You are on page 1of 260

Curso de Álgebra Linear

Fundamentos e Aplicações

v

u+v

v 0

u+v u

0

u v 0 u

u+v

v

u+v u 0

0

v u

u+v

0 v u+v

u

0 v 0 v u

u u+v

u+v

Marco Cabral

Paulo Goldfeld

ii

Curso de Álgebra Linear
Fundamentos e Aplicações
Segunda Edição Setembro de 2012

Marco A. P. Cabral

Paulo Goldfeld

€hh sndi—n— …niversityD i…e €rofF sw ! …p‚t

mapcabral@ufrj.br

€hh gour—nt snstituteD i…e €rofF sw ! …p‚t

goldfeld@labma.ufrj.br

hep—rt—mento de w—temáti™— epli™—d— snstituto de w—temáti™— …niversid—de peder—l do ‚io de t—neiro ‚io de t—neiro ! fr—sil gópi—s são —utoriz—d—s e ˜em vind—sX divulgue nosso tr—˜—lho3 gonsulte o sítio www.labma.ufrj.br/~mcabral/livros ou entre em ™ont—to ™om os —utoresF

ii iste tr—˜—lho está li™en™i—do so˜ um— vi™enç— gre—tive gommons etri˜uiE ção @f‰A " …so xãoEgomer™i—l @xgA " gomp—rtilh—mento pel— mesm— vi™enç— @ƒeA QFH …nportedF €—r— ver um— ™ópi— dest— li™enç—D visite

http://creativecommons.org/licenses/by-nc-sa/3.0/br/ ou envie um— ™—rt— p—r— gre—tive gommonsD IUI ƒe™ond ƒtreetD ƒuite QHHD ƒ—n pr—n™is™oD g—liforni— WRIHSD …ƒeF ist— li™enç— permite que outros poss—m ™opi—r ou redistri˜uir est— o˜r— sem (ns ™omer™i—isD —d—pt—r e ™ri—r o˜r—s deriv—d—s so˜re est— o˜r— sem (ns ™omer™i—isD ™ont—nto que —tri˜u—m ™rédito —o —utor e distri˜u—m — o˜r— result—nte so˜ — mesm— li™enç—D ou so˜ um— li™enç— simil—r à presenteF

g—˜r—lD w—r™o eF €F e qoldfeldD €—ulo gurso de Álge˜r— vine—r G w—r™o g—˜r—l e €—ulo qoldfeld E ‚io de t—neiroX snstituto de w—temáti™—D PHHVF IF Álge˜r— vine—r sF „ítulo ghhX SIPFS SITFQ sƒfx ˆˆEˆˆˆˆEˆˆˆEˆ

Ficha Catalográca

Sobre os Autores
w—r™o eurélio €—lum˜o g—˜r—l é ™—rio™— @n—tur—l do ‚io de t—neiroA e tri™olor @tor™edor do )uminenseAF pez o f—™h—rel—do em snformáti™— n— …p‚tD o westr—do em w—temáti™— epli™—d— n— …p‚t e o doutor—do em w—temáti™— n— sndi—n— …niversity @floogmintonD i…eAF É professor no snstituto de w—temáti™— n— …p‚tF ƒu—s áre—s de interesse são equ—ções diferen™i—is p—r™i—is @ih€AD enálise xuméri™— e pin—nç—sF €—ulo qoldfeld fez f—™h—rel—do em inhenh—ri— we™âni™— n— …p‚tD o westr—do em w—teE máti™— epli™—d— n— …p‚t e o doutor—do em w—temáti™— no gour—nt snstitute @xov— sorqueD i…eAF É professor no snstituto de w—temáti™— n— …p‚tF ƒu— áre— de interesse é métodos numéri™os em equ—ções diferen™i—is p—r™i—is @ih€AF

iii

iv SOBRE OS AUTORES .

Agradecimentos €rimeiro —os progr—m—s @e progr—m—doresA que permitir—m — produção deste m—teri—lF iste produto é herdeiro d— ™ultur— q€v @qnu €u˜li™ vi™enseAD que permite o reuso de ™ódigo fonteF egr—de™emos em primeiro lug—r — hougl—s unuth pelo „iˆ @e veslie v—mport pelo A v „iˆAD softw—re que permite que este m—teri—l sej— tão ˜onitoY vinus „orv—lds @e milh—res de outr—s pesso—sA pelo sistem— oper—™ion—l vinuxD fr—m woolen——r pelo vim @editor de textoAD „ill „—nt—u pelo fe—mer @slides do ™ursoA e pelo TikZ e PGF @(gur—s do textoAD ‚i™h—rd ƒt—llm—n @responsável pelo projeto qx…A e milh—res de pesso—s por dezen—s de softw—res utiliz—dosX tar @™omp—™t—ção de —rquivosAD make @geren™i—dor de progr—m—AD grepD findD ghostviewD xpdfD F F F egr—de™emos t—m˜ém — tim re'eronD ™ujo livro vine—r elge˜r—D em li™enç— gre—tive gommonsD —judou — inspir—r este tr—˜—lhoF egr—de™emos à €rof—F fe—triz w—l—jovi™h @…ni‚ioA pel— —jud— ™om g—˜—rito dos exer™í™iosD —o €rofF pelipe e™ker @…p‚tA por sugestão de mor(smosD à €rof—F wonique g—rmon— @…p‚tA por divers—s sugestões de org—niz—ção ger—lD —o €rofF w—rtin ‡eil—ndt @…pƒgA pel— revisão extens— d— segund— ediçãoF v .

vi AGRADECIMENTOS .

orgF • €ermitir —os —lunos de todo o fr—sil —™esso fá™il @internetA — m—teri—l gr—tuito e de qu—lid—de por ser ™erti(™—do pelo hep—rt—mento de w—temáti™— epli™—d— d— …p‚t e por ™oleg—s de todo o fr—silF vii .Pref´ acio Para o estudante iste livro tem ™omo fo™o o —luno e su—s di(™uld—desF e ordem de —present—ção do ™onteúdo e — metodologi— foi dis™utid— ™om vários ™oleg—s do dep—rt—mento ™om l—rg— experiên™i— no ensino de Álge˜r— vine—r n— gr—du—ção e pósEgr—du—çãoF …m exemplo disso é — ™on™epção do primeiro ™—pítuloD que explor— — qeometri— en—líti™—D em p—rte já vist— pelos —lunos no ensino médioD e introduz ™on™eitos ™h—ves d— Álge˜r— vine—rF y livro possui ™er™— de PQH exemplos resolvidosF €ro™ur—mos dest—™—r no texto os erros m—is ™omuns dos —lunos e estimul—r o uso de te™nologi— @softw—re —lgé˜ri™oA em todos os ™—pítulosF É p—rte fund—ment—l do ™urso resolver exer™í™iosD t—ntos qu—nto for possívelF eo (n—l de ™—d— ™—pítulo existem exer™í™ios divididos em R gruposX • exercícios de xaçãoX hevem ser feitos imedi—t—mente —pós — leitur— do textoF ƒão de respost— imedi—t— @ment—lAF xão s—˜er respost— ™orret— sugere um retorno —o textoF heveEse f—zer todos —ntes de seguir —di—nteF • • • problemasX ƒão os prin™ip—is exer™í™ios do ™—pítuloF „odos devem ser feitosF problemas extrasX g—so o —luno já tenh— feito todos os pro˜lem—sF desaosX €—r— se —profund—r n— dis™iplin—F ƒão op™ion—isF „odos os exercícios de xação e todos os problemas tem respost—s no (n—l do livroF †ários pro˜lem—s extr—s e des—(os t—m˜ém possuem respost—sF ƒ—o ™er™— de WH exer™í™ios de (x—çãoD IIH pro˜lem—sD ISH pro˜lem—s extr—s e VH des—(osF Porque um novo livro? • iste livro pode ser —perfeiço—do por qu—lquer pesso— por ser disponi˜iliz—do —tr—vés d— D que permite o reEuso do m—teri—lF sm—gin—mos que d—qui — IHH li™enç— —nos o dep—rt—mento de w—temáti™— epli™—d— d— …p‚t —ind— est—rá utiliz—ndo um— versão deste livroX todo o tr—˜—lho dos —utores ini™i—is e su˜sequentes não será perdidoF €—r— det—lhes ™onsulteX http://creativecommons.

br/~mcabral/ livros Como foi escolhido o material? hetermin—mos os tópi™os tom—ndo por ˜—se o ™urso usu—lmente ministr—do n— …p‚tF elém disso o ™omponente estéti™o foi fund—ment—lX os —lunos devem per™e˜er — ˜elez— d— w—teE máti™—F elgum—s es™olh—s import—ntes for—m feit—sX • tores e oper—ções no Rn D equ—ções p—r—métri™—s e ™—rtesi—n—sD esp—ços ger—dos @ret—s e pl—nosAD ™om˜in—ções line—resD dependên™i— e independên™i— line—rF istes tem—s são retom—dos no ™—pítulo de isp—ços †etori—isD m—s —™redit—mos que é import—nte um— exposiçãoD logo no iní™ioD destes ™on™eitosF Capítulo inicial —present— ™onteúdo prin™ip—l do ™urso sem gr—nde form—lismoX veE • e solução de sistemas lineares é feit— —tr—vés d— elimin—ção de q—ussF e regr— de gr—mer é um— seção op™ion—l do ™—pítulo de hetermin—ntesF snterpret—mos — solução de sistem—s —tr—vés de interpret—ções do produto m—trizEvetorF essim o ™onjunto solução é visto ™om — lingu—gem de esp—ço ger—doD —present—do no primeiro ™—pítuloD e t—m˜ém do ponto de vist— geométri™oD interseção de ret—sD pl—nosD hiperpl—nosD et™F • Espaços vetoriais de polinômios e funções não são meros exemplosD são ™entr—is p—r— — form—ção de engenheirosD m—temáti™os e físi™osF elgum—s —pli™—ções import—ntes sãoX equ—ções diferen™i—isD —proxim—ção de funções por polinômios e métodos numéri™os ™omo elementos (nitosF • Matriz —p—re™eD ini™i—lmenteD somente ™omo form— ™onveniente de resolver sistem—s line—resF epós —present—r transformações lineares @„vsAD m—trizes são vist—s ™omo represent—ções de „vsF epresent—mos „vs @e m—trizesA geométri™—sX projeçãoD re)exãoD rot—çãoF ‚el—™ion—mos oper—ções de som— e ™omposição de „vs ™om oper—ções entre m—trizesF he(nimos o produto entre m—trizes ™omo ™onsequên™i— d— ™omposição de „vsF pi™— ™l—ro que o produto de m—trizes não é ™omut—tivo pois — ™omposição de função @—ind— que sej— line—rA não é ™omut—tiv—F e m—triz invers— é ™—l™ul—d— por es™—lon—mentoF • xo ™—pítulo de produto internoD fo™—mos em projeções e no método de mínimos qu—dr—dosF epresent—mos projeção ortogon—l de funções ™omo form— de —proximáEl—sD prep—r—ndo o —luno p—r— métodos numéri™osF .ufrj.labma.viii PREFÁCIO • xe™essid—de do nosso dep—rt—mentoD responsável pelo ensino de Álge˜r— vine—r n— …p‚tD de —pli™—r prov— uni(™—d— eD ™onsequentementeD ™ri—r um m—teri—l p—drão p—r— o ™ursoF • €roduzir um m—teri—l ™om ™onteúdo que será efetiv—mente utiliz—do em s—l— de —ul— pelo —lunoF x— noss— experiên™i—D os —lunos preferem livros (nosD que são fá™eis de tr—nsport—r e estimul—m — leitur—F • €roduzir tr—nsp—rên™i—s p—r— s—l— de —ul— diret—mente —™opl—d—s — um livroF gri—mos um p—™ote ™ompleto p—r— um ™urso de Álge˜r— vine—rX —lém deste textoD for—m produzid—s tr—nsp—rên™i—sF „udo isto está disponível em www.

ix • Determinante é —present—do desde o iní™io rel—™ion—do ™om áre— @volumeA ™om sin—lD p—r— depois ser —present—do —lge˜ri™—menteF ypt—mos por fo™—r no —lgoritmo de ™álE ™ulo utiliz—ndo oper—ções element—res por ser m—is e(™iente e lig—d— diret—mente —os ™on™eitosF epresent—mos — ™onexão ™om mud—nç— de v—riáveis n— integr—ção múltipl— e — de(nição de produto vetori—l e misto em R3 F gomo seção op™ion—lD ™olo™—mos um— dis™ussão de ™omo interpret—r o sin—l do determin—nteF • Autovalores e Autovetores são —present—dos em ™onexão ™om interpret—ção geoE métri™—F e teori— de di—gon—liz—ção de m—trizes é —pli™—d— em ™ál™ulo de potên™i— de m—trizes e ™l—ssi(™—ção de form—s qu—dráti™—sD rel—™ion—dos ™om o teste d— deriv—d— segund— do ™ál™ulo diferen™i—l de vári—s v—riáveis p—r— determin—r se um ponto ™ríti™o é máximoD mínimo ou ponto de sel— lo™—lF • inf—tiz—mos —o longo do texto @™—pítulos de ƒistem—s vine—resD w—trizesD hetermin—nteD eutov—lores e eutovetoresA — visão modern— de um— matriz por blocosD fund—ment—l p—r— — ™omput—ção ™ientí(™—F • y escalonamento é o —lgoritmo prin™ip—l do ™ursoD pois —tr—vés deleX resolvemos sistem—D determin—mos se vetores são line—rmente dependentesD determin—mos ™oorE den—d—s de vetoresD mud—mos de ˜—seD invertemos m—trizD ™—l™ul—mos determin—nteD en™ontr—mos —utovetoresD ™—l™ul—mos solução de mínimos qu—dr—dosD ™—l™ul—mos projeE ção ortogon—lF Sobre a Segunda Edição elém de divers—s ™orreções pontu—isD —s prin™ip—is modi(™—ções for—mX @—A junt—r o ™—pítulo de „r—nsform—ções vine—res e de w—trizes em um úni™o ™—pítuloY @˜A exp—ndir o primeiro ™—pítulo n— p—rte de geometri— —n—líti™— no pl—no e esp—ço por ser de(™iên™i— ™omum que —lunos tr—zem do ensino médioY @™A reorg—niz—r o ™—pítulo de €roduto snterno e ™olo™áElo —ntes do ™—pítulo de hetermiE n—nteF po™—mos no Rn e em —pli™—ções import—ntesF .

x PREFÁCIO .

R2 e R3 F F F F F PFQFI x— ‚et— @RA F F F F F F F F F F F F F F F F PFQFP xo €l—no @R2 A F F F F F F F F F F F F F F F PFQFQ xo isp—ço @R3 A F F F F F F F F F F F F F F yper—ções ilement—res e ƒistem—s iquiv—lentes F ‚esolvendo ƒistem—s vine—res F F F F F F F F F F F PFSFI is™—lon—mento F F F F F F F F F F F F F F F PFSFP enálise €ósEis™—lon—mento F F F F F F F F PFSFQ ƒistem—s ™om sn(nit—s ƒoluções F F F F F F €roduto w—trizE†etor F F F F F F F F F F F F F F F ƒistem—s romogêneosD ƒolução qer—l e €—rti™ul—r xi F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F iii v vii I I P Q S S W IQ IR IW PH PI PP PP PQ PR PS 1 IFP IFQ IFR 2 Sistema Linear PFI PFP PFQ 27 PFR PFS PFT PFU PU QH QI QI QP QS QT RI RI RS RU SQ SS .Sum´ ario Sobre os Autores Agradecimentos Prefácio 1 Introdução à Álgebra Linear IFI †etores do Rn e yper—ções F F F F F F F F F F F F F F F F IFIFI †etores do Rn F F F F F F F F F F F F F F F F F F F IFIFP yper—ções ™om †etores em Rn F F F F F F F F F F IFIFQ ‚epresent—ção qeométri™— de †etores e yper—ções iqu—ções g—rtesi—n—s e €—r—métri™—s F F F F F F F F F F F IFPFI ‚et—s no R2 F F F F F F F F F F F F F F F F F F F F IFPFP ‚et—s e €l—nos no R3 F F F F F F F F F F F F F F F gom˜in—ções vine—res e isp—ços qer—dos F F F F F F F F F IFQFI he(nições F F F F F F F F F F F F F F F F F F F F F IFQFP isp—ço qer—do por I †etor e ‚et—s em Rn F F F F IFQFQ isp—ço qer—do por P †etores e €l—nos no Rn F F F IFQFR isp—ço qer—do por Q ou w—is †etores F F F F F F F ixer™í™ios de sntrodução à Álge˜r— vine—r F F F F F F F F F IFRFI ixer™í™ios de pix—ção F F F F F F F F F F F F F F F IFRFP €ro˜lem—s F F F F F F F F F F F F F F F F F F F F F IFRFQ ixtr—s F F F F F F F F F F F F F F F F F F F F F F F IFRFR hes—(os F F F F F F F F F F F F F F F F F F F F F F epli™—ções de ƒistem—s vine—res F F F F F F F F F F w—trizes e †etores do Rn F F F F F F F F F F F F F snterpret—ção de ƒistem—s em R.

xii PFV PFW snterpret—ção de ƒistem—s em Rn ixer™í™ios de ƒistem—s vine—res F PFWFI ixer™í™ios de pix—ção F F PFWFP €ro˜lem—s F F F F F F F F PFWFQ ixtr—s F F F F F F F F F F PFWFR hes—(os F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F SUMÁRIO F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F ST SV SV TH TI TQ 3 Espaço Vetorial QFI QFP QFQ QFR QFS QFT QFU isp—ço e ƒu˜esp—ço †etori—l F F F F F F F F F F F F F F F F F gom˜in—ção vine—r e isp—ço qer—do F F F F F F F F F F F F hependên™i— e sndependên™i— vine—r F F F F F F F F F F F F f—se e himensão F F F F F F F F F F F F F F F F F F F F F F F €olinômios e punções ™omo †etores F F F F F F F F F F F F F QFSFI he(nição e ixemplos F F F F F F F F F F F F F F F F QFSFP gom˜in—ção vine—r e isp—ço qer—do F F F F F F F F QFSFQ hependên™i— e sndependên™i— vine—rD f—se F F F F F QFSFR punções ™omo †etoresX ‚epresent—ção qeométri™— himensão de isp—ço †etori—lX „eori— F F F F F F F F F F F ixer™í™ios de isp—ços †etori—is F F F F F F F F F F F F F F F QFUFI ixer™í™ios de pix—ção F F F F F F F F F F F F F F F F QFUFP €ro˜lem—s F F F F F F F F F F F F F F F F F F F F F F QFUFQ ixtr—s F F F F F F F F F F F F F F F F F F F F F F F F QFUFR hes—(os F F F F F F F F F F F F F F F F F F F F F F F punçãoD „r—nsform—ção vine—r e w—triz F F F F F F F F F RFIFI homínio e sm—gem de punção F F F F F F F F F F RFIFP „r—nsform—ção vine—r e w—triz F F F F F F F F F RFIFQ „r—nsform—ções vine—res qeométri™—s F F F F F F xú™leo e sm—gem F F F F F F F F F F F F F F F F F F F F F RFPFI xú™leo e sm—gem F F F F F F F F F F F F F F F F RFPFP „eorem— do xú™leo sm—gem F F F F F F F F F F F RFPFQ snjetivid—deD ƒo˜rejetivid—de e xú™leo F F F F F F RFPFR epli™—ções em isp—ços de punções e €olinômios gomposição de punções e €roduto de w—trizes F F F F F RFQFI gomposição de punções e „vs F F F F F F F F F RFQFP €roduto w—trizEw—triz F F F F F F F F F F F F F F punção e w—triz snvers— F F F F F F F F F F F F F F F F F RFRFI punção snvers— e „vs F F F F F F F F F F F F F F RFRFP w—triz snvers— F F F F F F F F F F F F F F F F F F Álge˜r— d—s w—trizes e „vs F F F F F F F F F F F F F F F RFSFI Álge˜r— de w—trizes F F F F F F F F F F F F F F F RFSFP Álge˜r— d—s „vs F F F F F F F F F F F F F F F F w—triz em flo™os F F F F F F F F F F F F F F F F F F F F w—triz ‚epresent—ndo †etorX goorden—d—s F F F F F F F w—triz ‚epresent—ndo „vX wud—nç— de f—se F F F F F ixer™í™ios de „r—nsform—ções vine—res F F F F F F F F F F RFWFI ixer™í™ios de pix—ção F F F F F F F F F F F F F F RFWFP €ro˜lem—s F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F 65 TS UH UI UP US US UV UW VH VP VR VR VT VV VW 4 Transformação Linear e Matriz RFI RFP RFQ RFR RFS RFT RFU RFV RFW WP WP WP WS WW WW IHP IHS IHT IHU IHU IHW III III IIQ IIS IIS IIU IIV IIW IPQ IPU IPU IPW 91 .

SUMÁRIO xiii ixtr—s F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F hes—(os F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F n RFWFQ RFWFR SFI SFP SFQ SFR SFS SFT SFU SFV SFW IQH IQS 5 Produto Interno €roduto snterno em R F F F F F F F F F F F F F F F F F gomplemento yrtogon—l F F F F F F F F F F F F F F F F F epli™—çãoX ƒistem—s ƒem ƒolução @wínimos u—dr—dosA epli™—çãoX €rojeção yrtogon—l F F F F F F F F F F F F F wínimos u—dr—dos e €rojeçãoX „eori— F F F F F F F F epli™—çãoX eproxim—ndo punções por €olinômios F F F g—u™hyEƒ™hw—rz e Ângulo F F F F F F F F F F F F F F F €ro™esso de yrtogon—liz—ção de qr—mEƒ™hmidt F F F F ixer™í™ios de €roduto snterno F F F F F F F F F F F F F F SFWFI ixer™í™ios de pix—ção F F F F F F F F F F F F F F SFWFP €ro˜lem—s F F F F F F F F F F F F F F F F F F F F SFWFQ ixtr—s F F F F F F F F F F F F F F F F F F F F F F SFWFR hes—(os F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F 137 IQU IRH IRQ IRV ISH ISH ISR ISS ITH ITH ITI ITP ITR 6 Determinante TFI TFP TFQ TFR TFS TFT TFU TFV TFW wotiv—ção qeométri™— F F F F F F F F F F F F F F F F F F he(nição e €ropried—des fási™—s F F F F F F F F F F F F g—l™ul—ndo hetermin—nte F F F F F F F F F F F F F F F F TFQFI pórmul— do hetermin—nte em R2 e R3 X ‚egr— de TFQFP elgoritmo p—r— gál™ulo do hetermin—nte F F F F w—is €ropried—des F F F F F F F F F F F F F F F F F F F F hetermin—nte e wud—nç— de Áre— F F F F F F F F F F F F €roduto †etori—l e wisto F F F F F F F F F F F F F F F F F ƒin—l do hetermin—nte F F F F F F F F F F F F F F F F F ‚egr— de gr—mer F F F F F F F F F F F F F F F F F F F F ixer™í™ios de hetermin—ntes F F F F F F F F F F F F F F F TFWFI ixer™í™ios de pix—ção F F F F F F F F F F F F F F TFWFP €ro˜lem—s F F F F F F F F F F F F F F F F F F F F TFWFQ ixtr—s F F F F F F F F F F F F F F F F F F F F F F TFWFR hes—(os F F F F F F F F F F F F F F F F F F F F F eutov—lores e eutovetores F F F F F F F F F F F F F F F F hi—gon—liz—ção F F F F F F F F F F F F F F F F F F F F F F epli™—ções F F F F F F F F F F F F F F F F F F F F F F F F ixer™í™ios de eutov—loresD eutovetores e hi—gon—liz—ção UFRFI ixer™í™ios de pix—ção F F F F F F F F F F F F F F UFRFP €ro˜lem—s F F F F F F F F F F F F F F F F F F F F UFRFQ ixtr—s F F F F F F F F F F F F F F F F F F F F F F UFRFR hes—(os F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F ƒ—rrus F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F 167 ITU IUI IUQ IUQ IUR IUU IVP IVQ IVS IVT IVU IVU IVV IWH IWQ IWS PHI PHS PHV PHV PHW PIP PIS 7 Autovetores e Diagonalização UFI UFP UFQ UFR 195 A Notação eFI fási™— F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F eFP isp—ços F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F eFQ f—ses e goorden—d—s F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F 217 PIU PIU PIU .

xiv

SUMÁRIO

eFR w—trizes F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F eFS €roduto snterno e xorm— F F F F F F F F F F F F F F F F F F F F F F F F F F F

PIV PIV

B Respostas dos Exercícios

fFI sntrodução à Álge˜r— vine—r F F F F F F F F fFIFI ixer™í™ios de pix—ção F F F F F F F fFIFP €ro˜lem—s F F F F F F F F F F F F F fFIFQ ixtr—s F F F F F F F F F F F F F F F fFIFR hes—(os F F F F F F F F F F F F F F fFP ƒistem—s vine—res F F F F F F F F F F F F F fFPFI ixer™í™ios de pix—ção F F F F F F F fFPFP €ro˜lem—s F F F F F F F F F F F F F fFPFQ ixtr—s F F F F F F F F F F F F F F F fFPFR hes—(os F F F F F F F F F F F F F F fFQ isp—ços †etori—is F F F F F F F F F F F F F F fFQFI ixer™í™ios de pix—ção F F F F F F F fFQFP €ro˜lem—s F F F F F F F F F F F F F fFQFQ ixtr—s F F F F F F F F F F F F F F F fFQFR hes—(os F F F F F F F F F F F F F F fFR „r—nsform—ções vine—res F F F F F F F F F F fFRFI ixer™í™ios de pix—ção F F F F F F F fFRFP €ro˜lem—s F F F F F F F F F F F F F fFRFQ ixtr—s F F F F F F F F F F F F F F F fFRFR hes—(os F F F F F F F F F F F F F F fFS €roduto snterno F F F F F F F F F F F F F F fFSFI ixer™í™ios de pix—ção F F F F F F F fFSFP €ro˜lem—s F F F F F F F F F F F F F fFSFQ ixtr—s F F F F F F F F F F F F F F F fFSFR hes—(os F F F F F F F F F F F F F F fFT hetermin—ntes F F F F F F F F F F F F F F F fFTFI ixer™í™ios de pix—ção F F F F F F F fFTFP €ro˜lem—s F F F F F F F F F F F F F fFTFQ ixtr—s F F F F F F F F F F F F F F F fFTFR hes—(os F F F F F F F F F F F F F F fFU eutov—loresD eutovetores e hi—gon—liz—ção fFUFI ixer™í™ios de pix—ção F F F F F F F fFUFP €ro˜lem—s F F F F F F F F F F F F F fFUFQ ixtr—s F F F F F F F F F F F F F F F fFUFR hes—(os F F F F F F F F F F F F F F

F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F

F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F

F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F

F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F

F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F

F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F

F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F

F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F

F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F

F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F

F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F

F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F

F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F

F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F

F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F

F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F

F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F

F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F F

219

PIW PIW PIW PPH PPH PPH PPH PPH PPI PPI PPP PPP PPP PPQ PPQ PPR PPR PPR PPT PPW PPW PPW PPW PQH PQI PQI PQI PQI PQI PQP PQP PQP PQQ PQS PQT

Referências Bibliográcas Índice Remissivo

239 240

Cap´ ıtulo 1 ´ ˜o a ` Algebra Introduc ¸a Linear
iste ™—pítulo —present— ™on™eitos d— Álge˜r— vine—r que surgem d— geometri— —n—líti™— no pl—no e esp—ço e d— ˜us™— de solução de sistem—s line—resX @—A vetores e oper—ções no Rn X som— e multipli™—ção por es™—l—r @produto es™—l—rEvetorAY @˜A equ—ção ™—rtesi—n— e p—r—métri™— d— ret— e do pl—no e su—s gener—liz—çõesY @™A ™om˜in—ção line—rD esp—ço ger—doD independên™i— line—rD dimensão do esp—ço ger—doY @dA esp—ço ger—do por ID PD Q ou m—is vetoresD —sso™i—ndoEos ™om pontosD ret—sD pl—nos e gener—liz—çõesY istes ™on™eitos serão re—pli™—dos @no g—pítulo Q isp—ço †etori—lA em ™ontextos onde os vetores poderão ser polinômiosD funçõesD m—trizesD ou elementos —˜str—tosF im˜or— sistem—s line—res —p—reç—m qu—ndo —pli™—mos estes ™on™eitosD o ™urso de Álge˜r— vine—r é muito m—is do que somente um ™urso de ™omo resolver sistem—s line—resF g—so ™omeçássemos ™om — resolução de sistem—s line—res " —ssunto que o —lunoD ™om frequên™i—D pensa que domina " o —luno teri— — sens—ção de que Álge˜r— vine—r é um ™urso fá™ilD de revisão e —profund—mento de té™ni™—s p—r— resolução de sistem—s line—resF

1.1 Vetores do Rn e Operações
1.1.1 Vetores do Rn
Denição 1.1 (vetor, entradas e o Rn )
números reais. Dizemos que é uma Um

vetor do Rn é um uma lista ordenada de n
u = (a1 , a2 , . . . , an−1 , an ) u.
com

n-upla

de números reais.

A notação utilizada para representar um vetor é

Os número ai 's são chamados de do vetor n O R é o conjunto de n-uplas de números reais.

entradas

ai ∈ R .

Exemplo 1.1

2 São vetores de R : (−6, −8), (1, 2). 4 São vetores de R : (1, 2, 3, 4), (−2, 7/4, −1, 2/3). 5 São vetores de R : (−1, 2, 4, 6, 8), (1, 2, 7/4, −1/3, 3).
1 Versão 04.ago.2012 13h

I

P

CAPÍTULO 1.

INTRODUÇÃO À ÁLGEBRA LINEAR

Observação 1.1
si os vetores

Como um vetor é uma lista e

ordenada de números, são distintos entre
e

(−1, 2)

(−2, 1)

e também

(1, 2, 3), (2, 3, 1)

(3, 1, 2).

Observação 1.2 Porque Rn com n > 3?
Embora nossa (humana) percepção esteja restrita a três dimensões, em simulações computacionais de diversos modelos, por exemplo para estudar as forças atuantes na estrutura de um prédio, dividimos o mesmo em bloquinhos no computador e associamos a cada bloquinho uma variável. Quanto maior o número de bloquinhos mais precisa será a simulação:

n

pode ser tão grande quanto se queira. Leia também Observação 2.1 da p.28.

1.1.2 Operações com Vetores em Rn
Denição 1.2 (Soma de vetores) Dados vetores u = (u1 , u2 , . . . , un ) (v1 , v2 , . . . , vn ), denimos o vetor soma de u e v, denotado por u + v, por
u + v = (u1 + v1 , u2 + v2 , . . . , un + vn ).
e

v

=

Exemplo 1.2

R4 (1, −1, 1/4, −2/3) + (−2, 2, 3/4, 5/3) = (1 − 2, −1 + 2, 1/4 + 3/4, −2/3 + 5/3) = (−1, 1, 1, 1).
A soma dos vetores do

Observação 1.3

Note que o sinal  + (mais) em  u

+ v

e  (u1

+ v1 , . . . , un + vn )

possui signicado distinto em cada expressão: soma de vetores, num caso, e de soma de números reais (escalares) no outro.

Denição 1.3 (origem ou vetor nulo)
por

Denimos como

origem ou vetor nulo, denotado
este vetor é o elemento

0

o vetor

neutro da

0 = (0, . . . , 0)(todas as entradas são nulas). Note que soma de vetores pois v + 0 = 0 + v = v para todo v.

Denição 1.4 (multiplicação por escalar ou produto escalar-vetor)
u = (u1 , u2 , . . . , un ) por tu, por
e o escalar

Dados por

o

vetor

t ∈ R,

denimos o vetor multiplicação de

t

u,

denotado

tu = (tu1 , tu2 , . . . , tun ).
€or ™ontr—ste ™om vetoresD um número re—l é ™h—m—do de escalarF ist— lingu—gem vem d— písi™—D que distingue gr—ndez—s vetori—is @forç—s por exemploA de gr—ndez—s es™—l—res @m—ss— e temper—tur— por exemploAF

Exemplo 1.3
Considere

u = (−1, 3, 1, −2, 3/2), então 2u = 2(−1, 3, 1, −2, 3/2)= (−2, 6, 2, −4, 3). w = (−4, 6, 1, −3). Então −1/2w = −1/2(−4, 6, 1, −3) = (2, −3, −1/2, 3/2).
Se Dizemos que o

Observação 1.4

Rn

munido das operações de soma de vetores (Def. 1.2)

e produto por um escalar (Def. 1.4) é um

espaço vetorial sobre R.
Cn .

De forma análoga denimos o espaço vetorial

1.1.

VETORES DO

RN

E OPERAÇÕES

Q
Dizemos que

Denição 1.5 (múltiplo ou paralelo)
se existe um escalar

v

é

múltiplo de

(ou paralelo a)

w

t

tal que

v = tw.
pois

Exemplo 1.4 Exemplo 1.5

São paralelos entre si: e

−2(1, −2, 3, −1/2)

(−2, 4, −6, 1) e (1, −2, 3, −1/2) (1, −2, 3, −1/2) = −1/2(−2, 4, −6, 1). 0
é múltiplo de qualquer outro pois

(−2, 4, −6, 1) =

O vetor

0 = 0w

para qualquer

w.

1.1.3 Representação Geométrica de Vetores e Operações
gomeç—mos identi(™—ndoD d— m—neir— usu—lD um pl—no ™om R2 e o esp—ço ™om R3 utiliz—ndo o sistem— de ™oorden—d—s ™—rtesi—n—D ™om eixos ortogon—is entre siF …m vetor (a, b) ∈ R2 pode ser represent—do geometri™—mente por um segmento de reta orientado que une (0, 0) ™om (a, b)F €—r— indi™—r — orient—ção do segmento utiliz—mos um— setinh— @d—qui por di—nte sem —sp—s e utiliz—do ™omo sinônimo de segmento orient—doAF €odemos f—zer o mesmo ™om vetores em R3 F wostr—mos n— pigur— IFI os vetores (3, 2) ∈ R2 e (1, 3, 2) ∈ R3 F

2 3

(3, 2)

2 1

(1, 3, 2) 3

pigur— IFIX †etores no €l—no e no isp—ço elém de represent—r o vetor ™omo um— setinh— p—rtindo d— origem (0, 0)D podeEse representáE lo tr—nsl—d—ndo — setinh— e p—rtindo de um ponto qu—lquer (c, d) ∈ R2 F

Denição 1.6 (setinha e vetor)
quaisquer

A setinha que começa em (c, d) e termina em (c + a, d + b) representa o mesmo vetor (a, b) ∈ R2 para quaisquer c, d ∈ R. A setinha que começa em (d, e, f ) e termina em (d + a, e + b, f + c) representa o mesmo vetor (a, b, c) ∈ R3 para

d, e, f ∈ R.

€or est— de(nição o mesmo vetor possui um— in(nid—de de represent—çõesF hu—s setinh—s represent—m o mesmo vetor se qu—ndo deslo™—rmos p—r—lel—mente um— del—s p—r— que seus pontos ini™i—is ™oin™id—mD o ponto (n—l del—s t—m˜ém ™oin™ideF €or exemploD tod—s —s setinh—s represent—d—s n— pigur— IFP represent—m o mesmo vetor (3, 2) ∈ R2 F

2

(3, 2) 3

pigur— IFPX ‚epresent—ções do vetor v = (3, 2)

R

CAPÍTULO 1.

INTRODUÇÃO À ÁLGEBRA LINEAR

e represent—ção geométri™—1 é import—nte em —pli™—ções @písi™— por exemploA e p—r— desenvolver — intuição p—r— esp—ços de dimensões m—ioresF €odemos interpret—r geometri™—menteD utiliz—ndo est— represent—ção por setinh—sD — soma de dois vetores no pl—no e no esp—çoF gonsidere — pigur— IFQD no l—do esquerdoD onde dois vetores são represent—dos ™om su—s ™omponentes no eixoEx e y F €el— regra do triângulo

pigur— IFQX ‚egr— do „riângulo e do €—r—lelogr—mo represent—mos o primeiro vetor ™om ponto ini™i—l n— origem e o segundo ™om ponto ini™i—l n— pont— d— set— do primeiroF y vetor result—nte unindo — origem —té — pont— d— set— do segundo é o vetor som—F €el— regra do paralelogramoD —pli™—mos — regr— do triângulo —os dois vetoresD ™onforme —present—do nest— mesm— (gur—F

Observação 1.5 Podemos, numa abordagem geométrica, denir a soma de vetores pela regra do paralelogramo ou triângulo. Fazer isto em dimensão maior que três não é

intuitivo.

Em contraste, a Denição 1.2 da p.2, feita de forma algébrica, não depende Convidamos o leitor a vericar que estas

de visualização geométrica e é muito simples. denições são equivalentes.

Exemplo 1.6

Podemos aplicar a regra do triângulo em sequência para obter a soma de mais

de dois vetores. Por exemplo considere os quatro vetores representados no lado esquerdo da Figura 1.4. Concatenando de forma sucessiva os vetores obtemos sua soma conforme indicado na mesma gura no lado direito.

z u u+v+w+z w v
pigur— IFRX ƒom— de 4 vetores

z v u w

e interpret—ção geométri™— do produto escalar-vetor depende do módulo e do sin—l do es™—l—rF gomeç—ndo por v—lores positivos inteirosD o˜serve que multipli™—ndo por 1 preserv—E mos o vetor @e o t—m—nhoAD por 2 dupli™—mos seu t—m—nhoD por 3 tripli™—mos seu t—m—nhoF €or outro l—doD multipli™—ndo por 1/2 reduzimos seu t—m—nho pel— met—deF he form— ger—lD multipli™—ndo por v—lor positivo ™om módulo m—ior que 1 o˜temos um vetor ™om mesmo
1 Embora seja útil para a intuição, nada do que fazemos depende desta interpretação geométrica.

c ∈ R com a = 0 ou b = 0. (x. 1. 2 30 trabalhamos com a mesma facilidade em R como em R . 5u e −u d— pigur— IFSF 1 pigur— IFSX †etores 1uD 3 u. Note que equações diferentes podem representar a mesma reta. e −14x + 6y = −4 representam a mesma reta (porque?). São chamados em alguns livros de vetores geométricos. y ) ∈ R2 | ax + by = c . Este caminho é bom para certas generalizações em Matemática (no contexto da Geometria Diferencial por exemplo). Por contraste. 5u. Dizemos . um vetor? A visão geométrica (Denição 1. São chamados em alguns livros vetores algébricos. de Como não dependemos de intuição geométrica.6 O que é. de fato. Faremos com frequência a passagem da visão algébrica para geométrica e vice-versa. cartesiana da reta em R2 ) Dados a. é limitante pois não conseguimos visualizar mais do que três dimensões. b.1 da p. 0.7 (eq. para a visualização de vetores no plano e no espaço tridimensional e para interpretação Física (forças).1. EQUAÇÕES CARTESIANAS E PARAMÉTRICAS S sentido m—s ™om t—m—nho m—iorY multipli™—ndo por v—lor positivo ™om módulo menor que 1 o˜temos um vetor ™om mesmo sentido m—s ™om t—m—nho menorF wultipli™—ndo por v—lor neg—tivo o˜temos vetor ™om sentido invertido e ™om t—m—nho m—ior ou menor de —™ordo ™om módulo ser m—ior ou menor que 1F †ej— o vetor u = (3. Observação 1.6 da p.1) é bem mais simples mas não apresenta nenhuma motivação geométrica.2. chamamos de equação cartesiana da reta a equação ax + by = c. Por 7x − 3y = 2 que as equações são equivalentes. a visão algébrica (Denição 1. 2) e — represent—ção de 1uD 1.3). que representa o conjunto (a reta). embora mais intuitiva.2. 2 u e −u 2 €ort—ntoD v—ri—ndo o v—lor do es™—l—r e multipli™—ndoEo por um vetor (xo u = 0 o˜temos um— ret— p—ss—ndo pel— origemF essim {tu| t ∈ R} é um— ret— e — equ—ção tu é ™h—m—d— de equação paramétrica da reta que p—ss— pel— origem ™om direção uF e motiv—ção geométri™— vem qu—ndo u ∈ R2 ou R3 D m—s ™ontinu—mos ™h—m—ndo de ret— ™om u ∈ Rn F Observação 1.2 Equações Cartesianas e Paramétricas 1.7 exemplo.1 Retas no R2 Equação Cartesiana da Reta em R2 Denição 1. É formalizada como segmentos orientados equivalentes.

). 2) e (−2. 2) ∈ r .8 (vetor é ponto?) pontos da reta Na Figura 1. (b) Verique se (−5. wultipli™—ndo — primeir— equ—ção por P e som—ndo ™om — segund— o˜temos 7b = 3cF vogo b = 3/7cF h— primeir— equ—çãoD a = c − 2b = c − 6/7c = c/7F egor— tom—ndo c = 7 o˜temos que a = 1 e b = 3F vogo é — ret— x + 3y = 7F egor— veri(que — respost— su˜stituindo os pontosX 1 + 3 × 2 = 7 e −2 + 3 × 3 = 7F €oderi— se (x—r c = 1 ou outr— ™onst—nte nãoEnul— qu—lquer @f—ç— isso3A e o˜ter equ—ções equiv—lentesF @˜A „emos que resolver o sistem— 1a + 3b = c. Solução: „om—ndo x = 0 @é eixo y3 €orquecA o˜temos y = −3/2 e — interseção ™om eixo y é (0. . 0)F Equações Paramétricas da Reta em R2 €el— de(nição do produto es™—l—rEvetor @ver pigur— IFS d— pFSAD d—do u = 0 — equ—ção tu é um— ret— p—ss—ndo pel— origem n— direção uF ƒom—ndo um vetor w — ™—d— elemento deste ™onjunto tr—nsl—d—mos — ret— tu que p—ss— pel— origem e o˜temos — ret— w + tuD ™onforme indi™—do n— pigur— IFTF Denição 1.8 Determine a interseção da reta 2y − 7x = −3 com os eixos x e y. ƒu˜tr—indo d— segund— equ—çãoD — primeir—X 4b = 0F essim b = 0F vogo a = cF pix—ndo c = 1 @outros v—lores ger—rão equ—ções equiv—lentesA o˜temos — ret— x = 1F Exemplo 1.6 apresentamos três interpretações geométricas de vetor simultaneamente: como seta começando na origem (o vetor seta começando em ponto qualquer (os vetores w). 3) e (1. −3/2)F „om—ndo y = 0 @é eixo x3 €orquecA o˜temos x = 3/7 e — interseção ™om eixo y é (3/7. 6)| t ∈ R}. Observação 1. −2u) e como pontos (os w + 1u.8 (eq. 7). Solução: @—A „emos que resolver o sistem— 1a + 2b = c.9 Considere a reta (a) Determine pontos de r = {(1. Assim sua equação paramétrica é Exemplo 1. Se uma reta etc.T CAPÍTULO 1. como 1u. −2a + 3b = c. 3). INTRODUÇÃO À ÁLGEBRA LINEAR Exemplo 1.6) de equação paramétrica da reta paralela ao vetor u passando por w.7 (a) Determine a equação cartesiana da reta que passa por: (1. 2u. −1u. 1a + 7b = c. Observação 1. w + 2u. um vetor paralelo à r é Faça uma gura se convencendo disso. O t é chamado de parâmetro. (b) (1.9 u = p2 − p1 . r. r passa pelos pontos p1 e p2 . paramétrica da reta) Dados u = 0 e w chamamos {w + tu| t ∈ R} (ver Figura 1. 2) + t(4. p1 + tu.

Solução: @—A goloque y = tF egor— x = 3+3/2y = 3+3/2tF essim (x. 2) e (−2. (c) que passa por (1. 1) = (3.27). 0) + t(3/2. t) pode ser escrito como t/4(4. 0) + t(3/2.11 (a) 2x − 3y = 6. 6) = (−3. 4). 5(4. −4) ∈ rF golo™—ndo t = −0. 2) − 0. 1)| t ∈ R} e {m(4. 5(4. 0)F @™A y vetor u = (1. 2) + t(3. −11)X {(1. Tomando m = t/4 observamos que formam o mesmo conjunto.14 da p. 2) − 1(4.2. 2) resolvendo o sistem— 1 + 4 t = −5 F h— primeir— equ—ção t = −3/2D d— segund— t = 03 y sistem— é sem 2 + 6t = 2 soluçãoF €ort—nte (−5. t ∈ R} 2u u 0 −u Solução: @—A golo™—ndo t = 0 o˜temos o ponto (1. y) = (3+3/2t. 8) ∈ rF golo™—ndo t = 0.10 Se colocarmos y = t no exemplo anterior item (b) obteremos que t = 7 e não teremos valor para x! A escolha de quem vai ser o parâmetro é importante. Por exemplo os conjuntos {t(1. t) = (3. 1) é p—r—lelo à ret—F vogo {(1. 2) = (−3. Equação Cartesiana da reta → Paramétrica em R2 €—r— p—ss—r de equ—ção ™—rtesi—n— p—r— p—r—métri™— de ret— em R2 X goloque um— d—s v—riáveis ™omo o p—râmetro e determine — outr— v—riável em função do p—râmetroF Determine uma equação paramétrica para a reta: (b) Exemplo 1. 5 o˜temos o ponto (1. 4)| m ∈ R} representam (t.1. y ) = (0. A mesma reta pode ser gerada por vetores distintos. 6) = (3. 6) = (−1. 2) ∈ rF golo™—ndo t = 1 o˜temos o ponto (1. 2) + 1(4. −1) ∈ rF @˜A „emos que ver se existe t ∈ R t—l que (1. 1)| t ∈ R}F @˜A goloque x = tD y = 7F vogo (x.13. 1) − (1. 5 o˜temos o ponto (1. 1)| t ∈ R}F yutr— possi˜ilid—de é tom—r u = (−2. 6) = (−5. 2) − (−2.10 a mesma reta. Veja caso similar na Observação 1. 7) + t(1. 2) + t(−3. 6) = (5. 1)F vogoD {(3. 1). 2) ∈ rF Exemplo 1. 2) + 0. Aprenderemos a fazer a escolha certa de forma sistemática no (próximo) Capítulo Sistema Linear (p. y = 7. 2) + t(4. basta que eles sejam De fato o vetor paralelos entre si. 5) ∈ rF golo™—ndo t = −1 o˜temos o ponto (1. . 1)| t ∈ R} a {(−2. −1)| t ∈ R}F Observação 1. 1) + t(3. EQUAÇÕES CARTESIANAS E PARAMÉTRICAS U r w + 2u w + 1u w + 0u = w w − 1u w − 2u −2u pigur— IFTX ‚et— r = {w + tu.

2)| t ∈ R}. 2) @note que 1 + 2 t = 0 + 0s tro™—mos o segundo t por sAF €re™is—mos resolver o sistem— D ™uj— solução 0 + t = 1 + 2s úni™— é t = −1/2D s = −3/4F essim o ponto de interseção é (1. e determine se são paralelas ou coincidentes: 2x − 3y = 4. 2)F ssto result— no sistem— Equação Paramétrica da reta → Cartesiana em R2 €—r— p—ss—r de equ—ção p—r—métri™— p—r— ™—rtesi—n— de ret— em R2 X hetermine o p—râmetro em função de um— d—s v—riáveis e su˜stitu— n— outr— equ—çãoF Exemplo 1. {(1. 0)+ t(2. {(5. 2)F .V CAPÍTULO 1. −2)F 1 + 3t = −1 + 3s ssto result— no sistem— F y sistem— é sem solução pois devemos ter −2 − 2t = 2 − 2s t − s = −2/3 = −13 vogo não é — mesm— ret— e el—s são p—r—lel—s entre si @não possuem interseçãoAF s(−3. s ∈ R t—is que (1. 1) = (0. 1)| t ∈ R} com cada uma das retas abaixo. Solução: e interseção ™om o eixo x o™orrerá qu—ndo y = 0F gomo y = −3+5tD queremos que y = 0 = −3 + 5tF vogo interseção o™orrerá qu—ndo t = 3/5F vogo x = −2 + 2(3/5) = −2/5 e ™on™luímos que — interseção é no ponto (−2/5. −3) + t(2. t ∈ R t—is que (1. 0) + 1 + 3t = −2 − 3s F ‚esolvendo vemos que —s du—s −2 − 2t = 0 + 2s equ—ções são equiv—lentes — t + s = 1F essim — solução é t = 1 − sX —s ret—s são idênti™—sF @˜A „emos que ver se existem s. Solução: @—A gomo x = 2 + 1tD t = x − 2F h— segund— equ—çãoD y = 3 + 2t = 3 + 2(x − 2)F vogo y − 2x = −1F @˜A gomo x = 5 e y = 3 − tD y pode —ssumir qu—lquer v—lor e x é sempre ™onst—nteF essim — equ—ção ™—rtesi—n— é x = 5F Exemplo 1.12 (a) A mesma reta possui diversas representações paramétricas (veja solução do (b) último exemplo (c)). −2) + t(3. t ∈ R t—is que (1. caso exista. −1/2)F Exemplo 1. 1) + t(0.15 com o eixo Determine a interseção da reta {(−2. 3) + t(1. Verique quais retas são iguais à reta {(−2. 2) + t(3. −1)| t ∈ R}. −2) = (−1. 3) + t(0. −2) = (−2. 0) + t(−3. 0) − 1/2(2. 2)| t ∈ R}. 0) + t(2. (c) {(0. 2) + s(3. −2)| t ∈ R}. INTRODUÇÃO À ÁLGEBRA LINEAR Exemplo 1.14 (a) Determine a interseção da reta (b) {(1. y = tD su˜stituindo n— outr— equ—ção 2(1 + 2t) − 3t = 4F essim t = 2 e —s ret—s se inter™ept—m em (5. −2) + t(3. Solução: @—A gomo x = 1 + 2t. 5)| t ∈ R} com o eixo x e y. 2)| t ∈ R}. 2)F @˜A ƒu˜stituindoD (1 + 2t) − 2t = 1 é equiv—lente — 1 = 1X sempre verd—de3 vogo —s ret—s são ™oin™identesD pois é verd—de p—r— todo tF @™A ueremos s—˜er se existem t. 1)+ s(0. Solução: @—A „emos que ver se existem s. −2)| t ∈ R}: {(−1.13 (a) Determine uma equação cartesiana para a reta: (b) {(2. −2) + t(3. x − 2y = 1. 0)F e interseção ™om o eixo y será qu—ndo x = 0F gomo x = −2 + 2tD queremos que x = 0 = −2 + 2t e port—nto t = 1F vogo y = −3 + 5(1) = 2 e ™on™luímos que — interseção é no ponto (0. 1) = (0.

d ∈ R com a = 0 ou b = 0 ou c = 0. −1) − (1. 2. 1. c = 2F vogo — equ—ção do pl—no é y + 2z = 4F „om—ndo d = 2 o˜temos y/2 + z = 2D et™F @equ—ção xÃy é úni™—AF Equações Paramétricas de Retas em R3 iqu—ções p—r—métri™—s de ret—s em R3 são igu—is —s de ret— em R2 e utiliz—remos sem m—iores ™omentáriosF Exemplo 1. −2)F Exemplo 1. −2)D (3. ƒom—ndo —s P primeir—s equ—ções o˜temos que c = d/2F h— primeir— o˜temos que a = d − 2c = d − d = 0F h— ter™eir— o˜temos que b = (d − 3a − c)/2 = (d − 3(0) − d/2)/2 = 1/4dF „om—ndo d = 4 o˜temos que a = 0. c. y. z ) ∈ R3 | ax + by + cz = d . −1) = (−2. 0. 1) + t(−2. 1) @pode ser t—m˜ém w = (3. 0) + t(1. 2.18 Determine a eq. 3. 2. 2. 0. 1)A r = {(1. Exemplo 1. Solução: y vetor p—r—lelo à ret— é v = (1.9 (eq. −1) pertence à reta (1. 2/3)F Solução: y eixo x ™orresponde —os pontos (x. −2. 4.16 Determine a interseção do plano 2x − y + 3z = 2 com os eixos x. 0) e ™om o eixo z é (0.20 exista: (a) dos planos (b) de (c) de Determine o(s) ponto(s) de interseção de cada par de conjuntos abaixo. 2. b.17 e Determine a equação cartesiana do plano que passa por (1. 0) + t(1. 0)F essim tom—ndo y = z = 0 o˜temos Exemplo 1. 3)| t ∈ R} e x − 2y + z = 2. −2. 1) + t(−2.19 Determine se o ponto (−2. 0. 2)D (1. 2). que representa o conjunto (o plano): (x. −4. −2. 4. . −2. 2. 2. paramétrica da reta que passa por (1. que 2x = 2 e x = 1F vogo — interseção ™om o eixo x é (1. chamamos de equação cartesiana do plano a equação ax + by + cz = d. cartesiana do plano em R3 ) Dados a. −1a + 0b + 2c = d. −1). 0. Solução: „emos que resolver o sistem—   1a + 0b + 2c = d. EQUAÇÕES CARTESIANAS E PARAMÉTRICAS W 1. 2)| t ∈ R}F yutr—s opçõesX (3. b = 1. 3. 2) @pode ser v = (3. −4. 1) − (3.2 Retas e Planos no R3 Equação Cartesiana do Plano em R3 Denição 1. 2) (3.  3a + 2b + c = d. −4. Solução: hevemos ter −2 = 1 + 3tD 1 = 2 + tD −1 = 1 + tF h— I— equ—çãoD t = −1D que s—tisf—z — segund— equ—ção m—s não s—tisf—z — ter™eir—F essim o ponto não perten™e à ret—F Exemplo 1.2. −2. 1) + t(2. 1) e (3. 3)| t ∈ R} e −x + 2y − z = 8. y e z. 1) + t(2.1. −2. caso 4x − 2y + 3z = 2 e x − z = 1.2. 1. 2. 1). (−1. 4. 1). 1) = (2. −2)AF „om—ndo w = (1. 2. {(2. 1) + t(3. {(2. 0. −2. 2. 0)F he form— —nálog— @f—ç—A o˜temos que — interseção ™om o eixo y é (0.

chamamos Dados u e v não nulos e não paralelos e Π = {w + tu + sv| s. 3)| s. 1. 7/2. −1) + t(0.10 (eq. INTRODUÇÃO À ÁLGEBRA LINEAR 4x − 2y + 3z = 2 o˜temosD ™olo™—ndo z = tX x = x−z =1 1+ tD y = 1+7/2tF essim — interseção destes P pl—nos é — ret— {(1. 2. 2.21 termine se Considere o plano Π = {(2.   2 − s + 0t = 1 Solução: „emos que resolver o sistem— 3 + 0s + 2t = 2 F h—s P primeir—s equ—ções  0 − s + 3t = 2 o˜temos que t = −1 e s = 1F w—s isto não s—tisf—z — ter™eir—F vogo o ponto não perten™e —o pl—noF .IH CAPÍTULO 1. 0) + t(1. s. 3. Dizemos que t e s são w + tu + sv w Π tu + sv tu u v 0 sv pigur— IFUX €l—no Π = {w + tu + sv.7) de equação paramétrica do paralelo ao gerado pelos vetores u e v passando por w. paramétrica do plano) w plano parâmetros. t ∈ R}. t ∈ R} (ver Figura 1. t ∈ R} Exemplo 1. 0) + t(1. t ∈ R é um pl—no p—ss—ndo pel— origemF iste pl—no ™ontém o p—r—lelogr—mo form—do pelos pontos 0D uD v e u + vF hizemos que o pl—no é gerado pelos vetores u e vF ƒom—ndo um vetor w — ™—d— elemento deste ™onjunto tr—nsl—d—mos este pl—noF x— pigur— IFU mostr—mos o pl—no tu + sv que p—ss— pel— origem e su— tr—nsl—ção w + tu + svF Denição 1. De- (1. 2) ∈ Π. 3)| t ∈ R}F Solução: @—A ‚esolvendo o sistem— Equações Paramétricas de Planos em R3 €el— regr— do triângulo ou p—r—lelogr—mo @ver pigur— IFQ d— pFRAD d—dos dois vetores u e v não nulos e não p—r—lelos @he(nição IFS d— pFQAD — equ—ção tu + svD ™om s. 1)| t ∈ R} @˜A gomo x = 2 + tD y = 3 + 2t e z = 3tD (2 + t) − 2(3 + 2t) + 3t = 2F essim −8 = 23F gomo é sem solução ™on™luímos que — ret— é p—r—lel— —o pl—no @interseção v—zi—AF @™A p—zendo ™ont—s simil—res —o @˜A ™on™luímos que — ret— perten™e —o pl—no pois é verd—de p—r— todo t ∈ RF essim — interseção é — própri— ret—X {(2. 2. 3. 0. 0) + s(−1.

1. pl—noX u = (1. −1) + s(0. 1) + t(0. Assim sua equação paramétrica é p1 + tu + sv. 3. 0) + u(1. 0. 3)F †eri(que que o˜temos o mesmo ponto su˜stituindo s = 3 e t = −1/2 em (2. 0) = (1. v ∈ R @note que tro™—mos os p—râmetros do seE gundo pl—noA t—is que (2. 0) = (−1.2. 0. 1. 0)F ƒimpli(™—ndoD (2. 0. 1) e v = (1. 0. 0) + (−3 − 2t)(−1. e p3 .22 e Determine a equação paramétrica do plano que passa por (0.23 mine o(s) ponto(s) de interseção de Π = {(2.1. 0). t ∈ R}. 2) − (1. 0. 1. 1)| t ∈ R}. −1. 1. 1. 2). 3. t. 0) + s(1. 0) + s(−1. 1. 0) + 1(1. 0. 3. 1. Faça uma gura se convencendo disso. 0. 0. 2. 2. 1. EQUAÇÕES CARTESIANAS E PARAMÉTRICAS II Observação 1. u ∈ R @note que tro™—mos o p—râmetro d— ret—A t—is que (2. 1) = (1. 1) + t(0. 2. 0)F . −2. DeterΠ com cada um dos conjuntos abaixo. 0. 0) = u(1. 0) + s(−1. (e) com o eixo z . o plano gerado por u e v é paralelo à Π. 1) − (0. 0)F   2 − s + 0 t = 1 + u + 0v 3 + 0s + 2t = −2 + u + v F h— €re™is—mos resolver o sistem— @Q equ—çõesD R v—riáveisAX  0 + s + 0 t = 0 + 0u + 0 v últim— equ—çãoD s = 0F h— primeir—D 2 − s = 1 + u e port—nto u = 1F h— segund—D 3+2t = −2+ u + v = −2+1+ v F vogo v = 2t +4F vogo — solução é — ret— @u = 1. 1. 0) − (1. 2. 0) = (1. 3. 1) + s(1. 1) = (−1. 1) + t(0. −2. 3. 0) o vetor tr—nsl—ção e ™—l™ul—mos dois vetores p—r—lelos —o Exemplo 1. caso exista: (a) reta {(−1. 0) + s(−1. 1)| t ∈ R}.11 p1 . 0. 0) + s(−1. Considere o plano Solução: @—A ueremos s—˜er se existem s. −1. 2. 1. 0. 0) + v (0. 0) + t(0. v = 2t +4A (1. 3. 1. −2. 1. −3) + t(2. 1. 0)| s. 1) + u(0. −2)F @dA ueremos s—˜er se existem s. t. 0. 1) + t(0. 0)| s. 1. 0) + t(1. 3. −1) e v = (1. 0) = (1. (c) plano x − y = 2. 2. 1) = (0. 0)F vogo — interseção é — ret— (5. t. 0) + t(0. 1)F €re™is—mos resolver  2 − s + 0 t = −1 3 + 0s + 2t = u F h— primeir— equ—çãoD s = 3F o sistem— @Q equ—çõesD Q v—riáveisAX  0 + s + 0t = 1 + u h— ter™eir—D ™omo s = 1 + uD u = 2F h— segund—D ™omo 3 + 2t = uD t = −1/2F essim o ponto de interseção é (1. 1)F €re™is—mos resolver o sistem— @Q   2 − s + 0t = u 3 + 0s + 2t = 0 F h— segund— equ—çãoD t = −3/2D m—s existe equ—çõesD Q v—riáveisAX  0 + s + 0t = u um— ™ontr—dição entre — primeir— e ter™eir—X u = 2 − s = s3 essim o sistem— é sem solução — ™on™luímos que — ret— é p—r—lel— —o pl—noF @™A gomo x = 2 − s e y = 3 + 2tD x − y = 2 = −1 − s − 2t = 0F essimD s = −3 − 2tF ƒu˜stituindo n— equ—ção do pl—no o˜temos (2. 0. u. 1) + t(0. 1) = (1. 1) e ™—l™ul—r os vetores p—r—lelos —o pl—no u = (0. 0. 0. 2. 2) − (0. denindo u = p2 − p1 e v = p3 − p1 . 2. 1. 0. p2 . 3. Se o plano Π passa pelos pontos Exemplo 1. 1. 1. u ∈ R @note que tro™—mos o p—râmetro d— ret—A t—is que (2. 1). −1. −1. t ∈ R}. 1)F essim outr— equ—ção p—r—méE tri™— p—r— o pl—no é (1. 1) + t(0. 1)F Solução: pix—mos w = (0. 2)F €odemos (x—r w = (1. 1. 1) + t(0. (1. (d) plano {(1. 1. (b) reta {t(1. (1. 0. 1. 0) + (2t + 4)(0. 0. 1) + 2(0. 0)F @˜A ueremos s—˜er se existem s. 1) + u(0. 1. 2. 2)F essim o pl—no é (0. 1. 1) + t(−1. 0) + s(−1 . 0.

0) + t(0. y A que t = −y − x + 3 e s = −y − 2x + 5F gomo z = −s + 3tD z = −(−y − 2x + 5) + 3(−y − x + 3) = −2y − x + 4F essim — equ—ção ™—rtesi—n— é x + 2y + z = 4F Observação 1. Equações Cartesianas (sistemas) de Reta em R3 gomo determin—r ™om equ—ções ™—rtesi—n—s um— ret— em R3 c …m— equ—ção ™—rtesi—n— ax + by + cz = d determin— um pl—noF essim podemos determin—r um— ret— em R3 pel— interseção de dois pl—nos nãoEp—r—lelosD ou sej—D por um sistem— ™om du—s equ—ções que tenh— ™omo solução um— ret—F Equações Cartesianas (sistemas) da reta → Paramétrica em R3 €—r— p—ss—r de equ—ções ™—rtesi—n—s p—r— p—r—métri™— de ret— em R3 X goloque um— d—s v—riáveis ™omo o p—râmetro e determine —s outr—s v—riáveis em função do p—râmetroF . 1) + −3/2(0. z )F essim queremos determin—r s. 1)F @˜A gomo x não —p—re™e n— equ—çãoD ™olo™—mos x = s @um dos p—râmetrosAF golo™—ndo y = t o˜temos que z = 3 − 3/2y = 3 − 3/2tF vogo o pl—no é (x. y. 3) + s(1. 2)F Equação Cartesiana do plano → Paramétrica em R3 €—r— p—ss—r de equ—ção ™—rtesi—n— p—r— p—r—métri™— de pl—no em R3 X goloque du—s d—s v—riáveis ™omo os dois p—râmetros e determine — ter™eir— v—riável em função dos p—râmetrosF Determine a equação paramétrica do plano: (b) Exemplo 1. pl—no é (x. 0) + t(−5. A generalização e sistematização da resolução de sistemas lineares para um número maior de equações e variáveis é feita pelo chamado pítulo Sistema Linear (p.13 (Software Algébrico) Com auxílio do Software Maxima (que pode ser obtido livremente na Internet) podemos resolver o sistema acima com o comando linsolve([x=2-s+t. INTRODUÇÃO À ÁLGEBRA LINEAR @eA y eixo z é ™—r—™teriz—do pelos pontos (0..s]). t) = (8. 3y + 2z = 6. t ∈ R}. y. 3. 0) = (0. 3)| s. t ∈ R t—is que x = 2 − s = 0 e y = 3 + 2t = 0F gon™luímos que s = 2 e t = −3/2F vogo o ponto é (2. 3 − 3/2t) = (0. 0. 0. 0) + s(3/2. 1. 0.IP CAPÍTULO 1. 0) + s(−1. t em função de x.y=1+s-2*t]. s.25 Determine a equação cartesiana do plano: {(2. apresentado no Ca- Exemplo 1. 1. 1. Solução: gomo x = 2 − s + t e y = 1 + s − 2tD o˜temos resolvendo o sistem— @o˜tendo s. t. escalonamento.27). −2. 0) + 2(−1. −1) + t(1. 0. 0.[t. 1. z ) = (s. −3/2)F Solução: @—A goloque y = s e z = tF intão x = 8 + 3/2y − 5z = 8 + 3/2s − 5tF vogo o Equação Paramétrica do plano → Cartesiana em R3 €—r— p—ss—r de equ—ção p—r—métri™— p—r— ™—rtesi—n— de pl—no em R3 X hetermine v—lor dos dois p—râmetros em função de du—s v—riáveis @resolvendo sistem— line—r ™om du—s d—s equ—çõesA e su˜stitu— n— outr— equ—çãoF Observação 1. 0. 0.12 A conversão paramétrica ←→ cartesiana envolve resolver sistema li- near.24 (a) 2x − 3y + 10z = 16. 2. z ) = (8 + 3/2s − 5t.

Solução: gomo x = 1 + 2tD y = 3 − t e z = 1 + tD temos que t = 3 − yF essim o˜temos du—s equ—ções ™—rtesi—n—s x = 1 + 2(3 − y ) e z = 1 + (3 − y )F vogo x + 2y = 7 F y+z =4 Exemplo 1. 1)F @˜A xote que y não —p—re™e no sistem— e pode —ssumir qu—lquer v—lorF gomo x = 2D z = x − 1 = 1F essim y = tF vogo — ret— é (2. 1).27 Determine equações cartesianas para a reta: (1. tAX Solução: h— equ—ção p—r—métri™— do pl—no temos que x = 1 + t + sD y = 2D z = 2 − tF ƒu˜sE 1. 4). 2) + 3(1. y−z =1 (1. −1. COMBINAÇÕES LINEARES E ESPAÇOS GERADOS IQ Exemplo 1. −1. Solução: @—A pixe z = t e determine y = 1 + z = 1 + t e x = (2 + 2y − z )/2 = 1 + y − z/2 = 1 + 1 + t − t/2 = 2 + t/2F vogo é — ret— (2. 0. 0)F @™A y ponto s—tisf—z — primeir— equ—ção m—s não s—tisf—z — segund—F vogo não perten™e à ret—F @dA ƒ—tisf—z —s duas equ—çõesY logo perten™e à ret—F Observação 1. Se colocarmos z = t no exemplo anterior item (b) teremos um problema (tente fazer isso!).7. 2.1. −1) + (−5)(1. 2. s ∈ R}. 0)| t. Determine se cada dos pontos abaixo pertence à reta do item (a): (c) (1.14 No exemplo anterior item (a) podemos colocar y = s e resolver (tente!). 2) + t(1.26 (a) Determine equações paramétricas para as retas (b) 2x − 2y + z = 2 . t = 3F essim — interseção é no ponto (1. 2. 0) + t(1/2. 1 + t + s − 2(2 − t) = 1 3t + s = 4 D ou sej—D F 1+t+s+2+2−t=0 s = −5 essim s = −5. t. 2.10 da p. 1. 1) + t(0.3. 0.3 Combinações Lineares e Espaços Gerados qener—liz—mos pl—nos e ret—s p—r— Rn em equ—ções ™—rtesi—n—s e p—r—métri™—sF €—r— isto preE ™is—mos —ntes de(nir ™om˜in—ções line—resD esp—ços ger—dosD independên™i— line—r e dimensãoF . 1. 0. −2). 1. 0) = (−1. Veja caso similar na Observação Equação Paramétrica da reta → Cartesiana em R3 €—r— p—ss—r de equ—ção p—r—métri™— p—r— ™—rtesi—n— de ret— em R3 X hetermine o p—râmetro em função de um— d—s v—riáveis e su˜stitu— n—s outr—s equ—çõesF Exemplo 1. −1)F tituindo o˜temos o sistem— @em s.28 Determine a interseção da reta x − 2z = 1 x+y+z =0 com o plano {(1. −1) + s(1. 1) + t(2. (d) x−z =1 x=2 . 3. 1. 0. 1) = (2. 0. A resposta será um pouco diferente da obtida acima.

0) em R3 . −2. 0. 1) + w(1. 0) = a(1. z. 0)+ y (1. 0) + b(0. Qualquer outro vetor no plano será combinação destes dois. y. 1.29 Determinar a solução do sistema   x + y − 2z + w = 1 x − y + w = −2  z+w =1 equivale a um problema de combinações lineares. −3x) + (−2y. 4)F golo™—ndo x e y em evidên™i—D o˜temos que x(1. −3) + y (−2. 1) = (1. 1) e (−2. −2) são múltiplos um do outroD som—s de múltiplos deles result—rão em múltiplosF gomo (1. 1. −2.IR CAPÍTULO 1.1 Denições †—mos introduzir o ™on™eito de combinações lineares motiv—ndoEo —tr—vés d— ™onexão entre resolução de sistem—s line—res e vetoresF p—remos isto —tr—vés de exemplosF ‚emetemos o leitor p—r— o g—pítulo ƒistem— vine—r @pFPUA p—r— — teori— ™omplet—F x − 2y = 1 gonsidere o sistem— F y sistem— pode ser es™rito vetori—lmente ™omo −3x + 5y = 4 (x − 2y. −3)D v2 = (−2. . Solução: ‚esolver este sistem— equiv—le — s—˜er se existem x. . y ∈ R t—is que xv1 + y v2 = bF vogo resolver o sistem— —™im— equiv—le — pergunt—r se o vetor b pode ser es™rito ™omo — som— de múltiplos dos vetores v1 e v2 F hizemos que queremos determin—r se b pode ser es™rito ™omo um— combinação linear @vej— he(nição IFIIA de v1 e v2 F x − 2y = 1 y sistem— sem solução @porquecA pode ser interpret—do ™omo o pro˜lem— x − 2y = 4 de determin—r x. v p se existem Dizemos que tais que v é combinação linear p (CL) de α1 . y ∈ R t—is que x(1. . 0) e v = (0. −1. 1. (1. 0) é ™om˜in—ção line—r de u e vF y signi(™—do geométri™o é que w está no pl—no p—ss—ndo pel— origem determin—do por u e vF . 0)F yu sej—D por exemploD o vetor w = (3. . 1)F Exemplo 1. v2 . −2) = (1. Explique. 1) @porquecAD o pro˜lem— não tem soluçãoF …m vetor ser múltiplo de outro é gener—liz—do pel— de(nição —˜—ixoF Denição 1. w ∈ R t—is que x(1. αp ∈ R v = α 1 v 1 + α 2 v2 + · · · + α p vp = i=1 α i vi . 5) e b = (1. 0).11 (combinação linear) v1 . 0) + z (−2.3. 1. h— de(nição segue de form— imedi—t— que se v é múltiplo de v1 então v é ™om˜in—ção line—r @gvA de v1 F essim dois vetores num— mesm— ret— p—ss—ndo pel— origem serão múltiplos entre si e um será ™om˜in—ção line—r do outroF †imos que — ™om˜in—ção line—r de dois vetores não p—r—lelos ger— um pl—no @pigur— IFU d— pFIHAF essim w = su + tv signi(™— que w perten™e — este pl—no seD e somente seD w é ™om˜in—ção line—r de u e vF essim se o vetor b não perten™e — este pl—no ele não é ™om˜in—ção line—r de u e vF Exemplo 1. 0. 4)F essim (x. 1) + y (−2. −2. 1)D isto é queremos s—˜er se (1. 1) é combinação linear de (1. INTRODUÇÃO À ÁLGEBRA LINEAR 1. 5) = (1. 4)F he(nindo v1 = (1. . . −1. 1. b. 4) xÃy é múltiplo de (1. Solução: he f—to (a. 4)F gomo os vetores (1. . 1) e (1. 5y ) = (1. α2 . 0). 0. 0.30 z=0 Considere u = (1. 1. 4)D queremos determin—r x. . −3x + 5y ) = (1. (−2.

 β = 4 y sistem— possui solução úni™— ™om α = −3 e β = 4F €ort—ntoD u = −3v + 4wF Observação 1. . 0. . . v2 . . . . Os exemplos anteriores mos- tram que para determinar se um vetor é combinação linear de outros vetores (ou não) Denição 1. . 1)F gomo o sistem— é ™l—r—mente @™omo podemos ter 0 = 3cA sem soluçãoD ™on™luímos que u não é ™om˜in—ção line—r de v e wF @˜A €re™is—mos determin—r α. vp ou por span {v1 . 0) e w = (1. (3. 1). . i = 1. p v1 .15 (Combinações Lineares e Sistemas) precisamos resolver um sistema linear. v2 . . . 4) = α(1. v2 . (b) u = (1. . O espaço gerado pelo conjunto de vetores {v1 . 3) = 3(1. De fato. . 1)F €—r— isto pre™is—mos resolver o sistem—   α+β = 1 −α = 3 . 3. . β ∈ R t—is que (2. igualando componente a componente. denotado por v1 .3. . 2) para todo α. 1)+ β (2. . 2) pois (3. p . .1. Por outro lado alguns vetores não podem ser obtidos como combinação linear de certos vetores. 4) é combinação linear de v = (1. 1) − 2(−2. .12 (espaço gerado) Portanto. vp = span {v1 . . 1 Veja nota na p. . vp }. vp . −2) = 1(1.  β = 4 Solução: @—A €re™is—mos determin—r α. . 0) + β (1. 0. . vp } gera conjunto gerador de) W se W = v1 . 1. v2 . . 4) é combinação linear de v = (1. 0. 0) + β (1. v2 .72. Denição 1.32 (a) Determine se: u = (2. . 0. 0. . 4) = α(1. v2 . . Por exemplo o vetor (3. . 3. . vp } = i=1 ti vi ti ∈ R. 3.13 (conjunto gerador) O conjunto ordenado1 {v1 . €—r— isto pre™is—mos resolver o sistem—   α+β = 2 0 = 3 . é o conjunto de todas as ainda (em inglês e em diversos livros) combinações lineares de v 1 . 1) + 0(−2. . . obtemos o sistema α + 2β = 3 α + 2β = 4 que é claramente (como α + 2β pode ser 3 e 4 ao mesmo tempo?) sem solução. . β ∈ R. 1. −2). 0) e w = (1. 2. (é . .31 Por exemplo O mesmo vetor é combinação linear de uma innidade de vetores distintos. 1) e (2. vp }. . . 4) = α(1. v2 . . COMBINAÇÕES LINEARES E ESPAÇOS GERADOS IS Exemplo 1. 0. . 3. 4) não é combinação linear de (1. v p . v2 . Exemplo 1. 1). . β ∈ R t—is que (1.

−1. (−1. existe um vetor que é combinação t1 . uma reta. linear dos outros se. (−1. O espaço gerado por (1. b)F @—A É verd—de pois (0. 1. b) = a(1. 0). 0.33 2 2 são todos os elementos de R pois dado 2 (a. 1. .IT CAPÍTULO 1. 0. (−1. w = u.14 e Dados vetores v1 . 1).36 u. w w—s se b ∈ u. Neste caso dizemos que o vetor (−1. 1. . Prove que u. 1) {(1. v2 . 0) . −1. Exemplo 1. . . (0. 1) = (−1. 1. 1. 0) + b(0. 1).34 Exemplo 1. 1) = R . 1). . v. 1) = R3 . −1)} é igual ao gerado por {(1. tp ∈ R com pelo menos um deles não-nulo ti vi = 0. a reta passando pela origem com direção (1. e o espaço gerado por 2 vetores ser uma reta ou por 3 vetores ser um plano: 2 vetores 3 vetores Lema 1. 2 e 3 vetores. (0. O espaço gerado por Exemplo 1.37 Vamos ilustrar três casos típicos de conjuntos gerados por 1. b) = a(0. de um dos vetores ser redundante (desnecessá- rio). (b) (0. 1). INTRODUÇÃO À ÁLGEBRA LINEAR Exemplo 1. respectivamente. b) ∈ R . w @porquecAF Exemplo 1. em R3 : Solução: …m ponto qu—lquer deste pl—no é d— form— (0. 1). 1)}. 1). existem p com p > 1. i=1 . (0. 1)F Considere os vetores . e somente se. −1. a. que geram. 0)+ b(0.35 (a) Mostre que são iguais ao plano . (0. 1. a. v e w.38 Pode ocorrer. v p . 1). w então b ∈ u. 1. 0. um plano e um espaço tridimensional: 1 vetor 2 vetores 3 vetores Exemplo 1. 1) + (b − a)(0. 0). (0. 1. b) = a(0. Utilizando a notação temos que (1. 1. 0) x=0 (0. −1) é redundante (não acrescenta nada) ao conjunto gerador {(1. Suponha que v = 2w − 3u. 1. w F †—mos motiv—r o ™on™eito de @inAdependên™i— line—r ™om P exemplos geométri™osF Solução: É ™l—ro que se b ∈ u. −1. . −1)}. 1. no entanto. (a. 0) e (0. 1. 0. . −1) . 0). w D b = au+bv+cwF gomo v = 2w−3uD b = au+b(2w−3u)+cw = (a − 3)u + (2b + c)wD ou sej—D b ∈ u. 0. 1)F @˜A É verd—de pois (0. a. v. −1) = (1. v. . −1. Escrevemos que (1. De forma análoga (1.

1)} é LD. (i) {u. 1)F €ort—ntoD (1. 1. 1). vp é redund—nte @pode ser elimin—do d— list—AF Prova: †—mos prov—r p—r— p = 3 p—r— f—™ilit—r not—çãoF ƒeD dig—mosD v2 = av1 + bv3 D Denição 1. (1. (1.40 Mostre que o conjunto {(1. w. v. (1. z. v} Solução: @—A €—r— ser vh devemos ter tu = 0 ™om t = 0F ssto é possível seD e somente seD u = 0F essim ˜—st— que u = 0F @˜A €—r— ser vh devemos ter su + tv = 0 ™om t ou s diferentes de zeroF ƒupondo t = 0 @™—so ™ontrário o r—™io™ínio é —nálogoAD v = −(s/t)uD ou sej—D v é múltiplo de uF essim ˜—st— que não sej—m múltiplos entre si p—r— que o ™onjunto sej— vsF ƒe um vetor v ∈ β é ™om˜in—ção line—r dos dem—is vetores de β D então o esp—ço ger—do por β e por β − {v} @™onjunto β sem o vetor vA é o mesmoF yu sej—D o vetor v é redundante em β pois não —™res™ent— n—d— —o esp—ço ger—do por β F €elo vem— IFIR d— pFIT o ™onjunto β é LDF Exemplo 1. . w}. 1. . . 1). 1). vp com p>1 será LD se. i=1 Pelo Lema 1.1. 1). e só se.41 (a) (f ) Considere a caixa retangular e os vetores (b) (g) u. x}. (d) {v. . se linearmente independente (abreviamos por t1 = t2 = · · · = tp = 0.39 Determine condições para que seja LI: (a) o conjunto unitário {u}. −2. z}. −2. −2.14. 1) = 3(1. . 1). t2 . −2. Mais explicitamente. 1) = (1. 0. z}. um dos vetores é combinação linear dos demais. 0. 0. 1. . (1. (1. (1. 1) F Solução: y ™onjunto é line—rmente dependente pois (1. 1)F essim Exemplo 1. . . w. −2. 1) = (1. z}. 1) F xeste mesmo ™onjuntoD o vetor (1.8. y}. . y. (1. Determine se são LIs ou LDs os conjuntos: {u. tp ∈ R com p ti vi = 0. 1. {w. t3 ∈ R ™omD dig—mosD t3 = 0D 0 = t1 v2 + t2 v2 + t3 v3 e port—nto v3 = −t1 /t3 v2 − t2 /t3 v3 F iste lem— mostr— que 0 pode ser expresso ™omo gv nãoEtrivi—l dos vi 9sF seD e somente seD um dos vetores é ™om˜in—ção line—r dos outrosD isto éD se e somente se um dos vetores v1 . 1) é redund—nte pois (1. 1). 1. w} é vhF Exemplo 1. (e) {u. v 2 . v.15 (linearmente dependente/independente) são ditos linearmente dependentes (abreviamos por LD) se pelo menos um deles não-nulo e Os vetores existem v1 . y. representados na Figura 1. 0. Caso contrário. (h) {u. . (1. . x.3. 1) − 2(1. (c) {v. 0. w . . . 1). y}. v. {v. (b) o conjunto {u. v. COMBINAÇÕES LINEARES E ESPAÇOS GERADOS IU então 0 = av1 − 1v2 + bv3 F ƒe existem t1 . . −2. . 1. v. 1. 0. v 1 . 1) é redund—nteF hest— form— (1. ti vi = 0 i=1 então essim @exemplo —nteriorA seD por exemploD v = 2w − 3uD então ™omo 0 = −3u − v + 2w o ™onjunto {u. (1. z}. −2. . v2 . 1) = −1/2(1. . y}. 0. x. dizemos que o conjunto é p LI). 1) + 3/2(1. v2 . v p t1 . {v . 1).

v2 . w. vp = u1 . 2) .16 (dimensão) Dizemos que o espaço dimensão p se o conjunto {v1 . 1. 0. . 0. w será igual a u. 1)+(0. . . (1.16 número. Agora. (0. Ou seja.83. (0. −1) Exemplo 1. 1). 2) = (1/2. x. b. conforme análise anterior. c) = (0. 1) . ele será redundante. (0. @ou (−1. y} pois x + v = 2yD @gA {v. 0) . 0) + c(0. 0. z} pois w + 2z = vD @hA {u. . de fato. v . . digamos que w = αu + β v. 0. . . (0. v2 . . 0). 1)F e dimensão é 3F @™A gomoD (1. {u1 . . 1. desta forma u. 1. c) ∈ R3 D (a. v. −4. (−1. v. . . 0)D (1. 2) . (−1. 0. w}D @˜A {w.23 da p. vp } é LI. . b. u2 . 2. . . 1) = (1. . (0. v2 . o espaço gerado será reduzido a um subespaço de dimensão plano. (1. um único LIs. y} pois u = −2yD @fA {v. 1). (1. 1. z}D @dA {v. INTRODUÇÃO À ÁLGEBRA LINEAR z u y x v w pigur— IFVX †etores em um gu˜o Solução: ƒão vss os ™onjuntos @—A {u. 1. y} pois u = −2yD @iA {u. . 1. . 0) + b(0. 0. z}F ƒão vhs os ™onjuntos @eA {u. 1. 2. y. uq com temos que p = q ? Veja prova que sim no Corolá- €—r— se determin—r — dimensão do esp—ço ger—do deveEse elimin—r os vetores dependentes @redund—ntesA do ™onjunto de vetoresF Exemplo 1. 0). eles gerarão um 3 que será necessariamente igual a todo o R3 . 1. 0. (0. a. uq } H = v1 . será que sempre que e gerado H = v1 . . b.43 Considere três vetores u. x} pois v + u + x = 0F Denição 1. 0). c) = a(1. @˜A y esp—ço ger—do é igu—l — todo o R3 pois d—do (a. 0) = (1. u2 . 0). z}D @™A {v. 0.IV CAPÍTULO 1. 0. 1.42 (a) (c) Determine a dimensão de: (b) (d) (1/2. 1). −1). −1). . 1. Se um for combinação linear (LDs) dos outros. . 2)D que é — mesm— ret—AF xeste ™—so o esp—ço ger—do possui dimensão 1F €ort—ntoD (1/2. v. 0) F essim — dimensão é 2F @dA €odeEse veri(™—r que o ™onjunto é vs pois f—zendo um— ™om˜in—ção line—r deles o˜temos (0. 2. 0. (1. v p possui Uma questão sem resposta aqui é se isto dene. −4. 2. w. w no R3 . −4. 0. reta ou ponto. v. −4. 0. 1) . 0. 1). 1. 1). 0)F e úni™— form— disto o™orrer é se a = b = c = 0F vogo — dimensão é 3D igu—l — um su˜esp—ço de dimensão 3 do R4 perpendi™ul—r —o eixo xF Solução: @—A y esp—ço ger—do é — ret— p—ss—ndo pel— origem p—r—lel— —o vetor (1/2. v p } rio 3. v2 . . { v1 . . Observação 1. −1) = (−1. v. . (0. 0. Se eles forem LIs. . (0. .

2. são localizados por dois parâmetros. −1. 2) pertence à reta (1. 1. 1)F @˜A g—l™ul—ndo u = (3. 2. −2. −1. 1. −2. 3. 2. 2. y. 1.   x−w =2 4 y−z =3 (c) (x. 1. −1. −2. 1)F Exemplo 1. v é um pl—noD —m˜os p—ss—ndo por wF †imos isto em R2 e R3 n— ƒeção IFP d— pFSF †—mos gener—liz—r —gor—F 1. 0)+ (2. 1 2 . 4) + t(2. 2. 3.3. 1. 4.45 (a) Determine se o ponto (b) Determine se (1. 1). −2.44 Determine equações paramétricas para a reta (em vetor (2. −1. Isto também é verdade para curvas. 0. 3. 1. 4. 0) + t(2. 2)D p—r—lelo à ret—F essim — ret— é (1.3. 2. 2) e (3. necessários será chamado de O número de parâmetros dimensão. Solução: @—A e ret— é (2. 1. 1) + (2. −2)F …tiliz—mos w = (1. 2. 1. 1) (1. 2. Já pontos num plano.1. −2. 2. 4. 0) + t(1. Na superfície da terra por latitude e longitude por exemplo. 0. 3. 2) + t(−2. v é um pl—no p—ss—ndo pel— origemF y espaço gerado transladado éD geometri™—menteD ret—D pl—no e gener—liz—ções p—ss—ndo pelo ponto de tr—nsl—çãoF essim d—do um vetor w qu—lquerD w + u é um— ret— e w + u. 4)F essimD f—zendo tod—s —s ™om˜in—çõesD represent—m —ind— — mesm— ret—D (3. 2) = (2. 2. 2) + t(2.17 (localizando pontos) Pontos numa reta xa em R2 ou R3 podem ser localizados por um único parâmetro. 2. 2) = (1. 2) m—s poderí—mos ter tom—do (3. 2) − (3. −6. 2. w ) ∈ R tais que  z − 2w = 1 (a) que contém o ponto R4 ): (−1. −2) e (3. 3. 1. y espaço gerado éD geometri™—menteD ret—D pl—no e gener—liz—ções p—ss—ndo pel— origemF w—is pre™is—menteD se u = 0 e v não é múltiplo de uD u é um— ret— p—ss—ndo pel— origem e u. 4. 5) e é paralela ao (b) que contém os pontos (1. 1)F     1 + 2t t −1 + 2 t    t = = = = 1 1 . 4) − (1. 1. w) = (2. Assim localizamos 3 um ponto em uma certa estrada (que é uma curva em R ) pelo seu quilômetro. 3.2 Espaço Gerado por 1 Vetor e Retas em Rn †imos @n— pFUA que d—do u = 0 e um vetor w qu—lquer — equ—ção w + tu é um— ret—F …tiliz—ndo — not—ção de esp—ço ger—doD — equação paramétrica da reta em Rn é d—d— por r = w + u D onde u é um— direção p—r—lel— à ret— e w o vetor tr—nsl—çãoF †imos @n— pFIPA que em R3 pre™is—mos de um sistem— ™om pelo menos P equ—ções ™—rtesi—n—s p—r— determin—r um— ret—F y ™—so ger—l de equ—ções ™—rtesi—n—s de ret— em Rn será visto no g—pítulo ƒistem— vine—r @pFPUAD onde se entenderá porque ret—s em R4 D por exemploD são determin—d—s por um sistem— ™om pelo menos Q equ—çõesF Exemplo 1. 1. 4) + t(−2. −2) . 2. 3. 5) + t(−1. 4. 2. 4. 3. 4. 4). 1. Assim dizemos que uma reta ou curva possui dimensão 1 e um plano ou superfície dimensão 2. 3. 2. 5. −1) + (−1. 4) = (0. 1. 1. ssto determin— o sistem— Solução: @—A ueremos s—˜er se existe t ∈ R t—l que (1. 2)F @™A „om—ndo w = tD o˜temos que z = 2t + 1D y = z + 3 = t + 4D x = w + 2 = t + 2F essim — ret— (x. 1. 4. z. 2)F xote que poderí—mos ter ™—l™ul—do u = (1. y. 2. −2. COMBINAÇÕES LINEARES E ESPAÇOS GERADOS IW Observação 1. −2) e o˜terí—mos — mesma retaD em˜or— ™om represent—ção distint—D (1. . 4) = (−2. 1. 4. ou de forma mais geral numa superfície. z.

2 equações em R . −1.46 Determine equações cartesianas para a reta (em R4 ) (1. t ∈ R} podemos substituir u por um múltiplo não-nulo qualquer v = 3u ou v = −6u e obter a mesma reta r = {w + sv. t ∈ R} (podemos substituir w ∈ r por outro vetor qualquer que pertença à reta. 3. 3. 1)+ s(2. R . dado z ∈ r qualquer. 1).  −2t = 2 + 4s h— primeir— equ—ção o˜temos que t = −1 − 2sF †eri(que que isto s—tisf—z —s outr—s du—s equ—çõesF €ort—nto é — mesm— ret—F …m— solução m—is geométri™— é o˜serv—r que —m˜—s são tr—nsl—ção d— ret— (−1. 1) ∈ (0. Por outro lado. r = {z + tu. 1. v F †imos @n— pFWA que um— equ—ção ™—rtesi—n— determin— um pl—no em R3 F †—mos ver —tr—vés de exemplos que em R4 pre™is—mos de um sistem— ™om pelo menos P equ—ções ™—rtesi—n—s p—r— determin—r um pl—noF y ™—so ger—l de pl—nos em Rn será visto no g—pítulo ƒistem— vine—r @pFPUA onde se entenderá porque pl—nos em R5 D por exemploD são determin—d—s por um sistem— ™om pelo menos Q equ—çõesF Exemplo 1. como z − w é paralelo ao vetor u (faça um desenho). 1.47 Determine pontos do plano cuja equação paramétrica é (1. −2) @veri(que isso3AF Exemplo 1. 3). 4) = −2(−1. 4) = (0. R . cartesiana para caracterizar Observação 1. etc. −2)F ssto determin— o sistem— line—r  1 + 2s  −t = 3t = −3 − 6s . −1)+ t(−1. −1) + (−1. 1. Solução: gomo x = 1 + 2tD y = −tD z = t e w = 3tD temos @(xe t = z AX   x − 2z = 1 y+z =0 .18 da forma uma reta A caracterização de reta através de equações paramétricas independe 2 3 4 da dimensão do espaço ambiente. 1. 3 equações em R . −2)F elém disso o ponto (1. Dada reta r = {w + tu.19 A forma paramétrica não é única.  −3z + w = 0 Observação 1. 3. 5. 5. 2. 0) + t(−1. −1. 2.3 Espaço Gerado por 2 Vetores e Planos no Rn †imos @n— pFIHA que d—dos dois vetores u e v não nulos e não p—r—lelos @he(nição IFS d— pFQAD e um vetor tr—nsl—ção w qu—lquer — equ—ção w + tu + sv é um pl—noF …tiliz—ndo — not—ção de esp—ço ger—doD — equação paramétrica do plano em Rn é d—d— por Π = w + u. 1. 1) + s(1. 0.3. Por contraste. 0)+t(2. s ∈ R}. Desta forma uma reta em R . INTRODUÇÃO À ÁLGEBRA LINEAR gomo ele não possui solução @t = 1 e t = 2cAD o ponto não perten™e à ret—F @˜A ueremos s—˜er se p—r— um s d—doD existe t t—l que (1. 2. −6. é sempre w + tv. −2) pois (2. 2.PH CAPÍTULO 1. 3. etc. −6. 1. precisamos de uma equação 2 3 4 em R . .

0. 1. 4. 1. 1. 7) + s(0. Verique se (1. 3) − w = (1. . up ger— um su˜esp—ço p—ss—ndo pel— origemF edi™ion—ndo um vetor tr—nsl—ção w — este su˜esp—ço o˜temos — equ—ção w + t1 u1 + t2 u2 + · · · + tp vp D onde ti ∈ RD ™om i = 1. −3. 3. 1. 2. 5) e é paralelo ao vetor (2. . 3. 1). . 2) + s(1. 2. 2)D u = (3. 0. 1.48 u. Determine equações paramétricas para o plano (em R4 ): (2. . pD são p v—riáveis independentesF …tiliz—ndo — not—ção de esp—ço ger—doD — equação paramétrica é d—d— por w + u1 . 0. 1. 2. u2 . 4. 5) + é um plano em Solução: ys vetores u e v não são múltiplos entre siF €odemos veri(™—r isto ™omp—r—ndo —s primeir—s entr—d—sX um— teri— que ser o do˜ro do outroF w—s —s outr—s entr—d—s não são o do˜ro entre siF vogo é um pl—noF Exemplo 1. 3. v} é vs seD e somente seD u e v são não nulos e não p—r—lelosF essim o esp—ço ger—do por p vetores vss u1 . v = (2. 0)F Considere R5 . 2. 0. −3. 3. 1. (3. (0. −1) e (2. . 4.3. 2. 0). 3. 1. −1)D u = (2. 3. 1. 1)F golo™—ndo t = 1D s = −1 o˜temos (1. 1. 0) − w = (2. −1. COMBINAÇÕES LINEARES E ESPAÇOS GERADOS PI Solução: golo™—mos t = s = 0 p—r— o˜ter o ponto (1. 0) + t(0. 2. 1) = (2. 1. 1. −1. 1. 1)F golo™—ndo t = 1D s = 0 o˜temos (1. . 3. 1) = (0. . 1. 2. 4. 1) − (1. up é um— ret— se p = 1 e um pl—no se p = 2F †—mos gener—liz—r p—r— p ≥ 3F e ™om˜in—ção line—r de p vetores vss u1 . . 3.49 Determine se o ponto . 3. 3. 3. 1) pertence ao plano (2. 2. u2 . 4) e é simultaneamente paralelo aos vetores (b) que contém os pontos (c) que contém os pontos (2. 1. 1. −1. 0). 1. −2. 1. 2. 2. 0) + (1. 2. 0. −2. (1. 1) e v = (4. v u = (1. 0) + (−1. 2. −2)F vogo o pl—no é w + tu + svF @™A „om—ndo w = (1. . 7) e (a) que contém o ponto (1. 4. 2). 5) − w = (1. 1). 5. 1 3 e solução é s = −1 e t = 1F €ort—nto o ponto perten™e —o pl—noF Exemplo 1. up F . 0. 1) = (−1. 5. 0. t ∈ R t—l que (1. . 2. u2 . 4. 1. 0) + (−1. 1. 1. (1. . 2. . 0. 1. 1) .1. . Exemplo 1. 4.50 (0. 0)F golo™—ndo t = 0D s = 1 o˜temos (1. 6) e v = (2. 3. 3. 1) Solução: ueremos s—˜er se existem s. 3) e (4. 2. 2.4 Espaço Gerado por 3 ou Mais Vetores tá vimos que @ixemplo IFQW d— pFIUAX • {u} é vs seD e somente seD u = 0F • {u. 1)F 1. . 1. −1. 1. 3. .3. 2) + (1. . @˜A „om—ndo w = (2. 2. −5)F vogo o pl—no é w + tu + svF Solução: @—A y pl—no é (1. 3) = (2. 1)F ssto determin— o sistem—  2+s    2+t 2 +s    2+t = = = = 1 3 . −5). 4) + t(2. 3. 0. 2. 2. 4. 2. 0. 1. 2.

. 1. 1. q ) ∈ x−y+z−w =1 y−q =0 . 0. 3) = 3(1. 1. 2. (3. (2. 2). s. . 1. 2. 3. 1.2012 11h . y. u2 . −1. z. 5. o conjunto: . 2. 1. 0) + s(0. 3. w = s. w. t ∈ RF essim tom—ndo z = r. 2). 0. 2. 3. 3. 0. q = tD x = 2+ q = 2+ tD y = x + z − w − 1 = 2+ t + r − s − 1 = t + r − s + 1F vogo — solução é (2. 2. (3. up depende não do v—lor de pD m—s de qu—ntos vetores são vssF essim seX • p = 0D S é um pontoY • p = 1D S é um— ret— ou pontoY • p = 2D S é um pl—noD um— ret— ou um pontoY • p = 3D S é — tr—nsl—ção de um su˜esp—ço de dimensão 3D um pl—noD um— ret— ou um pontoY • p = k D S é — tr—nsl—ção de um su˜esp—ço de Solução: É um— ret— em R4 em˜or— sej— ger—do por 3 vetoresF ssto porque (2. 1. . Solução: ƒão S v—riáveis e P equ—çõesX podemos introduzir 5 − 2 = 3 p—râmetros r.1: hetermine se é pontoD ret— ou pl—no o ™onjunto represent—do pel—@sA equ—ção@õesAX @—A x = 4 em R2 Y @˜A x = −1 em RY @™A y = 3 em R3 Y @dA x + y = 2 em R2 Y @eA x − y = −1 em R3 Y 1 Versão 23.ago. 7) + (1.52 (2. 2. 1). 3. INTRODUÇÃO À ÁLGEBRA LINEAR Exemplo 1.51 R5 do sistema: Determine equações paramétricas para o conjunto solução (x. 1. 3) = (1. 1.1 Exercícios de Fixação Fix 1. 1. 1.4. plano etc.4 Exercícios de Introdução à Álgebra Linear 1. 0) + r(0. . 1) F €ort—nto — ™—r—™teriz—ção geométri™— de S = w + u1 . 0. 1. 1)F hest— form—D (1. 1)D (3. 2) = no máximo dimensão kF É intuitiv—mente ó˜vio que em R2 qu—lquer ™onjunto de 3 vetores será vh pois ™—so ™ontrário ger—ri— um su˜esp—ço de dimensão 3F ho mesmo modo em R3 D qu—lquer ™onjunto ™om 4 ou m—is vetores é vh pois ™—so ™ontrário ger—ri— um su˜esp—ço de dimensão m—ior que 4F €or outro l—doD p—r— que um ™onjunto de vetores gere todo o R2 deve ter pelo menos 2 vetoresD ™—so ™ontrário ger—rá somente um— ret— ou pontoF €—r— que gere todo o R3 deve ter pelo menos 3 vetoresD ™—so ™ontrário ger—rá somente pl—noD ret— ou pontoF gon™luímos que em Rn X • um ™onjunto ™om m—is de n vetores é vhY • um ™onjunto ™om menos de n vetores não ger— Rn Y • um ™onjunto de n vetores ger— Rn seD e só seD é vsF 1. 1. 3. 1. 1). 0) + t(0. 3) 2(1. (2. 1)F Identique se é reta.PP CAPÍTULO 1. Exemplo 1. 0. 0. 3. 1.

0. 2. 0. −1) e é p—r—lel— —o vetor (0.5: —s ret—s @em R3 AX  hetermine equ—ções  ™—rtesi—n—s p—r—    x = 2t − 1  x=2  x = 5t − 1  x=t y = −t y = −3 Y @™A y = 6t + 2 Y @dA y=t F @—A Y @˜A     z = 3t + 2 z=t z = −t − 1 z=0 @˜A y − z = 0F Prob 1. 6)F Fix 1.4. sentido opostoAF @mesmo. sentido opostoAF t—m—nho e ™om @mesmo.6: hetermine equ—ções p—r—métri™—s p—r— os pl—nos @em R3 AX @—A x + y − z = 2Y . 0)Y @dA (0.2 Problemas Prob 1. 0. 2. sentido opostoAF t—m—nho e ™om @™A f—zendo produto por k = −1 o˜temos vetor ™om @mesmo. 2)Y @˜A (1. maior. 0) + (1. 0).1: hetermine equ—ções p—r—métri™—s p—r— —s ret—s @em R2 AX @—A y − 2x = 5Y @—A @˜A y = −1F Prob 1. menorA @mesmo sentido. 4.6: hetermine se é pontoD ret— ou pl—noX @—A (1. 0. 1. 0). 1.2: u—ndo represent—mos vetores ™omo setinh—sX @coincidentes. EXERCÍCIOS DE INTRODUÇÃO À ÁLGEBRA LINEAR PQ x=5 x = −5 x − y = −5 em R2 Y @gA em R3 Y @hA em R3 Y y = −2 y=2 y=2 Fix 1. 0)Y @˜A (1. 0. 2)X @—A (0. 0)Y @™A (1. @eA f—zendo produto por k D ™om −1 < k < 0D o˜temos vetor ™om maior. 2. 1. 1)Y @™A que perten™e —o pl—no x − y = z − 1 e —o pl—no 3x − y + 1 = z F Prob 1. paralelosAY @—A dois vetores igu—is são ne™ess—ri—mente @˜A f—zendo produto por k > 1 o˜temos vetor ™om @mesmo. 0. maior. 0. sentido opostoAF Fix 1.1. 0) + (2. (2. 0. 1)Y Fix 1. 0. 0. 1)Y @˜A que ™ontém o ponto (−1. maior. 1.3: e — interseção d— ret— 3y − 2x = 5 ™om o @—A eixo x é Y @˜A eixo y é Y Fix 1.3: hetermine equ—ções p—r—métri™—s p—r— —s ret—s @em R3 AX @—A Prob 1.7: ƒe u é ™om˜in—ção line—r de v e wD então ne™ess—ri—mente u perten™eX @—A à ret— ger—d— por wc @˜A —o pl—no ger—do por v e wc Fix 1. 1) + (0. menorA t—m—nho e ™om @mesmo sentido. −1) e (1. 2. menorA @dA f—zendo produto por k < −1 o˜temos vetor ™om t—m—nho e ™om @mesmo sentido.4: e equ—ção p—r—métri™— d— ret— Y @˜A y = −1 é F @—A x = 3 é Fix 1. menorA @mesmo sentido.8: ƒej— S um ™onjunto ™om 5 vetores em Rn F hetermine se é verd—deiro ou f—lsoX @—A se n = 3D então S é sempre vhY @˜A se n = 4D então S sempre ger— R4 F @fA 1. 2.2: hetermine equ—ções ™—rtesi—n—s p—r— —s ret—s @em R2 AX x = 2t − 1 Y @˜A y = −t z−x=1 Y @˜A x+y+z =0 x = 5t − 1 Y @™A y = 2t x+y =1 Y @™A x−y =1 x=t Y @dA y = −3 x=y F z=0 x=0 F y=t Prob 1. 0. 1.5: hetermine se é ™om˜in—ção line—r de (2. 0)Y @™A (4. 0) e (0. 0) + (0.4. −3. (0.4: hetermine equ—ções p—r—métri™—s p—r— — ret— @em R3 AX @—A que ™ontém os pontos (2. 1.

z ) ∈ R3 | x + z = 0}F hetermine —s interseções entreX @—A r e Π1 Y @˜A r e Π2 Y @™A Π1 e Π2 F Prob 1. 2) + s(1. 3) + (−1. −1. 0. 3. 1) F Prob 1. 1) Y @™A (−1. 4)) Y @™A (1. −1) F @™A (1. 0) + t(−1. w. 2. 0.8: gonsidere — ret— r = (1. (1. 0. y. 1. (−1. 1. 0. (1. (1. 3. 4. 1) Y @dA R3 = (0. −2. 2.7: p—r— os pl—nos @em R3 AX  hetermine equ—ções ™—rtesi—n—s   1. 0. (0. 1. 1. @eA se r = (1. 1)+ (1. 2.1: ƒej— S um ™onjunto ™om 5 vetores em Rn F hetermine se é verd—deiro ou f—lsoX @—A se n = 7D então S é sempre vsY @˜A se n = 3D então S pode ger—r o R3 Y Ext 1. 4. 1) e (0. 0. 0) + (0. 0. 0. 5)}Y @˜A {(−1. 2. 3u ™om u = 0F . (0. −1). 0). 0). 1). 2) e (−1. 0. 2. 2. (2. 1. 4. −1. 2. (2. 3). 2.11: gonsidere o pl—no Π = (1. 4. (3. 1. (1. 0) D o pl—no Π2 = {(x.2: hetermine equ—ções p—r—métri™—s p—r— os ™onjuntosX 2x − 3y + 5z = 1 @—A x = 3 em R2 Y @˜A em R3 Y x+y =1 @™A x − 2y = 1 em R3 Y @dA 3x − 2z − 5 = 0 em R3 Y Ext 1. 4. 1/2. 3. 1. 0. 2. 5) ∈ (1. 0). 3. 0) + t(0. 4) + s(0. 1) + (0. 1. 1. 2. (0. 0) ∈ (2. −1. 3. 2. 0. 1. 2) ∈ rY @dA se r = (1. 1) e é p—r—lelo —o vetor (1 . 3)) Y @dA (2. 2. (3. 3.12: hetermine um— equ—ção p—r—métri™— p—r—X @—A {(x.14: hetermine seX @—A (1.9: hetermine equ—ções p—r—métri™—s p—r— o pl—no @em R3 A que ™ontém o@sA ponto@sAX @—A (1. −4. 4. 1. 0. 4. 2. 1) Y @eA (2. 2. 2. 2. −1) e é simult—ne—mente p—r—lelo —os vetores (2. 0). 0. 1. 4) Y @˜A (−1. 1) + (1. −1. 2. Prob 1. 2.4. 0) + (1. 2). 0. 1. −4. (1. 4) ∈ ΠY @™A se (1. 2) + s(0. 0. 0. 0). 1)) Y @˜A (1. y.3 Extras Ext 1. 0)) Y @fA v + u. 3. 2) ∈ (2. 0. 3. 1/2. 3. 1) em R4 F heterE mineX @—A qu—tro pontos distintos de ΠY @˜A se (2. 0.10: gonsidere — ret— r = (1. 3). z. 0. 4. 2. 0. (3. 1) + (1. 1). 1. 1). 1. 1)}F Prob 1. (3. 3) ∈ ΠY @dA se Π = (1.3: hetermine se é pontoD ret— ou pl—noX @—A (1. 2. −4) ∈ rY @™A se (1. 1). 1. (1. y. 1). 1. 0)+ (2. 1. 0. 2. 0)F @˜A (3. 2. −3). 4). 1) D o pl—no Π1 = (2. 3)}Y @dA {(1. −1)F hetermineX @—A três pontos distintos de rY @˜A se (1. −3. 0. 1. 2). 0. 9}Y @™A {(1. z. 2. 4. 1. −1. 0) Y @eA (0. 1. 1. 1. 0) e — ret— de equ—ção p—r—métri™—  z =t−1 Prob 1. 3. 2) = (2. 0. 1. 1) e (−1. −1)F  x=t+1 y =1−t F @dA (−3. 0. 2) F Prob 1. 0. 1.PR CAPÍTULO 1.13: hetermine por inspeção se é vsX @—A {(1. 3. 5. INTRODUÇÃO À ÁLGEBRA LINEAR   x=s+t  x=t  x = 2s + 2  x=t y =s−t y = 1 Y @™A y =t−s y=t F @—A Y @˜A Y @dA     z = 4s − 2t − 2 z=s z = 4s − 2t + 1 z=s Prob 1. 1)D (0. 2. 1. u) ∈ R5 | z − 3u = 5}F Prob 1. 1. 0. 5). 2). w) ∈ R4 | x − y + 3z − 2w = 4}Y @˜A {(x. −u. 1. 2). 1. −6. (5. (0. 1.

1.1: …m truque de mági™— ˜em ™onhe™ido é — fug— de um— ™—ix— ™omplet—mente fe™h—d—F . 0) ∈ C e termine for— de C F Des 1. z. 0. EXERCÍCIOS DE INTRODUÇÃO À ÁLGEBRA LINEAR PS 1. y.4. 0. 0) ∈ R4 . |z | ≤ 1}F @—A p—ç— de(nição —nálog— em R3 do qu—dr—do e es˜o™e o ™onjuntoF @˜A hes™rev— — p—r—metriz—ção de um— ™urv— que ™ome™e em (0.4. |x| ≤ 1.4 Desaos †—mos ver ™omo isto é possível em R4 F xo pl—no é impossível fugir de dentro de um qu—dr—do sem —tr—vess—r um— d—s —rest—sF xo ent—ntoD em R3 D podemos fugir do qu—dr—do su˜indo @n— direção perpendi™ul—r —o qu—dr—doAY —nd—ndo p—r—lel—mente —o qu—dr—do p—r— for— deleY e des™endo@n— direção perpendi™ul—r —o qu—dr—doA retorn—ndo —o pl—no que ™ontém o qu—dr—do m—s no l—do de for— deleF hest— form— s—ímos de dentro do qu—dr—do sem —tr—vess—r nenhum— d—s —rest—sF …tiliz—ndo est— idei—D ™onsidere o ™u˜o C ⊂ R4 de(nido por C = {(x. |y | ≤ 1.

PT CAPÍTULO 1. INTRODUÇÃO À ÁLGEBRA LINEAR .

quantas são do material X? x + y = 100 . 20 g cada. c d de forma a balancear a equação da reação: a C3 H8 + b O2 −→ c CO2 + d H2 O.1 Aplicações de Sistemas Lineares ƒistem—s line—res —p—re™em em divers—s —pli™—ções n— písi™—D uími™—D ingenh—ri— e em proE ˜lem—s d— própri— w—temáti™—F †—mos —present—r diversos exemplos que servem de motiv—ção p—r— este estudoF y ixemplo ?? não sugere ne™essid—de de muit—s @milh—res deA v—riáveis e foi in™luído somente p—r— ™ontr—st—r ™om os outrosF Exemplo 2. 1 Versão 22. Encontre a. exceto pelo peso.agosto.Cap´ ıtulo 2 Sistema Linear xeste ™—pítulo —present—mosX @—A —pli™—ções de sistem—s line—resY @˜A o ™onjunto d—s m—trizes e su— rel—ção ™om vetoresY @™A oper—ções element—res em m—trizes e sistem—s equiv—lentesY @dA —lgoritmo d— elimin—ção de q—uss de es™—lon—mento de m—trizesY @eA ™omo determin—r se um sistem— possui solução úni™—D in(nit—s soluções ou nenhum— soluçãoF g—so possu— soluçãoD qu—l é — solução @se úni™—A ou — p—r—metriz—ção do ™onjuntoEsolução @se in(nit—sAF @fA interpret—ções do produto m—trizEvetor impli™—ndo em diferentes interpret—ções de soE luções de um sistem— line—rF im p—rti™ul—r interpret—ção geométri™— d— solução de sistem—s em qu—lquer dimensãoF 2.2 e A combustão do propano produz dióxido de carbono e água. Se um conjunto de 100 moedas pesa 1.25 Kg.2012 07h PU . b . 10x + 20y = 1250 Exemplo 2. As de material X pesam 10 g cada e as de material Y.1 Há dois tipos de moeda indistinguíveis.

. .5 poderíamos utilizar. uma malha 100 × 100 10 mil variáveis). 3). . +ck1 .  0a +2b −2c −1d = 0 Exemplo 2.5 Queremos determinar a distribuição de temperatura no interior da placa re- presentada na Figura 2. .3 pontos estes pontos? Existe uma única parábola e γ da forma y = ax2 + bx + c passando pelos (0. 3) ∈ γ (2.1 Porque Resolver Sistema com muitas equações/variáveis? N (o número de pontos) tão grande quanto se queira.4 podemos ter (em torno de Observação 2. . Observe o exemplo anterior para obter:  3   ak1 . c. +d = cos(k1 ) .PV Balanço de C: CAPÍTULO 2. naturalmente. Neste caso. 4 9 4 equações e 3 variáveis (a. No Exemplo 2. ao invés de uma malha 4 × 5. c):  0a    1a 4a    9a +0b +1b +2b +3b com Exemplo 2. 4) ∈ γ (3. (a. . 55 20 35 Procedendo  4a − b − d     4b − a − c − e    4c − b − f 4d − e − a     4e − b − d − f    4f − c − e No Exemplo 2. Deste modo.   ak 3 +bk 2 +ck N +d = cos(kN ) N N Exemplo 2. . . a resolução de sistemas com muitas equações e muitas . .4 Determine a função cúbica da forma aproxima a função cos(x) nos pontos ki f (x) = ax3 + bx2 + cx + d que melhor i = 1. e. Para isto vamos utilizar um princípio físico que garante (de forma aproximada) que a temperatura em um vértice é igual a média das temperaturas dos quatro vértices mais próximos. balanço de H: 8a = 2d. 9)? Caso não exista. 100 × 100 × 100. São 3 equações e 4 variáveis:   3a +0b −1c +0d = 0 8a +0b +0c −2d = 0 . (2. com três dimensões espaciais.1 sabendo a temperatura em volta desta placa. b. 1). qual a parábola que melhor aproxima (0. 2 +bk1 . . utilizando um malha de chegamos a cerca de variáveis. (1. . 4) (3. 9) ∈ γ Obtemos um sistema com ⇒ ⇒ ⇒ ⇒ 1 = a(02 ) + b(0) + c 3 = a(12 ) + b(1) + c 4 = a(22 ) + b(2) + c 9 = a(32 ) + b(3) + c +1c +1c +1c +1c = = = = 1 3 . b. N (N tão grande quanto se queira). a temperatura a por exemplo é igual a desta forma obtemos 6 equações e 6 variáveis (20 + 25 + b + d)/4. conforme indicado na gura. 1) ∈ γ (1. . . . Ou então considerar a distribuição de calor em uma peça sólida. d. SISTEMA LINEAR 3a = c. balanço de O: 2b = 2c + d. Surge desta forma. 1 milhão de variáveis. f ): = = = = = = 45 15 25 . . .

= . 10) é combinação linear de (1. corrente elétrica.1. Estes problemas são modelados por sistemas lineares. A resposta é dada através do chamado método de mínimos quadrados (veja Seção 5.2.   ax + b = y . Exemplo 2. 6. canos. mercadoria. . Sabendo-se que a relação deve ser linear. −3)? . ou bytes (internet).143). Nesses sistemas existem vias (ruas.7 esta relação? Foram realizadas medições de dados bidimensionais (por exemplo distância percorrida e consumo de combustível de um automóvel) obtendo-se N pontos (xi . (2. yi ) no plano. estradas ou os) que transportam estes uxos e que devem ser planejados de forma a suportar as capacidades. que N equações: busca solução aproximada (com menor erro) do sistema com 2 variáveis (a. b ∈ R tal que a reta y = ax + b passe o mais perto possível (em de todos os pontos (xi . b) e    ax1 + b = y1 . 3). 1. N N y x pigur— PFPX ‚et— eproxim—d— Exemplo 2.8 O vetor (0. Consulte livros de álgebra linear ou Wikipedia para detalhes sobre estes modelos. Outros uxos importantes são de água.2. −1. 1) e (4. como indicado na Figura 2.3 da p. 2. APLICAÇÕES DE SISTEMAS LINEARES PW 15o 10o 15o 20o c b a 20o f e d 15o 20o 25o 25o 30o pigur— PFIX €l—™— eque™id— Exemplo 2. yi ). qual a equação da reta que melhor aproxima Precisamos determinar sentido a ser precisado) a. . .6 Determinar o uxo de carros em ruas faz parte do planejamento urbano de uma cidade. .

3α + β − 3γ ) = (0.1 (matriz) mas pode-se ter colunas) de Uma matriz A sobre um conjunto K (neste texto sempre K = R. . 2α + β − γ. . A = (aij ). β. −γ.  . β ) + (4γ. .   1α +2β +4γ = 0 2α +1β −1γ = 6  3α +1β −3γ = 10 hestes exemplos ™on™luímos queX • sistem—s line—res model—m pro˜lem—s ˜em distintos entre siY • pro˜lem—s d— Álge˜r— vine—r re™—em n— resolução de sistem—s line—res de modo que —s té™ni™—s p—r— resolvêElos nos —™omp—nh—rão por todo o ™ursoY • f—™ilmente os sistem—s podem ter milh—res de v—riáveis " neste ™—so — teori— será fund—ment—l p—r— se entender —s soluções que serão ger—d—s por softwares de ™omE put—ção ™ientí(™—F 2.2 Matrizes e Vetores do Rn Denição 2. 1. 3) + β (2.) é um arranjo num retângulo m × n (m linhas e n mn elementos aij ∈ K (i = 1. γ tais que α(1.QH CAPÍTULO 2. . 1) + γ (4. −3) = (α. onde o número de linhas e colunas ca subentendido Observação 2. A= . 3α) + (2β. 10). N etc. Denição 2. 6. . 2α. . n):   a11 · · · a1n  . . . . −3γ ) = (α + 2β + 4γ. Z.2 (espaço das matrizes) ciso) o conjunto das matrizes sobre Denotamos por com K=R m linhas e Mm×n (Mm×n (K) seria mais pren colunas. . K = C. Q. .2 Para lembrar da convenção que matriz m×n signica m linhas e n colunas observe que quando queremos localizar uma letra numa página (arranjo retangular) falamos que ela está na linha m. . SISTEMA LINEAR Precisamos saber existem α. −1. m e j = 1. coluna n: é natural dizer a linha primeiro. 2. β. am1 · · · amn Escrevemos também que pelo contexto. .

2.3.

INTERPRETAÇÃO DE SISTEMAS EM

R, R2

E

R3

QI

†imos n— he(nição IFI d— pFI que um vetor u ∈ Rn é represent—do por u = (a1 , a2 , . . . , an−1 , an )F €odemos represent—r  o mesmo  vetor u ™omo um elemento de a1  a2     F  F Mn×1 @m—trizes ™om um— úni™— ™olun—A por  F F    an−1  an p—remos est— identi(™—ção entre vetores e m—trizes ™om um— ™olun— @vej— vem— RFSH d— pFIPPAX Rn ∼ Mn×1 F É fá™il ver que est— identi(™—ção é um— ˜ijeção entre os dois 4 ™onjuntosF €or exemploD   determin—mos o mesmo vetor v ∈ R por v = (a, b, c, d) @uso a  b   ™orretoA ou v =   c  @é um —˜uso de not—ção pois um vetor é um— nEupl— e não um— d m—triz ™olun—AF

Vetor como Matriz com uma Coluna

Observação 2.3

Alguns livros denem vetor do

Rn

como uma matriz com uma coluna.

Existem 2 problemas nessa abordagem: (a) pela Seção 4.7 da p.119 vemos que o mesmo vetor, dependendo da base escolhida, será representado por uma matriz coluna distinta. n (b) o R é o produto cartesiano de R por ele mesmo elementos são

n

vezes, o que implica que seus

n-uplas

de elementos de

R.

Um vetor pode ser identicado com uma matriz com uma linha  faremos isto ocasionalmente para interpretar o produto matriz vetor  mas a convenção utilizada em livros é como uma matriz com uma coluna.

todos os

2.3 Interpretação de Sistemas em R, R2 e R3
†—mos dis™utir e interpret—r geometri™—mente soluções de sistem—s line—res em R @ret—AD R2 @pl—noA e R3 @esp—çoAF x— ƒeção PFV d— pFST retom—mos — interpret—ção geométri™—D gener—liz—ndoE— p—r— Rn F

2.3.1 Na Reta (R)
y sistem— m—is simples que existe é o sistem— 1 × 1 @I v—riável e I equ—çãoAX determine x ∈ R t—l queX ax = b . €—r— resolvêEloD ™onsider—mos três ™—sosX @—A se a = 0 então x = a−1 bX sistem—

com solução únicaY com innitas soluçõesY sem soluçãoF

@˜A se a = b = 0 então qu—lquer x ∈ R é soluçãoX sistem—

@™A se a = 0 e b = 0 então nenhum x ∈ R é soluçãoX sistem—

xo ensino médio —prendemos — gener—liz—r est— —nálise p—r— sistem—s 2 × 2 e 3 × 3 d— form— Ax = bD ™om b ∈ R2 ou R3 F ƒe det(A) = 0 @simil—r — ™ondição a = 0 —™im—AD então

QP

CAPÍTULO 2.

SISTEMA LINEAR

existe solução única x = A−1 bF g—so ™ontrárioD dependendo de ™ondições que rel—™ion—m A e bD o sistem— possui innitas soluções ou não existe soluçãoF

Observação 2.4 Classicamos os sistemas lineares como sem solução, com solução única ou com innitas soluções. No ensino médio utiliza-se outro vocabulário (que não
utilizaremos):

• • • •

sem solução: com solução:

incompatível ou impossível ou inconsistente; compatível ou possível ou consistente; (compatível ou consistente ou possível e) determinado (compatível ou consistente ou possível e) indeterminado.

com solução única:

com innitas soluções:

Observação 2.5

É utilizado como sinônimo de

variável o termo incógnita.

2.3.2 No Plano (R2)
xo sistem—

a11 x + a12 y = b1 (r1 ) ™—d— equ—ção represent— um— ret— @r1 e r2 AF ‚eE a21 x + a22 y = b2 (r2 ), solver o sistem— equiv—le — ˜us™—r interseções dest—s ret—sF €or outro l—do o sistem— pode ser es™rito ™omo a11 a12 b1 x +y = . a21 a22 b2 v1 = a11 a21 , v2 = a12 a22 ,b = b1 b2 ,

he(nindo vetores

resolver o sistem— ™orresponde — determin—r se existem x, y ∈ R t—is que

xv1 + y v2 = b,
ou sej— determin—r se b é ™om˜in—ção line—r de v1 e v2 F x— lingu—gem de esp—ço ger—doD queremos s—˜er se b ∈ v1 , v2 .

Interpretações da Solução de Sistema 2 × 2

@—A snterseção de P ret—s @interpret—ção geométri™—AF @˜A y vetor l—do direito do sistem— está no esp—ço ger—do pel—s ™olun—s d— m—triz do sistem— @interpret—ção —lgé˜ri™—AF

Exemplo 2.9 (solução única)
Dena

Considere o sistema

1x +1y = 2 (r1 ) . 1x −1y = 0 (r2 )

v1 =

1 1

, v2 =

1 −1

,b =

2 0

. A Figura 2.3 apresenta as duas interpretano lado

ções para a solução deste sistema, que possui de

solução única igual ao ponto (1, 1):
b é combinação Assim b ∈ v1 , v2 .

esquerdo a interseção de duas retas, no lado direito observe que

linear única

v1

e

v2

(mais exatamente, neste caso

b = 1v1 + 1v2 ).

2.3.

INTERPRETAÇÃO DE SISTEMAS EM

R, R2

E

R3 y

QQ

y (0, 2) (1, 1) (0, 0) (2, 0)

r2

v1 x r1 v2 x b

pigur— PFQX ƒolução Úni™—

Exemplo 2.10 (sem solução)
Dena

Considere o sistema

1x −2y = 2 (r1 ) −2x +4y = 2 (r2 )

.

v1 =

1 −2

, v2 =

−2 4

,b =

pretações para a solução deste sistema, que é

sem solução:

2 2

.

A Figura 2.4 apresenta as duas interno lado esquerdo duas retas

paralelas (portanto sem interseção), no lado direito observe que

b não é combinação linear de

v1

e

v2

pois ambos estão na mesma reta. Portanto qualquer combinação deles cará nesta

mesma reta. Assim

b ∈ v1 , v 2 y

.

y r2 v2 b x v1

(0, 1/2) (−1, 0) (0, −1)

r1 (2, 0) x

pigur— PFRX ƒem ƒolução

Exemplo 2.11 (innitas soluções)
Dena

Considere o sistema

1x −2y = 2 ( r1 ) −2x +4y = −4 (r2 )

.

v1 =

1 −2

, v2 =

−2 4

,b =

2 −4

.

A Figura 2.5 apresenta as duas no lado esquerdo

interpretações para a solução deste sistema, que possui duas retas coincidentes, no lado direito observe que como combinação linear de

innitas soluções:

b pode ser escrito de innitas formas v1 e v2 pois os três estão na mesma reta. Por exemplo, b = 0v1 − v2 = 2v1 + 0v2 = v1 − 1/2v2 . O conjunto-solução nesse caso será (verique!) {(0, 2) + t(1, −1) | t ∈ R}. Na linguagem do Capítulo 1, o conjunto-solução é a reta (0, 2) + (1, −1) . Assim b ∈ v1 , v2 .   1x +1y = 2 (r1 ) 0x +1y = 0 (r2 ) .  1x +0y = 0 (r3 )

Exemplo 2.12 (sem solução)

Considere o sistema

QR

CAPÍTULO 2.

SISTEMA LINEAR

y y v2

r1 = r2 (2, 0) x (0, −1)

x v1 b

pigur— PFSX sn(nit—s ƒoluções

Dena

     1 1 2 v1 =  1  , v2 =  0  , b =  0  . 0 1 0

A Figura 2.6 apresenta a interpretação são três retas que não se

geométrica para a solução deste sistema, que é interceptam no mesmo ponto. Observe que

sem solução:

b ∈ v1 , v2

(porque? prove isso).

r1 (0, 2)

y

r2 (2, 0) r3

x

pigur— PFTX ƒem ƒolução †—mos f—zer um resumo do que (zemos do ponto de vist— geométri™oF gomo ™—d— equ—ção d— form— ax + by = c represent— um— ret— em R2 D um sistem— ™om P equ—ções ™orrespondeD geometri™—menteD — um dos três ™—sosX @—A P ret—s @nãoEp—r—lel—s e não ™oin™identesA se inter™ept—ndo num pontoX solução únicaD ™onjuntoEsolução é um pontoY @˜A P ret—s p—r—lel—s nãoE™oin™identesX sem soluçãoD ™onjuntoEsolução é v—zioY @™A P ret—s ™oin™identesX innitas soluçõesD ™onjuntoEsolução é um— ret—F †—mos verD de form— sistemáti™—D tod—s interpret—ções geométri™—s de um sistem— ™om Q equ—ções em R2 F gonvid—mos o leitor — f—zer os desenhos ™orrespondentesF €—rtindo de P ret—s r1 e r2 nãoEp—r—lel—s e nãoE™oin™identesD ™onsidere — ponto P = r1 ∩ r2 @interseção d—s ret—sAX @—A ter™eir— ret— ™ontém o ponto P X solução únicaD ™onjuntoEsolução é um pontoY @˜A ter™eir— ret— não ™ontém o ponto P X sem soluçãoD ™onjuntoEsolução é v—zioF xeste ™—so —s Q ret—s form—m um triângulo @f—ç— um— (gur—3AY €—rtindo de P ret—s p—r—lel—s nãoE™oin™identesX @™A independente d— posição d— ter™eir— ret—X sem soluçãoD ™onjuntoEsolução é v—zioF

2.3.

INTERPRETAÇÃO DE SISTEMAS EM

R, R2

E

R3

QS

€—rtindo de P ret—s ™oin™identes r1 = r2 X @dA ter™eir— ret— inter™ept— r1 m—s não é ™oin™identeX é um pontoY @eA ter™eir— ret— é ™oin™idente — r1 X

solução únicaD ™onjuntoEsolução

innitas soluçõesD ™onjuntoEsolução é um— ret—F

2.3.3 No Espaço (R3)
xest— seção ™onvid—mos o leitor — veri(™—r ™—d— interpret—ção represent—ndo os pl—nos ™om folh—s de p—pelD —s mãosD p—redes e ™hão d— s—l—D et™F ssto é muito importante p—r— desenvolver — intuição p—r— o que se segueF ejud— t—m˜ém represent—r o pl—no x = y em R3 ™omo — ret— x = y em R2 e ™olo™—r o eixo z s—indo do p—pelF e equ—ção ax + by + cz = d represent— um pl—no em R3 F essim determin—r — solução de um sistem— ™om P equ—ções ™orrespondeD geometri™—menteD — determin—r — interseção de P pl—nosF es possi˜ilid—des sãoX @—A P pl—nos @nãoEp—r—lelos e não ™oin™identesA se inter™ept—ndo num— ret—X soluçõesD ™onjuntoEsolução é um— ret—Y @˜A P pl—nos p—r—lelos nãoE™oin™identesX @™A P pl—nos ™oin™identesX

innitas

sem soluçãoD ™onjuntoEsolução é v—zioF

innitas soluçõesD ™onjuntoEsolução é um pl—noF

†—mos verD de form— sistemáti™—D tod—s interpret—ções geométri™—s de um sistem— ™om Q equ—ções em R3 F €—rtindo de P pl—nos Π1 e Π2 nãoEp—r—lelos e nãoE™oin™identesD ™onsidere — ret— r = Π1 ∩ Π2 @interseção dos pl—nosAX @—A ter™eiro pl—no não é p—r—lelo à ret— rX

solução únicaD ™onjuntoEsolução é um pontoY

@˜A ter™eiro pl—no é p—r—lelo não ™oin™idente à ret— rX sem soluçãoD ™onjuntoEsolução é v—zioF xeste ™—so os Q pl—nos form—m um prism— tri—ngul—r @tente visu—liz—r isto3AY @™A ter™eiro pl—no ™ontém — ret— rX

innitas soluçõesD ™onjuntoEsolução é — ret— rY sem soluçãoD ™onjuntoEsolução é v—zioF innitas soluçõesD ™onjuntoE

€—rtindo de P pl—nos p—r—lelos nãoE™oin™identesX @dA independente d— posição do ter™eiro pl—noX €—rtindo de P pl—nos ™oin™identes Π1 = Π2 X @eA ter™eiro pl—no inter™ept— Π1 m—s não é ™oin™identeX solução é um— ret—Y @fA ter™eiro pl—no é ™oin™idente — Π1 X

innitas soluçõesD ™onjuntoEsolução é um pl—noF

ist— —nálise pode ser feit— p—r— R equ—ções t—m˜émF x— ƒeção PFV d— pFST —present—mos — interpret—ção geométri™— de sistem—s em Rn ™om qu—lquer número de v—riáveisF xote que no R3 o ™onjuntoEsolução pode ser in(nito de P form—sX um pl—no ou um— ret—F

14 Resolva o sistema  0 −2 0 4 . . .  . .. É comum o abuso de linguagem considere o sistema Observação 2. matriz aumentada (ou ampliada) e o lado direito do sistema acima as matrizes indicadas na gura abaixo. . .13 São matrizes diagonais:  −10 0 0 1 0   0 3 0 . .    3 0 0 5 Exemplo 2. . −2. . SISTEMA LINEAR 2.QT CAPÍTULO 2.  .   0 0 −5 0 0    3 0 0 −5 0 0 0 0 0 0 0 0 0 0 0 0 0 −3 0 0    .4 (matriz diagonal) A é diagonal se aij = 0 para todo i = j. u—ndo — m—triz de ™oe(™ientes possui —lgum—s form—s p—rti™ul—resD o sistem— se torn— extrem—mente fá™il de ser resolvidoF y primeiro ™—so é qu—ndo — m—triz de ™oe(™ientes é diagonalX — solução do sistem— é imedi—t—F Denição 2. bm matriz de coecientes lado direito Note que a matriz de coecientes possui em m linhas e n colunas que correspondem as m equações A.6 A é a matriz aumentada do sistema a ser considerado.   Exemplo 2. . . . . .3 (matriz de coecientes. m1 a12 a22 . 0 0 1 −2  5  3x1 = Solução: e m—triz —mpli—d— ™orresponde —o sistem—X −2x2 = 4 . com m equações em n variáveis:   a11 x1 +a12 x2 · · · +a1n xn = b1    a21 x1 +a22 x2 · · · +a2n xn = b2 .    a x +a x · · · +a x = b m1 1 m2 2 mn n m Denimos como matriz de coecientes. · · · a1n · · · a2n . . . . .  . −2 F 3  . matriz aumentada e lado direito) Considere o sistema. matriz aumentada ou ampliada  a11  a21   .. onde n variáveis do sistema. .4 Operações Elementares e Sistemas Equivalentes Denição 2. am2 · · · amn  b1 b2   . É fá™il ver que o  x3 = −2 5 ™onjuntoEsolução é .  . 0 3 . .

0 0 2 −2   3x1 +x2 +3x3 = 2 −2x2 +x3 = −5 .4. u—ndo — m—triz é triangular superior — solução é ™—l™ul—d— —tr—vés d— substituição para trásF gomeç—ndoEse d— últim— equ—çãoD onde se determin— — últim— v—riávelD determin—Ese ™—d— v—riávelD su™essiv—menteD de trás p—r— frenteF  Exemplo 2.17 sistemas (nas mesmas variáveis) são equi- Os dois sistemas da Figura 2. e estr—tégi— p—r— ƒolução de ƒistem—s vine—res é tr—nsform—r um sistem— qu—lquer num sistem— equivalente @mesmo ™onjuntoEsoluçãoA fá™ilX • n— • n— forma escalonada @tipo tri—ngul—r superiorD ver he(nição PFIH d— pFRIA ou forma totalmente escalonada @tipo di—gon—lD ver he(nição PFIP d— pFRPAF €—r— isto pre™is—mos ver ™omo ger—r sistem—s equiv—lentes utiliz—ndo —s operações elementaresD que são efetu—d—s n— m—triz —ument—d— de um sistem—F ist—s oper—ções podem ser vist—s t—m˜ém ™omo oper—ções n—s equ—ções do sistem—D em˜or— qu—ndo efetu—mos os ™ál™ulos f—zemos —s oper—ções diret—mente n— m—triz —ument—d—F .6 (sistemas equivalentes) Dois valentes se têm o mesmo conjunto-solução. Exemplo 2.  0 −5 3 0 .       −1 1 7 5 2 3 12 0 −3  0 3 2  . 1)}.15 É triangular superior: Observação 2. OPERAÇÕES ELEMENTARES E SISTEMAS EQUIVALENTES QU yutro ™—so fá™il é qu—ndo m—triz de ™oe(™ientes é triangularF se Denição 2.16 Resolva o sistema  3 1 3 2  0 −2 1 −5  . embora com número de equações distintas. cuja denição deixamos para o leitor. p—E  2x3 = −2 zendo — ƒu˜stituição p—r— trásD ™—l™ul—mos primeiro x3 d— últim— equ—çãoF ƒu˜stituímos seu v—lor n— segund— equ—ção e o˜temos x2 F pin—lmenteD su˜stituindo x1 e x2 n— primeir— equ—çãoD ™—l™ul—mos x1 X 2x3 = −2 ⇒ x3 = −1 −2x2 +(−1) = −5 ⇒ x2 = 2 . 3x1 +(2) +3(−1) = 2 ⇒ x1 = 1 Solução: e m—triz —mpli—d— ™orresponde —o sistem—X Denição 2.7 são equivalentes. 0 0 −1 0 0 0 0 5 −1 Exemplo 2.5 (matriz triangular superior) A todo é triangular superior aij = 0 para i > j.  0 3  . pois possuem o mesmo conjunto-solução {(1.2.7 Existe denição similar de matriz triangular inferior.

        li . (d) descartar ou acrescentar linhas só de zeros:  l1  . . . . . SISTEMA LINEAR  1 1 2 1 −1 0 (0. .7 (operações elementares) é a São operações elementares numa matriz (li i-ésima linha): (a) trocar a ordem das linhas: (denotado li         (b) multiplicar uma linha por .0 3 (3.QV CAPÍTULO 2. . . 0) 4 . .  ↔ lj ):  .8 (matriz equivalente) Uma matriz por meio de uma sequencia de operações elementares. 1)  1 2 3  1 −1 0  3 1 4 3 2 (1. . . . . . . . . . 0) pigur— PFUX ƒistem—s equiv—lentes Denição 2. lj + kli . Denotamos A é equivalente a B se pode ser obtida A ∼ B.   ∼ kli . . . 1) (2. .  .    Denição 2. .       ∼       li . k = 0: . . . . . . .       ∼       (denotado li lj . . .   .    0 0 ··· 0 0 . . (c) substituir linha por sua soma com múltiplo de outra (denotado lj         . lj .         li . lj . . . ← kli ): . . . . (1. li .     ∼  l1 . . . .         ← lj + kli ): li . . . 2) 0. .

t).9 (sistemas e matrizes equivalentes) Sejam A e B matrizes aumentadas de dois sistemas (nas mesmas variáveis). Mas este C=D A+C =B+D A + C = B + D pela observação anterior.2. Note que preservamos o conjunto-solução {(1. Prova: g—d— um— d—s oper—ções element—res efetu—d—s n— m—triz —ument—d— de um sistem— ™orresponde — um— oper—ção n—s equ—ções desse sistem— que não —lter— o ™onjuntoEsoluçãoX @—A tro™—r — ordem d—s linh—sX tro™—r ordem d—s equ—ções em um sistem— não —lter— o ™onjuntoEsoluçãoF @˜A multipli™—r um— linh— por um es™—l—r nãoEnuloX su˜stituir — equ—ção A = B por kA = kB F ssto não —lter— o sistem— pois se A = B então kA = kB @isto é verd—de mesmo se k = 0AF €or outro l—do se kA = kB D ™omo k = 0D multipli™—mos os dois l—dos por k −1 e o˜temos que A = B F €ort—nto não —lter—mos o ™onjuntoEsoluçãoF @™A su˜stituir linh— por su— som— ™om múltiplo de outr—X su˜stituir —s equ—ções @™orresponE A = B A = B dentes — linh—s i e j A por F ƒe C = DD ™omo A = B D C = D C + kA = D + kB kA = kB p—r— qu—lquer k @mesmo k = 0AF ƒom—ndo est— equ—ção nos dois l—dos de C = D o˜temos que C + kA = D + kB F €or outro l—doD suponh— que C + kA = D + kB F gomo A = B D kA = kB p—r— qu—lquer k F vogo su˜tr—indo kA dos dois l—dos de C + kA = D + kB D o˜temos C = D + kB − kA = DF @dA des™—rt—r @ou —™res™ent—rA linh—s só de zerosX elimin—r @ou —™res™ent—rA — um— equ—ção sempre verd—deir— @0 = 0AD que não —lter— o ™onjuntoEsoluçãoF Observação 2.4. Considere {(1. não po- simultaneamente com duas linhas pois senão transformaríamos o sistema sistema é equivalente a A=B A+C =B+D em . . Vamos ver num caso particular. Portanto B−B = C −C B = C B = C . então os sistemas correspondentes são equivalentes (possuem mesmo conjunto-solução). uma delas pode ser descartada. y ) = (1.18 demos fazer isto Embora possamos substituir uma linha pela soma dela com outra.8 Dessas operações podemos deduzir outras como por exemplo: se duas Isto porque o sistema linhas são iguais. 2)}. Se as matrizes são equivalentes (A ∼ B ). 3x 2x − y 3x 5x − y = = = = 3 0 3 3 e depois substituir a segunda linha pela soma dela com a primeira Note que isto é diferente de substituir a primeira linha pela soma dela com a segunda obtendo obtendo . B = C B = C obtemos equivale a o sistema B = C tomando k = −1 na operação (c). Pela operação (d) este é equivalente a 0 = 0 heveEse tom—r ™uid—do pois nem tod— oper—ção ger— sistem—s equiv—lentesF xo próximo exemplo ilustr—mos um erro que não é ™omum m—s serve p—r— —jud—r — entender o exemplo depois desseF Exemplo 2. OPERAÇÕES ELEMENTARES E SISTEMAS EQUIVALENTES QW Lema 2. 2)}. t ∈ R}. . solução é Somando as duas linhas x+y = 3 cujo conjunto-solução é 2x − y = 0 3x = 3 simultaneamente obtemos cujo conjunto3x = 3 {(x.

Na forma matricial ele corresponde a  0 1 1 1 l1 ← l1 − l2 . 1 3 1 2  . obtemos  3 0 0 3 −3 0 0 1 −1 −1 −2 −4 2 + 0 0 4 − 4 . 1) = (1. Note que o Observação 2. o conjunto-solução é a reta conjunto-solução foi modicado. l3 ← l3 − l1 . Portanto o conjunto-solução é linguagem do Capítulo 1. obtemos 7 0 0 1 −1 . Fa11l3 calculamos + 0 0 1 −1 0 −7  0 −14  −1 −2 0 −2 1  2  . 1) + (0. 0. 0.19 Considere o sistema   x+y 1 1 1. entes de —present—r um —lgoritmo @ilimin—ção de q—uss pFRPA p—r— resolver sistem—s liE ne—resD v—mos —present—rD —tr—vés de um exemploD — tr—nsform—ção de um sistema linear qualquerD utiliz—ndo somente —s operações elementaresD num sistema equivalente diagonalD que pode ser f—™ilmente resolvidoF   −1 −2 −4 2 Exemplo 2. Na (1.RH CAPÍTULO 2. Isto corresponde 1 obtendo  −1 0 0 0 −1 −1 x=z=1 e 3 2 2  cuja solução única é x=y=z= ao sistema   x = 1 −x + z = 0  −z = −1 cuja solução é y pode assumir qualquer valor. 0). y. aplicando uma de cada vez. Fazendo l1 ← l1 + 2l2 calculamos 0 1 0 zendo l2 ← − l2 . Fazendo l3 ← l3 . 1. 0) . Vamos fazer simultaneamente 0 2  1 1 0 0 0  . Fazendo l3 ← l3 + l2 calculamos + 0 7 −8 22 e 0 7 −8 22 0 3 −3     0 −1 −2 −4 2 −1 −2 −4 2 1 0 −7 11 −25  . t. 1. Fazendo l3 ← l3 + 3l1 . obtemos  0 −7 11 −25  . Obtemos então  0 −7 0 −14  . t ∈ R}. Para fazer l2 ← l2 − Para fazer l1 ← l1 + 4l3 calculamos −1 −2 0 −2   0 −7 11 −25 −1 −2 0 −2 0 0 −11 11 .9 O último exemplo mostra a importância de sermos extremamente cuidadosos quando aplicamos as operações elementares.20 Considere o sistema  0 −7 11 −25  . cal16 3 13 4 3 13 4 16 3 13 4 16 −3 −6 −12 6 e obtemos culamos = + + 3 × ( −1 −2 −4 2 ) 0 7 −8 22   0 −7 11 −25 −1 −2 −4 2  0 −7 11 −25  . 1) + t(0. = = = l2 ← l2 − l3 . SISTEMA LINEAR y erro —present—do no exemplo —nterior di(™ilmente é ™ometidoF xo próximo exemplo —present—mos um erro que o™orre ™om ™ert— frequên™i— ™om —lunos que não —pli™—m um— oper—ção element—r de ™—d— vezF y™orre qu—ndo su˜stituímos sem ter um —lgoritmoF   x+y+z y+z Exemplo 2. {(x. z ) = (1.

as linhas nulas. são as últimas da matriz.10 (forma escalonada) (tipo triangular superior) se: Diz-se que uma matriz está (na forma) escalonada • • o número de zeros no início de cada linha aumenta estritamente de uma linha para outra exceto se a linha é toda nula.5 Resolvendo Sistemas Lineares y pl—no de —ção p—r— — solução de sistem—s line—res éX • de(nir o que é — m—trizY forma escalonada e forma totalmente escalonada de um— • —present—r o algoritmo de eliminação de Gauss que tr—nsform— um— m—triz qu—lquer p—r— form— es™—lon—d— ou tot—lmente es™—lon—d—F „—m˜ém ™h—m—do de escalonamentoF • resolver um sistem— ™uj— m—triz —ument—d— está n— form— @tot—lmenteA es™—lon—d—F 2. 2.2.1 Escalonamento Denição 2. 2.11 (pivô) São denominados pivôs os primeiros elementos não nulos de cada linha (não nula) de uma matriz escalonada. .  (d)  (b)  4  0   0 0 4  0 0 −7 0 0 0  −7 0 −14 4 0 4 0 −1 . 0 1 0 e obtemos  0 0 1 −1 2  0 −2 0 2 . 0 0 0  0 −13 6 Solução: @—A nãoY @˜A simY @™A simY @dA nãoF Denição 2.5. 1 −1 Finalmente fazendo l1 ← −l1 Agora o sistema é o conjunto-solução é diagonal e pode ser facilmente resolvido:   x1 = − 2 x2 = 2 . −1)}.21 (a) Determine se estão na forma escalonada:   (c)    4 3 0 3 0 0 0 −7 0 0 7 0 1 4 0 0 0 0 0 −14 4 0 0 −13 7 1 2 4 0 −1 0 0  4 −1 . Exemplo  2. RESOLVENDO SISTEMAS LINEARES RI −1 −2 0 + 0 2 0 −1  0 0 1 0 obtemos o  0 1 0 0   −2 −1 0 0 2 4 2 . 0 0 −13 6  0 −14 4 4 0 −1  .5.  x3 = − 1 Portanto {(−2. caso existam. 6   .

repita: • • • • Considere apenas as linhas lk . 0 1 0 −1 . . lp . 2 0 0 .13 (Eliminação de Gauss Parte I: Forma Escalonada) (a) (b) p ← (no k ← 1.23 1  0 (a) 0  1 (c)  0 0 Solução: @—A nãoY @˜A simY @™A nãoY @dA simF †—mos des™rever o —lgoritmo de Eliminação de GaussD t—m˜ém ™h—m—do de escalonamentoF etr—vés deleD d—d— um— m—triz A qu—lquer o˜temos um— m—triz B @tot—lmenteA es™—lon—d— equiv—lente — AF ile é dividido em du—s p—rtesF Denição 2. lp múltiplos de lk . . 5.22 Na matriz abaixo são pivôs (indicados em negrito) 4. Como o número de zeros aumenta estritamente numa matriz escalonada.   4 −7 0 −14 4  0 0 5 0 −1  0 0 0 −13 6 Denição 2. SISTEMA LINEAR Observação 2. . . Troque linhas para obter pivô não nulo. . −13. Temos portanto que: número linhas não nulas = número de pivôs ≤ número de colunas Exemplo 2. .10 (pivôs são de colunas distintas) Pela denição o número de pivôs é igual ao número de linhas não nulas. Identique a coluna não nula mais à esquerda. . . de linhas não nulas). (b)  0 1 0 0 1 6 0 0 0 0 1    −2 0 0 4 1 −7 0 0 4 0 1 0 −1 . • p ← (no • k ← k + 1. de linhas não nulas). . (c) Enquanto k < p. os pivôs ocupam colunas distintas. (d)  0 0 0 2 6 0 0 0 1 6 Exemplo  2.RP CAPÍTULO 2.12 (forma totalmente escalonada) Uma matriz escalonada está totalmente escalonada ou escalonada reduzida (tipo diagonal) se os seus pivôs: • • são todos 1's e são os únicos elementos não-nulos de suas colunas. Assim o número de pivôs é menor ou igual ao número de colunas. Determine se estão na forma totalmente escalonada:    3 2 0 4 1 0 −1 0 0 0 1 0 −1 . lk+1 . Anule entradas abaixo do pivô subtraindo de lk+1 .

14 (Eliminação de Gauss Parte II: Forma Totalmente Escalonada) (a) Execute a Parte I do algoritmo. tornando-o 1. anule entradas acima do pivô subtraindo de l1 .  2 6 3 1 4  2 6 3 −2 10  . . . p − 1. • gonsidere —pen—s —s linh—s 2D 3 e 4 @ignore — primeir—AX   0 0 −1 2 −2  0 0 2 −3 2   2 6 3 1 4  0 0 0 −3 6  F • sdenti(que — ™olun— não nul— m—is à esquerd—X   0 0 −1 2 −2  0 0 2 −3 2   2 6 3 1 4  0 0 −1 2 −2  F • „roque linh—s p—r— o˜ter pivô não nuloX   0 0 0 −3 6  0 0 2 −3 2  .11 Alguns livros chamam a Parte I de eliminação de Gauss e a Parte I + Parte II de eliminação de Gauss-Jordan. l3 . para k = p.  2 6 3 1 4  0 0 0 −3 6  . • gonsidere —pen—s —s linh—s l1 D l2 D l3 e l4 @ou sej—D tod—s —s linh—sAF  2 6 3 1 4  2 6 3 −2 10 • sdenti(que — ™olun— não nul— m—is à esquerd—X   −4 −12 −7 0 −10 6 18 11 0 14   .2. (b) Repita. . lk−1 múltiplos de lk . .  • „roque linh—s p—r— o˜ter pivô não nulo @™omo o pivô não é nuloD não pre™is— f—zer n—d—AF • enule —s entr—d—s —˜—ixo do pivô 2 D su˜tr—indo de l2 . 1: lk pelo seu pivô.5. . • • Divida Se k>1 Observação 2. †—mos —pli™—r o —lgoritmo em det—lhes n— m—triz   −4 −12 −7 0 −10  6 18 11 0 14 Início da Parte IX †—mos es™—lon—r — m—trizF @—A p ← 4F @˜A k ← 1F  (c) Início do primeiro laço. . . RESOLVENDO SISTEMAS LINEARES RQ Denição 2. . l4 múltiplos de l1 F p—zendo   2 6 3 1 4  0 0 0 −3 6  F l2 ← l2 − l1 D l3 ← l3 + 2l1 Dl4 ← l4 − 3l1 o˜temosX   0 0 −1 2 −2  0 0 2 −3 2 • p ← 4F • k ← 2F (c) Início do segundo laço.

RR CAPÍTULO 2. k ← 3F   . l2 múltiplos de l3 F p—ç— l1 ← l1 − l3   2 6 3 0 6  0 0 −1 0 2  F e l2 ← l2 − 2l1 o˜tendoX   0 0 0 1 −2  0 0 0 0 0 (b) Início do segundo laço.  2 6 3 1 4  0 0 −1 2 −2  F • hivid— l3 pelo seu pivô −3 o˜tendoX   0 0 0 1 −2  0 0 0 0 0 • enule —s entr—d—s —™im— do pivô D su˜tr—indo de l1 . SISTEMA LINEAR • enule —s entr—d—s —˜—ixo do pivô −1D su˜tr—indo de l3 e de l4 múltiplos de l2 F p—zendo  6 0 0 0  3 1 4 −1 2 −2  F 0 −3 6  0 1 −2 2  0 l4 ← l4 +2l2 @l3 já está ™om entr—d— zer—d— —˜—ixo do pivôA o˜temosX   0 0 • p ← 4F • k ← 3F  2 6 3 1 4  0 0 −1 2 −2  F • gonsidere —pen—s —s linh—s 3 e 4 @ignore — primeir— e — segund—AX   0 0 0 −3 6  0 0 0 1 −2   2 6 3 1 4  0 0 −1 2 −2   • sdenti(que — ™olun— não nul— m—is à esquerd—F   0 0 0 −3 6  0 0 0 1 −2 • „roque linh—s p—r— o˜ter pivô não nulo @™omo o pivô não é nuloD não pre™is— f—zer n—d—AF • enule —s entr—d—s —˜—ixo do pivô −3D su˜tr—indo de l4 um múltiplo de l3 F p—zendo   2 6 3 1 4  0 0 −1 2 −2  F l4 ← l4 + 1/3l3 o˜temosX   0 0 6  0 −3 0 0 0 0 0 • p ← 3F • k ← 4F (c) Fim do laço pois k ≥ pF Fim da Parte IX m—triz já está es™—lon—d—F (c) Início do terceiro laço. k ← 2F   2 6 3 0 6  0 0 1 0 −2   • hivid— l2 pelo seu pivô −1 o˜tendoX   0 0 0 1 −2 F 0 0 0 0 0 • enule —s entr—d—s —™im— do pivô D su˜tr—indo de l1 múltiplos de l2 F p—ç— l1 ← l1 − 3l2   2 6 0 0 12  0 0 1 0 −2   o˜tendoX   0 0 0 1 −2 F 0 0 0 0 0 Início da Parte IIX †—mos f—zer o es™—lon—mento tot—l d— m—trizF (b) Início do primeiro laço.

18. . RESOLVENDO SISTEMAS LINEARES RS  1 3 0 0 6  0 0 1 0 −2   • hivid— l1 pelo seu pivô 2 o˜tendoX   0 0 0 1 −2 F 0 0 0 0 0 • enule —s entr—d—s —™im— do pivô 1F xão tem n—d— — f—zer @nenhum— linh— está —™im— d— primeir—AF (b) Fim do laço pois k = 1F Fim da Parte IIX — m—triz está tot—lmente es™—lon—d—F Observação 2.  sistema o forma:      ··· 0 0 ··· 0 1 sem solução.15 (existência e unicidade pela forma totalmente escalonada) Através da forma totalmente escalonada da matriz aumentada de um sistema determinamos se ele possui solução e. .6. com solução única ou com innitas . .0. .1. . . .-2.-10]. . Após o descarte de linhas nulas. .3. Este (b) Início do terceiro laço.5. exemplo pode ser reproduzido no Maxima entrando com a matriz com o comando 2.       . .-12.14]) . escalonar matrizes. caso possua. . .[6. k ← 1F  M: matrix([2.10].4]. se ela é única. 0 0 ··· 1      sistema com solução única. [-4. .11. .24 soluções: Determine se o sistema é sem solução. )}F F F F F  F F    x = Qo form—X ƒerá prov—do no „eorem— PFIV d— pFRVF n Exemplo 2. com innitas soluções. . se estiver na:  • 1 ··· . . .6.12 (Software Algébrico) Com auxílio do Software Maxima (que pode ser obtido livremente na Internet) podemos.. . . . . . 3 o forma: nenhuma das anteriores  sistema Prova: Io form—X e últim— linh— do sistem— ™orresponde — equ—ção 0x1 +0x2 + · · · +0xn = 1F gomo 0 = 1 não será verd—de nun™—D o ™onjuntoEsolução é v—zioF   x = 1    x2 = Po form—X y sistem— ™orrespondente é F y ™onjuntoEsolução é {( .3.. . .0. [2.-7. .5.2 Análise Pós-Escalonamento €—r— —n—lis—r o sistem— —pós o es™—lon—mentoD introduzimos — seguinte not—ção p—r— elementos 0 − zeroY − nãoEzeroY d— m—trizX F 1 − umY − qu—lquer númeroF Teorema 2. entre outras coisas. • • 2 o forma: 1 0 ··· 0  0 1 ··· 0   .  . . .2. . e calculando a forma escalonada com echelon(M). .

. (a)  0 10 0 0 0 3 0   2 2 −8 12 0 1   0 e3 11 1 2 . se  ela é única. • 1 o forma:      . (b)  0 1 0 . . ··· 0 0 ··· 0 ··· ··· . . caso possua. 0 −3  1 13  0 5 0 1 2 0 . . com solução única ou com innitas  13 2 0 −6 33 −7 2 9 1 . e3 D log(3)D 77 são nãoEnulosY @dA ™om in(nit—s soluçõesF gon™luímos que não pre™is—mos f—zer — form— tot—lmente es™—lon—d— p—r— determin—r se um sistem— possui solução e se el— é úni™—X p—r— isto ˜—st— — form— es™—lon—d—F w—sD p—r— calcular — soluçãoD re™omend—mos fortemente que se es™—lone tot—lmente — m—triz —o invés de se f—zer — su˜stituição p—r— trás n— m—triz es™—lon—d—F e práti™— mostr— que se reduzem erros numéri™os dest— form—F . se estiver na: ··· . • • 2 o forma:  0   . . .. (d)   0 0 −2 2 0  0 0 0 0 0  Solução: @—A ™om in(nit—s soluçõesY @˜A sem soluçãoY @™A ™om solução úni™— pois todos os números 2. . (c)  0 0 1 0 0 2 0 0 1 0 0 0 0 1   1 0 0 −2 1 0 0 −2 0 . (f ) (e)  0 1 0 .16 (existência e unicidade pela forma escalonada) Através da forma escalonada da matriz aumentada de um sistema determinamos se o sistema possui solução e. . . (b)  0 0 0 0 0 311   2 2 −8 12 0  0 −3 11 1 1  2 . .           sistema sem solução.. . . 0 0 1 2 0 0 1 11  Solução: @—A solução úni™—Y @˜A sem soluçãoY @™A in(nit—s soluçõesY @dA sem soluçãoY @eA solução úni™—Y @fA in(nit—s soluçõesY Corolário 2. . . 3 o forma: nenhuma das anteriores  sistema 0 = k = 0F gomo 0 = 0 não será verd—de nun™—D o ™onjuntoEsolução é v—zioF Po form—X p—zendo — segund— p—rte do es™—lon—mento o˜temos um— m—triz ™omo n— segund— form— do „eorem— PFIS d— pFRSF ƒegue o result—doF Qo form—X ƒerá prov—do no „eorem— PFIV d— pFRVF Prova: Io form—X e últim— linh— do sistem— ™orresponde — equ—ção 0x1 + 0x2 + · · · + 0xn = Exemplo 2. . . . . 0 0 1    1 0 0 1 2 0 0 0 −1 3 . (c)   0 0 log(3) 2 0  0 0 0 77 −3  0 −3 0 √ −1 6 0 0 π 9 .25 soluções:  Determine se o sistema é sem solução. Após o descarte de linhas nulas. com innitas soluções. . SISTEMA LINEAR  (a)     (d)  1 0 0 0 1 0 0 0 0 1 0 0 1 0 0 −3 0 0  0 7 0 −4  . . 0 0 ···  sistema com solução única.RT CAPÍTULO 2. . .  . .

de um sistema linear.13 É utilizado como sinônimo de variável dependente o termo variável líder pois estão associadas a pivôs (líderes). RESOLVENDO SISTEMAS LINEARES RU €ort—ntoD use — form— es™—lon—d— somente p—r— de™idir se o sistem— possui soluçãoX não useEo p—r— ™—l™uláEl—F im resumoD o conjunto-solução de um sistem— linear de equ—ções tem sempreX • ou • ou • ou uma única soluçãoY nenhuma soluçãoY innitas soluçõesF Exemplo 2. totalmente escalonada. hentro d— prov— do próximo „eorem— —present—mos o —lgoritmo de solução de um sistem— line—rF ƒugerimos — leitur— do ixemplo PFPU d— pFRW —ntes @e depois t—m˜ém3A de se dedi™—r —o entendimento do próximo teorem—F 1 O número de variáveis livres (e de variáveis dependentes) é uma propriedade do sistema de equações.8 possui 5 soluções. além das opções acima. (b) O sistema representado na Figura 2.2. exceto a última.26 (sistemas não lineares) Num sistema não-linear com 2 equações  que correspondem a duas curvas no plano (ao invés de 2 retas)  podemos ter. 4) e (−2. da matriz corresponde uma variável do sistema linear. . a lista das variáveis livres dependente de como foi escalonada a matriz ampliada. y − x2 = 0 (a) O sistema possui duas soluções: y=4 (2. pigur— PFVX ƒistem— xãoEline—r 2. 4).5. Observação 2.17 (variável dependente e independente (ou livre)) Considere a matriz aumentada.3 Sistemas com Innitas Soluções Denição 2.5. A cada coluna. Não vamos provar este fato. Chamamos de variável independente ou variável livre1 aquelas que não são dependentes. Chamamos de variável dependente aquela associada a coluna com pivô. um número nito de soluções maior que um.

vi ∈ Rn . . plano (q de acordo com o valor de v0 . tq D que pode —ssumir qu—lquer v—lorF @˜A gonsidere o sistem— n—s variáveis 1 0 ··· 0  0 1 ··· 0  D F F F F F F F F F FF F F F F  0 0 ··· 1 onde ™—d— é d— form— + t1 + · · · + tq @™onst—nte m—is ™om˜in—ção line—r dos p—râmetros t1 . existe q ∈ N e v0 ∈ R e um conjunto LI de vetores do R : {v1 . v2 . Prova: is™—lone tot—lmente — m—triz —ument—d— do sistem—F ƒe — solução for úni™— tome q = 0 e v0 — solução úni™—F ƒe tiver in(nit—s soluções tome q igu—l —o número de v—riáveis livres e sig— o seguinte —lgoritmoX Algoritmo de Solução de Sistemas com Innitas Soluções: @—A epós o es™—lon—mento tot—l do sistem—D —tri˜u— — ™—d— variável livreD um parâmetroD denot—do por t1 . . v1 . . ou.18 (Algoritmo para determinar conjunto-solução) que O conjunto-solução S (quando não-vazio) de um sistema linear é sempre a translação de um espaço gerado. S = v0 + v1 . . . ti ∈ R}.RV CAPÍTULO 2. . . em termos de espaço gerado. . . vq . . . . SISTEMA LINEAR Teorema 2. que é igual ao número de parâmetros. . tq AF essim o sistem— possui solução úni™— em função dos p—râmetros t1 . Alguns livros chamam o =2 parâmetros). t2 . . . vq } tais S = {v0 + t1 v1 + · · · + tq vq . . t2 . . . reta (q Resolver um sistema linear pelo método de eliminação de Gauss sig- nica obter esta parametrização do conjunto-solução S de forma explícita: determinar q geometricamente S =1 são necessários e quais são os vetores parâmetro). etc. . . . . q : ponto (q = 0 número de variáveis livres. . . tq D ™—so sej— v—riável dependenteF vogo x = v0 + t1 v1 + · · · + tq vq p—r— vi ∈ Rn F heix—mos p—r— o leitor prov—r que os vetores o˜tidos n— p—r—metriz—ção são vss pois — m—triz está n— form— tot—lmente es™—lon—d— e o pivô é o úni™o elemento não nulo d— ™olun—F Observação 2. tq F   p—râmetros p—r— o l—do direito do sistem—F iste será d— form—   livres o˜tido —pós elimin—r linh—s nul—s e p—sse  os  @™A g—d— entr—d— do vetor solução x é igu—l — um dos p—râmetrosD ™—so sej— v—riável livreD ou igu—l — ™onst—nte m—is ™om˜in—ção line—r dos p—râmetros t1 . . . . de grau de liberdade ou grau de indeterminação do sistema linear. vq . . Mais n n precisamente.14 quantos parâmetros Podemos classicar parâmetros). .

s ∈ R}. −2)F gomo x2 = r e x4 = sD o˜temos que (x1 . de equações efetivas = n o de linhas não-nulas = n o de pivôs = n o de variáveis o de variáveis livres ou independentes = no de parâmetros.a]). 0) + s(−5.27 Determine o conjunto solução do sistema:   4 1 −3 0 5 0  0 0 1 2 0 0 . Com auxílio do Software re- . 5D são 3 v—riáveis dependentesX x1 . Exemplo 2. do sistema. 0) . x5 F ƒão P v—riáveis livresX x2 e x4 F sntroduzindo p—râmetros r e s @m—is ™onveniente que t1 e t2 A e —tri˜uindoEos —s v—riáveis livres o˜temos que x2 = r e x4 = sF = 4 + 3r − 5s  1x1 1x3 = −2s y sistem— pode ser rees™rito ™omoX F  1x5 =   −2 1 0 0 4 + 3r − 5s  −2s egor— este é um sistem— em Q v—riáveisX x1 D x3 e x5 d— form—X  0 1 0 −2 0 0 1 ƒ—˜emos resolver esse sistem—D que está no I◦ ™—so do „eorem— PFIS d— pFRSF ile possui solução úni™—X (x1 . pois podem ser eliminadas sem modicar o conjunto-solução) ou variáveis dependentes após o escalonamento. z+2*w=0. 0. 0.w.5.2. −2. s eD utiliz—ndo —s 3 equ—ções rem—nes™entes do sistem— for—m o˜tid—s soluções em função destes p—râmetrosF Observação 2. 1. 0. Isto signica que a redundante para a resolução Observação 2. x5 ) = (4 + 3r − 5s. 0 0 0 0 1 −2 Solução: gomo —s ™olun—s ™om pivô são 1. Em resumo temos que: dependentes. x3 . Para o mesmo número total de variáveis. 0. 1. x2 .16 livres. −2) + (3. −2s. 0. x3 . −2) ou —ind—X {(4. −2) + r(3. 0. 0. x5 ) = (4 + 3r − 5s.17 (Software Algébrico) solver sistemas com Maxima pode-se linsolve([x-3*y+5*w=4. [x. n−p=q = n n= p= n n o o total de variáveis. x3 . correspondendo ao número de pivôs ou de equações efetivas (as equações 0 = 0 não são efetivas. 3. 0). −2.z. −2s. xeste exemplo o sistem— possui um tot—l de 5 v—riáveis eD por possuir 3 equ—ções rel—™ioE n—ndoE—sD (™ou ™om somente 5 − 3 = 2 v—riáveis livres p—r— —ssumir qu—lquer v—lorF e ess—s du—s v—riáveis @x2 e x4 A for—m —tri˜uídos os dois p—râmetros r. sendo. quanto maior o número de linhas não-nulas (equações efetivas) no sistema escalonado menor o número de variáveis Zerar uma linha reduz o número efetivo de equações do sistema. 1. 0. x— lingu—gem de esp—ço ger—doD o ™onjuntoEsolução é o pl—no (4. s. 0) | r. (−5. x4 . 1.y. 0. RESOLVENDO SISTEMAS LINEARES RW Observação 2. a=-2]. 0. portanto. 0. equação era combinação linear das outras. 0.15 Após o escalonamento total de um sistema obtemos uma matriz com n +1 colunas (correspondendo ao total de n variáveis) e p linhas não-nulas. r.

4. −3. −2. x3 . 0. 1) + s(1. x3 = s. 0. 4) + 0(1. x3 . 0) + s(0. 0) = (3. −1. t ∈ R}. −7. −2s + t. 1) + t(−1. 0. 0. 1. −1) + v (−1. x3 F sntroduzindo p—râmetros r. 0. (0. t @m—is ™onveniente que t1 . −3. 1) + t(1. 0) + u(−2. 0. 1. 1) . −2. . −1. 0)D ou sej—D €re™is—mos resolver o sistem—   @Q equ—çõesD R v—riáveisAX   s   1 −1 −2 −1   2 t      1  1 −1 −1   = 4 . x5 . Determine Π1 ∩ Π2 . 0)| s. Solução: @—A gomo —s ™olun—s ™om pivô são 2. 0). 0. x4 . 1. 0. −1. 0) + s(0. x2 . 1) + s(2. 1)}. t)D ou —ind—D o ™onjuntoEsolução é {(0. 1) + t(−1. s. 0. 4) + r(1. u. −7. x4 = 4 − 3x7 = 4 − 3t. 0). 1) + u(2. 1. 2 − 3t. 4 − 3t. 1. 0. 0. 0). 4. s. Exemplo 2. 1. s ∈ R}F x— lingu—gem do g—pítulo ID o ™onjuntoEsolução é o pl—no (0. t ∈ R} Π2 = {(3. 2)D ou sej—D s(1. −1. 0) + 0(0. 1. x4 F ƒão P v—riáveis livresX x1 . 0. u 1 0 −1 −2 0 v . t ∈ RF x— lingu—gem do g—pítulo ID o ™onjuntoEsolução é (0. x7 F sntroduzindo p—râmetros r. −7. 0. 0. x6 = 2 − 3x7 = 2 − 3tF €ort—nto (x1 . 0) | r. 0. 0) = (3. 0. 1. x2 . 0. 1) + v (1. x6 F ƒão Q v—riáveis livresX x1 . sF €or exemploD toE m—ndo r = 0 e s = 0D o˜temos — solução (0. 0) + (1. x6 .30 Considere os planos Π1 = {(1. x3 . (0. x7 ) = (r. −3. x4 . −3. 2. 2)| s. 4). x4 ) = (r. 1) + t(−1. Solução: ueremos s—˜er se existem s. 4. 0) + t(0. 0) − 2(0. 0. 2. 2. −2. 0) + r(1. SISTEMA LINEAR Exemplo 2. 1. 5. −7. −1. 0 −1  2 3 Solução: gomo —s ™olun—s ™om pivô são 2. 0) F @˜A y˜temos soluções p—rti™ul—res f—zendo v—ri—r os p—râmetros r. t. 1. 0. ™om r. −1. 0.SH CAPÍTULO 2. s e —tri˜uindoEos —s v—riáveis livres o˜temos que x1 = r e x3 = sF h—s equ—ções o˜temos que x2 = −7 − 3x3 = −7 − 3s e x4 = 4F €ort—nto (x1 . 4D são 2 v—riáveis dependentesX x2 . 0. −3. 1. 0. 0. 0. 0. −2. 4)D ou —ind—D o ™onjuntoEsolução é {(0. 0. (b) Determine soluções particulares. 1. s. x7 = tF h—s equ—ções o˜temos que x2 = −2x3 + x7 = −2s + t. 0. 1. 0. (0. −2) = (2. −7 − 3s.29 Considere o sistema 0 1 3 0 −7 0 0 0 1 4 (a) Determine o conjunto solução. 0. 0. 0. t2 e t3 A e —tri˜uindoEos —s v—riáveis livres o˜temos que x1 = r. 4. −3. 1.28 Resolva o sistema:  0  0   0 0 1 0 0 0 2 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1  1 0 4  3 . 0. s. 0. €odemos o˜ter innitas soluções pois p—r— ™—d— es™olh— de v—lores p—r— os p—râmetros r e sD um— nov— solução é ger—d—F e Exemplo 2. 1) + s(1. 0. 1. 4) + 3(1. 0) = (0. v ∈ R @note que tro™—mos os p—râmetros do segundo pl—noA t—is que (1. x5 = −1. 1. 0. 1. 0. 4). −2. −3. 0. 1. −7. 4) + (1. x5 . 2. 6D são 4 v—riáveis dependentesX x2 . −3. y˜temos outr— solução tom—ndo r = 3 e s = −2X (0.

2) e d—r ™omo solução {(3. 3. 1)+(11k − 2)(2. 1. 1) + v (1. 2)| v ∈ R}F €odeEse veri(™—r que nos dois ™—sos ™heg—E mos n— mesm— respost—X {(−9. 1. Π3 = (1. 0.   4   4 2 1 −1 −1    v  1 1 1 −1 −2 0 x ‚esolvendo @utiliz—mos linsolve no MaximaA o˜temos que ™onjunto solução é um— ret—F €—r—metriz—ndo — ret— por k ∈ RD s = 2 − 4k. −1. −5) + v (5. u ∈ R t—is que (−1. 1) + u(−1. 2. @—A gomo Π2 = u(2. 8. 0. 4. 1) ™om s. w) ∈ R4 tais que 2x − y + z + w = 0 (Π4 é o conjunto-solução deste sistema). 2. 0. −1. 1)+ t(2. 2. 2. 0)D — interseção é — ret— {(1. u. −2. 0. 1. −2. RESOLVENDO SISTEMAS LINEARES SI  1 −1 −2 −1 2 1 −1 −1 4 F is™—lon—ndo tot—lmente essim pre™is—mos es™—lon—r — m—triz  1 1 0 −1 −2 0   1 0 0 −4 −6 4 F essim tom—ndo v ™omo p—râmetro livreD o˜E 1 @veri(que3A o˜temos  0 1 0 0 0 1 −2 −6 temos que (s. 1). 2. 1. −1. 2. v = 4 − 14k. 4. 1)+s(1. 2) . 1. Determine a interseção Π1 (a) com (b) (c) Π2 = (2. 1) + (4v − 6)(1. t3AD queremos s—˜er se existem s. 1)+ (1. 1. 1) + (4 − v )(−1.2. 1) + t(−1. 1) + (18. z. 4)| v ∈ R}F  Exemplo 2. (2. 4. 3. −1). 6. −2. −1. 2v − 6. 1). 0. 0. 1. 2) @nov—mente utiliz—mos p—râmetros distintos dos utiliz—dos n— p—r—metriz—ção de Π1 AD pre™is—mos resolver @veri(que3A o sistem— @R equ—çõesD  S v—riáveisA   s   1 2 1 0 1   2  3 −1 1 −3  t   0  0   u  =  . −4. y. −1. 1) = (−3. t ∈ RF . 2)F €re™is—mos @f—ç— —s o sistem— @R equ—çõesD Q v—riáveisA   ™ont—s3A resolver     1 2 −2 1  3 −1 −1  s  0    t  =    4  2 . 3. −1. x = k F ƒu˜stituindo n— equ—ção p—r—métri™— de Π1 @poderí—mos su˜stituir t—m˜ém n— de Π3 e o˜terí—mos o mesmo result—do ! veri(que3A o˜temos que — interseção é (−1. −23. 3. 1. 4 − v. 2. 3. −2. 1) . 7) F @™A gomo x = −1 + s + 2tD y = 3s − tD z = −2 + 4s + 2tD w = 1 + s + tD e @veri(que3A 0 = x − 2y + w = −4s + 5t e 0 = 2x − y + z + w = −3 + 4s + 8tD devemos resolver o sistem— 3 15 −4s + 5t = 0 e t0 = F essim — F ‚esolvendo o˜temos — solução s0 = −3 + 4s + 8t = 0 52 13 interseção de Π1 ™om Π4 é o ponto (x. −23. 1. 1) + (2v − 6)(2. 6. 1)+ k (18. u = 4 − 19k. 1. 1)+t(2. 0. 2) @note que us—mos p—râmetro uD distinto de s. v ) = (4v − 6. −1. 1. 3. t = 11k − 2. t. 2 −1  u 1 1 −2 −1 is™—lon—ndo @veri(que3A v—mos ™on™luir que o sistem— não possui soluçãoF gon™luímos que — interseção é v—zi—X Π1 ∩ Π2 = ∅F @˜A gomo Π3 = (1. −1) + v (0. 1) + u(2. 2) x − 2y + w = 0 Π4 o conjunto dos pontos (x. 1. 0. t. y. 3. 1. 2. 1. −2. 4. w) ∈ R4 ™om x = −1 + s0 + 2t0 D y = 3s0 − t0 D Solução: im eqs p—r—métri™—s Π1 = (−1. 1)+(2 − 4k )(1. 1. −2. 1) + (−1. 1)+ s(1. 8. (−1. 2. 1) + s(1. 0)| v ∈ R}F yutr— possi˜ilid—de é utiliz—r — equ—ção de Π2 = (3.5. z.31 de Seja Π1 = (−1. 1) + v (1. −1. (0. v )F im termos de pontos do pl—noD ™omo Π1 = (1. 1. 1) + x(−1. 7) p—r— k ∈ RF essim Π1 ∩ Π3 = (−3. 1. 2. 1. 1) = u(2.

y. 1. −3)F essim x = 1 + tF vogo t = x − 1F  y = 2 − 1(x − 1)    z = 1 + 2(x − 1) ƒu˜stituindo n—s outr—s equ—ções v—mos o˜ter o sistem— F w = 2 + 2(x − 1)    k = 2 − 3(x − 1) Solução: @—A „emos que (x. z. 2. 2. z. 2. k ) = (1. w. 1. −1. 2. reta ou plano o conjunto solução de cada um dos sistemas abaixo. SISTEMA LINEAR z = −2 + 4s0 + 2t0 D w = 1 + s0 + t0 F Exemplo 2. 2). 2. 2) + (1. 0. 1. 0) + (0. 1) + t(1. y. tA o˜temos que 7s = −y + 3x − 3 e 7t = 2y + x − 1F gomo z = 2 + 2s + 4t e w = 1 + s + tD su˜stituindo s. t ™omo função de x. k ) ∈ R5 tais que tais que x−w+k =2 x−y+z =1 Y ∩ Z. 1. t ™omo função de z = 2 + 2(−y + 3x − 3)/7 + 4(2y + x − 1)/7 x. 1. 2. 0. 0. −2) + t(1. 1)F essim . −1. −1. 2) + s(1.33  Determine se é ponto. −2. y. w) = F (1. w) = (1. z. 1) p—r— t ∈ RF vogo Y ∩ Z = (2. 1). y o˜temos o sistem— w = 1 + (−y + 3x − 3 + 2y + x − 1)/7 @˜A y pl—no é @porquecA (1. 3). 2. 2. w.A s = −y + 2x − 3Dt = y − x + 2F gomo z = s + 2t e w = 2 − 2s + tD su˜stituindo s. 3. 4. 4. 0. −1). y o˜temos o sistem— z = −y + 2x − 3 + 2(y − x + 2) w = 2 − 2(−y + 2x − 3) + y − x + 2 @™A e ret— é @porquecA (1. 2. z. 2. 0. dados por sua matriz aumentada já escalonada: 1 2 3 4 4 2  0 0 1 2 1 −1  (a) 0 0 0 1 2 1 (b)  1 3 2 −1 2  0 0 7 0 −1  (b) 0 0 0 5 9   2  0 (c)   0 0   3 −2 4 2 5 2 1 0   0 2 −3 −1  0 0 2 0 Solução: @—A S v—riáveis e Q equ—çõesX é um pl—no @5 − 3 = 2AF @˜A R v—riáveis e Q equ—çõesX é um— ret— @4 − 3 = 1AF @™A R v—riáveis e R equ—çõesX é um ponto @4 − 4 = 0AF Exemplo 2. y. 1. −1. 1) . 0. 2. Determine x−w+k =2    x−y+z =1 temos que resolver o sistem— F is™—lon—ndo o˜temos que — solução é — w−k =0    x+z =0 ret— (x. (1. tA o˜temos que @™om MaximaX linsolve([x=1+s+t. k ) = (2. 4. z. 3.34 (a) a (c) à Determine um sistema linear cujo conjunto solução seja igual: (b) ao plano que passa por (1. w. 2) + t(1. y=-1+s+2*t]. 1. z. 1.t]). 1) essim x = 1 + s + t e y = −1 + s + 2tF ‚esolvendo @p—r— s. y. 2. −1. y. 0. 1. 1) F Solução: €ontos n— interseção  vão s—tisf—zer os dois sistem—s simultanemanteF essim Exemplo 2. 1. 0. (1. reta que passa por (1. −2). −1. 0. 1. 2. 2. 3. 1. w. 2. x = 1 + 2s + t e y = −s + 3tF ‚esolvendo @p—r— s. −3) F vogo (x.[s. 2. 2) + (1. 2. 0) e (2. 0) + t(0. 2. 0. −1. 1) + (2. (1. 2) e (2. 0. −1. 1) F vogo (x. Z o conjunto dos pontos (x. −2. 1) + s(2. k ) ∈ R5 w−k =0 x+z =0 . 2. 0. (2.32 e Seja Y o conjunto dos pontos (x.SP CAPÍTULO 2. −1.

PRODUTO MATRIZ-VETOR SQ 2.  v2 vn    Ax =   a11 a21 F F F x1 + a12 x1 + a22 F F F am 1 x 1 + am 2  x2 · · · + a1n xn x2 · · · + a2n xn   . F FF F  F F x2 · · · + amn xn .2. por .  ∈ Rn .6. ↓ ↓ €ens—ndo em linh—sD A é ™omposto de m vetoresElinh—D ™—d— vetor ui ∈ Rn X   ← u1 →   F F A= . combinação linear das colunas da matriz com coea12 a22 F F F cientes dados pelas entradas do vetor.  · · · a1n  · · · a2n    w—is expli™it—menteD se A =   então F F F F  F F  am1 am2 · · · amn      a12 a1 n a11 n  a22   a2 n  a21       Ax = xi v i = x1  F  + · · · + xn  F  +x2  F F F  F   F   F F i=1 am1 am 2 amn a11 a21 F F F v1 essim     .6 Produto Matriz-Vetor €odemos ver um— m—triz ™omo um ™onjunto de vetores dispostos em ™olun—s ou linh—sF essimD d—do A ∈ Mm×n D pens—ndo em ™olun—sD A é ™omposto de n vetoresE™olun—D ™—d— vetor vi ∈ Rm X   ↑ ↑ A =  v1 · · · vn  . o produto da matriz A pelo vetor x.19 (produto matriz-vetor) Seja A =  v1 · · · vn  ∈ Mm×n e x = ↓ ↓   x1  x2     .  xn n Ax = i=1 Portanto o produto matriz-vetor é a xi v i . F ← um → ist— visão de m—trizes é muito import—nteD entre outr—s r—zõesD pois —s oper—ções de som— e produto de m—trizesD in™luindo o produto m—trizEvetorD são m—is fá™eis @e n—tur—isA de serem de(nid—s utiliz—ndo este ponto de vist—F †—mos utiliz—r ˜—st—nte no livro este ponto de vist—F il— é gener—liz—d— pel— visão de m—triz em ˜lo™os —present—d— n— ƒeção RFT d— pFIIVF   ↑ ↑ Denição 2.  . Denimos Ax ∈ Rm .

vetores u. . . . v ∈ k . j =1 Lema 2. un ). .  ← u1 → . v e —pli™—r — de(nição do produto m—trizE vetor ™omo ™om˜in—ção line—r d—s ™olun—s d— m—trizF heix—mos det—lhes p—r— o leitorF †—mos re™ord—r o produto es™—l—r entre dois vetoresF ‚etom—remos este —ssunto ˜em m—is —di—nte no texto @vej— he(nição SFI d— pFIQUAF Denição 2. 0) ∈ R5 .SR ssto pode ser represent—do pelo esquem—X CAPÍTULO 2. Prova: f—st— es™rever —s entr—d—s dos vetores u. Prova: f—st— expli™it—r em termos de ™oe(™ientes (aij ) d— m—triz e do vetor w = (wi )F †er ixemplo RFR d— pFWQF heix—mos det—lhes p—r— o leitorF ssto pode ser represent—do pelo esquem—X    ← u1 → ↑     F F x Ax =  =  F ↓ ← um →      u1 · x   F = F  = F um · x    b1  F F F  = b. 5). Então   Ax =  u1 · x . v = (v1 . um · x Portanto cada entrada do produto matriz-vetor é o matriz e produto escalar entre cada linha da x.20 (linearidade do produto matriz-vetor) R n e escalar Dados uma matriz A. . −2.   . Então Exemplo 2. v = (−1. SISTEMA LINEAR    x1 ↑ ↑  F   Ax =  v1 · · · vn   F F = ↓ ↓ xn    ·  ·  = · n xj v j . u·v =0 dizemos que u e v são perpendiculares entre si.    ∈ Lema 2. −3.35 Sejam u = (1. .21 (produto escalar ou interno) Dados dois vetores u = (u1 . vn ) ∈ Rn denotamos o produto escalar (ou produto interno) entre eles por u · v. 4. 3. 2.22 (interpretação do produto matriz-vetor) Mm×n e Seja  A =  ← um → x ∈ Rn . A(u + k v) = Au + kAv. . bm . −1. um número denido por n u·v = i=1 Se ui vi . . . . . . u · v = (1)(−1) + (−2)(2) + (−3)(−1) + (4)(3) + (5)(0) = (−1) + (−4) + (3) + (12) = 10.

50 e o conjunto-solução é {(0.  . 4) + (1. . . 0.2.    a x +a x · · · +a x = 0 m1 1 m2 2 mn n Denição 2. . . 0). SISTEMAS HOMOGÊNEOS.25 (solução geral e particular) Considere o sistema Ax = b. 1. . de núcleo de A. 0.36 Nuc(A). conjunto-solução é o plano Na linguagem do Capítulo 1. F F ··· 0 €or isso — form— es™—lon—d— de um sistem— homogêneo não possui linh— d— form— 0 ··· 0 F ssto impli™— que um sistem— homogêneo sempre possui soluçãoF w—is —ind—D num sistem— homogêneo ™om n v—riáveisD o número de pivôs p @equ—ções efetiv—sA —pós o es™—lon—mento determin— se — solução é úni™—X @—A p = n ⇒ solução única @—pen—s — trivi—lAY @˜A p < n ⇒ innitas soluçõesD (n − p) v—riáveis livresF Denição 2. . o conjunto-solução do sistema A chamamos Ax = 0. 0) é sempre solução do sistema xum sistem— homogêneo o l—do direito de zeros    ··· 0  F   F F F  F F FF F F  ∼  F F ··· 0 é preserv—do por oper—ções element—resX  ··· 0  F F F F F F FF F F . . −7. o (0. 0) + s(0. . . SOLUÇÃO GERAL E PARTICULAR SS 2. 0.23 (Sistema homogêneo) é um sistema cujo lado direito é todo igual a zero:   a11 x1 +a12 x2 · · · +a1n xn = 0    a21 x1 +a22 x2 · · · +a2n xn = 0 . Solução Geral e Particular Denição 2. Chamamos de solução do sistema homogêneo associado o conjunto-solução do sistema Ax = 0. −3. Chamamos de solução particular um elemento v0 ∈ S qualquer. .24 (solução trivial) O vetor nulo homogêneo. 0) | r.26 (núcleo) Exemplo 2. −7. Considere o sistema não-homogêneo: 0 1 3 0 −7 0 0 0 1 4 . 0. (0. Considere o sistema homogêneo associado: 0 1 3 0 0 0 0 0 1 0 . 0. s ∈ R}. 0. −3.29 da p.. 0) . . denotado por Vamos ver a relação entre soluções de um sistema não-homogêneo e do sistema homogêneo associado. . Dada uma matriz Denição 2. . 0. . 4) + r(1. 1. Este sistema foi resolvido no Exemplo 2. Esta solução é chamada solução trivial. . . . .7 Sistemas Homogêneos. Chamamos de solução geral seu conjunto-solução S . (0.7.

0. 0) | r.8 Interpretação de Sistemas em Rn €—r— interpret—r pre™is—mos d— de(nição de hiperpl—noD que gener—liz— ret—s no R2 e pl—nos no R3 F Denição 2. o conjunto-solução é (1. 1. Exemplo 2. que é uma solução particular (dentre as innitas soluções) do sistema não-homogêneo. (0. 0). obtemos o conjunto-solução {r(1. Se então existe uma solução particular (do sistema não-homogêneo) v0 ∈ S e S = ∅. s ∈ R}. 4). 0. Mais precisamente. 0.28 (hiperplano) de dimensão Um hiperplano em Rn é a translação de um espaço gerado n − 1. 3 (b) Um plano em R (translação de um espaço gerado de dimensão 3 − 1 = 2). −3. 0.27 (solução geral de sistema) sistema não-homogêneo e Seja S o conjunto-solução (solução geral) do V o conjunto-solução do sistema homogêneo associado. o plano Na linguagem do Capítulo 1. Prova: ƒej— S = ∅ — solução ger—l do sistem— nãoEhomogêneo Ax = b e v0 ∈ S solução p—rti™ul—r qu—lquer do sistem— nãoEhomogêneoF ƒej— V o ™onjuntoEsolução do sistem— homoE gêneo —sso™i—do Ax = 0F ueremos prov—r que S = v0 + V F €—r— isto ˜—st— prov—r que v0 + V ⊂ S e que S ⊂ v0 + V F †—mos prov—r que v0 + V ⊂ S F h—do v ∈ V qu—lquerD queremos prov—r que v0 + v ∈ S D ou sej—D que A(v0 + v) = bF he f—toD pelo vem— PFPH d— pFSR @line—rid—de do produto m—triz vetorA A(v0 + v) = Av0 + Av = b + 0 = bF †—mos prov—r que S ⊂ w0 + V F h—do w ∈ S qu—lquerD queremos prov—r que w ∈ v0 + V F xov—mente pelo vem— PFPH d— pFSR A(w − v0 ) = Aw − Av0 = b − b = 0F gon™luímos que w − v0 ∈ V e port—nto w ∈ v0 + V F e solução geral @se nãoEv—zi—A do sistem— Ax = b é d— form— v0 + V D som— de um— solução particular ™om um— solução do sistema homogêneo associado Ax = 0F essim são equiv—lentesX @—A o sistem— possui solução úni™— @igu—l — v0 AY @˜A o sistem— homogêneo —sso™i—do possui solução úni™— @— trivi—lAY @™A Nuc(A) = 0F 2. Note que o conjunto-solução do sistema não-homogêneo e do homogêneo associado diferem somente pelo vetor (0. S = v0 + V . 1. −7.ST CAPÍTULO 2. se V é o conjunto dos vetores perpendiculares a u então existe v0 ∈ H que H = v0 + V .29 (geometria da equação do hiperplano) H tal da equação Dado u = 0. 4 (c) Em R a translação de um espaço gerado de dimensão 4 − 1 = 3 é um hiperplano. SISTEMA LINEAR Resolvendo-o de forma análoga. o conjunto-solução u · x = b ∈ R é um hiperplano. Teorema 2. (a) Uma reta em Lema 2.37 São hiperplanos: R2 (translação de um espaço gerado de dimensão 2 − 1 = 1). 0. 0) + s(0. 0) . . −3.

t2 = z. u) = (4. an ) ∈ Rn D um dos ak = 0F vogo é solução p—rti™ul—r d— Exemplo 2. . . 0. F F F F FF F F F F  F F F F F    a m1 x1 + am2 x2 · · · + amn xn = bm       a11 a12 · · · a1n b1 x1  a21 a22 · · · a2n       F  F F e — m—triz A = D b = he(nimos x =  F  F F ƒ—˜emos    F F F F F F F F F  F F F F  bm xn am1 am2 · · · amn d— he(nição PFIW d— pFSQ do produto m—trizEvetor que podemos es™rever este sistem— ™omo Ax = b. y. 0. 0) + t2 (−3. 0. 0. t3 = w e t4 = uD o˜temos que x = 2t1 − 3t2 − t3 + t4 +4F €ort—nto (x. z. 0) + t3 (−1. es du—s interpret—ções do produto matriz-vetor @™om˜in—ção line—r de ™olun—s e produto es™—l—r ™om linh—sA impli™—rão em du—s interpret—ções p—r— o ™onjuntoEsolução do sistem— line—r @interseção de hiperpl—nos e b ∈ esp—ço ger—do pel—s ™olun—sAX @—A @produto es™—l—r ™om linh—s → interseção de hiperplanosA   ← u1 →   F F ƒe A =   @™—d— linh— é um vetorAD pelo vem— PFPP d— pFSR o sistem— F ← um →   u1 · x = b1    u2 · x = b2 Ax = b pode ser res™rito ™omoX . 1. . 1)F „r—t—Ese d— tr—nsl—ção de um esp—ço ger—do de dimensão 4 em R5 D isto éD um hiperpl—no em R5 F †—mos rel—™ion—r — oper—ção de produto m—trizEvetor ™om sistem—s line—resF gonsidere o sistem—    a11 x1 + a12 x2 · · · + a1n xn = b1   a21 x1 + a22 x2 · · · + a2n xn = b2 . y. 0) + t1 (2. xn ) ™om xk = abk e xj = 0 p—r— j = k F gonsidere V o ™onjuntoE solução do sistem— homogêneo —sso™i—do u · y = 0F xote que V é o ™onjunto dos vetores perpendiculares — uF gomo este é um sistem— es™—lon—do ™om I equ—ção nãoEnul— e n v—riáveisD são q = n − 1 v—riáveis livresF €elo „eorem— PFIV d— pFRV V é ger—do por q = n − 1 vetores vssD ou sej—D tem dimensão n − 1F €elo „eorem— PFPU d— pFSTD H = v0 + V D — tr—nsl—ção de um esp—ço ger—do de dimensão n − 1F Prova: gomo 0 = u = (a1 .2. w. 0. y. 0. 0. 0. 0. 0) + t4 (1. u) ∈ R5 | x − 2y + 3z + w − u = 4} é um hiperplano. 0. . . z. g—d— equ—ção uj · x = bj F F F F  F F    u ·x = b m m Solução: €odemos es™rever que x = 2y −3z −w +u+4F sntroduzindo qu—tro p—râmetros t1 = @supondo uj = 0A represent— um hiperpl—no Hj @tr—nsl—ção de um esp—ço ger—do de dimensão n − 1 em Rn AF y ™onjuntoEsolução S do sistem— line—r é igu—l — interseção de m todos estes hiperpl—nosX S = j =1 Hj D ist— interpret—ção é geométricaF pizemos isto em R2 e R3 n— ƒeção PFQ d— pFQIX im R2 interseção de ret—s @hiperpl—nos em R2 AY em R3 interseção de pl—nos @hiperpl—nos em R3 AF . 0. 1. w. . . INTERPRETAÇÃO DE SISTEMAS EM RN SU equ—ção v0 = (x1 .38 Mostre que {(x. 1. .8. 0.

vn D então o sistem— não possuirá soluçãoF ist— interpret—ção é algébricaF É — interpret—ção m—is import—nte no ™urso de Álge˜r— vine—rF €odemos resumir d— seguinte form—X ƒistem— sem solução ™om solução úni™— ™om in(nit—s soluções b= xj vj c ou b ∈ v1 . . neste e em outros exercícios.1: ƒem f—zer ™ont—sD2 determine se os sistem—s —˜—ixo possuem um— úni™—D nenhum— ou in(nit—s soluçõesF x+y = 1 x+y = 1 x+y = 1 @—A Y @˜A Y @™A 2x + 2y = 2 2x − 3y = 2 2x + 2y = 3 Fix 2. .2012 22h 2 Por sem fazer contas.1 Exercícios de Fixação Fix 2.SV CAPÍTULO 2. . . .9.ago. . . . sem fazer quaisquer contas que não possam ser feitas mentalmente com facilidade . queremos dizer. SISTEMA LINEAR e intuição geométri™— g—r—nte queD de form— ger—lD t—nto — interseção de du—s ret—s no pl—no qu—nto — interseção de três pl—nos em R3 é um úni™o pontoF w—s ™omo visu—liz—r queD de form— ger—lD — interseção de 4 hiperpl—nos em R4 é um úni™o pontoc €—r— entender sistem—s ™om muit—s equ—ções devemos nos li˜ert—r dest— interpret—ção geométri™—D que não pode ser experiment—d— em dimensão m—ior que 3D em f—vor d— próxim— interpret—çãoF @˜A @™om˜in—ção line—r d—s ™olun—s → b ∈ espaço gerado pelas colunasA   ↑ ↑ ƒe A =  v1 · · · vn  @™—d— ™olun— é um vetorAD pel— he(nição PFIW d— pFSQ o ↓ ↓ sistem— Ax = b pode ser res™rito ™omoX Ax = b = n 1 xj v j F y sistem— terá solução se o vetor b for ™om˜in—ção line—r dos vetores ™olun— d— m—trizD n isto éD se b = 1 xj vj p—r— —lguns xj ∈ RD ou sej—D se b ∈ v1 . .9 Exercícios de Sistemas Lineares 2.2: gonsidere —s seguintes oper—ções em um sistem— line—r de qu—tro equ—çõesX @—A tro™—r du—s equ—çõesY @˜A des™—rt—r um— equ—çãoY @™A su˜stituir — ter™eir— equ—ção pel— som— d— primeir— ™om — segund—Y @dA su˜stituir — qu—rt— equ—ção pel— su— som— ™om um múltiplo d— segund—Y @eA multipli™—r um— equ—ção por −1Y @fA multipli™—r um— equ—ção por 0F es oper—ções nunca alteram e —s oper—ções podem alterar o ™onjuntoEsolução do sistem—F 1 Versão 23. vn c @interpret—ção algébricaA não sim @úni™—A sim @in(nit—sA Hj = ∅c @interpret—ção geométricaA não sim @I pontoA sim @in(nid—de de pontosA 2. . vn F €ode existir m—is de um— ™om˜in—ção line—rD isto éD o sistem— pode ter m—is de um— soluçãoF €or outro l—doD se b ∈ v1 . . .

uma única. s.6: …m d—do ™omum é um ™u˜o ™uj—s T f—™es —present—m os números de 1 —té 6D distri˜uídos de form— que f—™es opost—s som—m sempre U @o I é oposto —o TY o P oposto —o S e o Q oposto —o RAF †—mos represent—r por f—™e I — equ—ção do pl—no que ™ontém — f—™e ™om o número ID por f—™e P — equ—ção do pl—no que ™ontém — f—™e ™om o número PD et™F hetermine o número de soluções de ™—d—  um dos sistem—s —˜—ixoX    f—™e1  f—™e3  f—™e1 f—™e2 f—™e3 f—™e3 Y f—™e5 Y f—™e3 Y @—A Y @˜A Y @™A @dA @eA f—™e6 f—™e4    f—™e5 f—™e6 f—™e6 Fix 2. t.8: hetermine se é verd—deiro ou f—lsoX @—A se dur—nte o es™—lon—mento um— linh— (™—r zer—d— então o sistem— têm in(nit—s soluçõesY @˜A um sistem— homogêneo possui sempre soluçãoY @™A um sistem— nãoEhomogêneo não pode possuir in(nit—s soluçõesF Fix 2.4: gonsidere um triângulo ABC equilátero @—A um sistem— form—do pel—s três ret—s que ™ontém os l—dos de ABC possui @nenhuma. uma única.3: y ™onjuntoEsolução do sistem— Fix 2.9. três. innitasA solução@çõesAY @˜A um sistem— form—do por qu—isquer du—s dest—s ret—s possui @nenhuma. u de modo queX r p—ss— por A e B D s p—ss— por B e C D t p—ss— por A e C D u p—ss— por A e DF hetermine — solução de ™—d— um dos sistem—s —˜—ixoD onde represent—mos ™—d— equ—ção pel— ret— que el— determin—X    r  r s u s Y t F @—A Y @˜A Y @™A @dA t s   t u Fix 2.11: im R5 X .10: ƒem f—zer ™ont—sD dis™ut— — existên™i— e — uni™id—de de solução dos sistem—s —˜—ixoF xo ™—so determine —ind— o númerode v—riáveis livresF   de in(nit—s soluçõesD 1 4 6 2 1 4 6 2  0 2 5 2   0 2 5 2  Y   @˜A @™A @—A   0 0 3 1 Y  0 0 3 1  0 0 0 0 0 0 0 1 0 1 0 2 F 0 0 1 2 Fix 2. EXERCÍCIOS DE SISTEMAS LINEARES SW x − 2y = 3 @não resolv— o sistem—3A não se 3x + y = 1 —lter— se —™res™ent—rmos — equ—ção 2x + 3y = F Fix 2.9: hetermine se é verd—deiro ou f—lsoX @—A um sistem— ™om S equ—ções e Q v—riáveis é sempre sem soluçãoY @˜A um sistem— ™om Q equ—ções e S v—riáveis possui in(nit—s soluçõesY @™A um sistem— homogêneo ™om Q equ—ções e S v—riáveis possui in(nit—s soluçõesY @dA um sistem— homogêneo ™om S equ—ções e W v—riáveis possui pelo menos R v—riáveis livresY @eA um sistem— homogêneo ™om W equ—ções e W v—riáveis possui sempre solução úni™—F Fix 2.7: ƒem f—zer ™ont—sD determineD se possívelD — ™ondição em ξ p—r— que os sistem—s —˜—ixo não possu—m soluçãoX −x + y = 3 @—A Y 2x − 2y = ξ @˜A −x + y = 3 F 2x + y = ξ Fix 2.2. três.5: gonsidere o p—r—lelogr—mo ABCD @nãoEdegener—doX todos os pontos são distintos Fix 2. innitasA solução@çõesAF entre siA ™om l—dos p—r—lelos AB e CDF he(nimos qu—tro ret—s r.

1: €—r— ™—d— um dos sistem—s —˜—ixo interprete ™—d— equ—ção ™omo um— ret— em R2 D .9. . .2 Problemas f—ç— o grá(™o e determine geometri™—mente o número de soluçõesX x+y = 3 3x − y = 6 @—A Y @˜A Y x−y = 1 −6x + 2y = 6 Prob 2. hiperplanosAY Y @˜A um— ret— é um su˜esp—ço de dimensão @™A um pl—no é um su˜esp—ço de dimensão Y @dA um hiperpl—no é um su˜esp—ço de dimensão F Fix 2.TH CAPÍTULO 2. ↓ ↓ ↓ ← um → xn he(n— Hj = {x ∈ Rn | uj · x = bj }F @—A o sistem— Ax = b possui solução seD e somente seD j =1 m @união. ∈A v1 . planos. SISTEMA LINEAR @—A o ™onjuntoEsolução de um sistem— line—r pode ser visto ™omo — interseçãoA de @retas.13: ƒej— S = ∅ — solução ger—l de um sistem— nãoEhomogêneo ™om V o ™onjuntoE solução do sistem— homogêneo —sso™i—doF is™olh— um— opçãoF É sempre verd—de queX @eA S = v0 + V ™om v0 ∈ V Y @fA S = v0 + V ™om v0 ∈ S Y @gA V = v0 + S ™om v0 ∈ S Y @hA V = v0 + S ™om v0 ∈ V Y 2.5:  dos sistem—s —˜—ixoX  ‚esolv— ™—d— um 0 1 −2 0 0 0 1 −2 0 0 0 1 0 Y @˜A Y @—A 0 0 0 0 0 1 0 0 0 0 0 1     3 −4 2 0 1 0 0 −1  −9 12 −6 0  Y  3 Y @™A 0 1 0 @dA  −6 8 −4 0  0 0 1 2 0 0 0 0 Prob 2.2: ƒuponh— que um sistem— de três v—riáveis é ™omposto de três equ—çõesF im R3 ™—d— equ—ção represent— um pl—noF u—l — posição rel—tiv— destes três pl—no qu—ndo o sistem—X @—A não possui soluçãoc @˜A possui ex—t—mente um— soluçãoc @™A possui in(nit—s soluçõesc Prob 2. Hj @=. . vn Y Fix 2.12: gonsidere o sistem—X       ← u1 → x1 ↑ ↑ ↑      F  F F Ax =   x = v1 · · · vn   F F F  = b.4: form— totalmente escalonada d—s m—trizes —˜—ixoX  in™ontre —   1 2 3 4 1 3 5 7 @—A  4 5 6 7 Y @˜A  3 5 7 9 F 6 7 8 9 5 7 9 1 Prob 2.3: €—r— ™—d— um dos itens —˜—ixoD dê um exemplo de um sistem— ™om —s ™—r—™terísti™—s pedid—s ou explique por que t—l exemplo não pode existirX @—A @no equ—çõesA a @no v—riáveisAD in(nit—s soluçõesY @˜A @no equ—çõesA ` @no v—riáveisAD solução úni™—Y @™A @no equ—çõesA ` @no v—riáveisAD nenhum— soluçãoY @dA @no equ—çõesA b @no v—riáveisAD in(nit—s soluçõesY Prob 2. . =A ∅Y @˜A o sistem— Ax = b possui solução seD e somente seD b @∈.

d ∈ R t—is que o sistem—   x + 2y + 3z = a 5y + 6z = b possu—X @—A nenhum— soluçãoY @˜A in(nit—s soluçõesF  cz = d Prob 2.9.11: g—l™ule  −2 1 3   −1  @produto m—trizEvetorA de du—s form—sX 0 4 −3 1 @—A ™omo gv d—s ™olun—s d— m—triz @us—ndo ™omo ™oe(™ientes —s entr—d—s do vetorAY @˜A ™omo produtos es™—l—res d—s linh—s d— m—triz pelo vetorF   1 4 5 Prob 2. b. @eA  −4 −12 −7 0 −10  13 0 1 2 2 3 14 6 18 11 0 Prob 2.9. 1 −1 0 −17 1 0 0 0 0 0 1 0 3  hê des™rições p—r—métri™—s dos ™onjuntosEsolução de —m˜osF in™ontre três soluções distint—s p—r— o primeiro sistem—F Prob 2.2: €—r— ™—d— um dos itens —˜—ixoD dê um exemplo de um sistem— ™om —s ™—r—™terísti™—s pedid—s ou explique por que t—l exemplo não pode existirX @—A @no equ—çõesA a @no v—riáveisAD solução úni™—Y @˜A @no equ—çõesA a @no v—riáveisAD nenhum— soluçãoY 0 Versão 23.ago.9: hetermine todos os v—lores possíveis p—r— a. 8)F hetermine a. 4) e (3. b.2.1: €—r— ™—d— um dos sistem—s —˜—ixo interprete ™—d— equ—ção ™omo um— ret— em R2 D   2x + 2y = 6 2x − 3y = −1 x−y = 1 Y @—A Y @˜A −6x + 9y = 3  x + 3y = 6 Ext 2.6: ys sistem—s —˜—ixo são equiv—lentes @o segundo está tot—lmente es™—lon—doAX     −2 1 2 41 0 0 1 0 −2 −24 0 0  1 0 −2 −24 0 0  ∼  0 1 −2 −7 0 0  . c. EXERCÍCIOS DE SISTEMAS LINEARES TI    2 6 3 1 4 0 1 2 1 1 6   2 6 3 −2 10  Y @fA  0 −2 −4 −2 −4 −18  .2012 22h . c ∈ RF    1 0 −1 2 Prob 2.7: ‚esolv— os sistem—s line—res —˜—ixoD es™revendo o ™onjunto solução em equ—ções p—r—métri™—sX   x + y − 2z = −2 2x − y + 2z = 1 x−y = 0 Y @—A Y @˜A −4x + 2y − 4z = −2  2x + y − 3z = −3 Prob 2. 2)D (2.3 Extras f—ç— o grá(™o e determine geometri™—mente o número de soluçõesX Ext 2.12: ƒej— A =  2 5 7 F xote que — ter™eir— ™olun— é — som— d—s du—s primeir—sF 3 6 9 ƒem es™—lon—rD en™ontre um vetor x t—l que Ax = 0F 2.8: hetermine os v—lores de m p—r— que o sistem— 2x + 8y + 2z = 3 possu—X 4x + m2 y + mz = 6 @—A um— úni™— v—riável livreY @˜A du—s v—riáveis livresF Prob 2.10: gonsidere — p—rá˜ol— y(x) = ax2 + bx + c que p—ss— por (1.

b2 )D (a3 .3: e equ—ção ger—l do ™ír™ulo em R2 ™om ™entro em (A. −3)F Ext 2. β1 . cF @™A hetermine — equ—ção do ™ír™ulo que p—ss— em (−4.TP @™A @no equ—çõesA ` @no v—riáveisAD in(nit—s soluçõesY @dA @no equ—çõesA b @no v—riáveisAD solução úni™—Y @eA @no equ—çõesA b @no v—riáveisAD nenhum— soluçãoY CAPÍTULO 2. 5. y3 ) por onde p—ss— o ™ír™uloD es™rev— o sistem— que determin— a. c em função de A. (x2 .8: gonsidere o sistem—  2x + 2y = 0 de resolução de sistem— é resolver um— equ—ção p—r— um— v—riável e su˜stituir — expressão n—s outr—s equ—çõesF ssto é repetido —té (™—rmos ™om somente um— v—riávelF gom issoD determin—mos um— v—riável eD su˜stituindo n—s outr—s equ—çõesD determin—mos —s outr—sF iste métodoD —lém de m—is longo que — elimin—ção de q—uss em termos de oper—ções ne™essári—s induzD frequentementeD —o erroF @—A ‚esolv— — primeir— equ—ção p—r— x e su˜stitu— — expressão n— segund— equ—çãoF heE termine y Y @˜A xov—mente resolv— — primeir— equ—ção p—r— xD m—s dest— vez su˜stitu— — expressão n— ter™eir— equ—çãoF in™ontre este y Y Ext 2.4: hetermine ™ondições nos p—râmetros @δ. β0 F xote que os p—res (ai . b5 )F is™rev— — m—triz —mpli—d— @™onhe™id— ™omo m—triz de †—ndermondeA do sistem— que determin— —s S v—riáveis β4 . −1)F Ext 2. (x3 . y2 ). b1 )D (a2 . SISTEMA LINEAR (x − A)2 + (y − B )2 = r2 F @—A determine a. b3 )D (a4 . b. 7) e (4. r p—r— que — equ—ção do ™ír™ulo sej— es™rit— ™omo x2 + ax + y 2 + by + c = 0Y @˜A h—dos três pontos (x1 . B.7: ƒej— y = β4 x4 + β3 x3 + β2 x2 + β1 x + β0 um polinômio que p—ss— por S pontos d—dosX (a1 . b4 )D e (a5 . b. (−2. bi ) são d—dosD e serão ™oe(™ientes d— m—triz —mpli—d—F  1  x + 3y = 2x + y = −3 F xo ensino fund—ment—l um método Ext 2. β2 . y1 ).5: in™ontre os v—lores de a t—is que o sistem— line—r —˜—ixo tenh— soluçãoF x−y = a  x+y+z = a Y  2x + z = a Ext2. β A p—r— que o sistem— —sso™i—do possu— um— úni™— soluçãoD in(nit—s soluções ou nenhum— soluçãoX  1  x + δy + z = δx + 2y = 0 2x − δy + 3z = δ Y @—A Y @˜A 2x + δy = 2  −x + 3 y = −2   x − y + z = −1   2  x + 2y + (δ + 1)z =  x+y−z = 1 y + δ2z = δ + 1 Y @™A @dA Y 3x − y + z = −1    x + (1 − δ )z = 0  x+ y + (β − 1)z = δ    1 1 3 2 x + y − z = 2  y + 5z = 5 F @eA  1 2 4 3 Y @fA  1 3 δ β x + 2y + δz = 7 Ext 2. B ) e r—io r é d—d— por . 5).6: @—A u—l — ™ondição em b1 D b2 e b3 p—r— que o sistem— —˜—ixo possu— soluçãoc  2 − 5 8 b1  2 1 0 b2  1 − 4 6 b3 @˜A ƒem ref—zer tod—s —s ™ont—sD dig— se o sistem— possui solução ™om o l—do direito (3. β3 .

9.2.3: …m sistem— line—r ™om n equ—ções e n v—riáveis tem — propried—de que os ™oe(™ienE tesD qu—ndo lidos linh— por linh—D d— esquerd— p—r— direit—D form— um— progressão geométri™—F €rove que o sistem— não tem solução úni™—F hetermine su— soluçãoF Des 2.9.1: ƒej— A um— m—triz que será es™—lon—d—F hetermine p—r— ™—d— um— d—s três opeE . EXERCÍCIOS DE SISTEMAS LINEARES TQ @™A u—l é — solução ™orret— p—r— o sistem—c 2.4: gonsidere um sistem— de n equ—ções em n v—riáveisF €rove — —ltern—tiv— de predholmX @—A ou o sistem— possui solução úni™— p—r— todo l—do direitoY @˜A ou o sistem— homogêneo —sso™i—do tem solução nãoEtrivi—lF Des 2.2: €rove que —s oper—ções element—res @de es™—lon—mento de um— m—trizA são reverE síveisD isto éD mostre que se — m—triz A é equiv—lente — B então — m—triz B é equiv—lente — m—triz AF Des 2.4 Desaos r—ções element—res um— m—triz P t—l que P A sej— — m—triz result—nte —pós — —pli™—ção d— oper—ção element—rY hi™—X eplique oper—ção element—r n— m—triz identid—deF Des 2.

TR CAPÍTULO 2. SISTEMA LINEAR .

para todo elemento neutro da soma: Existe inverso aditivo: Dado inverso aditivo de tal que u+0=u u∈V. para todo (u + v ) + w = u + ( v + w ) 0∈V u.1 Espaço e Subespaço Vetorial Denição 3. v ∈ V .2 (axiomas da soma vetorial) • • • • comutativa: associativa: u+v =v+u para todo u. Denotamos 1 Versão 03. −u. o plicação por escalar (produto escalar-vetor). mas nesse livro será sempre soma vetorial: operação que associa a cada dois vetores u. da multi- As operações satisfazem os Denotamos por axiomas (detalhados na sequência) da soma vetorial.Cap´ ıtulo 3 Espac ¸ o Vetorial xeste ™—pítulo ™omeç— — p—rte m—is —˜str—t— @p—r— muitos —lunosD — p—rte m—is difí™ilA do ™urso de Álge˜r— vine—r ™om — de(nição de esp—ços e su˜esp—ços vetori—isF y prin™ip—l exemplo é o Rn e ret—s e pl—nos p—ss—ndo pel— origemD m—s t—m˜ém são exemplos ™onjuntos de polinômios e funçõesF ‚evisit—mos os ™on™eitos —present—dos no g—pítulo I p—r— esp—ços vetori—is qu—isquerX vetor e oper—çõesY ™om˜in—ção line—rD esp—ço ger—doD vsGvhF gon™eitos novos —present—dos sãoX ˜—se e dimensão de esp—ço vetori—lD nú™leo e im—gem de m—trizF 3. Axioma 3. e distributivos. w ∈ V . por u ∈ V.agosto. cujos elementos são chamados de (ou vetores.1 (Um Espaço vetorial) • • • • um conjunto não-vazio um conjunto numérico consiste de: V. uma multiplicação por escalar (produto escalar vetor): u∈V e escalar operação que associa a cada vetor a∈K um vetor au ∈ V . o u. (V. v. ·) espaço vetorial sobre K. +. w. R).2012 15h TS . C ou Q ou outros. existe w∈V tal que u + w = 0. K=R cujos elementos são chamados de uma escalares. v ∈ V um vetor u+v ∈V.

x2 + y 2 ≤ 1} (o interior de um círculo de raio 1 2 Considere em V as operações do R . −u ∈ V AF xo ent—ntoD u = (0. Tomando u = 0. 1) ∈ V m—s 2u = (0. obtemos que 0 + 0 = 0. β : • (αβ )u = α(β u). Quem é o elemento neutro da soma? Quem é o inverso aditivo? .198. com estas operações. u.30) munido da operação de soma de matrizes e multiplicação de escalar por matriz da forma usual é um espaço vetorial. Veja Observação 7.5 Verique que o conjunto das matrizes Mm×n sobre os números reais (De- nição 2. β : Exemplo 3. Exemplo 3. Num certo sentido (ver Lema 4. Comece supondo que w e v são inversos aditivos de u. Como u + 0 = u (porque?).4 (axiomas distributivos) • α(u + v) = αu + αv. v ∈ V e escalares α. 0) ∈ V m—s u + v = (1.2 Exemplo 3. 0) ∈ V D existe inverso —ditivo @d—do u ∈ V. • (α + β )u = αu + β u.TT CAPÍTULO 3. Axioma 3. todo espaço vetorial (de dimensão n nita) sobre R (escalares) é equivalente ao R . Solução: h—dos u. Verique se V é espaço vetorial Solução: ixiste elemento neutro d— som—D o vetor (0. v ∈ V D u = v = a e u + v = a e ku = a p—r— todo es™—l—r kF xote que o elemento neutro d— som— e o inverso —ditivo será aF †eri(que —s propried—des3 xote que este esp—ço é equiv—lente — W = {0} ™om 0 + 0 = 0 e k · 0 = 0F Exemplo 3.50 da p. Convidamos o leitor a provar isso. Verique que V = { a} (conjunto unitário) com operações tendo como resul- a é um espaço vetorial. ESPAÇO VETORIAL Observação 3. obtemos que 0 + 0 = 0.1 (unicidade do elemento neutro e do inverso aditivo) Segue dos axiomas acima a unicidade do elemento neutro.3 da p.1 O espaço vetorial mais importante é o Rn munido das operações denidas no Capítulo 1. Como a soma é comutativa. • elemento neutro do produto: 1u = u.4 Considere com centro na origem). Por outro lado u + 0 = u (porque?).122). o conjunto das n-uplas de números complexos com operações denidas da forma natural. Dados vetores Axioma 3.3 tado sempre Outro exemplo é o Cn . tomando u = 0. Concluímos que 0 = 0. Também segue a unicidade do inverso aditivo.1 da p.3 (axiomas da multiplicação por escalar (produto escalar-vetor)) Dados vetor u∈V e escalares α. V = {(x. y ) ∈ R2 . 0 + 0 = 0 = 0 + 0 = 0. 1) ∈ V @veri(que3AF essim V não é esp—ço vetori—lF Exemplo 3. Suponha que existam 0 e 0 elementos neutros da soma. 2) ∈ V F yutro pro˜lem— é que v = (1.

v2 ∈ AD existem k1 . v ∈ W . k2 ∈ R ™om vi = ki (1. (c) C = a união do eixo x com o eixo y (de forma passam pela origem). Solução: @—A A é su˜esp—ço vetori—lF he f—toX • 0 ∈ A @tome k = 0AF • h—dos v1 . {0} (dito subespaço trivial). 2) ∈ A . Considere W ⊂ V . • W é fechado para a soma vetorial. u + v ∈ W .6 (caracterização de subespaço) W ⊂ V • 0 ∈ W. 2)F vogo v1 + v2 = (k1 + k2 )(1. k ∈ R. se dados • W é fechado ku ∈ W . Note que as operações em W são herdadas das operações em V. Dizemos que W é subespaço vetorial de V se (W. 2).1. ·) um espaço vetorial sobre K. ESPAÇO E SUBESPAÇO VETORIAL TU Solução: e ™omut—tivid—de e —sso™i—tivid—de d— som— de m—trizes é de™orrente d— ™omut—tiE vid—de e —sso™i—tivid—de d— som— de números re—isF y elemento neutro é — m—triz ™om tod—s entr—d—s igu—is — zeroD — invers— —ditiv— de A = (aij ) é — m—triz −A = (−aij )F Observação 3.2 Identicamos (veja p. é subespaço vetorial se: Lema 3. duas retas não coincidentes que D o primeiro e quarto quadrantes 2 parábola E = {(x. u ∈ W. (d) Considere (e) A Verique se os conjuntos abaixo são subespaços do espaço vetorial {v ∈ R2 | v = k (1. 0).8 (a) A= (b) B = uma reta que não passa por (0.7 (retas e planos) Determine condições para que: R2 .31) o espaço vetorial Rn com Mn×1 pois as open rações são idênticas. se dados u. 3 (b) um plano seja um subespaço vetorial de R . +. k ∈ R}. x ) x ∈ R} do R2 . Prova: heix—mos p—r— o leitorF €—r— se entender um ™on™eito é import—nteD —lém dos exemplosD ver ™ontr—EexemplosF essim estude nos exemplos —˜—ixoD porque um ™onjunto não é su˜esp—ço vetori—lF Exemplo 3.5 (subespaço vetorial) Seja (V.3. De fato vários livros representam vetores do R por uma matriz com uma coluna. R2 : geral. isto é. Denição 3. Exemplo 3.6 (a) Todo espaço vetorial (b) V possui pelo menos dois subespaços vetoriais: V. isto é. (a) uma reta seja um subespaço vetorial de vetori—isX ret—s e pl—nos que não p—ss—m pel— origemF xote que o vetor 0 v—i perten™er somente ™om est— ™ondiçãoF †eri(que que ™—so p—ssem pel— origem serão fe™h—dos pel— som— vetori—l e multipli™—ção por es™—l—rF p—ç— uns desenhosF Solução: ƒão su˜esp—ços vetori—isX ret—s e pl—nos p—ss—ndo pel— origemF xão são su˜esp—ços Exemplo 3. +. ·) um espaço vetorial sobre K. e para a multiplicação por escalar.

1). a1 . −2) ∈ DD (2. y2 . 0. y1 . 1)+(x2 . 1) + (2. com R4 : u. y. 0) ∈ A @tome x = y = 0AF • ƒej—m (x1 . y1 . w ∈ R4 . 1) ∈ B F intão (x1 . a2 . α) ∈ B D se α = 1F Exemplo 3. w ∈ V . 0) ∈ AF @˜A B não é su˜esp—ço vetori—lF xote que B é — tr—nsl—ção do item @—A pelo vetor (0. 0) = (x1 + x2 . B = u. 0). y.11 de Considere o espaço vetorial V e u. b2 − a2 )F vogo v1 + v2 = (2(a1 + a2 ) − 3(b1 + b2 ). 1) ∈ C m—s (1. 0) ∈ A e α ∈ RF intão α(x. ESPAÇO VETORIAL • h—do m ∈ RD mv1 = mk1 (1. 0. 1) ∈ B e α ∈ RF intão α(x. a1 + a2 . α ∈ R}. α ∈ R}. (−1. x. 1) + (−1. v. 4) = (3. b ∈ R}. 0) ∈ AF intão (x1 . αy. v2 = (2a2 − 3b2 . a2 + b2 − (a1 + a2 ))F essim de(nid— a = a1 + a2 e b = b1 + b2 veri(™—Ese que v1 + v2 ∈ AF • h—do β ∈ RD β v1 = (2βa1 − 3βb1 . 1) = (αx. y1 .10 (a) Verique se os conjuntos abaixo são subespaços do espaço vetorial (b) A = {(2a − 3b. 2) ∈ BF • ƒej—m (x. 0) = (αx. b − a). 0).9 (a) Verique se os conjuntos abaixo são subespaços do espaço vetorial (b) R3 : A = {(x. 0). y1 +y2 . 0) ∈ B F • ƒej—m (x1 . y2 . βa1 . w . 0. 0) + (0. Solução: @—A A é su˜esp—ço vetori—l @um pl—no p—ss—ndo pel— origemAF he f—toX • 0 ∈ A @tome a = b = 0AF • h—dos v1 . v2 ∈ AD v1 = (2a1 − 3b1 . 0. (2. y1 . a. (0. Solução: @—A A é su˜esp—ço vetori—l @é um— ret— p—r—lel— — v p—ss—ndo pel— origemAF he f—toX . 0. y ∈ R}. (x2 . y. 2) ∈ AF @˜A B não é su˜esp—ço pois 0 ∈ B F @™A C não é su˜esp—ço pois em˜or— 0 ∈ C e sej— fe™h—do p—r— multipli™—ção por es™—l—r @porquecAD (1. y2 . −1) ∈ D @porquecAF @eA E não é su˜esp—ço pois em˜or— 0 ∈ E d—do (1. y. 0)+(x2 . 1). −2) = (1. 0) ∈ AF • ƒej—m (x. a. y. 0. Solução: @—A A é su˜esp—ço vetori—lF he f—toX • (0. 5) ∈ E @não é fe™h—do p—r— som—AF Exemplo 3. B = {(x. 0. x. 4) ∈ E D (1. y2 . y ∈ R}. (x2 . 1). αy. (b) B = {v ∈ V | v = αu + w. b1 − a1 ). y1 + y2 . 1) = (x1 +x2 . y. βb1 − βa1 )F he(nindo a = βa1 e b = βb1 veri(™—Ese que v1 ∈ AF @˜A B é su˜esp—ço vetori—lF heix—mos p—r— o leitor veri(™—rF ‚evej— — he(nição IFIP d— pFIS @esp—ço ger—doAF Exemplo 3. v. Verique se é subespaço vetorial V: (a) A = {v ∈ V | v = αu. 0. 1)F he f—toX • (0. 1) ∈ C @não é fe™h—do p—r— som— de vetoresAF @dA D não é su˜esp—ço pois em˜or— 0 ∈ D e sej— fe™h—do p—r— multipli™—ção por es™—l—r @porquecAD (2.TV CAPÍTULO 3. 1).

v2 ∈ AD v1 = α1 u.7 (núcleo e imagem de matriz) da matriz de matriz Dada uma matriz imagem A. A. x ∈ R } ⊂ R . n n (b) W = {x ∈ R | Ax = b} ⊂ R .13 (a) dois planos em 3 Determine se são subespaços vetoriais de R : Considere (b) H e K R3 passando pela origem com H = K. o subespaço-solução do A.12 (espaço vetorial e matrizes) Considere a matriz A =  v1 · · · vn . denotado por Nuc(A). Solução: @—A e interseção é pois será um— ret— p—ss—ndo pel— origemF @˜A xão será pois em˜or— 0 pertenç— — uniãoD — som— de vetores nãoEnulosD um de ™—d— pl—noD não perten™erá — nenhum dos doisF . Solução: @—A V é su˜esp—ço vetori—l do Rn F he f—to é ™l—ro que 0 ∈ V pois é 0 é solução do sistem— homogêneoF elém dissoD pel— line—rid—de do produto m—trizEvetor @vem— PFPH d— pFSRAD se u e v são soluções de um sistem— homogêneo então u + v e k u t—m˜ém são p—r— todo k ∈ RF @˜A W não é su˜esp—ço vetori—l pois é ™l—ro que 0 ∈ W @porquecA n @™A €el—s interpret—ções do produto m—trizEvetor @vej— págin— SQAD y = Ax = i=1 n xi v i F vogo Z = i=1 xi vi | xi ∈ R D que é igu—l —o esp—ço ger—do pel—s ™olun—s d— m—trizD isto éD Z = v1 .3. . m n m (c) Z = {y ∈ R | y = Ax. H ∩ K. . . não-homogêneo Ax = b. H ∪ K. o conjunto-solução do sistema linear homogêneo o conjunto-solução do sistema linear Ax = 0. o subespaço vetorial gerado pelas colunas da gomo se ™omport—m su˜esp—ços vetori—is ™om rel—ção —s oper—ções de união e interseção de ™onjuntosc Exemplo 3. ↓ ↓ Determine se é subespaço vetorial: n (a) V = {x ∈ R | Ax = 0} ⊂ Rn . v2 = α2 uF vogo v1 + v2 = (α1 + α2 )u ∈ AF • h—do β ∈ RD β v1 = (βα1 )u1 ∈ AF @˜A 0 ∈ B seD e somente seD existe α0 ∈ R t—l que α0 u + w = 0D ou sej—D w = −α0 uD ou sej— se w é múltiplo de uF xeste ™—so αu + w = αu − α0 u = (α − α0 )uF essim todos os vetores são múltiplos de u e A = B é um su˜esp—ço vetori—lF g—so ™ontrário @se w não é múltiplo de vAD ™omo 0 ∈ B D B não é su˜esp—ço vetori—lF   ↑ ↑ Exemplo 3. denotado por Im(A). ESPAÇO E SUBESPAÇO VETORIAL TW • 0 ∈ A @tome α = 0AF • h—dos v1 .1. chamamos de núcleo sistema homogêneo Ax = 0 e da matriz. v2 . com b = 0. . vn F vogo Z é su˜esp—ço vetori—lF Z será de(nido @vej— de(nição —˜—ixoA ™omo imagem d— m—triz AF istes exemplos —present—m dois su˜esp—ços —sso™i—dos — um— m—triz que são muito import—ntes p—r— — teori—X Denição 3.

7)F  1α +4β +7γ = 2 2α +5β +8γ = 1 F €re™is—mos resolver o sistem—X    3α +6β +7γ =  7   1 4 7 2 1 4 7 2 1 0 0 −5. 8. w D que é diferente de ΠF @™A R3 pois u ∈ ΠF @dA Π pois w ∈ ΠF @eA u F 3. mostre que H +K é subespaço v = h2 + k2 ™om hi ∈ H e ki ∈ K ™om i = 1. um plano Π passando pela origem que não contém estes vetores e um vetor não-nulo (geometricamente) a soma de: w ∈ Π. k ∈ K }. (d) w + Π. 2. ESPAÇO VETORIAL Exemplo 3. (4.14 vetorial de Considere H e K subespaços vetoriais de V .17 Determine se (2. 3) + β (4. 6) + γ (7. γ ∈ R t—is que α(1. 7) é combinação linear de (1. 8. (c) u + Π. 7).2 Combinação Linear e Espaço Gerado ‚e™omendo que ini™i—lmente o leitor revej— ™om ™uid—do os ™on™eitos de ™om˜in—ção line—r @he(nição IFII d— pFIRA e esp—ço ger—do @he(nição IFIP d— pFISA —m˜—s do g—pítulo I no ™ontexto do esp—ço vetori—l Rn F ‚evej— os exemplosF es mesm—s de(nições v—lem p—r— todo esp—ço vetori—lF Exemplo 3. 3).5  2 5 8 1 ∼ 0 −3 −6 −3 ∼ 0 1 0 8 F is™—lon—ndoD 3 6 7 7 0 0 −2 7 0 0 1 −3. (3α + 6β + 7γ )) = (2. 6) e (7. β = 8. v ∈ H + K D u = h1 + k1 e Exemplo 3. 1. (e) u + u Solução: @—A u.15 vetorial. 5. Dados H e K subespaços vetoriais de V. β. Exemplo 3. 7) = ((α + 4β + 7γ ). 5. (2α +  5β + 8γ ). Solução: „emos que veri(™—r se existem α. Determine se H ∩K é subespaço V. 1.5F y exemplo —nterior mostr— — ™onexão entre ™om˜in—ções line—res e sistem—sF €—r— s—˜er se um vetor é ™om˜in—ção line—r de outros vetores @ou nãoA pre™is—mos resolver um sistem— line—rF . v ∈ H ∩ K D u + v ∈ H @pois H é su˜esp—çoA e ∈ K @pois K é su˜esp—çoAF vogo u + v ∈ H ∩ K F he form— —nálog— — interseção é fe™h—d— p—r— multipli™—ção por es™—l—rF Solução: e interseção será su˜esp—ço pois 0 perten™e —os doisD e port—nto — interseçãoF elém Denição 3. disso d—do u. u + v . 2.16 (a) Considere os vetores não-nulos u e v em R3 não-colineares. 2F essim u + v = (h1 + h2 ) + (k1 + k2 )F gomo h1 + h2 ∈ H e k1 + k2 ∈ K D — som— perten™e — H + K F he form— —nálog— prov—Ese que é fe™h—do p—r— multipli™—ção por es™—l—rF Solução: „om—ndo h = k = 0D h + k = 0 ∈ H + K F ƒe u.5 gomo o sistem— possui solução @poderi—m ser in(nit—s soluçõesD m—s é úni™—AD o˜temos que é ™om˜in—ção line—r e que α = −5.5. Determine . γ = −3. (b) u + w .8 (soma de subespaços) e Denimos a soma de subespaços vetoriais H K por H + K = {h + k | h ∈ H. v F @˜A u.UH CAPÍTULO 3.

9 (conjunto gerado é subespaço) H = v1 . vp rial. somente se. .18 Mostre que: (1.17 eles serão Linearmente Independentes (LIs) se. Solução: y˜serve que (0. w = p i=1 wi vi F intão tom—ndo ui = 0 ™on™luímos que 0 ∈ H F e som— u + w = p i=1 (ui + wi )vi ∈ H F pin—lmenteD d—do α ∈ RD αu = (αui )vi ∈ H F i=1 Exemplo 3. 0) que ger— um sistem— impossível @1 = 03AF Exemplo 3. 1) F 3. 1)F vogo x − 3y − 2z = 0 V ∩ W = (−1. {0}. 1. . . . . e somente se. DEPENDÊNCIA E INDEPENDÊNCIA LINEAR UI é um subespaço veto- Lema 3. 0.3. 0) = R2 . . Observação 3. o conjunto solução do sistema ho↓ ↓ m mogêneo Ax = 0 for trivial. . . 0. y. isto é.3 (Matrizes e Vetores LIs) R m .15 da p. Considere os vetores v1 . 0) + b(0. p p Prova: h—dos u. 1) não perten™e —o esp—ço ger—do pois deverí—mos ter (0. y. . . serão LIs se. Portanto para vericar se vetores em R i=1 são LIs devemos resolver um sistema linear. 0). vn em Pela Denição 1. Assim denindo   ↑ ↑ A =  v1 · · · vn .3. −1. (0. igual a {0}. z ) = t(−1. Solução: gomo os vetores (x. e n xi vi = 0 implicar que x = (x1 . −1. .3 Dependência e Independência Linear ‚e™omendo que ini™i—lmente o leitor estude ™om ™uid—do o vem— IFIR d— pFIT que ™—r—™teriz— qu—ndo um vetor é redund—nte num— list— de vetores e — de(nição de vetores vss e vhs @he(nição IFIS d— pFIUAD —m˜—s do g—pítulo I no ™ontexto do esp—ço vetori—l Rn F ‚evej— os exemplosF es mesm—s de(nições v—lem p—r— esp—ço vetori—is qu—isquerF epresent—mos ™onvenções @pou™o interess—ntesA so˜re o ™onjunto v—zioF Convenção 3. xn ) = 0. v ∈ H D u = i=1 u i vi . 1) = a(1. isto é. v 2 . o espaço gerado por um conjunto vazio de vetores é o subespaço (b) O conjunto vazio é LI. 1. e W o plano x − 3y − 2z = 0 em R3 .19 Considere V o plano Determine o conjunto gerador de 3x − 2y + z = 0 V ∩ W. 1. . v2 .10 (conjunto vazio) (a) trivial Convencionamos que: ∅ = {0}. z ) perten™em — interseção devem s—tisf—zer —s du—s equ—E çõesF f—st— resolver o sistem— 3x − 2y + z = 0 F y˜temos (x. . 1.

1)F h—do v = (v1 . 2. 0. 8. 6) (7. 3 6 9 0 0 0 0 0 gon™luímos que o sistem— possui in(nit—s soluçõesF €ort—nto existe solução nãoEtrivi—l do sistem— e port—nto são vhsF Observação 3. 3) + β (4. 0)F  1α +4β +7γ = 0 2α +5β +8γ = 0 c ixiste solução nãoEtrivi—l p—r— o sistem—X  3α +6β +7γ = 0     1 4 7 0 1 4 7 0 is™—lon—ndo p—r™i—lmenteD  2 5 8 0  ∼  0 −3 −6 0 F 3 6 7 0 0 0 −2 0 gon™luímos que o sistem— possui somente solução trivi—lF €ort—nto são vssF @˜A „emos que veri(™—r se existem α. (b) (1. (2α +  5β + 8γ ). 8.20 (a) Determine se são LIs ou LDs: e (1. ESPAÇO VETORIAL Exemplo 3. numa n-upla (ou lista) podemos ter termos repetidos e . 5.UP CAPÍTULO 3. 8. 5. Isto segue do Corolário 2. Não precisa ser forma totalmente escalonada. 2. −1) o vetor v = (3. (4. também podemos determinar se é LI ou LD escalonando matriz com vetores em cada do espaço ambiente). 7). 0) + a2 (0. β. 3). 0) e e2 = (0. não precisamos calcular linha. β.16 da p. 2. 5. v2 ) ∈ R2 qu—lquerD — úni™— form— de es™rever v ™omo ™om˜in—ção line—r de e1 e e2 é se v = (v1 . 0)F  1α +4β +7γ = 0 2α +5β +8γ = 0 F €re™is—mos resolver o sistem—X  3α +6β +9γ = 0     1 4 7 0 1 4 7 0 is™—lon—ndoD  2 5 8 0  ∼  0 −3 −6 0  .46. que de forma geral é um método mais eciente pois linhas (vetores neste caso) será menor que o número de colunas (dimensão 3.74). 6) + γ (7. 5. 3). 6) + γ (7. γ ∈ R nãoEnulos t—is que α(1. pois precisamos saber somente se o sistema homogêneo possui solução única ou innitas soluções. 0. o termo mais correto seria uma n-upla de vetores ou uma lista. a solução. γ ∈ R nãoEnulos t—is que α(1.4 Para determinar se é LI ou LD basta escalonar matriz com vetores em cada coluna (veja os dois exemplos anteriores novamente). 7) = ((α + 4β + 7γ ). 1 Ao invés de se todo vetor se expressa de conjunto ordenado. 9). v2 ) = a1 (1. Num conjunto não importa ordem nem termos repetidos. 1) e w2 = (−1. 2F gon™luímos que v se es™reve ™omo combinação linear única de e1 e e2 F €or ™ontr—steD d—dos w1 = (1.11 (base) Um conjunto ordenado1 S é base forma única como combinação linear dos elementos de S .15 da p. 1) = (a1 . 3) + β (4. a2 )D ou sej—D se ai = vi p—r— i = 1. (2α + 5β + 8γ ). (4. 2. Surpreendentemente (ver Lema 3. 6) e (7.4 Base e Dimensão gonsidere os vetores do R2 e1 = (1. 3) pode ser es™rito ™omo @entre in(nit—s outr—s possi˜ilid—desAX v = 3w1 + 0w2 D v = 0w1 − 3w2 D v = 4w1 + 1w2 D v = 2w1 − 1w2 D F F F D et™F ssto motiv— — de(nição —˜—ixoF Denição 3. 9) = ((α + 4β + 7γ ). Solução: @—A „emos que veri(™—r se existem α. (3α + 6β + 7γ )) = (0. (3α + 6β + 9γ )) = (0. 8.

(0. . . 1. β = {(1. . . (0.4. 1. e só se: de ele- a ordem importa. . . . . . .3. −1). . 1) − 1(0. 0) + 1(0. 0)DF F F D en = (0. embora os conjuntos {(1. 1)} é base do R . β = { v1 . Neste texto. 1. b) ∈ R2 D (a.) seD e somente seD     α = v α1 = v1 1 1      α1 + α2 = v2  α2 = v2 − α1 = v2 − v1 α1 + α2 + α3 = v3 ⇐⇒  α3 = v3 − (α1 + α2 ) = v3 − v2 . . 1). . vn ) = n αi ei = (α1 . . α = {(1. . 1)D ™om˜in—ção line—r do ™onjunto orden—do αF †—mos o˜ter o sistem—X  a1 = v 1    a1 + a2 = v 2 a1 + a2 + a3 = v3    a1 + a2 + a3 + a4 = v4 iste sistem— é tri—ngul—r superior e pode ser f—™ilmente resolvidoF €ossui solução únicaX a1 = v1 . v2 . a4 = v4 − v3 F gomo — solução é úni™— @sistem— tri—ngul—r superiorAD α é ˜—seF @™A henot—ndo β = {b1 . bn }D d—do um vetor v = (v1 . 1). V é base do subespaço H = v1 . 1. . . 0. vn ) ∈ Rn D v = αi bi = (α1 . 0. . 1. nF gon™luíE mos que todo vetor do Rn pode ser expresso ™omo e1 . . . . 1. . conjunto é base está . (0. b2 . . . BASE E DIMENSÃO UQ Exemplo 3. H. en } é chamado de Denição 3. 0. v3 . 1) + λ(0. 0. 0) + (b + λ)(0. 1)F h—do um vetor v ∈ Rn D v = (v1 . 1)} é base do Rn . considerados como são distintos pois um possui 1 elemento e outro 2 elementos. . . vn . 0. 1)} sejam idênticos. . . e em muitos textos de álgebra linear. . 0. Assim. . 0. .21 (b) (c) Determine se o conjunto ordenado: 2 (a) {(0. 1. (0. v n } H ⊂ V se. 0. αn ) seD e somente seD αi = vi p—r— todo i = 1. . α1 + α2 . . v4 ) = a1 (1. Solução: @—A xão é ˜—se pois d—do (a. 1. . . 0) + 2(0. v3 . e2 . b) = a(1. . . −1)F @˜A h—do v = (v1 . −1) = 3(1. . . . . −1) p—r— qu—lquer λ ∈ RF yu sej—D todo vetor do R2 pode ser expresso porém de divers—s form—s distint—sF €or exemplo (3. 1)+ a2 (0.13 (caracterização de base) mentos do espaço vetorial O conjunto ordenado vetorial β (b) β (a) gera é LI. 1)} conjuntos ordenados e {(1. 0)D e2 = (0. . α1 + α2 + α3 . . isto é. . . 1). . . 0). . v 2 .12 (base canônica) base canônica do Rn .      F F   F F F F gomo o sistem— possui solução úni™— @tri—ngul—r superiorAD β é ˜—seF †—mos gener—liz—r os ™omentários que (zemos —ntes d— he(nição QFIIF …m— not—E ção muito utiliz—d— é de(nir os seguintes vetores de Rn X e1 = (1. 0. 0. . . 1). . . 0. . (0. 1. . 1. 0. v2 . 1) + 0(0. e2 . 2) = 3(1. . a3 = v3 − v2 . . 1)+ a4 (0. . . (0. (1. a2 = v2 − v1 . quando se diz que um subentendido que trata-se de um conjunto ordenado. v2 . 1). 0. O conjunto ordenado x— práti™—D o vem— —˜—ixo é utiliz—do p—r— g—r—ntir que um ™onjunto orden—do é ˜—seF Lema 3. . en D form—ndo um— ˜—se do Rn F i=1 combinação linear única dos vetores ε = {e1 . Além disso um é LI o outro é LD. . . . 1. 0. (1. . 1. α2 . 1. 1). . 0. 1)+ a3 (0. . v4 ) ∈ R4 D queremos es™rever v = (v1 . . 1)} é base do R4 . .

. 0) + (b − a)(1. . (1. u2 . (0. . 1). (1. . B é obtida através de operações elementares ← vk → aplicadas em A. . . 1) = 0(1. b) ∈ R2 D (a. 0). . . . . 0). isto é. . 1)F essimD por exemploD (1. ESPAÇO VETORIAL Prova: Se: ƒej— ⠘—se de H F h— de(nição de ˜—seD segue que β ger— H F h— uni™id—de de represent—ção de 0D segue que β é vsF Só se: ƒej— β vs e ger—dor de H F „odo vetor v ∈ H pode ser es™rito ™omo gv dos vetores n n de β F †—mos mostr—r que est— represent—ção é úni™—F ƒuponh— v = n i=0 αi vi = i=0 ξi vi F intãoD i=0 (αi − ξi )vi = 0F gomo β é vsD αi − ξi = 0 p—r— i = 0. v2 . . vp } @um ™onjunto orden—do de vetores ™om p elementosAD seX • p > nD então β não é vs @e não é ˜—seAY • p < nD então β não é ger—dor @e não é ˜—seAY e • p = nD então β é ger—dor se e só se é vsD se e só se é ˜—seF h—do um esp—ço ger—do por um— list— de vetores do Rn ™omo extr—ir um— ˜—sec gomo oper—ções element—res não —lter—m o esp—ço ger—doD isto pode ser feito es™—lon—ndo um— m—triz que tem estes vetores ™omo linhasF   ← u1 → Lema 3. . Exemplo 3. . 1) + 0(0. Além disso. 0) + 0(1. é ˜—se de R2 pois não é ™onjunto vsX (1. Então os espaços gerados u1 . . 0) + (0.14 (dimensão) A dimensão de um (sub)espaço vetorial é o número de veto- res em (qualquer) uma de suas bases. R2 : {(1. 0) + 1(1. b) = a(1. v2 . . 1) + 1(0. nF €ort—nto αi = ξi p—r— i = 0. vk } é LI.5 Pelo Lema 3. v2 . 1)F @˜A qer— o R2 pois d—do (a. (b) pequeno o suciente para ser LI.UR CAPÍTULO 3. 1)D m—s não Denição 3. 1)F ƒão vss @um não é múltiplo do outroAF vogo é ˜—se do R2 F Solução: @—A qer— o R2 pois d—do (a. 1)}.22 (a) Verique se é base do (b) {(1. caso seja nito. ou é dito de dimensão innita. . . 1) = 1(1. b) ∈ R2 D (a.13. . um e v1 . 0) + 0(1. . 1) = (1. 1) + b(0. . b) = a(1. . n e — represent—ção de v é úni™—F Observação 3. 1) xÃy se express— de form— úni™—X (1. . . para que um conjunto seja base ele deve ser: (a) grande o suciente para gerar todos os vetores. se B estiver escalonada (não precisa ser totalmente escalonada) e após descarte das linhas nulas então {v1 . xote que o mesmo @su˜Aesp—ço vetori—l pode ser ger—do por diversos ™onjuntos orden—dos de vetoresF €—r— que est— de(nição f—ç— sentido temos que prov—r que o número de vetores será sempre o mesmo independente d— ˜—seF ‚emetemos o leitor p—r— ƒeção QFT d— pFVP p—r— — demonstr—ção deste import—nte @e ™lássi™oA result—doF €rov—mos no gorolário QFPW d— pFVR que em um esp—ço de dimensão nD d—do β = {v1 .15 (escalonamento e espaço gerado) Seja A =  · · · · · ·  e B = ← um →   ← v1 →  · · · · · ·  matrizes equivalentes. vk são iguais. 1)}. .

v F @dA hes™—rt—r linh—s só de zeros preserv— pois 0 é sempre um vetor vhF ƒe — m—triz B estiver es™—lon—d—D então qu—lquer ™om˜in—ção line—r de {v1 .1 Denição e Exemplos Denição 3. 5. Denimos em Pn as operações: n n n (a) soma vetorial: dos polinômios Seja com coecientes ai x i=0 i + i=0 n bi x ai x i i = i=0 n (ai + bi ) xi . v = u + av.1.23 Determine uma base para o espaço gerado por W = (1. . 0. paço gerado pelas colunas com o comando columnspace(M). [2.5. v F intão w = c(u+av)+(d−ac)v ∈ u + av. .1. Calculamos o es- 3. 2. 3.3. 2. v F ƒej— w = cu + dv ∈ u. POLINÔMIOS E FUNÇÕES COMO VETORES US Prova: f—st— veri(™—r que ™—d— um— d—s oper—ções element—res preserv— o esp—ço ger—doX @—A „ro™—r — ordem d—s linh—s ™l—r—mente não —lter—Y @˜A wultipli™—r um— linh— por um es™—l—r nãoEnuloF †—mos prov—r qu—ndo o esp—ço é ger—do por um úni™o vetorF ƒuponh— k = 0D v—mos mostr—r que v = k v F he f—toD sej— w = av ∈ v F intão w = a/k (k v) ∈ k v F €or outro l—doD se w = bv ∈ k v F intão w = bk (v) ∈ v F @™A ƒu˜stituir linh— por su— som— ™om múltiplo de outr—F €odemos veri(™—r no ™—so de esp—ço ger—do por dois vetoresX †—mos prov—r que u. v2 .-1]. −1). −4/3) F É ™l—ro que form—m ˜—se pois — m—triz está es™—lon—d—F Observação 3.0]). 1. 1..5. (4. 2/3. . 0) . (3. 1). −1). vk } result—rá num sistem— tipo tri—ngul—r inferior @simil—r — form— es™—lon—d—D que é tipo tri—ngul—r superiorAD ™uj— úni™— solução é — trivi—lF Exemplo 3.1].2.   1 2 1 −1  2 1 0 2  1 −1 F is™—lon—ndo o˜temos B = 1 2 Solução: ƒej— A =   3 3 1 1  0 1 2/3 −4/3 4 5 2 0 @du—s linh—s for—m des™—rt—dos por ™onter somente zerosAF essim W = (1. v F €or outro l—do se w = c(u+av)+dvD entãoD w = cu + (ac + d)v ∈ u + av. Entramos a matriz onde Vamos cacular é com um o Maxima que este exem- cada coluna vetor gera W: M: matrix( [1.2.16 (espaço vetorial de polinômios de grau máximo n) Pn = {a0 + a1 x + · · · + an xn . 1.3.0. [3. ai ∈ R} o conjunto em R de grau até n. (2. 2.1.5. . (b) multiplicação por escalar: Pode-se vericar que α = Pn i=0 i=0 munido destas operações é um espaço vetorial.5 Polinômios e Funções como Vetores isp—ços vetori—is de funções são utiliz—dos @entre inúmer—s —pli™—çõesA p—r— se entenderX @—A ™omo —proxim—r um— função utiliz—ndo polinômiosY @˜A métodos numéri™os que —proxim—m deriv—d— ou integr—lY @™A esp—ços de soluções de equ—ções diferen™i—isF 3. [4.2].6 (Software Algébrico) plo. 1. 1. (αai ) xi . . 2). (0.

R) as operações: (a) soma vetorial: f + g por f (x) + g (x) para todo x ∈ I . Pn é subespaço de F (I . determine o polinômio p ∈ Pn mais perto possível (num sentido que será tornado preciso) de f. qD ™omo p(3) ≥ 0 e q(3) ≥ 0D então (p + q)(3) = p(3) + q(3) ≥ 0Y h—dos p t—l que p(3) > 0 e α = −1D (αp)(3) = −p(3) < 0 e não perten™e —o ™onjuntoF vogo não é su˜esp—ço vetori—lF Observação 3. {p ∈ P3 | p(2) = 5}. qD ™omo p(1) = f ∈ F (I . Assim P inclui TODOS os polinômios. q(1) = 0D então (p + q)(1) = p(1) + q(1) = 0Y h—dos p e α ∈ RD ™omo p(1) = 0D então (αp)(1) = α(p(1)) = α(0) = 0F @˜A xão é su˜esp—ço pois 0(2) = 0 = 5F elém disso d—dos p. (c) {p ∈ P3 | p(3) ≥ 0}.8 Todo polinômio de Pn pode ser pensado como um elemento (função) de F (I . Determine o inverso aditivo q (x) = 3x − 2x + 1. R) Exemplo 3. R) com I ⊂ R.24 de Determine o elemento neutro da soma de P3 . 3 Solução: y elemento neutro é p(x) = 0 @veri(queAF y inverso —ditivo de q é p(x) = −3x3 + 2x − 1 pois p(x) + q (x) = 0F Denição 3.17 (espaço vetorial dos polinômios) conjuntos Denimos por P a união de todos os Pn para n ∈ N. ESPAÇO VETORIAL Exemplo 3. e (b) multiplicação por escalar: λ · f por λ · f (x) para todo x ∈ I . I em R. Este exemplo é importante pois mais adiante (Capítulo Produto Interno p. − sen(3 − x) pois g + h = 0F Solução: y elemento neutro é — função f (x) = 0F y inverso —ditivo de g(x) é h(x) = Observação 3.18 (espaço vetorial de funções) notamos Dado conjunto I (não-vazio) qualquer. . g ∈ F (I . R) F (I . Dadas duas funções f. Determine o inverso g (x) = sen(3 − x). de todos os graus possíveis e forma um espaço vetorial se for munido das operações de soma de polinômios e multiplicação por escalar. R). e de soma de números reais (escalares) no outro. Exemplo 3.25 aditivo de F ([0.UT CAPÍTULO 3. Denição 3.137) responderemos a seguinte questão: dada uma função qualquer Solução: @—A é su˜esp—çoF he f—toX 0 perten™e pois 0(1) = 0Y h—dos p. Pode-se vericar que F (I . R). qD ™omo p(2) = q(2) = 5D então (p + q)(2) = p(2) + q(2) = 10 = 0F @™A he f—toX 0 perten™e pois 0(3) ≥ 0F h—dos p. dee λ ∈ R. R) munido destas operações é um espaço vetorial. R). 2].26 (a) Verique se os conjuntos abaixo são subespaços do espaço vetorial (b) P3 : {p ∈ P3 | p(1) = 0}. Neste sentido.7 Note que o sinal  + (mais) em  f + g e  f (x) + g (x) (bem como de  ·) possui signicado distinto em cada expressão: soma de vetores. num caso. o conjunto das funções de denimos em Determine o elemento neutro da soma de F (I .

Solução: @—A T é su˜esp—ço vetori—lF he f—toD d—dos y1 .5. POLINÔMIOS E FUNÇÕES COMO VETORES UU Denição 3. b ∈ R @™onst—ntesAD ™omo — deriv—d— d— som— é igu—l — som— d—s deriv—d—s @line—rid—de d— deriv—d—AD ™—l™ul—mos y + f y = ay1 + by2 + f (y1 + y2 ) = ay1 + f y1 + by2 + f y2 = 0 + 0 = 0F vogo y ∈ V F @dA W não é um su˜esp—ço vetori—lF im˜or— y = 0 ∈ W D se y é soluçãoD w = ay D então w + w2 = ay + a2 y 2 = ay + ay 2 + ay 2 = 0 + ay 2 = 0F €odeEse mostr—r que W não é t—mpou™o — tr—nsl—ção de um su˜esp—çoF . R) o espaço das funções com k derivadas contínuas.28 (a) (b) (c) (d) Determine se são subespaços vetoriais de F (R. toda função diferenciável é contínua. 1 A função f (x) = |x| pertence a C (R. denotamos C (I . U = {y ∈ C ∞ (R. R) xa. toda função contínua é função.19 (espaço de funções contínuas e diferenciáveis) Dado conjunto I (não-vazio) qualquer. g (x) = exp(x2 ) pertencem a C ∞ (R. As funções Exemplo 3. 1). R). R) mas não pertencem a F (R. R). R) mas não pertence a C (R. R)| y (x) + 9y (x) = 0}. y2 ∈ T F gom˜iE n—ções dest—s funções t—m˜ém serão soluções @n— re—lid—de „yheƒ —s soluções serão dest— form—D m—s não prov—remos istoAF €ort—ntoD T = {ay1 + by2 . Deste modo temos a sucessão de subespaços vetoriais (cada um é subespaço vetorial de todos os que se seguem): Pn ⊂ P ⊂ C ∞ (I . b ∈ R}F @˜A U não é su˜esp—ço vetori—lF y˜serve que se y1 . f (x) = cos(x). As 2 ∞ funções f (x) = 1/x e g (x) = 1/(x − 1) pertencem ao espaço C ((0. C ∞ (R. R) o espaço das funções contínuas de I em R e k por C (I . b ∈ R @™onst—ntesAD ™omo — deriv—d— d— som— é igu—l — som— d—s deriv—d—s @line—rid—de d— deriv—d—AD ™—l™ul—mos y +9y = ay1 +by2 +9(y1 +y2 ) = ay1 +9y1 +by2 +9y2 = 0 + 0 = 0F xote queD em p—rti™ul—rD se y1 (x) = sen(3x) e y2 = cos(3x)D então y1 .27 Observação 3. R)| y (x) + f (x)y (x) = 0} para uma f ∈∈ W = {y ∈ C ∞ (R. R) · · · ⊂ C k (I . R). R) (não possui derivada em 0). ixemplos import—ntes de esp—ços vetori—is de funções —p—re™em n— teori— de equ—ções diferen™i—isF Exemplo 3. V = {y ∈ C ∞ (R. se uma função possui k derivadas então ela possui k−1 derivadas. Finalmente temos o espaço das funções com innitas derivadas contínuas C ∞ (I . R): T = {y ∈ C ∞ (R. R) · · · ⊂ C 2 (I . R)| y (x) + 9y (x) = 9x}. R) ⊂ F (I . y2 ∈ V @soluçõesAD se tom—rmos y = ay1 + by2 D a. As operações de soma e multiplicação por escalar são iguais as da Denição 3. R) pois não estão denidas no 0 nem no 1. R)| y (x) + y 2 (x) = 0}. y2 ∈ V @soluçõesAD se tom—rmos y = ay1 +by2 D a.18.3. a.9 Todo polinômio é innitamente diferenciável. R) ⊂ C 1 (I . y2 ∈ U D e y = y1 + y2 D y + 9y = 9x + 9x = 18x = 9xF €ort—nto y ∈ U F elém disso y = 0 ∈ U F x— re—lid—de é — tr—nsl—ção do su˜esp—ço do exemplo —nteriorF w—is pre™is—menteD sej— y0 (x) = xF †eri(que que y0 ∈ U D isto éD é solução @p—rti™ul—rA d— equ—çãoF intão U = y0 + T F @™A V é su˜esp—ço vetori—lF É ™l—ro que y = 0 ∈ V F elém dissoD d—dos y1 . R) ⊂ C (I .

. w = −x3 + x2 F €ort—nto X = u.32 0}. c = s.2 Combinação Linear e Espaço Gerado Exemplo 3. . e W = {p ∈ Pn | p(1) = W = Z. cos2 (x). (b) cos(2x) ∈ 1. r. Determine se w1 . xn−1 (x − 1) . Prove que Z = (x − 1). b = s.UV CAPÍTULO 3. w F Solução: @—A É su˜esp—ço pois se dois polinômios possuem mesmo v—lor em 2 e 3D ™om˜iE Exemplo 3. w2 são CL de u 3 €or outro l—doD w2 não é ™om˜in—ção line—rF ssto pois w2 = x3 + 2x2 +  10 = α(x + α=1  2 3 2 β=2 F x) + β (x − x) = αx + βx + (α − 1)xF „emos que resolver o sistem—X  α − 1 = 10 xote que este sistem— não possui solução @porquecAF €ort—ntoD w2 = αu + β v p—r— todo α. s ∈ R}D um pl—no @dimensão 2A em P2 F „om—ndo r = 0. v = x2 − 1.33 (a) Mostre que .5. v F @˜A heix—mos p—r— o leitor veri(™—r que é su˜esp—ço vetori—lF ƒej— p(x) = ax3 +bx2 +cx+dF gomo p(1) = 0D a + b + c + d = 0F ƒão qu—tro v—riáveis e um— equ—çãoF €ort—nto são três v—riáveis livresX d = r. w F yutr— p—r—metriz—ção possível é tom—r ™omo v—riáveis livresX a = r. (b) Z = {p ∈ P3 | p(1) = 0} ⊂ P3 . 2 3 Considere os vetores de P (espaço de todos os polinômios) u = x + x. s. cos2 (x) cos(3x) ∈ 1. .31 (a) Prove que é subespaço vetorial e determine um conjunto gerador para: H = {p ∈ P2 | p(2) = p(3)} ⊂ P2 . cos(x). Seja Solução: he f—toD d—do p ∈ W D ™omo p(1) = 0 @1 é r—izAD podemos dividir o polinômio por n−1 n−1 (x − 1)D o˜tendo que p(x) = (x − 1) outro l—doD se z ∈ Z então z (x) = ai x i = i=0 ai xi (x − 1) F vogo p ∈ Z F €or i=0 n−1 i i=0 ci x (x − 1)D z (1) = 0 e port—nto z ∈ W F Exemplo 3. v. v = −x3 + x. β ∈ RF Solução: he f—toD w1 é gv pois w1 = 3x3 − x2 + 4x = 3(x3 + x) − (x2 − x) = 3u − vF Exemplo 3. R) u = sen2 (x) e v = cos2 (x) Determine w = cos(2x) u. Solução: É ™om˜in—ção poisD por um— identid—de trigonométri™— ™onhe™id—D w = v − uF Exemplo 3. s = 0 o˜temos v = 1F vogo V = u. ESPAÇO VETORIAL 3. c = tD ™om d = −r − s − tF golo™—ndo r. cos(x). v. t ™om 0 e 1 —ltern—d—menteD o˜temos u = −x3 + 1. w = x − 1F €ort—nto X = u. t ™om 0 e 1 —ltern—d—menteD o˜temos u = x3 − 1. x(x − 1). n—ções line—res t—m˜ém possuirão o mesmo v—lorF ƒej— p(x) = ax2 + bx + cF gomo p(2) = p(3)D 4a + 2b + c = 9a + 3b + cD temos — equ—ção 5a + b = 0F ƒão três v—riáveis e um— equ—çãoF €ort—nto são du—s v—riáveis livresX c = r e b = sD ™om a = −b/5 = −s/5F vogo V = {−s/5x2 + sx + r. b = tD ™om a = −r − s − tF vogo H = {(−r − s − t)x3 + tx2 + sx + r}F golo™—ndo r. . 3 2 3 2 w1 = 3x − x + 4x e w2 = x + 2x + 10. s = 1 o˜temos u = −x2 /5 + xD r = 1. cos3 (x) .29 v = x − x. .30 se Considere os elementos de é combinação linear de F (R. e v. s. v.

. .3 Dependência e Independência Linear. isto é.1. e i=0 a3 . Assim φ0 (0) = 1 (i = j ) e φ0 (1) = φ0 (2) = 0.34 Considere as funções φ0 . 3. . Solução: @—A ƒuponh— que a1 + bt + ct2 = 0 p—r— todo t ∈ RF epresent—mos du—s prov—s que a = b = c = 0 e port—nto o ™onjunto é vsX " heriv—ndo o˜temos que b + 2ct = 0 e 2c = 0F vogo c = 0D b = 0 e a = 0F " golo™—ndo t = 0 o˜temos que a = 0F golo™—ndo t = 1 e t = 2 o˜temos —s equ—çõesX b + c = 0 e 2b + 4c = 0D ™uj— solução úni™— é b = c = 0F . Deste modo f (0) = i=0 ai φi (0) = a0 φ0 (0) = a0 · 1 = a0 3 funções também φ1 (0) = φ2 (0) = φ3 (0) = 0). t. . . denido como 1 se i = j e 0 caso contrário. . . . . f assuma valores f (j ) = aj . φ3 =      funções tipo      . sen(x) cos(x)}. 2 Determine se são LIs ou LDs: }. (b) {t. . et }. 1}. com j = 0. f (2) = a2 . POLINÔMIOS E FUNÇÕES COMO VETORES UW Solução: @—A É verd—de pois @identid—de trigonométri™— ™onhe™id—A cos(2x) = 2 cos2 (x) − 1F @˜A …tiliz—ndo — identid—de de @—A e que sen(2x) = 2 sen(x) cos(x) e cos(3x) = = cos(x) cos(2x) − sen(x) sen(2x)D o˜temos que cos(3x) = 2 cos3 (x)+2 cos2 (x) − cos(x) − 2F qener—liz—ndo ™on™luiremos que cos(nx) ∈ 1.5. cos2 (x). (as outras f = i=0 ai φi . φ3 mostradas na Figura 3. Poderemos obter uma função linear por partes qualquer pois se quisermos que 3 3 tome φi (j ) = δij . . onde Agora podemos fazer combinações lineares destas funções. Observe que elas são caracterizadas como funções lineares por partes (entre dois inteiros quaisquer elas são lineares.35 (a) (c) {1. Do mesmo modo. Base Exemplo 3. t {sen(2x). Desta forma CL das φi 's podem gerar qualquer função linear por parte: φ0 . (e) {sen2 (x). sen2 (x)}.5. f (3) = e de forma análoga. f (1) = ai φi (1) = a1 . . . . φ1 (1) = 1 (i = j ) e φ1 (0) = φ1 (2) = 0. cosn (x) F y próximo exemplo é m—is so(sti™—doF iste tipo de ™om˜in—ção line—r é utiliz—do nos ™h—E m—dos métodos dos elementos (nitosD muito import—nte no ™ál™ulo de estrutur—s @engenh—ri— ™ivilD n—v—lD me™âni™— et™FAF φ0 φ1 φ2 φ3 pigur— QFIX ilementos (nitos Exemplo 3.3. 3. cos(x). o gráco é um segmento de reta) e que δij é chamado de delta de Kroenecker. . . (d) {sen(2x).

Veja também o Exemplo 4. uma ferramenta importante é o chamado Wronskiano. Exemplo 3. β = (b + c)/3. tn } Pn . R) t—l que g (1) = a1 D g (2) = a2 e g (3) = a3 F €or exemploD o vetor g = (3. 2. 2} . 2 + t. . 2} .4 Funções como Vetores: Representação Geométrica 1 gomo represent—r geometri™—mente um— função ™omo um vetorc †—mos ™omeç—r vendo um— nov— represent—ção geométri™— de vetores no R2 e no R3 F tá mostr—mos que podemos represent—r vetores ™omo setinh—s @segmentos orient—dos equiE v—lentesAF egor— v—mos representáElos ™omo grá(™os de funções d— seguinte form—F h—do f ∈ F ({1. R) o vetor f = (f (1). 2) ∈ R3 pode ser represent—do ™omo o grá(™o de gD ™omo indi™—do n— pigur— QFPF 1 A leitura desta subseção é opcional. R)D ou sej—D d—d— um— função f : {1. apresentado como Desao 6. . a2 .121. 3} . φ3 é LI. t = 0 ™on™luímos que a0 = 0F heriv—ndo o˜temos que q (0) = a1 = 0F gontinu—ndo q (t) = 2a2 = 0 e a2 = 0F he form— ger—l f (k) (0) = k !ak = 0 e ™on™luímos que ak = 0 p—r— k = 1. R)D ou sej—D d—d— um— função g : {1. g (2).193. . (b) {1 − t. a2 ) ∈ R2 D —sso™i—mos — função f ∈ F ({1. 5. . 3) ∈ R2 pode ser represent—do ™omo o grá(™o de f ∈ F ({1. f (0) = 0F gomo f (0) = a0 φ0 (0) + · · · a3 φ3 (0) = a0 · 1 + a1 · 0 + · · · + a3 · 0 = a0 = 0D ™on™luímos que a0 = 0F he form— —nálog—D f (1) = a0 φ0 (1) + a1 φ1 (1) + · · · a3 φ3 (1) = a0 · 0 + a1 · 1 + · · · + a3 · 0 = a1 = 0D ™on™luímos que a1 = 0F €ro™edendo dest— form—D ™on™luiremos que a0 = a1 = a2 = a3 = 0D e que — úni™— gv de zero é trivi—lF Solução: he f—toD suponh— que f (t) = a0 φ0 (t) + · · · a3 φ3 (t) = 0 p—r— todo t ∈ RF €ort—nto 3. t.37 Retomando as funções da Figura 3. f (2)) ∈ R2 F ‚e™ipro™—menteD d—do (a1 . α = (c − 2b)/3F gomo — represent—ção é úni™—D é ˜—seF Solução: @—A he f—to suponh— q(t) = a0 + a1 t + · · · + an tn = 0 p—r— todo t ∈ RF „om—ndo Exemplo 3. prove que φ0 . 2} → RD el— (™— inteir—mente deterE min—d— um— vez (x—do os v—lores f (1) e f (2)F €ort—nto —sso™i—mos — f ∈ F ({1. 3} → RD —sso™i—mos o vetor g = (g (1).36 (a) Prove que: é base de {1. 2} .1 da p. 3} . . . 2. a3 ) ∈ R3 D —sso™i—mos — função g ∈ F ({1. R)D ™omo indi™—do n— pigur— QFPF he form— —nálog—D d—d— g ∈ F ({1. .42 da p.9. . t2 .5. .VH CAPÍTULO 3. nF vogo o ™onjunto é vsF É ™l—ro que ger— Pn @prove3AF vogo é ˜—seF @˜A ƒej— q (t) = at2 + bt + cF ueremos es™rever q (t) = α(1 − t) + β (2 + t) + γt2 F sgu—l—ndo termos do mesmo gr—u e resolvendo o sistem— o˜temos — solução úni™— γ = a.79. ESPAÇO VETORIAL @˜A ƒuponh— que at + bet = 0F golo™—ndo t = 0 o˜temos que b = 0F golo™—ndo t = 1 o˜temos que a(1) = 0 e a = 0F vogo é vsF @™A É vh pois sen(2x) − 2 sen(x) cos(x) = 0 p—r— todo x ∈ RF @dA ƒuponh— que a sen(2x) + b sen2 (x) = 0 p—r— todo xF „om—ndo x = π/2 o˜temos que a(0) + b(1) = 0F vogo b = 0F „om—ndo x = π/4D a(1) = 0 e a = 0F gomo a = b = 0 ™on™luímos que é vsF @eA É vh pois sen2 (x) + cos2 (x) − 1 = 0 p—r— todo x ∈ RF Observação 3. . 2} . . .4 da p. 2. . R) t—l que f (1) = a1 e f (2) = a2 F €or exemploD o vetor f = (5. g (3)) ∈ R3 F ‚e™ipro™—menteD d—do (a1 .10 (conjunto de funções é LI?) Para determinar se um conjunto de funções é LI ou LD. t + t2 } é base de P2 .

. 1]. . . R)D de(nido por f (x) = sen(x)D pode ser represent—do pelo seu grá(™oD ™omo indi™—do n— pigur— QFRF Observação 3. 2) ∈ R3 F e v—nt—gem deste ponto de vist— é que os desenhos são ˜idimension—isD e podemos repreE sent—rD por exemploD o vetor f = (2. n} por I ™om I ⊂ R qu—lquerD poE demos represent—r o vetor @elemento do esp—ço de funçõesA f ∈ F (I . . v : In → R. . 2. . 5. n. . . 1] × [0. .3. . Já denimos anteriormente como n somar vetores u. Vamos nos concentrar na operação de soma de vetores (a multiplicação por escalar é análogo). Se interpretarmos estes vetores como funções u + v : In → R por u. . n} → R t—l que f (1) = a1 . π ]. an ) ∈ Rn um— função f : {1. . .11 Fixemos a notação In = {1. . R) de(nid— por f (i) = ai D i = 1. denimos a função soma (veja Denição 3. . 3) ∈ R2 e g = (3. R). . 3. . obtemos a mesma coisa. . 1] × [0. R)F egor— se su˜stituirmos {1. f (2) = a2 . 4. v ∈ R : basta somar componente a componente. onde cada função representa o nível quadrado [0. . 5} . . A representação de vetores do Rn como função é coerente no seguinte sentido. 3.5. f (n) = an F essim podemos represent—r f ∈ Rn D p—r— n qu—lquerD pelo grá(™o de f ∈ F ({1. Note que apesar de ser denido de outra forma. . .18) (u + v )(i) = u(i) + v (i) para i = 1. Exemplo 3. g ∈ F ([0. 5D ™omo indi™—do n— pigur— QFQF xote que ™om — interE pret—ção geométri™— de setinh—s não tính—mos ™omo represent—r vetores do Rn ™om n > 3F y f (4) = f (2) = 4 f (3) = 3 f (1) = 2 f (5) = 1 1 2 3 4 5 x pigur— QFQX ‚epresent—ndo f = (2. 4. 1) ∈ R5 F qener—liz—ndoD ™omo um vetor é um n−upl— de números re—isD podemos —sso™i—r — f = (a1 . .38 Considere de cinza de cada ponto do f. . 4. . . 1]. . 4. 3. 1) ∈ R5 pelo grá(™o de f ∈ F ({1. n} . 4. . R) pelo grá(™o de f : I → RF €or exemplo f ∈ F ([0. Desta forma cada função representa uma . . . . n}. . POLINÔMIOS E FUNÇÕES COMO VETORES VI y f (1) = 5 f (2) = 3 y g (2) = 5 g (1) = 3 g (3) = 2 x x 1 2 1 2 3 F pigur— QFPX ‚epresent—ndo f = (5.

ε = {1. a função f = r (0. .0) r(0. .5) r(0. Podemos.0) = g . . pois é de dimensão nita. . é base.6) r(0. Exemplo 3. x2 .0) pigur— QFSX u—dr—do se tr—nsform— em ™ír™ulo 3.VP CAPÍTULO 3.0) = f Figura 3.2). .0) um círculo. . conforme mostra a quadrado e g = r (1. . misturando características. e2 .5. .8) r(1. r(t) = tg + (1 − t)f .4) r(0. en } é base.0) é um em um círculo.8). r(0. Em processamento de imagem estas transformações são chamadas de morsmos. por exemplo. Prova: e prov— é deli™—d—X vej— em ‘S“F †—mos distinguir os esp—ços vetori—is de dimensão (nit— e in(nit—F Denição 3. Neste exemplo.20 Todo espaço vetorial possui uma base. onde r(0. r (0.2) r(0. Agora vamos visualizar os elementos da reta e r(1. . . . criar rostos intermediários entre fotos distintos. . xn } 1 A leitura desta seção é opcional.40 Pn é de dimensão nita. Observe a transformação de um quadrado onde representamos os pontos intermediários da reta r : r (0. ESPAÇO VETORIAL y 0 π x pigur— QFRX ‚epresent—ndo f ∈ F ([0.6 Dimensão de Espaço Vetorial: TeoriaI €rov—mos nest— seção que se um esp—ço vetori—l V possui um— ˜—se ™om d ∈ N vetores então qualquer ˜—se de V possuirá d vetoresD o que permite de(nir — dimensão de V ™omo dF elém disso um— sequên™i— de result—dos prov—rá que qu—lquer ™onjunto vs de vetores de V pode ser estendido p—r— form—r um— ˜—seF gomeç—mos enun™i—ndo um result—do muito import—nte n— teori— dos esp—ços vetori—isF Teorema 3. R)D ™om f (x) = sen(x)F imagem. pois ε = {e1 .21 (dimensão nita e innita) Um espaço vetorial que admite base nita é de dimensão nita. Um espaço vetorial que não admite. . π ]. x. é dito de dimensão innita.39 Rn Exemplo 3.

. R) P F (I . . . β não é base. . C 1 (I . vn } ⊂ H . C 2 (I . . . . .. p2 .41 P De fato. Exemplo 3. . un } ˜—sesF €elo vem— QFPPD ™omo β é ger—dor e γ é vsD então m ≥ nF „ro™—ndo os p—péis de β e γ D nov—mente pelo vem— QFPPD ™omo γ é ger—dor e β é vsD então n ≥ mF gomo m ≥ n e n ≥ mD ™on™luímos que m = nF iste gorolário justi(™— — próxim— de(niçãoF Denição 3.. . pn } ⊂ P q ∈ P. i=1. . um } . γ m ≥ n. v 2 . vk são vhF ƒej— k−1 k αi vi = 0 gv nãoEtrivi—lF i=1 ƒe αk fosse zeroD i=1 k −1 αi vi = 0 seri— gv nãoEtrivi—lD ™ontr—ri—ndo — minim—lid—de de k F essimD αi vi F αk αk = 0 e v k = − i=1 y próximo lem— nos diz que podemos elimin—r vetores que são gv de outros de um ™onjunto sem modi(™—r o esp—ço ger—doF . existe um vetor que é combinação linear dos anteriores. v2 . u2 . .77). .3. y próximo lem— é fund—ment—l p—r— — de(nição de dimensãoF e demonstr—ção pode ser omitid— num— primeir— leitur—F Lema 3. conjunto nito qualquer. .42 Os espaços C ∞ (I . dena pois β = {p1 .6.. . . mas N = max grau(p) p∈β para todo q(x) = x p ∈ β. .. R). e Só se: sej— k ≥ 1 mínimo t—l que v1 . . Lema 3. C k (I . R ) são de dimensão innita.. v2 . De fato todos os espaços acima contém o espaço (vide Observação 3.24 (dimensão) A dimensão de um (sub)espaço vetorial de dimensão nita é Os vetores o número de vetores em (qualquer) uma de suas bases. .9 da p.23 Toda base de um subespaço vetorial de dimensão nita tem o mesmo número de elementos. então {u1 . .. . Se Sejam β = β é gerador de H e γ é LI. R).22 (conjunto gerador e LI) { v1 . . Então q∈ β grau(q) = N + 1 > N ≥ grau(p) e Logo. Prova: ƒej—m β = {v1 .n = Prova: ƒej—m aij t—is que vj = m aij ui F he(n— A = [aij ] i=1 F ƒuponh—D por —˜surdoD que n > mF €ort—nto o número de v—riáveis @nA é m—ior que o número de equ—ções @mA no sistem— homogêneoF xeste ™—soD existe x = 0 t—l que n n Ax = 0F vogo j =1 m n xj aj = 0D o que impli™— que j =1 n m xj aij = 0 p—r— todo iF ƒegue que n xj aij i=1 j =1 ui = 0F €ort—nto j =1 xj i=1 aij ui = j =1 xj v j = 0 F gon™luímos que γ não é vs3 gomo isto é —˜surdoD ™on™luímos que n ≤ mF Corolário 3. DIMENSÃO DE ESPAÇO VETORIAL: TEORIA VQ Exemplo 3.m j =1. vp vk = αi vi . vm } e γ = {u1 . i<k são LD se. v1 . N +1 . R).25 (caracterização dos conjuntos LD) Prova: Se: trivi—lF só se. . . . R). u2 . C (I .. dado e é de dimensão innita. . . v2 .. .

. vp+1 . . v p } é LI. vp . . . se: β β β não é LI. . . u2 . .agosto.7. . . ESPAÇO VETORIAL Lema 3. . . v2 . . . . se é base. .2012 22h . un } é ger—dorF eplique o result—do —nteriorD not—ndo queD enE qu—nto o su˜™onjunto é vhD existe um vetor que é ™om˜in—ção line—r dos anteriores @vem— QFPS d— pFVQAF iste não pode ser um dos vi 9sF €ort—ntoD os vi 9s não são des™—rt—dos no pro™essoF β = { v1 . existem vp+1 . vn = S . . vk−1 . . vk+1 . u2 . . .7 Exercícios de Espaços Vetoriais 3. . vp . . • p < n. . . . un } ˜—seF xote que {v1 . { v1 . vn F Corolário 3. • p = n. . . . dado (um conjunto ordenado de vetores com então então então p elementos). . . . . . vn } Prova: ƒej— {v1 .28 (estendendo conjunto LI em base) mensão nita pode ser estendido a uma base.VR CAPÍTULO 3. . . .1: hetermine se são su˜esp—ços vetori—is do Rn X @—A o ™onjuntoEsolução de um sistem— line—r homogêneoY @˜A o ™onjuntoEsolução de um sistem— line—r ™ujo l—do direito tem ™omo entr—d—s inteiros m—iores do que IY @™A pl—no p—ss—ndo pel— origem no esp—çoY @dA ret— que não p—ss— pel— origem no pl—noY @eA p—rá˜ol— que p—ss— pel— origem no pl—noY @fA primeiro qu—dr—nte do pl—noY 0 Versão 23. . v2 . . . v2 . Prova: ƒe o ™onjunto é vsD n—d— — f—zerF ƒe é vhD há um vetor que é ™om˜in—ção line—r dos dem—isF hes™—rte este vetorY o su˜™onjunto o˜tido —ind— é ger—dor @pelo lem— —nteriorAF ‚epit— o pro™edimento —té que o su˜™onjunto o˜tido sej— vs @—ssumimos t—™it—mente que o ™onjunto ini™i—l é (nitoAF pin—lmenteD o result—do —˜—ixo g—r—nte queD d—do um ™onjunto de vetores vs em um esp—ço vetori—l de dimensão (nit—D este pode ser estendido — um— ˜—seF Lema 3. não é gerador. seja vk CL dos demais. . v2 .26 (eliminando vetores redundantes) LD. vn tais que {v1 . v2 . . . Todo conjunto LI em um espaço de di- Ou seja. . vp } vs e β = {u1 .27 Todo conjunto gerador contém uma base. vn } v1 . . . . . Então Dado um conjunto S = {v1 .1 Exercícios de Fixação Fix 3.29 • p > n. u1 . h—do w ∈ S D temos w = i γi vi = i=k γi vi + γi vi + γk i= k i= k αi v i = i= k (γi + γk αi )vi F vogo w = i= k (γi + γk αi )vi e port—ntoD w ∈ v1 . vk−1 . . v2 . 3. Prova: γk vk = „emos que vk = i=k αi vi . . vk+1 . . . v p } Corolário 3. e é gerador se e só se é LI. . . . . . Em um espaço vetorial de dimensão n. .

Fix 3. >. pode serA @LI. .11: ƒej— β ⊂ R7 ger—dorF Fix 3. diminuirAF Fix 3. 2. ∈A W Y @˜A 6v2 − 5v3 @∈. . <.10: ƒej— β ⊂ R vsF 7 @—A β possui @no máximo. vaiA @aumentar. LDAY @™A —™res™ent—ndo — β um vetor w ∈ β D o˜teremos um ™onjunto que @é. a ∈ R}Y @™A {f (x) = ax2 + b. u2 . v2 . não é. no mínimoA 7 vetoresY @˜A retir—ndo de β um vetorD o˜teremos um ™onjunto que @é. não pertence. nenhuma das alternativasA @v = w. . somandoA um— m—triz que tem estes vetores ™omo colunasAF @escalonando. nuloAF Fix 3. no mínimoA 7 vetoresY @˜A retir—ndo de β um vetorD o˜teremos um ™onjunto que @é. nY @iA vi não é múltiplo de vk se i = k F @número zero. não pertence. não é.8: ƒej—m V. ≥A nF . . conjunto vazioAF Fix 3. zerando. b ∈ R}Y Fix 3. . pode pertencerA — β F @—A β possui @no máximo. . LDAY @dA o vetor 0 @pertence. v é múltiplo de w. pode serA ger—dorY @dA o vetor 0 @pertence. um F y˜temos ˜—se de W multiplicando.7: ƒej— W o su˜esp—çoEsolução de um sistem— line—r homogêneo ™om R equ—çõesX @—A elimin—ndo um— equ—çãoD dim(W ) @pode. exatamente. v é @˜A ƒe u. função identidade. nenhuma das alternativasA @™A ƒ—˜endo que o ™onjunto {w} é vs podemos —(rm—r que w é @não nulo. u é múltiplo de v. pode serA ger—dorY @™A —™res™ent—ndo — β um vetor w ∈ β D o˜teremos um ™onjunto que @é.7. vn entãoX @—A 0 @∈.6: gonsidere W = u1 . plano. reta. . função identicamente nula. a. . sistemaAY @™A 6 vetoresc Fix 3. 3AY @˜A V é um@—A @ponto. . . EXERCÍCIOS DE ESPAÇOS VETORIAIS VS @—A ƒe o esp—ço ger—do por u é igu—l —o esp—ço ger—do por v então ne™ess—ri—mente @u = v. W ⊂ R3 su˜esp—ços vetori—isD ™om dim(V ) = 2 e W um— ret—F @—A dim(W ) = @0. pode serA @LI. ∈A W Y @™A dim W @=. v2 . u é perpendicular a v. w então ne™ess—ri—mente perpendicular a w. v = u.2: Fix 3. .12: ƒe W = v1 . ≤. R)X Fix 3. pode pertencerA — β F Fix 3. exatamente. 1.9: €ode ser ˜—se de R5 um ™onjunto deX @—A 4 vetores vssc @˜A 5 vetores vhsc Fix 3. . .3. vn } é vs é o mesmo que dizer queX @eA se λ1 = · · · = λn = 0D então λ1 v1 + · · · λn vn = 0Y @fA λ1 v1 + · · · λn vn = 0 p—r— todo λi ∈ RY @gA se λ1 v1 + · · · λn vn = 0D então λ1 = · · · = λn = 0Y @hA vi = 0 p—r— todo i = 1. . @˜A —™res™ent—ndo um— equ—ção @™om l—do direito igu—l — zeroAD dim(W ) vaiA @aumentar. @linhas.3: is™olh— um— opçãoF hizer que {v1 . . . diminuirAF @pode.5: hetermine se são su˜esp—ços vetori—is de F (R.4: y elemento neutro p—r— som— do esp—ço vetori—l d—s funções re—is é o@—A @—A ™onjunto d—s funções ™ontínu—sY @˜A {f (x) = a sen(x) + 2.

0). (1. 1). −1)} ⊂ R3 é vsc @˜A {(1.1: hetermine se é su˜esp—ço vetori—l de R3 X @—A {(a. w) | x + y − w = 0}Y . −2)} ⊂ R3 é vsc @™A g—r—™terizeD de form— ger—lD os ™onjuntos de @˜A V + W F Prob 3.4: hetermine seX @—A (1. 0. 0. 1). (2. 0. −1)} é vsY @—A {(0. 2. (2. (1. 1). 1). 0. (1. 0.8: ne™essário de ™ont—sD dig— se são ˜—ses de R3 X p—zendo   o mínimo  1  1   1  1 @˜A  1   1  1 @™A  1   1  1 @dA  1  1 @—A  1 . 1. 3. 2. 2. b = a + c + 1}Y @˜A {(a.7: dois elementos que são vsF @—A {(1. 0. 1. b. 6) ∈ (1. 0. (1. 1) ∈ (1. ESPAÇO VETORIAL 3.9: hetermine um— ˜—se e — dimensão dos seguintes su˜esp—ços de R4 X @—A hiperpl—no {(x.6: um único elemento que são vsF @—A {(0.VT CAPÍTULO 3. 2.2: hetermine se form—m um su˜esp—ço vetori—l do R2 su˜™onjunto de todos vetoresX @—A ™om ex™eção d—queles p—r—lelos — um— ret— d—d—Y @˜A ™uj—s ™oorden—d—s são m—iores ou igu—is — zeroF @—A V ∩ W Y Prob 3. −4)} ⊂ R3 é vsc @dA g—r—™terizeD de form— ger—lD os ™onjuntos de Prob 3. c ∈ R. 1   2     Prob 3. 1) Y @˜A (1. 2a + 3b = 5c}Y Prob 3.5: Prob 3. 2). 1)} ⊂ R3 é vsc @™A {(1. (1.2 Problemas Subespaços do Rn Prob 3. 0). 2 2      . 0. b. 1)| a ∈ R}Y @™A {(a. 0. 1. 2 3   2 . (1. (3. c)| a.3: gonsidere V e W pl—nos distintos ™ontendo — origem em R3 F hetermineX Prob 3. −2). c)| a. 1. −2). −2. 3 0 1 3 0 1 3 0 1        0  . 0. −2)} ⊂ R3 é vsc @˜A {(1. 0. z. 2 3   0 .   . 1) Y @™A {(0. 0.   . 2. 0. 0 0   1 . 0. b ∈ R. (2. (4. −2).7. 1. 0. y. 0)} ⊂ R3 é vsc @˜A {(1. 8)} ⊂ R3 é vsc @™A ixiste um— ™—r—™teriz—ção fá™il dos ™onjuntos de três elementos que são vsc @pá™il no sentido de que se poss— de™idir de ™—˜eç— se o ™onjunto é ou não vsD sem — ne™essid—de de se es™—lon—r n—d—FA Prob 3. −2).

s. b]. vn F €rove queX @—A se w ∈ W então {w. . R)| f − f = 0} é ger—do por g t—l que g (x) = ex Y Prob 3. . .12: €rove que p—r— qu—lquer u. b] → RD denot—do por C ∞ (R. v2 . sen2 (x). .17: gonsidere o esp—ço d—s funções in(nit—mente diferen™iáveis f : [a. . vn } é vhY @˜A {v2 .10: gonsidere os su˜esp—ços do R4 D V ™onjunto solução de x+y−w =0 e W x+z−w =0 F hetermine um— ˜—se p—r— — — interseção entre os −z + w = 0   x−y =0 Prob 3. . . 1 − x} ⊂ P2 Y @˜A {1. R) o ™onjunto d—s funções f : [a.7.13: ƒej—m {v1 . EXERCÍCIOS DE ESPAÇOS VETORIAIS VU @˜A ™onjuntoEsolução de @™A ™onjuntoEsolução  r + 2s + t    −s − 2t @dA   2r + s − 4t    r − 3t ™onjunto solução de su˜esp—ços V e W F de     x+z−w =0 Y −z + w = 0 0 1 −3 0 0 Y 0 0  0 1 0    r. v − w. . vn = W F Espaços de Polinômios e Funções Prob 3. . b] → R t—is queX @—A f (a) = f (b) = 0Y @˜A f (a) = f (b) = 1Y @™A f (x) ≥ 0 p—r— todo x ∈ [a. x2 + 2}F Prob 3. . . .19: gonsidere U e V su˜esp—ços de dimensão 3 ™ontidos em Rp F €—r— ™—d— p —˜—ixo determine menor v—lor possível p—r— dim(U ∩ V )X @—A p = 3Y @˜A p = 4Y @™A p = 5Y @dA p = 6F . R)F Prob 3. . . vn } é vsY @™A v2 . cos2 (x)} ⊂ F (R.3. t ∈ R F    Prob 3. x2 − 3}Y @™A {x2 − 2x. w ∈ V o ™onjunto {u − v. . v2 . R)F †eri(que que o su˜esp—çoX @—A {f ∈ C ∞ (R.16: hetermine se são vss ou vhs em P3 X @—A {1. x + 3. vn } vetores vs e W = v1 . x2 . R)| f = 0} é ger—do por g t—l que g (x) = 1Y @˜A {f ∈ C ∞ (R. . v1 . 1 + x.11: gonsidere o ™onjuntoEsolução do sistem—X y + w = 0 F ueremos retir—r um—  x+w =0 equ—ção e —™res™ent—r um— equ—ção —o sistem— m—ntendo o mesmo esp—ço soluçãoF hetermine um— equ—ção que pode serX @—A retir—d—Y @˜A —™res™ent—d—D que sej— nãoEnul— e distint— d—s outr—sF LI e LD: teóricos Prob 3.14: †eri(que se é su˜esp—ço vetori—l de F ([a. 1 + x. . w − u} é vhF Prob 3. b]Y @dA f é derivável e f + 2f = 0F Prob 3. v.15: wostre que é vhX @—A {1 + 2x.18: hetermine se é su˜esp—ço vetori—l de P4 @esp—ço dos polinômios de gr—u menor ou igu—l — RAF im ™—so —(rm—tivo determine um— ˜—se e dimensãoF @—A {p ∈ P4 | p(2) = 0}Y @˜A {p ∈ P4 | p(2) = 1}F Prob 3. v2 . . . . x2 + 4}Y @˜A {x + 2.

1. vn } um ™onjunto de vetores t—l queX @—A ƒej— β = {v1 . 8). 1).3: hetermine um— ˜—se e — dimensão dos su˜esp—ços do R  D solução do sistem— line—rX  x − y + z − 2w = 0 2x + y − z − w = 0 F @—A x − y + z − w = 0 Y @˜A  x + 2y − 2z + w = 0 @™A —™res™ente equ—ções nãoEnul—s — @˜A que não —lterem o su˜esp—çoF Ext 3. (c. 1. 1. t ∈ R}F hes™rev— ™omo ™onverter entre estes três tipos utiliz—ndo os exemplos p—r— efetu—r —s ™onversõesY Ext 3. 0. 1). (0. ESPAÇO VETORIAL 3. 1. 3. 1) Y @˜A {(k. (1. 1). v2 . 2. . (1. (2. k. 9) F Ext 3. vn } é vs então qu—lquer su˜™onjunto será vs t—m˜émF . 5) Y 3 Ext 3. 1. b). v3 } é um ™onjunto vsF €rove que {w1 . 5. w3 } ™om wi = v1 + vi @™om i = 1.1: hetermine seX @—A (1. −1. vn D por exemploD W = (1. s − t) ∈ R3 | s. 2. w2 . (1.8: ƒej— A m—triz m × nF €rove queX @—A Ax = b tem solução p—r— todo l—do direito b ∈ Rm D se e só se —s ™olun—s de A form—m um ™onjunto ger—dorF @˜A Ax = 0 tem solução úni™— se e só se —s ™olun—s de A form—m um ™onjunto vsF Ext 3.5: …m su˜esp—ço do Rn pode ser determin—do porX @—A esp—ço ger—doD W = v1 . (1. vk }D ™om k ≤ nD é vhF wostre que β é vhF @˜A wostre que se {v1 . . 2. (3. 1). . v2 . (−1.9: ƒuponh— que os sistem—s line—res Ax = b1 e Ax = b2 têmD —m˜osD soluções úni™—sF y que podemos dizer so˜re o ™onjuntoEsolução de Ax = cD ondeX @—A c = 3b1 − 2b1 c @˜A c é qu—lquer vetorc Ext 3.4: hetermine p—r— ™—d— su˜esp—ço do Rn —˜—ixo um— ˜—se e — dimensãoX @—A (0. 1. . .3 Extras Subespaços do Rn Ext 3. . 2). 1). 1).10: Ext 3. . . . 1). 1. (0.7: ƒuponh— que {v1 . . . 1. 3. 0. 1) Y @˜A solução de sistem— homogêneoD W = {w ∈ Rn | Aw = 0}D por exemploD x−y =0 Y y+z =0 @™A p—r—metriz—çãoD por exemploD W = {(2s + 3t. v2 . k )} é vs p—r— k ∈ RY @™A R3 = (2.6: gonsidere (a. (8. 0. 0. 2 . 3A é um ™onjunto vsF Ext 3. . 6. 0. . (6. 3. 2. 3. . . . vn } t—l que o su˜™onjunto γ = {v1 . −1. 3. 6  @˜A   1 3 4  4 Ext 3. s + t. 1. 1. v2 . . 3.VV CAPÍTULO 3. . (4. 2).7. 5  @—A   1 3 4     1 1 8       1 . 9. −1. 2 . 2. 5. 3). (1. 1) Y @˜A (1. 0). (1. 0. 2. . 2. d) ∈ R2 F wostre que eles são vhs seD e somente seD ad − bc = 0F LI e LD: teóricos Ext 3. (1. v2 . . 2) Y @™A (1. −1). 1).2: o mínimo de ™ont—sD dig— se são ˜—ses p—zendo de R      ne™essário   X 1 1 8       1 . v2 . 1) ∈ (1. 0). 2.11: ƒej— β = {v1 .

. t − s. . sen2 (x). sin(2x) ⊂ C (R. R) o ™onjunto d—s funções f : [a.3: …m subespaço am H é — tr—nsl—ção de um su˜esp—ço vetori—l W D isto éD existe Des 3. R)| f = 0} é ger—do por g e h t—is que g (x) = 1 e h(x) = xY @˜A {f ∈ C ∞ (R. s + t.4 Desaos Des 3. R)| f − f = 0} é ger—do por g e h t—is que g (x) = sen(x) e h(x) = cos(x)Y Ext 3.13: †eri(que se é su˜esp—ço vetori—l de F ([a. . R)F igu—l — RAF im ™—so —(rm—tivo determine um— ˜—se e dimensãoF @—A {p ∈ P4 | p (2) = 0}Y @˜A {p ∈ P4 | p(x) = p(−x)}Y Ext 3.14: hetermine se é su˜esp—ço vetori—l de P4 @esp—ço dos polinômios de gr—u menor ou 3. . K ⊂ V su˜esp—ços vetori—isF wostre queX um vetor h0 ∈ V e um su˜esp—ço vetori—l W ⊂ V t—l que H = h0 + W = {h0 + w | w ∈ W }F @—A €rove que H é um su˜esp—ço —(m seD e somente seD p—r— todo u.7. wm F hetermine ™omoX .12: gonsidere o esp—ço d—s funções in(nit—mente diferen™iáveis f : [a. vn−1 } é vsY wostre que β é vsF @˜A vn ∈ v1 . . hetermineX @™A um su˜esp—ço W3 de modo que W1 ⊕ W3 = R4 @som— diret—D vej— he(nição —™im—AY @dA um— ˜—se de W1 ∩ W2 F @—A ™—l™ul—r W1 + W2 Y Des 3. R)F †eri(que que o su˜esp—çoX @—A {f ∈ C ∞ (R.30 (soma direta de subespaços) Dados subespaços vetoriais H e K se H ∩ K = {0}. .1: €rove que se V ⊂ R1 é um su˜esp—ço vetori—l então V = 0 ou V = RF Des 3.2: gonsidere W ⊂ V ⊂ Rn ™om dim(W ) = dim(V )F €rove que W = V F Des 3.3. . EXERCÍCIOS DE ESPAÇOS VETORIAIS VW @—A {v1 . Des 3. v2 .6: ƒuponh— que W1 = v1 . . v ∈ H D v—le θu + (1 − θ)v ∈ H p—r— todo θ ∈ RY @˜A u—l propried—de geométri™— é express— por est— propried—dec @—A H ∪ K não éD em ger—lD su˜esp—çoY @˜A H + K é o menor su˜esp—ço ™ontendo H ∪ K D isto é se W é su˜esp—ço ™om H ⊂ W e K ⊂ W D então H + K ⊂ W Y @™A dim(H + K ) = dim(H ) + dim(K ) − dim(H ∩ K ). vn e W2 = w1 . . . dizemos que H + K é uma soma direta.15: hetermine — dimensão de cos2 (x). . . y. b] → @˜A f é derivávelY b @dA f é ™ontínu— e a f (x) dx = 0F Ext 3. cos(2x). . b] → RD denoE R t—is queX @—A f é um— função ™onst—nteY @™A f não é derivávelY Ext 3. .7. w) ∈ R4 | y + z = 0 e x − w + z = 0}D determine um— ˜—se e — dimensão deX @—A W1 e W2 Y @˜A W1 + W2 F Denição 3. w2 . b].4: ƒej—m H. vn−1 F Espaços de Funções ou Polinômios t—do por C ∞ (R. 2s + t) ∈ R4 | s. v2 . denotando-a por H ⊕ K . v2 . . .5: h—dos os esp—ços W1 = {(s + t. z. t ∈ R} e W2 = {(x.

V ) é um esp—ço vetori—lF Des 3.8: gonsidere F (R.b] (x) = 1 se x ∈ [a. x. b)F wostre que —s funções xr1 D F F F D xrk form—m um ™onjunto vs ™om ri ∈ R distintosF Des 3. R)D sej— f0 um— solução de f0 (x) + p(x)f0 (x) + q (x)f0 (x) = g (x)F wostre que h = f + g D ™om f ∈ V D é solução t—m˜émD isto éD d—d— um— solução p—rti™ul—r d— equ—ção nãoEhomogêne— e um— solução qu—lquer d— equ—ção homogêne—D — som— del—s é solução d— nãoEhomogêne—F Des 3.9: gonsidere —s funções re—is I[a. .7: ƒej—m p.11: gonsidere V = {p ∈ P4 | p(1) = 0} e W = {p ∈ P4 | p(−1) = 0}F hetermine um— ˜—se e — dimensão deX @—A V Y @˜A W Y @™A V ∩ W F Des 3.13: gonsidere P o ™onjunto dos números re—is positivosF sntroduz— em P du—s oper—E çõesX @—A d—dos x. R) @som— diret—D vej— he(nição QFQH d— pFVWAF Des 3. fn } é vs9s p—r— qu—lquer nF @˜A gon™lu— que o esp—ço F (R. y ∈ P — som— x ⊕ y por xy Y @˜A d—do x ∈ P e λ ∈ R de(nimos o produto λ x por xλ F P é um esp—ço vetori—l ™om est—s oper—çõesc ƒe forD determine um— ˜—se e dimensãoF . . x2 ∈ V1 F he form— ger—l xn ∈ V1 @é p—rA se n é p—r e xn ∈ V2 @é ímp—rA se n é ímp—rF wostre queX @—A V1 e V2 são su˜esp—ços vetori—is de F (R.b] (x) = 0 ™—so ™ontrárioF É ™h—m—d— de função ™—r—™terísti™— @ou indi™—dor—A do interv—lo [a. R) possui dimensão in(nit—F Des 3. R) e V = {f ∈ C 2 (R. R)Y @˜A h—do g ∈ C (R. R)D o esp—ço d—s funções re—is ™om domínio em RF ƒej—m V1 = {f ∈ F (R.12: gonsidere o esp—ço d—s funções re—is no interv—lo (a.k+1] F @—A €rove que o ™onjunto {f1 . V )D o esp—ço d—s funções de I em V F he(n—s —s oper—ções de som— e multipli™—ção por es™—l—r utiliz—ndo —s oper—ções ™orrespondentes em V D t—l qu—l n— he(nição QFIV d— pFUTF €rove que F (I . R)| f (−x) = f (x)} @funções p—resA e V2 = {f ∈ F (R. b]F he(n— fk = I[k. ESPAÇO VETORIAL @˜A ™—l™ul—r W1 ∩ W2 Y @™A en™ontr—r um su˜esp—ço W3 de modo que W1 ⊕ W3 = R4 @som— diret—D vej— he(niE ção QFQH d— pFVWAY @dA veri(™—r se W1 ⊂ W2 Y @eA veri(™—r se W1 = W2 F Des 3. R)| f (x) + p(x)f (x) + q(x)f (x) = 0} @€ro˜lem— de ƒturmEviouvilleAF @—A wostre que V é um su˜esp—ço vetori—l de C 2 (R. 1. q ∈ C (R. . x3 ∈ V2 e cos(x). . b] e I[a.WH CAPÍTULO 3.b] D de(nid—s por I[a. R)Y @˜A wostre que V1 ∩ V2 = {0}Y @™A wostre que V1 ⊕ V2 = F (R. R)| f (−x) = −f (x)} @funE ções ímp—resAF ixemplos são sen(x).10: h—do um esp—ço vetori—l V e um ™onjunto I @nãoEv—zioA qu—lquerD ™onsidere F (I .

Cap´ ıtulo 4 ˜ o Linear e Matriz Transformac ¸a xeste ™—pítulo estud—mos os o˜jetos ™entr—is de um ™urso de Álge˜r— vine—rX lineares @um tipo espe™i—l de funçãoA e matrizesF transformações eté m—trizes —p—re™er—m ™omo um —rtifí™io p—r— resolver sistem—s line—resX —o invés de se tro™—r linh—s de um sistem—D tro™—mEse linh—s d— m—triz que o represent—D et™F xeste ™—pítulo —s m—trizes serão o˜jetos m—temáti™os import—ntes por si mesmoF †—mos de(nir oper—ções no ™onjunto d—s m—trizes e prov—r que form—m um esp—ço vetori—l qu—ndo munido ™om est—s oper—çõesF elém disso m—trizes vão represent—r funções @m—is ex—t—mente tr—nsform—ções line—resA de Rn em Rm F €or exemploD m—trizes represent—m tr—nsform—ções geométri™—s ™omo projeçãoD re)exão e rot—çãoF †—mos @reAver ™on™eitos ˜ási™os so˜re funções ™omo domínio e im—gemD função injetiv— e so˜rejetiv—D ™omposição de funções e função invers—F istes ™on™eitos serão —pli™—dos em tr—nsform—ções line—res @„vs d—qui por di—nteAD e m—trizesF im˜or— tipi™—mente o —luno já s—i˜— multipli™—r m—trizesD jog—remos nov—s luzes so˜re o —ssuntoX qu—l — origem e divers—s interpret—ções d— de(nição d— multipli™—ção entre m—trizesY ™omo oper—r m—trizes em ˜lo™osF he(nimos esp—ços vetori—is muito @—A o nú™leoY @˜A — im—gemY importantes —sso™i—dos — „vs e m—trizesX @™A o esp—çoElinh— e ™olun— de um— m—trizF ys result—dos prin™ip—is deste g—pítulo sãoX " o „eorem— RFIP d— pFIHP @teorem— do nú™leoEim—gemAD que rel—™ion— —s dimensões do nú™leoD im—gem e domínio de um— „v ou m—trizF " y „eorem— RFIU d— pFIHS que g—r—nte ™ondições p—r— que um— „v sej— injetiv— ou so˜rejetiv—F „vF " o „eorem— RFQQ d— pFIIQ que rel—™ion— o nú™leo ™om — existên™i— de invers— de um— " y „eorem— RFQV d— pFIIR que —present— um —lgoritmo p—r— o ™ál™ulo d— m—triz invers—F " y vem— RFRV d— pFIIV que mostr— ™omo oper—r ™om um— m—triz em ˜lo™osF „ermin—mos o ™—pítulo ™om du—s seções op™ion—isX um— so˜re ™oorden—d—s de um vetor num— ˜—se e outr— so˜re represent—ção m—tri™i—l de um— „v qu—lquer e mud—nç— de ˜—seF 0 Versão 26.2012 18h WI .jun.

u. z ). Transformação Linear e Matriz 4. y = f (x) x ∈ X} é a imagem. Pode-se visualizar esta função (x. A cada função derivável associamos outra função: sua A 3 (d) Considere T : A ⊂ R → R uma função que associa a cada ponto do conjunto ⊂ R3 (pode-se pensar numa bloco de metal) sua temperatura T (x. 2 2 (b) Considere V : R → R a função V (x. (a derivada da função).1 R2 . contra-domínio e para algum • {y ∈ B . uma curva contida em R . γ (t) = (cos t. isto é: T (k u + v) = kT (u) + T (v). y ) = (−y. TRANSFORMAÇÃO LINEAR E MATRIZ 4. Exemplo 4.1. Dizemos (veja Figura 4.2 (transformação linear) Sejam V e W espaços vetoriais.2 Transformação Linear e Matriz Denição 4.1) que: Seja f :X→Y uma • X • Y é o é o domínio. sen t) ∈ 2 Verique que a imagem de γ é um círculo unitário.1 Função.WP CAPÍTULO 4. . A cada ponto F o conjunto das funções deriváveis em R. y ) associamos o vetor (c) Considere Alguns exemplos de funções: 2 (a) Considere γ : R → R uma função denida. x). Isto é equivalente a preservar combinações lineares.1 Domínio e Imagem de Função Denição 4. y ). contradomínio e imagem de função) função. transformação) T : V → W é dita transformação linear (TL) se: T (k u) = kT (u) para todo (preserva produto) e Uma função (ou T (u + v) = T (u) + T (v) (preserva soma).1 No contexto de Álgebra Linear é comum utilizar o termo transformação como sinônimo de função.1. f (X ) X Y pigur— RFIX punção f : X → Y Observação 4. D : F → F por D (f ) = f derivada. Dena V (x. y. t ∈ R.1 (domínio. xo exemplo —nterior vimos funções entre diversos esp—çosF €odemos terD de form— m—is ger—lD funções de Rn → Rm F ist—s serão o˜jeto de qu—se todo ™—pítuloF 4. denotada Im(f ) ou f (X ). v ∈ V e k escalar. para cada como um campo de vetores no plano.

2 (TLs triviais) (a) (b) Verique que são TLs: de I : V → V denida por I (v) = v para todo v ∈ V . −y1 ) = kT (x) + T (y)D ™on™luímos que é line—rF @˜A gomo T (1.2 É fácil vericar que se T é linear. 1) = (1.54 (linearidade do produto matriz-vetor). 1)D ™on™luímos que não é line—rF Observação 4. z ) y produto es™—l—r ™om linh—sX B  y  = = = 4 5 6 (4. considere a função TA . B= 5 3 −1  (c) B= −3 −2 . z ) = (x + 2y + 4x + 5y + 6z 3z. É m—is fá™il @e é o que deve us—r  o vem— PFPP d— pFSR e f—zer  serfeito n— práti™—A  x x 1 2 3   (1. o contradomínio e a trans- formação associada TB . y. 6) · (x. utilizando o mesmo símbolo para a matriz e para a função. 1. O correto seria dizer dada a matriz A.3 (a) Determine se é linear T (x. −x1 ) + (y3 . FUNÇÃO. m × n A ∈ Mm×n . TRANSFORMAÇÃO LINEAR E MATRIZ WQ Exemplo 4. deTA é uma transformação linear pelo Lema 2. identidade. 1) e T (2. 5.21 da p. y. y. kx3 + y3 ) = (kx3 + y3 . z ) = (z. kx2 + y2 . y. Solução: @—A gomoD T (kx + y) = T (kx1 + y1 . Solução:heix—mos p—r— o leitorF Exemplo 4. 3) · (x. xy ). −3  Solução: @—A gomo são P linh—s e Q ™olun—sD TB : R3 → R2 F …tiliz—ndo — de(nição do produto m—trizEvetorD   x  B y = z  1 2 3 4 5 6 x 4x 2y 5y  x  y =x z + 3z 6z 1 4 +y 2 5 +z 3 6 = = + = x + 2 y + 3z 4x + 5y + 6z . y. (d)  2 B =  −2 .3 e Exemplo 4.4. 4) = 2T (1. considere . z ) = (z. (b) B= 1 2 3 4 5 6  2 3 6 .3 (TL associada a uma matriz) nimos Dada uma matriz TA : R → R n m por TA (w) = Aw (produto matriz-vetor). 1. −x). he um— form— ou de outr—D ™on™luímos que TB (x. 2. Denição 4.4 (a) Para cada matriz B abaixo determine o domínio. chamada 0 : V → W denida por 0(v) = 0 para todo v ∈ V . 2) = (2. . T : R3 → R2 denida por (b) T (x.106). z ) z z x + 2y + 3 z . −(kx1 + y1 )) = k (x3 . Exemplo 4. A recíproca não é verdadeira: existem funções que satisfazem isto mas não são lineares (veja Exemplo 4.20 da p. então T (0) = T (−0 + 0) = −T (0) + T (0) = 0.3 A:R →R n m Abusando a linguagem dizemos dada a matriz A ∈ Mm×n .1. 4x + 5y + 6z )F . Observação 4. 2.

1) = (3. 3 − y )F @™A gomo são I linh— e P ™olun—sD TB : R2 → RD TB (x. y ) = x(1. Exemplo 4. u2 . . . 5x + 6y. então T (u) está n i=1 bem determinado para qualquer u ∈ U.6 (a) Determine a matriz associada à TL: T (x. .5 (bijeção entre matrizes e TLs) matriz A ∈ Mm×n a transformação linear TA : A função da Denição 4. 1) + (y − x)T (0. . . Em outras partes do livro.WR CAPÍTULO 4. 0) + yT (0. por se tratar do plano pensamos na orientação usual do plano. 1) = x(2. nF   ↑ ↑ he(n— A =  v1 · · · vn F egor—D é ™l—ro que Aei = vi F vogo TA (ei ) = Aei = vi = ↓ ↓ S (ei )F gomo S e TA são line—res e —ssumem os mesmo v—lores em todos os vetores d— ˜—seD pelo vem— RFR —™im—D S = TA F Prova: Observação 4. y − x)F @˜A gomo (1. . R3 é um problema delicado. 1). y ) = (2x + 3y. . 0) + y(0. y ) = (−3x − 2y )F @dA gomo são Q linh—s e I ™olun—D TB : R → R3 D TB (x) = (2x. un } base de Seja U. z. . .4 (determinando uma TL) {u1 . 3 (b) T que leva cada vetor do R na sua projeção ortogonal no plano xz . 0) = (2. . −3x)F y próximo lem— permite determin—r um— „v no esp—ço todo ™onhe™endo seus v—lores somente num— ˜—se @™—so sej— (nit—AF Lema 4. −1) + y (3. n i=1 αi ui F €el— line—rid—deD T (u) = T ( αi ui ) = αi T (ui )F gomo os v—lores T (ui ) são ™onheE ™idosD — tr—nsform—ção está determin—d— de modo úni™oF n i=1 Prova: h—do u ∈ U qu—lquerD pel— de(nição de ˜—seD existem αi s t—is que u = Exemplo 4. −2x. 1) = (2x + 3y. eixos. . n d— ˜—se ™—nôni™— do Rn D temos TA (ei ) = Aei = B ei = TB (ei ) p—r— todo iF egor—D é ™l—ro que Aei é — iEésim— ™olun— de A pois n— ™om˜in—ção line—r dos vetores ™olun—s de A v—i —p—re™er somente — iEésim— ™olun—F ho mesmo modoD B ei é — iEésim— ™olun— de B F gon™luímos que ™—d— ™olun— de A é igu—l — ™—d— ™olun— de B D isto éD A = B D prov—ndo — injetivid—deF €—r— — so˜rejetivid—deD ™onsidere S : Rn → Rm um— „vF he(n— vi = S (ei )D i = 1. Neste caso.51 da p. Se conhecemos T : U → V transformação linear e T (ui ) para i = 1. 1) = 2 e T (0. 1)D pel— line—rid—deD T (x. x + y. 1) e (0. −1) e T (0. n. seremos pouco precisos neste ponto. y ) = xT (1. TRANSFORMAÇÃO LINEAR E MATRIZ @˜A gomo são Q linh—s e P ™olun—sD TB : R2 → R3 D TB (x. . . Pelo lema acima toda TL do Rn em Rm é dada por uma matriz e vice- Isto é verdade para espaços de dimensão nita pela Denição 4.123 e o estudo de TLs em EVs nitos pode ser reduzido ao estudo de matrizes. quando rodamos em torno de outros . 1) são vssD form—m um— ˜—se do R2 F h—do (x. 1 Orientar sentido de rotações em ângulo de 90 xy . z + w). y. 1)F vogoD T (x. 1) = 2x + 3(y − x) = 3y − xF Lema 4. 1) = 3.3 que associa a cada Rn → Rm é uma bijeção. . tal que T (1. y ) ∈ R2 D (x.4 versa. w) = (x − y + 2z. 1) + (y − x)(0. †—mos prov—r — injetivid—deF ƒuponh— que TA = TB F vogoD d—dos vetores ei D i = 1. . . 3 (c) T que leva cada vetor do R na sua rotação em torno do eixo z por um 1 graus no sentido anti-horário do plano xy . y) = xT (1. Solução: @—A gomo (x.5 (a) (b) T :R T : R2 → R 2 Determine uma TL satisfazendo em cada caso: → R2 tal que T (1. y) = x(1.

0. 0. 0.7 (exemplos no R2 ) Determine a matriz que: (a) amplia todos os vetores por um fator (b) reete os vetores em torno do eixo (d) reete os vetores em torno da reta k. 0)D A(0. 0)D T (0. 0. 1) = (0. 1) = (−1. 0. 1. 1)F golo™—ndo estes vetores ™omo ™olun—s d— m—triz T D o˜temos que   1 −1 2 0 1 0 0 . 1. 1. 1) = (0. k 0 0 k = (c) projeta (ortogonalmente) os vetores no eixo Solução: @—A A(1. 0. 1)F golo™—ndo estes vetores ™omo ™olun—s d— m—triz T D o˜temos que   0 −1 0 0 0 . 0) = (0. 0) = (1. 0) = (1. 1)D T (0. 0)F vogoD 0 −1 A= F −1 0 . 0) = (0. 0)F vogoD A = 1 0 F €—r— ilustr—ção vej— 0 −1 1 0 F €—r— ilustr—ção vej— piE 0 0 gur— RFRF @dA gom —uxílio de um desenhoD veri(que que A(1. T = 1 0 0 1  4. 0)D T (0. x.1. 1. 0) = (−1. 0. 0) = (k. y = − x. 1) = k(0.3 Transformações Lineares Geométricas w—trizes que represent—m tr—nsform—ções geométri™—s ™omo projeçãoD rot—çãoD re)exão e homoteti—s @—mpli—ções e reduçõesA são utiliz—d—s em ™omput—ção grá(™— e p—r— o estudo d— geometri— d—s tr—nsform—ções line—resF iste ponto de vist— geométri™o será retom—do n— pFIWW @vej— —s (gur—s3AF heix—mos p—r— o leitor veri(™—r que est—s tr—nsform—ções geométri™—s são „vsF Exemplo 4. 1. 0. 0)D T (0. 0) = k(1. TRANSFORMAÇÃO LINEAR E MATRIZ WS Solução: @—A g—l™ule T (1. 1. x. 0)D A(0. 0) @o vetor e2 é perpendi™ul—r —o pl—no xz AD T (0.4. 0) = (−1. 0. 1) = (0. 0. 0. 0) = (2. 0) = (1. 0)D T (0. FUNÇÃO. 0. 0. 0)D A(0. −1)D A(0. 1) @o vetor e3 perten™e —o pl—no xz AF golo™—ndo estes vetores ™omo ™olun—s d— m—triz T D o˜temos que  1 0 0 T =  0 0 0 . 0. 0 0 1 @™A É ™l—ro que @porquecA T (1. 1) = (0. 0) @o vetor e1 perten™e —o pl—no xz AD T (0.1. k)F vogoD A = kI F €—r— ilustr—ção do ™—so k = 2 vej— pigur— RFPF @˜A A(1. 0. 0. 1. 0) = (0. T = 1 0 0 1 1 @˜A É ™l—ro que @porquecA T (1. 0. 1) = (0. 0) = (1. −1)F vogoD A = pigur— RFQF @™A A(1. 1) = (0.

0. (c) que projeta (ortogonalmente) os vetores do espaço no plano A(1. 0. y = 0. 1) qu—ndo projet—do v—lerá (0. 1. 0) = (0. 0. TRANSFORMAÇÃO LINEAR E MATRIZ y T v113◦ T v135◦ T v158◦ T v180◦ v113 v135◦ v158◦ v180◦ v205◦ v225◦ v248◦v T v248◦ v ◦ ◦ 90 v 68◦ T v90◦ T v68◦ T v45◦ v45◦ v23◦ v0◦ v338◦ v315◦ T v338◦ T v315◦ T v0◦x T v23◦ T v205◦ 270◦ v293◦ T v225◦ T v270◦ T v293◦ pigur— RFPX empli—ção …niformeX A(x.WT CAPÍTULO 4. 0)F y vetor (0.8 (exemplos no R3 ) Determine a matriz que: (a) projeta (ortogonalmente) os vetores do espaço no plano (b) reete os vetores do espaço em torno do plano z = 0. 0)F Solução: @—A gomo os vetores que estão no pl—no z = 0 tem ™omo im—gem eles mesmoD . y ) = (x. z = 0. y ) = (2x. 2y ) y v113◦ v135◦ v158◦ v180◦ = T v180◦ v90◦ v ◦ 68 v45◦ v23◦ v0◦ = T v0◦ x T v23◦ T v45◦ T v90◦ T v68◦ T v158◦ T v135◦ T v113◦ pigur— RFQX ‚e)exão no eixo xX A(x. −y ) Exemplo 4. 0)D A(0. 0) = (1. 0. 1.

0. 0. 0. 1) = (0. 0) qu—ndo projet—do v—lerá (0. z ) = (x. 1) = (0. 1)F  1 0 0 0 F vogoD A(0. 0)  1 0 0 vogoD A(0. 0) = (0.1. 0. FUNÇÃO. 0)F vogoD  vetor (0. 0) = (1. 1. 0)F vogoD A =  0 1 0 F €—r— ilustr—ção vej— pigur— RFSF 0 0 0 @˜A gomo os vetores que estão no pl—no z = 0 tem ™omo im—gem eles mesmoD A(1. 0. 0) . −1)F vogoD A =  0 1 0 0 −1 @™A gomo os vetores que estão no pl—no y = 0 tem ™omo im—gem eles mesmoD A(1. 1. 0)D A(0. 0. 1)F y 1. 0) = (0. y. 0. 1) = (0. 0. 1) —pós re)exão se tr—nsform—rá em −(0. 0)F vogoD A =  0 0 0 F 0 0 1 z v3 v1  T v3 = T v4 T v1 = T v2 y x v4 v2 pigur— RFSX €rojeção ortogon—l no pl—no z = 0X A(x. 0)D A(0. 1. 0. y. 0) = (1. 0)F y vetor (0 . 0.4. 1 0 0 A(0. 0. 0. 0. TRANSFORMAÇÃO LINEAR E MATRIZ WU v112◦ v135◦ v158◦ ◦ v135◦ T v158T T v112◦ v180◦ = T v180◦ ◦ v225◦ T v202T T v248◦ v90◦ y v68◦ v45◦ v23◦ T v68◦ T v292◦ T v45◦T v23◦ v0 ◦ = T v0 ◦ ◦ x T v315T v338◦ v338◦ v202◦ v225◦ v248◦ v270◦ v292◦ v315◦ pigur— RFRX €rojeção ortogon—l no eixoExX A(x. 0. y ) = (x.

sen θ) e R(e2 ) = (− sen θ. R(v) e R(u) + R(v)F x— ter™eir— mostr—mos que R(u) + R(v) é igu—l — rot—ção de u + vD isto é que R(u) + R(v) = R(u + v)F ergumento —nálogo v—le p—r— — multipli™—ção por es™—l—rF gomo — rot—ção preserv— — som— e o produto por es™—l—rD R é line—rF R(u) + R(v) u+v v u R(v) v R(u) u u+v R(u) + R(v) R u+v pigur— RFTX ‚ot—ção @˜A y˜serve n— (gur— —˜—ixo — im—gem de R(e1 ) e R(e2 )F e2 cos θ sen θ R(e1 ) θ cos θ e1 R(e2 ) θ − sen θ vogoD R(e1 ) = (cos θ. v e u + vF x— segund—D R(u).9 (matriz de rotação em R2 ) do Seja R a transformação que roda os vetores R 2 por um ângulo θ (no sentido trigonométrico. anti-horário). R. (b) Determine a matriz (a) Mostre que R é uma TL. Solução: @—A †—mos prov—r —tr—vés d— sequên™i— d— pigur— RFT que R(u + v) = R(u)+ R(v)F x— primeir— mostr—mos u.WV CAPÍTULO 4. isto é. TRANSFORMAÇÃO LINEAR E MATRIZ Exemplo 4. cos θ)F vogoD R = €—r— ilustr—ção de um— rot—ção de 23◦ vej— pigur— RFUF cos θ − sen θ F sen θ cos θ y T v90◦ v135◦ T v135◦ v180◦ T v180◦ v225◦ T v225◦ v270◦ T v270◦ v90◦ T v45◦ v45◦ T v0◦ v0◦ x T v315◦ v315◦ pigur— RFUX ‚ot—ção de 23◦ .

T : U → V. 1) = (− sen θ.11 (a) Determine o núcleo de (b) T (x. o Nuc(T ) Lema 4. T : R2 → R T (x. 0) @vetor no eixo y não é modi(™—doAF ƒe — rot—ção for por ângulo θD @vej— . sen θ)  ixemplo RFWA A(1 cos θ 0 − sen θ F 1 0 e A(0. y ) = y @˜A y nú™leo são os elementos (x. é o conjunto dos vetores do domínio cuja imagem é o vetor nulo: Nuc(T ) = {u ∈ U | T (u) = 0}. 0) = (0.1 Núcleo e Imagem Denição 4.2.4. y ) = y − x. 1. 1. Prova: heix—mos ™omo exer™í™io p—r— o leitorF Denição 4. denida por: Solução: @—A y nú™leo são os elementos (x. y ) = 0 = y − xD o nú™leo é — ret— y = xF w—is —ind—D T lev— — ret— y = x + 1 no 1 e — ret— y = x − 1 no −1D ™onforme indi™—do n— pigur— RFWF T R T 1 0 −1 x T .8 (Nulidade) dim(Nuc(T )). NÚCLEO E IMAGEM WW Exemplo 4. 0. Solução: gomo é em torno do eixo yD A(0.2.2 Núcleo e Imagem 4. 0) = (cos θ. denotado por Nuc(T ).10 Determine a matriz de rotação que roda os vetores do R3 por um ângulo θ em torno do eixo y. 0.6 (Núcleo) (ou kernel) de uma transformação linear T : U → V. y ) ∈ R2 que são lev—dos no zeroF gomo T (x. 0. y) ∈ R2 que são lev—dos no zeroF gomo T (x.7 (núcleo é subespaço) é subespaço vetorial de Dada uma transformação linear U. y ) = 0 = y D o nú™leo é — ret— y = 0D que ™orresponde —o eixo xF w—is —ind—D T lev— — ret— y = 1 no 1 e — ret— y = −1 no −1D ™onforme indi™—do n— pigur— RFVF R2 y 1 ker T T 0 −1 pigur— RFVX T (x. de uma transformação linear T é a dimensão do seu núcleo: Exemplo 4. y ) = y . 0. cos θ)F vogo A =  0 sen θ 0 cos θ 4.

0. a Im(T ) Lema 4. 0. 0. 0. −t. s. r. 1. 0. 0. 0) no nú™leoF golo™—ndo t = 1 e s = 0 o˜temos (0. −1. 0. t)F golo™—ndo r = 1 e s = t = 0 o˜temos (0. 0. 1)}F @˜A €—r— ™—l™ul—r o nú™leo temos que resolver o sistem— homogêneo B v = 0F €—r— 1 0 −1 0 istoD es™—lon—ndo tot—lmente B D o˜temos F ƒão du—s v—riáveis livres e 0 1 0 −1 port—nto o nú™leo tem dimensão 2F „om—ndo s. 0. x5 ) = (−s − t. 1. −1. s. 0) no nú™leoF golo™—ndo t = 1 e r = s = 0 o˜temos (−1. x2 . denotada por Im(T ). 1.10 (imagem é subespaço) é subespaço vetorial de Dada uma transformação linear V. 1.11 (Posto) dim(Im(T )). t ™omo p—râmetrosD o˜temos que o nú™leo é (x1 . 1) no nú™leoF €ort—ntoD um— ˜—se p—r— o Nuc(T ) é {(1. 1)}F €—r— istoD es™—lon—ndo tot—lmente AD o˜temos Denição 4. (−1. de uma transformação linear T é a dimensão da sua imagem . y ) = y − x Exemplo 4. (0. 0) no nú™leoF golo™—ndo s = 1 e r = t = 0 o˜temos (−1. t ™omo p—râmetrosD o˜temos que o nú™leo é (x1 . 0). 0). B =  −1 −1 0 −1 0 1  Solução: @—A €—r— ™—l™ul—r o nú™leo temos que resolver o sistem— homogêneo Av = 0F 1 1 0 0 1 F ƒão três v—riáveis livres e 0 0 1 0 1 port—nto o nú™leo tem dimensão 3F „om—ndo r.9 (Imagem) Im(T ) de uma transformação linear T : U → V. TRANSFORMAÇÃO LINEAR E MATRIZ R2 y 1 0 ker T −1 x T T T T 0 −1 R 1 pigur— RFWX T (x. x4 . T : U → V . 0). 0. 0. 1. 0 −1  0 1 (b)  1 0 −1 0 1 1 . x3 . x2 . (−1. 1) no nú™leoF €ort—ntoD um— ˜—se p—r— o Nuc(T ) é {(0. t)F golo™—ndo s = 1 e t = 0 o˜temos (1. 0. Prova: heix—mos ™omo exer™í™io p—r— o leitorF Denição 4. 0. 1. é o conjunto dos vetores do contra-domínio que são imagem de algum vetor do domínio: = {v ∈ V | v = T (u) para algum u ∈ U }.IHH CAPÍTULO 4. 1. x3 . x4 ) = (s. t. 0.12  (a) Determine uma base e dimensão do núcleo da transformação linear: 2 2 −1  −1 −1 2 A=  1 1 −2 0 0 1  0 1 0 1  . 0. 1. s. 0.

y + z. 2. 0). 3 5 (c) T : R → R . . −2x + 2y. escalone (não precisa ser totalmente escalonada. (b) Para a imagem. 1)} = {(0. x + z. 2. (a) Exemplo 4. 0). 2 2 (b) R : R → R uma reexão em torno da reta x = y . . y ) = (x + 2y ). 1. . . (0. . 0).13 Determine o núcleo. 1). T (0. 0. 0). 2 2 (c) X : R → R uma rotação por um ângulo de 27 graus no sentido horário.5 mum. 1)} = {1. 2. 0). 1) D dimensão 1F gomo {(1. T (0. (1. xn ) = (0. x + z. 0). . 1)} = {(−1. 2y − x. y) = 0 = x + 2yF Exemplo 4. −2. Estes v no domínio. 0. 1. 1. 1. (0. y + y+z = 0 z. −1. 2 5 (b) T : R → R . v = n i=1 λi ei e os vetores T : R2 → R. −t. y ) = (−x. NÚCLEO E IMAGEM IHI Observação 4. veja Lema 3. (1. 1)} é ˜—se de R2 D — im—gem é ger—d— por {T (1. t)} = (−2. T (x. 0. 1. 0. −2x + 2y. 2y ). 0. (1. 2. 1)}F is™—lon—ndo — m—triz ™om estes vetores em ™—d— linh—D o˜serv—mos que o último é ™om˜in—ção line—r dos outrosF vogo — im—gem é (0. −1. T (e1 ). 1. 0). 2) D ™om dimensão 2F @™A hetermin—mos o nú™leo resolvendo @o sistem— line—rA T (x. (0. 1. x + z. 0. 2y )Y h— primeir— equ—ção o˜temos −x = 0 e d— últim— 2y = 0F vogo — úni™— solução é x = y = 0F gon™luímos que o nú™leo é o 0 @dimensão 0AF gomo {(1. T (x. 2)}F vogo — im—gem é @estes vetores são ™l—r—mente vssA o (−1. 0). é ortogon—lD serão lev—dos no zero os vetores perpendi™ul—res — est— ret—D isto éD Nuc T é — ret— x = −y F @˜A h—do um vetor v qu—lquerD ele é im—gem de w @tome w = R(v)AF vogo — im—gem é o R2 F €or outro l—doD o úni™o vetor que re)etido v—i n— origem é — própri— origemF vogo o nú™leo é o su˜esp—ço {0}F Solução: @—A gomo P projet— n— ret— x = yD — im—gem de P é est— ret—F gomo — projeção . . 1)} é ˜—se de R2 D — im—gem é ger—d— por {T (1. 0).2.6 (calculando núcleo e imagem de T ) Como obter o núcleo e a imagem de T : Rn → Rm ? (a) Para o núcleo vimos nos exemplos: resolva o sistema T (x1 .4. . mas o termo posto é muito co- Observação 4. 0.74) matriz com os vetores vetores geram a imagem de T pois para todo n na imagem T (v) = i=1 λi T (ei ). −1. 2y − x.15 da p. y. (0. 1}F vogo — im—gem é todo o RD ™om dimensão 1F @˜A hetermin—mos o nú™leo resolvendo @o sistem— line—rA T (x. y ) = 0 = (−x. T (0. . z ) = (y + z. T (0. T (en ) nas linhas para determinar base. 1)} é ˜—se de R3 D — im—gem é ger—d— por {T (1. 2. 1. . (0. t)} = (−1. T (x. . 2y + x. 2y + x. 1). x + z )Y iste sistem— é equiv—lente —o sistem— F is™—lon—ndo e x+z = 0 resolvendoD são du—s equ—ções e três v—riáveisF „om—ndo z = tD o˜temos y = x = −tF vogo o nú™leo é {(−t. 0 D ™om dimensão 2F Solução: @—A hetermin—mos o nú™leo resolvendo @o sistem— line—rA T (x. 0. 0). 1.14 Determine o núcleo e a imagem somente com argumentos geométricos (sem calcular explicitamente) de: 2 2 (a) P : R → R uma projeção ortogonal na reta x = y . (0. O termo nulidade é pouco utilizado. 2. y. 0). 1) D dimensão 1F gomo {(1. a imagem e suas respectivas dimensões de: vogo x = −2y e tom—ndo y = tD x = −2tF vogo Nuc(T ) = {(−2t. 1. 1. z ) = 0 = (y + z. x + z. 1. 0. . 0). x + z ). 0. −2. 1.

3/2. (0. escalone (não precisa ser totalmente escalonada. 0 −1  0 1 (b)  1 0 −1 0 1 1 . Então Seja T :U →V linear com U de dim(Nuc(T )) + dim(Im(T )) = dim(U ). . .IHP CAPÍTULO 4. . 0). −3/2. como determinar o núcleo e a imagem de A? ↓ ↓ (a) Para o núcleo vimos nos exemplos anteriores: resolva o sistema Ax = 0.15  (a) Determine uma base e dimensão da imagem da transformação linear: 2 2 −1  −1 −1 2 A=  1 1 −2 0 0 1  0 1 0 1  . (0. −1)}D que possui dimensão 2F 4. . −1. veja Lema 3.7   (calculando núcleo e imagem de A) Dada uma matriz A = ↑ ↑  v1 · · · vn .   . B =  −1 −1 0 −1 0 1  2 −1 1 2 −1 1 −1 2 −2 0 0 0 1 1 −1 Im(T )  Solução: o˜temosD   @—A €—r— ™—l™ul—r im—gem temos que es™—lon—r    0 0 1 0 1    F is™—lon—ndo   2 −1 1 0 F €ort—ntoD um— ˜—se p—r— — 0 3/2 −3/2 1 {(2.12 (Teorema do núcleo-imagem (TNI)) dimensão nita. (b) Para a imagem. 1)}D que possui dimensão 2F  é  1 −1 0  0 −1 −1  F is™—lon—ndo @˜A €—r— ™—l™ul—r im—gem temos que es™—lon—r A =   −1 1 0  0 1 1 1 −1 0 F €ort—ntoD um— ˜—se p—r— — Im(T ) é o˜temosD 0 −1 −1 {(1.15 da TA (ej ) = Aej = vj .74) matriz com os vetores j = 1. .   ← vn → Exemplo 4. −1. . n (colunas de A) nas  linhas: ← v1 → . −1. 1. .2.2 Teorema do Núcleo Imagem y próximo teorem— é ™onhe™ido ™omo o Teorema Fundamental da Álgebra Linear pel— su— importân™i—F ile rel—™ion— —s dimensões do nú™leo e d— im—gem ™om — dimensão do domínioF Teorema 4. TRANSFORMAÇÃO LINEAR E MATRIZ @™A h—do um vetor v qu—lquerD ele é im—gem de w @tome w — rot—ção por PU gr—us no sentido —ntiEhorário de vAF vogo — im—gem é o R2 F €or outro l—doD o úni™o vetor que —pós ser rot—™ion—do v—i n— origem é — própri— origemF vogo o nú™leo é o su˜esp—ço {0}F Observação 4. para p. Portanto a soma das dimensões do núcleo e da imagem é igual a dimensão do domínio. 0).

0F Observação 4. como a dimensão da imagem não pode exceder a dimensão do contra-domínio. . . 8D i = 6. . 0F @™A n + i = 4 e i ≤ 40F vogo n = 0. 4. . 1. . Exemplo 4. vr } sej— ˜—se de U F gomo dim(U ) = n e tod— ˜—se possui mesmo número de elementosD k +r = nD isto éD dim(Nuc(T ))+ r = dim(U )F †—mos mostr—r que dim(Im(T )) = rD m—is pre™is—menteD v—mos mostr—r que β = {T (v1 ). . . 1) e (1. (2. . . 5D i = 5. NÚCLEO E IMAGEM IHQ Prova: ƒuponh— que dim(U ) = n e que dim(Nuc(T )) = k F „ome ˜—se u1 . 3. Solução: ƒej—m n = dim Nuc(T ). t). 0. 5. . 1. . . A dimensão máxima possível para a imagem é a dimensão do domínio: caso o núcleo seja não nulo perdemos dimensão da imagem. . . . . .16 Determine o valor máximo e mínimo possível para a dimensão do núcleo e da imagem de uma TL: 8 6 (a) T : R → R . . . uk de Nuc(T )F „ome v1 . (b) T : R5 → R5 . . . . . . (a) Exemplo 4. . 0F @˜A n + i = 5 e i ≤ 5F vogo n = 0. . 0. uk . . . . T (vr )} form— um— ˜—se p—r— Im(T )X @—A β = Im(T )X É ™l—ro que β ⊂ Im(T )F †—mos mostr—r que Im(T ) ⊂ β F ƒej— w ∈ Im(T )F intãoD w = T u p—r— —lgum u ∈ U F gomo γ é ˜—se de U D u = a1 u1 + · · · ak uk + b1 v1 + · · · br vr F gomo u1 . . 0) e a imagem seja o plano y + z = 0. . . t. o núcleo pode ter um mínimo maior que zero. . 5 2 (b) T : R → R com Nuc(T ) = (1. . . uk é ˜—se do nú™leoD T (uj ) = 0F vogoD w = T u = b1 T (v1 ) + · · · br T (vr )F €ort—nto w ∈ β F @˜A β é vsX ƒuponh— que i ai T (vi ) = 0F €el— line—rid—de de T D T ( i ai v i ) = 0 F vogo i ai vi ∈ Nuc(T )F gomo u1 . vr p—r— que γ = {u1 . 3. y (t).4. . . . uk é ˜—se do nú™leoD existem bj t—is que i ai vi = j bj uj F vogo i ai v i − j bj uj = 0F gomo γ é vsD todos os ™oe(™ientes são igu—is — zeroF gomo β é um— ˜—se p—r— Im(T ) e possui r vetoresD dim Im(T ) = rF Observação 4. (c) T : R4 → R20 . 6) @˜A ™omo o nú™leo tem dimensão 2D pelo „xs — im—gem teri— dimensão 3D m—ior que — do ™ontr—domínioF Solução: @—A pelo „xsD posto(T ) + dim Nuc(T ) = 11F gomo 11 é ímp—rD isto é impossívelF T : R3 → R3 cujo núcleo seja o plano x + y + z = 0 e a imagem seja a reta (x(t). . . 5).17 (a) Explique em cada caso porque não existe uma TL: .18 Em cada item dê um exemplo de TL satisfazendo as condições dadas. . 4 3 (b) T : R → R cujo núcleo seja gerado por (0. . . T : R11 → R11 com posto(T ) = dim Nuc(T ). v1 .9 Pelos exemplos acima.2. 2. . 4D i = 4. . . Exemplo 4. . caso o núcleo seja trivial (igual a {0}) a imagem terá a mesma dimensão que o domínio e portanto a imagem será uma cópia el do domínio. 4. . z (t)) = (0. . .8 Como consequência do TNI. i = dim Im(T )F €elo „xsD n + i é igu—l — dimensão do domínioF €or outro l—do — dimensão d— im—gem @iA é menor ou igu—l à dimensão do ™ontr—Edomínio e — dimensão do nú™leo @nA é menor ou igu—l à dimensão do domínio @—A n + i = 8 e i ≤ 6F gomo 8 − n = i ≤ 6D n não pode ser 0 ou 1 pois i seri— 8 ou 7F vogo n = 2. . . .

· · · an1 m×n   . 0) = (0. 0) e T (0. 0).11 Como consequência deste lema. 0) = (1. 0. (0. (0. A dimensão do espaço-linha é igual à dim Im(A ) = dim Im(A). T Prova: gonsidere A ™om m linh—s e n ™olun—sF e dimensão do esp—çoE™olun— é igu—l — dim(Im(A))F e dimensão do esp—çoElinh— é o número k de linh—s nãoEnul—s —pós es™—lon—r AF gomo o sistem— possui n v—riáveis e foi reduzido — k equ—çõesD ™on™luímos que são n − k v—riáveis livresD isto éD o Nuc(A) possui dimensão n − k F €elo „eorem— RFIP d— pFIHP @„xsAD dim(Im(A)) = n − dim(Nuc(A)) = n − (n − k ) = k F yu sej—D dimensão do esp—çoE™olun— = dim(Im(A)) = k = dimensão esp—çoElinh—F Observação 4. 1). j. 1. 0) = T (0. . 0). 1. 0). 0. para todo A . T O espaço-linha de A é o espaço gerado pelas linhas de A. 0) o˜teremos um— ˜—se do R3 F e im—gem deve ser (0. é igual a Im(A ). 1) F gompleE t—ndo o nú™leo ™om um— ˜—se do R4 D ™onsider—mos — ˜—se (1. e rel—ção entre linh—s e ™olun—s ™om nú™leo e im—gem motiv— — próxim— de(niçãoF Denição 4. 0. 1. −1. (0. 0. . quando resolvemos um sistema ob- temos o posto da matriz (a dimensão de sua imagem) que é igual ao número de linhas não-nulas da matriz escalonada. . 1. 1)F e „v está ˜em de(nid— pelo vem— RFR d— pFWRF Solução: @—A ‚esolvendo o sistem— o˜temos que o nú™leo é ger—do por {(−1. 0) = (0. 0. 0.10 (Software Algébrico) mando do Maxima Pode-se calcular o columnspace. 1.15 (dimensão do espaço linha e coluna) dimensão do espaço-coluna. 0. é igual a Im(A). 0. 1) F …tiliz—ndo o vem— RFR d— pFWRD (x—mos T (−1. TRANSFORMAÇÃO LINEAR E MATRIZ É ™l—ro que —™res™ent—ndo (1. 0.75. 0. 0). 0. 1)F he(nimos T (1. espaço-coluna com o co- Ver Observação 3. então AT é n×m e T a1m · · · anm (AT )T = A. 1. Lema 4. (0. 0. . 1)}F B = (bij ) = AT Denição 4. 0. Observação 4.IHR CAPÍTULO 4. 1. (−1. isto é. 0. 1)F @˜A ‚esolvendo o sistem— y + z = 0D — im—gem é igu—l —o (1. 0. 1) = (0. 0)D T (0. é   B=A = Note que a11 . −1.14 (espaço-linha e espaço-coluna) O espaço-coluna de A é o espaço gerado pelas colunas de A. 1. 1. Se bij = aji .13 (matriz transposta) dada por A transposta de uma matriz A = (aij ) é a matriz i. 0) = T (−1. 1) = (0.6 da p. 0. . isto é. 0. 1. 0. isto é. 1)F €—r— g—r—ntir — im—gem (x—mos T (1.

0)A t—l que f (x) = f (y. Cada elemento do contra-domínio é atingido Exemplo 4. seu núcleo for igual a 0. y ) ⇒ x = y F xão é so˜rejetiv— poisD por exemploD (1.2. y ). x) = (y. 0. tamente uma vez. y. x) p—r— todo x ∈ RF e im—gem é — ret— y = xF …tiliz—ndo o „eorem— RFIP d— pFIHP @„xsAX y nú™leo é trivi—l @veri(que3A e port—nto — im—gem tem dimensão igu—l —o do domínioX IF @˜A xão é injetiv— poisD por exemploD f (1. Sobrejetividade e Núcleo Denição 4.2. Cada elemento do contra-domínio é atingido pelo menos exa- bijetiva se é injetiva e sobrejetiva. 0)F É so˜rejetiv— pois d—do (a.3 Injetividade. 0) = f (3. 0) = f (0. sobrejetiva e bijetiva) Dizemos que Seja f :A→B uma função. Prova: @—A gomo T é line—rD T (u) = T (v) seD e somente seD T (u − v) = 0D se e somente seD u − v ∈ Nuc(T )F vogo T é injetiv— seD e somente seD u = v seD e somente seD o Nuc(T ) = 0F @˜A ƒe T for so˜rejetiv—D Im(T ) = V e port—ntoD o posto(T ) = dim Im(T ) = dim(V )F €or outro l—doD se o posto(T ) = dim Im(T ) = dim(V ) então Im(T ) ⊂ V é um su˜esp—ço vetori—l de V ™om mesm— dimensão que V F €ort—ntoD Im(T ) = V F . x). 2) = f (x) = (x. 0. Determine se é injetiva. e somente se. 1)F É so˜rejetiv— pois d—do y ∈ R @elemento do ™ontr—EdomínioAD existe x ∈ R2 @por exemploD x = (y. NÚCLEO E IMAGEM IHS 4. f é: se • • • injetiva atingido no máximo uma vez. z ) = (−z. b)F …tiliz—ndo o „eorem— RFIP d— pFIHP @„xsAX y nú™leo tem dimensão I @veri(que3A e port—nto — im—gem tem dimensão PF Lema 4. f : R3 → R2 denida por f (x. sobrejetiva e bijetiva: R2 denida por f (x) = (x.4.16 (função injetiva. Solução: @—A qeometri™—mente est— „v lev— — ret— R n— ret— y = x do R2 ™onforme represent—do n— (gur— —˜—ixoF f É injetiv— pois f (x) = f (y ) ⇒ (x. y ) = (x + y ). (b) sobrejetiva se. 0) = (0.19 (a) (b) (c) f :R→ f : R2 → R denida por f (x. 0) = y F e im—gem de f é RF …tiliz—ndo o „eorem— RFIP d— pFIHP @„xsAX y nú™leo tem dimensão I @veri(que3A e port—nto — im—gem tem dimensão IF @™A xão é injetiv— poisD por exemploD f (0. b. b) ∈ R2 tome z = −a e y = bF vogo f (2. uma vez. seu posto (dim Im(T )) for igual a dim(V ). Cada elemento do contra-domínio é sobrejetiva se f (A) = B . 0. 0) = f (2. e somente se. −a) = (a.17 (injetividade e sobrejetividade de TL) V é: (a) Uma transformação linear T :U → injetiva se. f (u) = f (v ) implica que u = v.

C (R. Determine se é linear. R) o espaço das funções continuamente diferenciáveis e determine o núcleo e a imagem. e somente se. todo x impli™— que a = b = 0F vogo Nuc(D) são os polinômios p(x) = c @™onst—ntesAF ist— mesm— expressão mostr— que — im—gem são os polinômios de gr—u 1 @P1 AF ƒem f—zer ™ont—sD o ™onjunto dos polinômios ™uj— deriv—d— é — função identi™—mente nul— são os polinômios ™onst—ntesF e im—gem d— deriv—d— de polinômios de gr—u —té 2 são polinômios de gr—u —té 1F @˜A gomo D(k f + g) = (k f + g) = k f + g = kD(f ) + D(g). é sobrejetiva. f (2)). (a) se p(x) = x2 + 1. R) → R denida por P (f ) = (f (1).18 Uma transformação linear T :V →V num espaço de dimensão nita V é injetiva se. (b) T : R → R sobrejetiva. TRANSFORMAÇÃO LINEAR E MATRIZ Corolário 4. R)D de(n— h(x) = 0 g (s) dsF €elo „eorem— fund—ment—l do ™ál™ulo h ∈ C 1 e D(h) = h = g F vogo D é so˜rejetiv—F @™A im˜or— T (0) = 0D tom—ndo p(x) = x temos T (kp)(x) = k 2 x2 = kT (p)(x) = kx2 F vogo não é line—rF €or outro l—do se tom—rmos polinômios ™onst—ntes igu—is — 1 e (−1) o˜serv—mos que T (1) = 1 = T (−1)F vogo não é injetiv—F 2 √€—r— qu—l pD T (p)(x) = xc €—r— isto terí—mos (p(x)) = xD o que impli™—ri— que p(x) = ± xF w—s isto não é um polinômioD logo T não é so˜rejetiv—D pois o polinômio q (x) = x não é —tingido nun™— por T F Solução: @—A €—r— determin—r o nú™leo sej— p(x) = ax2 + bx + cD D(p)(x) = 2ax + b = 0 p—r— . denida por T (p)(x) = (p(x)) . Prova: he f—to se T é injetiv— então = {0}F vogoD pelo „eorem— RFIP d— pFIHP @„xsAD dim Nuc(T ) + dim Im(T ) = 0 + dim Im(T ) = dim V F vogo dim Im(T ) = dim V eD port—ntoD Im(T ) = V D isto éD T é so˜rejetiv—F ƒe T é so˜rejetiv— então Im(T ) = V F gomo dim Im(T ) = dim V D pelo „xs dim Nuc(T ) = dim V − dim Im(T ) = 0F €ort—nto o Nuc(T ) = 0 e T é injetiv—F Nuc(T ) Exemplo 4. Por exemplo T (p)(x) = (x2 + 1)2 = x4 + 2x2 + 1.IHT CAPÍTULO 4. ™on™luímos que é line—rF gomo D(f ) = f = 0 impli™— que f = C @™onst—nteA @pelo „eorem— do †—lor wédioAD ker D é igu—l —o ™onjunto d—s funções ™onst—ntesF gomo nú™leo é diferente de zeroD D não é injetiv—F x h—d— g ∈ C (R.21 Considere o espaço P2 de polinômios de grau máximo 2. Seja C 1 (R.4 Aplicações em Espaços de Funções e Polinômios Exemplo 4. injetiva e sobrejetiva cada uma das funções abaixo.20 (a) T : R7 → R3 Explique em cada caso porque não existe uma TL: 2 3 injetiva.2. R) o conjunto das funções contínuas. e pelo „eorem— RFIP d— pFIHP @„xsA o nú™leo tem dimensão no mínimo 4F €—r— ser injetiv— deveri— ser igu—l — 0F @˜A €elo „eorem— RFIP d— pFIHP @„xsA — im—gem tem no máximo dimensão 2D igu—l — dimensão do domínioD menor que — dimensão do ™ontr—domínio que é QF Solução: @—A gomo ™ontr—domínio tem dimensão 3D — im—gem tem no máximo dimensão 3 4. 2 (d) P : F (R. R) → C (R. 2 (c) T : P → P . 1 (b) D : C (R. R) denida por D (f ) = f (derivada). Caso seja linear D : P2 → P2 denida por D(p) = p (derivada).

19 (composição de funções) Dadas f :X→Y e g : Y → Z. S : R3 → R3 e I : R3 → R que associa a cada . . c 2  determine as matrizes (a) derivada D. R) → Rn+1 por P (f ) = (f (x0 ). . COMPOSIÇÃO DE FUNÇÕES E PRODUTO DE MATRIZES IHU @dA gomo P (kf + g ) = ((kf + g )(1). f (2)) = (0. g (2)) = kP (f ) + P (g )D ™on™luímos que é line—rF y nú™leo é form—do pel—s funções f t—is que P (f ) = (f (1). 0) m—s f = g F É so˜rejetiv— pois d—do (a. f (2)) + (g (1). . . (b) derivada segunda Sp = p (c) integral Ip = 0 p(x) dx. b]. x1 = a + ∆x. xado um intervalo valores da função em [a. .3. .12 (análise numérica) No exemplo acima denimos uma projeção que associa a cada função contínua seus valores em dois pontos. . p a: Dp = p . Novamente P é linear. 0)D ou sej—D que se —nul— em 1 e 2F elguns exemplos de elementos do nú™leoX f (x) = (x − 1)(x − 2)D g (x) = (x − 1)2 (x − 2)3 sen(x). xn = a + n∆x = b (são n + 1 pontos). . b) ∈ R2 D sej— y = f (x) — equ—ção d— ret— que p—ss— por (1. . Dado n qualquer. R) → R por P (f ) = (f (1). . (kf + g )(2)) = (kf (1) + g (1). kf (2) + g (2)) = k (f (1). .    0 0 0 0 Solução: @—A gomo p (x) = 2ax + bD p =  2a F vogo D =  2 0 0 F 1 0 1 0     0 0 0 0    @˜A gomo p (x) = 2aD p = 0 F vogo S = 0 0 0 F xote que S = D2 @f—ç— —s 2 2 0 0 ™ont—s3A pois — m—triz d— deriv—d— segund— é igu—l — —pli™—r — m—triz d— deriv—d— P vezesF 8 2 2 F @™A Ip = 3 a + 2b + 2cF vogo I = 8 3  4. . Em análise numérica. O leitor pode generalizá-lo e n denir P : F (R. . dene-se g◦f : X → Z x → g (f (x)) .22 Representando o polinômio p(x) = ax2 + bx + c pelo vetor  a p =  b . xão é injetiv— pois se f (x) = (x − 1)(x − 2) e g (x) = 0 então P (f ) = P (g ) = (0.3. . Exemplo 4. f (n)) e provar que P é uma TL. x2 = a + 2∆x.1 Composição de Funções e TLs xest— seção re™ord—mos — oper—ção de ™omposição de funções e —pli™—mos —o ™—so em que —s funções são „vsF e ™omposição @de funções e de „vsA não é ™omut—tiv— de form— ger—lF Denição 4. f (x1 ).3 Composição de Funções e Produto de Matrizes 4. a) e (2. . f (xn )). b)F vogo P (f ) = (a. denimos uma projeção que toma os n + 1 pontos equiespaçados neste intervalo. Agora dena P : F (R.4. b)F Observação 4. dena ∆x = (b − a)/n e x0 = a.

T. g : h : Z → W.IHV CAPÍTULO 4. mas caso em que ambas estão denidas. Determine todas as composições possíveis e quais comutam. TRANSFORMAÇÃO LINEAR E MATRIZ f g f g g◦f Z X Considere X Y Z X Y Z Lema 4. y : S (a.24 • P • R • S R2 : projeção ortogonal no eixo reexão na reta reexão no eixo x: P (a. g◦f está bem denido. b) = (−a. (f ◦ g ) ◦ h = f ◦ (g ◦ h) = f ◦ g ◦ h.23 Considere f (x) = x2 . Mesmo f ◦ g podem diferir. b) = (a. Determine todas as composições possíveis e quais comutam. quando Z = X. b) = (b. g◦f e f ◦ g não está. Prova: e —sso™i—tivid—de d— ™omposição deix—mos p—r— o leitorF e não ™omut—tivid—de segue do próximo exemploF Exemplo 4. é uma transformação linear (composição de TLs é uma TL). (associatividade). Considere TLs denidas em Exemplo 4. g (x) = x + 1 e h(x) = x + 2. ™omut—AF gomo f (h(x)) = (x + 2)2 = x2 + 4x + 1 = h(f (x)) = x2 + 2D f ◦ h = h ◦ f @não ™omut—AF gomo g (h(x)) = (x + 2) + 1 = x + 3 = h(g (x)) = (x + 1) + 2D f ◦ h = h ◦ f @™omut—AF h— de(nição de ™omposição de funções em ger—lD de(nimos — ™omposição de „vsF y próximo lem— mostr— que — ™omposição de „vs ger— um— „v e é — ˜—se d— de(nição do produto de m—trizesF Solução: gomo f (g(x)) = (x + 1)2 = x2 + 2x + 1 = g(f (x)) = x2 + 1D f ◦ g = g ◦ f @não Lema 4. y = x: R(a.22 como T ◦S é escrito T S. • (S ◦ T ) ◦ U = S ◦ (T ◦ U ) = S ◦ T ◦ U Prova: he f—toD (T ◦ S )(ku + v) = T (S (ku + v)) = T (kS (u) + S (v)) = kT (S (u)) + T (S (v)) = k (T ◦ S )(u) + (T ◦ S )(v)F e não ™omut—tivid—de segue do próximo exemploF e —sso™i—tivid—de segue d— —sso™i—tivid—de d— ™omposição de funçõesF Utilizamos a notação multiplicativa para composição de TLs: Notação 4. . De forma geral S◦T =T ◦S (não é comutativo).20 (propriedades da composição de funções) Y →Z • • e f : X → Y. U transformações line- ares denidas em espaços vetoriais apropriados para que as composições abaixo façam sentido. b). Associatividade: Não comutatividade: em geral. a). 0).21 (propriedades da composição de TLs) • T ◦S • Sejam S.

0) = (−x. Como n m a composição de TLs é uma TL. de forma natural. x) = (y.3. Por denição TB : Rn → Rp e TA : Rp → Rm . S = TA ◦ TB : R → R é TL. y)F @˜A f—st— que 60n sej— múltiplo de 360F vogo n = 6. abusando a linguagem. −x) e SR(x. Considere TA .4. TB as TLs correspondentes.3. C = A ◦ B (composição das TLs correspondentes a A e B ). x) = (−y. O produto de matrizes herda todas as propriedades da composição de TLs: distributividade. Sejam Observação 4.13 • As restrições nas dimensões das matrizes ser igual ao domínio de AeB para que faça sentido AB decorrem. De forma mais curta. Logo existe uma única C ∈ Mm×n tal que S = TC . . e de(nição —™im— é eleg—nte m—s não mostr— ™omo ™—l™ul—r o produto m—trizEm—trizF iste é o ™onteúdo do próximo lem—D que reduz o produto m—trizEm—triz — produtos m—trizEvetorF . (b) todos n∈N tais que R =I n (identidade). . Solução: @—A rod—r 6 vezes 60 gr—us equiv—le — rod—r 360 gr—usF vogo R6 (x. associatividade.2 Produto Matriz-Matriz e oper—ção de produto entre du—s m—trizes é prov—velmente ™onhe™id— dos —lunosF †—mos introduziEl— de form— ˜—st—nte distint— p—r— depois reEinterpretáEl— de diversos modosD t—l qu—l (zemos ™om o produto m—trizEvetor n— he(nição PFIW d— pFSQ e no vem— PFPP d— pFSRF h—d—s m—trizes A e B podemos ™onsider—r —s tr—nsform—ções line—res ™orrespondentes TA e TB d— he(nição RFQ d— pFWQF €elo vem— RFPI d— pFIHV @se A e B tiverem dimensões —propri—d—sA — ™omposição S = TA ◦ TB é um— „vF €elo vem— RFS d— pFWR existe um— única m—triz C t—l que TC = S F he(nimos o produto AB ™omo C F ƒeguem os det—lhes n— de(nição —˜—ixoF Denição 4. etc. • • A não-comutatividade do produto de matrizes decorre da não-comutatividade da composição de funções lineares.25 (a) R rotação de 60 graus em torno da origem em R2 .X n = 6k ™om k ∈ NF 4. da denição por composição de TLs: o contradomínio de A deve B. 0)D P S = SP @™omut—mAF gomo RS (x. COMPOSIÇÃO DE FUNÇÕES E PRODUTO DE MATRIZES IHW Solução: gomo P R(x. x)D P R = RP @não ™omut—mAF gomo P S (x. y ) = P (−x. Determine: R 6 . y ) = (−x. y ) = R(−x. 12. y ) = (y. y ) = S (x. y) = R(x. 18. y) = (x. Teremos então que TAB = TA ◦ TB . 0) e SP (x. Denimos o produto AB = C ∈ Mm×n . x)D RS = SR @não ™omut—mAF Seja Exemplo 4. y) = P (y. 0) = (0. .23 (produto de matrizes) A ∈ Mm×p e B ∈ Mp×n . y ) = S (y. 0) e RP (x.

   ↑ ↑ ↑ ↑ AB = A  v1 · · · vn  =  Av1 . Sem- pre que o produto faça sentido. Então. valerá as seguintes propriedades: AB = BA (não-comutativo). B. Então (veja guras): ™olun—s de B F gomo produto m—trizEvetor é gv de ™olun—s de AD segue o result—doF @˜A segue de @—A se —pli™—rmos — tr—nsposição de m—trizes dos dois l—dosY @™A segue do vem— PFIW d— pFSQ e d— interpret—ção do produto m—trizEvetor do vem— PFPP d— pFSRF p = p n n m m pigur— RFIHX €roduto w—trizEw—trizX colunas de AB são gvs d—s ™olun—s de AF Lema 4. • (AB )C = A(BC ) = ABC • AB = 0 não implica que A = 0 ou B = 0. Avn  . (b) linhas de AB são combinações lineares das linhas de B .26 (propriedades do produto matriz-matriz) • De forma geral Sejam A.24 (produto matriz-matriz) Mp×n .IIH CAPÍTULO 4. . ↓ ↓ ↓ ↓  Prova: †—mos determin— quem são —s ™olun—s de AB F €—r— istoD ˜—st— —pli™—r AB em um vetor d— ˜—se ™—nôni™— ej F xote que TB (ej ) = B ej = vj @j Eésim— ™olun— de B AF €el— he(nição RFPQD TAB (ej ) = TA (TB (ej )) = TA (vj ) = Avj F vogo — j Eésim— ™olun— de AB é Avj F †imos @he(nição PFIW d— pFSQ e vem— PFPP d— pFSRA du—s interpret—ções do produto m—trizEvetorX @—A ™om˜in—ção line—r d—s ™olun—s d— m—trizD ou @˜A produtos es™—l—res ™om linh—s d— m—trizF †—mos ver três interpret—ções p—r— o produto m—trizEm—trizF Lema 4. (associatividade). TRANSFORMAÇÃO LINEAR E MATRIZ Lema 4. . com Sejam A ∈ Mm×p e  ↑ ↑ B =  v1 · · · vn  ∈ ↓ ↓  vi ∈ Rp . . (c) entradas de AB são produtos escalares de linhas de A por colunas de B . C matrizes.25 (interpretações do produto matriz-matriz) mensões apropriadas para que esteja denido (a) Sejam A e B matrizes (de di- colunas de AB são combinações lineares das colunas de A. Prova: @—A segue do vem— RFPR que ™olun—s de AB são produto m—trizEvetor de A ™om AB ).

4. denotada por f : Y → X .27 (Função Inversa) f : X → Y uma função bijetiva. Dado y ∈ Y : (a) sobrejetividade garante que existe x ∈ X tal que f (x) = y .4.4. −1 Fica bem denida a inversa de f . (b) injetividade garante a unicidade de tal x. denida como f −1 (y ) = x. 4.1 Função Inversa e TLs ‚e™ord—mos — de(nição de função invers— e o˜temos propried—des de invers—s de „vsF €odeE mos inverter somente funções @e „vsA que são ˜ijetiv—sF Denição 4. FUNÇÃO E MATRIZ INVERSA III p = p n n m m pigur— RFIIX €roduto w—trizEw—trizX linhas de AB são gvs d—s linh—s de B F p = p n n m m pigur— RFIPX €roduto w—trizEw—trizX por ™olun—s de B F entradas de AB são produtos es™—l—res de linh—s de A Prova: e nãoE™omut—tivid—de segue do próximo exemploF †ej— t—m˜ém o ixemplo RFPR d— pFIHVF e —sso™i—tivid—de do produto de m—trizes segue d— —sso™i—tivid—de d— ™omposição de „vs @vem— RFPI d— pFIHVAF eo ™ontrário do que o™orre ™om números re—isD onde ab = 0 impli™— que a = 0 ou b = 0D isto não v—le p—r— m—trizesF †ej— o próximo exemploF Exemplo 4.26 Considere A = 0 0 e B = BA = 0 embora ambas matrizes sejam não nulas. Seja . Solução: AB = 1 0 0 0 0 1 0 0 = 0 1 0 0 1 0 0 1 0 0 .4 Função e Matriz Inversa 4. BA = 0 1 0 0 1 0 0 0 = 0 0 0 0 . Mostre que AB = BA e que .

Corolário 4. então f −1 é bijetiva e (f −1 )−1 = f . Prova: ƒej— IX — identid—de em X e IY — identid—de em Y F ƒe r ◦ s é injetiv—D então s é injetiv—F i se r ◦ s é so˜rejetiv—D então r é so˜rejetiv—F gomo IX é injetiv—D e IY é so˜rejetiv—D podemos ™on™luir que f é ˜ijetiv— e f −1 está ˜em de(nid—F vogo g ◦ f = IX ⇒ g ◦ f ◦ f −1 = IX ◦ f −1 ⇒ g = f −1 e f ◦ h = IY ⇒ f −1 ◦ f ◦ h = f −1 ◦ IY ⇒ h = f −1 . (b) f −1 f : X → Y uma função bijetiva. (c) f (x) = cos(x).31 (inversa da composta) f ◦g também o é e Se f : Y → Z e são invertíveis então (f ◦ g )−1 = g −1 ◦ f −1 . e (b) (f ◦ h)(y ) = y para todo y ∈Y. Se existem g.IIP f CAPÍTULO 4.27 (a) f (x) = 3 Determine a inversa de: 3 x . TRANSFORMAÇÃO LINEAR E MATRIZ f −1 X Y X Y gomo funções ˜ijetiv—s possuem invers—sD us—remosD indistint—menteD os termos e invertívelF bijetiva Exemplo 4. Prova: f—st— o˜serv—r o di—gr—m— —˜—ixoF f g f g f −1 g −1 X Y Z g◦f X Y Z f −1 ◦ g −1 X Y Z †—mos —gor— p—rti™ul—riz—r p—r— o ™—so em que — função é um— „vF €—r— isto pre™is—mos que el— sej— um— ˜ijeçãoF . h : Y → X satisfazendo: (a) então Seja f : X → Y uma função qual- (g ◦ f )(x) = x para todo x ∈ X f é bijetiva e g = h = f −1 . (b) f (x) = 10x . Prova: smedi—t— pel— de(nição d— invers—F he f—toD est—s du—s propried—des ™—r—™teriz—m — invers—D ™onforme veremos no próximo lem—F Lema 4. (f (x)) = x para todo x ∈ X .29 (caracterização da função inversa) quer. Solução: @—A f −1 (y) = g (y ) = 1/y F @˜A f −1 (y ) = log10 (y ) pois log10 (10x ) = x e 10log10 (y) = y F @™A f −1 (y ) = arccos(y ) pois cos(arccos(y )) = y e arccos(cos(x)) = xF e invers— g (x) = 1/ cos(x)F Seja (a) √ √ √ 3 3 y D p—r— y ≥ 0D pois ( 3 y )3 = y e x3 = xF e invers— não é não é Lema 4. g : X → Y Lema 4.28 (propriedades da função inversa) f (f −1 (y )) = y para todo y ∈Y.30 Se f é bijetiva.

1 Denição 4. @˜A €elo vem— RFIU d— pFIHSD ™omo T é injetiv—D dim Nuc(T ) = 0Y ™omo T é so˜rejeE tiv—D dim Im(T ) = dim(V )F €elo „eorem— RFIP d— pFIHP @„xsAD dim(U ) = dim Nuc(T ) + dim Im(T ) = 0 + dim(V ) = dim(V )F @™A ƒegue pelo vem— RFQIF Suponha Teorema 4.28 R2 : (a) rotação de ortogonal na reta 25 graus. a inversa das transformações geométricas em Exemplo 4. Neste caso dizemos que B é a matriz inversa de A e denota-se B por A−1 (a unicidade é provada no próximo lema).. 5x − 2y = 0. u2 = T −1 (v2 )F intãoD pel— line—rid—de de T D T (αu1 + β u2 ) = αT (u1 ) + βT (u2 ) = αv1 + β v2 . T : U → V transformações line(c) ares bijetivas (invertíveis). Se T :V →V então = {0}.4. v2 ∈ V e α.4. Nuc(T ) V de dimensão nita. (b) reexão em torno da reta 2x − 3y = 0.32 (propriedades da inversa de TL) S.34 (matriz identidade) corresponde à TL identidade matriz diagonal com I:R →  n Denimos como n R denida por I (v) matriz identidade I =v  para todo v∈ a matriz que Rn .33 (inversa e o núcleo) T é invertível se. I é uma n 1's na diagonal (vetores da base canônica em cada coluna): ↑ ↑  I =  e1 . e somente se. (b) U e V têm a mesma dimensão se −1 −1 T S . dim(U ) é nita. Prova: ƒe T é invertível então é injetiv— e pelo vem— RFIU d— pFIHS o nú™leo é nuloF ƒuponh— que Nuc(T ) = {0}F €elo vem— RFIU d— pFIHSD T é injetiv—F €elo „eorem— RFIP d— pFIHP @„xsAD dim(V ) = dim(Nuc(T ))+dim(Im(T )) = dim(Im(T )) @pois dim Nuc(T ) = 0AF vogo T é so˜rejetiv—F gomo T é injetiv— e so˜rejetiv— segue que T é um— ˜ijeção e port—nto é invertívelF Determine. vogo T −1 (αv1 + β v2 ) = T −1 (T (αu1 + β u2 )) = αu1 + β u2 = αT −1 (v1 ) + βT −1 (v2 ). se for possível. Caso A ∈ Mn×n não seja invertível dizemos que A é singular. . então: −1 (a) T é linear.2 Matriz Inversa Denição 4.35 (matriz inversa e singular) Diz-se que uma matriz quadrada A ∈ Mn×n é invertível se existe B ∈ Mn×n tal que AB = BA = I . (ST )−1 = Prova: @—A ƒej—m v1 . (c) projeção Solução: @—A invers— é rot—ção de 360 − 25 = 335 gr—us pois rod—r 25 gr—us e depois rod—r 335 gr—us equiv—le — rod—r 360 gr—usD isto éD (™—r p—r—doF @˜A invers— é re)etir nov—mente em torno d— mesm— ret— @2x − 3y = 0A pois du—s re)exões seguid—s ™—n™el—m um— — outr—Y @™A não possui invers— pois os vetores perpendi™ul—res à ret— 5y − 2y = 0 f—rão p—rte do nú™leoY ™omo ele é nãoEtrivi—lD est— „v não possui invers— pelo „eorem— RFQQF 4. . β ∈ R e u1 = T −1 (v1 ).  . en  =  ↓ ↓   1 . . .4. FUNÇÃO E MATRIZ INVERSA IIQ Sejam Lema 4.

se e somente se B = A−1 . Então: A é única. Nuc(A) A matriz quadrada A é invertível se. somente se. . invertíveis AB = I se.36 (propriedades da inversa) (a) Inversa de (b) (c) Sejam A.37 (núcleo e inversa de matriz) se. [A|I ].38 (algoritmo para calcular matriz inversa) (a) Monte matriz estendida Seja A uma matriz quadrada. TRANSFORMAÇÃO LINEAR E MATRIZ Lema 4. −1 então AB é invertível e (AB ) = B −1 A−1 . B ∈ Mn×n .IIR CAPÍTULO 4. y = 1AD e depois ™—l™ul—mos 1 2 −1 2 5 −3 ∼ 1 2 −1 0 1 −1 ∼ 1 0 1 0 1 −1 . −1 Caso isto seja possível.29 (resolvendo sistemas lineares simultaneamente) x + 2y = 4 2x + 5y = 9 e Resolva os sistemas x + 2y = −1 2x + 5y = −3 de forma independente e simultaneamente. e somente = 0. a inversa aparecerá do lado direito: [I |A ]. y = −1AF €odemos resolver simultaneamente os dois sistem—s —ument—ndo — m—triz ™om vários l—dos direitos de um— vezF hest— form— ™—l™ul—mos 1 2 4 −1 2 5 9 −3 ∼ 1 2 4 −1 0 1 1 −1 ∼ 1 0 2 1 0 1 1 −1 p—r— o˜ter — solução dos dois sistem—s ™om um es™—lon—mentoF Teorema 4. (b) Escalone totalmente até obter a matriz identidade no lado esquerdo. (BA)C = IC = C e pel— —sso™i—tivid—de do produto de m—trizes @€roposição RFPTA B (AC ) = BI = B = C F @˜A ƒe AB = I então A é so˜rejetiv— pois A(B v) = I v = v p—r— todo vF €elo gorolário RFIV d— pFIHT A é um— ˜ijeção e port—nto existe invers— A−1 F €el— uni™id—de d— invers—D A−1 = B F heix—mos o resto p—r— o leitorF @™A eplique o vem— RFQP p—r— prov—r que AB é invertível e — fórmul— d—d—F Prova: @—A ƒuponh— que C e B são invers—s de AF intão AC = I e BA = I F vogoD Lema 4. e Se A e B são BA = I . entes de —present—r o —lgoritmo do ™ál™ulo de m—triz invers—D v—mos mostr—r ™omo resolver simultâneamente sistem—s line—res ™om mesm— m—triz de ™oe(™ientes m—s ™om l—do direito distintoF Prova: eplique o „eorem— RFQQ d— pFIIQ à „v —sso™i—d— TA F Exemplo 4. Solução: he form— independente ™—l™ul—mos 1 2 4 2 5 9 ∼ 1 2 4 0 1 1 ∼ 1 0 2 0 1 1 . determin—ndo — solução do primeiro sistem— @x = 2. determin—ndo — solução do segundo sistem— @x = 1.

.14 (Software Algébrico) mando do Maxima invertemos com Pode-se calcular a invert. a matriz com M: matrix( [1.5.1 Álgebra de Matrizes xest— seção v—mos introduzir oper—ções de som— e produto por es™—l—r de m—trizes e „vsF wunido dest—s oper—ções o ™onjunto d—s m—trizes e o d—s „vs form—m um esp—ço vetori—lF †—mos ™omeç—r de(nindo —s oper—ções de som— e produto por es™—l—r de m—trizesF p—E remos isto utiliz—ndo —s de(nições ™orrespondentes @ver he(nição IFP d— pFP e he(nição IFR d— pFPA em Rn F . Avn  = I =  e1 . . . . . en . [1. . Solução: is™—lon—ndo tot—lmente A−1 = 1/3 2/3 F −1/3 1/3 1 −2 1 0 D o˜temos 1 1 0 1 1 0 1/3 2/3 F vogoD 0 1 −1/3 1/3 Observação 4. en D queremos que ↓ ↓      ↑ ↑ ↑ ↑ ↑ ↑ AB = A  v1 · · · vn  =  Av1 .30 Determine a matriz inversa de A= 1 −2 1 1 .4.-2]. ÁLGEBRA DAS MATRIZES E TLS IIS  ↑ ↑ Prova: €elo vem— RFQT ˜—st— determin—r B =  v1 · · · vn  t—l que AB = I F gomo ↓ ↓   ↑ ↑ I =  e1 . .1]). nF xo ixemplo RFPW vimos ™omo sistem—s ™ujo l—do esquerdo é o mesmoF wonte — m—triz   resolver simult—ne—mente ↑ ↑ —mpli—d—  A e1 · · · en  = [A|I ] e es™—loneE— tot—lmenteD o˜tendo — m—triz identid—de ↓ ↓ à esquerd— e — solução dos sistem— no l—do direitoF hest— form—D —pós o es™—lon—mento tot—lD o˜temos     A   ↑ ↑ e1 · · · en  = [A|I ] ∼  I ↓ ↓  ↑ ↑ v1 · · · vn  = [I |B ] = [I |A−1 ]. .. Entramos invert(M).5 Álgebra das Matrizes e TLs 4.5. ↓ ↓ ↓ ↓ ↓ ↓ €—r— isto temos que resolver n sistem—s do tipo Avi = ei p—r— i = 1. ↓ ↓ Exemplo 4. matriz inversa com o coe 4. . .

. . 1/ 2 0 −1/2 0 3/2  sen θ cos θ − cos θ sen θ . ↓ ↓ ↓ ↓     ↑ ↑ ↑ ↑ A + B =  (a1 + b1 ) · · · (an + bn )  e kA =  (k a1 ) · · · (k an )  .31 São simétricas:  a k2 c . (c) (A + B )C = AC + BC (distributiva).40 (espaço vetorial das matrizes) Prova: O conjunto das matrizes Mm×n (Deni- ção 2. isto     ↑ ↑ ↑ ↑ A =  a1 · · · an  e B =  b1 · · · bn  . mas nossa apresentação é mais elegante. bn . ↓ ↓ ↓ ↓ O sinal  + (mais) dentro da matriz e entre as matrizes tem signicado Observação 4. . . A mesma observação vale para o produto kA. 6 8 9  7 9 10 é Denição 4. componente a componente. …m— m—triz A ∈ Mm×n pode ser vist— ™omo um vetor em Rmn ™om entr—d—s (aij )F †ist— deste modoD ™om oper—ções de(nid—s ™omponente — ™omponenteD Mm×n é igu—l — Rmn F gomo já s—˜emos que Rmn é um esp—ço vetori—lD Mm×n é um esp—ço vetori—lF Lema 4. TRANSFORMAÇÃO LINEAR E MATRIZ Denição 4. (e) Se A é matriz quadrada e I matriz identidade de mesmo tamanho.39 (soma de matrizes e multiplicação por escalar) e matrizes é.39 é um espaço vetorial. num caso. an e b1 .   3 b c k3 4 ser simétri™—F  2 3 4 5 6 7  . valerão as seguintes propriedades: (kA)B = A(kB ) = k (AB ) (associativa). e m—triz tem que serD ne™ess—ri—menteD qu—dr—d— p—r—    1 k1 a b  2 Exemplo 4. . Dene-se Sejam k um escalar A. no outro.41 (propriedades das operações com matrizes) calar (a) Dadas matrizes A.30) munido com as operações da Denição 4.IIT CAPÍTULO 4. (b) A(B + C ) = AB + AC (distributiva). AI = IA = A. B m × n cujas colunas são compostas por vetores a1 . . Dizemos que a matriz identidade é o elemento neutro para o produto de matrizes. Lema 4. T T T (d) (AB ) = B A .2 da p. . Dizemos que Q ortogonal se QT Q = I (identi- Exemplo 4. (A + B )ij = aij + A denição usual destas operações é. √ 1 . bij e (kA)ij = kaij . B. e de soma de matrizes. C e es- k . sempre que o produto faça sentido. €or ser enf—donh— será omitid—F €ode ser feito por —pli™—ções —propri—d—s do vem— PFPH d— pFSR e vem— RFPR d— pFIIH ou ™—l™ul—ndo tod—s entr—d—s d—s m—trizesF pin—liz—mos est— ƒeção ™om de(nições úteis p—r— — ƒeção eutov—lores e eutovetores @m—triz simétri™—A e p—r— ƒeção €roduto snterno @m—triz ortogon—lAF Prova: Denição 4. .42 (matriz simétrica) Dizemos que A é simétrica se A = AT .43 (matriz ortogonal) dade).32 São ortogonais: √   √  1/ 2 0 3/2 0 1/2  0   0 1 √ 0 .15 distinto: trata-se de soma de vetores. .

. V )) = dim(U ) dim(V ) caso U. u → kT (u) e  T (u) Observação 4.44 (conjunto das TLs) o conjunto das transformações U e V espaços lineares T : U → V . V ) e k escalar.47 (propriedades da composição de TLs) (kS ) ◦ T = S ◦ (kT ) = k (S ◦ T ) (associativa) (b) S ◦ (T + U ) = S ◦ T + S ◦ U (distributiva). T.4. Lema 4.4 da p.5.76 e veja Lema 4. V sejam espaços vetoriais de dimensão nita.46 (espaço vetorial das TLs) Denição 4. V ) é fe™h—do ™om rel—ção às oper—ções de som— e produto por es™—l—r é um esp—ço vetori—lF Prova: É ™l—ro que L(U .2 L(U . sem- pre que a composição faça sentido.45 (operações entre TLs) T. V )F intão (T + S )(u + λv) = T (u + λv) + S (u + λv) = @line—rid—de de T e S A T (u) + λT (v) + S (u) + λS (v) = T (u) + S (u) + λ(T (v) + S (v)) = (T + S )(u) + λ(T + S )(v)F vogo T + S é um— „vD isto éD T + S ∈ L(U . num caso. (c) (S + T ) ◦ U = S ◦ U + T ◦ U (distributiva). V ) No Desao 4. Compare estas denições com as da Denição 3.16 que são iguais. O sinal  + (mais) em  T + S + S (u) (bem como do produto) possui signicado distinto em cada expressão: soma de TLs. (a) Dadas TLs S. O conjunto L(U .9. V ) munido com às operações da exer™í™io fá™il mostr—r que F (U . S ∈ L(U . V ) Álgebra das TLs 1 Denição 4.136 pede-se para determinar uma base para e uma prova que dim(L(U . V ) @tod— tr—nsform—ção line—r é um— funçãoAF É um Observação 4. e soma de vetores no outro. S ∈ L(U . Dados Dados vetoriais denotamos por Denição 4.5. ÁLGEBRA DAS MATRIZES E TLS IIU 4. V ) ⊂ F (U . V ) é fe™h—do ™om rel—ção às oper—ções de som— e produto por es™—l—rF he f—toD sej—m T. V ) @fe™h—do pelo produtoAF gomo L(U . denimos a soma de TLs e a sua multiplicação por escalar por: T +S : U → V u → T (u) + S (u) e kT : U → V . V ) é um esp—ço vetori—l @di™—X elemento neutro d— som— é E : U → V de(nid— por E (x) ≡ 0AF €ort—ntoD pelo vem— QFT d— pFTUD ˜—st— veri(™—r que L(U . V ) @fe™h—do pel— som—AF he form— —nálog—D (kT )(u+λv) = kT (u+λv) = @line—rid—de de T A = kT (u)+kλT (v) = (kT )(u) + λ(kT )(v)F vogo kT é um— „vD isto éD kT ∈ L(U .45 é um espaço vetorial. valerão as seguintes propriedades: Prova: heix—mos p—r— o leitorF 1 A leitura desta subseção é opcional. U e escalar k .17 L(U .18 da p.

35 A. (c) K + L.33 (matriz em blocos) Considere a matriz A =   2 2 2 2 2  e dena  1 2 3 4 5  2 2 2 2 2 A11 A12 por Aij cada um destes blocos: A = . (d) KL. Suponha correta .48 (soma e produto de matrizes por blocos) em blocos com Sejam AeB matrizes divididas Seja A11 A12 e B = A21 A22 kA11 kA12 . Mostre que: A21 A22 A11 A11 + A12 A21 A11 A12 + A12 A22 . TRANSFORMAÇÃO LINEAR E MATRIZ 4. (b) 2J . 0 (a) signica uma matriz com todas as entradas nulas de tamanho apropriado. Determine: A2 . (b) A−1 . (e) LK .IIV CAPÍTULO 4. Caso o tamanho dos blocos sejam compatíveis para que os produtos que aparecem na fórmula sejam possíveis. Dena J = . C quadradas.6 Matriz em Blocos tá vimos ™omo oper—r um— m—triz por ™olun—s ou linh—sF €odemos gener—liz—r p—r— ˜lo™os de t—m—nho qu—lquerF É muito import—nte em lingu—gens de progr—m—ção modern— @portr—n PHHH e €ython por exemploA e em progr—m—s de ™omput—ção ™ientí(™— @ƒ™il—˜ e w—tl—˜ por exemploA interpret—r o produto e som— de m—trizes por ˜lo™osF   2 2 2 2 2  1 2 3 4 5     Exemplo 4. Prova: gonsulte — liter—tur—F Exemplo 4.34 O Suponha A ∈ M4×4 tal que A= B 0 0 C com B. A11 + B11 A12 + B12 A21 + B21 A22 + B22 . Solução: @—A A2 = AA = BB −1 0 0 CC −1 = I 0 0 I B2 0 F 0 C2 = IF @˜A A−1 = B −1 0 0 C −1 pois AA−1 = Exemplo 4. L = . B. AB = A11 B11 + A12 B21 A11 B12 + A12 B22 A21 B11 + A22 B21 A21 B12 + A22 B22 . A2 = AA = A21 A11 + A22 A21 A21 A12 + A22 A22 Solução: †eri(que que —s dimensões permitem ™—l™ul—r tod—s —s oper—çõesF hepois f—ç— — ™ont—F heix—mos det—lhes p—r— o leitorF y próximo lem— mostr— que oper—mos ™om os ˜lo™os ™omo se fossem númerosD ™om o úni™o ™uid—do de m—nter — ordem nos produtos pois o produto de m—trizes não é ™omut—tivoF epresent—mos — divisão em 4 ˜lo™os m—s podemos dividir num número —r˜itrário de ˜lo™osF Lema 4. Caso o tamanho dos blocos sejam compatíveis para que as somas que aparecem na fórmula sejam possíveis. I matriz identidade com a dimensão A B A 0 I 0 em cada caso. Determine: 0 C 0 I 0 B 2 (a) J . k ∈ R. kA = kA21 kA22 A= A+B = B11 B12 B21 B22 . K = . C ∈ M2×2 invertíveis.

2. 1 2 F F F n Solução: gomo v = 1e1 + 2e2 + · · · + nen ™on™luímos que [v]ε =     Exemplo 4.4. .38 e w = (1. 1. (0. . 1. . β = {(1. 4) = 2(1. (0. b2 . en } do Rn  e v = (1. 1)} e Solução: gomo (2. . v = i=1 αi bi . 1). MATRIZ REPRESENTANDO VETOR: COORDENADAS IIW Solução: @—A J 2 = A2 AB + BD 2A 2B F @˜A 2J = F 2 0 C 0 2C A+I 0 A 0 @™A K + L = F @dA e @eA KL = = LK F 0 B+I 0 B †ej— ™omo inverter um— m—triz de ˜lo™o qu—lquer n— Wikipedia: Matriz inversaF 4. 1)} [v ]ε . 1)D ou sej—D 2 = a.7 Matriz Representando Vetor: CoordenadasI αi 's (únicos pela Denição 3. 3. bn }. . 0. 1)}. 4) = 2(1. 4) ∈ R2 [v]β .7. e as bases ε = {(1.  e o vetores v = (1.11 da p.37 {(1. (0. 4) = a(1. . 0). . As coordenadas do vetor v ∈ V na base β (conjunto ordenado) são os coecientes vetores bi 's de forma a gerar v. 0) + 4(0. 2) Solução:    1 1    É ™l—ro que @revej— exemplos —nterioresA [v]ε = 2 e [w]ε = 1 F 2 0 1 A leitura desta seção é opcional. 1).49 (coordenadas) Seja V um espaço vetorial (de dimensão nita) com base β = {b1 . . Considere o vetor Determine [v ]ε e v = (2. 0). . . 1) e [v]β = F 2 wostr—mos n— pigur— RFIQ porque o mesmo vetor pode possuir ™oorden—d—s distint—s em ˜—ses distint—sF Considere a base Determine Exemplo 4. Denotamos pela matriz de uma coluna:  α1  α2    [v]β =  . (0. 1) + 2(0.  αn e função  [ · ]β : V → Mn×1 v → [v]β Dados a base canônica —sso™i— — ™—d— vetor su—s ™oorden—d—s n— ˜—se β F Exemplo 4. n)    F  β = [v]ε .  . 1) + 4 2 b(0. [v ]β . 1)D então [v]ε = 2 F ueremos (2. 2. 4 = a + bF vogo b = 2 e (2. [w ]ε e [w ]β .36 determine ε = {e1 . . isto é. . e2 .72) usados para combinar linearmente os n Denição 4. . 1. 1).  ∈ Mn×1 . .

v2 . 2) = 1(1. . . (2. a3 ∈ R t—is  que a1 (1. 1 = a + b. (1. 0. [v]β . 1. 1)F vogo 1 = a. . 0. 0. TRANSFORMAÇÃO LINEAR E MATRIZ pigur— RFIQX †etor v = (2. 0. 1. 1) + 3(1. 2 = a + b.  β ys dois exemplos — seguir mostr—m ™omo determin—r —s ™oorden—d—s de um vetor num— ˜—se qu—lquer d—d—s su—s ™oorden—d—s n— ˜—se ™—nôni™— e vi™eEvers—F …m ™—so é diretoD o outro envolve resolver um sistem— line—rF tunt—ndo os dois exemplos podemos p—ss—r de um— ˜—se α qu—lquer p—r— outr— β D ˜—st—ndo p—ss—r pel— ˜—se εF Exemplo 4. 1) − 1(0. −1)} 2 [v]β =  3 . 1)+ c(0. 1. 0. 1) + c(0. 1)D então  b = 0 e c = −1F gomo  (1.  [v]β = (v1 . −1) = (3. 1) + a2 (1. 6) @˜A €re™is—mos determin—r a1 .  1 1 [w]β =  0 F gomo [w]ε = [v]β =  1 D vetores distintos podem possuir —s mesmas −1 0 ™oorden—d—s em ˜—ses distint—sF Exemplo 4. 0) = 1(1. 1) + 1(0. 0. . 7)F ixp—ndindoD o˜temos o sistem— line—rX  1a1 + 1a2 + (−1)a3 = 7 . 1. 2 + b + cF = a  1 vogo b = 1 e c = 0F vogo (1. 0) = a(1. −1) = 2a3 = 4  1a1 + 1a2 + 1a1 + 0a2 + 0a3 = 3 F (4. 0. . 3. 0. 1. . 0. v2 . vn )   =  v1 v2 − v1 F F F vn − vn−1    . 0 = a + b + cF vogo 1. . 1. 1. 1) + a3 (2. 1) e [v]β =  1 F 0 ueremos (1.21 da p. 1. 2) = a(1. 0. 1) + 0(0. 1) − (2.IPH CAPÍTULO 4. 2. 1)F vogo 1 = a. 3. €ort—ntoX Solução: h— solução do ixemplo QFPI d— pFUQD v = v1 b1 +(v2 − v1 )b2 + · · · +(vn − vn−1 )bn . 1. 7)]β . 1) + b(0. 1.39 Determine Considere a base β do Exemplo 3. a2 . 2. Determine: Solução: @—A ifetu—ndoD v = 2(1. (b) [(4. −1  de R3 . 1. 1.73 e v = (v1 . 2. . 1).40 (a) Considere a base v sabendo que β=  {(1. 1). 1)+ b(0. 4) em ˜—ses distint—s ueremos (1. 1) + 0(0. vn ) ∈ Rn .

x. (b) [v]ε . [v]β . Seja W = β ⊂ F (R. [w]β . R) (funções reais). −1)F €ort—ntoD [(4.41 V = P2 (polinômios de grau 2 base β = {1 + x. a base que são (f ) ε = {1. (b) β e γ são LIs. (d) [u]β . cos2 (x)} e γ = {1.  8 Solução: @—A gomo u = 8 + 0x + 0x2 D [u]ε =  0 F @˜A gomo v = 6 + 0x + 5x2 D 0     6 −2 [v]ε =  0 D @™A gomo w = −2 + 8x + 0x2 D [w]ε =  8 F 5 0 2 @dA ueremos 8 = a(1 + x) + b(1 − x) + cx F ixp—ndindo 8 = a + b + (a − b)x + cx2 F vogo   4 a + b = 8. (c) [w]ε .7. 2 Considere os vetores (funções que são elementos de F (R. a3 ) = (3. [v]γ . [w]γ . Considere até 2). (c) u. c = 5F vogo a = b = 3F gomo 6 + 5x = 3(1 + x) + 3(1 − x) + 5x D 3 [v]β =  3 F 5 @fA ueremos 8x − 2 = a(1 + x) + b(1 − x) + cx2 = a + b + (a − b)x + cx2 F vogo c = 0 e a + b = −2 temos que resolver o sistem— F ‚esolvendo o˜temos a = 3. e os vetores (polinômios 2 v = 6 + 5x e w = 8x − 2. R) o subespaço gerado por β . sen2 (x)}. b(1 − sen2 x) = b1 + (a − b) sen2 x ∈ GF egor— se k ∈ G então k = a1 + b sen2 x = a(sen2 x + cos2 x) + b sen2 x = (a + b) sen2 x + a cos2 x ∈ W F vogo G = W F @˜A †—mos prov—r que β é vsF ƒuponh— que a sen2 x + b cos2 x = 0F ueremos prov—r que a = b = 0F gomo — identid—de é p—r— todo x ∈ RD tom—ndo x = 0 ™on™luímos que a0+b1 = 0D ou sej—D b = 0F „om—ndo x = π/2D a1 + b0 = 0D logo a = 0F gonvid—mos o leitor — prov—r que γ é vsF …m— té™ni™— m—is ger—l é o Wronskiano —present—d— no hes—(o TFWFR d— pFIWQF @™A u = cos2 x = 1 − sen2 x ∈ W D v = cos(2x) = cos2 (x) − sen2 (x) = 1 − 2 sen2 (x) ∈ W D Solução: @—A ƒej— G = γ F ƒe z ∈ W então z = a sen2 x + b cos2 xF vogo z = a sen2 x + . b = −5F vogo a−b = 8   3 [w]β =  −5 F 0  Exemplo 4. Determine: (a) [u]ε . a elementos de P2 ) u = 8. a2 .42 F (R. 7)]β =  3 F −1  Exemplo 4. a − b = 0. a − b = 0. (e) [u]γ . x2 }.4. β = {sen2 (x). c = 0F vogo a = b = 4F gomo 8 = 4(1 + x) + 4(1 − x)D [u]β =  4 F 0 2 2 2 @eA ueremos 6+5x = a(1+x)+b(1−x)+cx F ixp—ndindo 6+5x = a+b+(a−b)x+cx2 F 2 2 vogo a + b = 6. (e) [v]β . 3. v ∈ γ . v = cos(2x) e w = 1. 3. MATRIZ REPRESENTANDO VETOR: COORDENADAS IPI    3 1 1 2 4 1 0 0 0 3  ∼  0 1 0 3 F €ort—nto — solução é úni™— ™om is™—lon—ndo  1 0 1 1 −1 7 0 0 1  −1  3 (a1 . [w ]β . x }. 1 − x. R)) u = cos (x). Prove que: (a) W = γ (espaço gerado por γ ). Considere Determine: (d) [u]β .

@—A is™revemos β = {v1 . . . [u + w]β =  γn αn αn + γn γn   ξα1  F  [ξ u]β =  F F  = ξ [u]β F ξαn @˜A ƒegue d— uni™id—de   d— represent—ção de um vetor ™omo gv de vetores de um— ˜—seF α1 n  F  @™A h—do A =  F αi vi F F  de(n— v = i=1 αn 1 ƒej— ε — ˜—se ™—nôni™— do Rn e [ · ]− : Mn×1 → Rn o m—pe—mento inversoF he(n— ε −1 n 1 L = [[ · ]β ]ε : V → R D — ™omposição de [ · ]− ε ™om [ · ]β F im˜or— ™oorden—d—s sem indi™—ção d— ˜—se não determinem um vetorD existe um— ™onE venção @dizemos que é um —˜uso de not—çãoD isto éD um uso d— not—ção diferente do ™onvenE ™ion—doA que é —ssumir que — ˜—se é ™—nôni™—F „emos três form—s equiv—lentes de determin—r o mesmo vetor v ∈ Rn @vej— pFQIAX Prova: n • ™onsidere o vetor v = (α1 . isto é. isto é. . . preserva combinações lineares. n Além disso existe uma bijeção linear L : V → R . dada matriz coluna A ∈ Mn×1 . isto é. . en—log—menteD F F F  =  F  F β β F  F + F F F  . vn }F h—dos u. (b) injetivo. γ ∈ R. .50 (mapeamento vetor → coordenadas é bijeção linear) paço vetorial de dimensão nita é: (a) linear. n com base β. TRANSFORMAÇÃO LINEAR E MATRIZ @dA €elo item —nterior e identid—des trigonométri™—s @veri(que3A [u]β = 0 D [v]β = 1 −1 D [w]β = 1 1 D [u]γ = 1 1 D [v ]γ = −1 1 D [w]γ = −2 1 F 0 y próximo lem— g—r—nte que todo esp—ço vetori—l de dimensão (nit— n é essen™i—lmente igu—l —o Rn @em lingu—gem m—temáti™—D dizemos isomorfo pois existe ˜ijeção line—rAF Lema 4. ∀u. v ∈ V D u = αi vi e w =  i=1  α1 n n  F  γi vi F essum u + w = (αi + γi )vi F É imedi—to que [u]β =  F [w ]β = F . O mapeamento Considere V es[ · ]β : V → Mn×1 v → [v]β [αu + γ v]β = α[u]β + γ [v]β ∀α. se então [v]β = [w]β existe v∈V tal que [v]β = A. i=1 i=1 αn         γ1 α1 α1 + γ1 γ1       F  F  = [u] + [w] .IPP CAPÍTULO 4. . (c) sobrejetivo. . αn ) @uso ™orretoAY   α1  F  • ™onsidere o vetor [v]ε =  F F  @uso ™orretoAY αn . v = w. v ∈ V . v2 .

un } de U e γ de V . cada coluna da matriz base T (ui ) na γ. . V ).4. ↓ ↓ [T ]γ ← β é formada pelas coordenadas do vetor Desta forma. para todo T ∈ L(U . im que sentido — m—triz [T ]γ ←β represent— T c e respost— está no próximo teorem—D ™ujo result—do —present—mos no di—gr—m— —˜—ixoF y signi(™—do do di—gr—m— @e do teorem—A é que ele ™omut—X t—nto f—zD p—rtindo de u ∈ U D —pli™—r diret—mente T e ™—l™ul—r su—s ™oorden—d—s n— ˜—se γ D ou ™—l™ul—r su—s ™oorden—d—s n— ˜—se β e —pli™—r — m—triz [T ]γ ←β F U [ · ]β −→ T V ↓ −→ [T ] γ ← β Seja ↓ [ · ]γ Mn×1 Mm×1 Teorema 4. denotamos por [T ]γ ←β ∈ Mm×n a  [T ]γ ←β U e V espaços vetoriais de dimensão β = {u1 . Então. . . [T (u)]γ = [T ]γ ←β [u]β . Dada matriz de que representa T . Ela é denida  ↑ ↑ = [T (u1 )]γ · · · [T (un )]γ ∈ Mm×n . .8 Matriz Representando TL: Mudança de BaseI entes de estud—r est— seção estude — de(nição de ™oorden—d—s de um vetor num— ˜—se @he(nição RFRW d— pFIIWAF y vem— RFS d— pFWR mostr— que existe um— ˜ijeção entre m—trizes @Mm×n A e L(Rn . . MATRIZ REPRESENTANDO TL: MUDANÇA DE BASE IPQ  α1  F  • ™onsidere o vetor v =  F F  @—˜uso de not—çãoAF αn y último uso é tão ™omum que muitos livros us—m ™omo de(nição de vetor do Rn X um vetor é um— m—triz ™om um— ™olun— e n linh—sF …m vetor poderi— ser um— m—triz linh—D m—s — ™onvenção utiliz—d— em todos os livros é ™omo um— m—triz ™olun—F  4.51 (matriz associada à TL) nita com por Sejam dim(U ) = n e dim(V ) = m e bases T ∈ L(U .8.52 (relação entre matriz e TL) V. Rm ) @„vs do Rn em Rm AF †—mos —sso™i—r m—trizes — „vs entre dois esp—ços vetori—is qu—isquer de dimensão (nit—F Denição 4. V ) e bases β de U e γ de u ∈ U. 1 A leitura desta seção é opcional.

0)F logoD T (0. . TRANSFORMAÇÃO LINEAR E MATRIZ Prova: ƒej— β = {u1 . 1) diret—menteD (0. 3) = (−2. 0. 3)]γ =  0  e      0 0 ↑ ↑ 1 0 [T (2. (b) [T ]β ←β . 2. 1.53 a mesma base Quando uma TL vai de um EV nele mesmo. γ = {(1. 0. . 0). −4. . 0)]γ [T (2. nF gomo [uj ]β = ej D [T ]γ ←β [uj ]β = [T ]γ ←β ej D que é igu—l à j Eésim— ™olun— de [T ]γ ←β D que por de(nição é [T (uj )]γ F €ort—ntoD [T ]γ ←β [uj ]β = [T (uj )]γ F Exemplo 4. 2.IPR CAPÍTULO 4. . un }F intãoD pel— line—rid—de do produto m—trizEvetor @vem— PFPH d— pFSRAD [T (u)]γ = [T ]γ ←β [u]β p—r— todo u ∈ U seD e somente seD [T (uj )]γ = [T ]γ ←β [uj ]β p—r— j = 1. 0). 1) = T (2 . 1)]ε3 = −4 ↓ ↓   1 −2  2 −4 F 3 −4  Exemplo 4. v2 } com v1 = e1 + e2 . 0. 0). 2. 0. ε2 = {(1. 1. Determine: (a) [T ]ε←ε . 0) = (0. v2 = e2 − 2e1 . β T : U → U . escolher . podemos Denotamos [T ]β ←β por [T ]β . Considere as bases β = {(1. 2). 0)]γ = [(1. 1) = (0. −4)]ε3 =  −4 F vogoD [T ]ε3 ←ε2 = [T (1. Determine: (a) [T ]γ ←β . 0). 1) = (2. 1)]ε3 F im˜or— não tenh— sido forne™ido T (0. 1)}. 0). 1) − 2(1. 1)} e ε3 = {(1. (0. 1)}. . 0 0 Notação 4. . −4. para o domínio e o contra-domínio. . 1 2 @˜A €re™is—mos ™—l™ul—r [T (v1 )]β e [T (v2 )]β F †emos que [T (v1 )]β = [T (e1 + e2 )]β = [T (e1 ) + T (e2 )]β = [(e1 + e2 ) + (2e1 + 2e2 )]β = 3 [3(e1 + e2 )]β = [3v1 ]β = F 0 €or outro l—doD [T (v2 )]β = [T (e2 − 2e1 )]β = [T (e2 ) − 2T (e1 )]β = 0 [(2e1 + 2e2 ) − 2(e1 + e2 )]β = [0]β = [0v1 + 0v2 ]β = F 0 3 0 vogoD [T ]β ←β = . (0. −4)F €ort—ntoD [T (1. 2) − 2(1. 0)]ε3 e [T (0. ε 2 canônica de R e β = {v1 . (0. 2). 3). . 0). 0)}. 2. 1) −   1 2T (1. 1)]γ =  0 1 F 0 ↓ ↓ 0 0 gomo ε2 = {(1. 0. 2.43 T : R2 → R3 linear tal que T (1. (0. (2. [T ]ε3 ←ε2 . (2. 0)]ε3 = [(1. 1)]ε3 = [(−2. 3) e T (2. 3)]ε3 =  2  3     −2 ↑ ↑ e [T (0. 0. 2)]γ =  1 F vogoD [T ]γ ←β = [T (1. 1)}D pre™is—mos ™—l™ul—r [T (1. (0. 0) = (1. Considere base Solução: @—A gomo [T e1 ]ε = [e1 + e2 ]ε = 1 1 e [T e2 ]ε = [2e1 + 2e2 ]ε = 2 D [T ]ε←ε = 2 1 2 . 0)]ε3 [T (0. 1)}D pre™is—mos ™—l™ul—r [T (1. T e2 = 2e1 + 2e2 .44 T : R2 → R2 com T e1 = e1 + e2 . Considere  1 Solução: gomo β = {(1. 1)]γ = [(0. (0.

Determine  ↑ ↑ 1 3 Solução: É imedi—to que [I ]ε←β = [(1. 4)}.8.18 base de uma base Do exemplo anterior observamos que cálculo da matriz mudança de qualquer para canônica β ε é fácil. cos x}. x.47 [I ]ε←β .4. Como [I ]γ ←β [u]β = [I (u)]γ = [u]γ. Considere as bases de R2 : canônica ε e β = {(1.46 β = {sen x. MATRIZ REPRESENTANDO TL: MUDANÇA DE BASE IPS Exemplo 4. se β = {u1 . Determine [D]β . . (3. ↓ ↓ ↓ ↓ Exemplo 4. . 4)]ε = 2 4 ↓ ↓ pelo gorolário RFST m—is —di—nteD ˜—st— inverter — m—triz —™im—F  . e D : P2 → P2 denido por D(f ) = f (derivada).54 (matriz de mudança de base) mensão nita Considere bases β e γ do espaço de di- U e a TL identidade I em U.     ↑ ↑ ↑ ↑ [I ]γ ←β = [I (u1 )]γ · · · [I (un )]γ = [u1 ]γ · · · [un ]γ . . x2 }. A matriz de mudança inversa pode ser obtida invertendo esta matriz. Esta é uma importante consequência do próximo lema. V = β ⊂ C (R. . a matriz [I ]γ ←β transforma as coordenadas de u na base β em coordenadas de u na base γ. 2)]ε [(3. . ƒe quisermos [I ]β ←ε D Observação 4. un }. Seja e D:V →V denido por    0 −1 Solução: D(sen x) = cos x e [cos x]β =  0 D D(cos x) = − sen x e [− sen x]β =  0 D 1 0     0 0 −1 0 2x 2x 2x    0 2 F D(e ) = 2e e [2e ]β = 2 F vogo [D]β = 0 0 1 0 0  Denição 4.45 Determine Seja γ = {1. 2). [D ]γ . Pela denição. e2x .     0 1 Solução: D(1) = 0 e [0]γ =  0 D D(x) = 1 e [1]γ =  0 D D(x2 ) = 2x e [2x]γ = 0    0 0 0 1 0  2 F vogo [D]γ =  0 0 2 F 0 0 0 0 Exemplo 4. R) D(f ) = f (derivada).

[S ]δ ←γ [T ]γ ←β = [S ◦ T ]δ ←β . V ) e Dados S ∈ L(V .58 (matrizes da mesma TL) [T ]γ ← γ e Considere T ∈ L(U . V.56 (inversa da mudança de base) tidade Considere bases é igual a I em U. Lema 4. Então a matriz mudança de base [I ]γ ←β β e γ de U e a TL iden1 [I ]− β ←γ (inversa). U ) @mesmo esp—çoAF gonsidere ˜—ses β e γ de U F u—l — rel—ção entre —s m—trizes [T ]γ ←γ e [T ]β ←β c Denição 4. Prova: gomo IT I = T D —pli™—ndo o vem— RFSS du—s vezesD [I ]β←γ [T ]γ ←γ [I ]γ ←β = [T ]β←β F „om—ndo P = [I ]β ←γ e —pli™—ndo o gorolário RFSTD P −1 = [I ]γ ←β F p—zendo um— es™olh— —dequ—d— d— ˜—seD — m—triz que represent— — „v pode ser muito m—is simplesD ™omo por exemplo di—gon—lF gomo des™o˜rir qu—l ˜—se f—rá issoc iste é o —ssunto do g—pítulo eutov—lores e eutovetoresF €—r— resumirX —s ™oorden—d—s de um vetor v estão p—r— v —ssim ™omo — m—triz que represent— um— tr—nsform—ção line—r T está p—r— T X coordenadas de v v assim como matriz que representa T T . W . Então [T ]β ←β são semelhantes com P = [I ]β ←γ (matriz de mudança de base). W ). u—l — rel—ção entre m—trizes que represent—m — mesm— „vc †—mos simpli(™—r e ™onsider—r o ™—so em que T ∈ L(U .IPT CAPÍTULO 4. U ) e bases β e γ de U. e bases conforme indicado no diagrama β. TRANSFORMAÇÃO LINEAR E MATRIZ Lema 4. γ.57 (matrizes semelhantes) Dizemos que duas matrizes A e B são seme−1 lhantes quando existe uma matriz invertível (quadrada) P tal que P AP = B.55 (relaçao entre produto de matrizes e composição de TLs) L(U . S◦T U [ · ]β Mn×1 [T ]γ ←β T V [ · ]γ Mm×1[S ] [S ◦ T ]δ←β S W [ · ]δ Mp×1 δ ←γ Prova: ymitimos pois ™onsumiri— esp—ço em˜or— sej— simplesF Corolário 4. δ dos espaços vetoriais de dimensão abaixo. . nita T ∈ U.

xy )Y @—A ™om˜in—ção line—r d—s @˜A produtos es™—l—res ™om —s @˜A T (x. 2x + y )D então A =  @™A se A = Y  Y 1 0 −1 .5: u—l d—s —ltern—tiv—s —present— — m—triz que rod— os vetores do R2 por um ângulo θ @no sentido trigonométri™oD isto éD —ntiEhorárioAX cos θ sen θ cos θ − sen θ sen θ − cos θ sen θ cos θ @eA @fA @gA @hA sen θ cos θ sen θ cos θ cos θ sen θ cos θ sen θ Fix 4.2012 13h .4. y ) = (x + 2y. 0AY @™A Nuc(T ) = @V. 0)Y @™A T (x. )F Fix 4. colunasA d— m—trizF Fix 4.1: hetermine se são line—res T : R2 → R2 X @—A T (x. )Y D então T (x. y ) = (x + 2y.9.9 Exercícios de Transformações Lineares 4.6: ƒej— A um— m—trizF y posto de A é igu—l —X @Nuc A. 5x − 4y )D então A =  @˜A se T (x. W.9.ago. 0AY @˜A Im(I ) = @V.4: hetermine T que projet— @ortogon—lmenteA vetores doX @—A R2 no eixo y Y @˜A R3 no eixo y Y @™A no pl—no x = 0F Fix 4. y ) = (x2 + 2y. Im A. −x.8: ƒej— T : V → W um— „vF €—r— ™—d— pergunt—D es™olh— um— d—s opçõesF @iA — de(nição de Nuc(T ) éX @eA {w ∈ W | T (0) = w}Y @fA {w ∈ W | T (w) = 0}Y @gA {v ∈ V | T (v) = 0}Y @hA {v ∈ V | T (0) = v}F @iiA — de(nição de Im(T ) éX @eA {w ∈ W | w = T (v) para algum v ∈ V }Y @fA {w ∈ W | v = T (w) para algum w ∈ W }Y @gA {v ∈ V | w = T (v) para algum v ∈ V }Y @hA {v ∈ V | v = T (w) para algum w ∈ W }Y @iiiA T é so˜rejetiv— seD e somente seX @eA dim(V ) = dim(W )Y @fA dim(Nuc(T )) = dim(V )Y @gA dim(Nuc(T )) = 0Y @hA dim(Im(T )) = dim(W )Y @iA dim(Im(T )) = 0F @ivA T é injetiv— seD e somente seX @eA dim(V ) = dim(W )Y @fA dim(Nuc(T )) = dim(V )Y @gA dim(Nuc(T )) = 0Y @hA dim(Im(T )) = dim(W )Y @iA dim(Im(T )) = 0F 1 23. EXERCÍCIOS DE TRANSFORMAÇÕES LINEARES IPU 4. y ) = ( 3 0 2 @dA se A = −1 8 D então T (x. y ) = (y. W. colunasA d— m—trizY @linhas.1 Exercícios de Fixação Fix 4. 0AY @dA Im(T ) = @V.7: gonsidere I : V → V e T : V → W de(nid—s por I (v) = v e T (v) = 0 p—r— todo v ∈VF @—A Nuc(I ) = @V. y ) = (3x + 7y. 0AY Fix 4. W.3: h—d— tr—nsform—ção line—r T : Rn → Rm existe um— m—triz A que — represent— e vi™eEvers—F @—A se T (x.2: y produto m—trizEvetor pode ser visto ™omoX @linhas. dim Im AAF Fix 4. y ) = ( . W. y )Y Fix 4. dim Nuc A.

I. R.10: iste exer™í™io é p—r— ser feito ™om argumentos geométricosF „od—s —s tr—nsE form—ções estão de(nid—s de R2 em R2 F ƒej— P um— projeção ortogon—l n— ret— r e R um— re)exão em torno d— mesm— ret— rF hetermineX @˜A Nuc(R) = @0. B AF Fix 4.12: hetermine dim(Im(T )) s—˜endo queX @˜A T : R5 → R7 ™om T injetiv—F Fix 4. 1.19: ƒej—m A e B m—trizes @de dimensões —propri—d—s p—r— que estej— de(nido AB AF @linhas. colunasA B F @A2 +2AB + B 2 . R.9: hetermine @geometri™—menteD não f—ç— ™ont—sA o nú™leo e — im—gem de ™—d— um— d—s „vs —˜—ixo de R3 em R3 X @—A projeção ortogon—l n— ret— ger—d— pelo vetor (2.14: hetermine se é verd—deiro ou f—lso ™—d— um d—s seguintes —(rm—tiv—s so˜re „vsX @—A T : R5 → R4 pode ser injetiv—Y @˜A T : R3 → R5 ™om dim(Im(T )) = 3 é injetiv—F @™A ƒe T : Rn → Rm s—tisf—z T (0) = 0 então T é line—rF @dA ƒe T é injetiv— então não existe w = 0 t—l que T (w) = 0F @eA se T : V → V possui invers— então dim(Nuc(T )) = dim(V )F Nuc(D 2 )X Fix 4.18: ƒe A. R2 AY @™A P P = @P. A2 + AB + BA + B 2 A Fix 4. colunasA de A por @A.11: ƒej— T : R7 → R10 line—rF @—A se dim(Nuc(T )) = 0D então dim(Im(T )) = @˜A se dim(Nuc(T )) = 3D então dim(Im(T )) = @™A se dim(Nuc(T )) = 5D então dim(Im(T )) = @—A T : R5 → R4 ™om dim(Nuc(T )) = 3Y Y Y Y Fix 4.20: ƒe A ∈ Mn×n é invertível então @—A dim(Nuc(A)) = Y @˜A dim(Im(A)) = Y . colunasA d— m—triz @linhas. 0AY @—A Im(P ) = @0. 0AY @eA RP = @P. 1)Y @˜A rot—ção de 11 gr—us em torno do eixo (−2. R. 0AY @fA P R = @P. B ∈ Mn×n então (A + B )(A + B ) = intãoX @—A ™olun—s de AB são ™om˜in—ções line—res d—s @A.15: gonsidere D2 : P3 → P3 de(nid— por D2 (f ) = f @du—s deriv—d—sAF hetermine se f—zem p—rte do 3x3 + x2 c 3x − 4c x2 c 5c Fix 4.17: u—l@isA d—s seguintes propried—des do produto de m—trizes são válid—sX @™A distri˜utivid—dec Fix 4.16: gonsidere um— m—triz A ™om m linh—s e n ™olun—sF hetermine se é verd—deiro ou f—lsoX @—A se m > n então —s ™olun—s são vssY @˜A se m < n então o nú™leo de A ™ontém um— ret—Y @—A —sso™i—tivid—dec @˜A ™omut—tivid—dec Fix 4. 1. dim(W ) = 3Y @˜A T : R4 → R4 s—˜endo que existe — invers— de T F Fix 4. R2 AY @dA RR = @P. B AF @˜A linh—s de AB são ™om˜in—ções line—res @™A entr—d—s de AB são produto es™—l—r de @linhas. r. 2)Y @™A re)exão em torno do pl—no x = 0Y @dA projeção ortogon—l no pl—no x = 0F Fix 4. colunasA d— m—triz @linhas. r. 0AY n n @gA de form— ger—l P e R ™om 1 ≤ n ∈ NF Fix 4. I.13: hetermine dim(Nuc(T )) s—˜endo queX @—A T : V → W ™om T so˜rejetiv—D dim(V ) = 5. TRANSFORMAÇÃO LINEAR E MATRIZ Fix 4. I. I.IPV CAPÍTULO 4. R.

0AY @—A P Q = @±P.7: ixplique em ™—d— ™—so —˜—ixo porque não existe um— „vX @—A T @˜A T @™A T @dA T : R4 → R2 : R4 → R2 : R7 → R6 : R4 → R3 Im(T ) = (1.4.6: g—l™ule — im—gem e o nú™leo de ™—d— um— d—s „vs —˜—ixoX @—A T @˜A T @™A T @dA T : P3 → P3 D de(nid— por T (p) = p @segund— deriv—d—AF : P2 → R de(nid— por T (p) = p(3)F : P2 → P3 de(nid— por (T (p))(x) = xp(x) ∀x ∈ RF : C 1 (R. @˜A (1.3: gonsidere T : R3 → R2 d—d— por T (x. z ) = (x − y. 2).8: im ™—d— item dê um exemplo de „v s—tisf—zendo —s ™ondições d—d—sF @—A T : R2 → R2 que lev— (−1. c. ±R. ±I. 0. 1. −1)Y x+y+z =0 @˜A T : R4 → R3 t—l que o nú™leo é pl—no e — im—gem (1.4: hetermine o nú™leoD — im—gem e su—s respe™tiv—s dimensões deX @—A T : R3 → R4 D T (x.9.1: hetermine — „v que represent— um—X @—A re)exão em R2 em rel—ção — ret— x + y = 0F @˜A projeção ortogon—l em R3 so˜re o pl—no y = z Y @™A rot—ção em R3 de 450 em torno do eixo z F form—ções estão de(nid—s de R2 em R2 F ƒej—mX ! R um— re)exão em torno d— ret— rD ! P um— projeção ortogon—l n— mesm— ret— rD e ! Q um— projeção ortogon—l n— ret— s perpendi™ul—r — ret— rF hetermineX @˜A QP = @±P. ±Q. ±R. (2. 2) em (1. ±R. ±I. (0. −1.2 Problemas Prob 4. z ) = (4x − y + 2z. 0. ±I. 0) e (1. 2y + z )Y @™A L : R5 → R3 D L(a. ±R. 0AY @dA RQ = @±P.21: gonsidere S um ™onjunto orden—do de vetoresF hetermine se é verd—deiro ou f—lsoX @—A se todo vetor de um esp—ço pode ser es™rito ™omo ™om˜in—ção line—r de elementos de S então S é ˜—seY @˜A se S é ˜—se então S é um ™onjunto line—rmente dependente de vetoresY 4. 0. y − x. d. −y − z . 2. y. y. 4) F Prob 4. 0AY @™A QR = @±P. R) → C (R. ±I. 3) Y z−w =0 . 0AF hetermine seX @—A (1. y + z )Y @˜A T : R3 → R3 D T (x. 0). R) de(nid— por T (f ) = f F ™ujo nú™leo sej— — origemY que sej— injetiv—Y ™om dim Nuc(T ) = dim Im(T )Y ™om Nuc(T ) = (1. ±Q. 0) ∈ Nuc(T )Y @™A (0. ±Q.9. a + 4c − d)F Prob 4. z + 2x.5:  hetermine  um— ˜—se e dimensão do nú™leo  e d— im—gem  p—r— ™—d— m—trizX  @—A   1 0 2 0   0 1  −1 −2  1 2 0 0 @˜A  1 3 1 0  0 1 1 0  0  2 @™A   −1 1 1 2 0 1 1 0   1  0   1 0 −1 0 1 1  @dA  −1 −1 0 −1 0 1 Prob 4. EXERCÍCIOS DE TRANSFORMAÇÕES LINEARES IPW Fix 4. 0) e Prob 4. −2x + y/2 − z ). 2) ∈ Nuc(T )F Prob 4. (1. 1). b. ±Q. 2. e) = (a + 3c − e. 2. 4. y. −1) em (−1. c − d + e.2: iste exer™í™io é p—r— ser feito ™om argumentos geométricosF „od—s —s tr—nsE Prob 4. 2) ∈ Im(T )Y Prob 4. z ) = (x − y. 1.

IQH CAPÍTULO 4.14: in™ontre — represent—ção m—tri™i—l e invert— @se for possívelA — „vX T (x.18: €—r— números re—is v—le — ™h—m—d— lei do ™orteX se ab = ac e a = 0 então b = cF €—r— m—trizes isto não é válidoF 2 2 @—A tome A = e determine B. x − z.15: gonsidere — m—triz A =  1 3 0  1 3 5 −1 @—A g—l™ule A F @invers—A @˜A hetermine uD v e w t—is queX Au = e1 .11: ƒej— D2 : C 2 (R. Aw = e3 F Prob 4. TRANSFORMAÇÃO LINEAR E MATRIZ   x=s 3 4 y=t @™A T : R → R ™ujo nú™leo sej— d—do pel—s equ—ções p—r—métri™—s e—  z =t+s  x=0  y=0 F im—gem sej— solução do sistem—  z−w =0 Prob 4.17: ƒej— S = B 0 um— m—triz de ˜lo™osF g—l™ule S 2 F Prob 4. y.13: snvert— —s m—trizesX   1 −1 1 2 1 1 1 F @—A Y @˜A  1 −1 0 0 0 1 Prob 4. Av = e2 . ™olo™—ndo em form— tot—lmente es™—lon—d— — m—triz 4 3 5 1 Prob 4. y )Y   1 0 0 Prob 4.3 Extras @—A A2 = −I Y @˜A B 2 = 0D B = 0Y @™A C 2 = C D C = I Y @dA C 2 = I D C = I Y Ext 4. C ∈ M2×2 t—l que AB = AC e B = C Y 2 2 @˜A supondo que A é invertívelD mostre que AB = AC impli™— B = C F 4.1: hê exemplos de m—trizes em M2×2 t—is queX . R) de(nid— por D2 f = f @deriv—d— segund—AF g—l™ule um— ˜—se p—r— o nú™leo de D2 F 6x + 3y = 9 6x + 3y = −3 Prob 4.9.2: gonsidere W1 . z ) = (x + z.12: ‚esolv— o sistem—s 4x + 3y = 5 e 4x + 3y = 1 simult—ne—mente 6 3 9 −3 . R) → C 2 (R.10: ƒej— W = {p ∈ P3 | p(0) = 0} e D : W → P3 de(nid— por Dp = p F wostre que D é injetiv—F Prob 4.9: ƒej— Pn o esp—ço dos polinômios de gr—u ≤ nF hetermine se é line—rX @—A L : P4 → P4 de(nid— por (L(p))(x) = p(x + 1)Y @˜A L : P2 → P2 de(nid— por (L(p))(x) = p (x) + 1Y @™A L : P2 → P2 de(nid— por (L(p))(x) = cx2 + ax + b se p(x) = ax2 + bx + cF Prob 4. W2 su˜esp—ços d—s m—trizes qu—dr—d—s 4×4F ƒej— W1 o su˜esp—ço d—s m—trizes tri—ngul—res superiores e W2 —s m—trizes tri—ngul—res inferioresF €rove que W1 ∩ W2 é o su˜esp—ço d—s m—trizes di—gon—isF Ext 4.16: hetermine — m—triz invers— d—s m—trizes form—d— porX ˜lo™os de zerosD m—triz identid—de e A @que não pre™is— ser invertívelAF 0 I I A @—A Y @˜A Y I 0 0 I 0 I Prob 4.

13: ƒej— T : V → W line—rF €rove queX @—A T (0) = 0Y @˜A Nuc(T ) é su˜esp—ço vetori—lY @™A Im(T ) é su˜esp—ço vetori—lF @dA se T é injetiv—D T lev— ™onjunto vs em ™onjunto vsF @eA se T possui invers—D T lev— ˜—se em ˜—seF Ext 4. R) → F (R. 2x − y) e . x − z )F hetermine um— ˜—se p—r— Nuc(T1 ) ∩ Nuc(T2 )F 2 h 7 Ext 4. 0 0 0 1 Dβ= 1 0 0 1 . S : F (R.17: ƒej—m T.11: gonsidere A = 4 5 7 F hetermine „yhyƒ os v—lores de h ∈ R t—is que o posto de AX @—A sej— IY @˜A sej— PF Ext 4.4: ƒej— Rθ : R2 → R2 um— rot—ção em torno d— origem ™om ângulo θ s—tisf—zendo Ext 4.4.8: hetermine dim(Nuc(T )) s—˜endo queX @—A T : R6 → R8 ™om dim(Im(T )) = 3Y @˜A T : V → W ™om T injetiv—Y Ext 4.14: hetermine se são line—res —s seguintes oper—ções no esp—ço P de todos os polinôE mios em xX @—A multipli™—ção por xY @˜A multipli™—ção por x2 Y @™A deriv—d— em rel—ção — xF Ext 4. y.9: €—r— ™—d— um— d—s m—trizes —˜—ixoD determine um— ˜—se e dimensão do nú™leo e d— im—gemF       1 1 0 −1 1 0 0 1 0 0  −1 0  −2 1 −1   0 0 0 0  1  Y  Y   @—A  @˜A @™A  0 0  2 0  0 0 0 0 F 0  2  1 0 −1 1 1 2 0 0 1 0 T2 (x.10: gonsidere T1 . v = 0D determine ™ondições em θ p—r— que v e Rθ v sej—m line—rmente independentesF Ext 4. v = 0 t—l que Rθ v = vc @˜A se v ∈ R2 .9. T2 : R3 → R2 de(nid—s por T1 (x.12: wostre que — ™omposição de du—s „vs injetiv—s é um— „v injetiv—F Ext 4.5: im R3 ™onsidere A um— rot—ção de 90o em torno do eixo x e B um— rot—ção de 90o em torno do eixo y e C um— rot—ção de 90o em torno do eixo z F wostre queX @—A A4 = B 4 = C 4 = I Y @˜A AB = BAY @™A A2 B 2 = B 2 A2 F Ext 4. 0 0 0 1 F hetermine [I ]α←β F 0 ≤ θ < 2π F @—A se θ = 0 existe v ∈ R2 .6: ƒej— T : R7 → R10 line—rF y m—ior v—lor possível p—r—X Y @˜A dim(Im(T )) é F @—A dim(Nuc(T )) é Ext 4. R) de(nid— por T (f )(x) = 1 + f (x) e S (f )(x) = f (x + 1) @—A T e S são line—resc Ext 4.3: gonsidere V o esp—ço d—s m—trizes di—gon—is 2 × 2 e —s ˜—ses α= 1 0 0 0 .15: hetermine se T : Pn → Pn+1 D de(nid— por T (p)(x) = xp(x) @multipli™— o poE linômio por xD —ument—ndo seu gr—uA é line—r e injetiv—F €or exemplo se p(x) = x2 + 1D T (p)(x) = x3 + xF Ext 4. z ) = (x − y + z. y. z ) = (3x − 2y + z.16: ƒej— Pn o esp—ço dos polinômios de gr—u ≤ nF hetermine se é line—rX @—A L : P2 → R de(nid— por L(p) = (p(0) + p(1))/2F @˜A L : P5 → P5 de(nid— por (L(p))(x) = p(x) + 2Y Ext 4. EXERCÍCIOS DE TRANSFORMAÇÕES LINEARES IQI Ext 4.7: hetermine dim(Im(T )) s—˜endo queX @—A T : R4 → R7 e que T v = w possui solução úni™— p—r— um determin—do wY @˜A T : R6 → R5 ™om T so˜rejetiv—F Ext 4.

24: †eri(que se é su˜esp—ço vetori—l o su˜™onjunto d—s m—trizes qu—dr—d—sX @—A tri—ngul—res superioresY @˜A di—gon—isY @™A simétri™—sY hetermine ˜—ses p—r— os os su˜™onjuntos —™im— que sej—m su˜esp—ços qu—ndo — m—triz é 2 × 2 e 3 × 3F Ext 4.26: gonsidere T : Mm×n → Mn×m de(nid— por T (A) = AT F hetermineX e Im(T )F @˜A se T é injetiv— e se T é so˜rejetiv—F eB= Ext 4.59 (matriz nilpotente) de ordem k se existe k∈N tal que N k Dizemos que uma matriz quadrada = 0 e N k−1 = 0. y. b ∈ R então ab = 0 impli™— que a = 0 ou b = 0F †—mos ver Ext 4.22: gonsidere A = 1 1 F g—l™ule An p—r— qu—lquer n ∈ NF 0 1 1 2 4 0 0 −1 Ext 4. y + z. x) = (z.19: ƒ—˜emos que se a.20: snvert— —s m—trizesX @—A −1 1 Y @˜A  0 1 1 F 1 1 0 Ext 4.23: in™ontre um— P @não pre™is— ™—l™ul—r P −1 A t—l queX P −1 3 2 P = Ext 4. TRANSFORMAÇÃO LINEAR E MATRIZ @˜A hetermineD p—r— —s que são line—resD o nú™leo e — im—gemF que p—r— „vs isto não é verd—deF @—A gonsidere projeções @ortogon—isA Px no eixo x e Py no eixo y em R2 F €rove que em˜or— nenhum— del—s sej— nul—D Px Py = Py Px = 0Y @˜A gonsidere Dxx o oper—dor segund— deriv—d— e Dxxx o oper—dor ter™eir— deriv—d—F €rove que em P4 @polinômios de gr—u máximo igu—l — RA Dxx Dxxx = 0 em˜or— nem Dxx nem Dxxx sej—m nulosF y˜sX em álge˜r— qu—ndo —™onte™e de ST = 0 ™om S e T nãoEnulos dizemos que existe um divisor de 0F   1 0 1 1 1 Ext 4.18: ƒej— T (f )(x) = f (2x + 2)F wostre que S (f )(x) = f (x/2 − 1) é — „v invers—F Ext 4. x + y + z )F Ext 4.27: gonsidere —s m—trizes A = Ext 4. N é nilpotente 0 1 é nilpotenteY 0 0   0 1 0 @˜A wostre que  0 0 1  é nilpotenteF u—l v—lor de k c 0 0 0 @™A ƒej— D o oper—dor de deriv—ção em Pn @polinômios de gr—u menor ou igu—l nAF wostre que D é nilpotenteF u—l o v—lor de k c @dA wostre que se N é nilpotente de ordem k D então (I − N )−1 = I + N + N 2 + N 3 + · · · + N k−1 F @—A wostre que .28: 5 3 3 2 @iFeF determine — m—triz X A AX + 2I = B F 6 2 F ‚esolv— — equ—ção m—tri™i—l 2 4 Denição 4.IQP CAPÍTULO 4.25: @—A in™ontre um— ˜—se de M2×3 F u—l — dimensão deste esp—çoc @˜A he form— ger—lD determine ˜—se e dimensão de Mm×n F @—A Nuc(T ) Ext 4.21: in™ontre — represent—ção m—tri™i—l e invert— @se for possívelAX T (x.

4.9.

EXERCÍCIOS DE TRANSFORMAÇÕES LINEARES

IQQ

n Ext 4.29: ƒuponh— que A ∈  Mn×n s—tisf—z Avi = λi vi ™om vi ∈ R D λi ∈ R e i = 1, . . . , nF

↑ ↑  he(n— P = v1 · · · ↓ ↓ λ1 , . . . , λn F wostre que

↑ vn  e Σ um— m—triz di—gon—l onde os elementos d— di—gon—l são ↓ AP = P ΣF

Coordenadas Ext 4.30: gonsidere v = (4, −1, −1) e β = {(1, −1, 0), (0, 1, −1), (0, 0, 1)}Y
@—A es™rev— v ™omo ™om˜in—ção line—r dos vetores de β Y @˜A determine [v]ε @˜—se ™—nôni™—AY @™A determine [v]β Y   2 @dA s—˜endo que [w]β =  −3 Y determine [w]ε F 2

[v ]β1 = (2, 3) determine [v ]β2 F

Ext 4.31: gonsidere —s ˜—ses do R2 X β1 = {(−1, 1), (1, 1)} e β2 = {(0, 2), (1, 0)}F ƒe

4 Ext 4.32:  β = {w1 , w2 , w3 , w4 } é ˜—se do R e u = w4 + 2w3 + 3w2 + 4w1 D  ƒe

 [u]β =  

 F 

Ext 4.33: hetermine se é verd—deiro ou f—lsoX es ™oorden—d—s de um vetor são sempre —s
mesm—sD independente de ˜—seF

Ext 4.34: gonsidere v = (0, 5, 1)F hetermine [v]β @™oorden—d—s de v ™om rel—ção à ˜—se β AD
onde β = {(1, 1, 1), (−1, 1, 0), (1, 0, −1)}F

Ext 4.35: gonsidere — ˜—se β = {1 + x, 1 − x, x2 + 1} de P2 F ƒej— p(x) = 4 + x − x2 F
@—A hetermine [p]β @™oorden—d—s de p ™om rel—ção à ˜—se β AF @˜A €rove que β é ˜—se de P2 D o esp—ço dos polinômios de gr—u menor ou igu—l — 2F @—A [q ]β onde q (x) = x2 − xY

Ext 4.36: gonsidere β = {1, 1 − x, x2 − 1}F hetermineX

Ext 4.37: gonsidere —s funções φ0 , . . . , φ3 mostr—d—s n— pigur— QFI d— pFUWF he(n— β =

@˜A [p]β onde p(x) = x2 + x + 1F

{φ0 , . . . , φ3 } @é ˜—seAF ƒej— f : [0, 3] → R — função represent—d— no grá(™o —˜—ixoF hetermine [f ]β F y 5 4 3 2 0 1 2 3 x

Mudança de Base Ext 4.38: gonsidere —s ˜—ses de R3 X α = {v1 , v2 , v3 } e β = {w1 , w2 , w3 } ™om w1 = v1 +v3 D
w2 = v1 + v2 + v3 e w3 = v1 − v3 F hetermine — m—triz mud—nç— de ˜—se [I ]α←β F

IQR

CAPÍTULO 4.

TRANSFORMAÇÃO LINEAR E MATRIZ

Ext 4.39: gonsidere —s ˜—ses de R3 X α = {(1, 0, −1), (1, 2, 3), (1, 1, 1)}D β = {(3, 2, 1),

(4, 5, 6), (7, 8, 9)} ε = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} @˜—se ™—nôni™—AF @—A determine —s m—trizes mud—nç— de ˜—se A = [I ]ε←α e B = [I ]ε←β Y @˜A es™rev— equ—ções m—tri™i—is que determinemD ™omo função de A, B, A−1 , B −1 @não ™—l™ule A−1 , B −1 A —s m—trizes mud—nç— de ˜—se [I ]α←ε D [I ]β ←ε D [I ]α←β D [I ]β ←α F

Ext 4.40: gonsidere— ˜—se α = { (1, 1, 1), (−1, 1, 1), (0, −1, 1)} de R3 F hetermine um— ˜—se 
β t—l que [I ]α←β 1 0 0  = 2 −1 1 F 0 0 1

m—triz mud—nç— de ˜—se [I ]β ←α F

Ext 4.41: gonsidere —s ˜—ses de R2 X α = {(1, 0), (0, 2)} e β = {(1, 1), (2, 1)}F g—l™ule —
[I ]α←β F

Ext 4.42: gonsidere —s ˜—ses do P2 X α = {1, x, x2 } e β = {1 + x, 1 − x, x2 + 1}F hetermine Ext 4.43: ƒej— D o oper—dor deriv—d—D isto éD Df = f de(nid— em Wi = βi F hetermine —
m—triz [D]βi que represent— D : Wi → Wi n— ˜—se βi X @—A β1 = {cos x, sen x}Y @˜A β2 = {ex , e2x }Y @™A β3 = {1, x, ex , xex }Y

Ext 4.44: ƒej— D2 o oper—dor deriv—d— segund—D isto éD D2 f = f de(nid— em Wi = βi F
hetermine — m—triz [D2 ]βi que represent— D2 : Wi → Wi n— ˜—se βi X @—A β1 = {1, x, x2 }Y @˜A β2 = {sen(x), sen(2x), sen(3x)}F

g—l™ule [T ]ε F

Ext 4.45: gonsidere T : P2 → P2 D de(nid— por T (p)(x) = p(x + 1)F ƒej— ε = {1, x, x2 }F
@—A g—l™ule — m—triz mud—nç— de ˜—se [I ]ε←α F @˜A ixplique ™omo determin—r [I ]α←ε us—ndo @—AF @xão f—ç— —s ™ont—sFA 2 −1 @™A †eri(que que [I ]α←ε = −11/2 3

Ext 4.46: gonsidere —s ˜—ses de R2 X α = {(6, 11), (2, 4)} ε = {(1, 0), (0, 1)}F

Ext 4.47: ƒej— β = {(1, 0, 0), (0, 1, −1), (1, −1, 0)}F

@—A g—l™ule [I ]ε←β e [I ]β ←ε Y @˜A v = (0, 1, 0)D ™—l™ule [v]β Y   1  @™A [w]β = 2  determine [w]ε Y @dA T (x, y, z ) = (x − z, −z, y + 2z )D determine [T ]β F 3 hi™—X [T ]β = [I ]β ←ε [T ]ε [I ]ε←β

Ext 4.48: gonsidere T : R2 → R2 d—d— n— ˜—se ™—nôni™— por

2 1 F 0 −1

@—A e™he u e v nãoEnulos t—is que T u = 2u e T v = −vY @˜A prove que β = {u, v} é ˜—se de R2 Y @™A determine [T ]β ←β F xote que nest— ˜—se — m—triz que represent— é m—is simples @di—gon—lAF

Ext 4.49: gonsidere três ˜—ses distint—s β1 , β2 , β3 de um esp—ço vetori—l de dimensão (nit—F Ext 4.50: gonsidere V = P1 D o esp—ço dos polinômios de gr—u menor ou igu—l — I e —s ˜—ses
α = {1 − x, 2x} β = {1 + x, x}F hetermine [I ]α←β F
™om Df = f nest— ˜—seF @—A determine [I ]β1 ←β1 Y @˜A de(n— A = [I ]β1 ←β2 D B = [I ]β2 ←β3 D C = [I ]β3 ←β1 F hetermine ABC F

Ext 4.51: gonsidere W = ex , xex , x2 ex F hetermine — m—triz que represent— D : W → W

4.9.

EXERCÍCIOS DE TRANSFORMAÇÕES LINEARES

IQS

S : P1 → P2 D de(nid— por S (p)(x) = xp(x)F essimD por exemplo se p(x) = x + 1D S (p)(x) = x2 + xF hetermine [S ]β2 ←β1 F

Ext 4.52: gonsidere — ˜—se β1 = {1, x} de P1 e — ˜—se β2 = {1, x, x2 } de P2 F gonsidere

4.9.4 Desaos
@—A Nuc(T ) ⊃ Im(T ) seD e somente seD T 2 = 0Y @˜A Nuc(T ) ⊂ Nuc(T 2 ) ⊂ Nuc(T 3 ) · · ·F @™A Im(T ) ⊃ Im(T 2 ) ⊃ Im(T 3 ) · · ·F Des 4.2: ƒej— T : V → V line—r ™om V de dimensão (nit—F ƒuponh— que dim Im T = dim Im(T 2 )F €rove que Nuc T ∩ Im T = {0}F Des 4.3: gonsidere T : V → W line—rD X ⊂ V e U ⊂ W su˜esp—ços vetori—isF @—A he(n— T (X ) = {T (v) ∈ W | v ∈ X } @im—gem diret— de X por T AF wostre que T (X ) é um su˜esp—ço vetori—l de W F @˜A he(n— T −1 (U ) = {v ∈ V | T (v) ∈ U } @im—gem invers— de U por T AF wostre que T −1 (U ) é um su˜esp—ço vetori—l de V F Des 4.4: xo esp—ço de todos os polinômios em x @que é um esp—ço de dimensão in(nit—A ™onsidere D o oper—dor deriv—ção ™om rel—ção — x e S o oper—dor multipli™—ção por xF @—A wostre que DS − SD = I Y @˜A …tilize propried—des do tr—ço @som— dos elementos d— di—gon—l de um— m—triz qu—E dr—d—A p—r— mostr—r que em dimensão (nit— não existem tr—nsform—ções line—res A, B t—is que AB − BA = I F Des 4.5: @desigu—ld—de de ƒylvesterA ƒej—m T, S : V → V ™om dim(V ) = nD rT = dim Im(T ) D rS = dim Im(S )D rST = dim Im(ST )F €rove que

Des 4.1: ƒej— T : V → V um— „vF wostre queX

rS + rT − n ≤ rST ≤ min(rS , rT ).

termos de A e B F Des 4.7: gonsidere T : V → V line—r e A um— m—triz qu—dr—d— (x—F ƒe [T ]β = A p—r— qu—lquer ˜—se β de V então T = λI p—r— —lgum λ ∈ R @— tr—nsform—ção é um múltiplo d— identid—deAF Des 4.8: ƒej— Jn um— m—triz qu—dr—d— n × n em que tod—s —s entr—d—s são igu—is — 1F wostre 1 que (I − Jn )−1 = I − n− J F 1 n Des 4.9: €rove que se A é invertível então A + B é invertível seD e somente seD I + BA−1 é invertívelF Des 4.10: pixe B ∈ Mn×n e de(n— T, S : Mn×n → Mn×n por T (A) = AB − BA e S (A) = BA p—r— todo A ∈ Mn×n F wostre queX @—A Nuc(T ) é nãoEtrivi—lF gon™lu— que T não é invertívelY @˜A Nuc(S ) = {0} seD e somente seD B possui invers—F Des 4.11: hetermine um— ˜—se @e dimensãoA de @—A L(R2 ; R)Y @˜A L(R2 ; R2 )F Des 4.12: @—A gonsidere T : R2 → R2 F €rove que existem a0 , a1 , a2 , a3 , a4 ∈ R que não sej—m todos nulos t—is que a0 I + a1 T + a2 T 2 + a3 T 3 + a4 T 4 = 0F hi™—X dim L(R2 ; R2 ) = 4D o ™onjunto {I, T, T 2 , T 3 , T 4 } é vscF

Des 4.6: ƒuponh— que B é — invers— de A2 F wostre que A é invertível e determine A−1 em

IQT

CAPÍTULO 4.

TRANSFORMAÇÃO LINEAR E MATRIZ

@˜A gonsidere T : Rn → Rn F €rove que existe um polinômio p(x) nãoEdegener—do de gr—u n t—l que p(T ) = 0F y˜sX he(nimos p(T ) d— seguinte form—F ƒe p(x) = a0 + a1 x + · · · + an xk D de(nimos p(T ) ™omo — m—triz a0 I + aT + · · · + an T k F hi™—X qener—liz—ção de @—AF Des 4.13: h—do um esp—ço vetori—l V D denot—mos por V ∗ o ™onjunto L(V ; R) d—s tr—nsE form—ções line—res de V em RF gh—m—mos os elementos de V ∗ ™omo formas lineares ou funcionais lineares em V F tá s—˜emos que este é um esp—ço vetori—l pois V e R são esp—ços vetori—isF ƒuponh— que v1 , v2 , . . . , vn é ˜—se de V F €rove queX @—A T1 , . . . , Tn ∈ L(V ; R) de(nid— por Ti (vj ) = δij é ˜—se de V ∗ F y sím˜olo δij é ™onhe™ido ™omo delt— de urone™ker e v—le 1 se i = j e 0 se i = j F @˜A dim(V ) = dim(V ∗ )F hi™—X …se @—AF Des 4.14: gonsidere U e V esp—ços de dimensão (nit—F hetermine ˜—se e dimensão de L(U ; V )F
2

Cap´ ıtulo 5 Produto Interno
gomeç—mos este ™—pítulo de(nindo ™omprimento de vetores no R2 e R3 D o˜tido pelo „eorem— de €itágor—sD e su— rel—ção ™om o produto es™—l—r @ou internoAF hepois gener—liz—mos p—r— o Rn de(nindo o produto internoD que permite de(nir ™omprimentoD distân™i— e ortogon—lid—de @de form— m—is ger—l ânguloA entre vetoresF gom o ™on™eito de ™omplemento ortogon—lD de(nimos — projeção ortogon—l em su˜esp—E ços vetori—isF ixplor—mos — rel—ção entre vetor m—is próximo de um su˜esp—ço vetori—l e ortogon—lid—deD idei— ™h—ve deste ™—pítuloF ƒão —pli™—ções import—ntesX

• resolver pro˜lem— de mínimos qu—dr—dosD — melhor solução —proxim—d— de um sistem— line—r sem soluçãoY • determin—r projeções em ret—sD pl—nos eD de form— m—is ger—lD em su˜esp—ços vetori—is de dimensão qu—lquer no Rn Y • —proxim—r funções por polinômios ou funções simplesF

5.1 Produto Interno em Rn
im R2 D de(neEse o ™omprimento @t—m˜ém ™h—m—do de norm—A de um vetor v = (x, y ) por v = x2 + y 2 eD em R3 D o de v = (x, y, z ) por v = x2 + y 2 + z 2 F gonforme indi™—do n— pigur— SFID o ™omprimento em R2 de™orre de um— —pli™—ção do „eorem— de €itágor—s e em R3 de du—s —pli™—ções pois

(

x2 + y 2 )2 + z 2 =

x2 + y 2 + z 2 F ƒe w = (a, b)D — (x − a)2 + (y − b)2 F

distân™i— entre v e w é d—d— @˜—st— —pli™—r €itágor—sA por d(v, w) =

he(nindoEse o produto interno de R2 por v, w = ax + by e em R3 por v, w = ax + by + cz, temos v = v, v e d(v, w) = v − w @™on(r—3AF gomprimento @norm—AD distân™i— e produto interno são gener—liz—dos p—r— o Rn n—s de(nições —˜—ixoF

Denição 5.1 (produto interno no Rn )
R
é

Dados por

v = (v1 , . . . , vn ), w = (w1 , . . . , wn ) ∈
n

n

, dene-se o

produto interno
.

2

de

v

e

w

v, w =
i=1

vi wi .

Outra notação utilizada

u · v = v, w

1 Versão 07.ago.2012 12h

IQU

4 (distância) u−v . 2 Note que usamos o mesmo símbolo para espaço gerado e produto interno: espaço gerado será representado por v. w . Denição 5. w + v. v = v. se.2 (propriedades do produto interno) terno satisfaz as seguintes propriedades: (a) simetria: Considere u.1 distância: São propriedades fáceis de serem vericadas (faça isso!) da norma e da • 0 =0 • v =0 (vetor nulo tem norma zero). u > 0 para todo u = 0. se. Prova: heix—mos p—r— o leitorF Denição 5. para todo v=0 α∈R (o único vetor com norma zero é o vetor zero). w} para evitar este conito de notação. Denimos a por d(u. e somente se. Neste capítulo o span {v. cada por módulo do escalar).IQV CAPÍTULO 5. w = α u. y ) ( x2 + y 2 ) 2 + z 2 x2 + y 2 y x2 + y 2 x x y z 0 0 pigur— SFIX gomprimento em R2ou 3 Lema 5. • d(v. para todo α ∈ R. w (c) positividade: u. 0) = v . PRODUTO INTERNO v = (x. v . . e somente se u = v. v) = Observação 5. y. w ∈ Rn . v) = 0 • d(u. u . (b) linearidade: αu + v. v. z ) v = (x. O produto in- u. v) ≥ 0.3 (norma) Denimos a norma (ou comprimento) de v por v = distância entre dois vetores u e v v. (vetor multiplicado por escalar tem norma modi- • αv = |α| v • d(u.

Teorema 5. v + v 2 pel—s propried—des do vem— SFP d— pFIQVY " 2 u. Solução: Calculando v 2 = (1)2 + (−2)2 + (0)2 + (−2)2 + (0)2 = 1 + 4 + 1 = 9. u+v 2 = u 2 + v 2 . u + v = u − v. Solução: v 2 = 12 + 22 + 32 + 42 + 02 = 1 + 4 + 9 + 16 = 30. 0).8 (de Pitágoras generalizado) e somente se. −2/3. −2. Dizemos Exemplo 5. isto é. w). w = (1)(−1) + (2)(2) + (3)(−3) + (4)(4) + (0)(−5) = −1 + 4 − 9 + 16 + √ 0 = 10. v = 0. v = 3. v. 3. w √ v = 30. v simpli(™—ndo os dois l—dos d— expressãoY " 4 u. Logo. 0) ∈ R5 .1 e Considere v = (1. Assim Logo. 2. v = 0. w) = (1 − (−1))2 + (2 − 2)2 + (3 − (−3))2 + (4 − 4)2 + (0 − (−5))2 = 65.6 (ortogonalidade) mente se. 2. d(v. v . PRODUTO INTERNO EM RN Calcule IQW Exemplo 5.7 (vetores ortogonais) Observação 5. v = 0F . Prova: €el— de(nição de norm— e —s propried—des do vem— SFP d— pFIQVD u + v 2 = u + v. 0. −5). v = 0Y " u. Denição 5. u + v = u 2 + 2 u. −2. e so- u. −3. 4. v ∈ Rn u e são perpendiculares entre si se. 0. v. Dado v 1 se vericar que v = v é unitário e tem a mesma direção e o mesmo sentido de v v é a normalização de v.2 Normalize o vetor v = (1. Os vetores u e v são ortogonais entre si se. v = 1 = 0.5. 0⊥v essim vetores perpendi™ul—res do Rn são ortogon—is entre siF Note que o vetor nulo é ortogonal a qualquer outro vetor.5 (vetor unitário e normalização) que Diz-se que v é unitário se (acento circunexo é utilizado para indicar que um vetor é unitário). v = 0Y Dizemos que Denição 5. 4. u − v Y " u 2 + 2 u. 0). Prova: gonsidere o p—r—lelogr—mo P de l—dos u e vF „emos —s seguintes equiv—lên™i—sX " u e v são perpendi™ul—res entre siY " P é um retânguloY " ™omprimento d—s di—gon—is de P @ u + v e u − v A são igu—is pois @geometri— eu™liE di—n—A um p—r—lelogr—mo é um retângulo seD e somente seD o ™omprimento de su—s di—gon—is é igu—lAY " u+v = u−v Y " u + v 2 = u − v 2Y " u + v.1. −2/3. v = −2 u. Os vetores u. Lema 5. w = (−1. podev. v. d(v. u⊥v para indicar que Utilizamos a notação v são perpendiculares entre si. v = v/3 = (1/3. v = 0D ou sej—D seD e somente seD u. v + v 2 F essim u + v 2 = u 2 + v 2 seD e somente seD 2 u. v + v 2 = u 2 − 2 u.2 para todo u e v são ortogonais se u.

0. 2. vi = αj vj (já que = 0 ∀j ⇒ αj = 0 ∀j v j = 0. . v2 . PRODUTO INTERNO Denição 5. 0. (1. . 1. i=1 p αi vi = vj . . além de ser ortogonal.10 (conjunto ortogonal é LI) nearmente independente. (1. (0. 1.9 (conjunto ortogonal) se os vetores são dois a dois ortogonais ( Diz-se que o conjunto vi . . 0. (−1. 0. 0. . 0. . 0. 1. Diz-se que o conjunto mal se. u = 0 para todo u ∈ H} . . denido por H ⊥ = {v ∈ R n | v . 0. 0. √ (0. 1. denotado por H⊥ (lê-se H perp). basta normalizar 3 = (0.) {v1 . 0. vj = 0 ∀i = j ) ou se { v1 .IRH CAPÍTULO 5. 1. 1. vp } é ortonor- Denição 5. 1. 2. v2 . 1). 0. isto é. 1. Um conjunto ortogonal de vetores não-nulos é li- Prova: ƒej— {v1 . cada vetor. .4 (exemplos no plano e espaço) bela abaixo: Em Aplique a denição acima e verique a ta- H eixo-x eixo-y H⊥ eixo-y eixo-x R2 R2 R2 R2 R3 R3 R3 o y=x 0 eixo-x plano xy (z = 0) R3 a reta o y = −x R2 plano yz (x = 0) o eixo-z 0 a reta . √1 (−1. 0. 0). 1. v2 . −2)} Solução: R6 . v p } p = 1. 0. 1. 0). 1) = 1(0)+0(1)+1(0)+0(1)+1(0)+0(1) = 0. 0. 0. 1) = −1(0)+0(1)+1(0)+2(1)+0(0)+ −2(1) = 2 − 2 = 0.12 (complemento ortogonal) Seja H um subespaço vetorial. . 0) = √ √ Para gerar um conjunto ortonormal. 0.3 nal em Verique que {(1. 0. De fato. i=j é ortogo- Exemplo 5. . −2). vj = δij . (−1. todos os seus vetores são unitários. Exemplo 5. 1. 0. Determine um conjunto ortonormal que gere o mesmo espaço. 0). (−1. 1) e (−1. 0. 0). 0.11 (conjunto ortonormal) vi . . (0. −2)} 3 10 5. O complemento ortogonal de H ⊂ Rn é o conjunto dos vetores ortogonais a todos os vetores de H . 0. Como (1.2 Complemento Ortogonal Denição 5. se onde δij = 0 1 se se i=j . 0. 1. 1. 1. 1. é ortogonal Lema 5. 0. 1. 2. 0. 1. 1. 2. um conjunto ortonormal é 1 √ { 13 (1. 0. 2. 1. 1. 1. 1. −2) = 10. 0 = 0 2 ⇒ i=1 αi vj . 0. (0. 1. 0. −2) = 1(−1)+0(0)+1(1)+0(2)+1(0)+0(−2) = −1+1 = 0. 1). 1. . 0. 0. 1. vp } ortogon—lF intão p p α i vi = 0 ⇒ i=1 vj . 0.

COMPLEMENTO ORTOGONAL IRI Considere Lema 5. onde Dado H ⊂ Rn Prova: ƒegue pois são equiv—lentesX " v ∈ H ⊥Y " v. . v ∈ H ⊥ F €el— w. ⊥ subespaço gerado por T resolvendo o sistema homogêneo A v = 0. 3  .2. up }. Exemplo 5. i = 1. ui = 0. u2 .15 (relação entre Considere a matriz = (Im A)⊥ e Im(AT ) = (Nuc A)⊥ .   1 A. Então: ⊥ (a) H é subespaço vetorial. w = 0 p—r— todo w ∈ H D ou sej—D λu + v ∈ H ⊥ @˜A ƒej— W = {v ∈ V | v. . .5. p}F gomo ui ∈ H D é ™l—ro que H ⊥ ⊂ W F †—mos mostr—r — in™lusão ™ontrári—D isto éD que W ⊂ H ⊥ F ƒej— w ∈ W e v ∈ H F gomo os ui s ger—m H D v = ai ui F €el— ˜iline—rid—de do produto internoD w. ui = 0 pois w ∈ W impli™— que w. . . . . w + v. . Pelo Lema 5. w F gomo u. m @pelo vem— SFIQ @˜AAY i =  1. . F F F = 0 up . transposta e complemento ortogonal) . i = 1. ← u1 → u1 . w = v. . H ⊂ Rn ˜iline—rid—de do produto internoD λu + v. v ∈ H ⊥ D u. Im. . . up } obtemos uma  base para H ↑ ↑ ↑ A =  u1 u2 · · · up  . .14 (calculando complemento ortogonal) {u1 .14 (base do complemento ortogonal). . 2 3 4 0 0 1 2 0  x3 = 1 x3   1    −2  é base de H ⊥ . H = Im A e H = Nuc(A ). ui = 0. w = λ u. . resolvemos 3 4 T A v = 0:  1 x3  x1 = 1 0 −1 0 1 2 3 0 x2 = − 2 x3 . .5 Considere H = span   3 4   1 2  Solução: Seja A = 2 3 . T Então: Nuc(A ) Nuc. Determine uma base para H ⊥ .13 (propriedades básicas do complemento ortogonal) um subespaço vetorial gerado por {u1 . . 2. p} . . v = i Prova: @—A gomo 0 é ortogon—l — todo vetorD 0 ∈ H ⊥ F ƒuponh— que u. ⊥ n (b) H = {v ∈ R | v. ∼ . w = 0 p—r— todo w ∈ H F vogoD λu + v. ui = 0F e importân™i— do item @˜A do vem— —nterior é que ™—r—™teriz—mos o ™omplemento ortoE gon—l f—zendo o produto interno ™om um número nito de vetoresF ssto permite ™—l™ul—r o ™omplemento ortogon—l resolvendo um sistem— line—rD ™omo mostr—mos no próximo lem—F Lema 5. ↓ ↓ ↓ ⊥ T Desta forma. u 0D p—r— i = . v ← up → T " v ∈ Nuc(A )F Corolário 5.     2   1    2 . 2. v 0      F  F F F F " F =  v = AT v. i ai ui = i ai w. .

−3. 1. Prova: he(n— u = b−y e v = y−h p—r— um h ∈ H qu—lquerF gomo y−h ∈ H D u ⊥ v por hipóteseF €elo „eorem— SFV d— pFIQW @€itágor—sAD b − h essim d(y. w = t.  1  . resol4 5 1 vemos o sistema     x   1 2 3 4  0 y   =  0 . b) ≤ d(h. w) = s(1. b) é H e denotamos PH b = y. y = −2s − 3t. . 1. Logo. 1)}. z. y é a projeção b ∈ Rn .   1 2 1  2 3 1   Solução: Seja A =   3 4 1 . −3. b) y 0 H pigur— SFPX €rojeção yrtogon—l €odeEse prov—r que d—do su˜esp—ço vetori—l H ⊂ Rn existe um único y ∈ H ™om — propried—de —™im—D ™onforme ilustr— — pigur— SFPF ssto motiv— — de(nição de projeção ortogonalF †eremos ™omo ™—l™ul—r — projeção ortogon—l n— ƒeção SFR d— pFIRVF Denição 5. mínimo.16 (menor distância e ortogonalidade) Suponha que exista y ∈ H tal que h ∈ H. 1). 0. Então d(y. 0). b) p—r— todo h ∈ H F 2 = u+v 2 ≥ u 2 = b − y 2F b d(y. (2. b − y ∈ H ⊥ . Escalonando totalmente AT obtemos Lema 5. PRODUTO INTERNO       2 1    1    2   3   1        Exemplo 5. Fazendo 0 1 2 3 z = s.IRP CAPÍTULO 5. ou seja. b) ≤ d(h. Pelo Lema 5. y é o elemento de Considere H um subespaço vetorial.  4  . Determine uma base para       4 5 1 H ⊥. AT v = 0 =  2 3 4 5    z  1 1 1 1 0 w 1 0 −1 −2 (a última linha zera). 0) + t(2. ou seja uma base é {(1.6 Considere H = span  3  . −2. 0. −2. x = s + 2t.17 (projeção ortogonal) existe um único vetor Dado H ⊂ Rn um subespaço vetorial e Dizemos que ortogonal de b sobre y ∈ H tal que d(y.14 (base do complemento ortogonal). b) para todo H mais perto de b. y. (x.

é um vetor z tal que d(Az.50 3.wikipedia. Precisamos de uma solução para o sistema linear   x + y = 150 2. no entanto. b) para todo x no domínio de A. Teorema 5.21g de gordura. Para ns de alimentação.50 3. b) ≤ d(Ax. 2 Pode-se provar que o sistema AT Az = AT b sempre possui solução.19 (mínimos quadrados) Se z é uma solução 2 de AT Az = AT b. 24.3. APLICAÇÃO: SISTEMAS SEM SOLUÇÃO (MÍNIMOS QUADRADOS) IRQ 5. que é medida tomando a soma dos quadrados das diferenças entre as coordenadas.87g de gordura (ao invés de 25g).21y = 25.18 (solução de mínimos quadrados) Uma quase-solução do sistema Ax = b. estes erros são totalmente aceitáveis.1 Kcal e 0. y que f—zer qu—ndo b ∈ / Im(A)c xeste ™—so não existe z t—l que Az = bF essim d(Az. ou  1 1 150  2. .21 38 113  151 =  445.5. 445. e y a quantidade de carne.3  .03 0.10y = 450  0.10 450  .org/wiki/Linear_least_squares_(mathematics)F Exemplo 5. b) —ssum— o menor v—lor possívelF Denição 5.5Kcal e 0.10  0. então z é uma solução de mínimos quadrados do sistema Ax = b. que um paciente deva fazer uma refeição consistindo de arroz e carne.7 Imagine. Dado que 1g de arroz tem 2. b) = 0 p—r— todo z no domínio de AF y˜serv—ndo — pigur— SFQD o melhor que podemos f—zer é minimizar est— distân™i—X determin—r z t—l que — distân™i— d(Az.21 25  É fácil vericar.87  Isto signica que 38g de arroz e 113 de carne é uma quase-solução: 151g de alimento (ao invés de 150g). chamada de solução de mínimos quadrados1 .3Kcal (ao invés de 450Kcal) e 24.3 Aplicação: Sistemas Sem Solução (Mínimos Quadrados) tá vimos que o sistem— line—r Az = b tem solução@õesA seD e somente seD b ∈ Im(A)F y que f—zer qu—ndo b ∈ / Im(A)c e respost— o pro˜lem— não tem solução é usu—lmente ins—tisf—tóri— em divers—s —pli™—çõesD ™omo ilustr— o exemplo — seguirF elgum—s —pli™—ções são — —proxim—ção de d—dos por polinômiosD extr—pol—ção e su—viz—ção de d—dosF †ej— em en. que este é um sistema sem solução. de forma a totalizar 150g de alimento com 450 Kcal e 25g de gordura.03x + 0.03 0. em gramas.03g de gordura e que a mesma quantidade de carne tem 3. que quantidade de cada alimento deve ser ingerida? Solução: Seja x a quantidade de arroz. 1 O nome vem de minimizar a distância. Mas esta resposta não há de ajudar muito o nosso paciente! Note que   1 1  2. 0.50x + 3. de forma super-simplicada.

determinar a.9 Solução: Determine a equação da reta que melhor aproxima. [2. com as soluções clássicas. então b ∈ Im(A) e portanto PIm(A) b = b. que sempre tem solução pois é claro que Se um sistema linear tem solução no sentido PIm(A) b ∈ Im A.2]. b) Az 0 Im(A) pigur— SFQX wínimos u—dr—dos Prova: ƒe AT Az = AT bD então AT (b − Az) = 0F he(nindo H = Im AD pelo vem— SFIR d— pFIRID H ⊥ = Nuc(AT ) e port—nto b − Az ∈ H ⊥ F €elo vem— SFIT d— pFIRPD d(Az. neste caso. As soluções de mínimo quadrado coincidem. 5). b. ∈ R tais que a equação da reta y = ax + b é satisfeita .. En- M: matrix( [1.1]).5].IRR CAPÍTULO 5. b) ≤ d(Ax. y 14 y 2/3  1 2 2 2 1 1  3 =  3 .3 Na linguagem da Denição 5. PRODUTO INTERNO b d(Az. no sentido dos mínimos quadrados.b). 7) e (4. Agora resolvemos o sistem com linsolve_by_lu(Mt.8 Solução: 9 6 6 6 Resolva.Mt. b) p—r— todo h ∈ H = Im AF vogo d(Az. (2.. b) ≤ d(h. os pontos Queremos (1. Assim. (3.3.4 (Software Algébrico) tramos a matriz com Pode-se resolver com o Maxima. = .M. O sistema Az = PIm(A) b é idêntico ao sistema original Az = b. 6). Mt: \transpose(M). Exemplo 5.1]. 5  Observação 5. clássico. [2. b: [3. 10). 5   3  3  .17 da p..  1 2  2 1  2 1 = x y  1 2 1 2 2  x 2 1  AT Az = AT b : 2 1 1 y 2 1 5/3 x 19 x = e portanto. b) p—r— todo x no domínio de AF Relação entre Projeção Ortogonal e Mínimos Quadrados Observação 5.142 (projeção ortogonal) resolver o sistema Az = b no sentido dos mínimos quadrados equivale a resolver o sistema Az = PIm(A) b.  Exemplo 5. no sentido dos mínimos quadrados.

60 e 90 jogadas. y = (14x + 35)/10. 10  Este sistema não tem solução (verique) e vamos resolvê-lo no sentido de mínimos quadrados. Assim a equação da reta gura abaixo apresentamos os dados e esta reta (Fonte: Wikipedia. 90 T T A Am = A b. Assim vamos resolver:  1 2 3 4 1 1 1 1 1  2   3 4  1 1   1  1  a b = 1 2 3 4 1 1 1 1  6  5     7 . APLICAÇÃO: SISTEMAS SEM SOLUÇÃO (MÍNIMOS QUADRADOS) IRS pelos quatro pontos.  .Determine m. Assim. a b = 77 28 . Assim queremos resolver o sistema (porque?):  1  2   3 4  1 1   1  1 a b  6  5   =  7 .10 1 Jogamos uma moeda 90 vezes e contamos o número de vezes que apareceu cara após 30. Isto porque o vetor Precisamos resolver  30 b = (16. 60. 34. File:Linear least squares Exemplo 5.   30m = 16 60m = 34  90m = 51 Precisamos resolver o sistema abaixo que não possui solução (exata).3. 10 30 10 10 4 Resolvendo obtemos example2.5. Na a = 7/5 e b = 7/2.svg). 51) ∈ span {(30. onde A =  60 . (900 + 3600 + 8100)m = 7110 = 12600m. jogadas caras A moeda tem uma certa proporção 30 16 60 34 90 51 Solução: m de caras com relação ao total de jogadas. O resultado está na tabela abaixo. 90)} = Im A.

para determinada escolha de a. a.7 27.4  55 15 5 c 101. que melhor aproxima Exemplo 5. PRODUTO INTERNO 60 30 30 60 90 jog—d—s pigur— SFRX tog—ndo um— woed— 7110 ≈ 0. A reta com coeciente angular 12600 os dados.2  225 55 15   b  =  385.2 17.        979 225 55 a 1619. fossem satisfeitas simulta- neamente as equações  a × 12 + b × 1 + c = 6.7 27. f (t) 6. é mostrada na gura abaixo: Assim m= m ≈ 0. f com os seguintes resultados: pode ser a posição de um corpo uniformemente acelerado).5      a × 22 + b × 2 + c = 11.2 17.68  . uma série de experimentos são realizados.2 17.1 39.24  b  ≈  0. t 1 As posições medidas foram: 2 3 4 5 Determine os parâmetros dos mínimos quadrados.564. c 4.5 11.1 39.0    .1 39.IRT ™—r—s CAPÍTULO 5.   A solução aproximada é obtida resolvendo-se   1 4 9 16 25    1 2 3 4 5   1 1 1 1 1   1 4 9 16 25 1 2 3 4 5 1 1 1 1 1        a 1 4 9 16 25     b  =  1 2 3 4 5     c 1 1 1 1 1  6. b e c que melhor ajustam os dados experimentais no sentido Solução: Gostaríamos que.564.68 .0    .  ⇒    a 1.7   a × 42 + b × 4 + c = 27.7 27.5 1 Adaptado de [6].2 a × 32 + b × 3 + c = 17. b e c.0  ou      1 4 9 16 25 1 2 3 4 5 1 1 1 1 1      a     b  =     c  6.0 .1    a × 52 + b × 5 + c = 39.5 11.5 11. Com o objetivo de se determinar os parâmetros a. b e c.11 A equação que modela um determinado fenômeno físico é dada por f (t) = at2 + bt + c (por exemplo.

3.5 2 3 5 9 20             A=    z= k m m resolvemos AT Az = AT b com auxílio de software. o modelo prevê a seguinte tabela t 1 2 3 4 5 bastante próxima da real. temos que determinar  devemos resolver o sistema k e m de forma aproximada tal   k + 1 m = 1 . .05.08 Exemplo 5.5. isto é entre 5 e 6 anos.12 2 As cédulas de dinheiro de um certo país tem médias diferentes de tempo de circulação de acordo com o valor dados pela tabela abaixo. f (t) 6. Portanto.18x + 1. k = 1. O gráco abaixo mostra a reta aproximada y = 0.   k + 100m = 20 1 1 1 5 1 10 1 20 1 50 1 100 k             b=    1. obtendo z = (1.60 11.88 27.24 39.00 17. . Colocando x = 25 na equação da reta.5 . 5. Assim Considere Solução: x Supondo que exista uma relação linear entre o tempo médio da cédula. Para determinar os coecientes e tempo médio @—nosA 20 15 10 5 10 30 50 70 90 ™édul— pigur— SFSX „empo médio de dur—ção d— ™édul— determinamos que a cédula deve durar 2 Adaptado de [6]. .18.55 anos. . = . .05 e m = 0. que é impossível.05 e os dados. APLICAÇÃO: SISTEMAS SEM SOLUÇÃO (MÍNIMOS QUADRADOS) IRU Para estes valores dos parâmetros. .5 2 3 5 9 20 y em função do valor que y = k + mx.18). 0. Quanto tempo você espera que uma nota de 25 dure? valor da cédula tempo médio (anos) 1 5 10 20 50 100 1.

= e2 . . c) devemos escolher no mínimo 3. . = e3 . A matriz obtida é chamada de matriz de Vandermonde (ver internet). = e1 . . = e2 . PRODUTO INTERNO Exemplo 5.13 os coecientes Considere os pontos forma aproximada ao modelo (1. . b) tom—ndo z t—l que Az − b ∈ H ⊥ F €elo vem— SFIR d— pFIRI ˜—st— que Az − b ∈ Nuc(AT )D ou sej—D que AT Az = AT b @um pro˜lem— de mínimos qu—dr—dos3A e PH b = AzF . b) sej— mínimoF  queremos determin—r  ↑ ↑ ↑ he(nindo A =  v1 v2 · · · vk  e z = (z1 . que pode ser resolvido (no computador) com o método dos mínimos quadrados.4 Aplicação: Projeção Ortogonal Como Projetar o vetor b em H = span {v1 . . . Podemos fazer algo semelhante com polinômio de grau 3 (ou qualquer grau: faça isso) p(x) = ax3 + bx2 + cx + d e obter um sistema com 10 equações e 4 variáveis:      a+b+c+d 8a + 4b + 2c + d . Exemplo 5. de y = ae + b log x.  . . . 2) e (6. 10] Considere o polinômio de grau 2 por um polinômio de grau 2 e por um polinômio de grau 3. 5. b ∈ R. 2. Nestes termos o problema não é possível. v2 . 1). = e4 . (3. b.    100a + 10b + c = e1 . . zk )D temos Az = zi vi F €elo ↓ ↓ ↓ vem— SFIT d— pFIRPD podeEse minimiz—r d(Az. 2 = a3 + b log 3. p(x) = ax2 + bx + c. . mas podemos escolher mais e resolver por mínimos quadrados. Se mas podemos escolher alguns pontos no intervalo. . vk }? €rojet—r signi(™— o˜ter ™oe(™ientes zi ∈ R t—is que o vetor zi vi ∈ H estej— o m—is perto possível de bF essim zi ∈ R t—is que d( zi vi . 1  Devemos ter: queremos resolver o sistema (sobredeterminado): a b Agora basta aplicar o método dos mínimos quadrados a este sistema. Sabendo que devem satisfazer. 10          obtemos o sistema com 10 equações e 3 variáveis a+b+c 4a + 2b + c 9a + 3b + c 16a + 4b + c    . b. que pode ser resolvido (no computador).IRV CAPÍTULO 5. . Queremos determinar para p(x) = f (x) x ∈ [1. 1 = ae6 + b log 6. Como são três variáveis (a.  .  . . . = e10 .    1000a + 100b + 10c + d = e10 . determine o sistema cuja solução aproxima x Assim Solução: a. . . . 4].14 (aproximando uma função por um polinômio) f ( x) = e x Aproxime a função y= Solução: a.   e1 0  e3 log 3  e6 log 6  3 =  2 . c ∈ R no intervalo tais que [1. 3). . . 3 = ae1 + b log 1 = ae. escolhermos 10 pontos 1.

 1    3 −2   1 4 1  . =  2 + 7 21 3 −2 −1/3 .17 Considere H = span  2  . APLICAÇÃO: PROJEÇÃO ORTOGONAL IRW Exemplo 5.  1/7 PH b = Az =  2/7  . 3/7  2 b =  0 . Portanto. Como AT A = 14.16 Solução: Considere H  a reta gerada pelo vetor e Calcule PH b. 0   Exemplo Solução:     4   1 5. Portanto. 3 4  1 2 3 2 3 4 AT Az =  1 2  2 3  z = AT b = 3 4 2 4  1 2 3 2 3 4  2  0 . 3  H = span   3 4 devemos resolver: e  2 b =  0 . −1/3   1  2  3  2 b =  0 . Denindo  1 A =  2 .  1 2 3 4 1 −2  2  0 .15 Solução: Calcule PH b. 0 14 0 0 21  z= ⇒  z= 1/7 8/21 .4. 0  Exemplo 5. 0  Denindo  1 2 A =  2 3 .5. Portanto.  onde     2   1    2 .  1 4 1  PH b = Az =  2 3 −2 1/7 8/21      1 4 5/3 8  1 1  =  2/3  . z = 1/7. 0 14 20 20 29  1 2 PH b = Az =  2 3  3 4  z= ⇒  z= −11/3 8/3 . 3 devemos resolver: AT Az = AT b. AT b = 2. −11/3 8/3  5/3 =  2/3  . devemos resolver: Denindo A =  2 3 −2  AT Az = 1 2 3 4 1 −2  1 4  2 1  z = AT b = 3 −2 2 8 e Calcule PH b.

Mais ainda y0 = Ax0 é (mesmo único x0 solução). Neste caso T Se a base de H é ortogonal. ⊥ H ⊂ Rn um subes- Prova: ƒe v ∈ H ∩ H ⊥ então v 2 = v.20 (propriedades do complemento ortogonal) paço vetorial. 2 = a (f (s))2 dsF ist— de(nição possuirá = 0 seD e somente seD tod—s —s propried—des de norm— que vimos n— pFIQVD in™lusive f .21 (existência de mínimos quadrados) que exista mais de um Dada uma matriz A qualquer e b um vetor qualquer (compatível com a dimensão de A de modo que o sistema faça sentido). o produto A A será uma matriz diagonal T T e o sistema A Az = A b poderá ser resolvido facilmente. PRODUTO INTERNO Observação 5. b] ⊂ R e de(nimos — norm— de b um— função ™ontínu— f : [a. o T T sistema A Ax = A b sempre possui uma solução x0 .6 Aplicação: Aproximando Funções por Polinômios (ou outras funções)I €—r— dizer que um— função está próxim— de outr— pre™is—mos de(nir distân™i— entre funçõesF …m— form— de f—zer isto é de(nir um produto interno no esp—ço vetori—l d—s funções eD ™om este produto internoD de(nir norm—D distân™i— e ortogon—lid—de entre funçõesD t—l qu—l (zemos n— pFIQVF e de(nição m—is utiliz—d— de norm— e distân™i— em esp—ços vetori—is de funções é feit— por um— integr—lF xos ™on™entr—mos em um interv—lo [a. b] → R por f 1 A leitura desta seção é opcional.5 (porque?) exemplo anterior. Então: H ∩ H = {0}.ISH CAPÍTULO 5. T Projeção em Bases Ortonormais 5. Isto ocorreu no Projeção em Bases Ortogonais A A = I (identidade).5 Mínimos Quadrados e Projeção: TeoriaI Considere ‘†y… ‚i„‚e‚ iƒ„e ƒiÇÃy3“ Lema 5. v = 0D o que impli™— que v = 0F Lema 5. Assim z = AT b e portanto PH b = Az = AAT b. → Im AT ™omo — restrição de AT —o su˜esp—ço vetori—l Im AF essim L = AT em Im AF †—mos prov—r que L é um— ˜ijeção line—rF snjetivid—deX €elo vem— SFIR d— pFIRID Nuc(AT ) é o ™omplemento ortogon—l d— Im A e pelo vem— SFPH d— pFISHD Im A ∩ Nuc(AT ) = 0F vogo Nuc L = Nuc(AT ) ∩ Im A = 0F ƒo˜rejetivid—deX €elo vem— RFIS d— pFIHRD dim(Im A) = dim(Im AT )F essim Im L ⊂ Im AT eD pelo teorem— do nú™leo im—gemD possuem mesm— dimensãoF vogo Im L = Im AT F essimD p—r— todo k = AT b ∈ Im AT D existe um único y0 ∈ Im A t—l que AT y0 = k ∈ Im AT F gomo y0 ∈ Im AD existe pelo menos um x0 t—l que Ax0 = y0 D e port—nto AT Ax0 = AT y0 = k = AT bF Im A Prova: he(n— L : 5. T Concluímos que PH = AA se a base de H é ortonormal.

p2 . 1 Calculando.2 da p. 1 (−1/5) = 2/5.18 da página 151 e as funções Determine 1 2 2 f (t) = t . g = √ 2.5. 1 3 3 9t2 dt = 3t3 |1 (3t)2 dt = f 2 (t) dt = −1 = 3(1) − 3(−1) = −1 −1 − 1 √ √ √ 3 + 3 = 6. −1 A positividade é mais delicada. Portanto. f ) p—r— p ∈ H F e solução é tom—r p = PH f D que minimiz— — distân™i— pois é — projeção ortogon—l de f no esp—ço H F €elo vem— SFIT d— pFIRPD p − f ∈ H ⊥ @ortogon—l — H AF essim devemos ter p − f . f e d(f. g = −1 t (1 − t) dt = −1 2 (t2 − t3 ) dt = (t3 /3 − t4 /4)|1 −1 = 2/3. que g = 1. p2 (x) = x. f (t) = t2 . g = 6.18 Solução: 1 Verique que f. Calculando f. g (t) = 1 − t.6. ela é não nula num 1 certo intervalo não-degenerado. Solução: Como Logo. g ) = f − g F Exemplo 5. p3 (x) = x2 D um— ˜—se p—r— o su˜esp—ço vetori—l H dos polinômios de gr—u máximo PF ueremos minimiz—r d(p. Determine g 1 um múltiplo de g tal Solução: Como. 2. A bilinearidade decorre A simetria decorre de −1 1 1 1 da linearidade da integral: (αf (s) + g (s))h(s) ds = α −1 f (s)h(s) ds + −1 g (s)h(s) ds.138. Logo tome g = g/ 6 = 3t/ 6. g 2 = †—mos expli™—r por um exemplo ™on™retoX gomo determin—r o polinômio p(x) = ax2 +bx+c m—is próximo de um— função f (x)c gonsidere p1 (x) = 1. pi = 0 p—r— i = 1.18 da página 151 e as funções Mostre que f 1 e g são ortogonais. c ∈ R e Q equ—çõesD podemos determin—r seus v—loresF †ej— os exemplos e relei—F F F Como determinar uma função próxima de outra? . g 1 . 1 Como f = f (t) dt = −1 1 (t2 )2 dt = −1 1 (t4 ) dt = t5 /5|1 −1 = 1/5 − −1 Logo. g ) = a |f (s) − g (s)|2 ds F b ist— norm— e distân™i— provém do produto interno f. g 2 f = 2/5. g e f. Exemplo 5. Se f não é nula então. g (t) = 3t. g = −1 f (t)g (t) dt = −1 1 1 t 3t dt = −1 2 3t3 dt = 3t4 /4|1 −1 = 3(1)4 /4 − 3(−1)4 /4 = 3 − 3 = 0. g = f (s)g (s) ds pois f = a f. Com isto. −1 Exemplo 5. g = −1 f (s)g (s) ds satisfaz todas propriedades do pro- duto interno do Lema 5. p3 } é ˜—se de H @simil—r —o vem— SFIQ d— pFIRIAF gomo temos três v—riáveis a. APLICAÇÃO: APROXIMANDO FUNÇÕES POR POLINÔMIOS ISI — função f (s) = 0 p—r— todo s ∈ [a. 1 1 f (s)g (s) ds = −1 g (s)f (s) ds. f . b. (1 − t)2 dt = −1 −1 1 = −1 g 2 (t) dt = 1 (1 − 2t + t2 ) dt = (t − t2 + t3 /3)|1 −1 = 2. f 2 (s) ds > 0. b]F essim — distân™i— entre —s funções f e g será b d(f.20 Considere o produto interno do Exemplo 5.19 2 Considere o produto interno do Exemplo 5. f. 3 pois {p1 . por continuidade.

f3 + b f2 . f1 + b f2 . f2 = φ. f1 + b f2 . a f1 . f1 . f1 . f2 + c f3 . . Agora vamos determinar PH2 φ = af1 + bf2 = p. f3 } é ortogonal. φ = 2e . a. . . f1 .  2a + 0b + 0c 0a + 2/3b + 0c = 2e−1 . sn }. no intervalo [0. f2 = φ. f2 } determine PH2 φ e PH3 φ. Precisamos i = 1. s2 . f3 }. b = 3e1 e c = 5/4(e1 − 7e−1 ). compare os erros e2 e e3 mostrados na gura. f3 . PRODUTO INTERNO Exemplo 5. f3 . Ou seja. f1 . Resolvendo obtemos a = (e1 − e−1 )/2. c ∈ R tais que:   a f1 . f1 = φ. 0a + 2/3b = 2e−1 Resolvendo obtemos e−1 )/2 + 3e1 t. af1 + bf2 .  1 −1 0a + 0b + 8/5c = 2e − 14e . Para perceber a melhora no erro utilizando PH3 . f2 . f3 = 0. f2 . Exemplo 5. a f1 . Assim PH2 φ(t) = af1 + bf2 = (e1 − De forma análoga precisamos Agora vamos calcular PH3 φ = af1 + bf2 + cf3 = p. f2 + b f2 . f1 . onde sn (x) = sin(nπx). Se φ(t) = exp(t).22 (série de Fourier) f (x) = e−x .6 que PH2 é razoável e que PH3 φ é praticamente idêntica à função φ. f2 = φ. f2 . f2 + b f2 . 0 sobre Hn . o produto interno O que estamos procurando é a projeção ortogonal de f g (t)h(t)dt. o espaço gerado por g. f2 = 0. f2 (t) H2 o espaço gerado por {f1 . b. Assim. determinar a = (e1 − e−1 )/2 e b = 3e1 . f1 . f2 = 2/3. 1]. 1 −1 f3 . f3 = φ. f3 (t) = 3t2 − 1. f1 + c f3 . f2 . Observe na Figura 5. Verique que {f1 . Solução: Deixamos para o leitor vericar os produtos internos: 2. f3 = 8/5. f3 + c f3 . fi = 0 para af1 + bf2 . f1 = φ. Como já calculamos os produtos internos obtemos o sistema (a ortogonalidade da base facilita muito!)  = e1 − e−1 . p. no espaço vetorial das funções contínuas. que p − φ. Ou seja. Para isto consiVamos aproximar a função 1 deramos. Considere e H3 o espaço gerado por {f1 . φ = 2e − 14e . f2 = φ. f1 = −1 f2 .  a f1 . f1 . 2. f1 . p. Assim PH3 φ(t) = af1 + bf2 + cf3 = (e1 − e−1 )/2 + 3e1 t + 5/4(e1 − 7e−1 )(3t2 − 1).ISP CAPÍTULO 5. f2 . . por uma função da forma a1 sin(πx) + a2 sin(2πx) + · · · + an sin(nπx). φ = e1 −e−1 . f1 = φ. Como já calculamos os produtos internos obtemos o sistema 2a + 0b = e1 − e−1 . f1 = φ.21 f1 (t) = 1. Considere o produto interno do Exemplo 5. f2 . f2 . f2 . .18 da página 151 e as funções = t. h = {s1 . . a f1 . f3 = 0.

5. APLICAÇÃO: APROXIMANDO FUNÇÕES POR POLINÔMIOS ISQ φ(t) = exp(t) PH3 φ(t) PH2 φ(t) t e3 (t) = PH3 φ(t) − φ(t) t e2 (t) = PH2 φ(t) − φ(t) pigur— SFTX eproxim—ção de φ por PH2 φ e PH3 φ e erros Solução: Pode-se vericar as seguintes fórmulas: 1 sin(k1 πt) sin(k2 πt)dt = 0 ∀ k1 = k2 .6. 2 0 e Fazendo as contas (com auxílio de softwares de cálculo) podemos calcular Veja na Figura 5. PH4 f (t) e PH10 f (t). com os respectivos f e as projeções ortogonais em H4 e H10 Caso queira estudar mais a este respeito.7 o gráco de erros. 0 1 0 e−t sin(kπt)dt = kπ (e − (−1)k ) e(1 + k 2 π 2 ) 1 1 sin2 (kπt)dt = . e4 (t) e e10 (t) f (t) = exp(−t) t PH4 f (t) e PH10 f (t) t pigur— SFUX eproxim—ção de f @pontilh—doA por PH4 f @tr—™ej—doA e PH10 f @™ontínuoA e erros e4 = PH4 f − f @tr—™ej—doA e e10 = PH10 f − f @™ontínuoA . procure um texto sobre Séries de Fourier.

v + x2 v 2 ∀x ∈ R.22 (de Cauchy-Schwarz) a norma associada.ISR CAPÍTULO 5. v + v. ·.23 (desigualdade triangular) Para todo u. ssto nos u v u v permite de(nir o ângulo entre dois vetores @m—is ex—t—menteD o ™osseno deste ânguloAF 1 A leitura desta seção é opcional. gomo o l—do direito é um— equ—ção do segundo gr—u p(x) ™om p(x) ≥ 0 p—r— todo xD p(x) = 0 2 deve ter no máximo I r—iz e port—nto ∆ ≤ 0 @porquecAF vogo ∆ = 4(( u. v + v 2 D igu—l—ndo os dois l—dos e ™ort—ndo os termos u 2 e v 2 o˜temos p—r— u e v nãoEnulos que cos θ = u. PRODUTO INTERNO 5. v ∈ V (ver Figura 5. Prova: €—r— todo x ∈ RD 0 ≤ u + xv 2 = = = u + xv . gomo u − v 2 = u − v. e hesigu—ld—de de g—u™hyEƒ™hw—rz nos g—r—nte queD num esp—ço ™om produto internoD | u. v ∈ V : | u.8): u+v ≤ u + v . · produto interno e · u. u + 2 u. v e u − vD onde θ é o ângulo form—do por u e v @que pode ser pens—do igu—lmente em R2 ou R3 AD diz que u − v 2 = u 2 + v 2 − 2 u v cos θ. u v ist—s idéi—s podem ser gener—liz—d—s —tr—vés de um import—nte result—do envolvendo o produto interno e — su— norm— —sso™i—d—D — desigu—ld—de de g—u™hyEƒ™hw—rzF Teorema 5. …s—ndo g—u™hyEƒ™hw—rzD u+v ≤ u +2 u v + v = ( u + v )2 . v )2 −( u √ v ) )≤ √ dos dois l—dosD e ™omo k 2 = |k |D 0 e port—nto ( u. u + xv u. v u 2 + 2x u.7 Cauchy-Schwarz e ÂnguloI e vei dos gossenosD —pli™—d— —o triângulo ™ujos l—dos são u. v = u 2 2 2 2 + 2 u. „om—ndo ™heg—mos —o result—doF Corolário 5. v + x2 v. Para todo Seja V espaço vetorial. v + v 2 . v u u+v pigur— SFVX hesigu—ld—de „ri—ngul—r Prova: he f—toD u+v 2 = u + v. . u − v = u 2 − 2 u. u + 2x u. u + v = u. v | ≤ u v . v | u. v se u e v são vetores não nulosD então ≤ 1 e port—nto −1 ≤ ≤ 1. v . v )2 ≤ ( u v )2 .

u2 iste pro™edimento pode ser gener—liz—do @vej— „eorem— SFPU d— pFITHA d— seguinte form—X 1 A leitura desta seção é opcional. . vp } determin—r um— ˜—se ortogon—l {u1 . . u1 u1 . v3 }F e exigên™i— de que {u1 . v2 . u1 = 0  u3 = v3 + β u1 + γ u2  ⇒ u3 . então θ = 90◦ (são ortogonais). u2 + γ u2 .24 (ângulo entre vetores) entre eles como a solução de Dados u. u1 + β u1 . v3 }F he f—toD v—mos ver ™omo deE termin—r ™onst—ntes αD β e γ t—is que os vetores u1 = v1 . u v u. u2 . . u3 = v3 + β u1 + γ u2 . u1 u2 . . u1 . u1 = 0 ⇒ v2 . denimos o ângulo θ ∈ [0. u1 .5. u1 . v . 5. u2 . u2 = 0  u1 . u1 = 0 ⇒ β = − v3 . v ∈ V . PROCESSO DE ORTOGONALIZAÇÃO DE GRAM-SCHMIDT ISS Denição 5. u2  u3 = v3 + β u1 + γ u2  ⇒ u3 . 180◦ ] cos θ = Em particular se u. u2 = 0 essim devemos de(nirX v3 .8 Processo de Ortogonalização de Gram-SchmidtI €—rtindoEse de um— ˜—se qu—lquerD ™omo ™onstruir um— ˜—se ortogon—lc e respost— é d—d— pelo €ro™esso de yrtogon—liz—ção de qr—mEƒ™hmidtD que forne™e um pro™edimento p—r—D d—d— um— ˜—se {v1 . up }F †—mos ilustr—r o ™—so ger—l ortogon—liz—ndo {v1 . v2 . u1 = 0 ⇒ α = − v2 . u2 = v2 + αu1 . v = 0. u1 . . u2 = 0 ⇒ γ = − u1 = v1 . . u1 . u2 . . u1 = 0  u2 . u1 v3 . . u1 v3 . u3 } sej— ortogon—l nos permite determin—r os ™oe(™ientes αD β e γ F he f—toD u2 = v2 + αu1 u2 . v2 .8. . u1 . sej—m ortogon—is entre siF xote que ™omo os u9s são ™om˜in—ção line—r dos v9sD span {u1 . u2 = v2 − u3 v2 . u1 v3 . u1 + α u1 . u1 v3 . u2 = v3 − u1 − u2 . u2 . u2 . u3 } = span {v1 .

Por Gram-Schmidt. u1 . . up }D por Processo de Ortogonalização de Gram-Schmidt u1 = v1 v2 . − up−1 . .  1 =  2  3   e u2  2 =  3 − 4    1 2  3 . . u1 . 0  . . u2 u3 = v3 − u1 − u2 .     4   1  2 .   5   4 0 5      . . u1 u1 . . u2 . u1 u1 − u2 − . 14 3 3 −2/7 4  Assim. u1 u2 . u1  1  2   =   3 . . . up = vp − u1 . u1 u2 .23 Solução: u1 Determine uma base ortogonal para     2   1    2 . . u1 v3 . .    Encontre uma base or- H. Exemplo 5. 1    3 −2 é base ortogonal de H.  2  3 4     1 1  2 . H = span   4 3 Por Gram-Schmidt. u1 v3 . v2 .24 Solução: tonormal para Seja    1 2      2 . 3 H = span   3   4    0 0     3 0   4   3 . u2 vp . u2 F F F F = F F vp . . up−1 vp . u2 up−1 . up−1 u2 = v2 − †—mos —present—r exemplosF eo (n—l dest— ƒeção v—mos rel—™ion—r este pro™esso ™om projeção ortogon—l e prov—r que o método fun™ion—F Exemplo 5.  2  3 3         1 1 4/7 2  2  =  3  − 20  2  =  1/7  . 3  .IST CAPÍTULO 5. vp } o˜temos outr—D ortogon—lD {u1 . PRODUTO INTERNO h—d— um— ˜—se {v1 .

 −2  0 0  0 0  . v4 }. Basta ortogonalizar este conjunto.  Poderíamos usar u2 exatamente como calculado acima. eliminar as frações e usar  4  1   u2 =   −2  . v2 .  −2  0 0 0 0         1 4 −1 0    3  18  2    −   + 5  1  = 1  2 . .        .    3   3  0 0      1 3   4  26  2   − 6  − =   5  14  3  21  0 0    1  2   −  3  0   4  1  = −2   0    3 4  4   1   . por conveniência.        4   −2   4   4   3  1 0    1   3  5 0 5 0   −      2 −     u4 =   3   −2   4  1 1 4 4  2   2   1   1  0 0 5  . u1 e u2 já foram calculados.      5   3  3  4  0 0  =   5 −  1   1   2   2  0  .    .5. Agora. =   4  14  3  21  −2  3  −1  0 0 15 5   −1  2   Como anteriormente. revela que v3 é combinação linear dos vetores anteriores. 15 Este resultado. Assim.8. reduzido em relação ao original.         0 4 0 1  3   1   3   2   . faremos u4 =   −1 .    1 2 3 0 1 2 3 0            1 2  2   3  =  3   4 0 0   1 4/7  20  2   1/7    −  14  3  =  −2/7 0 0     .        3   3   −2 . 0 Temos agora  u3    3 1  4   2   .    5   −2  0 0     4 4  1   1       −2 . PROCESSO DE ORTOGONALIZAÇÃO DE GRAM-SCHMIDT ISU  2  3   =   4 − 0          u2 2 3 4 0 1 2 3 0     . 0  0    4  1     −2  0 u3 = 0. H = span {v1 . Mas podemos.

. se Se γ = {u1 .25 (projeção em base ortogonal) nal de H então p PH v = i=1 Em particular. F F = F F up . zp )D        u1 . . u1 v. 1  3   −2    0 0 é base (pelo Lema 5. . u PH v = ↑  Prova: he(n— A = u1 ↓ T é solução do sistem— A Az   ↑ ↑ u2 · · · up F €el— ƒeção SFR d— pFIRVD PH v = AzD onde z ↓ ↓ T = AT A é um— m—triz  A vF gomo — ˜—se é ortogon—l   di—gon—lF  u1 . ui . u1 u2 u4      1  √      14 é base ortonormal de √ √ 12 + 22 + 32 + 02 = 14 = √ √ = 42 + 12 + 22 + 02 = 21 √ √ = 12 + 22 + 12 + 152 = 231      1 4 −1    1   2  1 1 2  .140) ortogonal de estes vetores. up v. u2 . temos que CAPÍTULO 5. ui . u1 v. u1   F      F F T FF F F AT Az =   F =A v= . . PRODUTO INTERNO    1 4       2 . ui ui . . . up essim se z = (z1 . √  .10 da p. ui e port—nto PH v = Az = vogo zi = ui . u1     F FF F w—is pre™is—menteD AT A =  F elém disso AT v =  . . ui ui . up } é base ortogo- v. ui p p zi ui = i=1 i=1 v.    −1    15   Para uma base ortonormal.ISV Desta forma. ui .  −1     2  . v. ui H é uma reta gerada por u. up v. †—mos rel—™ion—r — €rojeção yrtogon—l e o €ro™esso de yrtogon—liz—ção de qr—mEƒ™hmidtF €rimeiro v—mos prov—r um— fórmul— explí™it— p—r— projeção ortogon—l qu—ndo — ˜—se é ortoE gon—lF ‚elei— — ƒeção SFR d— pFIRV p—r— re™ord—r ™omo ™—l™ul—mos — projeção ortogon—lF Teorema 5. . u1 z1 z1 u1 . up zp zp up . up v. √   3   21  −2  231  −1   0 0 15 H. basta normalizar H. F F up . u u. u.

158: PH v = v. . V e seja dado. Compare e veja que é a mesma conta com outra Solução: Aplicando o Teorema 5. u1    2 1  0 . −1/3    4  1  −2  Exemplo 5. .26 (coecientes de Fourier) u∈V   α1  α2    [u]β =  . u2 v.  αn ortogonal β . u1 u1 + u2 u1 . determine PH v. Chamamos os αj de coecientes de Fourier de u com relação à base .  2  0 3     1 1  2 . αi = u. v2 . (Calculamos esta mesma projeção resolvendo um sistema linear no Exemplo 5. . vj obtemos que αi vi = u.149. 14 3 3 3/7 f—ses ortogon—is são ™onvenientes porque é fácil se determin—r —s ™oorden—d—s nest— ˜—se @vej— he(nição RFRW d— pFIIWA de um vetor d—doD sem — ne™essid—de de se resolver um sistem— line—rF Corolário 5.8.26 Considere H a reta gerada pelo vetor  1  2  3 e  2 v =  0 . (Calculamos esta notação.  2  3 3      1 4 8  2   2 + 1 = = 14 21 3 −2    2 4  0 . PROCESSO DE ORTOGONALIZAÇÃO DE GRAM-SCHMIDT ISW     4   1 Exemplo 5. vj v j . v n } n i=1 base ortogonal de Desta forma. Denindo Seja β = { v1 .  1  0 −2     4 4  1 .16 da p. u2     2 1  0 . u1 u2 . Compare e veja que é a mesma conta com outra notação. 0  Sabendo que a mesma projeção resolvendo um sistema linear no Exemplo 5.25 da p.) Solução: PH v = v. 0  Calcule PH v .25 Considere H = span  2  .  1    3 −2 base de H é ortogonal.17 da p. . u1 u1 = u1 . .149.  1  −2 −2  5/3 2/3  .  2  3 3        1 1 1/7  2  = 2  2  =  2/7  . .5.  2    1 0 3      2 + = 1 1 3  2 .) e  2 v =  0 .  .

. 1.ITH CAPÍTULO 5. vk } por rsF essim uk+1 ∈ span {v1 . vj F vj . −2. up } = span {v1 . .T. vk . . . v = Y @—A todo ™onjunto ortogon—l é ortonorm—l Y @˜A todo vetor nãoEnulo pode ser norm—liz—do Y @™A um ™onjunto ortonorm—l de vetores é sempre vs @dA v.1 Exercícios de Fixação Fix 5. . xz AY 1 23. . Então {u1 . .2012 22h Fix 5.1: gonsidere u = (1. vk+1 }F 5. 3)F Fix 5. vk+1 }F he form— —nálog— ™on™luímos que vk+1 ∈ Hk+1 F €ort—ntoD Hk+1 = span {v1 . . xy . T. . . . Prova: €or ™onstrução o ™onjunto span {u1 . λw = λ v. . para k = 1. . . y = 0. v) = F Y = Y @˜A Im(PH ) = Y @™A PH + PH ⊥ = Y 2 2 Fix 5.5: ƒe T éX @—A projeção ortogon—lD T 2 = @I. uk } . vk }F essim uk+1 é igu—l à som— de vk+1 e um elemento de Hk @PHk vk+1 AD que é igu—l — span {v1 . . x = 0. p − 1: uk+1 = PHk ⊥ vk +1 = vk +1 − PH vk +1 . −I ou 0F gonsidere T : R → R F ƒe T éX @—A projeção ortogon—l no eixo x seguido de projeção ortogon—l no eixo y D então T = Y @˜A re)exão no eixo x seguido de re)exão no eixo xD então T = Y @™A re)exão no eixo x seguido de re)exão no eixo y D então T = F Fix 5.2: hetermine se é †erd—deiro ou p—lsoX @—A u = Y @˜A u. up } é ortogonal e span {u1 . 1. −T AY @˜A re)exãoD T 2 = @I. .6: ƒe V ⊂ R12 e dim(V ) = 3D então dim(V ⊥ ) = F Fix 5. . vp } por induçãoF É ™l—ro que H1 = span {v1 } pois u1 = v1 F ƒuponh—D por hipótese de indução@rsAD que Hk = span {v1 . PRODUTO INTERNO Prova: αi = n ƒe u ∈ V é ™l—ro que PV u = uF ho „eorem— —nteriorD PV u = i=1 αi vi ™om u. . . . . −I. . . . . vj Dena de forma in- Teorema 5. . .9. y = −xAY @™A o eixo y em R3 D então W ⊥ é o @plano. vp }. . x = 0. . up } é ortogon—l pois ™—d— vetor —™res™enE t—do perten™e sempre —o ™omplemento ortogon—l do esp—ço ger—do pelos vetores —nterioresF †—mos mostr—r que Hp = span {v1 . k Hk = span {u1 . 0. w Y @eA λv = λ v F @—A Nuc(PH ) @™A d(u. vk . . . 0.4: gomplete —s l—™un—s ™om I. 1) e v = (−2. y . .27 (processo de ortogonalização de Gram-Schmidt) dutiva u1 = v1 e. . z . 2. −T AF Fix 5. y = 0. .ago. y = −xAY 2 ⊥ @˜A — ret— y = x em R D então W é — ret— @y = x.7: ƒe W éX @—A o eixo y em R2 D então W ⊥ é — ret— @y = x. eixoA @x. . . . . . −I. . .3: h—do H su˜esp—ço vetori—lX . . . yz . .9 Exercícios de Produto Interno 5.

2 Problemas Prob 5. eixoA @x. 3 .10: ƒ—˜endo que P éX @—A projeção ortogon—l no eixo y D P (x. y. 1). y. )Y @™A re)exão em torno do pl—no xz D P (x. (3. −1.2: g—l™ule — distân™i— entre os vetores −3 2         Prob Prob 5.  1. ≥A @dA o pl—no yz em R3 D então W ⊥ é o @eA Az = bY @fA z − b = 0Y @gA z − b > 0Y @hA PIm(A) z = bY @iA PIm(A) b = zY Fix 5. y . −1/ 2)F hetermine o ângulo de rot—çãoF hi™—X pense no pl—no perpendi™ul—r —o eixo de rot—çãoF Prob 5. z. . 1) ⊂ R3 Y  . z. EXERCÍCIOS DE PRODUTO INTERNO ITI @plano. . 0.9. w)F Prob 5. z ) = ( .3: in™ontre um— ˜—se de H ⊥ D onde @—A H é — ret— em R2 d—d— por 2x + 3y = 0Y @˜A H é o pl—no em R3 d—do por x − y + z = 0Y @™A H = (1. w)Y hi™—X xão tente ™—l™ul—r P 100 expli™it—mente3 @˜A P 100 (x.9. 0)F g—l™ule Prob 5.9: ƒe z é solução de mínimos qu—dr—dos de Ax = b então d(Az.     1   0   −3        −1 2 −5 @—A P (x. xy . )F 5.4: ƒej— P : R4 → R4 — projeção ortogon—l n— ret— ger—d— por (1. 0.  1  .6: ƒej— T √ : R3 → R3√ um— rot—ção em rel—ção —o eixo (1.7: 3 …se mínimos qu—dr—dos p—r— julg—r se — moed— deste experimento é honest—F Prob 5. 1. (2 −2.5: in™ontre —s m—trizes d—s „vs T : Rn → Rn X T (0. z ) = ( .1: hetermine se os ™onjuntos —˜—ixo são ortogon—isX        5 3   −1 @—A  4  . b) @d(Ax. V R IT W PR IQ QP IU RH PH . z . y. 1)F ƒ—˜eEse que @—A n = 2D projeção ortogon—l n— ret— {(2t.  7    3 4 0     4 −3    3 e −1 F 5.  2  ⊂ R5 .8: ƒe z é solução de mínimos qu—dr—dos de Ax = b então é sempre verd—de queX Fix 5. −t) ∈ R2 . @˜A n = 3D projeção ortogon—l so˜re o pl—no x = z F para t ∈ R}Y jogadas caras 3 Adaptado de [6]. y. xz AF Fix 5. 0) = (−1/ 2. b)A p—r— todo xF @≤.  2). 0. )Y @˜A projeção ortogon—l no pl—no xy D P (x.5. y. b).  0 0 0              − 2 1 2             @dA H = span  −2  . .  −4  Y   −3 1 −7     3 −1 3        −2   3   8 @˜A   1  .  2  . z ) = ( . yz . d(x.  −3  .

2. 2).2: ƒej— v ∈ V um vetor não nuloF €rove que — m—triz de projeção ortogon—l n— direção v é d—d— por vvT . y (t). b ∈ R.1: in™ontre um— ˜—se p—r— H ⊥ seX @—A H = (1. 0. 1. 1. 1. −1.9. 1) @deixe indi™—do ™omo produto de m—trizesD não pre™is— expli™it—r o produtoAF Ext 5.4: ƒej— H su˜esp—ço vetori—lF wostre que H ∩ H ⊥ = {0}F Ext 5. −1)D . 3).9: in™ontre — melhor —proxim—ção de   2  por vetores d— form— 3     2 1  −1     + b  1  .ITP CAPÍTULO 5. 1) = (0. a  −3   0  1 −1     1 3  3   3  .  0   −1 1 −1      1 1 0 1  1 1 0   3     Prob 5. −2) Y @™A n = 2D re)exão em torno d— ret— 2x − 4y = 0Y @dA n = 2D re)exão em torno d— ret— y = 3xF @eA n = 2D projeção ortogon—l n— ret— y = x seguid— de rot—ção de 45◦ Y x−w = 0 @fA n = 4D projeção ortogon—l so˜re o pl—no y=z = 0 ◦ @gA n = 3D rot—ção de 45 em torno do eixo (1. −t. −3. g—l™ule PH vF −3 1   3  −7   5. PRODUTO INTERNO Prob Prob    3 7   0   1   . (1. 1) ⊂ R4 Y @™A H é — interseção dos pl—nos x − y − z = 0 e 2x − y + z = 0Y @dA H é — ret— em R3 p—r—metriz—d— por (x(t).8: ƒej—m H = e v=   3   3  . 2. 4) ⊂ R4 Y @˜A H = (1.  5.10: ƒej— A =   1 0 1  e b =  8 F 1 0 1 2 @—A in™ontre o ™onjuntoEsolução do pro˜lem— de mínimos qu—dr—dos —sso™i—do —o sistem— line—r Ax = bY @˜A …se o item —nterior p—r— ™—l™ul—r PIm(A) bF @hi™—X vo™ê pode us—r qualquer solução do pro˜lem— de mínimos qu—dr—dosFA 5. Pv = v Ext 5. 0. z (t)) = (2t. (−4.3 Extras Ext 5. 3t)Y Ext 5.5: im ™—d— item dê um exemplo de um— „v s—tisf—zendo —s ™ondições d—d—sX @—A R : R2 → R2 um— re)exão ™om R(0. com a. −4. −3. (2. 0).3: in™ontre —s m—trizes d—s „vs T : Rn → Rn X @—A n = 2D projeção ortogon—l n— ret— 2x − 4y = 0Y @˜A n = 2D projeção ortogon—l n— ret— (0.

2) e (3. vn vetores ortogon—is dois — doisD isto éD vi . 1) = (1.0)F Ext 5. 2. 3. 1)Y @™A T : R3 → R3 um— re)exão t—l que T (2.7: ƒej— R um— re)exão em torno d— ret— 3x + 5y = 0 e P um— projeção ortogon—l nest— ret—F @—A hetermine um vetor v = 0 t—l que P v = vY @˜A hetermine um vetor v = 0 t—l que Rv = −vY @™A g—l™ule o nú™leo de P F @dA g—l™ule o nú™leo de RF hi™—X não pre™is— ™—l™ul—r nem P nem R expli™it—menteF = v1 2 + · · · + vn 2 . 1) = (1. . 2) = (0.9. . 3)D determine θF i = 1.5. 2. . nF €rove que w = 0F Ext 5. .9: @„eorem— de €itágor—s gener—liz—doA ƒej—m v1 . 3/2. Ext 5. .1)D (1.10: @—A in™ontre — equ—ção y = ax + b d— ret— que melhor —just— os pontos (0.1) e . w = 0 p—r— todo Ext 5. EXERCÍCIOS DE PRODUTO INTERNO ITQ @˜A P : R2 → R2 um— projeção ortogon—l num— ret— ™om P (1.  F  1   2  1 3 Ext 5. vn } um— ˜—se de V e w ∈ V t—l que vi . . . 3/2)F √ ¢ 3. 0) e Ext√ 5.11: e forç— —pli™—d— num— mol— e su— distenção estão rel—™ion—d—s por um— rel—ção line—rF €—r— determin—r est— rel—ção p—r— um— ™ert— mol— (zemos medid—s de distensões e o˜temos — seguinte t—˜el—X forç— —pli™—d— y @xA HDS IDH IDS PDH PDS distenção x @™mA HDT HDW IDU PDI PDR wonte o sistem— @so˜redetermin—doA que determin— a. v2 . 1. 2) = (2. 1)F @dA T : R3 → R3 um— projeção ortogon—l t—l que T (2. . v2 . b d— ret— y = ax + b e resolv— por mínimos qu—dráti™osF (2. . 1)D (1. 1. vj = 0 se i = j F €rove que v1 + · · · + vn 2 Ext 5. 1)D (2. 0. −1) = (2. .6: ƒej— Rθ um— rot—ção do pl—no de â ngulo θ F ƒ—˜endo que R ( θ √ Rθ ( 3. . 2)F @˜A is˜o™e um grá(™o ilustr—ndo o item —nteriorF   1  1   @™A …se su— respost— —o item @—A p—r— en™ontr—r — projeção ortogon—l de   2  so˜re 2     1 0  1   1   .8: ƒej— {v1 .12: hetermine — ret— que melhor se —just— —os seguintes pontosX (0. .

4: ƒej— D ∈ Mn×n um— m—triz di—gon—l t—l que todos elementos d— di—gon—l são positivos nãoEnulosF wostre que u. @™A 5 Des 5. −2u2 − 4u3 − 2u4 − 4u5 . u2 + 2u3 + 2u4 + 3u5 .9. 8.2 #10. u5 } ˜—se ortonorm—l de V F ƒej— H = u2 + 2u3 + u4 + u5 .  4  . B = tr—ço(AB T ) @†ej— de(nição no ixt UFRFQ Des 5. W são su˜esp—ços de um esp—ço vetori—l entãoX @—A H ⊥ ∩ W ⊥ ⊂ (H ∩ W )⊥ Y @˜A (H ⊥ )⊥ = H F Des 5. b −a Des 5.ITR CAPÍTULO 5. . 1].1: 4 …m— „v P : Rn → Rn é dit— projeção @não é ne™ess—ri—mente ortogon—l3A se d— pFPIPAF @—A prove que  é um produto  internoY ↑ ↑ @˜A se A =  v1 · · · vn D prove que A @norm— de AA induzid— pelo produto interno ↓ ↓ s—tisf—zX A 2 = v1 2 + · · · + vn 2 . u4 . R) o produto interno f. g = @—A x.  1  é ˜—se   1 1 −2   8 [v]β D onde v =  −4 F −3 hi™—X xão resolv— nenhum sistem— line—r3 ortogonal de R3 D expresse Ext 5.4 Desaos P2 = PF @—A wostre que um— projeção ortogon—l possui est— propried—deY @˜A wostre que existe um— ˜—se t—l que P (vi ) = vi p—r— i < k e P (vi ) = 0 p—r— i ≥ k F I 0 @™A wostre que nest— ˜—se P é d— form— em ˜lo™os F 0 0 Des 5. u2 .2: ƒej— V esp—ço vetori—l ™om produto interno e {u1 . B ∈ Mn×n F he(n— A. x2 Y @˜A x2 . v ∈ Rn F en™ontre o ™omplemento ortogon—l do su˜esp—ço d—s m—trizes di—gon—isF Des 5.5: wostre que em R2 tod— m—triz deX @—A projeção ortogon—l possui — form— @˜A re)exão possui — form— a b b c .7: wostre d—d— m—triz invertível A existem S —utoE—djunt— @S T = S A e Q ortogon—l @QT = Q−1 A t—is que A = SQF ist— é ™h—m—d— de de™omposição pol—r de AD em —n—logi— 4 Adaptado de [6].14: he(n— em C ([0. PRODUTO INTERNO       −1 2   1 Ext 5. sec.289.3: ƒej—m A.13: h—do que β =  0  . v = vT Du é um produto interno p—r— u.6: wostre que se H. u3 . x3 Y 0 1 f (s)g (s) dsF g—l™uleX @™A 1 − x F 5. 5 Veja [7] p. in™ontre um— ˜—se p—r— H ⊥ F Des 5. a b .

 c) ∈2 R D ™om a + b + c = 1 éX  a (1 − cos θ) + cos θ ab(1 − cos θ) − c sen θ ac(1 − cos θ) + b sen θ  ab(1 − cos θ) + c sen θ b2 (1 − cos θ) + cos θ bc(1 − cos θ) − a sen θ  .9.10: snterprete o —lgoritmo de qr—mEƒ™hmidt ™omo um— de™omposição A = QRD ™om Q ortogon—l e R tri—ngul—r superiorF Des 5.11: €rove que — m—triz de rot—ção —ntiEhorári— por um ângulo θ em torno do eixo 3 2 2 2 (a. EXERCÍCIOS DE PRODUTO INTERNO ITS ™om ™omplexosX S é o módulo @esti™—mentoA e Q — p—rte —ngul—r @rot—çãoAF €rove que el— é úni™—F Des 5. c) e utilize m—triz de rot—ção no pl—no xy F Des 5.5. W )D de(n— T = max u V T (u) =1 WF €rove que isto de(ne um— norm— nos esp—ço d—s „vsF Des 5.8: in™ontre o polinômio p(x) = xn + an−1 xn−1 + · · · + a1 x + a0 p—r— o qu—l — integr—l 1 p2 (x) dx −1 é o menor v—lor possívelF Des 5. b. b. . ac(1 − cos θ) − b sen θ bc(1 − cos θ) + a sen θ c2 (1 − cos θ) + cos θ gon™lu— que se A é m—triz de rot—çãoD o ângulo θ de rot—ção s—tisf—z cos θ = (tr—ço(A) − 1)/2F hi™—X wude ˜—se lev—ndo o eixoEz em (a.9: h—do T ∈ L(V .12: ƒuponh— que R é um— rot—ção em R3 em tornode um eixo (xoF  1 0 0 @—A prove que existe um— ˜—se β do R3 t—l que [R]β =  0 cos θ − sen θ Y 0 sen θ cos θ @˜A €rove que6 se w ∈ R3 é um vetor nãoEnulo que não pertenç— —o pl—no de rot—ção então v = Rw + RT w + (I − tr—ço(R))w determin— o eixo de rot—ção de RF 6 Veja [1].

ITT CAPÍTULO 5. PRODUTO INTERNO .

2012 16h ITU .Cap´ ıtulo 6 Determinante †—mos responder —s seguintes pergunt—s so˜re o determin—nteX @—A y que éc @˜A u—is são su—s propried—desc @™A gomo se ™—l™ul— @u—l é — fórmul— ou —lgoritmo p—r— o ™ál™uloAc @dA u—l — utilid—dec xote que s—˜er o que é não é o mesmo que s—˜er como se ™—l™ul—F O que é o determinante? y determin—nte é um— função que —sso™i— — ™—d— m—triz re—l qu—dr—d— A um número denot—do por det(A)F hest— form—D det : {m—trizes qu—dr—d—s} → RF y determin—nte é um— gener—liz—ção de áre— e volumeF xosso pl—no é deduzir propried—des @line—rid—de por exemploA do determin—nte por ser áre— @e volumeA no R2 e em Rn inverter o procedimentoD de(nindo o determin—nte —tr—vés dest—s propried—desF hepois disso —present—mos um —lgoritmo p—r— o ™ál™ulo do determin—nteF Qual a utilidade do determinante? @—A ™—r—™teriz—r m—trizes nãoEinvertíveis @isto éD —s m—trizes singul—resA ! fund—ment—l p—r— o g—pítulo de eutov—lores e eutovetoresY @˜A determin—r os ™h—m—dos —utov—lores de um— m—trizD tem— do próximo ™—pítuloY @™A rel—™ion—r áre—sGvolumes de regiões do pl—noGesp—ço —pós —pli™—ção de um— função ! fund—ment—l em mud—nç— de v—riáveis de integr—l múltipl—Y @dA o˜ter fórmul— de solução de sistem— line—r @regr— de gr—merAY @eA o˜ter fórmul— d— m—triz invers— @vej— Wikipedia: Matriz inversaAF 6.jun. u. v.1 Motivação Geométrica 2 y determin—nte  de um—  m—triz qu—dr—d— é um— gener—liz—ção de áre— e volumeF im R D d—d— ↑ ↑ a c m—triz A =  u v  = D —sso™ie o p—r—lelogr—mo P ™om vérti™es n— extremid—de b d ↓ ↓ dos vetores 0. u + vD ™onforme indi™—do n— pigur— TFIF 1 Versão 28.

T2 . T3 . DETERMINANTE u+v v u 0 pigur— TFIX €—r—lelogr—mo qer—do por u e v y determin—nte de A será de(nido ™omo — áre—1 de P F †—mos deduzir um— fórmul— d— áre— do p—r—lelogr—mo P F €—r— isto sej—m u = (a. T3 = b(2c + a)/2.185.1 (determinante de matriz 2 × 2) Denimos o determinante (det) da matriz por: Considere a matriz a c b d . ifetu—ndoD área(P ) T2 = c(2b + d)/2.1 e a Seção 6.7 da p.2 pois senão (se u estiver no 2o quadrante por exemplo) poderíamos obter bc − ad ao invés de . T4 dos triângulos e tr—pézios indi™—dos n— pigur— TFPF g—l™ul—ndo —s áre—sX T1 = ab/2. b) e v = (c. d)F e áre— de P é igu—l — áre— do retângulo (a + c)(b + d) menos — som— d—s áre—s T1 . T4 = cd/2. Vamos supor que u e v estão na conguração da Figura 6.ITV CAPÍTULO 6. 1 Na verdade área com sinal ad − bc. = (a + c)(b + d) − [ab/2 + c(b + d/2) + b(c + a/2) + cd/2] = ad − bcF y b+d T3 d T4 b T1 c a v P u T2 a+c x pigur— TFPX hedução d— Áre— do €—r—lelogr—mo qer—do por u e v ssto motiv— — seguinte de(niçãoF Denição 6. de P: Leia Observação 6. det a c b d = ad − bc.

determinante generaliza área com sinal. im R3 @— fórmul— v—i —p—re™er em ˜reve3AD podemos de(nir o determin—nte d— seguinte form—F   ↑ ↑ ↑ Denição 6.3. MOTIVAÇÃO GEOMÉTRICA ITW Note que Observação 6. Se a integral fosse simplesmente a área. w. Denimos o determinante de A como o volume (com sinal) do paralelepípedo P . x dx e 0 −x2 dx 0 1 2 1 1 seriam ambas estritamente positivas e portanto x dx + 0 −x2 dx = 0 (x2 − x2 ) dx = 0 1 0 dx = 0. Associamos a esta matriz o paralelepípedo P gerado por u. v e w entes de de(nir o determin—nte p—r— m—trizes n × n v—mos veri(™—r —lgum—s propried—des d— áre— no R2 F gonvid—mos o leitor — veri(™—r propried—des simil—res do volume em R3 F es (gur—s que seguem não represent—m todos os ™—sos possíveis e são de ™—ráter motiv—™ion—lF ‚etom—mos o rigor m—temáti™o — p—rtir do „eorem— TFQ d— pFIUIF €ropried—de I—X wultipli™—ção por es™—l—r     ↑ ↑ ↑ ↑ @I—A det  k u w  = k det  u w  @se multipli™—rmos um— ™olun— por k o determiE ↓ ↓ ↓ ↓ n—nte será multipli™—do por k AF gonforme sugerido pel— pigur— TFRD se multipli™—mos o vetor u por 2 dupli™—mos — áre—D por 3 tripli™—mos — áre— e —ssim por di—nteF y mesmo o™orre ™om fr—çõesD ™omo por exemplo mulE v 0 . ↓ ↓ ↓ 3 com u. Com isto a integral não seria linear com relação a soma (integral da soma 0 de duas funções é igual a soma das integrais). quando a integral de uma função é associada a área (com sinal) entre a curva e o eixo-x: área acima do eixo é considerada positiva e abaixo 1 2 1 é considerada negativa.1 (área com sinal) − det verte. det 1 0 0 1 = 1 = módulo do determinante. Por razões análogas o determinante é área com sinal (para ser linear).6. v.2 (determinante de matriz 3 × 3) Considere a matriz A =  u v w . v. De fato a área é o 0 1 1 0 = −(−1): trocando duas colunas o sinal do determinante se inAssim é mais preciso dizer que o Área com sinal aparece no cálculo. conforme indicado na Figura 6. w u pigur— TFQX €—r—lelepípedo qer—do por u.1. w ∈ R .

DETERMINANTE tipli™—ndo u por 3.IUH CAPÍTULO 6. . com w paralelo ao eixo x por exemplo. 5u pigur— TFRX €roduto por is™—l—r e wud—nç— de Áre— e †olume €ropried—de I˜X ƒom— de vetores     ↑ ↑ ↑ ↑ ↑ ↑ @I˜A det  u + v w  = det  u w  + det  v w  @determin—nte d— som— de dois ↓ ↓ ↓ ↓ ↓ ↓ vetores é igu—l — som— dos determin—ntesAF   u+v v u1 + v1 v1 u1 0 w u pigur— TFSX ƒom— de †etores e wud—nç— de Áre— †—mos motiv—r1 este result—do —tr—vés d— pigur— TFSF ueremos prov—r que — som— d—s áre— do p—r—lelogr—mo ger—do por u e w ™om — áre— do p—r—lelogr—mo ger—do por v e w é igu—l — áre— do p—r—lelogr—mo ger—do por u + v e wF y˜serve que os três p—r—lelogr—mos possuem — —rest— d— ˜—se w em ™omumF gomo — áre— é ˜—se vezes —ltur—D ˜—st— ™omp—r—r —s —ltur—sF es —ltur—s são —s projeções ortogon—is de u = (u1 . 5F im R3 D se multipli™—mos um— —rest— por k o volume do p—r—lelepípedo é multipli™—do por k F v 3u 2u u 0 3. Mas a Figura 6. u2 + v2 )D — projeção ortogon—l de u + v é u1 + v1 F vogo — —ltur— do p—r—lelogr—mo m—ior é igu—l — som— d—s —ltur—s dos menores e ™on™luímos o result—doF im R3 podemos f—zer —lgo —nálogo ™om p—r—lelepípedosF heix—mos os det—lhes p—r— o leitor @ou p—r— o professorAF €ropried—de I @resumoAX hetermin—nte é vine—r em ™—d— ™olun—F tunt—ndo —s €ropried—des I@—A e I@˜A e o˜serv—ndo que o r—™io™ínio v—le p—r— segund— ™olun— d— m—triz t—m˜émF gon™luímos que o determin—nte é line—r n— primeir— ou n— segund— 1 Note que estamos colocando os vetores em uma posição particular. 5u w v 3u 2u u 0 3. v2 ) n— direção perpendi™ul—r — wD ou sej— u1 e v1 F gomo u + v = (u1 + v1 .5 é somente uma ilustração da relação entre a Propriedade 1b e área. u2 ) e v = (v1 .

3 (caracterização algébrica do determinante) Considere o conjunto Mn×n das matrizes reais1 quadradas n × n.2. Existe uma única função det : Mn×n → R com as seguintes propriedades: Propriedade Propriedade Propriedade 1: é linear em cada coluna. DEFINIÇÃO E PROPRIEDADES BÁSICAS IUI ™olun—F ∈ R2 e  k ∈ RX   essim d—dos  u.6. w.2 Denição e Propriedades Básicas e de(nição de determin—nte é ˜—se—d— num f—to surpreendente expresso no próximo teorem—X existe um— única função ™om —s propried—des d— função áre— e volume —present—d—s n— seção —nteriorF Teorema 6. v. . 2 det(I ) = 1. v. w ↑ ↑ ↑ ↑ ↑      det k u + v w = k det u w + det v ↓ ↓ ↓ ↓ ↓      ↑ ↑ ↑ ↑ ↑      det u k v + w = k det u v + det u ↓ ↓ ↓ ↓ ↓  ↑ w ↓  ↑ w ↓ e he form— —nálog— em R3 o determin—nte é line—r n— essim z ∈ R3 e k  d—dos u.  ∈ RX   ↑ ↑ ↑ ↑ ↑ ↑ ↑      det k u + z v w = k det u v w + det z ↓ ↓ ↓ ↓ ↓ ↓ ↓      ↑ ↑ ↑ ↑ ↑ ↑ ↑ det  u k v + z w  = k det  u v w  + det  u ↓ ↓ ↓ ↓ ↓ ↓ ↓      ↑ ↑ ↑ ↑ ↑ ↑ ↑ det  u v k w + z  = k det  u v w  + det  u ↓ ↓ ↓ ↓ ↓ ↓ ↓ primeir—D segund— ou ter™eir— ™olun—F  ↑ ↑ v we ↓ ↓  ↑ ↑ z we ↓ ↓  ↑ ↑ v z ↓ ↓ €ropried—de PX hetermin—nte é zero se vetores são vhsF ƒe os vetores são line—rmente dependentes @vhsA o p—r—lelogr—mo será degener—do num segmento de ret— ou pontoD que possui áre— zeroF im R3 D se os Q vetores ™olun— d— m—triz forem vhs o p—r—lelepípedo v—i se degener—r num p—r—lelogr—mo ou segmento de ret— ou pontoD que possui volume zeroF €ort—ntoD se os vetores são vhs o determin—nte é zeroF €ropried—de QX hetermin—nte d— m—triz identid—de é 1F e áre— e volume devem ter de medid—F gomo um qu—dr—do de l—do 1 possui  um— unid—de  ↑ ↑ 1 0 áre— ID det = det  e1 e2  = det I = 1 ho mesmo modo o um ™u˜o de l—do 1 0 1 ↓↓    1 0 0 ↑ ↑ ↑ possui volume 1D det  0 1 0  = det  e1 e2 e3  = det I = 1F 0 0 1 ↓ ↓ ↓ 6. 3: 2: é zero se as colunas são LDs.

certamente você compartilha o pensamento da maioria das pessoas medianamente educadas. DETERMINANTE Prova: gonsulte ‘U“F Denição 6. mas com conhecimentos apenas superciais de matemática. Q. com K = R.3 det(B ).5 da p.1  (a) Calcule: (b)  ↑ ↑ ↑ det  u v 3u − 5v .IUP CAPÍTULO 6. ou (c) troca de sinal se trocarmos duas colunas + Prop 1.2 (veja [8]): Embora completa. etc. Deixo para reexão do leitor o que disse Klaus Jänich Se você ainda acha que a informação mais importante acerca de um objeto matemático é uma fórmula para calcular o seu valor. chegar Podemos ao resultado correto usando linearidade da seguinte forma:    ↑ ↑ ↑ ↑ det(2I ) = det  2e1 2e2  = (linearidade na primeira coluna) 2 det  e1 2e2  = ↓ ↓ ↓ ↓   ↑ ↑  e1 e2  = 4. Solução: @—A gomo w = 3u − 5v é múltiplo dos outros doisD isto éD perten™e —o pl—no u. De fato pode-se escolher Prop 1 + (b) ou Prop 1 + (c) ao invés de nossa escolha por Prop 1 + (a). (linearidade na segunda coluna) 2 · 2 det ↓ ↓  Exemplo 6.94) que representa T.4 (determinante) O determinante de uma matriz quadrada A é a função n n dada pelo teorema acima. Observação 6.30) det : M n×n (K) → K. ou (b) é zero se duas colunas são iguais + Prop 1. v D Lema 6. 2 São equivalentes assumir que determinante: (a) é zero se colunas são LDs + Prop 1.2 da p. O determinante de uma transformação linear T : R → R é igual ao determinante da matriz A (dada pelo Lema 4. det 1 0 0 1 + 1 0 0 1 = 1 + 1 = 2. a denição acima não apresenta (diretamente) uma fórmula para calcular o determinante. o p—r—lelepípedo é degener—doD possuindo volume igu—l — 0F vogoD det = 0F @˜A €or line—rid—de retir—mos um 2 de ™—d— vezX det(2I ) = det[2e1 2e2 · · · 2en ] = = 2 det[e1 2e2 · · · 2en ] = 22 det[e1 e2 · · · 2en ] = 2n det[e1 e2 · · · en ] = 2n det I = 2n . . det 1 0 0 1 A Propriedade 1 (linearidade) não signica que det(A+B ) = det(A)+ = det 2 0 0 2 = 4 = det 1 0 0 1 + Por exemplo. Observação 6. C.5 Propriedade 4: Se trocarmos duas colunas o determinante troca de sinal. ↓ ↓ ↓ det(2I ) se I é a matriz identidade n × n. Prova: †—mos prov—r no ™—so 2 × 2F y ™—so ger—l é prov—do de form— simil—r ™om m—is ™olun—sF €el— line—rid—de @€ropried—de IAD       ↑ ↑ ↑ ↑ ↑ ↑ det  u + v u + v  = det  u u + v  + det  v u + v  = ↓ ↓ ↓ ↓ ↓ ↓ 1 De forma geral (veja Denição 2.

↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ €el— €ropried—de P @determin—nte é zero se ™olun—s são vhsA       ↑ ↑ ↑ ↑ ↑ ↑ det  u + v u + v  = det  u u  = det  v v  = 0.1 Fórmula do Determinante em R2 e R3: Regra de Sarrus †—mos deduzir —s fórmul—s @˜em ™onhe™id—sA do determin—nte de um— m—triz 2 × 2 e 3 × 3 utiliz—ndo o —s propried—des do „eorem— TFQ d— pFIUIF y o˜jetivo é mostr—r ™omo poderí—mos f—zer p—r— deduzir — fórmul— p—r— um— m—triz n × n p—r— qu—lquer n ∈ NF pórmul— do  ↑ ↑ a gonsidere A =  u v  = b ↓ ↓ det(A) = a det e1 v + b det ™olun—AD determin—nte de m—triz 2 × 2  c F gomo u = ae1 + be2 D pel— line—rid—de @I— ™olun—AD d e2 v F gomo v = ce1 + de2 D pel— line—rid—de @P— + b c det e2 e1 + d det e2 e2 . isto éD det  u v  = − det  v u F ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓  6. CALCULANDO DETERMINANTE IUQ        ↑ ↑ ↑ ↑ ↑ ↑ ↑ ↑ = det  u u  + det  u v  + det  v u  + det  v v  .3.3. ↓ ↓ ↓ ↓ ↓ ↓         ↑ ↑ ↑ ↑ ↑ ↑ ↑ ↑ vogo det  u v  + det  v u  = 0. Solução: @—A É um— tro™— @I— ™om P— ™olun—A p—r— o˜ter — m—triz I X det = −1F @˜A É um— tro™— @I— ™om Q— ™olun—A p—r— o˜ter — m—triz I X det = −1F @™A gomo possui du—s ™olun—s igu—isD det = 0 @dA ƒão P tro™—s  @I— ™om P—D  P— ™om Q—A p—r—  o˜ter I X det = 1F ↑ ↑ ↑ a d g    gonsidere A = u v w = b e h F gomo u = ae1 + be2 + ce3 D pel— line—rid—de ↓ ↓ ↓ c f i @I— ™olun—AD det(A) = a det e1 v w +b det e2 v w +c det e3 v w F †—mos .6.2 (a) Determine o valor dos determinantes de cada matriz: . (d) e2 e3 e1 .3 Calculando Determinante 6. (c) e3 e2 e3 . det(A) = a c det e1 e1 + d det e1 e2 gomo o determin—nte se —nul— se —s ™olun—s são igu—is @vhsA o˜temos det(A) = ad det e1 e2 + bc det e2 e1 . „ro™—ndo ™olun— @vem— TFSA e pel— €ropried—de QD det(A) = ad · 1 + bc( pórmul— do determin—nte de m—triz 3 × 3 entes de deduzir — fórmul—D é import—nte o leitor estud—r o exemplo —˜—ixoF Exemplo 6. ˙ − 1) = ad − bc. (b) e2 e1 e3 e3 e2 e1 .

6 (determinante da transposta) Propriedade 5: Se A é uma matriz quadrada então det(AT ) = det(A). .IUR CAPÍTULO 6. y primeiro termo v—le zero pois têm du—s ™olun—s igu—isF essimD a det e1 v w = a e det e1 e2 w + f det e1 e3 w . y úni™o termo nãoEnulo é o últimoF essimD e det e1 e2 w = eiF ‚etorn—ndo —o iní™io ™on™luímos que um termo do det A é aeiF „odos os termos vão envolver det ei ej ek D que v—lerão 1 ou −1 ou 0 dependendo d— permut—ção dos vetoresF gonvid—mos o leitor — exp—ndir —té o (n—l e o˜ter que det(A) = aei − ahf + dhc − dbi + gbf − gecF es fórmul—s do det p—r— m—triz 2 × 2 e 3 × 3 podem ser represent—dos pel— ™h—m—d— regra de Sarrus —present—d— n— pigur— TFTF  a c b d − + a b c d e f  g a d h b e i c f + + + − − − pigur— TFTX ‚egr— de ƒ—rrusX hetermin—nte de w—triz 2 × 2 e 3 × 3F Observação 6. e Fórmula de Leibniz @vej— Wikipedia: DeterminanteA do determin—nte de um— m—triz n × n pode ser deduzid— exp—ndindo por ™olun—s ™omo (zemos p—r— m—triz 3 × 3F y˜temos um— som— de termosD ™om sin—is + ou −D — gr—nde m—iori— dos qu—is são zero @™orrespondendo às ™olun—s repetid—sA e so˜r—m —pen—s os que são o produto de n entr—d—s d— m—triz em que não há du—s entr—d—s d— mesm— linh— nem d— mesm— ™olun— @pense em ƒodoku3AF 6. .2 Algoritmo para Cálculo do Determinante epresent—mos um —lgoritmo p—r— o ™ál™ulo do determin—nte ˜—se—do n—s operações elementares @he(nição PFU d— pFQVAD us—d—s —nteriormente p—r— resolver sistem—s line—resF €rimeiro tr—nsferimos —s propried—des do determin—nte por linh— p—r— ™olun— —tr—vés d— propried—de do determin—nte d— m—triz tr—nspost— @he(nição RFIQ d— pFIHRAF hepois veE ri(™—mos o efeito no determin—nte d— —pli™—ção d—s oper—ções element—resF …tiliz—ndoE—s ™olo™—mos — m—triz n— form— es™—lon—d— tri—ngul—rF pin—liz—mos prov—ndo que se — m—triz é tri—ngul—r @superior ou inferiorA é fá™il ™—l™ul—r seu determin—nteF Teorema 6. †—mos prosseguir ™om o primeiro dos dois termosF gomo w = g e1 + he2 + ie3 D pel— line—rid—de @Q— ™olun—AD o˜temos que e det e1 e2 w = e g det e1 e2 e1 + h det e1 e2 e2 + i det e1 e2 e3 .4 (regra de Sarrus) A regra de Sarrus não generaliza para dimensão maior que 3: Não existe procedimento semelhante a este para matrizes 4 × 4.3. DETERMINANTE prosseguir ™om o primeiro dos três termosF gomo v = de1 + ee2 + f e3 D pel— line—rid—de @P— ™olun—AD a det e1 v w = a d det e1 e1 w + e det e1 e2 w + f det e1 e3 w .

Portanto: Propriedade (a) é linear em cada linha.8 (operações elementares e determinante) mentar abaixo sobre o determinante de uma matriz é: (a) trocar linhas: determinante troca de sinal. (b) é zero se as linha são LDs. CALCULANDO DETERMINANTE IUS Prova: É um— prov— té™ni™—F †ej— ‘U“F e €ropried—de S permite tr—nsferir todas —s propried—des do determin—nte ™om rel—ção às ™olun—s p—r— —s linh—s d— m—trizF Corolário 6. Prova: ƒegue f—™ilmente do teorem— —nterior e propried—des ™orrespondentes @por ™olun—sA do determin—nteF Corolário 6. Prova: ys itens @—A e @˜A seguem diret—mente do último gorolárioF u—nto —o item @™AD pelo „eorem— TFTD ˜—st— mostr—r   propried—de ™orrespondente por ™olun—F gonsidere ↑ ↑ A =  · · · u · · · v · · · F ƒu˜stituindo um— ™olun— pel— som— ™om múltiplo de outr— ↓ ↓  ↑ ↑ o˜temos B =  · · · u + k v · · · v · · · F €ort—ntoD por line—rid—deD ↓ ↓   ↑ ↑ det B = det  · · · u + k v · · · v · · ·  = ↓ ↓     ↑ ↑ ↑ ↑ = det  · · · u · · · v · · ·  + k det  · · · v · · · v · · ·  .9 (determinante de matriz triangular) Propriedade 7: Se uma matriz é triangular (superior ou inferior) então seu determinante é igual ao produto dos elementos da diagonal. †—mos supor que — m—triz é tri—ngul—r superior @—rgumento —nálogo v—le p—r— tri—ngul—r inferiorAF gonsidere dois ™—sosX @—A tem pelo menos um zero n— di—gon—lF ƒuponh— que akk = 0F gonsidere M — m—triz form—d— pel—s k primeir—s ™olun—s dest— m—trizF gomo M está es™—lon—d— ™om no máximo k − 1 linh—s nãoEnul—sD — dimensão do esp—çoElinh— de M é no máximo k − 1F €elo vem— RFIS Prova: .6.7 Todas as propriedades do determinante para colunas são verdadeiras para as 6: O determinante: linhas. (c) substituir linha por sua soma com múltiplo de outra: determinante não se altera. O efeito de cada operação ele- (b) multiplicar linha por escalar não-nulo: determinante é multiplicado por escalar.3. ↓ ↓ ↓ ↓ gomo du—s ™olun—s são igu—is  no último ↑ k A e port—nto det B = det  · · · u · · · ↓ determin—nteD ele é nulo @independente do v—lor de  ↑ v · · ·  = det AF ↓ Lema 6. (c) troca de sinal quando se trocam duas linhas.

IUT

CAPÍTULO 6.

DETERMINANTE

d— pFIHRD — dimensão do esp—çoE™olun— de M é igu—l — dimensão do esp—çoElinh—D e port—nto é no máximo k − 1F gomo são k vetores ™olun— de M ger—ndo esp—ço de dimensão máxim— k − 1D —s ™olun—s de M D e por ™onsequên™i— —s primeir—s k ™olun—s d— m—triz são vhs e port—nto o determin—nte é zeroF @˜A todos elementos d— di—gon—l são nãoEnulosF goloqueEos em evidên™i— p—r— o˜ter 1 n— di—gon—lF y v—lor do determin—nte será o produto destes elementos vezes o determin—nte d— m—triz ™om 1 n— di—gon—lF ƒu˜stitu— linh— por múltiplo de outr— linh— —té tr—nsformáEl— em di—gon—lF €elo gorolário TFV isto não —lter— o seu determin—nteF y˜temos — m—triz identid—deD ™ujo determin—nte é 1F

Exemplo 6.3

Calcule

2  0 det   0 0

1 3 0 0

3 1 4 0

 4 2  . 1  5

Solução: gomo — m—triz é tri—ngul—rD det = 2 · 3 · 4 · 5 = 5! = 120F Algoritmo 6.10 (cálculo eciente do determinante)
1. Faça eliminação de Gauss, reduzindo matriz à forma diagonal superior; 2. Leve em conta a cada operação elementar o efeito sobre o determinante: (a) trocar linhas

=⇒

determinante troca de sinal;

(b) multiplicar linha por constante altera.

=⇒

determinante é multiplicado pela constante;

(c) substituir linha por sua soma com múltiplo de outra:

=⇒

determinante não se

3. Calcule determinante da matriz resultante pelo produto dos elementos da diagonal.

 0 4 8 Exemplo 6.4 Calcule o determinante da matriz A =  2 1 8 . 3 6 9   3 6 9 Solução: „roque l1 ™om l3 X det A = − det  2 1 8 F 0 4 8  1 2 3 goloque 3 em evidên™i— em l1 X det A = −3 det  2 1 8 F 0 4 8   1 2 3 p—ç— l2 ← l2 − 2l1 X det A = −3 det  0 −3 2 F 0 4 8   1 2 3 2 F p—ç— l3 ← l3 + 4l2 /3X det A = −3 det  0 −3 0 0 8 + 8/3 = 32/3 egor— — m—triz é tri—ngul—rX ™—l™ule produto dos elementos d— di—gon—lX det A = −3(1)(−3)(32/3) = 96F

Observação 6.5 (Software Algébrico)
com o comando do Maxima

Pode-se

calcular

o

determinante com

determinant. Entramos a matriz M: matrix( [0,4,8], [2,1,8], [3,6,9]); e calculamos: determinant(M);.
ƒe vo™ê folhe—r livros de Álge˜r— vine—r en™ontr—rá pelo menos

6.4.

MAIS PROPRIEDADES

IUU

Três modos de calcular o determinante:
@—A fórmul— de v—pl—™e @t—m˜ém ™onhe™ido ™omo exp—nsão por ™of—toresAY @˜A fórmul— de vei˜nizY @™A elgoritmo TFIH d— pFIUTF im˜or— —s form—s @—A e @˜A sej—m import—ntes do ponto de vist— teóri™o @por exemplo p—r— prov—r que det A = det AT A são extrem—mente ine(™ientes n— práti™— @vej— próxim— o˜serv—çãoAX opt—mos por omitiEl—s @m—s vej— n— WikipediaAF e form— do item @™A é — m—is e(™iente m—s não é um— fórmul—D e sim um —lgoritmoF

Observação 6.6 (comparando métodos de cálculo do determinante)
triz a fórmula de Laplace ou Leibniz necessita de cerca de 3 o Algoritmo 6.10 necessita de cerca de 2n /3 operações.

Dada

ma-

n × n,

n!

operações, enquanto

n 2 3 4 6 20
Para

Laplace

Algoritmo 6.10

3 14 63 2 mil 6 × 1018

4 15 37 130 5 mil

.

n≥4

o Algoritmo 6.10 já é mais eciente. Um computador que faça

1

milhão de

operações por segundo levaria

32

mil anos para calcular o determinante de uma matriz

20 × 20

pelo método de Laplace e frações de segundo pelo Algoritmo 6.10 .

6.4 Mais Propriedades
Teorema 6.11 (caracterização de matrizes invertíveis) Propriedade 8: Seja A uma matriz quadrada. São equivalentes:
(a)

A

não é invertível;

(b) Nuc(A) (d)

= {0}; A
são LDs;

(c) colunas (ou linhas) de

det(A) = 0.

Prova: @—A e @˜A são equiv—lentes pelo vem— RFQU d— pFIIRF

€elo vem— RFIS d— pFIHR @posto linh— = posto ™olun—AD se — m—triz é n × nD — dimensão do esp—çoE™olun— é < n @™olun—s vhsA seD e somente seD — dimensão do esp—çoElinh— é < n @linh—s vhsAF €ort—nto — m—triz possuir ™olun—s vhs é equiv—lente — possuir linh—s vhs @˜A impli™— em @™AX ƒe Nuc(A) = 0 então existe v = 0 t—l que Av = 0F ys ™omponentes do vetor vD pel— de(nição do produto m—trizEvetorD vão determin—r um— ™om˜in—ção line—r nãoEtrivi—l d—s ™olun—s de A ™ujo result—do é o vetor zeroF vogo —s ™olun—s de A form—m um ™onjunto vhF @™A impli™— em @dA pel— de(nição de determin—nteF @dA impli™— em @˜AX ƒuponh— que det A = 0F eplique o —lgoritmo de ™ál™ulo do determiE n—nteD reduzindo A à form— tri—ngul—r U F egor— det A = 0 seD e somente seD det U = 0F vogo um dos elementos d— di—gon—l de U é zeroF ƒeguindo o —rgumento d— prov— do vem— TFW d— pFIUS @determin—nte d— m—triz tri—ngul—rAD —s linh—s de U são vhsF vogo —s linh—s de A são

IUV

CAPÍTULO 6.

DETERMINANTE

vhs @U é — m—triz A es™—lon—d—A €elo vem— RFIS d— pFIHR @posto linh— = posto ™olun—AD —s ™olun—s de A são vhs e port—nto o sistem— Av = 0 possui um— solução v = 0F y tem— ™entr—l do próximo ™—pítulo @—utov—lores e —utovetoresA será determin—r todos λ t—is que o sistem— Av = λv possu— solução nãoEtrivi—lF istud—mos isto introduzindo — m—triz identid—de I e ˜us™—ndo solução nãoEtrivi—l de Av = λI v ou (A − λI )v = 0F €elo „eorem— TFII devemos determin—r λ t—is que det(A − λI ) = 0F

Exemplo 6.5
para a matriz:

Determine todos

λ

tais que o sistema

Av = λv

possua solução não-trivial


(a)

a b c d

  .  1−λ 2 2 1−λ

A=

1 2 2 1

;

(b)

 A= 

Solução: @—A g—l™ul—ndo det(A − λI ) = det

= (1 − λ)2 − 4F €—r— —nul—r

determin—nte tom—mos λ = 3 ou λ = −1F A − λI ) = 0F gomo — m—triz @t—m˜émA di—gon—l A − λI =  @˜A €re™is—mos resolver det( a−λ   b−λ  D det(A − λI ) = (a − λ)(b − λ)(c − λ)(d − λ)F €—r— —nul—r   c−λ d−λ determin—nte tom—mos λ igu—l — a ou b ou c ou dF …m erro ™omum ™ometido pelos —lunos é exp—ndir — expressão (a − λ)(b − λ)(c − λ)(d − λ) = 0D —o invés de o˜ter r—ízes diret—menteD e tent—r ™—l™ul—r r—ízes de λ4 − λ3 (a + b + c + d) + λ2 (ab + ac + ad + bc + bd + cd) − λ(abc + abd + bcd + acd) + abcd = 0. e propried—de do produto ™—r—™teriz— o determin—nte d— m—triz invers— e propor™ion— — interpret—ção do determin—nte ™omo mud—nç— de áre—GvolumeF

Teorema 6.12 (determinante do produto)
Propriedade
1
9: Sejam

A, B

matrizes quadradas da mesma ordem. Então

det(AB ) =

det(A) det(B ).

Prova:

ƒe det(A) = 0D de(n— f : Mn×n → R por f (B ) = det(AB )/ det(A)F †—mos prov—r que f possui —s propried—des d— de(nição @„eorem—  TFQ d— pFIUIA do determin—nteX  ↑ ↑ €ropried—de I @line—rid—de em ™—d— ™olun—AX se B =  · · · u + k v · · · w · · · D então ↓ ↓   ↑ ↑ det(AB ) = det  · · · A(u + k v) · · · Aw · · ·  ↓ ↓   ↑ ↑ @por line—rid—de de AA = det  · · · Au + kAv · · · Aw · · ·  @por line—rid—de do deterE ↓   ↓  ↑ ↑ ↑ ↑ min—nteA = det  · · · Au · · · Aw · · ·  + k det  · · · Av · · · Aw · · · F hividindo ↓ ↓ ↓ ↓
1 Pode ser omitida numa 1a leitura.

6.4.

MAIS PROPRIEDADES

IUW

por det(A) o˜temos que

↑ f (B ) = f  · · · u + k v · · · ↓    ↑ ↑ = f  · · · u · · · w · · ·  + kf  ↓ ↓



 ↑ w · · ·  = ↓  ↑ ↑ · · · v · · · w · · ·  . ↓ ↓

€ort—nto f é line—r por ™olun—sF €ropried—de PX se ™olun—s de B são vhs então ™olun—s de AB serão vhs t—m˜ém pois produto m—trizEm—triz equiv—le — —pli™—r A em ™—d— ™olun— de B @ver vem— RFPR d— pFIIHAF vogo det(AB ) = 0 pel— €ropried—de P do determin—nteF €ort—nto f (B ) = 0F €ropried—de QX f (I ) = det(AI )/ det(A) = det(A)/ det(A) = 1F €elo „eorem— TFQ d— pFIUI @uni™id—de do determin—nteAD f (B ) = det(B )F h—i segue o result—doF ƒe det A = 0 pelo „eorem— TFII d— pFIUU —s ™olun—s de A são vhsF vogo o posto ™olun— @dimensão do esp—ço ger—do pel—s ™olun—sA de A é menor que nF €el— interpret—ção do produto m—trizEm—triz @ver vem— RFPS d— pFIIH item @—AA —s ™olun—s de AB são ™om˜in—ções line—res d—s ™olun—s de AF vogo o esp—ço ger—do pel—s ™olun—s de AB está ™ontido no esp—ço ger—do pel—s ™olun—s de AF €ort—nto posto ™olun— de AB é menor que nF €ort—nto ™olun—s de AB são vhsD o que impli™— pel— propried—de P que det(AB ) = 0F vogoD neste ™—so t—m˜ém det(AB ) = 0 = 0 · det(B ) = det(A) det(B )F

Exemplo 6.6

Sabendo que

det(A) = 5

determine

det(A−1 ).

Solução: gomo AA−1 = I D pel— propried—de do determin—nte do produto
det(I ) = 1 = det(AA−1 ) = det(A) det(A−1 ).
vogo det(A−1 ) = 1/ det(A) = 1/5. e —pli™—ção su™essiv— do próximo lem— permite reduzir — ordem do determin—nte — ™—d— —pli™—çãoF €—r— entender est— p—rte revej— oper—ções em m—trizes dividid—s em ˜lo™os n— ƒeção RFT d— pFIIVF

Lema 6.13 (determinante de matriz bloco-triangular)
ou

Suponha que

M =

A B 0 D

M=

A 0 C D

, com

A

e

D

matrizes quadradas. Então

det(M ) = det(A) det(D).

I 0 D então det M = det DF he f—toD 0 D —pli™—ndo o elgoritmo TFIH d— pFIUTD — sequên™i— de oper—ções que es™—lon— M é igu—l à sequên™i— que es™—lon— D pois p—rte de M já está es™—lon—d—F vogo det M = det DF he A 0 form— —nálog— prov—mos que det = det AF 0 I A B A 0 †—mos supor que M = pois o ™—so M = é —nálogoF 0 D B D ƒe det A = 0 então @„eorem— TFII d— pFIUUA ™olun—s de A são vhsF gomo M possui somente zeros —˜—ixo de AD ™olun—s de M são vhsF vogo det M = 0F ƒe det D = 0 entãoD de form— —nálog—D det M = 0F

Prova: †—mos prov—r ini™i—lmente que se M =

IVH

CAPÍTULO 6.

DETERMINANTE

ƒupondo que det A e det D são nãoEnulosD veri(que queX

M=

A 0 0 I

I A−1 BD−1 0 I

I 0 0 D

.

…tiliz—ndo „eorem— TFIP @determin—nte do produtoAD ˜—st— ™—l™ul—r o determin—nte de ™—d— um— dest—s três m—trizesF €elos result—dos —™im—D o primeiro determin—nte é det A e o último é det DF y do meioD por ser m—triz tri—ngul—r superior ™om 19s n— di—gon—lD v—le 1 pelo vem— TFW d— pFIUSF gon™luímos o result—doF

Corolário 6.14 (determinante de matriz bloco-triangular) 
matriz triangular superior por blocos, ou seja,

Suponha que

A11 A12 · · · A1n .  . .  0 A22 · · · M =  . . .. .  . . . .

M    , 

seja uma

com

Ajj

matrizes quadradas. Então matrizes na diagonal de

0 · · · 0 Ann det(M ) = det(A11 ) · · · det(Ann ), o produto do determinante M (resultado análogo se M for triangular inferior).

das

Prova: heix—mos p—r— o leitor prov—r por indução us—ndo o vem—TFIQF Observação 6.7
A B , com A, B, C e D matrizes quadradas. De C D forma geral, det(M ) = det(A) det(D )−det(B ) det(C ). Você consegue gerar um exemplo?
Considere

M =

Exemplo 6.7

Calcule os valores de

λ

tais que o determinante da matriz abaixo se anula:

   M =  

2−λ 1 0 0 0

1 λ 0 0 0

3 −1 1 2 1 −2 λ 1 1 1 λ 2 0 0 3+λ

   .  

Solução: y˜serve que el— é ˜lo™oEtri—ngul—r @m—s não é tri—ngul—r3AF he(nindo 
M1 =
vogoD

2−λ 1 D M2 = 1 λ

 M1 ∗ ∗ λ 1 D M3 = 3 + λD temos que M =  0 M2 ∗ F 1 λ 0 0 M3

det(M ) = det(M1 ) det(M2 ) det(M3 ) = −(λ − 1)2 (λ2 − 1)(3 + λ).
Se no exemplo anterior tivéssemos multiplicado os termos em −(λ 5 4 3 2 obteríamos que det M = −λ − λ + 6λ − 2λ − 5λ + 3 =

es r—ízes são o˜tid—s diret—mente dest— f—tor—çãoX 1, −1, −3F

Observação 6.8
Este

1)2 (λ2 − 1)(3 + λ) = 0

− 0.

Como você encontraria as raízes deste polinômio?

erro comum 

multiplicar todos os termos ao invés de utilizar a estrutura fatorada 

foi visto também no Exemplo 6.5 da p.178. Note que a fatoração decorre (e deve ser mantida) naturalmente do determinante de matriz triangular ou bloco-triangular.

Cálculo Eciente do determinante

1 2 1  0 1 2 A =  1 1 3 .4.6. 1 0 0  (c)   A=    4 11 −7 −1 −3 −2 2 1 0 3   2 7 0 0 0  . MAIS PROPRIEDADES IVI • ƒe — m—triz for tri—ngul—r —plique o vem— TFWF • ixplore estrutur— de ˜lo™os @linh—s ou ™olun—s ™om m—ior número de zerosA p—r— o˜ter su˜m—triz tri—ngul—rF • €—r— m—triz 2 × 2 e 3 × 3 em ger—l @não tri—ngul—rA —plique — regr— de ƒ—rrus @pigur— TFT d— pFIURAF • €—r— um— m—triz n × n ™om n > 3 em ger—l @não tri—ngul—rA —plique o elgoritmo TFIH d— pFIUTF Exemplo 6.8  (a) Calcule det A trocando linhas ou colunas para car bloco-triangular:  (b)  −1 0 2 A =  1 0 3 . 0 3 0 0 0  3 −1 6 0 5 Solução: @—A im˜or— — m—triz A não possu— tro™—ndo P— ™om Q— ™olun—   estrutur— espe™i—lD o˜temos — m—triz ˜lo™oEtri—ngul—r inferiorX  essim det A = − det −1 2 0 1 3 0 F 1 1 2 −1 2 · 2 = −(−5) · 2 = 10F 1 3 @˜A im˜or— — m—triz A não possu—  estrutur—  espe™i—lD tro™—ndo I— ™om Q— ™olun— o˜temos 2 1 0 2 1 — m—triz ˜lo™oEtri—ngul—r superiorX  3 1 1 F essim det A = − det · 1 = −(−1) · 3 1 0 0 1 1=1 @™A †—mos tent—r sistem—tiz—rF es melhores es™olh—s são — R— ™olun— ou — R— linh— pois —m˜—s possuem o m—ior número  de zerosF ixplor—ndo o gr—nde  número de zeros n— R— ™olun—D 4 −3 −1 11 −7  0 2 1 −2 3     v—mos tro™áEl— pel— I— ™olun—X  0 7 0 2 0  F essim det A = −(−1) · det B  0 3 0 0 0  0 −1 6 3 5   2 1 −2 3  7 0 2 0  F y m—ior número de zeros é n— Q— linh—F „ro™—ndoE— ™om — I— onde B =   3 0 0 0  −1 6 3 5     3 0 0 0 0 2 0  7 0 2 0     linh— o˜temos   2 1 −2 3 F essim det B = −(3) · det C onde C = 1 −2 3 F 6 3 5 −1 6 3 5   2 0 0 ixplor—ndo os zeros d— I— linh—D tro™—ndo — I— ™om — P— ™olun— o˜temos  −2 1 3 F 3 6 5 1 3 essim det C = −(2) · det = −(2)(−13) = 26F vogo det B = −3(26) = −78 e 6 5 det A = −78F †eri(™—ndo ™om w—xim—X .

1.-7. e1 .3.[0.-3].5]).5 Determinante e Mudança de Área Lema 6.6. e2 . Então: 10: área(T (Ω)) = área(Ω) · | det T |. (b) área(T (Q)) = área(Q)| det T |.0.-1. e1 + e2 F T e2 Q 0 e1 T (e2 ) T (Q) 0 T (e1 ) pigur— TFUX sm—gem do u—dr—do Q pel— „v T y próximo teorem— est—˜ele™e — rel—ção entre determin—nte e modi(™—ção de áre— de um— região do pl—no —pós — —pli™—ção de um— tr—nsform—ção line—rF É utiliz—do n— mud—nç— de v—riáveis em integr—is múltipl—sF Teorema 6. lados paralelos aos T : R2 → R2 eixos x e y : uma transforma- y˜serve — pigur— TFUF u—lquer ponto do interior do qu—dr—do é ™om˜in—ção line—r de e1 e e2 ™om ™oe(™ientes entre 0 e 1F €el— line—rid—de de T D — im—gem será ex—t—mente d—s ™om˜in—ções line—res de T (e1 ) e T (e2 ) ™om ™oe(™ientes entre 0 e 1D ou sej—D um p—r—lelogr—mo ™om —rest—s T (e1 ) e T (e2 )F   ↑ ↑ e áre— @™om sin—lA do p—r—lelogr—mo é igu—l —o determin—nte d— m—triz  T (e1 ) T (e2 )  = ↓ ↓   ↑ ↑  T e1 e2 F gomo — segund— m—triz é — identid—deD ™ujo determin—nte é 1D pelo „eoE ↓ ↓ rem— TFIT d— pFIVP @determin—nte do produtoAD — áre— é igu—l — det T F vogo — áre— @sem sin—lA do p—r—lelogr—mo é | det T |F xo ™—so ger—lD —s —rest—s do qu—dr—do são k e1 e k e2 F vogo —s —rest—s do p—r—lelogr—mo são T  (k e1 ) = kT (e1 ) e  T (k e2 ) = kT @™om sin—lA do p—r—lelogr—mo é igu—l  (e2 )F e áre—  ↑ ↑ ↑ ↑ — det  kT (e1 ) kT (e2 )  = k 2 det  T (e1 ) T (e2 )  = k 2 det T F gomo k 2 = área(Q)D ↓ ↓ ↓ ↓ 2 área(T (Q)) = k | det T | = área(Q)| det T |F Prova: ƒuponh— ini™i—lmente que o qu—dr—do Q sej— unitário ™om vérti™es 0.16 (modicação de área por TL) linear e Seja T : R2 → R2 uma transformação Propriedade Ω⊂R 2 um conjunto limitado (área nita) qualquer.7.[-2.0.0].[2.-1. 6. DETERMINANTE M: matrix([4. .11.0.3].0].0.0.IVP CAPÍTULO 6. determinant(M).0.15 (mudança de área de um quadrado) ção linear e Seja Q ⊂ R2 um quadrado com (a) T (Q) é um paralelogramo.2.[3.

linear e Observação 6. é igual ao produto da distorção 6.6. compo- A pela distorção de A e B .9 Ω⊂R 3 Pode-se generalizar: Seja um conjunto qualquer. a distorção de área (ou volume) de C B. sição das TLs de Dado Reinterpretamos a C = AB .6.6 Produto Vetorial e Misto xest— seção introduzimos o produto vetori—l em R3 F ‚emeto o leitor p—r— — he(nição TFPQ d— pFIWQ p—r— su— gener—liz—ção p—r— o Rn F .10 (reinterpretando determinante do produto) Propriedade 9 (determinante do produto) da seguinte forma. PRODUTO VETORIAL E MISTO IVQ Prova: †—mos supor que det T = 0 e port—nto T é um— ˜ijeçãoD pois ™—so ™ontrário o result—do seri— verd—deiro pois —m˜os os l—dos seri—m igu—is — zeroF hivid— Ω em qu—dr—dos Qi disjuntos p—r—lelos —os eixos x e y de modo que su— união —proxime — região Ω @vide pigur— TFVAF €elo vem— —nteriorD área(T (Qi )) = área(Qi )| det(T )|F gomo os qu—dr—dos Qi são disjuntos e T é ˜ijeçãoD T (Qi ) são p—r—lelogr—mos disjuntosF €—r— (n—liz—r ™om rigor pre™is—rí—mos p—ss—r o limiteD f—zendo tender — zeroD o t—m—nho dos qu—dr—dosF ƒem o devido rigorD desprez—ndo —s fr—ções de qu—dr—dosD som—ndo os qu—dr—dos e ™olo™—ndo det T em evidên™i—D área(T (Ω)) ≈ área(T (Qi )) = | det T | área(Qi ) ≈ | det T |área(Ω)F i i T T (Ω) Ω Qi T (Qi ) pigur— TFVX ‚egião Ω e su— sm—gem T (Ω) Observação 6. Então T : R3 → R3 uma transformação Volume(T (Ω)) = Volume(Ω) · | det(T )|.

Fica faltando somente o sentido de w (duas possibilidades). ↓ ↓ ↓ os vetores da base  Lema 6. (d) e1 × e2 = e3 (orientação e normalização). w é igu—l — áre—  ↑ ↑ ↑ do p—r—lelogr—mo P ger—do por u e v @porquecAF vogo áre— de P é igu—l — det  u v w  F ↓ ↓ ↓ 1 wi ei D pel— multiline—rid—de do determin—nteX gomo w = w     ↑ ↑ ↑ ↑ ↑ ↑ 1 área(P ) = det  u v w  = wi det  u v ei  = w ↓ ↓ ↓ ↓ ↓ ↓ Prova: = 1 w (wi )2 = 1 w w 2 = w = u×v . componente a componente. w3 o produto vetorial entre u e v. Dena k como a área do paralelogramo e z um vetor unitário que gera a reta r. z ∈ R3 .17 (produto vetorial)  Dados u. O sentido correto é dado pela regra da mão direita (veja próxima seção).11 (regra da mão direita.IVR CAPÍTULO 6. A propriedade (f ) determina o tamanho de w. Observação 6. Dados u. (b) u × v = −(v × u) (antisimétrica). e2 . (e) u × v é perpendicular a u e v. v ∈ R3 denimos  w1 w =  w2  = u × v ∈ R3 . então (porque?) w = k z ou −k z. orientação e produto vetorial) Supondo que H = span {u.9 Mostre que se H = span {u. v} ⊂ R3 é uma reta ou {0}. H = r é uma reta. por Sejam  ↑ ↑ ↑ wi = det  u v ei  . port—nto possui áre— zeroF €el— propried—de @eAD u × v = 0F Solução: gomo H é um— ret— ou {0}D o p—r—lelogr—mo ger—do por u e v é degener—do e . A propriedade (e) do lema mostra que w = u × v ∈ r (porque?). Assim sabemos a direção de w: paralelo à reta r. (c) (u + k v) × z = u × z + k v × z (bilinear).18 (propriedades do produto vetorial) canônica do e1 . então u × v = 0. Exemplo 6. v} ⊂ R3 é um plano (caso contrário u × v = 0  ⊥ veja exemplo abaixo). (f ) u × v é igual a área do paralelogramo gerado por u e v. e3 R3 . v. DETERMINANTE Denição 6. heix—mos p—r— o leitor veri(™—r @—A!@dAF @eA ƒej— v = vi ei D (u × v) · v = wi vi = det u v ei vi = @pel— line—rid—de do determin—nteA vi ei = det u v v = 0F det u v @fA he(n— w = u × v e w = w/ w @norm—liz—ção do vetor wAF gomo w é unitário e perpendi™ul—r —os vetores u e vD o volume do p—r—lelepípedo ger—do por u. v. k ∈ R: (a) u × u = 0.

2. simultaneamente. 0) × (3. 2. 2). v. −3.6. 2. 1. (3. 1). 1) = (2.10 w ∈ R3 Determine: (a) um vetor não-nulo perpendicular. 10)F 3 Denição 6. −1. 1).19 (produto Dados u. −1. 1)F vogo w = (2. 0) e (3. y. −4)F produto misto entre ↑ ↑ ↑  u × v. 2.7. −1. 2) e (c) tal que o conjunto solução de (1. 1) = (2. −1. SINAL DO DETERMINANTE IVS Exemplo 6. 1. 2. 2x − 3y + z = 0 2x + 2y + z = 0 seja @˜A he(n— u = (2. −1) = 1/2 6F @™A É ™l—ro que poderí—mos resolver o sistem—F w—s se w = (x. 2) − (1. 1) = (1. aos vetores 3 (b) a área do triangulo do R cujos vértices são (1. w ∈ R3 qu—ndo o det  u v w  é positivo e qu—ndo é neg—tivoc ↓ ↓ ↓ y˜temos — respost—D nov—menteD pel— regr— de mão direit—F h—dos u e vD eles ger—m um pl—no Π que divide o esp—ço em dois semiEesp—çosF ƒe w ∈ Π então o determin—nte é zero @porquecAF g—so ™ontrárioD dependendo de qu—l semiEesp—ço o vetor w perten™eD o determin—nte será positivo ou neg—tivoF ƒe w perten™er —o mesmo semiEesp—ço que o poleg—r —pós —pli™—ção d— regr— d— mão direit—D o determin—nte será positivoD ™—so ™ontrárioD neg—tivoF 1 A leitura desta seção é opcional.7 Sinal do DeterminanteI €—r— est— seção revej— @n— Wikipedia: Regra da Mao direitaA — regr— d— mão direit—F   ↑ ↑ h—dos u. 2) − (1. 0. 2. 2. v ∈ R2 qu—ndo o det  u v  é positivo e qu—ndo é neg—tivoc ↓ ↓ y˜temos — respost— pel— regr— de mão direit—X fe™h—ndo os dedos d— mão direit—D p—rtindo de u p—r— v por ângulo menor que IVH gr—usD e determin—ndo p—r— onde o poleg—r —pont—F ƒe for s—indo do p—pelD o determin—nte é positivoD se for entr—ndo é neg—tivoF €—r— ilustr—r ™onsidere — sequên™i— d— pigur— TFWF w—ntendo (xo o vetor u e v—ri—ndo vD sempre ™om o mesmo t—m—nhoD m—s form—ndo ângulos distintos ™om uD o˜temos p—r—leloE gr—mos ™om áre—s v—ri—ndoF y˜serve que qu—ndo u e v vão (™—ndo m—is próximos de serem ™oline—res — áre— v—i tendendo p—r— zeroF slustr—mos os dois ™—sosD onde u e v são ™oline—res m—s ™om mesmo sentido ou ™om sentido opostoD qu—ndo — áre— do p—r—lelogr—mo form—do é zeroF hevido — es™olh—s feit—sD qu—ndo o p—r—lelogr—mo está —™im— do vetor u — áre— é positiv—D qu—ndo está —˜—ixo é neg—tiv—F y ™i™lo represent—do n— (gur—D ini™i—ndo no —lto e gir—ndo no sentido —ntiEhorárioD em termos de sin—l d— áre—D éX positivo → 0 → neg—tivo → 0 → positivo · · ·F …tilize — (gur— p—r— veri(™—r — regr— d— mão direit—F   ↑ ↑ ↑ h—dos u. z ) —s equ—ções do sistem— dizem que w é perpendi™ul—r simult—nem—nete —os vetores (2. −3. . 1)F gomo — áre— do triângulo ger—do por u e v é — met—de d— áre— do p—r—lelogr—mo ger—doD √ ™—l™ul—mos 1/2 u × v = 1/2 (2. 1) = (−5. 1) e (2. v. (2. ↓ ↓ ↓ 6. z ∈ R  misto)  eles por denimos o Solução: @—A (1. 1) × (2. z = det u v z . 1. 2. 1) e v = (3. r = span {w}. −3. 2.

mos o sistem— ™omo x1 v1 + · · · + xn vn = bF †—mos primeiro determin—r x1 p—r— depois f—zer o ™—so ger—l em ™im— do mesmo prin™ípioF hetermin—mos x1 p—ss—ndo b p—r— outro l—do e o˜tendo 1 · (x1 v1 − b)+ x2 v2 + · · · + xn vn = 0F 1 A leitura desta seção é opcional. . com  ↑ ↑ ↑ ↑ ↑ A =  v1 . . vi−1 b vi+1 . . . os componentes  e x1 . vn  . .   . . ↓ ↓ ↓ ↓ ↓ onde a matriz acima à direita é  A com a i-ésima coluna substituída pelo vetor b.20 (Regra de Cramer)  Considere o sistema Av = b. vi−1 vi vi+1 . . DETERMINANTE v u+v v u+v 0 u + v v 0 v u+v u 0 0 u u u 0 u 0 v u+v u v u+v determin—nte positivo determin—nte zero determin—nte neg—tivo 0 0 u v u+v u u v u+v 0 0 u v u+v 0 u 0 u v u+v v u+v v u+v pigur— TFWX †—ri—ção do ƒin—l do det[u v]F 6.  v= xn serão dados por: xi da solução v  ↑ ↑ ↑ ↑ ↑ xi = (det A)−1 det  v1 .IVT CAPÍTULO 6. . . Prova: h— de(nição do produto m—trizEvetor ™omo ™om˜in—ção line—r de ™olun—sD es™reveE .8 Regra de CramerI †—mos deduzir um— fórmula explícita d— solução de sistem—s line—res ™onhe™id— ™omo regra de CramerD p—rtindo de propried—des do determin—nteF gomo — fórmul— é ™omput—™ion—lE mente ine(™iente @por envolver o ™ál™ulo de n determin—ntesAD utiliz—Ese — elimin—ção de q—uss ou outros métodos m—is so(sti™—dos p—r— se resolver um sistem—F Lema 6. . vn  ↓ ↓ ↓ ↓ ↓ Caso tenha solução única.

3: A. gon™luímos @nov—menteA que são vhs os vetores v1 . . vn F vogo det  x1 v1 − b v2 . pode ser = ou =A det(A) + det(B )Y @˜A det(AB ) @=. .9. . . (xi vi − b). v2 . . . B. .4:  1  1 @—A det   1 1  Fix  1 1  = Y 1  1  ↑ ↑ ↑ 6. . =.5: A =  u v w  ™om det(A) = 7F ↓ ↓ ↓ 1 1 1 1 1 1 1 1 1  0 @˜A det   0 0  1 2 0 0 1 1 3 0  1 1  = 1  4 Y 1 Versão 23. . . vn  − det  b v2 .9. . vn  = 0. . . vi+1 . . . vn F epli™—ndo o determin—nte e us—ndo su— line—rid—deD f—zendo r—™io™ínio —nálogo —o que (zemos p—r— o˜ter x1 D ™heg—mos — fórmul— p—r— xi F …tiliz—ndo — regr— de gr—mer podemos o˜ter um— fórmul— expli™it— p—r— — m—triz invers—F †ej— Wikipedia: Matriz inversaF 6.agosto. vn  = x1 det A = det  b v2 . =.2012 22h . vi−1 . ↓ ↓ ↓ ↓ ↓ ↓ vogoD    ↑ ↑ ↑ ↑ ↑ ↑ x1 det  v1 v2 . pode ser = ou =A det(A) det(B )Y @™A ƒe det(A) = −3D det(B ) = 2 e det(C ) = 5D então det(ABC ) = F Fix 6. . vn  = 0F e line—rid—de do ↓ ↓ ↓ determin—nte impli™— que     ↑ ↑ ↑ ↑ ↑ ↑ x1 det  v1 v2 . EXERCÍCIOS DE DETERMINANTES IVU gon™luímos que são vhs @note que o igu—l — 1A os veE  primeiro ™oe(™iente é nãoEnulo  ↑ ↑ ↑ tores (x1 v1 − b). vn  . .1: hetermine se é †erd—deir— ou p—ls—X Fix 6. ↓ ↓ ↓ ↓ ↓ ↓  de onde segue o result—doF he form— ger—lD determin—mos xi p—ss—ndo b p—r— o outro l—doX x1 v1 + · · · + 1 · (xi vi − b) + · · · + xn vn = 0.2: B é qu—dr—d— ™om det(B ) = −2F @˜A det(B −1 ) = Y @™A det(B 5 ) = F @—A det(B T ) = Y Fix 6. . . . C são m—trizes qu—dr—d—sF @—A det(A + B ) @=. .9 Exercícios de Determinantes 6.6. .1 Exercícios de Fixação @—A se —s ™olun—s de A são vhs então det(A) = 0Y @˜A se det(A) = 0 então du—s linh—s ou ™olun—s são igu—is ou então um— linh— ou ™olun— tem somente zerosY @™A se B é o˜tid— de A tro™—ndo du—s linh—s de A entre siD det(B ) = det(A)F Fix 6.

7: ƒe det( 0X  B) =  ↑  @—A e B = u ↓  ↑  @˜A e B = u ↓ ↑ v D então u é ↓  ↑ ↑ v w D então u é ↓ ↓ v + w. uma única solução. perpendicular aA vY @múltiplo de v. = 0AF Fix 6.    x 0 @dA B  y  =  0  possui z 0 innitas soluções. LDsAF Fix 6. = 2AY @™A se det(A) = 3 então posto(A) = @0. = 0. nenhuma ou innitas soluçõesAY ƒe det( B ) =  0D osistem—X  x 1 @™A B  y  =  2  possui z 3 innitas soluções. = 0. = −1. uma única solução.2 Problemas Prob 6. DETERMINANTE  ↑ ↑ ↑ Y @—A det  2v w u  = ↓ ↓ ↓   ← w → @™A det  ← v + u − w →  = ← u →  Y  ↑ ↑ ↑ @˜A det  u 3v − w w  = ↓ ↓ ↓   ← 2u → @dA det  ← 2v →  = ← 2w →  Y F Fix 6. > 2. = 0AY @—A se posto(A) = 4 então det A @= 0. = 4AY @˜A se posto(A) = 2 então det A = @= 0.9: ƒej— e 4 × 4F Fix 6. nenhuma ou innitas soluçõesAY = innitas soluções. LDsAY @múltiplo de. pertence ao plano gerado por v e wAY @™A ™olun—s de B são @LIs. = 0. perpendicular a w.8: ƒej— T : V → V line—rF @—A Nuc T = 0 seD e somente se det T @= 0. nenhuma ou innitas soluçõesAY @nenhuma solução. uma única solução. 2. 4AY @dA se det(A) = 0 então posto(A) @= 0.9. @nenhuma solução.1: g—l™ule o determin—nte d—s m—trizes —˜—ixo . 3. nenhuma ou innitas soluçõesAF  @nenhuma solução.IVV CAPÍTULO 6. 1. < 4AF @= 0. innitas soluções. = 2. = 0AY @™A se existe T −1 então det(T ) @= 1. Fix 6. = 0. = 4. = 0AY @˜A se det T = 5 então dim(Nuc T ) @= 5. = 3. múltiplo de @dA linh—s de B são @LIs. > 0. = 1.6: ƒe det(A) = 4D o sistem—X @—A A @˜A A x y x y = 1 2 0 0 possui possui @nenhuma solução.10: ƒej—m A m—triz qu—dr—d—D 0 = v ∈ Rn e λ ∈ R t—is que Av = λvX det(A − λI ) 6. uma única solução.

8. 2x + y ) é — elipse {(x. 9). 7).6. EXERCÍCIOS DE DETERMINANTES IVW 2 5 4  @—A 3 1 2 Y 5 4 6   0  0 @˜A   0 2  2 4 1 0 3 5 0 1  0 0  Y 3  3 Prob 6. 10. y. x − 2y. y ) ∈ R2 | 5x2 − 6xy + 5y 2 = 16}F u—l é — áre— ™ompreendid— por est— elipsec 3 2 0 0 0 4 3 0 0 0 5 4 1 1 0 6 5 1 0 1 7 6 1 1 1       Prob 6. 12).9. 4. 1. 4).6: g—l™ule o volume do p—r—lelepípedo —˜—ixoD ™ujos vérti™es sãoX A = (2. z. D = (2. 10). w)D ™—l™ule o det(T )F Prob 6. E = (−3. w) = (z + y. H = (−3.7: ƒe T (x. 13). B = (0. G = (−1. 5. 15). 18)F i g r q h f e Prob 6.4: e im—gem do ™ír™ulo {(x.2: epli™—mos em um— m—triz A 5 × 5 —s seguintes oper—ções element—resX @iA tro™—mos l5 ™om l4 Y @iiA l4 ← l4 + 3l2 Y @iiiA multipli™—mos l4 por −4F  6 1 2 3 1  0 2 5 −1 1     3 −5  y˜temos — m—triz B =  0 0 −1  . 6.5: …se m—triz em ˜lo™os p—r— ™—l™ul—r o determin—nte d—s m—trizesX  3 4  2 3 @—A   5 6 0 1  0 0 7 1 0 0  Y 1  2    @˜A    (x. F = (0.8: 0 0 0 d  0 0 c e @—A ƒej— M =   0 b f g a h i j det(M ) = abcdF @˜A hetermine um— fórmul—    F „roque linh—s p—r— m—triz se torn—r di—gon—l e prove que  ger—l p—r— o determin—nte d— m—triz n × n ™ujos úni™os . g—l™ule det(A)F  0 0 0 3 2  0 0 0 0 1  Prob 6. C = (−1. y) ∈ R2 | x2 + y2 = 1} pel— tr—nsform—ção line—r Prob 6. z. −1. 3.3: €—r— ™—d— m—triz A —˜—ixo determine todos λ ∈ R de modo que — m—triz A − λI não sej— invertívelX @—A A = 2 4 Y 3 3 3  4 @˜A A =   0 0  0 1 0 0 0 0 2 0  0 0  F 1  2 Prob 6. y ) → (2x − y.

(2.10: gonsidere A = c d F 1 d −b F @—A †eri(que que A−1 = − c a ad − bc @˜A u—l o erro n— prov— que det(A−1 ) é sempre 1X det(A−1 ) = λ 0 F F F = det 1 ad − bc d −b −c a = 1 det ad − bc d −b −c a = 1 (ad − bc) = 1. (2.9.3: B um— m—triz qu—dr—d—F . nada podemos armarAF Ext 6. a). 0). 0).11: gonsidere B um— m—triz 3 × 3 ™uj—s entr—d—s vo™ê des™onhe™eF @—A u—l o menor número de zeros que devemos ™olo™—r n—s entr—d—s de B p—r— g—r—ntir que det B = 0c ynde devem ser ™olo™—dosc @˜A i p—r— um— m—triz n × nc 6.3 Extras Ext 6. DETERMINANTE     elementos nãoEnulos são aij = 1 ™om i + j = n + 1X    1 1 FF F 1     F   1 hi™—X g—l™ule p—r— 2 × 2 e 3 × 3 ini™i—lmente e item @—AF Prob 6. b) é Y 2 3 @™A u = ev= F ƒe λ1 u = λ2 v p—r— λ1 . (3. ad − bc  Prob 6.1: ƒe A é um— m—triz n × n ™om det(A) = −3 entãoX @—A det(A + A) = Y @˜A det(3A) = Y @™A det(A5 /3) = Y Ext 6. F FF F F F  F F F  0 0 ··· λ @˜A ƒej— A um— m—triz n × nF ƒe det(A) é ™onhe™idoD ™—l™ule det(λA)D onde λ ∈ RF xote queD em ger—lD não é λ det(A)F @™A snterprete estes result—dos em termos de volumeF y que —™onte™e ™om — áre— de um qu—dr—do se do˜r—mos o ™omprimento dos seus l—dosc y que —™onte™e ™om o volume de um ™u˜o se do˜r—mos o ™omprimento d—s su—s —rest—sc w—is ger—lmenteD o que —™onte™e ™om um sólido em Rn se —mpli—mos @ou reduzimosA su—s dimensões line—res por um f—tor multipli™—tivo λc a b Prob 6. (a. det(B ) = 0.9:  0 ··· 0  λ ··· 0    @—A g—l™ule o determin—nte d— m—triz λIn×n =  .IWH CAPÍTULO 6. 3). b) é @˜A — áre— do triângulo ™om vérti™es em (0. λ2 ∈ R então λ1 a a b e λ2 = F @—A se um— linh— é múltipl— de outr— então B @possui/não possuiA invers—Y @˜A se nenhum— linh— é múltipl— de nenhum— outr— então @det(B ) = 0.2: ƒej— A = 2 3 ™om det(A) = 4F a b Y @—A — áre— do triângulo ™om vérti™es em (0.

2x + y + 3z.13: Ext 6. 0) de um p—r—lelepípedo no R3 são determin—dos pelos vérti™es (−1. c números re—is positivosF hetermine o volume do elipsóide E = Ext 6. EXERCÍCIOS DE DETERMINANTES IWI Ext 6.11: ƒuponh— que A e B são m—trizes qu—dr—d—s n × n ™om AB = I F €rove que BA = I F Ext 6.9.7: ƒej—m a. 2. c ∈ [0.6: ƒej— T (x. @—A wostre que det S = 0 se S é n × n ™om n imp—rF @˜A hê um exemplo de S 2 × 2 —ntiEsimétri™— e det S = 0 Ext 6. {(x. a. a. 2) e (2.14: @—A €rove @us—ndo determin—nteA que não existe m—triz A 3 × 3 @™om entr—d—s re—isA t—l que A2 = −I3×3 @identid—deAY 0 −1 @˜A „ome B = e mostre que B 2 = −I2×2 @identid—deA e port—ntoD num ™erto 1 0 √ sentidoD B = −I F @e m—triz B é um— rot—ção de 90o FA Denição 6. 2)D (2. y.15: ƒuponh— N nilpotente @vej— he(nição RFSW d— pFIQPA D isto éD N k = 0 p—r— —lgum k ∈ NF wostre que N não é invertívelF Ext 6. 0. (x/a)2 + (y/b)2 + (z/c)2 ≤ 1} en™ontr—ndo um ™onjunto B ⊂ R3 e um— tr—nsform—ção line—r T t—l que T (B ) = E F Ext 6. −1.5: ƒ—˜eEse que três —rest—s —dj—™entes —o vérti™e (0. hetermine o volume do p—r—lelepípedo T (C ) = {aT (e1 ) + bT (e2 ) + cT (e3 ). b. c ∈ [0. b. −1)F g—l™ule o volume do p—r—lelepípedoF Ext 6.16: . z ) = (x + z. y. 3]}. 3]}.8:  g—l™ule o determin—nte d—s  m—trizes —˜—ixo   4 11 −7 −1 −3 1 1 1 3  −2 2 1 0 3     −2 −2 −4 −2  F 7 0 0 −2  @—A  @˜A   2 Y  1 2 3 −7   0  3 0 0 0 3 3 3 2 3 −1 6 0 5 Ext 6.12: ƒuponh— Ak = I F €rove que @—A se k é ímp—r então det(A) = 1Y @˜A se k é p—r então det(A) = 1 ou −1F Ext 6.6. b. 2.10: hizEse que um— m—triz qu—dr—d— P é um— projeção @não ne™ess—ri—mente ortoE gon—l3A se P 2 = P F wostre que det(P ) é 0 ou 1F Ext 6. z − x)F gonsidere o ™u˜o C = {ae1 + be2 + ce3 .4: ƒuponh— que T : R2 → R2 line—r preserv— áre—F ssto impli™— que T preserv— ™omprimentos t—m˜émc Ext 6.21 Diz-se que uma matriz quadrada S é anti-simétrica se S T = −S . z ) ∈ R3 .9: €—r— ™—d— m—triz A —˜—ixo determine todos λ ∈ R de modo que — m—triz A − λI não sej— invertívelX   1 0 0 4 2 @—A A = Y @˜A A =  2 1 2 F 1 3 1 1 0 Ext 6.

.20: ƒej—m A..24: ƒej— M =   F F F F  F F F FF k k  @˜A AB é invertívelc @™A AT B é invertívelc an . B.IWP CAPÍTULO 6.21: ƒuponh— que A = P DP −1 ™om D =    det(A ) = (n!) F Ext 6.22: ƒe A e B são invertíveisX @—A A + B é invertívelc Ext 6. v2 = (x2 . y3 . z2 ) x y z 1  x1 y1 z1 1   e v3 = (x3 . .22 dade). X qu—dr—d—s e I — m—triz identid—deD tod—s de mesmo t—m—nhoF €rove que det(M ) = det(A)F Ext 6.25: @—A wostre que — equ—ção d— ret— em R2 que p—ss— por v1 = (x1 .17: heduz— — fórmul— do determin—nte d— m—triz 3 × 3 @mostr—d— n— pigur— TFT d— pFIURA seguindo — té™ni™— d— demonstr—ção d— fórmul— 2 × 2 do „eorem— TFQ d— pFIUIF A B Ext 6. v2 = (x2 . C e D m—trizes qu—dr—d—s 2 × 2F hê um exemplo que mostre que nem sempre det(M ) = det(A) det(D) − det(B ) det(C )F X I Ext 6. Diz-se que uma matriz quadrada Q é ortogonal se QT Q = In×n (identi- wostre que det(Q) é 1 ou −1F Ext 6.23: ƒe AB é invertívelD então  0 . y2 . . . 0  0 .26: @—A wostre que — áre— do triângulo  ™om vérti™es em v1 = (x1 . yn ) utiliz—ndo — m—triz x1 · · · xn x1 F hetermineE—F y1 · · · yn y1 . y1 ).18: gonsidere M = C D D ™om A. y1 ). y1 ) e v2 = (x2 . B m—trizes qu—dr—d—s de mesm— dimensãoF €rove que det(AB ) = det(BA) @verd—de mesmo que AB = BAAF  1 2 FF F     di—gon—lF €rove que  n Ext 6. y2 )   x y 1  é d—d— por det x1 y1 1  = 0Y x2 y 2 1 3 @˜A wostre que — equ—ção do pl—no  em R que p—ss—  por v1 = (x1 . A é invertívelc  a1 x   F hetermine | det M |F F F F  x x Ext 6.19: gonsidere — m—triz @em ˜lo™osA M = A 0 D ™om A. a2 Ext 6. . y2 ) e x1 y 1 1 v3 = (x3 . (xn . y1 . . DETERMINANTE Denição 6. . . y3 ) é d—d— por 1/2 det  x2 y2 1 Y x3 y 3 1 x1 x2 x3 x1 @˜A y determin—nte —™im— pode ser ™—l™ul—do mont—ndo — m—triz y1 y2 y3 y1 e f—zendo — som— do produto d— di—gon—l ™om sin—l positivo num— direção e neg—tivo n— outr—F iste esquem— permite o˜ter fórmul— de áre— de polígono qu—lquer @já que áre— é igu—l — som— d—s áre—s dos triângulosA ™om vérti™es em (x1 . z1 ). z3 ) é d—d— por det   x2 y2 z2 1  = 0F x3 y3 z3 1 Ext 6.

x|x|)(x) = 0 p—r— todo xF ssto não impli™— por @˜A que o ™onjunto é vhc y˜sX (x|x|) = 2|x|F Des 6. . . ↓ ↓ ↓  wostre queX @—A este produto possuirá —s mesm—s propried—des que o produto vetori—l em R3 @—ntiE simétri™—D line—r em ™—d— f—torD orient—ção e norm—liz—çãoAY @˜A u1 × u2 × · · · un−1 é perpendi™ul—r — ™—d— ui p—r— i = 1. .   n  = u1 × · · · × un−1 ∈ R . . . fn } de funções in(nit—mente diferenE ™iáveis de(nimos o wronskiano W (f1 . x. . un−1 ∈ Rn denimos w1 . . .23 (produto vetorial)   w= o Dados u1 . ex } é vsY @dA é ™l—ro que o ™onjunto de funções {x2 .6. . wn produto vetorial entre u1 .   (x) f2 (x) · · · fn (x) @—A €rove que se {f1 . un−1 . . fn } é vh então W (f1 . f2 . .1: e he(nição TFIU d— pFIVR pode ser gener—liz—d— p—r— se de(nir o produto vetori—l entre n − 1 vetores em Rn F Denição 6. . fn )(x) ™omo o determin—nte d— m—triz        f1 (x) f1 (x) f1 (x) F F F f1 (n−1) f 2 ( x) f 2 ( x) f 2 ( x) F F F (n−1) ··· ··· ··· fn (x) fn (x) fn (x) F F F (n−1)     . .3: @determin—nte de †—ndermonde 3 × 3A €rove que  1 a a2 det  1 b b2  = (b − a)(c − b)(c − a). .4 Desaos Des 6. . . EXERCÍCIOS DE DETERMINANTES IWQ 6.4: gonsidere o seguinte pro˜lem—X h—dos pontos (xi . . 1 c c2  Des 6. . . . yi ) ∈ R2 ™om i = 0. n determine polinômio p(x) de gr—u n t—l que p(xi ) = yi F @—A wonte um sistem— line—r p—r— determin—r os ™oe(™ientes ai do polinômio p(x) = n ai x i Y i=0 . por  ↑ ↑ ↑ wi = det  u1 · · · un−1 ei  . . . f2 .2: @‡ronski—noA h—do um ™onjunto {f1 . n − 1F Des 6. f2 . . . . . . . componente a componente.9. . f2 . . .9. . x|x|} é vs @porquecAF €or outro l—doD W (x2 . . fn )(x) = 0 p—r— todo xY @˜A ™on™lu— de @—A que se W (x0 ) = 0 p—r— —lgum x0 então o ™onjunto de funções é vsY @™A use @—A p—r— prov—r que {1. .

DETERMINANTE  1 ··· 1  x0 · · · xn    @˜A he(n— M =  F  @™onhe™id— ™omo m—triz de †—ndermondeAF wostre F F F  F F  n xn 0 · · · xn     a0 y0  F   F  que o sistem— pode ser es™rito ™omo M  F F = F F Y an yn @™A wostre que det M =  (xn − xk )F k<n Des Des on—lF  1+a b c d  a 1+b c d   = 1 + a + b + c + d.7: ƒej— A um— m—triz n × |aij | ≤ k F …s—ndo — idéi— de determin—nte ™omo √n ™om n volumeD mostre que | det A| ≤ (k n) F  FF  F c a Des 6. 6. #9. .6: €rove que um— m—triz ™om tod—s entr—d—s r—™ion—is possui um determin—nte r—™iE  Des 6. 3 Veja [13] p.11: ixistem IT m—trizes 2 por 2 ™uj—s entr—d—s possuem somente 09s e 19sF u—nt—s del—s são invertíveisc Des 6.29.9: g—l™uleX  x    a x a a   2  @—A det a x a Y @˜A det  a  F a a x  F F a €rove que det(An ) = n + 1F a a x a F F F a a x F F F ··· ··· ··· FF F a a a F F F     Y      @™A 3 det   0 1 F F F 1 a a ··· x ··· FF F 0 FF FF F F ··· 1 1  1 F  F F  F 1  0 que p—r— qu—lquer m—triz o posto é k seD e somente seD k é o m—ior inteiro t—l que existe um— su˜m—triz k × k ™om determin—nte nãoEnuloF Des 6.8: gonsidere — m—triz tridi—gon—l n × n An =   FF FF  F b F a b    F he(n— dn =  c det(An )F @—A €rove que dn+1 = adn − bcdn−1 F @˜A suponh— que a = 2 e b = c = −1F Des 6.216 #10.10: @gál™ulo do posto de um— m—triz utiliz—ndo determin—nte de su˜m—trizesA €rove 2 Veja [12] p.5: €rove que det   a b 1+c d  a b c 1+d 6.IWR CAPÍTULO 6.

mas v não. De fato. v ∈ Nuc T é não-nulo então é autovetor associado T v = 0v = 0. O conjunto de autovalores de T é chamado de espectro de T . y ) = ax2 + bxy + cy 2 é sempre positivo ou neg—tivo ou indetermin—do @™l—ssi(™—ção de form—s qu—dráti™—sAY @™A determin—r est—do limite de um sistem— iter—doX ™omeç—ndo num est—do v0 ∈ Rn e evoluindo por vn = Avn−1 D determin—r lim vn F @dA ™l—ssi(™—r ™ôni™—s e quádri™—s @ver WikipediaAF @eA ™—r—™teriz—r geometri™—mente um— „vF n→∞ 7. Observação 7. TL qualquer pois (b) Se λ pode ser zero.1 Autovalores e Autovetores h—d— tr—nsform—ção line—r T : V → V D existe v ∈ V nãoEnulo t—l que v e T v são p—r—lelosc he form— equiv—lenteX existe direção preserv—d— por T c gomo ™—l™uláEl—c Problema Central deste Capítulo Denição 7.2012 23h IWS . w = k v também é autovetor pois T (w) = T (k v) = kT (v) = kλv = λ(k v) = λw. autovetor e espectro) Seja T : V → V transformação linear. Dizemos que v ∈ V não-nulo é autovetor associado ao autovalor λ se T v = λv. se v é autovetor qualquer e k = 0.Cap´ ıtulo 7 ˜o Autovetores e Diagonalizac ¸a he(nimos —utov—lores e —utovetores de tr—nsform—ções line—resF xoss— ênf—se será em „vs do Rn F elgum—s —pli™—ções sãoX √ @—A ™—l™ul—r potên™i—s @Ak A e r—íz qu—dr—d— @ AA de m—trizY @˜A determin—r se o sin—l de f (x.ago.1 (a) (c) O autovetor associado a um autovalor não é único. De fato a direção v=0 é sempre preservada por uma ao autovalor λ = 0 pois €—r— ilustr—r estes ™on™eitos de form— geométri™— estude o ixemplo UFS d— pFIWW e ixemE plo UFT d— pFPHHF y˜serve nestes exemplos queX @—A qu—lquer múltiplo de direção preserv—d— t—m˜ém será preserv—d—X —utovetor não é únicoY 1 Versão 21. T 0 = 0 mas v = 0 não é autovetor.1 (autovalor.

−100) et™F eutoesp—ço p—r— λ = 2X ‚esolvemos o sistem— (T − 2I )v = (1 − 2) −1 −1 (1 − 2) x y = 0 0 . Solução: eutov—loresX gomo o polinômio ™—r—™terísti™o p(λ) = det(T − λI ) = = det (1 − λ) −1 = (1 − λ)2 − 1 = (λ − 0)(λ − 2)D os —utov—lores são 0 e 2F −1 (1 − λ) eutoesp—ço p—r— λ = 0X ‚esolvemos o sistem— (T − 0I )v = y˜temos (1 − 0) −1 −1 (1 − 0) x y = 0 0 . y ) = t(1. 1) ou (2.IWT CAPÍTULO 7. −1) ou (−100. AUTOVETORES E DIAGONALIZAÇÃO @˜A podem existir in(nit—s direçõesD du—sD um— ou nenhum— direção preserv—d—Y @™A zero pode ser —utov—lorF gomo ™—l™ul—r —utov—lores e —utovetores de T : Rn → Rn c €—r— que v sej— —utovetor ˜—st— que T v − λv = T v − (λI )v = (T − λI )v = 0 com v = 0. im resumoD d—do T : Rn → Rn X • hetermin—mos autovalores ™—l™ul—ndo os zeros do polinômio ™—r—™terísti™o p(λ) = det(T − λI )F hevemos preserv—r —o máximo um— expressão f—tor—d— por ser muito difí™il determin—r r—ízes de polinômios de gr—u 3 em di—nte @vej— y˜serv—ção TFV d— pFIVHAY • hetermin—mos os —utov—lor λF autovetores resolvendo o sistem— (T − λI )v = 0 p—r— ™—d— Exemplo 7. 1/2) ou (−1. €ort—nto v é elemento nãoEnulo do Nuc(T − λI )F €elo „eorem— TFII d— pFIUUD Nuc(T − λI ) = 0 seD e somente seD det(T − λI ) = 0F iste determin—nte será um polinômio em λD f—to que não v—mos prov—r @segue d— fórmul— de vei˜niz d— pFIURAF Denição 7.1 Calcule os autovalores e autoespaços de T = 1 −1 −1 1 . 1) p—r— t ∈ RF hest— form— −x + y = 0 o —utoesp—ço —sso™i—do —o 0 é (1.3 (Autoespaço) de T associado ao autovalor λ é o Nuc(T − λI ). . x−y =0 F €ort—nto x = y D solução (x. de- gomo o ™onjunto de —utovetores —sso™i—dos —o —utov—lor λ é igu—l —o Nuc(T − λI ) —pós retir—rmos o vetor nuloD este ™onjunto é ™h—m—do de autoespaço —sso™i—do — λF Denição 7. nimos o polinômio característico de T por p(λ) = det(T − λI ).2 (polinômio característico) Dada transformação linear T : Rn → Rn . 1) F …m —utovetor é (1. 2) ou (1/2.

100) et™F Observação 7. y. 0. 3. z ) = t(3. . a matriz com e calculamos: e autoe Entramos eigenvalues(M).2 Calcule autovalores e autovetores de  3 −1 0 1 0 .1]). −1/2) ou (−1. −1) F …m —utovetor é (1.2 (Software Algébrico) Pode-se calcular os autovalores vetores com o comando do Maxima eigenvalues e eigenvectors. y ) = t(1. M: matrix( [1. det(T − λI ) = det  1 0 (−1 − λ) gomo — m—triz é tri—ngul—rD o determin—nte é (−1 − λ)((3 − λ)(1 − λ) − 1)F gomo (3 − λ)(1 − λ) − 1 = −λ2 + 4λ − 4 = −(λ − 2)2 D det(T − λI ) = −(−1 − λ)(λ − 2)2 F €ort—nto os —utov—lores são 2 e −1F eutoesp—ço p—r— λ = 2X ‚esolvemos o sistem—      (3 − 2) −1 0 x 0      1 (1 − 2) 0 y = 0 . 3. AUTOVALORES E AUTOVETORES IWU y˜temos −x − y = 0 F €ort—nto x = −y D solução (x. 1) ou (−100. (T + I )v =  1 0 (−1 + 1) z 0   4x − y = 0 x − 2y = 0 F €ort—nto x = y = 0D e z qu—lquerD solução (x. (T − 2I )v = 1 0 (−1 − 2) z 0   x−y =0 x − y = 0 F €ort—nto tom—ndo z = tD solução (x. Determine os autovalores e autoespaços para cada θ. y.3 (rotação no plano) No Exemplo 4.. −1) ou (2. z ) = t(0.-1]. −1) p—r— t ∈ RF hest— −x − y = 0 form— o —utoesp—ço —sso™i—do —o 2 é (1.7.98 deduzimos que a matriz de rotação de vetores do plano por um ângulo θ (no anti-horário) é R = cos θ − sen θ sen θ cos θ . 1) y˜temos  x=0 p—r— t ∈ RF hest— form— o —utoesp—ço —sso™i—do —o −1 é (0. 0. eigenvectors(M).9 da p. 1) F eutoesp—ço p—r— λ = −1X ‚esolvemos o sistem—      (3 + 1) −1 0 x 0 1 (1 + 1) 0  y  =  0 . 1) F Exemplo 7.1. −2) ou (1/2. [-1. T = 1 1 0 −1  Solução: eutov—loresX y polinômio ™—r—™terísti™o é   (3 − λ) −1 0 1 (1 − λ) 0 F €—r— ™—l™ul—r o determin—nte p(λ) = det(T − λI ) = det  1 0 (−1 − λ) note que — m—triz já é qu—se tri—ngul—r inferiorF €—r— zer—r o −1 @linh— 1 ™olun— 2AD f—ç— l1 ← l1 + l2 /(1 − λ)F y˜temos   (3 − λ) − 1/(1 − λ) 0 0 1 (1 − λ) 0 . Exemplo 7. 1) p—r— t ∈ RF y˜temos  x − 3z = 0 hest— form— o —utoesp—ço —sso™i—do —o 2 é (3.

3 Vamos explorar sob nova ótica o item (c) do exemplo anterior. Com isto entenda a geometria da TLs. Pensando desta forma. −i) ∈ C 0=0 é um autovetor de R associado a λ = i ∈ C pois R 1 −i = 0 −1 1 0 (1. AUTOVETORES E DIAGONALIZAÇÃO trigonométri™— sen2 θ + cos2 θ = 1AF gomo ∆ = 4(cos2 θ − 1) = −4 sen2 θD ∆ < 0 @r—ízes ™omplex—sA — não ser que sen θ = 0D ou sej—D — não ser que θ = 0◦ ou 180◦ F €ort—nto são três ™—sosX @—A θ = 0◦ F xeste ™—so R = I D — m—triz identid—deF y úni™o —utov—lor é 1 ™om ™om qu—lquer direção nãoEnul— ™omo —utovetorF @˜A θ = 180◦ F xeste ™—so R = −I F y úni™o —utov—lor é −1 ™om qu—lquer direção nãoEnul— ™omo —utovetorF @™A θ ∈ {0◦ . Podemos considerar o espaço C de pares ordenados de números complexos com escalares complexos. −2y ). 2 Até agora trabalhamos com o espaço R de pares ordenados de números reais com esca2 lares reais. Escalonando obtemos (multiplique segunda linha por i e some x − iy = 0 −ix − y = 0 2 com a primeira) . 2y ). y ) = (x + y. Para xar ideias examinamos o caso da rotação de 90 graus. Solução: @—A y úni™o —utov—lor é 1 ™om —utoesp—ço ™orrespondente e1 @e1 = (1. y ) = (x/2.4 (a) (c) Determine autovalores e autoespaços das TLs em (b) R2 abaixo. no caso da rotação por 90 graus. Calculamos o autoespaço para o sistema: λ=i resolvendo (R − iI )v = Obtemos −i −1 1 −i x y = 0 0 . De forma análoga (verique!) é um autovetor de associado a Exemplo 7. −ix − y = 0 . i) ∈ C2 1 −i = i 1 =i R 1 −i . Tomando x = 1 obtemos y = −i. em particular a solução de sistemas lineares. 180◦ }F xeste ™—so não existe —utov—lor @re—lA e nenhuma direção é preserE v—d—F Solução: €olinômio ™—r—™terísti™oX p(λ) = (cos θ −λ)2 +sen2 θ = λ2 −2λ cos θ +1 @identid—de Observação 7. determinante. 0)AF y˜serve n— pigur— UFI o efeito dest— „vD simil—r —o que o™orre ™om um ˜—r—lho de ™—rt—s qu—ndo desliz—mos —s ™—rt—s um— por ™im— d—s outr—sF y efeito é deslo™—r os vetores m—is p—r— direit—D p—r— y > 0D m—is p—r— — esquerd—D ™om y < 0D m—ntendo — ™omponente y F …m exemplo são pl—™—s te™tôni™—s d— terr— desliz—ndo um— so˜re — outr—F É ™onhe™id— ™omo cisalhamento @˜A ƒão —utov—lores 3/2 e 2D ™om —utoesp—ços respe™tiv—mente e1 e e2 F y ™ír™ulo unitário é lev—do por T num— elipseF ist— tr—nsform—ção —mpli— os vetores n— direção x e y D . y ). y ) = (3/2x. denição de núcleo e imagem. y ) = (3/2x. Quase tudo que zemos até aqui (exceto produto interno) se aplica sem alterações. 2y ). λ = −i ∈ C. sendo os outros casos análogos. T (x. T (x. Logo (1. e os autovetores se calculam da forma usual. R= 0 −1 1 0 . T (x. (d) T (x. os autovalores são ±i.IWV CAPÍTULO 7. etc. o polinômio característico é p(λ) = λ2 + 1.

y ) T v113◦ T v135◦ v113 T v158◦ v135◦ v158◦ ◦ 180◦ T v180v y T v90◦ T v68◦ T v45◦ y T v270◦ T v293◦ T v248◦ T v225◦ v113 v ◦ ◦ 90 v 68◦ T v315◦ v45◦ T v338◦ v23◦ v0◦ T v0◦ v338◦ v315◦ T v23◦ 270◦ v ◦ ◦ 90 v 68◦ v45◦ T v23◦ v23◦ v0◦ T v0◦ v338◦ v315◦ T v338◦ 270◦ T v205◦ v135◦ v158◦ x ◦ 180◦ T v180v x v205◦ T v205◦ v225◦ v248◦v T v225◦ v293◦ T v315◦ v205◦ T v158◦ v225◦ v248◦v T v135◦ T v113◦ v293◦ T v45◦ T v293◦ T v248◦ T v270◦ T v90◦ T v68◦ pigur— UFPX empli—ção ilipsoid—l T (x.5 Determine autovalores e autoespaços das TLs em R2 : (a) Reexão em torno do eixo x. y ) = (3/2x. (b) Projeção no eixo x.1. −2y ) y próximo exemplo pode ser resolvido somente por geometri—F Exemplo 7. AUTOVALORES E AUTOVETORES IWW m—s ™om —mpli—ção m—ior n— direção y D f—zendo ™om que — im—gem de um ™ír™ulo sej— um— elipse @vej— pigur— UFPAF É um— —mpli—çãoGredução elipsoid—l ™om re)exãoF @™A ƒão —utov—lores 3/2 e −2D ™om —utoesp—ços respe™tiv—mente e1 e e2 F ist— tr—nsform—ção —mpli— n— direção y m—s re)etindo no eixo x e —mpli— n— direção x @vej— pigur— UFPAF @dA ƒão —utov—lores 1/2 e 2D ™om —utoesp—ços respe™tiv—mente e1 e e2 F ist— tr—nsform—ção —mpli— n— direção y e reduz n— direção x @pigur— UFQAF É —mpli—E çãoGredução elipsoid—lF v5 v4 y v3 T v5 v2 T v4 v1 T v3 T v2 T v1 v6 = T v6 x0 v0 = T v T v7 T v8 T v9 v7 T v10v8 T v11v9 v10 v11 pigur— UFIX gis—lh—mentoX T (x.7. y ) = (3/2x. 2y ) e empli—ção ilipsoid—l ™om re)exão T (x. y ) = (x + y. .

.8 da p. 0. y ) = (x/2. 0) @no eixo xA ™uj— im—gem T e1 = (1. 0) = e2 e direção 1 Em todos os exemplos. 1.PHH CAPÍTULO 7. 2. AUTOVETORES E DIAGONALIZAÇÃO T v90◦ T v68◦ T v113◦ y T v135◦ T v45◦ v113◦ ◦v v135 T 158◦ v90◦ v68◦ T v23◦v45◦ v23◦ v158◦ v180◦ T v180◦ T v0◦ v0◦ x v205◦ v225◦ T v205◦ v248◦ v ◦ 315◦ T v338 v270◦ v293◦ v338◦ T v225◦ T v315◦ T v248◦ T v293◦ T v270◦ pigur— UFQX empli—çãoG‚edução ilipsoid—lX T (x. 0) = e1 D direção e2 = (0. 2y ) Solução: @—A †etores no eixo x serão preserv—dosF essim 1 é —utov—lor ™om —utoesp—ço e1 F †etores no eixo y serão re)etidosF essim −1 é —utov—lor ™om —utovetor e2 Y †ej— pigur— RFQ d— pFWTAF @˜A †etores no eixo x serão preserv—dosF essim 1 é —utov—lor ™om —utoesp—ço e1 F †etores no eixo y serão lev—dos no zeroF essim 0 é —utov—lor ™om —utoesp—ço e2 Y †ej— pigur— RFR d— pFWUF Determine autovalores e autoespaço Exemplo 7. T uma reexão no plano y = 0. 1. 0)D no eixo y D ™uj— im—gem T e2 = (0. Solução: @—A ƒão preserv—d—sX direção e1 = (1. 1). como a soma das dimensões dos autoespaços é 3. calculamos todos autovalores e autoespaços. uma projeção ortogonal na reta gerada pelo vetor (1.202. pelo Lema 7.6 R 3 : (a) (c) somente por geometria1 (b) das TLs em T T uma projeção ortogonal no plano z = 0. 0.

R) @esp—ço de dimensão in(nit—AF Exemplo 7. 2. com D diagonal. 0. R) abaixo. e2 D e 0D ™om —utoesp—ço e3 F †ej— pigur— RFS d— pFWUF essim o —utoesp—ço —sso™i—do —o —utov—lor 1 é o pl—no z = 0 e o —utoesp—ço —sso™i—do —o —utov—lor 0 é —o eixo z D que é perpendi™ul—r —o pl—no z = 0F @˜A y pl—no y = 0 é —utoesp—ço —sso™i—do —o —utov—lor 1 @porquecAF ys vetores no eixo y D que é perpendi™ul—r —o pl—no y = 0D serão re)etidos em torno do pl—no y = 0F essim o —utoesp—ço —sso™i—do —o —utov—lor −1 é o eixo y F @™A gomo T (1. 2. 0. ou seja. Portanto se Denição 7. 0) = 0e3 F ƒão —utov—lores 1D ™om —utoesp—ço e1 .7 T : C ∞ (R. p. . λn [λ1 v1 · · · λn vn ]. 1) e o —utoesp—ço —sso™i—do —o —utov—lor 0 é o pl—no perpendi™ul—r —o vetor (1. Para cada um autovetor (tam- Solução: @—A f (t) = exp(3t) pois f (t) = 3 exp(3t)D isto éD T f = f = 3f F xote que g (t) = C exp(3t) t—m˜ém será —utofunção p—r— qu—lquer C ∈ RF @˜A …m— possi˜ilid—de é f (t) = sin(2t) pois f (t) = 2 cos(2t) =⇒ f (t) = −4 sin(2t)D isto éD f = −4f F yutr— função é f (t) = cos(2t) pois f (t) = −2 sin(2t) =⇒ f (t) = −4 cos(2t)D isto éD T f = f = −4f F gom˜in—ções line—res de sin(2t) e cos(2t) t—m˜ém serão —utofunçãoD isto éD g (t) = C1 sen(2t) + C2 cos(2t) ™om C1 . 1) é um —utovetor —sso™i—do —o —utov—lor 0F tá vetores perpendi™ul—res — (1. 1) ™omo (−1. Logo as colunas de P são autovetores de A com autovalores na diagonal de D . . Note que se P = [v1 · · · vn ]  λ1   . se então Autovetores associados a autovalores distintos são linee vk = 0 T vk = λk vk . k = 1. −2) são lev—dos no zero e port—nto são —utov—lores —sso™i—dos —o —utovetor 0F essim o —utoesp—ço —sso™i—do —o —utov—lor 1 é — ret— (1. 1) que denot—mos por (1.6 (autovetores são LIs) armente independentes. 2. 2. −1. Avi = λi vi . 1) = (1.2 Diagonalização Denição 7. C2 ∈ R t—m˜ém será —utofunçãoF 7. . 1) ou (0. 2.2. e D é matriz diagonal com D =   então AP = [Av1 · · · Avn ] = . 0. . 1)D o vetor (1. 1) ⊥ F x— teori— @m—is —v—nç—d—A de equ—ções diferen™i—is determin—mos —utov—lores e —utovetoE res @™h—m—dos de —utofunçãoA dos oper—dores line—res deriv—d— primeir— e deriv—d— segund— no esp—ço d—s funções re—is diferen™iáveis C ∞ (R.5 (decomposição espectral) Se A é diagonalizável chamamos de decomposição espectral de A uma fatoração A = P DP −1 com D diagonal e P invertível. (b) autovalor −4 se T f = f . Assim. 1)D no eixo z D ™uj— im—gem T e3 = (0.4 A é diagonalizável..4 (matriz diagonalizável) Dizemos que uma matriz quadrada A é diagonalizável se existe P invertível tal que P −1 AP = D (ou de forma equivalente A = P DP −1 ). Lema 7. 2. . . 2. vp } é LI. . R) → C ∞ (R. R) associado ao: (a) autovalor 3 se T f = f . . AP  = P D. Observação 7. determine ∞ bém chamado de autofunção) f ∈ C (R.7. {v1 . . DIAGONALIZAÇÃO PHI e3 = (0. com λk 's distintos.

. λ1 . y ) = (x + y. . então a união deles β1 ∪ · · · ∪ βn também é LI.. . . uk } e β2 = {v1 . . . A =  −2 0 0 0 2 (d)  (c)  3 −1 0 1 0 .. . j F epli™—ndo A dos dois l—dos e us—ndo o f—to de serem —utoesp—çoes o˜temos que λ1 ai ui + λ2 bj vj = 0F vogo 2 2 bj vj F ƒu˜stituindo o˜temos − λ bj vj + bj vj = 0F @supondo λ1 = 0AD ai ui = − λ λ1 λ1 λ2 vogo (1 − λ1 ) bj vj = 0F gomo λ1 = λ2 D bj vj = 0F gomo supomos que β2 sej— vsD bj = 0 p—r— todo j F egor— (™—mos ™om ai ui = 0 e ™on™luímos que ai = 0 p—r— todo iF heix—mos o ™—so ger—l p—r— o leitorF Prova: gonsidere o ™—so n = 2D β1 = {u1 .7 Se uma matriz n × n A possui n autovalores distintos então A é diagonalizável. y ). ai ui + bj vj = 0F hevemos mostr—r que ai = bj = 0 p—r— todo i.9 Considere A uma matriz quadrada autoespaços associados a cada autovalor de A é k. λn autovalores distintos de A e Hi autoespaço associado a λi . . Se βn ⊂ Hn são conjuntos LIs. . .. . . A= 1 1 0 −1 T (x.PHP CAPÍTULO 7.8 β1 ⊂ H1 . vl }F ƒuponh— que Corolário 7. A Se a soma das dimensões dos é diagonalizável. . . €—r— di—gon—liz—r um— m—triz A de dimensão nX • g—l™ule os —utov—lores @r—ízes do polinômio ™—r—™terísti™oAF • in™ontre ˜—ses p—r— —utoesp—ços @resolver sistem—s homogêneosAF • tunte os —utovetores d—s ˜—ses dos —utoesp—çosX se tivermos n —utovetores vss A é di—gon—lizávelD ™—so ™ontrário não é di—gon—lizávelF Exemplo 7. m—triz ™om os n —utovetoresD ™omo eles são vssD pelo „eorem— TFII d— pFIUU — m—triz P é invertívelF gomo são —utovetores temos que AP = P D @ver y˜serv—ção UFRAF vogo A é di—gon—lizávelF Prova: ƒe existem n —utov—lores distintosD pelo vem— UFT eles são vssF he(nindo P um— Lema 7. . . então k × k. AUTOVETORES E DIAGONALIZAÇÃO —nterioresX vr = Prova: ƒuponh— f—ls— — teseF xeste ™—soD sej— 2 ≤ r ≤ p mínimo t—l que vr é gv dos α k vk F k<r „emos entãoX T vr = λr vr ⇒ T k<r αk vk = λr k<r α k vk ⇒ k<r λk αk vk = λr α k vk k<r ⇒ k<r (λk − λr )αk vk = 0 w—s isto impli™— que v1 . (b)  3 1 −2 4 . Sejam . vr−1 são vhD o que ™ontr—ri— — minim—lid—de de rF y próximo ™orolário —present— um— ™ondição su(™iente @m—s não ne™essári—A p—r— que um— m—triz sej— di—gon—lizávelF e ™ondição não é ne™essári— pois um— m—triz ™om todos —utov—lores igu—is @por exemplo — identid—deD que possui somente o —utov—lor 1A pode ser di—gon—liz—d—F Corolário 7.8 (a) Verique se é diagonalizável. . Se for determine decomposição espectral: A=  1 −1 −1 1 .

se possível a decomposição espectral de: . −2.9 Considere T uma projeção ortogonal na reta r = w ⊂ R2 . Determine autovalores e autovetores e sua decomposição espectral. w ∈ R3 tais que Π = v. DIAGONALIZAÇÃO PHQ n—lizável pois são dois —utov—lores distintos @0 e 2A e port—nto dois —utovetores vss @pelo 1 1 0 vem— UFTAF „om—ndo P = D P −1 AP = F y˜serve que se tro™—rmos — orE 1 −1 2 1 1 dem dos vetores o˜temos um— m—triz di—gon—l diferenteF essim se tom—rmos Q = D −1 1 2 Q−1 AQ = F 0 @˜A g—l™ul—ndo p(λ) = det(A − λI ) = (2 − λ)(−λ(3 − λ) + 2) @utilize determin—nte por ˜lo™oAF xote que v—mos m—nter — f—tor—ção @vej— y˜serv—ção TFV d— pFIVHA pois queremos ™—l™ul—r r—ízesF essim p(λ) = (2 − λ)(λ2 − 3λ + 2)F g—l™ul—ndo r—ízes de p são 2 @do primeiro f—tor e do polinômio do segundo gr—uA e 1F egor— resolvendo o sistem— (A − 2I )v = 0 o˜temos ™omo —utovetores —sso™i—dos —o 2X (2. 0)F ‚esolvendo (A − I )v = 0 o˜temos —utovetor —sso™i—do   —o 1 (1. 0)F gomo os —utovetores não form—m ˜—seD est— „v não é di—gon—lizávelF istá tr—nsform—ção é um ™is—lh—mentoD represent—do n— pigur— UFI d— pFIWWF €odemos ™—l™ul—r os —utov—lores e —utoesp—ços e — de™omposição espe™tr—l de tr—nsforE m—ções geométri™—s somente por geometri—F Solução: @—A g—l™ul—mos —utov—lores e —utoesp—ços no ixemplo UFI d— pFIWTF É di—goE Exemplo 7. Solução: gonsidere v um— direção perpendi™ul—r à ret— rF É ™l—ro que T v = 0 = 0v e T w = 1wF vogo são —utov—lores 0 e 1 ™om —utovetores —sso™i—dos w e vF gomo são P 2 —utovetores vss em di—gon—lizávelF   R D é    ↑ ↑ ↑ ↑ ↑ ↑ 0 he(n— P =  v w D então AP =  Av Aw  =  0 w  = P .10 Sejam v. vogo 1 ↓ ↓ ↓ ↓ ↓  ↓  ↑ ↑ 0 1 −1  w v D então Q−1 AQ = P AP = F y˜serve que se Q = F 1 0 ↓ ↓ Exemplo 7. 0)F 2 −1 1  0 1 − 2 F intão P −1 AP = gomo são 3 —utovetores vssD T é di—gon—lizávelF ƒej— P = 1 0 0   2  F y˜serve que se tro™—rmos — ordem dos vetores o˜temos um— m—triz di—gon—l 2 1     −1 1 2 2 F 1 diferenteF essim se tom—rmos Q =  1 −2 0 D Q−1 AQ =  0 0 1 2 @™A g—l™ul—mos —utov—lores e —utoesp—ços no ixemplo UFP d— pFIWUF xão é di—gon—lizável pois ™—d— —utoEesp—ço possui somente um vetor vsF hois vetores não form—m ˜—se do R3 F 1 1 @dA e m—triz —sso™i—d— — T é F y polinômio ™—r—™terísti™o é p(λ) = (1 − λ)2 F 0 1 €ort—nto o úni™o —utov—lor é 1F ‚esolvendo (A − I )v = 0 o˜temos y = 0F €ort—nto — úni™— direção preserv—d— é (1. 1) e (−1. 1. w seja um plano em R3 .2. Determine autovalores e autovetores e.7. 0.

1 AP =  Au Av Aw  =  −u v w  = P  ↓ ↓ ↓ ↓ ↓ ↓ 1  vogo P −1 AP =   −1 1  F 1 @™A gonsidere Π = u. 1 AP =  Au Av Aw  =  0 v w  = P  ↓ ↓ ↓ ↓ ↓ ↓ 1  vogo P −1 AP =   0 1  F 1 @˜A gonsidere u um— direção perpendi™ul—r —o pl—no ΠF É ™l—ro que T u = −1uD T v = 1v e T w = 1wF vogo são —utov—loresX −1 ™om —utovetor u e 1 ™om —utovetores v e wF ƒão Q 3 —utovetores vss em  R X é di—gon—lizávelF  ↑ ↑ ↑ he(n— P =  u v w D então ↓ ↓ ↓      ↑ ↑ ↑ ↑ ↑ ↑ −1 . AUTOVETORES E DIAGONALIZAÇÃO T (b) T (c) T Π. v o pl—no perpendi™ul—r —o eixo rF É ™l—ro que — úni™— direção preserv—d— será wD qu—ndo T w = wF u—lquer outr— direção será modi(™—d—F vogo úni™o —utov—lor @re—lA é 1 ™om —utoesp—ço w X não é di—gon—lizávelF heix—mos p—r— o leitor —lguns outros exemplosX projeção ortogon—l em ret— no esp—çoD re)exão p—r— um— ret— no pl—noD re)exão em pl—no no esp—çoF †o™ê pode repetir — —nálise dos exemplos —nteriores p—r— estes ™—sosc pin—liz—mos est— seção —present—ndo o „eorem— ispe™tr—l p—r— m—trizes simétri™—s @ver he(nição RFRP d— pFIITAF ile é utiliz—do em divers—s —pli™—ções pois permite g—r—ntir @sem s—˜er quem são os —utov—lores por exemploA que um— m—triz é di—gon—lizávelF É utiliz—do p—r—X • ™l—ssi(™—ção de máximos e mínimos lo™—is de função de vári—s v—riáveis —tr—vés do estudo de sin—is dos —utov—lores d— ™h—m—d— m—triz ressi—n—Y • ™l—ssi(™—ção de ™ôni™—s e quádri™—sY • estudo de me™âni™— de ™orpos rígidosF . Solução: @—A gonsidere u um— direção perpendi™ul—r —o pl—no ΠF É ™l—ro que T u = 0 = 0uD T v = 1v e T w = 1wF vogo são —utov—loresX 0 ™om —utovetor u e 1 ™om —utovetores v e 3 wF ƒão Q —utovetores vss em   R X é di—gon—lizávelF ↑ ↑ ↑ he(n— P =  u v w D então ↓ ↓ ↓      ↑ ↑ ↑ ↑ ↑ ↑ 0 . uma reexão ortogonal no plano Π. uma rotação em torno do eixo r = w uma projeção ortogonal no plano por um ângulo 27o .PHR (a) CAPÍTULO 7.

v = a u. v AD 2b( u 2 + v 2 ) = 0F gomo w = u + iv = 0D b = 0F vogo λ = a ∈ RF €—r— (n—liz—r vej— ‘U“F     1 2 3 4 k1 a b  2 5 6 7   Exemplo 7. u = u.3 Aplicações gomo ™—l™ul—r potên™i—s de um— m—triz e lim Ak c k→∞ k D é di—gon—lF ƒej— D =   p—r— D qu—ndo  determin—ndo um— fórmul—  †—mos ™omeç—r k λ1 λ1     FF FF  p—r— todo k ∈ NF F É fá™il veri(™—r que Dk =   F F k λn λn k egor— v—mos determin—r um— fórmul— p—r— A qu—ndo A é di—gon—lizávelF ƒe A é di—goE n—lizávelD existe P invertível e D di—gon—l ™om A = P DP −1 F essimX A2 = (P DP −1 )(P DP −1 ) = P D(P −1 P )DP −1 = P DDP −1 = P D2 P −1 he form— ger—lD Ak = P Dk P −1 p—r— todo k ∈ NF e A3 = (P DP −1 )(P DP −1 )(P DP −1 ) = P D(P −1 P )D(P −1 P )DP −1 = P DDDP −1 = P D3 P −1 .42 da I : Denição 4. u = a v.116).3. b ∈ R e w = u + iv ™om u. −1) F 1 1 −1/2 €ort—ntoD P = ™om D = F g—l™ul—ndo — invers— de P determin—mos 1 −1 1 4 1 1 1/210 1 −1 104 que P = 2 F gomo D = D ™—l™ul—ndo o produto P D10 P −1 1 −1 1 4 4 210 + 1 1 − 210 4 o˜temos que A10 = 2101 F 4 4 4 +1 1 − 210 210 + 1 Solução: É ™l—ro que não v—mos multipli™—r A por el— mesmo 10. v ™omo vetores d— ˜—se ™—nôni™— e utiliz—ndo @˜iAline—rid—de do produto internoAF €ort—ntoD a u.43 da p. v − b v 2 D Av. v ∈ Rn F vogo Aw = A(u + iv) = λw = (a + bi)(u + iv)F ƒep—r—ndo p—rtes re—is e im—ginári—s o˜temos Au = au − bv e Av = bu + avF „om—ndo produto es™—l—r ™om v e u ™om ™—d— equ—ção o˜temosX Au.   3 6 8 9 .7. u @isto é verd—de p—r— todo u. 000 vezes3 y polinômio . ™—r—™terísti™o é p(λ) = λ2 − λ/2 − 1/2F es r—ízes @os —utov—loresA são 1 e −1/2F ‚esolvendo os sistem—s —sso™i—dosD determin—mos os —utoesp—çosF y —utoesp—ço —sso™i—do —o −1/2 é (1. u + b u 2 F €el— simetri— @ v. APLICAÇÕES PHS Se a matriz quadrada Teorema 7. p. b c k3 4 7 9 10 Prova: †—mos prov—r somente que todos —utov—lores são re—isF ƒej— w ∈ Cn @w = 0A 7. v = Av. 1 −3 −3 1 Exemplo 7.11 São diagonalizáveis:  a k2 c . 1) F y —utoesp—ço —sso™i—do —o 1 é (1.10 (espectral para matrizes simétricas) trica (A T (P P = A é simé- = AT : Denição 4. v ∈ Rn D e é — de(nição ™orret— de m—triz simétri™—Y podeEse veri(™—r tom—ndo u.116) então A é diagonalizável com P ortogonal um —utovetor ™om —utov—lor —sso™i—do λ ∈ CF essim Aw = λwF €odemos es™rever que λ = a + bi ™om a. v − b v 2 = a v.12 Calcule A10 4 para A= 1 4 . u + b u 2 F gomo A é simétri™—D Au.

−3) F y —utoesp—ço —sso™i—do —o 1/3 é (−3. 5) F 2 −3 1 €ort—ntoD P = ™om D = F g—l™ul—ndo — invers— de P determin—mos −3 5 1/3 5 3 F que P −1 = 1 2 3 2 É ™l—ro que lim Ak = lim (P Dk P −1 ) = P k→∞ k→∞ k→∞ lim Dk P −1 F gomo Dk = 1k (1/2)k k→∞ D o primeiro elemento d— di—gon—l é sempre 1 e o segundo ™onverge p—r— zeroF vogoD lim Dk = o˜tendo que lim Ak = k→∞ 1 0 F gon™luímos que o limite é P 1 0 P −1 D 10 6 F −15 −9  1 1 −1 1 0 2 −1 . Para qual vetor o sistema vai convergir (e se vai convergir)? A convergência depende do vetor inicial? Solução: É ™l—ro que @por induçãoA vk = Ak v0 F essim queremos ™—l™ul—r lim Ak F †—mos seguir os p—ssos do exemplo —nteriorF gomo — m—triz é tri—ngul—rD os —utov—lores são 1/2 e 1F ‚esolvendo os sistem—s —sso™i—dosD determin—mos os —utoesp—çosF y —utoesp—ço —sso™i—do  —o 1/2 é  (1. AUTOVETORES E DIAGONALIZAÇÃO Exemplo 7. 0) F €ort—ntoD P =  0 1 1  ™om 0 1 0   1/2 F g—l™ul—ndo — invers— de P determin—mos que 1/2 D= 1   1 −1 0 0 1 F P −1 =  0 0 1 −1   (1/2)k D o ter™eiro elemento d— di—gon—l é sempre 1 e o (1/2)k gomo Dk =  k 1   0 F gon™luímos que o 0 primeiro e o segundo ™onvergem p—r— zeroF vogoD lim Dk =  k→∞     1   0 0 1 −1 a k −1      0 limite é P P D o˜tendo que lim A = 0 1 −1 F essim se v0 = b D k→∞ 1 0 0 0 c k→∞ . (1.14 (estado limite) qualquer inicial Considere a matriz Dado um vetor v0 ∈ R3 . denimos vk+1 = Avk .PHT CAPÍTULO 7.13 (limite de sequência de matrizes) Calcule Considere A= 7 4 −10 −17/3 . 1)) F y 1 1 1 —utoesp—ço —sso™i—do —o 1 é (1. A= 2 0 0 1  Exemplo 7. 0). Solução: y polinômio ™—r—™terísti™o é p(λ) = λ2 − 4λ/3 + 1/3F es r—ízes @os —utov—loresA são 1 e 1/3F ‚esolvendo os sistem—s —sso™i—dosD determin—mos os —utoesp—çosF y —utoesp—ço —sso™i—do —o 1 é (2. 1. 0. 1. k→∞ lim Ak .

y ) pode ser positivo ou neg—tivo dependendo de x. 2 2 2 2 (c) f (x.16 (classicação de formas quadráticas) Classique as formas quadráticas abaixo em positivo denida.15 (raíz quadrada de matriz) √ Calcule A para A= −6 −30 5 19 . (b) f (x.3. y ∈ R nãoEnuloX negativo denidaY @™A f (x. de uma −1 matriz diagonalizável. cosseno. z ) = ax2 + by 2 + cz 2 + dxy + exz + f yz F Classicação de Formas Quadráticas Exemplo 7. APLICAÇÕES PHU  b−c lim vk = lim Ak v0 =  b − c F gon™luímos que o limite depende do est—do ini™i—lF k→∞ k→∞ 0 gomo ™—l™ul—r r—iz qu—dr—d— de m—triz di—gon—lizávelc  = P DP −1 ™om elementos d— di—gon—l de D @—utov—loresA positivosD de(nimos B = √ ƒe A √ √ −1 A = P DP √ D onde D√ signi(™— tom—r dos d— di—gon—lF hest— √r—iz √@positiv—A √elementos 2 −1 −1 −1 2 −1 form—D B = (P DP )(P DP ) = P D DP = P ( D) P = P DP −1 = A pois √ 2 D = DF é ™l—ro que Exemplo 7. seno. y ∈ RX indenidaF gl—ssi(™—ção simil—r é feit— p—r— f (x. (d) f (x. y ∈ R nãoEnuloX positivo denidaY @˜A f (x. y. y ) = −4x + 2xy − 4y . Solução: y polinômio ™—r—™terísti™o é p(λ) = λ2 − 13λ + 36F es r—ízes @os —utov—loresA são 4 e 9F ‚esolvendo os sistem—s —sso™i—dosD determin—mos os —utoesp—çosF y —utoesp—ço —sso™i—do —o 9 é (−2. 1) F 9 −2 −3 €ort—ntoD P = ™om D = F g—l™ul—ndo — invers— de P determin—mos 1 1 4 √ √ √ 1 3 3 que P −1 = F gomo D = D ™—l™ul—ndo o produto P DP −1 = A −1 −2 2 √ 0 −6 o˜temos que B = A = F †eri(que diret—mente que B 2 = AF 1 5 √ −3 xote que poderí—mos ter tom—doD —o invés de D um— d—s opçõesX ou 2 3 −3 ou D pois o qu—dr—do de qu—lquer um— del—s é igu—l — DF xesE −2 −2 12 30 −12 −30 tes ™—sos o˜terí—mos m—trizes B1 = D B2 = = −B1 D B3 = −5 −13 5 13 0 6 = −B1 F €—r— qu—lquer um— del—sD Bi2 = AF −1 −5 Pode-se de forma similar denir exponencial. y ) = 3x + 4xy + 3y . se a matriz A for diagonalizável (A = P DP ) −1 e f : R → R uma função podemos denir f (A) = P f (D )P onde f (D ) é aplicar a função em cada elemento da diagonal. etc. Observação 7.5 h—d— função @™h—m—mos de form— qu—dráti™—A f (x. y ) = ax2 + by 2 + cxy queremos s—˜er seX @—A f (x.7. y ) < 0 p—r— todo x. 1) F y —utoesp—ço —sso™i—do —o 4 é (−3. y ) > 0 p—r— todo x. negativo denida ou indenida: 2 2 2 2 (a) f (x. . y ) = 3x + 8xy + 3y . De forma mais geral. y ) = 2x − 6xy + 2y .

1. Autovetores e Diagonalização 7. . 2. −1} então é invertívelF Fix 7.2012 23h @é.ago. não éA —utovetor —sso™i—do —o —utov—lor 5Y @—A ™omo T (0) = 0 · 0D o número 0 é —utov—lor de T Y @˜A ™omo T (0) = λ · 0 = 0D o vetor 0 é —utovetor de T F Fix 7. 1.6: ƒe — m—triz qu—dr—d— B não possui invers— então 0 1 Versão 23. 2.PHV CAPÍTULO 7. 3. AUTOVETORES E DIAGONALIZAÇÃO 2 −3 x F −3 2 y g—l™ul—ndo —utov—lores en™ontr—mos 5 e −1F hi—gon—liz—ndo A @el— é simétri™— e pelo „eorem— UFIH d— pFPHS é sempre di—gon—lizávelAD A = P T DP F vogo f (v ) = v T P T DP v F he(n— w = P v =⇒ wT = v T P T F vogo f (w) = wT DwF €ort—nto se w = (a. 0)F hetermine se é †erd—deiro ou p—lsoX Fix 7. .1: ƒuponh— que u é —utovetor —sso™i—do —o —utov—lor 2 e v é —utovetor —sso™i—do —o —utov—lor 3F @−2. b)D f (w) = 5 0 a f (a. . b) = a b = 5a2 − 1b2 F — form— qu—dráti™— é inde(nid—D pois pode 0 −1 b ser positiv— ou neg—tiv—F 3 2 x @˜A €odemos es™rever f (x. 1. 6AF @™A w = u + v @é. 2. y ) = x y F g—l™ul—ndo —utov—lores 1 −4 y en™ontr—mos −3 e −5F p—zendo —nálise simil—r —o item —nterior ™on™luímos que — form— qu—dráti™— é neg—tivo de(nid—F 3 4 x @dA €odemos es™rever f (x. não éA —utov—lor de B F . 3AY @—A y = −u é —utovetor —sso™i—do —o —utov—lor @˜A z = 2v é —utovetor —sso™i—do —o —utov—lor @2. 3. 4. . y ) = x y F g—l™ul—ndo —utov—lores en™onE 4 3 y tr—mos −1 e 7F p—zendo —nálise simil—r —o item —nterior ™on™luímos que — form— qu—dráti™— é inde(nid—F Solução: @—A €odemos es™rever f (x. −3. 3AY @> ou = 0. 3AY @> ou = 0.2: gonsidere o vetor 0 = (0. 2.5: ƒe o úni™o —utov—lor de T : R3 → R3 é 5 entãoX @—A dim Nuc(T − 3I ) @˜A dim Nuc(T + 5I ) @™A dim Nuc(T − 5I ) @> ou = 0.4 Exercícios de Autovalores.4: ƒe T : R9 → R9 D T possui no máximo —utov—lores distintosF Fix 7.4. y ) = x y F g—l™ul—ndo —utov—lores en™onE 2 3 y tr—mos 1 e 5F p—zendo —nálise simil—r —o item —nterior ™on™luímos que — form— qu—dráti™— é positivo de(nid—F −4 1 x @™A €odemos es™rever f (x. 3AY Fix 7.3: hetermine se é †erd—deiro ou p—lsoX @—A tod— „v possui pelo menos um —utov—lor re—lY @˜A se um— „v possui nú™leo diferente de 0 então possui um —utov—lorF @™A se o espe™tro de um— „v é {2.1 Exercícios de Fixação Autovalores e Autovetores Fix 7. y) = x y 7.

8: gonsidere em R X R um— re)exãoD P um— projeção ortogon—l e U um— rot—ção por ângulo θ @0 < θ < π AF hetermine qu—is possuem um —utov—lor igu—l —X Y @˜A −1X Y @™A 0X Y @dA um ™omplexo nãoEre—lX @—A 1X 0 0 Fix 7. talvezAY 2 @˜A −2c @sim. @—A n = Y @˜A dim(Nuc(T )) = Y @™A dim(Nuc(T − 3I )) = F Diagonalização Fix 7. 1.2: im ™—d— item determine se v é —utovetor de AF im ™—so positivoD determine o —utov—lorX     4 3 7 9 1 −3 1 @—A v = eA= Y @˜A v =  −3  e A =  −4 −5 1 F 4 −3 8 1 2 4 4 @—A 4 −2 F hetermine um— ˜—se p—r— o −3 9 —utoesp—ço —sso™i—doF in™ontre três —utovetores distintosF Prob 7.3: ƒ—˜eEse que λ = 10 é —utov—lor p—r— .9: ƒej— A = 0 0 F @—A é@sãoA —utov—lor@esA Y @˜A são —utovetores F F Fix 7. não.12: ƒ—˜endo que todo —utovetor de A é múltiplo de (1.4: g—l™ule os —utov—lores e —utoesp—ços —sso™i—dos deX     0 0 1 −1 3 0 0  −1 0 1 −1  2 7 F  3 2 Y @—A Y @˜A 0 @™A   0 0 0 7 2 0  0 −1 0 0 0 0 1 Prob 7. EXERCÍCIOS DE AUTOVALORES.10: ƒe T : R → R possui ™omo polinômio ™—r—™terísti™o n n p(λ) = det(T − λI ) = (λ − 1)2 (λ + 3). AUTOVETORES E DIAGONALIZAÇÃO PHW Fix 7.4. 2y − x)F É —utovetor de T X 4 0 1 1 c @˜A c @™A c @dA c 1 0 2 1 Prob 7. não.7: ƒe dim Nuc(T + 2I ) = 1 então é —utov—lor de „X @—A 2c @sim.4. não formamA um— ˜—seF port—nto os —utovetores e 7.11: hetermine se †erd—deiro ou p—lsoF ƒe T : R6 → R6 possuiX @—A 6 —utov—lores distintos então T é di—gon—lizávelF @˜A 2 —utov—lores distintos então T não é di—gon—lizávelF di—gon—lizávelY Fix 7. 1)D A  @é. não é. não podeA ser di—gon—liz—d— pois seus —utov—lores são @˜A B @formam. y) = (−3x + 4y.7.13: ƒe B =  0 2 3  então 0 0 1 Y @—A seus —utov—lores são @pode. pode serA  −1 π √ e Fix 7.1: gonsidere — „v T (x.2 Problemas Autovalores e Autovetores Prob 7. talvezAF Fix 7.

y. −1. z ) = (−x − 2y + 2z. −1. −2) e (0.9: ixplique em ™—d— ™—so porque não existe um— „vX Prob 7. y.7: ƒuponh— que λ é —utov—lor de A invertível e µ —utov—lor de B ™om mesmo —utovetor vF hetermine —utov—lor —sso™i—do —o —utovetor v deX @—A A2 Y @˜A A−1 Y @™A AB Y @dA C = aA + bB ™om a. 1) ™omo —utovetores —sso™i—dos —os —utov—lores −1/2 e 2 respe™tiv—E menteY @˜A (1.10: €—r— ™—d— T de(nid— determine os —utov—lores e — dimensão de Nuc(T )D Nuc(T + I )D − I )X @—A T : R3 → R3 um— projeção ortogon—l num pl—no p—ss—ndo pel— origemY @˜A T : R3 → R3 um— re)exão em torno de um pl—no p—ss—ndo pel— origemY Nuc(T Prob 7. z )F  −1 0   de modo que o —utoesp—ço —sso™i—do 4  1 Prob 7. 0)F   0 −1 0 Prob 7.8: im ™—d— item dê um exemplo de „v que tenh—X @—A T : R2 → R2 ™ujo nú™leo sej— um— ret— e tenh— dois —utov—lores re—is distintos nãoEnulosY @˜A T : R4 → R4 que sej— so˜rejetiv— ™om um —utov—lor igu—l — 0Y @™A T : R3 → R3 que tenh— (1. 9) @note que o ter™eiro é som— dos dois primeirosA ™omo —utovetores —sso™i—dos —os —utov—lores 1D 2 e 3Y Prob 7. 2. 1) = @˜A dim(Nuc(T )) pode ser no máximo @0. R) → C ∞ (R. 1) ™omo —utovetores —sso™i—dos —o —utov—lor 3 e (0. R)F hetermine —utofunções —sso™i—d—s —o —utov—lor λ = −9 seX @—A T f = f Y @˜A T f = f Y . AUTOVETORES E DIAGONALIZAÇÃO Prob 7.13: g—l™ule os —utov—lores os —utoesp—ços —sso™i—dos —X @—A um— re)exão no pl—no 3x − 2y + z = 0 em R3 Y @˜A um— projeção ortogon—l num— ret— em R3 s—˜endo que P (1. 3A Prob 7.5: g—l™ule os —utov—lores e —utoesp—ços —sso™i—dos deX @—A T (x. 3)D (4. 1) e (1. 7. 0.12: ƒ—˜endo que — m—triz  —˜—ixo é um—  rot—ção em torno de um eixo (xoD determine 0 −1 0 0 −1  — direção do eixo de rot—çãoF  0 1 0 0 Prob 7. 1.PIH CAPÍTULO 7. 5. 1) ∈ Nuc(T )F Prob 7. 2. 1.15: gonsidere T um oper—dor —gindo no esp—ço d—s funções re—is ™om in(nit—s deE riv—d—sD isto éD T : C ∞ (R. −1.6: hetermine h n— m—triz   0 0 0 0 —o —utov—lor S sej— ˜idimension—lF  6 h 5 0 @˜A T (x.11: ƒ—˜endo que T : R3 → R3 possui x − y + z = 0 ™omo —utoesp—ço —sso™i—do —o —utov—lor 2D Y @—A T (1. 3y )Y 5 −2  0 3 Prob 7. 0) = (1. 2. y ) = (3x − 2y.14: g—l™ule —utov—lores e —utovetores p—r— mostr—r que  −1 0 0  é re)exãoF 0 0 1 hetermine em torno do que @pl—no ou ret—A se dá — re)exãoF Prob 7. 6) e (5. b ∈ RF @—A (1.

7 0. z )F hetermine P e Q t—is queX  Prob 7.20: ƒej— T : R3 → R3 um— projeção ortogon—l no pl—no x − 2y − z = 0F hetermine P t—l que P T P −1 sej— di—gon—lF Prob 7. 1.2 F 0. −1) = 3(1. 1)F in™ontre P ortogon—l t—l que P T P −1 =   3 0 0  0 3 0 .4.21: ƒ—˜eEse que T (1. mk+1 0.17: ƒe possívelD di—gon—lize — m—trizX @—A 1 0 Y 6 −1 1 0 0  @˜A 1 0 0  1 1 1   3 −1 0  1 0  @™A 1 0 0 4   1  0 @dA   0 0  0 0 1 0 0 1 0 0  0 0   0  1 y x+y .16: e m—triz —˜—ixo está f—tor—d— n— form— M DM −1 F Sem fazer contasD determine os —utov—lores d— m—triz e ˜—ses p—r—    3 1 −2 1     −2 0  4   = 1 0 0 2 1 ™—d— um dos —utoesp—çosF    2 −1 2 0 0 −2 −1 4     0 2 0  2  0 2  1 − 3    1 0 0 0 1 1 1 −2 Prob 7. −1)D T (1.7.19: hetermine em ™—d— ™—so se — „v pode ser di—gon—liz—d—X @—A A4×4 tem três —utov—lores distintosF …m —utoesp—ço é unidimension—l e um dos outros é ˜idimension—lF @˜A T : R5 → R5 tem polinômio ™—r—™terísti™o p(λ) = (λ − π )(λ − e)2 (λ − 1)3 F hois dos —utoesp—ços de T são ˜idimension—isF Prob 7. 1) e T w = wD ™om w ortogon—l — (1. 2 .7 0.2 rk = .22: ƒej—m P = por A2 AF 5 7 DD= 2 3 2 0 0 1 e A = P DP −1 F g—l™ule A8 @sem p—ss—r — mon—rqui— — ™—d— —no e PH7 dos defensores d— mon—rqui— p—ss— — —poi—r — repú˜li™— — ™—d— —noF €ort—ntoD denot—ndo por rk e mk o número de repu˜li™—nos e mon—rquist—sD respe™tiv—menteD — ™—d— —no k D temos que rk+1 = 70%rk +20%mk e mk+1 = 30%rk +80%mk F …tiliz—ndo m—trizesD rk+1 0.8 mk Prob 7. 0 0 1 Aplicações Prob 7.  1 0 0 1 0 0 @˜A Q−1 AQ =  0 0 0 F @—A P −1 AP =  0 1 0 Y 0 0 0 0 0 1 Prob 7. 0. 0. AUTOVETORES E DIAGONALIZAÇÃO PII Diagonalização Prob 7.8 @˜A ƒ—˜endo que hoje met—de d— popul—ção —pói— — repú˜li™—D em IH —nos qu—l será o per™entu—l que —pói— — repú˜li™—c @—A g—l™ule — de™omposição espe™tr—l de .18: gonsidere z ) = ( x+ 2  A(x.3 0. y. EXERCÍCIOS DE AUTOVALORES. −1) e (1. 1) = 3(1.3 0. 0. 1.23: xum p—ís politi™—mente instável QH7 dos defensores d— repú˜li™— p—ss—m — —poi—r 0. 1.

−1.8: g—l™ule os —utov—lores e —utoesp—ços —sso™i—dos deX 2 Veja [12] p.272. 2x + 3y )Y @˜A T (x.24: gonsidere A =  0 3 1  .6: im ™—d— item dê um exemplo de „vX Ext 7. 1)Y . 1) = (0. 3 Veja [12] p.8 k→∞ √ 2 @™A 2 g—l™ule B= A   @r—iz qu—dr—d— d— m—triz AAD isto éD determine B t—l que B = A 13 14 4  p—r— A = 14 24 18 F 4 18 29 k 7. 0.6 0. y.4 0.7: ixplique em ™—d— ™—so —˜—ixo porque não existe um— „vX Ext 7. 1. −1. 1.2: €rove que o polinômio ™—r—™terísti™o de A 2 × 2 é λ2 − tr—ço(A)λ + det(A) onde tr—ço(A) é de(nido ™omo — som— dos elementos d— di—gon—l d— m—triz AF Ext 7.1: g—l™ule os —utov—lores e —utoesp—ços —sso™i—dos deX @—A T (x. #35. 2. 0) ™omo —utovetor —sso™i—do —o —utov—lor −3Y @˜A T : R3 → R3 que tenh— x − y + z = 0 ™omo —utoesp—ço —sso™i—do —o —utov—lor −1 e t—l que T (1. @—A P : R4 → R4 um— projeção ortogon—l n— ret— ger—d— por (1. 1) e que tenh— (1.3: €rove queX @—A (A − λI )T = AT − λI Y @˜A os —utov—lores de A são igu—is —os de AT F Ext 7. y ) = (x − y. #3.4: g—l™ule os —utov—lores e —utoesp—ços —sso™i—dos deX @—A 0 1 Y 0 0 @˜A 0 −1 Y 1 0  2 −1 0 1 −1 Y3 @™A  0 0 1 3  Ext 7. −y.2 @—A A p—r— A = . 0)Y Ext 7.PIP CAPÍTULO 7.4.25: g—l™uleX 10 1 0 0. 1) e (1. 0.3 Extras Autovalores e Autovetores Ext 7. z ) = (x − 2y. @˜A lim F −1 2 0. −y )Y Ext 7. 0 5 −1 @—A hetermine um— ˜—se de R3 form—d— por —utovetores de AF @˜A hetermine m—trizes X e Y de modo que A99 = XY X −1 @não efetue o produtoAF Prob 7.117. AUTOVETORES E DIAGONALIZAÇÃO @™A e longo pr—zo qu—l será o per™entu—l de repu˜li™—nos e mon—rquist—sc xote que isto independe do per™entu—l ini™i—lF   1 2 1 Prob 7. 0.5: ƒ—˜endo que o polinômio ™—r—™terísti™o de A é p(λ) = λ8 − 2λ6 + 3λ2 + 4D determine det(A)F @—A T : R2 → R2 que tenh— 1 e −1 ™omo —utov—loresY @˜A T : R2 → R2 que tenh— 2 e 3 ™omo —utov—lores —sso™i—dos respe™tiv—mente —os —utoesp—ços x = y e x = −y Y @™A T : R3 → R3 que tenh— x − y + z = 0 ™omo —utoesp—ço —sso™i—do —o —utov—lor 2 e que tenh— t—m˜ém −1 ™omo —utov—lorY @—A T : R4 → R4 ™ujo nú™leo sej— o pl—no ger—do por (0. 1. −1.

R)D de(nid— por T f = f F hetermine o Ext 7.11: ƒuponh— que A é semelh—nte — B @vej— he(nição RFSU d— pFIPTAF Ext 7. i = 1.12: ƒuponh— que u e v sej—m —utovetoresF he(n— w = au + bv ™om w = 0D a. . b ∈ RF ƒuponh— —ind— que u e v estão —sso™i—dosX @—A —o mesmo —utov—lor λF €rove que w é —utovetor —sso™i—do — λY @˜A — —utov—lores distintosF €rove w não é —utovetorF —utoesp—ço —sso™i—do —oX @—A 1D isto éD —s funções que s—tisf—zem f = f F @˜A −1D isto éD —s funções que s—tisf—zem f = −f F os —utov—lores e —utoesp—ços de T F re—is de Ac Ext 7. AUTOVETORES E DIAGONALIZAÇÃO PIQ @˜A R : R3 → R3 um— rot—ção por ângulo de 90◦ em torno do eixo ger—do por (1.4. R) → C ∞ (R. .10: e —utovetores p—r— mostr—r queX  g—l™ule —utov—lores  0 −1 0  0 −1  é rot—çãoF hetermine o ângulo e o eixo de rot—çãoF @—A 0 1 0 0   4/5 0 2/5 0  é projeção ortogon—l so˜re um pl—noF hetermine o pl—noF @˜A  0 1 2/5 0 4/5 √   7 2 √3  2  @™A 1 8 √4 −2 3 é projeção ortogon—lF √ 3 −2 3 5 √   6 4 2√3  @dA 1 4 0 − 4 3  é re)exãoF 8 √ √ 2 3 −4 3 2 √ √   √1 − 2 −√2 1 @eA 2 2 0 2  é rot—çãoF hetermine o eixo e o ânguloF −1 −1 1 @—A prove que det(A) = det(B )Y @˜A prove que A3 e B 3 t—m˜ém são semelh—ntesF @™A prove que A e B possuem os mesmos —utov—loresY @dA determine — rel—ção entre os —utovetores v de A e w de B @que são distintos de form— ger—lAF @eA prove que tr—ço(A) = tr—ço(B ) @†ej— de(nição no ixt UFRFQ d— pFPIPAF Ext 7.13: gonsidere T T : C ∞ (R.7. . −1)F Ext 7.14: gonsidere T : P2 → P2 de(nido por T (ax2 + bx + c) = cx2 + bx + aF hetermine Ext 7. 1.16: @—A ƒej— An×n t—l que —s som—s d—s entr—d—s de ™—d— linh— têm tod—s o mesmo em forma matricial e então en™ontre . EXERCÍCIOS DE AUTOVALORES.9: €—r— ™—d— T de(nid— —˜—ixo determine os —utov—lores e — dimensão de Nuc(T + I )D Nuc(T − I )X @—A T : R2 → R2 um— projeção ortogon—l num— ret— p—ss—ndo pel— origemY @˜A T : R3 → R3 um— rot—ção de 180◦ F Nuc(T )D Ext 7.15: ƒe A = A5 é um— m—triz qu—dr—d—D o que vo™ê pode dizer so˜re os —utov—lores v—lor sF gon™lu— que s é —utov—lorF n hi™—X es™rev—  j =1 aij = s. n um —utovetorF Ext 7. 2. .

. 1) ™omo —utovetores respe™tiv—mente —sso™iE —dos —os —utov—lores −1 e 3 e sej— di—gon—lizávelF Ext 7. #31.24: im ™—d— item dê um exemplo de „v s—tisf—zendo —s ™ondições d—d—sF @—A T : R2 → R2 que tenh— 2 ™omo úni™o —utov—lor e sej— di—gon—lizávelY @˜A T : R3 → R3 que tenh— (1.6 0. @˜A 0 0 Y @™A lim .26: gonsidere — tr—nsform—ção line—r T : P2 → P2 d—d— por (T (p))(t) = (t − 1)p (t)F hetermineX @—A — m—triz de T ™om rel—ção à ˜—se ™—nôni™— dos polinômios de P2 Y @˜A — de™omposição espe™tr—l dest— m—trizY @™A os —utov—lores de T e respe™tivos —utoesp—çosY 4 Veja [12] p. vn um— ˜—se de Rn e Avk = kvk D ™om k = 1.7 k→∞ 0 15 −2 0 3 −1 Ext 7. 0.19: hetermine m—trizes X e Y de modo que A = XY X −1 possu— —utov—lores 2 e −3 ™om —utovetores —sso™i—dosD respe™tiv—menteD  Ext 7. 0. . . .22: hi—gon—liz—˜ilid—de e inverti˜ilid—de são ™on™eitos distintosF €—r— ™on(rm—r est— —(rm—çãoD ™onstru— um— m—triz 2 × 2 que éX @—A di—gon—lizável m—s não é invertívelY @˜A invertível m—s não é di—gon—lizávelF Ext 7. 2z ) 1 0 2 Ext 7. . . y.PIR CAPÍTULO 7. . v2 .18: ƒe possívelD di—gon—lize — m—trizX  @—A @—A wostre que existe P t—l que P −1 AP é di—gon—lY @˜A hetermine est— m—triz di—gon—lF 3 −4 4 3 @˜A 3 −1 Y 1 5  −1 4 −2 0 Y @™A  −3 4 −3 1 3 1 1 e  2 2 −1 3 −1 F @dA  1 −1 −2 2  Ext 7. 5 5 5 −1 F 1  .20: hi—gon—lizeD sem fazer contasD  5 5 5 F 5 5 5 Ext 7. 1.21: hetermine v—lores   de a p—r— que T sej— di—gon—lizávelX 1 a a @—A T =  −1 1 −1  @˜A T (x. AUTOVETORES E DIAGONALIZAÇÃO  1 2 3 @˜A hetermine dois —utov—lores de  1 2 3  por inspeção @sem f—zer ™ont—sAF 1 2 3 @™A ƒuponh— que — som— de todos elementos de ™—d— ™olun— é igu—l — k F €rove que k é —utov—lor de AF  Diagonalização Ext 7. .23:  g—l™uleX 11  100 −1 7 −1 1 0 0 k 0.117.25: €rove que seX @—A P di—gon—liz— A então Q = λP ™om λ ∈ R nãoEnulo t—m˜ém di—gon—liz— AF @˜A A e B são di—gon—liz—d—s pel— mesm— m—triz P então AB = BAF @™A 4 €rove que se todo vetor @nãoEnuloA de V é —utovetor de T então T = λI p—r— —lgum λ ∈ RF Ext 7. z ) = (3x + az. 0) e (0. nF Ext 7. 2y + az.3     0 1 0 2 @—A .4 0.17: ƒej— v1 .

9: gonsidere T line—r de(nido no esp—ço d—s m—trizes 2 × 2 por T A = AT F hetermine os —utov—lores e —utoesp—ços de T F Des 7. c.11: e f—mos— sequên™i— de pi˜on—™™iD ID ID PD QD SD VD IQD PID F F F D é d—d— pel— lei de xk+2 xk+1 = 1 1 1 0 xk+1 xk . d ∈ Z ™om a + b = c + dF €rove que     a1 a2 · · · an a1 a2 · · · an    F F F F F F F F F  a1 a2 · · · an a b c d tem somente Des 7.4 Desaos Autovalores e Autovetores Des 7.7. EXERCÍCIOS DE AUTOVALORES.7: wostre queX @—A du—s m—trizes simétri™—s n × n A e B ™omut—m @AB = BAA seD e somente seD eles possuem um ™onjunto de n —utovetores ortogon—is simultâneosF @˜Ase λ é —utov—lor de AB então t—m˜ém é —utov—lor de BAF Des 7.4. AUTOVETORES E DIAGONALIZAÇÃO PIS @dA T 2007 (4 − 2t)F 7. b.1: gonsidere u —utovetor de A —sso™i—do — λ e v —utovetor de AT —sso™i—do — µ ™om λ = µF €rove que u é perpendi™ul—r — vF —utov—lores inteirosF Des 7.2: gonsidere a.3: in™ontre o espe™tro de A =   Des 7.6: wesmo que T não possu— —utovetoresD T 2 pode possuir —utovetores @por exemplo um— rot—ção de 90◦ AF wostre que se T 2 tem —utovetor ™om —utov—lor positivo então T possui —utovetorF Des 7.4.10: ƒej— V o esp—ço vetori—l d—s funções ™ontínu—s de R em RF he(n— (T f )(x) = x f (s) dsF €rove que T não possui —utov—loresF ƒe tivesseD T f = λf D deriv—ndo os dois 0 l—dosD λf = f e port—nto f seri— um— exponen™i—l m—s ™omo (T f )(0) = f ≡ 0F 0 0 f (s) ds = 0D Diagonalização form—çãoX um termo é — som— dos dois —nterioresF im termos m—tri™i—isD podemos es™rever Des 7. 1 1 F 1 0 @˜A ixplique ™omo ™—l™ul—r o quinqu—gésimo segundo termo d— série us—ndo um— ™—l™ul—E dor— ™ientí(™— de IP dígitos não progr—mávelF @—A g—l™ule — de™omposição espe™tr—l de .8: ƒej— A : R7 → R7 ™om dim Nuc(A − λI ) = 4F wostre que existe um— m—triz P λI4×4 B4×3 inversível 7 × 7 t—l que P −1 AP = F 0 C3×3 Des 7.4: ƒej— T : Rn → Rn F €rove que det(T − λI ) é um polinômio de gr—u nF Des 7.5: gonsidere um— m—triz qu—dr—d— A di—gon—lizávelF €rove queX @—A — som— dos —utov—lores de A é igu—l —o tr—ço de A @— som— dos elementos d— di—gon—lAY @˜A o produto dos —utov—lores de A é igu—l —o determin—nte de AF Des 7.

18: h—d— A de(nimos eA = I + A + A2 /2! + · · · An /n! + · · · @est— som— in(nit— " ™h—m—mos de série " possui limite m—s não v—mos prov—r issoAF @—A prove que se A é di—gon—lizável então eA = P eD P −1 onde eD é di—gon—l ™om expoE nen™i—l de ™—d— elemento de D n— di—gon—lY −2 −6 @˜A ™—l™ule eA p—r— A = Y @veonA 1 3 N N @™A ƒe N é nilpotente  então e é um— série (nit— que pode ser ™—l™ul—d—F g—l™ule e p—r— 0 1 0 0 1 N= e N =  0 0 1 F 0 0 0 0 0 @dA prove que se λ é —utov—lor de A então eλ é —utov—lor de eA Y @eA prove que eA é invertível se A é di—gon—lizávelY @fA prove que se A é simétri™— @A = AT A então eA é simétri™— e positivo de(nid—F Des 7.19: €rove que se A ∈ M2×2 ™om det(A) = 1 e {Ae1 .20: €rove que se A ∈ M3×3 é ortogon—l eX @—A det A = 1D então A é rot—ção em torno de um eixoY @˜A det(A) = −1D então A é um— rot—ção seguid— de re)exãoF .15: ƒej— T : V → V ™om dim(V ) = 3F @—A ƒuponh— que o úni™o —utov—lor de T é λ0 F €rove que T é di—gon—lizável seD e somente seD T − λ0 I = 0 @isto éD T = λ0 I AY @˜A ƒuponh— que T possu— dois —utov—lores distintos λ0 e λ1 F €rove que T é di—gon—lizável seD e somente seD (T − λ0 I )(T − λ1 I ) = 0F Des 7.14: h—do um —utov—lor λ0 ™h—m—mos de multiplicidade algébrica o número de vezes que o f—tor (λ − λ0 ) —p—re™e no polinômio ™—r—™terísti™oF gh—m—mos de multiplicidade geométrica — dimensão de Nuc(T − λI )F €rove que e multipli™id—de geométri™— de um —utov—lor @dimensão do —utoesp—çoA é menor ou igu—l — su— multipli™id—de —lgé˜ri™—F Des 7. AUTOVETORES E DIAGONALIZAÇÃO @™A determine v—lor —proxim—do p—r— xk+1 F Des 7. Ae2 } ortonorm—l então A represent— um— rot—ção em R2 F Des 7.PIT CAPÍTULO 7.17: €rove que se A é 2 × 2 e A = AT então A @teorem— espe™tr—l p—r— m—trizes 2 × 2AX @—A possui todos —utov—lores re—isY @˜A é di—gon—lizávelF Des 7.16: ƒe A e B são di—gon—lizáveis e AB = BA então os —utovetores de A são igu—is —os —utovetores de B F Des 7.12: ƒuponh— N nilpotente @vej— he(nição RFSW d— pFIQPA isto éD N k = 0 p—r— —lgum k ∈ NF €rove queX @—A o úni™o —utov—lor de N é zeroY @˜A se N = 0D então N não é di—gon—lizávelF Des 7.13: ƒuponh— A di—gon—lizávelF €rove queX @—A AT é di—gon—lizávelY @˜A se os —utov—lores são igu—is — 1 em módulo então A−1 = AY Des 7.

.1 Básica gonjuntos numéri™osX N. R. U F e som— diret— de V e W X V ⊕ W F isp—ço ger—do pelos vetores v1 . . vn F „—m˜ém usoD no ™—pítulo de produto internoD span {v1 . . . Q. γ F f—se ™—nôni™— do Rn X εF goorden—d—s do vetor v n— ˜—se β X [v]β F 0 Versão 17.2 Espaços isp—ços vetori—is são usu—lmente denot—dos porX V. v2 . . . vn } p—r— não ™onfundir ™om produto internoF isp—ço d—s punções de R em RX F (R. s. R)F isp—ço d—s punções de R em R gontínu—sX C (R. v2 . vn X v1 . 1] em RX F ([0. . W )F isp—ço d—s m—trizes n × mX Mn×m F A. 1].abr. . W. β.Apˆ endice A ˜o Notac ¸a A. P. . vn }F …m— list— de vetoresX v1 .2008 PIU . . . . R)Y de [0. . vn F intr—d—s de um vetor em Rn X (1. t ∈ RF „r—nsform—ções line—res são usu—lmente denot—d—s porX T. R)F isp—ço dos polinômios de gr—u nX Pn F isp—ço de todos os polinômios @qu—lquer gr—uAX P F isp—ço d—s „vs de V em W X L(V . v2 . R. 3)F T : V → W punção T de V em W X T : V → W F „—m˜ém es™revemos v → 3v x+y =0 ƒistem—s line—resX F y−z =0 A. v. 2. . . R)F isp—ço d—s punções de R em R ™om n deriv—d—s gontínu—sX C n (R. . . wF †etor nulo 0F is™—l—res são denot—dos usu—lmente por r. v2 . . . Z. CF †etores são usu—lmente denot—dos por u.3 Bases e Coordenadas f—ses são usu—lmente denot—d—s porX α. v2 . . S F gonjunto de elementos de x ∈ R t—l que x2 − x = 0X {x ∈ R| x2 − x = 0}F …m ™onjunto de vetoresX {v1 .

NOTAÇÃO h—d— — tr—nsform—ção line—r T : V → W D ™om ⠘—se de V e 㠘—se de W D — m—triz que represent— T éX [T ]γ ←β F g—so sej— mesm— ˜—se do domínio e ™ontr—domínioD deix—mos o segundo —rgumento em ˜r—n™oX [T ]β F sm—gem de um— „v @ou m—trizAX Im(T )F xú™leo de um— „v @ou m—trizAX Nuc(T )F A. vn X  v1 · · · vn F ↓ ↓   ← u1 →  F T  F w—triz por linh—sD ™om primeir— linh— igu—l —o vetor uT F F 1 D F F F D um X  ← um →     a a   a b F D  b w—trizes di—gon—isX D   b c c d A.5 Produto Interno e Norma €roduto internoX v.PIV APÊNDICE A. M F a b w—triz genéri™—X A = F d c  3 1  †etor ™olun—X e 5 F 3 7 w—triz e „r—nsform—ção identid—deX I F €ostoX dim Im (A)F xulid—deX ν (A)F „r—ço de um— m—triz @ou „vAX tr—ço(A)F hetermiE n—nte de um— m—triz @ou „vA det (A)F w—triz por ™olun—sX   ↑ ↑ @—A ™om primeir— ™olun— igu—l —o vetor v1 e segund— igu—l —o vetor v2 X  v1 v2 Y ↓ ↓   ↑ ↑ @˜A ™om ™olun—s v1 . B. v} p—r— o esp—ço ger—doF xorm—X λw = |λ| w F †etor unitárioX vF . . . . .4 Matrizes w—trizes são usu—lmente denot—d—s por A. u F guid—do p—r— não ™onfundir ™om — not—ção de esp—ço ger—do pelos vetores u e vX u. v F €or isso uso no ™—pítulo de produto interno span {u. u = v.

0. y = 1 − (e) sim pois (1. Fix 1. 0. z = −1+2t. (d) não pois (1. 0. z ) = (2.6: (a) Tome sentido. z = 0} Prob 1. 4. (x.5: Todos são CLs. 0). (b) Como r (t) = (1. 2) + t(1. 0) = 0(2. (c) Prob 1. 0) + s(2. Fix 1. y ) = (t. 0. −4. 1 + t).1: (a) (x. −1). 0). s) = (−5/2. (c) x = 0. 2. Logo. −1). 1). Fix 1. 1). 2). Logo. 1. 0) = 2 (2. Fix 1. (c) Prob 1.2012 11h Prob 1. −2. x = 1.1. (b) x = 3. 0.4: (a) z = x + 3y − 2. 0) + s(1. 2s) = (−2s. 1) + (−1)(1. {x + 2y + 1 = 0. 1) = (0. u ∈ R tais que (−5/2. z = y = s. que não possui solução  1 + s = 2t (2 = 0!). 1. 6) = 2(2. y = t t. 0. (d) ponto.11: (a) Coloque s = 0. 2). 1. 0. Logo t = −1 e o ponto de intereção é r (−1) = (1. y. 0. Prob 1. 2) ou (x. x = t − 1. 2) + (−2 − 4s)(1. 2) ∈ Prob 1. y = −6z − 4} (d) {x = y . 1)+s(1. Fix 1. (c) Como Π1 (s. 2. 1). (b) sim. (h) reta. −1) + s(1. 2s) = s(−2. 0. r. Prob 1. 1)+t(−1. y = 2. 0) + s(2. 1/2. 5/3). 3/2. 1) + t(−1. 0. y = 0. (b) Prob 1. 0). y = −3+5t. 5)+t(1. (c) x = t. −1. Logo a interseção é a reta (2. 3.1 Exercícios de Fixação Fix 1. z = t. (d) reta. −4. (b) maior tamanho e mesmo s = z. x = −y + z + 2 = −t + s + 2. 4) é paralelo a (0. z = 0. t. (1. (b) (x. 0. 1) = (2. z = t. z = t. z = x − 1 − 2y . 0)+s(1/2. y = −3} (c) {x = −5z − 6. y. −1. y ) = ((s−5)/2. 0. 2. t) = (2. 1.2: (a) {x +2y +1 = 0} (b) {5y − 2x = 2} (−3. 0) + s(0. y = −2t + 1. t = y. 0. 0)+t(2. 1 alter- PIW . 0) + t(4. Pode escrever como (−2. 2) . 0. 1) = (1 + t.3: (a) Fix 1.7: (a) não.2: (a) paralelos. 0. t = −2 − 4s. 1. 2. −1. (c) mesmo tamanho e sentido oposto. y ) = (t. (c) plano.5: (a) (e) plano. 4. 0. (b) plano. Vamos obter o sistema   1 + s = 2 + 2t + u 2=0 . 0) + 3(0. 1 e t = 0. 0. (c) não. −1. (c) (4.8: (a) V. (b) x = −1. Logo a interseção é vazia. (d) x = t. 0. (e) menor tamanho e sentido oposto.1 Introdução à Álgebra Linear B. 0) = (2+2s + t. (g) reta. 2t+5) = (0. 2). (1. 1. 0.6: (a) reta. (b) (0. Fix 1.Apˆ endice B Respostas dos Exerc´ ıcios B. 0).1. 1) + t(1.3: (a) t = 0. 2)+u(1. y = t.9: (a) (1.10: (a) tome obtenha 0 Versão 23. −1) + t(1. 0).7: (a) (b) y = 1. 0)+0(0. 0)+s(−2. 1 + t + 1 + t = 0 = 2 + 2t.8: (a) Queremos determinar s. 0. −1) = (0. 2. 2. 0). (b) x = t. (d) maior tamanho e sentido oposto. para x= (a) (0. −1).4: (a) x = 2 − t. (b) maior tamanho e mesmo sentido. 1 e −1 por exemplo e (1. (f ) ponto. 0. 0. (x. 3 .2 Problemas Prob 1. z + 3y = 2} (b) {x = 2. (b) F. 0) + 1 0(0. B. 4) ∈ r (t = −4) e t.1: (a) reta. e x + z = 0. 0. 0) = (2 + 2s − 2 − 4s. y = −1 para t ∈ R. (c) {y = −3} (d) {x = 0} (b) Prob 1. 1). (c) reta. (b) sim (t = 4). −1). (1 . −1) + s(1. t ∈ R. z ) = 0 + t(1. z = t. (b) (1. (b) ponto. 2+2s + t +2s = 0 = 4s + t +2. 5/2. 0. y = s. Prob 1.ago. xado s ∈ R. (0. 2). 2s) e x + z = 0. (1. 2) + t(−2.

0) + s(0. 1] (a) que sairemos do cubo numa direção perpendicu- B. 3. 0). Há 3 variáveis e 2 pivôs. 1). (b) nenhuma solução. (c) nenhuma. 0. 0) + t(1. vai aparecer um sistema sem solução. Fix 2. (e) falso. (c) verdadeiro. (x. podem (0. Fix 2. 0. 2) não é múltiplo de (2. 0. y. x = solução é vazio). w ) = (s − 3t + 2u + 4. z = s. (d) x = t. 0. |x| ≤ 1. z. 0) + s(0. 4.2. 2. y = s. (b) 1. u) = (t. t.2012 22h . 0).PPH nadamente. S = v0 + V v0 ∈ S . 0. (b) sim com cubo. 1) + k (0. (2. B. m). 0. −1. 0. 0.2: Existem várias possibilidades para cada c(t) = (0.1: Estas ideias estão descritas num romance 2. 0)+s(1. 1. 0. 2) + (2. 3. z ) = (1. 2. 0. 2). y. C. 0) + t(0. (d) 1. 1. −3) = (3. 1. s = 2. 3m + 5. (b) x = −t + (b) O sistema linear é sem solução (conjunto1.1: (a) innitas.14: (a) não pois não é múltiplo. . 1. Na forma fatorada. 5. (b) não pois outro. 0. . a solução pois (−1. 0) = (2. RESPOSTAS DOS EXERCÍCIOS [2. 0. u) = Fix 2. −1) para t ∈ lar. 0. (b) nenhuma solução: retas paralelas distintas. Portanto (x.2: (a) Fix 2. 1. 0). (e) não pois (2. 1. (c) falso. 1. −3. 0.4 Desaos Des 1. m(0. z = t − 1/5. Fix 2. (b) nenhum valor de ξ satisfaz. Logo colocando x = t. t) = (3.1 Exercícios de Fixação Prob 1. B. Ext 1. (b) sim outra. 0. 4. 0)+t(−3.12: (a) (x. Abbott. Dover Pub.6: (a) A. (c) não pois (b) 1. w podem assumir qualquer valor. s. 3).2 Problemas Prob 2. 0. w. 0 = 1.4: (a) Nenhuma. 3. u) = (4. 0. 0. 0. 2. 0. (c) y = t. Depois item. logo o 5)/2.1: (a) solução única: retas concorrentes em (2. Prob 2. (d) 4. 0. 0. 1) e (1. (b) Dena c(t) = t(0. fora do (1. w. pois há uma linha da forma 1 + 2y = 1 + 2t. (d) sim pois (a. 0. w = k e u = m. 1. (d) não pois (1. C ⊂ R3 denido por C = {(x. . (d) e (e). (x. 0. 0. 2. 0. 1) + (t − 1)(2. clássico da era vitoriana da Inglaterra do século XIX: Flatland. 1. (b) plano. (b) uma única.3 Extras Ext 1. 2] e c(t) = (2.1. (c) (1.1. y. y. 0. (d) verdadeiro (pode possuir até 9). 1) + (t − 2)(0. z.2: Nunca alteram: (a). Pode ser. 3m + 5. (c) e (f ). pode ser sem solu- ção. 1). Fix 2.2 Sistemas Lineares B. 0. 1 Versão 23. 1) = (3. por exemplo. ∞. Prob 1. b. (c) (e) ponto. livre. . 9). 0. 0) + [ 0 0 · · · 0 | ]. 0) = 0(1. 2s) = (3.12: (a) Fix 2.1: (a) F.13: = ∅. Logo (x. 1) + b(0.5: (a) −3(−1. (b) ∈ v1 . 3] que terminaremos em (2. 0. 0) ∈ R3 . (e) 0. 0. 3) ∈ Π. 0. número de variáveis livres é 3 − 2 = 1 variável Ext 1. 0. c) = a(1. um (b) verdadeiro. 2. 1). um quadrado no plano xy 3 em R . (a)ξ = −6. 2). pode possuir equações que são combinações lineares de outras.3: (a) reta. −6. (b) uma única. (c) plano. 0) + s(0. 2). s. 0. (b) note que x. 0. 3. 3. y. (0. (c) não. y = t.3: 2x + 3y = −2. B. temos que z = 3u + 5 = Fix 2. (b) falso.8: (a) falso. sistema sem solução pois uma das equações restantes pode ser nula. (0. 0. 1). (c) O sistema linear com int(1. (c) ne- (c) não pois. 1. 0)+ alterar (b). 1. 0. 0. 0) para t ∈ [1. z = (3t − nitas soluções. z. y = s. Edwin A. (f ) reta.7: Basta que uma linha seja múltipla da Prob 1. Fix 2. 1).10: (a) O sistema linear tem solução única. y ) = (3. 0)+ u(2. (d) plano.9: (a) falso.11: (a) interseção de hiperplanos. (d) Fix 2. 1) − (3. 3). 1) para t ∈ [0. Fix 2. t = 1.ago.2. 0) + (c − a)(0.13: (a) sim pois um não é múltiplo do outro. 1) ou Fix 2. (b) V. |y | ≤ 1}. embora nenhum seja múltiplo de (d) não pois nhuma solução. 2. 1. (x. Fix 2. 5). vn com . 0. y. obtendo 4 pontos: APÊNDICE B. y ) = (3. k.

0). 0) + t(24. lução.9: (a) Prob 2. 1. 1. {s(2. 2.. 2. . (25. − 2. a4 1 a4 2 a4 3 a4 4 a4 5 (b) Não. {(1. 0 0 0 0 1 3  3 1 a1 a2 ]. 3. (b) y = 1/2. −1. sistemas equivalentes têm Ext 2.4 Desaos Des 2. 1. 3. b = −1. 0  0 0 ··· 1 0 ao número de pivôs) seja menor do que o número e variáveis primeira coluna mais 1 vez a segunda menos 1 vez a terceira (usando denição de produto matrizvetor como CL das colunas): n. 0). 0. 9) e (3. (d) . . 2 4 (d) {( . 9). (s. b = −4. 0. −3) = (2. Prob 2. B. r2n obtemos a terceira linha. igual Prob 2.1: (a) innitas soluções: retas coinciden- tes. −4. 0. −1) · (2. 1. 0)+(0 . −2) + (−3. 1. t ∈ R}. 1.6: (a) 3b1 − b2 − 4b3 3(3) − 5 − 4(−1) = 8 = 0. 0) − 1(0.2. c=0 e Uma é d = 0. (b){0x = 1. 0)+ 4 4 3 a 1 a5 a2 +s(0. 3 3 (e) {(6. 1)  =  −2  namento e seja assim descartada.  a = 1. 7. 0. rn obtemos a segunda linha. (c) O sistema o mesmo conjunto solução. 0. 3) + r (1. pois Ext 2. 0)s | r. (b)Impossível. −1. . − (1. 3. 0. .2012 22h . 1. 1. Prob 2. s ∈ R}. 1 . 4. 0. consideremos o sistema homogêneo associado.  3) =  (1.5: a = 0. O sistema linear tem so. 5 5  b1 b2 b3 b4 b5    .4: (a) não é único: ou etc. r (b)m 1 2 primeira linha por . . −4)+(−1. −1  Ele 0 Versão 23. 1) 1 A outra é que alguma linha zere durante o escalo(b)  (−2.  0 1 2 0 0 2  0 0 0 1 0 1 . 1) e (s. 0. 1.8: (a) y = 1.B. 0. 1) −7 número de linhas após o escalonamento (p.2. (b) n × n. t) = (1.2: (a) Prob 2.7: B. Multiplicando a   x y (a)  z   x y (b)  z = = = = = = + 1r + (−2)s 0 + 1r + 0s 0 + 0r + 1s r−1 r − 1 r ∈ R. t) = (0. (b) Fazendo. −7). 0. conj solu.2. .6: Por denição. 0. 0x = 0 Prob 2. Multiplicando a primeira linha por com somente a 1a linha. 0)r + (− . 3. . . 9). de forma que o (0. 0. −1. 2. já que não há linha da forma [ 0 0 · · · 0 | 1 a1 3  1 a2 a2 A solução não é única: há duas variáveis livres. . c = −29.ago. (c) {(−1. 0. 0x = 0 (c){0x + 0y = 1.3 Extras Ext 2. Dado um sistema qualquer.Ext 2. 0. x = 1 x = 1 . (b) sem solução: retas não se interceptam simultaneamente em um ponto. (c){x + y = 1. (b) (f ) Matriz totalmente escalonada: (d) {x = 0. resolver o sistema. 0. −2. 3) · (2. 4) + 1(−1. 1. SISTEMAS LINEARES PPI  −1 x =  −1  1   −4 x =  −4  4  Prob 2.4: São duas as possibilidades para a forma totalmente escalonada de um sistema homogêneo Prob 2. s ∈ R}. 0. Assim após eliminação camos Podemos facilmente Des 2.10: m = 4. s ∈ R}.   Prob 2. 2)}. s.3: Seja r a razão da PG. 0)r | r ∈ R}. 10. pois p < n. (s.  . . −2. (e) 2x = 2 2x = 3 a = −2.8: (a) Prob 2. (b) 1 0 0 1  1 0 −1  0 1 2 0 0 0 −1 −2 2 3  0 0 . 1. d = 0.  1 x =  1 . c = 2. O conjunto é: não possui solução. Ext 2. 1)s | r.3: (c) Ext 2. já 2 a2  2 3  que há cinco variáveis e só três pivôs. 0) r. 5. −3) · (2. 0. = 0.11: (a) CL das colunas: 2(1.12: Portanto queremos combinar 1 vez a  1 0 ··· 0 0  0 1 ··· 0 0     . t) = (0. por exemplo. c=0 e = 4.Ext 2.5: (a) Sistema sem solução. 0) obtemos as soluções: (1. −2. 0)r + (0.3: (a) {0x = 0. −1.7:  1 a3 a3 a3 2  1 a4 a a3 ção: {(0.

0. 1)}. z. (c) não. Logo (x. (b) não. II. w = 0. Logo dimensão é Como pivôs são associados a W escalonando .6: base de variáveis: 2 variáveis livres. −4.2: (a) não. x e (c) Sistema (2 equações) já esta totalmente Como são 2 equações.agosto. (c) sim.  junto de um único elemento que é LD é Prob 3. (d) Um conjunto de dois elementos. 0. (d) não é. y. 1. Fix 3.3 Espaços Vetoriais B. 0. 1) + s(2. {0}. 4 variá- soluções. 0). Fix 3. z como variáveis dependentes e y. Fix 3. {u.5: (a) Não.7: (a) Sim. . (b) pode diminuir.4: Função identicamente nula.1: (a) não. isto é. 1. (c) O único con- Prob 3. z . (c) pode ser escalonado. Fix 3. 0. 0. (0. temos um sistema com solução (pois sistemas homogêneos sempre o são) com u = αv item a. z. . 0.. . z = s. −2) = α0 = 0 ∀α. w como livres.  .6: (a) Não.PPP APÊNDICE B. 2. (b) não. pivôs são associados a e como variáveis dependentes e (d) reescrevendo equações paramétricas. −3. a forma escalonada do sistema não-homogêneo original será. 4 alternativas. 0. 0. 1).  1 0 ··· 0  0 1 ··· 0   . para algum α.1 Exercícios de Fixação Fix 3. . 1. colocamos x. 1 −2 −4 −3 0 0 0 0 Portanto dimensão 2 e base {(1. 0.11: (a) no máximo (b) pode ser gerador. z = w = s. (1. (b) Sim. w) = r(0.3. Logo (x. x = −y + w = −r + t. (0. Prob 3. −3. 0) + s(0. 4 variáveis: Logo dimensão é Fix 3. 0). (0. colocamos x como variáy. Prob 3. y. −2). 1. y = r . Este sistema tem solução única. (b) Não. w x. (b) plano. (c) sim. 2. v} é LD se e só se um dos vetores é múltiplo do outro. 0)+ s(0. necessariamente. 0.3. (d) não. . (d) não pertence. . Fix 3. −3). (b) Sim. Fix 3.3: (C).12: (a) 0 ∈ W. 1. (0. Prob 3. (f ) não. os valores das 's) depene do lado direito do sistema original. w) = r(1.  0 Versão 23. Se este se enquadrar no primeiro caso acima. Base: {(−1. 0. Note que. 1). ou v = αu. x = r. É a alternativa (b). (b) nenhuma das 1 0 0 0 0 0 0 1 −1 0 . 0)}. Não podemos concluir que dimensão é 3! Temos que escalonar matriz (não precisa escalonar totalmente) com vetores em linhas para ver dimensão do espaço gerado: B. 0).1: (a) sim. (c) é base.5: (a) sim. x = 0. Como B.2 Problemas Subespaços do Rn Prob 3.9: (a) não.8: (a) não é. . 0) + s(0. y = −3z = −3s.2: (a) u é múltiplo de v. Fix 3. Logo dimensão é vel dependente e 3. 1). −1. 0. Fix 3. 0). Fix 3. Esta é a alternativa (a). 1. (c) Não.3: (a) 0. w ) = = r(−1. (c) sim.10: (a) no máximo (b) é LI. (d) pode pertencer. 0)+ +t(1.9: (a) Sistema (1 equação) já esta total- p<n e portanto n−p variáveis livres. y = r. como linhas. da forma Prob 3. mas (1. z. z. w. z como livres. 1. −3.4: (a) não. Como LD. 2 variáveis livres. w) = r(1. . y.2012 22h    1 0 2 1 1 0 2 1  2 −1 1 0  ∼  0 −1 −3 −2 . (e) x. no 0 = 0(1. (b) Escalonando totalmente obtemos não. 0 0 ··· 1    . Prob 3. (b) R3 . Base: {(0. y. −2)}. .7: (a) pode aumentar. (b) não. w = s. (c) Não. Prob 3. 0)+ t(1. 0. Como são 2 equações. 1. . Logo (x. (b) 6v2 − 5v3 ∈ W . z. (c) não nulo. 1. y (c) é gerador. . (b) não é. 1)}. (c) dim W ≤ n (x. 1. −2. 0. (c) sim. −1. Isto implica em innitas mente escalonado. w como livres.8: (a) 1. . veis: 3 variáveis livres. 0. (b) não. colocamos y. pivô é associado ao Como é 1 equação. 0. 0. w = t. 2. mas a existência e unicidade são garantidas para todo lado direito. A solução (isto é. 1. Base: {(1. 0. 0. Fix 3. RESPOSTAS DOS EXERCÍCIOS I. 0. Se este se enquadrar no segundo caso. z = s. (b) não. (b) sim. 2. 0).

b). d) Prob 3. 1. (b) 1(1+2x)−(3/2)(1+x)+(1/2)(1− 1 − sen2 (x) − cos2 (x) = 0. (c) Determine base escalonada de seja W1 . b) − b(c. b) tomar o múltiplo de uma delas. (b) 2 (c) 1 (d) 0. . c) = (0. ESPAÇOS VETORIAIS PPQ c(a. vn }. . de forma que 1(u − v)+1(v − w)+1(w − u) = 0 é uma combinação linear não-trivial que dá o vetor nulo.14: (a) sim.4: (c) tome uma base para k =1 e k = −2. y.6: (a) Junte as bases de W2 e es- a = b = c = d = 0.11: (a) qualquer uma das três. (c) LI. se. então {v1 . (e) Determine sistemas homogêneos cuja solução LD. 3. d) são calone. db − bd) = (0. w) = t(0. . a = λc e b = λd. Temos que vale uma das seguintes alternativas: (i)(a.18: (a) sim. . (b) LI.1: Suponha que existe v=0 com v ∈ V. . (b) se i=2 (−αi )vi = 0 é uma combina. 1).15: (a) se existe um vetor que é combinação linear dos anteriores. f é constante. v2 . d) = (ca − ac. Espaços de Polinômios e Funções Prob 3. LI e LD: teóricos Ext 3. v2 . estendaK. então também não é. Prob 3. Prob 3. Junte as equações num sistema (a. . (b) não. Prob 3. {(0. (b) sim. (c) não.10: (a) Decorre trivialmente do resultado n i=1 αi vi . (d) sim. e somente se. (b) sim. Ext a 3. (c) não (basta notar (b) sabemos (do cálculo) que se f (x) = cex cg . e somente se. 2 α + α2 + α3 = 0  1 trivial dando o vetor nulo. . dado que eles formam um conjunto LI. LI e LD: teóricos Prob 3. 2 (x. (c) se fosse verdadeiro. v2 .11: Lembre que um conjunto é LD se e só (b) {v1 .6: 1 parte (se): assuma então Des 3. isto é. f = cg . (b) LI para B. 0) é combinação linear não-trivial dando zero. 1. (d) sim.3. . Caso contrário. 0) e portanto ampliado. (b) basta LD. x) = 0 .7: α1 w1 + α2 w2 + α3 w3 = α1 (v1 + v1 ) + α ( v + v 2 1 2 )+ α3 (v1 + v3 ) = (2α1 + α2 + α3 )v1 + 1v + Prob 3. Isto é. W1 e (c) não. . . 0) é Prob 3. . f = 0 então vetores. d) = (da − bc. z. isto é. . d) = (0. que g (x) = 1 para todo x.3. vn } é LD. vn } não é LI.19: (a) Ext 3. se. Logo f = que f (x) ≡ 0 não pertence ao conjunto). .1: (a) sim.3. . a a base de H e estenda-a a base de H ∩K . 1)}. b) e (c.3 Extras Subespaços do Rn Ext 3. vn } Ext 3. .16: (a) LD. b) − a(c. se {v2 .13: (a) sim.17: (a) se n-ésimo vetor. bc − ad) = (0. d). . . por exemplo 2x − 2y = 0. temos que vale uma das se- W1 e W2 . de forma que bc = λab = ad e ad − bc = 0. então α1 = α2 = α3 = 0. α = 0 3 ção linear não-trivial dando o vetor nulo. Se (a. Des 3. (b) não. nenhum dos n − 1 primeiros por (b). β = {v1 . guintes alternativas: (i) ad − bc = 0. No conjunto este não é o caso de β = {v1 . isto é. Ext 3. dado f (x) = c para todo x. . Logo.13: (a) se v = n α v + α 2 2 3 v3 = 0. c = λa e d = λb. i=1 (−αi )vi = 0 é uma combinação linear não. para alguma constante f = f então c. pelo item (a) teríamos que de que um conjunto é LD se e só se existe um vetor que é combinação linear dos demais. Decorre trivialmente de (a).14: (a) sim. . n α2 = 0 . (b. 1. vn } não é LD. b) e (c.10: Para calcular a interseção basta re- solver o sistema (porque?)   x+y−w =0 x+z−w =0  −z + w = 0 combinação linear não-trivial dando zero ou (ii) . . Prob 3. Assim uma base é a parte (somente se): assuma (a. 0) e portanto d(a. 1.4 Desaos Des 3.B. n 0v1 + i=2 (−αi )vi = 0 também o é. Espaços de Funções ou Polinômios Ext 3. d) = λ(a.12: = λ(c. . v2 . B. Também não é o caso do Logo Prob 3. ad = λcd = bc e ad − bc = 0 ou (ii) (c.

(b) das linhas de B. (b) 0. (ii) (A). T (en ) nas linhas: 1 0 − 1 0 verdadeiro. Imagem é todo R3 . y ).1: Veja o efeito nos vetores da base canô- nica. dimensão 1 e base {(−1. 0. 2.18: A + AB + BA + B . tome uma f (x) = f (x)+f (−x) 2 + f (x)−f (−x) . R2k+1 = R.4: (a) Resolvendo o sistema  achamos o 2x + y + z = 0. (d) Fix 4. (b) T (1.4. y. dim(Nuc(T )) = 0. (d) T (x. T (0. y. (iv) (C). y ) = (−y. (b) sim.16: n é dimensão do domínio e m do con- equação. B.2 Problemas Prob 4. isto é. 1)}. 179. T (x. Logo. 2 2 2 1 √ 1 √ (x 2. (b)  −1 0 . 0) = (0. (x. z ) = 2 1 1 (−x + 8y ).7: (a) É claro que APÊNDICE B. (b) Núcleo é o 0 somente. y.21: Todas falsas. f (x) ≡ 0 satisfaz à f1 e f2 satisfazendo f1 (x) + matriz m × n com todas as entradas iguais a p(x)f1 (x)+ q (x)f1 (x) = 0 e f2 (x)+ p(x)f2 (x)+ 0. 1. (−1. y ) = (0. 1). y.10: (a) r . São 3 variáveis. (e) RP = P . Imagem é a reta gerada por (2.  −1 −1 1 1 . Des 3. T (x.6: dim Im A.8: (i) (C). 1. Fix 4. (d) Núcleo mos: . Fix 4. (a) Falso. z 2). Colocando z = r . Des 3. 0) = √ (0.11: (a) 7. 0. Fix 4. z ) = √ (x − y. (d) T  (e1 ). 2  3 7 5 −4 Fix 4. Pelo TNI. gerado pelos eixos y e z . (c) 2. . 1). (b) sim. 0). RQ = −Q. z ). 0). (b) 5. Imagem é todo R . 0. 1). 0. Sejam é também solução. y. y + z. Imagem 3 − 2 = 1 variável livre. −x). −1). 2 Fix 4. . (b) QP = 0. z ) = (0.2012 13h te. 1) = √ (0. n I .1: (a) não. α(f1 (x) + p(x)f1 (x) + q (x)f1 (x)) + (f2 (x) + Fix 4.4: (a) T (x. Então (αf1 + nio é maior do que a do contra-domínio então f2 ) (x)+p(x)(αf1 +f2 ) (x)+q (x)(αf1 +f2 )(x) = dim(Nuc(A)) > 0. (0. 0) (o eixo x). 1. (g) P = P e x = −z = −r e y = −z = −r. 1) = (−1. 1). (c) não. 1. . 2 equações: 0 1 1 é a reta gerada por (1. y.3: (a) Não. (d) P Q = 0. 1. 0. 3x + 2z ). (c) QR = Prob 4. r) = r(−1.8: (c) tradomínio. . (b) verdadeira. √ 1 Assim.5: (b) Fix cos θ − sen θ sen θ cos θ 4. 0 1 Logo T (x. z ) = R2k = I . . São dependentes x e y . 0). Escalonando totalmente a matriz obte3 1 0 1 vetor 0 somente.2: (a) −Q.  (a) T (1.19: (a) das colunas de A. z ) = (x − z. y + z ). dimensão da imagem é 3 − 1 = Fix 4. y.9: (a) Núcleo é o plano perpendicular a Prob 4. (−r. 1). T (1.20: (a) 0. (c) V. x + y. z ) = T (0. (b) T (x. Fix 4. 0) = (1. Para calcular a base montamos a matriz com Fix 4. (b) 4. 0). 0. −1. B. 1) = (0. (e) falso. o plano   1 −1 0   0 x  0 −1 −1   0   y  =   −1  0 1 0  z 0 1 1 0     0 23. (d) RR = vre. (f ) P R = P . RESPOSTAS DOS EXERCÍCIOS Fix 4. 1). (b) 0. 0) = √ 2 Fix 4. (c) Núcleo é o núcleo. 0. (c) falso.13: (a) 2.14: (a) falsa. Prob 4. (c) não.7: (a) V. 1. 1.17: (a) e (c) somente. 0. (c) P P = P . (b) verdadeiro pois se a dimensão do domíq (x)f2 (x) = 0 e α ∈ R qualquer. (b) . Fix 4. p(x)f2 (x) + q (x)f2 (x)) = 0 e portanto αf1 + f2 2 2 Fix 4.PPR Ver Reginaldo Santos p.12: (a) 2. −r. . (b) n. não precisa ser totalmente escalonada). −1. 5.1 Exercícios de Fixação Fix 4. 0). (iii) (D). 0 −1 0 1 (2. colocamos z como variável liFix 4. Como a coluna sem é o plano x = 0. 178. Fix 4. T (0. (b) linhas. (c) linhas de A por colunas de B. 1. y. 0) = √2 (1.3: (a) 1 1 T (0.2: (a) colunas. T (0. (c) T (x.ago.15: 3x − 4. Por exemplo. 0.4 Transformações Lineares B. Fix 4.4. y ) = Assim. Escalonando (parcialmenFix 4. Logo o núcleo tem Fix 4. pivô é a terceira. (c) (c) T (x.

1. T (en ) nas linhas:  3 . do Núcleo e da calonando (parcialmente. −1).B. com dimensão 2. (a. 1). dimensão da imagem é 3 − 1 = x (s) ds. (c) Nuc = (1. w ) = (2x + 2y + z + w. Im = (1. y. Nesse caso a dimensão do núcleo é 0 Mas na TL dada. O núcleo são funções constantes. Logo o núcleo (g) Note que os vetores da base do núcleo tem dimensão 3 e base são LI (e dim(N (T )) = 2). 0. 1) com dimen- 1 0 −1 0 . 1. a = −3d + 4e = dim(Nuc(T )) + dim(Im(T )) = 7. Logo. d. 0. b. Im(T ) = x. e e são dependentes. 1) com dimensão 2. . −1). 0). . dimensão da imagem é Escalonando (parcialmente.2) e (2. (4. (0. 0. −1 0 −2 −1 (b) T (x. −1. 2. x + y − z + 2w. deve conter apenas o 0 (de 1 0 0 3 −4 . não conseguiríamos satisfazer ao Teo. d.8: (a) . Logo não é possível existir tal TL. 0). com dimensão 2. Im(T ) = R. 0). Logo a imagem tem dimen0 −1 0 1 são 2 e base {(1. Ou. 1. Escalonando totalmente a matriz obtemos: 1 0 1/2 0 1 1/2 2 = 1 variável pendentes . x3 (d) A imagem é C (R. 0. novamente. 0) + ímpar? Impossível. 1)}. 2. 0). 0. Im = (1. (contém apenas um ponto). y. Logo. . 2. 2)}. 0) + t(4. . Assim. dimensão 0. x2 . s(−3. −1). −1) e (0. R) (sobrejetiva) Pelo TNI. −1. z. 2. triz obtemos: riáveis. 0. (−r/2. T (en ) nas linhas:  −1 0 2 . 1). Mas aí. Para calcular a base montamos a matriz   com pois dado g ∈ C (R. t) = r(0. 1). 1. (0. locando b = r. mais intuitivamente. −1. Im = (1. 1) com dimensão 1. e = t. resposta do item (a)). 1) . . −1. 0. Co(e) Pelo Teorema do Núcleo e da Imagem. (b) Nuc = (2. 2   num espaço de dimensão 2. (1. R) 1 2 0 T (e1 ). 0. 2 equações: 3− livre. não precisa ser totalmente escalonada). 1 com dimensão 2. (0.4.7: (a) Contradiz o Teo. c = d − e = s − t. Colocando z = r. r.  0 −1 −1  −1 1 0 Pelo TNI. 0. São livres: Escalonando totalmente a ma- R4 ). 1).(b) Nuc(T ) é o conjunto dos polinômios da forma cleo tem dimensão 1 e base {(−1/2. 1. é preciso que achaum subespaço de R4 de dimensão ao menos 2 seja levado (colapse) no 0 pela TL. (b) Resolvendo o sistema     1 −1 0 x 0  2     0 1 y 0  = 0 2 1 z 0  achamos o nú- cleo. São 3 variáveis. Logo a imagem tem dimensão 2 e 0 1 1 base {(1. logo basta um deles para gerar o mesmo espaço (logo dim(Im(T )) = 1). 1. 0. partida (= 4) . ou seja. Prob 4. não precisa ser totalImagem (dimensão do núcleo só com a origem 1 2 0 (= 0) mais dimensão da imagem (no máximo . 0 1 1 Prob 4. 1.2. 1) com dimensão 2. 1)}. (c) Para que a TL seja injetiva. c 5−3 = 2. 0. d = s. colocamos z como variável livre. 0. 0. Solução: Uma base do núcleo é (1. (−3. −1. 1. mas que os vetores {(0. 0.4) que geram a imagem são LD. Como a coluna sem pivô é a terceira. 0). −r/2 e y = −z/2 = −r/2. 0. 0). (x−3)q (x). 1. e) = a soma de dois números iguais daria um número (−3s + 4t. 0. 0). 0. z ) = Prob 4. 0. s − t. Logo o nú. seu núcleo deve ser trivial. . com. Es. A imagem portanto tem dimensão no máximo 2. −1. (0. −r/2. (0. e. a b. 1)}.1. um es(c) Resolvendo o sistema paço de dimensão 4 está sendo levado pela TL a    1 0 3 0 −1  0  b   =  0   0 0 1 −1 1  c   1 0 4 −1 0  d  0 e   mos o núcleo. Prob 4. São 5 va0 0 1 −1 1 equações: 5 − 2 = 3 variáveis livres. −1/2.e T (h) = g . São dex e y . 0 2 2 = 2) é menor do que a dimensão do espaço de gem tem dimensão 2 e base {(1. Logo a imamente escalonada). R) dena h(x) = 0 g1 pelo teorema fundamental do cálculo h ∈ C (R. 1. c. TRANSFORMAÇÕES LINEARES PPS 1 0 1 . x = −z/2 = são 2.5: (a) Nuc = 0.6: (a) Nuc(T ) = Im(T ) = P1 . . −2) . 2. 0. (d) Nuc = (1. (0. 0. . como −s + t. (x. Para calcular a base montamos a matriz com   1 0 1  0 0 0     1 4  T (e1 ). s. 0.(c) Nuc(T ) = 0. −1. 1. do Núcleo e da Imagem. 4x + 4y + z + 3w). −1/2. r) = r(−1/2. 0. 1. (0. Ora. (0. 1)}. 1. −1. (0. 0. o núcleo deve ter dimensão pelo menos 2 (vide Como são colunas com pivô primeira e terceira. −1. 1. 1. Im = (1.

(b) 1 2 dimensão é  Ext 1 0 1   1 0 −1 . y = z = 0. 1). 3). cuja 1. 1) = (0. −1 =  −1/3 1/3 0  Para que o posto seja 2. 0. Imagem= são 2. Prob P1 .    1   2  4.14 da p. da forma angulares superiores e inferiores são as diagonais. 0. −x − y + z ). Portanto podemos determinar que 0 1 0 1 Ext 4.7: (a) Ext 4. −2. 0. 0).14: T = 0 1 0 Ext 4.8: (a) θ = π. 3). y. (b) Coloque a matriz 5 − 2h = 0.9: São lineares somente (a) e (c). 0). (a) Maxima na 0 −1 . 1) e plo. 0. com a ∈ R. precisamos Prob 4. −1. T TLs injetivas. −x − y + 1 1 2 0 z ) Solução: O núcleo é gerado por (1. colocamos T (0.17: S = . 1) = T (0. (b) B = . 3. 1. 1) = (1. 2. 0 sobre os elementos de W . Por exem(c) T (x. (0. p(x) = Ext 4. precisamos de apenas 1 pivot.1: (a) A = . −1. Logo D satisfazem a restrição em é injetiva.9: (a) Núcleo= ax + b. −1 0 0 0 Prob 4. Imagem é (1. −1) ou seja 1.4: (a) não. 0. 0. 1. 0. 0.caso AB = AC ⇒ A−1 AB = A−1 AC ⇒ tanto. −1. 1. (b') 0. 1). (b) f (x) = Ext 4. −1) com dimen- e (−2. T (0. 0) (0. 1.15: (a) A 5 Logo 5 − 2h = 0. 0. T (1. 1.13: (a) T (0) = T (0 + (−1)0) = T (0) + 0  0  (−1)T (0) = T (0) − T (0) = 0 (usamos somente a linearidade de T ).18: (a) Há innitas respostas. Prob 4.3: a. Para que o 1/2 1 /2 0 posto seja 1.115. 1) e 0 B T (0. −2) . −1) = 0. Como (0. ou h ∈ R. i. 0. z ) = (0. por exemplo. Por. v = w . h = .. (1. 1) = 0. 1. 1. donde concluímos que o único polinômio levado no 0 pela TL derivada primeira é o polinômio nulo.16: (a) 0 I I 0 . (b) 5. T (0. 0. (d) D = 0 0 0 − 1 Prob 4. 1. −1) = B 0 2 Prob 4. 1) B = C . (b) Ext 4. 1) com (b) Núcleo é dimensão 2.11: Funções do primeiro grau: p(0) = 0 1 0 1 1 θ=0 e Ext 4. 1 0 1 0 (c) C = (projeção).3 Extras transformação linear derivada primeira seria somente os polinômios constantes. 1) com dimensão (1. z ) = (0. ou h = 2 1/2 −1/2 0   na forma escalonada (não precisa ser reduzida). Logo 0 1  T −1 = T −1 ε =  0 5 . Podemos agora determinar completamente T por T (1. 3 completa a base do R (entre outras possibilidades). A imagem é gerada por (0. 0 −1/5   Ext 4. Agora sabemos T em três vetores da base de uma base 3 do R . (c) Núcleo é o plano xw . (b) I −A 0 I B. (0.12: (2. −1.12: Sejam S. Prob 4. Prob 4. com dimensão 2. −1). como S é injetiva. 1 0 0 de 2 pivôs. (b) Neste (0. 4. imagem é (1. com a = 0 e daí p não pertenceria a W ). Mas polinômios dessa forma só W quando a = 0 (caso contrário teríamos p(0) = a. Então se 1 0 ST v = ST w . 0. 2 0 −1/5 1/5     Ext 4. 1/5  1 1 −2 1 −1 1 0  2 0 0 2   x + z = 0 e y + z = 0. 3).     −1/3 1/3 (b) u = v = w = Como T é injetiva. 0. 0. 2.11: (a) Coloque a matriz na forma esca  lonada (não precisa ser reduzida). B = 1 1 e C = 0 2 . 0. então o núcleo da Ext 4. 4. −x − y + z. 7. gerado por (1. (0. 1). Prob 4. 1). 0. 0) = (1. 0. não houvesse a restrição p(0) = (reexão).10:   1 .2: As únicas matrizes simultaneamente trie Prob 4. y. 0.6: (a) Ext 4. com (0. 7. 1. 0. −x − y + z. RESPOSTAS DOS EXERCÍCIOS Podemos completar esta base. 1.13: Veja como calcular com Observação 4.e. 0. 0. T v = T w. T (x. dimensão 2. 0.4. 0.10: Observe o seguinte: Caso 0 não fosse raíz de p.PPT APÊNDICE B.

.25: (a) Dena A11 = 0 0 0 (e) Seja β = {v1 . 11 A12 . implica em αi 's A 21 . n×n ((T ◦ S )(f ))(x) = (T (S (f )))(x) = (S (f ))(2x + 2) = f ((2x + 2)/2 − 1) = f (x). · · · . Então T (vi ) − λT (vj ) = 0. 0 0 1 αxp(x) + xq (x) = (αT (p) + T (q ))(x). . segue que i=1 αi vi = 0. A22 . (d) (solução alternativa) Seja {v1 . por linearidade. 1 ≤ k ≤ m. Para matriz 2 × 2: Base de triangular superior: A .16: tabacckludge 'E linear somente (a). . S é. p p Para matriz 3 × 3: Base de triangular superior: i=1 αi T (vi ) = T ( i=1 αi vi ) e T (0) = 0. Usando a linearidade de T . 0 1 0 0 0 1 pelo exercício anterior.14: Todas as operações são lineares.22: (c) Contém o 0.26: (a) Nuc(T ) = {0} e Im(T ) = M . A22 . (b) Nuc(S ) = 0. . De forma análoga. Então T (¯ v + αv ˆ) = T (¯ v ) + αT (ˆ v ) = 0 + α0 = 0. 0 0 0 Ext 4. A23 . A22 . 1/2 1/2   1 −1 1 1 −1 1 1 . TRANSFORMAÇÕES LINEARES PPU  0 0 1 Ext 4. Mas isto garante a independência de 1 0 0 {T (v1 ). · · · . (d) Vamos usar que. A22 . O conjunto {A . com i = j . A13 . · · · . A12 . (a)). T ◦ S = I . Da p A . . Contradição. 0 0 0 0 0 0 . Logo p(x) = q (x) para todo x diferente de zero. h(x − 1) e S (f )(x) = h(x + 1 − 1) = h(x). concluíEntão {A11 . Então. T (vp )}. Agora. Ext 4. (I − N )(I + N + N 2 + N 3 + · · · + N k −1 ) = I . Mas. Se T (p) = T (q ) então T (p)(x) = xp(x) = T (q )(x) = xq (x) para todo x. Ext 4. devemos vericar quando p de simétrica: A11 . A33 . (d) Basta 2 3 fazer a conta (I − N )(I + N + N + N + · · · + k − 1 2 3 k − 1 N ) = I +N +N +N +· · ·+N −N (I + N + N 2 + N 3 + · · · + N k) = I + N + N 2 + N 3 + · · · + N k−1 −N − N 2 − N 3 − · · · − N n − N k = I − N k . concluímos que (vi − λvj ) = 0. Suponha. o que implica que. vn } base de V .20: (a) (b) T é bijetiva (injetiva e sobrejetiva). Base de simétrica: A11 . aij = 1. . se T é injetiva. o A11 . vp } LI. i=1 αi T (vi ) = 0. A12 . A33 . A22 . e α ∈ R. ∀f . Como polinômios são funções contínuas. A22 . .17: (a) T não é.4. . Ext 4. A23 + A32 . Base 11 cia linear deste conjunto. todos nulos. Ext 4. Considere a sua imagem por T . Para discutir a independêne multiplicação por escalar: Considere e v ¯ An = P = 1 n 0 1 1 1 3/2 −1 . pela independência dos vi 's. Base de diagonal: A11 . . A23 } é base pois Dena zero menos mos que é linear. Concluímos que é injetiva.18: Ext 4. A13 A21 . dado h dena f (x) = é base de Mm×n e a dimensão é mn. ∀f .23: Ext 4. usando a injetividade de T . A12 + que. A22 = A21 = 0 1 0 1 0 0 Ext 4. T (β ) = {T (v1 ).21: T =  0 1 1  . . o único elemento do núcleo é o 0. Como N k = 0. T (vn )} .B. (c) sim. Ext 4. A33 . Mas um conjunto de n vetores LI em um espaço de dimensão n é uma base. pois por hipótese os vi 's eram LI. A12 + A21 . A dimensão é 6. que T (vi ) = λT (vj ).27: 2 −2 −2 4 (b) 1/2 −1/2 . (b) sim. A12 = . temos que T (vi −λvj ) = 0.28: (b) . 2 1 1 −1 k = 3. A13 = 0 0 0 0 0 0 é um conjunto LI. Aij a matriz que todas entradas são aij = 1. 1 1 1   0 −1 1 1 0  T −1 = T −1 ε =  −1 1 0 0 Ext 4. {T (v1 ). Base de diagonal: injetividade de T . por exemplo. mostra-se que S ◦ T = I . ou vi = λvj . A13 + A31 . Logo N (T ) é subespaço vetorial. e está fechado pela soma  v ˆ em N (T ) (ou seja: T (¯ v ) = 0 e T (ˆ v ) = 0).24: (a) sim. (b) Dena em todas as entradas menos Akl = (aij ) uma matriz com zeros akl = 1 (veja item Ext 4. A22 . Isto implica que (T ◦ S )(f ) = f . a11 a12 a13 a21 a22 a23 = a11 A11 + a12 A12 + +a13 A13 + a21 A21 + a22 A22 + a23 A23 .15: Como T (αp+q )(x) = x(αp(x)+q (x)) = A23 = . Ext 4. p(x) = q (x) para todos x (incluindo o zero) e portanto p = q . 1 ≤ l ≤ n} kl S é sobrejetiva: de fato. T (vp )}. Ext 4. ∀x. (c) k = n + 1.

0.32:    5/2 1  4 2  . T (p) = p(x + 1) = x + 1 0   1 2 e [x + 1]ε =  1 .  pode se expresso como combinação de elementos de β.46: (a) a(1.45: Se Ext 4. −1 2   2 (d) [w]ε =  −5 .40: A base [I ]ε←β = [I ]ε←α [I ]α←β . Logo [T ]ε =  0 1 2 .36: (a) Mudança de Base  Ext 4.31: Ext 4.42:  1 −1 0  0 0 1 [I ]β ←α = 1 0 1 1 /2  Ext  1 1 0 4. obtemos que (a. 5. 0. u = 1 0 e v = 1 −3 (b) Um não é múltiplo do outro. 2  1 (0. β 1 1 1 1 0 −1 . 0. 3.43: (a)  (c) 0 1  0 0   0 0 0 0  0 0 1 0 0 1 −1 0  0 0   1  1 (b) 1 0 0 2  Ext 4. (c) [w] =  −1 . −1).38:  1 0 1 1 −1  cuja in   Ext 4.50: Ext −1 4 1 −2   1 1 1 4.   1 −1 0 1 −1  obtemos Como [I ]ε←α =  1 1 1 1 β = {(−1. (1. 0) + 3(0. (c) 2 0 0 −1 que Ext 4. b. (c) Basta vericar que Ext 4.37: [f ]β =   5  2 5φ2 + 2 φ3 .41: R2 .34: Temos que resolver o sistema  p = 1. ε −1 −2   1 1 0 (d) [T ]β =  0 1 1  0 0 1 Ext 4.30: (a) Ext 4.51:  0 1 2  0 0 1 p = 1. −1)  +  4 4 2(0. 1. Ext 4. 1 0 0 1 Ext 4. Ext 4. 0) + c(1. −1 .  0 [q ]β =  1 1   4  3   Ext 4. 2)}.49: Para ambos itens. 3. 1). (−1. T (p)(x) = p(x + 1) = 1 e 1 [1]ε =  0 . portanto são dois vetores LI em Ext 4. S (p)(x) = xp(x) = x1 = x Ext 4. (b) [v]ε =  −1 .   2 Logo. −1.48: (a) A resposta não é única. 1) = Ext 4. Ext 4. (b) [p] =  −1 . 1) + b(−1.33: Falsa. −1). (c) [v]β =  3 .47: (a) [I ]ε←β =  0 3 0 −1 0   . T (p)(x) = p(x + 0 2 = x2 + 2x + 1 e [x2 + 2x + 1] = 1) = ( x + 1) ε     1 1 1 1  2 . RESPOSTAS DOS EXERCÍCIOS Coordenadas v =  4(1. 3). se p = x. 1 ax2 + bx + c Resolvendo [I ]ε←α = 6 2 11 4 (b) 1 [I ]α←ε = [I ]− ε←α . 1.35: (b) Prove que qualquer polinômio p(x) = 2 −1 −11/2 3 [I ]ε←α = I . 5 Ext 4.52: Se . 1). 1. se p = x . [v ]β =  3 .PPV APÊNDICE B. Ext 4. (b) [v]β = versa é [I ]β ←ε =  0 0 −1 −1     1 4 pois f = 4φ0 + 3φ1 +  0 . a matriz identidade. Por exem- [I ]α←β  1 1 1 0  = 0 1 1 1 −1 β são as colunas da matriz plo. c) = (2.

. d) = a(x. basta dividir pela norma. ai. y ) + cT21 (x. S e T 2 Des 4. .94. i = 1.2 Problemas Prob 5. T. mos Tij (uk ) = . vm } é base de V . (c. caso contrário T (uk ) ∈ V e {v1 . Então T (x. (b) verdadeiro. traço de AB é igual ao AB − BA é zero e dena S ∈ L(U . Como são nm Tij s. T1 . y ). . 0 1 {u1 . (d) verdadeiro. xz . . x) + c(y. y ) = (0. 1 Logo. 2 Fix 5. o con- 2 3 4 junto {I.4. √ (c) 23.5.5: Use o Teorema do Núcleo-Imagem duas S (uk ) = i. T22 : R → R por: T11 (x. R2 ) = 4. Des 4. Seja A = [v · · · v]. . (b) Sim.1: (a) Não. T2 : R2 → R por: T1 (x. Logo espaço S ≡ T.ago. . (c) P (x. .4: (b) note que traço de m tem akj ∈ R tais que T (uk ) = j =1 akj vj . . o conjunto (b) Generalizando o argumento anterior. V ) basta denir valores nos elementos da base de U . pois os vetores podem não ser unitários. b) para todo Fix 5. Fix 5. 2a parte (somente se): suponha que B não possui n inversa.j Tij . . Como 0. n.5. v . para denir Tij ∈ L(U . y ) = aT11 (x. Seja B. v2 . Nuc(T ). T 2 . 0) + d(0. y. Então S (A) = BA = 0. independentemente de B . logo.9: x. Então S (A) = BA = 0 e 0 = A ∈ Nuc(S ). exisbase de B. v } 1 2 m Des 4. . (c) verdadeiro. é LD. (b) H ⊥. y ) = xT (e1 ) + yT (e2 ) = aT1 (x. [S ]β2 ←β1 = {v . y ) = (y. b = T (e2 ). z ) = (x. Logo T = aT1 + bT2 . . S (p)(x) = xp(x) =  tos. T . . como dim L(Rn .14: Sejam  0 0  1 0 . 0). (b) P (x. . y ) = (0. x. dim L(R2 . V ) por S= i. T }. 2 (b) Dena T11 . é LD. Dada T qualquer dena (a. y ) + bT2 (x. (b) T 2 (b) = I. 2 e  0 [x]ε =  1 . A dimensão deste espaço é 4. 0) + b(0.5. 1 23. b) = T (e1 ). . T . Multiplicando-se por B −1 dos dois lados. 0). x).12: (a) Como Fix 5. = (b) T = I. (c) I. b) + y (c. inversa. 0. (b) 1 parte (se): suponha que B possui A ∈ Nuc(S ). y = 0.10: (a) Note que T (I ) = IB − BI = B − B = 0. I é n. Portanto existe uma combinação linear nãotrivial deles que vale B. z ) = (x. Pelo Lema 4. d) = T (e2 ). PRODUTO INTERNO PPW {I. xx = x2   0 [x2 ]ε =  0 .7: (a) (d) eixo Fix 5. V ). y ). Logo T = aT11 + bT12 + cT21 + dT22 . I ∈ espaço das TLs. .2012 22h .4 Desaos Des 4. y. 0 e  que possui n2 + 1 elemen- se p = x. Verique que são LIs. Dada T qualquer dena a = T (e1 ).11: (a) Dena Des 4. . 0). A = B −1 BA = B −1 0 = 0.2: (a) Falso. y. Des 4. Assim denivj . . (e) falso. Pode-se provar que Tij é LI no Des 4. T21 . y ) = y . . Fix 5. logo A é invertível mem mesmo valor nos elementos da base.5: (a) T Fix 5. (c) plano 9. λv = |λ| v Fix 5.j Tij (uk ) = j Como akj vj = T (uk ) são lineares e assu- vezes. y ) = x e T2 (x. y ) + bT12 (x. m} gera o L(U . b) ≤ d(Ax.6: T . u2 . .j para todo ai.1 Exercícios de Fixação √ Fix 5. . para i = k .4: (a) . Verique que são LIs. Logo existe 0 = v ∈ R tal que B v = 0.5 Produto Interno B. T22 (x. Agora traço de traço de BA. . y ) = (x. T. −y.10: (a) P (x. Logo. z ) = (0. (c) T = 0. j = 1. d(Az. 0). que possui 5 elementos. {Tij . y.3: (a) Fix 5. y. y ).j Agora.4 da p. = (BA)A = I . y ) = xT (e1 ) + yT (e2 ) = x(a. (b) 1. . Logo Nuc(S ) = {0}. T = −I . H. T21 (x. un } base de U e V .1: (a) 5. T12 . y = −x. k. z ). Então T (x. T12 (x. Portanto existe uma combinação linear não-trivial deles que vale 0. . a dimensão a é nm.8: (E).B.6: BA − 1 e A = BA. . Rn ) = n2 . T n }. A dimensão deste espaço é 2. y ) + dT22 (x.

então u. 1. (d) (e) projeção 5 4/5 −3/5 3 4 Prob 5. 16.5. 0. 5). Como sabeé x + y + z = 0. pode1 0 0 1 mos dizer que T (1. 32. −1. 0. 0)/2.8:   3  −2 u ∈ H e v ∈ H ⊥ .4: (a) P (x.13. 1) e (0.         . 5) .16. calcular que pode ser obtida transpondo a matriz anterior pois ela é ortogonal.2: APÊNDICE B. (b) . 1). 0. 16.40). (d) 0. 1) e T (0. −2. P = P.9.16. RESPOSTAS DOS EXERCÍCIOS    4 −3 √  3  −  −1  = 3 10 −3 2 (2. 0) e a (f ) 1  2 0 0 0 0  direção (1. 1. 4/5 2/5 0 0 Ext 5. A inversa desta os vetomatriz é [T ]β ←ε . 4/5 −2/5 2 1 1 . Nesta base a rotação será: m do sistema:  8m     16  m 24m   32m    40m (4. (c) 2/5 1/5 0 1 3/5 4/5 −4 3 1 . 3 (1. −2.24. 1. 0.24. então w ∈ H e w ∈ H . 6 (1.40) = 4 = 9 = 13 = 17 = 20 · (8. w ) = √ 1 1 1 −1 2 = (x − z )/2(1. 0. podemos calcular T .10: (a) 4 10 x + (b) .20). Também T (1.32. Uma base para este espaço é temos Im(A)      5 −1    −3  + t  1  . 0) e (−1/ 2.6: Como (0. Deixe so- mente indicado. −1. y. 0) = (g) O plano perpendicular ao eixo de rotação (0.(8. 0. Ext 5. 0. 0.32.   (c) S⊥ = (5. 1. y. t ∈ R .     Ext 5. z ) = ((x+z )/2.9: Prob 5.5: (a)   −2/5 1/5 1 0 0 1 (b) T (x. 1. 1. 24. ⊥ ⊥ Se w ∈ H ∩ H . −8) (d) Denindo-se   2 1   7 2  −1  −  1 3  −3  3  0 1 −1  Prob 5.7: (a) (3. −1). (x+z )/2).32.10: (a)  −1   −3   =   −2  3   0 −2 −2 1 −1 = H e portanto H ⊥ = (Im(A))⊥ T Nuc(A ). Como o produto {{ 2 (1. Com isto podemos Projetando no subespaço linear obtemos: [T ] = [I ]ε←β [T ]β ←β [I ]β ←ε . 0).3: (a) (1. 1 1 mal deste plano: { √ (1. √ (1.      B.7: Vamos determinar 90◦ . z − é 1 . 40) 3520 e m ≈ 0. 0. 5).16. 0. Ext 5.   0 1 =  (b)  2  2     5  5 2x − y + 3z = 0. 1. 0. a rotação é . 1. v = 0. 1) para Prob 5.24. −1). (c) (3. 3 obter base ortonormal de R .(8. basta calcular o ângulo entre 1 1 1 √ √ √ √ √ (0. 3). −1/ 2). 1)} 2 √ 6 Completamos esta base com 1/ 3(1.1: (d) o plano                1 0 0 0 0   0 −1 1 0 0   0 −2 0 −3 1        . 1) = (1. 1).3 Extras escalar é igual a zero.17. 0 0 1 2 1 2 0 −3 2 −5    . −1) é perpendicular ao plano.PQH  Prob 5. com2 2 1 1 1 1 100 x.    A=   (b) Prob 5. Sol:  0 0 0 0   Como o plano é gerado por (1. Denimos β = o eixo de rotação. a rotação é de Prob 5. 0 0 1 A matriz [I ]ε←β é igual as colocar de β em colunas. 1)}     . 9 10 . w = w = 0. 32. (−3. 1).52. y= (b) Ext 5.3: (a) . Prob 5.40) (8. y. 0) = (x − z. 40) res √  √  √2/2 −√2/2 0 [T ]β =  2/2 2/2 0 . z.   4  3   Prob 5. de 2 forma que w.4: Se 1832 = · (8. (b) por ser projeção. Tomamos uma base ortonormos T em três vetores LIs. 24. −1) = 0. 0) é perpendicular a (1. √ 0 0 2 pondo obtemos .

7: −1.6. (c) 4. (c) nenhuma ou innitas soluções. na direção y duplicados. z ) = (ax. 2. det(A) = 9. (9 − 8)(14 − 1) = 13.agosto. y. Logo p(x) ≡ 0. Prob 6. (d) innitas soluções. Considere T (x.8: Queremos minimizar a distância d(p. (b) 3 coloque-os na mesma n. (2. Ext 6. (b) usando matriz em blo- cos. Logo. B. Ext 5. vol(C ) = 3 = 27. (b) (−1)(n+1) . (d) (b) 56. 0. Prob 6. √ (c) 3/3. (b) = 0. (b) O fator 1/(ad − bc) sai do 2 determinante como 1/(ad − bc) pois A é 2 × 2. (b) = (se A = B = 0) =. (d) < 4. (c) LDs.14: (a) 1/6. 3 cubo de aresta 3. comprimentos na direção x são reduzidos à metade.2 Problemas 2 Prob 6.   5/2 5.9: (a) λn .6.1: (a) V: (b) F.7: 0 Versão 23. 2. −7. −2. (c) (−3)5 /3n . −1/2. 2).4:  (c)     9 10 13 10 17 10 21 10      a = 0. 100.4: (a) Fix 6.6: (a) uma única solução. Assim o determinante é o produto dos elementos da diagonal da nova matriz: abcd.10: (a) Calcule Prob 6. Para preservar área. 3.5: Calculando o módulo do determinante solução.3: (a) 6. λ1 = λ2 = 0. (b) 2. 1 Logo. 4π .11: (a) Mostrar que 2 não é suciente é B. l l l l Ext 5.6.4 Desaos Des 5.5: (a) (9 − 8)(−1) = −1.3: (a) não possui. 14. Fix 6. pode ser uma múltipla da fácil. da matriz que em cada coluna tem os vetores (−1. z ) ∈ R3 . 21. y ) = (x/2. (c) F. 0). y.6: 62. 1 0 1 Fix 6. x2 + y 2 + z 2 ≤ 1}. B. det(A − λI ) = 0. (c) = mar. basta que Fix 6.2012 22h T (x. Logo .6 Determinantes B. cz ) e B = {(x. Prob 6. (b) uma única det T = 1.9: (a) = 0. outra.8: (a) Troque 1 com 4 e 2 com 3 .6: T =  −1 0 1 Fix 6. (b) (b) (c) −3 · 3n . Fix 6. (c)−30. Como C é um Ext 6. Embora det T = 1.B. Agora a matriz resultante é diagonal e o determinante é o mesmo que de Ext y = 19/20x + 67/40. AA−1 e verique que o resultado é I . 2 1 3 . Fix 6.1 Exercícios de Fixação Fix 6. (d) LDs. (b) 1 2 3 Prob 6.2: (a) −3 · 2n .13: [v]β =  −3/2  2 1/4. −1. −1) obtemos que o volume é 27. by. det(A) − (−4) = det(B ) = −36.12: b = 0. −1 e Prob 6. (b) λn det(A).11: Ext 5.3 Extras Ext 6.1: (a) Ext 6.8: (a) = 0. Fix 6.2: (a) det(B ) = − det(A). 2.5: (a) (b) 4!. Ext 6. (b) pertence ao plano Ext 6. −1 ) = (ad − obtendo o resultado correto: det(A 2 bc)/(ad − bc) = ad − bc. (b) M pois foram duas trocas. Prob 6.5. (b) = 0. Para mostrar que é linha ou coluna. DETERMINANTES PQI 21 10 17 10 13 10 9 10 B. (c) = 0.4: Não. ou Ext 6. 960 e Prob 6.   gerado por v e w . 2) e (2. 0.1: (a) Prob 6.2: −16. Logo. 1. (c) −32. (b) 12.7: (a) múltiplo de. 2y ). (b) nada podemos ar- Fix 6.6. 2.3: (a) pode ser (se A = B = I ). Prob 6.10: v é solução não-trivial de (A − λI )x = vol(T (C )) = det(T )vol(C ) = (2)(27) = 54.

20: Como Ext 6. Ext 6.12: Se B= A−1 . o que implica 0 b . Multiplicando −1 concluímos que os dois lados por A Dai segue o resultado. Ext 6. det(−I ) = −1 e det(A2 ) = det(−I ) = −1 = det(A)2 .22: (a) de forma geral não. pois como 0 não é autovalor a matriz Fix 7. 3. raíz 0.11: Calculando o determinante dos dois la- dos concluímos que A é invertível. (b) sim.9: (a) 2 e 5. o que é impossível para uma matriz com entradas reais. inclusive na nal. . no produto de elementos da diagonal. Considere v = (b) (x.6: Aplicando a algoritmo de cálculo com eliminação de Gauss. Ext 6. (b) sim. o sinal do determinante. v2 − v v3 − v Ext 6.8: (a) Fix 7. det(AB ) = det(A) det(B ) = 0 então det(A) = 0.7: Cada coluna é um vetor cujo máximo da x = det(S ) então x = (−1)n x.1 Exercícios de Fixação Autovalores e Autovetores Fix 7. (b) sim. (b) R. raízes são 1 ou −1.15: Se x = det(N ) então x = 0. det(AB ) = det(A) det(B ) = det(B ) det(A) = det(BA). (c) Verdadeiro. (b) 3. x = det(A) então xk = 1. os vetores são coplanares. (c) Fix 7. A matriz agora será bloco triangular da forma igual a A 0 X I . Autovetores e Diagonalização B.ago. = 0. 0 Versão 23.4: A é invertível. (b) Verda- deiro. e Semelhante a letra (a).13: (a) Como n = 3. invertível. Ext 6. 0.2: (a) Falso pois para ser autovalor o auto- vetor tem que ser não-nulo. −1 ) = Ext 6. . O determinante é o mesmo a menos de sinal. (c) 1. Ext 6. gular superior.2012 23h . (b) a1 .7. k Ext 6. autovalor 0. o determinante é zero se.23: Sim.24: Troque as linhas até obter matriz trian- Fix 7.14: (a) Se √ norma é √ k 2 + · · · + k 2 = k n. o que implica que N não é Ext 6. 9. com determinante det(A). O máximo vo- lume é o produto do comprimento de cada aresta.21: det(A) = det(P ) det(D ) det(P − 1 − det(D) pois det(P ) det(P ) = det(P P 1 ) = det(I ) = 1. det(D) = n! (produto dos elementos da diagonal). Logo det(N ) = 0. Logo det(A) = ±i. y ) raízes O determinante é zero se.PQP vol(E ) = vol(T (B )) = det(T )vol(B ) = = (abc)(4/3π ). raíz 1 se k par.4 Desaos Des 6. Como D é diagonal. Como todas são do mesmo tamanho. Como det(Ak ) = (det(A))k = (n!)k .1: (a) baixo. Ext 6. Fix 7. Ext 6. (b) basta fazer a conta. são 0 ou 1. (b) S = −b 0 b2 = 0. Ext 6. det S = x = 0.26: (a) Subtraia linhas e reduza a determi- v1 − v . a úln (b) todos os vetores não-nulos.19: Troque as linhas de cima com a de- B. (c) P.10: (a) 0. pois se Fix 7. com b = 0. APÊNDICE B. Como troca de linha altera somente Fix 7. se n é ímpar obtemos x = −x. Ext 6. (b) −14. RESPOSTAS DOS EXERCÍCIOS Ext 6. os vetores v1 − v e v2 − v são colineares. 1 e −1 se k ímpar. A primeira linha terá tima linha an .5: (a) Fix 7.25: (a) Subtraia a primeira linha das outras e reduza a determinante 2 × 2. Des 6. 2 Ext 6. (b) Falso pois autovetor tem que ser não-nulo. = 0. somente racionais entrarão em cada etapa.6. B.7: (a) talvez. Fix 7. . 2. e somente se.16: Se x = det(Q) 2 então x = 1.6: é. o que implica que A é invertível.7 Autovalores. nante 2 × 2.10: Se x = det(A) então x = x. (c) > 0. Ext 6.3: (a) Falso. (c) não é. (d) U. .8: (a) 84. rotações em R2 . o sinal nal é o mesmo.9: (a) R. P . | det M | = i=1 |ai |. e somente se.

2).7.10: (a) 0 e 1. y. −1.2: (a) Não. dim Nuc(T + (b) autovalor −1 com autoespaço (1. Prob 7. 5. 5x + 2y ) (b) T (1. z ). 2). 1) = 2(0. vetores satisfazendo (1. 2. 0. 9) . 5). resultando em três autovalores . 0) . y. dim Nuc(T ) = 1. 1. 1) . −2. cujo único autovalor é A−1 ambos os lados da equação.13: (a) µλ. são autovetores distintos. (0. 6) = (9. 0 é au- tovalor também. dim Nuc(T − I ) = 2. formam uma base. 0) . com autovalor: (a) Então Prob 7. 1) = 3(1.11: (a) 0  0 =  A − 5I 0  0  0 0 ∼  0 0 0 (se h = 6) ∼ 0 0 (se h = 6) ∼  0 0 Autoespaço bidimensional livres  −2 6 −1 0 −2 h 0 0   0 0 4 0  0 0 −4 0  1 −3 0 0 0 h−6 0 0  0 0 1 0 1 −3 0 0 0 0 1 0 1 0 0 0 0 1 0 0 . T deve −5 com autoespaço ser injetiva também. 1. Logo 5 2 T (x. 2. 1) 9 3 com autoespaço Prob 7. B. Como (1. produzindo A−1 Av = v = A−1 λv = λA−1 v. Desenvolvendo estes dados obtemos que T (x. (b) 1 pois a imagem tem 2. −1) . Portanto. Prob 7. (a) o vetor valor (3. 2. dim Nuc(T ) = 0. y ) = (−x/2. 0) . z ) = 3x. o que é impossível em dimensão (b) pelo teorema do núcleo-imagem distintos.13: Não precisa calcular explicitamente as TLs. 1) são levados em zero. autovetores (1. 1) . Prob 7. De fato. Logo é autovetor associado ao auto- −1. 3) + (4. (1. 0). (d) aµ + bλ. 9) = T (1.7. 1) e T (0. 1) e autovalor 1. AUTOVETORES E DIAGONALIZAÇÃO PQQ Diagonalização Fix 7. 0 não pode (1. Como λ = 0 (pois a matriz é invertível). (d) sim. λ e obter A−1 v = λ−1 v. (b) não. 1) é perpendicular ao plano de reexão. 0. 1) e T (0. 0 0 1 0 ⇔ duas variáveis  pelo menos dimensão toespaço.6: Prob 7. 1. (b) 1/λ. e autovalor 1 com autoespaço (0. x. 1. T (1. −2) = −1/2(1. 0. 0) (x. −1 3 T (1. (b) falso.9: (a) como o núcleo é uma reta. AUTOVALORES.7: Autovetor λ2 . (c) −1.1: (a) sim. 1. −1. (b) pode ser diagonalizada. −1.3: 1 −3 e −1 3 10 −30 é uma base. toda direção perpendicular ao vetor ⇔ h = 6. (0. Prob 7.B.12: não é. 7. 4. (2. implicando que ser autovalor.12: O eixo será um autovetor associado ao autovalor 1: (−1. (b) Sim com autovalor 0 (zero). 0. que são autovetores associados ao autovalor 1. tovalor 1 com autoespaço (1. 7. 6). autoT (5 . 3x + 3y − 3z. 2). 2.11: (a) verdadeiro. 1. 1). 1).8: (a) Como Prob 7. 0. 0) = (1. 15) = 3(5. Assim (x. Por outro lado. 3x). v λ. 1. 1) = (0.2 Problemas Autovalores e Autovetores Prob 7. −2.4: (a) autovalor 2. −1) e autovalor 0 com Prob 7. 6) = valor 2 com autoespaço (0. T (1. 0. Fix 7. . 1). 0. 0. (c) autovalor 1 = (1. 0. 3) + 2(4. autoespaço (0. [T ]ε = . Prob 7. dim Nuc(T − I ) = 2. (1. 1) . 0) e (0. podemos multiplicar à esquerda por gonalizável. (b) Como é projeção plano ortogonal em reta. (c) como (5. z ) é levado em zero. 0). 12. dim Nuc(T + I ) = 0. 0) = −1/2 0 (−1/2. 1. podemos dividir tudo por 1 e é diagonalizável. 9) = (1. Portanto os . com autoespaço (1. (b) 1 e −1. Fix 7. Um exemplo com somente um autovalor é a matriz identidade. Prob 7. −1. 5. −1. igual a dimensão do au- Prob 7. 1) = 0. 3) + T (4. −2) = (−1/2. 0. Como x − y = 0 são levados no zero. −1). −3) e (0. 1) = 3(1. 5. 7. 0) . 0. −2) + 2(0. e autovalor com autoespaço (b) autovalor (−1. auI ) = 1. (c) não. por exemplo. distintos.5: (a) autovalor 3 com autoespaço (1. Assim autovalor 0. autovetor (1. pode ser dia- A é invertível. seja sociado ao autovalor v = 0 autovetor asAv = λv. podemos obter base do (1.

15: (a) sen(3s) e f (s) = exp(−9s). RESPOSTAS DOS EXERCÍCIOS x+y = 0. uma base para o autoespaço associado ao autovalor 1 e −1. x + y = 0. associado ao autovalor 4 o sistema f (s) = x=0 com autoespaço gerado por (0. nalizável pois a soma das dimensões dos autoes6 −2 0 paços é 4. ou seja. (b) (4 − λ)(2 − λ)2 . β = {(1. 1). 1 0 Prob 7. (b) Autovalores: racterístico 0 e 1.17: (a) = λ2 − 1 = −1 6 −1 − λ (λ − (−1))(λ − 1). −1. 1)  1. −1. 0. terados pela transformação (plano de reexão) e os da direção (c) Autovalores: 2 e 4. −1) Assim. 0) são multiplicados por Logo TL é reexão em torno do plano −1. 0). (0 . 0). 1. 1. Associado ao autoy − z = 0 . 0).19: (a) Não. 1 e 2. 0. com polinômio ca(1 − λ)3 (1 + λ).16: Os autovalores são as entradas de 2 e não 3) e não D. 0 1 0 6 0 0     0 1 1 1 1 0 0 Uma base é .PQR Prob 7. y=0 x − y = 0//z = 0 . Diagonalização Prob 7. 1). 1. (0. (a) P =  1 0 −1  ou 2 0 0 A − (−1)I 0 = ∼ 1 0 0 . 1 . 1. (1. 0. 0). 0). com autoespaço valor 1 o sistema gerado por (1. 1). 0. 1. = 6 −1 é ortogonal ao plano de projeção. (b) T não é diagonalizável pois a soma 1 das dimensões dos autoespaços é 4 que é menor Uma base é . −1). A é necessariamente diago0 0 0 A−I 0 = ∼ 3 −1 0 . para autovalor −1 por (0. −2. cujo espaço é gerado por (1.   0 Da mesma forma. Para o autovalor 1 obtemos o autoespaço x + y = 0 (de dimensão 2). (0. Solução: Achando os autovalores e autovetores. y=0 Portanto NÃO existe base de autovetores (soma das dimensões dos autoespaços é é diagonalizável. 0. P =  0 1 −1 . 0    1 1 colunas de M associadas ao autovalor    2: .18: Associado ao autovalor 0.14: Reexão em torno do plano APÊNDICE B. 1   1 . 0. (0. 0. 0. com polinômio característico (1. com autoespaço gerado z=0 por (1. 0. Prob 7. 1 1 0 1 0 0 1 O autoespaço associado ao autovalor 1 é o conjunto-solução de Prob 7. Associado ao autovalor 2 x−y =0 o sistema . das dimensões dos autoespaços é 2 e não 3) e não Os vetores do plano x + y = 0 não são al. 0.é diagonalizável. as x=0  y+z =0 sociado ao autovalor −1 o sistema  z=0 com autoespaço gerado por (0. 0). 0)} e [T ]β =    1 1−λ 0 Prob 7. 1. projeção cada uma destas direções é um autovetor 1 3 0 1 1 3 2   1  1 . 3 que 5. 1. 0. 1. Por(d) Autovalores: racterístico tanto existe base de autovetores (soma das dimensões dos autoespaços é Tome 2 é obtida tomando-se as 4) e é diagonalizável. f (s) = cos(3s). 0. Como é 0 1 −1 0 0 1 = .20: Da equação obtemos que (1. 1. Associado ao autovalor 0 2 x=0 obtemos equação característica (1 − λ) (1 + λ) = o sistema . 0). com autoespaço gerado y+z =0 0. . −1. 1). Prob 7. −1) e (1. Note que esta direção é perpendicular Portanto NÃO existe base de autovetores (soma ao plano do autoespaço do autovalor 1. com polinômio ca- λ(1 − λ)2 . 0) e (0. 1). (b) Q =  1 −1 0 . é obtida tomando-se as colunas  de Uma base para o autoespaço associado ao autovalor 1 M associadas ao autovalor 1:  −1   2  . 0). (0. 1. associado ao autovalor 1 o sistema x=0 obtemos como autoespaço a solução do sistema com autoespaço gerado por (0. Resolvendo a −1 equação obtemos (1. O autoespaço associado ao autovalor −1 é o associado ao autovalor 1 o espaço gerado por   1 0 1 conjunto-solução de (1.

5 1 3/2 2 2 − 1 Ext 7. 1. −2.21: Calculamos resolvendo o sistema x + P P −1 = . (b) como (1.4: (a) λ = 0 com com (1. (c) λ = 2. x + z = 0 que w = (1. Determinamos o ângulo fazendo o produto interno: . A = P DP . r10 1/2 (b) Como . −1. 1). 0. 1. −1)/ 6} (c) Diagonalize A e calcule   3 2 0 √ B = P DP −1 .3: Escreva A = (aij ) e faça as contas.10: (a) Eixo: (1.7.3 0. 10 0 2 −1023 1024 y − z = 0. D = A = 1 0. −1. 1). 1 0 1 0 Prob 7. (b) 1 1 1 1 e −5 1  1 0 0 0 −299 0 . 0). AUTOVALORES.B. −2.7. I ) = 2. 1). 0I ) = det(A) = p(0) = 4. 1) + (1. não pode estar associP = A =P 1 ado ao autovalor −3. −1. A10 = 1 1 −1 1 matriz com cada autovetor numa coluna.7 0.2 e P = Ext 7. dim Nuc(T − I ) = 1. 1). −1. isto é. dim Nuc(T − I ) = 1. (1. serão 0. √ 1/3 1/3 Como são autovetores LIs. Calculando T u = (0. autovalores reais.1: (a) 2 ± i. 1) pertence ao plano x − y + 1 2051 2046 z = 0. det(A − Logo. (b) não possui −1 1 −3 2 −1 = 1 . (1. e forma base do R3 .  2 4 2 . Dena P como sendo uma P = B. 1530 −3569 a b e faça as Prob 7. −1). A99 = XY X −1 0 0 499 1. dim Nuc(T ) = 0. 2. Vamos  −y = x −z = y  x=z . 1. 1)Ext 7. 0).25: (a) Autovalor autovalor 1 com autovetor (1. 0) e 3826 −8925 = −1. −1. 0. −1. Solução: Para determinar eixo precisamos calcular a direção associada ao autovalor  obter o sistema mos tema Seja 1  X= 0 0  D99 =  Y = (1. dim Nuc(T ) = 1. 0.6 0. 1. 1. = 5 · 210 3069 3074 Ext 7. 1) = −(1. AUTOVETORES E DIAGONALIZAÇÃO PQS 1 0 1 0 −1 = . que é gerado por u = (1. . 1). 1). 1) como direção do eixo. 1) com ângulo 120◦ . 3/2). Assim tomando x − y + z = 0 .22: A = P D P = −1 5 7 28 0 5 7 2 3 0 1 2 3 5 7 256 0 3 −7 Autovalores e Autovetores = 2 3 0 1 −2 5 Ext 7. 1. Logo. 1. −1) e v = (0. 0. 0) = −(0. 0).9: (a) 0 e 1. 1. blicanos e m0 monarquistas. 1.23: (a) autovalor 1/2 com autovetor (−1. 0. . 1 0. −1. 2 com autovetor (0. 1. P . 0. 1).6(r0 + m0 ) monarquistas. 1. (b) 0. per1/210 −1 10 tence ao núcleo também. terminar o plano de rotação resolvemos o sis- Prob 7. . −1)/ 3. (0. Aplicações 0 2 5 8 8 − 1 Prob 7.24: (a) r0 e m0 .4 Ext 7. 1). se inicialmente são r0 repu0. 2. 0). 0. calculamos P .5: Como p(λ) = det(A − λI ). dim Nuc(T + republicanos e 0.4(r0 + m0 ) (b) 1 e −1. (0.3 Extras 40% republicanos e 60% monarquistas independente do valor de Prob 7. −5. 0. Resolvendo obtePara de- (1. (0. 1). − 1) .6 dim Nuc(T + I ) = 0. 0. 0 k P −1 = (c) Como limk→∞ A = P (b) autovalor 1 na direção (1. Denindo contas. β = {(1. 1) e T v = (−1.8: (a) autovalor 0 na direção (1.2: Monte a matriz A = c d e autovalor 1 com autovetor (1. Ext 7. T (1.7: (a) Como mos (1. 1) e autovalor 1 no hiperplano perpendicular a Logo r10 = 4097/10240 ≈ 40%. (b) A = √ √ 2/3 2/3 (1. (1. (1. 1)/ 2. 1). calcula= A10 m10 1/2 Ext 7.4 0. 1/2 0. 1) = (0.8 Ext 7. (1. 0.

17: (a) a+b e a − c.14: 1 com autoespaço gerado por x e x + Ext 7.portanto. . 1 1 1 −1 v . (d) Dena P =  −1 −1 0 . Autovalores e Autovetores 6 é 0 autovalor pois a matriz é singular.12: (b) T (au + bv) = aT u + bT v = 5 5 5 0 0 0 aλu u + bλv v= λu (au + bvλv /λu ) 0  P −1 Então. −1 e 0. 0) . 0 Ext 7. Segue que T é rotação.  j =1 aij = 0 1 s. v = 0.  =  . y. AT v = = µ u. T u /( u T u ) = −1/2 cos φ = (c) Dena P =  3 3 1 . condição é a = 0.9: e coloque λ = 0.4: Indução.  5 5 5  = P  0 0 x −x .  . Com isto determi−3 1 3 0 0 1 namos o plano de rotação. 1 n .19: X = 1 −1 1 1 e Y = 2 0 0 −3 . −1). . Des 7. (b) Ext 7. 2. Logo o ângulo 4 3 1 θ = φ = 120◦ . 0 1 1. T v /( v T v ) = −1/2.13: (a) e e e 2 Ext 7.PQT APÊNDICE B. Ext 7.5: (b) Fatore o polinômio característico em (λ1 − λ) · · · (λn − λ) Des 7. . (b) matriz Des 7. (0.16: (a) Seguindo a sugestão. v = u..   . u. i = 1.  diagonal 1 ↑ ↑ ↑ P =  v1 · · · vn .15: Autovalores reais somente podem ser Ext 7. z ) tais que x − z = 0. não é diagonalizável.7. 1)) cal    ◦ culamos o ângulo. Se tivesse. λf = f e portanto f seria uma exponencial mas 0 como (T f )(0) = 0 f (s) ds = 0. 0. . .  = s . .25: (a) Se A = P DP        A = (λP )D(1/λP −1 ) = QDQ−1 . Então O plano é (1. 1. n equivale a −1 então Ext 7. f ≡ 0.11: (a) det(P BP −1 −2 2 0 0 1 = det(B ) det(P ) det(P −1 ) = det(B ). 2 2 −1 5 0 0  1 −1 ) = 3 −1  = P  0 1 0  P −1 . . . que é 90 . Então v.18: (a) autovalores complexos dados por Des 7.     −1 4 −2 3 0 0 (e) Calculando autovetor associado ao 1 de −3 4 0  = P  0 2 0  P −1 . v Como λ = µ. portanto não existe base de autovetores e. derivando os dois lados. v = λ u.1: Portanto (b) s é autovalor. onde 0 = ∈ R. (b) A3 = P B (P −1 P )B (P −1 P )BP −1 = = P B (I )B (I )BP −1 = P BBBP −1 .3: Diagonalização Ext 7. .  .22: (a) . 0. . .10: (3 − λ)2 + 4 = 0. a11 · · · a1n 1 s 1  . 0 −1 1     Ext 7.   Des 7. .20: Dena P =  −1 mesmo polinômio característico. 1). (e) segue do fato de possuírem o (d) w = P 0 1 . an1 · · · ann 1 s 1 A B.    . Au.. 0 e traço de A. que é perpendicular   −1 2 1 a este eixo: são os (x. . 1. (c) det(P AP −1 o po- Ext 7.  . 5 5 5 0 0 15 Ext 7. (b) sen(x) e cos(x).21: (a) Autovalores são 1 (duplo) e 2. 0. RESPOSTAS DOS EXERCÍCIOS   1 2 1 cos θ = u. . e 0 0 0 1 1 0 Ext 7. linômio característico é o mesmo pois Outra opção é (A não é única) tomar 1 −1 −3 0 det(B − λI ) = − λI ) = X= e Y = . . T f = λf . Ext 7. autovalor pelo item anterior.   . n 1 com autoespaço gerado 1 0 0 0 0 1 . ↓ ↓ ↓  . (b) Não é diagonalizável.  . onde ∈ R. Aplicando matriz 1 0 1 num destes vetores (por exemplo em (1. por: .2: Autovalores são Des 7. terminamos o eixo (1. 1 1 0 2 = det(P AP −1 −λP P −1 ) = det(P (A−λI )P −1 ) =   = det(P ) det(A − λI ) det(P −1 ) = det(A − λI ).4 Desaos Des 7.

√ k lim (1/2(1− 5)) = 0.7. x52 ≈ (φ/2)51 ≈ (1. A 50 = φ50 251 .61)51 . Denindo 0 √ φ = 1 + 5. Efetuando obtemos. Denindo A = √ 1 1 1+ 5 1 √ .B. D = e P = 2 1 0 1− 5 √ √ 1+ 5 1− 5 1 . Logo.18: (b) 3 − 2e 6 − 6e e − 1 3e − 2 . xk+1 ≈ (φ/2) .11: (a) autovalor 5) com √ autovetor 1/2(1 + 5. A = P DP −1 5+1 √ (b) como 1/2(1 − 5) ≈ −0. colocando φ50 em evidência. Assim. 1) . se fosse 0 seD = 0 e diagonalizável. N k v = λk v = 0. k (c) do item anterior. Logo.12: (a) O único autovalor possível é não teríamos que ter. P −1 = 55 . P DP −1 = 0. calculamos 2 1 1 √ √ 1 √5 − 1 −1 . AUTOVALORES. 1 1 1 .17: Escreva A= a b b d Des 7. (b) Portanto Des 7. (c) 1 e 1 1   1 e 1  1 1 e .61. Des 7. de forma aproxik→∞ √ (1 + 5)50 1 50 mada. 1) √ autovalor 1/2(1 − 5) com autovetor 1/2(1 − 5 . e efe√ tuando obtemos 1/2(1 + √ A50 √ 5φ50 10·250 1 1 = P D50 P −1 1 0 √ φ√5 5 1 1 1 −1 ≈ √ 5−1 φ φ 1 √ φ 1− 5 1 1 1 1 5φ50 ≈ 10 · 250 √ . D = 250 . N = e faça contas. AUTOVETORES E DIAGONALIZAÇÃO PQU Diagonalização Des 7.

PQV APÊNDICE B. RESPOSTAS DOS EXERCÍCIOS .

Linear Algebra With Applications. Chris. Imprensa Universitaria da UFMG. Linear Algebra Done Right. Harbra. 2005. Diversos autores. Listas e Provas Antigas do DMA  IM  UFRJ. Bookman. Um Curso de Geometria Analítica e Algebra Linear.Referˆ encias Bibliogr´ aficas [1] [2] [3] [4] [5] [6] Anton. 2001. 1974.. Springer Verlag. 2007. Linear Algebra. Steven J.. Introduction to Linear Algebra. 1987. 19902006. 1986. Prentice Hall. [12] [13] Shilov. Georgi E. Linear Algebra. Axler. Jänich. Prentice-Hall. Wellesley-Cambridge Press. Finite-Dimensional Vector Spaces. Springer. Álgebra Linear com Aplicações. Linear Algebra. 1971. Springer Verlag.2 PQW . Addison-Wesley. Leon. Strang. Figueiredo e Wetzler. 1997. Lay. Gilbert. Paul. Howard.. 1993. David C. Reginaldo J. Halmos. Santos. 0 Versão 0. Kenneth. Linear Algebra and Its Applications. Costa. Sheldon. Boldrini. Dover Publications. Linear Algebra. 1977. Ray. Rorres. Heeron. Jim..edu/linearalgebra/ [7] [8] [9] [10] [11] Homan. 2007. Acessado em Maio de 2008: http://joshua. Klaus. Álgebra Linear.smcvt. Kunze.

204 Cramer regra de. 73 denição geral. 32 complemento ortogonal. 1 equação paramétrica reta. 27 compatível. 122 algoritmo de eliminação de Gauss.´ Indice Remissivo área com sinal. 93. 92 coordenadas. 195 autovetor. 5 escalonada. 32 determinante algoritmo. 32 contradomínio. 76 de funções contínuas. 42 espaço das transformações lineares. 196 autofunção. 79 eliminação de Gauss. 176 caracterização algébrica. 139 ortonormal. 75 dimensão innita. 182 operações elementares. 201 PRH . 185 dimensão denição. 169 da transposta de matrizes. 72 Cauchy-Schwarz. 154 determinado. 167. 201 distância. 138 domínio. 82. 42 entradas. 168 169 Rn . 154 coecientes de Fourier. 15 ortogonal. 171 caracterização geométrica. 74. 76 de polinômios. 42 do cálculo do determinante. 140 solução. 114 autoespaço. 67 gerador. 41. 176 cálculo eciente. 82 innita. 82. 71 consistente. 178 fórmula de Leibniz. 176 sinal. 73 n em R . 201 autovalor. 186 decomposição espectral. 176 matriz inversa. 79 desigualdade triangular. 174 de matriz. 169 ângulo entre vetores. 76 de funções diferenciáveis. 168. 119 corpos movimentos rígidos. 31. 140 conjunto fechado. 15 caracterização. 109 de notação. 174 interpretação geométrica. 56 vazio. 117 de funções. 201 gerado. 92 elementos nitos. 3 × 3. 151 delta de Kroenecker. 171 do produto de matrizes. 172 de matriz de matriz 2 × 2. 154 abuso de linguagem. 18. 14 combustão. 48. 168 como volume. 175. 195 base canônica do denição. 159 combinação linear delicada. 83 nita. 36. 36. 169 como área. 55.

179 determinante matriz triangular. 182 kernel. 141 propriedades do produto interno. 105. 67 Fibonacci. 105 interpretação do produto matriz-vetor. 94 caracterização da função inversa. 117 propriedades da função inversa. 201 bijeção entre matrizes e TLs. 92 domínio. 71 conjunto gerador e LI. 182 núcleo é subespaço. 112 composição. 167 jacobiano. 92. 107 contradomínio. 108 propriedades da composição de TLs. 92 injetiva. 136 Gauss. 116 propriedades do complemento ortogonal. 116 espaço vetorial das TLs. 65 espectro. 104 do complemento ortogonal. 117 estendendo conjunto LI em base. 30 núcleo. 45 formas lineares. 112 invertível. 42 totalmente escalonada. 126 mudança de área de um quadrado. 28 forma escalonada. 112 linear. 54 mapeamento vetor linear. 32 inconsistente. 112 linearidade do produto matriz-vetor. 32 integral analogias. 32 incógnita. 42. 114 ortogonalidade. 136 Fourier. 105 funcionais lineares. 138 por conjunto vazio. 100 linha e coluna de uma matriz. 99 Kroenecker delta de. 92 propriedades da composição.ÍNDICE REMISSIVO PRI mudança de variáveis. 154 lema autovalores são LIs. 41. 94 determinante de matriz bloco-triangular. 139 produto matriz-matriz. 79 lado direito. 152. 100 injetividade e sobrejetividade de TL. 108. 140 determinando uma TL. 15 grau de indeterminação. 104 matrizes. 92 imagem. 17 lei dos cossenos. 169 → coordenadas é bijeção . 100 impossível. 143 matriz de rotação. 32 indeterminado. 74 espaço vetorial das matrizes. 215 uxos. 56 imagem. 48 hessiana. 112 propriedades da inversa de TL. 159 função bijetiva. 67 caracterização dos conjuntos LD. 110 inversa da composta. 42 gerador. 111. 36 LD. 83 escalonamento e espaço gerado. 112 caracterização de base. 141 eliminando vetores redundantes. 32 incompatível. 113 propriedades das operações com matrizes. 186 fechado. 122 matrizes da mesma TL. 84 imagem é subespaço. 48 de liberdade. 195 fórmula de Leibniz. 105 inversa. 46 escalonada reduzida. 175 dimensão do espaço linha e coluna. 71 imagem. 73 caracterização de subespaço. 109 propriedades da composição de funções. 98 solução de sistema. 174 mínimos quadrados. 83 conjunto ortogonal é LI. 83 conjunto gerado é subespaço. 54 interpretações do produto matriz-matriz. 167. 99 núcleo e inversa de matriz. 108 sobrejetiva. 204 hiperplano. 99 vetorial.

137 escalar-matriz. 36 anti-simétrica. 81 multiplicação por escalar. 102 nilpotente. 191 aumentada. 175. 143. 104. 2 ortogonal. 38 determinante. 53 por blocos.PRP relação entre produto de matrizes e composição de TLs. 116. 69. 54. 116. 204 identidade. 114 invertível. 95 reexão. 138 normalização. 95 ampliada. 17 independente. 95 rotação. 118 de coecientes. 102 mudança de base. 194 decomposição espectral. 37 tridiagonal. 41 placa aquecida. 17 múltiplo. 98 semelhante. 113 kernel. 126 sistemas e matrizes equivalentes. 125 núcleo. 32 posto. 2 munido. 65 multiplicação por escalar. 3 Pitágoras. 126. 201 em blocos. 27 morsmo. 99 operações elementares. 104 exponencial. 139 nulidade. 198 polinômio característico. 1 núcleo. 205 produto matriz-matriz. 69. 118 LI. 207 redução. 126 raíz quadrada. 99. 116 por blocos. 36 bloco-triangular. 179 blocos. 113 soma. 96. 46 escalonada reduzida. 55. 54. 41. 93 transposta. 3 mínimos quadrados. 116. 117 n-upla. 42. 38 escalonada. 53 misto. 102 inversa. 150 matriz ampliação. 193. 118 equivalente. 48 paralelo. 81 produto escalar. 176 origem. 191. 185 . 49. 137 interpretação geométrica. 216 hessiana. 100 processamento de imagem. 132. 28 parâmetros. 205 singular. 213 simétrica. 91. 45 transformação linear associada. 65 interno. 109 matriz-vetor. 141 triangular. 216 operações. 39 soma e produto de matrizes por blocos. 2. 28 placas tectônicas. 17 linearmente dependente. 139 pivô. 30 diagonal. 196 possível. 12. 42 espaço. 116 propriedades do produto. 45. 116 ortogonal. 118 por escalar. 36 de Vandermonde. 113 norma. 118 ÍNDICE REMISSIVO totalmente escalonada. 116 escalar-vetor. 116 projeção. 75 moedas. 36 diagonalizável. 191 propriedades das operações. 116 parábola. 4 matriz-matriz. 30 espaço linha e coluna. 205 denição. 113 imagem. 191 potências. 194 Maxima. 109 matriz-vetor. 113.

186 de Sarrus. 58. 90 subespaço associados a uma matriz. 47. 32 indeterminado. 32. 171 caracterização de matrizes não-invertíveis. 55. 201 espaço. 92 TNI. 32. 37 existência e unicidade. 70 soma direta. 89 trivial. 158 ortogonal. 205 existência e unicidade pela forma totalmente escalonada. 32 inconsistente. 32 determinado. 108. 5 Rn . 57 57 equivalente. 114 caracterização algébrica do determinante. 2. 49. 56 consistente. 56 solução particular. 48. 142. 105 Rn . 36 possível. 56 solução trivial. 65 Sturm-Liouville. 55. 58 compatível. 100 injetiva. 184. 174 simétrica. 71 Sylvester. 45 geral. 164. 32 interpretação algébrica. 191 em base ortogonal. 102 espectral para matrizes simétricas. 144 redundante.ÍNDICE REMISSIVO PRQ existência e unicidade. 185 reta equação paramétrica. 55. 56 TL. 167. 56 interpretação geométrica. 102 Gram-Schmidt. 2 de subespaços. 55. 67 soma. 212 transformação linear composição. 139 determinante da transposta. 56 lado direito. 48 de Cauchy-Schwarz. 46 . 114 solução de sistemas: existência e unicidade. 17 regra de Cramer. 55 sistema. 16. 69 caracterização. 143 solução geral. 143 particular. 177 conjunto-solução de sistema linear. 70 direta de subespaços. 182 projeção ortogonal em base ortogonal. 4 mão direita. 32 regra de Cramer. 31 R2 . 186 sem solução. 56 trivial. 48. 32 em em em R. 55 impossível. 152 Sarrus regra de. 113 mínimos quadrados. 58 com solução única. 102 traço. 135 teorema algoritmo para calcular matriz inversa. 160 inversa e o núcleo. 178 do núcleo-imagem. 186 homogêneo. 55. 164. 116 sistema com innitas solução. 4 vetorial. 55 sistemas:resolver simultanemante. R3 . 143 modicação de área por TL. 117 imagem. 67 denição. 183 projeção denição geral. 117 denição. 36 matriz. 174 do paralelogramo. 154 de Pitágoras generalizado. 32. 45 fórmula de solução. 89 vetores. 174 determinante do produto. 1 série de Fourier. 32 conjunto-solução. 92 diagonalizável. 55. 158 relação entre matriz e TL. 56 mínimos quadrados. 32. 55 soma por escalar. 123 solução geral de sistema. 45 fundamental da Álgebra Linear. 32 incompatível. 4 do triângulo.

47 líder. 80 paralelo. 3 produto escalar. 108. 53 vetorial. 104. 117 transposta. 2. 65 norma. 113 kernel. 99 nulidade. 154 coordenadas. 17 unitário. 117 posto. 117 propriedades da inversa. 47 vetor ÍNDICE REMISSIVO Rn . 99 matriz associada. 1 ângulo. 2. 99 operações. 193 . 2. 119 distância. 139 wrosnkiano. 100 produto por escalar. 138 função como. 193. 16. 55 outra representação. 117 propriedades. 47 livre. 54. 123 núcleo. 65 interno. 98 soma.PRR inversa. 137 escalar-vetor. 183 redundante. 141 Vandermonde. 138 nulo. 94. 3 multiplicação por escalar. 194 variável dependente. 62. 54. 80 múltiplos. 137 matriz-vetor. 47 independente. 113 rotação. 112.