Escolar Documentos
Profissional Documentos
Cultura Documentos
1 - Na Geometria:
vTw
- Ângulo entre dois vetores não nulos v e w: cos =
v w
v
Distância entre v e w = ||v - w||
w cos = vTw/||v||||w||
Figura 5.1
2
x0 a
- Equação do plano que contem P0 = y0 e é normal a v = b
z0 c
` v
(P - P0)Tv = 0
Figura 5.2
d f ( ( t ))
f ( ( t )) ( t )
T
dt
3 - Na Física
- Trabalho realizado por uma força constante F , no deslocamento de uma partícula entre A e B:
W = F (B - A)
- Se F (x) não for constante e x(t) a trajetória da partícula para ir de x(t0)=A até x(t1) = B:
W = F ( x( t )) x ( t )dt
t1
to
(A*B)ij = Ai B(j)
3
Se é uma base do 3 formada por vetores ortogonais entre si e de norma unitária, para todo v 3 teremos:
v T v1
v v T v2
vT v
3
Em geral: Se S={S1 , S2 , ....,Sn} representam diferentes possibilidades para um experimento, X1, X2, ....., Xn
são valores de uma variável aleatória X em S e p1,...., pn as diferentes probabilidades para cada Si, então o valor
esperado para X será:
v T ( 1 w 1 2 w 2 ) 1 v T w 1 2 v T w 2
Linearidade à esquerda
( 1 v 1 2 v 2 ) w 1 v 1 w 2 v 2 w
T T T
v .w v T w w T v w . v
Linearidade à direita
Comutatividade
||v|| = (v v)1/2
Exemplo 5.1- || (1,-2,3,1,1)T|| = (12 + (-2)2 + 32 + 12 + 12)1/2 = 4
6
Obs. 5.1 - Veja que no caso de vetores no 3, ||v|| coincide com a noção usual de distância euclidiana do ponto
v à origem. No caso geral, as principais propriedades da norma no 3 se mantêm e nos permitem pensar na
norma de um vetor como uma boa medida de seu “tamanho”. Em especial, definimos distância entre dois
pontos P e Q no n como ||P – Q||.
P2.1 - Se v = 0 obviamente | v w | = 0 = ||v|| || w ||
P2.2 - Se v 0 , observe que para todo t :
0 ||tv + w||2 = (tv + w)(tv + w) = (v v) t2 + 2(v w)t + w w
Portanto, o discriminante de (v.v) t2 + 2(v . w)t + w.w é não-positivo. Ou seja
= 4(v w)2 - 4 (v v) (w w) 0 | v w | ||v || ||w||
P3 - Observe que iii resulta de ii, já que:
|| v + w ||2 = (v + w)(v + w) = ||v||2 + ||w||2 + 2 vw (||v || + ||w||)2
De ||S - P||2 = ||S - Q||2 || (-1 + 22 , 1-2, 2)||2 = ||(-1 + 22 , 1, 2-2)||2
(-1 + 22 )2 + (1-2)2 + 22 = (-1 + 22 )2 + 12 + (2-2)2 1 = 2
Levando 1 = 2 em ||S - P||2 = 8, obtemos (2 )2 + (2-2)2 + 22 = 8 2 = 2, 2‟= –2/3
7
2 2 / 3
2 2 / 3
R = S 2 e R‟ = S 2 / 3
2 2 / 3
2 2 / 3
Exemplo 5.3 – Ache um ponto do SEV W = [(1,0,1,-2)] que dista 2 unidades de P = (2,0,0,0)T
Se Q está em W, Q = (, 0, , -2)T, para algum número real .
Queremos obter || Q – P||2 = 4, e portanto:
( -2)2 + 2 + (-2)2 = 4 62 - 4 = 0 = 0, ou = 2/3.
Obtemos assim duas soluções, a saber Q = 0 e Q = (2/3, 0 , 2/3 , -4/3)T
Exercício 5.10 - Sejam v = (1,0,2,1)T e w = (1,-1,1,-1). Calcule vw, ||v|| e ||w|| e verifique diretamente que, de
fato, obtemos neste caso:
i - |vw| ||v|| + ||w||
ii - ||v+w|| ||v|| + ||w||
Exercício 5.11 -(Lei do paralelogramo) ||x+y||2 + ||x-y||2 = 2||x||2 + 2 ||y||2, para todo x e y no n.
Exercício 5.12 Encontre um ponto no SEV W = Im( (1,1, -1,1) ) e que esteja o mais próximo possível do ponto
P = (2,0,0,0)
Exercício 5.13 - Encontre, em cada um dos casos, e desde que exista, o vértice R de um triângulo equilátero
PQR, sabendo que P = (2,0,0,0), Q = (0,0,2,2) e que R está em W, onde:
1 0 1 1
i – W = N(A), para A =
2 1 3 0
ii - W = {x 4 : Ax = (5,5)T}, onde A é a mesma matriz do item anterior
Exercício 5.14 - Sejam , : 2 dadas por (t) = (t2 + t, t2 - 1) e (t) = ( sen(t), cos(t)).
i - Calcule g(t) = (t) (t) e sua derivada g‟(t).
ii - Calcule (t) (t) + (t) (t) diretamente e verifique que coincide com g‟(t)
iii - Considere duas curvas suaves no 2, dadas por funções deriváveis , : 2
Verifique que [ (t) (t) ] = (t) (t) + (t) (t).
Note que este fato generaliza-se facilmente para , : n.
Exercício 5.15 Certo ou errado? Justifique:
i - Se x e y são vetores do n tais que || x – y || = 0, então x = y
ii - Se x = (x1 , x2)T e y = (y1, y2)T são tais que || x – y || = || (1,0)T||, então x = y + (1,0)T
iii - Se x e y são vetores do n tais que || x || 4 e ||y|| 1, então ||x + y|| 5
iv - Se x e y são vetores do n tais que || x || 4 e ||y|| 1, então ||x - y|| 4
v - Se xTy = ||x|| = ||y|| = 1 então x=y
vi - Se A é nxn e vTAv > 0 para todo v 0 então Aii > 0 para todo i.
8
vii - Se A =
1 3 então < v , w > = vTAw é um produto bilinear, simétrico e positivo-definido.
3 1
viii - Considere A uma matriz nxn e tal que xTAx >0 para todo x 0 do n , bem como tal que Ax =
x, para algum x 0. Então > 0
Exercício 5.16 + - Considere a função || . ||1 :2 , definida por || x ||1 = |x1| + |x2|
i - Considere x = (1,-2)T e y = (-2 , 1)T. Calcule || x ||1 e || y ||1
ii – Mostre que as propriedades estruturais da norma (P1, P2 e P3) também valem para || ||1
iii – Considere o cubo cuja diagonal são os pontos 0 e x do 3. Verifique que || x ||1 mede a soma das arestas de
tal cubo.
iv – Calcule || x – y||1 + || x + y||1 e verifique que ||x+y||12 + ||x-y||12 2||x||12 + 2 ||y||12. Conclua que que para ||
||1 não vale a lei do paralelogramo do exercício 5.11.
vT w
-1 1
v w
Isto permite estender para o n a definição que tínhamos antes para ângulo entre dois vetores não nulos do 3:
Definição 5.2: Definimos o ângulo (0 180 )
o
entre vetores não nulos v e w por
vT w
cos =
v w
OBS. 5.2 - A desigualdade de Cauchy-Schwartz nos garante que a definição de ângulo entre dois vetores não
nulos do n é consistente. É um fato notável que tal definição funcione bem e nos permita ter uma idéia de
ângulo entre vetores em qualquer n. Desta forma podemos tratar geometricamente qualquer n de forma
análoga ao 3, apesar de não termos uma experiência visual direta sobre o n, para n > 3. No capítulo 10
veremos que é possível generalizar substantivamente este conceito e tratar geometricamente espaços vetoriais
bem mais gerais.
Exemplo 5.5 - Considere um triângulo isósceles PQR no 4, onde P = (0,0,0,0)T, Q = (4,0,0,0)T , e de tal
modo que
i - ||P -Q|| = ||P - R|| e o ângulo em P vale 60º
9
1 0 1 0 1
ii - R W = {x | Ax = b}, onde A =
2 1 0 1 e b =
2
Nosso objetivo, neste exemplo é procurar o vértice R. Como R está em W, sabemos que é solução da
equação Ax = b. Levando a matriz ampliada (A b) à forma escada obtemos
1 0 1 0 1
(A b) linha equivalente a (U b) =
0 1 2 1 1 .
xp = (1, -1, 0 , 0)T é uma solução particular de Ax = b, S(1) = (1 , -2 ,1 ,0)T e S(2) = (0,1,0,1)T são as
soluções canônicas de Ax = 0. Portanto, podemos parametrizar R na forma R = xp + S.
||P – R|| = ||P – Q|| = 4 nos dá: || R ||2 = ( 1 -1)2 + (-1 -21 + 2)2 + 12 + 22 = 16
Como PR faz com PQ um ângulo de 60o:
QTR = (4,0,0,0)T ( 1 -1, -1 -21 + 2 , 1 , 2) = cos60o ||Q|| ||R|| = 1/2 * 4 * 4
4(1 - 1) = 8 1 = -1
Levando 1 = -1 na expressão para R acima, obtemos a equação em 1:
1 21
22 + (1 +2)2 +1 +22 = 16 222 + 22 -10 = 0 2 =
2
Na verdade, há duas possibilidades para R:
1 21 T 1 21 T
. R = xp + S (-1, ) e R = xp + S (-1, )
2 2
OBS. 5.3: Como o coseno do ângulo entre dois vetores v e w é definido por cos = vTw/(||v||||w||), é natural
definir ortogonalidade entre dois vetores v e w obrigando que cos = 0. No entanto, a definição acima é
ligeiramente mais abrangente, na medida que não pressupõe v e w diferentes de zero. Já a noção de ângulo só
está definida para vetores não nulos. Como 0Tw = 0 sempre, isto corresponde a convencionar que o vetor nulo
do n é ortogonal a todos os demais vetores do n. Reciprocamente, se v é ortogonal a todos os vetores do n,
então v = 0 (vide exerc. 5.17.iii).
Exercício 5.23 + - Sejam A(1) , A(2) ,..., A(p) vetores não nulos de n e mutuamente ortogonais entre si, isto é,
tais que A(i) A(j) = 0, se i j
i. Verifique que A(1) , A(2) ,..., A(p) são LI.
ii. Verifique que ATA é uma matriz diagonal.
iii. Se além das hipóteses do item ii tivermos que p = n e A(i) = 1, para todo 1 i n , então A é uma matriz
ortogonal, ou seja, AAT=ATA = Inxn.
1 / 2 1 / 2
1 / 2 1 / 2
iv Considere A = e verifique que ATA = I2x2 , mas que AAT não é diagonal.
1/ 2 1/ 2
1 / 2 1 / 2
Exercício 5.24 + - Seja = { v1, v2, ..., vn} uma base ortonormal do n. Ou seja, tal que, para todo i,j, viTvj =
T
0, se i j e || v || = 1. Verifique que se [v] = (x , x , ... ,x )T, então x = v v i .
i 1 2 n i
v iT v i
12
Definição 5.5 -
Diz-se que v é uma projeção ortogonal de v num SEV W de n, caso v- v seja ortogonal a W.
Se W = [] é de dimensão 1, às vezes denomina-se a projeção ortogonal de v em W de projeção ortogonal de v
na direção de
( - )T = 0 =
-
PW () = =
PW () =
Figura 5.3
Exemplo 5.8 A projeção ortogonal de = (1, 2,1,1)T na direção de = (1,-1,1,1)T é PW () = , onde, pela
1
fórmula acima, = . Ou seja, PW () =
4 4
Exercícios da subseção 5.3.1
5.25 - Ache a distância de (1,2,1) ao SEV W = [(1,-1,1)]
5.26 - Ache a projeção ortogonal de v = (x1,x2,x3)T, na direção de w = (3,0,0)T
5.27 - Certo ou errado? Justifique:
i - Se e n e PW() é a projeção ortogonal de em W=[] então PW() .
ii - Se e n, PW () é a projeção ortogonal de em W = [] e PW ()= então é múltiplo de .
iii- Se e n e PW () é a projeção ortogonal de em W=[] então PW() w
13
(1) (2)
b = x1A + x2A = A x
W
x
A(2)
onde A = (A(1) ,A(2)) e x = 1
x2
A(1)
Figura 5.4
ATA x = ATb
Encontramos x resolvendo ATAx = ATb. Resulta PW(b) = Ax:
b 2 1 1 b1
2 1 1 1 0 1 Pw(b) = A x = 1 2 1 b
1
x b
1 2 0 1 1 2 3 2
b3 1 1 2 b3
b Ax , onde x satisfaz
n = dim(Im(A)) = Posto(AT)=Posto(ATA)
Mas então ATA é uma matriz nxn de posto n. Portanto ATA é inversível e a equação normal (EN) tem
sempre solução. Isto significa que xEN = (ATA)-1ATb é solução de ATAx = ATb e, portanto, que
TEOREMA 5.1- A projeção ortogonal PW: n W está bem definida e é uma função linear.
Além disto, PW(b) minimiza a distância de b a W. Ou seja:
OBS. 5.5:
i - Uma das consequências do teorema 5.1 é que diferentes bases de W, geram a mesma projeção ortogonal P W.
Ou seja, se as colunas de A e de B forem formadas por bases de W, então A(ATA)-1AT = B(BTB)-1BT.
Denominamos P = A(ATA)-1AT de matriz da projeção ortogonal.
ii – É fácil verificar que, se P = A(ATA)-1AT então P2 = P e PT = P . (vide exerc. 5.35)
Na verdade, estas duas propriedades caracterizam as projeções ortogonais, no sentido que, se P é uma
matriz nxn, P2 = P, PT = P, e W = Im(P), então P é a matriz da projeção ortogonal em W.
Para vê-lo, suponha que P2 = P e PT = P, x n e z = Py em W e observe que:
(x – Px)TPy = xTPy – xTPTPy = xTPy – xT P2y = 0
Definição 5.6: P é uma matriz de projeção caso P2 = P. (Diz-se ainda que P é idempotente, caso P2 = P). Diz-
se que é uma matriz de projeção ortogonal, caso seja também simétrica, ou seja PT=P.
OBS. 5.6 A equação normal sempre tem solução, mesmo que A não seja inversível. (Vide exerc. 5.62+)
16
Exercícios da subseção 5.3.3
Exercício 5.35 – Mostre que, se A é mxn e posto(A) = n e P = A(ATA)-1AT então P2 = P e PT=P
Exercício 5.36 - Ache a distância de (1, -2) à reta y = 2x., usando a construção acima.
Exercício 5.37 - Ache a distância de (1,-1,2,1)T ao subespaço gerado por A(1) = (1,0,0,0)T , A(2) = (1,1,1,1)T e
A(3) (1,-1,-1,1)T.
Exercício 5.38 - Dados A = (1,-1,0,1)T e B = (0,0,0,1)T, ache C, tal que:
i - C esteja no subespaço gerado por D(1) = (0,1,0,1)T e D(2) = (0,0,1,0)T
ii - O triângulo ABC tenha a menor área possível.
Exercício 5.39
i - Verifique que A = 2 1 é uma matriz de projeção, no sentido que A2 =A
2 1
ii - Verifique que a função linear x Ax projeta 2 sobre a reta Im(A) = ( 1, 1)T e que
2 = N(A) Im (A).
ii - Calcule as projeções de ( 1 ,0 )T e ( 0 , 1)T sobre Im(A) e conclua geometricamente que A não pode ser uma
projeção ortogonal.
Exercício 5.40 - Certo ou errado? Justifique:
1 0
i-A= é uma matriz de projeção.
0 2
ii - Se A é uma matriz de projeção, então Im (A) = { v n ; Av = v }.
iii - Se P é uma matriz de projeção ortogonal e Posto(P)=n, então P é a matriz identidade.
iv - Se P é uma matriz de projeção ortogonal então ||Pv|| = ||v||
Exercício 5.41+ - Sem usar a relação obtida para a solução da equação normal EN, verifique que se W é
um SEV do m que admite uma base ortonormal formada pelas colunas da matriz Q = (Q(1), Q(2) , ...., Q(n)),
então a projeção ortogonal de b em W se escreve como
PW(b) = (Q(1) b) Q(1) + (Q(2) b) Q(2) +..............+ (Q(n) b) Q(n) = QQTb
d = +b1 - b2 = (1,b1) - b2
17
d2 = A2 ( ,)T - b2
d1 = A1 ( ,)T - b1 P2
P3 d3= A3 ( ,)T - b3
P1
y= x +
Figura 5.5
1 1 1
2 , onde A = 1 1 e b = 3 .
d 2 d12 d 22 d 23 A ( , )T b 1 2
2
Ou seja, procuramos o ponto de Im(A) mais próximo de b.
Portanto ( , )T_deve ser solução da equação normal EN
1 1
1 1
1 1 1 1 1 1 3 7
= (ATA)-1ATb =
1 1 2 1 1
3
1 2 1 1 2 2 12 7
Logo, a reta procurada será f(x) = 12/7 + 3/7x, também conhecida como reta de regressão associada
aos dados P1 , P2 , P3. O vetor d = A( , )T - b chama-se de resíduo .
5.11.1. Usando o método de quadrados mínimos para modelar tal evolução com a reta de regressão y = x1 +
x2t qual a previsão de população em 96 que se obteria?
Consideramos 1950 como o ano t = 0. Medimos os anos em décadas e as populações em milhões.
18
Para y = x1 + x2 t, obtemos 5 equações nas incógnitas x1 e x2:
51,84 = x1 1 0 51,84
70,07 = x1 + x2 1 1 70,07
x
Ax 1 2 1 b 93,13
93,13 = x1 + 2x2
118,00 = x1 + 3x2 x 2
146,82 = x1 + 4,1 x2 1 3 118
1 4,1 146 ,8
A solução de quadrados mínimos xEN nos daria:
5 10,1 x1 479 ,9
ATA xEN =
10,1 30,81 A T b xEN = 48,82
x2 1212 ,3 23,34
Obs. 5. 7: Pela Obs 5.4 podemos dizer que para testar se V = [A(1) , A(2) , , A(q)] e W= [B(1), B(2),, B(q) }
basta testar se cada A(i) é ortogonal a cada um dos B(j). Ou equivalentemente, se ATB = 0 (vide exerc. 5.19.x)
1 0
Exemplo 5.12 - Seja A = 2 1 e considere V = Col(A), W = N(AT).
2 3
0 1
As soluções canônicas de ATx = 0 constituem uma base para N(AT). No caso teríamos AT =
1 2 2 1
já na forma escada, propiciando a base = {S , S } = { ( 8 ,-3 , 1,0) , (1,-1,0,1) }. Neste
(1) (2) T T
0 1 3 1
caso, V = Col(A) e W = N(AT) = Im(S).
OBS. 5.8 - Observe que no exemplo 5.12 N(AT) já era o complemento ortogonal de Im(A), de vez que N(A T)
consiste de todas as soluções de ATx = 0. Além disto obtivemos 4 = Im(A)N(AT).
Isto vale em geral. Considere A uma matriz mxn qualquer, bem como os SEVs do m, V = Col(A) e W =
N(AT). Pela observação 5.7, W é o complemento ortogonal de V no n, já que N(AT) é constituído por todos
os vetores ortogonais às linhas de AT, vale dizer, às colunas de A. Ou seja:
N (AT) = Col(A) no m
N (A) = Col(AT) no n
21
Em particular, W também é um SEV do Além disto, = Im(A)N(A ) também vale para qualquer
m m T
matriz A com m linhas. Vamos consolidar esta afirmação no teorema a seguir, que justifica o nome
“complemento”, na definição de “complemento ortogonal W” . Ou seja, W e W não apenas são ortogonais,
mas também SEVs complementares no m, no sentido que:
TEOREMA 5.2
Se W é SEV do m, então W também é SEV e m = W W
Dem: Seja W um SEV do m e considere uma base = {A(1), , A(n)} de W. Como vimos na Obs 5.8, resulta
que W = N(AT). Isto significa que W também é SEV do m. Para ver que m = W W, precisamos mostrar
duas coisas:
i - W W = {0}.
O argumento, neste caso geral, é
exatamente o mesmo do exemplo 5.11.i
ii - m = W + W
Veja que, usando a projeção ortogonal em
W, qualquer b do m se escreve na forma:
b PW (b) (b PW (b))
W W
Mas se W é um SEV contido em (W) e de mesma dimensão que (W), isto nos garante que W = (W).
Em particular, de N (AT) = Col(A) , obtemos N(AT)= Col((A)) = Col(A)
22
Exemplo 5.12 Na subseção 4.2.2 descrevemos W = N(A) como Im(S), ou seja, o espaço das colunas de uma
outra matriz S.. Neste exemplo vamos ver que vice-versa, a Obs. 5.9 nos permite descrever um SEV dado
como Im(A), na forma de núcleo de outra matriz.
1 0
Considere a matriz A = 2 1 do exemplo 5.11 , bem como o SEV W = Im(A).
2 3
0 1
Vamos obter uma matriz B tal que W = N(B). Da Obs 5.9, veja que W = (W) = (N(AT)) .
No exemplo 5.11 obtivemos N(AT) = Im(S) = [S(1) , S(2)] = [ ( 8 ,-3 , 1,0)T, (1,-1,0,1)T]
8 3 1 0
Mas então W = [S(1), S(2)] = N(ST) = N
1 1 1 0
OBS. 5.10 Observe que o procedimento do exemplo 5.12 funciona sempre. Ou seja, se A é uma matriz
qualquer, W = ColA), e S é a matriz cujas colunas são as soluções canônicas de ATx = 0, então:
W = (W) = (N(AT)) = Im(S) = N(ST).
1 1 0 0 0 2
Exercício 5.49 - Sejam A= 1 3 2 , B = 1 1 1 e considere V =Im(A) e W = Im(B).
2 3 1 1 2 1
1 4 2 0 1 2
i - Use a Obs. 5.10 para encontrar matrizes C e D tais que V = N(C) e W = N(D)
I
C
ii - Ache uma base de VW . (Sugestão: Observe que VW = N - vide exerc. 4.23)
D
Exercício 5.50 Em cada um dos casos do exercício 5.47, ache as matrizes das projeções ortogonais em W e
em W . (Sugestão: Aproveite o exerc. 5.48.ii para fazer menos contas)
A (3) (A (3) Q (1) )Q (1) (A (3) Q (3) )Q ( 2) Q (3) 2Q (1) 3 / 5Q ( 2) 4 / 5Q (3)
3
2 2 2
T
O u seja, obtivemos A = QR, onde R = 0 5 3 / 5 é uma matriz triangular superior e Q Q = I .
0 4 / 5
0
iii – Considere a matriz B = (A(1) Q(2) ) e verifique que BTB é uma matriz diagonal.
iv – Considere = { A(1)/||A(1)|| , Q(2)/|| Q(2) ||} e verifique que é uma base ortonormal.
v - Considere a matriz Q cujas colunas são os vetores de . Verifique que QTQ = I2x2, mas que QQT I3x3
vi – Verifique que QTA é uma matriz triangular superior
Exercício 5.53 + - Sejam = {A(1), A(2),A(3)} e = {B(1) , B(2) , B(3)} duas bases do 3, tais que [A(1)] = [B(1)] ,
[A(1), A(2)] = [B(1) , B(2) ]. Mostre que A se fatora na forma A = BR, onde R é uma matriz triangular superior e
inversível. (Sugestão: Escreva as colunas de A como combinação linear das colunas de B e veja que você chega a algo
bem parecido com o que obtivemos no exemplo anterior e que nos permitiu concluir A = QR)
26
5.7.2 Algoritmo GS
Problema: Dado SEV W m e base = {A(1), A(2), ....,A(n)} de W, obter uma base
ortonormal ={Q(1), Q(2), ....,Q(n)} de W.
O algoritmo de Gram-Schmidt (GS), generaliza o que se fez no exemplo 5.15, visando resolver o
problema colocado acima. Essencialmente, para cada i = 1, , n, considera-se o SEV Wi gerado pelos i
primeiros vetores de . Na i-ésima iteração do algoritmo GS, obtemos uma base ortonormal {Q(1), Q(2), ,
Q(i)} para Wi. O vetor Q(i) em Wi resulta ortogonal a Wi-1 e é obtido como um vetor na direção de A(i) menos
sua projeção ortogonal em Wi-1.
Passo1 – Inicialização:
P1.a - Calcule Q(1) como um vetor de norma 1 na direção de A(1). (Faça Q(1) = A(1)/||A(1)||)
P1.b - Faça W1 = [A(1)] = [Q(1)] e i = 2
P2.b - Atualize Q(i), de modo a que fique com norma 1. (Faça Q(i) Q(i)/||Q(i)||)
P2.c - Considere Wi = Col( Q(1) , Q(2), , Q(i)) (Observe que Wi = Col(A(1) , A(2), , A(i)) )
P2.d - Atualize i, fazendo i i+1
OBS. 5.11 - Teoricamente, a única maneira do algoritmo GS fracassar, é no caso de algum dos Q (i)
obtidos em P2.a se anular. Isto só pode acontecer se A(i) estiver em Wi-1 = [A(1), , A(i-1)]. Mas isto
significaria que A(i) é combinação linear de A(1), , A(i-1), contradizendo a hipótese de ser uma base de W.
Na prática, no entanto, pode acontecer de A(i) estar muito próximo de W(i), para alguns valores de i. Nestes
casos o algoritmo de Gram-Schmidt pode funcionar mal, e produzir resultados numericamente duvidosos. Há
27
maneiras de melhorar o algoritmo, do ponto de vista numérico, mas fogem do nosso objetivo num primeiro
curso de Álgebra Linear.
OBS 5.12 - O algoritmo GS produz, em cada iteração, uma base ortonormal para Wi = [ A(1), A(2), , A(i)].
Com isto, obtemos duas consequências importantes:
i - A projeção ortogonal de A(i) em Wi-1 dada no passo 2.a se faz usando a base ortonormal {Q(1), , Q(i-1)} de
Wi-1. Na prática PW
i1
(A (i) ) = Q(QTA(i)), onde Q é a matriz cujas colunas são Q(1), , Q(i-1) (vide exerc.
5.41). Ou seja, PW
i1
(A (i) ) se calcula com dois produtos matriz-vetor, o que é consideravelmente mais
barato, do ponto de vista computacional, do que usar a base original {A(1), A(2), , A(i-1)} de Wi-1 .
ii – Analogamente ao que aconteceu no exemplo 5.15, o fato que [A(1), , A(i)]= [Q(1), , Q(i)], para todo i =
1,, n nos garante uma matriz triangular superior R, e tal que A = QR. O argumento que garante esta
fatoração é essencialmente o mesmo que o do exercício 5.53+. As colunas de Q resultam ortonormais, e isto
nos garante QTQ = I (vide exerc. 5.19+). Como A = QR tem posto n e R é nxn, o posto de R não pode ser
inferior a n (vide seção 4.7), o que significa dizer que R é inversível.
Consolidamos as observações 5.11- 5.12 no seguinte teorema:
TEOREMA 5.3
Sejam W um SEV do m e = {A(1), A(2), ....,A(n)} uma base de W.
O algoritmo GS nos fornece uma base ortonormal ={Q(1), Q(2), ....,Q(n)} de W. Além disto, para cada
i= 1,...,n, obtemos
Col(A) = [A(1), A(2), ....,A(i)] = [Q(1), Q(2), ....,Q(i)] = Col(Q)
Em particular, obtemos a fatoração A=QR, onde Q é a matriz cujas colunas formam a base
ortonormal de Col(A) obtida (vale dizer, QTQ= I) e R é uma matriz triangular superior e inversível.
1 1 1 1 4 6
Exercício.5.56 Sejam Q = 1 1 0 , R = e considere A= QR. Sem calcular A:
0 1 1 0 2 5
0 0 3
1 0 1
i - Ache o ponto de Col(A) mais próximo de (1,0,0,0)T
28
T
ii – Ache o triângulo de área mínima, com um dos vértices em Col(A), sabendo que os demais são (1,0,0,0) e
(1,0,-1,0)T.
iii – Calcule a solução de ATAx = ATb, onde b= (1,0,0,0)T
Exercícios Suplementares:
Exercício 5.58 - Verifique que a bissetriz do ângulo formado pelos vetores ( a , b )T0 e (b ,a )T é a
reta y = x.
Exercício 5.59 ( Recíproca do teorema de Pitágoras).
Se a , b , e c são as normas das arestas de um triângulo no n, com c2 = a2 + b2 então este triângulo é
retângulo
Exercício 5.60 - Seja W = [(1,0,-2,3,1)T, (1,0,1,0,1)T].
i - Ache uma base ortogonal para W
ii - Ache uma base ortogonal do complemento ortogonal W de W
iii - Verifique que é uma base ortogonal do 5
Exercício 5.61 - Suponha que R(t) é diferenciável e representa a trajetória de uma partícula em 3. Se a
partícula permanece sempre sobre uma esfera verifique que seu vetor velocidade é sempre perpendicular ao
vetor posição.
Exercício 5.62 + -
i - Mostre que Im(ATA) = Im(AT). (Sug: Verifique que Im(ATA) Im(AT) e conclua a igualdade usando a
seção 4.7, para verificar que dim(Im(ATA))= Posto(ATA) = Posto(A) = dim(Im(AT))
ii - Conclua, de i, que a equação normal ATAx = ATb tem sempre solução.
Exercício. 5.63 - Dados A = (0,1,1,0)T e B=(1,1,0,1)T, ache C tal que o ângulo entre AC = C-A e AB = B-A
seja de 30o, C esteja no SEV W = [ (1,1,0,1)T, (0,1,1,0)T] e ||AC||= 1.
Definição 5.10 - Diz-se que uma matriz quadrada nxn A preserva a norma se ||Ax|| = ||x||, para todo x do n.
Diz-se que A preserva ângulos caso o ângulo entre Ax e Ay seja o mesmo que o ângulo entre x e y, para
qualquer par de vetores x e y do n.
Exercício 5.67 – Certo ou errado? Justifique:
i - Se A é uma matriz ortogonal nxn (ATA=I) então A preserva a norma.
ii - Se A é ortogonal nxn então A preserva ângulos.
iii - Se A é diagonal e inversível então A preserva ângulos.
iv - Se A preserva normas então A preserva ângulos
(Sugestâo: Use a informação que ||A(x+y)||2 = ||x+y||2, para concluir que A também preserva o produto interno,
ou seja, que se A preserva normas, então (Ax)T(Ay) = xTy )
v * - Se A é uma matriz quadrada que preserva normas então A é uma matriz ortogonal.
(Sug: Considere um y qualquer do n e use a informação do item anterior que (Ax)T(Ay) = xTy para verificar
que ATAy – y é perpendicular a todos os vetores do n)
iv - .Se A preserva ângulos então A também preserva normas. (Sug: Teste com A = 2 I2x2)
vii* - Se A preserva ângulos então A é uma matriz múltipla da identidade.
viii* - Se A é 3x3 e Av =Aw, para todos os vetores v e w no 3 de mesma norma, então A também
preserva os ângulos entre dois vetores quaisquer.
Exercício 5.68 - Seja A uma matriz mxn de números reais com posto n e P = A(ATA)-1AT.
i - Mostre que PTP = P2 = P, ou seja, que P é uma matriz de projeção ortogonal.
ii. Se B é uma matriz mxm tal que AT B A é inversível e se P = A(ATBA)-1 ATB então P2 = P
iii - Encontre um exemplo com m = n = 3, no qual P não seja simétrica, ou seja, tal que P seja uma matriz de
projeção (oblíqua) em Col(A).
30
Exercício 5.69 - Sejam V e W subespaços vetoriais de dimensão 2 do diferentes. Faça uma figura na qual
3
Exercícios Resolvidos
Exercício 5.1
i. v = [12 +(-2)2 + 32]1/2 = 14 e w = ( 22 + 12 + 12 )1/2 = 6
ii. Calculando v -w = (-1,-3, 2)T, a distância entre v e w é portanto dada por v-w = 14 .
Calculando vTw teremos vTw = 1.2 + (-2).1 + 3.1 = 3 e usando o ítem i vem que
= arccos( 3 ).
84
Exercício 5.3
Os vértices do triângulo são A = ( 1, 0, 1)T , B = ( 1, 2, 1)T e C = (0, -1 ,1)T. Para achar a área do triângulo
precisamos achar a altura em relação a um dos lados, digamos AB , e para isto
precísamos achar um ponto D sobre a reta r( t ) = A + t ( B - A) suporte de AB tal que C- D B - A .
Seja D = ( 1, 0, 1)T +t0( 0 , 2 , 0 )T = ( 1 ,2t0 ,1).
Fazendo C- D B - A teremos (-1,-1 -2t0 ,0 )T.( 0 ,2 ,0 )T = (-1 ,-1 -2t0,0 )( 0,2,0 )T = 0 ,portanto t0 = - ½ e D =
( 1 , 1 ,1 )T. Como C - D é a altura do triângulo em relação ao lado AB segue-se que a área do mesmo é dada
por 1/2B - A.C - D = 1 .
5
Para calcular o perímetro basta achar a soma de B - A , C - B e A - C que são os comprimentos dos
lados do triângulo.
Exercício 5.5
Verifique que os dados da Figura 5.1 estão corretos.
Calcule ( A + B)(A - B ) e verifique que tal produto interno é zero.
A+B
A A-B
-B B
Figura 5.1
Exercício 5.7
Como ( t ) é uma curva de nível de F temos que F(( t )) = C = constante para todo t. Usando a regra da
cadeia para derivar ambos os membros da igualdade anterior teremos:
dF ( ( t ))
F ( ( t ))T ,( t ) 0
dt
Exercício 5.8 +
Para verificar que vTw satisfaz PI.a basta usar as propriedades de produto de matrizes, neste caso vT uma
matriz 1xn e w uma matriz nx1.
32
n n
Para verificar PI.b suponha que v = (v1, v2 , . . ., vn). Portanto v.v = vTv = v
i 1
2
i 0 e v
i 1
2
i = 0 se vi = 0 para
todo i. ( Com pequenas modificações o exercício 5.8 + é um caso particular do exercício abaixo, bastando
tomar no exercício 5.9 A = Inxn )
Exercício 5.9
i.Para verificar que Q é bilinear temos que verificar que Q é linear em cada variável. Verificare-
mos que Q é linear na primeira variável, isto é ,Q( v1 +v2 ,w) = Q(v1,w) +Q(v2,w).
Temos:
Q( v1 +v2 , w) = ( v1 +v2)TAw = [( v1)TA +(v2)TA]w = (v1TAw) +(v2TAw)
= Q(v1,w) + Q(v2,w).
Que Q também é linear na segunda variável é feito de modo análogo.
ii.Temos:
Q( v , w ) = vTAw= (vTAw)T = wT[(vTA)T] = wTATv =Q ( w , v ) pois AT =A.
iii - Se A é uma matriz diagonal,e sua diagonal for formada pelos números positivos 1, 2, , n então fica
fácil ver que vTAv = 1v12 + 2 v22 + + nvn2 0, já que se trata, neste caso de uma soma de n números não-
negativos. Do mesmo jeito, se vTAv = 0, então ivi2 = 0, para todo i = 1,2,,n.Como estamos supondo
que os i são todos positivos, isto significa vi=0 para todo i.
Exercício 5.11.
Calculando diretamente ||A + B||2 e ||A - B||2, obteremos:
||A+B||2+||A-B||2 = (A+B).(A + B) +(A - B).(A -B) = (||A||2 + ||B||2 + 2AB)+(||A||2 +||B||2 - 2AB) =
= 2 ||A||2 + 2 ||B||2
Exercício 5.13
i. O subespaço W do 4 é gerado pelos vetores S(1) = ( -1, -1 , 1, 0)T e S(2) = (1, -2, 0, 1)T, isto é, R W se R
= ( -x1+x2 , -x1 – 2x2, x1 ,x2 )T. Se R W e o triângulo PQR é equilátero teremos:
P-R2 = [2- (x1 –x2)]2 +(x1 +2x2)2 + x 12 +x 22 = P-Q2 = 12 (I)
Q-R = (x2 – x1) + ( x1 +2x2) +(x1 –2 ) + (x2 – 2) = 12
2 2 2 2 2
(II)
1 7 1 7
Comparando (I) e (II) teremos x2 = -1/2 e substituindo x2 em (I) encontramos ou x1 = ou x1 = .
2 2
ii. Seja W‟o subconjunto deste ítem. Observe que a menor distância dos pontos de W do ítem i aos pontos de
W‟é ( 5, -5, 0 , 0)T = 50 > P-Q= 12 , logo qualquer que seja R W‟ o triângulo PQR nunca será
equilátero.
Exercício 5.15
i. Certo. Como o produto interno é positivo definido temos que v= 0 se e somente se v =0.
ii. Falso. Tome x = ( + cos , + sen ) e y = ( , ) para quaisquer , .
iii. Certo. Pela desigualdade triangular sabemos que x + y x+ y 4 + 1 =5.
iv. Errado. Tome x = ( -4 , 0)T e y = ( 1 , 0 )T.
v. Certo. Neste caso || x - y||2 = (x-y)T(x-y)= ||x||2 + ||y||2 - 2 xTy = 1 + 1 -2 = 0 x - y = 0 x = y.
vi.Certo. Seja Ii a i-ésima linha da matriz identidade nxn. Temos: 0 < IiAI(i) = Aii.
vii.Errado. Se v = ( 1 ,-1 )T, obtemos < v , v > = vTAv = - 4. Logo, vTAv não é positivo-definido.
33
viii. Certo. De Ax = x e x Ax > 0, obtemos x Ax = x (x) = x x > 0. Como x 0, obtemos x x >0 e
T T T T T
Exercício 5.16 +
i. (1, -2 )T1 = 1 + -2= 3 e ( -2 , 1)T1 = -2+1 = 3.
ii.Este ítem foi redigido incorretamente. O correto seria: “ Verifique que . 1 satisfaz as tres
propriedades fundamentais de norma”:
N1 0 v 1 e v 1 = 0 se e somente se v = 0.
N2 kv1 = kv1 para todo k
N3 v + w 1 v 1 + w 1
Para N1 temos: v 1 = v1 + v2 0 e v1 + v2= 0 sss v1 = v2 = 0. N2 é evidente
Para N3 temos: ( v1 + w1 , v2 + w2)1 = v1 +w1 + v2 +w2 v1 + w1 +v2+w2 = ( v1+v2)
+(w1+w2) = v1+w1
Exercício 5.17
i. v = [ 12 +(-2)2 + 12 + 32]1/2 = 15 w = [ 22 + 12 + 32 + 12]1/2 = 15
ii. Temos v.w = vTw= 6 , vw = 15 , logo = arcos(2/3).
iii. Se z [w] então existe t tal que z = ( 2t,t ,3t , t)T. Para que o vetor z-v = ( 1-2t,-2-t,1-3t,3-t)T seja
perpendicular a z teremos ( v –z).z=0 o que implica t=0 ou t =5/2 e neste caso teríamos z=0 ou z = (-4 , -9/2
, -13/2 , 1/2)T. No caso de z=0 não teríamos triângulo algum.
Exercício 5.19
Exercício 5.21
i. Certo. Para x = ( x1,x2)T ser ortogonal aos vetores dados equivale dizer que x é solução do sistema
1 1
x =0, o qual só admite a solução trivial.
1 1
1 1 2
ii. Analogamente ao ítem i para x = (x1,x2,x3)T a afirmação implica que x tem que ser solução de 1 1 1
1 3 0
x=0. Como o posto da matriz do sistema é 2 existe uma solução não trivial, isto é, existe um vetor x não nulo
perpendicular aos vetores dados.
iii. Certo. Pois neste caso x terá que ser solução do sistema Ix = 0 onde I =Inxn.
iv.Certo. Seja A a matriz cujas linhas são os vetores da base dada. Como as linhas de A são LI posto(A) é igual
a n implica que o sistema Ax=0 só tem a solução trivial.
v.Certo. Basta ver que neste caso eles não são cooplanares. Analiticamente, se v1, v2 e v3 são ortogonais entre
si e não nulos e anulamos uma combinação linear c1v1 + c2v2 + c3v3 = 0, obtemos vi (c1v1 + c2v2 + c3v3) = 0
ci vivi = 0 ci = 0, para todo i = 1,2,3.
vi.Errado. Tome x = ( 1, 0 )T , y = ( 0, 1)T e w = ( 2, 0)T.
vii.Certo. Note que neste caso os n vetores são LI.(Esta fato é demonstrado de forma inteiramente análoga ao
que se fez no item v ). Como não pode haver n+1 vetores LI no n (já que sua dimensão é n.) segue-se o
resultado.
34
ix. Certo. Como no ítem anterior temos que (ATB)ij = A(i).B(j). Como ATB = 0 segue-se que as colunasdeA são
p m
ortogonais as colunas de B. Sejam x = ci A (i ) Col(A) e x‟= bi B i
i 1 i 1
xii. Certo. Observe que no ítem acima só usamos o fato que toda matriz de permutação é uma matriz ortogonal,
portanto o resultado ainda contínua válido para matrizes ortogonais.
xiii. Certo.
Se A é ortogonal temos que (Av).(Aw) = (Av)TAw = vTATAw = vTw =v.w, isto é, A preserva produto
interno e como também preserva comprimento logo preserva ângulo.
xiv. Certo. Dizemos que V é ortogonal a W se cada vetor de V for ortogonal a todo vetor de W. Neste caso
como é uma base de V e é uma base de W temos que gera V+W e como os vetores de são
ortogonais aos vetores de segue-se pelo ítem ix (com pequenas modificações) que é um conjunto LI.
Exercício 5.23 +
i. Considere a combinação linear c1A(1) + c2A(2) + . . . + cpA(p) = 0. Fazendo o produto interno de ambos os
membros por A(i) e usando as propriedades de produto interno teremos que cjA(i).A(i) = 0 e como A(i) 0
segue-se que cj = 0 para todo j = 1 , . . . p , provando que os vetores são LI.
ii. Observe que (AAT)ij = A Ti Aj = 0 se i j o mesmo ocorrendo para os elementos (ATA)ij. Por outro lado
(AAT)ii = (ATA)ii = A Ti Ai.
iii. Segue-se imediatamente do ítem ii. e pelo fato que A Ti Ai. = 1.
Exercício 5.24 + Sendo v = x1v1+x2v2 + . . .+xnvn e calculando v.vi=vTvi = x1v T1 vi + . . .+xiv Ti vi + . . . +xn v Ti
vn e considerando o fato que v Ti vj= 0 se ij segue o resultado.
Exercício 5.25
Note que o vetor ( 1, 2, 1 )T é ortogonal ao subespaço W, logo a distância pedida é ( 1, 2, 1 )T = 6 .
Exercício 5.27
i. Certo. Note que vale o Teorema de Pitágoras: Pw(v)2 + v –Pw(v)2 = v2. Verifique que:
v.w v.w v.w v.w
Pw(v)2 + v –Pw(v)2 = v2 +2 w .[ w - v] e que 2 w .[ w - v] = 0
w.w w.w w.w w.w
ii. Certo. Pelo ítem anterior se Pw(v) = v então v –Pw(v) = 0, e como Pw(v) é um múltiplo de w
temos o resultado.
35
_
Exercício 5.29 Para achar a distância pedida temos que encontrar a projeção ortogonal b de b = ( 1, -1 ,2)T
2 1 1 1 1
_
1 _
no subespaço W. Mas pelo exemplo temos que b = 1 2 1 1 1 . Como b = b W implica
3
1 1 2 2 2
que a distância pedida é zero.
Exercício 5.31 Pelo exercício 5.22 você verificou (?) que o plano dado pela equação x - 2y +2z = 0 é o
1 2 2
núcleo da matriz A = 0 0 0 e portanto é gerado pelas soluções básicas do sistemaAx=0 as quais são S(1) =
0 0 0
2 2 1
(2) (1) (2)
0 e S = 1 , ou seja pelas colunas da matriz S = (S S ). A projeção de b = 1 sobre o subespaço
1 0 1
gerado pelas colunas da matriz S é:
8 2 2 1
1
Pw(b) = Sx = 2 5 4 1 ( Note que neste caso x = (STS)-1STb ).Segue-se portanto que a distância do
9
2 4 5 1
ponto b ao plano dado no exercício 5.22 é Pw(b) -b = 1/3
Para achar a distância de b ao plano dado pela equação x - 2y + 2z = 2 vamos achar inicialmente a distância
entre os planos e . Uma reta normal aos dois planos tem equação paramétrica r(t) = ( t, -2t 2t ) a qual
intercepta o plano para t = 2/9 , isto é , no ponto de coordenadas ( 2/9 , -4/9 , 4/9 ) e r(t) intercepta o plano
na origem. Logo a distância d entre os dois planos é dada por d =(2/9 , -4/9 , 4/9 )T = 2/3.
Observando a posição do ponto ( 1, 1, 1 ) em relação aos dois planos concluímos que a distância dele ao plano
é dada por 1/3 + 2/3 = 1.
Exercício 5.33
Obs. Este exercício está no lugar inadequado por ainda não ter sido definida a matriz de uma projeção.
Exercício 5.34 +
i. Temos que Ay Im(A) para todo y n, logo b b Ay ou seja (Ax-b).Ay = (Ax –b)TAy = 0.
ii.Note que 0 = (Ax –b)TAy = (xTAT – bT)Ay = (xTATA - bTA)y = (xTATA - bTA)T.y = (ATAx-ATb).y para
todo y n, isto é, (ATAx-ATb) é um vetor perpendicular a todo vetor de n.
iv. Como (ATAx - ATb).y = 0 para todo y n segue-se que ( ATAx - ATb ) = 0, ou seja ATAx = ATb.
Exercício 5.3 Como Posto(ATA) = Posto(A) temos que a matriz (ATA)nxn é inversível portanto a matriz
P = A(ATA)-1AT está bem definida.
Temos: PT = [A(ATA)-1AT]T=(AT)T[(ATA)-1]TAT = A[(ATA)T]-1AT = A(ATA)-1AT = P e
P2 = [A(ATA)-1AT] [A(ATA)-1AT] =[A(ATA)-1[(ATA)(ATA)-1]AT] = A(ATA)-1IAT=P.
36
(1) (2) (3) (1) (2) (3)
Exercício 5.37 Sejam A = ( A A A ) e [A A A ] = Im(A). Vamos calcular a projeção ortogonal
_
b de b = ( 1 , -1 , 2 , 1)T sobre Im(A). Como as colunas de A são vetores LI ( verifique isto ) temos que
1 0 0 0 1 1
0 1 1 / 2
_ _
b = A(ATA)-1ATb = 0 1 / 2 1 / 2 . Portando a distância pedida é b - b = 18 .
0 1 / 2 1 / 2 0 2 1 / 2 2
0 0 0 1 1 1
Exercício 5.39
2 1 x 2 x y 1
i.Temos que A2 = A e mais [ ] = Im(A).
2 1 y 2 x y 1
x 0
A sss y=2x, isto é: N(A)= [ (1, 2)T].
y 0
ii. Para verificar que 2 = N (A) Im(A) basta notar que 2 = [ (1,2)T , (1,1)T] e os vetores (1,2)T ,
(1,1)T são LI.
1 2 0 1
iii. Note que A e A e se A fosse uma projeção ortogonal sôbre Im(A) deveríamos ter que
0 2 1 1
1 0
A = A . Faça um desenho.
0 1
1 0 0 0 51,84
1 1 1 1 70 ,07
Teremos então a matriz A = 1 2 4 8 , b= 93,13 e queremos resolver Ax = b sistema que
1 3 9 27 118 ,0
1 4 ,1 16 ,81 68 ,92 146 ,8
evidentemente não tem solução.
Resolvendo o sistema ATAxEN = ATb.
51.8
Como as colunas de A são LI, isto é, Posto(A) = 4 teremos que xEN = (ATA)-1ATb =
15 .70
3.00
0 .28
Assim, y = 51.80 + 15.70t + 3.00t2 -0.28t3 e a população estimada para 1992 seria 160.250.000.
Exercício 5.45
i. W = [ ( -2 , 1 0 )T , ( 3, 0 ,1)T] ( Soluções canônicas de x1 + 2x2 –3x3 =0 ). Como os elementos da base de
W1 são ortogonais aos elementos da base de W2 concluímos que W1 é ortogonal à W2 . ( Ver exercício 5.21
ítem xiv ). Para ver que W1 W2 = { 0} basta notar que o elemento da base de W2 não é combinação linear
dos elementos da base de W1.
Exercício 5.47
i. Uma base para W = Im(A), é ={ (1, 1 , -1)T }. Uma base para W é = {S(1 , S(2) } onde S(1) , S(2) são
as soluções canônicas de ATx = 0 que neste caso são: S(1) = (-1,1,0)T e S(2) = (1 ,0 , 1)T.
ii. Encontrando uma forma escada para A as colunas com pivô são a 1a e 2a logo uma base para W = Im(A)
é { (1 ,0,2,1)T , ( 0,2 ,2,-2)T} e uma base para W são as soluções canônicas de ATx = 0.
Exercício 5.48 +
i. Certo. Considere a matriz A com m colunas iguais a v. Posto(A) = Posto(AT) = 1. Im(A) = [v] e N(AT)= [v].
Mas dim(N(AT)) = m – Posto(AT) = m –1.
ii. Errado. v pode ser o vetor nulo e neste caso [v] =300
iii - W2 são todos os vetores de m que são ortogonais aos vetores de W2 portanto são também ortogonais aos
vetores de W1 ( W1 W2 ) portanto W2 W1.
iv - Note que b-PW(b) W , logo b-PW(b) = PW(( b-PW(b)) = PW (b) - PW (PW(b)) = PW (b).
Exercício 5.49
i. Pela observação 5.10 sabemos que Col(A) = N(AT), portanto inicialmente vamos achar uma base para
N(AT) que são as soluções canônicas de ATx = 0, neste caso C(1) = (-3/2, -1/2,1,0)T. Seja C =( C(1) ).Ora,
N(AT) são os vetores x tais que C(1).x = 0, isto é, C(1)Tx =0 que é portanto o N(CT). A matriz C procurada
será portanto C = (-3/2 -1/2 1 0 ).
Para achar a matriz D procedemos da mesma forma, isto é, achamos a matriz D‟ cujas colunas sejam as
soluções canônicas de BTx =0 e D = D‟T.Neste caso D' = ( -1 1/3 -1/3 1 )T e portanto D = ( -1 1/3 -1/3 1 ).
ii. Pela observação feita, uma base para VW é formada pelas soluções canônicas de Mx =0 onde M =
3 / 2 1/ 2 1 0
que são {( 0 .1667 , 1.5 ,1 ,0 )T , ( 1.5 , -1.5 , 0 ,1 )T}.
1 1/ 3 1/ 3 1
38
Exercício 5.51
Temos Q(1) = ( 0 , 1, 0 )T , Q(2) = 1 ( 1, 0 , 2)T e Q(3) = 5 T
5 4 (8/5 , 0 , -4/5) . Logo Q =
1 2
0
5 5 T
1 0 0 e portanto QQ = I3x3 o que mostra que Q é ortogonal. A matriz A do exemplo é
0 2
1
5 5
0 1 1 2 2 2
3 o que mostra que R é triangular superior.
A = 2 2 2 e portanto R = Q A = 0 1
T
5
0 2 2
0 0 4
5
Exercício 5.53
Como [A(1)] =[A(2)] temos que A(1) = r11B(1) +0B(2) +0B(3).
Como [A(1), A(2)] = [B(1),B(2)] temos que A(2) = r21B(1) +r22B(2) +0B(3) e A(3) =r31B(1) +r32B(2) +r33B(3) logo temos:
r11 r21 r31 r11 r21 r31
(1)
(2)
(3)
A = B 0 , A = B r22 e A = B r32 , isto é, A =B 0 r22 r32 .
0 0 r 0 0 r
33 33
Evidentemente que r11 0; r22 0, caso contrário [ A(1) , A(2) ]= [ B(1)] = [A(1)] e r33 também é diferente de
zero senão [ A(1) , A(2) ,A(3)] =[ B(1) , B(2) ] =[ A(1),A(2) ] e portanto {A(1) , A(2), A(3) } não seria uma base de 3.
Exercício 5.55 ortonormal de pelo fato
3
i. Ao aplicar Gram-Scmidt não encontraremos uma base
de não gerar o 3, isto é, não é uma base.
1 1 0 1 1 0
ii. Considere a matriz A = 1 1 2 que tem como uma forma escada U = 0 2 2 , isto é, V= [ v1 , v2 ,
1 0 1 0 0 0
v3 ] tem dimensão 2. Para achar uma base ortonormal para V poderíamos usar Gram-Scmidt para
ortonormalizar, por exemplo, a base { ( 1 , 1, 0 )T , (0 , -2 ,2 )T }, mas se quisermos uma dase ortonormal de
V obtida do conjunto de geradores { v1, v2 ,v3 } podemos escolher = { v1 , v3 } que é uma base para V.
Ortonormalizando pelo método de Gram-Schmidt teremos:
1. w1 = v1/v1 = 1 ( 1 , 1 , 0 )T.
2
2. w2 = c2(v2 - (v2.w1)w1) = c2( 1/2 ,-1/2 , 1)T onde c2 = 1 .
3
2
Exercício 5.57
i. Seja b = PV( (1 ,0,0,0 )T ). Teremos que b = AxEN onde ATAxEN=AT( 1, 0 ,0 ,0 )T, isto é:
9 9 1 T T
x EN donde xEN = ( 1/3 , 2/9 ) e b = AxEN = 1/9( 5 , 4 , 2 , 0 ) .
9 18 1
Exercício 5.61
Como a partícula permanece sempre sobre uma mesma esfera temos que R(t) = r = const., isto é, R(t).R(t) =
r2. Usando o Exercício 5.12 para derivar a igualdade anterior teremos que 2R'(t).R(t) = 0 o que mostra que R'(t)
R(t).
Obs. Considere a função F (x,y,z) = x2 + y2 + z2 e note que cada esfera de raio r é uma superfície de nível de F,
logo R(t) é uma curva de nível de F. Note queF(x,y,z) (x,y,z) e usando o Exercício 5.9 você também
concluirá o resultado do Exercício 5.51.
Exercício 5.62+
i. A imagem de ATA é gerada pelas colunas de ATA, mas (ATA)(j) = ATA(j) = A1j(AT)(1) + ... +Anj(AT)(n), isto é,
as colunas de ATA são combinações lineares das colunas de AT portanto Im(ATA) Im(AT). (Ver exercício
4.25+, ALAP4). Como dim(Im(AT)) = Posto(AT) = Posto(ATA) = dim(Im(ATA)) segue-se que Im(ATA)=
Im(AT).
ii. Pelo ítem i dado ATb Im(AT) existe ATAx Im(ATA) tal que ATAx =ATb.
encontraremos c1 = 1 2 3 6 ou c1= 1 2 3 6 .
Justifique o fato de existirem dois pontos Cs. (Sugestão: Reduza o problema para o 3).
40
Exercício 5.65
i. As soluções canônicas de Ax=0 são : S(1) =(-2 , 5 , 1, 0)T e S(2) = (-1 ,1, 0, 1)T.
Se S = PS(2)(S(1)) é a projeção ortogonal de S(1) sobre S(2) temos que S(1) – S = v é ortogonal à S(2) e portanto
={S(2) , v } é uma base ortogonal para N(A). Calculando v teremos:
S (1) .S ( 2)
v= S (1) ( 2) ( 2) S ( 2) = 1/3( 1 , 8, 3, -7)T.
S .S
ii. Uma base para Col(AT)é formada pelas próprias colunas de AT. De forma análoga ao ítem anterior uma base
ortogonal será dada por: = {(1, 0 2, 1)T , (11/6 ,1,-8/6 ,5/6)T} .
iii. Seja B a matriz cujas colunas são os vetores de . Basta verificar que BTB é uma matriz diagonal.
(verifique !. Ver exercício 5.23+ )
Exercício 5.67
i. Certo Temos Ax = [ (Ax).(Ax) ]1/2 =[ (Ax)T(Ax)]1/2 =[ xTATAx ]1/2= [xTIx]1/2 = x.
ii. Certo. De forma idêntica ao ítem i verifica-se que A preserva o produto interno, logo também preserva
ângulos.
2 0 1 1
iii. Errado. A matriz A = é diagonal e inversível mas o ângulo entre os vetores e que é
0 1 1 0
1 2 1 2
é diferente do ângulo entre A = e A =
4 1 1 0 0
iv. Certo. Sejam v e w vetores do . A hipótese do exercício nos garante que ||A(v+w)||2 = ||v+w||2, ou seja:
n