícios sobre Dependência Linear
1) Sejam os vetores v1 = (-1, 2, 1), v2 = (1, 0, 2) e v3 = (-2, -1, 0). Expressar cada um dos vetores a
seguir como combinação linear de v1, v2 e v3.
a) u = (-8, 4, 1) Resp. u = 3v1 − v2 + 2v3
b) v = (0, 2, 3) Resp. v = v1 + v2 + 0v3
2) Sejam os vetores u = (2, -3, 2) e v = (-1, 2, 4) em R3. Para que valor de k o vetor (-8, 14, k) é
combinação linear de u e v? Resp. k = 12
⎧⎡ 1 2 ⎤ ⎡ 3 6 ⎤ ⎫
5) Verifique se os vetores ⎨⎢ , ⎬ ⊂ M (2, 2 ) são LI ou LD.
⎩⎣− 4 − 3⎥⎦ ⎢⎣− 12 − 9⎥⎦ ⎭
Resp. LD
101
6) Determinar o valor de k para que seja LI o conjunto {(-1, 0, 2), (1, 1, 1), (k, -2, 0)}.
Resp. k ≠ 3
⎧⎡1 0⎤ ⎡1 1⎤ ⎡ 2 − 1⎤ ⎫
7) Determinar k para que ⎨⎢ ⎥ , ⎢ ⎥ , ⎢ ⎬ seja LD. Resp.
⎩⎣1 0⎦ ⎣0 0⎦ ⎣k 0 ⎥⎦ ⎭
k =3
1) Verificar em cada um dos casos se o subconjunto B do espaço vetorial V é uma base para V.
⎧ 2 2 3 ⎫ 3
a) B = ⎨1; 1 + t ; 1 − t , 1 − t − t − t ⎬ , V = P (R )
⎩ ⎭
⎧⎛ 1 1 ⎞ ⎛ 2 1 ⎞ ⎛ 0 1 ⎞ ⎛ 0 0 ⎞ ⎫
b) B = ⎨⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎬ , V = M 2 (R)
⎩⎝ 0 0 ⎠ ⎝ 0 0 ⎠ ⎝ 1 0 ⎠ ⎝ 0 2 ⎠ ⎭
4
c) {( ) ( ) ( ) (
B = 1, 1, 1, 1 , 1, 1, 1, 0 , 1, 1, 0, 0 , 1, 0, 0, 0 , V = R )}
2) Encontrar uma base e a dimensão do subespaço
⎧ 4 ⎫ 4
( )
W = ⎨ x, y, z, t ∈ R / x − y = 0 e x + 2 y + t = 0⎬ do espaço vetorial V = R .
⎩ ⎭
3 3
( )
3) Determinar as coordenadas do vetor u = − 1, 8, 5 ∈ R em relação a cada uma das bases de R a
seguir:
a) base canônica
b) {( ) (
0, 0, 1 , 0, 1, 1 , 1, 1, 1) ( )}
c) {(1, 2, 1), (0, 3, 2), (1, 1, 4)}
2 3 3 3
4) Determinar as coordenadas de p(t ) = 10 + t + 2t com t ∈ R e p (t ) ∈ P (R ), em relação as
seguintes bases:
a) base canônica
⎧ 2 2 3 ⎫
b) ⎨1, 1 + t , 1 + t + t , 1 + t + t + t ⎬
⎩ ⎭
⎧ 2 3 ⎫
c) ⎨4 + t , 2, 2 − t , t + t ⎬
⎩ ⎭
⎛ 2 5 ⎞
5) Determinar as coordenadas do vetor ⎜⎜ ⎟⎟ ∈ M 2 (R ) em relação as seguintes bases de M 2 (R ):
⎝ − 8 7 ⎠
a) base canônica
⎧⎛ 1 0 ⎞ ⎛ 1 1 ⎞ ⎛1 1 ⎞ ⎛1 1⎞⎫
b) ⎨⎜⎜ ⎟⎟; ⎜⎜ ⎟⎟; ⎜⎜ ⎟⎟; ⎜⎜ ⎟⎟⎬
⎩⎝ 0 0 ⎠ ⎝ 0 0 ⎠ ⎝1 0 ⎠ ⎝1 1⎠⎭
102
6) Considerando as bases a seguir, determine M AB .
a) A = {(1, -4), (3, -5)} e B = {(-9, 1), (-5, -1)}.
b) A = {(3, 2, -1), (5, -1, 3), (1, 0, 1)} e B ={(1, 2, 3), (-2, -1, -4), (2, 1, 1)}
⎧⎛ 1 1 ⎞ ⎛ − 1 1 ⎞ ⎛ − 2 0 ⎞ ⎛ 2 3 ⎞⎫ ⎧⎛ 1 1 ⎞ ⎛1 0 ⎞ ⎛ 0 1⎞ ⎛1 1⎞⎫
c) A = ⎨⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟⎬ e B = ⎨⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟, ⎜⎜ ⎟⎟⎬
⎩⎝ 2 3 ⎠ ⎝ 2 3 ⎠ ⎝ 1 1 ⎠ ⎝ 1 5 ⎠⎭ ⎩⎝ 0 0 ⎠ ⎝1 0 ⎠ ⎝ 1 1⎠ ⎝1 1⎠⎭
TRANSFORMAÇÕES LINEARES
2
Operadores Lineares no Espaço R
103
Cisalhamento na direção do eixo x: T(x, y) = (x + ky, y) com k
∈R.
Cisalhamento na direção do eixo y: T(x, y) = (x, kx + y) com k
∈R
104