Escolar Documentos
Profissional Documentos
Cultura Documentos
Paulo WINTERLE
lntroducão
, , à
ALGEBRA LINEAR
l
f (v)
' '
'''' [ cos e - sen e
' T =
\ sen e . cose
Pearson
------
Education
Introdução
, à
ALGEBRA LINEAR ~~-~;~--~_::_~, .~
------~fjY{ p ,-n · ,
·.·
. r.. . " ;
Introdução
, à
ALGEBRA LINEAR
STEINBRUCH, Alfredo
Professo r de Matemática da Universidade Federal do Rio Grande do Sul
(de 1953 a 1980) e da Pontifícia Univers idade Católica do
Rio Grande do Sul (de 1969 a 1978)
WINTERLE, Paulo
Professo r de Matemática da Universidade Federal do Rio Grande do Sul e da
Pontifícia Universidade Católica do Rio Grande do Sul
Pearson
-----
Education
São Paulo
Steinbruch , Alfredo.
Introdução à álgebra linear/Steinbruch, Alfredo ; Winterle , Paulo
São Paulo : Pearson Education do Brasil , 1997.
90-0474 CDD-512.5
v
VI Introdução à Álgebra Linear
ALFREDO STEINBRUCH
PAULO WINTERLE
VII
VIII Introdução à Álgebra Linear
ALFREDO STEINBRUCH
ESPAÇOS VETORIAIS
V p, v E V, p+ v E V
V a E IR, V f1 E V, a f1 E V
A) Em relação à adição:
A 3) 3 O E V, V f1 E V, f1 + O = f1
A4 ) V f1 E V, 3 (-p) E V, f1 + (-tA-) =O
M) Em relação à multiplicação por escalar:
1
2 Introdução à Álgebra Linear
=t-t
M 4) 1 ~t = 1 (x1, y1)
(1 x1, 1y1)
= (xl, Y1)
= fl
(a, b) + (c, d) = (a + c, b + d)
k (a, b) = (ka, b ), k E IR
= ((af3)xi,YI)
= (a (/3 xl), YI)
y
s
I
. I
I
1 3 4 X
Figura 1.3
pois, se
ou
Espagos vetoriais 11
3x + 4y - 2z = O
2x+ y- z=O
{
X+ 3y- Z = 0
Fazendo:
41 --2]1
3 - 1 '
X= [f] e
isto é, o produto de uma constante por uma solução é ainda uma solução do
sistema. Logo, o conjunto-solução S do sistema linear homogêneo é um sub-
espaço vetorial de M(3, I)·
• O subespaço S é também chamado espaço-solução do sistema
AX =O.
• Se um sistema linear é não-homogêneo, o seu conjunto solução S
não é um subespaço vetorial (verificação a cargo do leitor).
5) Sejam
Jl = [ al
cl o]O E S, v
[ o]O
2
= aCz E S e a E IR, tem-se:
I) Jl +v E S;
II) aJl E S. ·
Logo, S é um subespaço vetorial de M2•
Sejam os vetores vi> v2, •••, vn do espaço vetorial V e os escalares ai> a2, ••. , 4n·
Qualquer vetor v E V da forma
Exemplo
No espaço vetorial~. o vetor v = (-7, -15, 22) é uma combinação
linear dos vetores v 1 = (2, -3, 4) e v 2 = (5, 1, -2) porque:
De fato:
sistema esse que é incompatível, o que comprova não poder o vetor v ser escrito
como combinação linear de v 1 e v 2•
3) Determinar o valor de K para que o vetor# = (-1, K, -7) seja
combinação linear de v 1 e v 2;
Espaços vetoriais 15
Solução:
Deve-se ter:
(5,2) = a 1v 1 + a2v 2 + a 3v 3
(5,2) = a 1 (1, O) + a 2 (0, 1) + a3 (3, 1)
(5,2) = ( a 1, O) + (0, a 2) + (3a3, a 3)
(5,2) = ( a 1 + 3a3, a 2 + a 3).
16 Introdução à Álgebra Linear
+ 3a3 = 5
ja1
a2 + a3 = 2 ou
Exemplos
1) Os vetores e 1 = (1, O) e e 2 = (0, 1) geramo espaço vetorial V= ~.
pois qualquer par (x, y) E JR! é combinação linear de e 1 e e 2:
e3
y
~------,------------------~~y
/
/
/
/
/
/
/ "
X ------41
P (x, y, O)
X Figura 1.5
18 Introdução à Álgebra Linear
v = a1v 1 + ~v 2
a1 = -5x + 3y e a2 = 2x- y,
isto é, G(A) = ~.
Espaços vetoriais 19
v = al el + azez + ~(J)
(x, y) = a 1(1, O) + az(O, 1) + a3(7, 4)
(x, y) = (al' O) + (0, az) + (7a3, 4~)
(x, y) = (al + 7~, az + 4a3).
)essa igualdade resulta o sistema:
a1 = x- 14
a2 = y- 8
20 Introdução à Álgebra Linear
e, portanto,
A A
(1)
isto é:
al Vl +az Vz = 0
al (2, 3) + az (-4, -6) = (0,0)
(2al' 3a1) + (-4az,-6az) = (O, O)
(2ac 4az, 3ac 6az) = (O,O)
2a1 - 4az = o
{3a1 - 6az = o
que admite a solução a1 = 2 a 2. Fazendo, por exemplo, a 2 = 3, se obtém a1 =6
e a equação
fica:
al el +az e2 + a3 = o ú)
ou
aO= O
Nesta igualdade existe, pelo menos, um ai :;z!: O (a1 = -1 ), o que prova ser
A = { v 1, v 2, v 3 } LD.
Reciprocamente, se um conjunto de vetores não nulos A = {V v v2, v3 }
é LD, um <;feles pode ser escrito como combinação linear dos outros. De fato,
por definição, um dos coeficientes da igualdade
Esp~os vetoriais 25
deve ser diferente de zero. Supondo , por exemplo, que a 2 '# O, vem:
al a3
v 2 = - -v
a2 1 - -v
a2 3•
a parte
Solução
O conjunto, por ter dois vetores tais que um é múltiplo escalar do outro
(o 1º é o triplo do 2º), é LD.
3) A = {(1,2,3), (0,1,2), (0,0,1)} c IR3
Solução
Seja a equação:
a1(1,2,3) + a2(0,1,2) + a3(0,0,1) = O
(a 1, 2a 1, 3a1) + (0, a2, 2a2) + (O,O,a3) = (0,0,0)
(a1, 2a1 + a2, 3a1 + 2a2 + a3) = (0,0,0)
Dessa igualdade resulta o sistema
I) B é LI
11) B gera V
Exemplos
1) B = { (1,0), (0,1)} é base do IR2, denominada brue canônica. De fato:
28 Introdução à Álgebra Linear
ou
sistema que admite somente a solução trivial ( a 1 = a2 = 0), o que confirma ser
B LI.
11) B gera o IR2 (ver Problema 1, item 1.5)
3) B = {e 1 = (1,0,0), e 2 = (0,1,0), e 3 = (0,0,1)} é base da IR 3• De fato:
I) B éLI (ver exemplo 2, item 1.7)
11) B gera IR3 (ver exemplo 3, item 1.5)
4) B = {v 1 = (1,1,1), v 2 = (1,1,0), v 3 = (1,0,0)} é base do IR 3• De fato:
I) B é LI.
a 1(1,1,1) + a 2(1,1,0) + al1,0,0) = O
( a 1, a 1, a 1) + (a2, a2, O) + (a3, O, O) = (0,0,0)
(a 1 + a 2 + a 3, a 1 + a2, a 1) = (0,0,0)
Espaços vetoriais 29
ou
isto é, a1 = z, a2 = y- z e a3 = x- y; portanto:
gera o subespaço:
(1)
Espcu;os vetoriais 31
wl = alvl + a2v2
W2 = b1v1 + b2v2 (2)
ou
(3)
Supondo que o vetor v pudesse ser expresso como outra combinação linear dos
vetores da base, ter-se-ia:
(4)
isto é:
z = -2x-y,
onde x e y são as variáveis livres. Para qualquer vetor (x, y, z) E S tem-se:
ou ainda,
isto é, todo vetor de Sé combinação linear dos vetores (1,0,-2) e (0,1-1). Como
esses dois vetores geradores de S são LI, o conjunto {(1,0,-2), (0,1,-1)} é uma
base de S e, conseqüentemente, dim S = 2.
Mas, tendo em vista que a cada variável livre x e y corresponde um vetor
da base na igualdade ( 1), conclui -se que o número de variáveis livres é a dimensão
do subespaço.
• Se se desejasse apenas obter uma base do subespaço S, se adotaria,
na prática, um processo simplificado. Assim, no subespaço S onde z = -2x-y,
fazendo x = 1 e y = 1, vem: z = -2-1 = -3 :. v 1 = (1,1,-3),
fazendo x = -1 e y = 2, vem: z = 2-2 = O :. v 2 = (-1,2,0),
o conjuntoS = {(1,1,-3), (-1,2,0)} é outra base de S. Na verdade, S tem infinitas
bases, porém todas com dois vetores somente.
34 Introdução à Álgebra Linear
V = a 1v 1 + a 2v 2 + ... + anvn,
sendo B = {v 1, v 2, ••• , vn} uma base de V. Os números a 1,a2, ••• , an, univocamente
determinados por v e pela base B, são denominados componentes ou coorde-
nadas de v em relação à base B.
• Um vetor v E V (dim V = n), de componentes a 1 , a 2, ••• , an em
relação a uma base B, é indicado por vB e se representa por:
~]
1
B = [1 7
o
• Se os vetores de uma base A = {v 1 = (x 11 , x12 ), v 2 = (x 21 , x22 )} do
1R2 tiverem, por conveniência ou necessidade, de ser escritos em linha numa
matriz, se escreverá:
Espcu;os vetoriais 35
• As bases canônicas do IR2, IR?, ... , lRn são representadas, cada urna,
por urna matriz unidade (também chamada matriz identidade):
1 o o
~J'
o
~]' In = O 1
o o 1
(1)
ou
(l-I)
v A = (x 1, x2) ou, ainda, v A = X21]
[X
e
(2)
ou
llind~ [~:]
(2-I)
ou, v8 =
36 Introdução à Álgebra Linear
(3)
ou
(4)
Yz = a21X1 + azzXz
ou na forma matricial:
(5)
M ~ [::: :~] ,
a equação matricial (5) pode ser escrita assim:
v8 = MvA (6)
permite escrever
-1
VA = M Vs (7)
uma vez queM é inversível. Assim, M transforma v A em v 8 e M- 1 transforma v 8
em v A'
(8)
Fazendo
V1 = (xn, X12), V2 = (x21• Xzz), W1 = (Yn ,y12) e Wz = CY21• Yzz),
mas,
= Mt e [Yn
Y21 ~::] = B'
ou
A = BM (propriedade da matiz transposta).
Como B é uma matriz inversível, vem:
(lO)
38 Introdução à Álgebra Linear
logo:
[-1 4]
4 - 11
Espaços vetoriais 39
B= [~ ; ], A= [; _ ; ], det A= I; _;I = - 2- 3 = - 5 e
2 1
A- 1 = 5 5
3 1
5 5
logo:
2 1 11 4
5
3
5
1 [~ ;J =
5
4
5
1
5 5 5 5
11 4
5
4
5
5
1
5
[- 1~] = [~]
40 Introdução à Álgebra Linear
e
M = B"1
logo:
Vs = B-1VA
mas,
2
-
1-
[~], [~ ~] B-1 = 5 5
VA = B = e
- 3
-
1
--
5 5
logo:
2
-
1-
[~] [~]
5 5
Vs = =
3
-
1
--
5 5
6
5
4
3
2
1
v
o X
-1 I
I
I
I
-4 I
I
-5 I
-6 3v2
Figura 1.10-5
mas:
2 1
5 5
1 2
5 5
4~ Introdução à Álgebra Linear
logo:
2 1
5 5
1 2
5 5
-2 -1 o 1 2 3 4 5 6 X
Figura 1.10-6
Espaços vetoriais 43
14) Determinar o subespaço G(A) para A = {(1, -2), (-2, 4)}C IR2 e dizer o
que representa geometricamente esse subespaço.
15) Mostrar que os vetores v 1 = (1, 1, 1), v 2 = (0, 1, 1) e v 3 = (0, O, 1) geram
o IR?.
-7
M = [ - 11
determinar a base B.
24) Considerar, no lR?, as bases A = {(1, O, 0), (0, 1, 0), (0, O, 1)} e
B = {(1, O, -1), (0, 1, -1), (-1, 1, 1)}.
a) Determinar a matriz M de mudança de base de A para B;
b) Calcular v 8 sabendo que v A = (1,2,3)
c) Calcular v A sabendo que v 8 = (7,-4,6)
25) Sabendo que v 8 = (3,-2,0), calcular v A• sendo
M ~ [: l ~]
a matriz de mudança de base de A para B.
Os problemas 26 e 27 se referem aos seguintes subespaços do1R 4 :
S1 = {(a, b, c, d) I a + b +c = O} e
S2 = {(a, b, c, d) I a- 2b = oe c = 3d}
26) Determinar dim S1 e uma base de S1.
27) Determinar dim S2 e uma base de S2•
H~ -~]
21) VA 22) VG (7,4)
~
23) B = { (3,-2), ( -2,1)}
24) a) M
b) VB = (7,-4,6)
c) v A = (1,2,3)
25) VA = (-5,3,2) 26) dim S1 = 3. Para obter uma base
proceder de acordo com a pro-
priedade VI, item 1.8.3.
27) dim S2 = 2. Uma base se obtém
do modo indicado no problema
26.
Capítulo 2
ESPAÇOS VETORIAIS
EUCLIDIANOS
Pl) fl . v = v . fl
p 2) fl . (v + (J)) = fl . v + fl . (J)
P3) (a fl) · v = a (p · v) para todo número real a
P4) fl · fl ;;ao Oe fl ·. f.l = Ose, e somente se, f.l = O
41'
48 Introdução à Álgebra Linear
P4) f.l · f.l = 2x1x1 + 5y1y1 = 2x/ + 5y12 ~ Oe f.l · # = 2x12 + 5y12 =O se,
e somente se, x1 = y1 = O, isto é, se f.l = (0, O) = O.
. • O produto interno examinado neste exemplo é diferente do produto
interno usual no JI<Z; este seria definido por:
x + 2y- 3z =4
3x- y- z =6
{ 2x- 2y =2
I v I= v'10V
Assim, se v = (x1, y 1, z1) for um vetor do :IR' com produto interno usual,
tem-se:
~-~= ~2 = E_f2 = 1
lvl lvl lvl lvl
Portanto, I: I é unitário. Diz-se, nesse caso, que o vetor v foi
normalizado.
v = (- 2, 1, 2) = (- ~ ' _! , ~)
lv l 3 333
b) 1 v 1 = v c- 2, 1, 2) · c- 2, 1, 2) = v3( - 2? + 2(1) 2
+ 22
= v 12 + 2 + 4 = vf18
v (- 2, 1, 2) 2 1 2
TVT - vf18 = ( - v 18 ' v 18 ' v 18)
ou
.u · .u + .u · (a v) + (a v) · .u + a 2 (v · v) ~ O
ou ainda
~O
2
I v 1 a 2 + 2(}-l · v )a + I .u 1
2
mas
logo:
2
l.u . v 1 - I .u 12 I v 12 ~ o
e
l.u.v I ~ I .u I I v I
Essa desigualdade é conhecida com o nome de Desigualdade de Schwarz ou
Inequação de Cauchy-Schwarz;
IV) l.u + v I ~ I ,u I + I v I, V ,u, v E V. De fato:
I ,u +v I = v (p +v) · (p +v)
I .u +v I = v,u · ,u + 2(}1 · v) + v ·v
I .u +v 12 = I .u 12 + 2 (p.v) + I v 12
mas,
.u · v ~ I .u ·v I ~ l.u I Iv I
logo:
ou
l,u +v l 2 ~(1,u I+ I v lf
ou, ainda
Espaços vetoriais euclidianos 55
Figura 2.3.2
I ,u · v I
111-llvl ..-l
ou
o que implica:
56 Introdução à Álgebra Linear
- 1~ _____..Jf.l'---._v- ~ 1
I II I
f.l v
- 2 2
cos () = -:----'ft"V
-----:----:----:- = .. () = are cos (- v'15)
I ~t I I v I ffi X 3 3
b2]
d , o número real
2
Sabendo que: ~= [_ i i] e v = [ ~ i] ,
calcular:
a) I ~t +v I
b) o ângulo entre Jt e v
58 Introdução à Álgebra Linear
Solução
a) '" ~P +v ~ [- i il + [~ il ~ [~ il
1 m 1 = v m · m = v 12 + 42 + 02 + 22 = v 1 + 16 + o + 4 =
=Y2T=Iu+vl
b) i,uI = ~ii = v1 2 + 22 +C- 1)2 + 12 =v 1 + 4 + 1 + 1 = V7
I v I = ~ = v OZ + 22 + 12 + 12 = vo + 4 + 1 + 1 = Y6
1-t . v = 1(o) + 2( 2) - 1( 1) + 1( 1) = o + 4 - 1 + 1 = 4
4 4
cos ()-
_ p,·v _
I 1-t I I v I - Y7 X Y6 = v
42 :. () = are cos v442
d (p,,v) = I p, -v I
Se p, = (x 1, y1) e v = (x2, y2) são vetores (ou pontos) do R 2, com produto
interno usual, tem-se:
ou:
Exemplo
Calcular a distância entre os vetores (ou pontos) p = (9,5) e v = (4,2).
Es~os vetoriais euclidianos 59
Solução
d (p,v) = Y(9 - 4)z + (5 - 2)z = v'5z + 3z v'25+9 =
= Y34 = 5,83
o. v. I
ou
ou
Opara i "# j
vi · vi = { 1 para i = j
Exemplos
1) As bases canônicas {(1,0), (0, 1)} do~. {(1,0,0), (0, 1,0), (O, O, 1)} do
IR' e {( 1,0,0, ... ,0), (0, 1,0, ... ,0), ... ,(0,0,0, ... ,1)} do JR1 são bases ortonormais desses
espaços em relação ao produto interno usual.
{3 1 1 {3
2) A base B = { v 1 = ( 2' 2) , v 2 = ( - 2 •2) } do ~ é orto-
normal em relação ao produto interno usual. De fato:
1<~)
VJ 1
vl . v2 = -(- -) +
2 2
= _VJ+VJ=O
4 4
vl . vl = VJ (VJ) + -1 (-1 ) = -3 + -1 = -4 = 1
2 2 2 2 4 4 4
1
v2. v2 = lc _ l) + VJ
2
(VJ) - -
2 - 4
+34- -- -
4
4-- 1
2 2
62 Introdução à Álgebra Linear
vl (1, 2, - 32 (1, 2, - 32
ftl = = = v1+4 + 9 =
I vl I v 12 + 22 + (- 3)2
1 2 - 3
= C,; 14 'v 14 ' v 14)
Vz (3, o, 1) (3, O, 12 3 1
#z = = = = (,; 10 ' o ' v 10)
I Vz I v 32 + oz + 12 v9+0 + 1
v3 (1, - 5, - 3) (1, - 5, - 32
#3 = = =
I v3 I v 1 + (- 5? + ( - 3) 2
2 v 1 + 25 + 9
1 -5 -3
=
(,; 35 'v 35 ' v 35)
#1 · ftz = #1 -· #3 = ftz · #3 = O
#1 · #1 = ftz · ftz = fJ-3 · #3 = 1
(1)
Espaços vetoriais euclidianos 63
(vz - a w 1) • w 1 = o
Vz . w1 - a( w 1 · w 1) = o
Vz. w1
a = isto é,
w1. w1
Vz. w1 (2)
Wz = Vz - (w .w ) w1
1 1
! (v 3
(v 3
-
-
a2 w2
a 2 w2
-
-
a1 w1)
a 1 w1)
· w1 =
• w2 =
O
O
! v3
v3
• w1 -
• w2 -
az( w2 • w 1) - a 1( w 1 · w 1)
az( w2 • w2) - a 1(w 1 · w2)
=
=
O
O
! v3
v3
• w1 -
•
a 1(
w2 - az( w2 • w2)
w 1 · w 1) = O
O
isto é,
(3)
(4)
3 ...
Solução
a) substituindo em ( 4), sucessivamente, i por 1, i por 2 e i por 3, pode-se
escrever
Espaços vetoriais euclidianos 65
a.1) w 1 = v 1 = (1,1,1)
= (0, 1, 1) . (1, 1, 1) = o+ 1 + 1 2
(1, 1, 1) . (1, 1, 1) 1+ 1+ 1 3
2 2 2
(-·-·-)
3 3 3
2 2 2
w2 = (0,1,1) - (3, 3, 3)
2 1 1
w2 = (- 3'3'3)
2 1 1
3'3'3)
(0, 0, 1)·( -
= ------------------ =
(- ~.l,l). (- ~.l,l)
3 3 3 3 3 3
1 1 -
0+0+± 3 3 1
= =-=-=-
4 1 1 6 2 2
-+-+ - -
9 9 9 9 3
v3 · w2 1 2 1 1 2 1 1
( W
2
· W )
2
w2 = 2 (- 3 ' 3' 3) = (- 6 ' 6' 6)
v3 · w1 = (0, O, 1) · (1, 1, 1) = O + O+ 1 1
w1 • w1 (1, 1, 1) · (1,1,1) 1+ 1+ 1 3
1 1 1
(-,-,-)
3 3 3
66 Introdução à Álgebra Linear
2 1 1 1 1 1
(1) 3 = (0,0, 1) - ( - 6'6'6) - (3'3' 3)
2 1 5 2 2 2
(1)3 = (6' - 6' 6) - (6' 6' 6)
1 1
(1)3 = (0, - 2' 2)
2 1 1 1 1
AbaseB = {w 1 = (1,1,1), w2 = (- 3'3'3), w3 = (0, - 2'2) } é base
ortogonal obtida a partir da base não ortogonal A.
2 -1 , -1 )
(- -,
3 3 3
=
3
2
Espaços uetoriais euclidianos 67
A base
1 1 1
c = { fil = Crs, Y3, Y3),
1 1
fi3 = (0,- v'2' {2)}
2x + 6y = O
{ 4x + 12y = O
s1 = ú)l = (- 3, 1) (- 3, 1) (- 3, 1) =
lwl I ,; 2(- 3) + 3(1f
2 ,; 18 + 3 V2T
3 1
= (- ,; 21 ' ,; 21)
Logo, B' = {ft 1,fí 2 } é uma base ortonormal do _IR2 em relação ao produto interno
dado.
5) f (v 1, v 2) = x1x2 + 3y1y2
6) f (vl, v2) = 3xlx2 + 5yly2 + 2zlz2
70 Introdução à Álgebra Linear
13) ,u = ( 4, 7)
14) v = (1, 2, 3)
e dados os vetores
calcular:
a) I ll +v I
b) ct (u, v ) = I ll - v I
c) o ângulo entreJl e v.
72 Introdução à Álgebra Linear
e v = [~ _i]
sejam ortogonais.
30) Sendo V = IR\ munido do produto interno usual, determinar um vetor
não-nulo v E~. simultaneamente ortogonal a v 1 = (1, 1, 1, -1), v 2 = (1, 2, O, 1)
e v 3 = (-4, 1, 5, 2).
31) O conjunto B = {(2, -1 ), (K, 1) } é uma base ortogonal do IR2 em
relação ao produto interno:
1) É produto interno.
2) Não é.
3) Não é
4) Não é.
5) Não é. Não se verifica o axioma P4 .
6) É.
7) Não é. Não se verificam os axiomas P2 e P3 •
8) É.
9 a 12) Roteiro: Esses problemas são resolvidos de modo análogo ao
dos problemas 1 e 2, item 2.1.1.
13 e 14) Roteiro: Esses problemas são resolvidos de modo análogo ao
do problema 1, alínea a), 1ªparte, item 2.3.1.
15 e 16) Roteiro: Esses problemas são resolvidos de modo análogo ao
do problema 1, alínea b ), 1ªparte, item 2.3.1.
17) Roteiro: Esse problema é resolvido de modo análogo ao do pro-
blema 1, alíneas a) e b), 2ª parte, item 2.3.1.
18 a 20) Roteiro: Esses problemas são resolvidos de modo análogo ao
do Exemplo do item 2.5.
74 Introdução à Álgebra Linear
28) ~ =c§. - ~. - i)
29) X= 4
30) Uma solução: v = (9, -8, 6, 7)
31) K = - 1
3 e B '{2 1' 3}
= C..rs ' - V5 ), (- V5
1 V5)
a= 3x, b = -2y e C= X- y,
75
76 Introdução à Álgebra Linear
z
y
f
(a, b, c)
o X
Figura 3.1
para V #, v E V e V a E lR.
Observe-se que, eml,p +v E V, enquantof(Jl) + f(v) E W. Do mesmo modo,
em 11, a#- E V e af (Jl) E W (Fig. 3.2.a).
• Uma transformação linear de V em V (é o caso de V = W) é
chamada operador linear sobre V.
Transformações lineares 77
Figura 3.2.a
Exemplos
1) f:~~ IR?,f (x, y) = (3 x, -2 y, x- y) é linear. De fato, se fl = (x 1, y1)
e v = (x2, y2) são vetores genéricos do~. tem-se:
2) f: IR-+ IR
x r+ 3 x ou f (x) = 3 x é linear. De fato, se fl = x1 e v = x2 são
vetores quaisquer de IR (os vetores, nesse caso, são números reais), tem-se:
78 Introdução à Álgebra Linear
I) f (p + v) = f (x 1 + x 2)
= 3 (x 1 + x)
= 3 x1 + 3x2
= f(p) + f(v).
II) f(atA) = f(a x 1)
= 3 a x1
= a (3 x1)
= af(p).
3) A transformação identidade
I: V--?> V
v t-J> v ou I (v) = v é linear. De fato:
I) I (,u + v) = fA + v = I ()1) + I (v)
li) I (a fA) = a fA = a I ()1)
4) A transformação nula (ou zero)
f: V~ W,f(v) = Oé linear (Fig. 3.2. b). De fato:
I) f ()1 + v) = O = O + O = f ()1) + f (v)
II) f (a fA) = O= a O = a f ()1)
Figura 3.2.b.
Transfonnações lineares 79
~3, 2) =
[
2~ -61] e v = (x, y) for considerado um vetor-coluna
e, portanto,
f A (x, y) = (2x- y, 3x + 4y, 5x),
o que significa que a matriz A(3 2) determinou a transformação do vetor
v = (x, y) E JR! no vetor w = (2x '_ y, 3x + 4y, 5x) E IR', transformação essa
que é linear.
• De forma genérica, toda matriz A(m n) determina a transformação
linear '
onde a imagemfA (v) é o produto da matriz ~m, n) pelo vetor-coluna v(n , 1):
80 Introdução à Álgebra Linear
enquanto,
y
f (,u+v)
-- -- --
4 --------------
,.f
1
X
o 1 4 5 X
Figura 3.2.1.a
y y
.
f
f(2,u)
X X
Figura .U.l.h
82 Introdução à Álgebra Linear
e, portanto,
a) f (5, 3, -2)
b) f (x, y, z)
Solução
a) Expressando o vetor (5, 3, -2) como combinação linear dos vetores
da base, vem:
Aplicando f, vem:
ou
Solução
Observando que { (1, 0), (0, 1)} é a base canônica do IR2 e que
Solução
a) f (-v) = f (( -1) v) = -1 f (v) = -f (v)
b)f(,u-v) =f(,u + (-1)v) =f(,u) +f(-1v) =f(,u)-f(v)
Solução
a) Sendof(,u) = (-1, 8, -11), isto é,
(x + 2y + 2z, x + 2y- z, -x + y + 4z) = (-1, 8, -11), tem-se:
x+2y+2z= -1
x+2y- z= 8
{ - x + y + 4z = - 11
86 Introdução à Álgebra Linear
ou
+2y+2z=x
+2y- z=y
+ y + 4z = z,
N(j) = {v E V/f(v) = O}
A Figura 3.3 mostra que N(j) C V e todos seus vetores têm uma única
imagem que é o vetor zero de W.
Observe o leitor que N(j) :;~= 0, pois O E N(j) uma vez quef(O) = O.
Exemplos
1) O núcleo da transformação linear
f: JR2 -+IR2,f(x,y) = (x -2y,x + 3y)
Transformações lineares 87
Figura 33
é o conjunto
ou
X- 2y = 0
{ X+ 3y = 0,
ou
x - y + 4z = O
{ 3x + y + 8z = O, '
ou
N (j) = [(- 3, 1, 1)].
Figura 3.4.a
Transfornuu;ões lineares 89
v = (x, y, z)
Figura 3.4.b
90 Introdução à Álgebra Linear
x+2y- z=O
y+2z=O
{ X + 3y + Z = 0,
sistema cuja solução é x = 5z, y = -2z ou (5z,- 2z, z), z E IR, logo:
N(j) = {(5z, -2z, z), z ElR} = {z (5,- 2, 1) I z E 1R} = [(5, -2, 1)]
ou
x+2y- z=a
y+2z=b
{ X + 3y + Z = C,
b 3) Fazendo em c = a + b,
a = 1 e b = O, vem: c = 1 :. v 1 = (1, O, 1),
a = Oe b = 1, vem: c = 1 :. v 2 = (0, 1, 1),
e,
dim JR3 = 3 (4)
1 +2 = 3.
ou que o sistema
X - 2y = 5
{ 2x + 3y = 3
ou
e a imagemf(v) por
(1)
sendo a matriz
T = [ an a1z a13]
~1 ~2 ~3
t t t
f (v1)B f (v2)B f (v3)B
f (v 1) =f (1, 1, 1) = (2, 2) = a 11 (2, 1) + ~ 1 (5, 3)
2a 11 + 5a21 = 2
j 1a11 + 3a21 = 2
+
j 2a13
1a13 +
5a23 :
3a23 -
1
- 2
Transformaçõeslineares 97
logo:
b) Sabe-se que
(1)
Tendo em vista que v = (3, -4, 2) está expresso na base canônica, deve-se,
primeiramente, expressá-lo na base A. Seja v A = (a, b, c), isto é,
f(v) 8 = [- ~ _; _1 ~] [- ~]
f(v)a = [- ~~]
• Observe-se que
f(v) = 31 (2, 1) -10 (5, 3) = (62, 31)- (50, 30) = (12, 1),
Solução
a) f (1, O, O) = (2, 3) = 2 (1, O) + 3 (0, 1)
f(O, 1,0) = (-1, 1) = -1(1,0) + 1(0, 1)
f(O, O, 1) = (1, -2) = 1 (1, O)- 2 (0, 1),
logo:
T [2 -1 1]
=
3 1 -2
(3)
f(v) = Tv (4)
-1 1]
f (v ) 8 =
f(v) 8
f (v) = [ ;
= f(v) = [
1
i]
1 -2
Hl
• Observe o leitor que calcular f (v) = [ i]
1
pela matrizT é o mesmo
que fazê-lo pela lei definidora de f, conforme se pode ver na parte final do
problema anterior.
No item 3.6 viu-se que, fixadas duas bases - uma no domínio e outra
no contradomínio -, cada transformação linear é representada por uma matriz
nestas bases.
Do mesmo modo, dada uma matriz qualquer e fixadas duas bases -
uma no domínio e outra no coutradomínio -, ela representa uma transfor-
mação linear. Na prática, cada matriz pode ser interpretada como matriz
canônica de uma transformação linear f. Assim, por exemplo, a matriz
2 -3]
[o - 41
5
100 Introdução à Álgebra Linear
nesta base.
Calculando as componentes das imagens dos vetores da base A em
relação à própria base, vem:
f(1,-2) = (4,-1) = a 11 (1,-2) + ~ 1 (-1,3)
1~ 1 = :. lanaz1 =
l 1a11
- 2a11
-
+
4
3~ 1 = - 1
~ 2 (-1,3)
7
13
logo:
l 1a1z - 1azz = - 5
- 2a1z + 3azz = 2
•
..
la12 = -
azz=-8
T= A
[11
7
- 13]
-8
T = [i -~]
Tronsformaçõeslineares 101
3.7.1 - Adição
fi+ fz: V~ W
af: v~w
v~ (a f) (v) = af(v), V v E V
3.7.3- Composição
fz o fi: V~ U
v f
~(f2 o 1) (v) = f 2 (ji (v)), :J v E V.
v w u
Figura 3.7 .3
fi:~-+ ~,/1 (x, y) = (x- 2y, 2x + y), f 2: m_2-+ m.z, f 2 (x,y) = (x, x- y)
e f 3: ~ -+ ~,f3 (x, y) = (2x + 3y, y, - x), determinar:
Transfonncu;ões lineares 103
Solução
(3/1 - 2/2) (x, y) = (3/1) (x, y)- (2/2) (x, y)
= 3/1 (x, y) - 2f2 (x, y)
= 3 (x- 2y, 2x + y) - 2 (x, x- y)
= (3x- 6y, 6x + 3y)- (2x, 2x- 2y)
= (x- 6y, 4x + 5y)
= ~ -~ - ~ -~ = D-~
onde T 1 e T 2 são as matrizes canônicas de f 1 e f 2, respectivamente.
104 Introdução à Álgebra Linear
4) A matriz canônica de / 2 o / 1
Solução
6) A matriz canônica de / 1 o /1
Solução
Solução
_~
2 3]
~
[1 _ 0] [ 5~ -3]~
T 3T 2 = [ 1 1 = _ -
3.8.1 - Reflexões
f(X, y)
I
o I X
I
I
I
fex, - y)
Figura 3.8.1.a
A= [1o - o]1
106 Introdução à Álgebra Linear
logo:
[- ;] = [~ - ~] [;]
o X
Figura 3.8.1.b
logo:
Transformações lineares 107
(x, y)
)I
/
o. . X
/
/
/
~
(-X, -y)
Figura 3.8.1.c
A = [- 1
o - o]1
'
logo:
y y = X
(y, x)
'
X
Figura 3.8.1.d
A = [~ ~],
logo:
A=[ o -1]o
- 1
'
Transformw;ões lineares 109
y = -X
.Jt
( -y, -x)
Figura 3.8.1.e
logo,
A= [~ 2],
logo,
110 Introdução à .4.Zgebra Linear
Figura 3.8.2.a
1 X v
• A transformação f: ~ --+ ~.f (x, y) = 2 (x, y) = (2' 2) é um
exemplo de contração.
b) Dilatação ou contração na direção do eixo dos x
logo:
[~X] = [~ ~] [;]
(x, y) (2x, y)
X
X 2x
Figura 3.8.2.b
y (x, y)
1
(x, 2 y)
Figura 3.8.2.c
logo:
l
i l X ll1 0l [X]y
ay~ = O a J
Observe o leitor que
·-se a > 1, f dilata o vetor;
-se O ~ a < 1, f contrai o vetor.
• Nos casos b) e c), se a = O, viria, respectivamente:
b) f(x, y) = (0, y) e f seria a projeção do plano sobre o eixo dos y
(Fig. 3.8.2.d)
Transformações lineares 113
y y
v = (x, y)
f (v ) = (0, y) -- - - - - - - - - - v = (x, y)
o X f (v ) = (x, O) x
3.8.3. - Cisalhamentos
A= [~ ~],
logo:
y y
p B'
...
f
o A X o X
Figura 3.83.a
A= [~ ~]
logo:
Transformações lineares 115
A~---.,.p
Figura 3.8.3.b
v = (x, y)
( I)
T = [cose - senB]
o sen e cose ,
logo:
[x'y'] = [cos e
sen e
- sen e]
cos e
[x]y
A matriz T 0 , chamada matriz de rotação de um ângulo e, O os;;; e os;;; ilr, é a matriz
canônica da transformação fo : ~ -+ ~. definida em (4 ).
e
• Na da impede que a rotação do plano seja de um ângulo < O; nesse
caso, o ângulo será designado por -e e a respectiva matriz de rotação, por Tc.o):
mas,
cos c-e) = cose
sen (-e) = - sen e,
logo:
T = [ cose sene]
(-O) - sen e cose ,
e
118 Introdução à Álgebra Linear
1\ ~ [~ i]
e, por conseguinte, por meio de A 1, se obtém f 1 (v) = (x', y') a partir de
v = (x, y):
e, por conseguinte, por meio de A 2, se obtém flx', y') = (x", y") a partir de
(x', y'):
ou
Portanto, a matriz
[~:] =
[ cos 30" - sen 30"]
sen 30° cos 30° [~]
Y3 Y3
-
2
--1 -
2
2
[~:] =
-1 Y3 UJ =
1
2 2 2
120 Introdução à Álgebra Linear
ou
[x"]
y"
= [ cos 3fr - sen 3fr]
sen 30° cos 30° [~]
v'3
- -1 1
2 2 2
[x"]
y"
=
1 v'3 [n =
v'3
-
2 2 2
. do d as Imagens
• P artm . (x' , y') = (v'3
2' 21) e (x" , Y" ) = ( - 2'1 2V3) '
pode-se determinar os vetores de partida (a', b') e (a", b"), respectivamente,
por meio de uma rotação no plano de um ângulo de -30° . De fato:
v'3
a) [~:] = [ cos 30' sen 3fr]
- sen 30° cos 30°
2
1
2
v'3 1 v'3
2 2 2
[~:] =
1 v'3 1
=
UJ
2 2 2
1
2
b) [b"a"] =
cos 30° sen 30°]
[ - sen 30° cos 30°
v'3
2
Transformcu;ões lineares 121
{3 1 1
-
2
[a"] =
b" 1
2
{3 Y3
2
= [~]
2 2 2
f (v ) = (-2, 4)
= (4, 2)
-2 4 X
Figura 3.8.5.a
ou
--
AB = B - A = (6, 1) - (2,- 1) = (4, 2)
A C = C - A= (x,y) - (2,- 1) = (x- 2,y+1)
- -
O vetor AC pode ser considerado a imagem do vetor AB pela rQWção do fiano
de um ângulo de 60° em torno de A (no triângulo eqüilátero IAB I = IAC I).
Transformações lineares 123
o X
-1 ------
' ', \ I
......... \ f
' ... lo/
C'
Figura 3.8.5.b
---;. ---;.
Designando o vetor AB por v = (4, 2) e o vetor AC porf8 (v) = (x -2, y + 1),
tem-se:
ou
1
2 2
[~ ~ ~l ~ [~~ ::]
124 Introdução à Álgebra Linear
x-2=2-V3
{ y + 1 = 2v'3 + 1
ou
x=4-V3
{ y = 2v'3
logo,
• O pro~ma tem outra solução que seria obtida fazendo uma rotação
de -60° do vetor AB = v em torno de A (a cargo do leitor). ·
19) Seja f: IR' -+ W a projeção ortogonal do IR' sobre o plano y Oz, indicado
porW.
a) Determinar a lei que define f;
b) Calcular f (3, -4, 5).
20) Dada a transformação linear f: IR'-+ JR! tal que f(1, O, O) = (2, 1),
/(0,1,0) = (-1,0) ef(0,0,1) = (1,-2),
a) determinar a matriz canônica de f;
b) calcular f (3, 4, 5);
c) calcular f (x, y, z).
21) Uma transformação linear f: JR! -+ IR' é tal que f(-_1, 1) = (3, 2, 1) e
f(O, 1) = (1, 1,0)
Determinar:
a) f (2, 3); \./
b)f(x, y);
c) v E JR! tal quef(v) = (-2, 1, -3).
126 Introdução à Álgebra Linear
22) Seja f: R'-+ JR! a transformação linear definida por f(1, 1, 1) = (1, 2),
f(1, 1, O) = (2, 3) ef(1, O, O) = (3, 4). Determinar:
a) f (x, y, z);
b) v 1 E R' tal que f (v 1) = ( -3; -2);
c) v 2 E IR' tal quef(v 2) = (0, 0).
23) Dado o operador linear f: JR!-+ JR!,J (x, y) = (2x + y, 4x + 2y), dizer quais
dos seguintes vetores pertencem a N (f):
a) v 1 = (1, -2);
b) v 2 = (2, -3);
c) v 3 = (-3, 6).
24) Para o mesmo operador linear do problema anterior, verificar quais dos
seguintes vetores pertencem à Im (f):
a) Jl 1 = (2, 4);
1
b) Jlz = (- Z'- 1);
c) Jl 3 = (-1, 3).
30) Seja a transformação linear f:~-+ IR', f (x,y) = (2x -y, x + 3y, -2y) e as
bases A = { ( -1, 1), (2, 1)} e B = { (0, O, 1), (0, 1, -1), (1, 1, 0)}. Determinar:
a) a matriz de f nas bases A e B;
b) a matriz de f nas bases A e C, sendo C a base canônica do IR';
c) a matriz canônica de f;
d) f(3, 4) usando as matrizes obtidas em a), b) e c).
T, ~ l~ ~] -,
determinar a expressão de f (x, y) e a matriz canônica de f.
128 Introdução à Álgebra Linear
A ~ [- ~ ; l
determinar os vetores f.l, v e w tais que:
a) f(p,) = 11-;
b) f(v) = 2v;
c) f(w) = (4, 4).
f(v)
X 2x X
15) a) 16) a)
y y
f (v)
y v
1
3x
I
I
- 2x X I
I
I
I
I
-2y ------ - - -- -- - - - -
f (v)
b) Reflexão em relação ao eixo do y b) Reflexão em relação ao eixo dos
seguida de uma dilatação. x, seguida de uma dilatação de
fator 2 na direção vertical e, final-
mente, uma dilatação de fator 3
na direção horizontal.
17) a) 18) a)
y
f (v)
- 2x
X X
-y X X I
I - - - - - - - - - - -- - - 2y
f (v)
b) Reflexão em relação ao eixo dos b) Reflexão em relação à origem se-
x seguida de uma reflexão em guida de uma dilatação.
relação à reta y = x.
Transformações lineares 131
20) a) A ; [i -~ _~L
b) f(3, 4, 5) = (7, -7);
c) f (x, y, z) = (2x -y + z, x- 2z)
21) a) f(2, 3) = (-1, 1, -2); .
b) f (x, y) = (-2x + y,- x + y,- x);
c) v = (3, 4)
22) a)f(x,y,z) = (3x-y-z,4x-y-z);
b) v 1 = (1, 6 - z, z);
c) v 2 = (0, -z, z)
23) v 1 e v 3
24) ~ 1 e~ 2
25) N (f)= {(x,3x)/ xEIR};Im(j) = {(-y,y)/yEIR}
26) N (f) = {(0,0) }; Im (f) = {(x,y,z) E IR' I 2x- 2y- z = O}
29) T ; [-; -; g]
30) a) T1 ; [ j ~ l
•
=
-32 53] ;
b) T2
[- 2 - 2
c) T3 =
21 -1]3
[o -2
31) a) T 1 ~ A ~ [-i ~l
b) Tz = [ - 16 11 -1319]
32) TA = -[-2 1] 1 2 ; . TB = [~ :;l Te~[~ -i] ~T
33) f (x, y) = (8x + 18y, 6x + lly,- 2x- 4y); T = [ ~ -i~]4
-2
34) a) fi = (0, O);
b) v= y(3, 1);
c) w = (1, 1)
35) (j1 - f 2 ) (x, y) = (-x, x + 4y, -2x- y)
36) (3f1 - 2f2) (x, y) = (-x -y, 4x + 9y, -6x- 2y)
37) (j + g) (x,y) = (3x- 2y, O)
38) (g- f) (x, y) = (x + 2y, -2y)
39) (2f + 4g) (x, y) = (10x- 4y,- 2y)
..f2
b) f(- 2, 4) = (-3Y2, ..fi); f(x, y) =(2x -
..f2
---z-Y' z-x
..f2 ..f2
+ ---z-Y)
46) A = [-à i]
47) A = [- ~ _~ l
1 v'3
2 2
48) A = .
v'3
-
1
2 2
49) [- ~ =~l
Capítulo 4
OPERADORES
LINEARES
134
Operadores lineares 135
Figura 4.2
2 3
2 2
2 4
2 2
logo,
Operadores lineares 137
ou
3
f 1(x, y) = (x +
2
y, x + 2y)
• Deve ser entendido que se f leva o vetor (x, y) ao vetor (x', y'),
isto é,
[;:] = T [;]'
o operador f -I traz de volta o vetor (x', y') para a posição inicial (x, y), ou seja,
(1)
VA = QvB (4)
f(v)A = Qf(v)B (5)
ou
vem
ou
ou
140 Introdução à Álgebra Linear
1) Sejamf: ~-+ JR! um operador linear e as bases A= {(3, 4), (5, 7)}
eB = {(1, 1), (-1, 1)}.
Sabendo que
mas,
portanto,
Q = [- ~ - ;] u -:] = [- 21 -12]7
Operadores lineares 141
7
-
12 7
6
2 2 2
o-1 = =
-
1 2 1
1
2 2 2
logo, 7
- 6
2
-2 4] [ 2 - 12] =
TB =
1 [ 2 -1 - 1 7
1
2
=
[~ 8] [ 2 - 12]
1 - 1 7
= [2 - 4]
1 -5
T = [i ~]
b) A matriz Q de mudança de base de B para a base canônica A é dada
por
.
Q = A-1 B = J-1 B = IB = B = [3 -3]
1 1
142 Introdução à Álgebra Linear
-1 3
-
6 6
a-1 =
1
-- 3
-
6 6
logo,
1
-
3
-
:] [:
6 6
TB = a- 1TQ =
[: - :] =
--1 3
-
6 6
5
-
15
-
6 6
=
1
-
3
-
[: - :] =
[: - :]
6 6
If (v) I = I v 1.
Tendo em vista que o módulo de um vetor é calculado por meio de um
produto interno ( I v I = ..;v-:v), os operadores ortogonais são definidos nos
espaços vetoriais euclidianos.
• No estudo dos operadores ortogonais, serão consideradas somente
bases ortonormais em V e, particularmente, a base canônica.
• É fundamental que, sendo a uma base ortonormal de V, o produto
inter·no de dois vetores quaisquer de V, nessa base, é sempre o usual. Isso será
demonstrado para o caso de dim V = 2, uma vez que o caso de dim V = n é
similar.
Sejam a = {,u 1, ,u 2} uma base ortonormal de V e .u e v vetores
quaisquer de V, sendo
= { 1 se i = j
.ui . .UJ· ose 1. :;t; J.
144 Introdução à Álgebra Linear
tem-se
pode-se escrever
p.·v =p.tv, (1)
isto é,
é ortogonal. De fato:
Itcx, y) I
= v 16 2 24 9 2 9 2 24 16 2
25x - 25xy + 25Y + 25x + 25xy + 25Y
= V 2525x 2 + 25y2
25
= v x2 + y2
= I (x,y) I, V (x,y) E lR2
Operadores lineares 145
f (x,y,z) = (-y,x,-z),
é ortogonal. De fato :
If (v) I = Iv I
146 Introdução à Álgebra Linear
ou
I Avi = lv I
ou, ainda
vAv · Av = y::v-:v-
Av .Av= v .v
isto é,
(Av) 1 Av = v 1 v
(v 1 A 1) Av= v 1 v
ou
o que implica
Assim, urna matriz ortogonal é uma matriz que representa um operador orto-
gonal numa base ortonormal.
Exemplos
1) A matriz canônica A do exemplo 1 do item 4.4 é ortogonal, pois
-4 3
-- -4 3
-
5 5 5 5
A = .. At = = A-1
3 -4 4
- - -3 -
5 5 5 5
Operadores lineares 147
:::::l = [ ~ ~l
Tendo em vista que fÁ' i . /Ã-j = { 1 para i = j
Opara i ;;é j,
Exemplo - A matriz
1 1
-..;z o
Y2
A= o o 1
1 1
o
Y2 Y2
é ortogonal, pois para os vetores
1 1 1 1
fi1 = (- ..;z' O• Vz ), fiz = C..;z• O• Vz) e fi 3 = (0, 1, 0), tem- se:
logo,
ou
mas,
det At = det A,
portanto,
(det A) 2 = 1
detA = ± 1.
A= [24 - 4]1
é simétrica, isto é, A = At
2) No R', o operadorf definido por f (x, y, z) = (x- y,- x + 3y- 2z,- 2y)
é simétrico e sua matriz canônica é
f (fi-) · v = (Ap,) · v
= (Ap,)tv
= p, · A v = p, ·f (v)
Exemplo
Sejam o operador simétrico f:~-+~. f (x, y) = (x + 3y, 3x- 4y)
e os vetores p, = (2, 3) e v = ( 4, 2). A definição do operador permite escrever
mas,
f (fi-) . v = (11, - 6) . (4, 2) = 44 - 12 = 32
f.1 ·f (v) = (2, 3) · (10, 4) = 20 + 12 = 32
e, portanto,
f (fi-) ·v = ft. f (v).
A=
1 -1o 1]1
2
[o /0 - 1
'
a) determinar a lei que define o operadorf-1;
b) obter o vetor v E~. tal que f (v) = (2,- 3, 0).
8) Mostrar que o operador linear no ~ definido pela matriz
A= ui ~]
não é inversível e calcular v E~ tal que f (v) = (6, 9, 15).
T8 ~ [~ ~] ,
A= [- 11 21]
18) Quais dos seguintes operadores no ~ são ortogonais?
1 1 1 1
a) f:~-+ ~.f (x,y) =(Yz X - Yz Y• Yz X + Yz y)
-
3 4
--
5 5
20) A =
-
4 3
-
5 5
3
- --4 1 2
21) B =
5 5
22) c=
rs rs
2
3
-
5
4
-
5 rs -rs1
senO]
[_ ~ ~]
23) D = [ coso
o
- sen 8 cos 8 24) E= 1 -
1
1
- -
2 2
-
1 1 1
3 3 3 v'3 v'3 v'3
2 2 2 1
25) F= - -1 26) G = o -Vi
3 3 3 v'3
2 1 2 2 1 1
- - -- -.[6 -.[6
3 3 3 V6
Operadores lineares 155
-
.f2
1 2
-
3
1
3v'2 28) J =
[ co~8
o
1
-s~n8]
senO o cose
1 2
-
1
27) H= -V2 3 3v'2
o --1 4
3 3v'2j
A=
k k1
1
Vi,
j
que (Ap.) · (Av) = p · v para quaisquer fÃ-, v E~.
15) TA = [ _ ~ - !l
16) a) T 8 = [ ; l
=~
b) f (v)B = (6, 10)
18) São ortogonais: a) e b)
19) São ortogonais: a), b) e d)
20 a 28) São ortogonais: A, C, D, F, H e J
São rotações: A, D, F, H e J
29) A inversa de cada matriz ortogonal é a sua transposta: A -1 = At.
31) Resposta possível:
2 1
Ys Ys
1 2
- Ys Ys
32) Resposta possível:
1
- -
2 2
-
3 3 3
2
- -
1 2
3 3 3
2
-
2 1
-
3 3 3
34) a) m = -2 e n = -3
b) m = O e n = -3
Capítulo 5
VETORES PRÓPRIOS E
VALORES PRÓPRIOS
f(v)=Àv
158
Vetores próprios e valores próprios 159
y y y
f(v)=Àv
v
X X
Figura 5.1
y f (v)
Figura S.l.d
A= [i i]
Considerando os produtos
Àv ~ 6 [ ~] ~ [ ~~]
Av = [i i] [~] = [ l
~~
verifica-se que multiplicar o vetor próprio v = (5, 2) pelo valor próprio
associado À. = 6 é o mesmo que multiplicá-lo pela matriz canônica de f:
À.v =Av,
isto é,
6v =Av
2v = 2(5, 2) = (10, 4) e
f (10, 4) = (60, 24) = 6(10, 4),
isto é, o vetor (10,4) é também vetor próprio associado ao mesmo valor próprio
À= 6.
a - 1- - 1
=
1 1
- Iv I - I(5, 2) I v5 2 + 2 2 = Y29
obtendo-se
1
/)- = -~ (5, 2)
V29
Assim,
Por este exemplo fica evidente que o fato de o vetor zero não poder ser,
por definição, vetor próprio não impede que o número zero seja valor próprio.
f(v)=Av
f(v)=Àv,
então,
A v =À v (v é matriz-coluna de ordem 2 x 1)
ou
Av-Àv=O
Av-Àiv=O
Vetores próprios e valores próprios 163
ou
(A-À I) v =O (1)
ou
(2)
A= [i i]
e, portanto, a equação característica de f é
isto é,
(4-À)(1-À)-10 =o
À2 - 5À +6 = o,
equação do 2º grau cujas raízes são À1 = 6 e À2 = -1.
11) O sistema homogêneo que permite a determinação dos vetores
próprios é (A- .U) v = O. Considerando v = [ ; J. o sistema fica:
(1)
ou
ou, ainda
2
y = -x
5
ou
ou, ainda
{~:~~=~
166 Introdução à Álgebra Linear
e, portanto, os vetores do tipo v 2 = (x, -x) ou v 2 = x (1, -1), x ~O, são os vetores
próprios associados ao valor próprio À2 = -1.
2) Calcular os valores próprios e os vetores próprios da transformação
linear f representada pela matriz
Solução
I) A equação característica de A é
7- À -2 o (1)
det (A -À I) = - 2 6- À -2 =o
o -2 5- À
isto é,
( 7 - À) 6 - À - 2 - (- 2) - 2 - 2 + o -2 6- À =o
-2 5- À o 5- À o -2
(7 -À)[(6 -À) (5 -À)- 4] + 2 [ ·-2 (5 -À)+ o] +o= o
(7 -À) ( 6 -À) (5 -À) - 4 (7 -À) - 4 (5 -À) = o
(7-À)(6-À)(5-À)-28 + 4À-20 + 4À =o
(7 -À) ( 6 -À) (5 -À) - 48 + 8 À = o
(7 -À) ( 6 -À) (5 -À) - 8 ( 6 -À) = o
(6 -À)[(7 -À) (5 -À)- 8] =o
(6-À)(35-7À-5À +À 2 -8) =o
( 6 -À) (À 2 - 12 À + 27) = o
(6-À)(À-3)(À-9) =o
Vetores próprios e valores próprios 167
o sistema fica
7- À - 2 (2)
-2 6- À
[ o - 2
[-~
-2
3
-2
isto é,
4x - 2y + Oz = O
- 2x + 3y - 2z = O
{ Ox- 2y+2z=O
[-~
-2
o
-2
isto é,
1x - 2y+Oz=O
- 2x + Oy - 2z = O
{ Ox - 2y - 1z = O
isto é,
-2x- 2y+Oz=O
- 2x - 3y - 2z = O
{ Ox - 2y - 4z = O
A-
- [- 16
- 16 1~]
Solução
I) A equação característica de A é
- 16- À 10
det (A -À I) =
- 16 8- À
=o,
isto é,
e, portanto, (v 1 + v 2 ) E Sl.
170 Introdução à Álgebra Linear
S6 = {x(5,2)/xEIR}= [(5,2)]
que representa uma reta que passa pela origem do sistema xOy (Fig. 5.3).
Figura 5.3
5.4.1 - Propriedades
(1)
ou
(2)
172 Introdução à Álgebra Linear
(3)
mas,
logo, a2 = O.
Substituindo a 2 porseu valor em (1) e tendo em vistaquev 1 :F- O, tem-se
a 1 =O
Tendo em vista que ..l.1 :F- A.2, o conjunto { (1, -1), (1, O) } é uma
base do _R2,
Vetores próprios e valores próprios 173
f (v 1) = À1 v 1 + Ov 2 + Ov 3
f (v 2) = ov 1 + À2 v 2 + ov 3
f (v 3) = ov 1 + ov 2 + À3 v 3'
o operadorf é representado na base P dos vetores próprios pela matriz diagonal
D = Q·1 AQ (1)
Q = c-1 p = p p = P,
174 Introdw;ão à Álgebrq, Linear
D = p-l AP (2)
'
sendo P a matriz cujas colunas são os vetores próprios do operador f (P está
designando tanto a base dos vetores próprios de f quanto a matriz ora descrita;
no contexto, identifica-se quando se trata de uma ou de outra).
A igualdade (2) dá motivo à definição a seguir:
A matriz quadrada A é diagonizável se existe uma matriz inversível P tal
que p·l A P seja matriz diagonal.
Diz-se, nesse caso, que a matriz P diagonaliza A ou que P é a matriz
diagonalizadora.
A definição acima pode ser expressa de modo equivalente: um opera-
dor linearf : V -+ V é diagonalizável se existe uma base de V formada por vetores
próprios de f.
A=[-~ :~ -~]
e calcular p·l AP.
Solução
Os valores próprios e os correspondentes vetores próprios de A
sãoÀ 1 = 2ev 1 = (1,0,-1), À2 = 3ev 2 == (1, 1, 1), À3 = 6e v 3 = (1,-2, 1) (Ver
Apêndice, A.19.1- Prob. 2).
Como os Ài são distintos, o conjunto P = { v 1, v 2, v 3 } forma uma base
do IR' e, portanto, a matriz
Vetores próprios e valores próprios 175
p = [
- 1
6 i1 -;]1
diagonaliza A
Calculando p-l A P, obtém-se:
-
1 o 1
2 2
= [ ~ ~ ~] = D
Solução
A matriz canônica de f é
A = [i i]
No problema 1 de 5.2.3, viu-se que os valores próprios de f (ou de A)
são À1 = 6 e À2 = -1 e os correspondentes vetores próprios são v 1 = x (5, 2) e
V 2 = X (1, -1).
p = [5 1]
2 - 1
'
diagonaliza A_
1 1
p-1 AP = 7
2
7
7
5
7
[i i] [~ -i] = [ ~ - ~] = D
p 1 5]
= [- 1 2
A= [ ~ ~ - - !]
Solução
Os valores propnos e os correspondentes vetores propnos de A
são À1 = À2 = 2 e v 1 = (1, O, 0), À3 = 3 e v 3 = (1, 1, -2), sendo v 1 e v 3 LI
(propriedade I, item 5.4_1) (a cargo do leitor).
Como só existem dois vetores LI do IR', não existe uma base P desse
espaço constituída de vetores próprios. Logo, a matriz A não é diagonalizável.
• O problema 2 de 5.5.1 mostrará um exemplo de matriz A que,
também como a deste problema, só possui dois valores próprios mas, em
Vetores próprios e valores próprios 177
det (A -À I) = p -r À
q-r À I· -O
l -
isto é,
(p - À) (q - À) - r 2 = O
pq - À p - À q + À2 - r 2 =O
À2 - (p + q) À + (pq - r2) = O
(p + q) 2 - 4 (1) (pq- r 2) = p 2 + 2 pq + q2 - 4 pq + 4 r 2 =
= (p - q)2 + 4 r2
ou
Ál vl. Vz = vl. Áz Vz
Á1 (v 1 • v 2 ) -A.2 (v 1 • v 2 ) =O
(..tl- Áz) (vl. vz) = O
D = P-1 AP (1)
A= [-i :~ -~]
Solução
Conforme se viu no problema 2 de 5.2.3:
a) os valores próprios de A são .A.1 = 3, Á2 = 6 e Á3 = 9;
b) os vetores próprios correspondentes são v 1 = (1, 2, 2),
v2 = (2, 1, -2) e v 3 = (2, -2, 1).
Normalizando os vetores v 1, v 2 e v 3, obtêm-se os vetores próprios
unitários associados, respectivamente, aos valores próprios .A.1 = 3, A.2 = 6
e À3 = 9:
vl (1, 2, 2) = 1 2 2
(1, 2, 2) = (1, 2, 2) = c-.-· -)
#1 = TVJ v12 + 22 + 22 Y9 3 3 3 3
#2
V2
= TVJ =
(2, 1, - 2)
..f9 = (~ _!_, - ~)
3 3 3
#3
V3
= TVJ =
(2, - 2, 1)
Y9 = c-·32 -_,32 -)3l
A matriz
-1 2
- -2
3 3 3
P= -2 1
- --2
3 3 3
-
2 2
-- -
1
3 3 3
180 Introdução à Álgebra Linear
[ -~ ~]
-2
2 1
D = - - --2 6
2
- -
1 2
-- =
3 3 3 - 2 - 3 3 3
2 1 -1
- - -2 -
2
- - -2
3 3 3 3 3 3
[~ o ~]
o
= 6
Solução
a) Os valores próprios e os correspondentes vetores próprios de A são
11 = 5ev 1 = (1,0,-2),À2 = À3 = Oev = (2z,y,z)comyeznãosimultaneamente
nulos.
Quando v depende de mais de uma variável (v = (2z, y, z)) como
acontece neste caso, pode-se associar a ele mais de um vetor próprio, entre si
Vetores próprios e valores próprios 181
1 2
o
Vs Vs
P= o o 1
2 1 o
-Vs Vs
diagonaliza A ortogonalmente.
• É importante observar que se v 2 • v 3 #- O, seria necessário utilizar o
processo de Gram-Schmidt para se obter os vetores próprios ortogonais, isto é,
para que v 2 • v 3 = O e, em conseqüência, os vetores fl- 1, flz e fl- 3 serem
ortonormais.
182 Introdução à Álgebra Linear
1) v- (-2,1) e A- [i ;J
[~ i]
1
2) v = (1, 1, 2) e A = 2
2
[~ ~]
- 1
3) v = (-2, 1, 3) e A = 3
2
11) A - [ _ ~ ;] 12) A - [; ~]
Vetores próprios e valores próprios 183
[~ ~] [~ -3]
- 1 - 1
13) A= 3 14) A= 2 -3
1 o -1
[~ ~] [~ ~]
o 2
15) A= 1 - 16) A= 4
1 - 1 2
[~ ~]
[~ o ~]
3 o
17) A= - 1 - 18) A= - 1
6 -5
19) A= [; 1] 20) A=
[~ ~]
2
22) A=
[-i i] 3
2
[~ -1]
3
24) A= 1 -4
o 3
26) A=
[-~
o
o
1 -
- 1
;]
184 Introdução à Álgebra Linear
28) A = [ _ ~ - ; l 29) A = [~ ~]
32) A = [; ;l
o
33) A=
[~ - 1
o g]
[~ ~]
o
34) A= -2
o
[- ~
-2
35) A =
- 1
2
1
-i]
Vetores próprios e valores próprios 185
1) Sim
2) Sim
3) Não
4) A. 1 = 3, v 1 = y (1, 1); A.2 = 2, v 2 = y (2, 1)
5) Á1 = 1,v 1 = y(-2, 1);A.2 = 4,v 2 = x(1, 1)
6) Al = A2 = 4, v = X (1, 1)
7) Não existem
8) A. 1 = A. 2 = 1, v = (x, y, -y); A. 3 = 4, v3 = x (1, 1, 2)
9) A. 1 = 1, v1 = z (3, -3, 1); A.2 = -1, v 2 = z(O, -3, 1); A.3 = 2, v 3 = z (0, O, 1)
10) A. 1 = A.2 = A. 3 = 1, v = (x, O, z), x e z não simultaneamente nulos
11) Á1 = 2, v 1 = y (3, 1); A. 2 = 4, v 2 = y (1, 1)
3
17) A. 1 = A. 2 = A.3 = -1,v = (x,y,2x + zY)
18) A. 1 = 2, v 1 = x (1, O, 1); A.2 = -1, v 2 = y (0, 1, O); A.3 = -2, v 3 = x (1, O, -1)
19) p = [ - 11 34]
'
p- 'AP = [ - ~ ~ l
20) p = [ i -!], p- 'AP = [ 1~ ~ l
Vetores próprios e valores próprios 187
1
V2 -rz1
32) p = P'AP ~ [~ ~]
1 1
V2 V2
1 o 1
V2 Vz
~ [~
o
33) p = o
1
o
1 o
1
P'AP - 1
o J]
V2 -Vz '
3 2
o
v'13 v'13
r-~
o
34) p = 1
o
o
2
o
3
ptAP = 10
o J]
v'13 -vU '
1 1 1
-Y6 03 Vz
35) p = 1
-03
1 1 ptAP = [ 6O. 3O OOJ
Y6 Vz o a·o
2 1 o
-16 03
Capítulo 6
IW
SIMPLIFICAÇAO DA
IW
EQUAÇAO GERAL
A
DAS CONICAS
6.1 - CÔNICAS
-
vs = OM = (x,y)
188
Simplificação da equação geral das cônicas 189
Figura 6.1
se se considerar
v, = [;] e A = [~ ~]
Observe-se que à forma quadrática ax 2 + bf + 2cxy está sendo
associada uma matriz simétrica A.
190 Introdução à Álgebra Linear
(2)
vs = Pvp (3)
[ xl
Y
= [ xll
x12
~1
~2
l[ x:]
Y
(4)
ou
v!Avs = (v~Pt)A(PvP)
Considerando
ou
(7)
ou
(8)
y
y'
x'
Figura 6.2.a
* Ver Geometria Analítica - Alfredo Steinbruch e Paulo Winterle - Editora McGraw-Hill Ltda.
Simplific~éw da equaçéw geral das cc·nicas 193
x'
Figura 6.2.b
(1)
À2 Y2 + p X= O (2)
Se À2 = O, ter-se-á
(3)
6.4 - PROBLEMAS
Antes de enunciar problemas, um resumo dos itens 6.2 e 6.3 será útil
para facilitar a obtenção da equação reduzida de uma cônica e sua classificação:
1º) A equação geral da cônica
ax 2 + by2 + 2 cxy + dx + ey + f = O
ou
(1): Â1 X 2 + ).2 Y 2 = F
(2): Â2 Y2 + p X = O
(3): Âl X2 + q y = o
A (1) representa uma cônica de centro (gênero elipse ou hipérbole,
conforme Â1 e Â2 sejam de mesmo sinal ou de sinais contrários); a (2) e a (3)
representam (conforme seja Â1 = Oou Ã2 = O) uma cônica sem centro, gênero
parábola.
Solução
a) 1º) Mudança de base
A equação (1) na forma matricial é
A= [i ~]
e as colunas
À=3eÀ=1
1 2
1
0i
ou 11-1 =
1
0i
ou 11- 2 =
ou
que é a equação da cônica ( 1), referida ao sistema x' Oy' cujos eixos são suportes
de v 1 e v 2 (ou de f.l- 1 e f.l- 2) - (Fig. 6.4.1.a).
x'
y'
Figura 6.4.1.a
a equação ( 4) fica
3X2 + Y2 = 3
ou
xz yz
-+-=1
1 3
x'
Figura 6.4.1.b
Simplificação da eq~ão geral das cônicas 199
[X yl [- ~~ -
1
~] G] + [- 15 - 20] [~] + 50 ~o
que, por uma mudança de base, é transformada na equação
A= 16 - 12]
[ - 12 9
e as colunas
e
são os vetores próprios unitários de A, associados a Àl Àz, respectivamente.
Os valores próprios de A são À1 = Oe À2 = 25 e os vetores próprios de
A são v 1 = (3,4) e v 2 = (4, -3), sendo os seus respectivos vetores unitários
200 Introdução à Álgebra Linear
3
5
4
5
4
5
3
5
3 4
5 5
[x' y'] [ ~ 2~] [ ;:] + [- 15 - 20]
4 3
5 5
ou
25 y' 2 - 25x' + 50 =O
ou ainda
y' 2 - x' +2=O (3)
que é a equação da cônica (1 ), referida ao sistema x' Oy' cujos eixos são suportes
de v 1 e v 2 (ou de ,u 1 e ,u 2).
2º) Translação de eixos
A equação (3), por meio de uma translação de eixos, pode ser simplifi-
cada. De fato:
y' 2 - x' + 2 =O
y' 2 = x'- 2
(y'- 0) 2 = x'- 2 (4)
Simplificação da equação geral das cônicas 201
x'=X
y'
Figura 6.4.1.c
202 Introdução à Álgebra Linear
Solução
a) Tendo em vista que essa equação não apresenta os termos de 1o grau
em x e y ( d = e = Ona equação (6.1 ), item 6.1 ), a solução dependerá somente
da mudança de base. A equação (1) na forma matricial é
A= [ 4 12]
12 -3
1
[x' y'] [- ~ 1 ~] [~:] - 156 ~ O
Simplificação da equação geral das cônicas 203
ou
ou ainda
r x•2
12 - 13 = 1
Figura 6.4.1.d
204 Introdução à Álgebra Linear
6) x + 2xy + r -8x + 4 = o
2
8) xy + 4 vrz x + 6v'2 y + 3o = o
9) x2 + ~ + 2xy - 4 ..f2 X =0
10) 16x2 + 91- 96x + 72y + 144 = O
11) 4x2 - 5r + 8x + 30y- 21 = o
12) x2 - 6x + 8y + 1 = O
19) x2 + r + 4xy- 3 = o
x2 yz
2) - - - = 1, hipérbole
1 9
3) Y2 = 3X, parábola
xz yz .
4) 9 + 27 = 1, ehpse
5) Y 2 - X2 == 1, hipérbole
6) Y 2 = 2 Y2 X, parábola
xz y2
7) - + - = 1, elipse
3 6
xz yz
8) - = 1, hipérbole
36 36
9) Y 2 = 2X, parábola
x2 yz .
10) 9 + 16 = 1, elipse
y2 xz
11) 4 - 5 = 1, hipérbole
14) 4x•2 - Y:
16
-- 1, hipérbole
15) ti - 4
•2 x'2
= 1, hipérbole
x•2 .2
16) 4 - ~ = 1, hipérbole
x•2 •2
17) - + r_ = 1 elipse
2 6 '
x'2
18) 4 + y' 2 = 1, elipse
20) x' 2 + T •2
= 1, elipse
MATRIZES
A =
207
208 Introdução à Álgebra Linear
A(1,4 ) = [2 5 - 3 8]
D = [~ ~o - ~]; 2
A.4 - Matriz zero é a matriz cujos elementos são todos nulos. Indica-
se a matriz zero por 0:
o= [oo oo oo] ;
A= [-1 ~l
A.6 - Matriztriangularsuperiorematriztriangularinferior- Arnatriz
quadrada A = [ aii] que tem os elementos aii = O para i > j é urna matriz
triangular superior e a matriz B = [bii] que tem os elementos bii = Opara i < j
é urna matriz triangular inferior. Exemplos:
3
A=[~ o - 4] 2 -7 ;
1 B = [_ ~ J ~]
A. 7 - Igualdade de matrizes - Duas matrizes A = [aii] e B = [bii],
de mesma ordem, são iguais se, e somente se, aii = bij· Exemplo:
[i 5-2]= [3
7 4 1
5 -2]4
7
210 Introdução à Álgebra Linear
1) [ a
11a 12 a 13] + ["''
a21 a22 a23 b21 b22 b23 bl2 b"] =
2) [ 2 5 - 7]
3 -2 4 + [:
3 -2] = [ 6
9 1 11
8
7 - ~]
A.8.1 - Diferença de duas matrizes - A diferença A - B de duas
matrizes, de mesma ordem, é definida por A + (-B). Exemplo:
4 - 1] [ 5 - 6] [ 4 - 1] [- 5 6] [ - 1 5]
[-3 9 - 7 - 8 = - 3 9 + -7 8 = - 10 17
I) A + (B + C) = (A + B) + C
11) A+ B = B +A
111) A + O = O + A = A
IV) A + (-A) = -A +A =O
sx[4-2 1]=[5x4 5 X (- 2)
3 5-3 5X3 5X5
5X 1 ] [20 - 10
5 X (- 3) - 15 25 - 15 .
S]
Matrizes, determinantes e sistemas de equ~ões lineares 211
I) (af3) A = a(/3A), a, f3 E IR
11) (a + (3) A = aA + f3A
Ill) a (A + B) = aA + aB
IV) lA = A
c11 = 2 X 6 +4 X 7 +3 X 5 = 12 + 28 + 15 = 55,
isto é, c11 é a soma dos produtos, na ordem em que estão dispostos, dos
elementos da matriz-linha A pelos elementos da matriz-coluna B.
A matriz C(1,1) = [ 55 ] é o produto da matriz ~ 1 , 3 ) pela matriz BC3,1):
f
(1, 3)
t
(3, 1)'
• •
o segundo e o terceiro números, sendo iguais, indicam que a multiplicação é
possível, e o primeiro e o quarto números indicam a ordem da matriz-
produto C:
212 Introdução à Álgebra Linear
f X Bt -C(1, 1)
•
A(1, 3)
•
(3, 1) -
•
Dadas duas matrizes ~2 • 3) e B(3, 4), por exemplo, cada linha de A pode
ser considerada como uma matriz-linha e cada coluna de B como uma matriz-
coluna, e a matriz ~2 • 3) x Bc3, 4) é uma matriz Cc2, 4):
Exemplo:
e X= [;]
Solução
B = AX = [ ; ~] [ ~] = [ ;: : ~~]
É interessante assinalar que a matriz B tem 2linhas e uma só coluna:
• o elemento da primeira linha é 2x + 7y
• o elemento da segunda linha é 3x + Sy.
Matrizes, detenninantes e sistemas de equações lineares 213
2x + 7y = 16
{ 3x + Sy = 13
De fato, fazendo .
ou, ainda,
2x + 7yl = [ 16]
[ 3x + Sy 13
A = [ j ;] e B = [ ~ ~]
AB = [j ;] [~ ~] = [ 17
39
23]
53
6 - 3] [ 1
[ -2 7 o o]1 = [1
o o]1 [-26 - 3]
7
= [ 6 - 3]
-2 7
I) ( AB )C = A(BC)
11) (A + B)C = AC + BC
111) C(A + B) = CA + CB
IV) (aA)B =A (aB) = a(AB), a E IR
V) AB "# BA, em geral
Matrizes, determinantes e sistemas de equações lineares 215
A= [a ~1
11 a12
~2
a"]
~3
e At = [a"a12
a13
B = [; ~] e B' ~ [i ~]
A.11.1 - Propriedades da matriz transposta
I) (A + B)1 = A1 + W
II) (KA) 1 = KAÍ, K E IR
III) (A1) 1 = A
IV) (ABY = WA1 (ver problemas 15 e 16, itens A.14 e A.14.1)
~ [~
5
s 3
8
1) Calcular A + B.
2) Calcular A + C.
3) Calcular C - A.
4) Calcular -2A.
5) Calcular 6B.
6) Calcular -3C.
1 - 2
3 1
A= e
7 - 4 '
5 9
1 7 3 -8
-3 -1 -1 -3
C=
4 1 9 o
5 3 2 -3
7) Calcular AB.
8) Calcular BA.
9) Calcular BC.
10) Calcular CA.
11) Calcular (AB)C.
12) Calcular A(BC).
Matrizes, determinantes e sistemas de equações lineares 217
A~ D ~ !]
17) Calcular A + A 1 = S e verificar se S é simétrica.
18) Calcular A- A 1 = P e verificar se P é anti-simétrica.
A.14.1 - Respostas ou roteiros para os problemas propostos
1 e 2) Os problemas são resolvidos de modo análogo ao Exemplo 2,
item A.8.
3) O problema é resolvido de modo análogo ao Exemplo do item A.8.1.
4 a 6) Os problemas são resolvidos de modo análogo ao Exemplo do
itemA.9.
7 a 10) Os problemas são resolvidos de modo análogo ao Exemplo do
item A.10.
11) Roteiro: 1º) calcular AB = D; 2º) calcular DC.
12) Roteiro: 1º) calcular BC = E; 2º) calcular AE.
13 e 14) Os problemas são resolvidos de modo análogo aos Exemplos
do item Ali.
15) Roteiro: 1º) calcular AB; 2º) calcular (ABY.
16) Roteiro: 1º)calcular B1 = F; 2º) calcular A 1 = G; 3º) calcular FG;
comparar FG com (AB) 1 calculado no problema 15.
17) S é simétrica.
18) P é anti-simétrica.
218 Introdução à Álgebra Linear
DETERMINANTES
a c b
a b c,
2 4 3
det B 1 -5 7
-3 8 9
all a12
detA = = + all ~2 - a12 ~1
~1 ~2
Exemplo:
~I
7
detA = 2
= 7(3)- 5(2) = 21- 10 = 11
220 Introdução à Álgebra Linear
det A = + an (az2 ~3- az3 ~2)- a12 Caz1 ~3- az3 ~1) +
+ a13 (az1 a32- az2 ~1)
ou
2 4 3
detA = 1 - 5 7 = +2 - 5 7 - 4 1 7 +3 1 -5
9 8 9 -3 9 -3 8
-3 8
det A = all azz a33 + a1z az3 ~1 + a13 az1 ~2 - all ~3 a32 -
-a12 az1 a33 - a13 azz ~1
222 Introdução à Álgebra Linear
Exemplo: Calcular
2 4 3
detA = 1 -5 7
- 3 8 9
Solução
+ + +
18 ; x 7 ~o x I = o
Solução
(8-x) (7-x)- 20 = O
56- 8x- 7x + x2 - 20 = O
x2 - 15x + 36 = O,
3-x -1 1
-1 5-x -1 =O
1 - 1 3- X
Matrizes, determinantes e sistemas de equ~ões lineares 223
Solução
(3- x) 5 - x - 1 - 1 - 1 +1 - 1 5- X =O
- (- 1)
- 1 3- X 1 3- X 1 -1
(x - 2)(x2 - 9x + 18) =O
ou
(x - 2)(x - 3)(x - 6) = O
C =~ -~~~
l- 1 -i]
120 255] • r2 -4 6]
l ~ :~ ~,
A =
[
B = 2 - 1
9)
13-
4
X
10-x
10
= O 10) I~2 7
X
= 15
INVERSÃO DE MATRIZES
AB = BA =I,
A~ [ ~ ~o]
é singular porque det A = O. A matriz singular não tem inversa.
A.24 - Matriz não-singular é a matriz quadrada cujo determinante é
diferente de zero.
As matrizes A e B de A.22 são não singulares porque det A ;t: O
e det B ;t: O. A matriz não-singular sempre tem inversa.
226 Introdução à Álgebra Linear
III) (A-1Y1 = A
IV) 1" 1 = I
V) (ABY1 = B-1A- 1 (verproblemas 6 e 7, itens A.31 e A.31.1)
3
4
o
c) Quando se desejar substituir os elementos da primeira linha, por
exemplo, da matriz A 2, pela soma deles com os elementos correspondentes dá
segunda linha previamente multiplicados por -3, escrever-se-á assim:
1 1 3
2 2
AI =
4 2 2 ~ Lz- 4L1:
2 5 3 ~
~- 2L1:
228 Introdução à Álgebra Linear
1 3 1 1 3
2 2 2 2
1
o -4 -+ T
~3·
• o 4 o -+ 4~:
4 o o o -4
1 1 3 o 3
2 2 2
~=
o o
1 1 o
o o -4 o -4 -+-
1 o 3
~=
o 1 o
o o 1
2
A,~ ~ ~ ~]
[
A=[-~-~ -1]
- 1 2 - 1
Matrizes, determinantes e sistemas de equações lineares 229
Solução
o
~]
[ 1 -3 1 1
- 2 3 - 1 o 1 --+ Lz + 21-:t:
- 1 2 - 1 o o --+ ~ + 1L1 :
[~ ~] ~
-3 1 1 o 1
-3 1 2 1 - )Lz:
- 1 o 1 o
1 -3 1 1 o o --+ Ll + 3Lz:
o 1 -
1 2 --1 o
3 3 3
o - 1 o 1 o 1 --+ ~ + 1Lz:
1 o o - 1 - 1 o
1 2
o 1 - --1 o
3 3 3
1 1 --1
o o -
3
-
3 3
1 --+ - 3~:
1 o o - 1 - 1 o
1 - -2 1 1
o 1 3
o --+ Lz + 3 ~:
3 3
o o 1 - 1 1 -3
[~
o o
1 o
o 1
- 1 - 1
- 1 o
- 1 1 -3
-~l
Uma vez que a matriz A foi transformada na matriz I, a matriz
B = [~- 1i - ~1 -- 3~l
230 Introdução à Álgebra Linear
A =
[ ~ ~]
Solução
[~
1 b 1
[~ o ~] ~
b 1 - Ll:
a a a
d
d o
[~
b 1 o
a a
bc c
- 1
d-
a a
bc ad - bc
d- (1)
a a
mas
detA =
a
c ~I = ad - bc
Fazendo:
ad - bc = n (2)
[~
b 1
a a
o
n - -c
- 1 -+ -a~ :
a a n
b 1 b
1 o -~- - ~:
a
a a
o 1 -- c -a
n n
[: o -a1 +-
bc b
an n
c -
a
1
n n
1
a
bc
+ an =
n + bc
an
=
ad - bc + bc
an
ad d
-·
= an = n então:
1 o d b
n n
c a
o 1 n n
d b
n n
B=
- -c -
a
n n
e B = [cose
sene
- sene]
cose
Soluções
4 6
1) det M = I~ ~I = 28- 18 = 10 e M-
1 10
3
10
7
10 10
2) det N
8
3 ~] = 16- 15 I e N I = [ -23 - ~]
cose - sen e
3) det B = cos 2 e + sen2 e = 1 e
sene cose
B- 1 [ cos 6 sen6]
- sene cose
1) A = [ ; 1 ~]
2) B =
[~ ~]
3) c = [-- 46 -2
-8
]
4) E = [ -~
4
1
- 5
-;j
5) F = [-- 21 - 4
- 2
-3]
- 5
-3 - 5 -6
6) Calcular (ACY 1
7) Verificar a igualdade (ACY 1 = C 1A -1
A.31.1 - Respostas ou roteiros para os problemas propostos
1 a 3) Os problemas são resolvidos de modo análogo aos do item
A.29.1.2.
9
-14
- -13
-
4) E- 1 = 3 3 3
- 2 - 1 - 2
1 1 1
5) F 1 = [-- 2~
3
-3
1
-!]
234 Introdução à Álgebra Linear
6) Roteiro:
1º) calcular AC;
2º) calcular (AC)-1.
7) Roteiro:
1º) calcular C 1 = G;
2º) calcular A-1 = H;
3º) calcular GH;
4º) comparar GH com (AC)-1 calculado no problema 6.
na qual x1, x2, •.. , X0 são as variáveis; a1, a2, ••• , a 0 são os respectivos coeficientes
das variáveis e b é o termo independente.
• Os valores das variáveis que transformam uma equação linear em
identidade, isto é, que satisfazem a equação, constituem sua solução. Esses
valores são as raízes da equação linear. Exemplo: A equação
2x+y = 10
2x + 3y = 18
{ 3x + 4y = 25
J4x + 2y = 100
l 8x + 4y = 200
é compatível e indeterminado, pois admite infinitas soluções:
y o 2 4 6 8 10 12 14 16 18 ...
X 25 24 23 22 21 20 19 18 17 16 ...
236 Introdução à Álgebra Linear
r 3x + 9y = 12
l3x + 9y = 15
l 3x 1 + 6x2 = O
12x1 + 24x2 = O
3x + 6y = 42 X + 2y = 14
e
{ 2x - 4y = 12 { x- 2y= 6
~
8]
4 2~: 2
-2 -2 -+ Lz - 5~:
-4 - 4
238 Introdução à Á lgebra Linear
[~
2
- 12
- 24
-3~]
- 77
-+
1
- 12 ~:
[~
2
1
- 24 -7i]
-+
-+
Lt- 2~:
~ + 24~:
[~
o
1
o J] Esta matriz corres -
ponde ao sistema: rl + ÜXz = 2
Oxl + 1x2 = 3
Oxl + Oxz = - 5
que é equivalente ao sistema dado. Ora, como não existem valores que satis-
façam a 3ª equação (Ox1 + Ox2 = -5), o sistema é incompatível.
• O método exposto é o da redução da matriz ampliada do sistema à
matriz em fonna de escada.
2) Resolver o sistema homogêneo:
l 3x1 + 6x2
2x 1 + 4x2
-
-
9x3
6x3
=
=
O
O
Solução trivial: x1 = x2 = x3 =O
Soluções próprias
6 - 9 1 2 -3 o]
4 - 6 [2 4 - 6 o -+ ~ - 2Lt:
[~ l
2 - 3 Esta matriz corres- 1x1 + 2x2 - 3x3 = O
o o ponde ao sistema: Ox1 + Ox2 + Ox3 = O,
2~
z a
r+ + 2z = b
X+ 3y + z = c
Solução
[~ ~] ~ [~ ~
2 - 1 2 - 1 a
1 2 1 2 b
3 1 L, - lL,: 1 2 c - a] L.J- 1Lz:
[~
2 - 1 a ] Esta matriz { lx+2y- z~ a
1 2 b corresponde Ox + 1y + 2z = b
o o c.:.. a - b ao sistema: Ox+Oy+ Oz= c- a- b
c-a-b = O
ou
a+b-c = O
4) Resolver o sistema:
{ lx - 3x2 + 1x3 = 3
- 2x: + 3x2 1x3 = - 8
- 1x1 + 2x2 1x3 = - 5
240 Introdução à Álgebra Linear
Solução
[- i ~] [~ ~] ~
-3 1 -3 1
..... ~ + 2L1: 1
3 - 1 - -3 1 - - 3Lz:
- 1 2 - 1 - 5 ..... ~ + 1~: - 1 o -2
-3 1 3 __. L1 + 3~:
1 o o 5
[: o 1 -
1 2
-
1
1 -- 2
- 3 3
3 3
o o 1 4
- 1 o -2 ..... ~ + 1~:
-
3
-
3
..... - 3 ~:
1 o o 5
o
o 1 1 2
1
3 3
o o 1 4
o
inversa. Esse fato está sendo mencionado para assinalar que o método de
redução da matriz ampliada à matriz em forma de escada serve para resolver
qualquer sistema de m equações lineares com n variáveis, homogêneo ou não,
com m :;t: n ou m = n. Entretanto, quando m = n e o determinante da matriz
dos coeficientes for diferente de zero (caso particular), o sistema pode ser
resolvido, além de pelo já citado método de Gauss-Jordan, de outras maneiras.
A seguir, serão vistas duas dessas maneiras.
A.40.2.1 - Método da matriz inversa - Seja o sistema:
Fazendo:
an a12 aln xl bl
a2I a22 a2n Xz b2
A = X = e B =
anl an2 ann Xn bn
an a12 aln xl bl
az1 a22 a2n Xz b2
=
AX = B
242 Introdução à Álgebra Linear
Solução: Fazendo
A = - -;-~1
l~ - ~1 2 - 1
X = [ ;~]
x3
A-I = [ ~ ~ - ~ _ ~]
- 1 1 -3
logo:
Matrizes, determinantes e sistemas de equações lineares 243
isto é, x1 = 5, x2 = 2 e x3 = 4
A.40.2.2 - Regra de Cramer - A regra de Cramer é utilizada, em
geral, só para resolver sistema de 2 equações com 2 variáveis ou de 3 equações
com 3 variáveis. A regra, que não será demonstrada, mas verificada com um
exemplo, consiste no seguinte:
1) calcula-se o determinante D da matriz dos coeficientes das
variáveis;
2) calcula-se o determinante Di da matriz que se obtém substituindo,
na matriz dos coeficientes das variáveis, a coluna dos coeficientes da variável xi
pela coluna dos termos independentes;
3) calcula-se xi pela fórmula:
D I.
X --
i- D
3 2 -5 8 2 -5
D = 2 -4 - 2 = 32 Dl -4 -4 -2 = 96
1 - 2 - 3 -4 -2 -3
3 8 -5 3 2 8
D2 = 2 -4 -2 = 64 D3 = 2 -4 -4 = 32
1 -4 -3 1 - 2-4
244 Introdução à Álgebra Linear
D1 96
x1 = - = - 3
D 32
64
2
32
D3 32
x3 = - = - = 1
D 32
~ ~~ ~ ~~
-6
1) { ;: : - 38
1x + 2y + 3z = - 3
~: ~ 2~ + ~~ : - ~
1
2) {
2x + 3y + 4z = 7
~:
+ 2y + 3z = 10
3) { + 4y + 6z = 23
3x + 2y + 3z = 10
4) { - 1.~~ + 4y + 6z
6y 9z =
O
O
=o
o
o
~ ~~ - =
z -8
6) { ;: 4z = -11
- 5x + y + z = -9
+ 3x3 = - 8
- 4x2 = - 4
2x2 - 5x3 = 26
Matrizes, determinantes e sistemas de equações lineares 245
x2 O =
2x2 + 4x3 = 6
x2 + 4x3 = 6
x + 2y + 4z = O
9) 2x + 6y + 12z = O
{ 3x + 9y + 18z = O
10) { 3x + 5y = - 1
4x + 9y = - 6
7) x1 = 4, x2 =3 e x3 = -4
8) x1 = x2 = 3 - 2x3
9) Solução trivial: x =y =z =O
Soluções próprias: x = O e y = -2z
10) x =3 e y = .2
lntroducão
, , à
ALGEBRA LINEAR
Alfredo STEINBRUCH e Paulo WINTERLE
Pearson
.. . ---
Education