Scribd Logo
Upload

Welcome to Scribd!

  • Algebra Linear e Aplicacoes 6ed - Callioli, Domingues, Costa PDF

    Uploaded by

    Gigi Sergio
    9 views178 pages

    Original Title

    Algebra Linear e Aplicacoes 6ed - Callioli, Domingues, Costa.pdf

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    9 views178 pages

    Algebra Linear e Aplicacoes 6ed - Callioli, Domingues, Costa PDF

    Uploaded by

    Gigi Sergio

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 178
    CARLOS A. CALLIOLI Prof, Titular — Faculdade de Engenharia Industrial (S80 Paulo) HYGINO H. DOMINGUES Prof. Adjunto — Instituto de Biociéncias, Letras e Ciéncias Exatas — UNESP ( Rio Preto ) ROBERTO C. F. COSTA Prof. Livre-Docente — Instituto de Matematica ¢ Estatistica ~ USP ALGEBRA LINEAR E APLICAGOES 6? edigdo reformulada . 12+ reimpressio,, a BE ret carig® (2 ATUAL EDITORA INDICE 1? PARTE: ALGEBRA LINEAR Capitulo 1 — Sistemas L si Jmeares — Matrizes jemas Lineares 2 remas Equivalentes .. 3. Sistemas Escalonados 4. Discussio e Resolugao de um Sistema Linear . 5. Matrizes 6. 1 8 . -. Operacdes com Mat |. yMatrizes Inversiveis Sistemas de Cramer _Apéndice I — Matrizes Elementares Capitulo 2 — Espagos Vetoriais 1. Introdugao .. 2. Espagos Vetoriais 3. Primeiras Propriedades de um Espaco Vetorial 4, Sub-espagos Vetoriais 5 6. 1 ‘Somas de Sub-espacos Combinagées Lineares Espacos Vetoriais Finitamente Gerados ......- Apéndice II — Exemplo de Espago que ndo Finitamente Gerado Capitulo 3 — Base e Dimensio 1. Dependéncia Linear . 2. Propriedades da Dependéncia Linear Dimensio Processo Pratico para Determinar uma Base de um Sub-espaco de R° (ou €) Dimensio da Soma de Dois Sub-espagos Coordenadas .. 8. Mudanca de Base . Apéndice III — Teorema da Invaridncia Capitulo 4 — Transformagdes Lineares 2, 3 4, Nogdes sobre Aplicagdes ... Transformagdes Lineares Niileo ¢ Imagem . Isomorfismos e Automorfismos ae eee meet emomacee et te ‘Opéragdes com Transformagdes Lineares Matriz de uma Transformagao Linear . Mairiz da Transformagéo Composta Espago Dual .. Matrizes Semelhantes Capitulo 6 — Espacos com Produto Interno 1 2, 3 4 5 6 Produtos Internos Norma e Distancia Ortogonalidade Isometrias ... Operadores Auto-adjuntos . Espacos Hermitianos .... Capitulo 7 — Determinantes 1 Permutagdes Determinantes .... Propriedades dos Determinantes Cofatores Adjunta Classica e Inversa, Regra de Cramer . Determinante de um Operador Linear .... Apéndice IV — Determinante de um Produto de Matrizes Capitulo 8 — Formas Bilineares e Quadriticas Reais Formas Bilineares .... Matriz de uma Forma Bilinear Matrizes Congruentes — Mudanca de Base para uma Forma Bilinear Formas Bilineares Siméiricas e Anti Formas Quadraticas ' Redugdo de Formas Quadraticas: Algoritmos Lei de Inércia 102 104 ut 4 124 133 137 149 Ist 158 161 mm 176 192 195 197 199 203, 208 212 214 217 218 21 222 225 228 232 235 243 22 PARTE: APLICAGOES tri Aplicasdo da Dingonalizagao: Poténcias de uma Matriz .. ica¢do da Diagonalizagao: Séries de Matrizes (NogGes Lema de Gergoshin Forma de Jordan Capitulo 2 — Curvas e Superficies de Segundo Grau 1, As Curvasde Segundo Grau 2, As Superficies de Segundo Grau culo 3 — Polindmios de Lagrange 1, Valores Numéricos 2. Polindmios de Lagrange . jo 4 — Seqiténcias Recorrentes Lineares 1. Seqiiéncias Recorrentes . 2. Aplicagiio lo 5 — Equagées e Sistemas de Equagdes Diferenciais Lineares com Coeficientes Constantes Operadores Diferenciais 1 2. Algebra dos Operadores ; 3, Equacdes Diferenciais Lineares com Coefic 4, Equacdes Homogéneas de Segunda Ordem 5, Equacées Homogéneas de Ordem Qualquer 6, Sistemas de Equagdes Diferenciais Lineares com Coefi Constantes lo 6 — Método dos Minimos Quadrados 1. © Espaco Euclidiano *: Revisio 2. Aproximagdo por Projedes indice Remissivo 246 253, 262 266 268, 270 2 284 292 298 299 305 aM 315 317 319 321 324 327 334 335 338 342. 350 351 12 PARTE: ALGEBRA LINEAR CAPITULO 1 Sistemas Lineares — Matrizes 1, SISTEMAS LINEARES Neste capitulo procederemos inicialmente a um estudo dos sistemas lineares sobre IR. Ngo nos moverd aqui nenhuma preocupagio de formalismo ou rigor exces sivos. Além disso limitar-nosemos a ver sobre 0 assunto apenas o que é nevessévio para desenvolver os capitulos posteriores. De uma maneira geral este capitulo 1 constitui apenas um pré-requisito para o restante deste lio. Definigéo 1 — Dados os niimeros reais a1, ... dq, B (a > 1), & equagto aux +... + ann = 8 onde os x; sio varidveis em IR, damos 0 nome de equapio linear sobre JR nas incdgnitas X15 <5 Xn ‘Uma solugdo dessa equagio € uma seqiiéncia de n nimeros reais‘) (nfo neGessariamente distintos entre si) indicada por (by, ..., bq), tal que arb) +... + anba = 8 & uma frase verdadeira Exemplo — Dada a equago: 2x; — x2 + x3 = 1,4 tema ordenada (1, 1, 0) 6 uma solugdo dessa equagdo pois 2-1 — 1 + 0 = 1 6 verdadeira Definigio 2 — Um sistema de m equagdes lineares com n incégnitas (m, n> 1)" & um conjunto de m equagOes lineares, cada uma delas com n inedg- nitas, consideradas simultaneamente, Um sistema linear se apresenta do seguinte modo: faux +... + ann = By ee sf * ann = Ba {eaves + (também chamada mupla de némeros reas. () Se m=n simplesmente sistema linear de ordem n. 2 ‘Uma solupdo do sistema acima é uma n-upla (by, ..., bn) de nlmeros reais que 6 solugdo de cada uma das equagSes do sistema, Exemplo — Dado o ‘sistema 2x y teed x+2y 0 6 uma solugdo de $ 6 (0, 3, 4). Notemos que essa solugio nfo é tinica: a terna ( 375 9) também 6 solugio de S. Ss: Se, no sistema S, tivermos 8; = 62 = ... = Bm = 0, 0 sistema S seré homo- géneo, A napla (0, 0,..., 0) € solugdo de S neste caso e por isso todo sistema homogéneo € compativel, de acordo com a definigfo 3 a seguir. A solugdo (0.0, ... 0) chamase solugdo trivial do sistema homogéneo. Definigdo 3 —"Dizemos que um sistema linear $ 6 incompativel se $ no admite nenhuma solueéo. Um sistema linear que admite uma tinica solugio é chamado compativel determinado, Se um sistema linear $ admitit mais do que uma solugio entdo ele recebe 0 nome de compativel indeterminado. Exemplos 1) Um sistema do tipo a+ aankn = € necessariamente incompativel: como nenhuma n-upla é soluggo da equagdo iésima, ento nenhuma nupla é solugio do sistema, 2) Um sistema do tipo oy =h 6 compativel determinado e (B, ,... »B,) €a sua solugso nica 3) 0 sistema [ox- yteel [xty = 6 indeterminado pois, conforme vimos tri, as temas (0, 3,4) ¢( $4 *y , 0)sa0 solugBes deste sistema, Conforme veremos, existem infinitas solugdes deste sistema. Tente achar uma. 2, SISTEMAS EQUIVALENTES Seja Sum sistema linear de m equag6es com n incdgnitas. Interesse-nos considerar 0 sistemas que podem ser obtidos de $ de uma das seguintes maneitas (1) Permutar duas das equagGes de S. B evidente que se S; indicar o sistema assim obtido, entdo toda solugdo de Sy € solugdo de $ e vice-versa (Ul) Multipticar uma das equagdes de $ por um ntimero real A 0. Indicando por S, 0 sistema assim obtido mostremos que toda solugdo de $1 é solugdo de Se Devido @ (1) podemos supor que a equagio multiplicada seja a primeira. Como as demais equagdes de Se S; coincidem basta verficar nossa afirmagdo ‘quanto a primeira equagio. Se (bs ,. bj) é uma soluedo de S (conforme definig#o 2), entao: ayiby + + ainby = By a ‘Multiplicando por } esta igualdade obteremos: Qay)by +... + Qoan)bn = MB Q) © que mostra que (bs, 6 também solugo da primeira equacfo de S, Por outro lado, se (bs, ..., bn) € solugio de Sy, entio a igualdade (2) & verdadeira. Dividindo (2) por A obtemos (1), Portanto (b;, ..., ba) pertence a0 conjunto das solugdes de $. 4 (UID Somar a uma das equagdes do sistema uma outra equagio desse sistema ‘multiplicada por um nimero real. Deixamos como exercicio a verifieagio de que sistema: yxy +... + agnxn = By Gy Xat ... + @inkn = Bi emits +o. + make = fim assim obtido e 0 sistema $ ou sfo ambos incompativeis ou admitem ambos as rmesmas solugSes. Sugerimos a0 leitor que faga alguns casos particulares antes de tentar 0 caso geral. Definigéo 4 — Dado um sistema linear S, uma qualquer das modificagbes cexplicadas acima em (1) (I) (III) que se faga com esse sistema recebe onome de ope- ragdo elementar com S. Se um sistema linear S, foi obtido de um sistema linear S através de um ntimero finito de operagGes elementares, dizemos que S; ¢ equivalen- te aS. Notagao: $, ~ S. F fécil ver que para a relagdo ~ assim definida valem as seguintes propriedades: (@) S ~ S (eeflexiva); (b) S) ~ S => S ~ 51 (simétrica); (© 8, ~S ¢ S~S,——=> & ~ S (transitiva). Convém frisar, por tltimo, que em virtude do que ja vimos neste pardgrafo, se S; ~ S, entio toda solugo de S é solugio de Sy ¢ vice-versa. Em particular, se S; 6 incompativel, 0 mesmo acontece com S. esta forma criamos um mecanismo extremamente itil para a procura de solu- ges de um sistema linear S. Procuramos sempre encontrar um sistema linear equivalente a $ ¢ que seja “mais simples”. Veremos um exemplo. Considere- ‘mos o sistema: fx-y +221 Sit m-y + 2=4 | x-2y 420-0 Para estudar este sistema deve-se aplicar a ele uma série de operagdes ele- mentares visando fazer com que 0 nimero de coeficientes iniciais nulos seja maior em cada equacio (a partir da segunda) do que na precedente. Vejamos como se pode fazer isso. xoytael feoytes 1 fxoytoel mee yt aes youre 224 yon? * Multiplicamos por ~ 2 a primeira equacfo e somamos o resultado com a segunda equagto; ‘multiplicamos a primeira equacio por ~1 e somamos com a terceira. + Somamos a segunda equacio com a tercera Como este diltimo sistema é incompat{vel, 0 mesmo acontece com o sistema S dado inicialmente. 3. SISTEMAS ESCALONADOS Consideremos um sistema linear de m equagdes com n incégnitas que tem © seguinte aspecto’ cet ankn = Be xn = Bes 4 onde ay, #0, Gary #0, ..., Okey #0 ecada > 1 Se tivermos 1 < ry < tz <... < rq 2, que é equivalente a'S. Dividindo a segunda equaglo de S, por Yar, obtemos um sistema S, ainda equivalente S,, com o qual comecamos a repetir 0 raciocinio feito até aqui, porém a partir da sua segunda equagio, Evidentemente, depois de aplicar um certo niimero finito de vezes esse raciocinio chegaremos a um sistema escalonado equivalente aS. m A importincia dos sistemas escalonados reside na Proposigo 1. Sendo todo sistema equivalente a um sistema escalonado, bastard que saibamos lidar com os sistemas escalonados e saibamos reduzir um sistema qualquer a um escalonado. Nota: Convém obsecvar que as equagdes do tipo 0 = 0 que por ventura aparecerem no processo de escalonamento devem ser suprimidas, como é ébvio. Exemplo — Escalonemos 0 seguinte sistema: tx- yt2- tea 3x4 2y—242=1 x- y-z- t=0 Sx +21 ( 2+2x-y-t=4 gto y- t=4 Sxt yt tas 4x —2y - 24 x +2t=4 rtm y- toa [xem y- te 4 Lyelte ty atin . xtdytdent xttyttin i . 4) ye ax dy — 2 =4 aMy Mee 0 sx AT Pees ztix-y-t=4 9 (2tox-y-t=4 Sty +t=s ty + tas y+t=0 y+ t=0 y-t=4 -2=4 Observe o letor que (1, 2, 2, -2) éatinica slupfo de S, pots 6a inca solugdo do sistema escalonado. 4. DISCUSSAO E RESOLUCAO DE UM SISTEMA LINEAR Discutir wm sistema linear $ significa efetuar um estudo de S visendo a classificd-lo segundo a definicao 3. Resolver um sistema linear significa determinar todas as suas solugGes. O conjunto dessas solugGes recebe © nome de conjunto solugdo do sistema. Seja S um sistema linear de m equagSes com n incdgnitas. Procedendo 20 escalonamento de $ chegaremos a uma das trés seguintes situagSes: ( No processo de escalonamento, numa certa etapa, obtém-se um sistema: Como $' € incompativel, entdo o mesmo se pode dizer de S. (Ver exemplo no pardgrafo 2). = 8 (6) #0) 8 (A) Obtém-se um sistema escalonado do seguinte tipo: x taux +... + Oana = Bs Xp tee + Oankn = Be 8: Xn = Pn Neste caso $' poderd ser transformado, por equivaléncia, no seguinte sistema xm =n x =" Xn =n Logo S 6 compativel determinado © (11, Yay «+4 Yn) € 8 sua solugo, Exemplo — Discutir e resolver 0 seguinte sistema: x-yt 2=1 8:4 x+y +2250 lax-y+ eat (x-yta= x-yt2= 1 s~ By =~ y-2=-1 dy - 2 = -2 sy = 2 x-y+ 251 x-yte= 1 co yous-l ~ yo-r=-1 325 1 eae 3 =e 2 = K-y FG x o : ~2 -2 a es ae kb ae 3 3 Somamos a segunda equacio a primeira 2-1 ,—%,4) 6a sa sousio, Observagio: Depois de conseguir o escalonamento poderfamos ter achado a solugo do sistema por substituigdo do seguinte modo: ene ee es ee ed Como z= 5 ey -Z==1,entfoy~ 5 = -1.Daly=-3—1=—3. 2 Axor ssa pine squad tne sins y por —2 2 poe}, Leno ston Scone dente « (0 acharemos x = 0. (U1) Obtémse um sistema escalonado do tipo abaixo: Ma tee H augyey Hoot Orghrg t eet eirpXry +--+ ann = Be Brg tee POR Key Ho Oaey ey tee + Ganka = Br si Mey toes t asrghey ++ + ann = Bs Xp +++ + apna = Bp onde p m. 3x + 2y - 122 = 0 ay x- y+ z=0 2x = 3y + S2=0 5. MATRIZES Definigéo 5 — Sejam m > 1 e n > 1 dois mimeros inteiros, Uma matriz m X n real & uma dupla seqiéncia de niimeros re: ‘ibufdos em m linhas 1 colunas, formando uma tabela que se indica do seguinte modo: ay a2 an an Amt ima s+ Aran Abreviadamente esta mattiz pode ser expressa por (ai)s< i< m ou apenas mn) sfo chamadas linhas da matriz A, enquanto que as n sequéncias verticals _ ay On an Aa) = am so as colunas de A. de se notar que cada A“) € Myx (BR) @ cada Agy © Mmm x1(R)- Na matriz 2X 3 101 A=\o 6-5 Exemplo IGUALDADE DE MATRIZES Consideremos duas riatrizes reais m X n: A = (aj) € B = (bij). Dizemos que A = B se, e somente se, ay = by @=1, Exemplos -s), 4 Il —— = xe e+ a 0 am 1 en S won rert 6. OPERACOES COM MATRIZES {a) ADICAO Scjam A = (aj) € B = (bj) matrizes m X n, Indicamos por A + Be cha- mamos soma de A com B a matriz m X n cujo termo geral ¢ aij + by, ou seja antby ay tbe... ain tbin BABEL eee m+ Om. ama + Pm2' +++ @mn + bmn, ‘A operagéo que transforma cada par (A, B) de matrizes do mesmo tipo na ma- {riz A + B chama-se adigao de matrizes. £ uma operagio no conjunto Mm xn (IR)- 121 palo 2-2). ona —Se A= 5 sentio Bremplo—Se A=\ | 2) & 247 ( 3 *) A+B= 259 Para a adiglo de matrizes acima definida valem as seguintes propriedades: MA+GB+C= A+B) +C, VA, BCE Mmxa(R) (associativay, () A+ B=B+A, ¥A,BEMmen(R) (comutativay, (U1) Existe uma matriz.O © Mp x (R) tal que A+ 0 =A, ¥A€Mman (IR) (existe elemento neutro); TV) Dada uma matriz A © Mpa (IR), existe uma matriz (A), também m X a, tal que A + (A) = O (existe a oposta de qualquer matriz). A verificagdo da propriedade associativa se faz assim: Se A = (ai), B= (by) © C = (cj), entdo (A + B) + = (ay + by) + (ey) = (Gay + by) + oy) = = (ay + Oy +o) = Gy) + Oy +) =A+B+O. Quanto a (Ill) ¢ facil ver que: oo Esta matriz. chama-se matriz mula m X a. Por iltimo, se A = (aij), € evidente que (— A) = (— aj). Por exemplo, se ( loa a) ( 1o-a 2) A= entio— A = -21 0 2-10 (b) MULTIPLICAGAO DE UMA MATRIZ POR UM NOMERO Dada uma matriz real A = (aij), m x n,e dado um ntimero real «0 produro de a por A é a matriz real m x n di 7 @a4n ) ‘Usamos nesta passagem a propriedade associativa da adigio de nimeros reals. o Para essa operago que transforma cada par (a, A) de IR X Mmxn (IR) na matriz real @A © Mma (R), valem as seguintes propriedades: @ (@B)A = a(BA); () @ + AA =aA + BA; (HD) a(A + B) = aA + aB; (iv) 1A=A; quaisquer que sejam as matrizes Ae B e quaisquer que sejam os niimeros reais aes. Provemos (II). Suponhamos A = (ay). Entfo: +B) + A= (4B) + ay) =(@+ ay + 8+ ay) = = (@- ay) + (6 + ay) = 0A + BA. 121 242 Exemplo —Sea=2eA={0 1 2 ),entioaa=(0 2 4}. 004 008 (© MULTIPLICAGAO DE MATRIZES Consideremos a matriz A = (aij) de tipo m x ne a matriz,B = (bj,) de tipo 1 x p. Oproduto A + B (também indicado por AB)éamatriz m x p cujo termo geral é dado por: que Am Bop (0 simboto 2 € um letra do alfabeto grego, corespondente 20 nosso 8. 20 Nas condig6es acima, a operagdo que transforma cada par de matrizes (A, B) ‘na matriz AB chama-se multiplicagio de matrizes Exemplo ~ Sejam A= Entio: O-341-0F2+1 O-441+042-0 0-541-042-1 _ {6 8 0 202) Proposiglo 2 — Sejam A = (a), B = (bys) € C = (Cks) matrizes reais m X n, aX pep X q, respectivamente, EntZo A(BC) = (AB)C. we (23th De441-040-0 2-541-040 Demonstragiio — O termo geral de A(BC) é dado por: 2/2 > 9% (2 Beer w fi’ \k ‘a0 passo que © termo geral de (AB)C & dado por: > (3 whe) @ a As propriedades da adico e da multiplicago de mimeros reais nos ensinam, contudo, que (1) = (2). Entio a proposigio esté demonstrada, = Proposigdo 3 ~ Sejam A, B e C matrizes reais m X n, n X pen X p, respec- tivamente, Entfo A(B + C) = AB + AC, Demonstragio — Usa-se 0 mesmo tipo de raciocinio da demonstrago an- terior, Fica como exercicio, Nota: Analogamente, se A e B so matrizes m X n eC én X p, entio (A + B)C = AC + BC. a EXERCICIOS RESOLVIDOS 1. Sejam: 210 002 320 A= B= 2 c= 121 642 O10 sa-dmyscaan-Seece _ (630 003 320\ (9 5-3 “\s 63) \9 6 3 o10)/ \-6 1 0 2. Demin # mais X Maas) tl gue EK + 4) = 30K + @ - AD) ~G sen Abe Cas mais do exec 1 sotto das mas0+ 0-0) C5 x4 A = 604-20 => > Ks An 6460-620 X= Tao HC a X= LOA oon 640 36 24 12 oro} noon 2 -12 ‘ cay -29 8 5 ‘i 3, Dadas as matrizes reais, 1X 3,A=(1 0 0),B=@ 1 O)eC=( 0 1),deters ‘minar as matrizes X,Y © Z de Myqs (R) tals que 6B + 2C). Logo 2X- ¥+Z=A Si X-2¥42=B ax+ Y-Z=¢ X-2¥+2=B (X-2V4 2=B s~42x 4 Z=A ~ BY - Z=A-2B ~ Solugio ' z=c Ty -42=C- 38 2 X+ 2-228 K4+202v=B ~) - 243¥SA-2B~) -243¥=A-28 -42 + 1Y=C- 3B ~SY=-4a + 5B 4c. paiv=tua—s8-o=Lu 00-0 5 0-0 0 w-($1 8) 1 1 3 Analogamente, x = (1. eza(t 3 -2 yeamente, X G o ) Zz G 3 3) adas as matrizes A ¢ B abaixo, determina os produtos AB e BA: 2 1) a=[10 on Solugto 2LH1-0 204161 QeLeded 213 ap=(1-14+0-0 1040-1 1-1+0-1J=(1 0 1 O-141-0 0-04 see oud Analogament Dada uma matriz A = (ai) © Mmxn(R) denomina-se transposia de A ¢ indics-se por Ab a soguinte matriz n x m: At = (bj), onde bj = aj G=1,--.5m;j= Is. Valem as sepuintes relagies: a Aspt=atect bay = aa! onde we R; o ® desde que as operagSes af indicadas esta ‘meiras so imediatas, Solugio Sejum A= Gp, A= C efinidas. Provemos (IV) jf que as és pri- B= (ej c BY = yp. Entio bj = ay © dyj = Ge. Supondo AB = (m4) © BYAT = (4), eanos: nik = Do aus = 2 biti =D) ait = sei fi in et © que mostra que de fato (AB)' = BtAt 2B 6, Para cada némero rel a consideremos a matriz: n-( 80 =) 8) Mostrar que TaTy = Ta+gi b) Calcular Tg snaty = ( 08% 02) [ose -sen8) _ SE \ cena cosa) (sens cose cos(a +p) ~sen(a + 9) 5 = Ta +e. sen(a +f) costa + A) vee(Re mea)-(St St} a matriz quadrada A se diz simétrica so A‘ = A © antiésimétrica se AY = —A. Solugio 4) Mostrar que @ soma de duas matrizes simétricas & também simétrica, Mostre que 0 mesmo vale para matrizes anti-simétricas b) 0 produto de duas matrizes simétricas de ordem n & uma matiz simétsica? Solugio a) Sam A e B as matrizes. Entdo (A +B) = al + BY = A +B. Logo A + B ésimé ‘rice. Analogamente, se A ¢ B sio antisimétricas, (A + B)!= At + BE= —~A + (—B)= = (A+B). b) (AB)! = BIAE = BA, se Ae Bsfosimétricas. Como em geral AB # BA,entonem sem- pre o produto de duas matrizes simétricas é uma matrz simétrica. Por exemplo: ()02)-6-)-09) inar todas as matrizes que comutam com # matriz -() :): fou soja, todas as matrizes X de tipo 2 X 2 tals que AX = XA. Solucio Ae 24 0 xy, 9, Dada a matriz 24 A= 11 10 Aeteinar uma mate X © M, (BR) de mania que AX = 1, = ( ky a Logo X = onde x ¢ y sio nimeros quaisquer. ‘Solugio = (oo ax + -2 21 7) wy +ts0 EXERCICIOS PROPOSTOS 1. onsidere as seguintes matrizes de M3 (IR): 10 0 ‘400 A=[0 2 0 Je B=(0 2 0 oo 4 oon Mostre que AB = BA, Podese concluir daf que é vilida a propriedade comutativa da ‘multiplicagdo em Ms (RY? Explique bem sua resposta, 28 (Ese A, Be My (RD © se AB = BA, prove que a) (A ~ B)? = A? ~ 2AB + B?; ‘b) (A — BYA + B) = A? ~ Bt; ©) (A — BYA? + AB +B?) =A? —B?, Sendo A e B as matrizes do exercfcio proposto 1, determine matrizes X,Y © Mg ‘maneira que: ) de X+Y=A-B | feeeered 4. 0 produto de duss Justiique sua resposta, . Determinar uma matriz A Mz (I) tal que A # 0 ¢ A? = AA = 0 (mmatriz nua). Efetue os produtos AB e BA onde 17. Mostrar que se: enti A? — 6A + Sly = 0 (matriz nul, (::) ‘onde y um niimero real nfo nulo, verficam a equagio X* = 2X, Mostrar que as matezes 9. Detenminar todas as matrizes quadradas de ordem 3 que comutam com a matrix: onde a 6 um niimero real 10, Se A e B sfo matrizes reais de ordem 2 que comutam com 2 matriz (2 :) 1 0 11, Seja B uma mate real 2 X 2 que comuta com a mattiz (3) Mostre que existem niimeros reais a e b tals que: rmostre que AB = BA. B=aA+ bh 12, Se A, BE My (R) sie tais que AB = 0 (mstriz aula), pode-se conciuir que BA também é ‘4 matriz mula? Prove ou contra-exemplifique. MATRIZES INVERSIVEIS = Consideraremos neste parigrafo apenas matrizes quadradas de ordem n. Neste caso a multiplicagGo transforma cada par de matrizes de ordem n numa outra matriz, também de ordem n, E além das propriedades dadas pelas propo- sig6es 2 ¢ 3 acima (associativa e distributiva em telagdo & digo) a multiplicagio, neste caso, goza da propriedade de admitir elemento neutro que é a matriz 1o.. 0 ol... 0 = oo. € que evidentemente verifica as condigdes Aly = A= A, para toda matriz A de ordem n, A matriz Ij, chama-se matriz identidade de ordem n. Definigio 6 — Uma matriz A de ordem n se diz inversivel se, © somente se, existe uma matri2 B, também de ordem n, de modo que: AB = BA=1, Esia matriz B, caso exista, € nica e chama-se inversa de A, indicase por A“! 27 Exemplos 1) A matriz entio ap=pa=() °) = =Ba=\o i) =h Logo adiante ensinaremos um algoritmo (processo) para determinar a inversa de uma matriz, caso esta inversa exista, 2) Se uma linha (ou coluna) de uma matriz A é nul, entio A no é inver- sivel. Suponhamos a linha i-ésima de A nula, isto é, A®) = (0, » 0). Dada enttio uma matriz X qualquer de ordem n, como (ax? = ax = 0 ... 0 (ver definigao de produto), entio wee(2 oO .. 0) et tt 3) Se A e B sio matrizes de ordem n, ambas inversiveis, entdo AB também 6 inversivel e (AB)! = B-* « A~* De fato (AB) « (B.A) = A+B). A= As -AT ALAS = G, € analogamente (Bt « A-!) » (AB) = Iy. 4) Se A & inversivel, entio A~' também o € e vale a seguinte igualdade: (yt =A. DETERMINAGAO DA INVERSA Daremos aqui um algoritmo (= método) para determinar a inversa de uma matriz A, caso A seja inversivel, Contudo a demonstraréo do teorema em que se baseia esse método somente serd feita no Apéndice 1, ao fim do capitulo. Definigio 7 — Dada uma matriz A entendemos por operagdes elementares‘*) com as linhas de A, uma qualquer das seguintes altemativas (D Permutar vas linhas de A; (U1) Multiplicar uma linha de A por um némero # 0. (11) Somar 2 uma linha de A uma outra linha de A multiplicada por um ngimero, Se uma matriz B puder ser obtida de A através de um nimero finito dessas operages, diz-se que B é equivalente a A e escrevese B ~ A. Para esta relagio valem as propriedades reflexiva, simétrica ¢ transitiva, Teorema — Uma matriz A 6 inversivel se, ¢ somente se, In ~ A. Neste caso, ‘a mesma sucesso de operagdes elementares que transformam A em Ip, transformam I,em A Demonsiragio Est feita no apéndice 1, a0 fim do capitulo, 1) Verificar se a matriz 110 102 6 inversivel e determinar A“!, caso esta matriz exista, Devernos orientar nosso trabalho no sentido de transformar (se possivel) a ‘matriz A na mattiz Is. Como essa mesma sucesso de operagdes levaré Iy em A“, entdo convém reunir A e 1 numa mesma matriz e operar a partir dai, oo Ly 11 1o)j~h o1 o1 Ly=1,-L,\0-1 Tal como para sistemas lineares, ver § 2. o Lh t ( uy'=L+i\o 0 3i-1 Li ~U=h-l" wn Ly” Logo a matriz A 6 inversivel e Como a matriz A é equivalente & matriz 126 ois 000 ‘que no 6 inversivel (tem uma linha nula) entio A também néo é inverstvel. 8. SISTEMAS DE CRAMER Seja aki +... + tanta = by aa + Ss: ama%i +... + Ama%a = bp tum sistema linear de m equagSes com n incbgnitas sobre IR. Se formarmos as matrizes: Xn bm de tipos mxn, nx1 e mx, respectivamente, entdo S poderd ser escrito sob a forma matricial AX=B onde A recebe 0 nome de matriz. dos coeficientes de S. ‘Um sistema de Cramer & um sistema linear de n equagdes com n incognitas cuja matriz dos coeficientes € inversfvel. Se AX = B é um sistema de Cramer, como AX = B <=> A (AX) = AB <=> X= AB, entdo esse sistema ¢ compativel determinado e sua nica solugio é dada por A“'B, Em particular um sistema quadrado ¢ homogéneo cuja matriz dos coefl cientes € inversivel s6 admite a solugdo trivial, au Exemplo — A matriz dos coeficientes do sistema (xty =1 {yt eed lx +2250 6a mati: Logo: © a solugdo do sistema 6 (0, 1, 0). EXERCICIOS RESOLVIDOS 1 Verificar se a matriz A abaixo é inversfvel e, se 0 for, determinar sua inverso: a2 As{o 12 pia Sotugio lizaremos 0 processo explicado no §7. 32 Logo A & inversivel © 13 TT aiaenas o-1p=4]2 0-2 2 14 zt cae 2. Verificar se a seguinte matriz & inversivel ¢ determinar sua inversa, c4s0 exist © fato de @ matrix: Ara) as(o 12 134 33 122 012 0 0 0 ‘que & equivalente a A, tor uma linha mula, basta para concluir que A no é inversivel, 3, Mostrar que a matriz A abaixo 6 inversivel ¢ determinar sua inverse: 1 o4et 244 B11 A inversa de A 6 portanto a matt: Ate ale ole ale fl 8 200 2 1 z{ 1 4-3 5 4-1 4. Uma matriz quadrada A se diz ortogonal se A & inversivel e A! = AL 34 2) Determinar se possvel xe y em IR 2 fim de que a matriz v2 x y VD D) Provar que o produto de duas matrizes ortogonais 6 ortogonal. seja ortogonal Solugio » (vz x vay) fro y vi} \x va} lon ae? Vly+ Vix) _ (1 0 Viy+ Vix yt? “\ou x H2=1 x -1 jeer ely ee x +y=0 xty= 0 Portanto o problema em Mz (R) nio admite solugSes pois as equages x? = — 1 ey? = —1 no tém solugfo em R. ) Sejam A e B matrizes ortogonais de ‘que AB também & inversfvel eque (AB) lem n. Sendo A ¢ B inversives, entfo jé vimot = Bat, Daf (apy! = Brat = Btat = (AByt, Determinar a€ IR a fim de que a matsi2 real 38 101 100 ~{o 1 0 }~f0o 1 0} sa-1vo. 0 oat oo 4 Logo A 6 inversfvel para a # 1. Se a = 1, ent¥o a matriz A é equivalente a uma matriz com uma linha nula ¢ portanto nfo é inversivel. Resolver o sequinte sistema lines: xtdy¢ ze 1 yoda xtytas 2 CEGQ) Entio o sistema fica AX = B, J4 vimos no exercicio resolvido n® 1, que a matsiz A é inversfvel e wont Fagamos 1a 3 “TT F ate 1 0-1 Lan 222 Logo tratase de um sistema de Cramer cujasolugfo 6 dada por: Lia 3) “TT F 1 X=SAtB= 1 0-1 ~4 J= 11a} \2 “2 TT 1.4, 6 9 Ett? 3 z =[ rs0o+cnf=fa 14, 2 3 vE-F* F, OF A veatnca (3,1) 6 omg ost 36 7, Resolver 0 sogunte sistema de Cramer: { xty-2=0 ity ee ax-y teat Solusio [A matriz dos cosficientes do sistema é 1 o-t As(2 11 3-101 que & inversfvel conforme jé vimos (exerefcio resolvido 3) ¢ sua inversa é a matee: 1 1 omnenaay tas o7 S44 OIF, Logo: doo 2 1 x 4° 4 ° 4 =f 2 4.3 -[a YL ew roeytt pape ul Sia} \1 3 ' 2 s EXERCICIOS PROPOSTOS 4, Scja, A, uma matriz quadrada invers{vel. Mostre que A“? também 6 inversivel © que wytsa. 2, Mostrar que a matriz real a——~ € inversfvel Va, 0, ¢ © Re que: 3. Verificar quais das seguintes matrizes so inversiveis ¢ determina as inversasrespectivas: oo1d tot 12 1001 = pe{t 1 oj}ec= ae\a a}? aan O24 0203 4, Resolver os sguintes sistemas de Cramer: - xty+ 222 aftynt byx-ys 20 eS yt2=0 -x¢ys2- t=0 xoytze t=0 xty-r4 tel ° Lax -y-243t=1 Determinar m € IR de modo que o sistema abaixo seja de Cramer e, a seguir, resolvé-o: (x- yt r=2 x +hel x+2y4mz=0 6. Sejam A, B eC matrzes reais de ordem n. Se A é inversfvel, prove que AB = AC ==> ===> B=Ce que BA =CA ==> B=C 7. Se A, Be C so matszes iaversivels de mesma ordem, determinar « matriz X de maneira que ABHO = CA, 1 9, Determinar x, y ¢2 de modo que a matriz sein ortogonal Existe alguma matrz invers 38 : APENDICE! Matrizes Elementares Definigéo 8 — Uma matric elementar de ordem n & uma matriz B obtida de Jn por meio de uma ¢ uma 6 operagdo elementar, Exemplos tém de 1, somando & segunda linha desta matriz a sua da por 3. Proposigéo 4 — Seja E uma matriz elementar de ordem n. Se aplicarmos, entio, em uma matriz A, também de ordem n, a mesma operaglo elementar que ‘ransformou In em E, obteremos a matriz EA. Demonstragao Faromos a demonstragio apenas para a opera elamentar (I) ficndo os dois casos restantes como e Suponhamos que a linha j-ésima de E seja a soma da linha j-sima de I, com a linha i-tsima de I, multiplicada por a, enquanto que as demais linhas de E e de Jy coincidem, ou seja primeira linha multipl 10 21.9 + ai : B® = #5. , para todo r entre Atay) © A)= entio (E. +a (inal © que vem provar que a linha jésima de EA 6 igual a linha jsima de A mais « linha iésima de A multiplicada por «. Por um raciocinio andlogo se prova que as demais linhas de EA coincidem com as respectivas de A. = GP + aa =], Logo, as mesmas operapdes que transformaram Ij, em E irfo transformar A om EA. ® Proposigio $ — Toda matriz elementar E 6 inversivel. Demonstragio Por hip6tese obtém-se E de I, por meio de uma certa operagdo elementar. Consideremos operagdo elementar inversa que transforma E em [,. Se aplicar- ‘mos esta iltima em In obteremos uma matriz elementar E,. Devido proposigao anterior teremos E, * E = In, 0 que é suficiente para concluir que E ¢ inverstvel e E, é a sua inversa (por qué?) Exemplo — Consideremos a matriz. elementar: 10 0 E=(3 1 0 oo1 A operago elementar que transformou I; em E consiste em somar a segunda linha de Iy 0 triplo da primeira linha, EntZo E seré transformada em I, somando A sua segunda linha a primeira multiplicada por (—3). Logo a matriz inversa de B, obtida efetuando em Ty esta dtima operagdo elementar, é: Teorema — Uma matriz A de ordem n-¢ inversivel se, ¢ somente se, [Neste caso, a mesma sucessio de operagdes que transformam A em In, Ty em A. Demonstragao (<==) Como cada operagdo elementar com A é 0 mesmo que multiplicar ‘A (@ esquerda) por uma matriz elementar, entio existem matrizes elementares Ey, «.., Ey de.maneira que: Eye Logo Camo cada matriz do segundo membro & inversivel, entio A 6 inversivel (um produto de matrizes inversiveis € inversivel, conforme j4 vimos). Além disso, observando que: @'y'=B G=1,..., ely = hn segue que AT SEC Bags Breda (© que prova a iiltima afirmagfo do teorema. (==>) Observemos primeiro que se B ~ A, entfo A é im somente se, B 6 inversivel. Isto por que se B ~ A, entio B = PA, o mati invesivel (P € um produto de matrzes lomentaes). Nosa observagdo decorre entio dessa igualdade, 1 Fagamos o escalonamento da matriz A por meio de operagbes elementares, isto 6, fagamos com que cada uma das suas linhas (a partir da segunda) tenha mais zeros iniciais do que a precedente. Como a iiltima linha de A nfo é nula (pois A é inversivel) obteremos: au ay. Om . es 41 capituLo 2 Espacos Vetoriais 1. INTRODUCAO. Examinemos certos aspectos relacionados com dois conjuntos certamente 4 conhecidos do leitor. © primeiro € 0 conjunto V dos vetores da geometria, definidos através de segmentos orientados, € © outro € 0 conjunto Mmyq (IR) das matrizes reais m por n, onde m ¢ n so mimeros naturais dados (ambos maiores que zero). - Mas No conjunto V esté det audigfo (adigfo de vetores), conforme figu- ra 20 lado, adigéo essa dotada das pro- priedades comutativa, associativa, além da existéncia de elemento neutro (vetor nulo) ce do oposto para cada vetor de V. 0 vetor nulo pode ser representado ‘por qualquer ponto do espago ¢ 0 oposto de U se determina nme a figura ao lado. Além disso podemos multiplicar um vetor & por um ntimero real a isso se faz. conforme esquema abaixo: la<-1) av “Zo, Loo (> Cs 42 | Se a = 1, au = Ue se a = 0, entio au = 0. Em geral lou! =lallu'l, Essa mul- tiplicago tem as seguintes propriedades jé certamente vistas pelo leitor no seu curso de Céleulo Vetorial: (prt = agit) (o+p)e =ot +60 a(t +¥) = ot +a¥ w-t para todos os niimeros reais @ § © vetores it ¢ ¥. No conjunto My, x n (IR) também esté definida uma adigfo, a adigdo de matri zes estudada no capitulo 1. Conforme vimos nesse capitulo, essa adigdo ¢ associa- tiva, comutativa, admite elemento neutro, que ¢ a matriz.nula ¢ toda matriz A de Mmxn (IR) tem uma oposta, Como vemos 0 comportamento de V ¢ © dé Mmyn (QR) quanto a adigéo 6 6 mesmo. Mas no ficam af as coineidéncias. Pode-se também multiplicar uma matriz por um ndmero real obtendo-se ‘uma matriz da seguinte forma: ain aay, aa... aan an 1 dn... Odan my Oma +++ Bean Gen Ona +++ Amn, Essa multiplicagGo apresenta as mesmas propriedades que as destacadas para V, linhas acima, Ou seja, valem sempre as igualdades: (@B)A = a(6A) (@+B)A = 0A + BA a(A +B) = aA+aB IA =A 43 Logo os conjuntos V e Myy x n (IR) apresentam uma coincidéncia estrutural no que se refere # um par importante de operagGes definidas sobre eles. Nada entao mais logico do que estudar simultaneamente V, Mp xn (IR) ¢ todos 08 conjuntos que apresentem essa mesma “estrutura” anteriomente apontada. E isso 0 que co- megaremos a fazer no pardgrafo seguinte. 2. ESPACOS VETORIAIS Vamos introduzir agora 0 conceito de espago vetorial. Os espagos vetoriais constituem os objetos de estudo da Algebra Linear. Definigso 1 ~ Dizemos que um conjunto V % &¢ um espazo vetoria sobre IR quando, ¢ somente quando: 1 — Existe uma adigéo (u, v)H > u + v em V, com as seguintes proprie- dades: autvevtu, Mu, ve V (comutativay, dut(tw=(uty) tw, ¥u,v,wEV (associative); ) Existe em V um elemento neutro para essa adiga0 0 qual serd simboli- zado genericamente por 0. Ou seja: Joe Viutowa, vue vy”) 4) Para todo elemento u de V existe 0 oposto; indicaremos por (—u) esse oposto, Assim: WueV, U(-wEVlut (Cus ol" 11 — Estd definida uma multiplicagio de IR X V em V, 0 que significa que a cada par (@, u) de IR X V esté associado um Gnico elemento de V que se indica por au, e para essa multiplicagdo tem-se o seguinte: a) (Bu) = (af)u b) (a + Bu = au + pu c) a(u + vy) = au + av )lu=u lvido n? 1 do §3). resolvido n? 2 do §3). 4 para quaisquer u, v de Ve a, 6 de R. Nota: De maneira andloga se define espago vetorial sobre €, conjunto dos niimeros complexos. Deste capitulo até 0 capitulo Y, inclusive, toda a teoria dos espagos vetoriais a ser aqui desenvolvida € a mesma quer sobre IR quer sobre €. Por isso, embora venhamos a usar sempre espagos vetoriais sobre IR, deixamos registrado que seria tudo igual para espagos sobre C. Quanto ao assunto do capi- tulo VI hi diferengas 14 apontadas. Porém iremos concentrar nossa ateneao no caso real tendo em conta 0 cardter introdutério deste livro. Nos demais capitulos, salvo excegGes que sero mencionadas, trabalharemos com espagos reais. Exemplos 1) espago vetorial IR Néo 6 novidade para 0 leitor que a adigo de niimeros reais verifica as pro- priedades Ta, I-b, Ie © Tel da definigéo de espago vetorial. Tao pouco que o produto de um niimero real por um outro é também um mtimero real © que essa multiplicagao obedece aos itens I-a, Il-b, Ile ¢ Il-d da definigo mencionada, Logo IR € um espago vetorial sobre IR. 2) O espago vetorial € Com a mesma argumentagdo acima verifica-se que C é espaco vetorial sobre C. Mas € também 6 um espago vetorial sobre.IR. Quanto & adigdo no hé novi- dades: tudo como no caso anterior. Agora, 0 produto de um nimero complexo por um niimero real é um mimero complexo e para essa multiplicagio valem Ila, ILb, Ike ¢ Id como situagdes particulares das propriedades da mi eme. 3) O conjunto dos vetores da geometria definidos por meio de segmentos orientados é um espago vetorial sobre IR (ver parigrafo 1), 4) 0 conjunto Myx (IR) € um espago vetorial sobre IR (ver pardgrafo 1). 5) 0 espaco IR" é vimos anteriormente que uma n-upla de nimeros € uma sequéncia finita de n mvimeros reais que se indica por (a1, ...» an). O conjunto de todas as n-uplas de mimeros reais € denotado por IR". 0 R® pode ser visto como espago vetorial sobre IR desde que se definam adigao e multiplicacio da seguinte mancira: (ty eos ta) # ty ey By) = (At + Bay oes dn + Ba) (ay, ...5 dq) = (@a, «5 @an) Ora, tal afirmacdo pressupde que se tenham verificado as oito propriedades que constam da definigdo, © que no faremos aqui, Sugerimos tais verificagdes como exercicio. 4s Apenas ressaltaremos que 0 = (0, 0, ..., 0), se U= (a, ..., aq), entio —u =Car, ..., tq) €, a titulo de exemplo, que a prova da propriedade Ika se faz do seguinte modo: Seja u = (a, . (a + B)u = ((@ + 8): = (aay, ..., can) + (Bay Recomendamos a0 leitor que procure justificar cuidadosamente cada pas- sagem desta thima deducio. Os mateméticos esto de acordo com a seguinte frase: 0 IR" 6 0 esparo vetorial mais importante. 6) 0 espago © © conjunto ©” das nauplas de ntimeros complexos € um espago vetorial sobre €: basta definir adigG0 e multiplicago por um niimero complexo como no exemplo anterior. 7) 0 espago Pa (R) Seja n > 0 um nimero natural. Indicaremos por Py (IR) 0 conjunto dos polindmios reais de grau f() + a(t) € Pn (R) (b) @ ER, f(t) € Py (IR) ——> a(t) € P, (R). Daf, lembrando as propriedades das operagdes com polindmios, concluira que P, (R) € um espaco vetorial sobre IR. 8) O espaco P, (C) Por Pp (C) indicaremos 0 conjunto dos polinomios complexos de grau 0}. Suponhamos que consideremos a “adiggo” em 'V como sendo a multiplicagao de nimeros reais positivos, isto €, u@v=wy, vu ve VO) © simbolo @ serve, neste exemplo, para distinguir a “digo” aqui definida da usval. 46 que a multiplicagdo de um elemento de V por um némero real seja dada por: qu =u, 4ueV e ¥aeR. Com isso © conjunto V se torna um espago vetorial sobre IR. Observemos apenas que o elemento neutro da “adigo” é 0 nimero 1 ¢ que a verificagio de Le se faz, assim: a(u® v) = a{uy) = (uv) = ut¥* = (au)(av) = au ® av. Nota: Na teoria dos espagos vetoriais ¢ comum aproveitar-se a terminologia do exemplo 3 acima, Assim € que os elementos de um espaco vetorial qualquer sio chamados de vetores, o elemento neutro da adigao de vetor nulo desse espago © 08 elementos de IR (ou C) de escalares, EXERCICIOS RESOLVIDOS 1, Como jé vimos R? = {(x, 9) | x, y © IR}. OR? pode ser visto como espago vetorial sobre R desde que se definam adigio e multiplicagio por um niimero real assim: 4 Osa, Ya) = (y+ ay Ya tad = (as, 3 mica, Gy) = ) = ator, by) = a(b6 yD. Gx + bx, ay + by) =O, a) + + (bx, by) = abe, ¥) +B + 03, 92)) = a6 = (xy + ang, a9 ay9) = XL 69) = Ux, 1y) = 6 9) ays +93) = ata, va). At ya) = Gan +x 4+ (axa, ay) = a 2. 0 R? 6 0 conjunto de todas as temas ordenadas de aimeros reais, Ow sea: R? = i, ¥, 2) |X, ys 2 RA adigfo e a multiplicagio por escalares sZo definidas no (2, Ya, 22) = Oe + a1 F Yat + mde 0s, ¥, 2) = Gx, ay, Faremos neste e280 apenas a verificagio dos axiomas relativos & adigio. Yat Wa + Yah ts + +22) = $02 +X 92 ta ta) = + (Ua, Yas ta) + (Xa, Ya, Za 47 Lb: On ¥ =a +x ‘com as regras usuais para a adigdo de vetozes planos © multiplicagdo de um vetor plano por um niimero, Fato andlogo acontecs com 0 IR®: podemos associar a cada (x, y, 2) © R 0 vetor expago seométrico estudado no Cileulo Vetoral. 3 cometer 0 engano de dizer que o R? 6 sube que o R? pode, de uma certa mancita, se consi + ¥, 01x, y © R}do R*. (Veja Capitulo 4, § 5, exercicio 3. Soja I um intervalo de IR ¢ indiquemos por nas no intervalo I e tomando valores T+ ge af do seguinte modo: feehI— Rete man I> Re & conjunto das fungSes continuas defi- Dados f, ¢ € CQ) e 2 € R, definemse veel &f + gate OM. E podese verticar que C) é um dos axiomas, ka (e+ =f) +m Fe: A fungio © dada por e(t) = 0, Vt © +1) = 04 f= £0, ¥eEL, ©) Fangio de 1 em IR. 48 4. Sejam U e V espagos vetoriais sobre I (ou ©), Mostrar que UX V = ilu, yi WEU e ¥ © V} € um espago vetoril em relaco ao seguinte par de operagdes va) = Ur + Ua, v4 + 9) = (au, a. das condigaes. (uns Ya) = (OL + Oa, vat va) = (ua + UL, va + YD = (Up, va) + anulo neste caso & Eo vetor nule de V. Id: 1(4, 9) = (la, Iv) = (, ¥). 0), onde o primeiro 0 & 0 vetor nulo de U eo segundo 0 espaco vetorial UX V acima definido chama-se espago vetoril produto de Ue V. EXERCICIOS PROPOSTOS 1, Compietar as verticagSes nos exercicios 1, 2, 3. 4 anteriores, %, ¥ © IR} definamos “adigio” assim: ) + Ga, va) = Gur + 3, 0) 2, No conjunto V = {(x, y ‘© multiplicagdo por escalares como no IR?, ou seja, pra cada a IR, (x ¥) = (ax, ay). condiyes V & um espago vetorial sobre IR? Por qué? 3. No conjunto, V do exercicio anterior definamos a “adiglo" como o fazemos habitual- mente no R? ¢ a multiplicagio por escalares a(s, y) = (@x, 0) entdo V um espago vetorial sobre IR? Por qué? 4. Sela V 0 conjunto dos pares ordenados do niimeros reais. V alo é um espago vetorial - hum dos dois sopuintes pares de operagdes sobre V: + Casya) = Ot + Xa + yp) eae y) = Cave + Gay) = ean y) = (axsay), DDiga em cada caso quais dos 8 axiomas no se verificam. 49 5. 8 » Seja V como no exetcicio anterior. Definamos: Gx, 98) + Gay Ya) = Oxy = Dvn, ML HDDs a(x, ¥) = Gay, =), Com essas operagbes definidas sobre V, perguntamos se este conjunto é um espago vetorial sobre Sea V = {(x.y) [x.y € C}. Mostrar que V é um espago vetorial sobre IR com a adigdo © 8 ‘muitiplicaggo por esclares definidas assim: mostrar que IR™ & um espago vetorial sobre R. Mostrar que todo espago vetorial sobre € também & espago vetorial sobre IR. |. PRIMEIRAS PROPRIEDADES DE UM ESPACO VETORIAL Seja V um espago vetorial sobre IR. Provaremos a seguir algumas proprie- dades que so conseqilncias praticamente imedistas da definigfo de espayo vetorial. PL. Pe Ps. Para todo a € IR, a0 = 0. Prova — Devido aos axiomas Il-c ¢ I-e da definigdo de espaco vetorial tém-se: a0 = a(o + 0) = a0 + ao; somando 2 ambos os membros 0 vetor ~ (a0) temos 0 = — (a0) + a0 = —a0 + a0 + ao =.40. # Para todo u € V, Ou = 0. Prova — Do mesmo tipo da anterior. Fica como exercicio, = ‘Una igualdade au = 0, com a € IR ¢ u EV, $6 6 possivel sea=Oouu =o. Prova — Suponhamos a % 0. Daf existe o nimero real a". Multipticando entio au = 0 por a? teremos @*(au) = ao Levando em conta o axioma Ila ea propriedade Py: (tau =o Pa. Ps. Pe P, Como aa"! = 1, entio podemos coneluir (usando 0 axioma Id) que uso08 Para todo @ € IR ¢ todo u de V, (—o)u = a(—u) = —(au). Prova — Notemos que au + (-o)u = (@ + (-0))u = 0u=0 usando o axioma IL-b e P). Por outro lado, au + (au) =o. Entio: au + (-a)u = au + (au). Somando —au a ambos os membros desta Gltima igualdade acharemos: (-a)u = —au. Um raciocinio andlogo nos mostrar que a(—u) = —(au). Nota: Define-se diferenca entre dois vetores u e v do espago V assim u-vsut+GCy. Quaisquer que sejam a, 6 E Re u em V, (a — Pu = au ~ Bu. Prova (a—Bu= (a+ (-f))u=au + (-Hu= ou + (-(6)) = au fue Quaisquer que sejam @ em IR, u e v em V, a(u ~ v) = au — av. Prova — Andloga a anterior. Fica como exercicio. Dados 8, +5 @q em Re uy, ..., Un em V, entio: 8 (2 “*) 5 Zoos P= Prova — Faz-se por indusio a partir dos axiomas Ila ¢ Ike da definigao de espaco vetorial. st EXERCICIOS RESOLVIDOS ‘Além das propricdades de Py a Py, enunciadas ¢ demonstradas acima, podemos ainda citar: 1, © vetor nulo de um espago vetorial V é unico, Prova Hi um Gnico vetor 0 que satisfaz Ke, pois se 01 goza da mesma propriedade, entio o=0+ =o 402% Para cada vetor u de um espaco vetorial V existe um ‘nico vetor (-u), oposto de v. Prova Soja uy tal que u + uy = 0, Daf entio, Hus -ubos-utu@rups Cutt usot us my Para cada u V, tome —(—u) = u. Prova © axioma Ia diz que (—u) + u =u + (—w) = 0, Logo uw é 0 oposto de —u, Seuvewe View +¥=u+w, entio v = w (lei do cuncelamento da adigio), Prova Somemos uw a igualdade que consts da hipStese isfaz a equagio dada, De fato: u + (w + (—)) = w = 0 + w= w, Por outro lado, somando (~u) w) + += Cu) +. wtwtve CConsideremos no espaco vetorial IR° os vetores v= ( 8) Calcular 2u + v — 3w; by Resolver a equagio 3u + 2x =v + ws ©) Resolver o sistema de equagées utysved very nas inoSgnitas y, 2 & IR, sotugo a) Qu + v ~ 3w = (2,4, 2) + (3,1,- 2D — (12,3,0) = (7,2, 0). ©) Apendose a propos conecis vem x = iy + w ~ 30). Fest o citeulosobtemos x = (2-2, -$); ©) Do sistema dado obtéme: yo anvou ytdesny Adicionando membro a membro estas iltimas equagées obtemos 2 = w= (—1, -2,~1) ©, entio, y= 24+ —u= (1, -3, -4). EXERCICIOS PROPOSTOS 1, No espago vetorial Myx.2 (R), consideremos os vetores: aa o4 12 A=(0 0 p=(2 1} ec=lio oo rt o-1 Calcular 2A +B 3¢; Caleular X © Msxz QR) tal que ©) Existem ty, ta ©IR de maneira que A= t1B + C? Sejau = (+ 8) Caleular (3 + b) Existe 2 € tal que v = zu? i, 2 ew = @, 3 +1) vetores no espaco vetoril C°, Wv-@-dw; 3. No espago vetorial Pa (IR) sejam dados os vetores f(t) = 1? — 1, git) =P 4t—1e hwy t+ 2, Caleular 2£(0) + 3800 ~ 4800); b) Bxiste k © IR de maneina que ©) Bxistem ky, ky © IR tals que £ No IR? consideremos os vetores = 8) Resolver a equagio: na incdgnita x © R; 1) Resolver o seguinte sistema de equagées: xeye peu x-y4 rev xty-daw sas incgnitas x, y, 2 I? 4, SUB-ESPACOS VETORIAIS Definigo 2 — Seja V um espago vetorial sobre IK, Um sub-esparo verorial de V € um subconjunto W CV, tal que: @ oeW; (0) ¥uvEWutvEeWe (© VaeRe YueW, auew. Notemos que (b) significa que a adigio de V, restrita a W, é uma adigo em W. O significado de (c) € que esti definida uma multiplicagao de IR X W em W. Mas sera W, nessas condig6es, um espago vetorial sobre IR? Proposiggo 1 — Se W & um sub-espaco vetorial de V, entio W também é um espago vetorial sobre IR. Demonstragdo — A rigor temos oito itens a provar (ver definigao de espago vetorial), Contudo mostraremos apenas que: ueW=—> -ueW ‘uma vez que os demais itens decorrem sem artificios das hipéteses. Mas isso € fécil: € s6 fazer em (<) a = — Exemplos 1) Para todo espago vetorial V 6 imediato que {0} e V so sub-espagos de V. ‘Sao os chamados sub-espacos impréprios ou triviais. 2) W = {(% y, 2) © IR® | x + y = 0) € sub-espago de R. 0 = ©, 0, 0) € W (por qué?); (b) se w= (Xi, ¥15 71) © ¥ = (x2, Ya, 22) esto em W, entio x1 + yy = = xy typ = 0. Como w+ ¥ = (+9591 FY, %1 +) © (tm) + +61 +92) = G4 + 91) + G2 + ¥2) = 0 +0 = 0, entio ut EW. (©) Exereicio, 54 3) A intersecgio de dois sub-espagos vetoriais do mesmo espago V é tam- ‘bém um sub-espago vetorial de V. Sejam W ¢ U esses sub-espacos, (@ 0€U e 0EW. Logo oeUNW. (b) Exercicio. (©) Tomemos a € Re u € U NW. Como uc Ue ue W (que sio sub-espacos), entio au € Ue au © W, Logo au UN W. 4) Consideremos um sistema linear homogéneo sobre R de tipo m X nz aux tank +... + aam = 0 tau + aay +o + tankn =O | mix + amaXs ++ + data = 0 Ja vimos, 0 que é dbvio, que (0, 0, ..., 0) € solugdo desse sistema. Por outro: lado € ficil verificar que a soma de duas solugdes de $ ¢ solugio de S e que o produto de uma solugdo de $ por um niéimero real também é solugdo desse sistema. Verifiquemos altima afirmagdo. Se (6), By. » Bn) € solucdo, é verdadeira a fase aj, + apf +... + 1

    You might also like