Escolar Documentos
Profissional Documentos
Cultura Documentos
3 de Junho de 2020
Conteúdo
1 Matriz 3
1.1 Tipos de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Matriz Quadrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Matriz Linha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.3 Matriz Coluna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.4 Matriz Nula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.5 Matriz Diagonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.6 Matriz Identidade Quadrada . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.7 Matriz Triangular Superior . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.8 Matriz Triangular Inferior . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.9 Matriz Transposta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.10 Matriz Simétrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.11 Matriz Anti-Simétrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.12 Matriz Ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Operações com Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 Adição e Subtração de Matrizes . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2 Multiplicação por Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.3 Multiplicação de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2 Determinantes 10
2.1 Conceitos Iniciais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Determinante de uma Matriz quadrada de 2a ordem . . . . . . . . . . . . . . . . 13
2.3 Determinante de uma Matriz quadrada de 3a ordem . . . . . . . . . . . . . . . . 13
2.3.1 Regra de Sarrus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4 Determinante de uma Matriz quadrada de ordem n . . . . . . . . . . . . . . . . 14
2.4.1 Método de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.5 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3 Matriz Inversa 20
3.1 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
6 Espaços Vetoriais 43
6.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6.2 Espaços Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
6.3 Propriedades dos Espaços Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.4 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
7 Referências Bibliográ…cas 77
Álgebra Linear Prof. Paulo Cesar Ossani - 3
1 Matriz
Nesta seção, iremos apresentar os conceitos básicos sobre matrizes. Muitos conceitos
são intuitivos e aparecem naturalmente no dia-a-dia das pessoas, que lidam com tabelas.
Chamamos de matriz uma tabela de elementos dispostos em linhas e colunas.
Tomemos o exemplo seguinte:
Usamos sempre letras maiúsculas para denotar matrizes. Dizemos que uma matriz
de m linhas por n colunas é de ordem "m por n"ou m n. Para indicar uma matriz, usa-se
parênteses, ( ) ; ou barras duplas, jj jj. Adotaremos qui a notação de colchetes, [ ].
De…nição 1 Dizemos que duas matrizes Am n = [aij ]m n e Br s = [bij ]r s são iguais, se elas
têm o mesmo número de linhas (m = r) e colunas (n = s), e todos os seus elementos são iguais
(aij = bij ).
cos 0o 23 1 8
Exemplo 2 =
log 1 ln e 0 1
1 7
Exemplo 3 e [3]
3 5
Álgebra Linear Prof. Paulo Cesar Ossani - 4
Exemplo 4 8 0 3 e 1 1
2 1 2 1
Exemplo 12 Seja B = , temos que B T =
1 4 1 4
II) (A + B)T = AT + B T
IV) (AB)T = B T AT
VI) AT B = B T A
Observe que na matriz simétrica, a parte superior é uma re‡exão da parte inferior,
em relação à diagonal.
Uma matriz é simétrica se, e somente se ela é igual à sua transposta, ou seja, A = AT .
Veja o próximo exemplo:
3 4 3 4
Exemplo 14 A = ) AT =
4 2 4 2
Importante: O produto de uma matriz quadrada A pela sua transposta AT é uma matriz
simétrica. Veja o exemplo seguinte.
Álgebra Linear Prof. Paulo Cesar Ossani - 6
2 3 2 3
2 0 2 2 1 0
4
Exemplo 15 A = 1 1 2 5 ) AT = 4 0 1 3 5
02 3 0 3 2 2 2 30 2 3
2 0 2 2 1 0 8 6 0
T 4
S = AA = 1 1 2 5 4 0 1 3 5=4 6 6 3 5
0 3 0 2 2 0 0 3 9
1 3
1 0
A = p23 2 1 ) AAT = AT A =
1 1
2 2
Note que uma matriz é ortogonal se e somente se as colunas (ou linhas) são vetores
ortonormais.
Exemplo 17 Uma Empresa produz peças para automóveis, e apresentou no …nal do ano a
seguinte planilha de custos de suas fábricas em milhões de reais:
portanto teremos;
Neste último exemplo encerra as operações básicas em uma matriz. Agora iremos
ver como podemos operar usando somente a matriz com valores.
Exemplo 18 Tomemos a matriz com valores do exemplo (17). Como a Empresa irá duplicar
a sua produção no primeiro semestre do próximo ano, então simplesmente teremos;
2 3 2 3 2 3
78 34 8 78 34 8 156 68 16
456 23 55 + 456 23 55 = 4112 46 105
64 28 6 64 28 6 128 56 12
I) A = (B + C) = (A + B) + C (Associatividade)
II) A + 0 = 0 + A = A
IV) A + B = B + A (Comutatividade)
A = [ aij ]m n
Exemplo 19 Tomemos novamente a matriz com valores do exemplo (17). Como a Empresa
irá duplicar a sua produção no primeiro semestre do próximo ano, também teremos;
2 3 2 3
78 34 8 156 68 16
2 456 23 55 = 4112 46 105
64 28 6 128 56 12
Álgebra Linear Prof. Paulo Cesar Ossani - 8
I) ( )A = ( A)
II) ( + ) A = A + A
III) (A + B) = A + B
IV) 1A = A
V) 0A = 0
Exemplo 20 Tomemos novamente a matriz com valores do exemplo (17). Como a Empresa
irá para o segundo semestre dobrar a produção da Fábrica 1, triplicar da Fábrica 2 e reduzir
pela metade a Fábrica 3, implica que;
2 3
78 34 8
1 456 23 55 = 356 151 34
2 3
2 64 28 6
Veja que na matriz resultante os elementos são as somas da Matéria Prima, Folha
de Pagamento e Impostos, respectivamente, do exemplo (17).
II) (A + B) C = AC + BC (Distributividade)
III) A (B + C) = AB + AC (Distributividade)
1 2 5 1 9 9
Exemplo 23 =
1 3 2 4 11 13
5 1 1 2 6 13
=
2 4 1 3 6 16
1.3 Exercícios
y+4 2 12 2
2 =
9 x +4 9 53
Encontre:
a) A + B
b) A C
c) B C
d) C D
e) D A
f) D B
g) A0
h) D
Álgebra Linear Prof. Paulo Cesar Ossani - 10
2 Determinantes
A aplicação de determinantes é muito importante para sabermos se uma matriz é
inversivel, e para a resolução de sistemas lineares, assim iremos ver nesta seção o quê é um
determinante.
Para um sistema 3 3
8
< a11 x1 + a12 x2 + a13 x3 = b1
a21 x1 + a22 x2 + a23 x3 = b2
:
a31 x1 + a32 x2 + a33 x3 = b3
os valores para x1 ; x2 e x3 ; vemos que eles têm o mesmo denominador a11 a22 a33 a11 a23 a32
a12 a21 a33 +a12 a23 a31 +a13 a21 a32 a13 a22 a31 , que também esta associado a matriz dos coe…cientes
do sistema 2 3
a11 a12 a13
4 a21 a22 a23 5
a31 a32 a33
Estes números são casos particulares do que é chamado determinante de uma matrz
quadrada.
De…nição 2 Determinante é um número associado a uma matriz quadrada A = [aij ]. E
escrevemos det A, jAj ou det [aij ] para expressar o determinante de A.
a b
Exemplo 24 det = ad bc
c d
2 3
1 3 4
4
Exemplo 25 det 4 2 1 5=9
2 3 2
O leitor mais atento já deve estar se perguntando se é possível encontrar o de-
terminante no caso geral, e a resposta é sim, mas antes devemos nos lembrar o conceito de
permutação. Dados n objetos distintos a1 ; a2 ; : : : ; an uma permutação desses objetos consiste
em dispô-los em uma determinada ordem. A permutação de n objetos é dada por n!, sigui…ca
que n! = n (n 1) (n 2) 2 1, para n > 0. Por exemplo 4! = 4 3 2 1 = 24. Lembrando
que 0! = 1.
De…nição 3 Dada uma permutação dos inteiros 1; 2; : : : ; n, existe uma inversão quando um
inteiro precede outro menor do ele.
Exemplo 26 O total de permutações dos números 1; 2 e 3 é:
P3 = 3! = 3 2 1 = 6
No de Classe da Sinal que
Permutações Inversões Permutação precede o produto
123 0 par +
132 1 ímpar -
213 1 ímpar -
231 2 par +
312 2 par +
321 3 ímpar -
Voltemos ao determinante
2 3
a11 a12 a13
4
det a21 a22 a23 5 = a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31
a31 a32 a33
Observe que aparecem todos os produtos a1j1 a2j2 a3j3 , onde j1 ; j2 e j3 são as permu-
tações de 1; 2 e 3. Alêm disso, vê-se que o sinal do termo é negativo, se a permutação tiver
número impar de inversões.
Álgebra Linear Prof. Paulo Cesar Ossani - 12
X
De…nição 4 det [aij ] = ( 1)J a1j1 a2j2 : : : anjn onde J = (j1 ; j2 ; : : : ; jn ) é o número de inver-
III) Através de uma reordenação conveniente dos termos, mostra-se que também é possível
de…nir um determinante por
X
det [aij ] = ( 1)J aj1 1 aj2 2 : : : ajn n
I) Se todos os elementos de uma linha ou coluna de uma matriz A são nulos então det A = 0:
III) Se multiplicarmos uma linha (ou coluna) da matriz por uma constante, o determinante
…ca multiplicado por esta constante.
IV) Uma vez trocada a posição de duas linhas (ou colunas), o determinante troca de sinal.
V) O determinante de uma matriz que tem duas linhas ou colunas iguais é zero.
VII) O determinante não se altera se somarmos a uma linha (ou coluna) outra linha (ou coluna)
multiplicada por uma constante.
IX) O determinante de uma matriz diagonal A (superior ou inferior) é igual ao termo principal,
isto é, é igual ao produto dos elementos da diagonal principal.
X) Se uma linha (ou coluna) de uma matriz é um múltiplo de outra o determinante é zero.
3 2
Exemplo 27 Encontre o determinante da matriz
2 5
3 2
Solução: =3 5 ( 2) 2 = 15 + 4 = 19
2 5
x+2 3
Exemplo 28 Resolva a equação det =0
x 1 4
x+2 3
Solução: = 0 ) 4 (x + 2) 3 (x 1) = 0 ) x = 11
x 1 4
Multiplicando os termos entre si, seguindo os trações em diagonal e associando aos produtos o
sinal indicado, teremos:
det A = a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31
2 3
1 2 3
Exemplo 30 Calcule o determinante da matriz A, sendo A = 4 0 1 4 5
2 3 5
a a
Solução: Repetindo a 1 e a 2 coluna, teremos:
1 2 3 1 2
0 1 4 0 1
2 3 5 2 3
det A = ( 1) (1) (5)+(2) (4) ( 2)+(3) (0) ( 3) (3) (1) ( 2) ( 1) (4) ( 3) (2) (0) (5) = 27
2 3
x x x
Exemplo 31 Resolva a equação det 4 x x 4 5 = 0
x 4 4
Solução: Repetindo a 1a e a 2a coluna, teremos:
x x x x x
x x 4 x x
x 4 4 x 4
Implica que
det A = a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31
Agrupando-se os termos que têm a11 ; a12 e a13 , ou seja, os elementos da 1a linha, e colocando-os
em evidência, temos:
det A = a11 (a22 a33 a23 a32 ) a12 (a21 a33 a31 a23 ) + a13 (a21 a32 a22 a31 )
a22 a23
= jA11 j é o cofator de a11
a32 a33
a21 a23
= jA12 j é o cofator de a12
a31 a33
a21 a22
= jA13 j é o cofator de a13
a31 a32
Observe que o determinante da matriz 3 3 pode ser expresso em função dos determinantes
de submatrizes 2 2, ou seja;
det A = a11 jA11 j a12 jA12 j + a13 jA13 j
onde Aij é a submatriz da inicial, onde a i-ésima linha e j-ésima coluna foram retiradas. Agora
se chamarmos
i+j
ij = ( 1) jAij j
obtemos a expressão
det A = a11 11 a12 12 + a13 13
Esta propriedade continua sendo válida para matrizes de ordem n, e assim podemos
expressar:
det An n = ai1 i1 + + ain in
Xn
= aij ( 1)i+j det Aij
j=1
Xn
= aij ij
j=1
1 3
a22 22 = 1 ( 1)2+2 =1 8=8
2 2
1 3
a32 32 = ( 1) ( 1)3+2 = 1 ( 7) = 7
2 1
Portanto temos que det A = 4 + 8 7=5
Álgebra Linear Prof. Paulo Cesar Ossani - 16
a31 31 =0
a32 32 =0
1 2
a33 33 = 1 ( 1)3+3 = 1 (5) = 5
2 1
Portanto temos que det A = 0 + 0 + 5 = 5
2 3
1 2 3 4
6 4 2 0 0 7
Exemplo 34 Encontre o determinante da matriz quadrada de 4a ordem A = 64 1
7
2 3 0 5
2 5 3 1
Solução: Vamos aqui multiplicar a segunda coluna por 2 e usamos a sétima pro-
priedade, somando a segunda coluna na primeira, assim temos;
2 3 2 3
1 2 3 4 5 2 3 4
6 4 2 0 0 7 6 0 7
6 7=6 0 2 0 7
4 1 2 3 0 5 4 5 2 3 0 5
2 5 3 1 8 5 3 1
Agora tomemos a segunda linha e a segunda coluna para o método de Laplace, assim
5 3 4 5 3 4
2+2
det A = 2 ( 1) 5 3 0 =2 5 3 0
8 3 1 8 3 1
10 0 4
10 4
= 2 5 3 0 = 2 ( 3) ( 1)2+2 = 6 ( 10 52) = 372
13 1
13 0 1
Observe que simpli…camos ainda mais a ultima matriz na segunda igualdade. So-
mando a segunda linha na primeira e na terceira linha, e tomando a segunda linha e a segunda
coluna para o método de Laplace.
Álgebra Linear Prof. Paulo Cesar Ossani - 17
2 1 3
a11 11 = 2 ( 1)1+1 5 2 1 = 2 17 = 34
3 2 6
2 1 3
1+2
a12 12 = 3 ( 1) 5 2 1 = 3 44 = 132
3 2 6
2 1 3
1+3
a13 13 = ( 1) ( 1) 5 2 1 = 1 ( 111) = 111
3 2 6
2 1 3
1+4
a14 14 = 0 ( 1) 5 2 1 =0
3 2 6
Solução: Para esta matriz é muito simples encontra o seu determinante, basta
aplicar a nona propriedade, ou seja, como a matriz é diagonal, o seu determinante é o produto
dos elementos da diagonal princiapal, assim;
2.5 Exercícios
Exercício 3 As matrizes abaixo possuem determinates iguais a zero, porquê? Responda uti-
lizando as propriedades.
2 3
1 6 0
a) 4 3 2 log 1 5
2 9 0
2 3
5 7 3
b) 4 0 sin 0 2 5
0 0 8
2 3
1 2 e0
c) 4 2 3 4 5
cos 0 2 1
2 3
ln e 0 0
d) 4 1 cos 0 0 5
3 7 log 1
2 3
0 sin 0 3
e) 4 1 log 10 5 5
0 ln 1 7
2 3
3 2 3
f) 4 0 0 0 5
4 1 3
4 5
a) A =
5 3
b) A = [ ]
2 3
3 2 5
c) A = 4 4 1 3 5
2 3 4
2 3
2 1 3 1
6 4 3 1 4 7
d) A = 6
4 1 5
7
2 1 5
1 3 2 1
2 4 1
b) 2 4 x =0
3 1 2
Álgebra Linear Prof. Paulo Cesar Ossani - 19
0 4 0 0
x2 x 3x 3
c) =0
x 6 3 4
0 7 5 0
Álgebra Linear Prof. Paulo Cesar Ossani - 20
3 Matriz Inversa
Sejam dois números e , com 6= 0 e 6= 0. Se = = 1, dizemos que
e são inversos, ou seja, é o inverso de e vice-versa.
Vamos utilizar este mesmo racício para as matrizes, mas antes vejamos a de…nição
de matriz singular e não-singular.
De…nição 5 De…nimos como Matriz Singular, a matriz quadrada cujo determinante é nulo, e
como Matriz Não-singular a matriz quadrada cujo determinante é diferente de zero.
1 2 3 1
Exemplo 37 Dada as matrizes A = e B = , notoriamente temos que
0 0 0 2
det A = 0 e det B = 6, portanto a matriz A é singular equanto que a matriz B é não-singular.
De…nição 6 Dada uma matriz quadrada de ordem n, chamamos de inversa de A uma matriz
B tal que A B = B A = In , onde In é a matriz identidade de ordem n. Escrevemos A 1 para
a inversa de A.
Agora vamos ver como encontrar uma matriz inversa, com o exemplo seguinte:
6 2
Exemplo 38 Encontre a matriz inversa da matriz A = .
11 4
a b
Solução: Seja B = tal que A B = I e B A = I, assim termos que
c d
6 2 a b 1 0
=
11 4 c d 0 1
6a + 2c 6b + 2d 1 0
=
11a + 4c 11b + 4d 0 1
6a + 2c = 1 6b + 2d = 0
e
11a + 4c = 0 11b + 4d = 1
d = 3b
11b + 4 ( 3b) = 1
11b 12b = 1
b = 1)d=3
Álgebra Linear Prof. Paulo Cesar Ossani - 21
" #
2 1
Logo ten-se que B = 11 :
3
" 2 # " #
6 2 2 1 1 0 2 1
Note que 11 = ; ou seja, A B = I e ainda 11
11 4 3 0 1 3
2 2
6 2 1 0
= , ou seja B A = I
11 4 0 1
1
Portanto temos que B é a inversa da matriz A, ou seja, A = B.
I) A matriz quadrada A admite inversa se, e somente se det A 6= 0. Com isso podemos
admitir que a matriz não-singular sempre tem inversa e que nem toda a matriz tem inversa.
0 2
Por exemplo não tem inversa, primeiro que o seu determinante é zero. Segundo é
0 1
0 2 a b 1 0 2c 2d 1 0
su…ciente mostrar que = ) = , implica
0 1 c d 0 1 c d 0 1
que 2c = 1 e c = 0; e não podemos ter estas igualdades simultaneamente.
1 1
II) Se a matriz A é não-singular, sua inversa A também é. A matriz inversa de A é A:
1
III) A matriz unidade I é não singular (det I = 1) e é sua propria inversa : I = I .
1 1
VI) det A =
det A
3.1 Exercícios
3 4
a) A = ;
1 0
2 3
1 0 0
b) A = 4 1 3 1 5 ;
1 2 0
2 3
1 2 4
c) A = 4 0 1 3 5 ;
0 0 1
Álgebra Linear Prof. Paulo Cesar Ossani - 22
2 3
1 2 cos2 + sin2
d) 4
A = sin 0 2 0 5;
2 3 log10 100
2 3
1 0 0 0
6 2 1 1 0 7
e) A=6 4 1 1 2 1
7;
5
1 2 2 1
2 3
3 1 e
f) A = 4 cos 0 1 2 5;
1 ln e 2
2 3
1 3 5 6
6 0 2 4 2 7
g) A=6 4 0 0 0
7;
8 5
0 0 0 3
2 3
7 2 3 6
6 2 9 7 2 7
h) A=6 4 5
7
4 1 2 5
0 sin 0 0 0
2 3 2 3
1 1 2 1 1 0
Exercício 7 Mostre que a inversa da matriz A = 4 2 1 5 4
2 é a matriz B = 0 1 2 5.
1 1 1 1 0 1
Álgebra Linear Prof. Paulo Cesar Ossani - 23
a1 ; a2 ; : : : ; an são coe…cientes
x 1 ; x2 ; : : : ; x n são as incógnitas
b é o termo independete
1a ) Cada termo da equação possui uma única incógnita, cujo expoente é sempre 1, caso
contrário
p a equação é dita não linear. Exemplo: As equações 2x2 + 2y = 0, xy 2x = 1
e x + zy = 3 são equações não lineares.
2a ) Quando o termo independente b for igual a zero, a equação é chamada de equação linear
homogênea. Exemplo: 2x + y = 0:
4a ) A solução (0; 0; : : : ; 0) é chamada de solução trivial para qualquer equação linear ho-
mogênea a1 x1 + a2 x2 + + an xn = 0, e solução não-trivial caso contrário. Exemplo:
x 2y = 0, possui a solução x = y = 0:
1a ) Análogo a equações lineares, cada termo de cada equação possui uma única incógnita,
cujo expoente é sempre 1, caso contrário o sistema chama-se sistema não linear. Exemplo:
x + 4y = 2
, este é um de sistema linear;
2x 3y = 1
2x2 4y = 2
, este é um de sistema não linear;
x + 3xy = 3
5a ) Diz-se que dois sistemas de equações lineares são equivalentes quando admitem a mesma
solução. Exemplo:
3x + 6y = 42 2x + 2y = 24
e ,
2x 4y = 12 x 2y = 6
são equivalente pois admitem a mesma soluação: x = 10 e y = 2:
Sistema Linear
2x + y = 5
Exemplo 42 Dado o sistema , o que gera o seguinte grá…co
x 3y = 6
y 6
4
2x + y = 5
2
-1 1 2 3 4 5
(3, -1) x
-2
x - 3y = 6
-4
Veja que os pontos (3; 1) onde as retas se cruzam é solução para o sistema dado. Assim temos
um sistema Possível e Determinado pois possui uma única solução.
Álgebra Linear Prof. Paulo Cesar Ossani - 26
2x + y = 5
Exemplo 43 Dado o sistema , o que gera o seguinte grá…co
6x + 3y = 15
y 6
4
2x + y = 5
2 6x + 3y = 15
-1 1 2 3 4 5
x
-2
-4
Veja que as retas se cruzam em todos os pontos. Assim temos um sistema Possível e Indeter-
minado pois admite in…nitas soluções.
2x + y = 5
Exemplo 44 Dado o sistema , o que gera o seguinte grá…co
6x + 3y = 10
y 6
4
2x + y = 5
2
-1 1 2 3 4 5
x
-2
6x + 3y = 10
-4
Veja que as retas não se cruzam em nenhum ponto. Assim temos um sistema Impossível pois
não admite nenhuma solução.
Nas seguintes subseções iremos estudar alguns métodos para encontrar soluções para
sistemas lineares, na qual faremos uso da algebra matricial que estudamos na seção anterior.
2x y = 7
Exemplo 45 Resolva o sistema .
x + 5y = 2
Solução:
2 1
A = ) det A = 11
1 5
7 1 2 7
A1 = ) det A1 = 33 A2 = ) det A2 = 11
2 5 1 2
det A1 33 det A2 11
x= = =3 y= = = 1
det A 11 det A 11
Observe que o sistema é possível e determinado, tendo como resposta x = 3 e
y= 1:
x+y =5
Exemplo 46 Resolva o sistema .
x y=2
Álgebra Linear Prof. Paulo Cesar Ossani - 28
Solução:
1 1
A = ) det A = 0
1 1
5 1 1 5
A1 = ) det A1 = 7 A2 = ) det A2 = 7
2 1 1 2
det A1 7 det A2 7
x= = impossível y= = impossível
det A 0 det A 0
Observe que o sistema é impossível, pois não existe divisão por zero.
que chamamos matriz ampliada do sistema. Onde cada linha desta matriz é simplemente uma
representação abreviada da equação correspondente no sistema.
III) Substituição de uma equação por sua soma com outra equação previamente multiplicada
por um número real diferente de zero.
II) Cada coluna que contém o primeiro elemento não nulo de alguma linha tem todos os seus
outros elementos iguais a zero.
III) Toda linha nula ocorre abaixo de todas as linhas não nulas (isto é, daquelas que possuem
pelo menos um elemento não nulo).
IV) Se as linhas 1; : : : ; r são as linhas não nulas, e se o primeiro elemento não nulo da linha i
ocorre na coluna ki , então k1 < k2 < < kr :
1 2 1 1 1 2 1 1 0 4 0 1
2 3 2 3 2 3
1 2 1 0 1 2 1 0 1 0 3 5
L2
4 0 2 4 5 5! 2 6 5 7 L1 2L2 6 5 7 L83
4 0 1 2 5 ! 4 0 1 2 5!
0 0 8 11 2 2
0 0 8 11 0 0 8 11
2 3 2 3 2 3
7
1 0 3 5 1 0 3 5
6 5 7 6 5 7 6 1 0 0 8 7
6 0 1 2 7 L1 +3L3 6 0 1 2 7 L1 +3L3 6
6 0 1 2 5 7 L1 +3L3
7 !
6 2 57 ! 6 2 57 ! 6 7
4 11 4 11 4 2 5
0 0 1 0 0 1 11
8 8 0 0 1
2 3 2 3 8
7 7
6 1 0 0 8 7 6 1 0 0 8 7
6 5 7 L 2L 6 1 7
6 0 1 2 7 ! 6 0 1 0
2 3 7
6 2 7 6 4 7
4 11 5 4 11 5
0 0 1 0 0 1
8 8
Temos que a última matriz
2 3
7
6 1 0 0 8 7
6 1 7
6 0 1 0 7
6 4 7
4 11 5
0 0 1
8
representa a solução para o sistema dado, ou seja,
7 1 11
x= y= z=
8 4 8
De…nição 8 De…ne-se como posto de uma matriz o número de linhas não nulas de uma matriz
reduzida à forma escada.
V) m = Número de equações
VII) Se uma matriz com m equações e n variáveis admite solução se, e somente se o P c = P a.
1 0 7 10
) Pc = Pa = 2
0 1 5 6
2x + y = 5
Exemplo 53 Resolva o sistema :
x 3y = 6
Solução: Tomando a matriz ampliada do sistema,
2 3
" 1 5 # 1 5 " 1 5 #
2 1 5 L1
1 L1 L2 6
1 7
7 2 2 1
L =
!2
! 4 2 2
1 3 6 2 2 7 7 5 ! 2 2
1 3 6 0 0 1 1
2 2
Álgebra Linear Prof. Paulo Cesar Ossani - 32
4.4 Exercícios
x+y+z =4
a) ;
2x + 5y 2z = 3
8
< x+y+z =4
b) 2x + 5y 2z = 3 ;
:
x + 7y 7z = 5
x 2y + 3z = 0
c) ;
2x + 5y + 6z = 0
8
>
> x+y+z+t=0
<
x+y+z t=4
d) ;
>
> x+y z+t= 4
:
x y+z+t=2
8
< x + 2y + 3z = 0
e) 2x + y + 3z = 0 ;
:
3x + 2y + z = 0
8
>
> 3x + 2y 4z = 1
>
>
< x y+z =3
f) x y 3z = 3 ;
>
>
>
> 3x + 3y 5z = 0
:
x+y+z =1
Exercício 9 Resolva os sistemas lineares do exercício (8) pelo método do escalonamento, en-
contre também seus postos, e se o sistema for possível, o grau de liberdade.
5 Vetores
Esta seção tem por …nalidade precípua revisar resumidamente a noção de vetor no
2 3
R e no R 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 comprimento são representantes de um mesmo vetor. Por exemplo, no parelogramo na
…gura Figura 1 os segmentos orientados AB e CD determinam o mesmo vetor v, e escreve-se
! !
v = AB = CD.
Figura 1
!
Quando escrevemos v = AB, estamos a…rmando que o vetor é determinado pelo
segmento orientado AB de origem A e extremidade B. Porém, qualquer outro segmento de
mesmo comprimento, 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 jvj.
Qualquer ponto do espaço é representante do vetor zero (ou vetor nulo), que é
indicado por 0.
Cada vetor não-nulo v corresponde um vetor oposto v, que tem mesmo módulo, a
mesma direção, porém sentido contrário ao de v, veja a Figura2.
Figura 2
Um vetor v é unitário se jvj = 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
retas paralelas, veja a Figura 3.
Figura 3
Álgebra Linear Prof. Paulo Cesar Ossani - 34
Figura 4
Figura 5
!
Os pontos A e C determinam o vetor soma AC = ~u + ~v :
Propriedades da Adição
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
diagonal)
Figura 6
2) Quando os vetores u e v estão aplicados no mesmo ponto, veri…ca-se:
a) a soma u + v (ou v + u) tem origem no referido ponto;
b) a diferença u v tem origem na extremidade de v (e, por conseguinte, a
diferencça v u tem origem na extremidade de u).
Figura 7
Obsevação 7 1) Se k = 0 ou v = 0, o vetor kv é o vetor 0;
2) Se k = 1, o vetor ( 1) v é o oposto de v, isto é, ( 1) v = v:
5.2 Vetores no R2
O conjunto
R2 = R R = f(x; y) jx; y 2 Rg
é interpretado geometricamente como sendo o plano cartesiano xOy.
!
Qualquer vetor AB considerado neste plano tem sempre um representante (segmento
orientado OP ) cuja origem é a origem do sistema, veja a Figura 8.
Figura 8
Figura 9
a) u + v = (x1 + x2 ; y1 + y2 )
b) au = (ax1 ; ay1 )
Figura 10
Figura 11
!
De acordo com o que foi visto no item 5.1.1 (Observação 2), o vetor AB é a diferença
! !
entre os vetores OB e OA :
! ! !
AB = OB OA
Álgebra Linear Prof. Paulo Cesar Ossani - 38
e, portanto:
!
AB = (x2 ; y2 ) (x1 ; y1 )
ou:
!
AB = (x2 x 1 ; y2 y1 )
!
isto é, as componentes do vetor AB são obtidas pela diferença entre as coordenadas da extrem-
idade B e as da origem A.
!
Por exemplo, se A ( 1; 3) e B (2; 2), o vetor AB será:
!
AB = B A = (2; 2) ( 1; 3) = (3; 5)
u v = x1 x2 + y1 y2
O produto escalar de u por v também é indicado por hu; vi e se lê "u escalar v". Por exemplo,
se u = (2; 3) e v = (4; 1), tem-se:
u v = 2 (4) + 3 ( 1) = 5
ou, em coordenadas: p
jvj = (x; y) (x; y)
ou, ainda: p
jvj = x2 + y 2
Por exemplo, se v = (3; 4) ; então:
q p p
jvj = 32 + ( 4)2 = 9 + 16 = 25 = 5
v
A partir de cada vetor v 6= 0 é possível obter um vetor unitário u fazendo u = .
jvj
Por exemplo, é unitário o vetor:
(3; 4) (3; 4) (3; 4) 3 4
u= =q = p = ;
j(3; 4)j 25 5 5
32 + ( 4)2
!
Obsevação 8 Dado um vetor AB com extremidade nos pontos A (x1 ; y1 ) e B (x2 ; y2 ) o módulo
desse vetor será: q
!
AB = (x2 x1 )2 + (y2 y1 )2
Assinale-se que a distância entre os pontos A e B é calculada pela mesma fórmula.
Álgebra Linear Prof. Paulo Cesar Ossani - 39
II) u v = v u (comutativa)
v) u u = u2
Figura 12
Figura 13
Com efeito, aplicando a lei dos co-senos ao triângulo ABC da Figura 13, vem:
logo:
u v = juj jvj cos
e:
u v
cos = (3)
juj jvj
Uma vez calculado cos , o ângulo é encontrado numa tabela de co-senos.
Por exemplo, se u = ( 2; 2) e v = (0; 2), o ângulo pode ser calculado por
intermédio da fórmula (3):
p
u v ( 2; 2) (0; 2) 0+4 4 1 2
cos = =q q =p p = p =p =
juj jvj 8 4 4 2 2 2
( 2)2 + ( 2)2 02 + ( 2)2
p
2
= arccos = 45o
2
u v=0
ou
x1 x2 + y1 y2 = 0
isto é, dois vetores u e v são ortogonais quando o produto escalar deles é nulo. Representa-se
por u ? 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) = 0:
5.10 Vetores no R3
O conjunto
R3 = R R R = f(x; y; z) jx; y; z 2 Rg
é interpretado geometricamente como sendo o plano cartesiano tridimensional Oxyz.
Da mesma forma como …zemos para o plano, consideraremos geralmente vetores
representados por segmentos orientados com a origem na origem do sistema. Nessas condições,
cada vetor do espaço é determinado pelo ponto extremo do segmento. Assim, o ponto P (x; y; z)
!
individualiza o vetor v = OP , veja a Figura 14, e escreve-se:
v = (x; y; z)
identi…cando-se as coordenadas de P com as componentes de V .
Figura 14
A origem O (0; 0; 0) representa o vetor nulo.
O vetor oposto de v = (x; y; z) é o vetor v = ( x; y; z) :
De forma análoga à que tivemos no plano, teremos no espaço:
Álgebra Linear Prof. Paulo Cesar Ossani - 42
u v = x1 x2 + y1 y2 + z1 z2
VI) Se u e v são vetores não nulos e é o ângulo formado por eles, então:
u v
cos =
juj jvj
6 Espaços Vetoriais
6.1 Introdução
Sabe-se que o conjunto
R2 = f(x; y) jx; y 2 Rg
é interpretado geometricamente como sendo o plano cartesiano. Um par (x; y) pode ser encarado
como um ponto, veja a Figura 15, e nesse caso, x e y são coordenadas, ou pode ser encarado
como um vetor, veja a Figura 15, e nesse caso, x e y são componentes (ou coordenadas).
Figura 15
Essa mesma idéia, em relação ao plano, estende-se para o espaço tridimensional que
é a interpretação geométrica de conjunto R3 . Embora se perca a visão geométrica de espaços
com dimensão acima de 3, é possivel estender essa idéia a espaços com R4 ; R5 ; : : : ; Rn . Assim
quádruplas de números (x1 ; x2 ; x3 ; x4 ) podem ser vistas como pontos ou vetores no espaço R4
de quarta dimensão. A quintupla (2; 1; 3; 5; 4) será interpretado com um ponto ou vetor no
espaço R5 de dimensão cinco. Então, o espaço de dimensão n (ou espaço n-dimensional) será
constituído pelo conjunto de todas as n-uplas ordenadas e representado por Rn , isto é:
Rn = f(x1 ; x2 ; : : : ; xn ) ; xi 2 Rg
A maneira de se trabalhar nesses espaços é idêntica àquela vista em R2 e em R3 .
Por exemplo, se:
u = (x1 ; x2 ; : : : ; xn ) e v = (y1 ; y2 ; : : : ; yn )
são vetores Rn e um escalar, de…ne-se:
a) u = v se, e somente se, x1 = y1 ; x2 = y2 ; : : : ; xn = yn :
b) u + v = (x1 + y1 ; x2 + y2 ; : : : ; xn + yn ) :
c) u = ( x 1 ; x2 ; : : : ; x n )
d) u v = x1 y1 + x2 y2 + + xn yn
p
e) juj = x21 + x22 + + x2n
Desde já é bom observar que o vetor u = (x1 ; x2 ; : : : ; xn ) aparecerá, às vezes, com a
notação matricial (matriz-coluna n 1):
2 3
x1
6 x2 7
6 7
u = 6 .. 7
4 . 5
xn
Álgebra Linear Prof. Paulo Cesar Ossani - 44
8u; v 2 V; u + v 2 V
8 2 R; 8u 2 V; u 2 V
O conjunto V com essa duas operações é chamado espaço vetorial real (ou espaço
vetorial sobre R) se forem veri…cados os seguintes axiomas:
Em relação à adição:
1. (u + v) + w = u + (v + w) ; 8u; v; w 2 V
1. u + v = v + u:8u; v 2 V
3. 8u 2 V; 9 ( u) 2 V; u + ( u) = 0
5. ( )u = ( u)
6. ( + ) u = u + u
7. (u + v) = u + v
8. 1u = u
Axioma 2:
Axioma 3:
90 = (0; 0) 2 R; 8u 2 R
u+0 = (x1 ; y1 ) + (0; 0)
u+0 = (x1 + 0; y1 + 0)
u+0 = (x1 ; y1 )
u+0 = u
Axioma 4:
8u = (x1 ; y1 ) 2 R2 ; 9 ( u) = ( x1 ; y1 ) 2 R2 ;
u + ( u) = (x1 ; y1 ) + ( x1 ; y1 )
= (x1 x1 ; y1 y1 )
= (0; 0)
= 0
Axioma 5:
( ) u = ( ) (x1 ; y1 )
= (( ) x1 ; ( ) y1 )
= ( ( x1 ) ; ( y1 ))
= ( x 1 ; y1 )
= ( u)
Álgebra Linear Prof. Paulo Cesar Ossani - 47
Axioma 6:
( + )u = ( + ) (x1 ; y1 )
= (( + ) x1 ; ( + ) y1 )
= ( x 1 + x 1 ; y1 + y 1 )
= ( x 1 ; y1 ) + ( x 1 ; y 1 )
= (x1 ; y1 ) + (x1 ; y1 )
= u+ u
Axioma 7:
(u + v) = ((x1 ; y1 ) + (x2 ; y2 ))
= (x1 + x2 ; y1 + y2 )
= ( (x1 + x2 ) ; (y1 + y2 ))
= ( x 1 + x 2 ; y1 + y 2 )
= ( x 1 ; y1 ) + ( x 2 ; y 2 )
= (x1 ; y1 ) + (x2 ; y2 )
= u+ v
Axioma 8:
1u = 1 (x1 ; y1 ) = (1x1 ; 1y1 ) = (x1 ; y1 ) = u
Exemplo 56 Os conjuntos R3 ; R4 ; : : : ; Rn são espaços vetoriais com as operações de adição e
multiplicação por escalar usuais. Depois de veri…cados os oito axiomas de espaço vetorial para
o R2 , os mesmo …cam também evidentes nos conjuntos acima citados.
Exemplo 57 O conjunto M (m; n) das matrizes m n com as operações adição e multiplicação
por escalar usuais.
Em particular, o conjunto M (m; n) das matrizes quadradas, de ordem n, é um
espaço vetorial relativamente às mesmas operações.
Exemplo 58 O conjunto
Pn = a0 + a1 x + a2 x2 + + an x n ; ai 2 R
dos polinômios com coe…cientes reais de grau n, mais o polinômio nulo, em relação às
operações usuais de adição e multiplicação por escalar.
Em particular, o conjunto
P n = a0 + a1 x + a2 x 2 ; ai 2 R
é um espaço vetorial relativamente às mesmas operações.
Exemplo 59 O conjunto
V = ff : R ! Rg
das funções reais de…nidas em toda reta. Se f; g 2 V e 2 R, de…ne-se:
f +g : R!R
x 7! (f + g) (x) = f (x) + g (x)
e
f : R!R
x 7! ( f ) (x) = f (x)
Álgebra Linear Prof. Paulo Cesar Ossani - 48
Exemplo 60 O conjunto
V = x; x2 jx 2 R
com as operações de…nidas por:
x1 ; x21 x2 ; x22 = x1 + x2 ; (x1 + x2 )2
x; x2 = x; 2 x2
é um espaço vetorial sobre R:
Os simbolos e são utilizados para indicar que a adição e a multiplicação por
escalar não são as usuais.
Exemplo 61 O conjunto
V = f(x; y) jx; y > 0g
é um espaço vetorial com as operações adição e multiplicação por escalar de…nidas assim:
(x1 ; y1 ) (x2 ; y2 ) = (x1 x2 ; y1 y2 )
a (x; y) = (x ; y )
O trabalho de testar os oito axiomas de espaço vetorial é um ótimo exercício para o leitor, o
qual observará, por exemplo, que o elemento neutro da adição (axioma 3) é o vetor (1; 1) e
1 1
que o elemento simétrico (axioma 4) de cada vetor (x; y) 2 V é o vetor ; 2 V:
x y
Exemplo 62 Seja o conjunto
R2 = f(a; b) ja; b 2 Rg
Vamos mostrar que o conjunto R2 não é um espaço vetorial em relação as operações assim
de…nidas:
(a; b) + (c + d) = (a + c; b + d)
k (a; b) = (ka; b)
Ora, com a adição aqui de…nida é a usual, veri…cam-se os axiomas 1,2,3 e 4 de espaço vetorial.
Logo, devem falhar algum ou alguns dos axiomas relativos à multiplicação. Vamos Testá-los.
Consideremos:
u = (x1 ; y1 ) ,v = (x2 ; y2 ) e ; 2R
Então temos que: Axioma 5:
( ) u = ( ) (x1 ; y1 ) = (( ) x1 ; y1 ) = ( ( x1 ) ; y1 ) = ( x 1 ; y1 )
( )u = ( (x1 ; y1 )) = ( u)
Portanto este axioma se veri…ca.
Axioma 6:
( + ) u = ( + ) (x1 ; y1 ) = (( + ) x1 ; y1 ) = ( x1 + x1 ; y1 )
u+ u = (x1 ; y1 ) + (x1 ; y1 ) = ( x1 ; y1 ) + ( x1 ; y1 ) = ( x1 + x1 ; 2y1 )
Como se vê:
( + ) u 6= u + u
e portanto, não se veri…ca o axioma 6, o que comprova não ser um espaço vetorial o conjunto
de que trata esse exemplo.
Álgebra Linear Prof. Paulo Cesar Ossani - 49
8. v = 0 implica = 0 ou v = 0:
6.4 Exercícios
0 a
g) A = 2 M (2; 2) ja; b 2 R com as operações usuais.
b 0
Álgebra Linear Prof. Paulo Cesar Ossani - 50
u+v 2S
u2S
Vamos mostrar que sendo válidas essas duas condições em S, os oito axiomas de
espaço vetorial também se veri…cam em S.
De fato:
Seja u um vetor qualquer de S. Pela condição lI, u 2 S para todo 2 R. Fazendo
= 0, vem 0u 2 S, ou seja, 0 2 S (axioma 3). Fazendo = 1, segue ( 1) u = u 2 S
(axioma 4).
Os demais axiomas 1,2,5,6,7,8 de espaço vetorial são veri…cados em S pelo fato de.
ser S um subconjunto não-vazio de V .
Obsevação 11 Todo espaço vetorial V admite pelo menos dois subespaços: o conjunto fg,
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 .
Figura 16
O mesmo não ocorre quando a reta não passa pela origem. Por exemplo, a reta:
S = f(x; 4 2x) ; x 2 Rg
não é um subespaço vetorial do R2 . Se escolhermos os vetores u = (1; 2) e v = (2; 0) de S,
temos u + v = (3; 2) 62 S, (Figura 17).
Figura 17
Observemos ainda que u 62 S, para 6= 1.
Os exemplos destas duas últimas retas sugerem, para qualquer subconjunto S de
um espaço vetorial V , que: sempre que 0 62 S, 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 0 2 S, S é subespaço, pois podemos
ter 0 2 S sem que S seja subespaço. É o caso do subconjunto
S = f(x; jxj) ; x 2 Rg R2
Álgebra Linear Prof. Paulo Cesar Ossani - 52
Figura 18
Obsevação 12 Nos exemplos trabalharemos somente com conjuntos não-vazios, …cando dis-
pensada a necessidade de mostrar que o conjunto é não-vazio.
u + v = (x1 + x2 ; y1 + y2 ; z1 + z2 ) 2 S
ax + by + cz = 0
a b a b
Exemplo 66 Sejam V = M (2; 2) = ; a; b; c; d 2 R e S = ; a; b 2 R
c d 0 0
isto é, S é o conjunto das matrizes quadradas, de ordem 2, cujos elementos da segunda linha
são nulos.
Para quaisquer
a1 b 1 a2 b 2
u= 2 S; v = 2S e 2R
0 0 0 0
tem-se;
I) u + v 2 S
II) u 2 S
Logo, S é um subespaço vetorial de M (2; 2) :
Fazendo:
2 3 2 3 2 3
3 4 2 x x
4
A= 2 1 5 4
1 ;X = y 5 4
e0= y 5
1 1 3 z z
o sistema, em notação matricial, será dado por AX = 0, sendo X elemento do conjunto solução
S:
Se 2 3 2 3
x1 x2
u = X1 = 4 y1 5 e v = X2 = 4 y2 5
z1 z2
são soluções de sistema, então:
AX1 = 0 e AX2 = 0
I) Somando essas igualdades, vem:
AX1 + AX2 = 0 ou A (X1 + X2 ) = 0
o que implica
X1 + X2 2 S
isto é, a soma de duas soluções é ainda uma solução do sistema.
a b
V = ; a; b; c; d 2 R
c d
a b
S1 = ; a; b 2 R
0 0
a 0
S2 = ; a; c 2 R
c 0
a 0
S= ;a 2 R
0 0
Logo:
(u1 + v1 ) + (u2 + v2 ) = (u1 + u2 ) + (v1 + v2 ) 2 S1 + S2 = S
II) Para quaisquer 2 R :
se u1 2 S1 , então u1 2 S1 ;
se v1 2 S2 , então v1 2 S2 :
Por outro lado:
u1 + v 1 2 S
Logo:
(u1 + v1 ) = u1 + v1 2 S1 + S2 = S
Exemplo 72 A soma S dos subespaços vetoriais S1 e S2 referidos no exemplo 70, é um sube-
spaço vetorial de V :
a b
S= ; a; b; c 2 R
c 0
6.6 Exercícios
a) S = f(x; y) jy = xg
b) S = f(x; x2 ) ; x 2 Rg
a) S = f(x; y; z) jx = 4y e z = 0g
b) S = f(x; y; z) jx = 0 e y = jzjg
a b
a) S = ;c = a + b e d = 0
c d
a 1
b) S = ; a; b 2 R
a b
Álgebra Linear Prof. Paulo Cesar Ossani - 58
v = a1 v 1 + a2 v 2 + + an v n
v1 = 5x2 3x + 2 e v2 = 2x2 + 5x 8
De fato:
v = 3v1 + 4v2
Isto é:
v = a1 v 1 + a2 v 2
v = 2v1 3v2 :
v = a1 v 1 + a2 v 2
(y + 2z; y; z) com y; z 2 R:
Figura 19
5) Mostrar que o vetor v = (3; 4) 2 R2 pode ser escrito de ini…nitas maneiras como
combinação linear dos vetores v1 = (1; 0), v2 = (0; 1) e v3 = (2; 1) :
Solução: Tem-se
(3; 4) = a (1; 0) + b (0; 1) + c (2; 1)
donde:
a + 2c = 3 a = 3 2c
ou
b c=4 b=4+c
e portanto, para cada valor de c obtém-se um valor para a e outro para b.
6.8 Exercícios
S = fv 2 V jv = a1 v1 + a2 v2 + + an vn ; a1 + a2 + + an 2 Rg
S = [v1 ; v2 ; : : : ; vn ] ou S = G (A)
Então:
[i; j] = R2 :
S = (x; y; 0) 2 R3 jx; y 2 R
pois:
(x; y; 0) = x (1; 0; 0) + y (0; 1; 0)
Então:
[i; j] = S
Álgebra Linear Prof. Paulo Cesar Ossani - 62
Figura 20
ou:
v = xe1 + ye2 + ze3 :
Então:
[e1 ; e2 ; e3 ] 2 R3 :
w = a1 v 1 + + an v n
Então:
[v1 ; : : : vn ; w] = [v1 ; : : : vn ]
pois todo vetor v que é combinação linear de v1 ; : : : vn ; w é também combinação linear de
v 1 ; : : : vn .
Supondo que:
tais que
v = b1 v1 + + bn vn + bw
mas:
w = a1 v 1 + + an v n
logo:
v = b1 v1 + + bn vn + b (a1 v1 + + an v n )
Álgebra Linear Prof. Paulo Cesar Ossani - 63
ou
v = (b1 + a1 b) v1 + + (bn + an b) vn
e, portanto, v é combinação linear de v1 ; : : : vn , isto é,
v 2 [v1 ; : : : vn ]
A reciproca, ou seja, se
v 2 [v1 ; : : : vn ] , então v 2 [v1 ; : : : vn ; w]
é trivial, pois, se
v = a1 v 1 + + an vn , então v = a1 v1 + + an vn + 0w:
Da igualdade:
(x; y; z) = a (1; 2; 3)
Vem:
x = a
y = 2a
z = 3a
donde
y = 2x
z = 3x
Logo
[v1 ] = f(x; 2x; 3x) ; x 2 Rg
O subespaço gerado por um vetor v1 2 R3 ; v1 6= 0, é uma reta que passa pela origem, veja
a Figura 21. Se a esse vetor acrescentarmos v2 ; v3 ; : : : ; todos colineares entre si, o subespaço
gerado por 2; 3; : : : vetores continuará sendo a mesma reta. veja a Figura 21:
Figura 21
[v1 ; v2 ] = (x; y; z) 2 R3 jx + 3y 5z = 0
O subespaço gerado pelos vetores v1 ; v2 2 R3 , não colineares, é um palno que passa pela
origem, veja a Figura 22. Se a esses dois vetores acrescentarmos v3 ; v4 ; : : : ; todos coplanares,
o subespaço gerado por 3; 4; : : : vetores continuará sendo o mesmo plano :
Figura 22
Álgebra Linear Prof. Paulo Cesar Ossani - 65
[v1 ; v2 ; v3 ] = [v1 ; v2 ; v3 ; v4 ] =
Figura 23
6.10 Exercícios
A = fv1 ; : : : ; vn g V
Consideremos a equação
a1 v 1 + + an v n = 0 (6)
Sabemos que essa equação admite pelo menos uma solução:
a1 = a2 = = an = 0
a = 3; b = 4 e c = 1
Assim chega-se
3v1 + 4v2 v3 = 0
Portando os vetores v10 ; v2 e v3 é LD.
a = 0; b = 0 e c = 0
isto é:
x + az = 0
y + bz = 0
O sistema admite ao menos uma solução não trivial. Por exemplo, fazendo z = 1, vem:
x= aey= b
Logo
ae1 + be2 = (0; 0)
Portato os vetores e1 ; e2 e v = (a; b) são LD.
1 2 2 3 3 4
A= ; ;
3 1 3 0 3 1
Álgebra Linear Prof. Paulo Cesar Ossani - 69
é LD. De fato
Obsevação 17 1) Esse último teorema pode se enunciado de forma equivalente: "Um conjunto
A = fv1 ; : : : ; vn g é LI se, e somente se, nenhum desses vetores for combinação linear dos outro."
2) Para o caso particular de dois vetores, temos: "Dois vetores v1 e v2 são LD se,
e somente se, um vetor é multiplo escalar do outro."Por exemplo, os vetores
v1 = (1; 2; 3) e v2 = (2; 4; 6)
v2
são LD, pois v1 = ou v2 = 2v1 : Enquanto que v1 = (1; 2; 5) e v2 = (2; 1; 5) são LI, pois
2
v1 6= kv2 ; 8 2 R
Álgebra Linear Prof. Paulo Cesar Ossani - 70
Figura 24
Figura 25
1 2 3 6
a) ; M (2; 2) :
4 3 12 9
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 a observação 17 do
teorema 5
b) Tendo em vista que um vetor não é múltiplo escalar do outro, o conjunto é LI. Vejamos:
a (2; 1) + b (1; 3) = (0; 0)
o que gera o sistema
2a + b = 0
a + 3b = 0
o sistema adminte somente solução trivial, o que vem con…rmar ser o conjunto LI.
c) Consideremos a equação:
a ( 1; 2; 0; 3) + b (2; 1; 0; 0) + c (1; 0; 0; 0) = (0; 0; 0; 0)
o que gera o sistema 8
< a + 2b + c = 0
2a b = 0
:
3a = 0
Como o sistema admite apenas a solução trivial
a=b=c=0
o conjunto é LI.
d) Seja a equação:
a 1 + 2x x2 + b 2 x + 3x2 + c 3 4x + 7x2 = 0 (8)
ou
(a + 2b + 3c) + (2a b 4c) x + ( a + 3b + 7c) x2 = 0 + 0x + 0x2
Pelo princípio da identidade de polinômios, vem:
8
< 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.
Obsevação 18 O leitror dever ter notado que a variável x nos polinômios desse problema não
desempenha nenhum papel no cálculo. Com o objetivo de simpli…car, a cada polinômio do tipo
a0 + a1 x + a2 x2 , associa-se a terna (a0 ; a1 ; a2 ). Assim, a igualdade (8) desse problema poderia
ter sido escrita assim:
a (1; 2; 1) + b (2; 1; 3) + c (3; 4; 7) = (0; 0; 0)
Simpli…cações análogas a essa podem ser feitas, por exemplo, associando:
1) a0 + a1 x + a2 x2 + a3 x3 P3 com (a0 ; a1 ; a2 ; a3 ) 2 R4
a b
2) 2 M (2; 2) com (a; b; c; d) 2 R4
c d
3) a + cx2 2 P2 com (a; 0; c) 2 R3
e assim por diante.
Álgebra Linear Prof. Paulo Cesar Ossani - 72
a (u + v) + b (u v) = 0
o que resulta
(a + b) u + (a b) v = 0
Como u e v são LI, nessa igualdade deve-se ter que:
a+b=0
a b=0
seja LI.
Solução: O conjunto será LI se, e somente se, a equação
Para que esse sistema admita admita apenas a solução trivial, deve-se ter k 6= 2. Logo, o
conjunto será LI se k 6= 2.
av1 + + a0 + + avn
A1 = fv1 ; : : : ; vr g A; A1 é LD
a1 v 1 + + ar v r = 0
a1 v 1 + + ar vr + 0vr+1 + + 0vn = 0
De fato: Se A1 fosse LD, pela propriedade anterior o conjunto A seria também LD, o contradiz
a hipótese.
De fato: Como B é LD, existem escalares a1 ; : : : ; an ; b; nem todos nulos, tais que:
a1 v 1 + + an vn + bw = 0:
a1 v 1 + + an vn = 0:
6.12 Exercícios
a) f(1; 3)g;
x2 x; x2 + 3x; x 2
I) B é LI;
II) B gera V:
a b=0
a=0
logo a = b = 0:
II) B gera R2 , pois para todo (x; y) 2 R2 , tem-se:
(x; y) = y (1; 1) + (y x) ( 1; 0)
Realmente, a igualdade
(x; y) = a (1; 1) + b ( 1; 0)
implica:
a b=x
a=y
donde: a = y e b = y x:
O vetores da base B estão representados na Figura 26. Em 5 já haviamos visto que
dois vetores não-colineares são LI. Sendo eles do R2 , irão gerar o próprio R2 . Na verdade,
quaisquer dois vetores não-colineares do R2 formam uma base desse espaço.
Figura 26
1 0 0 1 0 0 0 0
Exemplo 86 B = ; ; ; é base canônica de M (2; 2) :
0 0 0 0 1 0 0 1
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.
Por outro lado B gera o espaço M (2; 2), pois qualquer
a b
2 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
7 Referências Bibliográ…cas
Referências
[1] BOLDRINI, J. L. [et al]. Álgebra Linear. 3. ed. SP: Harper&Row do Brasil, 1980.
[2] CALLIOLI, Carlos A.; DOMINGUES, Hygino H.; COSTA, Roberto C. F. Álgebra Linear
e Aplicações. 6. ed. São Paulo: Atual, 1990.
[3] LIMA, Elon L. Álgebra Linear. 5. ed. Coleção Matemática Universitária. Rio de Janeiro:
IMPA, 2001.
[4] ANTON, Howard. Álgebra Linear: com aplicações. Porto Alegre: Bookman, 2001.
[5] LAY, David C. Álgebra Linear e suas aplicações. 2. ed. Rio de Janeiro: LTC, 1999.
[6] LEON, Steven J. Álgebra Linear com Aplicações. 4. Ed. Rio de Janeiro: LTC, 1999.
[7] STEINBRUCH, A.; WINTERLE, Paulo. Álgebra Linear. SP: McGraw-Hill, 1987.
[8] STEINBRUCH, Alfredo; WINTERLE, Paulo. Introdução à Álgebra Linear. São Paulo:
Pearson Education do Brasil, 1997.