Escolar Documentos
Profissional Documentos
Cultura Documentos
Álgebra Linear EE
Guião da Unidade Curricular pontualidade nas aulas T e TP
avisos
quarta-feira 09h10/10h50 T Edifı́cio 2, 0.24 A disciplina de Álgebra Linear é um ramo da Matemática que
terça-feira 11h10/12h50 TP1 Edifı́cio 2, 2.77 surgiu do estudo detalhado dos sistemas de equações lineares,
sexta-feira 11h10/12h50 TP2 Edifı́cio 2, 2.77 sejam elas algébricas ou diferenciais, podendo ser vista como uma
generalização natural da disciplina de Geometria Analı́tica.
dúvidas (confirmar por correio eletrónico)
RA1: Operar com matrizes. 1. Matrizes — operações com matrizes; matrizes invertı́veis;
RA2: Calcular o determinante e a inversa de uma matriz. matrizes em forma de escada e em escada reduzida;
caracterı́stica de uma matriz.
RA3: Classificar e resolver sistemas de equações lineares.
2. Determinantes — propriedades; Teorema de Laplace; matriz
RA4: Determinar uma base e a dimensão de um subespaço
adjunta de uma matriz; cálculo da inversa de uma matriz pelo
vetorial de Rn .
método da matriz adjunta.
RA5: Identificar e representar matricialmente aplicações
3. Sistemas de Equações Lineares — classificação de sistemas;
lineares.
algoritmo de eliminação de Gauss; o algoritmo de
RA6: Calcular os valores próprios e os vetores próprios de uma
Gauss-Jordan para a inversão de matrizes invertı́veis; regra de
matriz.
Cramer.
Programa da unidade curricular (cont.) 8 Bibliografia + Material de apoio pedagógico 9
6. Valores Próprios e Vetores Próprios — valores e vetores Tópicos de Álgebra Linear, Gaspar J. Machado, Irene Brito,
próprios de uma matriz: definição e cálculo; diagonalização. Sofia Lopes, Universidade do Minho, setembro de 2019 (v4.0).
Classificação final da “Época Normal” (CF ): sejam t1 e t2 as Classificação final da Época de Recurso e Época Especial
classificações obtidas na escala 0 a 20 nos Testes 1 (6 de (CF ): seja E a classificação obtida na escala 0 a 20 no
novembro, 14h30/16h30) e 2 (18 de dezembro, Exame. Então:
14h30/16h30), respetivamente. Então:
se faltou ou desistiu a algum dos testes então CF ← Faltou se E > 9.5 então CF ← round(E ) fimse
senão se E ∈ [8.0; 9.5[ então CF ← 10 se tiverem sido atingidos os
CFprov ← t1 +t
2
2
objetivos mı́nimos numa prova complementar (toda a
se CFprov > 9.5 então CF ← round(CFprov ) fimse matéria, 30 minutos) e CF ← Reprovado, caso contrário
se CFprov ∈ [8.0; 9.5[ então CF ← 10 se tiverem sido fimse
atingidos os objetivos mı́nimos numa prova se E < 8.0 então CF ← Reprovado fimse
complementar (toda a matéria, 30 minutos)
e CF ← Reprovado, caso contrário fimse
se CFprov < 8.0 então CF ← Reprovado fimse
fimse
Índice
1 Matrizes
Tópicos de Álgebra Linear
2 Determinantes
Gaspar J. Machado, Irene Brito, Sofia Lopes
3 Sistemas de Equações Lineares
Departamento de Matemática, Universidade do Minho
5 Transformações Lineares de Rn em Rm
Obs 1.1
1 Matrizes
Recorde a notação para alguns conjuntos:
N: números naturais (números inteiros positivos).
2 Determinantes N0 : números inteiros não-negativos.
Z: números inteiros.
3 Sistemas de Equações Lineares Q: números racionais.
I: números irracionais.
4 Espaços Vetoriais R = Q ∪ I: números reais.
C: números complexos.
5 Transformações Lineares de Rn em Rm
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 1 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 2
1 – Matrizes Definições iniciais 1 – Matrizes Definições iniciais
identificando-se A1 com A.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 3 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 4
Obs 1.7
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 5 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 6
1 – Matrizes Definições iniciais 1 – Matrizes Definições iniciais
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 7 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 8
em que aij ∈ R, i = 1, . . . , m, j = 1, . . . , n.
(d) Neste curso, as letras “i” e “j” nunca estão associadas à unidade ima-
ginária dos números complexos.
(e) Quando se está perante matrizes do conjunto M1×1 (R), o contexto
será suficiente para distinguir se se está a fazer referência à matriz ou
ao único elemento que a constitui.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 9 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 10
1 – Matrizes Definições iniciais 1 – Matrizes Definições iniciais
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 11 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 12
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 13 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 14
1 – Matrizes Definições iniciais 1 – Matrizes Definições iniciais
Def 1.18
Exe 1.17
Jmatriz retangular, matriz quadradaK Seja A ∈ Mm×n (R). Diz-se que A
(a) Dê um exemplo de uma matriz linha com 3 elementos. é uma matriz retangular se m 6= n. Caso contrário, diz-se uma matriz
quadrada.
(b) Indique o valor lógico da seguinte proposição: “Há matrizes que são
simultaneamente matrizes linha e matrizes coluna.” Exe 1.19
Indique se a seguinte proposição é verdadeira ou falsa: “A = [ 10 20 30 ] é
Res uma matriz retangular.”
(a) q = [ 0 4 −1 ]. Res
(b) Proposição verdadeira pois, por exemplo, A = [3] é simultaneamente A proposição é verdadeira pois o número de linhas da matriz A, que é 2,
uma matriz linha e uma matriz coluna. é diferente do número de colunas, que é 3.
Exe 1.20
Dê um exemplo de uma matriz quadrada.
Res
G = [ 10 20 ].
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 15 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 16
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 17 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 18
1 – Matrizes Definições iniciais 1 – Matrizes Definições iniciais
Res
Obs 1.28
(a) (1, 0, 2).
(a) A definição anterior só se aplica a matrizes quadradas.
(b) (0, 0, 2).
(b) A é uma matriz diagonal se todos os elementos que não pertencem à
diagonal são zeros, não sendo, por isso, relevante para esta classifica-
ção se os elementos da diagonal são zeros ou não.
(c) Seja A = [aij ] ∈ Mn×n (R). A não é uma matriz diagonal se
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 19 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 20
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 21 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 22
1 – Matrizes Definições iniciais 1 – Matrizes Definições iniciais
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 25 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 26
1 – Matrizes Definições iniciais 1 – Matrizes Definições iniciais
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 27 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 28
Def 1.40
Def 1.42
Jtraço de uma matrizK Seja A ∈ Mn×n (R). Chama-se traço da matriz A,
Jmatriz nula, 0m×n , 0K Chama-se matriz nula a uma matriz cujos
que se representa por tr(A), à soma dos elementos da diagonal de A, ou
elementos são todos iguais a 0. Representa-se a matriz nula do tipo
seja,
m × n por 0m×n ou por 0 se não houver ambiguidade relativamente ao
n tipo.
def
X
tr(A) = (A)ii .
i=1 Exe 1.43
Indique a matriz nula do tipo 2 × 4.
Exe 1.41 h1 3 5i Res
Determine os traços das matrizes A = [ 37 29 ] e B = 790 .
246 02×4 = [ 00 00 00 00 ].
Res
tr(A) = 3 + 9 = 12 e tr(B) = 1 + 9 + 6 = 16.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 29 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 30
1 – Matrizes Definições iniciais 1 – Matrizes Definições iniciais
Res
Proposição falsa pois as matrizes A e B não são do mesmo tipo.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 31 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 32
1 – Matrizes Soma de matrizes e produto de uma matriz por um escalar 1 – Matrizes Soma de matrizes e produto de uma matriz por um escalar
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 33 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 34
1 – Matrizes Soma de matrizes e produto de uma matriz por um escalar 1 – Matrizes Soma de matrizes e produto de uma matriz por um escalar
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 35 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 36
1 – Matrizes Soma de matrizes e produto de uma matriz por um escalar 1 – Matrizes Soma de matrizes e produto de uma matriz por um escalar
Teo 1.57
Obs 1.55
Sejam A e B matrizes do mesmo tipo. Então, tendo em consideração a (a) ∀A, B ∈ Mm×n (R) [A + B = B + A].
observação Obs 1.53 (b), em vez de A + (−B) escreve-se A − B. (b) ∀A, B, C ∈ Mm×n (R) [(A + B) + C = A + (B + C )].
(c) ∀A ∈ Mm×n (R) [A + 0m×n = A].
Exe 1.56
−1 2 1
(d) ∀A ∈ Mm×n (R) [A + (−A) = 0m×n ].
. Calcule 12 A − 3B.
3 02
Considere as matrizes A = 0 1 −4 eB= 1 −1 2
(e) ∀α, β ∈ R, ∀A ∈ Mm×n (R) [(αβ)A = α(βA)].
Res (f) ∀α, β ∈ R, ∀A ∈ Mm×n (R) [(α + β)A = αA + βA].
(g) ∀α ∈ R, ∀A, B ∈ Mm×n (R) [α(A + B) = αA + αB].
1
1 −1 2
(h) ∀A ∈ Mm×n (R) [1A = A].
1 3 0 2
A − 3B = −3
2 2 0 1 −4 1 −1 2
1 Obs 1.58
1 1
× (−1) − 3 × 3 2 ×2−3×0 ×1−3×2
= 2 1 1 1
2
× 0 − 3 × 1 × 1 − 3 × (−1) × (−4) − 3 × 2 (a) A matriz nula é o elemento neutro da soma de matrizes.
219 11
2 2
−2 1 −2 (b) Sejam A, B e C matrizes do mesmo tipo. Então, tem-se que a expres-
= .
−3 27 −8 são A + B + C não resulta ambı́gua devido à propriedade associativa
da soma de matrizes.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 37 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 38
1 – Matrizes Produto de matrizes 1 – Matrizes Produto de matrizes
Def 1.59
Obs 1.60 (cont.)
Jproduto (ou multiplicação) de matrizesK Sejam A ∈ Mm×n (R) e
B ∈ Mn×p (R). Chama-se produto (ou multiplicação) da matriz A pela (c) Sejam A = [aij ] ∈ M3×2 (R) e B = [bij ] ∈ M2×4 (R). Como o
matriz B, que se representa por AB, ao elemento de Mm×p (R) tal que número de colunas da matriz A é igual ao número de linhas da matriz
n B, é possı́vel efetuar a operação AB. Por exemplo o elemento (AB)23
def
X
(AB)ij = (A)ik (B)kj , i = 1, . . . , m, j = 1, . . . , p. obtém-se considerando o produto escalar usual de `2,A e c3,B :
k=1
∗ ∗ " #
∗ ∗ ∗ ∗
Obs 1.60 ∗ ∗ 4 ∗
2 1 = ∗ ∗ 3 ∗
∗ ∗ −5 ∗
(a) Só se pode efetuar a multiplicação da matriz A pela matriz B se ∗ ∗ ∗ ∗ ∗ ∗
o número de colunas da matriz A for igual ao número de linhas da
matriz B. Neste caso, o número de linhas da matriz resultante é igual | {z } | {z } | {z }
A∈M3×2 (R) B∈M2×4 (R) AB∈M3×4 (R)
ao número de linhas da matriz A e o número de colunas da matriz
resultante é igual ao número de colunas da matriz B. 2
X
(b) Sendo possı́vel multiplicar as matrizes A e B, o elemento ij da matriz (AB)23 = a2k bk3 = a21 b13 + a22 b23 = 2 × 4 + 1 × (−5) = 3.
AB é igual ao produto escalar usual de `i,A com cj,B , ou seja, (AB)ij = k=1
`i,A · cj,B .
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 39 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 40
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 41 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 42
1 – Matrizes Produto de matrizes 1 – Matrizes Produto de matrizes
Obs 1.63
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 43 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 44
Res
Como AB = [ 21 11 ] [ 11 10 ] = [ 32 21 ] e BA = [ 11 10 ] [ 21 11 ] = [ 32 21 ], tem-se que
AB = BA, pelo que A e B são matrizes comutáveis.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 45 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 46
1 – Matrizes Produto de matrizes 1 – Matrizes Matrizes invertı́veis
= A2 + AB + BA + B 2 − (A2 + AB − BA − B 2 ) − 2B 2
= A2 + AB + BA + B 2 − A2 − AB + BA + B 2 − 2B 2
= (A2 − A2 ) + (AB − AB) + (B 2 + B 2 − 2B 2 ) + BA + BA
= 0 + 0 + 0 + 2BA
= 2BA.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 47 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 48
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 49 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 50
1 – Matrizes Matrizes invertı́veis 1 – Matrizes Matrizes invertı́veis
Def 1.74
Exe 1.77
Jmatriz inversaK Seja A uma matriz invertı́vel de ordem n. Chama-se
matriz inversa da matriz A, que se representa por A−1 , à única matriz Z Se a matriz B é a inversa da matriz A2 , mostre que A−1 = AB.
tal que AZ = ZA = In .
Res
Teo 1.75
Se (A2 )−1 = B, então B −1 = A2 , pelo que
Sejam A e B matrizes quadradas da mesma ordem tais que AB = I .
Então, A−1 = B. A(AB) = A2 B = B −1 B = I .
Obs 1.76
Assim, conclui-se que A−1 = AB.
(a) Se A é a matriz inversa da matriz B, então B é a matriz inversa da
matriz A.
(b) Sejam A e B matrizes quadradas da mesma ordem. Então, AB = I
se e só se BA = I . Assim, basta verificar se AB = I ou BA = I para
se concluir que as matrizes A e B são invertı́veis com A−1 = B e
B −1 = A.
(c) Uma resolução possı́vel para os exercı́cios em que se pede para mostrar
que A−1 = X é mostrar que AX = I .
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 51 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 52
Exe 1.78
Res (cont.)
Sabendo que a matriz A = [ 22 21 ] é invertı́vel, calcule a sua inversa através
da definição. Da segunda equação tem-se que b = −d. Substituindo na quarta,
obtém-se 2b + d = 1 ⇔ 2(−d) + d = 1 ⇔ −d = 1 ⇔ d = −1, pelo que
Res b = 1. hAssim, tem-se que a inversa da matriz A é a matriz
i
− 12 1
a b
Seja Z = c d a matriz inversa de A. Então, −1
A = .
1 −1
Mostre-se, apenas para efeito de verificação, que AA−1 = I2 :
2 2 a b 1 0 2a + 2c 2b + 2d 1 0
AZ = I2 ⇔ = ⇔ =
2 1 c d 0 1 2a + c 2b + d 0 1
2 2 − 12
1
2 × (− 21 ) + 2 × 1 2 × 1 + 2 × (−1)
−1
AA = =
2a + 2c =1 2 1 1 −1 2 × (− 12 ) + 1 × 1 2 × 1 + 1 × (−1)
2b + 2d = 0 1 0
⇔ = .
2a + c =0 0 1
2b + d = 1.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 55 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 56
• Processo 1
Obs 1.84
(AB)−1 = (BA)−1 = A−1 B −1 .
(a) É sempre possı́vel calcular a matriz transposta de uma matriz.
• Processo 2
(b) Calcular a transposta de uma matriz corresponde a trocar linhas com
(AB)(A −1
B −1
) = (BA)(A −1
B −1
) = B(AA −1
)B −1 colunas.
−1 −1 −1
= B(I )B = (BI )B = BB = I.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 57 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 58
1 – Matrizes Matriz transposta 1 – Matrizes Matriz transposta
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 59 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 60
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 61 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 62
1 – Matrizes Matrizes simétricas 1 – Matrizes Matrizes simétricas
Exe 1.90 h1 i
ab
Indique para que valores a, b, c ∈ R a matriz S = 1 2 3 é simétrica.
2c 3
Res
a = 1, b = 2, c = 3.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 63 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 64
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 65 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 66
1 – Matrizes Matrizes em escada e escada reduzida 1 – Matrizes Matrizes em escada e escada reduzida
(c) Jpivô de uma linha não-nulaK Chama-se pivô de uma linha não-nula Def 1.97
ao seu elemento não-nulo mais à esquerda. Jmatriz em escadaK Diz-se que uma matriz é uma matriz em escada se é
(d) Jcoluna pivôK Chama-se coluna pivô a uma coluna da matriz se existe uma matriz nula ou, no caso de não o ser, se o número de zeros à
um elemento pivô nessa coluna. esquerda do pivô aumenta de linha para linha até que, havendo, sobrem
apenas linhas nulas.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 67 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 68
1 – Matrizes Matrizes em escada e escada reduzida 1 – Matrizes Matrizes em escada e escada reduzida
Exe 1.98
Def 1.99
Indique quais das seguintes matrizes são matrizes em escada:
Jmatriz em escada reduzidaK Diz-se que uma matriz é uma matriz em
0 1 2 0 3
escada reduzida se é uma matriz nula ou, no caso de não o ser, se é uma
1 0 1 1 0 2 0 matriz em escada, se todos os pivôs são iguais a um e se estes são os
A= ,B = , C = 0 0 0 1 0 ,
0 1 1 0 2 0 0 únicos elementos não-nulos nas colunas pivô.
0 0 0 0 0
Exe 1.100
0 0 1 0 2 0 0 1
1 0 0 0 0 0
0 0 0 0 0 0 0 0
1 0 0 0 0 1 Indique quais das matrizes do exercı́cio Exe 1.98 são matrizes em escada
D=
0
,E = ,
0 0 2 0 4 0 0
0 0 1 0 0 0 reduzida.
0 0 0 0 0 5 0 0
0 0 1 0 0 0
Res
1 1
1 0 1 1 0 0 A, C , F , H, u.
F = ,G = ,H = , u = 0 , v = 1 .
0 1 0 1 0 0
0 0
Res
A, B, C , F , G , H, u.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 69 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 70
1 – Matrizes Matrizes em escada e escada reduzida 1 – Matrizes Matrizes em escada e escada reduzida
Def 1.103
Def 1.101
Joperação elementar do tipo II nas linhas de uma matrizK Sejam
Joperação elementar do tipo I nas linhas de uma matrizK Sejam
A ∈ Mm×n (R), i ∈ {1, . . . , m} e α ∈ R \ {0}. Chama-se operação
A ∈ Mm×n (R) e i, i 0 ∈ {1, . . . , m}. Chama-se operação elementar do
elementar do tipo II nas linhas da matriz A à substituição de uma linha
tipo I nas linhas da matriz A à troca de duas linhas. A troca de `i com
por um seu múltiplo não-nulo. A substituição de `i pela linha que se
`i 0 representa-se por `i ↔ `i 0 .
obtém multiplicando por α os elementos de `i representa-se por
Exe 1.102 `i ← α`i , que se lê “`i toma valor de α`i ”.
h1 201
i
Aplique a operação `1 ↔ `3 à matriz A = 0 −1 1 1 . Exe 1.104
2 210 h1 201
i
Aplique a operação `3 ← 12 `3 à matriz A = 0 −1 1 1 .
2 210
Res
Res
1 2 0 1 ←−−−→ 2 2 1 0
0 −1 1 1 0 −1 1 1 .
1
2 0 1 ←−−−−→ 1
2 0 1
2 2 1 0 `1 ↔ `3 1 2 0 1 0 −1 1 1 0 −1 1 1 .
1
2 2 1 0 `3 ← 12 `3 1 1 2 0
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 71 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 72
1 – Matrizes Matrizes em escada e escada reduzida 1 – Matrizes Matrizes em escada e escada reduzida
Def 1.105
Obs 1.107
Joperação elementar do tipo III nas linhas de uma matrizK Sejam
Nas três últimas definições apenas se consideram operações sobre linhas,
A ∈ Mm×n (R), i, i 0 ∈ {1, . . . , m} e β ∈ R. Chama-se operação
apesar de também ser possı́vel definir operações sobre colunas. Fazendo
elementar do tipo III nas linhas da matriz A à substituição de uma linha
este curso apenas referência a operações elementares sobre linhas, estas
pela sua soma com um múltiplo de outra linha. A substituição de `i pela
passarão a ser referenciadas apenas por “operações elementares”.
linha que se obtém somando os elementos de `i aos elementos que se
obtêm multiplicando por β os elementos de `i 0 representa-se por Def 1.108
`i ← `i + β`i 0 , que se lê “`i toma valor de `i + β`i 0 ”.
Jmatrizes equivalentesK Sejam A, B ∈ Mm×n (R). Diz-se que A e B são
Exe 1.106 matrizes equivalentes, escrevendo-se A ←→ B, se se pode obter uma a
0 −1 1 1 partir da outra através duma sequência (finita) de operações elementares
Aplique a operação `1 ← `1 − 12 `2 à matriz A = 2 210 . com linhas.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 73 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 74
1 – Matrizes Matrizes em escada e escada reduzida 1 – Matrizes Matrizes em escada e escada reduzida
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 75 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 76
1 – Matrizes Matrizes em escada e escada reduzida 1 – Matrizes Matrizes em escada e escada reduzida
Alg 1.114
Obs 1.113 “Algoritmo Transformação em Escada” (ATEsc): Seja A = [aij ] ∈ Mm×n (R). Então, o
Seja A uma matriz. seguinte algoritmo determina um elemento de fe(A):
Passo 1 [inicializar o algoritmo]
(a) Note-se que fe(A) é um conjunto de matrizes e que fer(A) é uma i ←1
matriz. j ← ı́ndice da coluna não-nula mais à esquerda da matriz A
Passo 2 [selecionar elemento pivô]
(b) Na observação Obs 1.17 apresenta-se um algoritmo para determinar se aij = 0 então
um elemento de fe(A) e na observação Obs 1.21 apresenta-se um `i ↔ `k , em que `k é a primeira linha abaixo da linha `i com um elemento diferente
algoritmo para determinar fer(A). de zero na coluna cj
fimse
Passo 3 [anular os elementos abaixo do pivô]
para p ← i + 1 até m fazer
apj
`p ← `p − `i
aij
fimpara
Passo 4 [terminar?]
se já se obteve uma matriz em escada então terminar
senão
i ←i +1
j ← ı́ndice da coluna não-nula mais à esquerda da matriz que se obtém eliminando
na matriz A as linhas `1 , . . . , `i−1
ir para o Passo 2
fimse
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 77 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 78
1 – Matrizes Matrizes em escada e escada reduzida 1 – Matrizes Matrizes em escada e escada reduzida
Alg 1.116
Exe 1.115
“Algoritmo escada reduzida” (ATEscRed): Seja A = [aij ] ∈ Mm×n (R). Então, o seguinte
h0 0 0 3i
Aplique o ATEsc à matriz A = 0 1 1 2 e indique quantas operações algoritmo determina fer(A):
0221
elementares dos tipos I e III efetuou. Passo 1 [inicializar o algoritmo]
determinar A0 = [aij0 ] ∈ fe(A) (no que se segue, `0 refere-se às linhas da matriz A0 )
i ← ı́ndice da última linha não-nula da matriz A0
Res j ← ı́ndice da coluna pivô da linha `i
Passo 2 [colocar elemento pivô a 1]
se aij0 6= 1 então
0 0 0 3 ←−−−−−−−→ 0 1 1 2 ←−−−−−−−→ 1
`i 0 ← 0 `i 0
0 1 1 2 `1 ↔ `2 0 0 0 3 aij
fimse
0 2 2 1 0 2 2 1 `3 ← `3 − 2`1 Passo 3 [anular os elementos acima do pivô]
| {z }
A para p ← 1 até i − 1 fazer
`0p ← `0p − apj
0
`i 0
0 1 1 2 ←−−−−−−−→ 0 1 1 2 fimpara
0 0 0 3 0 0 0 3 . Passo 4 [terminar?]
se já se obteve uma matriz em escada reduzida então terminar
0 0 0 −3 `3 ← `3 + `2 0 0 0 0 senão
i ←i −1
| {z }
∈fe(A)
j ← ı́ndice da coluna pivô da linha i
ir para o Passo 2
número de operações elementares do tipo I/III: 1/2. fimse
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 79 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 80
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 83 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 84
Res Res
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 85 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 86
1 – Matrizes Cálculo de inversas 1 – Matrizes Cálculo de inversas
Teo 1.122
Res (cont.)
As matrizes elementares são invertı́veis e as suas inversas são matrizes
(c) • Processo 1: aplicar a operação `3 ← `3 − 2`1 . elementares.
1 2 0 −1 ←−−−−−→ 1 2 0 −1 Teo 1.123
2 2 −1 −1 2 −1 −1
2
. Sejam A, B ∈ Mm×n (R) tais que A ←→ B. Então, existe um número
1 1 3 2 `3 ← `3 − 2`1 −1 −3 3 4
finito de matrizes elementares E1 , E2 , . . . , Ek , tais que B = E1 E2 · · · Ek A.
2 1 1 −2 2 1 1 −2
•
Processo 2: calcular
E3 A Teo 1.124
1 0 0 0 1 2 0 −1 1 2 0 −1
2 2 −1 −1 2 Seja A ∈ Mm×n (R). Então, existe um número finito de matrizes
0 1 0 0 2 −1 −1
−2 0 1
= . elementares E1 , E2 , . . . , Ek , tais que fer(A) = E1 E2 · · · Ek A.
0 1 1
3 2 −1 −3 3 4
0 0 0 1 2 1 1 −2 2 1 1 −2 Teo 1.125
• As matrizes que se obtiveram são iguais.
Seja A ∈ Mn×n (R). As seguintes condições são equivalentes:
(i) A é invertı́vel.
(ii) fer(A) = In .
(iii) A é o produto de matrizes elementares.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 87 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 88
Obs 1.126
Res
Sejam k ∈ N e A ∈ Mn×n (R) uma matriz invertı́vel. Então, existem
matrizes elementares E1 , E2 , . . . , Ek tais que (a)
In = Ek · · · E2 E1 A.
1 1 2 1 0 0 ←−−−−−−−→ 1 1 2 1 0 0
0 1 0 0 1 0 0 1 0 0 1 0
Pós-multiplicando ambos os termos pela inversa de A, tem-se
2 2 5 0 0 1 `3 ← `3 − 2`1 0 0 1 −2 0 1
In A−1 = Ek · · · E2 E1 AA−1 ⇔ A−1 = Ek · · · E2 E1 In ,
| {z }
A|I3
`1 ← `1 − 2`3 5 0 −2 `1 ← `1 − `2
1 1 0
i.e., A−1
obtém-se a partir de In através das mesmas operações 0 1 0 0 1 0
elementares que transformam A em In .
←−−−−−−−→ 0 0 1 −2 0 1 ←−−−−−−−→
Exe 1.127
1 0 0 5 −1 −2
Verifique se as seguintes matrizes são invertı́veis, calculando, nesses 0 1 0 0 1 0 .
casos, a sua inversa:
h1 1 2i 0 0 1 −2 0 1
| {z }
(a) A = 0 1 0 . I3 |A−1
225
(b) B = [ 12 24 ].
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 89 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 90
1 – Matrizes Cálculo de inversas 1 – Matrizes English vocabulary
• produto (ou multiplicação) de uma matriz por um esca- • matriz ortogonal/orthogonal matrix
lar/multiplication of a matrix by a scalar • matriz em escada/row echelon form of a matrix
• multiplicação de matrizes/matrix multiplication • matriz em escada reduzida/row reduced echelon form of a matrix
• potência de uma matriz/power of a matrix
• matrizes comutáveis/permutable matrices
• matriz invertı́vel/invertible matrix
• matriz não-singular/non-singular matrix
• matriz não-invertı́vel/non-invertible matrix
• matriz singular/singular matrix
• matriz inversa/inverse matrix
• matriz transposta/transpose matrix
• matriz simétrica/symmetric matrix
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 93 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 94
2 – Determinantes 2 – Determinantes Definições
Def 2.1
1 Matrizes
Jmatriz complementar de um elemento de uma matrizK Sejam
A ∈ Mn×n (R) e i, j ∈ {1, . . . , n}. Chama-se matriz complementar do
2 Determinantes elemento ij, que se representa por A e ij , a
A se n = 1,
3 Sistemas de Equações Lineares def
e ij =
A
matriz que se obtém a partir da
se n > 2.
matriz A eliminando `i e cj
4 Espaços Vetoriais
5 Transformações Lineares de Rn em Rm
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 95 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 96
(b) Determine A
e 33 . an1 ··· ann
ao escalar
(c) Determine B
e11 .
a11 · · · a1n
|A| ≡ ... .. .. ≡ det(A)
Res . .
an1 · · · ann
e 12 = [ 4 6 ].
(a) A 79
a11 se n = 1,
(b) A33 = [ 14 25 ].
n
e def
= X
(−1)1+j a1j |A
e 1j | se n > 2.
(c) B
e11 = [ −5 ].
j=1
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 97 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 98
2 – Determinantes Definições 2 – Determinantes Definições
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 99 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 100
+ − Res
a11 a12
t * | 13 24 | = 1 × 4 − 2 × 3 = −2.
a21 a22
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 101 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 102
2 – Determinantes Definições 2 – Determinantes Definições
Exe 2.9
Res (cont.)
Seja Y = [yij ] ∈ M3×3 (R). Calcule |Y |.
Res
y11 y12 y13
= y11 (y22 y33 − y23 y32 ) − y12 (y21 y33 − y23 y31 )
|Y | ≡ y21 y22 y23 + y13 (y21 y32 − y22 y31 )
y31 y32 y33 = y11 y22 y33 + y12 y23 y31 + y13 y21 y32
3
X − y11 y23 y32 − y12 y21 y33 − y13 y22 y31 .
= (−1)1+j y1j |Y
e1j |
j=1
= (−1)1+1 y11 |Y
e11 | + (−1)1+2 y12 |Y
e12 | + (−1)1+3 y13 |Y
e13 |
| {z } | {z } | {z }
j=1 j=2 j=3
y22 y23 y21 y23
= 1 × y11 ×
+ (−1) × y12 ×
y32 y33 y31 y33
y21 y22
+ 1 × y13 ×
y31 y32
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 103 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 104
|A| = a11 a22 a33 + a21 a32 a13 + a31 a12 a23 |A| = a11 a22 a33 + a21 a32 a13 + a31 a12 a23
− a13 a22 a31 − a23 a32 a11 − a33 a12 a21 , − a13 a22 a31 − a23 a32 a11 − a33 a12 a21 .
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 105 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 106
2 – Determinantes Definições 2 – Determinantes Definições
9 1 2 tem-se que
3 )4u 5
6u )7u )8 |A| = 9 × 4 × 8 + 1 × 5 × 6 + 2 × 3 × 7
9u )1u )2
−2×4×6−9×5×7−1×3×8
3u 4 )5
= −27.
tem-se que
|A| = 9 × 4 × 8 + 3 × 7 × 2 + 6 × 1 × 5
−2×4×6−5×7×9−8×1×3
= −27,
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 107 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 108
(a) Note que a definição Def 2.3 para n > 2 consiste no cálculo do
determinante através do desenvolvimento da linha 1.
(b) Como regra prática para calcular determinantes através do teorema
de Laplace, deve-se fazer o desenvolvimento da linha ou coluna que
tiver mais zeros.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 109 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 110
2 – Determinantes Propriedades 2 – Determinantes Propriedades
Res Res
(a) (b)
4
X 4
X
|E | = (−1)4+j (E )4j |E
e4j | |E | = (−1)i+1 (E )i1 |E
ei1 |
j=1 i=1
4+1
= (−1) (E )41 |Ee41 | + (−1)4+2 (E )42 |E
e42 | = (−1)1+1 (E )11 |E
e11 | + (−1)2+1 (E )21 |E
e21 |
3+1 4+1
+ (−1)4+3 (E )43 |E
e43 | + (−1)4+4 (E )44 |E
e44 | + (−1) (E )31 |E e31 | + (−1) (E )41 |E e41 |
1 2 0 1 1 2 1 3 2 1 1 1
= 0 + 0 + (−1) × 1 × 1 0 3 + 1 × 3 × 1 0
0 = 1 × 1 × 1 2 1 + (−1) × 2 × 1 2 1 + 0 + 0
2 0 1 2 1 0 0 1 3 0 1 3
= 0 + 0 + (−1) × 1 × (−1) + 1 × 3 × (−3) = 1 × 1 × (−2) + (−1) × 2 × 3 + 0 + 0
= −8. = −8.
Cálculos
auxiliares: Cálculos
auxiliares:
1 1 1 1 3 2
2 1 2 = 1 × (1 × 1 − 2 × 1) − 1 × (2 × 1 − 2 × 0) + 1 × (2 × 1 − 1 × 0) = −1. 1 2 1 = 1 × (2 × 3 − 1 × 1) − 3 × (1 × 3 − 1 × 0) + 2 × (1 × 1 − 2 × 0) = −2.
0 1 3
0 1 1 1 1 1
1 1 1 1 2 1 = 1 × (2 × 3 − 1 × 1) − 1 × (1 × 3 − 1 × 0) + 1 × (1 × 1 − 2 × 0) = 3.
2 1 3 = 1 × (1 × 2 − 3 × 1) − 1 × (2 × 2 − 3 × 0) + 1 × (2 × 1 − 1 × 0) = −3. 013
012
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 111 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 112
Obs 2.16
Teo 2.15
Sejam A, B ∈ Mn×n (R) e α ∈ R. (a) |I | = 1.
(a) Se A for uma matriz diagonal ou triangular (inferior ou superior), (b) Sejam k ∈ N e A1 , . . . , Ak ∈ Mn×n (R). Então, |A1 · · · Ak | = |A1 | ×
então |A| = (A)11 × · · · × (A)nn . · · · × |Ak |.
(b) Se todos os elementos de uma linha ou coluna da matriz A são nulos, (c) Sejam A ∈ Mn×n (R) e k ∈ N. Então, |Ak | = |A|k .
então |A| = 0.
Exe 2.17
(c) Se A tem duas linhas ou colunas iguais, então |A| = 0. h1 2 3i h1 1 1i h1 2 1i
Considere as matrizes A = 0 2 3 , B = 2 2 2 , C = 0 0 0 ,
(d) |αA| = αn |A|. h1 0 0i 003 333 212
D = 0 2 0 e P ∈ M3×3 (R), tal que P é uma matriz invertı́vel. Usando
(e) |AT | = |A|. 001
as propriedades dos determinantes, calcule:
(f) |AB| = |A||B|.
(g) A é invertı́vel se e só se |A| =
6 0. (a) |A|. (e) | − 2A|. (i) |AT A−1 B T |.
(h) Se A é uma matriz invertı́vel, então |A−1 | = 1
|A| . (b) |B|. (f) −2|A|. (j) |A−1 DA|.
(c) |C |. (g) |A3 |. (k) |ABCD|.
(d) |D|. (h) |2AT A|. (l) |P −1 AP|.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 113 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 114
2 – Determinantes Propriedades 2 – Determinantes Propriedades
Res
Exe 2.18
(a) Sendo A uma matriz triangular (superior), tem-se que |A| = 1×2×3 = Considere as matrizes A, B, C e D do exercı́cio anterior. Indique,
6. justificando, as que são invertı́veis.
(b) Sendo c1,B = c2,B , tem-se que |B| = 0.
(c) Sendo `2,C uma linha nula, tem-se que |C | = 0. Res
(d) Sendo D uma matriz diagonal, tem-se que |D| = 1 × 2 = 2. Apenas as matrizes A e D são invertı́veis pois são as únicas cujos
determinantes são diferentes de zero.
(e) | − 2A| = (−2)3 |A| = −8 × 6 = −48.
(f) −2|A| = −2 × 6 = −12.
(g) |A3 | = |A|3 = 63 = 216.
(h) |2AT A| = |2AT ||A| = 23 |AT ||A| = 23 |A||A| = 23 × 6 × 6 = 288.
(i) |AT A−1 B T | = |AT ||A−1 ||B T | = |A| |A|
1
|B| = |B| = 0.
(j) |A−1 DA| = |A−1 ||D||A| = 1
|A| |D||A| = |D| = 2.
(k) |ABCD| = |A||B||C ||D| = 6 × 0 × 0 × 2 = 0.
(l) |P −1 AP| = |P −1 ||A||P| = 1
|P| |A||P| = |A| = 6.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 115 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 116
tipo I), então |B| = −|A|. (a) Calcule o determinante da matriz A através da definição (podendo
usar qualquer processo para calcular determinantes de matrizes de
(b) Se B resulta de A por multiplicação dos elementos de uma linha de
ordem 3).
A por α (operação elementar do tipo II), então |B| = α|A|.
(b) Calcule o determinante da matriz A por aplicação do teorema de La-
(c) Se B resulta de A adicionando a uma linha um múltiplo de outra linha
place através do desenvolvimento da coluna 3 (podendo usar qualquer
(operação elementar do tipo III), então |B| = |A|.
processo para calcular determinantes de matrizes de ordem 3).
(c) Calcule o determinante da matriz A através da observação Obs 2.20.
Obs 2.20
Sejam A uma matriz de ordem n e B é o resultado de aplicar o ATEsc à
matriz A. Então, |A| = (−1)s × (B)11 × · · · × (B)nn , em que s é o
número de operações elementares do tipo I realizadas (ou seja, o número
de trocas de linhas).
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 117 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 118
2 – Determinantes Propriedades 2 – Determinantes Propriedades
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 119 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 120
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 121 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 122
2 – Determinantes Matriz adjunta 2 – Determinantes Matriz adjunta
(a) Determine a matriz adjunta da matriz X = [xij ] ∈ M2×2 (R). tem-se que
(b) Determine a matriz adjunta da matriz A = −73 −4
−1
.
x22 −x12
adj(X ) = .
−x21 x11
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 123 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 124
Res
(a) Como |A| = 3 × 0 − (−2) × 1 = 2 6= 0, A é uma matriz invertı́vel.
h 0 1i
(b) A−1 = |A|
1
adj(A) = 12 −10 23 = − 1 3 .
2 2
Mostre-se, apenas para efeito de verificação, que AA−1 = I2 :
−1 3 −2 0 1 1 0
AA = = .
1 0 − 12 32 0 1
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 125 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 126
3 – Sistemas de Equações Lineares 3 – Sistemas de Equações Lineares Definições iniciais
Def 3.1
1 Matrizes
Jsistema de equações lineares, matriz dos coeficientes, vetor dos termos
independentes, vetor das incógnitas, matriz aumentada ou matriz
2 Determinantes ampliada, conjunto soluçãoK Sejam A = [aij ] ∈ Mm×n (R) e
b = [bi ] ∈ Mm×1 (R). Diz-se que (S) é um sistema de m equações
lineares com n incógnitas x1 , x2 , . . . , xn ∈ R com matriz dos coeficientes
3 Sistemas de Equações Lineares A e vetor dos termos independentes b se (S) é o sistema
a11 x1 + a12 x2 + a13 x3 + · · · + a1n xn = b1
4 Espaços Vetoriais
a21 x1 + a22 x2 + a23 x3 + · · · + a2n xn = b2
.. .. .. .. .. ..
. . . . . .
5 Transformações Lineares de Rn em Rm
am1 x1 + am2 x2 + am3 x3 + · · · + amn xn = bm .
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 127 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 128
3 – Sistemas de Equações Lineares Definições iniciais 3 – Sistemas de Equações Lineares Definições iniciais
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 129 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 130
3 – Sistemas de Equações Lineares Definições iniciais 3 – Sistemas de Equações Lineares Definições iniciais
Res
( Exe 3.6
x + 2y + z = 1 Dê um exemplo de um sistema homogéneo com duas equações e com
3x − y + z = 0. três incógnitas.
que se diz um sistema de equações não lineares, não será aqui tratado.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 131 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 132
3 – Sistemas de Equações Lineares Definições iniciais 3 – Sistemas de Equações Lineares Definições iniciais
Teo 3.12
Def 3.11
Seja Ax = b um sistema de equações lineares com n incógnitas. Então:
Seja (S) um sistema de equações lineares.
(a) Jsistema possı́velK Diz-se que (S) é um sistema possı́vel (que se abrevia
car(A) = car(A|b) : Pos
car(A) = car(A|b) = n : PD
por “Pos”) se # CS(S) > 0.
(b) Jsistema possı́vel e determinadoK Diz-se que (S) é um sistema possı́vel car(A) = car(A|b) < n : PI
car(A) < car(A|b) : Imp.
e determinado (que se abrevia por “PD”) se # CS(S) = 1.
(c) Jsistema possı́vel e indeterminadoK Diz-se que (S) é um sistema pos-
sı́vel e indeterminado (que se abrevia por “PI”) se # CS(S) = +∞. Obs 3.13
(d) Jsistema impossı́velK Diz-se que (S) é um sistema impossı́vel (que se
abrevia por “Imp”) se # CS(S) = 0. (a) Seja um sistema de m equações lineares com n incógnitas. Então, se
n > m o sistema nunca é PD.
(b) Seja Ax = b um sistema de n equações lineares com n incógnitas, tal
que A é uma matriz invertı́vel. Então, x = A−1 b.
(c) Os sistemas homogéneos são sempre possı́veis. No caso de ser PD, a
única solução é o vetor nulo (que se diz “solução trivial”).
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 135 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 136
3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan 3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 137 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 138
3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan 3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 139 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 140
3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan 3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 141 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 142
3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan 3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan
3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan 3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan
3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan 3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 151 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 152
3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan 3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 155 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 156
3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan 3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan
y Res
Passo
1 Aplicação
do ATEsc
à matriz aumentada
A|b:
1 1 1 ←−−−−→ 1 1 1
.
1 1 1 0 `2 ← `2 −`1 0 0 −1
Passo 2 Como car(A) = 1 < car(A|b) = 2, (S) é um sistema Imp.
Passo 3 CS(S) = ∅.
x
1
x + y = 1 ⇔ −2x − 2y = −2
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 157 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 158
3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan 3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan
Res (cont.)
Exe 3.29
CS(S) pode ser geometricamente interpretado como sendo os pontos de Seja h(S) o sistema de equações lineares cuja matriz dos coeficientes
intersecção das retas x + y = 1 e x + y = 2, que neste caso não existem, 1 1 −1
i h 1 i é
conforme se ilustra na seguinte figura: A = −1 1 −1 e cujo vetor dos termos independentes é b = −1 .
01 2 3
(a) Determine CS(S) através do método de Gauss.
y
(b) Determine CS(S) através do método de Gauss-Jordan.
(c) Comente os resultados obtidos nas duas alı́neas anteriores.
2
Res
3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan 3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan
Passo 2 Como car(A) = car(A|b) = n = 3 (n é o número de incóg- (b) Tendo em consideração a alı́nea anterior, onde já se determinou uma
nitas), (S) é um sistema PD. matriz em escada equivalente à matriz ampliada do sistema e se con-
Passo 3 Sejam x1 , x2 , x3 as incógnitas do sistema (S). Então, (S) é cluiu que o sistema é PD, avança-se diretamente para o Passo 3:
equivalente ao sistema Passo 3 Aplicação do ATEscRed à matriz resultante do Passo 1 da
alı́nea anterior:
x1 + x2 − x3 = 1 `1 ← `1 +`3
1 1 −1 1 ←−−−−→ 1 1 −1 1
2x2 − 2x3 = 0 0 2 −2 0 0 2 −2 0 `2 ← `2 +2`3
0 0 3 3 `3 ← 13 `3 0 0 1 1 ←−−−−→
3x3 = 3.
`1 ← `1 −`2
1 1 0 2 1 1 0 2
Assim, tem-se (MeSTaF): 0 2 0 2 `2 ← 12 `2 0 1 0 1
• 3x3 = 3 ⇔ x3 = 1; 0 0 1 1 ←−−−−→ 0 0 1 1 ←−−−−→
• 2x2 − 2x3 = 0 ⇔ 2x2 − 2 × (1) = 0 ⇔ x2 = 1;
1 0 0 1
• x1 + x2 − x3 = 1 ⇔ x1 + (1) − (1) = 1 ⇔ x1 = 1, 0 1 0 1 .
pelo que CS(S) = {(1, 1, 1)}. 0 0 1 1
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 161 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 162
3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan 3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 163 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 164
3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan 3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan
Res (cont.)
Res (cont.)
(b) Tendo em consideração a alı́nea anterior, onde já se determinou uma
Passo 3 Sejam x1 , x2 , x3 as incógnitas do sistema (S). Então, x3 é
matriz em escada equivalente à matriz ampliada do sistema e se con-
uma incógnita livre e (S) é equivalente ao sistema
cluiu que o sistema é PI, avança-se diretamente para o Passo 3:
(
x1 + x2 + x3 = 1 Passo 3 Aplicação do ATEscRed à matriz resultante do Passo 1 da
− x2 = 1. alı́nea
anterior:
1 1 1 1 ←−−−−→ 1 1 1 1 `1 ← `1 −`2
Assim, tem-se (MeSTaF): 0 −1 0 1 `2 ← −`2 0 1 0 −1 ←−−−−→
• −x2 = 1 ⇔ x2 = −1; 1 0 1 2
.
• x1 + x2 + x3 = 1 ⇔ x1 + (−1) + x3 = 1 ⇔ x1 = 2 − x3 , 0 1 0 −1
pelo que CS(S) = {(2 − x3 , −1, x3 ) : x3 ∈ R}. Sejam x1 , x2 , x3 as incógnitas do sistema (S). Então, x3 é uma incóg-
nita livre e (S) é equivalente ao sistema
(
x1 + x3 = 2
x2 = −1.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 165 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 166
3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan 3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan
Exe 3.31
Res (cont.)
Dê exemplos de sistemas de m equações lineares a n incógnitas possı́veis
Assim, tem-se (MeSTaF): e determinados, possı́veis e indeterminados e impossı́veis para m > n,
m = n e m < n, sempre que tal seja possı́vel.
• x2 = −1;
• x1 + x3 = 2 ⇔ x1 = 2 − x3 , Res
pelo que CS(S) = {(2 − x3 , −1, x3 ) : x3 ∈ R}.
m>n m=n m<n
(c) O conjunto solução que se obteve através da aplicação do método de PD m =
Gauss é igual ao que se obteve através da aplicação do método de 2, n = 1 m = 1, n = 1
x =1
Gauss-Jordan, como tem que ser. Substituindo os valores encontrados x=1 —
2x=2
para as incógnitas no sistema dado, tem-se (2 − x3 ) + (−1) + x3 = 1 PI m
e (2 − x3 ) + x3 = 2, o que permite concluir que o conjunto solução = 3, n = 2 m = 2, n = 2 m = 1, n = 2
x + y =1
encontrado está correto. x + y =1
2x+2y =2 x+y =1
2x+2y =2
3x+3y =3
Imp m =2, n = 1 m= 2, n = 2
m = 2, n = 3
x=1 x+y =1 x+y +z =1
x=2 x+y =2 x+y +z =2
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 167 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 168
3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan 3 – Sistemas de Equações Lineares Método de Gauss e método de Gauss-Jordan
3 – Sistemas de Equações Lineares Discussão de sistemas de equações lineares 3 – Sistemas de Equações Lineares Discussão de sistemas de equações lineares
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 173 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 174
3 – Sistemas de Equações Lineares Discussão de sistemas de equações lineares 3 – Sistemas de Equações Lineares Regra de Cramer
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 175 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 176
3 – Sistemas de Equações Lineares Regra de Cramer 3 – Sistemas de Equações Lineares Matrizes invertı́veis revisitadas
Teo 3.40
Exe 3.39
Seja A ∈ Mn×n (R). Então, A é uma matriz invertı́vel se e só se
Seja (S) o sistema de equações lineares cuja matriz dos coeficientes é
car(A) = n.
A = −31 26 e cujo vetor dos termos independentes é b = [ 12 ].
(a) Mostre, sem o resolver, que (S) é um sistema possı́vel e determinado. Exe 3.41
(b) Determine o conjunto solução de (S) através da Regra de Cramer. Determine, por dois processos distintos, para que valores de α a matriz
A = [ α1 α1 ] é invertı́vel.
Res Res
(a) Como |A| = 1 × 6 − 2 × (−3) = 12 6= 0, (S) é um sistema PD. • Processo 1 — determinar α tal que |A| = 6 0 ⇔ α2 − 1 6=
6 0: |A| =
(b) Seja x = [ xx12 ]
o vetor das incógnitas de (S). Então: 0 ⇔ α 6= ±1.
• Processo 2 — determinar α tal que car(A) = 2:
1 2 1 1
2 6 2 1 −3 2 5
α 1 ←−−−→ 1 α
1 α
←−−−→
x1 = = = , x2 = = , CS(S) = {( 61 , 12
5
)}.
|A| 12 6 |A| 12 1 α `1 ↔ `2 α 1 `2 ← `2 − α`2 0 1 − α2
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 177 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 178
3 – Sistemas de Equações Lineares Matrizes invertı́veis revisitadas 4 – Espaços Vetoriais
Obs 3.42
1 Matrizes
Some english vocabulary regarding Linear Systems of Equations
• sistema de equações lineares/linear system of equations
• matriz dos coeficientes/coefficient matrix 2 Determinantes
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 179 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 180
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 181 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 182
4 – Espaços Vetoriais Definições iniciais 4 – Espaços Vetoriais Definições iniciais
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 187 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 188
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 189 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 190
4 – Espaços Vetoriais Combinação linear 4 – Espaços Vetoriais Combinação linear
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 191 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 192
Res (cont.)
( Res (cont.)
α1 + α2 = 1
(1, 4) = α1 (1, 2) + α2 (1, 1) ⇔
2α1 + α2 = 4, Assim, tem-se (MeSTaF):
• −α2 = 2 ⇔ α2 = −2;
ou seja, Ax = b, com A = [ 12 11 ], x = [ αα12 ] e b = [ 14 ]. Aplicando-se o • α1 + α2 = 1 ⇔ α1 + (−2) = 1 ⇔ α1 = 3,
método de Gauss, tem-se: vindo
Passo 1 Aplicação do ATEsc
à matriz aumentada A|b:
x = 3x1 − 2x2 .
1 1 1 ←−−−−→ 1 1 1
.
2 1 4 `2 ← `2 −2`1 0 −1 2 (b) Mostrar que x é uma combinação linear de x1 , x2 e x3 é, por definição,
Passo 2 Como car(A) = car(A|b) = n = 2 (n é o número de incóg- mostrar que
nitas), (Sa ) é um sistema PD.
∃α1 , α2 , α3 ∈ R [x = α1 x1 + α2 x2 + α3 x3 ],
Passo 3 Sendo α1 , α2 as incógnitas do sistema (Sa ), este é equivalente
ao sistema i.e., que é possı́vel o sistema de equações lineares (Sb ) dado por
(
α1 + α2 = 1
(
α1 + α2 + 2α3 = 1
−α2 = 2. (1, 4) = α1 (1, 2) + α2 (1, 1) + α3 (2, 2) ⇔
2α1 + α2 + 2α3 = 4,
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 193 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 194
4 – Espaços Vetoriais Combinação linear 4 – Espaços Vetoriais Combinação linear
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 197 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 198
4 – Espaços Vetoriais Espaço gerado 4 – Espaços Vetoriais Espaço gerado
Exe 4.22
Res (cont.)
Sejam a = (−1, 2, −3), b = (3, 4, 2) e c = (1, 8, −4). Mostre que
c ∈ ha, bi. −1 3 1 ←−−−−→ −1 3 1 ←−−−−→
2 4 8 `2 ← `2 +2`1 0 10 10
Res 7
−3 2 −4 `3 ← `3 −3`1 0 −7 −7 `3 ← `3 + 10 `2
Para se mostrar que c ∈ ha, bi, tem que se mostrar que c é uma
−1 3 1
combinação linear de a e b, ou seja, 0 10 10 ,
0 0 0
∃α, β ∈ R [c = αa + βb],
pelo que car(A) = car(A|b) = 2. Assim, o sistema (S) é um sistema Pos,
i.e., que é possı́vel o sistema de equações lineares (S) dado por pelo que c é uma combinação linear de a e b, ou seja, c ∈ ha, bi.
−α + 3β = 1
(1, 8, −4) = α(−1, 2, −3) + β(3, 4, 2) ⇔ 2α + 4β = 8
−3α + 2β = −4,
h −1 3 i h 1
i
ou seja, Ax = b, com A = 24 , x = [ αβ ] e b = 8 . Aplicando-se o
−3 2 −4
ATEsc à matriz ampliada do sistema (S), tem-se:
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 199 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 200
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 201 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 202
4 – Espaços Vetoriais Conjunto gerador 4 – Espaços Vetoriais Conjunto gerador
(a) Indique, justificando, se X1 = {(2, 0)} é um conjunto gerador de R2 . (a) Verificar se X1 = {(2, 0)} é um conjunto gerador de R2 é verificar se, qual-
quer que seja x = (ξ1 , ξ2 ) ∈ R2 , é Pos o sistema de equações lineares (S1 )
(b) Indique, justificando, se X2 = {(2, 0), (3, 4)} é um conjunto gerador
dado por
de R2 . (
(c) Indique, justificando, se X3 = {(2, −1), (−4, 2)} é um conjunto gera- 2α = ξ1
(ξ1 , ξ2 ) = α(2, 0) ⇔
dor de R2 . 0α = ξ2 ,
(d) Indique, justificando, se X4 = {(2, 0), (3, 4), (0, 1)} é um conjunto h i
ξ1
gerador de R2 . ou seja, Ax = b, com A = [ 20 ], x = [ α ] e b = ξ2 . Então, como a
representação matricial do sistema (S1 ) é
2 ξ1
0 ξ2
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 203 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 204
Res (cont.)
Obs 4.28
(d) Verificar se X4 = {(2, 0), (3, 4), (0, 1)} é um conjunto gerador de R2 (a) Conjuntos geradores distintos podem gerar o mesmo espaço vetorial.
é verificar se, qualquer que seja x = (ξ1 , ξ2 ) ∈ R2 , é Pos o sistema de
(b) Se F = hx1 , . . . , xr i, então X = {x1 , . . . , xr } é um conjunto gerador
equações lineares (S4 ) dado por
de F .
(
2α + 3β = ξ1 (c) O teorema que se segue indica um algoritmo para“simplificar”conjun-
(ξ1 , ξ2 ) = α(2, 0) + β(3, 4) + γ(0, 1) ⇔ tos geradores de subespaços de Rn através da eliminação de elementos
4β + γ = ξ2 ,
redundantes.
h i
ou seja, Ax = b, com A = [ 20 34 01 ], x = [ αβ ] e b = ξ1
ξ2 . Então, como
Teo 4.29
a representação matricial do sistema (S4 ) é
Sejam V um subespaço de Rn e X = {x1 , . . . , xr } um conjunto gerador
de V . Seja, ainda, A = [aij ] ∈ Mn×r (R), com aij a i-ésima componente
2 3 0 ξ1
0 4 1 ξ2 de xj . Então, X 0 = {xk1 , . . . , xkp }, em que ck1 , . . . , ckp são os colunas
pivô de B ∈ fe(A), também é um conjunto gerador de V .
que já está em escada, car(A) = car(A|b) = 2 qualquer que seja x =
(ξ1 , ξ2 ) ∈ R2 , pelo que o sistema (S4 ) é sempre possı́vel, concluindo-se
que X4 é um conjunto gerador de R2 .
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 207 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 208
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 209 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 210
4 – Espaços Vetoriais Independência e dependência lineares 4 – Espaços Vetoriais Independência e dependência lineares
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 211 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 212
4 – Espaços Vetoriais Independência e dependência lineares 4 – Espaços Vetoriais Independência e dependência lineares
Res
Res (cont.)
(a) Como (2, 0) 6= (0, 0), X1 é um conjunto li.
(b) Verificar se X2 = {(2, 0), (3, 4)} é um conjunto li ou ld é verificar se é (c) Verificar se X3 = {(2, −1), (−4, 2)} é um conjunto li ou ld é verificar
PD ou PI, respetivamente, o sistema de equações lineares (S2 ) dado se é PD ou PI, respetivamente, o sistema de equações lineares (S3 )
por dado por
(
2α − 4β = 0
(
2α + 3β = 0 (0, 0) = α(2, −1) + β(−4, 2) ⇔
(0, 0) = α(2, 0) + β(3, 4) ⇔ −α + 2β = 0,
4β = 0,
Obs 4.35
Res
O seguinte teorema justifica a designação “vetores linearmente
independentes”. (a) Verificar se x1 = (1, −1, 1) é uma combinação linear de x2 =
(2, −1, 1) e x3 = (2, 1, 3) é, por definição, verificar se
Teo 4.36
Sejam V um espaço vetorial e X = {x1 , . . . , xr } ⊆ V com r ≥ 2. Então, ∃α2 , α3 ∈ R [x1 = α2 x2 + α3 x3 ],
X é um conjunto linearmente independente se e só se nenhum dos
elementos de X for uma combinação linear dos restantes elementos de X . i.e., se é possı́vel o sistema de equações lineares (Sa ) dado por
2α2 + 2α3 = 1
Exe 4.37
(1, −1, 1) = α2 (2, −1, 1) + α3 (2, 1, 3) ⇔ −α2 + α3 = −1
Sejam x1 = (1, −1, 1), x2 = (2, −1, 1) e x3 = (2, 1, 3).
α2 + 3α3 = 1,
(a) Indique, justificando, se x1 é uma combinação linear de x2 e x3 .
h 2 2i h 1i
(b) Indique, justificando, se x2 é uma combinação linear de x1 e x3 . ou seja, Ax = b, com A = −1 1 , x = [ αα23 ] e b = −1 . Então,
13 1
(c) Indique, justificando, se x3 é uma combinação linear de x1 e x2 . aplicando o ATEsc à matriz ampliada do sistema (Sa )
(d) Indique, justificando, se X = {x1 , x2 , x3 } é um conjunto linearmente
independente ou linearmente dependente.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 215 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 216
4 – Espaços Vetoriais Independência e dependência lineares 4 – Espaços Vetoriais Independência e dependência lineares
h 1 2i h 2i
ou seja, Ax = b, com A = −1 1 , x = [ αα13 ] e b = −1 . Então,
13 1
aplicando o ATEsc à matriz ampliada do sistema (Sb )
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 217 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 218
4 – Espaços Vetoriais Independência e dependência lineares 4 – Espaços Vetoriais Independência e dependência lineares
h 1 2i h2i
ou seja, Ax = b, com A = −1 −1 , x = [ αα12 ] e b = 1 . Então,
1 1 3
aplicando o ATEsc à matriz ampliada do sistema (Sc )
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 219 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 220
4 – Espaços Vetoriais Independência e dependência lineares 4 – Espaços Vetoriais Independência e dependência lineares
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 221 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 222
4 – Espaços Vetoriais Independência e dependência lineares 4 – Espaços Vetoriais Independência e dependência lineares
(a) Verificar se x1 é uma combinação linear de x2 e x3 é, por definição, que já está em escada, car(A) = car(A|b) = n = 2 (n é o número
verificar se de incógnitas), pelo que o sistema (Sa ) é Pos, concluindo-se que x1 é
uma combinação linear de x2 e x3 .
∃α2 , α3 ∈ R [x1 = α2 x2 + α3 x3 ],
(b) Como x1 é uma combinação linear de x2 e x3 , {x1 , x2 , x3 } é um con-
i.e., se é possı́vel o sistema de equações lineares (Sa ) dado por junto ld.
(
2α2 + α3 = 1
(1, 0) = α2 (2, 0) + α3 (1, 1) ⇔
α3 = 0,
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 223 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 224
4 – Espaços Vetoriais Independência e dependência lineares 4 – Espaços Vetoriais Independência e dependência lineares
Res
Teo 4.41
Sejam V um espaço vetorial e X e X ∗ subconjuntos de V . Se X é um (a) Verificar se X1 = {(2, 2, 3, −4), (1, 2, 0, −1), (0, −2, 3, −2)} é um
conjunto linearmente dependente e X ⊆ X ∗ , então X ∗ também é um conjunto li ou ld é verificar se é PD ou PI, respetivamente, o sis-
conjunto linearmente dependente. tema de equações lineares (S) dado por
Exe 4.42 (0, 0, 0, 0) = α(2, 2, 3, −4) + β(1, 2, 0, −1) + γ(0, −2, 3, −2) ⇔
2α + β =0
(a) Indique, justificando, se X1 = {(2, 2, 3, −4), (1, 2, 0, −1),
2α + 2β − 2γ = 0
(0, −2, 3, −2)} é um conjunto linearmente independente ou li-
nearmente dependente.
3α + 3γ = 0
−4α − β − 2γ = 0,
(b) Indique, justificando, se X2 = {(2, 2, 3, −4), (1, 2, 0, −1),
(0, −2, 3, −2), (2, 1, 1, 1)} é um conjunto linearmente indepen-
2 1 0
hαi 0
dente ou linearmente dependente. ou seja, Ax = b, com A = 2 2 −2
, x = βγ e b = 00 . Então,
3 0 3
−4 −1 −2 0
aplicando o ATEsc à matriz ampliada do sistema (S), tem-se:
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 225 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 226
4 – Espaços Vetoriais Independência e dependência lineares 4 – Espaços Vetoriais Independência e dependência lineares
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 227 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 228
4 – Espaços Vetoriais Independência e dependência lineares 4 – Espaços Vetoriais Independência e dependência lineares
Res
Res (cont.)
(a) Verificar se X1 = {(2, 2, 3, 4), (1, 2, 0, 0), (1, −2, 3, 4)} é um conjunto
li ou ld é verificar se é PD ou PI, respetivamente, o sistema de equa-
2 1 1 0 ←−−−−→ 2 1 1 0 ←−−−−→
ções lineares (S) dado por 2 2 −2 0 `2 ← `2 −`1 0 1 −3 0
3 0 3 0 `3 ← `3 − 32 `1 0 − 32 3
2 0
`3 ← `3 + 3 `2
2
(0, 0, 0, 0) = α(2, 2, 3, 4) + β(1, 2, 0, 0) + γ(1, −2, 3, 4) ⇔ 4 0 4 0 `4 ← `4 −2`1 0 −2 2 0 `4 ← `4 +2`2
2α + β + γ = 0
2 1 1 0 ←−−−−→ 2 1 1 0
2α + 2β − 2γ = 0 0 1 −3 0 0 1 −3 0
.
3α + 3γ = 0
0 0 −3 0 0 0 −3 0
0 0 −4 0 4 0 0 0 0
4α `4 ← `4 − 3 `3
+ 4γ = 0,
2 1 Como car(A) = car(A|b) = n = 3 (n é o número de incógnitas), (S)
1
0
2 2 −2
hαi é um sistema PD, concluindo-se que X1 é um conjunto li.
ou seja, Ax = b, com A = 30 3 , x = γ e b = 00 . Então,
β
40 4 0 (b) Como X2 ⊆ X1 e X1 é um conjunto li, então X2 também é um
aplicando o ATEsc à matriz ampliada do sistema (S), tem-se: conjunto li.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 229 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 230
4 – Espaços Vetoriais Base e base ordenada 4 – Espaços Vetoriais Base e base ordenada
Exe 4.47
Def 4.45
JbaseK Sejam V um espaço vetorial e B = {b1 , . . . , br } ⊂ V . Diz-se que (a) Indique, justificando, se X1 = {(2, 0)} é uma base de R2 .
B é uma base de V se B é um conjunto gerador de V linearmente (b) Indique, justificando, se X2 = {(2, 0), (3, 4)} é uma base de R2 .
independente. (c) Indique, justificando, se X3 = {(2, −1), (−4, 2)} é uma base de R2 .
(d) Indique, justificando, se X4 = {(2, 0), (3, 4), (0, 1)} é uma base de R2 .
Obs 4.46
Sejam V um espaço vetorial e B = {b1 , . . . , br } ⊂ V . Diz-se que B é Res
uma base de V se o sistema de equações lineares
(a) Atendendo ao exercı́cio Exe 4.27 (a), X1 não é um conjunto gerador
α1 b1 + · · · + αr br = x de R2 , pelo que não é uma sua base.
(b) Atendendo aos exercı́cios Exe 4.27 (b) e Exe 4.34 (b), X2 é um con-
é possı́vel e determinado qualquer que seja x ∈ V . junto gerador de R2 linearmente independente, pelo que é uma base
de R2 .
(c) Atendendo ao exercı́cio Exe 4.27 (c), X3 não é um conjunto gerador
de R2 , pelo que não é uma sua base.
(d) Atendendo ao exercı́cio Exe 4.34 (d), X4 não é um conjunto linear-
mente independente, pelo que não é uma base de R2 .
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 231 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 232
4 – Espaços Vetoriais Base e base ordenada 4 – Espaços Vetoriais Base e base ordenada
Exe 4.49 x = α1 b1 + · · · + αr br .
Indique o valor lógico da seguinte proposição: “Seja B = {(1, 2), (2, 3)}
Chama-se coordenadas do vetor x relativamente à base ordenada B, que
uma base de R2 . Então, B1 = ((1, 2), (2, 3)) e B2 = ((2, 3), (1, 2)) são
se representa por [x]B , a
duas bases ordenadas distintas de R2 .”
def
Res [x]B = (α1 , . . . , αr ) ∈ Rr .
Proposição verdadeira.
Obs 4.52
Obs 4.50
Como uma base é um conjunto linearmente independente, o sistema
O objetivo da definição Def 4.48 é permitir distinguir entre ordenações
linear que é necessário resolver para determinar as coordenadas de um
diferentes dos seus elementos, situação que não acontece em conjuntos.
vetor numa base ordenada é sempre possı́vel e determinado, pelo que as
Faz sentido, agora, a seguinte definição:
coordenadas de um vetor numa base ordenada são únicas.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 233 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 234
4 – Espaços Vetoriais Base e base ordenada 4 – Espaços Vetoriais Base e base ordenada
(a) Determine [(0, 2, 3)]Ba , Ba = ((1, 0, 0), (0, 1, 0), (0, 0, 1)). (b) Para responder à questão, tem que se resolver o sistema (Sb ) dado
(b) Determine [(0, 2, 3)]Bb , Bb = ((0, 1, 0), (1, 0, 0), (0, 0, 1)). por
(c) Determine [(0, 2, 3)]Bc , Bc = ((1, 1, 1), (0, 1, 1), (1, 0, 1)).
α2 = 0
α1 (0, 1, 0)+α2 (1, 0, 0)+α3 (0, 0, 1) = (0, 2, 3) ⇔ α1 =2
Res (cont.)
α3 = 3,
(a) Para responder à questão, tem que se resolver o sistema (Sa ) dado
por vindo imediatamente que (0, 2, 3) = 2(0, 1, 0) + 0(1, 0, 0) + 3(0, 0, 1),
ou seja, [x]Bb = (2, 0, 3).
α1
=0 (c) Para responder à questão, tem que se resolver o sistema (Sc ) dado
α1 (1, 0, 0)+α2 (0, 1, 0)+α3 (0, 0, 1) = (0, 2, 3) ⇔ α2 = 2 por
α3 = 3,
α1
+ α3 = 0
vindo imediatamente que (0, 2, 3) = 0(1, 0, 0) + 2(0, 1, 0) + 3(0, 0, 1), α1 (1, 1, 1)+α2 (0, 1, 1)+α3 (1, 0, 1) = (0, 2, 3) ⇔ α1 + α2 =2
ou seja, [x]Ba = (0, 2, 3).
α1 + α2 + α3 = 3,
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 235 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 236
4 – Espaços Vetoriais Base e base ordenada 4 – Espaços Vetoriais Base e base ordenada
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 237 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 238
4 – Espaços Vetoriais Dimensão de um espaço vetorial 4 – Espaços Vetoriais Dimensão de um espaço vetorial
Teo 4.54
Teo 4.57
Sejam V um espaço vetorial e o conjunto {x1 , . . . , xr } uma base de V .
dim(Rn ) = n.
Então, todas as bases de V têm r vetores.
Def 4.55 Exe 4.58
Jdimensão de um espaço vetorial de dimensão finita, dim(V )K Seja V um (a) Indique, justificando, se X1 = {(2, 0)} é uma base de R2 .
espaço vetorial tal que V = {0V } ou {x1 , . . . , xr } é uma base de V .
(b) Indique, justificando, se X4 = {(2, 0), (3, 4), (0, 1)} é uma base de R2 .
(a) Se V = {0V }, diz-se que a dimensão de V é zero, escrevendo-se
dim(V ) = 0.
(b) Se {x1 , . . . , xr } é uma base de V , diz-se que a dimensão de V é r , Res
escrevendo-se dim(V ) = r . (a) Como #X1 = 1 6= dim(R2 ) = 2, X1 não é uma base de R2 .
(c) Diz-se ainda que V é um espaço vetorial de dimensão finita. (b) Como #X4 = 3 6= dim(R2 ) = 2, X4 não é uma base de R2 .
Obs 4.56
Note-se que a alı́nea (b) da definição anterior faz sentido pois o teorema
que a precede garante que se {x1 , . . . , xr } é uma base de V , todas as
bases de V têm r elementos.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 239 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 240
4 – Espaços Vetoriais Dimensão de um espaço vetorial 4 – Espaços Vetoriais Dimensão de um espaço vetorial
Res
(e1 , e2 , e3 ), e1 = (1, 0, 0), e2 = (0, 1, 0) e e3 = (0, 0, 1).
Obs 4.62
Seja B a base canónica de Rn . Então [x]B = x (reveja o exercı́cio
Exe 4.53 (a)).
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 241 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 242
4 – Espaços Vetoriais Dimensão de um espaço vetorial 4 – Espaços Vetoriais Dimensão de um espaço vetorial
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 243 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 244
4 – Espaços Vetoriais Dimensão de um espaço vetorial 4 – Espaços Vetoriais Dimensão de um espaço vetorial
Res
Def 4.66
Jnúcleo de uma matriz ou espaço nulo de uma matrizK Seja (a) O núcleo da matriz A é o conjunto solução do sistema cuja matriz dos
A ∈ Mm×n (R). Chama-se núcleo da matriz A ou espaço nulo da matriz coeficientes é a matriz A e cujo vetor dos termos independentes é o
A, que se representa por Nuc(A), ao conjunto solução do sistema vetor nulo b = [ 00 ]. Aplique-se o método de Gauss para o determinar:
homogéneo cuja matriz dos coeficientes é a matriz A, ou seja, Passo 1 Aplicação do ATEsc
à matriz aumentada A|b:
1 0 0 ←−−−−→ 1 0 0
def
Nuc(A) = CS(Ax=0) (⊆ Rn ). .
2 2 0 `2 ← `2 −2`1 0 2 0
Passo 2 Como car(A) = car(A|b) = n = 2 (n é o número de incóg-
Exe 4.67 nitas), (S) é um sistema PD.
Determine o núcleo das seguintes matrizes: Passo 3 Sejam x1 , x2 as incógnitas do sistema (S). Então, (S) é
(a) A = [ 12 02 ]. equivalente ao sistema
(b) B = [ 12 12 10 12 ].
(
x1 =0
2x2 = 0.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 247 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 248
4 – Espaços Vetoriais Dimensão de um espaço vetorial 4 – Espaços Vetoriais Dimensão de um espaço vetorial
Exe 4.69
Determine as dimensões do espaço das linhas, do espaço das colunas e do
núcleo das seguintes matrizes:
(a) A = [ 12 02 ].
(b) B = [ 12 12 10 12 ].
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 249 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 250
4 – Espaços Vetoriais Dimensão de um espaço vetorial 4 – Espaços Vetoriais Dimensão de um espaço vetorial
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 251 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 252
4 – Espaços Vetoriais Dimensão de um espaço vetorial 4 – Espaços Vetoriais Dimensão de um espaço vetorial
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 253 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 254
4 – Espaços Vetoriais Dimensão de um espaço vetorial 5 – Transformações Lineares de Rn em Rm
Obs 4.75
1 Matrizes
Some english vocabulary regarding Vector Spaces
• espaço vetorial/vector space
• subespaço/subspace 2 Determinantes
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 255 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 256
Obs 5.3
Sejam f uma função cujo domı́nio é Rn e x = (x1 , . . . , xn ) ∈ Rn . Então,
a imagem de x por f , além de se representar por f (x), também é
habitual representar-se por f (x1 , . . . , xn ).
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 257 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 258
5 – Transformações Lineares de Rn em Rm Definições iniciais 5 – Transformações Lineares de Rn em Rm Definições iniciais
Determine g ◦ f .
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 259 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 260
f g f1 : R → R, f1 (x) = x 2 .
a α 1 f2 : R → R, f2 (x) = 2x.
f3 : R → R, f3 (x) = x + 1.
b β 2
c γ Determine:
(a) f1 ◦ f2 .
δ
(b) f2 ◦ f1 .
tem-se que g ◦ f = {a, b, c} → {1, 2}, a 7→ 1, b 7→ 1, c 7→ 1. (c) f3 ◦ (f2 ◦ f1 ).
(d) (f3 ◦ f2 ) ◦ f1 .
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 261 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 262
5 – Transformações Lineares de Rn em Rm Definições iniciais 5 – Transformações Lineares de Rn em Rm Definições iniciais
Res
Exe 5.17
F + G : R → R, (F + G )(x) = x 2 + 2x.
Considere a função
Obs 5.15
F : R2 → R3 , F (x, y ) = (x 2 , 0, |y |).
No caso do domı́nio e do conjunto de chegada de uma função serem Rn e
Rm , respetivamente, pode definir-se o produto (ou multiplicação) dessa Determine 3F .
função por um escalar através da seguinte definição (que se podia
generalizar a domı́nios e conjuntos de chegada mais gerais, mas essa Res
generalização não é relevante para este curso): 3F : R2 → R3 , (3F )(x, y ) = (3x 2 , 0, 3|y |).
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 265 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 266
5 – Transformações Lineares de Rn em Rm Definições iniciais 5 – Transformações Lineares de Rn em Rm Definições iniciais
Exe 5.20
Def 5.18
Seja T : R2 −→ R3 , T (x1 , x2 ) = (x2 , 0, x1 + x2 ). Mostre que T é uma
(a) Jtransformação linear ou homomorfismoK Seja T uma função de Rn em transformação linear de R2 em R3 .
Rm . Diz-se que T é uma transformação linear ou um homomorfismo Res
de Rn em Rm se
(i) ∀x, y ∈ Rn [T (x + y ) = T (x) + T (y )] e • Condição (i): ∀x, y ∈ R2 [T (x + y ) = T (x) + T (y )].
(ii) ∀x ∈ Rn , ∀α ∈ R [T (αx) = αT (x)]. Sejam x = (x1 , x2 ), y = (y1 , y2 ) ∈ R2 . Então:
(b) JL(Rn , Rm ) K Representa-se por L(Rn , Rm ) o conjunto de todas as
T (x + y ) = T ((x1 , x2 ) + (y1 , y2 )) = T (x1 + y1 , x2 + y2 )
transformações lineares de Rn em Rm .
= (x2 + y2 , 0, x1 + y1 + x2 + y2 ).
T (x) + T (y ) = T (x1 , x2 ) + T (y1 , y2 )
Obs 5.19
= (x2 , 0, x1 + x2 ) + (y2 , 0, y1 + y2 )
A definição anterior pode generalizar-se ao caso de funções em que o
domı́nio e o conjunto de chegada são espaços vetoriais quaisquer. No = (x2 + y2 , 0, x1 + x2 + y1 + y2 )
entanto, e como indica o nome do capı́tulo, este curso apenas abordará = (x2 + y2 , 0, x1 + y1 + x2 + y2 ).
transformações lineares de Rn em Rm .
Assim, como T (x + y ) = T (x) + T (y ), conclui-se que a condição (i)
é válida.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 267 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 268
Obs 5.21
Res (cont.)
Seja f uma função de Rn em Rm . Então, f não é uma transformação
linear de Rn em Rm se
• Condição (ii): ∀x ∈ R2 , ∀α ∈ R [T (αx) = αT (x)].
Sejam x = (x1 , x2 ) ∈ R2 e α ∈ R. Então: (i) ∃x, y ∈ Rn [f (x + y ) 6= f (x) + f (y )] ou
(ii) ∃x ∈ Rn , ∃α ∈ R [f (αx) 6= αf (x)].
T (αx) = T (α(x1 , x2 )) = T (αx1 , αx2 ) = (αx2 , 0, αx1 + αx2 ).
αT (x) = αT (x1 , x2 ) = α(x2 , 0, x1 + x2 ) = (αx2 , 0, αx1 + αx2 ). Exe 5.22
Seja f : R2 −→ R3 , f (x1 , x2 ) = (x2 , 1, x1 + x2 ). Mostre que f não é uma
Assim, como T (αx) = αT (x), conclui-se que a condição (ii) é válida. transformação linear R2 em R3 .
Como as condições (i) e (ii) são válidas, conclui-se que T é uma Res
transformação linear de R2 em R3 .
Sejam, por exemplo, x = (0, 0) e y = (1, 0). Então:
Assim, como f (αx) 6= αf (x), conclui-se que f não é uma transformação Exe 5.26
linear R2 em R3 . Seja T : R2 −→ R3 , T (x1 , x2 ) = (x2 , 0, x1 + x2 ). Mostre novamente que
T é uma transformação linear de R2 em R3 recorrendo agora ao teorema
Teo 5.24.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 271 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 272
Res
As proposições (a) e (b) são falsas e a proposição (c) é verdadeira.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 273 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 274
5 – Transformações Lineares de Rn em Rm Definições iniciais 5 – Transformações Lineares de Rn em Rm Definições iniciais
Exe 5.31
Teo 5.29
Justifique que as seguintes funções não são transformações lineares
Seja T ∈ L(Rn , Rm ). Então: recorrendo à observação Obs 5.30:
(a) T (0Rn ) = 0Rm . (a) g : R2 −→ R3 , g (a, b) = (a, 1, a + 2b).
(b) ∀x ∈ Rn [T (−x) = −T (x)]. (b) h : R2 −→ R3 , h(x, y ) = (0, 0, |x − y |).
(c) ∀x, y ∈ Rn [T (x − y ) = T (x) − T (y )]. (c) i : R2 −→ R3 , i(x1 , x2 ) = (x12 , 0, 0).
5 – Transformações Lineares de Rn em Rm Matriz de uma transformação linear de Rn em Rm 5 – Transformações Lineares de Rn em Rm Matriz de uma transformação linear de Rn em Rm
Seja ainda AT ,B,B0 a matriz do tipo m × n tal que cj,AT ,B,B0 = [T (vj )]B0 , T (v ) = T (α1 v1 + · · · + αn vn )
j = 1, . . . , n. Então, se v ∈ Rn ,
= α1 T (v1 ) + · · · + αn T (vn )
[T (v )]B0 = AT ,B,B0 [v ]B . = α1 (a11 v10 + · · · + am1 vm
0
) + · · · + αn (a1n v10 + · · · + amn vm
0
)
= (α1 a11 + · · · + αn a1n )v10 + · · · + (α1 am1 + · · · + αn amn )vm
0
Dem = β1 v10 + · · · + βm vm
0
,
Sejam T ∈ L(Rn , Rm ), B = (v1 , . . . , vn ) uma base ordenada de Rn ,
em que
B 0 = (v10 , . . . , vm
0 ) uma base ordenada de Rm e v ∈ Rn . Então,
β1 a11 · · · a1n α1
∃1 α1 , . . . , αn ∈ R [v = α1 v1 + · · · + αn vn ], .. .. .. .. .. .
. = . . . .
∃1 a11 , . . . , am1 ∈ R [T (v1 ) = a11 v10 + · · · + am1 vm
0
],
βm am1 · · · amn αn
.. | {z } | {z } | {z }
. [T (v )]B0 AT ,B,B0 [v ]B
1
∃ a1n , . . . , amn ∈ R [T (vn ) = a1n v10 + ··· + 0
amn vm ].
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 277 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 278
5 – Transformações Lineares de Rn em Rm Matriz de uma transformação linear de Rn em Rm 5 – Transformações Lineares de Rn em Rm Matriz de uma transformação linear de Rn em Rm
(a) As colunas da matriz de uma transformação linear relativamente às (a) Como T (1, 0, 0) = (1, 3), T (0, 1, 0) = (0, −1) e T (0, 0, 1) = (2, 0),
bases canónicas do domı́nio e do conjunto de chegada são simples- tem-se que
mente as imagens dos elementos da base canónica do domı́nio da
transformação linear (ver observação Obs 4.62). 1 0 2
AT = .
3 −1 0
(b) Quando nada se disser, considera-se que a matriz da transformação
linear é relativamente às bases canónicas.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 279 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 280
5 – Transformações Lineares de Rn em Rm Matriz de uma transformação linear de Rn em Rm 5 – Transformações Lineares de Rn em Rm Matriz de uma transformação linear de Rn em Rm
Res (cont.)
Res (cont.)
Passo 1 Aplicação do ATEsc
à matriz aumentada A|b:
(b) Sejam v1 = (1, 2, 1), v2 = (1, 1, 1), v3 = (2, −1, 1), v10 = (1, 2) e
1 3 3
←−−−−→ 1 3 3
v20 = (3, 1). .
2 1 1 `2 ← `2 −2`1 0 −5 −5
Para resolver este exercı́cio, tem que se calcular as imagens dos ele-
mentos de B para depois se determinar as coordenadas destes vetores Passo 2 Como car(A) = car(A|b) = n = 2 (n é o número de
em B 0 . incógnitas), (S) é um sistema PD (este resultado já é pré-sabido).
• Para v1 : T (v1 ) = T (1, 2, 1) = (3, 1). Para determinar Passo 3 Sejam x1 , x2 as incógnitas do sistema (S). Então, (S)
[T (v1 )]B0 = [(3, 1)]B0 , tem que se resolver o sistema (S) dado é equivalente ao sistema
por (
x1 + 3x2 = 3
(
x1 + 3x2 = 3 − 5x2 = −5.
x1 (1, 2) + x2 (3, 1) = (3, 1) ⇔
2x1 + x2 = 1,
Assim, tem-se (MeSTaF):
ou seja, Ax = b, com A = x = [ 12 31 ],
eb = [ xx12 ]
Então, [ 31 ]. • −5x2 = −5 ⇔ x2 = 1;
aplicando o ATEsc à matriz ampliada do sistema, tem-se: • x1 + 3x2 = 3 ⇔ x1 + 3 × (1) = 3 ⇔ x1 = 0,
pelo que [T (v1 )]B0 = [(3, 1)]B0 = (0, 1).
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 281 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 282
5 – Transformações Lineares de Rn em Rm Matriz de uma transformação linear de Rn em Rm 5 – Transformações Lineares de Rn em Rm Matriz de uma transformação linear de Rn em Rm
Res (cont.)
Res (cont.)
Passo 1 Aplicação do ATEsc
à matriz aumentada A|b:
• Para v2 : T (v2 ) = T (1, 1, 1) = (3, 2). Para determinar
1 3 3
←−−−−→ 1 3 3
[T (v2 )]B0 = [(3, 2)]B0 , tem que se resolver o sistema (S) dado .
2 1 2 `2 ← `2 −2`1 0 −5 −4
por
( Passo 2 Como car(A) = car(A|b) = n = 2 (n é o número de
x1 + 3x2 = 3 incógnitas), (S) é um sistema PD (este resultado já é pré-sabido).
x1 (1, 2) + x2 (3, 1) = (3, 2) ⇔
2x1 + x2 = 2, Passo 3 Sejam x1 , x2 as incógnitas do sistema (S). Então, (S)
é equivalente ao sistema
ou seja, Ax = b, com A = [ 12 31 ], x = [ xx12 ] e b = [ 32 ]. Então, (
aplicando o ATEsc à matriz ampliada do sistema, tem-se: x1 + 3x2 = 3
− 5x2 = −4.
5 – Transformações Lineares de Rn em Rm Matriz de uma transformação linear de Rn em Rm 5 – Transformações Lineares de Rn em Rm Matriz de uma transformação linear de Rn em Rm
Res (cont.)
Res (cont.)
Passo 1 Aplicação do ATEsc
à matriz aumentada A|b:
• Para v3 : T (v3 ) = T (2, −1, 1) = (4, 7). Para determinar
1 3 4
←−−−−→ 1 3 4
[T (v3 )]B0 = [(3, 2)]B0 , tem que se resolver o sistema (S) dado .
2 1 7 `2 ← `2 −2`1 0 −5 −1
por
( Passo 2 Como car(A) = car(A|b) = n = 2 (n é o número de
x1 + 3x2 = 4 incógnitas), (S) é um sistema PD (este resultado já é pré-sabido).
x1 (1, 2) + x2 (3, 1) = (4, 7) ⇔
2x1 + x2 = 7, Passo 3 Sejam x1 , x2 as incógnitas do sistema (S). Então, (S)
é equivalente ao sistema
ou seja, Ax = b, com A = [ 12 31 ], x = [ xx12 ] e b = [ 47 ]. Então, (
aplicando o ATEsc à matriz ampliada do sistema, tem-se: x1 + 3x2 = 4
− 5x2 = −1.
Exe 5.37
Sejam S e T as transformações lineares definidas por
S: R2 −→ R2 T : R2 −→ R2
(x, y ) 7−→ (2x + y , y ), (x, y ) 7−→ (x, 0).
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 287 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 288
5 – Transformações Lineares de Rn em Rm Operações com transformações lineares de Rn em Rm 5 – Transformações Lineares de Rn em Rm Operações com transformações lineares de Rn em Rm
Res
Teo 5.38
• Processo 1 Sejam T ∈ L(Rn , Rm ), α ∈ R e AT a matriz de T . Então:
T + S é a transformação linear definida por T + S : R2 −→ R2 , (a) αT ∈ L(Rn , Rm ).
(T +S)(x, y ) = T (x, y )+S(x, y ) = (x, 0)+(2x +y , y ) = (3x +y , y ). (b) AαT = αAT .
Como (T + S)(1, 0) = (3, 0) e (T + S)(0, 1) = (1, 1), tem-se que Teo 5.39
AT +S = [ 30 11 ]. Sejam T ∈ L(Rn , Rm ), S ∈ L(Rm , Rp ) e AT e AS as matrizes de T e S,
• Processo 2 respetivamente. Então:
Como T (1, 0) = (1, 0) e T (0, 1) = (0, 0), tem-se que AT = [ 10 00 ]. (a) S ◦ T ∈ L(Rn , Rp ).
Como S(1, 0) = (2, 0) e S(0, 1) = (1, 1), tem-se que AS = [ 20 11 ].
Assim, (b) AS◦T = AS AT .
1 0 2 1 3 1 Obs 5.40
AT +S = AT + AS = + = .
0 0 0 1 0 1 Este último teorema é que justifica a “estranha” definição de
multiplicação de matrizes.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 289 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 290
5 – Transformações Lineares de Rn em Rm Imagem e núcleo de uma transformação linear de Rn em Rm 5 – Transformações Lineares de Rn em Rm Imagem e núcleo de uma transformação linear de Rn em Rm
Def 5.41
Res (cont.)
Jimagem de uma transformação linear de Rn em Rm , Im(T )K Seja
T ∈ L(Rn , Rm ). Chama-se imagem de T , que se representa por Im(T ), a Atendendo
a
1 0 1 ←−−−−→ 1 0 1
def ,
Im(T ) = {T (x) ∈ Rm : x ∈ Rn }. 1 2 −1 `2 ← `2 −`1 0 2 −2
dim(Im(T )) = 2. Como a imagem de T é um subespaço de R2 e
Exe 5.42 dim(Im(T )) = dim(R2 ) = 2, conclui-se que Im(T ) = R2 , pelo que a
Indique o valor lógico da seguinte proposição: “ Seja a transformação linear proposição dada é verdadeira.
T ∈ L(R3 , R2 ), T (x1 , x2 , x3 ) = (x1 + x3 , x1 + 2x2 − x3 ). Então, Im(T ) = R2 .”
Res
Im(T ) = {T (x1 , x2 , x3 ) : x1 , x2 , x3 ∈ R}
= {(x1 + x3 , x1 + 2x2 − x3 ) : x1 , x2 , x3 ∈ R}
= {x1 (1, 1) + x2 (0, 2) + x3 (1, −1) : x1 , x2 , x3 ∈ R}
= h(1, 1), (0, 2), (1, −1)i.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 291 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 292
5 – Transformações Lineares de Rn em Rm Imagem e núcleo de uma transformação linear de Rn em Rm 5 – Transformações Lineares de Rn em Rm Imagem e núcleo de uma transformação linear de Rn em Rm
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 293 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 294
5 – Transformações Lineares de Rn em Rm Imagem e núcleo de uma transformação linear de Rn em Rm 5 – Transformações Lineares de Rn em Rm Imagem e núcleo de uma transformação linear de Rn em Rm
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 295 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 296
5 – Transformações Lineares de Rn em Rm Imagem e núcleo de uma transformação linear de Rn em Rm 5 – Transformações Lineares de Rn em Rm Imagem e núcleo de uma transformação linear de Rn em Rm
Atendendo
a (x, y ) = α(2, 2) + β(1, 3).
1 0 1 ←−−−−→ 1 0 1
,
1 2 −1 `2 ← `2 −`1 0 2 −2 Tem-se, então, que resolver o sistema (S) dado por
dim(Im(T )) = 2. Como a imagem de T é um subespaço de R2 e (
dim(Im(T )) = dim(R2 ) = 2, conclui-se que Im(T ) = R2 , pelo que a 2α + β = x
proposição dada é verdadeira. 2α + 3β = y ,
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 297 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 298
5 – Transformações Lineares de Rn em Rm Imagem e núcleo de uma transformação linear de Rn em Rm 5 – Transformações Lineares de Rn em Rm Imagem e núcleo de uma transformação linear de Rn em Rm
Assim, tem-se (MeSTaF): por T ser uma transformação linear. Como Nuc(T ) = h(1, 3)i, tem-se
que T (1, 3) = (0, 0, 0), vindo
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 299 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 300
5 – Transformações Lineares de Rn em Rm Imagem e núcleo de uma transformação linear de Rn em Rm 5 – Transformações Lineares de Rn em Rm Caracterı́stica e nulidade de uma transformação linear
Def 5.49
Res (cont.)
Seja T ∈ L(Rn , Rm ).
(a) Jcaracterı́stica de uma transformação linear de Rn em Rm , cT K Chama-
3x − y y −x se caracterı́stica de T , que se denota por cT , à dimensão do subespaço
T (x, y ) = (0, 1, 1) + (0, 0, 0) Im(T ), ou seja,
4 2
3x − y 3x − y def
= 0, , . cT = dim(Im(T )).
4 4
(b) Jnulidade de uma transformação linear de Rn em Rm , nT K Chama-
se nulidade de T , que se denota por nT , à dimensão do subespaço
Nuc(T ), ou seja,
def
nT = dim(Nuc(T )).
Teo 5.50
Seja T ∈ L(Rn , Rm ). Então:
(a) cT = car(AT ).
(b) n = cT + nT .
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 301 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 302
5 – Transformações Lineares de Rn em Rm Caracterı́stica e nulidade de uma transformação linear 5 – Transformações Lineares de Rn em Rm Caracterı́stica e nulidade de uma transformação linear
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 303 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 304
5 – Transformações Lineares de Rn em Rm Caracterı́stica e nulidade de uma transformação linear 6 – Valores e Vetores Próprios
Obs 5.52
1 Matrizes
Some english vocabulary regarding Linear Maps from Rn to Rm
• transformação linear/linear map
• imagem de uma transformação linear de Rn em Rm /range space of a 2 Determinantes
linear map from Rn to Rm
• núcleo de uma transformação linear de Rn em Rm /null space or kernel 3 Sistemas de Equações Lineares
of a linear map from Rn to Rm
• caracterı́stica de uma transformação linear de Rn em Rm /rank of a 4 Espaços Vetoriais
linear map from Rn to Rm
• nulidade de uma transformação linear de Rn em Rm /nullity of a linear
map from Rn to Rm 5 Transformações Lineares de Rn em Rm
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 305 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 306
6 – Valores e Vetores Próprios Definições iniciais 6 – Valores e Vetores Próprios Definições iniciais
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 307 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 308
6 – Valores e Vetores Próprios Definições iniciais 6 – Valores e Vetores Próprios Definições iniciais
Obs 6.5
Def 6.7
(a) Note-se que existem matrizes reais cujos valores próprios são números Seja A ∈ Mn×n (R).
complexos. (a) Jpolinómio caracterı́stico de uma matrizK Chama-se polinómio carac-
(b) Cada vetor próprio está associado apenas a um valor próprio. terı́stico da matriz A, que se representa por ΠA (λ), ao polinómio
(c) Se x é um vetor próprio associado ao valor próprio λ, então, αx, def
α 6= 0, também é um vetor próprio associado ao valor próprio λ. ΠA (λ) = det(A − λIn ).
(d) Sejam A ∈ Mn×n (R) e λ ∈ λ(A). Então, (b) Jequação caracterı́stica de uma matrizK Chama-se equação caracterı́s-
tica da matriz A à equação ΠA (λ) = 0 .
Eλ = {x ∈ Cn : x é um vetor próprio associado
(c) Jmultiplicidade algébrica de um valor próprioK Seja λ um valor próprio
ao valor próprio λ} ∪ {0Cn }.
de A. Chama-se multiplicidade algébrica de λ à multiplicidade do
(e) Chama-se “subespaço próprio” ao conjunto Eλ devido ao teorema an- escalar λ enquanto raiz da equação caracterı́stica.
terior. (d) Jvalor próprio simplesK Seja λ um valor próprio de A. Diz-se que λ é
(f) O seguinte teorema indica-nos um processo de calcular λ(A). um valor próprio simples se tem multiplicidade algébrica um.
(e) Jmultiplicidade geométrica de um valor próprioK Seja λ um valor pró-
Teo 6.6 prio de A. Chama-se multiplicidade geométrica de λ à dimensão do
Seja A ∈ Mn×n (R). Então, λ ∈ λ(A) se e só se det(A − λIn ) = 0. espaço próprio Eλ .
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 309 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 310
6 – Valores e Vetores Próprios Definições iniciais 6 – Valores e Vetores Próprios Definições iniciais
6 – Valores e Vetores Próprios Definições iniciais 6 – Valores e Vetores Próprios Definições iniciais
Exe 6.11 h2 1 0
i Res (cont.)
Considere a matriz A = 0 1 −1 .
02 4
(a) Determine o espetro da matriz A. Aplicando a fórmula resolvente, tem-se
√
(b) Determine o espaço próprio associado ao valor próprio de menor mó- 5 ± 25 − 24
2
dulo da matriz A. λ − 5λ + 6 = 0 ⇔ λ = ⇔ λ = 2 ∨ λ = 3,
2
Res pelo que
Então,
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 313 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 314
6 – Valores e Vetores Próprios Definições iniciais 6 – Valores e Vetores Próprios Definições iniciais
(b) Para determinar o espaço próprio associado ao valor próprio de menor Passo 2 Como car(A1 ) = car(A1 |b1 ) = 2 < n = 3 (n é o número de
módulo λ1 = 2, tem que se resolver o sistema (S) dado por incógnitas), (S) é um sistema PI (este resultado já é pré-sabido).
Passo 3 Sendo x11 , x12 , x13 as incógnitas do sistema (S), então, x11
(A − 2I3 )x1 = 0,
é uma incógnita livre e (S) é equivalente ao sistema
h0 1 0i h x11 i h0i
ou seja, A1 x1 = b1 , com A1 = 0 −1 −1 , x1 = xx12 e b1 = 0 . (
x12 =0
0 2 2 13 0
Aplicando-se o método de Gauss, tem-se:
− x13 = 0.
Passo 1 Aplicação do ATEsc à matriz aumentada A|b:
Assim, tem-se (MeSTaF):
0 1 0 0 ←−−−−→ 0 1 0 0 ←−−−−→
0 −1 −1 0 `2 ← `2 +`1 0 0 −1 0 • −x13 = 0 ⇔ x13 = 0;
0 2 2 0 `3 ← `3 −2`1 0 0 2 0 `3 ← `3 +2`2 • x12 = 0 ⇔ x13 = 0,
0 1 0 0 pelo que
0 0 −1 0 .
0 0 0 0 E2 = {(x11 , 0, 0) : x11 ∈ C}.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 315 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 316
(c) se k ∈ N e λ ∈ λ(A), então, λk ∈ λ(Ak ) e Eλ,A = Eλk ,Ak . C λ(A−1 ) = {−2, 1}.
(d) λ(A) = λ(AT ). D λ(A2 ) = {1, 4}.
(e) se a matriz A é diagonal ou triangular, então, λ(A) = {aii : i =
1, . . . , n}. Res
(f) os vetores próprios associados a valores próprios distintos são linear- Atendendo ao teorema Teo 6.12 (e), λ(A) = {−1, 2}, onde λ1 = −1 é
mente independentes. um valor próprio simples e λ2 = 2 é um valor próprio de multiplicidade
(g) se A é uma matriz (real e) simétrica, os seus valores próprios são algébrica 2. Atendendo, ainda, ao teorema Teo 6.12 (b),
números reais. λ(A−1 ) = { −11 1
, 2 } = {−1, 12 }, e ao teorema Teo 6.12 (c),
λ(A ) = {(−1)2 , 22 } = {1, 4}. Assim, a única proposição verdadeira é a
2
hipótese D.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 317 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 318
6 – Valores e Vetores Próprios Diagonalização 6 – Valores e Vetores Próprios Diagonalização
Res (cont.)
Res
2−λ −3
(b) Para se determinar uma matriz P que diagonaliza a matriz A, tem que
(a) Seja A − λI2 = 2 −5−λ . Então,
se calcular os subespaços próprios dos valores próprios da matriz A.
det(A − λI2 ) = (2 − λ)(−5 − λ) − (−3) × 2 = λ2 + 3λ − 4. • λ1 = −4: para se determinar E−4 (= Nuc(A − (−4)I2 )), tem que
se resolver o sistema (S1 ) dado por
Aplicando a fórmula resolvente, tem-se
√ (A + 4I2 )p1 = 0,
2 −3 ± 9 + 16
λ + 3λ − 4 = 0 ⇔ λ = ⇔ λ = 1 ∨ λ = −4, p11
ou seja, A1 p1 = b1 , com A1 = 62 −3
0
2 −1 , p1 = [ p12 ] e b1 = [ 0 ].
Aplicando-se o método de Gauss, tem-se:
pelo que, λ(A) = {−4, 1}. Assim, como os valores próprios de A são
distintos e os vetores próprios associados a valores próprios distintos Passo
1 Aplicação
do ATEscà matriz aumentada
A|b:
são li, tem-se que A é diagonalizável. 6 −3 0 ←−−−−→ 6 −3 0
.
2 −1 0 `2 ← `2 − 13 `1 0 0 0
Passo 2 Como car(A1 ) = car(A1 |b1 ) = 1 < n = 2 (n é o
número de incógnitas), (S1 ) é um sistema PI (este resultado já
é pré-sabido).
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 321 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 322
6 – Valores e Vetores Próprios Diagonalização 6 – Valores e Vetores Próprios Diagonalização
Passo 3 Sendo p11 , p12 as incógnitas do sistema (S1 ), então, p12 • λ2 = 1: para se determinar E1 (= Nuc(A − 1I2 )), tem que se
é uma incógnita livre e (S1 ) é equivalente ao sistema resolver o sistema (S2 ) dado por
6p11 − 3p12 = 0. (A − I2 )p2 = 0,
p21
ou seja, A2 p2 = b2 , com A2 = 12 −3
0
Assim, tem-se (MeSTaF): −6 , p2 = [ p22 ] e b2 = [ 0 ].
• 6p11 − 3p12 = 0 ⇔ p11 = 12 p12 , Aplicando-se o método de Gauss, tem-se:
pelo que Passo 1 Aplicação do ATEscà matriz aumentada A|b:
n 1 1 −3 0 ←−−−−→ 1 −3 0
o .
E−4 = p12 , p12 : p12 ∈ C . 2 −6 0 `2 ← `2 −2`1 0 0 0
2
Passo 2 Como car(A2 ) = car(A2 |b2 ) = 1 < n = 2 (n é o
Considerando, por exemplo, p12 = 2, tem-se que p1 = (1, 2) é número de incógnitas), (S2 ) é um sistema PI (este resultado já
um vetor próprio associado ao valor próprio λ1 = −4. é pré-sabido).
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 323 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 324
Passo 3 Sendo p21 , p22 as incógnitas do sistema (S2 ), então p22 Seja, então, P = [ 12 31 ]. Como |P| = 1 × 1 − 2 × 3 = −5 6= 0, então
é uma incógnita livre e (S2 ) é equivalente ao sistema conclui-se que os vetores p1 e p2 são li (o que já era esperado, dado
que A tem dois valores próprios distintos e p1 e p2 são vetores próprios
p21 − 3p22 = 0. associados a esses valores próprios distintos).
Assim, P = [ 12 31 ] é uma matriz que diagonaliza A.
Assim, tem-se (MeSTaF): 1 −3 1 −1 3
• p21 − 3p22 = 0 ⇔ p21 = 3p22 , (c) Como P −1 = |P| 1
adj(P) = −5 1
−2 1 = 5 2 −1 , tem-se:
pelo que
−1 1 −1 3 2 −3 1 3
P AP =
E1 = {(3p22 , p22 ) : p22 ∈ C}. 5 2 −1 2 −5 2 1
1 −1 3 −4 3
=
Considerando, por exemplo, p22 = 1, tem-se que p2 = (3, 1) é 5 2 −1 −8 1
um vetor próprio associado ao valor próprio λ2 = 1. 1 −20 0 −4 0 λ1 0
= = = .
5 0 5 0 1 0 λ2
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 325 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 326
6 – Valores e Vetores Próprios Diagonalização 6 – Valores e Vetores Próprios Diagonalização
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 327 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 328
Uma maneira de mostrar que A é diagonalizável é mostrar que as • Determinação da multiplicidade geométrica do valor prórpio λ2 =
multiplicidades algébrica e geométrica de cada valor próprio da matriz 2, ou seja, a dimensão do espaço E2 (= Nuc(A−2I3 )). Aplicando-
A são iguais. se o ATEsc à matriz A − 2I3 , tem-se:
• Determinação da multiplicidade geométrica do valor prórpio λ1 =
−2 0 −2
←−−−−→
−2 0 −2
1, ou seja, a dimensão do espaço próprio E1 (= Nuc(A − 1I3 )). 1 0 1 `2 ← `2 + 12 `1 0 0 0 ,
Aplicando-se o ATEsc à matriz A − 1I3 , tem-se: 1 0 1
1 `3 ← `3 + 2 `1 0 0 0
pelo que dim(E2 ) = dim(Nuc(A − 2I3 )) = n − car(A − 2I3 ) =
−1 0 −2 ←−−−−→ −1 0 −2
1 1 1 `2 ← `2 +`1 0 1 −1 , 3 − 1 = 2 (n é a ordem da matriz A).
1 0 2 `3 ← `3 +`1 0 0 0 • Assim, como a multiplicidade algébrica de cada valor próprio
pelo que dim(E1 ) = dim(Nuc(A−I3 )) = n−car(A−I3 ) = 3−2 = coincide com a sua multiplicidades geométrica, conclui-se que
1 (n é a ordem da matriz A). A é diagonalizável. Ou, de modo equivalente, como dim(E1 ) +
dim(E2 ) = n = 3 (n é a ordem da matriz A), conclui-se que A é
diagonalizável.
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 329 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 330
6 – Valores e Vetores Próprios Diagonalização 6 – Valores e Vetores Próprios Diagonalização
Res (cont.)
Res (cont.)
(b) Para se determinar uma matriz P que diagonaliza a matriz A, tem
que se calcular os subespaços próprios dos valores próprios da matriz Assim, tem-se (MeSTaF):
A. • p12 − p13 = 0 ⇔ p12 = p13 ;
• −p11 − 2p13 = 0 ⇔ p11 = −2p13 ,
• λ1 = 1: para se determinar E1 (= Nuc(A − 1I3 )), tem que se
pelo que
resolver o sistema (S1 ) dado por
E1 = {(−2p13 , p13 , p13 ) : p13 ∈ C}.
(A − I3 )p1 = 0.
Considerando, por exemplo, p13 = 1, tem-se que p1 = (−2, 1, 1)
Atendendo à alı́nea anterior, pode-se passar diretamente para o
é um vetor próprio associado ao valor próprio λ1 = 1.
Passo 3 do Método de Gauss:
• λ2 = 2: para se determinar E2 (= Nuc(A − 2I3 )), tem que se
Passo 3 Sejam p11 , p12 , p13 as incógnitas do sistema (S1 ). En- resolver o sistema (S2 ) dado por
tão, p13 é uma incógnita livre e (S1 ) é equivalente ao sistema
( (A − 2I3 )p2 = 0.
−p11 − 2p13 = 0
p12 − p13 = 0. Atendendo à alı́nea anterior, pode-se passar diretamente para o
Passo 3 do Método de Gauss:
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 331 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 332
Passo 3 Sejam p21 , p22 , p23 as incógnitas do sistema (S2 ). En- (c) Comece-se por determinar a inversa da matriz P:
tão, p22 e p23 são incógnitas livres e (S2 ) é equivalente ao sistema
−2 −1 0 1 0 0 ←−−−−→ −2 −1 0 1 0 0
−2p21 − 2p23 = 0. 1 0 1 0 1 0 `2 ← `2 + 12 `1 0 − 12 1 1
2 1 0
1 1
1 1 0 0 0 1 `3 ← `3 + 12 `1 0 2 0 2 0 1
Assim, tem-se (MeSTaF): | {z
P|I3
}
Res (cont.)
Exe 6.21
1 0 0 −1 0 −1 Seja A =
11
. Mostre que A não é diagonalizável.
−1 3
0 1 0 1 0 2 .
0 0 1 1 1 1
| {z } Res
|P −1
1−λ1
I3 Seja A − λI2 = . Então,
−1 3−λ
Tem-se, então:
−1 0 −1 0 0 −2 −2 −1 0
det(A − λI2 ) = (1 − λ)(3 − λ) − (−1) × 1 = λ2 − 4λ + 4.
P −1 AP = 1 0 2 1 2 1 1 0 1
Aplicando a fórmula resolvente, tem-se
1 1 1 1 0 3 1 1 0
√
4 ± 16 − 16
1 0 0 2
λ − 4λ + 4 = 0 ⇔ λ = ⇔ λ = 2,
= 0 2 0 2
0 0 2
pelo que, λ(A) = {2}, sendo λ = 2 um valor próprio de multiplicidade
λ1 0 0 algébrica 2.
= 0 λ2 0 .
0 0 λ3
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 335 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 336
GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 337 GJM, IB, SL (DMat, UM) Tópicos de Álgebra Linear setembro de 2019 (v4.0) 338
TAL, DMat, UM, GJM + IB + SL — Enunciados das aulas TP (v4.0) 1
1 −2 2 3
7. Seja B = 2 −1 . Calcule B e B . 16. Sejam A e B matrizes comutáveis e B é uma matriz invertı́vel. Mostre que A e B −1
são matrizes comutáveis.
8. Sejam A e B matrizes de ordem 2. Mostre que tr(AB − BA) = 0.
17. Seja A uma matriz quadrada tal que Ap = 0 para algum p ∈ N. Mostre que
9. Seja X = ca db ∈ M2×2 (R). Mostre que X 2 = (a + d)X − (ad − bc)I2 .
h1 0 0i h 2 4 0i p−1
X
10. Mostre que as matrizes X = 0 1 0 e Y = 3 1 0 são comutáveis. (I − A)−1 = I + Ak .
1 0 2 −1 −4 1
k=1
11. Mostre através de um contraexemplo que a multiplicação de matrizes não é comuta-
tiva. 18. Sejam A e B matrizes quadradas da mesma ordem. Supondo que todas as inversas
existem, mostre que (A−1 + B −1 )−1 = A(A + B)−1 B.
12. Considere as matrizes A = [ 00 11 ] e B = −10 −10 . Mostre que:
19. Considere as matrizes A = −12 −11 01 , B = [bij ] ∈ M2×3 (R), bij = i − j, C = [cij ] ∈
(a) (A + B)2 6= A2 + 2AB + B 2 . 0 se i < j, h1i
M2×2 (R), cij = (−1)i+1 se i = j, e u = 2 . Calcule:
(b) (A − B)2 6= A2 − 2AB + B 2 . 1 se i > j, 0
2 2 AB T +BAT T 2
(c) (A + B)(A − B) 6= A − B . (a) 2 . (c) (CBA C) . (e) u T u. (g) (Au)T .
T
13. Sejam A e B matrizes comutáveis. Mostre que: (b) C . (d) uu T . (f) u T AT Bu. (h) u T AT .
(a) (A + B)2 = A2 + 2AB + B 2 . 20. Sejam A e B matrizes quadradas da mesma ordem não-singulares. Resolva em ordem
2 2 2 T
(b) (A − B) = A − 2AB + B . a X a equação matricial AT )−1 X + (AB)−1 = A.
(c) (A + B)(A − B) = A2 − B 2 . 21. Sejam as matrizes B = [ 02 11 ] e C = [ 21 11 ]. Resolva a equação matricial em X dada
T
14. Sejam A e B matrizes comutáveis. Indique qual das seguintes hipóteses é uma pro- por (XA−1 )−1 + ACB = AT , sabendo que A é uma matriz invertı́vel de ordem
posição verdadeira: 2.
T −1
A (A − B)3 = A3 + A2 B − AB 2 − B 3 . 22. Sejam A e B matrizes invertı́veis de ordem n tais que A−1 B = In . Então:
B (A − B)3 = A3 − A2 B + AB 2 − B 3 .
A B = AT . C B = A−1 .
C (A − B)3 = A3 + 3A2 B − 3AB 2 − B 3 . T
B B = A. D B = A−1 .
D (A − B)3 = A3 − 3A2 B + 3AB 2 − B 3 . n
23. Seja A = [aij ] ∈ M2×2 (R), aij = 0i se i 6 j,
se i > j. Indique qual das seguintes hipóteses é
15. Considere as seguintes proposições:
uma proposição verdadeira:
P1 : “∀A ∈ M3×3 (R) − {03×3 } [A2 6= 03×3 ].”
P2 : “∀A ∈ M3×3 (R) [A2 6= I3 ].” A A2 + AT = [ 21 36 ]. C A2 + AT = [ 26 26 ].
B A2 + AT = [ 10 12 ]. D A2 + AT = [ 16 02 ].
Indique qual das seguintes hipóteses é uma proposição verdadeira:
A As duas proposições são verdadeiras. 24. Uma matriz quadrada A diz-se antissimétrica se AT = −A. Mostre que, dada qualquer
B As duas proposições são falsas. matriz quadrada B, a matriz B − B T é antissimétrica.
C A primeira proposição é verdadeira e a segunda é falsa. 25. Sejam A e B matrizes simétricas da mesma ordem. Indique qual das seguintes
hipóteses é uma proposição verdadeira:
D A primeira proposição é falsa e a segunda é verdadeira.
TAL, DMat, UM, GJM + IB + SL — Enunciados das aulas TP (v4.0) 3
(a) bT A. (c) (c T+d T )A. (e) bT (c + d). (g) E T AT . (i) (AAT )2 . Definição: Considere um grafo com n vértices. A matriz M = [mij ] ∈ Mn×n (R)
T
(b) Ab . (d) A b. T T
(f) (AE) . 2
(h) A . (j) (AE) −1
. definida por
(
1 se {Vi , Vj } é uma aresta do grafo
mij =
h1 2 0 i
38. Seja A = 0 α 0 , α, β ∈ R. Indique qual das seguintes hipóteses é uma proposição 0 se não existe uma aresta que liga Vi e Vj
0 0 α−β
verdadeira:
é a matriz de adjacência do grafo.
A A é invertı́vel sse α 6= 0 e β 6= 0. C A é invertı́vel sse α = 0 ou β = 0. Exemplo: A matriz de adjacência do grafo G1
B A é invertı́vel sse α 6= 0 e β 6= α. D A é invertı́vel sse β 6= 0 e β 6= α.
0 1 0 0
M = 10 01 10 11 .
0 1 1 0
h1 2 1i
39. Seja A = 0 1 0 . Indique qual das seguintes hipóteses é uma proposição verdadeira:
0 0 1 Nota: A matriz de adjacência M é sempre simétrica.
1 −2 −1 Definição: Um caminho num grafo é uma sequência de arestas que ligam um vértice
h i h −4 −2 −1 i
A AT A−1 = 2 5 3 . C AT A−1 = 2 1 0 .
−1 2 2 1 0 1 a outro. O comprimento do caminho é o número de arestas que o formam.
h1 2 1i h 1 −2 −1 i
B AT A−1 = 2 5 2 . D AT A−1 = 2 −3 −2 . Exemplo: No grafo simples G1 , a sequência de arestas ({V1 , V2 }, {V2 , V4 }) repre-
1 2 2 1 −2 0
senta um caminho de comprimento 2 que liga V1 a V4 e a sequência de arestas
({V2 , V3 }, {V3 , V2 }, {V2 , V3 }) representa um caminho de comprimento 3 que liga V2 a
40. Neste exercı́cio vai-se apresentar uma aplicação de Redes e Grafos envolvendo os V3 .
conceitos introduzidos neste capı́tulo.
Teorema: Sejam M = [mij ] ∈ Mn×n (R) uma matriz de adjacência de um grafo e
Definição: Um grafo simples é um par ordenado G = (V, A), no qual V é um conjunto mij(k) um elemento de M k . Então, mij(k) é igual ao número de caminhos de compri-
finito e não-vazio e A é um conjunto finito de subconjuntos de V com exatamente mento k de Vi a Vj .
dois elementos. A V chama-se conjunto dos vértices e a A chama-se conjunto das
Exemplo: Para determinar o número de caminhos de comprimento 3 que ligam V2 e
arestas.
V3 no grafo simples G1 , calcula-se M 3 :
Habitualmente um grafo simples é representado por um diagrama no qual cada vértice 0 3 1 1
é representado por um ponto e cada aresta por uma linha unindo os dois vértices que M 3 = 31 24 42 43 .
a definem. 1 4 3 2
Exemplo: O grafo simples G1 = (V1 , E1 ) com V1 = {V1 , V2 , V3 , V4 } e A1 = Conclui-se, então, que o número de caminhos de comprimento 3 que ligam V2 e V3 é
(3)
{{V1 , V2 }, {V2 , V3 }, {V3 , V4 }, {V2 , V4 }} pode ser representado por m23 = 4.
Exercı́cio 1: Considere o grafo com a representação
V1 V2
b b
V2 V3
b b
b b
V3 V4 b b b
V1 V4 V5
Pode-se imaginar que os vértices correspondem a nós numa rede de comunicação
e que as arestas que ligam os vértices representam elos de comunicação entre dois (a) Determine a matriz de adjacência M do grafo.
nós da rede. Na realidade, uma rede de comunicação envolve um número elevado de
vértices e arestas o que complica a representação gráfica da rede. Esta dificuldade é (b) Indique os caminhos de comprimento 2 que começam em V1 .
ultrapassada recorrendo a uma representação matricial para a rede. (c) Indique quantos caminhos de comprimento 3 existem de V2 a V4 .
TAL, DMat, UM, GJM + IB + SL — Enunciados das aulas TP (v4.0) 5
(d) Indique quantos caminhos de comprimento menor ou igual a 3 existem de V2 a 8. Sejam A uma matriz quadrada tal que det(A) = 2 e B = 2AT . Mostre que a matriz
V4 . B é invertı́vel.
n
9. Considere a matriz A = [aij ] ∈ Mn×n (R), aij = 0i se i > j,
0 1 1 1
Exercı́cio 2: Seja M = 11 01 10 01 . se i < j. Indique qual das se-
1 0 1 0 guintes hipóteses é uma proposição verdadeira:
(a) Desenhe um grafo que tenha M como matriz de adjacência e indique os vértices.
A det(A) = 0. C det(A) = n.
(b) Analisando o grafo e a matriz M 2 , indique o número de caminhos de comprimento
2 de V1 a V3 . B det(A) = 1. D det(A) = n!.
n
2 se i 6 j,
10. Considere a matriz A = [aij ] ∈ Mn×n (R), aij = 0 se i > j. Indique qual das se-
Enunciados dos exercı́cios do capı́tulo 2 — Determinantes guintes hipóteses é uma proposição verdadeira:
3 −6 h 2 −1 3 i
1. Calcule o determinante das matrizes B = 2 4 , C = −1 2 −2 e D = A det(AT A) = 2n . C det(AT A) = 1.
2 3 −1 4 1 4 0
2 −1 3 2 . B det(AT A) = 4n . D det(AT A) = 0.
0 1 2 1
0 0 20 3
n
0 se i < j,
1 2 −1 1 11. Considere a matriz A = [aij ] ∈ M10×10 (R), aij = se i ≥ j. Indique qual das
−1 −1 2 −1 i
2. Calcule o determinante da matriz A = 0 −1 0 3 por dois processos distintos.
−1 −2 2 −1
seguintes hipóteses é uma proposição verdadeira:
h1 0 1i !2
3. Considere a matriz A = 0 1 0 . Indique qual das seguintes hipóteses é uma pro-
10
X C det(AT A) = 1.
1 1 0 T
A det(A A) = i .
posição verdadeira: D det(AT A) = 10.
i=1
10
!2
A det(A) = 2. C det(A) = 0.
Y
B det(AT A) = i .
B det(A) = −2. D det(A) = −1. i=1
h1 0 2i 12. Sejam A, B ∈ M2×2 (R) tais que det(A) = 2 e det(B) = −2. Indique qual das
4. Considere as matrizes A = [ 12 11 ] e B = 0 1 0 . Indique qual das seguintes hipóteses seguintes hipóteses é uma proposição verdadeira:
1 1 0
é uma proposição verdadeira:
A det(A + B) = 0. C det(−A) = det(A).
A |A| + |B| = −6. C |A| + |B| = −1.
B det(−A) = − det(A). D det(AB) = 0.
B |A| + |B| = −3. D |A| + |B| = 0.
h2 3 4i
h1 1 x
13. Considere a matriz A = 0 1 1 . Indique qual das seguintes hipóteses é uma pro-
0 0 1
i
5. Considere a matriz A = 1 1 y , x, y ∈ R. Indique para que valores de x e y a matriz posição verdadeira:
x y 1
A é invertı́vel.
hx 1 1
i A det(AAT ) det(A−1 ) = 1. C det(AAT ) det(A−1 ) = 4.
6. Considere a matriz Z = 1 x 1 , x ∈ R. Indique para que valores de x a matriz Z é
1 1 x B det(AAT ) det(A−1 ) = 2. D det(AAT ) det(A−1 ) = 8.
invertı́vel.
2 −1 3 5
1 0 2 0
0 1 2 3
7. Considere a matriz A = 4 −1 −2 1 e seja B uma matriz de ordem 4 tal que 14. Considere a matriz A = 0 1 0 0 . Indique qual das seguintes hipóteses é uma pro-
1 1 0 0
−2 3 1 4 1 0 2 3
|B| = 12. Calcule o determinante da matriz (AB −1 )T . posição verdadeira:
TAL, DMat, UM, GJM + IB + SL — Enunciados das aulas TP (v4.0) 6
h 3 10 2 i
A det(A) = −6. C det(A) = 0. No exemplo considerado tem-se B = 1 1 8 . A matriz B vai ser pré-multiplicada
5 6 0
B det(A) = −2. D det(A) = 2. por uma outra matriz A. A matriz A deve verificar as seguintes propriedades: os
elementos de A são números inteiros e det(A) = ±1. Daı́ resulta que A−1 = ± adj(A)
h1 1 1i e os elementos de A−1 também vão ser todos números inteiros.
15. Considere a matriz E = 0 1 1 . h1 0 2i
0 0 1 Seja a matriz A dada por A = 0 1 0 . Então
0 1 1
(a) Verifique que a matriz E é invertı́vel.
1 0 2 3 10 2 13 22 2
(b) Determine a inversa da matriz E pelo método da adjunta.
AB = 0 1 0 1 1 8 = 1 1 8 ,
A = −14 −14 , Bα = [ cos α − sen α 0 1 1 5 6 0 6 7 8
16. Calcule o determinante das matrizes sen α cos α ], α ∈ R,
0 1 0 0 2 3 3 2
h2 1 1i h 0 −1 2 i
C = 1 1 1 , D = −1 2 0 , E = 10 01 10 01 e F = 11 12 12 13 . contém a mensagem codificada que deve ser enviada:
0 2 2 2 −3 −2 0 0 1 1 2 1 2 1
3 2
1 2
13, 1, 6, 22, 1, 7, 2, 8, 8.
17. Calcule o determinante,
h 1 3 1aiadjunta e a inversa das matrizes A = [ 1 1 ], B = 3 −1 ,
C = [ 32 14 ] e D = 2 1 1 . O recetor da mensagem consegue descodificá-la multiplicando-a por A−1 da seguinte
−2 2 −1
forma:
18. Sejam A, B ∈ Mn×n (R). Mostre que det(AB) = det(BA).
1 2 −2 13 22 2 3 10 2
19. Considere as matrizes A = [ 10 21 ], D = [ 11 ] e F = [ 2 3 ] e a equação matricial em X A−1 AB = 0 1 0 1 1 8 = 1 1 8 .
−1
dada por (AX)T + DF = I2 . 0 −1 1 6 7 8 5 6 0
(a) Resolva a equação dada. A matriz de codificação A pode ser construı́da a partir da matriz identidade I, apli-
T
(b) Diga, sem efetuar quaisquer cálculos, qual o determinante de (AX) + DF . cando, sucessivamente, operações elementares do tipo I e do tipo III. A matriz assim
obtida vai ter elementos inteiros, verifica det(A) = ± det(I) = ±1 e A−1 também vai
20. Sejam p ∈ N e A uma matriz quadrada tal que Ap = 0. Mostre que A é uma matriz ter elementos inteiros.
singular. Na codificação de uma mensagem, a i -ésima letra do alfabeto é representada pelo
natural i , i = 1, . . . , 26 (neste exercı́cio, o espaço também não é considerado). A
21. Seja A uma matriz ortogonal. Mostre que det(A) = ±1.
mensagem foi transformada usando a matriz
22. Neste exercı́cio vai-se apresentar uma aplicação de Criptografia envolvendo os con-
1 2 1
ceitos introduzidos neste capı́tulo.
A= 1 3 1
Pode-se codificar uma mensagem associando a cada letra do alfabeto um número −2 −2 −1
inteiro e enviar a lista de números que substitui a mensagem. A teoria dos determi-
nantes é usada neste contexto para o cálculo de inversas com propriedades especiais. e enviada como
Exemplo: A mensagem “BOA SORTE!” pode ser codificada por 45, 60, −47, 63, 82, −68, 44, 48, −65.
onde a letra “B” é representado pelo algarismo “3”, a letra “O” pelo algarismo “1”,
etc. (neste exemplo não se codifica o espaço). Enunciados dos exercı́cios do capı́tulo 3 — Sistemas de
Para complicar ainda mais a codificação da mensagem e para impedir que o código Equações Lineares
seja quebrado pode-se usar a seguinte técnica: o código que representa a mensagem
é colocado nas colunas de uma matriz B. 1. Considere os seguintes sistemas de equações lineares:
TAL, DMat, UM, GJM + IB + SL — Enunciados das aulas TP (v4.0) 7
x1 + x2 + x3 = 3
x1 + x2 + x3 = 3
A CS(S) = {(4 − 2α, α) : α ∈ R}. C CS(S) = {(2, 1)}.
(S1 ) x1 − x2 =0 (S3 ) x1 + x2 =2 B CS(S) = {(4, α) : α ∈ R}. D CS(S) = {(α, 4 − α) : α ∈ R}.
−x1 + x3 = 0. 2x1 + 2x2 + x3 = 1.
(b) classifique o sistema quanto ao número de soluções e determine o seu conjunto e o vetor dos termos independentes é b = −1 . Indique qual das seguintes hipóteses
3
solução. é uma proposição verdadeira:
(c) classifique o sistema homogéneo associado quanto ao número de soluções e de- A A resolução de (S) através do Método de Gauss-Jordan envolve 0 operações
termine o seu conjunto solução. elementares do tipo I, 2 do tipo II e 5 do tipo III.
2. Resolva os seguintes sistemas de equações lineares através do método de Gauss e de B A resolução de (S) através do Método de Gauss-Jordan envolve 1 operação
Gauss-Jordan: elementares do tipo I, 2 do tipo II e 6 do tipo III.
( C A resolução de (S) através do Método de Gauss-Jordan envolve 0 operações
(S1 )
x1 + 2x2 = 5 x1 + x2 + x3 + x 4 = 0
elementares do tipo I, 0 do tipo II e 7 do tipo III.
3x2 = 6. (S6 ) 2x1 + x2 − x3 + 3x4 = 0 D A resolução de (S) através do Método de Gauss-Jordan envolve 0 operações
x1 − 2x2 + x3 + x4 = 0. elementares do tipo I, 1 do tipo II e 6 do tipo III.
(
x1 + 2x2 = 1
(S2 )
w + x +y +z =0
0x2 = 2.
6. Seja (S) o sistema linear Ax = b de n equações a n incógnitas tal que car(A) = n.
( −w + 2x − y + z = 5
Indique qual das seguintes hipóteses é uma proposição verdadeira:
x1 + 2x2 + 3x3 = 14 (S7 )
(S3 ) −w +y =0
4x2 + 5x3 = 23.
A # CS(S) = 0. C # CS(S) = 2.
−w + x = 2.
(
x1 + x2 + x3 + x4 = 1 B # CS(S) = 1. D # CS(S) = ∞.
(S4 )
2w + x + y + z = 1
x2 + x4 = 1.
−w + 2x − y + z = −1
( (S8 ) 7. Considere as seguintes proposições:
x1 + x2 + x3 = 0 3w + y =1
(S5 )
x1 − x2 − x3 = 0.
−w + 2x − 2y + 2z = −2. P1 : “Um sistema homogéneo é sempre possı́vel.”
P2 : “Um sistema com 5 equações e 10 incógnitas pode ser possı́vel e determinado.”
1 2
3. Seja (S) o sistema de equações lineares cuja matriz
dos coeficientes é A = −3 −6
Indique qual das seguintes hipóteses é uma proposição verdadeira:
e cujo vetor dos termos independentes é b = −124 . Indique qual das seguintes
hipóteses é uma proposição verdadeira: A As duas proposições são verdadeiras.
B As duas proposições são falsas.
C A primeira proposição é verdadeira e a segunda é falsa.
TAL, DMat, UM, GJM + IB + SL — Enunciados das aulas TP (v4.0) 8
h1 2 4 i
D A primeira proposição é falsa e a segunda é verdadeira. 12. Seja (S) o sistema de equações lineares cuja matriz dos coeficientes é A = 0 1 0
h 1 i 0 0 k1 −1
8. Discuta os seguintes sistemas de equações lineares Ax = b em função dos respetivos e cujo vetor dos termos independentes é b = 2 , k1 , k2 ∈ R. Indique qual das
2k2 +k1
parâmetros reais: seguintes hipóteses é uma proposição verdadeira:
18. Determine a equação da parábola que passa nos pontos (1, 2), (−1, 6) e (2, 3). se i for negativa, então a corrente flui no sentido oposto ao indicado. As correntes
são medidas em ampere.
19. Seja (S) o sistema não linear com incógnitas reais α, β e γ dado por
Para determinar as correntes, recorre-se às leis de Kirchhoff :
2 sen α − cos β + 3 tan γ = 3
4 sen α + 2 cos β − 2 tan γ = 10 (a) Em cada nó, a soma das correntes que entram é igual à soma das correntes que
6 sen α − 3 cos β + tan γ = 9.
saem.
Mostre que, neste caso, é possı́vel concluir que (S) é impossı́vel recorrendo ao método (b) Em cada ciclo fechado, a diferença de potencial é zero.
de Gauss.
h1 1 0i A diferença de potencial elétrico U em cada resistor é dada pela lei de Ohm:
20. Considere a matriz A = 1 0 1 .
0 1 1
−1
U = i R,
(a) Calcule A .
(b) Mostre que o sistema Ax = b é possı́vel e determinado, qualquer que seja o vetor onde i representa a corrente em ampere e R a resistência em ohm.
dos termos independentes b ∈ M3×1 (R).
Determine-se, agora, as correntes do circuito elétrico considerado. Da primeira lei de
(c) Usando a alı́nea (a), resolva o sistema Ax = b, em que b = [bi ] ∈ M3×1 (R), Kirchhoff obtém-se
bi = i .
hα 1 1i i1 − i2 + i3 = 0 (nó A)
21. Determine, por dois processos distintos, para que valores de α a matriz A = 1 α 1 , −i1 + i2 − i3 = 0 (nó B)
1 1 α
α ∈ R, é invertı́vel.
Da segunda lei de Kirchhoff resulta que
22. Neste exercı́cio vai-se apresentar uma aplicação de Circuitos elétricos envolvendo os
conceitos introduzidos neste capı́tulo por forma a determinar a corrente em cada 4i1 + 2i2 =8 (ciclo superior)
trecho de um circuito elétrico através das leis de Kirchhoff. 2i2 + 5i3 = 9 (ciclo inferior)
Considere o seguinte circuito elétrico:
8V
Pode-se representar o circuito elétrico usando a seguinte matriz ampliada:
−1
1 1 0
−1 1 −1 0
i1 H 4Ω
.
4 2 0 8
2Ω 0 2 5 9
A• ◮ •B
i2
Esta matriz pode ser reduzida à forma escada da seguinte forma:
3Ω 2Ω
−1
9V
1 1 0
◭
0
1 − 23 4
3
i3 0 0 1 1
0 0 0 0
A bateria, medida em volt (V), gera uma carga que produz uma corrente. A corrente
sai da bateria do lado que contém a reta vertical mais longa. As resistências são
Resolvendo por substituição de trás para a frente, obtém-se i1 = 1, i2 = 2 e i3 = 1.
medidas em ohm (Ω). As letras maiúsculas representam os nós do circuito elétrico.
A letra i representa a corrente entre os nós e as setas indicam o sentido de fluxo, mas Exercı́cio Determine a corrente em cada um dos trechos do seguinte circuito elétrico:
TAL, DMat, UM, GJM + IB + SL — Enunciados das aulas TP (v4.0) 10
C {(x, y , 0) ∈ R3 : x = y 2 } é um subespaço de R3 .
16V
i1
◭ D {(x, y , 1) ∈ R3 : x = y } é um subespaço de R3 .
2Ω
5. Escreva, se possı́vel, o vetor v = (−1, 2) ∈ R2 como combinação linear dos seguintes
vetores de R2 , e interprete geometricamente os resultados obtidos:
i2
A• ◮ •B
(a) v1 = (2, −4).
2Ω
(b) v1 = (1, 2).
(c) v1 = (1, 2), v2 = (0, 1).
i3
◭
(d) v1 = (1, −2), v2 = (−2, 4).
3Ω
(e) v1 = (1, −1), v2 = (−1, 1).
(f) v1 = (1, −1), v2 = (0, 1), v3 = (2, −1).
Enunciados dos exercı́cios do capı́tulo 4 — Espaços Veto-
6. Sejam u = (1, 2, −4), v = (2, 5, −6), w = (1, −1, −10), r = (1, 0, α), α ∈ R.
riais
(a) Escreva o vetor w como combinação linear de u e v .
1. Mostre que: (b) Indique para que valores de α o vetor r é uma combinação linear de u e v .
3 3
(a) F1 = {(x, y , z) ∈ R : x = y } é um subespaço de R . 7. Sejam a = (−1, 2, −3), b = (3, 4, 2) e d = (−9, −2, 5). Mostre que d ∈
/ ha, bi.
(b) F2 = {(0, x, 2x, 3x) : x ∈ R} é um subespaço de R4 .
8. Indique qual das seguintes hipóteses é uma proposição verdadeira:
2. Mostre que:
A (1, 0, 0) ∈ h(1, 0), (0, 0)i. C (1, 0, 0) ∈ h(1, 2, 3), (2, 4, 6)i.
(a) A = {(x, x + 1) : x ∈ R} não é um subespaço de R2 .
B (1, 0, 0) ∈ h(2, 1, 0), (0, 1, 0)i. D (1, 0, 0) ∈ h(0, 0, 0), (0, 1, 1)i.
(b) B = {(x, y 2 ) : x, y ∈ R} não é um subespaço de R2 .
(c) C = {(x, y ) ∈ R2 : y ≥ 0} não é um subespaço de R2 .
9. Indique quais dos seguintes conjuntos de vetores são conjuntos geradores de R2 :
(d) D = {(x, |x|) : x ∈ R} não é um subespaço de R2 .
(e) E = {(1, 0, 0, 0)} não é um subespaço de R4 . (a) A = {(1, 0), (0, 1)}. (d) D = {(1, 2)}.
(f) F = {(0, 0, 0, 0), (1, 0, 0, 0)} não é um subespaço de R . 4 (b) B = {(1, 2), (−1, 0)}. (e) E = {(1, 2), (2, 4), (−1, −2)}.
(c) C = {(1, 0), (0, 1), (1, 3)}. (f) F = {(1, −1), (−2, 2)}.
3. Indique qual das seguintes hipóteses é uma proposição verdadeira:
A {(0, 0, a2 ) : a ∈ R} é um subespaço de R3 . 10. Seja X = {(1, 0, α), (α, β, β), (1, 0, 0), (0, 0, 1)}, α, β ∈ R. Indique para que valores
B {(1, 1, 1)} é um subespaço de R . 3 de α e β o conjunto X é um conjunto gerador de R3 .
C {(a, 0, a) : a ∈ R} é um subespaço de R3 . 11. Indique um conjunto gerador de V = h(1, 3, 2), (1, 0, 2), (0, 1, 0), (2, 2, 4)i com o
número mı́nimo de elementos.
D {(a, 1, a) : a ∈ R} é um subespaço de R3 .
12. Indique um conjunto gerador de V = h(1, −3, 1, −1, 3), (1, −1, 1, −1, 1),
4. Indique qual das seguintes hipóteses é uma proposição verdadeira:
(−1, −3, −1, 1, 3), (1, 1, 1, −1, −1)i com o número mı́nimo de elementos.
A {(x, y , z) ∈ R3 : x = 1 − y } é um subespaço de R3 .
13. Indique quais dos seguintes conjuntos de vetores são conjuntos linearmente indepen-
3 3
B {(x, y , z) ∈ R : z = x + y } é um subespaço de R . dentes:
TAL, DMat, UM, GJM + IB + SL — Enunciados das aulas TP (v4.0) 11
(a) A = {(3, 1), (4, 2)} em R2 . C {(1, 1), (0, 0)} é uma base de R2 .
(b) B = {(3, 1), (4, −2), (7, 2)} em R2 . D {(1, 1), (2, 3)} é uma base de R2 .
(c) C = {(0, −3, 1), (2, 4, 1), (−2, 8, 5)} em R3 .
22. Seja B = ((1, 1, 1), (0, 1, 1), (1, 0, 1)).
(d) D = {(−1, 2, 0, 2), (5, 0, 1, 1), (8, −6, 1, −5)} em R4 .
(a) Mostre que B é uma base ordenada de R3 .
14. Indique para que valores do parâmetro real α, os vetores a = (1, −2) e b = (α, −1)
(b) Determine as coordenadas de z = (0, 1, 0) na base ordenada B.
de R2 são linearmente independentes.
23. Sejam z = (1, 1, 0) e B = ((1, 0, 1), (0, 1, 1), (1, 0, 0)) uma base ordenada de R3 .
15. Sejam v1 = (α1 , β1 , 1) e v2 = (α2 , β2 , 0), α1 , α2 , β1 , β2 ∈ R. Indique para que
Indique qual das seguintes hipóteses é uma proposição verdadeira:
valores de α1 , α2 , β1 e β2 os vetores v1 e v2 são linearmente independentes.
16. Considere o espaço vetorial R3 e um seu subespaço X = {(x1 , x2 , x3 ) ∈ R3 : x1 = x2 }. A [z]B = (1, 1, 2). C [z]B = (1, −1, −2).
Determine dois vetores linearmente independentes u e v de X e mostre que qualquer
B [z]B = (−1, −1, 2). D [z]B = (−1, 1, 2).
vetor w ∈ X é uma combinação linear de u e v .
17. Sejam V um espaço vetorial e {v1 , v2 , v3 } um conjunto de vetores de V linearmente 24. Seja X = {(a, 0, a) : a ∈ R} um subespaço de R3 . Indique qual das seguintes
independente. Mostre que os seguintes conjuntos também são linearmente indepen- hipóteses é uma proposição verdadeira:
dentes:
A dim(X) = 0. C dim(X) = 2.
(a) {v1 + v2 }. (c) {2v1 , v1 + v2 , −v1 + v3 }.
B dim(X) = 1. D dim(X) = 3.
(b) {v1 , v1 + v2 }. (d) {v1 + v2 , v1 + v3 , v2 + v3 }.
19. Indique para que valores de α o conjunto {(α, 6), (1, α)} é uma base de R2 . 26. Determine uma base e a dimensão so subespaço R4 dado por F = {(x, y , z, w ) ∈
R4 : x − y + 3z = 0 ∧ z − 2w = 0}.
20. Considere o subespaço F = {(x, y , z, w ) ∈ R4 : x = z = w } de R4 . Indique qual das
seguintes hipóteses é uma proposição verdadeira: 27. Sejam F = {(x, y , z) ∈ R3 : z = 0}, u1 = (0, 2, 0), u2 = (1, 0, 0) e u3 = (−1, 6, 0).
A {(1, 0, 1, 1), (0, 1, 0, 0)} é uma base de F . (a) Mostre que F é um subespaço de R3 .
(b) Verifique que F = hu1 , u2 , u3 i.
B {(1, 1, 1, 1), (0, 1, 1, 0)} é uma base de F .
(c) O conjunto {u1 , u2 , u3 } é uma base de F ?
C {(1, 0, 1, 1), (0, 0, 1, 0)} é uma base de F .
(d) Indique a dimensão de F .
D {(1, 0, 1, 1), (0, 1, 0, 1)} é uma base de F .
28. Sejam V um espaço vetorial, v1 , v2 , v3 , v4 ∈ V , A = {v1 , v2 , v3 , v4 }, B = {v1 } e
21. Indique qual das seguintes hipóteses é uma proposição verdadeira: {v1 , v2 } uma base de V .
A {(1, 1, 0), (0, 0, 0)} é uma base de R2 . (a) A é um conjunto gerador de V ?
B {(1, 1, 0), (0, 0, 1)} é uma base de R2 . (b) A é constituı́do por vetores linearmente independentes?
TAL, DMat, UM, GJM + IB + SL — Enunciados das aulas TP (v4.0) 12
30. Sejam {v1 , v2 } uma base do espaço vetorial V e F um subespaço de V . Indique qual 2. Sejam α, β ∈ R. Determine a relação entre α e β de modo que a função T definida
das seguintes hipóteses é uma proposição verdadeira: por T : R −→ R2 , T (x) = (x + α − 2β, −x), seja uma transformação linear de R em
R2 .
A {v1 , v2 } é uma base de F . C se v ∈ V , então v ∈ F .
3. Indique qual das seguintes hipóteses é uma proposição verdadeira:
B dim(V ) = dim(F ). D se v ∈ F , então v ∈ V .
A f : R2 −→ R, f (x, y ) = |x| é uma transformação linear.
31. Seja X um espaço vetorial tal que X = hx1 , x2 i. Indique qual das seguintes hipóteses B g : R2 −→ R, g(x, y ) = (x + y )2 é uma transformação linear.
é uma proposição verdadeira:
C h : R2 −→ R, h(x, y ) = 1 é uma transformação linear.
A dim(X) = 2. D i : R2 −→ R, i (x, y ) = x + y é uma transformação linear.
2
B X=R .
4. Indique qual das seguintes hipóteses é uma proposição verdadeira:
C ∀x ∈ X, ∃α1 , α2 ∈ R [x = α1 x1 + α2 x2 ].
A f : R −→ R2 , f (x) = (x, 0) é uma transformação linear.
D {x1 , x2 } é uma base de X.
B g : R −→ R2 , g(x) = (x, 1) é uma transformação linear.
32. Considere os seguintes vetores de R3 : u = (1, 2, 0), v = (2, 0, 1), w = (1, 1, 1), C h : R −→ R2 , h(x) = (x, 2) é uma transformação linear.
x = (0, 0, 0) e y = (2, 4, 0). Indique qual das seguintes hipóteses é uma proposição
verdadeira: D i : R −→ R2 , i (x) = (x, 3) é uma transformação linear.
A v , w e x são vetores linearmente independentes. 5. Seja T uma transformação linear de R3 em R3 definida por
(a) Determine AT . (b) Determine, por dois processos distintos, a matriz da transformação linear T ◦ S.
(b) Use a matriz AT para determinar a imagem dos vetores u = (1, 1, 1), v = (2, 1, 1) 12. Considere as seguintes transformações lineares:
e w = (−5, 3, 2).
T : R3 −→ R2 , T (x, y , z) = (x + y + z , y − 2z),
6. Seja T ∈ L(R3 , R), T (x1 , x2 , x3 ) = x1 + x3 . Indique qual das seguintes hipóteses é
uma proposição verdadeira: S : R2 −→ R3 , S(x, y ) = (x, x + y , x − y ),
h1i U : R2 −→ R2 , U(x, y ) = (2x + y , −y ).
A AT = 0 . C AT = [ 1 0 1 ].
1 (a) Determine as matrizes associadas às transformações lineares dadas.
B AT = [ 10 00 01 ]. D AT = [ 1 0 0 ]. (b) Para as seguintes operações, indique as que estão bem definidas, e determine,
1 0 0 para esses casos, a respetiva matriz da transformação linear:
7. Seja T a transformação linear cuja matriz é dada por AT = 0 1 1 . Indique qual das
1 1 0 i. T + αS, α ∈ R.
0 0 1
seguintes hipóteses é uma proposição verdadeira: ii. U ◦ U.
iii. S ◦ T.
A T (x, y , z) = (x, x + z, y , z). C T (x, y , z) = (x, x, z , z). iv. T ◦ S.
B T (x, y , z) = (x + y , y , x + z , z). D T (x, y , z) = (x, y + z , x + y , z). v. U ◦ U + α(T ◦ S), α ∈ R.
(a) T (1, 0) = (−1, 1, 2) e T (0, 1) = (3, 0, 1). A Nuc(T ) ⊆ R3 e cT = 1. C Nuc(T ) = h(1, 0)i e cT = 1.
(b) T (1, 2) = (3, −1, 5) e T (0, 1) = (2, 1, −1). B Im(T ) = h(1, 0, 1)i e nT = 1. D cT + nT = 3.
(c) T (1, 1, 1) = 3, T (0, 1, −2) = 1 e T (0, 0, 1) = −2.
24. Seja T ∈ L(R2 , R3 ), T (x, y ) = (−x − y , −2x − 2y , −3x − 3y ). Indique qual das
17. Seja T ∈ L(R3 , R3 ) tal que T (0, 0, 1) = (0, 0, 1) e Nuc(T ) = h(1, 1, 1), (0, 1, 1)i.
seguintes hipóteses é uma proposição verdadeira:
Determine T .
A Im(T ) = h(1, 2, 3)i.
18. Determine a imagem, a caracterı́stica, o núcleo, a nulidade e a matriz das seguintes
transformações lineares: B Im(T ) = h(−1, −1, −1), (−2, −2, −2), (−3, −3, −3)i.
19. Seja a transformação linear T de R3 em R3 definida por T (x1 , x2 , x3 ) = (x1 −x2 , 2x2 − A Nuc(T ) = h(−1, 0, 1), (0, 1, 0)i. C Nuc(T ) = h(0, 1, 0)i.
x1 − x3 , x3 − x2 ).
B Nuc(T ) = h(−1, 0, 1)i. D Nuc(T ) = R3 .
(a) Determine uma base do núcleo de T .
(b) Determine a dimensão do núcleo de T . 26. Seja T ∈ L(R3 , R2 ). Indique qual das seguintes hipóteses é uma proposição verda-
deira:
20. Sejam T ∈ L(Rn ) e S = {u1 , . . . , uk } ⊂ Rn um conjunto linearmente dependente.
Mostre que {T (u1 ), . . . , T (uk )} também é um conjunto linearmente dependente. A dim(Nuc(T )) + dim(Im(T )) = 2. C dim(Nuc(T )) + dim(Im(T )) = 5.
3 3
21. Seja T ∈ L(R , R ), T (x, y , z) = (x − 2y − 2z , x − 2z , −2x + 4z). Indique qual das B dim(Nuc(T )) + dim(Im(T )) = 3. D dim(Nuc(T )) + dim(Im(T )) = 6.
seguintes hipóteses é uma proposição verdadeira:
27. Seja T ∈ L(R3 , R2 ), T (x, y , z) = (0, x − z). Indique qual das seguintes hipóteses é
A Im(T ) = R3 . C Im(T ) = h(1, 1, −2), (−2, −2, 4)i. uma proposição verdadeira:
B Im(T ) = h(−2, 0, 0)i. D Im(T ) = h(1, 1, −2), (−2, 0, 0)i.
A Nuc(T ) = h(1, 0, 0), (0, 0, 1)i. C Nuc(T ) = h(1, 0, 1)i.
22. Seja T ∈ L(R3 , R3 ), T (x, y , z) = (x − 2y − 2z , x − 2z , −2x + 4z). Indique qual das B Nuc(T ) = h(1, 0, 1), (0, 1, 0)i. D Nuc(T ) = R3 .
seguintes hipóteses é uma proposição verdadeira:
28. Seja AT = [ 12 20 24 ] a matriz de uma transformação linear T . Indique qual das seguintes
A Nuc(T ) = h(1, 1, −2), (−2, 0, 0), (−2, −2, 4)i.
hipóteses é uma proposição verdadeira:
B Nuc(T ) = {(0, 0, 0)}.
A T (x, y , z) = (x + 2y + 2z , 2x + 4z). C cT = 1.
C Nuc(T ) = h(2, 0, 1)i.
B Im(T ) = h(1, 2), (2, 4)i. D T ∈ L(R2 , R3 ).
D Nuc(T ) = R3 .
23. Seja T ∈ L(R2 , R3 ), T (a, b) = (a + b, 0, a + b). Indique qual das seguintes hipóteses 29. Seja T : R3 → R3 , T (x, y , z) = (x, 0, z). Indique qual das seguintes hipóteses é uma
é uma proposição verdadeira: proposição verdadeira:
hα 0 0i
B Im(T ) = h(1, 0, 0), (0, 0, 1)i e nT = 2. 2. Considere a matriz A = 1 α 0 , α ∈ R. Calcule os valores próprios de A e os
1 1 α
C Nuc(T ) = h(0, 1, 0)i e cT = 2. respetivos subespaços próprios.
D Nuc(T ) = h(0, 1, 0), (0, 0, 1)i e cT = 2. 3. Considere a matriz A = [ 03 30 ]. Indique qual das seguintes hipóteses é uma proposição
verdadeira:
30. Seja a transformação linear T : R2 → R3 , T (x, y ) = (x + y , y − x, 2x). Indique qual
das seguintes hipóteses é uma proposição verdadeira: A 0 é um valor próprio de multiplicidade dois da matriz A.
B 0 é um valor próprio simples da matriz A.
A dim(Im(T )) = 0. C dim(Im(T )) = 2.
C 3 é um valor próprio de multiplicidade dois da matriz A.
B dim(Im(T )) = 1. D dim(Im(T )) = 3.
D 3 é um valor próprio simples da matriz A.
2 2
31. Seja T ∈ L(R , R ) tal que T (1, 0) = (2, 1) e T (0, 1) = (0, 1). Indique qual das h3 0 1i
seguintes hipóteses é uma proposição verdadeira: 4. Considere a matriz A = 0 5 0 . Indique qual das seguintes hipóteses é uma pro-
1 0 0
posição verdadeira:
A T (x, y ) = (2x, x + y ). C T (x, y ) = (2x, y ).
A 1 é um valor próprio múltiplo da matriz A.
B T (x, y ) = (x + 2, y + 1). D T (x, y ) = (x, 2y ).
B λ(A) = {1, 3, 5}.
√
3− 11
32. Seja T ∈ L(R2 , R3 ) tal que T (1, 0) = (0, 1, 1) e Nuc(T ) = h(0, 1)i. Indique qual das C 2 é um valor próprio simples da matriz A.
√
seguintes hipóteses é uma proposição verdadeira: 3+ 13
D 2 é um valor próprio simples da matriz A.
A T (x, y ) = (0, x, x). C T (x, y ) = (x, y , y ). 5. Considere a matriz A = 1a b3 , a, b ∈ R. Indique qual das seguintes hipóteses é uma
posição verdadeira:
Enunciados dos exercı́cios do capı́tulo 6 — Valores e Ve-
tores Próprios A λ(A) = {0, 3}. C λ(A) = {1}.
B λ(A) = {1, 2}. D λ(A) = {0}.
1. Determine o espetro das seguintes matrizes, bem como os espaços próprios associados
aos seus valores próprios: h 1 5 −1
i
7. Considere a matriz A = 0 −2 1 . Indique qual das seguintes hipóteses é uma
h 1 −3 3 i h 1 2 1i −4 0 3
(a) A = [ 12 43 ]. (c) C = 3 −5 3 . (e) E = 2 0 −2 . proposição verdadeira:
6 −6 4 −1 2 3
1 −1 h 3 0 −1 i h 4 0 1i A E−3 = {(3α/2, −α, α) : α ∈ C}.
(b) B = 2 −1 . (d) D = 0 2 0 . (f) F = −2 1 0 .
−1 0 3 −2 0 1
B E−3 = {(−α/2, −α, α) : α ∈ C}.
TAL, DMat, UM, GJM + IB + SL — Enunciados das aulas TP (v4.0) 16
C A é invertı́vel e λ(A−1 ) = {−1, 0}. 14. Indique quais das seguintes matrizes são diagonalizáveis:
D A não é invertı́vel e λ(A2 ) = {0, 1}. h 0 −6 −4 i h 2 −2 1 i
(a) A = [ 11 01 ]. (b) B = 5 −11 −6 . (c) C = −1 3 −1 .
2 −6 9 −4 2 −4 3
j se i > j
10. Seja A = [aij ] ∈ M3×3 (R), aij = i se i = j Indique qual das seguintes hipóteses
0 se i < j. 15. Seja A ∈ Mn×n (R). Mostre que λ(A) = λ(AT ).
é uma proposição verdadeira:
16. Seja A ∈ M2×2 (R).
2
A 0 ∈ λ(A). C λ(A ) = {−1, 1, 4}.
(a) Mostre que ΠA (λ) = λ2 − tr(A)λ + det(A).
1
B λ(A−1 ) = {1, 2 }. D λ(A) = {1, 2, 3}. (b) Determine o espetro de A sabendo que tr(A) = 8 e det(A) = 12.
11. Considere as seguintes proposições: 17. Seja A ∈ M2×2 (R) tal que tr(A) = 8 e det(A) = 12. Determine o espetro de A.
P1 : “Os valores próprios de uma matriz quadrada são iguais aos valores próprios da 18. Seja T ∈ L(Rn , Rn ). Indique o valor lógico das seguintes proposições:
sua transposta.” (a) a matriz AT é invertı́vel se e só se CS(AT x=0) = {0}.
P2 : “Uma matriz quadrada é invertı́vel se e só se não admite o valor próprio zero.” (b) a matriz AT é invertı́vel se e só se ∀b ∈ Rn [# CS(AT x=b) = 1].
Indique qual das seguintes hipóteses é uma proposição verdadeira: (c) a matriz AT é invertı́vel se e só se det(AT ) 6= 0.
(d) a matriz AT é invertı́vel se e só se Im(T ) = Rn .
A As duas proposições são verdadeiras.
(e) a matriz AT é invertı́vel se e só se as colunas da matriz AT são linearmente
B As duas proposições são falsas. independentes.
C A primeira proposição é verdadeira e a segunda é falsa. (f) a matriz AT é invertı́vel se e só se as linhas da matriz AT são linearmente inde-
D A primeira proposição é falsa e a segunda é verdadeira. pendentes.
12
(g) a matriz AT é invertı́vel se e só se as colunas da matriz AT geram Rn .
12. Seja A = −14
−20 17 .
(h) a matriz AT é invertı́vel se e só se as linhas da matriz AT geram Rn .
(a) Mostre que A é diagonalizável. (i) a matriz AT é invertı́vel se e só se as colunas da matriz AT formam uma base de
(b) Determine uma matriz P que diagonaliza A. Rn .
TAL, DMat, UM, GJM + IB + SL — Enunciados das aulas TP (v4.0) 17
(j) a matriz AT é invertı́vel se e só se as linhas da matriz AT formam uma base de Problema de misturas
Rn . Dois tanques estão ligados como ilustrado na figura seguinte:
(k) a matriz AT é invertı́vel se e só se nT = 0.
(l) a matriz AT é invertı́vel se e só se cT = n. água 15L/min mistura 5L/min
1 1
19. Determine a e b de modo que (1, 1) e (1, 0) sejam vetores próprios da matriz a b .
Os valores e vetores próprios podem ser usados para determinar as soluções de alguns Inicialmente, o tanque A contém 200 litros de água, onde foram dissolvidos 60 gramas
sistemas de equações diferenciais. de sal. O tanque B contém 200 litros de água pura. Bombeia-se lı́quido para dentro
Considere o seguinte sistema de equações diferenciais lineares de primeira ordem com e para fora dos dois tanques a taxas indicadas na figura. Pretende-se determinar a
coeficientes constantes: quantidade de sal no instante t.
Sejam y1 (t) e y2 (t) a quantidade de sal em gramas nos tanques A e B, respetiva-
y10 ≡ dy1 = a11 y1 + a12 y2
dt mente, no instante de tempo t. Inicialmente, tem-se
dy
y20 ≡ 2 = a21 y1 + a22 y2 .
dt y1 (0) 60
y (0) = = .
h 0i y2 (0) 0
y
Sejam y = [ yy12 ], y 0 = y10 e A = [ aa11
21
a12
a22 ]. Então, o sistema pode ser escrito na
2 A quantidade total de lı́quido em cada tanque é sempre 200 litros, porque a quantidade
forma y 0 = Ay : de lı́quido bombeada para dentro é igual à quantidade bombeada para fora em cada
0
y1 a11 a12 y1
tanque. A taxa de variação da quantidade de sal em cada tanque é igual à taxa em
= . que está sendo adicionado sal menos a taxa em que está sendo bombeado para fora.
y20 a21 a22 y2
Para o tanque A, a taxa em que o sal está a ser adicionado é dada por
Se A tem dois valores próprios reais distintos λ1 e λ2 com vetores próprios v1 e v2
y2 (t) y2 (t)
associados a λ1 e λ2 respetivamente, então a solução geral do sistema de equações (5 L/min) g/L = g/min
diferenciais considerado é 200 40
Dois tanques contêm, cada um, 100 litros de uma mistura. A mistura no tanque 3. C.
h −1 1 i
A contém 40 gramas de sal e a mistura no tanque B contém 20 gramas de sal. 4. AB = −3 1 .
Bombeia-se lı́quido para dentro e para fora dos tanques de acordo com a seguinte 1 4
figura: 5.
TAL, DMat, UM, GJM + IB + SL — Enunciados das aulas TP (v4.0) 19
6. — 25. D.
7. B 2 =
−3 0
, B3 =
−3 6 26. D.
0 −3 −6 3 .
8. — 27. B e C.
9. — 28. —
10. — 29. —
11. — 30. A.
22. A. 35. D.
TAL, DMat, UM, GJM + IB + SL — Enunciados das aulas TP (v4.0) 20
1
" #
0 0
−1
2
1
(a) .
36. (a) A é invertı́vel com A = 0 2
1 . V1 V2
1
−1 2
0 b b
(g) E T AT = 11 −20 . 8. —
2 9. D.
(h) A expressão A (= AA) não está bem definida pois o número de colunas da matriz
A, que é 2, é diferente do seu número de linhas, que é 3.
13 −24 10. B.
(i) (AAT )2 = −24 45 .
11. B.
−1 1 2 1
(j) (AE) = 2 0 −1 .
12. C.
38. B.
13. B.
39. D. 14. A.
h 1 −1 0
i
40. Exercı́cio 1 15. (b) E −1 = 0 1 −1 .
"0 1 0 1 0# 0 0 1
(a) M =
1
0
0
1
1
0
1
0
0
0 . 16. |A| = 15, |Bα | = 1, |C| = 0, |D| = 0, |E| = 1, |F | = 2.
1 1 0 0 1
17. det(A) = 1, adj(A) = −11 −23 , A−1 = −11 −23 .
0 0 0 1 0
(b) Existem 6 caminhos de comprimento 2 que começam em V1 : V1 V2 V1 , V1 V4 V1 , −2 −1 h 17 72 i
V1 V4 V2 , V1 V2 V3 , V1 V2 V4 , V1 V4 V5 . det(B) = −7, adj(B) = −1 −3 1 , B = 3 −1 .
7 7
4 −1 −1 h 25 − 101 i
(c) 5. det(C) = 10, adj(C) = −2 3 , C = − 1 3 .
(d) 7. "5 10 5 2 #
h −3 5 2 i −1 3 3
det(D) = 3, adj(D) = 0 1 1 , D−1 = 0 31 1
3 .
Exercı́cio 2 6 −8 −5
2 − 38 − 53
TAL, DMat, UM, GJM + IB + SL — Enunciados das aulas TP (v4.0) 21
18. — 5. A.
(S8 ) sistema PD, CS(S8 ) = {(0, 1, 0, 0)}. (c) CSAx=b = {(0, 1, 2)}.
2. — 23. D.
3. C. 24. B.
4. B. 25. C.
5. (a) v = − 21 v1 . 26. Por exemplo, o conjunto {(1, 1, 0, 0), (−6, 0, 2, 1)} é uma base de F e dim(F ) = 2.
(b) v não é uma combinação linear de v1 . 27. (c) Não.
(c) v = −v1 + 4v2 . (d) dim(F ) = 2.
(d) v = (−1 + 2α)v1 + αv2 , α ∈ R.
28. (a) Sim.
(e) v não é uma combinação linear de v1 e v2 .
(b) Não.
(f) v = (−1 − 2α)v1 + (1 − α)v2 + αv3 , α ∈ R.
(c) Não.
6. (a) w = 7u − 3v . (d) Sim.
(b) α = −8. (e) #C > 2.
7. — (f) #D 6 2.
(g) E é um conjunto gerador de V se e só se v1 e v4 forem vetores linearmente
8. B.
independentes.
9. A, B e C.
29. P2 , P3 e P4 .
10. α ∈ R, β ∈ R − {0}.
30. D.
11. X = {(1, 3, 2), (1, 0, 2)}.
31. C.
12. X = {(1, −3, 1, −1, 3), (1, −1, 1, −1, 1)}.
32. D.
13. A e C.
33. A.
14. α ∈ R − { 12 }.
18. A e C. 2. α = 2β.
√ √
19. α ∈ R − {− 6, 6}. 3. D.
20. A. 4. D.
TAL, DMat, UM, GJM + IB + SL — Enunciados das aulas TP (v4.0) 23
2 −1 −1
h i
5. (a) AT = −1 2 −1 . (b) Im(T2 ) = {(x, 2x) : x ∈ R} = h(1, 2)i, cT2 = 1,
−1 −1 2
Nuc(T2 ) = {(−y − z , y , z) : y , z ∈ R} = h(−1, 1, 0), (−1, 0, 1)i, nT2 = 2,
(b) T (u) = (0, 0, 0), T (v ) = (2, −1, −1), T (w ) = (−15, 9, 6). AT2 = [ 12 12 12 ].
6. C. (c) Im(T3 ) = {(x, 0, z) : x, z ∈ R} = h(1, 0, 0), (0, 0, 1)i, cT3 = 2,
Nuc(T3h) = {(zi, 2z , z) : z ∈ R} = h(1, 2, 1)i, nT3 = 1,
7. D. 1 0 −1
AT3 = 0 0 0 .
0 1 −2
AT = 1 −11 .
1
8. (a)
(d) Im(T4 ) = R3 , cT4 = 3,
AT,B,B0 = 15 −11 −23
(b) 13 −29 . Nuc(T4h) = {(3w ,i3w , w , w ) : w ∈ R} = h(3, 3, 1, 1)i, nT4 = 1,
1 −1 0 0
9. AS+T = [ 30 11 ]. AT4 = 0 0 1 −1 .
1 0 0 −3
h −4 −2 i
10. AT = 0 0 . 19. (a) Por exemplo {(1, 1, 1)}.
0 −2
(b) AT ◦S = [ 20 10 ]. 20. —
h1 0
i
12. (a) AT = 0 1 −21 , AS = 1
1 1
, AU = 0 −11 .
2
1
1 −1 21. D.
(b) i. A operação não está bem definida.
ii. AU◦U = [ 40 11 ]. 22. C.
h1 1 1i
iii. AS◦T = 1 2 −1 . 23. B.
1 0 3
iv. AT ◦S = −13 03 .
v. AU◦U+α(T ◦S) = 4+3α
1
24. A.
−α 1+3α .
13. D. 25. A.
14. B. 26. B.
15. (a) Im(T1 ) = R3 , Nuc(T1 ) = {(0, 0, 0)}.
27. B.
(b) Im(T2 ) = h(1, 0, 0), (0, 1, 0)i, Nuc(T2 ) = h(0, 0, 1)i.
(c) Im(T3 ) = h(1, 1, 1)i, Nuc(T3 ) = h(0, 1, 0), (0, 0, 1)i. 28. A.
Soluções do capı́tulo 6 — Valores e Vetores Próprios 18. Todas as proposições são verdadeiras.
1. (a) λ(A) = {−1, 5}. E−1 = {(−2α, α) : α ∈ C}. E5 = {(α, α) : α ∈ C}. 19. a = 0, b = 2.
α α
(b) λ(B) = {−i , i }. E−i = {( 1+i , α) : α ∈ C}. Ei = {( 1−i , α) : α ∈ C}. 20. —
(c) λ(C) = {−2, 4}, em que o valor próprio λ1 = −2 tem multiplicidade algébrica
21. Se λ ∈ λ(A), então λ − α ∈ λ(B).
dois. E−2 = {(β − α, β, α) : α, β ∈ C}. E4 = {( α2 , α2 , α) : α ∈ C}.
2 6
(d) λ(D) = {2, 4}, em que o valor próprio λ1 = 2 tem multiplicidade algébrica dois. 22. y1 (1) = 25 exp(− 25 ) + 15 exp(− 25 ) ≈ 34.8773g
2 6
E2 = {(α, β, α) : α, β ∈ C}. E4 = {(−α, 0, α) : α ∈ C}. y2 (1) = 50 exp(− 25 ) − 30 exp(− 25 ) ≈ 22.5570g.
(e) λ(E) = {0, 2}, em que o valor próprio λ2 = 2 tem multiplicidade algébrica dois.
E0 = {(α, −α, α) : α ∈ C}. E2 = {(α, 0, α) : α ∈ C}.
(f) λ(F ) = {1, 2, 3}. E1 = {(0, α, 0) : α ∈ C}. E2 = {(− α2 , α, α) : α ∈ C}.
E3 = {(−α, α, α) : α ∈ C}.
3. D.
4. D.
5. D.
6. B.
7. A.
9. D.
10. D.
11. A.
h4 3
i
12. (b) Por exemplo, P = 5
1
4
1
.
0 1 0
h i
13. (b) Por exemplo, P = 1 0 1 .
−1 0 1
14. C.
15. —
17.