Escolar Documentos
Profissional Documentos
Cultura Documentos
^
CENTRO DE CIENCIAS EXATAS E DA NATUREZA
DEPARTAMENTO DE MATEMATICA
Introduc~ao a Algebra Linear
cos sen 0 cos 0 sen 1 0 0
[T ] = sen
cos 0 0 1 0 0 cos
sen
0 0 1 sen 0 cos 0 sen
cos
2 Escalonamento de Matrizes 23
2.1 Operaco~es elementares sobre linhas . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Matriz escalonada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.3 Metodo de eliminac~ao de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
i
ii
SUMARIO
4 Base e dimens~ao 63
4.1 Depend^encia e indeped^encia linear . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.2 Base e dimens~ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.3 Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.4 Intersec~ao e soma de subespacos . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.5 Exerccios Resolvidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.6 Exerccios Propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5 Transformac~oes Lineares 91
5.1 Denic~ao de transformac~ao linear . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.2 Transformac~ao aplicada a vetores de uma base . . . . . . . . . . . . . . . . . . . 94
5.3 Nucleo e imagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.3.1 Denic~ao de nucleo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.3.2 Denic~ao de imagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
5.4 Matrizes e transformaco~es lineares . . . . . . . . . . . . . . . . . . . . . . . . . . 99
5.5 Isomorsmos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
5.5.1 Func~ao bijetora e func~ao inversa . . . . . . . . . . . . . . . . . . . . . . . 104
5.6 Exerccios Resolvidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.7 Exerccios Propostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
B Testes 235
B.1 Matrizes, determinantes e sistemas lineares . . . . . . . . . . . . . . . . . . . . . 235
B.2 Espacos vetoriais e subespacos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
B.3 Base e dimens~ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
B.4 Transformaco~es lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
B.5 Autovalores e autovetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
B.6 Polin^omio mnimo e diagonalizac~ao . . . . . . . . . . . . . . . . . . . . . . . . . . 242
B.7 Espacos com produto interno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
B.8 Complemento ortogonal e ortogonalizac~ao . . . . . . . . . . . . . . . . . . . . . . 247
B.9 Formas bilineares e quadraticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 248
B.10 Classicac~ao de c^onicas e quadricas . . . . . . . . . . . . . . . . . . . . . . . . . 249
B.11 Respostas dos testes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
v
vi
SUMARIO
Cap
tulo 1
1 9
uma matriz de ordem 4 2. Alguns de seus elementos s~ao: a11 = 4, a22 = 10, a31 = 0 e a42 = 9.
Exemplo 1.2 Escrever a matriz M = (aij ) de ordem 2 3 em que aij = 2i + j 2 3 para todo
i 2 f1; 2g e todo j 2 f1; 2; 3g.
Soluc~ao: Atribumos valores para i e para j , depois calculamos o valor de aij em cada caso.
se m = n, ent~
Se a quantidade de linhas for igual a quantidade de colunas, ou seja, ao ela e
1 3
denominada matriz quadrada de ordem n. Exemplo: B = e uma matriz quadrada
5 7
de ordem 2.
Uma matriz quadrada M = (aij ) de ordem n e denominada matriz diagonal quando aij = 0
para i 6= j , ou seja, quando
os elementos
que n~ ao pertencam a diagonal principal forem todos
3 0 0
nulos. Exemplo: M = 0 11 0.
0 0 4
Uma matriz identidade de ordem n e uma matriz quadrada de ordem n em que aii = 1 e
aij = 0 se i 6= j , para todo i e todo j , ou seja, e uma matriz diagonal de ordem
n em que
a
1 0 0 0
0 1 0 0
diagonal principal e formada exclusivamente pelo numero 1. Exemplo: I = 0 0 1 0.
0 0 0 1
Uma matriz triangular superior e uma matrizem que todos os elementos situados abaixo
5 8 11 0
0 1 0 3
da diagonal principal s~ao nulos. Exemplo: A =
0
e triangular superior.
0 5 0
0 0 0 5
Uma matriz triangular inferior e uma matriz
em que todos
os elementos situados acima da
2 0 0 0
3 5 0 0
diagonal principal s~ao nulos. Exemplo: A =
4
e triangular inferior.
8 6 0
4 8 0 2
4 CAPITULO 1. MATRIZES, DETERMINANTES E SISTEMAS LINEARES
1A=A
( 1) A = A
0A=O
a (b A) = (ab) A
(a + b) A = a A + b A
a (A + B) = a A + a B
onde A e B s~ao matrizes de ordem m n, O e a matriz nula de ordem m n, a e b s~ao quaisquer
escalares.
b1k
b2k
ai 1 ai 2 ai 3 aip b3k ! ai 1b1k + ai 2b2k + ai 3b3k + + aip bpk
..
.
bpk
Exemplo 1.5 Sejam A = 13 25 e B = 47 68 . Calcule AB e BA e verique se AB = BA.
Soluc~ao:
14+27 16+28
AB = 13 25 4 6
7 8
=
34+57 36+58
=
18 22
47 58
41+63 42+65
BA = 47 68 1 2
3 5
=
71+83 72+85
=
22 38
31 54
6 BA. Isso mostra que o produto de matrizes, em geral, n~ao e
de onde observamos que AB =
comutativo.
6 2
Exemplo 1.6 Sendo A = 30 54 1
3
e B = 2 8, calcule AB e BA.
10 0
Soluc~ao: Temos que
3} multiplicada por |3 {z
uma matriz de ordem 2| {z 2} resulta em matriz de ordem 2| {z
2}
A B AB
2} multiplicada por |2 {z
uma matriz de ordem 3| {z 3} resulta em matriz de ordem 3| {z
3}
B A BA
6 2
3 6 + 5 ( 2) + 1 10 3 2 + 5 ( 8) + 1 0
AB = 30 54 1
3
2
8 =
0 6 + 4 ( 2) 3 10 0 2 + 4 ( 8) 3 0
=
18
38
34
32
10 0
6 2 6 3 + 2 0 6 5 + 2 4 6 1 + 3 ( 3) 18 38 3
3 5 1
BA = 2 8 = 2 3 8 0 2 5 8 4 2 1 8 ( 3) = 6 42 22
0 4 3
10 0 10 3 + 0 0 10 5 + 0 4 10 1 + 0 ( 3) 30 50 10
Note que AB 6= BA de novo.
2 3 4 5 x
3 4 5 11 y
Exemplo 1.7 Sejam M =
7 6 8 9
e N =
z . Se for possvel, calcule MN e NM .
1 0 4 5 t
1.1. MATRIZES 7
Soluc~ao:
2 3 4 5 x 2x + 3y + 4z + 5t
3 4 5 11 y 3x 4y + 5z + 11t
MN = = :
7 6 8 9 z 7x + 6y 8z 9t
1 0 4 5 t x + 4z + 5t
A quantidade de colunas de N e diferente da quantidade de linhas de M ; logo, n~ao e possvel efetuar
o produto NM .
Observac~ao: Dadas duas matrizes A e B , se existirem os produtos AB e BA, eles podem ser bem
diferentes um do outro. No entanto, existem casos especiais em que esses produtos coincidem.
Por exemplo, se as matrizes forem quadradas de mesma ordem e uma das matrizes for nula, ent~ao
os produtos AB e BA ser~ao ambos nulos e, consequentemente, AB = BA.
As pot^encias com expoentes inteiros positivos de matrizes quadradas t^em algumas propriedades
tais como Am An = Am+n e (Am )n = Amn para quaiquer inteiros positivos m e n.
8 CAPITULO 1. MATRIZES, DETERMINANTES E SISTEMAS LINEARES
Exemplo 1.8 Se A = 24 1
3
, calcule A4 .
Soluc~ao:
2 2 + ( 1) 4 2 ( 1) + ( 1) 3
A2 = A A = 2 4
1
3
2
4
1
3
=
42+34 4 ( 1) + 3 3
=
0
20
5
5
A4 = A A A A = (A A) (A A) = A2 A2
0 5 0 5 0 0 5 20 0 ( 5) 5 5 100 25
=
20 5
20 5
=
20 0 + 5 20 20 ( 5) + 5 5
=
100 75
:
1.2 Determinantes
A toda matriz quadrada M = (aij ) com elementos em um conjunto K (que pode ser K = R
ou K = C, entre outros), podemos associar um unico elemento de K que e conhecido como
a11
a12 a1n
a21
a22 a2n
determinante de M , denotado por det M ou por .. .. e e calculado da seguinte
.
. ...
an1 an2 ann
forma:
Se n = 1, M = [a11 ] e denimos det M = a11 ;
a a
Se n = 2, M = 11 12 , denimos det M = a11 a22 a21 a12 . Essa formula pode ser
a21 a22
representada no seguinte diagrama:
a11 a12 a13
Se n = 3, M = a21 a22 a23 , denimos
a31 a32 a33
a a23 a a21 a23 + a a21 a22 ;
det M = a11 22
a32 a33 12 a31 a33 13 a31 a32
ou seja, det M = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 a11 a23 a32 a12 a21 a33 . Essa
formula pode ser representada nos seguintes diagramas que s~ao construdos atraves da re-
petic~ao das duas primeiras colunas ou duas primeiras linhas da matriz e efetuando-se os
produtos de cada uma das diagonais, com o cuidado de trocar os sinais nas diagonais que s~ao
paralelas a diagonal secundaria.
10 CAPITULO 1. MATRIZES, DETERMINANTES E SISTEMAS LINEARES
Se a matriz possui alguma linha nula, ent~ao seu determinante e igual a zero;
Se uma linha for igual a soma de outras linhas, ent~ao o determinante e igual a zero;
det(At ) = det A;
O determinante de uma matriz triangular (superior ou inferior) e igual ao produto dos ele-
mentos da sua diagonal principal.
Em geral, toda propriedade de determinante que for valida para linhas, tambem vale para colunas.
Por exemplo, a primeira propriedade anterior tambem pode ser enunciada assim: \Se duas colunas
de um determinante s~ao iguais, ent~ao ele e igual a zero".
1 2 3 4 5
0 2 3 4 5
Exemplo 1.10 Determine o valor de D = 0 0 3 4 5
0 0 0 4 5
0 0 0 0 5
Soluc~ao: Essa matriz e triangular inferior. Logo, basta multiplicar sua diagonal principal para
obtermos o valor do determinante: D = 1 2 3 4 5 = 120.
2
ln 2 ln 3 ln 6 cos 1 sen2
2
Exemplo 1.11 Calcule os seguintes determinantes: A = ln 4 ln 5 ln 20, B = cos 1 sen2
ln 3 ln 4 ln 12 cos2 1 sen2
3 4 13
47 65 56
eC = 7 5 6 .
2 3
Soluc~ao:
No determinante A, temos que a soma da primeira coluna com a segunda da igual a terceira
coluna: ln 2 + ln 3 = ln 6, ln 4 + ln 5 = ln 20 e ln 3 + ln 4 = ln 12. Logo, seu valor e zero, ou
seja, A = 0;
Em B, a soma da primeira com a terceira coluna da igual a segunda coluna. Logo, B = 0;
Em C , a soma da primeira com a segunda linha da igual a terceira linha. Logo, C = 0.
12 CAPITULO 1. MATRIZES, DETERMINANTES E SISTEMAS LINEARES
d f
M12 = ( 1)1+2
g i = fg di
d e
M13 = ( 1)1+3
g h = dh eg
b c
M21 = ( 1)2+1
h i = ch bi
a c = ai cg
M22 = ( 1)2+2
g i
a b = bg ah
M23 = ( 1)2+3
g h
b c = bf
M31 = ( 3+1
1) ce
e f
a c = cd af
M32 = ( 3+2
1)
d f
a b = ae bd
M33 = ( 3+3
1)
d e
14 CAPITULO 1. MATRIZES, DETERMINANTES E SISTEMAS LINEARES
Portanto,
1
M11 M21 M31
1
A = det(A) M12 M22 M32
M13 M23 M33
1
ei f h ch bi bf ce
aei bdi af h + cdh + bf g ceg dh eg bg ah ae bd :
= f g di ai cg cd af
Exemplo 1.14 Calcular a matriz inversa de A = 57 64
1 4 6
Soluc~ao: O determinante de A e igual a 5 4 67 = 22. Logo, A 1= 22 7 5 =
2 3
711 115
22 22
1 2 3
Exemplo 1.15 Calcular a matriz inversa de A = 4 5 6
1 1 0
5 6 4 6 4 5
Soluc~ao: Temos que det(A) = 1 1 0 2 1 0 +3 1 1 = 1 (0 6) 2 (0 6)+3 (4 5) = 3
Os cofatores de A s~ao:
5 6
M11 = ( 1)1+1 = 6
1 0
4 6
M12 = ( 1)1+2 =6
1 0
4 5
M13 = ( 1)1+3 = 1
1 1
2 3
M21 = ( 1)2+1 =3
1 0
1 3
M22 = ( 1)2+2 = 3
1 0
1 2
M23 2+3
= ( 1) =1
1 1
2 3
M31 3+1
= ( 1) = 3
5 6
1.4. SISTEMAS LINEARES 15
1 3
M32 = ( 1)3+2 =6
4 6
1 2
M33 = ( 1)3+3 = 3
4 5
Da obtemos que
1
M11 M21 M31 6 3 3 2 1 1
A 1 = M12 M22 M32 = 1 6 3 6 = 2 1 2 :
det(A) 3 1 1
M13 M23 M33 1 1 3 3 3 1
(1 ; 2 ; 3 ; : : : ; n ) e soluc~ao , a11 + a22 + a33 + + an n = b e verdadeira
Por exemplo, (3; 2; 1) e uma soluc~ao da equac~ao linear 2x +3y 5z = 7 porque se substituirmos
x = 3; y = 2; z = 1 obtemos 2 3 + 3 2 5 1 = 7, ou seja, 7 = 7 que e verdadeira. Por outro lado,
(1; 2; 3) n~ao e soluc~ao porque se substituirmos x = 1; y = 2; z = 3, obtemos 2 1 + 3 2 5 3 = 7,
ou seja, 7 = 7 que e falso.
(1 ; 2 ; 3 ; : : : ; n ) e soluc~ao , ai 11 + ai 22 + ai 33 + + ain n = bi
s~ao verdadeiras para todo i 2 f1; 2; 3; : : : ; mg
2x + 2y + 2z = 0
Por exemplo, o sistema linear 2x + 3y + z = 0 admite como soluc~ao ( 2; 1; 1) porque
x + y + 5z = 4
2 ( 2) + 2 1 + 2 1 = 0 ) 0 = 0 (verdadeira)
2 ( 2) + 3 1 + 1 = 0 ) 0 = 0 (verdadeira)
2+1+51=4 ) 4 = 4 (verdadeira)
2 2 + 2 ( 1) 21=0
) 0 = 0 (verdadeira)
2 2 + 3 ( 1) + ( 1) = 0 ) 0 = 0 (verdadeira)
2 + ( 1) + 5 ( 1) = 4 ) 4 = 4 (falsa)
D D
Sendo assim, a soluc~ao do sistema S pode ser escrita na forma: x = 1 e y = 2 . E
D D importante
observar que se D 6= 0, o sistema S tem soluc~ao unica que s~ao os valores de x e y mostrados.
Note que D e o determinante da matriz dos coecientes do sistema, D1 e o determinante
da matriz obtida quando os termos independentes do sistema substituem a coluna 1 da matriz
dos coecientes e que D2 e o determinante da matriz obtida quando os termos independentes
substituem a coluna 2. Isso pode ser generalizado para qualquer ordem: em um sistema linear n n
D
(n equaco~es a n variaveis), a k -esima variavel xk pode ser calculada pela formula xk = k , onde
D
D e o determinante da matriz dos coecentes e Dk e o determinante da matriz obtida a partir da
substituic~ao dos termos independentes pela k -esima coluna da matriz dos coecientes. Observamos
tambem que se D 6= 0, ent~ao o sistema tem soluc~ao unica.
Exemplo 1.17 Determine a soluc~ao do sistema 57xx + 43yy ==22
5
Soluc~ao: Observando os coecientes e os termos independentes das equaco~es, calculamos os
seguintes determinantes:
5 4
D = = 15 28 = 43
7 3
22 4
D1 = = 66 20 = 86
5 3
1.5. EXERCICIOS RESOLVIDOS 19
5 22
D2 = = 25
7 5
154 = 129
86 = 2 e y = 129 = 3, ou seja, a soluc~ao encontrada e (2; 3).
A partir da, conclumos que x = 43 43
Soluc~ao: A equac~ao A3 12A 16I = O pode ser escrita na forma A(A2 12I ) = 16I , ou seja,
A 161 (A2 12 I ) = I: De modo semelhante, essa equac~ao tambem pode ser escrita na forma
1 2 , conclumos que amatriz inversade A e A 1 = 161 (A2 12I ).
16 (A 12I ) A = I:A partir da
1 3 3 1 3 3 10 6 6
Como A2 = A A = 3 5 3 3 5 3 = 6 2 6, temos nalmente que
6 6 4 6 6 4 12 12 16
1 3 3
10 6 6 1 0 0 83
A 1 = 1 6 12 0 1 0 = 78 83
16
2 6
83 38 81 :
12 12 16 0 0 1 4 4 4
2 3 0 1 0 0
Exemplo 1.19 Sejam M = 1 2 2 e I = 0 1 0. Calcule p(x ) = det(xI
M ).
0 4 5 0 0 1
Soluc~ao:
1 0 0 2 3 0 x 2 3 0
p(x ) = det x 0 1 0 1
2 2 = 1 x +2 2
0 0 1 0 4 5 0 4 x 5
x + 2 2 2
= (x 2) + 3 1
4 x 5 0 x 5 + 0 = (x 2)((x + 2)(x 5) 8) + 3(x 5)
= (x 2)(x 2 3x 18)+3x 15 = x 3 3x 2 18x 2x 2 +6x +36+3x 15 = x 3 5x 2 9x +21:
1 1 1
x + y + z = 4
Exemplo 1.20 Resolver o sistema 1 1 1 =5
x1 y1 z1
x +y z =6
Soluc~ao: Esse sistema n~ao e linear. No entanto, se for feita a mudanca de variavel: X = x1 , Y = y1
20 CAPITULO 1. MATRIZES, DETERMINANTES E SISTEMAS LINEARES
1) Comprove
que s~ao validos os seguintes produtos de matrizes curiosos:
2 2
3 4 7 2 37 42 3 4 33 44 14 29 1414 2929
a) = b) = c) =
8 7 4 9 84 79 6 8 66 88 42 87 4242 8787
1 2 2
2) Seja A = 0 2 0. Mostre que A3 9A +10I = O, onde I e O s~ao as matrizes identidade
1 1 3
e nula de ordem 3, respectivamente.
1.6. EXERCICIOS PROPOSTOS 21
1 5 2 0 0 0
3) Sendo M
= 1 2 1, calcule M 2020 . Resp.: M 2020 = 0 0 0
3 6 3 0 0 0
4) Se A = cos sen e B = cos sen , calcule AB e BA.
sen cos sen cos
cos( + ) sen( + )
Resp.: AB = BA =
sen( + ) cos( + )
5) Se I = 10 01 e A = 32 15 , calcule X = A2 8A + 13I . Resp.: X =
0 0
0 0
1 x 8
6) Determine x , y e z para que 9 2 0 seja simetrica. Resp.: x = 9, y = 8, z = 0
y z 5
3 4
7) Sejam A = 5 5
e I = 10 01 . Calcule B = A2 + 2A + 5I e, a partir desse resultado,
mostre que A 1= 1 (A + 2I ). Resp.: B = 0 0
5 0 0
8) Sabendo que a equac~ao da reta que passa pelos pontos A(a1 ; b1 ) e B (a2 ; b2 ) e dada por
x y 1
a1 b1 1 = 0;
a2 b2 1
determine a equac~ao do reta que passa pelos pontos A(1; 1) e B(3; 7) . Resp.: y = 4x 5
9) Sabendo que a equac~ao do plano que passa pelos pontos A(a1 ; b1 ; c1 ), B (a2 ; b2 ; c2 ) e C (a3 ; b3 ; c3 )
e dada por
x y z 1
a1 b1 c1 1
a2 = 0;
b2 c2 1
a3 b3 c3 1
determine a equac~ao do plano que passa pelos pontos A(1; 2; 0), B(2; 3; 1) e C (0; 4; 4).
Resp.: 2x y + z = 0
x 1 3 2
10) Calcule o determinante 0 x +1 1 . Resp.: x 3 + 3x 2 + x 6
1 4 x + 3
22 CAPITULO 1. MATRIZES, DETERMINANTES E SISTEMAS LINEARES
0 0 0 0
igual
a matriz nula, mesmo que cada fator n~
ao seja nulo.
1000 999 998
997 12 6 2
996 995
12) Calcule o produto ABC das seguintes matrizes: A =
994 993 992
, B = 18 9 3,
24 12 4
991 990 989
0 0
1 1 0 0
C = 1 2. Resp.: ABC = 0 0 Observa
c~ao: neste exemplo, apesar de dar o mesmo resultado,
e
3 0
0 0
mais f
acil calcular A(BC ) do que (AB )C .
1 1 1 1 2 3
13) Sejam A = 3 2 1 e B = 2 4 6. Calcule AB e BA.
2 1 0 1 2 3
0 0 0 11 6 1
Resp.: AB = 0 0 0 , BA =
22 12 2
0 0 0 11 6 1
4 2 0 2 3 1 3 1 3
14) Considerando as matrizes A = 2 1 0, B = 2 2 2 eC=
0 2 6,
2 1 1 1 2 1 1 2 1
12 8 0
mostre que AB = AC e, no entanto, B 6= C . Resp.: AB = AC = 6 4 0
7 2 1
Observa
c~ao: este exemplo mostra que nem sempre podemos \cortar" a matriz A na igualdade AB = AC .
Cap
tulo 2
Escalonamento de Matrizes
Apresentamos neste captulo mais um procedimento de calculo: o escalonamento de matrizes.
Pode ser utilizado com qualquer tipo de matriz e e muito util na resoluc~ao de diversos problemas.
indispensavel que ele seja completamente entendido e bastante praticado nos exerccios.
E
23
24 CAPITULO 2. ESCALONAMENTO DE MATRIZES
troca de linhas, multiplicac~ao de uma linha por uma constante (duas vezes) e soma de linhas:
3 7 L1 $ L2 2 8 ( 12 )L1 ! L1 1 4
2 8
! 3 7 ! 3 7 ( 1 )L2 ! L2
3
1 4 1 4
! 1 37 L1 + L2 ! L2 ! 0 19
3
3 7
Baseado no que foi obtido no exemplo anterior, temos que ! 10
2 8
4
19
3
3 7 1 4 3 7 1 4
ou
2 8
0 319 . Isso signica que \a matriz
2 8
e equivalente por linha a
0 19 ".
3
Soluc~ao: A primeira coisa a se fazer e obter o numero 1 como sendo o primeiro elemento n~ao
nulo da primeira linha. Isso pode ser feito de muitas formas: trocando-se a primeira linha pela
26 CAPITULO 2. ESCALONAMENTO DE MATRIZES
terceira, trocando-se a primeira linha pela segunda, subtraindo-se a primeira linha da segunda e
colocando-se o resultado como sendo a primeira linha etc. Vamos preferir trocar a primeira linha
pela terceira, entre muitas outras possibilidades. Depois disso, vamos zerar todos os elementos da
primeira coluna que estiverem abaixo do 1 obtido. Depois, passamos para a segunda linha, obtemos
um numero 1 como primeiro elemento n~ao nulo e zeramos tudo o que estiver abaixo dele.
2 5 4 3 L1 $ L3 1 2 3 1
1 1 4 1 ! 1 1 4 1 L2 1L1 ! L2
1 2 3 1 2 5 4 3 L3 2L1 ! L3
1 2 3 1 1 2 3 1
! 0 3 1 2 ( 13 )L2 ! L2 ! 0 1 1
3
2
3
0 9 2 5 0 9 2 5 L3 9L2 ! L3
1 2 3 1 1 2 3 1
! 0 1 1 2 ! 0 1 1 2
3 3 3 31
0 0 5 1 ( 15 )L3 ! L3 0 0 1 5
Note que essa ultima matriz apresenta as seguintes caractersticas: o primeiro elemento diferente
de 0 em cada linha e igual a 1 e os elementos que est~ao situados
abaixo dele
s~ ao iguais a 0. Por
1 2 3 1
causa disso, conclumos que a matriz escalonada obtida e 0 1 1 2 .
3 31
0 0 1 5
Observac~ao 1: A matriz escalonada assim obtida, em geral, n~ao e unica. S~ao possveis varias
respostas diferentes, todas consideradas corretas. Por exemplo, se no incio do exemplo anterior
fosse feita a troca delinhas L1 $ L2 no
lugar da troca L1 $ L3 utilizada, ent~
ao a matriz escalonada
1 1 4 1
obtida seria igual a 0 1 4 1
3 31 que e uma resposta diferente da obtida antiormente, mas
0 0 1 5
tambem e considerada correta.
Observac~ao 2: Ao escalonar uma matriz, a quantidade de linhas nulas e a quantidade de linhas
n~ao nulas obtidas no nal s~ao sempre as mesmas. Essas quantidades independem do procedimento
utilizado no escalonamento. Por exemplo, no caso anterior, ao completar o escalonamento, foram
obtidas 3 linhas n~ao nulas e nenhuma linha nula. Qualquer outro procedimento utilizado para
escalonar a matriz deveria chegar no nal a essas mesmas quantidades. Por causa disso, damos
um nome a cada um desses valores: a quantidade de linhas nulas apos o escalonamento se chama
nulidade e a quantidade de linhas n~ao nulas se chama posto da matriz. Sendo assim, no exemplo
anterior, temos que a nulidade de A e igual a 0 e o posto e igual a 3.
Exemplo 2.3 Obtenha uma matriz escalonada a partir da aplicac~ao de operaco~es elementares a
2.2. MATRIZ ESCALONADA 27
2 3 3 1
1 2 3 0
1 1 0 1
matriz A =
4 2 2 10
e determine seu posto e sua nulidade.
2 3 2 3
5 3 4 13
Soluc~ao: Primeiramente, vamos colocar o numero 1 como primeiro elemento n~ao nulo da primeira
linha. Podemos fazer isso de varias formas, por exemplo, trocando as posico~es da primeira e
terceira linhas. Depois disso, para as outras linhas, aplicamos as operaco~es Lr ar 1 L1 ! Lr , com
r = 2; 3; : : : 6
2 3 3 1 L1 $ L3 1 1 0 1 1 1 0 1
1
2 3 0
1 2 3 L2
0 1L1 ! L2
0 1 3 1
1 1 0 1 2 3 3 L3
1 2L1 ! L3
0 1 3 1
!
4L1 ! L4
!
L4
4 2 2 10 4 2 2 10 0 2 2 14
2 3 2 3 2 3 2 3 L5 2L1 ! L5 0 1 2 1
5 3 4 13 5 3 4 13 L6 5L1 ! L6 0 2 4 18
Passamos agora a considerar a matriz a partir da segunda linha e da segunda coluna, repetindo
a primeira linha e primeira coluna ate o nal dos calculos. O primeiro elemento n~ao nulo da segunda
linha e igual a 1; portanto, vamos agora zerar todos os elementos da segunda coluna que est~ao
abaixo dele. Para isso, efetuamos as operaco~es Lr ar 2 L2 ! Lr , com r = 3; 4; 5; 6.
Como a terceira linha obtida e nula, trocamos a posic~ao dela com a ultima linha (L3 $ L6 )
1 1 0 1 1 1 0 1 1 1 0 1
0 1 3 1
0 1 3 1
0 1 3 1
1 3 1 L3 1L2 ! L3 0 0 L3 $ L6
0 0 0 0 0 10 20
0
2 2 14 L4 + 2L2 ! L4
! 0 0 8 16
! 0 0
8 16
0 1 2 1 L5 1L2 ! L5 0 0 1 2 0 0 1 2
0 2 4 18 L6 + 2L2 ! L6 0 0 10 20 0 0 0 0
Passamos agora a considerar a matriz a partir da terceira linha e da terceira coluna, repetindo
as duas primeiras linhas e duas primeiras colunas ate o nal. Para obter o primeiro elemento n~ao
nulo da terceira linha igual a 1, fazemos uma divis~ao da linha por 10: ( 101 )L3 ! L3 . Depois
disso, zeramos todos os elementos da terceira coluna que est~ao abaixo desse 1 obtido; para isso,
28 CAPITULO 2. ESCALONAMENTO DE MATRIZES
2 3 2 5 1
3 1 2 0 4
Exemplo 2.4 Reduzir
4 5 6 5 7
a forma escada e calcular o posto e a nulidade.
5 2 0 5 5
Soluc~ao: Inicialmente, obtemos um numero 1 como sendo o primeiro elemento n~ao nulo da
primeira linha. Isso pode ser feito de varias formas, aqui vamos subtrair as duas primeiras linhas
e colocar a diferenca como sendo a primeira linha (L2 L1 ! L1 ). Depois disso, atraves das
operaco~es Lr ar 1 L1 ! Lr , r = 2; 3; 4; 5, zeramos os outros elementos da primeira coluna.
2 3 2 5 1 L2 L1 ! L1 1 4 4 5 3
L2 3L1 ! L2
3 1 2 0 4 3 1 2 0 4
4 5 6 5 7
! 4 5 6 5 7 L3 4L1 ! L3
5 2 0 5 5 5 2 0 5 5 L4 5L1 ! L4
4 1 4 5 3 1 4 4 5 3
1 10 15 5
( 11 )L2 ! L2
0 11 10 15 5 1
! 0 11 10 15 5
! 00 11
11
10 15
11 11
5 L3 11L2 ! L3
0 22 20 30 10 0 22 20 30 10 L4 22L2 ! L4
1 4 4 5 3
0 1 10 15 5
! 0 0
11
0
11
0
11
0
0 0 0 0 0
2.3. METODO DE ELIMINAC ~ DE GAUSS
AO 29
1 4 4 5 3
0 1 10 15 5
Conclumos assim que a forma escalonada da matriz dada e 11 11 11 , que
0 0 0 0 0
0 0 0 0 0
seu posto e igual a 2 e que sua nulidade e 2.
1 2 1 2 1
Exemplo 2.5 Reduzir 2 4
1 2 3 a forma escalonada e calcular posto e nulidade.
3 6 2 6 5
Soluc~ao: Como o primeiro elemento n~ao nulo da primeira linha e igual a 1, iniciamos zerando os
elementos da primeira coluna que est~ao abaixo dele atraves das operaco~es L2 a21 L1 ! L2 e
L3 a31 L1 ! L3 .
1 2 1 2 1 1 2 1 2 1
2 4 1 2 3 L2 2L1 ! L2 ! 0 0 3 6 1 ( 13 )L2 ! L2
3 6 2 6 5 L3 3L1 ! L3 0 0 5 12 2
1 2 1 2 1 1 2 1 2 1
! 0 0 1 2 13 ! 0 0 1 2 13
0 0 0 2 13 ( 12 )L3 ! L3 0 0 0 1 1
6
1 2 1 2 1
A partir da, conclumos que a forma escalonada da matriz dada e 0 0 1 2 1 , que o
31
0 0 0 1 6
seu posto e igual a 3 e a sua nulidade e 0.
4 3 2 30 L1 $ L3 1 1 1 1
2 1 2 2 ! 2 1 2 2 L2 2L1 ! L2
1 1 1 1 4 3 2 30 L3 4L1 ! L3
1 1 1 1 1 1 1 1
! 0 1 4 0 ( 1)L2 ! L2 ! 0 1 4 0
0 7 2 26 0 7 2 26 L3 ( 7)L1 ! L3
1 1 1 1 1 1 1 1
! 0 1 4 0 ! 0 1 4 0
0 1 )L3 ! L3
0 26 26 ( 26 0 0 1 1
1 1 1 1
Obtivemos assim que a forma escalonada da matriz do sistema e 0 1 4 0. Essa e a
0 0 1 1
x + y + z = 1
matriz completa correspondente ao sistema linear y + 4z = 0 . Dessa equac~ao da ultima
z =1
linha, obtemos z = 1. Substituindo na segunda equac~ao, obtemos: y + 4 1 = 0, ou seja, y = 4.
Substituindo os valores de y e z na primeira equac~ao, obtemos x + ( 4) + 1 = 1, ou seja, x = 4.
Finalmente, obtivemos a soluc~ao do sistema como sendo igual a (4; 4; 1).
2x + 4y 6z + 3 t = 3
Exemplo 2.7 Resolver o sistema 3x 5y + 2 z + 4 t = 4 .
5x y 4z + 7 t = 0
2 4 6 3 3
Soluc~ao: A matriz completa do sistema e M = 3 5 2 4 4 que pode ser escalonada da
5 1 4 7 0
2.3. METODO DE ELIMINAC ~ DE GAUSS
AO 31
seguinte maneira:
2 4 6 3 3 L2 L1 ! L1 1 9
8 1 1
3 5 2 4 4 ! 3 2 4 4 L2 3L1 ! L2
5
5 1 4 7 0 5 4 7 0 L3 5L1 ! L3
1
1 9 8 1 1 1 9 8 1 1
! 0 22 22 1 1 )L2 ! L2 ! 0 1
1 ( 22 1 1
1 22 22
0 44 44 2 5 0 44 44 2 5 L3 44L2 ! L3
1 9 8 1 1
! 0 1
1 1
1 22 22
0 0 0 0 7
x 9y + 8 z + t = 1
e essa ultima matriz obtida corresponde ao sistema
y z + 22t = 221 . Como essa terceira
0= 7
equac~ao do sistema (0 = 7) e uma contradic~ao, ou seja, e sempre falsa, temos que o sistema
dado e impossvel, n~ao tem soluc~ao.
4x + y = 9
3x + 5y = 11
2x y =3 .
Exemplo 2.8 Resolver: 5x + 2y = 12
6x + 3y = 15
4x 5y = 3
Soluc~ao: Vamos determinar a forma escalonada da matriz completa M do sistema:
4 1 9
1
1 9
1 1 9 1 1 9 1 1 9
4 4 174 174 4 4 4 4
3
5 11
3
5 11
0 43 43 0 1 1
0 1 1
2 1 3 1 3
3 3
! 2 ! 0 0 23 0 0 0
! !
M =
5
23 23 23 :
2 12
5
2 12
0 43 43 0 43 43 0 0 0
6
3 15 6 3 15 0 2 2
0 2 2 0 0 0
4 5 3 4 5 3 0 6 6 0 6 6 0 0 0
Chegamos a conclus~ao que o sistema dado e equivalente ao sistema
x + y4 = 49 . Substituindo
y =1
9 1
y = 1 na primeira equac~ao, obtemos x = 4 4 = 2. Portanto, a soluc~ao do sistema dado e (2; 1)
.
Para comprovar que a soluc~ao encontrada esta correta, devemos substitu-la no sistema original
(do enunciado) e observar que obtemos apenas sentencas verdadeiras: 9 = 9, 11 = 11, 3 = 3,
12 = 12, 15 = 15, 3 = 3.
32 CAPITULO 2. ESCALONAMENTO DE MATRIZES
vezes, um sistema linear pode ter variaveis que n~ao podem ser calculadas, ou seja, que podem
As
assumir quaisquer valores. Nesses casos, chamamos essas variaveis de variaveis livres.
Por exemplo, o sistema
x + y + z = 4 tem 3 variaveis e apenas 2 equaco~es; logo, e um
x y 3z = 2
sistema que possui \variaveis demais". Em um caso como esse, n~ao conseguimos calcular os
valores de todas as variaveis que sejam soluco~es do sistema. Como ca uma variavel sem ter seu
valor calculado, dizemos que essa variavel e livre para assumir qualquer valor, ou simplesmente
que e uma variavel livre. Nesses casos, as outras variaveis devem ser calculadas em func~ao das
variaveis livres. Por exemplo, se no sistema anterior escolhermos a variavel livre como sendo z ,
ent~ao os valores de x e y devem ser calculados em func~ao de z . No caso desse sistema, obtemos
x +y =4 z
x y = 2 + 3z , e da, somando-se as equaco~es, obtemos 2x = 6 + 2z que implica x = 3 + z .
Substituindo na primeira equac~ao, podemos calcular y = 1 2z . Assim, a soluc~ao do sistema e
(3 + z; 1 2z; z ), onde z pode assumir qualquer valor real ou complexo. Por exemplo, se z = 0,
obtemos (3; 1; 0) como sendo soluc~ao do sistema; se z = 1, obtemos que (4; 1; 1) e outra soluc~ao;
se z = 2, obtemos que (5; 3; 2) e mais outra e assim por diante.
Sistemas lineares que t^em variaveis livres s~ao sistemas possveis indeterminados e eles possuem
sempre uma innidade de soluco~es. O conjunto de todas as soluco~es de um sistema indeterminado
e denominada soluc~ao geral do sistema.
O numero de variaveis livres que esse sistema pode ter e sempre igual a n p, onde n e o numero
de variaveis e p e o posto da matriz completa do sistema.
2x + y z s + t = 1
x y + z + s 2t = 0
Exemplo 2.9 Resolver 3x + 3y 3z 3s + 4t = 2
4x + 5y 5z 5s + 7t = 3
5x + 4y 4z 4s + 5t = 3
2 1 1 1 1 1
1 1 1 1 2 0
Soluc~ao: A matriz completa do sistema e M =
3 3 3 3 4 2 e pode ser escalonada
4 5 5 5 7 3
5 4 4 4 5 3
2.3. METODO DE ELIMINAC ~ DE GAUSS
AO 33
da seguinte forma:
1 1 1 1 2 0 1 1 1 1 2 0
2 1 1 1 1 1 0 3 3 3 5 1
M ! 3 3 3 3 4 2 ! 0 6 6 6 10 2
4 5 5 5 7 3 0 9 9 9 15 3
5 4 4 4 5 3 0 9 9 9 15 3
1 1 1 1 2 0 1 1 1 1 2 0
0 1 1 1 5 1 1 5 1
3 3 0 1 1 3 3
! 0 6 6 6 10 2 ! 0
0 0 0
0 0
0 9 9 9 15 3 0 0 0 0 0 0
0 9 9 9 15 3 0 0 0 0 0 0
x y + z + s 2t = 0
Portanto, o sistema dado equivale a y z s + 53 t = 13 . Podemos isolar o valor de y na
segunda equac~ao para obter y = 31 + z + s 53 t . Isolando x e substituindo y na primeira equac~ao,
obtemos x = ( 13 + z + s 53 t ) z s + 2t = 13 + 31 t . Obtivemos assim a soluc~ao geral do sistema:
t +1 3z + 3 s 5t + 1
x= , y= , 8z; s; t 2 R.
3 3
Observac~ao 2: As variaveis z , s , t n~ao foram calculadas e por isso s~ao livres para assumirem
quaisquer valores. Note que a quantidade de variaveis livres e igual ao numero total de variaveis
do sistema (n = 5), menos o posto da matriz do sistema escalonada (p = 2), ou seja, e igual a
5 2 = 3.
Observac~ao 3: Em geral, podemos escolher um conjunto diferente de variaveis livres e escrever
a soluc~ao geral de outras formas. Por exemplo, se isolarmos o valor de z na segunda equac~ao,
obtemos z = y s + 53 t 13 . Substituindo esse valor de z na primeira equac~ao e isolando o valor
de x , obtemos x = y (y s + 35 t 13 ) s + 2t = 3t + 13 . Assim, a soluc~ao geral desse sistema
tambem pode ser escrita na forma
t +1 3y 3s + 5t 1
3
; y; 3
; s; t :
34 CAPITULO 2. ESCALONAMENTO DE MATRIZES
7 5 13
68 68 687 7 5 13
1
Dessa forma, conclumos que A 1 = 689 13
68 685 = 68 9 13 7.
13 19 13 19 5
68 68 68
1 1 1 1
1 2 2 2
Exemplo 2.11 Determinar a matriz inversa de A =
1 2 3 3
.
1 2 3 4
1 1 1 1 a
Soluc~ao: Seja M
1
=
2 2 2 b. Vamos obter a forma escalonada de M :
1 2 3 3 c
1 2 3 4 d
1 1 1 1 a 1 1 1 1 a 1 1 1 1 a
M ! 00 1 1 1 b a ! 0 1 1 1 b a ! 0 1 1 1 b a
1 2 2 c a 0 0 1 1 c b 0 0 1 1 c b
0 1 2 3 d a 0 0 1 2 d b 0 0 0 1 d c
x +y +z +t =a
Essa ultima matriz equivale ao sistema linear
y +z +t =b a )t=d c )z =c b t=
z +t =c b
t=d c
b + 2c d ) y = b a z t = a + 2b c )x = a y z t = 2a b:Escrevendo
essas
x 2 1 0 0 a
y
b :
1 2 1 0
equaco~es na forma de equac~ao matricial, obtemos
z =
0 1 2 1 c
t 0 0 1 1 d
| {z }
A 1
2 1 0 0
Portanto, A 1 =
1 2 1 0:
0 1 2 1
0 0 1 1
24 32 9 12
40 56 15 21
Exemplo 2.12 Calcular A 1 sabendo que A =
15 20 6 8
.
25 35 10 14
36 CAPITULO 2. ESCALONAMENTO DE MATRIZES
24 32 9 12 a
Soluc~ao: A partir de A, construmos a matriz M
40
=
56 15 21 b e obtemos sua forma
15 20 6 8 c
25 35 10 14 d
escalonada:
4 3 1 a a 4 3 1 a
1 3 8 2 24 1 43 38 12 24 13 823 24
15 21 b 8 b 5a 0 1 3b 5a
M ! 40 56
15 20 6 8 c
! 0 3 03 11
0 0 c ! 0 0
53a
0
3 81
c
8 5a
8 2 258a 58 23 8a
25 35 10 14 d 0 53 58 32 d 24 0 53 8 2 d 24
25
a a a
4
3 1 3
8
1
23 3b 24 1 43 38 12 24 1 43 3
8
1
23 24
0 1 5a 3 3b 5a 0 1 3b 5a
! 0 8 5a ! 0 1 0 84 0 8
! 0 0
8c 8 5a 8c 8 5a
81
0 0 38 27 c8d 58b
0 0 1 1 43
0 0 58 0 0 5 37 8d 3 5b 0 0 1 24d 40c 15b+25a
0 24
3
8 8 8 8 8 24
4
1 3 8 2 3 1 a
3 3b 245a
! 00 10 10 84 8
8c 5a
3 3
0 0 0 1 24d 40c 15b + 25a
x + 43y + 38z + 2t = 24a
Escrevendo a matriz escalonada em forma de sistema linear, obtemos
y + 38t = 5a8+3b
z + 43t = 5a3+8c
t = 25a 15b 40c + 24d
x = 14a 8b 21c + 12d
y = 10a + 6b + 15c 9d
e, a partir da, calculamos t; z; y e x : z = 35a + 20b + 56c 32d que pode ser escrito em
t = 25a 15b 40 c + 24d
x 14 8 21 12 a
y
b ; de onde nalmente obtemos
10 6 15 9
forma de equac~ao matricial z
=
35 20 56 32 c
t 25 15 40 24 d
que
14 8 21 12
1 = 10 6 15 9
A 35 20 56 32
25 15 40 24
Observac~ao: Nesse tipo de procedimento, se algum dos elementos da diagonal principal da matriz
2.5. EXERCICIOS RESOLVIDOS 37
1 1 1 a
escalonada for nulo, a matriz n~ao possui inversa. Por exemplo, a forma escalonada de 1 2 3 b
3 2 1 c
1 1 1 a 1 1 1
e 0 1 2 b a. Isso signica que a matriz 1 2 3 n~ao e invertvel.
0 0 0 1 3 2 1
2 4 2 4 7 0 0 2 2 10 5 0
1 1 0 3 1 0 1 1 0 3 1 0
0 1 1 1 1 0 0 1 1 1 1
! 2 ! 2 0
0 6 6 15 0 0 0 0 0 9 3 0
0 2 2 10 5 0 0 0 0 12 4 0
1 1 0 3 1 0 1 1 0 3 1 0
1 0 1 0
! 00 10 10 11 12 00 ! 0
1
0
1
0
1
1
21
3 3 0
0 0 0 12 4 0 0 0 0 0 0 0
x + y 3r s =0
Essa matriz escalonada encontrada corresponde ao sistema y z r s
2s = 0 . Da terceira
r 3 =0
equac~ao, isolamos o valor de r : r = 3s . Substitumos esse r encontrado na segunda equac~ao e
isolamos y : y = z + r + 2s = z + 3s + 2s = z + 56s . Por m, substitumos o y e o r encontrados na
primeira equac~ao e isolamoso x : x = y + 3r + s = (z + 56s ) + 33s + s = z + 76s . Portanto, a
7s 5s s
soluc~ao geral do sistema e z + ; z + ; z; ; s ; 8s; z 2 R:
6 6 3
38 CAPITULO 2. ESCALONAMENTO DE MATRIZES
x +y +z +r +s =7
Exemplo 2.14 Resolver 3xy++22y z++z2+r +
r 3s = 2
6s = 23
5x + 4y + 3z + 3r s = 12
1 1 1 1 1 7 1 1 1 1 1 7
3 2 0 23
M = 30 21 12 12 6 23
! M = 0
1
1
2
2
2
2
6
6 23
5 4 3 3 1 12 0 1 2 2 6 23
1 1 1 1 1 7 1 1 1 1 1 7
0 1 2 2 6 23 0 1 2 2 6 23
! M = 0 1 2 2 6 23
! M = 0 0 0 0 0 0
0 1 2 2 6 23 0 0 0 0 0 0
x +y +z +r +s =7
Essa matriz escalonada obtida corresponde ao sistema y + 2z + 2r + 6s = 23 : Isolamos o valor
de y na segunda equac~ao desse sistema: y = 23 2z 2r 6s . Substituindo esse y na primeira
equac~ao e isolando o x , obtemos: x = 7 y z r s = 7 (23 2z 2r 6s ) z r s =
16+z +r +5s . Portanto, a soluc~ao geral e ( 16+z +r +5s; 23 2z 2r 6s; z; r; s ); 8z; r; s 2 R.
8x + 12y = 20
14x + 21y = 35
9z + 11r = 0
Exemplo 2.15 Resolver o sistema linear 16 z + 20r = 0 nas variaveis x; y; z; r; s; t .
10s + 12t = 22
15s + 18t = 33
2.5. EXERCICIOS RESOLVIDOS 39
sua matriz completa tem posto igual a 4; logo, existem 6 4 = 2 varaveis livres nesse sistema.
Escolhendo as variaveis livres como sendo y e t , podemos calcular os valores de x e s em func~ao
dessas variaveis, usando a primeira e a ultima equaco~es do sistema anterior: x = 25 23 y , s = 115 65 t .
Conclus~ao: a soluc~ao geral do sistema dado e ( 5 23y ; y; 0; 0; 11 5 6t ; t ), ou seja,
x = 5 23y ; s = 11 5 6t ; z = 0; r = 0; 8y; t 2 R.
admita (5; 3; 4; 0; 5) como uma das suas soluco~es e determine a soluc~ao geral do sistema assim
obtido.
Resp.: = 36; = 54;
= 61;
1145 + 55t 157w 2567 361t + 427w 1661 + 115t 217w
x= 72
; y =
144
; z =
144
; 8t; w:
Resolva os seguintes sistemas lineares. Se o sistema for indeterminado, determine sua soluc~ao
geral.
3)
x + 2y 3z + 4r s = 1
2x y + 3z 4r + 2s = 8
3x + y z + 2r s = 3
4x + 3y + 4z + 2r + 2s = 2
x y z + 2r 3s = 3
nas variaveis x; y; z; r; s . Resp.: (2; 0; 2; 2; 1)
2.6. EXERCICIOS PROPOSTOS 41
x 2y + z r + s = 0
4r + 7 s 4r + 5s 4r 5s
4) 32xx + 2y y z z++2rr 32ss =
=
0
0
Resp.: x= , y= , z=
8 8 8
2x 5y + z 2r + 2s = 0
4x + 5y = 38
2x 5y = 4
5) 3x + 6y = 33
Resp.: sistema impossvel
5x 6y = 19
2x y = 1
4x 3y = 7
6) 5x 2y = 0 Resp.: ( 2; 5)
2x + 5y = 21
3x 4y = 14
x + 2y + 3z + 4t + 5w = 13
x + y + 2z + 3t + 4w = 10
2
7) 2x + 2y + z + 2t + 3w = 11 Resp.: (0; 2; 2; 0; 3)
2x + 2y + 2z + t + 2w = 6
2x + 2y + 2z + 2t + w = 3
8) D^e exemplo de um sistema linear com as seguintes caractersticas:
Tenha quatro equaco~es nas variaveis x , y , z , t ;
Tenha uma variavel livre;
Admita (6; 4; 10; 13) como uma das suas soluco~es.
Resp.: E claro que este problema possui uma innidade de respostas validas. Descrevemos aqui
uma das possibilidades de resposta correta. Como o sistema tem 4 variaveis, e 1 deve ser livre,
o posto da matriz escalonada do sistema deve ser igual a 4 1 = 3. Sendo assim, escrevemos
inicialmente 3 equaco~es nas variaveis x , y , z , t . Os coecientes s~ao escolhidos a vontade, aleato-
riamente, tendo o cuidado de n~ao ter depend^encia entre elas (ou seja, uma equac~ao n~ao pode ser
multipla ou soma das outras). Se houvesse qualquer depend^encia entre as equaco~es, o posto seria
menor do que 3. Imaginamos assim as seguintes equaco~es:
3x + 2y + 4z 5t = : : :
5x 2y + 3z + 2t = : : :
4x + 3y 7z + 6t = : : :
A quarta equac~ao deve ser obtida a partir dessas 3 equaco~es, fazendo-se algum tipo de operac~ao
com elas tais como somar linhas, subtrair linhas, multiplicar uma linha por uma constante, etc.
42 CAPITULO 2. ESCALONAMENTO DE MATRIZES
Vamos escolher a quarta linha como sendo a soma da segunda com a terceira equaco~es (entre
muitas outras possibilidades):
9x + y 4z + 8t = : : :
Se a quarta linha n~ao tivesse essa depend^encia das linhas anteriores, ent~ao o posto da matriz
escalonada do sistema seria igual a 4 e da o sistema n~ao teria variavel livre. Substitumos agora a
soluc~ao (6; 4; 10; 13) nas equaco~es escolhidas acima e completamos o segundo membro de cada
equac~ao:
3x + 2y + 4z 5t = 131
5x 2y + 3z + 2t = 26
4x + 3y 7z + 6t = 112
9x + y 4z + 8t = 86
E pronto! Essa e uma das possveis soluco~es.
7 12 6
2021
9) Calcule A sabendo que A = 10 19 10.
12 24 13
7 12 6
Resp.: A 2021 = 10 19 10.
12 24 13
10) Calcule
as inversas das seguintes
matrizes:
0 0 0 1 1
0 1 0 3 9 1 2 2 4
0 1 0 2 0 1 7 21 2 3 4 6
a) A =
0 1 0 0 2 b) B =
c) C =
1 3 12 1 0 3 6 5 10
0 0 0 1
1 4 0 1 6 9 10 15
1 2 4 1 5
7 12 6
d) D = 10 19 10.
12 24 13
1 4 2 2 1
2 1 0 3 9
8 3 2 2 0 1 7 21
Resp.: a) A 1 = 2 9 4 2 2
b) B 1=
3 12
0 92 279
4 2 1 1
1 4 31 94
1 4 2 1 1
15 10 6 4
10 7 12 6
5 4 2
c) C 1 = 9
d) D 1 = 10 19 10 = D:
6 3 2
12 24 13
6 3 2 1
Cap
tulo 3
Denic~ao 3.1 Seja K um conjunto n~ao vazio no qual est~ao denidas duas operaco~es, denominadas
adic~ao e multiplicac~ao, denotadas por + e , respectivamente, que satisfazem as seguintes
propriedades:
[1 ] a + b = b + a, 8a; b 2 K;
[2 ] 9 0 2 K tal que a + 0 = a, 8a 2 K;*
[3 ] Dado a 2 K, 9 a 2 K tal que a + ( a) = 0;
[4 ] a + (b + c ) = (a + b) + c , 8a; b; c 2 K;
[5 ] a b = b a, 8a; b 2 K;
[6 ] a (b c ) = (a b) c , 8a; b; c 2 K;
[7 ] 9 1 2 K tal que 1 a = a, 8a 2 K;
[8 ] Dado a 2 K, a 6= 0, 9a 1 2 K tal que a a 1 = 1;
[9 ] a (b + c ) = a b + a c , 8a; b; c 2 K.
Neste caso, o conjunto K e denominado corpo.
*
O smbolo 9 signica \existe", 8 signica \para todo" ou \qualquer".
43
44 CAPITULO 3. ESPAC
OS VETORIAIS E SUBESPAC
OS
Alguns dos exemplos mais conhecidos de corpos s~ao os conjuntos numericos Q (racionais),
R (reais) e C (complexos) com as operaco~es de adic~ao e multiplicac~ao usuais. No entanto, ha uma
innidade de exemplos de outros corpos diferentes desses tr^es aqui citados.
Denominaremos o corpo K de conjunto de escalares.
Denic~ao 3.2 Sejam K um corpo (K = R, por exemplo) e V 6= ; um conjunto no qual s~ao denidas
duas operaco~es: uma adic~ao u + v entre os elementos u e v de V , e uma multiplicac~ao kv de um
escalar k por um elemento v de V . Dizemos que V e um espaco vetorial sobre K quando as
seguintes propriedades s~ao todas vericadas:
[1 ] u + v = v + u , 8u; v 2 V ;
[2 ] u + (v + w ) = (u + v ) + w , 8u; v; w 2 V ;
[3 ] 9 0 2 V tal que u +0 = u , 8u 2 V ; esse elemento 0 e denominado vetor nulo;
[4 ] 9 v 2 V tal que u + v = 0, 8u 2 V ; esse elemento v e denominado inverso aditivo e e
denotado por u ;
[5 ] k (v + w ) = kv + kw , 8k 2 K, 8v; w 2 V ;
[6 ] (a + b)v = av + bv , 8a; b 2 K, 8v 2 V ;
[7 ] (ab)v = a(bv ), 8a; b 2 K, 8v 2 V ;
[8 ] 1 v = v , 8v 2 V .
Os elementos de um espaco vetorial s~ao chamados genericamente de vetores.
Em qualquer espaco vetorial, podemos denir a diferenca entre os vetores v e w , denotada por
v w , como sendo a seguinte soma: v w = v + ( w ).
Exemplo 3.1 O conjunto V = R2 = R R = f(x; y ) j x; y 2 Rg e um espaco vetorial com as
operaco~es de adic~ao e produto por escalar usuais:
A adic~ao de vetores e denida por (x1 ; y1 )+(x2 ; y2 ) = (x1 + x2 ; y1 + y2 ), 8(x1 ; y1 ); (x2 ; y2 ) 2 R2 ;
A multiplicac~ao por escalar e denida por k (x1 ; y1 ) = (kx1 ; ky1 ), 8k 2 R, 8(x1; y1) 2 R2.
Para vericar isso, temos que testar a validade de cada uma das propriedades [1], [2], . . . ,
[8]. Por exemplo, a propriedade [1] e vericada da seguinte forma: se u = (x1 ; y1 ) e v = (y1 ; y2 )
s~ao dois elementos genericos de V , ent~ao u + v = (x1 ; y1 ) + (x2 ; y2 ) = (x1 + x2 ; y1 + y2 ) v + u =
(x2 ; y2 )+(x1 ; y1 ) = (x2 + x1 ; y2 + y1 ). Como a adic~ao de numeros reais e comutativa, x1 + x2 = x2 + x1
e y1 + y2 = y2 + y1 , temos que (x1 + x2 ; y1 + y2 ) = (x2 + x1 ; y2 + y1 ), ou seja, u + v = v + u .
A propriedade [3] e vericada assim: se u = (x1 ; y1 ) 2 V e 0 = (0; 0), ent~ao u + 0
= (x1 ; y1 ) + (0; 0) = (x1 + 0; y1 + 0) = (x1 ; y1 ) = u ; e a propriedade [7] e vericada da seguinte
3.1. VETORES E ESCALARES 45
3.1.1 Propriedades
Se V for um espaco vetorial, ent~ao s~ao validas as seguintes propriedades:
k 0 = 0, 8k 2 R;
O vetor nulo e unico;
0v = 0, 8v
2V;
Se k 2 R e v 2 V , ent~ao kv = 0 implica k = 0 ou v =0;
( v ) = v , 8v 2 V ;
( k )v = k ( v ) = (kv ), 8k 2 R, 8v 2 V .
Soluc~ao: Como sempre fazemos, devemos vericar os tr^es itens seguintes:
0 0 0
Escolhendo a=b=c =d = e = f = 0, temos que 0 0 0 2 W ; logo, W 6= ;.
0 0 0
a1 b1 c1
Sejam v e w duas matrizes triangulares superiores genericas: v = 0 d1 e1 2 W e
0 0 f1
a2 b2 c2 a1 a2 b1 b2 c1 c2
w = 0 d2 e2 2 W . Ent~ao temos que v w = 0 d1 d2 e1 e2 2 W . Note
0 0 f2 0 0 f1 f2
que o caracteriza um elemento pertencer a W e o fato desse elemento ser uma matriz real
3 3 do tipo triangular superior; assim, o que observamos e que a soma de duas matrizes
3 3 triangulares superiores e uma matriz 3 3 triangular superior.
a1 b1 c1 ka1 kb1 kc1
Se k 2 R, ent~ao kv = k 0 d1 e1 = 0 kd1 ke1 2 W . Vericamos dessa forma
0 0 f1 0 0 kf1
que o produto de uma matriz 3 3 triangular superior por um escalar da como resultado uma
matriz 3 3 triangular superior.
50 CAPITULO 3. ESPAC
OS VETORIAIS E SUBESPAC
OS
Soluc~ao: Vamos tentar encontrar escalares a e b tais que v = av1 + bv2 , que e o mesmo que
7x 2 + 11x 26 = a(5x 2 3x + 2) + b( 2x 2 + 5x 8). Efetuando os produtos no segundo membro
da igualdade anterior e agrupando os termos semelhantes, obtemos
7x 2 + 11x 26 = (5a 2b)x 2 + ( 3a + 5b)x + (2a 8b):
Comparando
os coecientes de termos de mesmo grau dos dois lados da equac~
ao, obtemos o
5a 2b = 7
sistema 3a + 5b = 11 . Escrevendo a matriz completa desse sistema e escalonando:
2a 8b = 26
5 2 7 2 8 26 1 13 4 1
4 13
3 5 11 ! 3
5 11 ! 3
11 5 ! 0 7 28
2 8 26 5 2 7 5 7 2 0 18 72
1 4 13 1 4 13
! 0 1 4 ! 0 1 4
0 1 4 0 0 0
a 4b = 13
Essa ultima matriz equivale ao sistema linear b = 4 cuja soluc~ao e b = 4 e
a = 13 + 4b = 13 + 16 = 3.
Portanto, v se escreve como combinac~ao linear de v1 e v2 da seguinte forma: v = 3v1 + 4v2 .
Soluc~ao: Devemos vericar se w e uma combinac~ao linear de u e v , ou seja, se existem escalares
a; b tais que w = au + bv . Essa
ultima equac~ao e o mesmo que ( 11; 7) = a(1; 1) + b(0; 4) )
(a; a + 4b) = ( 11; 7) )
a + 4b = 7 que e um sistema linear cuja resoluc~ao e imediata:
a = 11
a +7
a = 11 e b = 4 = 1: Dessa forma, obtivemos que w = 11u v , o que signica que w
pertence ao conjunto [u; v ].
Exemplo 3.15 Vericar se os vetores u = (5; 0; 0), v = (0; 3; 4) e w = (0; 0; 6) geram o espaco
V = R3 .
Soluc~ao: Devemos vericar se um elemento generico (x; y; z ) 2 V e uma combinac~ao linear de u ,
a; b; c tais que (x; y; z ) = a(5; 0; 0)+ b(0; 3; 4)+ c (0; 0; 6) )
v e w , ou seja, se existem escalares
5a = x
(5a; 3b; 4b 6c ) = (x; y; z ) ) 3b = y que e um sistema linear nas variaveis a; b; c e cuja
4b 6c = z
3.5. EXERCICIOS RESOLVIDOS 53
Conclus~ao: como os 8 itens anteriores foram vericados como sendo verdadeiros, temos que V e
um espaco vetorial.
Soluc~ao: Escolhemos aleatoriamente dois vetores: u = (1; 2; 3) e v = (4; 5; 6). Agora, calculamos
os valores deu + v e v + u para ver se coincidem:
u + v = (1; 2; 3) + (4; 5; 6) = (4; 5; 6), de acordo com a operac~ao de adic~ao denida em V ;
v + u = (4; 5; 6) + (1; 2; 3) = (1; 2; 3).
Como u + v 6= v + u , chegamos a conclus~ao que V n~ao e espaco vetorial com essas operaco~es .
Observac~ao: Ha uma innidade de maneiras de justicar o fato de V n~ao ser espaco vetorial. Por
exemplo, neste exemplo temos tambem: v + ( v ) 6= 0, v + 0 6= v , (a + b)v 6= av + bv etc. Basta
apontar uma unica propriedade que n~ao e vericada.
R3) Se V = M (2; 2) e W = fM 2 V j M t = M g, mostre que W e um subespaco vetorial de V
com as operaco~es usuais de matrizes.
Soluc~ao:
0 0
A matriz nula N =
0 0
satisfaz a propriedade N t = N ; logo, N 2 W ) W 6= ;;
Se A 2 W e B 2 W , ent~ao (A + B )t = At + B t = A + B ) (A + B )t = A + B , o que signica
que A + B 2 W . Dizendo com outras palavras, isso signica que a soma de duas matrizes
simetricas da como resultado uma matriz simetrica.
A 2 W e k 2 R, ent~ao (kA)t = kAt = kA, o que implica kA 2 W .
Se
Assim, pelo que mostramos nos tr^es itens anteriores, W e um subespaco de V .
6 ;, f + g 2 W e kf
Soluc~ao: Vamos mostrar que s~ao verdadeiros: W = 2 W se f ; g 2 W e k 2 R.
Se f for uma func~ao constante, por exemplo f (x ) = 1, ent~ao f 000 (x ) + 2f 00 (x ) 5f 0 (x ) =
0 + 2 0 5 0 = 0 ) f 2 W ) W 6= ;;
Sejam f e g dois elementos de W . Ent~ao, f 000 (x ) + 2f 00 (x ) 5f 0 (x ) = 0 e g 000 (x ) + 2g 00 (x )
5g 0 (x ) = 0 ) (f + g )000 (x ) + 2(f + g )00 (x ) 5(f + g )0 (x ) = (f 000 (x ) + 2f 00 (x ) 5f 0 (x )) +
(g 000 (x ) + 2g 00 (x ) 5g 0 (x )) = 0 + 0 = 0 ) f + g 2 W ;
56 CAPITULO 3. ESPAC
OS VETORIAIS E SUBESPAC
OS
Z 2
R9) Verique se W = f : R !Rj f (x ) dx = 4 e subespaco de F (R; R).
0
R R
Soluc~ao: SeR f e g forem dois Relementos de W , ent~aRo 02 f (x ) dxR = 4 e 02 g (x ) dx = 4. Da,
2 2 2 2
obtemos que 0 (f + g )(x ) dx = 0 (f (x ) + g (x )) dx = 0 f (x ) dx + 0 g (x ) dx = 4 + 4 = 8. Logo,
f + g 62 W , de onde conclumos que W n~ao e um subespaco vetorial de F (R; R).
R10) No espaco vetorial R3 , consideremos os vetores: v1 = (1; 3; 2) e v2 = (2; 4; 1).
a) Escreva v = ( 4; 18; 7) como combinac~ao linear de v1 e v2 ;
b) Mostre que n~ao e possvel escrever v = (4; 3; 6) como combinac~ao linear de v1 e v2 ;
c) Determine uma condic~ao sobre x; y; z para que (x; y; z ) seja combinac~ao linear de v1 e
v2 .
3.5. EXERCICIOS RESOLVIDOS 57
Soluc~ao: a) Vamos calcular os valores de escalares a e b tais que v = av1 + bv2 . Essa equac~ao e o
mesmo que ( 4; 18; 7) = a(1; 3; 2)+ b(2; 4; 1) ) ( 4; 18; 7) = (a +2b; 3a +4b; 2a b)
a + 2b = 4 1 2 4
que equivale ao sistema linear 3a + 4b = 18 , cuja matriz completa e M = 3 4 18
2a b = 7 2 1 7
que pode ser escalonada da seguinte maneira:
1 2 4 1 2 4 1 2 4
M ! 0 10
30 ! 0
1 3 ! 0
1 3 :
0 5 15 0 1 3 0 0 0
Essa ultima matriz e equivalente ao sistema
a + 2b = 4 ) b = 3 ) a = 4 2b = 4 + 6 =
b= 3
2. Portanto, v = 2v1 3v2 e a combinac~ao linear procurada.
b) Suponhamos que existam escalares a e b tais que v = (4; 3; 6) = a(1
; 3; 2) + b(2; 4; 1)
a + 2b = 4
) (4; 3; 6) = (a + 2b; 3a + 4b; 2a b) que equivale ao sistema linear 3a + 4b = 3 , cuja
2a b = 6
1 2 4
matriz completa e M = 3 4 3 que pode ser escalonada da seguinte maneira:
2 1 6
1 2 4 1 2 4 1 2 4 1 2 4
M ! 0 10
15 ! 0
1 32 ! 0
1 3 ! 0 1 3 :
132 2
0 5 14 0 1 14
5 0 0 10 0 0 1
a + 2b = 4
Essa ultima matriz e equivalente ao sistema
b = 32
Como essa terceira equac~ao (0 = 1) e
0=1
sempre falsa, temos que o sistema e impossvel . Consequentemente, v n~ao pode ser combinac~ao
linear de v1 e v2 .
a + 2b = x
c) Se v = (x; y; z ) = av1 + bv2 = (a + 2b; 3a + 4b; 2a b), ent~ao 3a + 4b = y , cuja
2a b = z
1 2 x 1 2 x
matriz completa e M = 3 4 y . A forma escalonada de M e 0 1 y +3x . Essa
ultima
2 z + 10 x
y
2 1 z 0 0 2
2 z +y x
linha da matriz equivale a uma linha 0 = 2 de um sistema, ou seja, 2z + y x = 0. Portanto, a
condic~ao sobre x; y; z para que o vetor (x; y; z ) seja combinac~ao linear de v1 e v2 e que x = y + 2z .
58 CAPITULO 3. ESPAC
OS VETORIAIS E SUBESPAC
OS
R11) Escreva o vetor M = 13 24 como combinac~ao linear dos vetores V1 = 2 2
0 3
,
V2 = 11 11 , V3 = 35 0
4
e V4 =
0 5
1 4
.
Soluc~ao: Vamos determinar escalares a; b; c; d 2 R tais que aV1 + bV2 + cV3 + dV4 = M . Essa
equac~ao pode ser escrita na forma
2 2 1 1 3 0 0 5 1 2
a 0 3
+b
1 1
+c
5 4
+d
1 4
=
3 4
;
2a + b + 3c 2a + b + 5d 1 2
ou seja, = e equivale ao sistema linear
b + 5c + d 3a + b + 4c + 4 d 3 4
2a + b + 3c =1
2a + b + 5d =2
b + 5c + d =3
:
3a + b + 4c + 4d =4
Escalonando a matriz completa dessa sistema, temos:
2 1 3 0 1 L4 L1 ! L1 1 0 1 4 3
2 1 0 5 2 2 1 0 5 2 L2 2L1 ! L2
0 1 5 1 3
! 0 1 5 1 3
3 1 4 4 4 3 1 4 4 4 L4 3L1 ! L4
1 0 1 4 3 1 0 1 4 3 1 0 1 4 3
0 1 2 3 4 0 1 2 3 4 0 1 2 3 4
! 0 1 5 1 3
! 0 0 7 4 7
! 0 0 1 4 1
7
0 1 1 8 5 0 0 3 5 1 0 0 3 5 1
1 0 1 4 3 1 0 1 4 3
0 4 4
! 0 1
0 1
2
4
3
1
! 00 1
0 1
2 3
4 1
477 7 28
0 0 0 7 4 0 0 0 1 47
a + c + 4d = 3
b 2c 3d = 4 28
A matriz escalonada assim obtida equivale ao sistema
c + 4 d = 1 ) d = 47
7 28
d = 47
4 31 42
) c = 1 7 d = 47 ) b = 4 + 2c + 3d = 47 ) a = 3 c 4d = 47 : 2
Conclumos dessa forma que a combinac~ao linear procurada e M = 47 2 V1 42 V2 + 31 V3 + 28 V4 :
47 47 47
3.6. EXERCICIOS PROPOSTOS 59
R12) Sejam u = (5; 4; 3), v = (0; 2; 1) e w = (1; 11; 10). Mostre que [u; v; w ] = R3 .
Soluc~ao: Consideremos um elemento generico de R3 que e (x; y; z ). Vamos escrever esse elemento
como uma combinac~ao linear de u; v; w , ou seja, vamos determinar escalares a; b; c tais que
(x; y; z ) = a(5; 4; 3) + b(0; 2; 1) + c (1; 11; 10):
Essa equac~ao equivale a (x;y; z ) = (5a + c; 4a+ 2b + 11c; 3a + b + 10c ) que pode ser escrito
5a + c = x
no formato de sistema linear nas variaveis a; b; c : 4a + 2b + 11c = y . A matriz M desse sistema
3a + b + 10c = z
pode ser escalonada da seguinte forma:
x
5 0 1 x 1 0 15 x5 1 0 15 1 0 15 x
M
= 4 2 11 y ! 4 2 11 y ! 0 2 515 y 4x5
! 0 2 515 y 45x
5
z 3 1 10 z 0 1 47 35x
0 1 47 z 35x
3 1 10
5 z 5 5
1 0 15 x 1
0 1 x 1 0 15 x
3x5 475 5 5
! 0
1 475 z ! 0
1 z 35x ! 0 1 475 z 35x
0 2 51 y 45x 0 0 435 2x +5y 10z 0 0 1 2x 5y +10z
5 5 5 5 43
2x 5y +10z que pode
Essa matriz escalonada equivale ao sistema a + c5 = x5 b + 475c = z xz =
5 43
ser resolvido facilmente \de baixo para cima":
c = 2x 5y +10z
43
b = z 3x 47 c = 7x +47y 51z
5 5 43
a = x5 c = 9x +y 2z
5 43
Dessa forma, conclumos que
9x + y 2z 47y 7x 51z 10z 2x 5y
(x; y; z ) = (5; 4; 3) + (0; 2; 1) + (1; 11; 10);
| 43
{z } | {z } | 43
{z } | {z } | 43
{z }| {z }
a u b v c w
3) Seja V = F (R; R) o espaco vetorial de todas as funco~es R em R. Quais dos seguintes sub-
conjuntos s~ao subespacos de V ?
a) W1 = ff : R ! R j f ( 1) = 0g b) W2 = ff : R ! R j f (3) = 1 + f ( 5)g
c) W3 = ff : R ! R j f ( 1) = 1g d) W4 = ff : R ! R j f ( x ) = f (x )g
e) W5 = ff : R ! R j fZ0 (x ) = 3f (x )g f) W6 = ff : R ! R j fZ0(x ) = x g
1 1
g) W7 = ff : R ! R j f (x ) dx = 0g h) W8 = ff : R ! R j f (x ) dx = 2g
1 1
Resp.: S~ao subespacos de V somente os itens a), d), e) e g).
4) Seja V = M (2; 2). Verique se W e subespaco de V em cada um dos casos:
a) W = fA 2 M (2; 2) j det A = 0g W = fA 2 M (2; 2) j det A = 1g
b)
fA 2 M (2; 2) j A2 = Ag
c) W = W = fA 2 M (2; 2) j A 1 =Ag
d)
e) W =
a b j b = c = 0; a + d = 1 f) W =
a b j a2 = d 2
c d c d
Resp.: Nenhum dos conjuntos apresentados em a), b), c), d), e), f) e subespaco de V .
5 1
5) Verique se e possvel escrever a matriz D =
1 1
como combinac~ao linear das matrizes
A = 11 10 , B = 01 01 e C = 00 41 .
Resp.: N~ao se pode escrever D como combinac~ao linear de A, B, C .
6) Escreva o polin^omio p = 10x 3 + 3x 2 + 2x + 5 2 P3 como combinac~ao linear dos polin^omios
w1 = 1, w2 = x + 3, w3 = x 2 e w4 = 4x 3 + 2x 2 + 3x + 1.
Resp.: p = 14w1 + 11 5
2 w2 2w3 + 2 w4
7) Escreva o vetor v = (4; 3; 2; 1) 2 R4 como combinac~ao linear dos vetores v1 = (3; 1; 1; 1),
v2 = (0; 2; 3; 0), v3 = (0; 0; 5; 10) e v4 = (0; 0; 0; 1).
Resp.: v = 43 v1 + 56 v2 + 11 10
30 v3 3 v4
3.6. EXERCICIOS PROPOSTOS 61
Base e dimens~ao
4.1 Depend^encia e indeped^encia linear
Sejam V um espaco vetorial e v1 ; v2 ; : : : ; vn vetores de V . Dizemos que esses vetores s~ao
linearmente independentes (abreviadamente: LI) quando a equac~ao a1 v1 + a2 v2 + + an vn = 0,
com a1 ; a2 ; : : : ; an 2 R, possuir apenas a soluc~ao nula: a1 = a2 = = an = 0. Se na soluc~ao dessa
equac~ao tiver pelo menos um ak 6= 0, ent~ao dizemos que os vetores s~ao linearmente dependentes
(abreviadamente: LD).
Se v1 ; v2 ; : : : ; vn forem linearmente dependentes, ent~ao a equac~ao a1 v1 + a2 v2 + + an vn = 0
a v + + an vn
possui uma soluc~ao em que ak 6= 0, e da, podemos isolar vk nessa equac~ao: vk = 1 1 .
ak
Isso signica que um vetor, vk , e combinac~ao linear dos outros vetores v1 ; ; vn .
No caso particular de dois vetores, u e v , o fato deles serem linearmente dependentes e o mesmo
que um deles ser multiplo do outro: u = kv , com k 2 R. Por exemplo, (1; 2; 3) e (4; 8; 12) s~ao
linearmente dependentes porque (4; 8; 12) = 4 (1; 2; 3).
No caso particular de tr^es vetores, u; v e w , eles s~ao linearmente dependentes se, e somente se,
um deles e combinac~ao linear dos outros dois: u = av + bw ou v = au + bw ou w = au + bv , onde
a e b s~ao escalares. Por exemplo, (2; 3), (3; 2) e (1; 5) s~ao linearmente dependentes porque
(3; 2) = (2; 3) + (1; 5).
Se um dos vetores for nulo, digamos vk = 0, ent~ao 0v1 + 0v2 + + 1vk + + 0vn = 0 .
Isso signica que a equac~ao a1 v1 + a2 v2 + + an vn = 0 admite a soluc~ao a1 = 0; a2 = 0; : : : ;
ak = 1; : : : ; an = 0 que n~ao e toda nula, logo, os vetores s~ao linearmente dependentes. Por exemplo,
os vetores u = (1; 1; 2), v = (0; 0; 0) e w = ( 4; 5; 7) s~ao linearmente dependentes.
Se dois vetores forem iguais, digamos vj = vk , ent~ao a equac~ao a1 v1 + a2 v2 + + an vn = 0
admite a soluc~ao a1 = 0; a2 = 0; : : : ; aj = 1; : : : ; ak = 1; : : : ; an = 0 e, consequentemente, os
vetores s~ao linearmente dependentes. Exemplo: os vetores v1 = (3; 5; 0; 1), v2 = (1; 0; 0; 3),
v3 = (2; 4; 0; 9) e v4 = (3; 5; 0; 1) s~ao linearmente dependentes.
Exemplo 4.1 Dados os vetores u = (1; 1; 0), v = (1; 3; 1) e w = (5; 3; 2) pertencentes a
R3, vericar se eles s~ao linearmente dependentes ou independentes.
63
64 CAPITULO 4. BASE E DIMENSAO
~
Soluc~ao: Formamos uma combinac~ao linear generica desses vetores, igualamos a 0 e calculamos
os valores dos escalares. Essa equac~ao vetorial e equivalente a um sistema linear:
Exemplo 4.2 Vericar se os vetores v1 = (5; 0; 0; 3), v2 = (0; 1; 2; 1); v3 = (5; 0; 4; 1) e
v4 = (0; 3; 0; 1) pertencentes a R4 s~ao linearmente dependentes ou independentes.
Soluc~ao: Poderamos iniciar com uma equac~ao vetorial da forma av1 + bv2 + cv3 + dv4 = 0 e
desenvolver essa equac~ao ate chegar em um sistema linear homog^eneo 4 4 nas variaveis a; b; c; d .
A partir da, podermos calcular o determinante da matriz dos coecientes desse sistema para
saber se ele e indeterminado ou n~ao. Aqui, vamos pular todas essas passagens iniciais e comecar
diretamente do calculo do determinante. Neste caso, e so vericar quais s~ao os vetores dados e
escrever de imediato o determinante. Da o mesmo resultado escrever os vetores dados como linhas
ou colunas do determinante.
5 0 0 3
1 2 1 0 2 1 0 1 1 0 1 2
0 1 2 1
D = = 5 0 4 1 0 5 4 1 + 0 5 0 1 3 5 0 4
5 0 4 1 3 0
0 1 0 0 1 0 3 1 0 3 0
3 0 1
= 5( 4 + 6 0 + 12 + 0 0) 3(0 + 0 + 30 0 0 0) = 70 90 = 20 6= 0:
Como o determinante D deu um resultado diferente de zero, chegamos a conclus~ao que os vetores
dados s~ao linearmente independentes.
A depend^encia ou independ^encia linear de um conjunto de vetores n~ao e afetada pela aplicac~ao
das seguintes transformaco~es elementares:
[1 ] trocar a posic~ao de dois vetores;
[2 ] multiplicar um vetor por um escalar diferente de zero;
[3 ] substituir um vetor do conjunto pela soma dele com outros vetores desse mesmo conjunto.
66 CAPITULO 4. BASE E DIMENSAO
~
Vamos exemplicar isso com um caso particular de tr^es vetores. Suponhamos que A = fu; v; w g
seja um conjunto de vetores linearmente independentes. Consideremos B = fu; v; au + bv + cw g,
a 6= 0, b 6= 0, c 6= 0, como sendo o conjunto obtido a partir de A pela substituic~ao do vetor w por
uma combinac~ao linear de u; v; w . Se ; ;
forem escalares tais que u +v +
(au +bv +cw ) = 0,
ent~ao (+ a
)u + ( + b
)v + c
w = 0. Como u , v , w s~ao linearmente independentes, devemos
+ a
= 0
ter que + b
= 0 . Como c
= 0 e c 6= 0, devemos ter
= 0. Substituindo nas duas primeiras
c
= 0
equaco~es , obtemos = 0 e = 0. Conclumos assim que o conjunto B tambem e formado por
vetores linearmente independentes.
Por causa disso, quando tivermos uma matriz M cujas linhas s~ao obtidas a partir de um conjunto
A de vetores linearmente independentes, ent~ao as linhas n~ao nulas da matriz escalonada obtida a
partir de M correspondem a vetores linearmente independentes do conjunto A. Por exemplo,
retomando o exemplo anterior, vamos escalonar a seguinte matriz
3 3 3
5 0 0 3 1 0 0 5 1 0 0 5 1 0 0 5
0 1 2 1 0 1 2 1 1
M = ! 5 ! 0 1 2 1
! 0 1 2
5 0 4 1 0 4 1 0 0 4 2 0 0 4 2
0 3 0 1 0 3 0 1 0 3 0 1 0 0 6 2
1
0 0 3
1 0 0 3 1 0 0 3
5 5 5
0 1 2 1 0 1 2 1 0 1 2 1
! 0 0 1 1 !
0 0 1 1 !
0 0 1 1
2 2 2
0 0 6 2 0 0 0 1 0 0 0 1
Como foram obtidas quatro linhas n~ao nulas na matriz escalonada, conclumos, mais uma vez, que
os quatro vetores dados s~ao linearmente independentes.
Exemplo 4.3 Determine se os vetores u = (1; 2; 3; 4; 5), v = (5; 0; 10; 14; 2) e w = (7; 1; 0; 2; 8)
s~ao linearmente dependentes ou independentes.
Soluc~ao: A partir dos vetores dados, formamos uma matriz M e determinamos sua forma esca-
lonada:
31 2 4 5 1 2 3 4 5
M
= 5 0 10 14 2 ! 0 10 5 34 23 !
7 1 0 2 8 0 13 21 26 53
1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
1 17 23
1 17 23 ! 0 1 1 17 23
0 1 2 5 10 ! 0 1
292 591 23110 2 1825 10
231
0 13 21 26 53 0 0 2 5 10 0 0 1 145 145
Como n~ao apareceu linha nula na forma escalonada de M , conclumos que os vetores dados s~ao
linearmente independentes.
~
4.2. BASE E DIMENSAO 67
1 2 3 8 5 0
Exemplo 4.4 Determine se os vetores V = (vij ) =
6 5 4
e W = (wij ) =
1 3 10
s~ao
linearmente dependentes ou independentes.
Soluc~ao: No caso de dois vetores, basta vericar se um deles e multiplo do outro, ou seja, se
existe alguma constante k 2 R tal que W = kV . Como w11 = 8v11 e essa relac~ao n~ao se mantem
para os outros elementos (ou seja, w12 6= 8v12 , w13 6= 8v13 etc.) temos que W n~ao e multiplo de
V e, consequentemente, os vetores dados s~ao linearmente independentes.
Exemplo 4.6 O conjunto de vetores linearmente independentes = f(1; 0); (0; 1)g e uma base do
R2 porque
(x; y ) = x (1; 0) + y (0; 1);
ou seja, todo elemento de V e combinac~ao dos vetores de . Como e formado por dois vetores,
temos que a dimens~ao de V e igual a dois: dim V = 2.
68 CAPITULO 4. BASE E DIMENSAO
~
Note que B = f(2; 0); (0; 3)g tambem e base de V , porque (x; y ) = x2 (2; 0) + y3 (0; 3). De
modo geral, quando multiplicamos os vetores de uma base por escalares n~ao nulos, obtemos uma
nova base. Assim, se V 6= f0g, ent~ao V tem uma innidade de bases.
Exemplo 4.7 Consideremos V = R2 e B = f(1; 1); (0; 1); (3; 5)g: Como
(x; y ) = x (1; 1) + (y x ) (0; 1) + 0 (3; 5);
temos que o conjunto B gera todo o espaco V , ou seja, [B ] = V . Apesar disso, B n~ao e uma base
de V porque seus vetores s~ao linearmente dependentes: por exemplo, (3; 5) = 3 (1; 1) + 2 (0; 1).
Exemplo 4.8 Consideremos agora V = R3 e B = f(3; 2; 0); (1; 5; 0)g: Cada vetor de B n~ao e
multiplo do outro, logo B e formado por vetores linearmente independentes. No entanto, B n~ao
gera todo o V porque os vetores que t^em terceira coordenada nula n~ao s~ao combinac~ao linear dos
elementos de B . Por exemplo, n~ao existem escalares a e b tais que
a| (3; 2; 0) +{zb(1; 5; 0)} = (1; 1; 1 ):
(3a+b; 2a 5b; 0 )
Portanto, B n~ao e uma base de V .
Exemplo 4.9 Se n e um inteiro positivo, ent~ao V = Rn tem como base o conjunto de vetores LI
= fv1 = (1; 0; 0; : : : ; 0); v2 = (0; 1; 0; : : : ; 0); v3 = (0; 0; 1; : : : ; 0); ; vn = (0; 0; : : : ; 0; 1)g
. Note que (x1 ; x2 ; x3 ; ; xn ) = x1 v1 + x2 v2 + x3 v3 + + xn vn : Essa base chama-se base can^onica
de Rn e como e formado por n vetores, temos que dim Rn = n.
Exemplo 4.10 O espaco vetorial das matrizes 2 3, M (2; 3), tem uma base formada pelas matrizes
linearmente independentes:
1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0
= 0 0 0
; 0 0 0
; 0 0 0
; 1 0 0
; 0 1 0
; 0 0 1
;
porque
x y z = x 1 0 0 +y 0 1 0 +z 0 0 1 +r 0 0 0 +s 0 0 0 +t 0 0 0 :
r s t 0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1
Conclumos assim que dim M (2; 3) = 2 3 = 6. O conjunto chama-se base can^onica de M (2; 3).
~
4.2. BASE E DIMENSAO 69
Teorema 4.2.1 Se = fv1 ; v2 ; : : : ; vn g for uma base de um espaco vetorial V , ent~ao todo conjunto
com mais de n vetores e linearmente dependente.
Exemplo 4.13 Seja A = f(3; 5; 11); (101; 23; 19); ( 17; 200; 453); ( 19; 47; 93)g R3 . Como
dim R3 = 3, A tem 4 vetores e 4 > 3, temos que A e um conjunto de vetores linearmente depen-
dentes.
Exemplo 4.14 Seja = f(11; 13; 15); ( 5; 0; 0); (8; 1; 0)g R3 . Como e um conjunto com 3
vetores linearmente independentes e dim R3 = 3, ent~ao conclumos que e uma base de R3 . Nesse
caso, a informac~ao sobre a dimens~ao dispensa o trabalho de vericac~ao do fato de que R3 e gerado
por .
4.3 Coordenadas
Teorema 4.3.1 Seja = fv1 ; v2 ; : : : ; vn g uma base de um espaco vetorial V . Todo vetor v 2V se
escreve de modo unico como combinac~ao linear dos elementos de V .
Soluc~ao: Consideremos escalares x; y; z tais que v = (3; 1; 4) = x (1; 1; 1)+y (0; 1; 1)+z (0; 0; 1).
Essa equac~ao e o mesmo que (3; 1; 4) = (x; x + y; x + y + z ) e corresponde ao sistema linear
72 CAPITULO 4. BASE E DIMENSAO
~
x =3
x +y =1 cuja soluc~ao e x = 3, y = 1 x =1 3 = 2 e z = 4 x y =
x +y +z = 4
4 3 ( 2) = 5. Portanto, [v ] = (3; 2; 5).
Exemplo 4.17 Determinar as coordenadas de v = (3; 1; 4) com relac~ao a base can^onica do R3
B = f(1; 0; 0); (0; 1; 0); (0; 0; 1)g.
Se V = U W , ent~ao cada v 2 V pode ser escrito de modo unico como uma soma v =
u + w . Para mostrar isso, sejam v = u1 + w1 e v = u2 + w2 . Como u1 + w1 = u2 + w2
) u| 1 {z u}2 = w| 2 {z w}1 2 W1 \ W2 = f0g ) u1 u2 = w2 w1 = 0 ) u1 = u2 e w1 = w2 .
2U 2W
Soluc~ao: Vamos determinar escalares a; b; c; d; e; f tais que p = av1 + bv2 + cv3 + dv4 + ev5 + f v6 .
Essa ultima igualdade e equivalente a
t 5 t 4 + t 3 t 2 t + 1 = a (t 3 + 1) + b (t 3 + t ) + c (t 3 + t 2 ) + d (t 3 ) + e (t 4 + t 3 ) + f (t 5 + t 3 )
t 5 t 4 + t 3 t 2 t + 1 = f t 5 + e t 4 + (a + b + c + d + e + f )t 3 + c t 2 + b t + a;
1 2 0 0 1 0 0 3 0 0
x 0 0
+y
3 4
+z
2 0
+t
0 5
=
0 0
:
x +z =0
x + z 2x + 3t 0 0
Essa equac~ao matricial equivale a 3y + 2z 4y + 5t = 0 0 e ao sistema
2x + 3t =0
,
3y + 2 z =0
4y + 5t =0
76 CAPITULO 4. BASE E DIMENSAO
~
1 0 1 0 0
2 0 0 3 0
cuja matriz e M =
0 3 2 0 0
. O processo de escalonamento de M e
0 4 0 5 0
1 0 1 0 0 1 0 1 0 0 1 0 1 0 0
0 0 4 0 0 1 5
M ! 00 03 2
2
3
0 0
! 0 3
0
2
5
0 0
! 0 3
0
2
4 0
0 0
0 4 0 5 0 0 0 2 3 0 0 0 2 3 0
1 0 1 0 0 1 0 1 0 0
1 5 0 1 5 0
! 00 0
0
2 154 0
! 00 0
0
1 154 0
4 8
0 0 2 3 0 0 0 2 3 0
1 0 1 0 0 1 0 1 0 0
0 1 0 5 0
0 1 0 5 0
! 0 0 1 154 0 ! 0 0 1
4
15 0
83 8
0 0 0 4 0 0 0 0 1 0
x +z =0
y + 54t = 0
A forma escalonada de M equivale ao sistema z 15t = 0 e sua soluc~ao e x = y = z = t = 0.
8
t=0
Logo, os vetores de B s~ao linearmente independentes. Como dim M (2; 2) = 4, temos que B e uma
base de M (2; 2).
Vamos agora determinar as coordenadas de A na base B . Sejam x; y; z; t 2 R tais que
1 2 0 0 1 0 0 3 7 11
x 0 0
+y
3 4
+z
2 0
+t
0 5
=
4 49
:
x +z = 7
Essa equac~ao matricial equivale a 3y + 2z 4y + 5t =
x + z 2x + 3t 7 11
e ao sistema
2x + 3t = 11
,
4 49
3y + 2 z = 4
4y + 5t = 49
1 00 7 1
2 03 11 0
cuja matriz e M =
0 30 4
. Um processo de escalonamento semelhante ao anterior, leva
2
0 45 49 0
1 0 1 0 7
0 1 0 5 49
a seguinte forma escalonada: 154 1314 : Essa forma escalonada de M equivale
0 0 1 8 831
0 0 0 1 3
4.5. EXERCICIOS RESOLVIDOS 77
x +z = 7
y
+ 54t = 49 2 31
ao sistema z 15t = 154 e sua soluc~ao e x = 10, y = 3 , z = 3, t = 3 . Portanto,
8 8
t = 131 8
[A]B = ( 10; 32 ; 3; 313 ).
R3) Determine se as seguintes matrizes A = 11 11 , B= 0
2
3
3
e C =
13 7
4 0
s~ao linear-
mente dependentes ou independentes.
0 3 13 0 0 3 13 0 0 0 19 0
1 0 13 0 1 0 13 0
0 1 2 0 0 1 2 0
! 0 0 1 0
! 0 0 1 0
0 0 1 0 0 0 0 0
x + 13z = 0
A forma escalonada de M equivale ao sistema
y 2z = 0 ; cuja soluc~ao e x = y = z = 0.
z =0
Portanto, as matrizes A, B e C s~ao linearmente independentes.
1 2 5 0 0 1 3 0 0 1 3 0
1 1 2 0 1 1 2 0 1 1 2 0
0 1 1 0 0 1 1 0 0 1 1 0
! 0 0 4 0
! 0 0 1 0
! 0 0 1 0
0 0 2 0 0 0 1 0 0 0 0 0
a + b + 2c = 0
Essa ultima matriz obtida equivale ao sistema
b + c = 0 , cuja soluc~ao e a = b = c = 0.
c =0
Portanto, os vetores u; v; w s~ao linearmente independentes.
R5) Seja V = F (R; R). Mostre que f ; g; h 2 V s~ao linearmente independentes, onde
f (x ) = cos(x ), g (x ) = sen(x ) e h(x ) = x 2 e x .
Soluc~ao: Inicialmente, vamos vericar se os vetores de A s~ao linearmente independentes. Para
isso, determinamos a forma escalonada da matriz M cujas linhas s~ao os vetores dados.
27 7 113
14 27 49 113 1 14 2 14
43 82 145 340 43 82 145 340
M =
29 55 96 227
! 29 55 96 227
A linha nula que apareceu na forma escalonada de M indica que os quatro vetores de A s~ao
linearmente dependentes. No processo de escalonamento, a linha nula apareceu como sendo a
80 CAPITULO 4. BASE E DIMENSAO
~
terceira linha e n~ao houve troca de linhas antes disso. Isso indica que podemos eliminar o terceiro
vetor do conjunto A para obtermos um conjunto de vetores independentes: B = fv1 ; v2 ; v4 g.
Observac~ao: Outras respostas s~ao possveis para o conjunto B de vetores linearmente indepen-
dentes: B = fv1 ; v3 ; v4 g ou B = fv2 ; v3 ; v4 g. No entanto, a escolha B = fv1 ; v2 ; v3 g n~ao e valida
porque os vetores v1 ; v2 ; v3 s~ao linearmente dependentes.
R7) Em um espaco vetorial V cuja base e fw1 ; w2 ; w3 ; w4 ; w5 g considere os vetores
v1 = 2w1 w3
v2 = 3w2 + w4
v3 = w1 + 2w5 :
v4 = w1 3w2 2w3 w4 + 6w5
v5 = 6w2 + w3 + 2w4 4w5
Determine o subconjunto de fv1 ; v2 ; v3 ; v4 ; v5 g formado pela maior quantidade possvel de vetores
linearmente independentes.
1 1 1
1 0 2 0 0 1 0 2 0 0 1 0 2 0 0
0 3 0 1 0 0 3 0 1 0 0 1 0 1 0
1
1 3
M ! 1 0 0 0 2 ! 0 0 23 0 2 ! 0 0 23 0 2
1 3 2 1 6 0 3 1 6 0 3 1 6
2 2
0 6 1 2 4 0 6 1 2 4 0 6 1 2 4
1 0 1 0 0 1 0 1 0 0 1 0 1 0 0
2 2 2
0
1 0 1
3 0
0 1 0 13 0
0 1 0 13 0
! 0 0 10 2 ! 0 0 1 0 4
! 0 0 1 0 4
0
23
3
0 2 0 6 0 0 2 0 6 0 0 0 0 0
0 0 1 0 4 0 0 1 0 4 0 0 0 0 0
4.5. EXERCICIOS RESOLVIDOS 81
No nal do escalonamento, restaram tr^es linhas n~ao nulas. Essas linhas n~ao nulas correspondem
a tr^es vetores independentes. Como n~ao houve troca de linhas no processo de escalonamento,
escolhemos como subconjunto de vetores linearmente independentes o conjunto fv1 ; v2 ; v3 g .
Observac~ao: Pelo processo de escalonamento anterior, percebemos que os vetores v4 e v5 s~ao
dependentes de v1 ; v2 ; v3 , ou seja, s~ao combinaco~es lineares de v1 ; v2 ; v3 . O processo de escalo-
namento tambem pode ser usado para determinar quais s~ao essas combinaco~es lineares. Vamos
denotar por L; M; N; P; Q; R; S a primeira, segunda, terceira, quarta, quinta, sexta e setima etapa
do escalonamento, respectivamente. Denotemos por L1 ; L2 ; : : : ; L5 as linhas da matriz na etapa L
do escalonamento, M1 ; M2 ; : : : ; M5 as linhas da etapa M e assim por diante. Por exemplo, vamos
denotar a divis~ao da primeira linha por 2 no incio do escalonamento por M1 = L21 . Outro exemplo:
ao escrever Q4 = P4 + 3P2 , estamos denotando que a quarta linha da etapa Q foi obtida atraves
da soma da quarta linha com tr^es vezes a segunda linha da etapa anterior. Vamos denotar todas
as etapas do escalonamento na seguinte tabela:
L M N P Q R S
L1 = v1 M1= L21 N1 = M1 P1 = N1 Q1 = P1 R 1 = Q1 S1 = R1
L2 = v2 M2 = L2 N2 = M2 N
P2 = 3 2
Q2 = P2 R 2 = Q2 S2 = R2
L3 = v3 M3 = L3 N3 = M3 + M1 P3 = N3 Q3 = P3 R 3 = 2Q3 S3 = R3
L4 = v4 M4 = L4 N4 = M4 M1 P4 = N4 Q4 = P4 + 3P2 R4 = Q4 S4 = R4 + 32 R3
L5 = v5 M5 = L5 N5 = M5 P5 = N5 Q5 = P5 6P2 R5 = Q5 S5 = R5 R3
Substitumos agora todas as operaco~es realizadas para chegar em S4 e S5 que correspondem as
linhas nulas da matriz escalonada.
S4 = R4 + 32 R3 = Q4 + 32 ( 2Q3 ) = Q4 3Q3 = (P4 + 3P2 ) 3P3 = N4 + N2 3N3 =
(M4 M1 ) + M2 3(M3 + M1 ) = M4 3M3 + M2 4M1 = L4 3L3 + L2 2L1 = 0 ) L4 =
2L1 L2 + 3L3 ) v4 = 2v1 v2 + 3v3
S5 = R5 R3 = Q5 ( 2Q3 ) = (P5 6P2 ) + 2P3 = N5 6( N32 ) + 2N3 = M5 2M2 + 2(M3 +
M1 ) = M5 + 2M3 2M2 + 2M1 = L5 + 2L3 2L2 + L1 = 0 ) L5 = L1 + 2L2 2L3 )
v5 = v1 + 2v2 2v3
R8) Encontre a dimens~ao e uma base para o espaco W das soluco~es do sistema linear homog^eneo:
x +y z +t =0
x y +z t =0
3x + y z + t = 0
3x y + z t = 0
82 CAPITULO 4. BASE E DIMENSAO
~
.
Soluc~ao: Vamos determinar a forma escalonada da matriz do sistema:
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
1 1 1 1 0 2 2 2 0 1 1 1 0 1 1 1
3 1 1 1
! 0 2 2 2
! 0 2 2 2
! 0 0 0 0
3 1 1 1 0 4 4 4 0 4 4 4 0 0 0 0
x +y z +t =0
Essa ultima matriz equivale a y z + t = 0 cuja soluc~ao e y = z t e x = y + z t =
z + t + z t = 0. Assim, a soluc~ao geral do sistema e (0; z t; z; t ), 8z; t 2 R. Como
(0; z t; z; t ) = (0; z; z; 0) + (0; t; 0; t ) = z (0; 1; 1; 0) + t (0; 1; 0; 1), temos que uma base da
soluc~ao do sistema dado e
= f(0; 1; 1; 0); (0; 1; 0; 1)g:
R9) Encontre as bases da intersec~ao e da soma dos subespacos U = [(1; 2; 1; 1); (2; 3; 1; 0);
(3; 1; 1; 2)] e W = [(0; 4; 1; 3); (1; 0; 2; 6); (1; 0; 3; 5)].
Soluc~ao: Este problema e resolvido em varias etapas. Primeiramente, vamos encontrar uma base
da intersec~ao de U e W .
U e formado por todas as combinaco~es lineares dos vetores (1; 2; 1; 1); (2; 3; 1; 0) e (3; 1; 1; 2):
Logo,
U = fx (1; 2; 1; 1) + y (2; 3; 1; 0) + z (3; 1; 1; 2) j x; y; z 2 Rg
= f(x + 2y + 3z ; 2x + 3y + z ; x + y + z ; |x {z2z}) j x; y; z 2 Rg:
| {z } | {z } | {z }
Pelo mesmo motivo, W e o conjunto de todas as combinaco~es lineares de (0; 4; 1; 3);
(1; 0; 2; 6); e (1; 0; 3; 5). Da,
W = fr (0; 4; 1; 3) + s (1; 0; 2; 6) + t (1; 0; 3; 5) j r; s; t 2 Rg
= f(s| {z
+ t}; |{z}
4r ; |r 2{zs + 3t}; |3r 6{zs + 5t}) j r; s; t 2 Rg:
Se um vetor pertence a U \ W , ent~ao ele pertence simultaneamente a U e a W . Isso quer
dizer que nos pontos de intersec~ao, as coordenadas dos vetores de U coincidem com as dos
vetores de W , o que leva a resoluc~ao do seguinte sistema linear:
x + 2y + 3z = s + t
x + 2y + 3z s t=0
2x + 3 y + z = 4 r 2x + 3y + z 4r = 0
=)
x + y + z = r 2s + 3t
x + y + z r + 2s 3t = 0
x 2z = 3r 6s + 5t x 2z 3r + 6s 5t = 0
4.5. EXERCICIOS RESOLVIDOS 83
1 0 2 3 6 5 0 0 2 5 3 7 4 0
1 2 3 0 1 1 0 1 2 3 0 1 1 0
0 1 0
! 5 4 2 2 0
! 0 1 5 4 2 2
0 1 2 1 3 2 0 0 0 3 3 1 4 0
0 2 5 3 7 4 0 0 0 5 5 3 8 0
1 2 3 0 1 1 0 1 2 3 0 1 1 0
1 0
! 00 5 4 2 2 0
! 0 1 5 4 2 2
0 1 1 1 4 0 0 0 1 1 1 4 0
3 3 34 43
0 0 5 5 3 8 0 0 0 0 0 3 3 0
1 2 3 0 1 1 0
1 2 0
! 00 0
5 4
1 1
2
1 4 0
3 3
0 0 0 0 1 1 0
x + 2y + 3z s
t=0
e essa matriz escalonada corresponde ao sistema
y + 5z + 4 r 2s 2t = 0
cuja soluc~ao e:
z + r + 3s 4t = 0
3
s t=0
s = t , z = r 3s + 43t = r + t , y = 5z 4r +2s +2t = r t , x = 2y 3z + s + t = r + t .
linhas sejam formadas pelos vetores que geram U e W e escalonamos essa matriz.
1 2 1 1 1 2 1 1 1 2 1 1 1 2 1 1
2 3 1 0 0 1 1 2 1 2
0 1 1 2 0 1
2 0 5 0 5 2 5
S = 30 1
4
1
1 3
! 0 54 2
1 3
!
5 2 ! 0
0
5
1 3
0 4 1 3 4
1 0 2 6 0 2 3 7 0 2 3 7 0 2 3 7
1 0 3 5 0 2 2 4 0 2 2 4 0 2 2 4
1 2 1 1 1 2 1 1 1 2 1 1 1 2 1 1
0 1 1 2 0 1 1 2 0 1 1 2 0 1 1 2
5 5
! 00 0 3 5
!
0
0 1 3
!
0
0 1 3
!
0
0 1 53
0 3 5
0
0 3 5
0
0 0 0 0 0 0 1
0 0 1 3 0 0 1 3 0 0 0 4
0 0 0 0
34
0 0 4 8 0 0 4 8 0 0 0 3 0 0 0 0
As quatro linhas n~ao nulas dessa matriz escalonada podem ser escolhidas como uma base B de
U + W:
5
B = (1; 2; 1; 1); (0; 1; 1; 2); (0; 0; 1; ); (0; 0; 0; 1)
3
:
Outra base B 0 pode ser escolhida entre entre as linhas iniciais, antes do escalonamento da
matriz. Mas nesse caso, as quatro primeiras linhas n~ao podem ser escolhidas porque a quarta linha
se anulou no processo de escalonamento. Iisso signica que a quarta linha e dependente das tr^es
primeiras. O mesmo vale tambem para a sexta linha que tambem n~ao pode ser escolhida com as
tr^es primeiras.
B0 = f(1; 2; 1; 1); (2; 3; 1; 0); (3; 1; 1; 2); (1; 0; 2; 6)g:
Observac~ao: Pelo que
vimos acima, dim(U \ W ) = 2 e dim(U + W ) = 4. Escalonando-
temos
1 2 1 1 0 4 1 3
se as matrizes P = 2 3 1 0 eQ = 1 0 2 6, formadas pelas bases de U e W,
3 1 1 2 1 0 3 5
1 2 1 1 1 0 3 5
respectivamente, obtemos 0 1 1 2
e 0 1 1 3 . Logo, dim U = 3 e dim W = 3.
5 4 4
0 0 1 3 0 0 1 11
5
Sendo assim, a formula
dim(U + W ) = dim | {zW}
| {z U} + dim dim(U \ W )
| {z } | {z }
4 3 3 2
e vericada.
R10) Sejam U e W os seguintes subespacos de V = R4 :
U = f(a; b; c; d ) j 3b + 2c d = 0g;
4.5. EXERCICIOS RESOLVIDOS 85
W = = f(a; b; c; d ) j a 2b = 0; 5a + c + d = 0g:
Encontre a dimens~ao e uma base para U , W , U \ W e U + W .
Para determinar uma base de U + W devemos escalonar a matriz cujas linhas s~ao os vetores
das bases de U e W :
1 0 0 0
0 1 0 3
M =
0 0 1 2
2 1 0 10
0 0 1 1
Um escalonamento possvel e:
1 0 0 0 1 0 0 0 1 0 0 0
0 1 0
3
0
1 0 3 0 1 0 3
M ! 0 0 1 2 ! 0 0 1 2 ! 0 0 1 2
0 1 0 10 0 0 0 13 0 0 0 13
0 0 1 1 0 0 1 1 0 0 0 3
1 0 0 0 1 0 0 0
0 1 0 3
0 1 0 3
! 0 0 1 2
!
0
0 1 2
0 0 0 1 0 0 0 1
0 0 0 3 0 0 0 0
Da forma escalonada da matriz, conclumos que dim(U + W ) = 4 e, como dim R4 = 4 temos
que U + W = R4 . Uma base de U + W pode ser formada pelas quatro linhas n~ao nulas da
matriz escalonada:
B = f(1; 0; 0; 0); (0; 1; 0; 3); (0; 0; 1; 2); (0; 0; 0; 1)g
Outra opc~ao para base de U + W seria o conjunto formada pelas quatro primeiras linhas de
M (antes do escalonamento):
B0 = f(1; 0; 0; 0); (0; 1; 0; 3); (0; 0; 1; 2); (2; 1; 0; 10)g
Observac~ao 1: Como dim(U \ W ) > 0, temos que a soma U + W = R4 n~ao e uma soma direta.
Isso signica que cada vetor de R4 se escreve de innitos modos como soma de um elemento de U
com outro de W .
Observac~ao 2: 4 = dim(U + W ) = 3 + 2 1 = dim U + dim W dim(U \ W ):
6) Sejam V = F (R; R) e f , g , h tr^es vetores de V . Verique se esses vetores s~ao linearmente
independentes em cada um dos seguintes casos:
a) f (t ) = cos t , g (t ) = sen t , h(t ) = e t b) f (t ) = cos2 t , g (t ) = sen2 t , h(t ) = cos 2t
2 2
c) f (t ) = cos t , g (t ) = sen t , h(t ) = 5 d) f (t ) = e t , g (t ) = sen t , h(t ) = e t sen t
f) f (t ) = 1, g (t ) = t , h(t ) = t 2 g) f (t ) = t , g (t ) = t 2 , h(t ) = te t
Resp.: S~ao LI somente os casos a), d), f), g).
7) No espaco vetorial V = P3 dos polin^omios de grau 3, considere a base
= f1; 1 + t; (1 + t )2 ; (1 + t )3 g:
Calcule as coordenadas [v ] e [w ] sabendo que v = 4 + 3t t 2 + 2t 3 e w = 5 + t t 2 .
Resp.: [v ] = ( 2; 11; 7; 2), [w ] = (3; 3; 1; 0)
8) Mostre que os polin^omios p1 = 1 + 2x 3x 2 , p2 = 1 3x + 2x 2 e p3 = 2 x + 5x 2 formam uma
base do espaco P2 dos polin^omios de grau 2 e calcule as coordenadas de p = 2 9x 13x 2
na base = fp1 ; p2 ; p3 g.
Resp.: [p] = (1; 5; 4)
9) Considere os subespacos W1 e W2 de R3 denidos por W1 = f(x; y; z ) j z = x + y g e
W2 = [(0; 0; 1)] . Determine uma base e calcule a dimens~ao de W1 , W2 , W1 \ W2 e W1 + W2 . E
verdade que R3 = W1 W2 ?
Resp.: W1 = [(1; 0; 1); (0; 1; 1)], W2 = [(0; 0; 1)], W1 \ W2 = f(0; 0; 0)g, W1 + W2 = R3 ,
dim W1 = 2; dim W2 = 1, dim(W1 \ W2 ) = 0, dim(W1 + W2 ) = 3, a soma e direta.
88 CAPITULO 4. BASE E DIMENSAO
~
10) Sejam W1 e W2 subespacos de R3 dados por W1 = [(0; 1; 1); (1; 2; 1); (1; 3; 6)] e
W2 = f(x; y; z ) j x + y = 0; x z = 0g. Calcule dim W1 , dim W2 e verique se R3 = W1 W2 .
Resp.: W1 = [(0; 1; 1); (0; 1; 1)]; W2 = [(1; 1; 1)], dim W1 = 2; dim W2 = 1, a soma e direta.
11) Considere os subespacos de R4 denidos por W1 = f(x; y; z; t ) j x + y = 0 e z t = 0g e
W2 = f(x; y; z; t ) j x y z + t = 0g. Determine uma base e calcule a dimens~ao de cada um dos
subespacos W1 , W2 , W1 + W2 e W1 \ W2 . E verdade que R4 = W1 W2 ?
Resp.: W1 = [(1; 1; 0; 0); (0; 0; 1; 1)]; W2 = [(1; 0; 0; 1); (0; 1; 0; 1); (0; 0; 1; 1)]; W1 \ W2 =
[(0; 0; 1; 1)]; W1 + W2 = [(1; 1; 0; 0); (0; 0; 1; 1); (1; 0; 0; 1); (0; 1; 0; 1)]; dim W1 = 2, dim W2 =
3, dim(W1 \ W2 ) = 1, dim(W1 + W2 ) = 4; a soma n~ao e direta.
12) Determine
uma
base e a dimens~ seguintessubespacos de M (2
aode cada um dos ; 2):
a) W1 =
a b j b = a + c; d = c b) W =
a b j a 5b + c = 0
c d 2 c d
c) W3 =
a b j c = a 3b; d = 0 d) W4 =
a b j a+d =b+c
c d c d
a b a b j a + b = 0; c d = 0
e) W5 = c d j b = c
f) W6 =
c d
Resp.: a) dim W1 = 2, W1 = 0 0 ;
1 1 0
1
1
1
b) dim W2 = 3, W2 =
1
1
0
0
;
0
5
1
0
;
0
0
0
1
c) dim W3 = 2, W3 =
1
1
0
0
;
0
3
1
0
d) dim W4 = 3, W4 =
1
0
0
1
;
0
0
1
1
;
0
1
0
1
e) dim W5 = 3, W5 =
1
0
0
0
;
0
1
1
0
;
0
0
0
1
f) dim W6 = 2, W6 =
1
0 0
1
;
0
1
0
1
13) Determine uma base e calcule a dimens~ao do subespaco W de M (3; 3) formado pelas matrizes
simetricas, ou seja, as matrizes M de ordem 3 3 tais que M t = M .
dim W =
Resp.: 6,
1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0
W = 0 0 0 ; 1 0 0 ; 0 0 0 ; 0 1 0 ; 0 0 1 ; 0 0 0
0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 1
Transformaco~es Lineares
Neste captulo, denimos um tipo especial de func~ao que e chamada de transformac~ao linear,
exploramos sua relac~ao com o conceito de matriz e seus principais elementos como o nucleo e a
imagem. Denimos tambem o conceito de isomorsmo entre espacos vetoriais, uma ideia que e
fundamental em Algebra.
*
Tambem chamado de operador linear
91
92 CAPITULO 5. TRANSFORMAC ~
OES LINEARES
Observac~ao: Note que, nesse exemplo anterior, T (0; 0) = (0; 0). Sendo assim, quando T (0) = 0
temos que realizar outros testes para descobrir se T e linear ou n~ao.
Exemplo 5.6 Seja T : R3 ! R3 , T (x; y; z ) = (y; x; 0). Vamos vericar se T e linear. Sejam
v = (x1 ; y1 ; z1 ) e w = (x2 ; y2 ; z2 ) dois elementos genericos do R3 e k 2 R um escalar qualquer.
Temos que:
T (v + w ) = T (x1 + y1 ; x2 + y2 ; x3 + y3 ) = (x2 + y2 ; x1 + y1 ; 0) = (y1 ; x1 ; 0) + (y2 ; x2 ; 0) =
T (x1 ; y1 ; z1 ) + T (x2 ; y2 ; z2 ) = T (v ) + T (w );
T (kv ) = T (kx1 ; ky1 ; kz1 ) = (ky1 ; kx1 ; 0) = k (y1 ; x1 ; 0) = kT (x1 ; y1 ; z1 ) = kT (v ).
Assim, conclumos que T e uma transformac~ao linear de R3 em R3 .
Exemplo 5.7 Seja V = P o espaco vetorial de todos os polin^omios na variavel x , qualquer que seja
o grau, e D : V ! V a \transformac~ao derivada" denida por D(f ) = f 0 (x ). Por exemplo,
D(x 5 ) = 5x 4 e D(x 2 5x + 6) = 2x 5. Essa transformac~ao derivada e linear porque
D(f + g ) = (f + g )0 (x ) = (f 0 + g 0 )(x ) = f 0 (x ) + g 0 (x ) = D(f ) + D(g )
e
D(kf ) = (kf )0 (x ) = kf 0 (x ) = kD(f );
8k 2 R e 8f ; g 2 V .
Exemplo 5.8 Seja V = P o conjunto de todos os polin^omios na variavel x e I : V ! R a
x5 1 1
Z 1
\transformac~ao integral" denida por I (f ) = f (x ) dx . Por exemplo, I (x 4 ) = 5 = 5 : Essa
0 0
transformac~ao integral e linear porque
Z 1 Z 1 Z 1
I (f + g ) = (f (x ) + g (x )) dx = f (x ) dx + g (x ) dx = I (f ) + I (g )
0 0 0
94 CAPITULO 5. TRANSFORMAC ~
OES LINEARES
e Z 1 Z 1
I (kf ) = (kf (x )) dx = k f (x ) dx = kI (f );
0 0
8k 2 R e 8f ; g 2 V .
Observac~ao: As operaco~es mais importantes do Calculo, tais como calculo de derivadas, integrais,
gradiente, divergente, rotacional, laplaciano, s~ao todos exemplos de transformaco~es lineares.
Exemplo 5.9 Seja A 2 M (m; n) uma matriz m n de elementos reais e consideremos
T : Rn ! Rm , T (v ) = Av t . Note que v t e o vetor v escrito na forma de coluna. A func~ao T
assim denida e linear porque
T (v + w ) = A(v + w )t = A(v t + w t ) = Av t + Aw t = T (v ) + T (w ); 8v; w 2 Rn ;
T (kv ) = A(kv )t = Akv t = kAv t = kT (v ), 8v 2 Rn , 8k 2 R.
Desse modo, toda matriz
pode ser
associada a uma transformac~
ao linear.
2 3 5
Por exemplo, A = 2 4 8 e uma matriz 2 3 que pode ser associada a transformac~ao
2 3 5
2 3 5
x
T : R3 ! R2 ; T (x; y; z ) = 1 4 8
(x; y; z )t =
2 4 8
y
z
) T (x; y; z ) = (2x + 3y + 5z; 2x + 4y + 8z ):
4 3 2 6
1 5 6 1
Outro exemplo, B =
7 10 8 2
e uma matriz 5 4 que pode ser associada a
1 0 11 4
2 9 0 7
4 3 2 6
1 5 6 1
x
y
T : R4 ! R5 denida por T (x; y; z; t ) =
7 10 8 z ; ou seja,
2
1 0 11 4
2 9 0 7
t
T (x; y; z; t ) = (4x + 3y + 2z + 6t; x 5y + 6z + t; 7x + 10y + 8z 2t; x + 11z 4t; 2x + 9y 7t ):
v 2 V , ent~ao para calcular T (v ), basta escrever v como combinac~ao linear dos vetores da base
v = a1 v1 + a2 v2 + + an vn e, depois, calcular T (v ) = a1 T (v1 ) + a2 T (v2 ) + + an T (vn ).
Exemplo 5.10 Determine T (x; y ) sabendo que T : R2 ! R2 e linear e T (1; 0) = (4; 6) e
T (1; 1) = ( 7; 10).
Soluc~ao: Escrevendo (x; y ) como combinac~ao linear de (1; 0) e (1; 1), obtemos que
(x; y ) = (x y )(1; 0) + y (1; 1). Aplicando a func~ao T nos dois lados dessa igualdade, T (x; y ) =
T ((x y )(1; 0)+ y (1; 1)) = (x y )T (1; 0)+ yT (1; 1) = (x y )(4; 6)+ y ( 7; 10) = (4x 4y; 6x
6y ) + ( 7y; 10y ) e da obtemos nalmente que
Solu
c~ao: Se (x; y; z ) 2 N (T ), ent~ao T (x; y; z ) = (0; 0) ) (x y + 4z; 3x + y + 8z ) = (0; 0)
) 3xx + yy + 4z = 0
+ 8z = 0
Somando-se as duas equaco~es desse sistema, obtemos 4x = 12z ) x =
3z e substituindo o valor de x em uma das equaco~es, obtemos y = z . Portanto, escolhendo z
como variavel livre, a soluc~ao do sistema e ( 3z; z; z ) = z ( 3; 1; 1). Obtivemos assim que o
nucleo de T e N (T ) = f( 3z; z; z ) j z 2 Rg = [( 3; 1; 1)].
8v; w 2 V; T (v ) = T (w ) ) v = w:
Por exemplo, T : R2 ! R2 , T (x; y ) = (4x; 3x + y ) e injetora porque se (a; b); (c; d ) 2 R2 e
T (a; b) = T (c; d ), ent~ao (4a; 3a + b) = (4c; 3c + d ) ) 4a = 4c; 3a + b = 3c + d ) a = c; b = d
) (a; b) = (c; d ) ) T e injetora.
5.3. NUCLEO E IMAGEM 97
Teorema 5.3.1 Uma transformac~ao linear T : V !W e injetora se, e somente se, N (T ) = f0g.
Demonstrac~ao: O smbolo que representa o \se, e somente se" e uma seta dupla (). Assim, a
demonstrac~ao consiste de duas partes: uma \ida" (=)) e uma \volta" ((=)
()) Suponhamos T injetora e v 2 N (T ). Ent~ao T (v ) = 0 = T (0) ) v = 0 ) N (T ) = f0g.
(() Suponhamos agora N (T ) = f0g e T (v ) = T (w ). Ent~ao T (v w ) = T (v ) T (w ) = 0 )
v w 2 N (T ) ) v w = 0 ) v = w . Logo, T e injetora.
Exemplo 5.14 Determine a dimens~ao e uma base para a imagem de T : R3 ! R3 que e denida
por T (x; y; z ) = (x + 2y z; y + 2z; x + 3y + z ).
Solu
c~ ao: Se (x; y; z ) 2 N (T ); ent~ao T (x; y; z ) = (0; 0; 0) ) (x 3y; x z; z x ) = (0; 0; 0) )
x 3y = 0
x z = 0 cuja soluc~ao e x = z e y = x3 = z3 ; portanto, (z; z3 ; z ), e soluc~ao geral do sistema
z x =0
com variavel livre z 2 R. Assim, N (T ) = f(z; z3 ; z ) j z 2 Rg = [(1; 31 ; 1)], e da, uma base do
nucleo e = f(1; 13 ; 1)g ) dim N (T ) = 1.
A imagem de T e o conjunto
Im(T ) = f(x 3y; x z; z x ) j x; y; z 2 Rg = f(x; x; x )+( 3y; 0; 0)+(0; z; z ) j x; y; z 2 Rg
= fx (1; 1; 1) + y ( 3; 0; 0) + z (0; 1; 1) j x; y; z 2 Rg = [(1; 1; 1); ( 3; 0; 0); (0; 1; 1)]:
Para saber quais s~ao os vetores independentes, escalonamos a matriz cujas linhas s~ao esses vetores.
1 1 1 1 1 1 1 1 1 1 1 1
3 0 0 ! 0 3 3 ! 0 1 1 ! 0 1 1
0 1 1 0 1 1 0 1 1 0 0 0
Portanto, uma base de Im(T ) e formada pelas duas primeiras linhas de qualquer uma dessas matri-
zes, por exemplo = f(1; 1; 1); (0; 1; 1)g. Como a base encontrada tem 2 elementos, temos
que dim Im(T ) = 2.
Observac~ao 1: Podemos multiplicar qualquer vetor de uma base por qualquer constante n~ao
nula e o resultado ainda continua sendo um vetor da base. Por exemplo, podemos multiplicar o
vetor da base de N (T ) por 3 que o resultado e outra base de N (T ): 0 = f(3; 1; 3)g:
Observac~ao 2: Note que dim N (T ) + dim Im(T ) = 1 + 2 = 3 = dim R3 = dim V .
Como T (v1 ), T (v2 ), . . . , T (vm ) 2 W , eles s~ao combinaco~es lineares dos vetores de :
T (v1 ) = a11 w1 + a21 w2 + + an1 wn
T (v2 ) = a12 w1 + a22 w2 + + an2 wn
.. .. ..
. . .
T (vm ) = a1m w1 + a2m w2 + + anm wn
A transposta da matriz dos coecientes aij acima e denida como sendo a matriz de T com
relac~ao as bases e , denotada por [T ] :
a11 a12 : : : a1n
a21 a22 : : : a2n
[T ] = .. .. . . . ..
. . .
am1 am2 : : : amn
Quando = , denotamos [T ] por [T ] e, as vezes, simplesmente por [T ].
Observac~ao: Da maneira como e denida, as colunas da matriz [T ] s~ao as coordenadas de
T (v1 ); : : : ; T (vn ) com relac~ao a base :
Exemplo 5.16 Sejam T : R2 ! R2 , T (x; y ) = (3x 4y; x + 5y ), = f(1; 0); (0; 1)g e
= f(1; 3); (2; 5)g bases de R2 . Determine [T ] .
Soluc~ao: Iniciamos aplicando T nos vetores da base e escrevendo cada resultado como com-
binac~ao linear dos vetores de , ou seja, determinamos suas coordenadas com relac~ao a . Ao
longo da resoluc~ao desse tipo de problema, aparecem alguns sistemas lineares para se resolver.
T (1; 0) = (3; 1) = a(1; 3) + b(2; 5) = (a + 2b; 3a + 5b)
) 3aa ++ 52bb =
=1
3
) a = 13; b = 8;
T (0; 1) = ( 4; 5) = c (1; 3) + d (2; 5) = (c + 2d; 3c + 5d )
) c3+c +2d5d== 54 ) c = 30; d = 17;
5.4. MATRIZES E TRANSFORMAC ~
OES LINEARES 101
13 30
Portanto, [T ] = .
8 17
Soluc~ao:
T (1; 0; 0) = (4; 6; 0) = 4(1; 0; 0) + 6(0; 1; 0) + 0(0; 0; 1)
T (0; 1; 0) = (3; 1; 2) = 3(1; 0; 0) 1(0; 1; 0) + 2(0; 0; 1)
T (0; 0; 1) = (5; 7; 1) = 5(1; 0; 0) + 7(0; 1; 0) + 1(0; 0; 1)
4 3 5
Logo, [T ] = 6 1 7.
0 2 1
Observac~ao 1: Quando as bases dos espacos s~ao bases can^onicas (como neste exemplo), ent~ao
os calculos se tornam extremamente simples, n~ao ha necessidade de resolver sistemas lineares. A
matriz [T ] pode ser escrita diretamente a partir dos coecentes das variaveis na denic~ao da func~ao
.
4 3 5 x
Observac~ao 2:
E verdade que T (x; y; z ) = 6 1 7 y . De um modo geral, e valida a
| {z }
T (v ) 0 2 1 z
| {z } |{z}
[T ] vt
seguinte igualdade: [T (v )] = [T ] [v ]t , onde T : V !W e linear, base de V e base de W .
Exemplo 5.18 Sejam T : R5 ! R3 denida por
T (x; y; z; r; s ) = (4x + 5y 8z + 2r 3t; 2x y + 4z + 11t 13t; 7x + 4z 6r + t );
= f(1; 0; 0; 0; 0); (0; 1; 0; 0; 0); (0; 0; 1; 0; 0); (0; 0; 0; 1; 0); (0; 0; 0; 0; 1)g base de R5 e
= f(1; 0; 0); (0; 1; 0); (0; 0; 1)g base de R3 . Determine [T ] .
Soluc~ao: Como as bases e s~ao bases can^onicas, ent~ao podemos escrever imediatamente a
resposta da quest~ao, bastando olhar os coecientes das variaveis x; y; z; r; s :
4 5 8 2 3
[T ] = 2 1 4 11 13
7 0 4 6 1
102 CAPITULO 5. TRANSFORMAC ~
OES LINEARES
Observac~ao 1: Note que o produto das matrizes [F ] e [G ] coincide com a matriz da composta:
[F G ] = [F ][G ] e [G F ] = [G ][F ]. Essa e uma propriedade que vale para quaisquer transformaco~es
lineares e quaisquer bases.
Observac~ao 2: Quando F = G , a composta F G = F F e denotada por F 2 . Em geral, dado
n inteiro positivo, denimos F n = F| F {z F}.
n vezes
T (T 1 (w )) = T (v ) = w e T 1 (T (v )) = T 1 (w ) = v . E assim, T T 1 = I e T 1 T = I , onde
I e a func~ao identidade I (v ) = v , 8v .
Denic~ao 5.6 Uma transformac~ao linear bijetora e denominada um isomorsmo. Dizemos que
um espaco vetorial V e isomorfo a outro espaco vetorial W quando existir um isomorsmo T :
V !W .
Teorema 5.5.1 Seja T : V ! W linear e bijetora. Ent~ao T 1 : W ! V tambem e linear.
Demonstrac~ao: Sejam v; w 2 W . Ent~ao, T 1 (v ) = r e T 1 (w ) = s pertencem a V e v = T (r ),
w = T (s ) ) T 1 (av + bw ) = T 1 (aT (r ) + bT (s )) = T 1 (T (ar + bs )) = I (ar + bs ) = ar + bs =
aT 1 (v ) + bT 1 (w ), para quaisquer escalares a; b. Conclumos assim que T 1 e linear.
Observac~ao: Dois espacos vetoriais de mesma dimens~ao nita sempre s~ao isomorfos.
R2) Se fv1 ; v2 ; : : : ; vn g e base de V , mostre que Im(T ) = [T (v1 ); T (v2 ); : : : ; T (vn )].
Soluc~ao: Seja w 2 Im(T ). Pela denic~ao de imagem, existe v 2 V tal que w = T (v ). Como
fv1; v2; : : : ; vn g e base de V , existem escalares a1; a2; : : : ; an tais que v = a1v1 +a2v2 + +an vn o que
implica T (v ) = w = a1 T (v1 ) + a2 T (v2 ) + + an T (vn ): Isso signica que T (v1 ); T (v2 ); : : : ; T (vn )
geram a imagem de T e e o que queramos demonstrar.
R3) Sejam V um espaco vetorial e = fv1 ; ; vn g uma base de V e T : V !V linear tal
que T (v1 ) = v2 , T (v2 ) = v3 ; : : : ; T (vn 1 ) = vn , T (vn ) = 0. Determine [T ] .
Observac~ao: Para vericar que esse resultado esta correto, basta calcular T (T 1 (x; y; z; t )) e
T 1 (T (x; y; z; t )) e observar que a resposta e (x; y; z; t ).
x 2 0 3
3 3
R5) Seja T : R ! R denida por T (x; y; z ) = M y , onde M = 5 4 3. Verique se
z 0 0 1
2 0 3
T e um isomorsmo e calcule T 1 . E se M = 5 4 3?
7 4 6
2 0 3
Soluc~ao: A matriz M
= 5 4 3 possui determinante igual a 8 que e diferente de 0. Logo, M
0 0 1
possui inversa e, consequentemente, T e um isomorsmo. Como T 1 e a inversa de T , e a matriz
de T e M , ent~ao a matriz de T 1 e M 1 , a matriz inversa de M . Usando qualquer metodo para
1 0 3
2 2
calcular matriz inversa, obtemos M 1 = 85 14 98 . Portanto,
0 0 1
x 3z 5x + 2 y + 9 z
T 1 (x; y; z ) = 2
; 8
; z :
2 0 3
Se fosse M = 5 4 3, como o determinante de
M e nulo, M n~ao seria invertvel e, conse-
7 4 6
quentemente, T tambem n~ao teria inversa.
Observac~ao: Um metodo muito eciente para se calcular matriz inversa e atraves de escalona-
110 CAPITULO 5. TRANSFORMAC ~
OES LINEARES
x a x a x a
1 1 1
mento de matriz. Se M y = b , ent~ao (M M ) y = M b ) y = M b.
z c z c z c
| {z } | {z }
() ()
Essa implicac~ao signica o seguinte: iniciamos com um sistema linear (*) cuja matriz dos coe-
cientes e M . Nesse sistema, se isolarmos os valores de x; y; z , ent~ao o sistema linear que resulta
1
dessa opera
c~ao (**) a M . Por
tem matriz de coecientes igual exemplo, para calcular a inversa
2 0 3 2 0 3 a
de M = 5 4 3, iniciamos com a matriz N = 5 4 3 b e fazemos o seu escalonamento:
0 0 1 0 0 1 c
a 3 a
1 0 32 2a 1 0 3
29 1 0 29 2b 52a
N ! 5 4 3 b ! 0 4 52a !
2 b 2 0 1 8 8 :
0 0 1 c 0 0 1 c 0 0 1 c
x + 32 z = 2a
Essa ultima matriz equivale a y 89 z = 2b 8 5a ) z = c; y = 89 z + 2b 8 5a = 58 a + 41 b + 98 c )
z =c
a 3 a 3
x = 2 2 z = 2 2 c . Escrevendo essas tr^es ultimas equaco~es em formade equac~ao matricial,
1 3 1 0 3
x 25 01 29 a 2 2
obtemos y = 8 4 8 b. Portanto, M 1 = 85 14 98 . Esse e apenas mais
z 0 0 1 c 0 0 1
| {z }
M 1
um metodo para se calcular matriz inversa.
R6) Sendo S; T : R3 ! R3 denidas por S (x; y; z ) = (3x; 2y; 4x z ) e
T (x; y; z ) = (z; x + y; 2x z ). Determine [S T ]; [T S ]; (S T )(x; y; z ) e (T S )(x; y; z ).
Soluc~ao: O problema n~ao menciona bases; logo, podemos supor que se trata da base can^onica
do R3 : f(1; 0; 0); (0; 1; 0); (0; 0; 1)g. Dessa forma, para se obter a matriz de uma transforma
c~ao
3 0 0
linear dada, basta observar quais s~ao os coecientes de x; y; z . Portanto, [S ] = 0 2 0 e
4 0 1
0 0 1
[T ] = 1 1 0.
2 0 1
Para se obter as matrizes das compostas, basta multiplicar as matrizes de S e T :
3 0 0 0 0 1 0 0 3
[S T ] = [S ][T ] = 0 2 0 1 1 0 = 2 2 0 ;
4 0 1 2 0 1 2 0 5
5.6. EXERCICIOS RESOLVIDOS 111
0 0 1 3 0 0 4 0 1
[T S ] = [T ][S ] = 1 1
0 0 2
0 = 3 2 0 ;
2 0 1 4 0 1 2 0 1
Uma vez obtidas essas matrizes, agora e so escrever as funco~es:
(S T )(x; y; z ) = (3z; 2x + 2y; 2x + 5z ) e (T S )(x; y; z ) = (4x z; 3x + 2y; 2x + z ).
Observac~ao: As compostas tambem poderiam ser obtidas atraves da substituic~ao das coordenadas
de uma func~ao na outra. Por exemplo: (S T )(x; y; z ) = S (T (x; y; z )) = S (z; x + y; 2x z ) =
(3z; 2(x + y ); 4z (2x z )) = (3z; 2x + 2y; 2x + 5z ):
R7) Determine o nucleo e a imagem de T : R4 ! R3 linear sabendo que T (3; 0; 0; 0) = (0; 3; 3),
T (0; 4; 0; 0) = (4; 0; 4), T (0; 0; 7; 0) = (7; 7; 0) e T (0; 0; 0; 5) = (5; 0; 5).
Soluc~ao: Sejam (x; y; z; t ) um vetor generico de R4 . Escrevendo esse vetor como combinac~ao
linear dos vetores (3; 0; 0; 0), (0; 4; 0; 0), (0; 0; 7; 0) e (0; 0; 0; 5), obtemos:
x y z t
(x; y; z; t ) = (3; 0; 0; 0) + (0; 4; 0; 0) + (0; 0; 7; 0) + (0; 0; 0; 5):
3 4 7 5
Aplicando T aos dois lados dessa equac~ao:
x y z t
T (x; y; z; t ) = 3 T (3; 0; 0; 0) + 4 T (0; 4; 0; 0) + 7 T (0; 0; 7; 0) + 5 T (0; 0; 0; 5);
ou seja, T (x; y; z; t ) = x (0; 3; 3) + y (4; 0; 4) + z (7; 7; 0) + t (5; 0; 5)
3 4 7 5
) T (x; y; z; t ) = (y + z + t; x + z; x + y + t ).
Se (x; y; z; t ) 2 N (T ), ent~ ao T (x; y; z; t ) = (0; 0; 0) ) (y + z + t; x + z; x + y + t ) = (0; 0; 0) )
y + z + t = 0
x + z = 0 . Subtraindo-se a primeira da terceira equac~ao desse sistema, obtemos x = z .
x +y +t =0
Substituindo x = z na segunda equac ao, obtemos 2x = 0 ) x = 0 ) z = 0. Assim, a primeira
equac~ao se torna 0 + y + t = 0 ) y = t . Obtivemos assim a soluc~ao do sistema como sendo
(0; t; 0; t ), t variavel livre. Portanto, o nucleo de T e
N (T ) = f(0; t; 0; t ) j t 2 Rg = ft (0; 1; 0; 1) j t 2 Rg = [(0; 1; 0; 1)]
4 3
| {zR} ) dim Im(T ) = 3 ) Im(T ) = R .
e da, dim N (T ) = 1. Como dim N (T ) + dim Im(T ) = dim
| {z }
=1 =4
2 5 4
R8) Calcule T (6; 5) sabendo que T : R2 ! M (2; 3) e linear e T (1; 1) =
0 11 1
e
1 2 8
T (4; 4) = 5 5 0
.
112 CAPITULO 5. TRANSFORMAC ~
OES LINEARES
Soluc~ao: A resoluc~ao consiste em escrever (6; 5) como combinac~ao linear de (1; 1) e (4; 4) e
depois aplicar T nos dois lados da equac~ao. Sejam a e b escalares
tais que (6; 5) = a(1; 1) +
a + 4b = 6
b(4; 4) ) (6; 5) = (a + 4b; a + 4b) e isso leva ao sistema a + 4b = 5 cuja soluc~ao e a = 21
e b = 118 . Desse modo, obtemos
que(6; 5)= 12 (1; 1) + 118 (4; 4) ) T (6; 5) = 12 T(1; 1) +
19 1 13
11 T (4; 4) ) T (6; 5) = 1 2 5 4 + 11 1 2 8 ) T (6; 5) = 558 114 1 .
8 2 0 11 1 8 5 5 0 8 8 2
R9) Obtenha a matriz de rotac~ao R de um ^angulo de um ponto P = (a; b) em torno da origem,
no sentido anti-horario.
Soluc~ao: Aplicamos I em cada vetor de e escrevemos o resultado como combinac~ao linear dos
vetores de :
4a 4b = 2
I (2; 3) = (2; 3) = a(4; 0) + b( 4; 10) )
10b = 3
4c 4d = 1
I (1; 5) = (1; 5) = c (4; 0) + d ( 4; 10) )
10d = 5
Resolvendo
ossistemas
4
lineares
obtidos, temos que a = 54 , b = 103 , c = 14 e d = 12 . Portanto,
a c 1
[I ] = 5 4
b d = 103 12 .
Observac~ao: Note que, neste caso, apesar da func~ao ser a func~ao identidade, a matriz obtida n~ao
e a matriz identidade. Isso se deve ao fato das bases dos espacos n~ao serem can^onicas.
R11) Seja W o subespaco de V = F (R; R) cuja base e = fe 2x ; xe 2x ; cos(3x ); sen(3x )g.
Determine [D] , onde D : W ! W , D(f ) = f 0 e a transformacao derivada.
Soluc~ao: Aplicamos D a cada elemento da base e escrevmos o resultado como combinac~ao linear
dos elementos dessa mesma base:
D(e 2x ) = (e 2x )0 = 2e 2x = 2 e 2x + 0 xe 2x + 0 cos(3x ) + 0 sen(3x )
D(xe 2x ) = (xe 2x )0 = e 2x + 2xe 2x = 1 e 2x + 2 xe 2x + 0 cos(3x ) + 0 sen(3x )
D(cos(3x )) = (cos(3x ))0 = 3 sen(3x ) = 0 e 2x + 0 xe 2x + 0 cos(3x ) 3 sen(3x )
D(sen(3x )) = (sen(3x ))0 = 3 cos(3x ) = 0 e 2x + 0 xe 2x + 3 cos(3x ) + 0 sen(3x )
2 1 0 0
0 2 0 0
Dessa forma, obtivemos que [D] =
0 0 0
.
3
0 0 3 0
Z 1
R12) Seja T : P4 ! R uma transformac~ao linear denida por T (f ) = f (t ) dt . Determine a
0
matriz de T com relac~ao as bases = f1; t +1; t 2 +t +1; t 3 +t 2 +t +1; t 4 +t 3 +t 2 +t +1g e = f1g.
Soluc~ao: Para que os vetores (0; 5; 0; 0) e (0; 0; 0; 4) facam parte do nucleo de T , e preciso
que T (0; 5; 0; 0) = (0; 0; 0; 0; 0) e T (0; 0; 0; 4) = (0; 0; 0; 0; 0).
Acrescentamos agora dois vetores ao conjunto B com o objetivo de obter uma base do domnio
4
R . Por exemplo, podemos acrescentar os vetores (1; 0; 0; 0) e (0; 0; 1; 0). Assim, construmos a
seguinte base para R4 :
= f(0; 5; 0; 0); (0; 0; 0; 4); (1; 0; 0; 0); (0; 0; 1; 0)g:
Escolhemos agora qualquer vetor n~ao nulo como sendo imagem desses vetores de que foram acres-
centados ao conjunto B . Por exemplo, escolhemos T (1; 0; 0; 0) = (1; 1; 1; 1; 1) e T (0; 0; 1; 0) =
(2; 2; 2; 2; 2). Para concluir, escrevemos (x; y; z; t ) como combinac~ao linear dos vetores de e
aplicamos T :
y t
(x; y; z; t ) = (0; 5; 0; 0) + (0; 0; 0; 4) + x (1; 0; 0; 0) + z (0; 0; 1; 0)
5 4
) T (x; y; z; t ) = 5 T (0; 5; 0; 0) + 4t T (0; 0; 0; 4) + xT (1; 0; 0; 0) + zT (0; 0; 1; 0)
y
R14) D^e exemplo de T : R5 ! R3 linear cuja base da imagem seja f(1; 2; 3); (0; 4; 1)g.
e) U = V = R, T (x ) = x x 2 f) U = R, V = R3 , T (x ) = (2x; 3x; 4x )
Resp.: Somente (b) e (e) n~ao s~ao lineares.
2) Seja T : R3 ! R2 uma transformac~ao linear tal que T (1; 0; 0) = (2; 3), T (1; 1; 0) = (1; 1) e
T (0; 1; 1) = (1; 0). Calcule T (2; 3; 5). Resp.: T (2; 3; 5) = (17; 22)
3) Determine v 2 R2 tal que T (v ) = (1; 1) sabendo que T e uma transformac~ao linear de R2
em R2 tal que T (3; 0) = (1; 3) e T (0; 5) = (3; 1) . Resp.: v = ( 23 ; 52 )
116 CAPITULO 5. TRANSFORMAC ~
OES LINEARES
6) Seja D : V ! V o operador derivac~ao (ou seja, D(f ) = f 0 ). Calcule [D]B em cada caso:
a) V = Pn , B = f1; x; x 2 ; : : : ; x n g b) V = [sen x; cos x ], B = fsen x; cos x g
c) V = [e ; e ; xe ]; B = fe ; e ; xe g d) V = [1; e x ; e x ; e 3x ]; B = f1; e x ; e x ; e 3x g
x 2 x 2 x x 2 x 2 x
Resp.:
0 1 0 0 0
0 0 2 0
0
0 0 0 3
0
a) [D ]B = .. .. . . . ...
. .
0 0 0 0 n
0 0 0 0 0 (n+1)(n+1)
0 0 0 0
1 0 0
0 1 0 1 0 0
b) [D]B = 1 0 , c) [D]B = 0 2 1 , d) [D]B =
0 0 1 0
0 0 2
0 0 0 3
7) Seja T : R2 ! R2 denida por T (x; y ) = (x + 2y; y 5x ) e B = f(1; 1); (1; 0)g. Mostre que
[T ]B [v ]B = [T (v )]B , 8v 2 R2 . Escreva
[v ]B e [T (v )]B na
forma de
matriz-coluna.
2 y y 5x
Resp.: v = (x; y ) 2 R , [v ]B = x y , [T (v )]B = y + 6x , [T ]B = 7 6 . A partir
4 5
y 5x 4 5 y
da obtemos y + 6x = 7 6 x y , ou seja, [T (v )]B = [T ]B [v ]B .
8) Seja B = uma base do R3 e f : R3
fv1; v2; v3g ! R3 linear tal que f (v1 ) = 3v3 ,
f (v2 ) = v1 v2, f (v3 ) = 2v1 v3 . Calcule [f ]B .
0 1 2
Resp.: [f ]B = 0 1 0
3 0 1
5.7. EXERCICIOS PROPOSTOS 117
13) D^e exemplo de uma T : R4 ! R3 linear cuja imagem seja gerada por (1; 1; 0) e (0; 2; 1).
Resp.: Ha uma innidade de respostas corretas, uma e T (x; y; z; w ) = (x + y; x + y + 2z +
2w; z + w ).
1 0 3 0
14) Seja T : R4 ! R3 linear cuja matriz com relac~ao as bases can^onicas e 0 2 6 1 .
4 4 0 1
Determine o nucleo e a imagem de T e verique que dim(N (T )) + dim(Im(T )) = dim(R4 ).
Resp.: T (x; y; z; t ) = (x + 3z; 2y 6z + t; 4x 4y + t ), Im(T ) = [(1; 0; 4); (0; 1; 2); (0; 0; 1)],
N (T ) = [(3; 3; 1; 0)], dim(Im(T )) = 3, dim(N (T )) = 1
15) Mostre que n~ao existe T : R5 ! R4 linear injetora, e nem T : R4 ! R5 linear sobreje-
tora. Resp.: Se existisse T : R5 ! R4 linear injetora, ent~ao teramos dim(N (T )) = 0 e da
dim(Im(T )) = 5, o que e absurdo. Por outro lado, se existisse T : R4 ! R5 linear sobrejetora,
ent~ao teramos dim(Im(T )) = 5 e da dim(N (T )) +5 = 4, que tambem e absurdo.
| {z }
0
16) Existe transformac~ao linear T : V ! W sobrejetora tal que dim W > dim V ? Justique sua
resposta. Resp.: N~ao existe tal transformac~ao linear. Se existisse, dim(N (T )) = dim V dim W ,
| {z }
0
e da, dim V dim W o que e absurdo.
Z 1
17) Seja T : P2 ! R uma transformac~ao linear denida por T (f ) = f (t ) dt . Determine a
1
matriz de T com relac~ao as bases = f1; t; t 2 g e = f1g.
Resp.: [T ] = [2 0 23 ]
118 CAPITULO 5. TRANSFORMAC ~
OES LINEARES
18) Se dim V = n e T : V ! V e linear tal que Im(T ) = N (T ), ent~ao mostre que n e par. D^e um
exemplo de uma tal T quando n = 4. Resp.: dim V = dim(N (T ))+dim(Im(T )) = m + m = 2m,
um exemplo e T (x; y; z; t ) = (z; t; 0; 0).
19) Seja T : R3 ! R3 a transformac~ao linear denida por T (x; y; z ) = (2x; 4x y; 2x + 3y z ).
Se for possvel, encontre a inversa T 1 .
Resp.: T 1 (x; y; z ) = ( x2 ; 2x y; 7x 3y z )
20) Seja T : P2 ! P2 a transformac~ao linear que satisfaz T (x 2 ) = x 2 2x + 1, T (x ) = x 1
e T (1) = x . Calcule T (4x 2 5) e verique se T e um isomorsmo.
21) Seja = fu; v g uma base do R2 e T : R2 ! R2 a transformac~ao linear que satisfaz
T (u v ) = 3v e T (u + 2v ) = u v . Determine [T ] e verique se T e um isomorsmo.
1 1
Resp.: [T ]B = 35 34
3 3
22) Seja T : P2 ! P2 a transformac~ao linear denida por T (p(x )) = p(x ) + xp0 (x ). Mostre
que T e um isomorsmo e calcule a sua inversa T 1 .
Resp.: Escolhendo a base = f1; x; x 2 g para P2 , temos T (1) = 1, T (x ) = 2x e T (x 2 ) = 3x 2 .
Como T leva base f1; x; x 2 g em base f1; 2x; 3x 2 g, T e um isomorsmo. Logo, T possui inversa e
T 1 (1) = 1, T 1 (x ) = x2 e T 1 (x 2 ) = x32 e da T 1 (p(x )) = T 1 (ax 2 + bx + c ) = ax32 + bx2 + c
Rx
= x1 ( ax3 + bx2 + cx ) = x1 0 p(t ) dt .
3 2
Cap
tulo 6
Autovalores e autovetores
O calculo dos autovalores e autovetores de uma transformac~ao linear e um dos problemas basicos
e dos mais importantes da Algebra Linear. Esse tipo de calculo aparece em diversos problemas da
Fsica, problemas de Geometria Analtica, sistemas de Equaco~es Diferenciais, entre outros. Neste
captulo, fazemos uma breve introduc~ao a esse interessante assunto.
f (A) = 2A2 + 3A + 5I = 2 157 10
22
+3
1 2
3 4
+5
1 0
0 1
14 20 3 6 5 0 22 26
=
30 44
+
9 12
+
0 5
=
39 61
:
Denic~ao 6.2 Dizemos que uma matriz quadrada A e uma raiz ou e um zero de um polin^omio
f (x ), quando f (A) = 0 = matriz nula.
Exemplo 6.2 Sejam A = 13 24 e f (x ) = x 2 5x 2. Ent~ao
2
2 1 2 1 2 1 0 7 10 5 10 2 0 0 0
f (A) = A 5A 2I = 3 4 5 3 4 2 0 1 = 15 22 15 20 0 2
=
0 0
:
119
120 CAPITULO 6. AUTOVALORES E AUTOVETORES
Observa
c~ao: Essas
propriedades
tambem podem
ser enunciadas
usando-se
matrizes.
Por exemplo,
5 2 2 2 5 2 2 2 28 2
se A = 3 6 3 eu = 3, ent~ao Au = 3 6 3 3 = 42 = 14 3 signica que u e
6 6 9 6 6 6 9 6 84 6
autovetor de A associado ao autovalor 14.
Exemplo 6.6 Encontre os autovalores e autovetores da matriz A = 13 22 .
Soluc~ao: Devemos encontrar um escalar e v = yx =
6 00 tais que Av = v , ou seja,
1 2 x x x + 2y x x + 2y = x (1 )x + 2y = 0
3 2 y = y ) 3x + 2y = y ) 3x + 2y = y ) 3x + (2 )y = 0
| {z }
()
Para um sistema linear homog^eneo possuir soluc~ao n~ao nula, o determinante
da matriz dos seus
1 2
coecientes deve ser igual a zero. No caso desse exemplo, devemos ter 3 2 = 0 )
122 CAPITULO 6. AUTOVALORES E AUTOVETORES
p
(1 )(2 ) 6 = 0 ) 2 + 3 4 = 0 ) = 3 29+16 )= 1 ou = 4. Os valores 1
e 4 assim encontrados s~ao os autovalores de A.
desses valores de no sistema linear (*)
Para encontrar os autovetores, substitumos cada um
2x + 2y = 0
anterior. Por exemplo, substituindo = 1, obtemos 3x + 3y = 0 , cuja soluc~ao e x = y , com
y vari
avel livre. Sendo assim, os autovetores associados ao autovalor 1 s~ao os vetores da forma
v = yy , para todo y . Podemos tambem escrever v no formato de linha: v = ( y; y ).
3x + 2y = 0
Substituindo = 4 no sistema (*), obtemos 3x 2y = 0
que tem soluc~ao dada por x = 23y ,
2y
y variavel livre. Portanto, os autovetores associados ao autovalor 4 s~ao da forma w = 3y ou
w = ( 23y ; y ), para qualquer valor de y .
Note que no exemplo anterior, depois que foi calculado o determinante da matriz dos coecien-
tes, apareceu um polin^omio na variavel . Esse polin^omio sempre aparece nesse tipo de problema.
Por isso, ele recebe um nome especial na proxima denic~ao.
Denic~ao 6.3 Dada uma matriz n n, o polin^omio de grau n denido por p() = det(A I ),
onde I e a matriz identidade n n e chamado polin^omio caracterstico de A. Suas razes s~ao os
autovalores de A. Tambem pode ser denido por p() = det(I A) ou p(x ) = det(xI A) ou
p(x ) = det(A xI ).
5 0 0
Exemplo 6.7 Determine o polin^omio caracterstico p() de A = 2 1 2 e calcule p(A).
8 4 3
Dessa forma, obtivemos que p(A) = 0. Esse tipo de operac~ao da sempre esse resultado nulo,
n~ao importa qual seja a matriz, nem a sua ordem. Essa e a tese do proximo teorema.
Teorema 6.2.1 Toda matriz A e um zero do seu polin^omio caracterstico p(), ou seja, p(A) = 0.
Esse teorema e conhecido pelo nome de Teorema de Cayley-Hamilton e sua demonstrac~ao pode
ser encontrada em muitos livros sobre esse assunto.
13 3 5
Exemplo 6.8 Determine os autovalores e autovetores de M = 0 4 0.
15 9 7
13 3 5
Soluc~ao: Polin^omio caracterstico de M : p() = det(M I ) = 0 4 0 =
15 9 7
(13 )(4 )( 7 )+75(4 ) = (4 )((13 )( 7 )+75) = (4 )( 91 6+2 +75) =
(4 ) (|2 6{z 16)} = (4 )( + 2)( 8) .
()
Os autovalores de M s~ao as razes de p(). Igualando a zero o p() encontrado, obtemos a
equac~ao (4 )( + 2)( 8) = 0 ) 4 = 0 ou + 2 = 0 ou 8 = 0 ) = 4 ou = 2
ou = 8. Logo, os autovalores s~ao 4, 2 e 8.
Para determinar os autovetores, devemos substituir cada autovalor na equac~ao Mv = v e
calcular v . Essa equac~ao e a mesma que (M I )v = 0 e equivale a um sistema linear:
13 3 5 x 0 (13 )x 3y + 5z = 0
0 4 0 y = 0 , (4 )y = 0
15 9 7 z 0 15x + 9y + ( 7 )z = 0
| {z }
(M I )v
124 CAPITULO 6. AUTOVALORES E AUTOVETORES
9x
3y + 5z = 0
9x 3y = 5z
Substituindo = 4 :
0=0 ) 15x + 9y = 11z
; cuja soluc~ao e
15x + 9y 11z = 0
( z3 ; 23z ; z ); 8z 2 R:
15x
3y + 5z = 0
Substituindo = 2 : 6y = 0 ) y = 0 que tem por soluc~ao
3x + z = 0
15x + 9y 5z = 0
(x; 0; 3x ); 8x 2 R.
5x
3y + 5z = 0
Substituindo = 8 :
4y = 0 ) x + yz =
=0
0
do qual (x; 0; x ); 8x 2 R; e
15x + 9y 15z = 0
a soluc~ao.
13 3 5
Conclumos dessa forma que a matriz 0 4 0 possui o autovalor 4 associado aos
15 9 7
autovetores f( z3 ; 23z ; z ) j z 2 Rg = [( 13 ; 23 ; 1)] = [( 1; 2; 3)], possui o autovalor 2 associ-
ado aos autovetores f(x; 0; 3x ) j x 2 Rg = [(1; 0; 3)] e possui o autovalor 8 associado a
f(x; 0; x ) j x 2 Rg = [(1; 0; 1)].
Observac~ao 1: Podemos vericar se a resposta encontrada esta correta. Para isso, basta
observar os seguintes produtos de matrizes:
13 3 5 1 4 1
0 4 0
2 = 8 =4
2
15 9 7 3 12 3
13 3 5 1 2 1
0 4 0
0 = 0 = 2
0
15 9 7 3 6 3
13 3 5 1 8 1
0 4 0 0 = 0 = 8 0
15 9 7 1 8 1
Observac~ao 2: Nesse tipo de problema, geralmente usamos algum tipo de fatorac~ao de polin^omio.
Se o grau do polin^omio for considerado alto, essa fatorac~ao pode ser bastante complicada. Em
geral, se p() = an n + + a2 2 + a1 + a0 possuir razes 1 ; 2 ; : : : ; n , ent~ao
p() = an ( 1 )( 2 ) : : : ( n ):
No caso do exemplo anterior, o polin^omio (*) do segundo grau 2 6 16 possui as razes 1 = 2
e 2 = 8 e, consequentemente, ele pode ser escrito na forma ( 1 )( 2 ) = ( + 2)( 8).
6.2. AUTOVALORES E AUTOVETORES 125
Conclus~ao: a matriz A possui dois autovalores: 1 e 1; s~ao dois autovetores linearmente inde-
pendentes v1 = (1; 0; 1) e v2 = (0; 1; 2) associados ao autovalor 1 e um autovetor
v3 = ( 21 ; 56 ; 1) associado a 1.
Observac~ao 1: Esse tipo de problema sempre tem uma innidade de autovetores como resposta
valida. Para cada valor de x , y ou z escolhidos, encontramos uma resposta diferente. Por exemplo,
escolhendo x = 2, y = 1 e z = 6 obtemos o autovetor v2 = (2; 1; 0) associado ao autovalor 1 e
v3 = (3; 5; 6) associado a 1.
Observac~ao 2: Os divisores do termo constante de p() s~ao 1 e 1. Substituindo diretamente
em p(), obtemos p(1) = p( 1) = 0. Isso signica que 1 e 1 s~ao razes de p() e, consequen-
temente, p() e divisvel por ( 1)( + 1) = 2 1. Dividindo p() por 2 1 obtemos um
quociente igual a 1 .
5 1 3 3
1 5 3 3
R3) Determine os autovalores e autovetores de M =
3 3 5 1
.
3 3 1 5
O termo constante de q () e 192 e os divisores de 192 (ou 192) s~ao os elementos do
conjunto
f1; 2; 3; 4; 6; 8; 12; 16; 24; 32; 48; 64; 96; 192g:
Esse e o conjunto com todas as possveis razes inteiras de q (). Aplicando q a cada um desses
valores, chegamos a conclus~ao de que somente 4 e 12 s~ao realmente razes: q (4) = 0 e q (12) = 0.
Isso signica que q () e divisvel por ( 4)( 12) = 2 16 + 48.
Dividindo q () por 2 16 + 48 obtemos ( 4) como quociente.
6.3. EXERCICIOS RESOLVIDOS 129
Logo,
q ()
= 4 ) q () = ( 12)( 4)2 ) p() = ( 12)( 4)2 :
( 4)( 12)
Portanto, observando essa forma fatorada do polin^omio caracterstico temos que os autovalores de
M s~ao 0, 12 e 4.
x
y
Vamos agora determinar os autovetores de M . A equac~ao (M I )X = 0, onde X =
z ,
t
5 1 3 3 x 0
equivale a
1 5 3 3 y 0
= .
3 3 5 1 z 0
3 3 1 5 t 0
5 1 3 3 x 0
1 5 3 3 y 0
Substituindo = 0 nessa equac~ao, obtemos = , que pode
3 3 5 1 z 0
3 3 1 5 t 0
5x y 3z + 3t = 0
ser escrita na forma de sistema linear
x + 5y + 3y 3t = 0
. A forma escalonada da
3x + 3 y + 5 z t = 0
3x 3y z + 5t = 0
1 3 3
1 5 51 51 0
0
matriz do sistema e
1 2 2 0 e da obtemos que a soluc~
ao desse sistema e
0 0 1 1 0
0 0 0 0 0
x = t; y = t; z = t , t variavel livre. Logo, os autovetores de M associados a 0 s~ao da
forma ( t; t; t; t ) = t ( 1; 1; 1; 1), para qualquer valor de t .
7 1 3 3 x 0
1 7 3 3 y 0
Substituindo = 12 em (M I )X = 0, obtemos
3 3 7
= , que
1 z 0
3 3 1 7 t 0
130 CAPITULO 6. AUTOVALORES E AUTOVETORES
7x y 3z + 3t = 0
pode ser escrita na forma
x 7y + 3y 3t = 0 . A forma escalonada da matriz desse
3x + 3y 7z t = 0
3x 3y z 7t = 0
1 71 3 3 0
71 71
0 1
sistema e 2 2 0 ao desse sistema e x = t; y =
e da obtemos que a soluc~
0 0 1 1 0
0 0 0 0 0
t; z = t , t variavel livre. Logo, os autovetores de M associados a 12 s~ao da forma
(t; t; t; t ) = t (1; 1; 1; 1), para qualquer valor de t .
1 1 3 3 x 0
1 1 3 3 y 0
Substituindo = 4 nessa equac~ao, obtemos = , que pode
3 3 1 1 z 0
3 3 1 1 t 0
x y 3z + 3t = 0
ser escrita na forma
x + y + 3y 3t = 0 . A forma escalonada da matriz do sistema
3x + 3y + z t = 0
3x 3y z + t = 0
1 1 3 3 0
0 0 1 1 0
e
0 0 0 0 0
ao e x = y; z = t , y e t variaveis livres. Logo, os
e sua soluc~
0 0 0 0 0
autovetores de M associados a 4 s~ao da forma (y; y; t; t ) = y (1; 1; 0; 0) + t (0; 0; 1; 1), para
quaisquer valores de y e de t .
Observac~ao: Todo polin^omio do quarto grau possui quatro razes reais ou complexas, distintas ou
repetidas. No caso do p() desse exemplo, a raiz 4 e uma raiz repetida e e o que chamamos de
raiz dupla.
0 1 0 0
0 0 1 0
R4) Determine os autovalores reais e respectivos autoespacos de M =
0 0 0 1
.
1 0 0 0
ser fatorado na forma
p() = (2 1)(2 + 1) = ( 1)( + 1)(2 + 1). Da, deduzimos que as
razes reais da equac~ao p() = 0 s~ao 1 = 1 e 2 = 1. Esses s~ao os autovalores procurados.
Vamos calcular os autovetores associados a esses autovalores encontrados.
Substituindo = 1 na equac~ao
1 0 0 x 0
0
1 0 y 0
=
0 0 1 z 0
1 0 0 t 0
x +y =0
obtemos o sistema
y + z = 0 cuja soluc~ao e x = t; y = t; z = t , ou seja, (t; t; t; t ) =
z +t =0
x t=0
t (1; 1; 1; 1) para qualquer valor de t .
x +y =0
Substituindo = 1 nessa mesma equac~ao, obtemos o sistema linear
y + z = 0 cuja
z +t =0
x +t =0
soluc~ao e x = t; y = t; z = t , ou seja, ( t; t; t; t ) = t ( 1; 1; 1; 1) para todo t .
Dessa forma, obtivemos os autoespacos V1 = [(1; 1; 1; 1)] e V 1 = [( 1; 1; 1; 1)].
Observac~ao: A matriz M possui mais dois autovalores complexos 3 = i e 4 = i que s~ao
as razes da equac~ao 2 + 1 = 0. Esses autovalores est~ao associados aos seguintes autoespacos
complexos: Vi = [(1; i; 1; i )] e V i = [(1; i; 1; i )].
R5) Se A for uma matriz invertvel na qual 6= 0 e um autovalor associado a um autovetor v 6= 0,
determine um autovalor de A 1 e seu autovetor associado.
Soluc~ao: Se e autovalor de A associado ao autovetor v , ent~ao Av = v ) A 1 (Av ) =
A 1 (v ) ) (A 1 A) v = (A 1 v ) ) (A 1 v ) = v ) A 1 v = 1 v: Essa ultima igualdade
| {z }
I
signica que 1 e um autovalor de A 1 associado ao autovetor v .
R6) Mostre que T : V !V n~ao e uma func~ao injetora se, e somente se, T possui um
autovalor igual a 0.
4) Seja T : V ! V linear que n~ao e invertvel. Os vetores n~ao nulos do nucleo de T s~ao
autovetores? Em caso armativo, determine seus respectivos autovalores.
Resp.: Os vetores n~ao-nulos do nucleo s~ao autovetores associados ao autovalor 0.
0 0 d
8) Dado um polin^omio p(x ) = x 3 + bx 2 + cx + d , a matriz quadrada M
= 1 0 c e
0 1 b
chamada matriz companheira de p(x ).
a) Mostre que o polin^omio caracterstico de M e p(x )
matriz 3 3cujo polin^
b) Determine uma omio caracterstico seja p(x ) = x 3 5x 2 + 6x + 13.
0 0 13
Resp.: b) M = 1 0 6
0 1 5
11) Determine a; b; c; d; e; f ; sabendo que v1 = (1; 1; 1), v2 = (1; 0; 1), v3 = (1; 1; 0) s~ao
134 CAPITULO 6. AUTOVALORES E AUTOVETORES
1 1 1
autovetores da matriz M = a b c .
d e f
Resp.: a = b = c = 1, d = e = f = 1
Diagonalizac~ao de Operadores
Neste captulo, introduzimos o conceito de diagonalizac~ao de uma matriz ou, equivalentemente,
de uma transformac~ao linear . Essa e uma simplicac~ao que se pode fazer na apresentac~ao de uma
matriz.
O principal objetivo deste captulo e a denic~ao de polin^omio mnimo e sua relac~ao com a
diagonalizac~ao. Tudo o que se denir para uma matriz, tambem se dene de modo analogo para
uma transformac~ao linear que tambem e conhecida pelo nome de operador linear.
1 1
Exemplo 7.1 Sejam B = 23 111 e P = 4
5
2
. Ent~ao P 1 = 141
1
1 2
5 4
= 145 72 e
1 1 2 1 4 2 1 1 21 1 14 7
1
A = P BP = 145 72 = 145 72 13 3 = 292 25 . Deduzimos a partir
14 7 3 11 5 1 14 7 67 5 2 2
da que as matrizes A e B s~ao semelhantes.
Duas matrizes semelhantes t^em muitas propriedades em comum: mesma soma dos elementos
da diagonal principal, mesmo posto, mesma nulidade, mesmo determinante, mesmo polin^omio
caracterstico, mesmos autovalores etc. Por exemplo, suponhamos A = P 1 BP , ou seja, A e B
s~ao semelhantes. Ent~ao, o polin^omio caracterstico de A e
1 2 16 17
Precisamos agora fatorar esse polin^omio para, depois, calcular o polin^omio mnimo. Os divisores
do termo constante de p(), 40, s~ao os elementos do conjunto
f1; 2; 4; 5; 8; 10; 20; 40g:
Aplicando o p em cada um desses valores, obtemos no nal que p(2) = 0 e p(5) = 0 e que 2 e 5 s~ao
as unicas razes inteiras desse polin^omio. Logo, p() e divisvel por ( 2)( 5) = 2 7 + 10.
1 2 16 15 1 2 16 12
0 0 12 12 4 2 5 4 0 0 0 0
0 0 24 24 1 1
9 8 0 0 0 0
= = =0
0 0 36 36 1 2 16 12 0 0 0 0
0 0 45 45 1 2 16 12 0 0 0 0
Exemplo 7.4 Seja T : R2 ! R2 , T (x; y ) = (25x 13y; 42x 22y ). Mostre que existe um
base de R2 formada por autovetores de T e determine [T ]
Soluc~ao: A matriz de T com relac~ao a base can^onica do R2 e A = 25
42
13
22
: O polin^omio
140 CAPITULO 7. DIAGONALIZAC ~ DE OPERADORES
AO
caracterstico de A e p() = det(A
I ) = 2542 13
= (25 )( 22 ) + 546 =
22
2 3 4. Resolvendo a equac~ao p() = 2 3 4 = 0, obtemos os autovalores de A: 1 = 1
e 2 = 4 .
x 26
Sendo X = y na equac~ao (A I )X = 0, substituindo por 1, obtemos: 42
13 x =
21 y
0 26x 13y = 0
0
) 42x 21y = 0
cuja soluc~ao e y = 2x , x variavel livre. Escolhendo um valor n~ao nulo
qualquer para x , por exemplo x = 1, obtemos y = 2. Logo, v1 = (1; 2) e um autovetor de A
associado ao autovalor 1.
21 13 x 0
Substituindo agora por 4 na equac~ao (A I )X = 0, obtemos 42 26 y = 0 )
21x 13y = 0
42x 26y = 0
cuja soluc~ao e y = 2113x , x livre. Escolhendo x = 13, obtemos y = 21, e da,
v2 = (13; 21) e autovetor de A associado ao autovalor 4.
Como v1 n~ao e multiplo de v2 , eles s~ao LI e, consequentemente, = fv1 ; v2 g e uma base de R2
formada por autovetores de T . Para determinar a matriz de T com relac~ao a essa base, calculamos
o valor de T em cada vetor da base e escrevemos o resultado como combinac~ao linear dos vetores
dessa mesma base:
T (1; 2) = ( 1; 2) = ( 1) (1; 2) + 0 (13; 21).
T (13; 21) = (52; 84) = 0 (1; 2) + 4 (13; 21).
1 0
Obtivemos assim o seguinte resultado: [T ] = 0 4
:
Exemplo 7.5 Nos dois casos a seguir, determine A, a matriz de T com relac~ao a base can^onica
do R3 , calcule o polin^omio mnimo de A e verique se A e diagonizavel. Se A for diagonalizavel,
determine uma base do R3 na qual [T ] seja uma matriz diagonal e uma matriz P 2 M (3; 3) tal
que P 1 AP = [T ] .
a) T (x; y; z ) = (5x y; 5x + 3y 2z; 8x )
b) T (x; y; z ) = (x; 14x 24y 31z; 14x + 25y + 32z )
5 1 0
Soluc~ao: a) A matriz de T com relac~ao a base can^onica do R3 e A = 5 3 2. Seu
8 0 0
5
1 0
polin^omio caracterstico e p() = det(A I ) = 5 3 2 que depois de desenvolvido,
8 0
fornece a resposta
p() = 3 + 82 20 + 16:
Os divisores de 16 s~ao as possveis razes inteiras de p(): f1; 2; 4; 8; 16g. Substituindo
diretamente por cada um desses valores em p(), obtemos que p(2) = 0; p(4) = 0 e p(x ) 6= 0
se x 6= 2 e x 6= 4, ou seja, somente 2 e 4 s~ao razes.
p()
Dividindo p() por ( 2)( 4) = 2 6 + 8, obtemos = + 2 ) p() =
( 2)( 4)
( 2)2 ( 4). Esse e o polin^omio caracterstico de A na sua forma fatorada e que e essencial
para se determinar o polin^omio mnimo.
Baseado na resposta encontrada para o polin^omio caracterstico fatorado, temos que o polin^omio
mnimo e um divisor desse polin^omio e que tem os mesmos fatores do 1o grau encontrados. Assim,
142 CAPITULO 7. DIAGONALIZAC ~ DE OPERADORES
AO
o polin^omio mnimo deve ser igual a m() = ( 2)( 4) ou m() = ( 2)2 ( 4). Fazemos
agora uma substituic~ao de por A, comecando pelo de menor grau.
Se m() = ( 2)( 4), ent~ao
m(A) = (A 2I )(A 4I ) =
5 1 0 1 0 0 5 1 0 1 0 0
5 3 2
2 0 1 0 5 3 2
4 0 1 0
8 0 0 0 0 1 8 0 0 0 0 1
3 1 0 1 1 0 2
= 5 1
2 5 1 2 = =6 0:
8 0 2 8 0 4
N~ao e preciso calcular esses valores marcados com um porque pelo primeiro elemento calculado,
ja percebemos que a matriz n~ao e nula.
Conclumos assim que o polin^omio mnimo n~ao e o m() = ( 2)( 4). Como so ha duas
possibilidades para o polin^omio mnimo de M , ent~ao ele so pode ser igual a m() = ( 2)2 ( 4).
Alem disso, como tem o fator ( 2) repetido (por causa do expoente 2), chegamos a conclus~ao
de que a matriz M n~ao e diagonalizavel.
1 0 0
b) A matriz de T com relac~ao a base can^onica do R3 e M = 14 24 31 e seu polin^omio
14 25 32
caracterstico e
1 0 0
p() = det(M I ) = 14 24 31=
3 + 92 15 + 7:
14 25 32
Os divisores de 7 s~ao 1; 1; 7; 7. Aplicando o p nesses valores, obtemos p(1) = 0, p( 1) = 32,
p(7) = 0 e p( 7) = 896. Logo, as razes inteiras de p() s~ao 1 e 7 e, consequentemente, p() e
divisvel por ( 1)( 7) = 2 8 + 7.
p()
Dividindo p() por 2 8 + 7 obtemos um quociente igual a (1 ), ou seja, ( 1)( 7) =
1 ) p() = ( 1)2 7). Observando essa forma fatorada do polin^omio caracterstico,
7.3. DIAGONALIZAC ~ DE UMA TRANSFORMAC
AO ~ LINEAR
AO 143
temos que o polin^omio mnimo de M so pode ser um dos seguintes: m() = ( 1)( 7) ou
m() = ( 1)2 ( 7).
Vamos agora calcular m(M ), comecando pelo de menor grau. Se m() = ( 1)( 7), ent~ao
m(M ) = (M I )(M 7I ) =
1 0 0 1 0 0 1 0 0 1 0 0
14 24 31 0 1 0 14 24 31 7 0 1 0
14 25 32 0 0 1 14 25 32 0 0 1
0 0 0 6 0 0 0 0 0
= 14 25 31 14 31 31 = 0 0 0 = 0:
14 25 31 14 25 25 0 0 0
Portanto, o polin^omio mnimo de M e p() = ( 1)( 7) e, como n~ao tem fatores repetidos,
temos que a matriz M e diagonalizavel. Isso signica que existe uma base de R3 formada por
autovetores de T .
Vamos agora determinar os autovetores de T . Para isso, devemos substituir cada autovalor
encontrado na equac~ao (M I )X = 0 e resolver cada sistema linear obtido a partir da. Essa
equac~ao pode ser escrita na forma
1 0 0 1 0 0 x 0 1 0 0 x 0
14 24 31 0 1 0
y = 0 ) 14
24 31 y = 0
14 25 32 0 0 1 z 0 14 25 32 z 0
0 0 0 x 0
Substituindo = 1, obtemos 14 25 31 y = 0 ) 14x + 25y + 31z = 0
14 25 31 z 0
)z = 14x 25y . Logo, os autovetores associados ao autovalor 1 s~ao (x; y; 14x 25y ) =
31 25 y ) = x (1; 0; 14 ) + y (0; 1; 25 ), para quaisquer valores de 31x e y .
(x; 0; 14
31 x ) + (0; y; 31 31 31
6 0 0 x 0 6x = 0
Substituindo = 7, obtemos 14 31 31 y = 0 )
14x 31y 31z = 0
14 25 25 z 0 14x + 25y + 25z = 0
) x = 0; y = z . Logo, os autovetores associados ao autovalor 7 s~ao da forma (0; z; z ) =
z (0; 1; 1), para qualquer valor de z .
Escolhendo, por exemplo, x = 31, y = 0, obtemos o autovetor v1 = (31; 0; 14); escolhendo
x = 0, y = 31, obtemos o autovetor v2 = (0; 31; 25) e escolhendo z = 1, obtemos o autovetor
v3 = (0; 1; 1). Como fv1 ; v2 ; v3 g s~ao linearmente independentes, eles formam uma base do R3 . E
assim, a matriz P pode ser denida como sendo aquela cujas colunas s~ao esses vetores da base:
31 0 0
P = 0 31 1 :
14 25 1
144 CAPITULO 7. DIAGONALIZAC ~ DE OPERADORES
AO
Observac~ao: E claro que essa matriz P n~ao e unica. Para cada escolha de valores para x; y; z ,
podemos obter uma matriz P diferente. Mas, n~ao importa qual seja a matriz P escolhida, se
as colunas dela forem autovetores LI, a matriz P 1 MP sera a mesma matriz diagonal citada
anteriormente. Alem disso, a diagonal dessa matriz sera sempre formada pelos autovalores de T .
p()
Dividindo p() por 2 9 +18, obtemos um quociente igual a ( +3), ou seja =
( 3)( 6)
+ 3 ) p() = ( 6)( 3)2 que e a forma fatorada de p().
A partir de p() = ( 6)( 3)2 , temos duas possibilidades para o polin^omio mnimo:
m() = ( 6)( 3) ou m() = ( 6)( 3)2 . Substituindo por A em ( 6)( 3),
7.4. EXERCICIOS RESOLVIDOS 145
obtemos
2 5 3 6 0 0 2 5 3 3 0 0
m(A) = (A 6I )(A 3I ) = 1 2 3 0 6 0 1 2 3 0 3 0
3 15 12 0 0 6 3 15 12 0 0 3
4 5 3 1 5 3 0 0 0
= 1 8 3
1 5 3 = 0 0 0
3 15 6 3 15 9 0 0 0
2 2 2 6 0 1 1 1 3 0 3 1 1 1 0
1 1 1 3 0 1 1 1 3 0 1 1 1 3 0
0 4 0 4 0 0 1 0 1 0 0 1 0 1 0
! 0 0 4 4 0
! 0 0 1 1 0
! 0 0 1 1 0
0 4 4 8 0 0 0 1 1 0 0 0 0 0 0
x + y + z 3t = 0
e essa ultima matriz corresponde ao sistema
y t = 0 cuja soluc~ao e x = t;
z t=0
y = t; z = t , com t variavel livre. Logo, (t; t; t; t ) e autovetor de A para todo t 2 R. Es-
colhendo t = 1, obtemos o autovetor v1 = (1; 1; 1; 1).
Substituindo = 3 em (A I )X = 0, obtemos
2 2 2 2 x 0
2 2 2 2 y 0
2 2 2 2 z = 0
2 2 2 2 t 0
que equivale a equac~ao 2x + 2y + 2z + 2t = 0 ) x + y + z + t = 0 ) t = x y z , com
x; y; z variaveis livres. Logo, os autovetores associados ao autovalor 3 s~ao
(x; y; z; x y z ) = (x; 0; 0; x ) + (0; y; 0; y ) + (0; 0; z; z )
= x (1; 0; 0; 1) + y (0; 1; 0; 1) + z (0; 0; 1; 1):
Obtemos assim, mais tr^es autovetores de A: v2 = (1; 0; 0; 1), v3 = (0; 1; 0; 1) e v4 =
(0; 0; 1; 1).
Tendo em vista que fv1 ; v2 ; v3 ; v4 g s~ao linearmente independentes, eles formam uma base
de autovetores para o R4 e, por isso, A e diagonalizavel. Denindo P como sendo a matriz cujas
1 1 0 0
1 0 1 0
colunas s~ao esses autovetores encontrados, ou seja, P =
1 0 0 1
, obtemos
1 1 1 1
11 0 0 0
0 3 0 0
P 1 AP =
0 0 3 0
:
0 0 0 3
148 CAPITULO 7. DIAGONALIZAC ~ DE OPERADORES
AO
1 1 1 1
1
Observac~ao 1: A matriz inversa de P pode ser calculada como sendo P 1 = 1 3 1 1
4 1 3 1 1
1 1 3 1
e o polin^omio mnimo de A e m() = ( 11)( 3).
Observac~ao 2: Esse problema pode ser generalizado
para matrizes A de ordem
n n:
a b b ::: b
1 1 0 0 ::: 0
b a b : : : b
1
0 1 0 ::: 0
b a : : : b e diagonizavel e P =
1
0 0 1 ::: 0
A = b .. .. .. . . . . . . .. e tal que
.. .. .. . . . ..
. . . .
. . . .
b b b ::: a
1 0 0 0 ::: 1
1 1 1 1 ::: 1
a + (n 1)b 0 :::
0 0
0 a b :::
0 0
P 1 AP
= 0 0 a b ::: 0
. O polin^omio caractstico de A e
.. .. .. ... ..
. . . .
0 0 0 ::: a b
p() = ( (a + (n 1)b))( a + b)n 1.
2 1
R4) Dado um inteiro positivo m, calcule Am sabendo que A = 3 2
.
Soluc~ao: Esta quest~ao n~ao cita autovalores, nem autovetores, nem diagonalizac~ao. Mas vamos
tentar a diagonizac~ao como forma de simplicar
n n o problema,
uma vez que e muito facil calcular
a 0
pot^encias de uma matriz diagonal: 0 b = 0 bn .
a 0
O polin^omio caracterstico de A e p() = det(A
I ) = 2 3 1
= (2 )( 2 )+3 =
2
2 1 = (+1)( 1). Suas razes s~ao 1 e 1 que s~ao os autovalores de A. Neste caso, o polin^omio
mnimo tambem e igual a m() = ( + 1)( 1) e isso indica que a matriz e diagonalizavel.
Vamos agora determinar os autovetores de A . Para substitumos = 1 e, depois, = 1
isso,
2 1 x 0
na equac~ao (A I )X = 0 ) 3 2 y
=
0
.
Substituindo = 1:
1 1 x 0
3 3 y
=
0
) x y = 0 ) y = x:
Logo, (x; x ) e autovetor para todo x , em particular v1 = (1; 1) e autovetor.
7.5. EXERCICIOS PROPOSTOS 149
Substituindo = 1:
3 1 x = 0 ) 3x y = 0 ) y = 3x:
3 1 y 0
Logo, (x; 3x ) e autovetor para todo x , em particular v2 = (1; 3) e autovetor.
1 1 3 1 1 0
Considerando agora P = ) P 1 = 21
1 3 1 1
, temos P 1 AP = 0 1
= M e, a partir
da, podemos calcular as pot^encias:
m
M = 1
m
0
0
1
=
1
0 ( 1)m
0
= (P 1 AP )m = (P 1 AP )(P 1 AP ) (P 1 AP )
| {z }
m vezes
=I
z }| { z }| {
=I =I
z }| {
= P 1 A (P P 1 ) A (P P 1 A (P P 1 ) AP = P 1 |A A {zA : : : A} P = P 1 Am P:
| {z }
m vezes
m vezes
Portanto,
M m = P 1 Am P ) P M m P 1 = P P 1 Am P P 1
"
3 1 3 ( 1)m ( 1)m 1 #
) Am = P M m P 1= 1 1 1 0
12 21 = 3(1 ( 21)m ) 3( 1)2m 1 :
1 3 0 ( 1)m 2 2 2 2
1 0
Se m for um numero par, como por exemplo m = 1000, ent~ao A1000 = 0 1 e se m for mpar,
1001 2 1
por exemplo m = 1001, ent~ao A = 3 2 = A.
1) Verique se a matriz A e diagonalizavel. Se for, determine uma matriz P que diagonaliza A e
calcule P 1 AP em cada um dos casos:
1 2 1
2 4 9 1
a) A = 3 1
b) A = 4 6
c) A = 1 3 1
0
2 2
1 0 0 2 3 1 3 0 2
d) A= 2 3 1 e) A= 0 1 4 f) A = 5 1 5
0 4 3
0 0 3 2 0 1
1 1 2 0
Resp.: a) P = 1 3 , P 1 AP = 0 5
4
150 CAPITULO 7. DIAGONALIZAC ~ DE OPERADORES
AO
1 1 10 0
b) P =
1 4
, P 1 AP = 0 5
0 1 1 1 0 0
c) P 1 1
= 1 0 2 , P AP = 0 2 0
2 1 1 0 0 3
A n~
d) A matriz ao e diagonaliz
avel
1 1 1 1 0 0
e) P = 31 0 27 , P 1 AP = 0 2 0
0 0 1 0 0 3
7
f) A matriz A n~ao e diagonalizavel
2) Seja A 2 M (7; 7) tal que 2A2 14A + 24I = 0. Mostre que A e diagonalizavel sobre R.
Resp.: 2A2 14A + 24I = 0 ) A2 7A + 12I = 0. Da, se p(x ) = x 2 7x + 12 temos que
p(A) = 0. Como p(x ) = (x 3)(x 4), conclumos que o polin^omio mnimo e um produto de
fatores do primeiro grau em x e que A e diagonalizavel.
1 2 2
3) Seja A = 1 4 1 . Mostre que (A 3I )100 (A 2I )100 = 0.
0 0 3
Resp.: O polin^omio caracterstico de A e p(x ) = (x 3)2 (x 2) e o polin^omio mnimo e
m(x ) = (x 3)(x 2). Da, m(A) = (A 3I )(A 2I ) = 0 ) (A 3I )100 (A 2I )100 = 0.
4) Calcule os polin^omios mnimo e caracterstico, autovalores e autovetores de T : R3 ! R3 tal
que T (x; y; z ) = (4x + 8y 2z; 3x 6y + z; 2x 8y + 4z ).
Resp.: p(x ) = m(x ) = (x 2)2 (x + 2), v = (1; 1; 1) e um autovetor associado ao autovalor
2 e w = (1; 12 ; 1) e outro autovetor associado ao autovalor 2.
5) Seja A = ca db . Mostre que o polin^omio caracterstico de A e p(x ) = x 2 (a + d )x + det A
e que se det A < 0 ent~ao A e diagonalizavel.
6) Calcule o determinante de uma matriz diagonalizavel A sabendo que seu polin^omio caracterstico
e p(x ) = (x + 3)(x 2)2 (x + 4)2 .
3 0 0 0 0
0 2 0 0 0
Resp.: A matriz A e semelhante a
0 0 2 0 0 .
Logo, det A = 3 22 ( 4)2 = 192.
0 0 0 4 0
0 0 0 0 4
7.5. EXERCICIOS PROPOSTOS 151
10) D^e exemplo de uma matriz M de ordem 4 4 que n~ao seja uma matriz diagonal, mas seja
diagonalizavel e tenha polin^omio caracterstico p(x ) = (x 2)3 (x + 11).
Resp.: Ha uma innidade de respostas para esse problema.
Como as razes de p(x ) s~ao
2 0 0 0
0 2 0 0
2; 2; 2; 11, denimos a matriz diagonal A =
0 0 2
, escolhemos qualquer matriz P de
0
0 0 0 11
1 1 1 1
1 2 2 2
ordem 4 4 invertvel, por exemplo P =
1 2 3 3
, e conclumos denindo M = P 1 AP =)
1 2 3 4
152 CAPITULO 7. DIAGONALIZAC ~ DE OPERADORES
AO
2 0 0 0
0 2 0 0
M =
13 26 41 52
. Para cada P escolhida, obtemos uma resposta diferente.
13 26 39 50
Cap
tulo 8
Um espaco vetorial V no qual esta denido um produto interno e chamado espaco com produto
interno.
p
Denic~ao 8.2 A norma de um vetor v e denida como sendo igual a hv; v i e denotada por
kv k: p
kv k = hv; v i:
A dist^ancia entre os vetores u e v e denida como sendo igual a ku v k.
*
Se o conjunto dos escalares for o conjunto C dos numeros complexos, ent~ao a propriedade [I3 ] deve ser substituda por
h
u; v i = hv ; u i
Tambem chamado comprimento ou modulo do vetor.
153
154 CAPITULO 8. ESPAC
OS COM PRODUTO INTERNO
Exemplo 8.2 Se acrescentarmos um coeciente positivo em qualquer termo ai bi , ent~ao ainda te-
remos um outro produto interno em Rn . Por exemplo,
h(a1; a2; a3); (b1; b2; b3)i = a1 b1 + 5a2 b2 + 11a3 b3
e
h(a1; a2; a3); (b1; b2; b3)i = 2a1 b1 + 4a2 b2 + 7a3 b3
s~ao produtos internos em R3 . E claro que esses produtos n~ao s~ao considerados usuais.
Exemplo 8.3 Consideremos V = R3 e a func~ao f : V V !R denida por
f ((a1 ; a2 ; a3 ); (b1 ; b2 ; b3 )) = a1 b1 a2 b2 + a3 b3 :
8.2. EXEMPLOS DE ESPAC
OS COM PRODUTO INTERNO 155
Exemplo 8.5 Seja V = C ([a; b]) o conjunto de todas as funco~es reais contnuas denidas no
intervalo [a; b]:
C ([a; b]) = ff : [a; b] ! R j f contnua g
Um produto interno em V pode ser denido da seguinte forma:
Z b
hf ; g i = f (t )g (t ) dt
a
Com essa denic~ao, podemos vericar que s~ao verdadeiros as seguintes propriedades para quaisquer
f ; g; h 2 V e k 2 R: Z Z b
b
[I1 ] hf + g; hi = (f (t ) + g (t ))h(t ) dt = (f (t )h(t ) + g (t )h(t )) dt
a Z ba Z b
= f (t )h(t ) dt + g (t )h(t ) dt = hf ; hi + hg; hi;
Z b Z b a a
[I2 ] hkf ; g i = (kf (t ))g (t ) dt = k f (t )g (t ) dt = k hf ; g i;
a a
156 CAPITULO 8. ESPAC
OS COM PRODUTO INTERNO
Z b Z b
[I3 ] hf ; g i = f (t )g (t ) dt = g (t )f (t ) dt = hg; f i;
Za b a Z b
[I4 ] hf ; f i = f (t )2 dt 0 e hf ; f i = 0 ,
f (t )2 dt = 0 , f (t ) = 0; 8t 2 R:
a Z b aZ
2 6 2 6
b
8 10t 9 b 10 9 9 ):
Por exemplo, h2t ; 5t i = (2t ) (5t ) dt = 10t dt = = (b a
a 9 a 9 a
A igualdade anterior tambem pode ser escrita na forma hu; v i = ku kkv k cos .
Exemplo 8.6 No R4 com produto interno usual
h(a1; a2; a3; a4); (b1; b2; b3; b4)i
a1 b1 + a2 b2 + a3 b3 + a4 b4 ;
=
determine o valor do ^angulo entre os vetores u = (1; 2; 3; 4) e v = ( 3; 1; 0; 5).
p p
w3 ; w4 ), ent~aopkw k = hw; w i = wp12 + w22 + w32 + w42 . Logo,
o: Se w = (w1 ; w2 ; p
Soluc~ap
ku k = 12 + 22 + 32 + 42 = 30 e kv k = ( 3)2 + 12 + 02 + 52 = 35.
O produto interno de u e v e hu; v i = 1 p( 3) + 2 1 +
p 3 0 + 4 5 = 19. Da
p, conclumos que
cos =
h u; v i p 19p
= =p
19
=
19 1050 19 42
= ) = arccos 19 42
.
ku kkv k 30 35 1050 1050 210 210
Observac~ao: O ^angulo corresponde aproximadamente a 0; 944 radianos ou a 54; 1 graus, ou
seja, 54 60 500 .
Exemplop8.7 Considerando Vp= R3 com produto interno usual e w = (3; 1; 5). A norma de w e
kw k = 32 + 12 + ( 5)2 = 35; logo, w n~ao e unitario. No entanto, se dividirmos w pela sua
norma, obtemos um vetor v unitario:
w 1 3 1 5
v = kw k = p (3; 1; 5) = ( p ; p ; p ):
35 35 35 35
Denic~ao 8.4 Dizemos que os vetores u e v s~ao ortogonais¶ se hu; v i = 0.
Observac~ao: O vetor nulo 0 e ortogonal a qualquer outro vetor v porque: h0; v i = h0v; v i =
0hv; v i = 0.
Observac~ao: Em geral, se W for uma reta qualquer em R3 , ent~ao W ? e um plano que passa pela
origem e que e ortogonal a essa reta.
Exemplo 8.11 Se W = f(x; y; 3 x y ) j x; y 2 Rg = plano cuja equac~ao cartesiana e x +y +z = 3,
ent~ao o complemento ortogonal de W e a reta cujo vetor diretor e ~v = (1; 1; 1), ou seja,
W ? = ft~v j t 2 Rg = f(t; t; t ) j t 2 Rg:
Note que ~v e um vetor ortogonal ao plano e, em geral, qualquer vetor ~v = (t; t; t ) de W ? e
!
ortogonal a qualquer elemento AB = B A de W porque
Toda vez que um produto interno n~ao e mencionado, utilizamos o produto interno usual do
espaco em quest~ao. No caso desse exemplo, utilizamos que
h(a1; b1; c1); (a2; b2; c2)i = a1 a2 + b1 b2 + c1 c2 :
Observac~ao: Em geral, se W for um plano qualquer em R3 , ent~ao W ? e uma reta que passa pela
origem e que e ortogonal a esse plano.
160 CAPITULO 8. ESPAC
OS COM PRODUTO INTERNO
Exemplo 8.13 Consideremos = fi = (1; 0; 0); j = (0; 1; 0); k = (0; 0; 1)g a base can^onica do R3
com produto interno usual. Ent~ao, hi; i i = hj; j i = hk; k i = 1 e hi; j i = hj; k i = hk; i i = 0
mostra que e uma base ortonormal.
Se w = a1 v1 + a2 v2 + + an vn , ent~ao
ha1v1 + a2v2 + + an vn ; vi i = hw; vi i ) a1hv1; vi i + a2hv2; vi i + + ai hvi ; vi i + + an hvn ; vi i
= hw; vi i ) 0 + 0 + + ai hvi ; vi i + + 0 = hw; vi i ) ai =
hw; vi i ;
hv ; v i
i i
com i = 1; 2; : : : ; n.
Soluc~ao: Usando o produto interno usual do R3 , vamos aplicar a base o processo de ortogona-
lizac~ao descrito anteriormente:
w1 = v1 ,
u1 = kww11 k = p13 (1; 1; 1) = ( p13 ; p13 ; p13 );
w2 = v2 hv2 ; u1 iu1 = (0; 1; 1) ( p23 )( p13 ; p13 ; p13 ) = (0; 1; 1) + ( 32 ; 23 ; 23 ) =
( 23 ; 13 ; 13 ),
u2 = kww22 k = p36 ( 23 ; 13 ; 13 ) = ( p26 ; p16 ; p16 )
Jorgen Pedersen Gram (1850-1916), matematico dinamarqu^es
**
Erhard Schmidt (1876-1959), matematico estoniano
164 CAPITULO 8. ESPAC
OS COM PRODUTO INTERNO
w3 = v3 hv3 ; u1 iu1 hv3 ; u2 iu2 = (0; 0; 2) p23 ( p13 ; p13 ; p13 ) ( p26 )( p26 ; p16 ; p16 ) =
(0; 0; 2) ( 32 ; 23 ; 23 ) + ( 23 ; 31 ; 13 ) = (0; 1; 1),
u3 = kww33 k = p12 (0; 1; 1) = (0; p12 ; p12 )
Logo, a base ortonormal procurada e
1
= fu1 = ( p ; p1 ; p1 ); u2 = ( p2 ; p1 ; p1 ); u3 = (0; p1 ; p1 )g:
3 3 3 6 6 6 2 2
Agora, vamos determinar escalares x; y; z tais que u = xu1 + yu2 + zu3 . Como e ortonormal,
ent~ao esses coecientes s~ao iguais a produtos internos de u pelos vetores da base:
x = hu; u1 i = h(5; 4; 3); ( p13 ; p13 ; p13 )i = p43 ;
y = hu; u2 i = h(5; 4; 3); ( p26 ; p16 ; p16 )i = p116 ;
z = hu; u3 i = h(5; 4; 3); (0; p12 ; p12 )i = p72 :
Portanto, as coordenadas de u na base s~ao p4 ; p11 ; p7 = [ u ] .
3 6 2
Como consequ^encia desse processo de ortogonalizac~ao, temos o seguinte teorema:
Teorema 8.9.1 Todo espaco vetorial de dimens~ao nita possui uma base ortonormal.
kw k 2
= a2 + 9a2 4ab + b2 + 4b2 6ac 2bc + c 2 + c 2
= (a2 4ab + 4b2 ) + (9a2 6ac + c 2 ) + (b2 2bc + c 2 ) = (a 2b)2 + (3a c )2 + (b c )2 0
| {z } | {z } | {z }
0 0 0
p p p
kv k = k(0; 5; 0)k = 10 02 4 0 5 + 5 52 600 2 5 0 + 2 02 = 125 = 5 5
Observac~ao 2: Note que os vetores u e v n~ao s~ao ortogonais com o produto interno denido
nesse exerccio. No entanto, eles s~ao ortogonais se for usado o produto interno usual do R3 .
R2) Usando o produto interno usual, determine uma base para W ? , sabendo que W e o subespaco
de V = R5 gerado por v1 = (1; 5; 8; 4; 3), v2 = (2; 2; 2; 0; 9) e v3 = (4; 1; 2; 5; 2).
Calcule as dimens~oes de W e W ? e verique que dim W + dim W ? = dim V .
Para resolver esse sistema linear homog^eneo, escalonamos sua matriz completa:
1 5 8 4 3 0 1 5 8 4 3 0
M= 2 2 2 0 9 0 ! 0 8 14 8 15 0
4 1 2 5 2 0 0 19 34 11 10 0
1 5 8 4 3 0 1 5 8 4 3 0
! 7 15 7 1 15 0
0 1 4 1 8 0 ! 0 1
43 2058 0
0 19 34 11 10 0 0 0 4 8 8
1 5 8 4 3 0
! 0 1 7 15 0
4 321 2058 0
0 0 1 3 6
x + 5 y 8z + 4 s 3t = 0
Essa matriz escalonada equivale ao sistema y 7z + s 15t = 0 , cuja soluc~ao e:
4 8
z + 323s 2056 t = 0
205t 32s
z = 6 3
;
7z 15t 7 205t 32s 15t 205t 32s
y =
4
s+ 8 =4 6 3
s+ 8 = 6 3
;
205t 32s 205t 32s
x = 5y + 8z 4s + 3t = 5
6 3
+8
6 3
4s + 3 t = 9 s 32t;
Observac~ao 1: Esse tipo de problema tem uma innidade de respostas validas. Cada valor
escolhido para as variaveis livres s e t , leva a uma base de W ? diferente.
Observac~ao 2: Para conferir se a resposta encontrada esta correta, devemos calcular os seis
produtos hv1 ; w1 i; hv1 ; w2 i; hv2 ; w1 i; hv2 ; w2 i; hv3 ; w1 i; hv3 ; w2 i e vericar que todos d~ao iguais
168 CAPITULO 8. ESPAC
OS COM PRODUTO INTERNO
1 Z
Observac~ao: Nos calculos das integrais anteriores, utilizamos varias vezes que t n dt = 0, se n
Z 1 1
n 2
for mpar, e que t dt = n + 1 , se n for par.
1
Observac~ao: Esses polin^omios ortogonais encontrados s~ao conhecidos como Polin^omios de Le-
gendre e t^em muitas aplicaco~es na Matematica e na Fsica. Podemos dar continuidade a essa
sequ^encia de polin^omios e encontrar w6 = t 5 109 t 3 + 215 t , w7 = t 6 15 4 5 2 5
11 t + 11 t 231 etc.
R5) Determine um vetor normalizado (unitario) em R4 que seja ortogonal aos vetores
v1 = (1; 1; 1; 1), v2 = (1; 1; 1; 1) e v3 = (2; 1; 1; 3) de acordo com o produto interno usual.
R6) Seja V = C ([0; Z1]), o espaco das funco~es contnuas no intervalo [0; 1], com produto interno
1
denido por hf ; g i = f (x )g (x ) dx . Calcule o ^angulo e a dist^ancia entre as funco~es f (x ) = 3x 2
0
Adrien-Marie Legendre (1752-1833), matematico franc^es.
8.10. EXERCICIOS RESOLVIDOS 171
e g (x ) = 4x 3 .
e a dist^ancia e
s s
Z 1 Z 1
kf g k = k3x 2 4x 3 k = (3x 2 4x 3 )2 dx = (9x 4 24x 5 + 16x 6 ) dx
0 s
0
r r
16x 7 1
9x 5 6 9 16 3
= 4x + = 4+ = :
5 7 0 5 7 35
R9) Mostre que se u e v s~ao vetores quaisquer de um espaco com produto interno, ent~ao os
vetores w1 = kv ku + ku kv e w2 = kv ku ku kv s~ao ortogonais.
Z b 2 Z b
) f (x ) dx (b a) [f (x )]2 dx;
a a
conforme queramos mostrar.
15) Seja V = R4 com produto interno hu; v i = 2u1 v1 + u2 v2 + u3 v3 +5u4 v4 , onde u = (u1 ; u2 ; u3 ; u4 )
e v = (v1 ; v2 ; v3 ; v4 ). Obtenha uma base ortonormal para o seguinte subespaco de V :
W = [(1; 0; 0; 0); (0; 1; 0; 1); (0; 1; 1; 0)]:
p
Resp.: = f( p12 ; 0; 0; 0); (0; p16 ; 0; p16 ); (0; p566 ; p116 ; p166 )g
16) O traco de uma matriz quadrada A, tr(A), e denido como sendo a soma dos elementos da
n
X
sua diagonal principal: tr(A) = aij . Considerando o espaco vetorial V = M (m; n) com produto
i =1
interno denido por hA; B i = tr(B t A), calcule:
1 2
a) A norma de X = 3 4
no espaco M (2; 2).
20) Seja V um espaco vetorial com produto interno e = fv1 ; v2 ; v3 ; v4 g uma base ortonormal
de V .
a) Obtenha um vetor unitario de V a partir de v = 4v1 2v2 + 2v3 v4
b) Calcule a norma de w = sen3 v1 + sen2 cos v2 + sen cos v3 + cos v4
p p p p p
c) Determine o ^angulo entre os vetores x = 7v1 + 5v2 + 3v3 + v4 e y = 7v1 + 5v2
Resp.: a) u = 45 v1 25 v2 + 25 v3 15 v4 ; b) kw k = 1; c) 6
Z 1
21) Seja V = P2 com produto interno denido por hf ; g i = f (x )g (x ) dx . Obtenha uma base
0
ortonormal para V a partir da base = f1; x; x 2 g.
Resp.: = fx 2 ; x 54 x 2 ; 1 4x + 103 x 2 g
22) Sejam u e v dois vetores quaisquer de um espaco vetorial com produto interno. Mostre que
a) ku + v k ku k + kv k (conhecido como desigualdade triangular )
b) ku + v k ku k kv k
c) j ku k kv k j ku + v k
Resp.: a) Desenvolva hu + v; u + v i; b) Use o item (a) e que u = (u + v ) v ; c) Use o item
(b) duas vezes.
23) Se a1 ; a2 ; : : : ; an ; b1 ; b2 ; : : : ; bn s~ao numeros reais, ent~ao mostre que
p p p
a) (a1 + b1 )2 + (a2 + b2 )2 + : : : (an + bn )2 a12 + a22 + + an2 + b12 + b22 + : : : bn2
b) (a12 + a22 + + an2 )(b12 + b22 + : : : bn2 ) (a1 b1 + a2 b2 + + an bn )2
Resp.: Use as desigualdades ku + v k ku k + kv k e jhu; v ij ku k kv k com o produto interno
h(x1; : : : ; xn ); (y1; : : : ; yn )i = x1y1 + + xn yn .
24) Se f e g s~ao funco~es contnuas no intervalo [0; 1], ent~ao mostre que
s s s
Z 1 Z 1 Z 1
a) (f (x ) + g (x )) dx
2 2
f (x ) dx + g (x )2 dx ,
0 0 0
Z 1 2
R
1 f (x ) dx 2
f (x ) 0
b) dx R 1 2 dx , se g (x ) 6= 0 para todo x 2 [0; 1] .
0 g (x ) 0 g (x )
Resp.:R Use as desigualdades ku + v k ku k + kv k e jhu; v ij ku k kv k com o produto interno
hf ; g i = 01 f (x )g (x ) dx .
178 CAPITULO 8. ESPAC
OS COM PRODUTO INTERNO
Cap
tulo 9
Temos que
2 8 5 x1
y1 ; z1})) = x2 y2 z2
y2 ; z2}); (|x1 ; {z
f ((|x2 ; {z 8 6 4 y1
=v =u 5 4 3 z1
= 2x2 x1 8x2 y1 + 5x2 z1 8y2 x1 + 6y2 y1 + 4y2 z1 + 5z2 x1 + 4z2 y1 + 3z2 z1 = f (u; v ):
porque
q (u + v ) q (u ) q (v ) = f (u + v; u + v ) f (u; u ) f (v; v )
= f| (u;u) + f (u; v ) {z
+ f (v; u ) +
f (v;v}) u;u)
f ( v;v) = f (u; v ) + f (v; u ) = 2f (u; v ):
f (
= f (u+v;u+v )
Note que f (u + v; u + v ) e desenvolvido de forma semelhante ao desenvolvimento do produto
(u + v ) (u + v ).
Exemplo 9.5 Considerando a forma quadratica no R2 dada por q (x; y ) = 5x 2 10xy + 3y 2 . Essa
forma quadratrica e obtida a partir da forma bilinear
q (x + z; y + t ) q (x; y ) q (z; t ) 5(x + z )2 10(x + z )(y + t ) + 3(y + t )2
f ((x; y ); (z; t )) = 2
=
2
5(x 2 + 2xz + z 2 ) 10(xy + xt + zy + zt ) + 3(y 2 + 2yt + t 2 )
=
2
5x 2 + 3y 2 + 5z 2 + 3t 2
= + 5xz 5xy 5xt 5zy 5zt + 3yt:
2
Exemplo 9.6 Uma forma quadratica em R2 , q (x; y ) = Ax 2 + By 2 + Cxy , pode ser escrita na forma
de equac~ao matricial
q (x; y ) = x y C=A2 C= 2 x
B y
e uma forma quadratica em R3 , q (x; y; z ) = Ax 2 + By 2 + Cz 2 + Dxy + Exz + F yz , pode ser
escrita na forma
A D=2 E=2 x
q (x; y; z ) = x y z D=2 B F=2 y :
E=2 F=2 C z
O teorema a seguir e muito importante para o desenvolvimento dessa teoria. Ele e fundamental
na simplicac~ao das equaco~es das formas quadraticas que faremos nas proximas seco~es.
Teorema 9.3.1 Toda matriz M simetrica de elementos reais e diagonalizavel. Isso signica que
existe uma matriz P cujas colunas s~ao autovetores de M e que P 1 MP e uma matriz diagonal.
A demonstrac~ao desse teorema pode ser encontrada na maioria das refer^encias bibliogracas.
A recproca desse teorema tambem e verdadeira. Isso signica que se M e uma matriz ortogonal
de ordem n n, ent~ao suas linhas (ou colunas) formam uma base ortonormal do espaco vetorial V
de dimens~ao n.
P e uma matriz cujas colunas s~ao os elementos da base de autovetores. Se necessario, podemos
aplicar um processo de ortogonalizac~ao a esses autovetores de forma a obter uma base ortonormal.
Logo, a matriz P pode ser escolhida de modo aseruma matriz
ortogonal em que P 1= Pt .
x x0 x t x0 t
Se for utilizada uma mudanca de variavel y = P y 0 , ent~ao y = P y 0
0
z z0 z z0
) x y z = x y 0 z 0 P t = x 0 y 0 z 0 P 1 :
x
Na express~ao q = x y z A y ; substitumos x y z por x 0 y 0 z 0 P 1
z
x x0
e y por P y 0 :
z z0
0
x x0
q = x0 0 1 0 0 0 0 0
y z P AP y = x y z B y 0 = x 0 y 0 z 0
z0 z0
1 0 0 x 0
= 0 2 0 y 0 = 1 (x 0 )2 + 2 (y 0 )2 + 3 (z 0 )2 :
0 0 3 z 0
E assim, q ca reduzida a forma can^onica.
Observac~ao: Foi utilizada anteriormente a seguinte propriedade: (AB )t = B t At .
A seguir, alguns exemplos de como simplicar a equac~ao de uma forma quadratica, ou seja,
como obter sua forma can^onica.
Exemplo 9.7 Reduzir q (x; y ) = x 2 + y 2 + 8xy a forma can^onica.
Observac~ao 2: Note que as linhas (ou colunas) de P s~ao ortonormais. Como consequ^encia
disso, seu determinante e igual a 1 ou 1.
Observac~ao 3: Se det P = 1, a base de autovetores e denominada base negativa. Podemos
fazer uma troca de linhas (ou de colunas) na matriz P para fazer com que o determinante seja
186 CAPITULO 9. FORMAS BILINEARES E QUADRATICAS
A soluc~ao desse sistema linear e: x = 4z; y = 0. Da, temos que ( 4z; 0; z ) e auto-
vetor de M , para qualquer
valor de z . Escolhendo z = 1 e dividindo pela norma, obtemos
4 1
v1 = p ; 0; p .
17 17
Substituindo por 17, obtemos
16 0 4 x 0 16x + 4z = 0
0 16 0 y = 0 )
16y = 0 :
4 0 1 z 0 4x z = 0
A soluc~ao desse sistema linear e: z = 4x; y = 0. Da, temos que (x; 0; 4x ) e autove-
tor de M , para qualquer
valor de x . Escolhendo x = 1 e dividindo pela norma, obtemos
1 4
v2 = p ; 0; p .
17 17
9.6. CLASSIFICAC ~ DE CONICAS
AO ^
E QUADRATICAS 187
A soluc~ao desse sistema linear e: x = 0; z = 0 e y livre. Da, temos que (0; y; 0) e autovetor
de M , para qualquer valor de y . Escolhendo y = 1, obtemos v3 = (0; 1; 0).
4
p17 p117 0
Denimos uma matriz P = 0 0 1 cujas colunas s~ao os autovetores encontrados.
1 4
p17 p17 0
0 4 0 0
x x p17 p117 0 x 0 4px +y
17
Fazemos a mudanca de variavel y = P y 0 = 0 0 1 y 0 = z 0 na forma
z z0 p117 p417 0 z 0 xp0 +4y 0
17
quadratica
4x 0 + y 0 2 + 4y 0 2
0 0
2 2 2 2 x 4x 0 + y 0 x + 4y 0
q = x + y +16z +8xz = p 0
+(z ) +16 p +8 p p
17 17 17 17
XXX0 2 0
0 0 2 0 2 0 0 0 2
16(x )X x )(y ) + (y )
8( 16(xX)X +
X X 128( x )(y ) + 256(y )
= + (z 0 )2 +
17 17
XXX 0 2
x 0 )(((
x y
(((
120(
32( X)X(( 0 ) + 32( y 0 )2289(y )20
+ = + (z 0 )2 = 17(y 0 )2 + (z 0 )2 :
17 17
Logo, a forma can^onica procurada e q (x 0 ; y 0 ; z 0 ) = 17(y 0 )2 + (z 0 )2 .
Observac~ao: Esses calculos tambem podem ser realizados com a equac~ao no formato matricial:
x 0 0 0 1 x0 0 0 0 0 0 0 x0
x y z M y = x y z P MP y = x y z 0 17 0 y 0 = 17(y 0 )2 + (z 0 )2 :
0
z z0 0 0 1 z0
Exemplo 9.10 Identicar a c^onica denida pela equac~ao 9x 2 4xy + 6y 2 + 16x 8y 2 = 0.
Soluc~ao: Essa equac~ao pode ser escrito no formato matricial da seguinte maneira:
x y
9 2 x + x y 16 2=0
2 6 y 8
| {z }
=M
O polin^omio caracterstico de M e p() = det(M I ) = 2 15 + 50eseus
autovalores
s~ao
9 2 x 0
5 e 10. Substituindo cada um desses autovalores na equac~ao = , obtemos:
2 6 y 0
190 CAPITULO 9. FORMAS BILINEARES E QUADRATICAS
=5) 4 x = 0 ) 4x 2y = 0 , cuja soluc~ao e (x; 2x ). Fazendo x = 1 e
2
2 y 0 1 2x + y = 0
1 2
dividindo pela norma, obtemos o autovetor unitario u1 = p ; p .
5 5
= 10 ) 1 2 x = 0 )
x 2y = 0 , cuja soluc~ao e ( 2y; y ). Escolhendo
2 4 y
2x 4y = 0
0
2 1
y = 1 e dividindo pela norma do vetor, obtemos o autovetor u2 = p ;p .
5 5
" #
p1 p2
Sejam P = p25 p15 , a matriz cujas colunas s~ao os autovetores de M . Na equac~ao da
5 5
c^onica, substitumos x por x 0 e y por y 0 , onde x 0 , y 0 satisfazem
" 0 0#
x = P x 0 = px 5 p2y05 :
y y0 2x 0 + py
p 5 5
Obtemos assim a equac~ao
2y 0 2 y0 2
0 0 0 0
x x 2y 0 2x y0 2x
9 p p 4 p p p +p +6 p +p
5 5 5 5 5 5 5
0
5
x 2y 0 2x 0 y 0
+ 16 p p 8 p +p 2=0
5 5 5 5
que ao ser simplicada fornece o resultado
p
10(y 0 )2 8 5y 0 + 5(x 0 )2 2=0
p
Podemos completar o quadrado de 10(y 0 )2 8 5y 0 da seguinte forma:
" #
2p 2 2p 2
p 4p 0 4p 0
10(y 0 )2 8 5y 0 = 10 (y 0 )2 5y = 10 (y 0 )2 5y + 5 5
5 5 5 5
2 2
4p 0 4 4
= 10 (y 0 )2
5
5y +
5 5
= 10 (y 0 p2 )2 4
5
= 10 y0 p 8:
5 5
Assim, a equac~ao anterior equivale a
2 2
5(x 0 )2 + 10 y0 p 8=2
5
que e o mesmo que
2 2
5(x 0 )2 + 10 y0 p = 10:
5
9.6. CLASSIFICAC ~ DE CONICAS
AO ^
E QUADRATICAS 191
Dividindo por 10
2 2
(x 0 )2
2
+ p =1
y0
5
que e a equac~ao de uma elipse centrada em (0; p25 ).
Os gracos dessas duas equaco~es est~ao mostrado a seguir.
9.6.2 Quadricas
Uma quadrica e uma superfcie tridimensional que pode ser descrita por uma equac~ao geral do
segundo grau nas variaveis x , y e z :
Ax 2 + By 2 + Cz 2 + Dxy + Exz + F yz + Gx + Hy + Iz + J = 0
| {z }
parte quadr
atica
x x0
Atraves de uma mudanca de variavel y = P y 0 , podemos reduzir a parte quadratrica
z z0
dessa equac~ao a forma can^onica, eliminando os termos Dxy , Exz e F yz :
A0 (x 0 )2 + B0 (y 0 )2 + C 0 (z 0 )2 + G 0 x 0 + H0 y 0 + I 0 z 0 + J 0 = 0:
Depois disso, podemos completar os quadrados e identicar qual e a quadrica relacionada: elipsoide,
paraboloide, hiperboloide, um caso degenerado etc.
Exemplo 9.11 Classicar a quadrica denida pela equac~ao xy + xz + yz = 3.
de onde obtemos
0 0 0 0 0 0
x 2z 0 0 0 0 0
p + py pz x
p +p +
xp + py pz x p py pz
3 2 6 3 6 3 2 6 2
0
6 3
2z 0 x0
px py
0
pz
0
+ p +p =3
3 6 3 2 6
que, depois de simplicada, leva a (x 0 )2 (y2) (z2) = 3 que e a equac~ao de um hiperboloide de
02 02
duas folhas. Os gracos que correspondem a essas equaco~es est~ao representados a seguir.
194 CAPITULO 9. FORMAS BILINEARES E QUADRATICAS
p h p p p i p 9 9
2(x 0 )2 6 2x 0 = 2 (x 0 )2 3 2x 0 + ( 3 2 2 )2 ( 3 2 2 )2 = 2 (x 0 )2
3 2x 0 + 2
| {z 2}
(x 0 p32 )2
2
=2 x0 p32 9
p p
4 p3 y 0 2 p3 2 p3
0 2 4 3y 0 4 4 0 2 2
3(y 0 )2 4 3y 0 = 3[(y 0 )2 2 2
3 +( 3 ) ( 3 ) ] = 3[(y ) + 3 = 3(y p3 ) 4
| {z3 3
}
(y 0 p23 )2
p p
p6 p6 p6 6 0 1 1
6(z 0 )2 2 6z 0 = 6[(z 0 )2 )2 ) ] = 6 (z 0 )2
2
3 z0 + ( 6 (6 z + 6
| {z3 6}
(z 0 p16 )2
2
=6 z0 p16 1
Com os quadrados completados, a equac~ao ca na forma
2(x 0 p3 )2 9 + 3(y 0 p2 )2 4 + 6(z 0 p1 )2 1 = 10;
2 3 6
196 CAPITULO 9. FORMAS BILINEARES E QUADRATICAS
ou seja,
2(x 0 p3 )2 + 3(y 0 p2 )2 + 6(z 0 p1 )2 = 24
2 3 6
Dividindo a equac~ao por 24:
(x 0 p32 )2 (y 0 p23 )2 (z 0 p16 )2
+ + =1
12 8 4
que e a equac~ao de um elipsoide com centro no ponto p32 ; p23 ; p16 .
Os gracos correspondentes as equaco~es est~ao apresentados na imagem a seguir.
Exemplo 9.13 Identicar a quadrica 4x 2 +4y 2 8z 2 10xy +4yz +4zx 16x 16y 8z +72 = 0.
5x 5y + 2 z = 0
=9) 5x 5y + 2z = 0 , cuja soluc~ao e (x; x; 0). Fazendo x = 1 e dividindo pela
2x + 2y 17z = 0
1 1
norma, obtemos o autovetor u3 = p ; p ; 0 .
2 2
ou seja,
3
x 0 3 = 8 (z 0 )2 (y 0 )2 :
que e a equac~ao de um paraboloide hiperbolico (sela), centrado no ponto (3; 0; 0). Os gracos
das equaco~es nas variaveis x; y; z e x 0 ; y 0 ; z 0 est~ao mostrados a seguir.
198 CAPITULO 9. FORMAS BILINEARES E QUADRATICAS
R1) Seja V = C ([a; b]) o espaco vetorial das funco~es reais contnuas em um intervalo [a; b].
Mostre que B : V V ! R denida por
Z bZ b
B(x; y ) = K (s; t )x (s )y (t ) ds dt
a a
3 0 0 1 x 0 3x + t = 0
0 y 0
) 33yy + 33zz == 00 ) x = 0; y = z; t = 0
0 3 3
=3) =
0 3 3 0 z 0
1 0 0 3 t 0 x 3t = 0
) (0; z; z; 0) e autovetor para todo z . Escolhendo z = 1, temos que w3 = (0; 1; 1; 0) e um
autovetor.
3 0 0 1 x 0
3x + t = 0
0 3 3 0 y 0
3y + 3 z = 0
= 3) = ) ) x = 0; y = z; t = 0 )
0 3 3 0 z 0
3y + 3 z = 0
1 0 0 3 t 0 x + 3t = 0
(0; z; z; 0) e autovetor. Escolhendo z = 1, temos o autovetor w3 = (0; 1; 1; 0).
Dividindo cada wi pela sua norma, obtemos uma base ortonormal de R4 formada por autovetores
de M :
w1 1 1
v1 = = ( p ; 0; 0; p )
k w1 k 2 2
w 1 1
v2 = kw1 k = ( p ; 0; 0; p )
1 2 2
w 1 1
v3 = kw1 k = (0; p ; p ; 0)
1 2 2
w 1 1
v4 = kw1 k = (0; p ; p ; 0)
1 2 2
p12 p12 0 0
0
0 p12 1
p2
Seja P a matriz cujas colunas s~ao v1 , v2 , v3 e v4 , P =
0 p12 p12 . Usando P,
0
p12 p12 0 0
fazemos a seguinte mudanca de variavel:
0 +x 0
x1 x0
p12 p12 0 0 x 0 yp
2
x2 0 0
= P y = 0 p12 p12 0 t 0p+z 0
y 2
= 0 0
x3 z 0
0 0 p12 p12
z 0 t p2z
x4 t 0 p12 p12 0 0 t0 yp0 x0
2
que substuindo em q (x1 ; x2 ; x3 ; x4 ), fornece
0 0
y + x0 y0
p
0 0
p x + 6 t p+ z
0 t 0
p z = (x 0)2 + (y 0)2 3(z 0)2 + 3(t 0)2:
q=2
2 2 2 2
9.7. EXERCICIOS RESOLVIDOS 201
R5) Determine uma mudanca de variavel que permita obter a forma can^onica de
q (x1 ; x2 ; x3 ; x4 ) = x12 + 4x22 + x32 + 4x42 + 4x1 x2 + 2x1 x3 + 4x1 x4 + 4x2 x3 + 8x2 x4 + 4x3 x4 :
1 2 1 2
2 4 2 4
Soluc~ao: Se M =
1 2 1 2
e X = (x1 ; x2 ; x3 ; x4 ), ent~ao q (X ) = XMX t .
2 4 2 4
O polin^omio caracterstico de M e p() = 4 103 = 3 ( 10). A partir da, temos os
autovalores 1 = 0 e 2 = 10.
x x + 2 y + z + 2t
=0
I ) yz = 2x + 4y + 2z + 4t
=0
Substituindo por 0 na equac~ao (M 0, obtemos x + 2y + z + 2t
=0
cuja
t 2x + 4y + z + 2t
=0
soluc~ao e x = 2y z 2t para quaisquer y; z; t 2 R. Logo, os autovetores s~ao da forma ( 2y
z 2t; y; z; t ) = y ( 2; 1; 0; 0) + z ( 1; 0; 1; 0) + t ( 2; 0; 0; 1). Obtemos assim os autovetores
w1 = ( 2; 1; 0; 0), w2 = ( 1; 0; 1; 0) e w3 = ( 2; 0; 0; 1). Como o conjunto fw1 ; w2 ; w3 g n~ao e
ortogonal, devemos aplicar um processo de ortogonalizac~ao desses vetores.
u1 = kww11 k = ( p25 ; p15 ; 0; 0)
x
9x + 2 y + z + 2t = 0
y
2x 6y + 2z + 4t = 0
Substituindo por 10 na equac~ao (M I ) z = 0, obtemos x + 2y 9z + 2t = 0 cuja
t 2x + 4y + 2z 6t = 0
soluc~ao e x = t=2; y = t; z = t=2 para qualquer valor de t . Escolhendo t = 2, obtemos o autovetor
w4 = (1; 2; 1;2) que dividido pela sua norma, fornece o autovetor unitario u4 = ( p110 ; p210 ; p110 ; p210 ).
p25 p130 p115 p110
p15 p230 p215 p210
Seja P =
0 p530 p115
p110 a matriz cujas colunas s~ao os autovetores u1 ; u2 ; u3 e u4 .
0 0 p315 p210
Fazendo a mudanca de variavel
x1 x
p25 x p130 y p115 z + p110 t
x2 y p15 x p230 y p215 z + p210 t
= P =
x3 z
p530 y p115 z + p110 t
x4 t 3 2
p15 z + p10 t
em q (x1 ; x2 ; x3 ; x4 ), apos a simplicac~ao, obtemos a forma can^onica desejada: q (x; y; z; t ) = 10t 2 .
1) Se q e a forma quadratica associada a uma forma bilinear simetrica f , ent~ao mostre que
q (u + v ) q (u v )
f (u; v ) = 4
.
Resp.: Desenvolva f (u + v; u + v ) e f (u v; u v ) e subtraia os resultados.
2) Sejam V um espaco vetorial com escalares reais e f , g funco~es lineares de V em R. Mostre
que B : V V ! R denida por B (x; y ) = f (x )g (y ) e uma forma bilinear.
Resp.: Verique que B (ax1 + x2 ; y ) = aB (x1 ; y ) + B (x2 ; y ) e B (x; ay1 + y2 ) = aB (x; y1 ) + B (x; y2 )
2=7 3=7 6 =7
3) Sejam M = 6=7 2=7 3 =7 e a base do R3 cujos vetores s~ao as colunas de M .
3=7 6=7 2=7
Mostre que M e uma matriz ortogonal e que e uma base ortonormal.
Resp.: Verique que M:M t = M t :M = I .
4) Para cada um dos itens a seguir, determine a matriz simetrica A da forma quadratica q , seus
autovalores, a matriz ortogonal P tal que P 1 AP e diagonal e a forma can^onica de q .
9.8. EXERCICIOS PROPOSTOS 203
5)
Para cada0 item a seguir, determine uma matriz ortogonal P e uma mudanca de vari
avel
x = P x de modo a eliminar o termo misto Cxy de cada equac~ao e, por m, classicar a
y y0
c^onica representada pela equac~ao.
a) x 2 2xy + y 2 10x 6y + 25 = 0
b) 5x 2 + 12xy 22x 12y 19 = 0
c) 27x 2 10xy + 3y 2 = 28
d) x 2 + y 2 + 8xy 10x + 20y 35 = 0
e) 4x 2 4xy"+ y 2 6x#+ 3y 4 = 0
p25 p15 p
Resp.: a) P = p1 p2 , 5(y 0 )2 3 5x 0 4 = 0
5 5
Parabola;
204 CAPITULO 9. FORMAS BILINEARES E QUADRATICAS
" #
p213 p313
b) P = 9(x 0 )2 4(y 0 )2 p9013 x 0 p813 y 0 = 19
p313 p213 ,
" # Hiperbole;
p526 p126 (x 0 )2 + (y 0 )2 = 1
c) P = p126 p526 , 14
" # Elipse;
p12 p12 p p
d) P = p12 p12 , 5(y 0 )2 + 5 2y 0 3(x 0 )2 15 2x 0 = 35
Cilindro hiperbolico;
p1 1 1
p12
6 3
p16 p13
p p
c) P = 2 , 5(z 0 )2 + 2(y 0 )2 + 6y 0 5 2x 0 + 3 = 0
0 p26 p13
Paraboloide elptico;
p12 0 p12
p p
d) P = p12 0 p12 , 2(x 0 )2 + 2x 0 2(y 0 )2 + 6y 0 + 3 2z 0 + 8 = 0
0 1 0
Cilindro parabolico;
p25 2 1
3pp5 3
5 2 , 7(x 0 )2 + 7(y 0 )2 2(z 0 )2 = 14
e) P = 0
p15 43
p
32
3 5 3
9.8. EXERCICIOS PROPOSTOS 207
7) D^e exemplo da equac~ao de uma quadrica nas variaveis x1 ; x2 ; x3 ; que tenha algum termo misto
da forma Dx1 x2 ou Ex1 x3 ou F x2 x3 , cuja forma can^onica da parte quadratica seja x 2 + 4y 2 + 25z 2 .
Resp.: 5x12 + 13x22 + 12x32 20x2 x3 12x1 x3 + 8x1 x2 = 100, por exemplo.Escolha uma matriz P
2=3 1=3 2 =3
de ordem 3 3 que seja ortogonal, por exemplo, P = 2=3 2=3 1=3, e faca uma mudanca
1=3 2=3 2=3
x x1
de variaveis y = P x2 na equac~ao da quadrica x 2 + 4y 2 + 25z 2 = 100.
z x3
8) Determine a forma can^onica de
q (x1 ; x2 ; x3 ; x4 ) = 5x12 + 5x22 + 5x32 + 5x42 10x1 x2 + 2x1 x3 + 6x1 x4 + 6x2 x3 + 2x2 x4 10x3 x4
e uma matriz ortogonal P utilizada na mudanca de variavel que resulta nessa forma.
1 1 1 1
11 1 1 1
Resp.: q = 4x 2 + 8y 2 + 12z 2 4t 2 , P =
1
2 1 1 1
1 1 1 1
9) Determine a forma can^onica de
q (x1 ; x2 ; x3 ; x4 ; x5 ; x6 ) = 3x12 + 8x1 x2 3x22 + 4x32 6x3 x4 4x42 + 4x52 + 4x5 x6 + x62
e uma matriz ortogonal P da mudanca de variavel que resulta nessa forma.
p25 p15 0 0 0 0
p1 p25 0 0 0 0
5
0 0 p3 p1 0 0
2 2 2
Resp.: q = 5x 5y + 5z 5r + 5s , P = 0 2 2
110 310
0 p 10 p 10 0 0
0 0 0 0 p25 p15
0 0 0 0 p15 p25
10) D^e exemplo de uma forma quadratica do R4 que tenha algum termo misto da forma Kxi xj ,
208 CAPITULO 9. FORMAS BILINEARES E QUADRATICAS
t x4
Ap^
endice A
Apoio Computacional
http://maxima.sourceforge.net
E denominada \Maxima, a Computer Algebra System" e a partir dela pode-se copiar o programa
(cerca de 140 megabytes), alem da sua documentacao em diversos idiomas.
209
210 ^
APENDICE A. APOIO COMPUTACIONAL
Uma vers~ao para celular pode ser baixada a partir do Play Store e chama-se \Maxima on
Android".
No item \Editar" do menu, tem um subitem chamado \Conguraco~es" onde e feita toda
a congurac~ao do programa tais como idioma utilizado, cores do texto, fontes de texto, etc.
Certique-se de que o item \ Enter calcula celulas" esta marcado.
214 ^
APENDICE A. APOIO COMPUTACIONAL
Podemos atribuir valor a qualquer variavel digitando-se o seu nome seguido de dois pontos e
do valor da variavel como em x: 2; y: 4; z: -1. Essas atribuico~es n~ao devem ser confundidas
com x = 2; y = 4; z = 1.
O ultimo resultado calculado pode ser referenciado por um smbolo de porcentagem (%).
p p
As constantes matematicas = 3; 14159 : : : , e = 2; 71828 : : : , i = 1, = 1+2 5 s~ao
representadas por %pi, %e, %i e %phi, respectivamente.
Usamos o comando
oat(x) para obtermos a representac~ao decimal de x .
Uma func~ao pode ser denida utilizando-se um := , como no exemplo f (x ) := cos(x ) + x=5.
A seguir, alguns exemplos de comandos digitados no Maxima , bem como suas respectivas res-
p 30 50p81+ 8 10, fatoramos o resultado em produto de pot^encias de primos,
postas. Calculamos
calculamos a = 49, b = 6 , a + b, x = ln(cos( 6 ) + sen( 4 )) e a sua representac~ao decimal. Se
o usuario quiser, pode ser digitado em uma unica linha mais de um comando.
A operac~ao de multiplicac~ao nunca pode car subentendida. Por exemplo, um termo como 2xy
tem que ser digitado como 2 x y . O asterisco n~ao pode ser esquecido.
A.6. OPERAC ~
OES ^
COM POLINOMIOS 217
(%i18) plot2D( sin(x) + sin(3*x)/3 + sin(5*x)/5, [x, -10, 10], [y, -2, 2] );
218 ^
APENDICE A. APOIO COMPUTACIONAL
O graco tridimensional de uma func~ao f (x; y ), com x 2 [a; b] e y 2 [c; d ] pode ser construdo
com um comando plot3d(f(x,y), [x, a, b], [y, a, b]) ou fornecendo-se os dados do graco na
janela \Graco ! Graco3D . . . " no menu principal do programa.
Depois de construdo, um graco tridimensional construdo com a opc~ao padr~ao pode ser girado
pressionando-se o mouse e arrastando-o para uma nova posic~ao .
Entre as varias construco~es possveis com o pacote draw, vamos exemplicar apenas a cons-
truc~ao de gracos planos ou tridimensionais denidos implicitamente.
implicit(equac~ao, x; xmin ; xmax ; y; ymin ; ymax ; : : : ); dene implicitamente graco plano ou
tridimensional, com variaveis dentro dos limites estabelecidos.
draw2d(graco2D, opco~es2D); desenha graco plano usando as opco~es dadas.
opco~es2D podem ser color=... (cor do graco), line width=... (largura do traco), xaxis=true
(desenha o eixo dos x), yaxis=true (desenha o eixo dos y), etc.
draw3d(graco3D, opco~es3D); desenha graco tridimensional usando as opco~es dadas.
opco~es3D podem ser color=... (cor do graco), proportional axes=xyz (mesma escala nos
eixos), surface hide=true (n~ao mostra parte encoberta do graco), etc.
Neste exemplo, construmos a hiperbole denida implicitamente pela equac~ao 25y2 x 2 = 1,
9
15 x 15, 15 y 15, e as retas cujas equaco~es s~ao y5 x3 = 0 e y5 + x5 = 0.
(%i20) load(draw)$
(%i21) hip1: implicit(y^2/25 - x^2/9 = 1, x, -15, 15, y, -15, 15)$
(%i22) reta1: implicit(y/5 - x/3 = 0, x, -15, 15, y, -15, 15)$
(%i23) reta1: implicit(y/5 + x/3 = 0, x, -15, 15, y, -15, 15)$
(%i24) draw2d(xaxis=true, yaxis=true, proportional axes=xy,
line width=2, color=red, reta1, reta2, line width=5, color=blue, hip1);
(%o24) [gr 2d (implicit; implicit; implicit )]
A.9. LIMITES 221
(%i25) load(draw)$
(%i26) sup3d: implicit(x^2-y^2+z^2 = 2, x, -5, 5, y, -5, 5, z, -5, 5)$
(%i27) draw3d(proportional axes=xyz, surface hide=true, color=blue, sup3d);
(%o27) [gr 3d (implicit )]
A.9 Limites
O limite de f (x ) quando x tende a x0 e calculado com um comando limit(f(x), x, x0). O
innito pode ser codicado por inf e o menos innito por minf. Se for colocado um apostrofo
antes do comando, ele sera apenas mostrado, mas n~ao calculado.
(%i30) 'limit(
psqrt(x + sqrt(x)) - sqrt(x), x, inf);
(%o30) lim x + x
p px
x !1
(%i31) limit( sqrt(x + sqrt(x)) - sqrt(x), x, inf);
(%o31) 12
A.10 Derivadas
A derivada de f (x ) com relac~ao a x pode ser calculada com um di(f(x), x). A derivada de
ordem n pode ser calculada com um comando do tipo di(f(x), x, n). A func~ao f pode ter varias
variaveis. Se for colocado um apostrofo antes do nome do comando, ele n~ao sera executado.
A.11 Integrais
Integrais indenidas podem ser calculadas com um comando do tipo integrate(f(x), x) e inte-
grais denidas em [a; b] com comando do tipo integrate(f(x), x, a, b). Os limites de integrac~ao
A.12. EQUAC ~
OES DIFERENCIAIS 223
podem ser innitos. Um apostrofo antes do comando faz com ele seja apenas enunciado sem ser
calculado.
ordens, com var 1 sendo a variavel dependente e var 2 a independente. Neste caso, e preciso que se
digite um apostrofo antes das derivadas. Nas respostas obtidas, o Maxima apresenta as constantes
genericas como sendo %c , %k 1, %k 2 etc.
A.13 Series
Varios comandos podem ser usados para calcular somatorios, somas de series e expans~ao em
serie de pot^encias. Alguns desses comandos s~ao o sum(f(k), k, n1, n2) que calcula o somatorio
de f (k ), com k variando de n1 a n2 , e taylor(express~ao, x, a, n) que expande a express~ao em uma
serie de Taylor em torno do ponto a, contendo termos ate (x a)n . O comando n~ao e executado
se for colocado um apostrofo antes do seu nome.
A.14 Equac~oes
Uma equac~ao pode ser resolvida com um comando solve(equac~ao, variavel), ou simplesmente
solve(equac~ao). Podemos digitar uma linha de comando ou fornecer a equac~ao em uma janela
exclusiva para entrada de equaco~es. Para obter essa janela de equaco~es, escolhemos no menu
principal do programa a opc~ao \Equaco~es!Resolver . . . ".
Neste exemplo, inicialmente, resolvemos a equac~ao x 4 5x 2 + 6 = 0. Depois, resolvemos
10x 4 + 13x 3 120x 2 117x + 270 = 0.
(%i50) solve(x^4 p - 5*x^2p + 6 = 0,p x); p
(%o50) [x = 2; x = 2; x = 3; y = 3]
(%i51) eq: 10*x^4 + 13*x^3 - 120*x^2 - 117*x + 270 = 0
(%o51) 10x 4 + 13x 3 120x 2 117x + 270 = 0
(%i52) solve(eq);
(%o52) [x = 65 ; x = 3; x = 3; x = 52 ]
No comando anterior, percebemos que a soluc~ao tem uma variavel livre %r1. Isso signica que
as outras variaveis s~ao dependentes e, por causa disso, podemos explicitar no comando quais s~ao
essas variaveis dependentes. Por exemplo, se no sistema anterior quisermos x e y dependentes e z
como variavel livre, ent~ao devemos digitar o seguinte comando:
(%i58) solve([eq1, eq2, eq3], [x, y]);
(%o58) [[x = 7z2251 ; y = 13z22 13 ]]
x + 2 y + 3 z + 4 s + 5 t = 0
E mais outro exemplo: resolver o sistema linear
x 3y z + 2s + 8t = 0 .
x + 7y + 7z + 6s + 2t = 0
A.16. VETORES E LISTAS 227
Percebemos dessa forma que existem 3 variaveis livres e 2 variaveis dependentes. Se escolhermos
as variaveis dependentes como sendo x e y , ent~ao devemos digitar:
(%i63) solve([eq1, eq2, eq3], [x, y]);
7z + 31t + 16s 4z 3t + 2s
(%o63) [[x = ; y= ]]
5 5
Mas se escolhermos as variaveis dependentes como sendo s e t , ent~ao o comando a ser digitado
e
(%i64) solve([eq1, eq2, eq3], [s, t]);
29z + 31y + 3x 5z + 8y x
(%o64) [[s = ; t = ]]
22 11
(%i68) u.v;
(%o68) 57
(%i69) norma(x) := sqrt(x.x);
p
(%o69) norma(x ) := x x
(%i70) norma(v);
p
(%o70) 3 10
O Maxima possui uma variedade de comandos para calculo com matrizes e demais conceitos da
Algebra Linear.
E possvel fornecer uma matriz ao Maxima com um comando
ou atraves de uma janela especca, obtida no item \Algebra!Introduzir matriz..." do menu
principal. A multiplicac~ao de matrizes pode ser feita com um ponto, como em A . B, o determinante
com um comando determinant(...) e a inversa com um comando invert(...). A pot^encia M n pode
ser calculada com um comando M^^n , para qualquer inteiro n. M^^(-1) tambem pode ser usado
para calcular a inversa de M .
Denimos neste exemplo uma matriz M e calculamos seu determinante, sua inversa e seu
quadrado.
A.18. ESCALONAMENTO DE MATRIZES 229
(%i71) M:
matrix( [-3,7,1],
[4,5,0], [10,2,-5]);
3 7 1
(%o71) 4 5 0
10 2 5
(%i72) determinant(%);
(%o72) 173
(%i73) invert(M);
25 37 5
173 173
20 5 173
4
(%o73) 173
42 173
76 173
43
173 173 173
(%i74) M^^2;
47 16 8
(%o74) 8 53 4
72 70 35
10 1 1 5
(%i75) A: matrix([3,-4,8,1], [-3,4,-8,-1], [4,1,5,0], [10,1,1,-5])$
(%i76) echelon(A);
1
1 4 5 0
4
17 4
0 1
(%o76) 19 10119
0 0 1 244
0 0 0 0
230 ^
APENDICE A. APOIO COMPUTACIONAL
(%i77) A:
matrix([8,6,6],[5,15,18], [-5,-10,-11]);
8 6 6
(%o77) 5 15 18
5 10 11
(%i78) p: charpoly(A, );
(%o78) (( 11)(15 ) + 180)(8 ) + 6(5(15 ) 50) 6(5( 11) + 90)
(%i79) q: expand(p);
(%o79) 3 + 122 47 + 60
(%i80) factor(q);
(%o80) ( 5)( 4)( 3)
(%i81) eigenvalues(M);
(%o82) [[3; 4; 5]; [1; 1; 1]]
(%i83) eigenvectors(M);
(%o83) [[[3; 4; 5]; [1; 1; 1]]; [[[1; 4; 1]]; [[1; 1; 0]]; [[1; 0; 0]]]]
Muitas vezes, e interessante usar um comando expand(...) para expandir, ou factor(...) para
fatorar o polin^omio caracterstico.
As respostas dos comandos eigenvalues(...) e eigenvectors(...) s~ao listas de listas que devem ser
interpretadas na seguinte ordem: primeiro aparecem os autovalores [1 ; 1 ; : : : ], depois as multiplici-
dades desses autovalores [n1 ; n2 ; : : : ] e por ultimo aparecem os autovetores [v1 ; v2 ; v3 ]; [w1 ; w2 ; w3 ]; : : :
. No exemplo anterior, os autovalores encontrados foram 3; 4; 5, com multiplicidades 1; 1; 1, res-
pectivamente, e autovetores associados (1; 4; 1); (1; 1; 0); (1; 0; 0), respectivamente.
Se o produto interno n~ao for o usual, digamos que seja algo como
hu; v i = 2u1v1 + 5u2v2 + u3v3 + 10u4v4;
ent~ao podemos usar os seguintes comandos:
Testes
Neste captulo, apresentamos algumas quest~oes do tipo multipla escolha sobre os mais diversos
assuntos. Para cada quest~ao proposta, e apresentada uma lista de alternativas de respostas, iden-
ticadas pelas letras A, B, C, D, . . . . Entre essas alternativas, somente uma delas corresponde a
resposta correta do problema.
3 3 3 15 9 11 11 33 9 3 0 0
A) 5 5 5 B) 9 11 15
C) 33 9 11
D) 0 9 0
11 11 11
11 9 15
9 11 33
0 0 11
3 5 11 3 3 3 3 9 3 3 9 11
E) 9 15 33 F) 15 15 15 G) 5 15 5 H) 3 9 11
3 5 11 11 11 11 11 33 11 3 9 11
a b c d
2) Sejam a; b; c; d numeros reais n~ao todos nulos e M =
b a d c :
c d a b
d c b a
1
Calcule
a + b + c2 + d2
2 2 M Mt .
235
236 ^
APENDICE B. TESTES
0 0 0 0 1 0 0 0 a 0 0 0 a2 0 0 0
0
A)
0 0 0
0
B)
1 0 0 C)
0 b 0 0
D) 0 b2 0 0
0 0 0 0 0 0 1 0 0 0 c 0 0 0 c2 0
0 0 0 0
0 0 0 1
0 0 0 d 2
0 0 0 d 2
a b c d a2 b 2 c2 d 2 d 0 0 0 d 0 0 0
b
E)
a d c F) b2 a2 d2 2
c G) 0 c 0 0 H) 0
c2 0 0
c d a b c 2 d 2 a2 b2 0 0 b 0 0 0 b2 0
d c b a d2 c2 b2 a 2 0 0 0 a 0 0 0 a2
29 66 90
5) A inversa da matriz A = 40
89 120 e
20 44 59
11 39 10 29 66 90 29 66 90
A) A 1 = 30 19 121 B) A 1 = 40 19 12 1
C) A = 40
89 120
40 4 29 2
4 39
20 44 59
19 33 90 1 0 0 29 33 90
D) A 1 = 10 39 20 1
E) A = 0 1 0 1
F) A = 30
79 110
2 4 5 0 0 1 10 14 59
B.1. MATRIZES, DETERMINANTES E SISTEMAS LINEARES 237
24
32 9 12
1 14
8 21 12
40 56 15 21 10 6 15 9
7) Sabendo que
15 20 6 8
=
35 20 56 32
, determine a soluc~
ao do
25 35 10 14 25 15 40 24
sistema
24x + 32y + 9z + 12t = 1
40x + 56y + 15z + 21t = 1
15x + 20y + 6z + 8t = 1
:
25x + 35y + 10z + 14t = 1
238 ^
APENDICE B. TESTES
9) Calcule o determinante
24 32 9 12
40 56 15 21
15 20 6 8
:
25 35 10 14
A) 5 B) 4 C) 3 D) 2 E) 1 F) 0 G) 1 H) 2 I) 3 J) 4 K) 5 L) 6
3 3 3 3
5 0 0 0
0 0 8 11
10) Calcule o posto da matriz A = 5 0 8 11:
1 1 1 1
4 1 9 12
5 0 8 11
A) posto(A) = 0 B) posto(A) = 1 C) posto(A) = 2 D) posto(A) = 3 E) posto(A) = 4
F) posto(A) = 5 G) posto(A) = 6 H) posto(A) = 7 I) posto(A) = 8 J) posto(A) = 9
11) Representando um valor numerico qualquer por um \*", ao ser escalonada a matriz
3 2 2 3
2 3 3 4
2 4 2 3
A =
5 2 4 2
;
3 4 2 3
8 0 2 5
obtemos uma matriz no seguinte formato:
B.2. ESPAC
OS VETORIAIS E SUBESPAC
OS 239
1
0 1
0 1
1
0
1
0
0 1
0
0 0 1
0
0 0 1
0 0 1 0 0 0 1 0 0 0 0 0 0 0 0
A)
0
0 0 1
B)
0 0 0 0
C)
0 0 0 0
D)
0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1
1
1
1
0
0 1
0
1
0
1
0
1
0 0 0 1 0 0 0 1 0 0 1 0 0 0 0
E)
0 0 0 0
F)
0 0 0 0
G)
0
0 0 0
H)
0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
12) Denotando um valor numerico qualquer por um \*", a forma escalonada da matriz
3 5 2 2 2 5 7
9 15 6 6 6 12 20
6 10 4 0 5 8 11
tem o seguinte formato:
1
1 1
A) 0 1
B) 0 0 1
C) 0 0 0 1
0 0 1
0 0 0 1
0 0 0 0 1
1 1 1
D) 0 0 0 1
E) 0 0 0 0 0 1
F) 0 0 0 1
0 0 0 0 0 0 1 0 0 0 0 0 0 1 0 0 0 0 0 1
x + 2y = 5
3y + 4z = 18
13) Determine o valor de y que e soluc~ao do sistema linear 5z + 6u = 39 .
7u + 8v = 68
9v + 10x = 55
A) y = 3 B) y = 2 C) y = 1 D) y = 0 E) y = 1 F) y = 2 G) y = 3 H) y = 4
14) Calcule o valor de c sabendo que a; b; c s~ao escalares e fu; v; w g e uma base de um espaco
vetorial V tais que
(5a 10)u + (b c )v + ( 7a b c )w = 0:
240 ^
APENDICE B. TESTES
A) 0 B) 1 C) 2 D) 3 E) 4 F) 5 G) 6 H) 7 I) 8 J) 9 K) 10
L) 12 M) 1 N) 2 O) 3 P) 4 Q) 5 R) 6 S) 7 T) 8 U) 9 W) 10
A) f(1; 1; 0; 0); ( 2; 0; 1; 0); (2; 0; 0; 1)g B) f(1; 1; 0; 0); ( 3; 0; 1; 0); (3; 0; 0; 1)g
C) f(1; 1; 0; 0); ( 2; 0; 1; 0); (4; 0; 0; 1)g D) f(1; 1; 0; 0); (2; 0; 1; 0); ( 4; 0; 0; 1)g
E) f(1; 1; 0; 0); (2; 0; 1; 0); ( 3; 0; 0; 1)g F) f(1; 1; 0; 0); ( 5; 0; 1; 0); (3; 0; 0; 1)g
G) f(1; 1; 0; 0); ( 3; 0; 1; 0); (4; 0; 0; 1)g H) f(1; 1; 0; 0); (5; 0; 1; 0); (3; 0; 0; 1)g
20) Sejam U = [1; e x ] e W = [sen x; cos x ] subespacos de V = F (R; R). Determine uma base
para U + W .
A) = f1 + e x ; 1 + sen x; 1 + cos x g = fx sen x; x cos x g
B) = fe x sen x; e x cos x g
C)
G) = f1 + sen x; e + cos x g
x
= f1 + e + sen x + cos x g
x
H) = f1; e x ; sen x; cos x g
I)
A) 0 B) 1 C) 2 D) 3 E) 4 F) 5 G) 6 H) 7 I) 8 J) 9 K) 10 L) 11 M) 12
29) Sejam I a matriz identidade e O a matriz nula, ambas de ordem 5 5. Baseado na informac~ao
de que o polin^omio mnimo de
2575 4943 6903 8294 9015
6355 12181 16988 20392 22156
M =
7435 14244 19858 23834 25900
4905 9401 13117 15760 17144
1570 3012 4209 5066 5519
e m(x ) = (x 2)2 (x + 5)3 , podemos armar que
^
B.6. POLINOMIO MINIMO E DIAGONALIZAC ~
AO 243
A) M e diagonalizavel B) (M 2I )2 = O C) (M + 5I )3 = O
D) (M 2I )5 (M + 5I )5 = O E) (M 2I )(M + 5I )2 = O F) (M 2I )(M + 5I )3 = O
G) (M 2I )2 (M + 5I )2 = O H) (M + 5I )2 = O I) M 2I = O
30) Qual e o traco de uma matriz 4 4 cujo polin^omio mnimo e m(x ) = (x 2 6)(x 2 11) ?
A) 0 B) 1 C) 2 D) 3 E) 4 F) 5 G) 6 H) 7 I) 8 J) 9 K) 10 L) 11 M) 12
31) O polin^omio mnimo de uma matriz 3 3 e m(x ) = (x 1)(x 2)(x 5). Qual e o valor
do seu determinante?
A) 0 B) 1 C) 2 D) 3 E) 4 F) 5 G) 6 H) 7 I) 8 J) 9 K) 10 L) 11 M) 12
703 1330 1245 575 105
1344 2547 2385 1101 201
32) Determine a matriz inversa de M = 1876 3556 3327 1534 280 sabendo que seu
2254 4270 3990 1838 336
2450 4640 4335 2000 368
polin^omio mnimo e m(x ) = x 2 5x + 6.
3 17 14
34) Uma matriz diagonal que e semelhante a M = 6 34 28 e
6 45 39
244 ^
APENDICE B. TESTES
3 0 0 3 0 0 3 0 0 6 0 0 3 0 0
A) 0 11 0
B) 0 11 0
C) 0 11 0
D) 0 11 0
E) 0 12 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 1
1 0 0 3 0 0 2 0 0 2 0 0 3 0 0
F) 0 13 0 G) 0 13 0
H) 0 11 0
I) 0 11 0
J) 0 13 0
0 0 0 0 0 1 0 0 1 0 0 1 0 0 1
1 1 2 2
2 2 4 4
35) Determine uma matriz diagonal semelhante a matriz M =
2 1 7
.
6
2 1 8 7
1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0
0 2 0 0 0
A) B) 0 1 0 0
C) 0 1 0 0
D) 0 0 0
0 0 3 0 0 0 1 0 0 0 1 0 0 0 0 0
0 0 0 4
0 0 0 0
0 0 0 1
0 0 0 0
1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0
0 1 0 0 0
E) F) 0 1 0 0
G) 0 1 0 0
H) 0 1 0
0 0 1 0 0 0 2 0 0 0 1 0 0 0 1 0
0 0 0 1 0 0 0 2 0 0 0 1 0 0 0 0
6 16 15 0
1 37 29 0
36) Encontre o polin^omio mnimo da matriz B =
1 44 36 0
.
1 44 29 7
Sabendo que seu polin^omio caracterstico e p() = ( + 2)2 ( + 3)( 4)3 e seu polin^omio mnimo
e m() = ( + 2)( + 3)( 4), determine uma matriz A que seja semelhante a M .
4 0 0 0 0 0 1 0 0 0 0 0 4 1 0 0 0 0
0 4 0 0 0 0 0 1 0 0 0 0 0 4 1 0 0 0
0 0 4 0 0 0 0 0 1 0 0 0 0 0 4 1 0 0
A=
0
A= A=
0 0 0 0 0
A) B) C)
0 0 2 0 0 0 1 0 0 0 2 1
0 0 0 0 2 0 0 0 0 0 1 0 0 0 0 0 2 1
0 0 0 0 0 3 0 0 0 0 0 1 0 0 0 0 0 3
4 4 4 0 0 0 4 4 4 4 4 4 4 2 3 0 0 0
0 4 4 0 0 0 0 2 2 2 2 2 4 2 3 0 0 0
0 0 4 0 0 0 0 0 3 3 3 3 4 2 3 0 0 0
A=
0
A= A=
0 0 0 4 0
D) E) F)
0 0 2 2 0 0 0 0 2 3 0 0
0 0 0 0 2 0 0 0 0 0 0 0 4 2 3 0 0 0
0 0 0 0 0 3 0 0 0 0 0 0 4 2 3 0 0 0
38) Sabendo que u e v s~ao vetores de um espaco com produto interno V tais que ku k = 7,
kv k = 8, hu; v i = 4, calcule o valor de kv u k.
A) 0 B) 1 C) 2 D)p3 E)p4 F)p5 G)p6 H)p7 I) p
8 J)p9 K)p10
L) 11 M) 12 N) 13 O) 2 P) 3 Q) 5 R) 6 S) 7 T) 8 U) 10 V) 11
1 3
40) Calcule kv k, sabendo que v = 3 2
2 M (2; 2) com produto interno
a b e f
c d ; g h = ae + bf + cg + dh:
p p p p p p p p
A)
p0 B) 1 C) 2 D) 3 E)
p2 p3 p5 p6
F)
p11 p12G) H) I) J) K)
p13 L)
p14
M) 15 N) 4 O) 5 P) 6 Q) 7 R) 8 S) 10 T) 17 U) 18 V) 19 W) 22 X) 23
246 ^
APENDICE B. TESTES
v4 e ortogonal a v1
v2 = v3 + v4 .
Determine o vetor v4 .
A) v4 = ( 13 7
15 ; 15 ;
7 17
15 ; 15 ) B) v4 = ( 13 1 4 7
15 ; 15 ; 15 ; 15 ) C) v4 = ( 13 7 1 17
15 ; 30 ; 15 ; 60 ) D) v4 = ( 13 7
30 ; 30 ;
7 17
30 ; 30 )
1 4 13 17
E) v4 = ( 15 ; 15 ; 15 ; 30 ) F) v4 = ( 30 ; 15 ; 30 ; 17
13 7 7
15 ) G) v4 = ( 60 ; 60 ; 15 ; 17
13 7 1
60 ) H)
1 7
v4 = ( 60 ; 30 ; 1 7
30 ; 30 )
7 7 7 7 7 1 4 1 1 7 1 7 1 7 7 1
I) v4 = ( 60 ; 15 ; 15 ; 15 ) J) v4 = ( 60 ; 15 ; 15 ; 15 ) K) v4 = ( 15 ; 60 ; 15 ; 60 ) L) v4 = ( 30 ; 60 ; 15 ; 30 )
42) Se fe1 ; e2 ; : : : ; en g e a base can^onica do Rn com produto interno usual, e v2 = (v21 ; v22 ; : : : ; v2n );
v3 = (v31 ; v32 ; : : : ; v3n ); : : : ; vn = (vn1 ; vn2 ; : : : ; vnn ) s~ao n 1 vetores de Rn , ent~ao o vetor v1 de-
nido atraves do \pseudo-determinante"
e1
e2 : : : en
v21 v22 : : : v2n
: : : v3n
v1 = v31 v32
.. .. ... ..
. . .
vn1 vn2 : : : vnn
e ortogonal a cada um dos vetores v2 ; v3 ; : : : ; vn . Baseando-se nessa informac~ao, determine um
vetor v1 2 R4 que seja simultaneamente ortogonal aos vetores v2 = (1; 2; 0; 0), v3 = (0; 1; 0; 4) e
v4 = (0; 5; 3; 2).
A) v1 = ( 24; 12; 8; 6) B) v1 = ( 12; 1; 18; 1) C) v1 = (12; 12; 18; 3)
D) v1 = (24; 2; 18; 1) E) v1 = (24; 12; 18; 3) F) v1 = (12; 24; 3; 18)
G) v1 = ( 2; 1; 0; 4) H) v1 = (0; 4; 0; 1) I) v1 = (0; 50; 30; 20)
43) Seja V = C ([0;Z1]) um espaco das funco~es contnuas no intervalo [0; 1] com produto interno
1
denido por hf ; g i = f (x )g (x )dx . Calcule o ^angulo entre os seguintes vetores de V : f (x ) = 3x 2
0
e g (x ) = 4x 3 .
p p p p p
35 35 35 3 3
A) arccos B) arccos C) arccos D) arccos E) arccos
p
12
p 8
p6
p
11
p
6
3 5 5 5 35
F) arccos G) arccos H) arccos I) arccos J) arccos
7 35 6 2 3
B.8. COMPLEMENTO ORTOGONAL E ORTOGONALIZAC ~
AO 247
45) Seja W o subespaco do R3 gerado pelos vetores v1 = (0; 1; 1) e v2 = (1; 2; 5). Determine
w sabendo que = fw g e uma base do complemento ortogonal W ? .
A) w =( 2; 1; 1) B) w = (3; 5; 1) C) w = ( 76 ; 13
6 ; 1) D) w = ( 34 ; 12 ; 1) E) w = ( 25 ; 67 ; 1)
F) w =( 5; 0; 1) G) w = (4; 2; 1) H) w = ( 56 ; 13
5 ; 1) I) w = ( 32 ; 14 ; 1) J) w = ( 23 ; 67 ; 1)
K) w =( 7; 1; 1) L) w = (2; 3; 1) M) w = ( 34 ; 5
6 ; 1) N) w = ( 35 ; 514 ; 1) O) w = ( 32 ; 411 ; 1)
46) Determine u3 sabendo que = fu1 ; u2 ; u3 g e uma base ortonormal de R3 obtida a partir da
base = fv1 = (1; 0; 0); v2 = (0; 1; 1); v3 = (1; 5; 0)g, usando-se o Processo de Ortogonalizac~ao
de Gram-Schmidt.
A) u3 = (0; 35 ; 45 ) B) u3 = (0; p12 ; p12 ) C) u3 = (0; p25 ; p15 ) D) u3 = (0; p310 ; p101 )
E) u3 = (0; 35 ; 54 ) F) u3 = (0; p526 ; p261 ) G) u3 = (0; p637 ; p371 ) H) u3 = (0; 5p7 2 ; 5p12 )
I) u3 = (0; 54 ; 35 ) J) u3 = (0; p982 ; p821 ) K) u3 = (0; p10 1 11 1
101 ; p101 ) L) u3 = (0; p122 ; p122 )
1 Z
47) Usando o produto interno hf ; g i = f (t )g (t ) dt do espaco V = P2 , determine uma base
0
para W ? sabendo que W = [t 2 5t + 6; t + 1].
A) f150t 2 840t + 35g B) f590t 2 584t + 95g C) f520t 2 504t + 65g
D) f990t 2 + 184t + 215g E) f400t 2 + 123t + 25g F) f180t 2 + 284t 150g
Z
48) Seja V = [1; x; cos x; sen x ] C ([0; ]), com produto interno hf ; g i = f (x )g (x ) dx .
0
Se W = [x; sen x ], determine uma base para W ? .
A) fx + 2 12+12 cos x + 2 sen x; 1 + 3 26 24 cos x 4 sen x g
3 2 2
50) Uma matriz n n cujas linhas s~ao os vetores de uma base ortonormal de Rn e uma ma-
triz ortogonal. A partir da base f(0; 1; 2); (3; 4; 5); (1; 2; 0)g do R3 , usando um processo de
ortogonalizac~ao, obtenha uma matriz M com a propriedade M 1 = M t .
0 p15 p25 0 p15 p25 0 p15 p25 0 p15 p25
A) 1
p5 p25 p15 2
B) p5 p25 p15 5
C) p3 p3
2 p13 5 2
D) p30 p30 p130
p16 p26 p16 p16 p26 p16 p16 p26 p16 p16 p26 p16
0 p15 p25 0 p16 p26 0 p15 p25 p15 0 p25
E) 1
p5 p25 p15 2
F) p5 p25 p15 5
G) p2 p2
2 p12 5
H) p30 p230 p130
1
p6 2
p6 p61 1
p3 2
p3 p31 1
p6 p6 2 1
p6 1
p6 2
p6 p 6 1
2 0 8 24
2 0 8 24
2 0 8 24
1 0 2 2 1 0 2 4 1 0 2 4
0 4 2
0 0 4 2
0 0 4 2 0
D)
1 2 11 16
E)
2 2 11 16
F)
2 2 11 16
2 0 16 24 4 0 16 24 4 0 16 24
59) xy yz xz = 1
A) Hiperboloide de uma folha B) Hiperboloide de duas folhas C) Paraboloide elptico
D) Paraboloide hiperbolico E) Elipsoide F) Cone
G) Cilindro circular H) Cilindro parabolico G) Cilindro hiperbolico
60) x 2 + yz = 10
A) Hiperboloide de uma folha B) Hiperboloide de duas folhas C) Paraboloide elptico
D) Paraboloide hiperbolico E) Elipsoide F) Cone
G) Cilindro circular H) Cilindro parabolico G) Cilindro hiperbolico
251
Indice Remissivo
Autovalores, 120 Forma escada, 24
Autovetores, 120 Formas bilineares, 179
Formas quadraticas, 179
Base, 63
Base can^onica Imagem, 95
de Pn , 69 Isomorsmo, 104, 105
de Rn , 68
de M (m; n) , 69 Matriz
do Rn , 69 semelhante, 135
Bibliograa, 251 Matriz escalonada, 24
Matrizes, 1
C^onicas, 179, 187 adic~ao, 4
Combinac~ao linear, 50 escalonadas, 23
Computac~ao Algebrica, 209 igualdade, 4
Coordenadas, 71 inversas, 12
corpo, 43 multiplicac~ao, 5
multiplicac~ao por escalar, 5
Determinantes, 1, 9 transpostas, 8
Diagonalizac~ao, 135 Maxima, 209
Diferenca de vetores, 44 autovalores, 230
Dimens~ao , 63 autovetores, 230
block, 233
Eliminac~ao de Gauss, 29 derivadas, 222
equac~ao linear, 15 diagonalizac~ao, 230
coecientes, 15 Equaco~es Diferenciais, 223
soluc~ao, 15 equac oes, 225
termo independente, 15 escalonamento, 229
Equivalente por linha, 23 for, 233
escalares, 44 gracos, 217
Espaco vetorial gracos denidos implicitamente, 219
base, 67 if, 233
dimens~ao, 67 integrais, 222
Espacos vetoriais, 43 interface, 210
252
INDICE REMISSIVO 253