UNIVERSIDADE FEDERAL DE PERNAMBUCO UFPE

CENTRO DE CINCIAS SOCIAIS APLICADAS CCSA

DEPARTAMENTO DE ECONOMIA
















ELEMENTOS DE ECONOMIA MATEMTICA I


CONCEITOS FUNDAMENTAIS DE LGEBRA LINEAR







Resolver sistemas lineares no o nico propsito da lgebra linear.
Pelo professor Alexandre Stanford















RECIFE, 11 DE OUTUBRO DE 2002.
ESPAOS VETORIAIS

As solues dos sistemas so vetores com n componentes que podem ser representados no n-
espao euclidiano, representado por 9
n
.
Como a soma de dois vetores no 9
n
ainda um vetor no 9
n
, como um vetor no 9
n
multiplicado
por um escalar ainda um vetor no 9
n
. Dizemos que 9
n
FECHADO sobre adio de vetor e
multiplicao por escalar.
Exemplo: A soluo de 0 2
2 1
= x x :



Forma um conjunto fechado sobre as operaes.





ESPAO VETORIAL (DEFINIO)

Uma coleo de n vetores chamada de espao vetorial se V fechado sobre a operao de
adio e sobre a multiplicao por escalar.
Obs.: Todo espao vetorial contm o vetor nulo e o vetor inverso de todo vetor.
Os espaos euclidianos so exemplos de espaos vetoriais.
Todo plano no 9
3
contendo a origem um espao vetorial. Como eles so um subconjunto do
9
3
conveniente cham-los de subespaos do 9
3
.


SUBESPAO VETORIAL (DEFINIO)

Um espao vetorial V chamado subespao de W se todo vetor em V tambm pertence a W.
Obs.: O menor subespao de um espao uma coleo de um nico vetor, a origem. Esse subespao
chamado de subespao trivial de W. Os outros so chamados no-triviais.
Exemplo: subespaos do 9
3
:
- O prprio 9
3
.
- Planos contendo a origem.
- Retas contendo a origem.
- A origem.


INTERSEO DE SUBESPAOS

A interseo de dois subespaos um subespao.
PROVA:
S = S
1
S
2

S tem pelo menos um vetor em comum, a origem. Essa um subespao.
Se v e S ento v e S
1
e v e S
2

Se u e S ento u e S
1
e u e S
2

(I) (v + u) e S, pois:
x
2
x
1
(x
1
,x
2
)
v e S
1
e u e S
1
. Logo (v + u) e S
1

v e S
2
e u e S
2
. Logo (v + u) e S
2

Assim, (v + u) e S
1
e (v + u) e S
2
. Logo, (v + u) e S.
(II) a e 9, v e S av e S, pois:
v e S
1
. Logo, av e S
1

v e S
2
. Logo, av e S
2

Assim, av e S
1
e av e S
2
. Logo, av e S.


COMBINAO LINEAR

Um vetor b chamado de uma combinao linear dos vetores v
1
, v
2
, ... , v
n
se b pode ser
expresso na forma:
b = o
1
v
1
+ o
2
v
2
+ ... + o
n
v
n
, onde os o
is
so escalares.

Exemplo 1:

Determine se o vetor b = (-3,12,12) uma combinao linear dos vetores v
1
= (-1,3,1), v
2
=
(0,2,4) e v
3
= (1,0,2).



ou seja:




A pergunta se o sistema tem soluo. Ou seja:



o
1
= 2,

o
2
= 3 e o
3
= -1. Como |A| = 6, ento o sistema tem uma nica
soluo e a resposta sim, uma combinao linear.



Exemplo 2:


Como |A| = 0 e A quadrada, o sistema no tem soluo ou indeterminado.


Incompatvel.

Isto , o vetor (1,5) no pode ser escrito como uma combinao linear dos vetores (3,2) e (-6,-4).

= + +
= +
= +
12 2 4
12 2 3
3
3 2 1
2 1
3 1
o o o
o o
o o
(
(
(

=
(
(
(

(
(
(

12
12
3
.
2 4 1
0 2 3
1 0 1
3
2
1
o
o
o
(

=
(

5
1
.
4 2
6 3
2
1
o
o
(
(
(

+
(
(
(

+
(
(
(

=
(
(
(

2
0
1
4
2
0
1
3
1
12
12
3
3 2 1
o o o
(

2 / 5 2 1
3 / 1 2 1
2 :
3 :
5 4 2
1 6 3
GERADOR

Gerador do espao um conjunto de vetores pelo qual pode-se gerar todos os elementos do
espao.
Suponha que v
1
, v
2
, ..., v
n
so vetores em um espao vetorial V. Diz-se que esses vetores geram
V se V consiste de todas as combinaes lineares de v
1
, v
2
, ..., v
n
, isto , se todo vetor v em V pode ser
expresso na forma:
v = o
1
v
1
+ o
2
v
2
+ ... + o
n
v
n
, onde os o
is
so escalares.

Exemplo 1: Os vetores c
1
= (1,0) e c
2
= (0,1) geram o 9
2
desde que todo vetor b em 9
2
uma
combinao linear de c
1
e c
2
: b = (b
1
,b
2
) = b
1
(1,0) + b
2
(0,1) = b
1
c
1
+ b
2
c
2
.

Exemplo 2: Quais os vetores geradores do espao soluo do sistema x
1
+ 2x
2
x
3
= 0 ?
Soluo: x
1
= -2x
2
+ x
3
, para x
2
e x
3
quaisquer. O vetor soluo seria:
(x
1
, x
2
, x
3
) = x
2
(-2,1,0) + x
3
(1,0,1) ou seja:
(-2x
2
+x
3
, x
2
, x
3
) = (-2x
2
, x
2
, 0) + (x
3
, 0, x
3
) = x
2
(-2,1,0) + x
3
(1,0,1)
Ento os vetores (-2,1,0) e (1,0,1) so os geradores do espao de solues do sistema x
1
+ 2x
2
x
3
= 0.
Observe que todo soluo pode ser expressa pela combinao linear desses dois vetores.


DEPENDNCIA E INDEPENDNCIA LINEAR

Diz-se que um conjunto de vetores linearmente dependente (L.D.) se possvel expressar um
dos vetores, digamos v
i
, como uma combinao linear dos outros.
v
i
= o
1
v
1
+ o
2
v
2
+ ... + o
i-1
v
i-1
+ o
i+1
v
i+1
+ ... + o
n
v
n
, onde o
is
so escalares.

O conjunto linearmente independente (L.I.) se ele no linearmente dependente.

Exemplo 1: c
1
= (1,0) e c
2
= (0,1) so linearmente o qu?
Se c
1
e c
2
so L.D. ento existe o tal que c
1
= o.c
2
(1,0) = o.(0,1) (1,0) = (0, o)
No existe o para o qual a igualdade possa ser verdadeira. Logo c
1
e c
2
so L.I.

Exemplo 2: v
1
= (1,2) e v
2
= (2,4)
Idem: v
1
= o.v
2
(1,2) = (2o,4o) 2o = 1 e 4o = 2 o = 1/2. Logo, v
1
e v
2
so L.D.

DEPENDNCIA E INDEPENDNCIA LINEAR (TCNICA)

Os vetores x
1
, x
2
, ... , x
n
so L.D. se for possvel encontrar uma combinao linear nula de tais
vetores, onde pelo menos um dos coeficientes no-nulo.
Os vetores so L.I. se a nica soluo para os coeficientes da combinao linear nula for zero,
para todo o
i
.

Exemplo: v
1
= (-1,2,0,2), v
2
= (5,0,1,1), v
3
= (8,-6,1,-5) so o qu?
o
1
v
1
+ o
2
v
2
+ o
3
v
3
= 0

= +
= +
=
= + +

(
(
(
(

=
(
(
(
(

+
(
(
(
(

+
(
(
(
(

0 5 2
0
0 6 2
0 8 5
0
0
0
0
5
1
6
8
1
1
0
5
2
0
2
1
3 2 1
3 2
3 1
3 2 1
3 2 1
o o o
o o
o o
o o o
o o o













Assim, para o
3
arbitrrio possvel encontrar valores para o
1
e o
2
tais que o sistema tenha soluo. O
sistema indeterminado, tem infinitas solues. Logo, os vetores so linearmente dependentes.


SISTEMAS HOMOGNEOS

So sistemas lineares cujos termos independentes so todos nulos.
Um sistema homogneo sempre tem pelo menos uma soluo. A soluo onde todas as
variveis so nulas chamada de soluo trivial. Qualquer outra chamada no-trivial. A soluo
trivial sempre soluo de um sistema homogneo.
Podemos dizer ento que um conjunto de vetores L.I. se a soluo do sistema formado pela
combinao linear nula admite como nica soluo a soluo trivial.


ESPAO NULO DE UMA MATRIZ

Seja uma matriz m x n. Ento o subespao do 9
n
consistindo de todas as solues do sistema
linear homogneo Ax = 0 chamado o ESPAO NULO da matriz A, denotado por N(A).

Exemplo 1: O espao nulo da matriz A = [1 2 1] consiste de todas as solues da equao x
1
+ 2x
2

+ x
3
= 0. A soluo geral pode ser expressa assim:
x
1
= -2x
2
x
3

x = (-2x
2
x
3
, x
2
, x
3
) x = x
2
(-2,1,0) + x
3
(-1,0,1), com x
2
e x
3
arbitrrios.
Assim, o espao nulo de A consiste de todas as somas de mltiplos dos vetores (-2,1,0) e (-1,0,1).

Exemplo 2: Dada a matriz
(

=
2 3 1
1 2 1
A , determine N(A).
(

0 1 1 0
0 1 0 1
0 1 1 0
0 1 2 1
0 2 3 1
0 1 2 1
, ou seja, x
1
= x
3
e x
2
= -x
3

(
(
(
(

=
(
(
(

(
(
(
(

0
0
0
0
.
5 1 2
1 1 0
6 0 2
8 5 1
3
2
1
o
o
o
3 2 3 1
3
0 1 1 0
0 3 0 1
0 0 0 0
0 0 0 0
0 1 1 0
0 8 5 1
0 11 11 0
0 1 1 0
0 10 10 0
0 8 5 1
o o o o = =
(

(
(
(
(

(
(
(
(

e
x = (x
3
, -x
3
, x
3
) = x
3
(1,-1,1), x
3
arbitrrio.


Exemplo 3: Dada a matriz
(

=
4 3
2 1
A , determine N(A).
(

0 1 0
0 0 1
0 2 0
0 2 1
0 4 3
0 2 1
, x
1
= 0 e x
2
= 0. Soluo: N(A) = {0}
Ou mais facilmente, como det(A) = -2 = 0, o sistema determinado e tem uma nica soluo. Como o
sistema homogneo, essa soluo s poder ser a trivial. Logo, N(A) = {0}.


BASE E DIMENSO

BASE
Um conjunto de vetores v
1
, v
2
, ... , v
n
em um espao vetorial V chamado de uma base para V
se eles so linearmente independentes e geram V.
- Uma base contm toda a informao necessria sobre V (ela gera V)
- Uma base no contm informao redundante sobre V (os vetores so independentes).

Exemplo: {1, x, x
2
, ... , x
n
} uma base para o espao vetorial dos polinmios de grau n P
n
.

Resultado 1:
- Qualquer vetor pertencente a V pode ser expresso como uma combinao linear dos vetores da base, e
essa combinao nica.
PROVA: A matriz do sistema linear formada pela combinao linear de qualquer vetor formada pelos
vetores da base. Como os vetores da base so L.I., o sistema s tem uma soluo para cada vetor b.


BASE PADRO DO 9
n
(BASE CANNICA)
uma base que tem como coeficientes da combinao linear os valores dos componentes do
vetor:
9
2
BP: c
1
= (1,0) e c
2
= (0,1)
9
3
BP: c
1
= (1,0,0), c
2
= (0,1,0) e c
3
= (0,0,1)
. .
. .
. .
9
n
BP: c
1
= (1,0,0,...,0), c
2
= (0,1,0,...,0), ... , c
i
= (0,0,...,1,0,...,0), c
n
= (0,0,0,...,1)

Resultado 2:
- Seja V um espao vetorial gerado por w
1
, w
2
, ... , w
m
. Se v
1
, v
2
, ... , v
n
so vetores independentes em
V, ento n s m. Isto , se V gerado por um conjunto de m vetores, ento nenhum conjunto com mais
que m vetores em V pode ser linearmente independente.
PROVA: Se os w
is
geram V, eles contm toda informao relevante sobre V, e qualquer vetor em V
pode ser expresso como uma combinao linear dos w
is
(nica ou no). Assim, qualquer vetor a mais
introduz informao redundante e o conjunto torna-se L.D.

Teorema: Quaisquer duas bases para um espao vetorial tm o mesmo nmero de vetores.
DIMENSO
Diz-se que um espao vetorial V tem dimenso n (ou que V n-dimensional) se V tem uma
base consistindo de n vetores. A dimenso de V denotada por dimV.

Teorema: Suponha que V um espao vetorial de dimenso n. Ento nenhum conjunto com mais de n
vetores em V pode ser linearmente independente e V no pode ser gerado por um conjunto de vetores
com menos de n vetores.
A dimenso de um espao vetorial o nmero mximo de vetores linearmente independente
em V e tambm o nmero mnimo de vetores necessrios para gerar V.

Teorema: Suponha que V um espao vetorial de dimenso n e v
1
, v
2
, ... , v
n
um conjunto de n
vetores em V.
(a) Se os vetores so L.I., ento formam uma base para V.
(b) Se os vetores geram V, ento formam uma base para V.
Ou seja, n vetores L.I. em V n-dimensional automaticamente geram o espao e n vetores que geram um
espao n-dimensional so L.I.


RANK DE UMA MATRIZ

Considere uma matriz m x n. Considere que suas linhas so vetores. O maior conjunto de
vetores linearmente independentes desses vetores chamado de Rank de A.

Exemplo 1: Qual o Rank de
(
(
(
(

=
1 0 2
0 1 1
4 - 2 2 -
2 1 - 1
A ?
O espao nulo de A, ou seja, Ax = 0, gerado por:

(
(
(
(

(
(
(
(

(
(
(
(

(
(
(
(

0 1 0 0
0 0 1 0
0 0 0 0
0 0 0 1
0 1 0 0
0 1 1 0
0 0 0 0
0 1 0 1
0 3 2 0
0 2 2 0
0 0 0 0
0 2 1 1
0 1 0 2
0 0 1 1
0 4 2 2
0 2 1 1


O Rank de A dado pelo nmero de linhas com elementos diferentes de zero. No caso, Rank(A) = 3.


Exemplo 2: Qual o Rank de
(
(
(
(
(
(

=
1 0 1 2
2 1 0 1
4 5 2 1
6 7 3 2
2 2 1 1
A ?
Reduzindo Ax = 0 tem-se:

(
(
(
(
(
(

(
(
(
(
(
(

(
(
(
(
(
(

0 0 0 0 0
0 1 1 0 0
0 0 0 0 0
0 1 0 1 0
0 1 0 0 1
1 1 0 0
2 2 0 0
0 0 0 0
2 3 1 0
0 1 0 1
3 4 1 0
0 1 1 0
2 3 1 0
2 3 1 0
2 2 1 1
Rank(A) = 3




MUDANA DE BASE

Um mesmo espao vetorial pode ter vrias bases.

Exemplo:

v
1
= (2,3) e v
2
= (4,9) so L.I. pois:

det(A) = 18 12 = 6 = 0 sistema determinado. L.I. e gera V = 9
2
.


v
1
= (0,3) e v
2
= (4,1) tambm so, pois:
0 11 12 1 ) A det(
1 3
4 0
A = = =
(

=
Pode-se escrever v = (3,1) como uma combinao linear de v
1
e v
2
e de v
1
e v
2
, ou seja:

v
1
e v
2
:
6 / 7 6 / 23
6 / 7 1 0
6 / 23 0 1
6 / 7 1 0
2 / 3 2 1
2 / 7 3 0
2 / 3 2 1
1 9 3
3 4 2
1
3
.
9 3
4 2
2 1
2
1
= =
(

=
(

o o
o
o
e
(3,1) = 23/6 (2,3) + (-7/6) (4,9) combinao linear de v
1
e v
2
.

v
1
e v
2
:
4 / 3 12 / 1
12 / 1 0 1
4 / 3 1 0
4 / 1 0 3
4 / 3 1 0
1 1 3
3 4 0
1
3
.
1 3
4 0
2 1
2
1
= =
(

=
(

o o
o
o
e
(3,1) = 1/12 (0,3) + 3/4 (4,1) combinao linear de v
1
e v
2
.

Assim, (23/6,-7/6) na base v
1
e v
2
igual a (1/12,3/4) na base v
1
e v
2
, e os dois so iguais a (3,1) na
base cannica (1,0) e (0,1).
A pergunta como representar o vetor que est em uma base numa outra base?

Dadas duas bases u = {u
1
, u
2
, ... , u
n
} e v = {v
1
, v
2
, ... , v
n
}:

w = x
1
u
1
+ x
2
u
2
+ ... + x
n
u
n
(I)
w = y
1
v
1
+ y
2
v
2
+ ... + y
n
v
n
(II)

Como u base de V, pode-se escrever v como uma combinao linear de u:
(

=
(

2
1
2
1
.
9 3
4 2
b
b
o
o

v
1
= a
11
u
1
+ a
21
u
2
+ ... + a
n1
u
n

v
2
= a
12
u
1
+ a
22
u
2
+ ... + a
n2
u
n

. . . .
. . . .
. . . .
v
n
= a
1n
u
1
+ a
2n
u
2
+ ... + a
nn
u
n

De (II) tem-se:

w = y
1
(a
11
u
1
+ a
21
u
2
+ ... + a
n1
u
n
) + y
2
(a
12
u
1
+ a
22
u
2
+ ... + a
n2
u
n
) + ... + y
n
(a
1n
u
1
+ a
2n
u
2
+ ... + a
nn
u
n
)

Rearrumando tem-se:

w = (a
11
y
1
+ a
21
y
2
+ ... + a
n1
y
n
) u
1
+ (a
12
y
1
+ a
22
y
2
+ ... + a
n2
y
n
) u
2
+ ... + (a
1n
y
1
+ a
2n
y
2
+ ... + a
nn
y
n
) u
n


De (I) vem que:

x
1
= a
11
y
1
+ a
21
y
2
+ ... + a
n1
y
n

x
2
= a
12
y
1
+ a
22
y
2
+ ... + a
n2
y
n

. . . .
. . . .
. . . .
x
n
= a
1n
y
1
+ a
2n
y
2
+ ... + a
nn
y
n


Ou seja, em forma matricial tem-se:
x = Ay, onde
(
(
(
(

=
(
(
(

=
(
(
(

=
nn n2 n1
2n 22 21
1n 12 11
1 1
a a a
a a a
a a a
A ,

e
y
y
y
x
x
x
n n


v
u
[I] A a matriz de mudana da base v para a base u.

Assim, seja [W]
u
um vetor na base u e [W]
v
um vetor na base v. Ento:

v
v
u u
] W [ ] I [ ] W [ =

Exemplo: Dados u = {(2,-1),(3,4)} e v = {(1,0),(0,1)} bases do 9
2
, quem
v
u
] I [ ?
v
1
= (1,0) = a
11
(2,-1) + a
21
(3,4)
v
2
= (0,1) = a
12
(2,-1) + a
22
(3,4)
(

=
(

=
(

1
0
.
4 1
3 2
0
1
.
4 1
3 2
22
12
21
11
a
a
e
a
a

(

=
(

2 1
3 4
11
1
] I [
11 / 2 11 / 1 1 0
11 / 3 11 / 4 0 1
1 2 / 1 2 / 11 0
0 2 / 1 2 / 3 1
1 0 4 1
0 1 3 2
v
u



TRANSFORMAES LINEARES

INTRODUO
Estamos familiarizados com funes ordinrias tais como a funo f definida pela equao
f(x) = x
2
. Essa funo transforma um nmero real em outro nmero real, no caso, no seu quadrado. Por
exemplo, o nmero 2 transformado em 4, isto , f(2) = 4. Estudaremos agora funes que
transformam vetores em vetores.
Se A uma matriz m x n, ento a equao T(x) = Ax, define uma funo T que transforma um
vetor x em 9
n
em um vetor Ax, em 9
m
. Assim, T uma funo de 9
4
para 9
m
. Em geral, se V e W so
espaos vetoriais, uma funo ou TRANSFORMAO T de V para W uma regra que associa a todo
vetor x em V um nico vetor em W que denotado por T(x).
Se x um vetor em V, ento T(x) chamada a IMAGEM de x sobre a transformao T. Ns
tambm dizemos que T MAPEIA OU TRASNFORMA x em T(x). Por exemplo, se T uma
transformao do 9
3
para o 9
2
definida pela equao:
T(x
1
, x
2
, x
3
) = (x
1
+ x
2
, x
2
+ x
3
)
Ento T mapeia o vetor (1,1,1) no vetor T(1,1,1) = (2,2) e o vetor (3,2,0) no vetor T(3,2,0) =
(5,2). Assim, para indicar que a transformao T mapeia vetores de um espao V para vetores em um
espao W, escrevemos T : V W e dizemos que T mapeia V em W. Duas transformaes T : V W
e S : V W so iguais se elas tm o mesmo efeito em todos os vetores de V. Isto , T = S se T(x) =
S(x), x e V.
Toda matriz A
m x n
define uma transformao T : 9
4
9
m
pela equao T(x) = Ax.
Transformaes definidas dessa maneira so chamadas de TRANSFORMAES MATRICIAIS.

Exemplo: Se
(

=
3 2 0
2 1 1
A , ento a transformao matricial T : 9
3
9
2
definida por T(x) = Ax
mapeia o vetor (1,1,1) no vetor T(1,1,1) = (4,5) porque:
(

=
(
(
(

5
4
1
1
1
.
3 2 0
2 1 1

Transformaes matriciais tm duas propriedades importantes. Se A uma matriz m x n e T :
9
n
9
m
definida como T(x) = Ax, ento para quaisquer dois vetores x e y em 9
4
e algum escalar o,

T(x + y) = A(x + y) = Ax + Ay = T(x) + T(y)
T(ox) = A(ox) = oAx = o T(x)

Transformaes que, como transformaes matriciais, tm essas duas propriedades so as mais
importantes transformaes em lgebra Linear.

DEFINIO
Sejam V e W dois espaos vetoriais. Uma transformao T : V W chamada de LINEAR se
para todos os vetores x e y em V e para todo escalar o,
- T(x + y) = T(x) + T(y)
- T(ox) = o T(x)

Uma transformao linear T : V W preserva a adio e a multiplicao por escalar entre os
vetores.
Usando-se as duas propriedades simultaneamente chegamos a uma terceira propriedade:
Sejam v
1
e v
2
vetores em V e o
1
e o
2
dois escalares, ento:

T(o
1
v
1
+ o
2
v
2
) = T(o
1
v
1
) + T(o
2
v
2
) = o
1
T(v
1
) + o
2
T(v
2
)

Diz-se que uma transformao linear satisfaz o princpio da superposio, que essa terceira
propriedade. Mas, o princpio da superposio pode ser aplicado a n vetores em V e n escalares. Ora,
mas isso uma combinao linear. Logo, T preserva combinaes lineares.


Exemplo 1: V =R e W = R
F : R R ou F(u) = ou
u ou
Como F(u + v) = o(u + v) = ou + ov = F(u) + F(v) e F(ku) = o(ku) = kou = kF(u). Ento F uma
transformao linear.


Exemplo 2: F(u) = u
2
no uma transformao linear, pois F(u + v) = (u + v)
2
= u
2
+ 2vu + v
2
= F(u) +
2vu + F(v) = F(u) + F(v).

Exemplo 3: T(x,y) = (2x, 0, x + y), T : 9
2
9
3
ou em forma matricial
(

(
(
(

=
y
x
.
1 1
0 0
0 2
) y T(x, .
Sejam u = (x
1
, y
1
) e v = (x
2
, y
2
)
T(u + v) = T[(x
1
, y
1
) + (x
2
, y
2
)] = T[(x
1
+ x
2
), (y
1
, y
2
)] T(u + v) = [2(x
1
, x
2
), 0, (x
1
+ x
2
+ y
1
+ y
2
)] =
[2x
1
+ 2x
2
, 0, x
1
+ y
1
+ x
2
+ y
2
] = (2x
1
, 0, x
1
+ y
1
) + (2x
2
, 0, x
2
+ y
2
) = T(u) + T(v).
T(ku) = T(kx
1
,ky
1
) = (2kx
1
, 0, kx
1
+ ky
1
) = k (2x
1
, 0, x
1
+ y
1
) = k T(u).
Logo, T linear.


Exemplo 4: L : 9
2
9, L(v) = L(x,y) = 2x + 4 uma transformao linear?
Sejam u = (u
1
, u
2
) e v = (v
1
, v
2
)
L(u + v) = L(u
1
+ v
1
, u
2
+ v
2
) = 2 (u
1
+ v
1
) + 4
L(u + v) = 2u
1
+ 2v
1
+ 4 = L(u) + L(v). No linear.

Exemplo 5: Seja D : P
n
P
n
, onde P
n
um polinmio e D a aplicao derivada. Pelas propriedades
das derivadas, sabe-se que:
D(f + g) = D(f) + D(g) e D(kf) = k D(f). Ento D uma transformao linear.

Observaes:
- Se T(0) = 0, T no linear.
- Quando em T : V W, V = W, ento a transformao linear chamada de Operador
Linear.
- Uma matriz A
m x n
sempre determina uma transformao linear T : 9
n
9
m
onde T(v) =
Av.

IMAGEM E NCLEO


IMAGEM

Im (T) = {w e W; T(v) = w, para algum v e V}.

Im (T) c W um subconjunto, um subespao.

Definio: Seja T : V W uma transformao linear. A imagem de T o conjunto dos vetores w e W
tais que existe um vetor v e V, que satisfaz T(v) = w.


NCLEO

C(T) = {v e V; T(v) = 0}.

Propriedades:

- C(T) c V um subespao de V.
- Uma transformao linear injetora se, e somente se, N(T) = {0}.

Definio: Seja T : V W uma transformao linear. O conjunto de todos os vetores v e V tais que
T(v) = 0 chamado ncleo de T, sendo denotado por Ker(T), N(T) ou C(T).


Exemplo:
F(x,y) = x + y

C(T) = {(x,y) e 9
2
/ x + y = 0} ou x = -y; v = (-1,1) gera o ncleo. O ncleo tem a dimenso de W,
nesse caso.


ESPAOS VETORIAIS ISOMORFOS

Quando uma transformao linear T : V W for injetora e sobrejetora ao mesmo tempo, ou
seja, quando a transformao linear biunvoca.
Em outras palavras, quando a correspondncia biunvoca entre dois espaos vetoriais preserva
as operaes de adio e multiplicao por escalar, T(v + w) = T(v) + T(w) e T(kv) = k T(v), diz-se que
esses espaos so isomorfos.

T : V W

dim N(T) + dim Im(T) = dim V

Obs: Toda transformao linear pode ser representada por uma matriz.


AUTOVALORES E AUTOVETORES

uma transformao especial T : V W.

(I) T(v) = v

Onde, o autovalor (escalar) e v autovetor (se v > 0).
Como toda transformao linear pode ser escrita pela multiplicao de uma matriz por um vetor ento:

(II) T(v) = Av

Igualando (I) e (II), tem-se:

Av = v ou Av v = 0 que resulta no sistema homogneo:

(III) (A I) v = 0

Onde A n x n, v = 0 sempre soluo (trivial).

Os vetores v > 0 para os quais existe um que resolve a equao (III) so chamados de
autovetores da matriz A e os valores de , que conjuntamente com v resolvem a equao so chamados
de autovalores da matriz A associados aos respectivos autovetores.
Para que a equao (III) tenha soluo alm da trivial necessrio que o determinante da matriz
dos coeficientes seja zero, ou seja,

det(A I) = 0

o que resulta em um polinmio de grau n em , conhecido como polinmio caracterstico. As razes do
polinmio caracterstico so os autovalores da matriz A.
Para se encontrar os autovetores basta substituir o valor do autovalor na equao original e
encontrar o autovetor. O autovalor ser, ento, associado ao autovetor encontrado.
Na verdade, o autovetor encontrado forma uma base para o espao de soluo da equao (III),
dado o respectivo autovalor. Logo, qualquer mltiplo do autovetor tambm um autovetor.

Exemplo: Determinar os autovalores e autovetores do operador linear:

T : 9
3
9
3
, T(x,y,z) = (3x y + z, -x + 5y + z, x y + 3z)
Soluo:
Em forma matricial:
0 36 36 11
- 3 1 - 1
1 - 5 1 -
1 1 - - 3
I] - det[A
Av
z
y
x
.
3 1 1
1 5 1
1 1 3
z
y
x
T
2 3
= + + = =
=
(
(
(

(
(
(

=
(
(
(

Clculo numrico:
= 0 -36 = 0 logo
1
> 0
= 1 -10 = 0 logo
1
> 1
= 2 0 = 0 logo
1
= 2
Dividindo por ( 2):
( 2) (
2
- 9 + 18) = 0
2
= 6 e
3
= 3
Os autovalores so
1
= 2,
2
= 6 e
3
= 3
Para achar os autovetores basta substituir cada um dos autovalores na equao (A I) v = 0:

Para
1
= 2:
(
(
(

=
(
(
(

(
(
(

0
0
0
z
y
x
.
1 1 1
1 3 1
1 1 1
. Escalonando:
x z e 0 y seja, ou
0 0 0
0 1 0
1 0 1
0 0 0
0 2 0
1 1 1
= =
(
(
(

(
(
(

Logo, v
1
= (x,0,-x) = x (1,0,-1)
Assim, qualquer mltiplo do vetor (1,0,-1) um autovetor que tem como autovalor associado
1
= 2,
v
1
= (1,0,-1)

Para
2
= 3:
z y x y, z e x z seja, ou
1 1 0
1 0 1
0 0 0
1 1 0
1 2 1
1 1 0
0
0
0
z
y
x
.
0 1 1
1 2 1
1 1 0
= = = =
(
(
(

(
(
(

(
(
(

=
(
(
(

(
(
(

Assim, v
2
= (x,x,x) = x (1,1,1).
v
2
= (1,1,1) ou seus mltiplos.

Para
3
= 6:
y 2z e x z seja, ou
1 0 1
2 1 0
0 0 0
3 1 1
4 2 0
8 4 0
0
0
0
z
y
x
.
3 1 1
1 1 1
1 1 3
= =
(
(
(

(
(
(

(
(
(

=
(
(
(

(
(
(

v
3
= (z,-2z,z) = z (1,-2,1)

v
3
= (1,-2,1) ou seus mltiplos.

Observaes:
- Se um autovalor de A, o conjunto S

de todos os vetores v e V, inclusive v nulo,

associados a , um subespao vetorial (prprio) de V.
- A matriz dos autovetores chamada MATRIZ MODAL.


FORMAS LINEARES, BILINEARES E QUADRTICAS

FORMAS LINEARES
Seja V um espao vetorial real. Uma forma linear uma transformao linear f: V 9.

Exemplo 1: funo lucro, custo, etc.
Exemplo 2: f: 9
2
9, f(x,y) = x + y ou | |
(

=
(

y
x
. 1 1
y
x


FORMAS BILINEARES
Seja V um espao vetorial real. Uma forma bilinear uma aplicao B: VxV9 definida por
w) B(v, w) (v, :
i) Para todo w fixo, B(v,w) uma forma linear em V, isto ,
B(v
1
+ v
2
, w) = B(v
1
,w) + B(v
2
,w) e B(ov,w) = o B(v,w)
ii) Para todo v fixo, B(v,w) uma forma linear em W.

Exemplo 1: p: 9 x 9 9, (x,y) p(x,y) = xy
Verificando:
p(x,y + z) = x(y + z) = xy + xz = p(x,y) + p(x,z)
p(ax,y) = axy = a.p(x,y)
Como a ordem dos fatores no altera o produto, p uma forma bilinear.

Exemplo 2: B[(x
1
,y
1
),(x
2
,y
2
)] = x
1
x
2
2y
1
y
2

B[(x
1
,y
1
),(x
2
,y
2
) + (x
3
,y
3
)] = B[(x
1
,y
1
), (x
2
+ x
3
,y
2
+ y
3
)] = x
1
(x
2
+ x
3
) 2y
1
(y
2
+ y
3
) = x
1
x
2
2y
1
y
2
+
x
1
x
3
2y
1
y
3
= B[(x
1
,y
1
),(x
2
,y
2
)] + B[(x
1
,y
1
) + (x
3
,y
3
)] e assim por diante.

MATRIZ DE UMA FORMA BILINEAR

Sejam V um espao vetorial e B: VxV 9 uma forma bilinear. Dada uma base de V, A = (v
1
,
v
2
, ... , v
n
), associa-se a B uma matriz | |
A
A
B chamada MATRIZ DA FORMA BILINEAR NA BASE A,
a matriz:
| |
(
(
(

=
) v , B(v ) v , B(v ) v , B(v
) v , B(v ) v , B(v ) v , B(v
B
n n 2 n 1 n
n 1 2 1 1 1
A
A

Se x = x
1
v
1
+ x
2
v
2
+ ... + x
n
v
n
e y = y
1
v
1
+ y
2
v
2
+ ... + y
n
v
n
a forma bilinear pode ser escrita como:
| | y B x y) B(x,
A
A
T
=

Exemplo: B(x,y) = -x
1
y
1
+ 2y
1
x
2
+ 5x
2
y
2
. Seja a base C = {(1,0),(0,1)}
| | | |
(

=
(

=
(

=
2
1
2 1
C
C
y
y
.
5 2
0 1
. x x y) B(x, Ento .
5 2
0 1
(0,1)) B((0,1), (1,0)) B((0,1),
(0,1)) B((1,0), (1,0)) B((1,0),
B

Exemplo 2: B: 9
3
x 9
3
9, B(x,y) = -2x
1
y
1
+ 4x
2
y
1
+ 2x
2
y
2
+ 2x
3
y
3
na base cannica.
| |
(
(
(

=
2 0 0
0 2 4
0 0 2
2 0 0 x
0 2 4 x
0 0 2 - x
y y y
3
2
1
3 2 1
C
C
B


FORMA BILINEAR SIMTRICA

B: VxV9 simtrica se B(x,y) = B(y,x), x, y e V.
Teorema: B simtrica se e somente se | |
A
A
B uma matriz simtrica.


FORMAS QUADRTICAS

Seja V um espao vetorial real e B: VxV 9 uma forma bilinear simtrica. A funo Q: V 9
definida por Q(v) = B(v,v) chamada forma quadrtica associada a B.
| | v B v Q(v)
A
A
T
=

Exemplo: Q(x) = x
1
2
10x
1
x
2
+ x
2
2
, Q: 9
2
9.
| |
(

2
1
2 1
2
1
2 1
x
x
.
1 5
5 1
. x x Q(v)
1 5 x
5 1 x
x x


Exemplo: Q: 9
3
9, Q(x) = 3x
1
2
+ 2x
1
x
2
+ 4x
2
2
+ 5x
2
x
3




CLASSIFICAO DAS FORMAS QUADRTICAS DEFINIDAS E SEMIDEFINIDAS

Definio: Seja Q: 9
p
9 uma forma quadrtica. Diz que:
- Q positiva definida se Q(v) > 0, v e 9
p
{0}.
- Q positiva semidefinida se Q(v) > 0, v e 9
p
.
- Q negativa definida se Q(v) < 0, v e 9
p
{0}.
- Q negativa semidefinida se Q(v) s 0, v e 9
p
.
- Q indefinida se existem v
1
e v
2
e 9
p
Q(v
1
) < 0 e Q(v
2
) > 0.

Exemplo 1: Q: 9
2
9, Q(x
1
,x
2
) = (x
1
,x
2
)
2

Q(x
1
,x
2
) = x
1
2
+ 2x
1
x
2
+ x
2
2
positiva semidefinida, pois Q(x
1
,x
2
) > 0 se x
1
-x
2
e Q(x
1
,x
2
) = 0 se
x
1
= -x
2
.

Exemplo 2: Q(x
1
,x
2
) = x
1
2
+ x
2
2
positiva definida
Q(x) > 0, para todo x 0.

Exemplo 3: Q(x
1
,x
2
) = x
1
2
x
2
2
indefinida, pois, Q(0,1) = -1 < 0 e Q(1,0) = 1 > 0.

Pode-se classificar as formas quadrticas pelos autovalores da matriz associada.


CLASSIFICAO POR AUTOVALORES

Seja Q uma forma quadrtica e | |
A
A
B a matriz associada a Q, e sejam
1
,
2
, ... ,
n
os n
autovalores de | |
A
A
B , ento:
a) Se
i
> 0, i, Q definida positiva.
b) Se
i
> 0, i e
i
= 0, para algum i, Q positiva semidefinida.
c) Se
i
< 0, i, Q negativa definida.
d) Se
i
s 0, i e
i
= 0, para algum i, Q semidefinida negativa.
e) Se
i
> 0 para algum i, e
j
< 0 para algum j, ento Q indefinida.