Escolar Documentos
Profissional Documentos
Cultura Documentos
Linear
Linear
Álgebra Linear I
por
1
Sumário
2 Espaços Vetoriais 33
2.1 Espaços e Subespaços Vetoriais . . . . . . . . . . . . . . . . . . . . . . 33
2.2 Subespaço Gerado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.3 Dependência Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.4 Base e Dimensão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.5 Operações com Subespaços . . . . . . . . . . . . . . . . . . . . . . . . . 51
3 Transformações Lineares 55
3.1 Núcleo e Imagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.2 Matriz de uma Transformação Linear . . . . . . . . . . . . . . . . . . . 62
4 Diagonalização 65
4.1 Polinômio Característico e Minimal . . . . . . . . . . . . . . . . . . . . 65
4.2 Autovalores e Autovetores . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.3 Diagonalização . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3
Capítulo 1
1.1 Matrizes
Notação: uma matriz de m linhas e n colunas será denotada por
a a12 ... a1n
11
a21 a22 ... a2n
Am×n = [aij ]m×n = .. .. ... .. .
. . .
am1 am2 ... amn
Notação: A − B = A + ((−1)B).
Propriedades: Dadas as matrizes Am×n e Bm×n e r, s ∈ R, valem:
(1) A + B = B + A;
(2) A + (B + C) = (A + B) + C;
(3) A + 0m×n = A;
(4) A − A = 0m×n ;
(5) r(A + B) = rA + rB e (r + s)A = rA + sA;
(6) r(sA) = (rs)A;
(7) 1A = A, 0A = 0m×n e r0m×n = 0m×n ;
(8) (A + B)t = At + B t e (rA)t = rAt .
5
Definição: Dizemos que uma matriz quadrada An×n é:
(1) simétrica, se aij = aji ∀i, j;
(2) anti-simétrica, se aij = −aji ∀i, j;
(3) triangular superior, se aij = 0 ∀i > j;
(4) triangular inferior, se aij = 0 ∀j > i;
(5) diagonal, se aij = 0 ∀i 6= j. (Neste caso, A = diag(a11 , a22 , ..., ann ))
Observação 2: Uma matriz quadrada A é:
(1) simétrica se, e somente se, At = A;
(2) anti-simétrica se, e somente se, At = −A;
Observação 3: A matriz diagonal In = diag(1, 1, ..., 1) chama-se matriz identidade.
Exemplo 3: Classifique as matrizes abaixo:
1 5 9 1 5 9 1 0 0 0 5 9
A= 0 3 8 ; B = 5 3 8 ; C = 5 0 0 ; D = −5 0 −8 .
0 0 7 9 8 7 9 8 7 −9 8 0
Definição: Definimos o produto entre as matrizes Am×n = [aij ] e Bn×p = [bjl ] como
sendo a matriz (AB)m×p = [cil ], onde
n
X
cil = aik bkl .
k=1
6
Exemplo 5: Calcule AB e BA, onde
−1 2 2 −2
A= e B= .
3 −2 1 5
Definição: Dizemos que uma matriz quadrada An×n é inversível quando existe uma
matriz quadrada Bn×n tal que AB = BA = I. Neste caso a matriz B é chamada de
inversa de A e é denotada por B = A−1 .
4/5 −3/5 2 3
Exemplo 7: Verifique que B = é a inversa da matriz .
−1/5 2/5 1 4
7
Propriedades: Valem:
(1) Se A é uma matriz quadrada e existe C quadrada tal que AC = I, então A é
inversível e A−1 = C;
(2) Se A e B são matrizes quadradas de mesma ordem e inversíveis, então
(a) AB é inversível e (AB)−1 = B −1 A−1 ;
(b) rA é inversível ∀r ∈ R∗ e (rA)−1 = r−1 A−1 ;
(c) At é inversível e (At )−1 = (A−1 )t .
2 r
Exemplo 8: Determine r e s para que a matriz B = seja a inversa de
−7 11
11 3
A= .
−2r + s 2
8
Exemplo 9: Classifique as seguintes matrizes
2 −1 1 1 1 3 √
1/2 3/2
A = −3 4 −3 ; B = 5 e C= √ .
2 6
3/2 −1/2
−5 5 −4 −2 −1 −3
9
1.1.1 Determinantes
onde ∆ij = (−1)i+j det(Aij ) (é chamado de cofator do elemento aij ) e Aij é a matriz
quadrada de ordem n − 1 obtida de A eliminando a linha i e a coluna j.
a11 ... a1n a11 ... a1n
.. . . .. .. . . ..
Notação: det . . . = . . . .
an1 ... ann an1 ... ann
Exemplo 1: Calcule
a11 a12 a13
a23 =
a21 a22
a31 a32 a33
10
Exemplo 2: Calcule
2 1 0 0
1 0 −1
1
.
0 1 1 1
−1 0 0
3
n
X
(2) det(A) = aij ∆ij ∀j;
i=1
(9) det(I) = 1;
(10) Se A é inversível, então det(A) 6= 0 e
1
det(A−1 ) = ;
det(A)
11
(11) Se B é obtida de A trocando uma linha de A por um múltiplo de λ por esta linha,
então det(B) = λ det(A);
(12) Se B é obtida de A por uma troca de duas linhas (ou colunas), então
det(B) = − det(A);
(13) Se B é obtida de A pela troca de uma linha por a soma desta linha com um
múltiplo de outra, então det(B) = det(A).
Exemplo 4: Considere matrizes A = [aij ]4×4 e B = [bij ]4×4 tais que 2A2 B t = −(AB 2 )t .
Sabe-se que bij = i − j − 2 se i ≥ j e bij = 0 se i < j. Calcule det(A).
A0 = Āt ,
12
onde Ā = [∆ij ] é a matriz dos cofatores de A.
Notação: A0 = adj(A).
Exemplo 5: Calcule a adjunta da matriz
2 1 0
A = −3 1 4 .
1 6 5
13
Corolário: Uma matriz quadrada A é inversível se, e somente se, det(A) 6= 0. Neste
caso, det(A−1 ) = det(A)−1 e
1
A−1 = A0 .
det(A)
14
Propriedades: Valem:
(1) Se B é obtida de A por uma operação elementar associada a matriz elementar E,
então B = EA;
(2) Toda matriz elementar é inversível e sua inversa é uma matriz elementar.
Exemplo 3: Determine a inversa das matrizes elementares obtidas no Exemplo 2.
Definição: Dizemos que uma matriz Am×n está na forma escada de Gauss se:
(1) O primeiro elemento não nulo de uma linha não nula é 1;
(2) Cada coluna que contêm o primeiro elemento não nulo de alguma linha tem
todos os elementos abaixo dessa linha iguais a 0;
(3) Todas as linhas nulas estão abaixo de todas as linhas não nulas;
(4) Se as linhas 1,..., l são as linhas não nulas, e se o primeiro elemento não nulo
da linha i ocorre na coluna ki , então k1 < k2 < ... < kl .
Exemplo
1: Determine
quais das matrizes abaixo estão na forma escada de Gauss.
1 2 3
0 0 ;
0
0 1 −1
15
1 2 3
0 0 1
;
0 1 0
0 0 0
1 2 3
0 −1 5
;
0 0 1
0 0 0
1 2 3
0 1 5
;
0 1 2
0 0 0
1 2 3
0 1 −1
;
0 0 1
0 0 0
Teorema 1: Toda matriz é linha equivalente a uma matriz na forma escada de Gauss.
Exemplo
2: Determine
uma matriz na forma de Gauss linha equivalente a
3 −2
0 1/2
−1 −1
Definição: Dizemos que uma matriz Am×n está na forma escada se:
(1) O primeiro elemento não nulo de uma linha não nula é 1;
(2) Cada coluna que contêm o primeiro elemento não nulo de alguma linha tem
todos os outros elementos iguais a 0;
(3) Todas as linhas nulas estão abaixo de todas as linhas não nulas;
(4) Se as linhas 1,..., l são as linhas não nulas, e se o primeiro elemento não nulo
16
da linha i ocorre na coluna ki , então k1 < k2 < ... < kl .
Teorema 2: Toda matriz é linha equivalente a uma única matriz na forma escada.
Exemplo 3: Determine a matriz na forma escada linha equivalente a
3 −2
0 1/2
−1 −1
Definição: Sejam Am×n uma matriz e Bm×n a matriz na forma escada linha equivalente
à A. O número de linhas não nulas de B é chamado de posto de A e é denotado por
p. A nulidade de A é o número n − p.
Exemplo 4: Determine o posto e a nulidade da matriz
3 −2
0 1/2 .
−1 −1
Teorema 3: Uma matriz quadrada An×n é inversível se, e somente se, seu posto p = n.
Neste caso, sua forma escada é a matriz identidade I. Ademais, se E1 , ..., Ek são as
matrizes elementares tais que Ek ...E1 A = I, então Ek ...E1 I = A−1 .
Exemplo 5: Determine a inversa da matriz
2 1 0 0
1 0 −1 1
.
0 1 1 1
−1 0 0 3
17
Teorema 4: O posto de uma matriz A é igual a maior ordem possível de uma submatriz
quadrada inversível de A.
Exemplo
6: Calcule
o posto da matriz
3 −2
0 1/2 .
−1 −1
AX = B,
onde
a a12 ... a1n x1 b1
11
a21 a22 ... a2n x2 b2
A=
.. .. .. ..
. X= ..
e B= ..
.
.
. . . . .
am1 am2 ... amn xn bm
Neste caso, a matriz A é chamada de matriz dos coeficientes do sistema (1). A matriz
18
ampliada de (1) é definida por
a a12 ... a1n b1
11
a21 a22 ... a2n b2
.
.. .. .. ..
..
.
. . . .
am1 am2 ... amn bm
Teorema 2: Dois sistemas lineares que possuem matrizes ampliadas linha equivalentes
são equivalentes.
Exemplo 1: Resolva o seguinte sistema:
x + 4x2 + 3x3 = 1
1
2x1 + 5x2 + 4x3 = 4 .
x − 3x − 2x = 5
1 2 3
19
.
Teorema 3: Valem:
(1) Um sistema linear de m equações e n incógnitas possui solução se, e somente se,
pa = pc ;
(2) Se pa = pc = n, então a solução do sistema é única;
(3) Se pa = pc < n, então podemos escolher n − p incógnitas e as demais p incógnitas
são dadas em função destas. (Neste caso, o número n − p é chamado de grau de
liberdade do sistema)
Exemplo 2: Determine (caso haja) as soluções dos sistemas:
x − x2 + x3 = 1 x − x2 + x3 = 1
1 1
(1) x1 − 4x2 + 4x3 = 2 (2) x1 − 4x2 + 4x3 = 3 .
2x + x − x = 0
2x + x − x = 0
1 2 3 1 2 3
20
Exemplo 3: Considere o sistema
x − y + −z = a
−x + 2y + bz = 2 .
2x − y + z = a
AX = 0m×1 (1)
21
Considere os sistemas
Suponha que (NH) possua solução e seja Xp uma solução particular de (NH).
Observação 1: Se Xo é uma solução de (H), então Xo + Xp é uma solução de (NH).
22
1.3 Exercícios
1. Calcule x e y para que A = B, onde
2x + 1 2 y 2
(a): A = e B= ;
2y − 9 −1 −3x −1
7 − 2y 8 3 8
(b): A = e B= ;
4 x2 4 10x − 25
23
7. Considere as matrizes
0 −1 2 0
2 1 3 −4 −1 0
A= , B = , C = 1 2 e D = −1 1 .
−2 1 1 1 −2 −1
−3 1 4 1
Calcule:
(a) (A + B).C; (b) (2A − B).D; (c) (C − D).(A + B).
8. Determine a matriz X3×1 tal que AX = B, onde
2 1 3 8
A= 4 2 2 e B= 4 .
2 5 3 −12
9. Em cada item, calcule x e y para que a matriz dada satisfaça a condição exigida:
x + y x − 2y 4 − x
(a) A = 0 −1 0 é triangular inferior;
1 0 x
0 x+y
(b) A = é anti-simétrica;
1 2x − y
x+y 1
(c) A = é idempotente;
x 0
10. Em cada item determine a(s) matriz(es) A2×2 que satisfaz(em) as condições dadas:
1 0
(a) A é diagonal e A2 = ;
0 9
(b) A é triangular superior e AB = C, onde
0 1 4 −1
B= , e C = ;
2 0 −6 0
4 0
(c) A é triangular, simétrica e A2 = ;
0 49
9 0
(d) At é triangular superior e A2 = ;
−1 4
24
−25 0
(e) A é anti-simétrica e A2 = ;
0 −25
(f) A é triangular e anti-simétrica;
(g) A é triangular superior e idempotente;
(h) A é idempotente e nilpotente;
(i) A é idempotente, simétrica e a11 = 1/4;
(j) A é idempotente e anti-simétrica;
(k) At é triangular inferior e nilpotente;
11. Dê exemplos de matrizes provando que as seguintes propriedades são FALSAS:
(a) AB = BA;
(b) AB = 02×2 ⇒ BA = 02×2 ;
(c) AB = 02×2 ⇒ A = 02×2 ou B = 02×2 ;
(d) AB = AC e A 6= 02×2 ⇒ B = C;
(e) (A + B)2 = A2 + 2AB + B 2 ;
(f) (A + B)(A − B) = A2 − B 2 ;
(g) A 6= 02×2 ⇒ A é inversível;
12. Dada uma matriz An×n , prove que:
(a) A + At é simétrica;
(b) A − At é anti-simétrica;
(c) AAt é simétrica.
13. Verifique se a matriz B é a inversa da matriz A:
11 3 2 −3
(a) A = e B= ;
7 2 −7 11
1 1 3 −2
(b) A = e B= ;
2 3 −2 2
1 1 3 −1
(c) A = e B= ;
2 3 −2 1
14. Calcule r e s para que a matriz B seja a inversa de A:
r −22 5 22
(a) A = e B= ;
−2 s 2 9
25
2 5 8 r
(b) A = e B= ;
3 8 s 2
15. Calcule
x, y, z ∈ R para
que a matriz A seja ortogonal, sabendo que B = −2A e
1 x−y 0
√
B = − 3 2y + z 0 .
0 0 x+z
16. Calcule os determinantes:
1 0 0 0 0
3 −1 5 0
−51 2 0 0 0
0 2 0 1 √
(a) ; (b) 3 −1 −1 0 0 .
2 0 −1 3
2
1 1/π π 3 0
1 1 2 0
−x 1 2 2
0
17. Resolva as equações:
x−2 x+3 x−1 x 3 2
(a) 2 3 = 60; (b) 5 x 1 = 12;
1
3 2 1 1 3 1
1 0 −1 0
3 −1 0
0 2 −1 1
(c) 2x x −3x = 6; (d) =1
2 x −1 0
−1 2
1
0 −1 0 x
26
(a) −40(At )3 B 2 = (A(B t )2 )2 , B3×3 , bij = i + 2j − 1 se i ≤ j e bij = 0 se i > j;
(b) A(−At )B t = 2(AB t )t , B2×2 , bij = i + j + 1 se i ≤ j e bij = i2 se i > j;
(c) −2A0 B t = AB 2 , B3×3 , bij = −2i + j 2 − 1 se i ≤ j e bij = −i + j se i > j;
(d) (AB t )2 = −B 3 A0 , B4×4 , bij = j 2 − i − 1 se i ≤ j e bij = 0 se i > j.
1
21. Considere B = [bij ]3×3 , onde bij = 2i − 4j. Sendo A = 16
B, calcule:
(a) A10 , sabendo que A4 = 2A;
(b) A12 , sabendo que A3 = −2A;
(c) A16 , sabendo que A4 = −4A2 .
22. Calcule a adjunta das seguintes matrizes:
3 −1 0 0 −2 1 −1 0 2
(a) 2 1 −3 ; (b) 2 −1 0 ; (c) −1 −1 1 .
−1 2 1 −1 3 −1 1 1 2
23. Calcule a inversa das matrizes da questão 22.
24. Prove que:
(a) 00n×n = 0n×n ;
0
(b) In×n = In×n ;
(c) Se A é inversível, então A0 é inversível e (A0 )−1 = (A−1 )0 ;
(d) (At )0 = (A0 )t ;
(e) AA0 = A0 A.
25. Dê exemplo de matrizes provando que as seguintes propriedades são FALSAS:
(a) (A + B)0 = A0 + B 0 ;
(b) (2A)0 = 2A0 ;
(c) (A0 )0 = A;
(d) det(A0 ) = det(A).
26. Calcule a forma escada das seguintes matrizes:
0 −2 4
3 −1 0 2 0 1 4
−1 −1
4
(a) 2 1 −3 ; (b) −1 1 2 0 ; (c) ;
−2 2 0
−1 2 1 −1 0 1 −2
3 −1 2
27. Calcule o posto e a nulidade das matrizes da questão 26.
28. Determine todas as matrizes 2 × 2 que estão na forma escada. E na forma escada
de Gauss?
27
29. Calcule a inversa das matrizes
−2 −1 0 2
3 −1 0
−2 −2
3 1
(a) −2 1 −3 ; (b) ;
−4 −1
2 3
−1 1 1
3 1 −1 −2
1 2 −2 −1
h i
(c) (AB − C t ), onde A = 2 , B = −1 2 1 e C= 1
3 4
3 −1 2 0
30. Calcule pa e pc e expresse o conjunto solução dos seguintes sistemas:
2x + 4y = 16
x + y + z = 4
5x − 2y = 4
(a) 2x − 5y + 2z = 3 ; (b) ;
3x + y = 9
x + 7y − 7z = 5
4x − 5y = −7
x−y = 0
6x + 2y + 4z = 0
(c) ; (d) 2y + 4z = 6 ;
−9x − 3y − 6z = 0
x + y + 4z = 6
x + 2y = 4
x+y+z = 4
(e) −3x + 4y = 3 ; (f) 2x − 5y + 2z = 3 ;
2x − y = −6 x + 7y − 7z = 5
3x + 2y − 4z = 1
−2x − y + 2t = 5
x−y+z = 3
3x + y − 2z − 2t
= 3
(g) ; (h) x − y − 3z = −3 ;
−4x − y + 2z + 3t
= 12
3x + 3y − 5z
= 0
3x + y − z − 2t
= 10
−x + y + z
= 1
−x + z = 0
x − 2y + z + 2t = −2 x − y + 2z + t = 1
(i) 2x − 5y + z − t = 3 ; (j) 2y − z − 2t = 0 ;
x + 3y − z
= 5
−2x − y + 2t = −1
−x + 3y + z − 4t
= 2
31. Considere os sistemas
28
x + ky − 2z = 2
−x − y + 2z = 1
4x − y − z = 0
(1) −x − 2y + z = −1 ; (2) 2x − 3y + z = k ; (3) 2x − y + kz = 1 ;
x + 3y − z = 5
3x + y − 5z = 0
x + y − 2z = k
Soluções e Sugestões
1. (a): x = 1 e y = 3; (b): x = 5 e y = 2.
2.
x 2a 5
−1 3
At = ; Bt = ; C t
= −b 13x .
2
2 −5
−3 −3 π
3. x = −2 e y = 5.
29
4. (a) Usando a comutatividade de números reais, temos que
a11 a12 b b a + b11 a12 + b12
A+B = + 11 12 = 11
a21 a22 b21 b22 a21 + b21 a22 + b22
b11 + a11 b12 + a12 b b a a
= = 11 12 + 11 12 =B+A
b21 + a21 b22 + a22 b21 b22 a21 a22
= (A + B) + C.
5. (a)
(A + B)t = ([aij ] + [bij ])t = [aij + bij ]t = [aji + bji ] = [aji ] + [bji ]
= [aij ]t + [bij ]t = At + B t .
30
0 0 0 x
(j) A = ; (k) A ∈ ;x ∈ R ;
0 0 0 0
31
7 −1 3 1 −1 1 −3 −2 2
1 1
23. (a) −1 3 −9 ; (b) −2 1 −2 ; (c) −3 −4 1 .
20 3
5 5 5 5 −2 4 0 −1 1
24. (e) Use At (At )0 = det(At )I e o item (d).
1 0 0
1 0 0 2
0 1 0
26. (a) I3×3 ; (b) 0 1 0 2 ; (c) .
0 0 1
0 0 1 0
0 0 0
27. (a) p = 3, nulidade=
0; (b) p= 3, nulidade=
1; (c) p = 3, nulidade= 0.
0 0 1 x 1 0
28. Na forma escada: ; ; ; x ∈ R.
0 0 0 0 0 1
0 0 1 x 1 x
Na forma escada de Gauss: ; ; ; x ∈ R.
0 0 0 0 0 1
1 −1 0 2
4 1 3 −3 −1 2
−1 2 2 0
1 1
29. (a) 5 3 9 ; (b) ; (c) 0 .
5 0
7 0 −1 0 1
5
−1 −2 1 −2 −4 3
1 0 1 2
32
Capítulo 2
Espaços Vetoriais
(x1 , ..., xn ) + (y1 , ..., yn ) = (x1 + y1 , ..., xn + yn ) e r(x1 , ..., x3 ) = (rx1 , ..., rx3 );
n
X n
X n
X n
X n
X
k k
ak x + bk x = (ak + bk )xk e r k
ak x = rak xk .
k=0 k=0 k=0 k=0 k=0
34
.
Exemplo 3: Verifique que R2 NÃO é um espaço vetorial munido das seguintes opera-
ções:
(x, y) + (u, v) = (x + u, y + v) e a(x, y) = (ax, y).
35
.
u, v ∈ W e r ∈ R ⇒ u + rv ∈ W.
36
Exemplo 5: Seja X o conjunto dos polinômios que têm −2 como raiz. Prove que X
é um subespaço de P3 .
37
.
v = a1 v1 + ... + an vn .
O conjunto
[v1 , ..., vn ] = {a1 v1 + ... + an vn ; a1 , ..., an ∈ R}
38
.
39
.
40
Definição: Sejam W um subespaço do espaço vetorial V . Dizemos que um conjunto
de vetores γ ⊂ V gera W , se W = [γ].
Exemplo 6: Considere o conjunto β = {e1 , ..., en } ∈ Rn , onde ei é o vetor que tem 1
na coordenada i e 0 nas demais. Prove que β gera Rn .
W = {(x, y, z, t) ∈ R4 ; 2x − y + 3t = 0.}
41
Proposição 2: Dados os vetores v1 , ..., vm ∈ Rn , seja Am×n a matriz formada de forma
que a linha i contêm as mesmas coordenadas do vetor vi . Se B é a forma escada (ou
forma escada de Gauss) de A e u1 , ..., um são os vetores formados pelas linhas de B,
então
[v1 , ..., vn ] = [u1 , ..., un ].
Exemplo 10: Encontre u1 e u2 tais que [u1 , u2 ] = [v1 , v2 , v3 , v4 ], onde v1 = (1, 2, −1),
v2 = (−1, −4, 3), v3 = (0, −1, 1) e v4 = (2, 1, 1).
42
.
a1 v1 + ... + an vn = ~0 ⇒ a1 = ... = an = 0.
43
.
44
Exemplo 4: Prove que β = {1, x, x2 , ..., xn } é LI em Pn .
45
Exemplo 7: Determine u ∈ R4 tal que α = {v1 , v2 , u} seja LI, onde v1 = (1, 1, −2, 1)
e v2 = (0, −1, 1, 3).
46
Teorema 1: Sejam V um espaço vetorial e α = {v1 , ..., vn } ⊂ V tal que [α] = V .
Valem:
(1) Existe β ⊂ α base de V ;
(2) Se γ ⊂ V tem mais vetores que uma base de V , então γ é LD;
(3) Se γ ⊂ V é LI, então existe γ̄ ⊂ V base de V com γ ⊂ γ̄.
47
Corolário 1: Duas bases quaisquer de um espaço vetorial V contêm o mesmo número
de vetores. Esse número é chamado de dimensão de V e é denotado por dim V .
48
.
v = a1 v1 + ... + an vn .
49
.
A matriz [I]γβ = [aij ]n×n chama-se matriz de mudança da base γ para a base β.
Teorema 3: Sejam γ e β bases de um espaço vetorial V . Valem:
(1) Se v ∈ V , então [v]β = [I]γβ [v]γ ;
−1
(2) [I]γβ é inversível e [I]γβ = [I]βγ .
Exemplo 8: Calcule [v]β , [v]γ e [I]γβ , onde v = (2, 1), β = {(1, 0); (0, 1)} e γ =
{(1, −1); (0, 1)}.
50
.
51
.
52
Exercícios
53
6.Verifique se u ∈ [v1 , v2 , v3 ], onde
(a) u = (1, 1, 1), v1 = (1, 0, −1), v2 = (0, 2, −1) e v3 = (2, −1, 1);
(b) u = (1, −1, 0, 2), v1 = (2, 0, −1, 1), v2 = (1, 0, 0, −1) e v3 = (−3, 0, 2, −1);
(c) u = (0, −1, 2, 1, 1), v1 = (2, 0, −1, 4, −1), v2 = (−2, 0, 0, 1, −1) e
v3 = (−2, −2, 2, −1, 1);
(d) u = x2 − 2x + 4, v1 = −3x + 1, v2 = −1 e v3 = x2 − 2;
−2x2 −2x + 4,
(e) u = v1 = x3 − 2x 2 2
+ 1, v2 = −x +
2
1 e v3 = −x − 2x;
1 0 −1 −2 1 2 1 2
(f) u = , v1 = , v2 = v3 = .
0 1 1 1 0 −1 0 0
7. Calcule k para que u ∈ [v1 , v2 ], onde
(a)
(b)
(c)
54
Capítulo 3
Transformações Lineares
56
Observação: T : V → W é uma transformação linear se, e somente se, para quaisquer
u, v ∈ V e r ∈ R vale
T (u + rv) = T (u) + rT (v).
T (vi ) = wi ∀i = 1, ..., n.
57
.
58
(2) Se β = {v1 , ..., vn } ⊂ V gera V , então T (β) = {T (v1 ), ..., T (vn )} ⊂ W gera W ;
(3) β = {v1 , ..., vn } é base de V , então T (β) = {T (v1 ), ..., T (vn )} é base de W ;
(4) dim V = dim W .
59
.
T é injetora ⇔ T é sobrejetora.
60
.
61
Exemplo 3: Determine uma transformação linear T : M2×2 → P2 tal que
62
.
1 3
Exemplo 2: Calcule [T ]αβ , onde α = {2x − 1, x2 − x, 2x2 + 1}, β = ;
0 1
0 −1 1 −1 1 −1
; ; e T : P2 → M2×2 é dada por
−2 1 0 1 0 0
a−c 2a + b
T (ax2 + bx + c) = .
b + 2d 2c − d
Exemplo 3: Dadas as bases α = {(1, 1); (0, 1)} e β = {(0, −3, 0); (−1, 0, 0); (0, 1, 1)}
determine a transformação linear T : R2 → R3 tal que
0 2
[T ]αβ = −1 0 .
−1 3
63
.
0 0
[T ]αβ 0 = [I]ββ 0 [T ]αβ [I]αα .
64
Capítulo 4
Diagonalização
T n = T ◦ T ◦ ... ◦ T (n termos).
66
Exemplo 3: Verifique
se os polinômios
p(x) = x2 − 9 e q(x) = 2x + 3 anulam
−1 4
(1) a matriz A = ;
2 1
(2) a transformação linear T (x, y) = (−x + y, 2x + y).
67
Observação: Vale a mesma definição para matrizes.
Teorema 2: Dada uma transformação linear T : V → V e λ ∈ R, vale
pT (λ) = 0 ⇔ mT (λ) = 0.
68
Neste caso, dizemos que v é um autovetor de T associado ao autovalor λ. O conjunto
Vλ = {v ∈ V ; T (v) = λv}
69
Definição: Dizemos que λ ∈ R é um autovalor de uma matriz quadrada An se
pA (λ) = 0.
Exemplo 1: Considere a transformação linear T : R3 → R3 dada por
70
4.3 Diagonalização
Definição: Uma transformação linear T : V → V é dita diagonalizável se existe α
base de V tal que [T ]αα é diagonal.
Exemplo 1: Se α = {v1 , ..., vn } é uma base de V formada por autovetores de T : V →
V , prove que T é diagonalizável.
71
Exemplo 2: Verifique se é diagonalizável a transformação linear T : R4 → R4 dada
por
T (x, y, z, t) = (3x − 4z, 3y − 5z, −z, −t).
Referências Bibliográficas:
J. L. Boldrine, et al. Álgebra Linear, 3a ed. Harbra, São Paulo - 1986.
A. Steinbruch, P Winterle, Álgebra Linear, 2a ed. McGraw-Hill, São Paulo - 1987.
72