Professional Documents
Culture Documents
índice
1 Lógica................................................................................................................................ 9
1 Matrizes ........................................................................................................................... 69
5
Índice
Definição ...................................................................................................................................93
6
Índice
1º Teste.................................................................................................................................... 157
2º Teste.................................................................................................................................... 158
7
Índice
8
Lógica
1 Lógica
A matemática, como qualquer outra ciência, utiliza a sua linguagem própria constituída
por termos – palavras ou símbolos – e proposições que são combinações de termos de
9
Lógica
acordo com determinadas regras. Numa teoria matemática qualquer podem distinguir-
se dois tipos de termos:
(1) termos lógicos, que não são específicos daquela teoria e fazem parte da
linguagem matemática geral, e
(2) termos específicos da teoria que se está a considerar.
Termos lógicos como, por exemplo, “variável”, “relação”, etc. são comuns a todas as
teorias matemáticas. Pelo contrário, “ponto”, “recta” e “ângulo” são termos específicos
da geometria, enquanto que “número”, “<”, “adição” são termos específicos da teoria
dos números, etc.
O papel principal da lógica em matemática é o de comunicar as ideias de forma
precisa evitando erros de raciocínio.
cada uma das quais ou é um axioma (proposição cuja veracidade se admite à priori)
ou resulta de proposições anteriores por regras de inferência (que são formas muito
simples e frequentes de argumentação válida, tradicionalmente designadas por
silogismos). Cada uma das proposições p j , 1 ≤ j ≤ n é designada por passo da
10
Lógica
Exemplo L1
Na tabela que se segue, para cada número natural n de 2 a 10, calculou-se o número
n 2n − 1
é primo? é primo?
2 Sim 3 Sim
3 Sim 7 Sim
4 Não 15 Não
5 Sim 31 Sim
6 Não 63 Não
7 Sim 127 Sim
8 Não 255 Não
9 Não 511 Não
10 Não 1023 não
Conjectura I
Conjectura II
Destas duas conjecturas a primeira pode refutar-se imediatamente: para tal é suficiente
continuar a desenvolver a tabela para valores de n superiores a 10. Assim, para n = 11
vem
211 − 1 = 2047 = 23 × 89
11
Lógica
211 − 1 é um número composto. O número 11, neste caso, constitui o que se designa
geralmente por contra-exemplo para a conjectura: um simples contra-exemplo é
suficiente para mostrar que a conjectura é falsa. Mas há mais contra-exemplos: 23 e 29,
por exemplo, são outros contra-exemplos.
Considere-se agora a segunda conjectura: estendendo a tabela a outros números
inteiros não primos superiores a 10 não se encontra nenhum contra-exemplo. Isto,
contudo, não nos permite concluir que a conjectura é verdadeira pois por muito que se
prolongue a tabela nunca será possível experimentar todos os números compostos
possíveis: eles são em número infinito! Poderá haver contra-exemplos que sejam tão
grandes que nem com os actuais meios computacionais seja possível testá-los. Para
demonstrar ou refutar a conjectura é necessário adoptar então outros métodos.
Demonstração
Visto que n não é primo então existem inteiros positivos a e b maiores que 1 tais que
( )(
xy = 2b − 1 ⋅ 1+ 2b + 22b + … + 2(
a −1)b
)
(
= 2b ⋅ 1+ 2b + 22b + … + 2(
a −1)b
) − (1+ 2 + 2 + … + 2( ) )
b 2b a −1 b
(
= 2b + 22b + 23b + … + 2ab ) − (1+ 2 + 2 + … + 2( ) )
b 2b a −1 b
= 2 ab − 1
= 2n −1
Visto que b < n pode concluir-se que x = 2b − 1< 2n − 1; por outro lado, como b > 1 então
num produto de dois números inteiros positivos x e y maiores que 1 e menores que
12
Lógica
Uma vez que se provou que a conjectura II é verdadeira, esta passou a adquirir o
estatuto de teorema, podendo então escrever-se:
Teorema
13
Lógica
Exemplo L2
As afirmações
1. A Lua é feita de queijo verde.
( eπ )
2
2. = e 2π
3. 6 é um número primo.
( )
2
1. Será eπ igual a e2π ?
Por vezes combinam-se várias proposições para obter proposições compostas: neste
caso, em geral, pretende-se obter os valores lógicos das proposições compostas em
função dos valores lógicos conhecidos das proposições mais simples que as compõem.
Uma conectiva lógica que modifica o valor de uma dada proposição “ p ” é a sua
p ¬p
1 0
0 1
Existem várias formas pelas quais se podem combinar duas proposições. Em particular,
as conectivas “e” e “ou”, conjunção e disjunção, denotadas geralmente por “ ∧ ” e
“ ∨ ”, respectivamente, são definidas pelas seguintes tabelas de verdade:
14
Lógica
p q p∧q p∨q
1 1 1 1
1 0 0 1
0 1 0 1
0 0 0 0
A conectiva “ ⇒ ” que se lê “se ..., então ...”, designa-se por “implicação”, obedece à
seguinte tabela de verdade:
Quando temos a implicação p ⇒ q dizemos que p é o antecedente e q o
consequente.
p q p⇒q
1 1 1
1 0 0
0 1 1
0 0 1
“ ( p ⇒ q ) ∧ ( q ⇒ p ) ”.
15
Lógica
Ou seja
p q p⇔q
1 1 1
1 0 0
0 1 0
0 0 1
Na prática usa-se frequentemente esta relação: para mostrar que uma proposição da
forma “ p ⇔ q ” é verdadeira decompõe-se essa proposição nas duas partes “ p ⇒ q ” e
Chama-se tautologia a uma proposição que é sempre verdadeira quaisquer que sejam
os valores atribuídos às variáveis proposicionais que a compõem. Dito de outra forma,
chama-se tautologia a uma proposição cuja tabela de verdade possui apenas 1s na
última coluna.
Exemplo L3
Exemplo de tautologia é a proposição p ∨ ( ¬p ) , o princípio do terceiro excluído,
p ¬p p ∨ ( ¬p )
1 0 1
0 1 1
16
Lógica
Nota
Não deve confundir-se contradição com proposição falsa, assim como não deve
confundir-se tautologia com proposição verdadeira. O facto de uma tautologia ser
sempre verdadeira e uma contradição ser sempre falsa deve-se à sua forma lógica
(sintaxe) e não ao significado que se lhes pode atribuir (semântica).
A tabela de verdade
p ⇒ ( p ∨ q) p⇒q ¬q p ∧ ( ¬q )
p q p∨q ( p ⇒ q ) ∧ p ∧ ( ¬q )
1 1 1 1 1 0 0 0
1 0 1 1 0 1 1 0
0 1 1 1 1 0 0 0
0 0 0 1 1 1 0 0
contradição.
1. p ∨ ¬p
2. ¬ p ∧ ( ¬p )
3. p⇒ p
4. a) p ⇔ ( p ∨ p) idempotência
b) p ⇔ ( p ∧ p) idempotência
6. a) ( p ∨ q) ⇔ (q ∨ p) comutatividade
b) ( p ∧ q) ⇔ (q ∧ p) comutatividade
c) ( p ⇔ q) ⇔ (q ⇔ p) comutatividade
7. a) ( p ∨ ( q ∨ r )) ⇔ (( p ∨ q ) ∨ r ) associatividade
b) ( p ∧ ( q ∧ r )) ⇔ (( p ∧ q ) ∧ r ) associatividade
8. a) ( p ∧ ( q ∨ r )) ⇔ (( p ∧ q ) ∨ ( p ∧ r )) distributividade
17
Lógica
b) ( p ∨ ( q ∧ r )) ⇔ (( p ∨ q ) ∧ ( p ∨ r )) distributividade
9. a) ( p ∨ 0) ⇔ p identidade
b) ( p ∧ 0) ⇔ 0 identidade
c) ( p ∨ 1) ⇔ 1 identidade
d) ( p ∧ 1) ⇔ p identidade
b) ¬ ( p ∨ q ) ⇔ ( ¬p ∧ ¬q ) leis de Morgan
b) ( p ⇔ q ) ⇔ ( p ∧ q ) ∨ ( ¬p ∧ ¬q ) equivalência
c) ( p ⇔ q ) ⇔ ( ¬p ⇔ ¬q ) equivalência
12. a) ( p ⇒ q ) ⇔ ( ¬p ∨ q ) implicação
b) ¬ ( p ⇒ q ) ⇔ ( p ∧ ¬q ) implicação
13. ( p ⇒ q ) ⇔ ( ¬q ⇒ ¬p ) contrarecíproca
b) ( p ⇒ q ) ∧ ( p ⇒ r ) ⇔ p ⇒ ( q ∧ r )
16. ( p ∧ q ) ⇒ r ⇔ p ⇒ ( q ⇒ r )
17. p ⇒ ( p ∨ q) adição
18. ( p ∧ q) ⇒ p simplificação
23. ( p ⇒ 0 ) ⇒ ¬p absurdo
25. ( p ⇒ q ) ⇒ ( p ∨ r ) ⇒ ( q ∨ r )
18
Lógica
Definição
Duas proposições a e b dizem-se logicamente equivalentes se tiverem os mesmos
valores lógicos em todas as circunstâncias, ou seja, se a proposição a ⇔ b for uma
tautologia.
Dir-se-á que a proposição a implica logicamente a proposição b se a veracidade da
primeira arrastar necessariamente a veracidade da segunda, ou seja, se a proposição
a ⇒ b for uma tautologia.
( p ∧ q) ⇒ r
( p1 ∧ p2 ∧ … ∧ pn ) ⇒ q
19
Lógica
tese). Ao fazer a leitura desta implicação é costume inserir uma das loções “portanto”,
“por conseguinte”, “logo”, etc., lendo-se, por exemplo, “ p1, p2 , … , pn portanto q ”. Para
p1
ou p1, … , pn q
pn
q
Definição
Um argumento p1, … , pn q diz-se correcto ou válido se a conclusão for verdadeira
p⇒q
Para demonstrar a veracidade desta implicação começa-se por supor que p é uma
[Note-se que se p for falsa a implicação é sempre verdadeira quer q seja verdadeira
quer seja falsa.] Observe-se também que desta forma se prova a validade da
implicação p ⇒ q e não a veracidade de q . Para provara a veracidade de q seria
20
Lógica
veracidade de p : supor que p é verdadeira não é a mesma coisa que afirmar que p é
verdadeira.
Exemplo L4
Suponha-se que a e b são números reais. Provar que se 0 < a < b então a 2 < b2 .
hipóteses tese
a ∈ , b ∈ a 2 < b2
0<a<b
a 2 < ab
ab < b 2
Desta forma, obtém-se que a 2 < ab < b2 e, portanto, por transitividade, a 2 < b2 como se
pretendia mostra.
Teorema
Suponha-se que a e b são dois números reais. Se 0 < a < b então a 2 < b2 .
21
Lógica
Demonstração
Suponha-se que 0 < a < b . Multiplicando a desigualdade a < b pelo número positivo a
a 2 < b2 .
Para provar uma implicação da forma p ⇒ q , muitas vezes, é mais fácil supor ¬q e
equivale logicamente a p ⇒ q .
Exemplo L5
Suponha-se que a, b e c são três números reais e que a > b . Mostrar que se ac ≤ bc então
c≤0.
hipóteses tese
a ∈ , b ∈ , c ∈ ac ≤ bc ⇒ c ≤ 0
a>b
¬ ( c ≤ 0 ) ⇒ ¬ ( ac ≤ bc )
Ou seja,
c > 0 ⇒ ac > bc
hipóteses tese
a ∈ , b ∈ , c ∈ ac > bc
a>b
c>0
22
Lógica
Teorema
Sejam a, b, c três números reais tais que a > b . Se ac ≤ bc então c ≤ 0 .
Demonstração
A prova será feita pela contra-recíproca. Suponha-se que c > 0 . Então, multiplicando
ambos os membros da desigualdade a>b por c obter-se-á ac > bc .
Consequentemente, ac ≤ bc ⇒ c ≤ 0 como se pretendia mostrar.
que “ p ” depende da variável x obtendo-se, assim, uma fórmula com uma variável
A = { x : p ( x )}
verdadeira.
23
Lógica
A = { x : p ( x )} ª { x ∈ U : p ( x )}
B = { x : q ( x )} ª { x ∈ U : q ( x )}
{x ∈ U : p ( x ) ∧ q ( x )} = { x ∈ U : x ∈ A ∧ x ∈ B} = A ∩ B
De modo semelhante,
{x ∈ U : p ( x ) ∨ q ( x )} = { x ∈ U : x ∈ A ∨ x ∈ B} = A ∪ B
Uma fórmula p ( x ) , contendo uma variável x , pode ser verdadeira para alguns valores
dizer que uma dada fórmula p ( x ) se verifica para todos os elementos de x (do
∀x p ( x )
∀x x ∈ U ⇒ p ( x )
24
Lógica
A quantificação pode ser feita apenas sobre uma parte de U. Assim, se D designar um
subconjunto próprio de U e p ( x ) for uma fórmula com uma variável cujo domínio é D ,
então
∀x ∈ D p ( x ) ou ∀x x ∈ D ⇒ p ( x )
conjunção p ( a1 ) ∧ p ( a2 ) ∧ … ∧ p ( an ) .
Exemplo L6
Escreve-se
∃x p ( x )
Para significar que existe (no universo do discurso) pelo menos um elemento x para o
Se D for um subconjunto de U e p ( x ) for uma fórmula com uma variável cujo domínio
disjunção p ( a1 ) ∨ p ( a2 ) ∨ … ∨ p ( an ) .
25
Lógica
∀x x ∈ ⇒ x2 − 2 = 0
∃x x ∈ ∧ x 2 − 2 = 0
∀x x ∈ ⇒ x 2 − 2 = 0
∃x x ∈ ∧ x 2 − 2 = 0
∀x x ∈ ∅ ⇒ p ( x ) e ∃x x ∈ ∅ ∧ p ( x )
Visto que x ∈ ∅ é sempre falso, então a primeira expressão é uma proposição sempre
verdadeira. Quanto à segunda proposição ela tem a forma de uma conjunção de
proposições, das quais uma é sempre falsa, logo a proposição é sempre falsa.
∃! x p ( x )
26
Lógica
Quantificação múltipla
Uma fórmula matemática pode ter mais do que uma variável. Considere-se, por
exemplo, a afirmação
y = 5 − x para cada x ∈ ).
∃y ∀x [ x + y = 5]
que significa
“existe um número real y tal que para todo o número real x se tem x + y = 5 ”.
Esta proposição é falsa, pois não existe nenhum número real y , sempre o mesmo, para
¬∀x x ∈ U ⇒ p ( x ) equivale a ∃x x ∈ U ∧ ¬p ( x )
¬∃x x ∈ U ∧ p ( x ) equivale a ∀x x ∈ U ⇒ ¬p ( x )
27
Lógica
¬ ( ∀x p ( x ) ) ⇔ ∃x ¬p ( x )
¬ ( ∃x p ( x ) ) ⇔ ∀x ¬p ( x )
28
Lógica
Exercícios – Lógica
1. Diga, justificando, se as seguintes frases são ou não proposições (sentenças):
c) Para algum n ∈ , 2n = n2 .
q ≡ “3+1=4”
ii. ¬ ( p ∧ q )
iii. ( ¬r ) ∨ ( ¬ q )
a) ( p ⇒ q ) ∧ p ⇒ q
29
Lógica
b) p ⇔ ( q ⇒ r )
c) p ∧ ( ¬p ) ⇒ q
4. O operador lógico conhecido por “ou exclusivo” pode ser representado por ∨ , tal
que p ∨ q é uma proposição verdadeira quando e só quando p e q tiverem
a) ( ¬p ) ∨ q
b) ( ¬q ) ⇒ ( ¬ p )
c) ¬ p ∧ ( ¬q )
é equivalente á implicação p ⇒ q .
a) ( p ∧ q) ⇒ r
b) p ⇒ ( q ⇒ p )
c) ( p ⇔ q) ⇒ ( p ⇒ q)
7. Traduza a afirmação “Sempre que chove existem nuvens no céu” através de uma
implicação lógica p ⇒ q e, e seguida, escreva as afirmações correspondentes à
30
Lógica
a) p ∨ q ∧ ( ¬p )
b) ¬ ( ¬p ) ∧ ( ¬q )
c) ( p ∧ q ) ∨ p ∧ ( ¬q )
11. Por vezes usa-se o símbolo ↓ para denotar a proposição composta por duas
proposições peq que é verdadeira quando e só quando peq são
se “nem p nem q ”.
31
Lógica
p ≡ “ir ao Porto”
q ≡ “apanhar o comboio”
r ≡ “chover”
a) Traduza através de uma proposição lógica a seguinte afirmação “Não vou ao
Porto se não apanhar o comboio ou se chover”.
b) Admitindo que r assume o valor lógico falso diga, justificando, qual o valor lógico
da proposição ( p ∧ q ) ⇒ ( ¬q ∨ r ) ⇒ ¬p .
p ≡ “Tenho gripe”
ii. ( p ∧ q ) ∨ ( ¬q ∧ r )
iii. ( p ⇒ ¬r ) ∨ ( q ⇒ ¬r )
( p ∧ q ) ⇒ ¬r .
32
Lógica
a) ( p ∨ ¬q )
b) ( p ∨ q ) ∧ ¬p
20. Sejam a, b, c, d números reais tais que 0 < a < b e d > 0 . Provar que se ac > bd então
c>d.
a) Bom tempo é necessário para se conseguir um bom jardim. Como o jardim está
muito bonito o tempo tem estado bom.
b) Se hoje o tempo estiver bom amanhã faremos um piquenique. Mas hoje o tempo
não está bom, logo, amanhã não faremos um piquenique.
t ≡ “ver televisão”
c ≡ “ir ao cinema”
d ≡ “ter dinheiro”
f ≡ “ir de férias”
33
Lógica
24. Escreva as frases que se seguem usando notação lógica na qual x designa um
gato e p ( x ) significa “ x gosta de creme”.
34
Lógica
tal que, t ( x ) ≡ ' x > 1', v ( y, x ) ≡ ' y = x + 1', p ( x, y ) ≡ ' x divide y ' e o domínio de
35
Lógica
a) ∀ x ∃y ( 2 x − y = 0 )
b) ∃y ∀ x ( 2 x − y = 0 )
d) ∃y ∃z ( y + z = 100 )
30. Negue a proposição “toda a gente tem um parente de quem não gosta” usando a
simbologia lógica.
36
Teoria de Conjuntos
2 Teoria de Conjuntos
x∈ A
Exemplo TC1
(1) Conjunto das vogais descrito em extensão,
V= {a,e,i,o,u}
Ρ = { p ∈ : p = 2q para algum q ∈ }
37
Teoria de Conjuntos
A = {Χ : Χ ∉ Χ} .
Para eliminar possibilidades deste tipo supor-se-á, de ora em diante, que os conjuntos
considerados são todos constituídos por elementos de um conjunto U suficientemente
grande, chamado conjunto universal ou universo do discurso.
= {x : x é um número real}
= {x : x é um número racional}
= {x : x }
é um número inteiro
= {1, 2, 3,…}
38
Teoria de Conjuntos
Dir-se-á infinito caso contrário. O conjunto dos números inteiros positivos inferiores a 100 é
um conjunto finito enquanto que o conjunto de todos os números inteiros positivos é um
conjunto infinito.
= {1, 2, 3,…}
Igualdade de conjuntos
Dois conjuntos são iguais se e só se tiverem os mesmos elementos, denota-se por A = B .
um subconjunto de B .
Para verificar se dois conjuntos são iguais basta verificar se todo o elemento de A é
elemento de B ( A ⊆ B )e se todo o elemento de B é elemento de A ( B ⊆ A) .
Reciprocamente se os conjuntos A e B forem iguais então ter-se-á A ⊆ B e,
simultaneamente B ⊆ A .
39
Teoria de Conjuntos
escreve-se A ⊂ B . De acordo com estas definições resulta que quaisquer que sejam os
conjuntos A e B
∅ ⊆ A, A ⊆ A, A=B se e só se [ A ⊆ B e B ⊆ A]
Considere-se a prova de, por exemplo, ∅ ⊆ A qualquer que seja o conjunto A . A única
forma de mostrar que esta inclusão não é falsa é verificar que ∅ possui um elemento
que não pertence a A ; ora como ∅ não possui elementos então esta relação verifica-
se sempre.
n
∪ Ai = A1 ∪ A2 ∪ … ∪ An = { x : x ∈ Ai para algum i = 1, 2,… , n}
i =1
conjuntos então
n
∩ Ai = A1 ∩ A2 ∩… ∩ An = { x : x ∈ Ai para todos i = 1, 2,…, n}.
i =1
40
Teoria de Conjuntos
com i ≠ j , se tem Ai ∩ A j = ∅ .
A \ B = { x : x ∈ A e x ∉ B}
isto é,
P ( A) = {Χ : Χ ⊆ A} .
41
Teoria de Conjuntos
card( A)
Se A é finito tem-se Card ( P ( A ) ) = 2 .
A × B = {( a, b ) : a ∈ A ∧ b ∈ B} .
A1 × A2 × … × An = {( a1, a2 ,… , an ) : a1 ∈ A1 ∧ a2 ∈ A2 ∧ … ∧ an ∈ An }
Por definição, An = A × A × … × A .
Exemplo TC2
Se A = {a, b, c} então P ( A) = {∅, {a} , {b} , {c} , {a, b} , {a, c} , {b, c} , {a, b, c}} é o conjunto das
a) A ∩ (B ∪ C) = ( A ∩ B) ∪ ( A ∩ C )
b) A ∪ (B ∩ C) = ( A ∪ B) ∩ ( A ∪ C )
a) ( A ∩ B) = A ∪ B
b) ( A ∪ B) = A ∩ B
42
Teoria de Conjuntos
43
Teoria de Conjuntos
44
Teoria de Conjuntos
a) 1∈ A ;
b) {}
1∈A;
c) {}
1 ⊆ A;
d) 3 ∈ A ;
e) {3}∈ A ;
f) {3} ⊆ A ;
g) {{3}} ⊆ A ;
h) ∅ ∈ A ;
i) ∅ ⊆ A ;
A = {5,10,15,20, …}
B = {7,17,27,37, …}
C = {300,301,302, … ,399,400}
D = {1,4,9,16,25,36,49, …}
E = {1, 1 2 , 1 4, 1 8, 1 16, …}
A = {−1,1,2}
B = {−1, 2,1}
45
Teoria de Conjuntos
C = {0,1,2}
D = {2,1,−1,−2}
{
E = x : x 2 = 4 ou x2 =1 }
{ }
A = x 2 − x : x ∈ {0,1,2,3}
B = {(− 1) : n ∈ IN }
n
0
C = {x ∈ IN : x + 22 = 13 x}
0
2
7. Diga quais dos seguintes conjuntos que se seguem são finitos e quais são infinitos:
a) O conjunto das linhas do plano que são paralelas ao eixo dos xx' .
b) O conjunto das letras do alfabeto.
c) O conjunto dos múltiplos de 5.
d) O conjunto dos animais existentes na Terra.
A = {−n + 1: n ∈ Z }
B = {2m + 2 : m ∈ Z }
C=Z
D = {−2 p + 2 : p ∈ Z }
{
E = 5q : q ∈ Z }
F = {2r : r ∈ Z }
{
G = 5 − s +1 : s ∈ Z }
46
Teoria de Conjuntos
p
S = : p, q ∈ IN ∧ p, q ≤ 10
q
A ∩ B, B ∪ C , B ∪ C , A ∩ (B ∪ C ), ( A ∩ B ) ∪ ( A ∩ C )
( A ∩ B ) ∪ C , A ∪ ∅, B ∩ ∅, A ∩ C , U
igualdades:
a) A ∪ A = U
b) A ∩ A = ∅
c) A ∩ B ⊆ A
d) A ∪ B ⊇ A
e) A = A
f) A\ B = A∩ B
A∪ B = A∩ B
A∩ B = A
A∩ B = B
(A ∪ B)∩ B = A
(A ∩ B ) ∪ B = A ∪ B
14. O facto de ser A ∪ B = D implica que seja D \ B = A ? Se não, o que pode concluir-se
do facto de ser A ∪ B = D e D \ B = A ?
47
Teoria de Conjuntos
Determine A, B e B \ A .
a) Se A ⊆ C e B ⊆ C então A ∪ B ⊆ C .
b) Se C ⊆ A e C ⊆ B então C ⊆ A ∩ B .
c) Se A ⊆ B e B ⊆ C então A ⊆ C .
d) Se A ⊄ B e B ⊆ C então A ⊄ C .
e) Se A ∩ C = B ∩ C então A = B .
I. A = {}
1
II. B = {1,2}
III. C = {1,2,3}
das partes de M ?
(
19. Descrever os elementos do conjunto P P ( P ( ∅ ) ) ) onde P ( ∅ ) designa o conjunto
a) A ∩ B
b) A ∪ B
c) P ( A ) (conjunto das partes de A )
d) B ∩ P ( A )
48
Teoria de Conjuntos
21. Determinar o conjunto das partes do conjunto das partes do conjunto {a} .
( )
a) ( A ∩ B ) ∪ A ∩ B = A
b) ( A \ B ) = A ∪ B
24. Sendo P, Q, R três conjuntos, indicar quais das afirmações que se seguem são
verdadeiras.
de R .
b) Se P é um elemento de Q e Q é um subconjunto de R , então P é também um
subconjunto de R .
c) Se P é um subconjunto de Q e Q é um elemento de R , então P é um elemento
de R .
d) Se P é um subconjunto de Q e Q é um elemento de R , então P é um
subconjunto de R .
a) ( P \ Q) \ R = P \ (Q ∪ R )
b) ( P \ Q) \ R = ( P \ R) \ Q
c) ( P \ Q ) \ R = ( P \ R ) \ (Q \ R )
49
Teoria de Conjuntos
50
Teoria de Conjuntos
51
Teoria de Conjuntos
52
Relações e Funções
3 Relações e Funções
Os conjuntos {a, b} , {b, a} e {a, b, a} são iguais porque têm os mesmos elementos; a
ordem pela qual se escrevem os elementos é irrelevante, assim como não tem qualquer
significado que um elemento apareça escrito uma só vez ou várias vezes. Em
determinadas situações, é necessário distinguir conjuntos com os mesmos elementos
colocados por ordens diferentes ou conjuntos nos quais um mesmo elemento aparece
mais que uma vez.
Definição
Sejam A e B dois conjuntos não vazios. Chama-se produto cartesiano de A por B , e
representa-se por A × B , ao conjunto de todos os pares ordenados ( a, b ) tais que a ∈ A e
b ∈ B , ou seja,
A × B = {( a, b ) : a ∈ A ∧ b ∈ B} .
A2 = {( a, a ') : a, a ' ∈ A}
O conceito de produto cartesiano pode ser estendido a mais de dois conjuntos. Assim, o
produto cartesiano de n conjuntos A1, A2 , … , An , denotado por A1 × A2 × … × An é definido
por
A1 × A2 × … × An = {( x1, x2 , … , xn ) : x1 ∈ A1 ∧ x2 ∈ A2 ∧ … ∧ xn ∈ An }
53
Relações e Funções
Definição
Chama-se relação binária de A para B a todo o subconjunto não vazio R do produto
cartesiano A × B . Se, em particular, for A = B então R diz-se uma relação binária
definida em A .
Exemplo RF1
Sejam dados os conjuntos A = {1, 2, 3} e B = {r , s} . Então
R = {(1, r ) , ( 2, s ) , ( 3, r )}
Exemplo RF2
Sejam A e B conjuntos de números reais. A relação R (de igualdade) define-se da
seguinte forma
a Rb se e só se a=b
Exemplo RF3
Seja dado o conjunto A = {1, 2, 3, 4, 5} = B . Definindo a relação R (menor que) em A :
a Rb se e só se a<b
54
Relações e Funções
Definição
Dada uma relação R do conjunto A para o conjunto B chama-se domínio e
contradomínio de R, respectivamente, aos conjuntos assim definidos:
{
D ( R ) = x ∈ A : ∃y y ∈ B ∧ ( x, y ) ∈ R }
I ( R ) = { y ∈ B : ∃x x ∈ A ∧ ( x, y ) ∈ R }
D ( R ) = {1, 2, 3, 4}
No exemplo RF3
I ( R ) = {2, 3, 4, 5}
A1 ∩ A2 = ∅ .
Exemplo RF4
Seja dado o seguinte conjunto A = {a, b, c, d , e, f , g , h} e considerem-se os seguintes
subconjuntos de A :
A1 = {a, b, c, d } , A2 = {a, c, e, f , g , h}
A3 = {a, c, e, g} , A4 = {b, d } , A5 = { f , h}
Então { A1, A2 } não é uma partição de A visto que A1 ∩ A2 ≠ ∅ ; { A1, A5 } também não é
55
Relações e Funções
Definição
Seja A um conjunto não vazio e R uma relação binária definida em A . A relação
propriedades:
a) Reflexividade: ∀a [ a ∈ A ⇒ a Ra ]
b) Simetria: ∀a, b ∈ A [ a Rb ⇒ b Ra ]
[ a] , definido por
[ a ] = { x ∈ A : ( x, a ) ∈ R}
Teorema
Seja R uma relação de equivalência definida num conjunto A . Então:
(1) Cada elemento de A pertence à sua classe de equivalência, isto é, a ∈ [ a ] ,
∀a, b ∈ A a Rb ⇔ [ a ] = [b ]
∀a, b ∈ A ¬ ( a Rb ) ⇒ [ a ] ∩ [b ] = ∅
56
Relações e Funções
Definição
Seja A um conjunto e R uma relação de equivalência em A . Chama-se conjunto
quociente de A por R, e denota-se por A R , ao conjunto de todas as classes de
A R = {[ a ] : a ∈ A}
Teorema
Seja P uma partição de um conjunto não vazio de A e R a relação definida em A por
a Rb ⇔ a e b pertencem ao mesmo bloco de P . Então R é uma relação de equivalência.
Exemplo RF5
R = {(11
, ) , (1, 2 ) , (1, 3 ) , ( 2, 1) , ( 2, 2 ) , ( 2, 3 ) , ( 3, 1) , ( 3, 2 ) , ( 3, 3 ) , ( 4, 4 )}
frequentemente a Rb , ou seja,
a R b ⇔ ( a, b ) ∈ R
57
Relações e Funções
Exemplo RF6
Se A = {0, 1, 2, 3, 4, 5} ⊂ e R for a relação ≤ usual em , então
≤= {( 0, 0 ) , ( 0, 1) , ( 0, 2 ) , ( 0, 3 ) , ( 0, 4 ) , ( 0, 5 ) , (11
, ) , (1, 2 ) , (1, 3 ) , (1, 4 ) , (1, 5 )
( 2, 2 ) , ( 2, 3 ) , ( 2, 4 ) , ( 2, 5 ) , ( 3, 3 ) , ( 3, 4 ) , ( 3, 5 ) , ( 4, 4 ) , ( 4, 5 ) , ( 5, 5)}
Definição
dir-se-á uma relação de ordem total. Se R não for uma relação de ordem total também
se designa, por vezes, relação de ordem parcial.
Exemplo RF7
1. Seja A a família de conjuntos. A relação em A definida por “ A é um
subconjunto de B ” é uma ordem parcial.
2. Seja A um subconjunto qualquer de números reais. A relação ≤ em A é uma
relação de ordem total – é a chamada ordem natural.
3. A relação R definida em por “ x Ry se e só se x é múltiplo de y ” é uma relação
de ordem parcial em .
Definição
∀a, b ∈ A a R * b ⇔ [ a Rb ∧ a ≠ b]
58
Relações e Funções
Definição
Chama-se conjunto ordenado a um par ordenado ( A, R ) onde A é um conjunto não
Seja R uma relação de ordem num conjunto A . Então a relação inversa R-1, definida
por
a R −1b ⇔ b Ra
quaisquer que sejam os elementos a, b ∈ A , é também uma relação de ordem.
∀x [ x ∈ A ⇒ x ≤ a ]
Note-se que se a ordem ≤ não for total pode acontecer que não exista um elemento
a ∈ A comparável com todos os elementos x ∈ A nos termos acima indicados: neste
caso A não possuirá máximo.
∀x ∈ A [ a ≤ x ⇒ x = a ]
ou equivalentemente,
¬∃x ∈ A [ a ≤ x ∧ x ≠ a ] .
59
Relações e Funções
∀x [ x ∈ A ⇒ b ≤ x ]
∀x ∈ A [ x ≤ b ⇒ x = b ]
ou equivalentemente,
¬∃x ∈ A [ x ≤ b ⇒ x ≠ b] .
Exemplo RF8
O conjunto A = { x ∈ : 0 < x < 1} não possui máximo nem mínimo nem possui elementos
Teorema
Seja A um conjunto ordenado pela relação de ordem (parcial ou total) ≤ . Se a ∈ A é
máximo então a é um elemento maximal e é o único elemento maximal de A . Se b ∈ A
é mínimo então b é um elemento minimal e é único elemento minimal de A .
Definição
Seja ( A, ≤ ) um conjunto ordenado. Chama-se cadeia de A a um conjunto de A que é
60
Relações e Funções
Definição
Seja A um conjunto totalmente ordenado pela relação ≤ . Dir-se-á que ≤ é uma boa
ordem ou que A é bem ordenado por ≤ se todo o subconjunto não vazio de A possuir
mínimo.
3.4 Funções
Definição
Seja f ⊂ A × B uma relação de A para B . Se, para todo o x ∈ A existir um e um só y ∈ B
f :A→ B
{
O conjunto I ( f ) ≡ f ( A ) = y ∈ B : ∃x x ∈ A ∧ y = f ( x ) } designa-se por contradomínio da
aplicação f . Se f ( A) = B dir-se-á que f é uma aplicação sobrejectiva (ou aplicação
61
Relações e Funções
(2) ∀x x ∈ D ⇒ f ( x ) = g ( x ) .
aplicação
gof : A → C
Teorema
A composição de aplicações é associativa.
Definição
Dado um conjunto A chama-se aplicação identidade em A à aplicação id A : A → A
definida por
id A ( x ) = x
Teorema
Se f : A → B for uma aplicação bijectiva a correspondência recíproca, que a cada
62
Relações e Funções
Teorema
Sendo f : A → B uma aplicação arbitraria então id B of = f e foid A = f .
{
f ( E ) = y ∈ B : ∃x x ∈ E ∧ y = f ( x ) }
f ( E ) = { f ( x ) ∈ B : x ∈ E} .
{
f −1 ( F ) = x ∈ A : ∃y y ∈ F ∧ y = f ( x ) }
f −1 ( F ) = { x ∈ A : f ( x ) ∈ F } .
63
Relações e Funções
64
Relações e Funções
1. Seja A = {1, 2, 3} . Para cada uma das relações R indicadas a seguir, determine os
a) R é a relação < em A .
b) R é a relação ≥ em A .
c) R é a relação ⊂ em P ( A ) .
determine o conjunto [ a ] .
3. Seja R uma relação num conjunto não vazio A . Sendo x ∈ A define-se a classe R de
e [4 ]R .
composta SoR é a relação constituída por todos os pares ordenados ( a, c ) tais que
( a , b ) ∈ R e ( b, c ) ∈ S .
65
Relações e Funções
pela relação R.
8. Diga quais das relações que se seguem são equivalências e, nesses casos, indique o
correspondente conjunto quociente.
a) {(11
, ) , ( 2, 2 ) , ( 3, 3 ) , ( 4, 4 ) , (1, 3 ) , ( 3,1)}
b) {(1, 2 ) , ( 2, 2 ) , ( 3, 3 ) , ( 4, 4 )}
c) {(11
, ) , ( 2, 2 ) , (1, 2 ) , ( 2,1) , ( 3, 3 ) , ( 4, 4 )}
( x1, y1 ) R ( x2 , y2 ) ⇔ x1 + y1 = x2 + y2
66
Relações e Funções
x + 1 se x ≠ 6
f ( x) =
1 se x = 6
a) Determinar f ( 3 ) , f ( 6 ) , fof ( 3 ) e f ( f ( 2 ) ) .
sobrejectiva.
constantes a, b, c, d .
67
Relações e Funções
68
Matrizes
Definição
Uma matriz m × n é uma tabela rectangular de números, chamados escalares, com m
linhas e n colunas.
Seja A uma matriz m × n , sendo o elemento da i-ésima linha e j-ésima coluna denotado
por aij . Assim :
Vamos considerar unicamente as matrizes cujos escalares são números reais ou seja
K = (matrizes reais) A ∈ M m×n ( ) .
Definição
Se m = n a matriz diz-se quadrada.
Exemplo M1
−1 3
A=
5 0
Exemplo M2
B = [1 0 −5 6]
69
Matrizes
Exemplo M3
2
C=
π
Se todos os elementos são nulos, a matriz chama-se matriz nula.
Exemplo M4
0 0 0
O=
0 0 0
Uma matriz quadrada de ordem n cujos elementos são todos iguais a zero, excepto
pelo menos um dos elementos da diagonal principal (elementos aij em que i = j )
5 0 0
A= diag (5, 5, 3) = 0 5 0
0 0 3
Uma matriz diagonal de ordem n cujos elementos da diagonal são todos iguais a um,
chama-se matriz identidade e denota-se por I n .
Exemplo M6
1 0 0
I 3 = 0 1 0
0 0 1
Exemplo M7
5 0 2
A = 0 5 0
0 0 3
70
Matrizes
Exemplo M8
5 0 0
A = −1 −2 0
8 3 3
Uma matriz diz-se que está na forma canónica reduzida por linhas se for uma matriz
escalonada e se verificar as seguintes condições adicionais: a primeira entrada não
nula de cada linha é 1 e este 1 é o único elemento não nulo na sua coluna.
Exemplo M10
1 3 0 0 0
0 0 1 0 0
A=
0 0 0 1 0
0 0 0 0 1
Definição
Uma matriz B = bij ( ) de ordem n × m , cujos elementos são dados por bij = a ji , é chamada
Definição
Seja A uma matriz quadrada de ordem n . Se existir uma matriz B tal que AB = BA = I n ,
denota-se por A−1 . Se A não tem inversa diz-se não invertível ou singular.
71
Matrizes
Sejam A e B duas matrizes com o mesmo tipo, isto é, o mesmo número de linhas e
colunas: A, B ∈ M m×n ( ) .
Ou seja,
Ou seja,
72
Matrizes
Definição
− A = −1⋅ A = −aij( )
( ) (
A − B = A + ( − B ) = aij + −bij = aij − bij
)
Teorema M1
Sejam A, B, C ∈ M m×n ( ) , O , a matriz nula do tipo m × n e sejam k1 e k2 escalares, então
e) ( k1 + k2 ) A = k1 A + k2 A
f) ( k1 ⋅ k2 ) A = k1 ( k2 A )
g) 1⋅ A = A e 0 ⋅ A = O
Demonstração
Exercício
73
Matrizes
Exemplo M11
5
-1
6 2
2 5 5 × 2 + 6 × 0 + 2 × 0 5 × 5 + 6 × 8 + 2 ×1 10
75
3
e B = 0 8 , então AB =
0 −1× 2 + 0 × 0 + 3 × 0 −1× 5 + 0 × 8 + 3 ×1 −2 −2
Se A = =
5 0 10 73
6
0 1
5 × 2 + 6 × 0 + 0 × 0 5 × 5 + 6 × 8 + 0 × 1
2 5 0 2 × 2 + 0 × 5 + 0 × 0 2 × 5 + 5 × 8 + 0 ×1 4×2 4 50 4×2
Teorema M2
Sejam A, A ' ∈ M p×n ( ) , B, B ' ∈ M n×q ( ) , C ∈ M q×r ( ) , então as seguintes igualdades são
válidas:
a) ( AB ) C = A ( BC )
b) A ( B + B ') = AB + AB '
c) ( A + A ') B = AB + A ' B
d) ∀k ∈ : k ( AB ) = ( kA ) B = A ( kB )
e) I p A = A = AI n
Demonstração
Exercício
Teorema M3
Sejam A, A ' ∈ M p×n ( ) , B ∈ M n×q ( ) . Então:
a) ( A + A ')T = AT + A 'T
b) ( AB )T = BT AT
c) I nT = I n
(A )
T
T
d) =A
Demonstração
Exercício
74
Matrizes
Teorema M4
Sejam A, B ∈ M n ( ) , matrizes não singulares. Então:
a) A inversa de A é única.
(A )
−1
−1
b) =A
−1
(A ) = (A )
T
T −1
c)
Demonstração
Exercício
Nota
A multiplicação de matrizes não goza da propriedade comutativa. Quando se tem
AB = BA , as matrizes dizem-se comutáveis.
Definição
Diz-se que a matriz A é equivalente por linhas a uma matriz B se pode ser obtida por
uma sequência finita das seguintes operações elementares por linhas:
a) Troca de linhas, Li ↔ L j .
c) Substituição de uma linha pela soma dessa linha com outra multiplicada por um
escalar não nulo, Li + kL j ↔ Li .
Teorema M5
Toda a matriz A é equivalente por linhas a uma única matriz na forma canónica
reduzida por linhas.
75
Matrizes
Exemplo M12
2 4 −6 0
Considere a matriz A = 2 4 −2 2 , através das transformações elementares é
3 6 −4 3
possível transformar a matriz A numa matriz equivalente, mas que esteja na forma
canónia reduzida por linhas:
1 2 -3 0 1 2 -3 0 1 2 -3 0
L1 2 4 -2 2 ~-2 L1 + L2 0 0 4 2 ~ - 3 L + L 0 0 4 2 ~
1
A~ 1 3
2
3 6 -4 3 3 6 -4 3 0 0 5 3
1 2 -3 0 1 2 -3 0 1 2 −3 0
L2 0 0 1 1 2 ~ - 5 L2 + L3 0 0 1 1 2 ~2 L ~ 0 0 1 1 2 ~
1
~ 3
4
0 0 5 3 0 0 0 1 2 0 0 0 1
1 2 -3 0 1 2 0 0
~ - L3 + L2 0 0 1 0 ~3 L2 + L1 0 0 1 0
1
2
0 0 0 1 0 0 0 1
76
Matrizes
Exercícios - Matrizes
1. Considere as seguintes matrizes :
3 −1 0 3 0 2
A= , B=
2 − 4 7 −7 1 8
Calcule:
a) A+ B
b) 3A
c) 2 A − 3B
13 4 3 4 5
3 − 1 0 2 0 -2
A= , B = , C = 0 3 , D = 0 3
2 −4 7 0 -5 1
− 2 5 −6 −4 π
Calcule:
a) AC c) AD
b) CA d) BC
6. Dê exemplos de :
a) matrizes A e B não nulas, tal que AB = 0 .
b) matrizes não nulas A , B e C tais que AB = AC mas B ≠ C .
c) duas matrizes A e B tal que AB está definido mas BA não.
77
Matrizes
7. Mostre que:
a) se A é não singular e se AB = AC então B = C .
8. Considere as matrizes
0 1 −3
2 1 2 0 1
3 0
A = e B = - 1 -2 2 1
3 1 1
0 1 1 - 2
- 1 −2 − 1
78
Matrizes
79
Matrizes
80
Sistemas de Equações Lineares
indeterminadas). O termo “linear” significa que cada uma das incógnitas xi tem
expoente igual a 1.
Definição
81
Sistema de Equações Lineares
Definição
Definição
Se não admite solução o sistema diz-se impossível (insolúvel ou inconsistente).
Diz-se que um sistema de equações lineares é possível ( solúvel ou consistente) se
admite pelo menos uma solução. Se S é possível, diz-se que é determinado se tiver
apenas uma solução, ou indeterminado se tiver mais do que uma solução.
Interpretação Geométrica
Assim,
82
Sistemas de Equações Lineares
83
Sistema de Equações Lineares
Definição
Um sistema de equações lineares diz-se homogéneo, se os termos independentes são
nulos, isto é bi = 0 .
Nota
Todos os sistemas homogéneos têm pelo menos uma solução. A solução
Teorema S1
Seja v uma solução particular de um sistema de equações lineares e W a solução geral
do sistema homogéneo associado, Ax = 0 .
Demonstração
Exercício
84
Sistemas de Equações Lineares
Exemplo S1
2 x + 2 y + 2 z = 0
O sistema de equações lineares homogéneo dado por , facilmente se
x − y − 2z = 0
z 3z
deduz que o conjunto solução deste sistema é dado por W = , − , z ∈ 3 , z ∈ .
2 2
2 x + 2 y + 2 z = 2
E dado o sistema , facilmente vemos que v = ( 2, −1, 0 ) é uma solução do
x − y − 2z = 3
z 3z
sistema, então o conjunto solução deste é dado por S = 2 + , −1− , z ∈ 3 , z ∈ .
2 2
Definição
Dois sistemas de equações lineares dizem-se equivalentes se toda a solução dum
sistema é solução do outro e reciprocamente.
Teorema S2
Se um sistema de equações lineares é obtido de outro por um número finito de
operações elementares, então os dois sistemas são equivalentes.
III. Substituir uma linha pela soma dessa linha com outra multiplicada por um escalar
não nulo, Li + kL j ↔ Li .
85
Sistema de Equações Lineares
Exemplo S2
x + y - z =1
S = 2 x - 3 y + z = 4
4x - y - z = 6
1 1 −1 1 1 1 −1 1 1 1 −1 1 1 1 −1 1
2 −3 1 4 ~ III 0
−5 3 2 ~ III 0
−5 3 2 ~ III 0
−5 3 2
4 −1 −1 6 4 −1 −1 6 0 −5 3 2 0 0 0 0
1 1 −1 1
~ II 0 1 −3 5 −2 5
0 0 0 0
2 3 7 2
x + y − z =1 x + y − z = 1 x = 1+ z + 5 − 5 z x = 5 + 5 z
3 2 3 2 3 2 3 2
y − z = − ⇔ y = z − ⇔ y = z− ⇔ y = z −
5 5 5 5 5 5 5 5
0=0 0 = 0 0=0 0=0
Todas as soluções do sistema dado são obtidas a partir do sistema final de duas
equações, sendo z um número real qualquer:
7 2
x = 5 + 5 t
3 2
y = t − ,t ∈
5 5
0 = 0
86
Sistemas de Equações Lineares
2 5
Considere-se a matriz A = , calcular a inversa será tentar encontrar uma matriz
-1 0
x y 2 5 x y 1 0
w tal que ⋅ =
z 0 1
.
z -1 0 w
2 x + 5w 2 y + 5 z 1 0
−x = que é equivalente a resolver o sistema:
− y 0 1
1
−2 x + 5 w = 1 w =
− x = 0 5
0 −1
⇔x=0 , então A−1 = .
2 y + 5 z = 0 z=0 1 5 0
− y = 1
y = −1
Teorema S3
Seja A ∈ M n ( ) , então A é uma matriz invertível sse for equivalente por linhas à matriz
87
Sistema de Equações Lineares
( )
reduzida por linhas, obtendo-se assim a matriz I n A−1 .
Exemplo S3
1 2 0
Seja A = 3 3 1 , pretende-se calcular A−1 .
0 −2 1
1 2 0 1 0 0 1 2 0 1 0 0 1 2 0 1 0 0
A | I = 3 3 1 0 1 0 → 0 −3 1 −3 1 0 → 0 1 - 13 1 − 13 0
0 −2 1 0 0 1 0 −2 1 0 0 1
0 -2 1 0 0 1
1 0 2 −1 2 0 1 0 2 −1 2 0
3 3 3 3 1 0 0 -5 2 -2
→ 0 1 − 1 1 − 1 0 → 0 1 − 1 1 − 1 0 → 0 1 0 3 -1 1
3 3 3 3
1 2 0 0 1 6 −2 3 0 0 1 6 -2 3
0 0 2 − 1
3 3
−5 2 −2
A = 3 −1 1
-1
6 −2 3
88
Sistemas de Equações Lineares
x + 2 y − 3z = 1 x + y − 2 z + 3t = 4
a) 2 x + 5 y − 8 z = 4 f) 2 x + 3 y + 3 z − t = 3
3 x + 8 y − 13 z = 7 5 x + 7 y + 4 z + t = 5
2 x + y − 2 z = 10 x + 2 y − 3z = 0
b) 3 x + 2 y + 2 z = 1 g) 2 x + 5 y − 8 z = 0
5 x + 4 y + 3 z = 4
3 x + 8 y − 13 z = 0
x + 2 y − 3 z = −1
x + 2 y − 3z = 1
c) 3 x − y + 2 z = 7
5 x + 3 y − 4 z = 2 h) 4 x + 2 y − 6 z = 2
3 9 3
3 x + y − z =
x + 2 y − 3z = 0 2 2 2
d) 3 x − y + 2 z = 0
5 x + 3 y − 4 z = 0
x + y − 2 z + 4t = 5
e) 2 x + 2 y − 3 z + t = 3
3 x + 3 y − 4 z − 2t = 1
x + y − z = 1
a) 2 x + 3 y + kz = 3, k ∈
x + ky + 3 z = 2
x + 2 y − 3z = a
b) 2 x + 6 y − 11z = b , a, b, c ∈
x − 2 y + 7z = c
89
Sistema de Equações Lineares
( 5 + 2a ) x + 2 y + z = 4b − 2 3 x + ay + 4 z = a
c) (10 + 5a ) x + 5 y + 2 z = 5b − 8 , a, b ∈ d) 2 x + bz = b − 4 , a, b ∈
5 x + 2ay + 5 z = 2a − 2
( 4 + 2a ) x + y + z = 2b + 2
4. Indique quais das seguintes matrizes são ou não singulares e calcule a sua inversa:
1 2 2 2 0
a) 1 3 −1 −1 1
d)
1 1 1
0 2
b) 1 −3
1 2 0
e) 1 − 1 1
1 2 0
0 1 1 2 1 1
c)
1 2 −1
2 x − y + z = −1
x − y = −1
y − 2z = 4
90
Sistemas de Equações Lineares
91
Sistema de Equações Lineares
92
Espaços Vectoriais
3 Espaços Vectoriais
Definição
Definições
abeliano.
Exemplo EV1
93
Espaços Vectoriais
a ⊗ (b ⊕ c ) = a ⊗ b ⊕ a ⊗ c
( b ⊕ c ) ⊗ a = b ⊗ a ⊕ c ⊗ a, ∀a, b, c ∈ Ä
Definição
Considere-se o sistema (V , +; ¼ ,*) , onde V é um conjunto não vazio, “+” uma operação
i) k * ( u ⊕ v ) = k * u ⊕ k * v, ∀k ∈ ¼ , ∀u , v ∈ V
ii) ( k1 ⊕ k2 ) * u = k1 * u ⊕ k2 * u, ∀k1, k2 ∈ ¼ , ∀u ∈ V
iii) ( k1 ⊗ k2 ) * u = k1 * ( k2 * u ) , ∀k1, k2 ∈ ¼ , ∀u ∈ V
94
Espaços Vectoriais
Nota
Repare que existe duas operações denotadas por adição. Na condição ii)
(V , + ) .
Teorema EV1
Se V é um espaço vectorial sobre um corpo ¼, verificam-se as seguintes propriedades:
a) 0¼ u = 0V , ∀u ∈ V
b) α .0V = 0V , ∀α ∈ ¼
c) ( −α u ) = ( −α ) u = α ( −u ) , ∀u ∈ V , ∀α ∈ ¼
d) (α − β ) u = α u − β u , ∀u ∈ V , ∀α , β ∈ ¼
e) α ( u − v ) = α u − α v, ∀u , v ∈ V , ∀α ∈ ¼
95
Espaços Vectoriais
Demonstração
a) Atendendo a que 0 é o elemento neutro da adição em ¼, temos que 0+0=0.
Daqui resulta que
( 0 + 0 ) u = 0u
c) Vamos começar por provar que −α u = − (α u ) , o que vale por dizer que os
− α u + α u = 0V
mas ( -α ) u + α u = ( ( −α ) + α ) u = 0u = 0V
De modo análogo , provamos que
α ( −u ) = − (α u ) , já que
α ( −u ) + α u = α ( ( −u ) + u ) = α 0V = 0V
( α − β ) u = (α + ( − β ) ) u = α u + ( − β ) u = α u + ( − ( β u ) ) = α u − β u
α ( u − v ) = α ( u + ( − v ) ) = α u + ( − (α v ) ) = α u − α v
96
Espaços Vectoriais
Subespaços vectoriais
Definição
Seja V um espaço sobre um corpo ¼. Seja W um subconjunto de V . W é um
subespaço vectorial do espaço vectorial V sse:
1) 0V ∈ W
2) u + v ∈ W , ∀u , v ∈ W
3) ku ∈ W , ∀u ∈ W , ∀k ∈ ¼
Exemplos EV2
O espaço das matrizes M n ( ) (conjunto de todas as matrizes quadradas de
{ }
O espaço de polinómios Ï2 ( x ) = ax2 + bx + c : a, b, c ∈ é um subespaço do espaço
Teorema EV2
Seja V um espaço vectorial sobre ¼ e sejam V1 e V2 subespaços vectoriais de V .
Então:
a) A intersecção de V1 com V2 é um subespaço vectorial de V
V1 ∩ V2 = { x ∈ V : x ∈ V1 e x ∈ V2 }
V1 + V2 = { x + y ∈ V : x ∈ V1 e y ∈ V2 }
97
Espaços Vectoriais
Demonstração
Exercício .
Definição
Considere V um espaço vectorial sobre um corpo ¼. Sejam v1, v2 ,… , vn vectores de V e
de V , dizemos que u é combinação linear dos vectores v1, v2 ,… , vn por meio dos
Exemplos EV3
v1 = 1, v2 = x e v3 = x 2 ?
destes vectores?
Teorema EV3
Considere V um espaço vectorial sobre um corpo ¼. Sejam v1, v2 ,… , vn vectores de V .
98
Espaços Vectoriais
Demonstração
1ª Parte
v = β1v1 + β 2 v2 + … + β n vn , com α i e β i ∈ ¼ , ∀i
(α i + β i ) ∈ ¼ , logo u + v ∈ W
au ∈ W .
2ª parte
99
Espaços Vectoriais
Tese: W ⊂ W '
Então W ⊂W '
Definição
A W = {α1v1 + α 2 v2 + … + α n vn : α1, α 2 ,… , α n ∈ ¼} chama-se espaço gerado pelos vectores
v1, v2 ,… , vn .
α1v1 + α 2 v2 + … + α n vn = 0V ⇒ α1 = α 2 = … = α n = 0
linear dos vectores v1, v2 ,… , vn . Isto é, existem α1, α2,...,αn ∈¼, não todos nulos tais
que α1v1 + α 2 v2 + … + α n vn = 0V .
100
Espaços Vectoriais
Ou seja
α1v1 + α 2 v2 + … + α n vn = 0V ⇒ α1 = α 2 = … = α n = 0
Teorema EV4
Seja V um espaço vectorial sobre um corpo ¼. Então os vectores v1, v2 ,… , vn ∈ V são
Demonstração
(ï)
Comecemos por supor que os vectores v1, v2 ,… , vn são linearmente dependentes. Por
α1v1 + α 2 v2 + … + α n vn = 0V
Uma vez que entre os coeficientes há pelo menos um que é diferente de zero,
suponhamos que se tem α1 ≠ 0 .
α2 α
v1 = − v2 − … − n vn
α1 α1
o que mostra que algum vector (neste caso o primeiro) é combinação linear dos
restantes.
(ì)
Admitamos que algum dos vectores dados, por exemplo, vn , é combinação linear dos
restantes:
vn = α1v1 + α 2 v2 + … + α n −1vn −1
101
Espaços Vectoriais
α1v1 + α 2 v2 + … + α n −1vn −1 − vn = 0V .
Ora esta igualdade mostra que os vectores são dependentes, pois temos uma sua
combinação linear nula em que, pelo menos, o último escalar não é nulo.
Teorema EV5
Seja V um espaço vectorial sobre um corpo ¼. Sejam v1, v2 ,… , vn linearmente
Demonstração
(ï)
Por hipótese, os vectores v1, v2 ,… , vn , w são linearmente dependentes, pelo que existirão
α1v1 + α 2 v2 + … + α n vn + β w = 0V
Poderá ser β = 0 ? Se assim acontecesse, e uma vez que algum dos escalares
α1, α 2 ,… , α n , β é não nulo, concluiríamos que algum dos escalares α1, α 2 ,… , α n seria não
α1v1 + α 2 v2 + … + α n vn = 0V
Ora isto é um absurdo, visto os vectores v1, v2 ,… , vn serem, por hipótese, independentes.
α1 α α
w=− v1 − 2 v2 − … − n vn
β β β
102
Espaços Vectoriais
(ì)
O recíproco é imediato, basta ter em conta o teorema EV4.
Corolário EV6
Se um sistema de vectores linearmente independentes, gera um espaço V então é um
sistema linearmente independente. Ou seja se acrescentarmos qualquer vector ao
sistema ele torna-se linearmente dependente.
Corolário EV7
Qualquer sistema que contenha o vector nulo é linearmente dependente.
Bases e dimensão
Definição
Seja V um espaço vectorial sobre um corpo ¼. O conjunto S = {v1, v2 ,… , vn } ⊂ V , diz-se
2) v1, v2 ,… , vn geram V .
Exemplo EV5
Em Ñ3 os vectores (1, 0, 0); (0, 1, 0); (0, 0, 1) são linearmente independentes e qualquer
vector pertencente a Ñ3 pode ser escrito como combinação linear dos primeiros.
Então (1, 0, 0); (0, 1, 0); (0, 0, 1) formam uma base. Esta é conhecida como a base
canónica de Ñ3.
Definição
Um espaço vectorial que contenha uma base com n vectores diz-se que tem dimensão
finita n e escreve-se dimV = n .
103
Espaços Vectoriais
v1, v2 ,… , vn = V .
{ }
Se u1, u2 ,… , u p são vectores linearmente independentes de V então tem-se:
1) p≤n
Teorema EV9
Um conjunto S = {v1, v2 ,… , vn } ⊂ V , é uma base de V se e só se todo o vector v ∈ V se
Demonstração
1ª parte
Hipótese: S = {v1, v2 ,… , vn } ⊂ V é uma base de V
w = β1v1 + β2 v2 + … + β n vn , com α i e βi ∈ ¼ , ∀i
(α1v1 + α 2 v2 + … + α n vn ) − ( β1v1 + β2 v2 + … + β n vn ) = w − w = 0
(α1 − β1 ) v1 + (α 2 − β2 ) v2 + … + (α n − β n ) vn ⇒ (α i − βi ) = 0, ∀i , logo, αi = βi , ∀i
2ª parte
Reciprocamente temos como hipótese que: todo o vector v ∈ V pode escrever-se de
maneira única como combinação linear dos vectores de S .
104
Espaços Vectoriais
Seja
0 = α1v1 + α 2 v2 + … + α n vn , uma combinação linear de zero, mas por hipótese só se pode
Teorema EV10
Seja V um espaço vectorial de dimensão finita. Então toda a base de V tem o mesmo
número de vectores.
Demonstração
Sejam B, B ' bases de V .
B = {v1, v2 ,… , vn }
{
B ' = u1, u2 ,… , u p }
Logo n = p .
105
Espaços Vectoriais
Teorema EV11
Num espaço vectorial V , de dimensão n :
1) Qualquer subconjunto de V contendo mais do que n vectores é linearmente
dependente.
2) Qualquer conjunto de n vectores linearmente independentes formam uma
base de V .
3) Qualquer conjunto de n vectores que geram v formam uma base de V .
Demonstração
1) Seja {v1, v2 ,… , vn } uma base de V . Então V = v1, v2 ,… , vn , e os vectores
vector arbitrário de V .
O sistema v1, v2 ,… , vn , w tem n + 1 vectores, pelo que, conforme se provou em
106
Espaços Vectoriais
Teorema EV12
Seja W um subespaço vectorial de um espaço vectorial V n - dimensional. Então
dimW ≤ n . Em particular se dimW = n então W = V .
Demonstração
Exercício.
Seja B = {v1, v2 ,… , vn } uma base de V . Então qualquer que seja v elemento de V este
Definição
Aos escalares ai chamam-se coordenadas de v em relação à base B .
Escreve-se v = ( a1, a2 ,… , an ) B .
Teorema EV13
Seja V um espaço vectorial sobre um corpo ¼, Seja dimV = n , B uma base de V ,
Demonstração
Exercício.
Definição
A característica de uma matriz A é o número de linhas não nulas da matriz equivalente
por linhas em forma canónica reduzida por linhas, ou equivalente, a característica de
uma matriz A é a dimensão do subespaço gerado pelas linhas de A . Denota-se por
c ( A) .
107
Espaços Vectoriais
Teorema EV14
O número de linhas ou de colunas linearmente independentes de uma matriz A não é
alterado se sobre A se realizarem operações elementares sobre linhas ou colunas.
Teorema EV 15
O número máximo de linhas linearmente independentes de uma matriz A é igual ao
número máximo de colunas linearmente independentes de A .
Teorema EV16
Seja S o sistema de equações lineares representado por Ax = b onde A ∈ M m×n ( ) e
b ∈ M m×1 ( ) . Então
i) S é possível sse c ( A b ) = c ( A ) .
Corolário EV17
Um sistema linear homogéneo de m equações em n incógnitas, Ax = 0 , tem solução
Teorema EV18
Seja A uma matriz quadrada de ordem n . Então as seguintes afirmações são
equivalentes:
a) A é não singular
b) A é equivalente por linhas à matriz identidade
c) c ( A) = n .
108
Espaços Vectoriais
( a , b ) + ( c, d ) = ( a + c, b + d )
α ( a, b ) = (α a , α b )
2. Denote o conjunto de todas as funções reais continuas cujo domínio é [0, 1] por ℑ .
Mostre que ℑ constitui um espaço vectorial sobre Ñ, para as operações de adição
e multiplicação por um escalar real, assim definidas:
( f + g )( x ) = f ( x ) + g ( x )
(α f )( x ) = α f ( x )
( )
3. Seja V * = {( x, y ) : x, y ∈ } 2 com as seguintes operações
( a , b ) + ( c, d ) = ( a + c, b + d )
α * ( a , b ) = (α a , 0 )
4. Para cada um dos seguintes conjuntos determine quais dos axiomas de espaço
vectorial não se verificam:
( a , b ) + ( c, d ) = ( a + c, b + d )
α ( a, b ) = (α a , b )
( a, b ) + ( c, d ) = ( a − c, b − d )
α ( a, b ) = (α a , α b )
109
Espaços Vectoriais
( f + g )( x ) = f ( x ) + g ( x )
(α f )( x ) = α f ( x )
a) Se u , v, w ∈ V e u + v = u + w então v = w .
a) V1 = {( x, y ) ∈ : y = 0}
2
b) V2 = {( x, y ) ∈ : y = 1}
2
c) V3 = {( x, y ) ∈ : x + y = 0}
2
d) V4 = {( x, y, z ) ∈ : y = 0}
3
e) V5 = {( x, y, z ) ∈ : y = 1}
3
f) V6 = {( x, y, z ) ∈ : x = 0 ou y = 0}
3
g) V7 = {( x, y, z ) ∈ 3
:x=0 ey=0 }
h) V8 = {( x, y, z ) ∈ 3
: x + y + z = 0}
i) V9 = {( x, y, z ) ∈ 3
: x + y + z = 1}
operações usuais :
( f + g )( x ) = f ( x ) + g ( x )
(α f )( x ) = α f ( x )
110
Espaços Vectoriais
Mostre que :
V1 ∩ V2 = { x ∈ V : x ∈ V1 e x ∈ V2 }
V1 + V2 = { x + y ∈ V : x ∈ V1 e y ∈ V2 }
9. Escreva o vector (0, 5, –6) como combinação linear dos vectores (2, 1, –8 ), ( 0, 1, 1)
e (1, –1, 0).
i) {x 2
+ x + 1, − x2 }
j) {x 3
− x + 1, 3 x 2 + 2 x, x3 }
11. a) Sejam u = ( 6, 3,1) , v = (1, 2,1) , w = ( 2, 2, k ) vectores de Ñ3. Para que valor de k
b) Sejam u = ( 3, 6,1) , v = (1, 2,1) , w = ( 2, 2, k ) vectores de Ñ3. Mostre que não existe
a) u = (1, 0 ) , v = ( 2,1)
111
Espaços Vectoriais
b) u = ( 2,1, 0 ) , v = ( 0,1, −2 )
d) u = ( −3,1, 0 ) , v = ( 0,11
, ) , w = ( 0,1, 0 ) , z = ( 2, −3, −1)
f) u = ( −11
, , 0 ) , v = ( −2, 2, 0 ) , w = ( 0,1, 0 )
g) u = x2 + x, v = − x 2 + 2
h) u = x2 + x, v = x 2 + 2 x + 2, w = − x2 + 2
112
Espaços Vectoriais
15. Determine quais dos seguintes conjuntos formam uma base do espaço vectorial
Ñ3:
função de k .
b) u = ( −11
, , 0 ) , v = ( −2, 2, 0 ) , w = ( 0,1, 0 )
c) u = ( −111
, , ) , v = ( −2,1, 0 ) , w = ( −3, 2,1)
a) A= {( x, y, z ) ∈ 3
: 3x − y = z }
113
Espaços Vectoriais
b) B= {( x, y, z ) ∈ 3
}
: x − y + 3z = 0
c) C = {( x, y, z ) ∈ 3
}
: x − y + z = 0 e x = 2y
1 1 4 1
b) −2 1 d) −8 −2
1 3 −4 −1
1
2
e)
−3
2
114
Espaços Vectoriais
115
Espaços Vectoriais
116
Determinantes
4 Determinantes
det ( A) ou A .
4.1 Permutações
Definição
Uma aplicação biunívoca s do conjunto Sn = {1, 2,… , n} sobre si mesma é chamada uma
1 2 … n
σ = ou σ = j1 j2 … jn onde ji = σ ( i )
j1 j2 … jn
Exemplo D1
Em S3 existem 3!=6 permutações em: 123; 132; 213; 231; 312; 321.
Definição
Consideremos uma permutação par (ou impar) caso exista um número par (ou impar)
de pares ( i, k ) para os quais i > k , mas i antecede k em s.
117
Determinantes
Exemplo D2
Consideremos a permutação s= 35142 em S5 . 3 e 5 antecedem e são maiores que 1;
portanto (3, 1) e (5, 1) satisfazem a condição anterior, tal como (3, 2), (5, 2) , (4, 2), (5, 4).
Existem portanto exactamente 6 pares, logo s é uma permutação par.
Definição
Definimos o sinal ou paridade de s, denota-se por sgn s, por
1 se σ par
sgn s =
-1 se σ ímpar
Exemplo D3
No exemplo anterior, dado que a permutação é par, então o sgn s =1.
4.2.1 Definição
Isto é, onde os factores proveêm de linhas sucessivas; logo os primeiros índices estão na
ordem natural 1, 2,..., n . Agora, como os factores proveêm de colunas diferentes, a
sequência dos segundos índices forma uma permutação σ = j1 j2 … jn em Sn .
118
Determinantes
Definição
em Sn :
A = ∑ ( sgn σ ) a1 j a 2 j
1 2
...a njn .
σ
Isto é
a11 a12
A= = a11.a22 − a12 .a21
a21 a22
Assim,
4 −5
= 4(−2) − (−5)(−1) = −13
−1 −2
119
Determinantes
Em S3 , as permutações 123, 231 e 312 são pares e as permutações 321, 213 e 132 são
ímpares. Portanto,
a11(a22 a33 − a23 a32 ) − a12 (a21a33 − a23 a31) + a13 (a21a32 − a22 a31)
Para além disso esta fórmula é facilmente memorizada visto que se obtém suprimindo à
matriz A a primeira linha e respectivamente, as primeiras, segundas e terceiras colunas.
O determinante de ordem 2 que se obtém suprimindo a primeira linha e a j -ésima
coluna deve ser multiplicado pelo elemento que ocupa a entrada (1, j ) (i.e. o elemento
a1j ); os produtos obtidos devem ser considerados com sinais alternados e, finalmente
adicionados.
120
Determinantes
Regra de Sarrus
• • • • • •
• • • • • •
• • • • • •
Parcelas com sinal + Parcelas com sinal –
Exemplo D4
1 0 3
Considere-se A = 2 −1 5 ∈ M 3 ( ) .
0 −2 1
A =1µ(–1)µ1+2µ(–2)µ3+0µ5µ0–0µ(–1)µ3–(–2)µ5µ1–2µ0µ1=–3
121
Determinantes
Definição
n +1
A = ∑ (−1)1+ j a1j | A(1| j ) | = a11 | A(1| 1) | −a12 | A(1| 2) | + + (−1)n + 2 a1n +1 | A(1| n + 1) |
j =1
Teorema D1
Demonstração
( ) ( )
Suponhamos que A = aij . Então AT = bij , onde bij = a ji . Portanto,
Seja t=s –1, que é a permutação que aσ (1)1aσ (2 )2 ...aσ ( n ) n = a1τ (1) a2τ (2 ) ...anτ ( n ) , t ∈ S n .
= |A|
122
Determinantes
Teorema D2
Seja B a matriz obtida da matriz A por:
Demonstração
por k ; então
B = ∑ (sgnσ )a1σ (1) a2σ (2) ....(kaiσ ( j ) )...anσ (n)
σ ∈Sn
2) Vamos provar o teorema para o caso em que duas colunas são trocadas. Seja τ a
transposição que troca entre si dois números correspondentes às duas colunas de
A , que são trocadas entre si.
( ) ( )
Se A = aij e B = bij , então bij = aiτ ( j ) . Portanto, para qualquer permutação σ.
Assim
B = ∑ (sgnσ )b1σ (1) ...bnσ (n) = ∑ (sgnσ )a1τσ (1) a2τσ (2) ...anτσ ( n)
σ ∈Sn σ ∈Sn
Como τ é impar, sgn τσ = sgn τ. sgn σ, assim sgn σ = –sgn τσ, então
elementos de S n , portanto B = − A .
123
Determinantes
Teorema D3
Seja A uma matriz quadrada.
1) Se A tem uma linha (coluna ) de zeros então A = 0 .
Demonstração
1) Cada parcela em A contém um factor de cada linha; então contém um elemento
diagonal principal são zeros, ou seja aij = 0 , sempre que i < j . Consideremos um
termo t do determinante de A :
Suponhamos i1 ≠ 1. Então, 1< i1 logo, i1i1 = 0 ; portanto, t = 0 . Isto é, cada termo para o
qual i1 ≠ 1 é zero.
De acordo com isso, A = a11a22 … ann . Ou seja o produto dos elementos da diagonal.
124
Determinantes
Teorema D4
Seja B a matriz obtida da matriz A por substituição de uma linha (coluna) de A pela
soma dessa linha (coluna) multiplicada por um escalar; então B = A .
Demonstração
Suponhamos que c vezes a k -ésima linha é somada à j -ésima linha de A . Usando o
A primeira soma é o determinante de uma matriz, cujas k -ésimas e j -ésimas linhas são
B = c.0 + A = A
Corolário D5
Seja A qualquer matriz quadrada n × n . Então são equivalentes as seguintes afirmações:
1) A é invertível
2) c ( A) = n
3) A ≠0
Teorema D6
O determinante de um produto de duas matrizes A e B é igual ao produto seus
determinantes: AB = A . B .
125
Determinantes
Corolário D7
( )
Seja A = aij ∈ M n ( ) . Então α A = α n A , ∀α ∈ .
Corolário D8
1
Se A é invertível então A−1 = .
A
n
I. A= ∑ (−1)i + j aij | A(i | j ) | (desenvolvimento segundo a i -ésima linha)
j =1
n
II. A= ∑ (−1)i + j aij | A(i | j ) | (desenvolvimento segundo a j -ésima coluna)
i =1
Demonstração
1) Trocando sucessivamente as linhas li ↔ li −1 ↔ … ↔ l2 ↔ l1 (num total de i − 1
ai1 ai 2 ain
a a a1n
11 12
Ai = ai −11 ai −12 ai −1n
a a ai +1n
i +11 i +12
a ann
n1 a n2
i −1
Pelo teorema D2(2), temos que Ai = ( −1) A . Assim, obtemos
n n
∑ (−1)1+ j aij | Ai (1| j) | = ∑ (−1)i + j aij | A(i | j ) |
i −1
A = ( −1) Ai = ( −1)i −1
j =1 j =1
126
Determinantes
n n
AT = ∑ (−1)i + j bij | B (i | j ) | = ∑ (−1)i + j aij | A( j | i ) | ,
j =1 j =1
n
A = ∑ (−1)i + j aij | A(i | j ) | .
i =1
Exemplo D5
Neste exemplo, aplicamos a regra de Laplace para o cálculo do seguinte
determinante:
2 0 1 0 0
2 0 0 0
0 0
3 0 0 4 −3 1
2+3 1 4 −3 1 1+1
1 0 −3 1 = ( −1) 3
4 = −3 ( −1) 2 2 1 5
−1 2 1 5
−1 2 1 1 5 −3 3 3
2 −3 3 3
2 −3 5 3 3
4 −3 1
= −6.3 2 1 5 = 18(4+2+15+1-20+6)= -144
−1 1 1
127
Determinantes
Definições
i+ j
Observemos os sinais ( −1) , que acompanham os menores, são alternadamente ”+” e
“–“ que se dispõem na forma que se segue, com os “+” na diagonal principal
+ − + −
− + − + …
+ − + −
− + − +
Definição
Chamamos matriz adjunta de A , denota-se por A * à seguinte matriz
T
A 11 A 1n
A* =
A A nn
n1
Esta matriz dá- nos a seguinte relação entre a matriz inversa e a própria matriz:
AA* = A I n
128
Determinantes
Teorema D10
Seja A ∈ M n ( ¼ ) . Então A é invertível sse A ≠ 0 . Se é este o caso, temos
1
A−1 = A*.
A
Este resultado é muito útil principalmente para matrizes dois por dois.
Exemplo D6
3 4
Vamos calcular a inversa da seguinte matriz . A = .
5 1
A = 3 − 20 = −17
A 11 = 1; A 12 = −5; A 21 = −4; A 22 = 3
T
1 −5 −1 1 1 −4
Então A* = , e a inversa é então A = − −5 3 .
− 4 3 17
A teoria dos determinantes pode ser aplicada à resolução de um certo tipo de sistemas
de equações lineares.
Com efeito, seja S um sistema de equações lineares representado matricialmente por
129
Determinantes
Teorema D11
Seja S um sistema de Cramer representado matricialmente por Ax = B , onde
( ) ( )
A = aij ∈ M n ( ¼ ) e B = bij ∈ M n×1 ( ¼ ) . Seja (α1, α2, ... , αn) ∈ ¼n a única solução de S .
Então
Demonstração
Como (α1, α2, ... , αn) ∈ ¼n é solução de S , temos
α1 b1
α b
A 2 = 2 .
α n bn
α1 α1 b1 b1
α α b
2 = A-1A 2 = A-1 2 = 1 A * b2 .
M M M | A | M
α n α n bn bn
Assim temos
1
αj = ((−1)1+ j | A(1| j ) | b1 + (−1)2 + j | A(2 | j ) | b2 ) + + (−1)n + j | A(n | j ) | bn ),
| A|
A* = A ij = ( −1)i + j | A(i | j ) | .
130
Determinantes
coluna)
Exemplo D7
Seja S o sistema de três equações lineares a três incógnitas sobre Ñ
2 x + 3 y − z = 1
x + y + 2z = 2
− y + z = −3
2 3 −1 1
A = 1 1 2 ∈ M 3 ( ) e B = 2 ∈ M 3×1 ( ) .
0 −1 1 −3
Como A =2+1+0–0+4–3= 4 ≠0, S é sistema de Cramer e a sua única solução (α1, α2, α3)
∈ Ñ3 é dada por
131
Determinantes
1 3 −1 2 1 −1 2 3 1
2 1 2 1 2 2 1 1 2
−3 −1 1 0 −3 1 0 −1 −3
α1 = , α2 = , α3 =
| A| | A| | A|
Logo,
1+ 2 − 18 − 3 + 2 − 6 11 4 + 3 + 0 − 0 + 12 − 1 9 − 6 −1+ 0 − 0 + 4 + 9 3
α1= = − , α2 = = , α3= = .
4 2 4 2 4 2
132
Determinantes
Exercícios – Determinantes
1. Calcule os determinantes das seguintes matrizes:
1 2 10 0 7 6
u v
a) w x , b) 2 4 100 , c) 5 8 5 ,
1000
1 1 0
3 6 π
3 1 0 0 1 3 2 −1 0 1 3 −1
1 3 1 0 0 −1 1 0 −1 0 2 −1
d) e) f)
0 1 3 1 2 3 1 −2 1 1 2 1
0 0 1 3 1 0 −1 3 8 0 3 1
a b c
2. Supondo que 2 1 0 = 1, calcule os determinantes seguintes:
1 2 1
a b c a b c 1 −1 −1
3 3 1 , 2a + 2 2b + 1 2c , 2 1 0
−1
2
−1 −1
2
a −1 b − 2 c − 1 2a − 1 2b − 2 2c − 1
a + b + 2c a b
c 2a + b + c b = 2( a + b + c ) 3
c a a + 2b + c
1 a 2 a a +1 a a a
a+3 −1 1
0 1 1 3 a a +1 a a
5 a−3 1 = 0, = 0, =0
1 a 2a 1 a a a +1 a
6 −6 a+4
0 0 0 a a a a a +1
133
Determinantes
a) Se A é ortogonal então A = ± 1 .
B = A.
2 − 2 1
6. Considere a matriz A = 0 3 0 ∈ M 3 ( ) .
−1 1 1
base de Ñ3?
b) Determine a matriz adjunta de A , i.e. A * .
c) Determine A−1 .
2 x + z − t = −1
x + 2 y − 3z = 1 x + y + z = −2
2 x − 3 y + 5 z = −2 e
3x − y + z = 0 2 y − z − 3t = −3
x + 3 y − 2t = −4
134
Determinantes
135
Determinantes
136
Aplicações Lineares
5 Aplicações Lineares
Definição
Sejam V e W dois espaços vectoriais sobre o mesmo corpo ¼. Uma aplicação
f:V → W é chamada de aplicação linear ou homomorfismo de V em W se são satisfeitas
as duas condições seguintes:
1) f ( x + y ) = f(x) +f(y), ∀ x, y ∈ V
2) f ( αx ) = α f (x), ∀ α ∈ ¼, ∀ x ∈V
f( αx + βy ) = α f (x) + β f (y) , ∀ α, β ∈ ¼ e ∀ x, y ∈ V.
Homomorfismos :
137
Aplicações Lineares
Teorema AL1
Seja f : V→W, uma aplicação linear. Então
1) f(–x) = –f(x)
2) f(x–y)= f(x)–f(y)
3) f(0V)= 0W
4) Se V’ subespaço vectorial de V, então f(V’) é subespaço vectorial de W
5) Se W’ subespaço vectorial de W então f –1(W’) subespaço de V.
Onde f–1(W’)={ x ∈ V: f(x) ∈ W’}.
Demonstração
1) f(–x)= f((–1).x)= (–1)f(x)= –f (x)
∈ V’.
∈ V’.
138
Aplicações Lineares
5) Por hipótese temos que W’ subespaço vectorial de W e vamos provar que f –1(W’)
Definição
Seja f : V→W uma aplicação linear.
1) Imagem de f =Im f ={w ∈ W: f(v) = w para algum v ∈ V}= f (V)
2) Núcleo de f = Ker f = {v ∈ V : f(v) = 0W }.
Teorema AL2
Seja f : V→W uma aplicação linear. Então a imagem de f é um subespaço vectorial de
W e o núcleo de f é um subespaço vectorial de V.
Demonstração
Exercício.
Observação
Seja f : V→W, uma aplicação linear, f é sobrejectiva sse dim(Im f) =dim W.
139
Aplicações Lineares
Teorema AL3
Sejam v1, v2, ..., vn vectores quaisquer que geram um espaço vectorial V de dimensão
finita. Seja f:V→W uma aplicação linear onde W também é de dimensão finita. Então
f(v1),f(v2),...f(vn) geram Im f. Im f =< f(v1), f(v2), ...f(vn)>.
Demonstração
Teorema AL4
Uma aplicação linear f : V→W é injectiva se e só se Ker f = 0v .
Demonstração
(ï)
É imediato que se f injectiva então o único elemento x tal que f(x)=0W, só poderá ser
x= 0V. Logo Ker f = 0v
(ì)
Supondo que Ker f = 0v queremos provar que f injectiva.
Sejam x, y ∈ V tais que
f(x) =f(y)
f(x)–f(y)= 0W
f(x–y) =0W
ou seja x–y ∈ Ker f = 0V
Logo x–y = 0 ï x = y.
140
Aplicações Lineares
Teorema AL5
Uma aplicação linear f : V→W é injectiva se e só se a imagem de qualquer conjunto
linearmente independente é linearmente independente.
Demonstração
(ï)
Hipótese: f injectiva e { v1, v2, ..., vn } é um sistema de vectores linearmente
independente em V
Seja 0W= α1f(v1)+ α2f(v2 )+ ....+ αnf(vn), combinação linear do vecto nulo, então
como
(ì)
Hipótese : Se { v1, v2, ..., vn } é um sistema de vectores linearmente independente em
V, então o sistema de vectores {f(v1), f(v2), ...f(vn)} também é linearmente
independente em W.
141
Aplicações Lineares
Observação
Seja { v1, v2. ..., vn} uma base de V, então f é injectiva sse {f(v1), f(v2), ..., f(vn)} é uma base
de Im f.
Teorema AL6
Sejam V e W dois espaços vectoriais sobre o mesmo corpo ¼, de dimensão finita. Seja
B={ v1, v2. ..., vn} uma base de V e w1, w2, ... , wn vectores quaisquer em W. Então existe
uma e só uma aplicação linear f : V→W tal que f(v1) = w1, f(v2) = w2, ... , f(vn)=wn.
Demonstração
Se u ∈ V então u = α1v1 + α2v2 + ....+ αnvn, para cada elemento diferente existe
escalares diferentes
Vamos considerar a seguinte aplicação f de V em W .Que a cada u faz
corresponder
f(u)= α1w1 + α2w2 + ....+ αnwn
1) Vamos provar que esta a aplicação assim definida é linear.
Dados u, v ∈ V, então u=α1v1 + α2v2 + ....+ αnvn, e v=b1v1 + b2v2 + ....+bnvn
Então
au+bv= a[α1v1 + ....+ αnvn]+b[b1v1+...+bnvn]=aα1v1+....+ aαnvn+bb1v1 +...+bbnvn=
(aα1+b b1)v1+....+(aαn+b bn)vn
Logo
af(u)+bf(v)=a[α1w1+...+ αnwn]+b[b1w1 +...+ bnwn]=
(aα1+b b1)w1 + ....+ (aαn+b bn)wn= f(au+bv)
142
Aplicações Lineares
Teorema AL7
Sejam V e W dois espaços vectoriais sobre o mesmo corpo ¼. seja V um espaço
vectorial de dimensão finita e f : V→W uma aplicação linear.
Então dim V = dim(Ker f ) + Dim (Im f ).
Demonstração
Seja {u1, u2, ...uk}uma base do Ker f, (se o núcleo for zero, tomaremos um conjunto
vazio).
Pelo teorema Steinitz é possível construir uma base de V que inclua estes vectores
seja B={u1, u2, ...uk, v1, v2, ...vn–k} a base.
Im f =< f(u1), f(u2), ...f(uk), f(v1), f(v2), ...f(vn–k) > = < 0V, 0V, ..., 0V, f(v1), f(v2), ...f(vn–k) >
=< f(v1), f(v2), ...f(vn–k)>
Falta ver que que os vectores{ f(v1), f(v2), ...f(vn–k)} são linearmente independentes.
Seja uma combinação linear do vector nulo
0W= α1f(v1)+ α2f(v2 )+ ....+ αn–kf(vn–k )
Mas por construção, os vectores v1, v2, ...vn–k geram um espaço complementar ao
núcleo de f, pelo que α1v1+α2v2 +...+ αn–kvn–k= 0V. Como os vectores v1, v2 ...,vn–k são
linearmente independentes, vêm que os αi=0, ∀ i.
143
Aplicações Lineares
Como os vectores f(u1), f(u2), ..., f(un) pertencem a W, cada um deles é combinação
linear dos vectores da base B de W, ou seja
Seja v ∈ V, v= α1u1 + α2u2 + ... + αnum. Então escreveremos o vector das coordenadas de
v em relação à base S como um vector coluna:
α1
α
[v]S = V S = 2 = (α1,α 2 ,… ,α n )T
...
αn
144
Aplicações Lineares
Teorema AL8
Sejam V e W espaços vectoriais de dimensão finita sobre um mesmo corpo ¼, sendo
dim V = n e dim W = m. Consideremos ainda S ={ u1, u2, ..., un} uma base do espaço
vectorial V e B = {w1, w2, ..., wn} uma base do espaço vectorial W. Então
Demonstração
Vejamos em primeiro lugar que:
n
∑
a 1j α j
a11 a12 ... a1n α 1 j=1
a 21 a 22 n
[f ]SB [v]S =
...
= ∑
a 2 n α 2 a 2 j α j
... ... ... ... ... j=1
am1 am 2 ... amn α n n
∑
a nj α j
j=1
Observação
Se f é uma aplicação linear, entre dois espaços vectoriais e B a matriz que representa a
aplicação em relação a duas bases fixas, então a dim(Im f) = c(B).
Teorema AL9
Sejam V e W espaços vectoriais de dimensão finita sobre o mesmo corpo ¼, sendo dim
V= n e dim W = m. Fixada uma base para V e uma para W, a aplicação f → [f], é um
isomorfismo entre o espaço Hom (V, W) e o espaço das matrizes de m x n com entradas
em ¼.
145
Aplicações Lineares
A matriz A pode ser encarada como uma matriz de uma aplicação linear f : ¼n → ¼m .
Assim, a solução da equação Ax = b pode ser vista com sendo a pré – imagem de b por
f. E Ax = 0, pode ser vista como o núcleo da aplicação linear f.
Teorema AL10
A dimensão do espaço solução do sistema linear homogéneo de m equações em n
incógnitas Ax = 0 é n – c(A) .
Demonstração
dim V = dim (Ker A) + dim (Im A) ⇒ dim(Ker A) = n – dim (Im A).
Teorema AL11
Sejam V, W e U espaços vectoriais sobre o mesmo corpo ¼ e f: V→W e g: W→U
aplicações lineares. Então a função composta g o f : V→U é uma aplicação linear.
Demonstração
Exercício.
Teorema 4.12
Sejam V, W e U espaços vectoriais sobre o mesmo corpo ¼. Sejam f1 e f2 aplicações
lineares de V de V em W e g1 e g2 aplicações lineares de W em U. seja α ∈ ¼.
Então
1) g1 o (f1 + f2 ) = g1 o f1 + g1 o f2
2) (g1 + g2 ) o f1 = g1 o f1 + g2 o f1
3) a( g1 o f1 ) = (αg1) o f1 = g1 o (αf1)
146
Aplicações Lineares
Demonstração
Exercício
Definição
Sejam V e W espaços vectoriais sobre o mesmo corpo ¼. sejam f: V→W e g: W→V
aplicações lineares satisfazendo g o f = 1V e f o g = 1W. Então dizemos que g é a inversa
de f. Diz-se que f é invertível e denota-se a inversa por f –1.
Nota
a) (f –1)–1= f
b) (g o f) –1 = f –1 o g–1.
Observação
Considere-se f uma aplicação linear invertível. Seja [f ]SB a matriz que representa f, B
e S são bases fixas de V e W respectivamente. Então [f ]SB é uma matriz quadrada,
invertível.
147
Aplicações Lineares
148
Aplicações Lineares
a) f: Ñ3 → Ñ2
(x, y, z) → (2y, x + z) e) m: Ñ3 → Ñ2
(x, y, z) → (0, x – z)
b) p: Ñ2 → Ñ2
(x, y) → (2x+1, x +3y) f) h: Ñ3 → Ñ3
(x, y, z) → (2, 0, –5y + 3z)
c) g: Ñ3 → Ñ3
(x, y, z) → (y, x2, –y + z) g) o: Ñ3 → Ñ3
(x, y, z) → (x +z, 2x – y + z, x + y + 2)
d) n: Ñ3 → Ñ3
(x, y, z) → (y – x, xz, –y + z)
f: Ñ2 → Ñ2
(1, 0) → (1, 3)
(1, 1) → (2, –1)
a) Determine f (0, 1)
c) Estude a injectividade de f.
d) Estude a sobrejectividade de f.
b) ∀ u ∈ V, f (–u) = –f (u).
149
Aplicações Lineares
a) Será que o conjunto S={u +v, 2u, 4v–w }constitui uma base de Ñ3? Justifique.
−1 2 1
c
Bb = − 3 3 0
− 4 0 − 4
a) f: Ñ2 → Ñ2 c) h: Ñ2 → Ñ3
(1, 0 ) → (1, –3) (1, 1) → (2, 1, –1)
(0, 1) → (1, 1) (2, –1) → (0, 3, –2)
b) g: Ñ2 → Ñ3 d) p: Ñ3 → Ñ3
(1, 0) → (2, 1, –1) (1, 0, 0) → (–3, 1, –1)
f: Ñ3 → Ñ2 g: Ñ3 → Ñ3 h: Ñ3 → Ñ3
(x, y, z) → (2y, x + z) (x, y, z) → (y, x, –y + z) (x, y, z) → (2x +y, x +3y –2z, –5 y + 4z)
150
Aplicações Lineares
a) g: Ñ2 → Ñ2
(x, y) →(y, y – x)
b) f: Ñ3 → Ñ2
(x, y, z) →(3y–z, x + y + z)
11. Considere o endomorfismo f de Ñ2, cuja matriz em relação à base S={(1, –2), (–1, 1)}
1 − 2
é: [f ]S =
S
0 1
151
Aplicações Lineares
12. Considere o endomorfismo f (x, y)=(–x + y, 2x) de Ñ2, cuja matriz em relação às bases
S={(1, –2), (–1, 1)} e B é:
0 − 2
[f ]SB =
1 3
Determine a base B.
13. Considere o endomorfismo f (x, y)=(–x + y, 2x) de Ñ2, cuja matriz em relação às bases
B e S={(1, –2), (–1, 1)} e é:
[f ]SB =
1 2
1 − 1
Determine a base B.
a) Existe uma aplicação linear f: Ñ3 → Ñ3 tal que dim (Ker f) = dim (Im f).
b) Existe uma aplicação linear f: Ñ4 → Ñ3 tal que dim (Ker f) = dim (Im f).
c) Existe um endomorfismo Ñ4 tal que Im f ⊂Ker f.
d) Existe um endomorfismo Ñ3 tal que Im f = { (0, 0, 0 )}.
e) Existe um endomorfismo Ñ3 tal que Im f tem somente um elemento.
sobrejectiva.
b∈Mmµ1.
152
Aplicações Lineares
16. Indique quais dos seguintes endomorfismos são bijectivos ( automorfismos ). Para
esses calcule a inversa.
a) f: Ñ2 → Ñ2
(x, y) → (2y, x + y)
b) g: Ñ3 → Ñ3
(x, y, z) → (y, x, –y + z)
c) h: Ñ2 → Ñ2
(x, y) → (x +y, 2x +2y)
17. Indique quais dos seguintes endomorfismos são bijectivos ( automorfismos ). Para
esses calcule a inversa.
a) f: Ñ2 → Ñ2
(1, 0) → (1, –1)
(0, 1) → (1, 1)
b) g: Ñ2 → Ñ2
(1, 0) → (2, –1)
(0, 1) → (3 ,–3/2 )
c) h: Ñ2 → Ñ2
(1, 1) → (1, –1)
(2, 1) → (0, 3)
153
Aplicações Lineares
154
Aplicações Lineares
155
Aplicações Lineares
156
Exames e Testes
Exames e Testes
1º Teste
Época Normal
Semestral 1ª Chamada Anual 1ª Chamada 1º Teste 2º Teste Global
2ª Chamada 2ª Chamada
Notas:
• Leia com atenção as seguintes questões. Apresente todos os cálculos e justificações convenientes.
• No final da prova deve numerar e indicar o número de folhas de exame que entrega. Deve entregar todas as folhas de rascunho que
utilizou.
6. Sejam A, B e C matrizes tais que A é uma matriz linha com 4 colunas, B œ M rµ t (Ñ), C
uma matriz invertível e D œ M qµ 3 (Ñ). Determine se existe valores r, t e q, para os quais
(C–1A-2BT)D está bem definido.
157
Exames e Testes
2º Teste
Época Normal
Semestral 1ª Chamada Anual 1ª Chamada 1º Teste 2º Teste Global
2ª Chamada 2ª Chamada
Notas:
• Leia com atenção as seguintes questões. Apresente todos os cálculos e justificações convenientes.
• No final da prova deve numerar e indicar o número de folhas de exame que entrega. Deve entregar todas as folhas de rascunho que
utilizou.
1 2 0
2. Seja A= −1 a −b , onde a, b ∈ Ñ.
2 −2 a 1
a) Mostre que |A|=(a+2)×(-2b+1).
b) Determine os valores para os quais a, b de modo a que c(A)=3.
2 4
3. Considere B= .
−3 1
a) Calcule |B|.
b) Determine B*.
c) Seja P ∈ Mn(Ñ), calcule o determinante de P–1B P.
d) As linhas da matriz B, são linearmente independentes? Justifique
4. Seja f: Ñ3 → Ñ3 uma aplicação linear definida da seguinte forma:
f ( x , y , z ) = ( x − 2 y , y + z,3 x − 5 y + z )
a) Determine o Núcleo de f. Qual a sua dimensão?
b) Determine a Imagem de f.
c) Com base nas alíneas anteriores diga, justificando, se f é injectiva. E sobrejectiva?
Bom trabalho!
Instituto Politécnico do Cávado e do Ave Página 1
158
Exames e Testes
Recurso
Época Normal
Semestral 1ª Chamada Anual 1ª Chamada 1º Teste 2º Teste Global
2ª Chamada 2ª Chamada
Notas:
• Leia com atenção as seguintes questões. Apresente todos os cálculos e justificações convenientes.
• No final da prova deve numerar e indicar o número de folhas de exame que entrega. Deve entregar todas as folhas de rascunho que
utilizou.
R= {(11
, ) , ( 2, 2 ) , (3, 3), (4, 4), (1, 3 ) , ( 3,1) , ( 2, 4 ) , ( 4, 2 )}
c) Determine A R .
4. Sejam A e B matrizes de dimensões sµr, 4µ3 respectivamente, e C uma matriz simétrica. Diga para que
valores de r e s a operação AC - 2BT está bem definida.
5. A seguinte matriz representa um sistema de equações lineares representado na forma matricial. Discuta o
seguinte sistema em função dos parâmetros indicados.
159
Exames e Testes
1 2 3 −5
0 1 3 b , a, b, c œ Ñ
0 0 a+1 c2 +1
2 5
1. Diga justificando se a matriz é invertível e em caso afirmativo indique a inversa.
1 3
x 4 3
3. Considere a matriz A = 2 x 2 x
0 3 3
a) Resolva a seguinte equação em R : A = 0
b) Determine para que valores de x, a matriz A é invertível.
4. Seja B={u, v}uma base de Ñ2. Considere g:Ñ2 Ñ3 uma aplicação linear definida da seguinte forma:
g : R2 → R3
g (u ) = (1, 2, 0)
g (v) = (0, 0, 3)
160
Exames e Testes
Especial
Época Normal
Semestral 1ª Chamada Anual 1ª Chamada 1º Teste 2º Teste Global
2ª Chamada 2ª Chamada
Notas:
• Leia com atenção as seguintes questões. Apresente todos os cálculos e justificações convenientes.
• No final da prova deve numerar e indicar o número de folhas de exame que entrega. Deve entregar todas as folhas de rascunho que
utilizou.
R = {(α , α ), ( β , β ), (π , π ), (π , β ), ( β , π )}
b) Determine A R .
{ } {
4. Sejam os conjuntos A = 0,1, {2} e B = 2, {1, 3} . Determine P ( B ) ∩ A . }
x + y + z = 3
x − y + z = 1
2 x − 2 y + a z = 2
161
Exames e Testes
8. Considere a matriz:
0 − 1 2 − 1
0 −1 1 1
2 2 1 0
1 0 −1 3
a) Determine |A|.
−1
b) Diga justificando se existe A .
g : R3 → R 2
g ( x, y, z ) = (2 x + y, z )
162
Bibliografia
Bibliografia
163
Exames e Testes
164