You are on page 1of 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 ) Por hipdtese a decomposicfo existe, Suponhamos w = u + v= (<==) Suponhiamos que w € UA V. Tomando entio u Ue ve V, teremos: 56 utv=(utw)+@—w). Devido & unicidade que a hipétese menciona podemos afirmar que: usutwevev—w. Logo w = 0. Provamos pois que UA V = {o}. Exemplo ~ O espago IR? € soma direta dos sub-espagos: U= (G0, 1xER) € V=(@y,2) ly,26R). B imediato que: UNV= (©, 0, 0}; por outro lado, ¥(x, y, z) © R®, Gy, 2) =, 0,0) + Oy, VEUFV. 6. COMBINACOES LINEARES Seja V um espago vetorial sobre IR. Tomemos um subeonjunto $= (u,..., 4u,} CV. Indiquemos por [$] 0 seguinte subconjunto de V construfdo a partir des: 1S] = (army +... + eatin |, «5 Oy © RD E fécil ver que [S] € um sub-especo vetorial de V. De fato: (@) Como 0 = Ou; +... + Oug, entio 0 € S, (b) Sev = qyuy +... + aqua © W = Byu +... + Batln pertencem a S, entéo vit ws (a, + Buy +... + (On + By) ty também 6 um elemento de S, © Exereicio. Definigao 5 — O sub-espaco [S] que acabamos de construir recebe o nome de sub-espaco gerado por S. Cada elemento de [$] é uma combinagdo linear de S ou combinagao linear de Uy,..., um. AO invés de [S] também costuma-se escrever: fay, ua, 2 Unk Dizse também que us, ..., Un geram [S], ou entdo que so um sistema de gera- dores de [8]. Notas: 1) Bstendetemos a definigdo acima para 0 caso S = @ mediante a seguinte convengio: [0] = 10}. 2) No caso de $C V ser um seguinte frase: to infinito, definimos [S] através da ue [S]<—=> 4y,...,4ESe Fay ...,a¢ ER] u= ayy +... + a4 Da definigdo 5 ede suas ampliagGes, dadas acima, decorrem as seguintes propriedades que deixamos ao leitor como exercicios: ascls] b)S: CS) CV => [81] ¢ (] o[sl= d) Se S; Sz so subconjuntos de V, entdo: IS, U $2] = [Ss] + [Ss]. Exemplo ~ Se V = IR°, u = (1, 0,0) € v= (1, 1, 0) 0 que é [u,v] = (au + 6v | 0, BER} = {a+ 8,8, 0) 10,8 R} = = ((, y, 0) |x, y EIR} uma vez que o sistema at p=x { Bey ¢ compativel determinado, ¥x, y ER. Graficamente: 58 7, ESPACOS VETORIAIS FINITAMENTE GERADOS Observemos no R? 0 conjunto S = {(1, 0, 0), (0, 1, 0), ©, 0, 1)}. Como, para todo (a, b, c) € IR®, vale a igualdade: (a b, ) = a(1, 0, 0) + b©, 1, 0) + 6(, 0, 1) podemos dizer que os vetores de S geram 0 IR*. Muitos outros subconjuntos finitos do R? tém essa mesma propriedade, 0 que néo ¢ dificil de notar. Definigdo 6 — Dizemos que um espaco vetorial V & finitamente gerado se existe S C V, S finito, de maneira que V = [S]. Neste texto praticamente s6 focalizaremos espagos vetoriais que, como 0 IR®, possam ser gerados por um nimero finito dos seus vetores. Salvo mengio contréria somente consideraremos este tipo de espaco vetorial, Exemplos 1) O espago V dos vetores da geo- metria definidos por segmentos orientados 6 finitamente gerado pois considerando a tema fundamental (7, 7, R} para todo 7 € V, existem a, b, ¢ € IR, de ma- neta que i= at + f+ Ressalte-se que 7 = (1, 0, 0), 7 = @, 1, 0) e K = (0, 0, 1) desde que se ‘tenham identificado Ve R°. 2) Se 0 indica 0 vetor nulo de um espago vetorial qualquer, entio V = {0} 6 finitamente gerado pois, fazendo $ = {o}, vale V = [S]. 3) M; (IR) é finitamente gerado, O conjunto 1 0 ol oo oo s{(, 8): (0 0)-(2 o)-(5 3) gera My (IR) jé que, Ya, b,c, dE R, C6 JeC dee aCs) 59 4) RP 6 finitamente gerado. Com efeito, generalizando 0 raciocinio feito a0 inicio do pardgrafo verifica-se que © conjunto S= {(, 0,..., 0), 0, 1,0, ...,0),...,@,...,0, D} verifica igualdade IR" = [S], ou seja, que S gera o IR". Convém notar que 0 conjunto $ ¢ formado de n elementos. 5) Mmxn (IR) € finitamente gerado, Verifique que as m + n matrizes do conjunto 10...0 sedf2 2 8], [Norcpeara geram 0 Mya xq (IR), generalizando a decomposigo feita no exemplo 3 acima, Peo] 6) Pa(IR) ¢ finitamente gerado, Os polindmios fo, fy, ..., fy dados por fot) = 1, f,(0) = t, ..., fall) = t8, ¥t EIR, so geradores de P,(IR) uma vez que se f(t) = a + at +... + agt® € um elemento de P, (IR), entio f= aol + af +... + anfy. Observe que {fo, fi, -..5 fq} possuiin + 1 polindmios, Nota: No apéndice I, logo a seguir, daremos um exemplo de espaco vetorial que no ¢ finitamente gerado, EXERCICIOS RESOLVIDOS 1. Seja V © conjunto dos vetores geométricos do espago, Sendo Tum vetor fixo desse fespago, mostrar que W = {ail | a © IR} & um sub--spago vetorial do V. Solugio w (@) 0 & Ws basta consigerar « = 0. () Sendo ¥ = aif © = iF em W,eatio z V+ Wail + 6d = @ + AR, oso vewew. Sejam ¥ = ail ¢ A & IR; entio AV = = AC@il) = (a)if, logo ¥ € W. 0 2. Mostrar que o conjunto W = {(x,y) © IR? | y = 0} éum sub-espago vetorial do IR?. @.OeEwW Sojam w= (x4, 0) € ¥ = (xq, 0) em W; dav u + ¥ = (xy + x9, 0), donde u + V EW. © Sejam u = (%, 0) em We a om BR; entio au = (ax, 0), donde au & W. (Outra maneita de resolver: observar que W é gerado por (1, 0). 3, Mostrar que & sub-espago de Mz(R) 0 seguinte sub-conjunto: eee : (2 a] elementos 8 W, Ent not )-(22)- Gan ee) + x) = = C4 +99), ento ut EW. Como yi + ¥2 = a (: ’) mW cee R Dalen ( ”) Como ay = a(—x) = (ax), entéo au € W. Soja I um intervalo real © consideremos 0 € efinidas em 1. Mostrar que 0 subconju oriviveis em todos os pontos de T 6 um sub-espaso Solugio 0 céleulo nos ensina que a fungZ0 nula é derivivel, que a soma de duas fungSes derivévels 6 derivével e que o produto de ume Fungio derivivel por um nimero 6 uma fungio dexi- vével fungOes reals continuas fdo das fungSes que sfo ca 5. Mostrar que sfo sub-espacos vetoriais de My, (IR) os seguintes subconjuntos: au b) V = {A © My(R) | AT = TA) onde T 6 uma matriz dads de Ma (R), 61 8 2 Solugio 8) (@) A transposta da matriz nul & a prOpria mateiz ula (B) Sejam A, B EU, Como (A + By = At + BY= A+ Bentfo A + BEU. (©) Sejam AGU © @ ER, Do fato de (aA)t = aAl = aA segue que oA €U, >) G@) A matriz mula comuta com tod (®) Sejam A, BE V. Entio AT = = (AT)B = (TAB = TAB). (©) Seam A € V € a ER. Entdo (@A)T = a(AT) = a(TA) = Tied). as matrizs. © BT = TB, Daf (AB)T = A@T) = ACTB)= Provar que se § e T sGo sub-espasos vetoriais de um espace V, entfo S + T= [8 U TH. Solugio Como § +3 $e$+T5T,entio$ +T> SUT. Dafs +72 {SU TI. Por outro lado, se UE $ +T, entio u=s + t (com se$ e L=T). Como, entio, se ¢ pertencom a SUT, podemos afirmar queu = s+ te{S UTI, Log $+ T CIS UTI ‘Achar um conjunto de geradores (sistema de geradores) dos seguintes sub-espagos de R*: ®. U=i{Gy,2 DER Ix-y—24t=0) b) V=(ay2, DER Ix-y=z4t=0} Sotugio 8) &¥. 2,1) © U se, © somente se, x — y — 2 + t= 0, sto & se, e somente se, x= Hy Fa 1 Logo ¥, 2,9 CU oquinls a(uy,2,0 =O 42-82 0 = = yd, 1, 0,0) + 2G, 0, 1,0) + tI, 0, 0, 1). Assim: {,1, 0, 0, 1, 0, 1,0 1, 0, 0, D} € um conjunto de geradores de U. b) De mancira andloga chegese a que (1, 1, 0, 0), (0, 0, 1,1) € um sistema de geradores de V. Consideremos no IR os seguintes subespagos vetorias U=I4, 0,0, 4,1, DI ¢ V=10, 1,0, 0,0, 1 Determinar um sistema de geradores de UN Y. Solugio wEU NV <=> wEU, WEV ==> Jaf, 45 ER tls que: eG, 0, 0) + G, 1, 1) = 10, 1, 0 + 600, 0, 1) ow ainda que: a+8=0,6-7=0,8-6=0,Dala=-gy= ses =6, Donde w = —#(1, 0, 0) + @(, 1, 1) = 20, 1, 1). Ento Un V = {(, 1, Dh Dados, os sub-espapos U iG, y,)ER? x+y =0}eV= iy, ER’! x=0} Te. , determinar © pago UV. Solugio vey CUNY <=> ueUeveV <> x+y=0 x= 0 <=> x= y =0, Loge UNV = {(0, 0, 2) 1zE R}, que é gerado pelo vetor (0, 0, D. 10, Sio sub-espagos votoriais de C(X) os seguintes subconjuntos: U={fecm fm =fC9, Vie R} V = {fe CW | f@ = -f-0, ¥te R} Mostrar que C) = U8 V. Solugio (@) Toda fungdo real £ definida em I pode ser assim decomposta: {(0) = g(t) +h, Yt, onde sy OEEED , yn Mo feD Como a) = PEO oye ney LED=MO «v0, entio gE U e NE V. Portanto C) = U + V. () SefEU NY, entio £0) = f-0) ¢ £) = — (0, VEEL Logo 2) = 0, Vt EL Donde f é a fungio nula, Assim entdo Un V s6 contém s fungio nule £() = 0, ¥t eI. EXERCICIOS PROPOSTOS 1. Quais dos seguintes conjuntos W abaixo sio subespagos do IR*? @ W= (Gy, ER? 1x = 0} ©) We ye R Ix eZ} (©) W= ( y, 2) ER Ly & ieeacional} © W= (yy, ER Ix - 32 = 0} (©) W= {(x, y, 2) © R® | ax + by + cz = 0, coma, b, cE R} 2. Quis dos conjuntos absixo so sub-espagos do espago P(IR) de todos os polindmios reais? (Leia o apéndice I. (@ W= {£(@ © PR) 1£( tem grau maior que 2} @) W= f(y 10 = 24} © W= {f@ 1f@ > 0, ¥1 eR} @ W= {fi 11) + £@) = 0} 63 . Verificar que nfo slo sub-espagos vetoriais do 1G, y, 2) ER? 1x = 1} (Ky. 2ER Ixtay +250} ity. eR Ix U+V=V; » UcvV==>unv=u; "20. v1. 5 Mostrar que os dois con) Mostrar com um exemplo que a unio de dc Mostrar que os dois conjuntos absixo forma 9) U+veU=—>u5v; ® UnVsU=>ucy. ores nfo nulos do IR?, Se nfo existe nenhum t€ R tal que w = tv, soma direta dos subespagos [ul e Iv. Sejam u e v dois mostrar quo Verifcar se as soguintes matrizes geram 0 espago vetorial Ma (R): 6)-6 9): 69-03) Se U, Ve W slo subespagos vetoriais do mesmo expago, mostrar que (U0 V) + + (WOW CUA + W Descubra um exemplo para o qual o primeiro membro des- ‘1 1olaglo 6 diferente do segundo e um exemplo onde ocorreigualdade, Mostrar que os nimeros complexos 2 + 3i¢ 1 — 24 geram o espago vetoril € yobre I. . Mostrar que & subespaco de MIR) o subconjunto formado pelas mattizes antisimé- ‘wicas, Mostrar também que My(IR) & soma dizeta dos sub-espagas das matrizes simé- ‘ticas e das antisimétrcas G0, D}e {1 -2,3 ‘eran o mesmo sub-espay I do Mostrar com um exemplo que se U, V e W slo sub-espagos vetoriais do mesmo espago, se valem as selagdes UNV = Un We U + V =U + Wynfo se tem necessari. mente V = W. sbespagos vetoriis de um mesmo espa- dese espago. {0 vetorial no precisa ser um subespago vet |. Mostrar que a unio de sub-espagos vetorlais do mesmo espago é também um sub- -espago se, © somento se, um dos sb-esp 5 esté contide no outro, CConsidere os seguintes vetores do de equages homogéneas para © qu ‘gerado por esses vetores. G4, Repita 0 exerefcio 20 com os vetores (1,0, 1, 2),(0, 0, 1,0) do IR4, .(@)_Determinar um suplementar do seguinte sub-espago do IR®: {(x, y, 2) 1x y =0) (W) Mesmo exerefcio com o sub-espaco: {6s y,2, 0 RY x —y=z—t= 0} do Rt fungdes continuas resis definidas fem R. geram o mesmo sub-espago vet sen? t, cos? t, sont - cost} ¢ +24, Sejam U, V ¢ W sub-espagos vetorials do mesmo espaco para os qual Un (+ W) = Vn W= (0). Provar que scurvy two veU,veVeweW, entiousvaw=o, © seguinte: ‘ulo), com "2 Mostrar que o espago vetotial R™ (exerefeio proposto 7 ~ § 2) nfo é finitamente gerado. Sugestdo: raciocinar como ser4 feito no apéndice I APENDICE |! Exemplo de Espaco que nao 6 Finitamente Gerado Indiquemos por P(R) 0 conjunto de todos os polindmios reais. O leitor, Iembrando a operago adigo de polindmios e a operacio multiplicagio de um polindmio por um mimero, concuiré que P(IR), com esse par de operagdes, € um espago vetorial sobre IR. ‘Mas P(IR) ndo é finitamente gerado. Com efeito, dado S = {f,,..., fn) C PCR), supondo que cada fj seja no nulo e que fy seja 0 polindmio de maior grau de S, entfo o grau de qualquer combinaglo linear ayy +. + Oly nfo ultrapassa 0 grau de f,. Assim [S] s6 contém polindmios de grau menor que ‘ou igual a0 de f,. Como porém P(R) compreende todos os polinmias reais, existem neste espaco polindmios de grau maior que o de fy. Logo [S] # P(R), para todo conjunto finito $ C P(R). 66 capituLo 3 Base e Dimensdo Lembremos © seguinte fato relacionado com 0 espago dos vetores da geo- metria, definidos por meio de segmentos orientados: se considerarmos um sistema de coordenadas ortogonais, de origem O, ¢ se chamarmos de 1, } ¢ K os trés vvetores unitérios com os sentidos dos eixos x, y e z, respectivamente, entio cada vetor OF admite uma inica representagdo OF = af + by + cK, onde a, be ¢ so as coordenadas de P, em relagio a0 sistema considerado. Nosso objetivo, principal, neste ci € mostrar que em todo espago vetorial finitamenté gerado V existe um subconjunto finito B tal que todo ele- ‘mento de V combinac&o linear, de uma ‘nica maneira, desse subconjunto. B que todosos outros subconjuntos de V que tém também essa propriedade (sempre os ha) possuem 0 mesmo niimero de elementos que B. Daf saird entéo 0 conceito de “dimensio”. 1. DEPENDENCIA LINEAR Seja V um espazo vetorial sobre IR. Definigdo 1 — Dizemos que um conjunto L = (uy, Uy, ..-, tn) CVE linearmente independente (L.L) se, e somente se, uma igualdade do tipo ayy +... + Ona = 0 com os aj em IR, s6 for possivel para ay =... = aq = 0. 67 Definigio 2 — Dizemos que L = (uy, ..., Ua} © V é lineanmente depen- dente (L.D.) se, ¢ somente se, L nfo é LI., ou seja, € possivel uma igualdade do tipo yt +... + agua = 0 sem que os escalates «i sejam todos iguais a0 mimero zero. Exemplos 1) 0 conjunto L = {(1, 1, 0, 0); (0, 2, 1, 0); ©, 0, 0, 3)} CR* 6 LL. pois x(1, 1, 0, 0) + ¥(O, 2, 1, O-*2(0, 0, 0, 3) = ©, 0, 0, 0) ==> 2) 0 conjunto L = {(1, 1, 0, 0), (0, 1 x(L, 1, 0, 0) + y(O, 1, 0, 0) + ot x +%=0 = =. xty+ z=0 Sendo indeterminado 0 sistema obtido, ento hi outras solugdes, além da trivial, para a igualdade condicional de que partimos. Nota: Convencionaremos que 0 conjunto vazio (BC V) é LI. Como para um sub- conjunto LCV deve valer uma, e uma s6, das duas definigbes anteriores e a segun- da destas pressupoe elementos em L, fica justificada esta convengao. EXERCICIOS RESOLVIDOS 1, Verificar quais dos seguintes conjuntos do vetores do espago vetoridl R®, s80 linearmente a) Fagamos: x(1, 1, 0) + y(l, 4, 5) + 20, 6, 5) = (0, 0, 0) 68 a mimre - {072809 Sy +52=0 y eee eee er En torn = (4,5) + (3, 6,9) = (0,0, 0). Esta 6 uma rlago de dependéncia entre tores dados. ae x+y + S2=0 ° Escalonando 0 sistema, vem: x + 2y + Sz = Oo sistema indeterminado, 4da solugdo trivial admite outzas solugSes; portanto o conjunto é linearmente ‘Achar uma relagZo de dependéncta entze 0s 3 vetores. Se u,v w sfo vetores de um expago vetorial V tais que u € Iw] e ¥ € Iw, mostrar que {u, ¥} € linearmente dependente. Sotusio Qs vetores ue v sfo da forma u = Awe v= aw, com A, a RO cuo a=A=0 ttivial pois entdo u = v = 0 e basta ver que Iu + Iv = 0, Supondo por exemplo A ¥ 0, entio AY — ati = Alaw) — aw) = (ha — ad}w = Ow = 9; logo {u, v} § LD. o 3, Consideremos, no espago vetorial IR? 0s votores:u = (1 — @,1 + a)ev= (1 + a,1 - a) onde a ¥ 0, Mostrar que {u,v} é Li. Solugto Seiax(1 = a,1 + 0) + yl + a,1 ~ a) = (0,0) fou, 0 que & equiva ox + (1+ aly =0 (+ax+-ay=0 Esse sistema linear © homogéneo nfo deve ter solugdes diferentes da trivial, para o que E necessirio e suiciente que a matriz: l-e 1te lta lw 10 & que o sistema seja de Cramer. Como a foi tomado nfo nulo esta mattis 6 inversivele daf {u,v} 6 LI. 4. Mostrar que o conjunto de vetores {1, x, x7, 2 + x + 2x} de P3(R) 6 LD. © que qual: quer subconjunto de trés elementos dele & Lt, Sotugio Se fizermos al + x + x7 + 5 +x 42x) = 0 a (© zero do segundo membro de (1) ¢ 0 polinémio identicamente aulo), viré: a+ +E + B)K + Oy + BX? =O, Pelo principio de identidade de polinémios, toremos: a +25 =0 a+ 6=0 y+ =0 © sistema admite outras solugdes, além da trivial, © que nos leva a concluir que © con junto 6 LD. ‘Um subconjunto qualquer do conjunto dado, por exemplo {1, x, x7} 6 Lis d& al + Bx + 9X7 = 0, implica a = 9 = 7 = 0 pelo principio de identidade de polind Nos 3 demais casos procede-se do mesmo modo. Mostrar que o conjunto {(1. .2°)} de vetores do IR? é LI, desde que a#0cae 1. Solugio Para que © conjunto seja LI. € necessiio e suflciente que: XG, 0, + ¥C, 1, a) + 241, 1, a) = 0, 0, 0) w 6 se veriique para x = y = 2 = 0. Ora de (1), vem: xt y+ 220 yt 2=0 dal ox tay +022 =0 xtytze0 yer=0 @ -an=0 Comoe # Oe # Lentioa? ~ a * 0,oque acarretaz = Oe dai wmy = Dex = 0. Mostrar que se 0 conjunto {u,v, w} de vetoes de um expazo veto! V for 1, © mesmo aconteceri com 0 conjanto {u + ¥, u +, ¥ +) Solugio Com efeito, facamos: x@ eV ty@+w)+2vem) =o Dat, segue: &+yUt et Oey taW=0 Mas 0 conjunto {u, v, wh & Li. Entio: eae [uty =0 x+y 20 \ vteso m=0 nna o6 adnte a solgio tial x= y = x= 0, Loge, 0 conjunto {u +¥,u + wv + w) 6 Li. Mostrar que 0 conjunto de vetores {(1 — i,1),(2,~1 + 0} deC? é LD. sobre € mas LL sobre IR a cma EXERCICIOS PROPOSTOS No primeizo cato, devemos mostrar quo existem 21, 22. C, tais que a ‘0.0, $ ° 4 1. Qusis os subconjuntos abaixo do IR? séo linearmente independentes: + mQ,-1 +9 = (0,0),comzy # Oouz, # 0. Sa | » LID. sobre @. No segundo caso, sendo x, y € IR tais que | ») | ° xO. 4y@,-14d= 0.0, ° 2° Qua dos anbconfontssaatz de a(R) a Unease independent a-m+ a0 free dyeo ou iu 60) jo ~ treo a) (0x-1x 424 1x2} el + G-Dy= b) fax,x? + 1x + 1x? - 1} Escalonando © sistema, vem: x + G+ Dy = Oe dat x= y = 0. Logo 0 conjunto & LI. sobre 9 a@- 0,828 - 7, x) ® wex-te-xtne-y 8. Mostrar que © conjunt 6un Solugio c08 % c0s 2x} de vetores de C(I~7, 3. Demonstear que © conjunto {1, e%, e™*} de vetores de C(10, 1) & Lt. Suponhamos: 4. Mostrar que 0 conjunto {1, e%, xe%) de vetores de C(10, 11) é LiL a + peosx + yoo2x = 0, Wxe [-m A. +5. Demonstrar que & Li. 0 conjunto Entto: ; xe-n==> a-pty=0 de vetores de Pp. ye 0==> ateered | os | *6, Mostrar que o subconjunto {3 Xn} de vetores de um espaco vetorial VEL.D. se, an aaa ik } OK(L << 0) tal que X 6 combinagio linest dos de- Esealonande, vem: ‘e- 84 7=0 at 1 % =0 b+ 2y=0 Daf a= 6 = y= 0 ¢0 conjunto é LiL. eae ater 9, Mostrar que 0 conjunto {1, sen x, cos?x) de vetores do C(I- m, ml) & LD. Solugio conjunto {u + v—3w,u+3V— wv +w) SLD, Basta lembrar que sen? x + cos?x ~ 1 =0, 9. Qusis dos seguintes subconjuntos do C* sfo Li. sobre €? n ¥, w} um conjunto Li. de vetores de um espago vetonialV. Provar que @ S11. Suponha que {us,.+., U4) ¥%4s-++4%) 6 um subconjunto Li, de um espaso V. Mostar ave ses uel 9 val= @} 12, Setup, +Uq} € Li, mostrar que seey ty + ay... tn} +,dn nimeros reais distintos 2 a 2. Provar que o conjunto de fungses ent} LL. "14, Provar que o conjunto de fungdes {eM cos bt, sen bt}, onde « e sfo nimeros reais © b+ OELL 2, PROPRIEDADES DA DEPENDENCIA LINEAR Consideremos um espago vetorial V sobre R. P,. Se um conjunto finito LC V contém o vetor nulo, enti esse conjunto 6 LD. Prova — Seja $ = (0, + Un). Entio, evidentemente 20 + Ou +... + On = 0 para todo a # 0, Isso 6 suficiente para concluir que $ 6 L.D. = P,. SeS = {u} C Veu#o, entéo $ é LI. Prova ~ Suponhamos au = 0, Como u ¥ 0, entto a = 0 conforme jé vimos nas propriedades dos espagos vetorisis. » Py. SeS =(u),..., Un} CV LD., ento um dos seus vetores € combinagio linear dos outros. (Veja exerefeio proposto no 6, § 1.) Prova — Por hipStese existem niimeros reais ay, ... a zet0, de modo que + Qin, nem todos iguais ay, + a:t, +... + aqua = 0. ” Py. Ps Py. Suponhamos a + 0, Entdo existe o inverso'de @ © multiplicando a igual- dade acima por este inverso teremos: ur (@rten)ua +. + ent = 0. Daf = Carten)in +... + Carta) ty (© que mostra que u, ¢ combinagéo linear de u;, ..., Ua. Analogamente se procede quando aj # 0, = Se $1 © S; sfo subconjuntos finitos e no vazios de V, se S, CS, © S; & LD., entdo $; também ¢ LD. Prova — Suponhamos Sy = {Uy, ...5 Up) © Sp = (yy .2.5 Uy. 5 Uy Por hipétese existe nimeros reais ay, ..., a, nfo todos nulos, de ma- neira que \ Uy +... + at = 0. Dai aproveitando os escalares e completando com zeros teremos Uy +. + ely + OUpes +... + OU = 0, Como nem todos os escalares que figuram nesta iltima igualdade 40 nulos, entdo pode-se dizer que S, 6 um conjunto L.D. = Se $1 € S; sfo subconjuntos finitos e nfo vazios de V, com S, C$, e Sp LL, entfo S; também 6 LI. Prova — Se S, fosse L.D., entio 0 mesmo aconteceria com $3, devido & propriedade anterior. Ua} € LiL, e para um certo u € V tivermos § U {u} = entdo o vetor u é combinagdo linear dos vetores Ug, isto 6, u € [S] Prova ~ Por hipStese tem-se uma igualdade Gt +... + agty tau =o a onde nem todos os escalares que nela figuram so nulos. Afirmamos que uum dos escalares nio nulos é 0 a, De fato, se a = 0, entio au, +... + ally = 0. Como porém o conjunto $ ¢ LL, esta Gitima igualdade $6 6 possivel com a, =... = dy = 0. Daf, se a= 0, entioa= a =...=a,=0, 0 que 18 Sendo a # 0 podemos multiplicar a igualdade (1) por a~* e teremos: (@%ay)uy +... + (@2ag)Ug + U = 0 ou ainda w= (afayuy +... + (0 an Uy igualdade que nos mostra que u € [S]. = P, {uj}] (sto 6, w € combinagdo {s] = Is — typ] ‘Prova ~ Faremos a prova supondo j = 1 0 que nada tira em generalidade. E obvio que [S — {us}] ¢ [Sh pois S ~ {4} CS. Por outro lado, dado um vetor u € [SI], entio: w= ayy, +... + ena (aj ER). @ Como porém o vetor u, esté em [$ — {u,}], por hipétese, entao: Uy = fat +... + Bally @ Substituindo (2) em (1) iremos obter U = a4 (Bry +... + Botlp) + Oth +... + OnUly. Dat u= Gib, + oa), +. + iB + endtn ‘© que prova que u € [S — {u,}] e conseqiientemente que [S]C [S—{u,}]. # Exemplo — Observe no IR‘ o seguinte sub-espago S = [(1, 1, 0, 0), ©, 1, 0, 2), (©, 0, 1, 0), ©, 2, -1, 4)]. I fécil perceber a seguinte relagio . 2@, 1, 0, 2) ~ (0, 0, 1, 0) = (0, 2, -1, 4). A propriedade acima nos garante, entdo, que S = [(1, 1, 0, 0), ©, 1, 0, 2), ©, 0, 1, O). 3. BASE DE UM ESPACO VETORIAL FINITAMENTE GERADO Definigéo 3 — Seja V um espaco vetorial finitamente gerado, Uma base de V € um subconjunto finito BC V para o qual as seguintes condigGes se verificam: 16 @) [Bl=v. (6) B é tinearmente independente, Exemplos 1) {C1 0), @, 19} 6 uma base do IR? 2){5 0, 6.240), O, 1, 0,265.0), 21, (0,-2.4, D} 6 uma base do R 3) {C, 0, ..., 0), 0, 1,0, ..., 0), ..., (0, ..., 0, 1)} € uma base do espago vetorial ©", considerado como espago vetorial sobre €, 4) 0 conjunto das m+n matrizes reais € uma base do espago Mm xn (IR). 5) Os n+ 1 polinémios 1 formam uma base de P, (IR) pois (2) Dado £ € P, (R), existem (¢ sf0 dnicos) ap, 24, ..., tg € R de modo que £() = ay batt... tag, VEER, © que & conseqiféncia da propria definigéo de polindmio. (b) Se ap + at +... + ant” = 0, ¥t EIR, entgo ay =... = an = 0, devido a0 prinefpio dos polindmios identicamente aulos. 6) Se indicamos por 0 0 vetor nulo de um espago vetorial qualquer, ento ‘uma base do espago {o} 6, conforme nossas convengBes a respeito, 0 conjunto 9. ‘Nota: As bases exibidas nos exemplos 1, 2, 3, 4 e 5 sfo chamadas bases candnicas dos espagos IR?, IR", C8, Mm x (IR) ¢ Pq (IR), respectivamente, devido a sua na- turalidade, Obviamente, esses espagos tém outras bases, conforme veremos a se- guir, Deixamos como exercicio a verificagao nos exemplos de 1 € 4. Proposigéo 1 — Todo espaco vetorial finitamente gerado admite uma base. Demonstragdo — Indiquemos por V o espago. Se V = {0}, ent5o 9 é uma ba- se de V devido as convengGes a respeito para este caso, 1 Caso contrério existe um subconjunto finito € no vazio S.C V, de maneira que V = [8]. Como S$ # {0}, entdo existem subconjuntos nfo vazios de $ que sfo Li. Tomemos um deles com o maior niimero possivel de elementos. Indicando por B esse subconjunto, afirmamos que B é uma base de V. Devido & maneira como tomamos B, para todo u © $ — B teremos que B U {u) & LD. Logo u & combinaco linear de B (ver P no parégrafo anterior). Usando agora a propriedade P,, conclui-se que: [B] = [S] = V. Como, por outro lado, B é Li, pela propria maneira como foi cons trufdo, entio B é uma base de V. © 4. DIMENSAO Iremos enunciar logo a seguir um resultado bastante importante que diz res- peito ao nimero de vetores das bases de um espaco vetorial finitamente gerado. Sua demonstragd0, contudo, somente serd feita no apéndice, ao fim deste capitulo, pelo fato de ser um tanto quanto trabalhosa. Esse apéndice € especialmente recomenda- do aos alunos dos Cursos de Matematica, Teorema da invarineia — Seja V um espago vetorial finitamente gerado. Entio duas bases quaisquer de V tém o mesmo nimero de vetores. ‘Apoiados no teorema da invariancia, damos a seguinte definigfo. Definigéo 4 — Seja V um espaco vetorial finitamente gerado, Denomina-se dimensio de V (notagao: dim V) 0 mimero de vetores de uma qualquer de suas, bases, Diz-se também, neste caso, que V & um espago de dimensdo finita, Devorre da definigso dada e de consideragbes jéfeitas nos exemplos apds ade- finigho 3 que: 1) dim R?=2; 3) dimC®=n; 5) dim P, (R) =n +1; 2) dim R°=n; 4) dimMmxn(R)=m-+n; — 6) dim {o} =0. Deixamos ao leitor a tarefa de concluir que a dimenséo do espago solugdo de ‘um sistema homogéneo escalonado faux + aux +... + Anta = 0 | fag to + tanXy = 0 | Bpephtp + s-+ + Apna = 0 onde a1: # 0,4, # 0,...+pyp # 0 €n — p. Paraiss, lernovamente oCapstu- lol. Proposicio 2 (Teorema do Completamento) — Seja V um espago vetorial de di- mension <1. Se{us,...,u,} C Vé um subconjunto Ll. com r vetores er u= (x, —x, 2 8, onde x, , tER <: <=> u= x(I,-1, 0, 0) + 2, 0, 1, 0) + (0, 0, 0, 1. Logo V = [(1, ~1, 0, 0), (0, 0, 1, 0), 0, 0, 0, Pela forma escalonada como se apresentam os geradores de V que af figuram podemos dizer que: c=i, 0, 0), (0, 0, 6 uma base de Ve que dim V = 3. 0), (0, 0, 0, 1)} Por outro lado, decorre da propria definigdo de soma de sub-espagos que U + V=[BUC].A partir disto podemos achar uma base de U + V do seguinte modo: a) 1010 1010 o 100 o 100 o100 1-1 0 of+fo0 01 of+foo10 oo10 ooo1 ooo oo 01 a) 0 000 Logo dim(U + V) = 4 e conseqilentemente U + V = IR*, Disto segue que dim (U0 V) = 1. 83 EXERCICIOS RESOLVIDOS 1 Mostrar que o subconjunto {1, i} é uma base de € sobre IR. Solugio s vetotes I ¢ i constituem um sistema de geradores de © sobre IR pois todo elemento de © 6 da forma al + bi, com ae bem R. Além diso, we xi +yi=0=0 +01 (com x, y ER), entio x =y =0. Mostrar que © subconjunto de vetores: 2, 4,0) € uma base do seguinte sub-espago vetorial do y¥. ER? I x= 0) Logo os vetores dados formam uma base de U, pois pertencem a U. [No espago vetorial IR? consideremos os seguintes sub-espagos Determinar uma base € a dimensio dos subespases U,V, U+V 000 ¥. Solugio condo com o exercicio anterior ((0, 1, 0), (0,0, 1)} 6 uma base de U. Por outro lado - 0) €, 1, 2) formam uma base de V pois: (3 3)-G23) =, DF 6 Lt Determinemos uma bas © a dimensfo de U+V: 010 1200 120 100 oot) foro o10 oro 1200 oo sf foo sf foo. os 2 o-s 2 002 ooo Logo U + V = 0) (0, 0, D}.e U + V = RY, Comequentemente dim (Uy V) = dim U + dim V'— dim (U + V) = 1. Como 0 vetor (0, © esté em V, entéo {(0, ~5, 2)} é uma base de UN V. 5, 2) esté em U 4 pe Determinar uma base do R que contenha os vetores (1, 1,1, 1), (0, 1,—1, 0)€ (0, 2, 0,2). Sotugio Ee 5 b) E imediato que dim T = 2 pois seus geradores jd se apresentam na forma escalonada. ©) Os vetores de U so da seguinte forma: (x, Logo {(1, -1,4)} € uma base de Ue dim U = 1 resentam assim: (x, y, 3x — y) = XC, 0, 3) + ¥(, 1, =D. ~x, 4x) = x0, 4) Os vetores de V se Logo V = IG, 0, 3) na forma escalonad e fina 2 zit 03-3 o 4-1 ° 124 1 o 1 ° 0 3-1 ° Logo dim ($ +1) = 3e dafs +T=R? 1) A partir das dimensbes de $, T ¢ $+, achase que dim ($9 T) = 1 » fo i-1 124 124 124 12 1)—+(o 1-1 )—+[0 1-1}—fo ia 1-14 1-1 4 0-3 3 o 00 Logo dim (T + U) = 2. 1) A proposisdo 5 deste capitulo nos conduziré a dim (Tn U) = 1. si cc’ 2-t=0 Daf tinmos: 2=t, y=-$t eo x=gt Logo 0 conjunto solugio de $ é ve(3s sheet) ven} {¢ Isto mostea que © conjunto ves} 6 uma base do espago solupfo de S e que, portanto, a dimensfo desseespago é 1. Uma outra base de V é{CL, ~ 5,3, un) uma base de um espago vetorial V de dimensfo n sobre €. Mostrar + it} 6 uma base de V considerado como espago.vetorial, roposto n? 8, pig. $2.) iq byl © € de maneira que w= (ay + 6yDu + pois 0: vetores + Up formam uma base sobre C, us aymy +... + any + Dylon) +... + Balog, 1 ig} germ V sobre + agg + balay) +... + bug) = 0, + buduy +... + Gq + BniDag = 0. Logo ay + byl =... = aq + Ppl = 0 Donde a) =...5 aq = by =... = bg =O. Nota: © exercicio nos ensina que se a dimensio de V sobre © & n, sobre IR seri 2a, 86 8, Consideremos 0 sub-espago vetorial de M3(IR) constituido das matrizes simétricas, Detet- sminar uma base desse sub-espago, Solugio Podemos decompor uma mattiz simétrica X de M3 R) da seguinte maneira ofa of aC em M3 (R). Logo essas seis matrizes formam uma base do sub-espaco das matrizes simé- twicas de dimensio 9 ‘Nota: Generalizando 0 raciocinio que acabamos de fazer podese concluir que sub-espago z dimensio n?. Bo que pedimos no exerefcio 16 a sepuit das matrizes sit rieas de Mp (R) tem dimensio fenquanto que Ma (R) tem fostrar que © conjunto {2} & uma base do espago V = ix R I x > 0} eyje adigio € dada pot u © v = we a mulsplicagio por escalates pot a « w= Solugio Lembremos que © vetor mulo desse espago & 0 niimero 1. ‘ A teoria dos niimeros reais nos ensina que dado um nimero real u > 0, existe um Sinico niimero real a tal que w= 2°: @ = log, u, Logo u = 27 =a - 2 () Soa. 2= 1 (vetor mule), entio 2% = 1, donde @ = 0. Nota: £ claro que todo nimero real maior que zero e diferente de 1 constitui uma base de V sobre R. 10, Sejam U e V subespagos vets de um expugo de dimensfo a. Supondo que dim U> 2 que dimV > 2, prove que: Un V » fo} Solugio leremos a formula dimU + dim V = dim (U + V) + dim Un V). Se U nV = terfamos dim (Un V) = 0. Daf dim(U + V) = dim U + dim V > n, Absurdo pois U + V6 subsspago de um espago de dimension, 87 EXERCICIOS PROPOSTOS 1, Dar uma base © 2 dimenso do sub-espago W de RS onde W= {(x,y,2,9€IR*Ix—y = Fy ex-3ytt=0}, Sendo W e U sub-espacos do R* do dimensio 3, que dimensSes pode ter W + U se 2,1, 0, 1, $, 2, 1) 6 um sistema de geradores de W U? sab-espace do exereicio 1 ¢ Uo subespaga do IR* gerado por ), determinar uma base ¢ a dimensfo de U + We de Un W. 4. Achar uma base © a dimensZo do seguinte sub-espaco de IR*: U = {tx extly+t=0}, NNo espago vetorial R consideremos os seguintes sub-espacos: v= Ix = 0}, V= (Gy, aly ~22=0}60 we (0, 0, 21 Determinar uma base e « dimensfo de cada um dos seguintes sub-espagos: U,V, W, UNV, VeWet+V+W. 6, Detenminar uma base e a dimensfo do sub-espago de M3 (R) constitufdo das matrizes antisimétrcas ‘Mostrar que 0s polindmios 1, 1 + 1,1 —P el ~t~ tt? formam uma base de P (R), 8. Determinar uma base ea dimensZo do expago solugdo de cada um dos seguintes sistemas ines es homogéneos: af x- y=0 Di xt yt 2-0 2x ~ 3y=0 2 - y-22=0 Le x bay +52=0 ax+py=0 © (2x- dy + 2-0 O(x- y- 2- t= 3x~ yt3e=0 Bx- y+2e-4t=0 ay +42 =0 Lo wases tao Mostrar que as matrizes (-)-3)-0-)-C:) formam uma base d° Ma (R), 10. Determinar uma base de IR* que contenha os seguintes vetores 88 1, Suponna que Cus, a} & uma base de um espago vetora. Mostrar que {uy, uy + wtyresrty 40h Jot tg) também & ma Bat die expago re 0 seguinte sub-espago vetorial de €*: 1+41-9,0,-1-4-14 301 14, Cons w= a,0, Determinar uma base deste sub-espago. 15, Sejam U e V espagos vetorisis sobre de dimensGes m e n, respectivamente, Considere 0 espago vetorial UX V glo € dada por (un, Vi) + (Ua, a) = (ay + Un, v4 + YD) © multiplicago por escalares por = (au, av). Admitinds que {U1, ..., Ub © (vi, +5 Yn} sf0 bases de U ¢ de V, respectivamente, prove que: + v)} £01, 0s 5 Gms Os é uma base de UX V. 16, Determinar a dimensio dos lbespagos de My (R): 2) Subespago das matrizes ') Subespago das matrizes antisimétricas; ©) Subespago das matrzes A tais que A = 2a 4) Subexpago das matrizes A 11, Para que valores de a € Ro sequinte conjunto & uma base de IR: B= (@, 1,0, 1, ad). 12, 1 Ug vetores de um espago vetosial V. Provar que se cada vetor u de S = Und admite uma Gnice representagdo como combinagéo linear de Uy, ..- Une nto 0s vetores uy, Un formam uma base de S. 7. COORDENADAS ‘base ordenada 6 uma base na qual fixamos quem é0 primeiro vetor, quem é 0 segundo | ‘Vamos trabalhar agora com bases ordenadas de um espago vetorial V. Uma vetor, ete, | 99. ‘Seja V um espago vetorial de dimensio finita. Dada uma base ordenada B= {uy,Uz,..., Ug} de V, entilo todo vetor v desse espago € combinagdo linear de B. Ou soja, existem 4-64 @q € IR de modo que: V = ayy +... + ay. E fécil provar que os escalares que figuram nessa igualdade estd0 univocamente determinados. De fato, suponhamos v= ay +... + aatn = Bit, +... + Btn. Entfo: — (@, ~ By)uy +... + (@n — Bada = 0. Como o conjunto B é LL, entfo a; — 1 =... = an ~ By = Oe dat 1 = Br, = Ba, -.-, On = Bn Definigio 5 — Os escalares a, ..., 0, que figuram na igualdade v= au, + +... + dgtig, conforme as consideraees acima, sio chamados oordenadas do vetor v em relagao a base ordenada B. E conveniente, por outro lado, associar uma matriz &s coordenadas do vetor u. Assim, se u=ayu; +... + Un, em relapdo a base ordenada B= {uy,..., Un} considerase amatrizn x 1 O.- ©) apenas se ndo houver possiblidades de confusfo, como a matriz das coordenadas de em relagdo a base ordenada B. Nota: I evidente a necessdade de trabalhar com bases ordenadas de V (ndo apenas bases de V) para podermos considerar a matriz de coordenadas como foi definida aci- ma, Sem ordenar a base, ndo saberfamos qual seria 0 a4, 0 a, ete. Exemplo — F facil verificar que B = {1,1 + t,1 + t?} 6 uma base ordena- da de P,(IR). Achemos as coordenadas de fit) = 2 + 4t + t? emrelagdoa essa base ordenada: Q+4tePoxityl+t+2(1 +?) > 2eatt Paty tat yttat > zeLyn4xtyt2=2 => x=-3ya4ez=1 90 | | | “3 1 nada B. 8. MUDANCA DE BASE A pattir de agora, diremos apenas base em vez de base ordenada, para faclitar otexto. Seja V um espago vetorial de dimension e consideremos duas bases de V: B= (uj, ..., un} © C = {vy, ..., val. Entio existe uma nica famflia de escalares aj de maneira que vy = ayy +. + gy Yn = ant +... + dann ou simplesmente y= Yagi G= 1,2... 0). & Definigéo 6 — A matriz quadrada de ordem n. ee On Mm On ee On On On +s Onn chama-se matriz de mudanga da base B para a base C, Exemplos 1) Qual a matriz de mudanga da base B= (1, 1 +t} para a base (I, t) no espago Py (R)? fl=mit+ ya +0 fren fren = e = = = mlt+y(i +t) ee) yal == 4 = 11 =0,— = - Ley, = 1. Logo 1-1 P=\o 1 6 a matriz pedida. 2) Se B = C, obviamente @ matriz de mudanga de C para B ou vice-versa é a matriz idéntica ‘Trés problemas importantes se apresentam no quo se refere a mudangas de base, Problema 1 — Se a matriz de mudanga da base B para a base C 6 P = (ai) a matriz de mudanga da base C para uma outra base D (do mesmo espago) 6 Q = (Gj), qual a matriz de mudanga de B para D? Suponhamos B = {uy, ..., Un}s © = {v1,-+.5 ¥a} CD =f > Wah AA definigdo de matriz de mudanga nos garante entéo que: ayy G=L. e = Dat = x Bre (& “) = £ (% «s) wy (k= 1,00, 0). Entdo o termo geral da matriz de mudanga da base B para a base D & dado por ° aiyfjc que 6 0 tenmo gerl de P.O. Logo a matriz demudanga de B para D i 6a matriz PQ. Nota: Uma conseqiiéneia do que acabamos de ver 6 que uma matriz de mudanga de bases é sempre inversivel. Sendo vejamos, Sejam P a matri de mudanga de B para C e Qa matriz de mudanga de C para B. 92 — Dos diagramas a0 lado decorre que 62020 PQ = QP = 1,. Logo P & inversivel eP' € simplesmente a matriz de mix danga de C para B. @)-2 © P ©) ty NY a Problema 2~ Se a matriz. das coordenadas de u © V em relagdo A base B é: X= © amatriz de mudanga de base de B para C & P= (aij), qual a matriz das coorde- nadas de u em relagdo a base C? Seja ys Ya essa matriz, Temos entio u = 93 Devido a unicidade das coordenadas segue que: x= Y ayy @=1,2,...,0) a M = MY + Mayo +... + Onn Xn = Onyi + Onays +... + Crna. Usando a notagGo matricial obtemos a relagio desejada x= PY ‘que equivale ainda a Y = P*'X, Problema 3 — Se (u,..., ua} 6 uma base de Ve P= (aj) € uma matriz inversivel, entdo 05 n vetores y=” ayy (j= 1,..., n) também formam uma base de V? Suponhamos ° xj¥j = 0. Entao Dat >; ayy = 00=1, i dos seus coeficientes ¢ P (inversivel), entdo x; =... = xq = 0. Logo LLL. e portanto também é base de V. 1n). Como este sistema ¢ homogéneo e a matriz o Vn} € EXERCICIOS RESOLVIDOS 1, Determinar as coordenadas do vetor u = (2, 1, 4) do R? em relagdo as bases: 94, Sotucio 8) Quanto & base candnica 2s coordenadas sZ0 a8 préprias componentes do vetor, ou seja, 2, Le 4. bv wax, 1,1) + 4,0, 1) + 20, 0, I) > xtytz=2 —>4x an xty-as4 Resalvendo o sistema obtido, encontramos x = 1, y = 2.¢ 2 =~ 1. Logo as corde nnadas de u neste caso séo 1, 2 e — 1, A matriz das coordenadas de u & ( ) 2 1 2, Determinar as coordenadas da matriz de My (IR) em relagdo 2 base: {e)-6 3) 3} os ol SS i <= a , 0, 1) = BU, 1,0) + h@, 1, 0) + 10, 0, 3) ‘4 sl fa =o =0 a+b 50, dd4e =0 3e=0 at= sist a= 1 (a=0 be-1,4e=1 ec c= 0 |r=0 Logo: {1 0 0 110 & a matriz pedida, 1 oot No espaco IR? consideremos as bases B = {e,e2,e3} eC = {1.82.83} relacionadas da seguinte mancira ase te a2 + ates B= e+ 2a toy Deteminar a matriz de mudanga de B para C e de C para B, Solugio Por definigdo: a4 012 pad € a matriz de mudanga de B para C. Para achar a matria de mudanga de C pata B 6 96 determinar 2 inversa dessa mat 1211100 oo 012/01 0)~ 10 riiioot o4 12 00 00 04 ro} 10 14 0° Aa oe 1 13 ee “I-23 7% o1 o-|- o-t 14 14 a 27 zt, sdenadas de um vetor u om relagfo em relagdo a base C? 1 zr vj-fa 1 z 7 EXERCICIOS PROPOSTOS Jeterminar as coordenadas do vetor u = (4, —5, 3) © IR®, em relagdo as seguintes bases: 2. Determinar as coordenadas de 1 — 2i € € om relagfo & seguinte base de € sobre IR f-y1+ih (3. Jpeterminar as coordenadas do vetor ee = ©, om relagio & base (1, Hk 1 +0, a C4 2-4 Paiste) espago 10 23 ‘A mattiz de mudanga da base {1 + t, 1-17} para uma base C ambas do mesmo sub-espago, de Py (R) & (0, 2)} desse mesmo Determinar a base B. Determinar a base C. Considere as bases B » ta} © C= fet. 82. 83} de IR? assim relacionadas: B= e- - e3 n= dep + 3e3 as = 3e, +3 8) Determinar as matrizes de mudanga de B para Ce de C para B. b) Se um vetor uw de IR? apresenta codwdenadas 1, 2 ¢ 3, em relagio a B, quais as coordenadas de u roativamente a C? 8, Considere 0 seguinte sub-espaco vetorial de Ma (R): 98. ne NEVE. ff) 05) 6} 1) Achar a matriz de mudanca de B para Ce a de C para B. ©) Achar uma base D de U, de tal mancira que a matriz de mudanga de D para B saa: uma base do expago vetorial Ve sia C = {vj..-,¥n} onde ). Provar que C & uma base de Ve calcula amatrz de 410, sea B = {0,,..., ug} uma base do espaco vetorial Ve sea C = {ut — apy. = tg}. Mostrar que C é também uma base de V. Achar as matrizes de mudanga de base eB para Ce de C para APENDICE Teorema da Invariancia Lembremos que 0 Teorema da Invariancia, jf enunciado na pég. 80, afirma ue todas as bases de um espaco vetorial dado tém 0 mesmo niimero de vetores. Precisaremos de trés lemas para poder provar 0 Teorema da Invariincia, Lema 1 — Soja B = {us, Us, ..., Un} uma base de um espago vetorial V. Se u€ Ve ainda se Us ay +... + aut... + ante @ 99. com a; # 0, ento 0 conjunto C = (uy, . uma base de V, U, Uist «++ Un} também 6 Demonstragio ~ Faremos a demonstragio supondo i= 1 para facilitar 0 trabalho com os indices. (@) Como ay # 0, da igualdade (1) da hipétese segue que uy = Bu + Brug +... + Bata @) onde 8 = ar", By = —ay ay, 2, By = n vetores e que seja Li. Entio B= (us,....,q) tem n vetores ¢ & um subconjunto LI. Logo B é base de V devido ao lema anterior. Daf see ER | Une = ay +... + Oat. + ania + (—1)Uqs41 =o 0 que vem mostrar que 0 conjunto $ day Ento «yu, +. LD. Absurdo, Teorema da invariéneia ~ Duas bases quaisquer do mesmo esparo vetorial finitamente gerado tm 0 mesmo niimero de vetores Demonstragdo — Sejam B = + Ym) duas bases quaisquer de V, Como B é base de V ¢ G: U> V sfo iguais se, ¢ somente se, F(u) = = GQ), ¥ue U. Dado WC U denomina-se imagem de W pot F o seguinte subconjunto de V: F(W) = {F (u) | u € W}. Se W= U, entao F (U) recebe o nome de imagem de F © a notagdo serd Im(F). Portanto Im(F) = {F(u) | u € U). Exemplo — Seja S: R? + IR? a aplicagfo dada por S(x,y) * (x, ~y), 44(x, y) no IR®. $ pode ser visualizada na figura ao lado ¢ leva cada ponto do IR? no seu simétrico em relagdo ao eixo x. Em particular a imagem da reta y = x & SW) = te, -y1 areta x + y = 0 (¢ vice-versa), a imagem do eixo x € 0 préptio eixo x e a imagem do eixo y € 0 proprio eixo y. Definigio 2 — Uma aplicagdo F: U + V se diz injetora sé, e somente se, fu, wy EU, F(t) = FQ) ==> wy = vy. Ou, em outra formulagdo, se, ¢ somente se, uy, Uy EU, ty # vy ==> Flu) # F(t). Exemplos 1) A aplicagdo S: IR? + IR? dada por S(x, y) = (x, —y), (x, y) EIR, 6 injetora pois se u, = (x, Ys) € Up = (Xa, Ya) ent F (uy) = Fu) ==> (x1, ~¥1) = Osa, ~ Ya) Ya = Yo => = th > HM e 2) A aplicagio f : IR? -> IR° dada por F(x, y) = (0,x + y, 0) nfo 6 injetora pois temos, por exemplo, (, 1) # (2, 0) e FG, 1) = FQ, 0) = (0, 2, 0). Definig’o 3 — Uma aplicaglo F: U-> V se diz sobrejetora se, ¢ somente se, Im(F) = V, ow seja, para todo v € V, existe u € U tal que F(v) = v. Bxemplos 1) S: R? + BR dofinida por S(x, y) = (x, ~y) & sobrejetora, De fato, dado v = (c, 4) © R?, basta tomar u = (c, —d) para termos F(u) = v. 2) F: IR? > IR? dada por F(x, y) = (0, x + y, 0) ndo é sobrejetora, Isto Resumidamente escreveremos sempre S (x, y) para indicat a imagem de (x, y) por S 103 porque, por exem ue R? (0 primei 1, 0, 0) € IR® e no é imagem por F de nenhum elemento termo de cada imagem 6 7210) ©,40 Definigdo 4 — Uma aplicagio F: U + V se diz bijetora se, ¢ somente se, F € injetora e € sobrejetora, Exemplo — A aplicagio S: IR? -> IR? dada por S(x, y) = (x, ~y) é injetora © € sobrejetora conforme jé vimos. Logo S é bijetora Nota: Se F: U-> V € bijetora, entdo cada elemento de V € do tipo F(u), com u EU bem definido e se fizermos a associagéo F (u) + u teremos uma aplicagdo de V em U pois nfo podemos ter F(u;) = F(Us) € u, # Up jé que F ¢ injetora. Essa nova aplicagdo assim definida (no caso de F ser bijetora) & chamadaaplicagao inversa de F e 6 indicada por F~. Tem-se entdo: FF) = ue FEN) =v wueU e WEY. 2, TRANSFORMACOES LINEARES Definigio 5 — Sejam U © V espagos vetoriais sobre IR. Uma aplicagao F: U- V 6 chamada transformagdo linear de U em V se, e somente se, (a) F(a, + uy) = F(u) + Fu), Yur, € U, (0) F(eu) = aF(w), Va Re YuEU. No caso em que U = V, uma transformagdo linear F : UU 6chamada tam- bém de operador linear. 104 1) Seja O: U > V a aplicagdo assim definida: 0 (u) = o (vetor nulo de V), Mu € U, Verifiquemos que O € linear. (a) O(u, + 4) =0 =0 +0 = O(u,) + OC) (>) O(@u) = 0 = a0 = aO(u) 0 se denomina transformagdo linear nula de U em V. 2) Seja I: U > U definida assim: I(u) = u, ¥u © U. E mais um exemplo de transformago linear pois: (@) Huy + ua) =u + = T(us) + Hua) (®) Hau) = au = al). 1.6 0 operador idéntico de . 3) F: IR? > RR? definida por f(x, y, 2) = (x, 2x — 2), ¥(x, y, 2) ER? também é linear. Sejam us = (81s Yay 24) © Up = (Bay Yay 22) em RY G@) F(uy + uy) = FG +a, Yn + Yt + 22) = (1 +H, 20H +) — = (24 +24) = (iy 2x1 — 24) + Ga, 2m — 2) =F) + FC). (b) Exercicio, 4) > IR™ definida por: F(X... a) =( € uma transformagdo linear para toda familia (ay) de nameros reais dados, Veri- ficase essa afirmardo generalizando o que se fez no exemplo 3. Fica como exercicio, 5) Seja D: Pa (IR) -+ Pa (IR) definida por D(f(t)) = £'(0 para todo polinémio £(0) de Pn (IR). (f"(8) indica a derivada de £(t)).. Como a derivada da soma de dois polindmios € igual a soma das derivadas © a detivada do produto de um polindmio por um nimero é igual a esse ntimero ‘miultiplicado pela derivada do polindmio, entio D € mais um exemplo de operador linear, XM tet AanXny oes Sma Fee + Sma), Sejam U e V espacos vetoriais sobre IR e consideremos uma transformacio linear F: U > V. Valem a: seguintes propriedades para F: Py. F(0) = o (F transforma o vetor nulo de U no vetor nulo de V.) Prova ~ Como 0 € 0 elemento neutro da adiggo em V: F() + 0 = Fo). 105 © fato de F ser linear o 0 fato de o ser 0 vetor mulo de U dio: F(0) = F(o + 0) = F(o) + Flo). Comparando os resultados obtidos tiramos: F() + 0 = F@) + FO). Somando —F (0) a ambos os membros desta tltima igualdade chegaremos aque o=FO).* te / Ss P,. F(—u) = —F(u), Yue U. Prova ~ F(u) + (-F(u)) = 0 = (0) = F(u + (-u)) = F(u) + F(-u). Logo F(u) + F(—u) = F(u) + (—F(w)). Somando —F(u) a ambos os ‘membros desta igualdade obteremos F(-v) = -F@).= Nota: Recomendamos 20 leitor que procure justificar cada passagem desen- volvida na primeira linha da demonstrago de P,. Ps. F(uy — uy) = F(u,) — FQ), Vy, € UL Prova (exercicio). = Py. Se W € um sub-espago de U, ent a imagem de W por F & um sub-espago de V. Prova — Lembremos que F(W) = {F(w) | w © W} é a imagem (ditete) de W por B. (@) Como F(0) = 0, entio 0 € F(W). (b) Exereicio, 106 (©) Sejam v € F(W) ¢ a € IR. Entio v = F(u), com u € W. Logo av = aF (u) = F (au). Como au E W, pois W € sub-espago vetorial de U, entio: av € FW). = Nota: A propriedade Py acima significa que uma transformagdo Linear trans- forma sub-espago vetorial «1 spago vetorial. Em outras palavras, uma ‘ansformagdo linear “‘respeita” a estrutura de espago vetorial, Ps. Sendo F: U ~ V linear entdo F (So) = > iF (u). Prova: Faz-se por indugio sobre n. = EXERCICIOS RESOLVIDOS 1. Verificar se a aplicagio F: IR* IR? definida por: F(x, 52) = @, x + y) € linear. Sotucio @) Sejam w= O44 yu FO+)= For tay ty tm) = $m, G1 +m) + 1 +A = Fyn) + axa ty) = =F +FO; © VeeRe Vu=(%y,9ER; F (au) = F(@x, ay, a2) = (az, ax + ay) = alz, x + y) = oF (W. 1) © ¥ = (Xa, Yay 22) dois elementos genéticos de R?. Entio: Veriticarse F : IR > IR? é uma transformagio linear, onde F(x) = (x, 2) Wx IR. Sotugio x,y ER, temos F(x + y) = (x+y. # (4,2 4042) = Oe HY, Logo F no é uma transformaeao linear, Nota: Como uma transfonmaeo linear leva o vetor nulo do dominio no contradominio © F ) (0, 0) poderfamos, por este caminho, ‘que a aplicagio F do exerefcio 2 alo 6 linear. Contudo o Tato do uma ap ‘ansformar o vetor nulo de U no vetor nulo de V ni implica que ela sea linear. Procure um exemplo, 107 3. Verificar licagfo F : IR? ~ IR? definida por Fix, y) = (32 + y2,x) é uma transfor Seu = Oxy, yp) © ¥ = Cup, ¥2) © IRE, entfo Fu +9) = Foxy +, 1 #92) = = (Ga +P +01 + yam +a) = = ay + yg mn) + OP + yz 82) + 20%2 + YaE, OD © portanto F ndo 6 linear. Notar que, apesar disso, F (0, 0) = (0, 0). Seja V = My(IR) © B uma matriz fixa desse espago vetorial. © operador F:V ~> V dado. por F(X) = BX, VX V élinear? E quanto ao operador G : V+ Vdado porG(X) = XB? Everdade que F = G? Solugio (@) ¥X,Y EV, FO + ¥) = BO + ¥) = BX + BY = FO) + FO; () ¥XeVe Va R, F(X) = BaX) = a(BX) = aF 00, Logo, F € um-operador linear de My (IR). A verificago de que G também é linear é andlo- ‘2, Mas,em goral, P G pois BX # XB. . Sabendo que F: IR? > IR? 6 um operador linear ¢ que Fd, =@,-D) ¢ FO, D=4,2), achar F(x, y), onde (x, ) 6 um vetor genérico do IR? Solugio Observemos de inicio, que {(1, 2), (0, 1)} uma base de R?. Determinemos as coorde- nadas de (x, y) © IR? em relagdo a essa base: (&, y) = a(1, 2) +b, 1) ==> a=x elatb=y=——>a=xe bay —2x, Logo , y) = x1, 2) + ~ 200, D. Portanto F(x, y) = APU, 2) + ~20FO, = xB, —) + — 290,2)= = & ty, ~5x +29). 5. Werificar se 6 linea a transformagio F: R® > R, dada por F(X, y, 2) = —2x + 3y + 72 Solugio @) Vu = Gu, yaa) e¥¥ = Oa, ya 2) ER, Fae = = Fw + mas va t+ yas th + 22) = ~2OK4 + Xp) + 34 + ¥2) + Tey +) = = nde + 3yn + Tey ~ 2xn + Sy2 + Tez = Fw) + FW), (b) ¥aeRe ¥u= (x,y, 2) € R®, Flaw) = Flex, ay, az) = = =2(ax) + Hay) + T(az) = a(—2x + 3y + 72) = aF (wu, a 108 yv ¥ 1 10. nL, Seja P uma mattia inveesfvel de My (R). Mostrar que F: My (R) > My (R) dada por FOO = P'XP & um operador linest desse espaco. Solugio @ FO +1) = PK + YP = PXP + BYP = FOO + FOO; (©) FC@X) = P@XP = @P"XP) = aF OO. . Mostrar que & uma transformacio linear a aplicagio FR? > Alo, 1) (espago vetorial das fungdes reais continuas definidas em (0, 1) dada por: FO, y) = xet + ye", YOK, 9) € IR? Solugio (@) Yu = 04, ¥1) © ¥¥ = Oa, y2) em Rr Fu +) = FOr + xa, yi + ¥2) = Or + ade + 1 + yale = = met tyre + get + ye = FO + FO; @ ¥aeR © MG, y) © R?, Fla(s, y)) = Flax, ay) = (andet + (ay)et = = atxet + ye% = aF x, y). Mostrar que é um operador linear de V = C({0, 1) a aplicaggo F:V > V dada por FUCO) = 1 BO ¥A € V, onde y (1) 6um element fixo de V. Sotugto G) FRO + CO) = HEY + £60) GO = KH) GLO + BCD GLH = FLED) + Fle); ©) Flat) = (afl) PCD = afl ~O = aF LED). Seja V um espago vetorial sobre IR, Dado a © R chamase homotetia determinada pelo escalar @ a aplicapdo Ha: V > V tal que Hy (u) = au, Vu © V, Mostrar que Ha é um operador linear de V. Solugio G) Ha(uy +05) = aay +05) = au + ay = H(t) + Hata): (0) H(t) = a(tu) = tau) = Hy). |. Num espago vetorial V sobre IR, dado w € V, chama-se translagdo definida por w a apli- cagio Ty: VV tal que Tw(u) = uw, Yue V. Mostrar que se w 0, entioT nfo é linear. Solugio Puy, wp EV, Tl + up) = wy + Uy + We Tw(U) + Tl) =u + + uy Hw, Logo, se w # 0, Tw nio é linear. Por outro lado, se w = 0, ento Ty coincide com 0 operador idéntico que 6 linea 109 EXERCICIOS PROPOSTOS 1, Quais das seguintes aplicagBes de R? em R so operadores lineares? » 12) = OY, x4, OS 42) = Ox —y¥ +2, 0, 0); 1D = 06 95 = Ox + yx 2). 3. Consideremos 0 espago vetorial € sobre Re seja F: € > € tal que F@) = 7, ¥z2EC, Mostre que F 6 um operador linear, Se tivéssemos considerado o espago vetorial € sobre C seria F ainda um operador linear? Verifique se so operadores lineares no espago Py F: Pa(R) -+ Py (R) tal que (®) Fs Py GR) > Py (BD) tal que

V uma transformagio linear. Indica-se por Ker(F) ¢ denominase niicleo de F o seguinte subconjunto de U: Ker(F) = (u€ UI F(u) = 0} Exemplo — Seja F: IR? > IR° a transformagdo linear dada por: FG, y= @, x+y, 0). ‘Achemos 0 niicleo de F. Temos: (x, y) © Ker(F) <===> (0, x + y, 0) = (0, 0, 0) <=> x=-y Logo Ker(F) = (x, =x) 1x € IR}. Proposigio 1 — Seja FF: U + V uma transformagiio linear. Entdo: a) Ker(F) & um sub-esparo vetorial de U; ) A transformagio linear F 6 injetora se, e somente se, Ker(F) = {0} un Demonstragdo ) Como F(0) = 0, entdo 0 € Ker(F). (2) Sejam uy, us © Ker(F). Entio F(uy) = F(u) = 0. 1 + w) = F(a) + Fly) = 0 +0 = 0, Portanto uy + uy © Kerf). (3) Exerefcio: Prove que se u € Ker(F) e a € IR entao au € Ker(F).. b) Suponhamos F injetora, Seja u Ker(F).Ent&o F (u) = 0, Mas F(0) = 0, conforme P,. Logo F(u) = F(0). Usando a hip6tese nesta ditima relagGo tiramos u =o, Enlio, se F é injetora, 0 ndcleo de F se resume a0 ve Reci ‘ocamente suponhamos Ker(F) = {0}. Dados uy, ty € U, entfo F(uy) = F(u,) ===> F(ur) ~ F(u) = 0 ==> ==> Fo — y) = 0 ==> wy ~ wy € Ker(F) => =u -yto=Sy=y © que mostra que F 6 injetora, Exemplo — 0 operador linear D: P,(IR) > Py (IR) dado por D(f(t)) = = £() 6 uma transformagdo linear injetora (operador injetor)? Se f(t) = ay + ayt + age +... + ant, entdo D(f() = ay + 2agt+... + + nagt"“1, Logo £"({) = 0 tem como conseqiiéncia que a = a; =... = a, = 0. Portanto f(t) = ao ¢ daf Ker(D) = {a9 | a9 € IR} = IR, ou s junto dos polindmios reais constantes. Logo D nao é um operador itor. A imagem de uma transformagdo linear F :U > V foi definida anteriormen- te: Im(F) = {F(u) | u€U}. Jé vimos que € um sub-espago vetorial de V. © teorema a seguir, que relaciona as dimensdes de Ker(F) Im (F) nos casos em que dim U é finita, 6 bastante importante. Teorema do Niicleo ¢ da Imagem — Sejam U e V espagos vetoriais de di- mensfo finita sobre R Dada uma transformagdo linear F: U > V, entdo dim U = dim Ker(F) + dim Im(F). Demonstragio — Seja B, = (u; pode ser estendida a uma base By = 1u,} uma base de Ker(B). Essa base Up, Vas «+5 Vg} de U conforme o 12 , Ker(D) & 0 con- teorema do completamento, Mostremos que B = {F(v,), ...,F(v0)} € uma base de Im). (@) Dado v € Im(E), existe u € U tal que F(u) = v. Mas u 6 combinagdo linear de By: u = aju, +... + ay + Bivs +... + Biv, com 08 a; €08 8; em IR, jf que By 6 base de U. Logo: v= Flay +... + ate + Biv +... + Beg) = = ayF(uy) +... + aPC) + BFC) +... + BFC) = = BF) +... + BFC) pois como uy, ..., Uy € Ker(F), entio suas imagens, por F, so nulas, EntZo [B) = Ime). (b) Suponhamos f,F(¥,) +... + ,F(v,) = 0 com By, ..., By IR. Entfo F(Givs +... + 6X4) = 0, do que resulta que B,v; +. .. + Bevy pertence aKer(F). Logo existem ay, ..., a € IR de maneira que: Biv + + Biv = ay +... + opty Dat aay + + au; + OB) +... + CA) = 0 Como o conjunto By € Li., podemos concluir que todos os escalares da Sltima igualdade so mul ticular By = B =... = By = 0. Ficou provado entio que B é LI. Para terminar a demonstragio, basta observar que, como dim Ker(F) = r, dim U =r + se dimIm(F) = 5, entio dim U = dimKer(F) + dimIm(). Corolério — Sejam U e V espacos vetoriais sobre R com a mesma dimensio finita ne suponhamos F: U > V uma transformagio linear. Entio so equiva- lentes as: seguintes afirmages: (DF € sobrejetora, (DF 6 bijetora, (UD F é injetora. (IV) F transforma uma base de U em uma base de V (isto 6, se B é uma base de U, entio F(B) é base de V). Demonstragdo o—w Por hip6tese Im(F) = V. Levando em conta que dim U = dim V, a formula dim U = dimKer(F) + dim Im(F) equivale ento a dimKer(F) = 0. Logo Ker(F) = {0} ¢ F 6 injetora, Entio F é bijetora, 413 (1) => AUD Imediato, (uy) —=> ay). Sendo B = Un} uma base de'U mostremos que F(B) = {F(us), «+1 F(Uq)} uma base de V. Observemos de inicio que F(B) tem tantos vetores como B pelo fato de F ser injetora.,Entio basta mostrar que F(B) € LI. Supo- ahamos ay, ..., dq €R € ayF(u;) +... + @gF (Un) = 0, Disto resulta, pela linearidade de F que Fu, +... + aptt,) = 0. Sendo F injetora segue que ayuy +... + Gqtln = 0. Como B & LiL concluise que a = a2 =... = Gq = 0. mM=——> oO Seja v € V. Tomando uma base B= (uy, ..., Un} de U, ento nossa hipé- tese garante que F(B) = (F(u,), ..., F(uq)} € uma base de V. Logo v é combi- naglo linear de F(B): v= ayF(u) +... + agF(Ug), com ay, Como F 6 linear podemos afirmar que v= Fu +... + apa). Estando em U a combinaedo linear ayu, +... + @qq ficou provado que todo elemento de V 6 imagem (por F) de um elemento de U. Ou seja, F ésobrejetora. = 1a, ER. 4. ISOMORFISMOS E AUTOMORFISMOS Definigdo 7 — Entende-se por isomorfismo do espaco vetorial U no espago vetorial V uma transformago linear F: U V que seja bijetora. Um isomorfismo F: U + U € um automorfismo de U. Exemplos 1) 0 operador idéntico 1: U > U dada por I(u) = u para todo vetor u do espago 6 trivialmente um automorfismo de U. 2) F: IR? > P, (R) definida por F(x, y) = x + (x + y)t é também um isomorfismo. De fato. © FOu, ¥1) = Os, ya) > m1 +O HE = =m tq ty)t => =m em ty: =m ty; = uke nen Logo F 6 injetora, (I) Dado £() = @ + bt EP, (IR) basta tomar u = (a, b — a) para que se tenha F(u) = f(t). Entio F € sobrejetora, (UD) FCG, ys) + Oa, ¥a)) = FOG +s Yi ty) = tm + Forte ty tyt= am +O t yt tx +O tye = FO, yi) + Fa, ¥2). (QV) A condigdo F(au) = aF (u) 6 deixada como exercicio, Proposigio 2 — Se F é um isomorfismo de Uem V, entgo F': VU tam- ‘bém ¢ um isomorfismo (de V em U). Demonstragto @ Suponhamos v;, vy € V e F~! (vj) = F-!(\y) = u. Entio F(u) =v, ¢ F(u) = va. Dat vy = vp. Logo F-? 6 injetora, (II) Para verificar que F~! 6 sobrejetora basta observar que dado u € U, tomando v = F(u) teremos: Ft) = FT (F(u)) = a. (UD Sejam v;, vz © Ve fagamos F(x, + vz) = u. Como F é sobrejetora, entio existem u,, u © U de maneira que F(uy) = vy (<=> Fy) = us) ) = vz (<=> F'"(y) = up). Substituindo estes resultados na igualdade cial: v= F* E(u) + FQ) = FF, +4) = = buy = Fy) + Fm). Voltando a igualdade inicial: FUG ty) = Fl) +P). (IV) Fica como exercicio a demonstragdo de que: F"(av) = aF*(¥), Ya Re ¥vEV. # Nota: A proposico acima nos diz que sempre que existe um isomorfismo F: U>V ‘também existe um isomorfismo F~': V+ U (isomorfigmo inverso de F)e devido 1 isso dizemos; nesse caso, que U e V slo espacos vetoriais isomorfos. Dois espagos vetoriais isomorfos U e V muitas vezes so considerados indistintos, Para tanto, se F € 0 isomorfismo considerado de U em V, identificase cada elemento u € U ‘com sua imagem F(u) € V. us E possivel estabelecer uma caracterizaggo para os isomorfismos entre espa- 608 vetoriais de dimensfo finita, em termos de dimensfo. O lema a seguir nos levaré asso. Lema — Sejam U ¢ V espagos vetoriais sobre IR. Se dim U = ne B = = {415 Us,.-, Un} € uma base de U, entdo, para toda sequéncia vy,... ,vq de veto- res de V, a aplicagio F : U + V, definida por eF(u) = WG = 1,2,...4n). Ademais,se G : U + V élineare G(u) = vj ) ay; e wa = >, fjuj vetores de U. Ento Fows + w) = (E (ax 6) = > (i + Ami = = > aw + Y Bin = Fon) + owe) im mi TI) Fica como exerc{cio a demonstrago de que F(aw) = aF(w), para todo @ER etodo WEU. MD) F(u,) = Fu, + Ou, +... + Oug) = Ivy + Ove + Obviamente: F(tz) = va, ...,F(Ug) = Vp. IV) Seja w © U. Entdo w se escreve, de maneira tinica, como: «;u;, Daf, levando em conta que G é linear Gow) = 2) aiGtuy = 2 ai Feu) = + > ews) = Fw) ¢, como w éarbitr- a m ma ro,G = F. = Nota: Os vetores vs, ..., Yq 0 lema anterior nfo so necessariamente distintos centre si, Podem, inclusive, ser todos iguais. Mas os uj(i = 1,2,....,n)sdo distintos entre si pois B é uma base de U. 16 + 0vy =v. ‘Teorema 2 — Dois espagos Ue V de dimensio finita sfo isomorfos se, somen- te se, dim U = dim V. Demonstragio (==> ) Seja F :U + V um isomorfismo. Entdo Ker(F) = {0 }e Im(F)= V. Mas, devido a0 teorema do nicleo e da imagem, dim U = dimKer(F) + dim im(F). Donde dim U = dimV. (=) Sejam B= (uy, ...,0q}0C= fr... vn}bases de Ue V, ree pectivamente, e consideremos F : U> V dada por (2, awu)= Y, aay, confor ‘me o lema anterior. Assim, F 6 linear. Supondo >, av = 0, comoC é LLL, enttlo a ,n) eportanto >, aju; = 0. Donde F ¢ injetora. O corolirio do teorema do niicleo ¢ da imagem nos garante entio que F é sobrejetora e portanto F € isomorfismo. a= 00=1, 17 EXERCICIOS RESOLVIDOS 1, Soja P:R? > IR? a transformagio linear dada por FO, y, 8) Dar uma base ¢ a dimensio de Ke b)_ Dar uma base © a dimensio de Im(F). Solugio a) Kel) = (6, y, 2 ER 1 ty, ey 4 = 0, 0). Come Et yxy +2) » 2. Segue que Im(F) = IR? ) }é base de Im(F), ver Cap. 3, § 5. 2. Determinar uma aplicagGo linear P:R? > R tal que Ime) = Solucio Como dim Im(F) = 2, entio dim Ker(F) = 4, Podemos tomar P:R? > IR tal que =, 1,2, 1) eFO, 0,1) = (2, 1,0, 1). A imagem Fou y,2)= xP =yG, +000 OD=Y +2,y +e I ¥ +2) E claro que © exereicio em questio admite muitas solugdes, 3. Seja F 0 operador linear de Ma(IR) definide por FOO = BX,“ X=Mp(IR), onde BEM (IR), 8 {(o2) oom (a) (2) - n — i ae " — eo = Come o sistema sé admite a solugdo trivial F ¢ injetora. Por outro lado, levando em conta 0 teorema do ni- cleo ¢ da imagem, tiramos que di ‘= dim M,(IR) — dimKer(F) = 4 - 0 = 4, Logo Im(F) = Mg(IR) e qualquer base deste espaco é base de Im(F). Observe que F é um auto- rmorfismo de M, (R), Os mesmos resultados seriam obtides para qualquer matriz B inver sivel Mostrar que © operador linear F do IR dado por F(x, y, 2) = (x +x. 2 y)éum automorfismo. Determinar F Solugio Para achar 0 niicleo de F devemos resolver o sistema x+i=0 x-2=0 y=0 Loge Ker(F) = ( © F & injetora. Devido 20 coro- mar que F & um automorfismo. b,c) = (a #e,a~c, b). Loge cuja Gnies solugio & ( 1.2) = (a, b, ©), ento (x,y, 2) = Fr 9 R? dada por F (1, 0, 0) = ( & um automorfismo? = 6,00 © 10) + YF (0, 1, 0) + 2F (0, 0, 1) = x1, 1,0) + (0, 0, = (+2, x— 2, y + 62). Como 2 fnica solugo do sistema x + a=0 x = 2=0 y+6r=0 6 a trivial, entdo Kex(F) = {(0, 0, 0} e F é um automorfismo do IR3, Outra manera de re: solver: Mostrar que F leva uma base de IR? em uma base de TR? 6. Mostrar que F: R° > RY dada por F(x, y, 2) = (x, x= ¥, y ~ 2,2) & injetora mas no 6 isomorfismo de R? cm RY Solugto E claro que F 6 linsar, Por outro lado o sistema x =0 x-y =0 y-2=0 2=0 Seja a + bt + ef? © Ker(F). Isso equivale a a + bt + t e se, a = b= = 0. Logo Ker(F) = {0}. Assim dim Ker(F) = 0, For outro lado, seja ‘um pelindmio genético da Im (F). Entio P+ 2et? = a4 b + 21°), sto mostra que Im (F) = 1, Come os que geram Im (F) formam um conjunto Lal. (veritique) entfo base de Im), 120 8. Sajam U e V espagos wetorias sobre IR e F :U. — V uma transformaszo linear. Provar que = U,entio (F(B)] = Im(F), | ur}, Todo elemento v & Im(F) pode ser repress Logo existem a, ..., of © R de modo que w = Flam + FFicou provado pois que Im(F) Por outro lado um elemento, 6 dado por v = (au, +. + agp) Logo, Temos entio que IF 9. Achar uma transformacio linear do IR* no IR? cujo nici soja gerad ps Solugio {A iia a ser usada na resolugio esté contida na demonstrasdo do teorema do aicioo & junto ( € uma ase do R? que completa 0)) do alcieo’ da’ uansformagi0 que pretendemos achat Notemos que 0 problema admite infinitas solugbes, 10. Provar que 0 espaco vetorial IR? é isomorfo 20 subespago U = {(x, y, 2) © IR? |z = OF do é linear injetora ¢ sua imagem ¢ 0 EXERCICIOS PROPOSTOS 1, Para cada umn da transfrmagdes neares abaiko determine una base © dimensEo do tiene da tgem: F: R® + RR dada por F(x, (b) F: R? > R? dada por F(x, y) = (2x, x + y). (©) F:R? > RF definida por P(x, y, 2) = (x ~y — 2x ty +2,2x—¥ +2, —¥). (4) FBR) > Py) dada por FUL) = #1 axty-2 1a 12 5. Saja FR? > RP defi © Fy (R) >My ape Mes oo (0 F: My (R) > M3 (R) definida por FO) = MX ~ XM, onde =) Determinar um operador linear F: R -> IR? cuja imagem & gerada por (2, 1, 1) © Q,=1, D. Determinar um operador linear do IR* cujo mileo é gorado por eterminar um operador linear do R® cujo nicleo tenha dimensio 1, “Mostrar que cada um dos operadores lincares do IR? a seguir éinversivel e determiner 0 {somorfismo inverso em cada caso: G) FOq y, 2) = (x — By — De, y ~ 42, 2); ‘operador linear F do IR? definido por F(t, 0, 0 F0,1,0) = F(O, 1,2) = (0, 0,4). F éinversivel? Se for, determine o isomorfismo edo IR?, Sendo F:IR* IR" uma 35 alternativas so verifica ) Im(F) = (o). Sejam u, v € IR? vetores tais que {u,v ‘transformagdo linear, mostrar que uma da a) (FW,FO}ELL; —b) dim im Sejam U eV subespagos do espago W tais que W = U ® V. Consideremos vetorial U x V euja adicdo € ( plicagdo por escalares ¢ dada por a(o, ¥) = (au, av). Mostrar que & um isomorfismo de UX V em W a aplicagio assim definida: F(a, v) =u + ¥. paso Mi) + (un, ¥2) = (ay + Ua, va + ¥a) © cuja mult {e1s-+-1eq) 4 Dae cannica do IR, Soja FIR" IRM ooperadortinar dado por = &a, FO) = 63)... = ey. Determinar F(x;,..., Xp) ¢ vetificar se F um automostsma, Se for, aco automortamo invero = ‘Considere uma tansformagéo near T :U + V. Provarque, se oconjunto {T¢u) ELI. em V, ent& J} Li em U. Provar que, se T¢ injotora e (uj, . up} éLLemU, Tea)} 6 Liem V. 13, "6. ay.) bape RE. 2) Mostrar que a transformagio linear T: IR™ > IR" dada por T(ay, ay, ...) = = 0,41, a, ietora mas no & sobrejetora 1) Mostrar que a transformagio linear F:IR™ -> R™ dofinida por F' = (a2, ds, -..) sobrejetora mas ni é injotora ©) Encontrar uma aplicagdo linear injetora de PCR) em IR“. Consideremos uma transformagio linear F: U > V. Se dimU > dim, prove que existe um vetor nfo nulo Uo € U tal que F(g) = 0 (vetor mulo de V). (Ou seja, F nfo ¢ injtora) Seja W = U @ V. Consideremos os operadores lineares de W (projegSes sobre U e V, ramente) dados por Py(u +4) = ue Py(a + v) = ¥, ¥u + ve W, com Definido H: W + W por ~ Paw), Mw © W, mostre (que H 6 um isomorfismo do espago vetorial W nele mesmo, to é, H é um automor fame de W. ‘Tome W = R?,U = Pi, Pa, He = [G, ~1)] e represente geometricamente U, Provar que o IR? 6 isomorfo a qualquer sub-espago de dimensio 2 do IR 123 caPituLo 5 Matriz de uma Transformagio Linear 1, QPERACOES COM TRANSFORMACOES LINEARES Sejam U e V espagos vetoriais sobre IR. Indicaremos por L(U, V), daqui para frente, 0 conjunto das transformages lineares de U em V. Se U = V, 0 conjunto dos operadores lineares de U seré denotado por L(U). Vamos a seguir introduzir a operagdo de adiggo em LU, V). 4 Definigao 1 — Dados F, G € L(U, V),definimos a soma F + G de F com G da seguinte maneira F+G:U+V ¢ (F+G)(u) = F(u) + G(u), YuEU. A aplicagao assim definida também ¢ uma transformagio linear pois: @) F + Guy +m) = F(u; +4) + GQ, +) = = F(uy) + F(v) + G(u;) + Ge) = = F(u) + G0) + F(vs) + Gu) = =F + Gu) +F +O) & (©) (F + G)(@u) = Feu) + G(au) = aF(u) + aG(u) = = a(F(u) + G(u)) = a(F + G)(u), Temos assim uma adigéo (F, G) + F + G em L(U, V). Para essa adigao vvalem as seguintes propriedades: (@ Associativa: F + (G +H) = (F +G) +H, ¥F,G,HEL(, V); (ID) Comutativa: F + G = G + F, ¥F,G E L(V, V); (Ul) Existe elemento neutro: a transfommagio linear nula 0: U > V 6 tal que F+0=F, ¥FEL(U, V); ¢ (IV) Para toda transformago F © L(U, V) existe neste conjunto a transfor- ‘magdo oposta: existe (PE LU, V) IF +(-F) =0. A propriedade comutativa se verifica assim: SeF,GEL(U, V) © VEU, F+G)\u) = FU) + GW) = = G(u) + F(w) = G + F)(W), 0 que significa que F+G = G+F. Do mesmo modo se prova a associativa. Que o elemento neutro é a transfor- mago nula se prova do seguinte modo: Vu € U, (F + 0)(a) = F(a) + O(u) = F(u) + 0 = F(u). Por iltimo, (—F) ¢ aplicago dada por (— F)(u) = —F(u), ¥u€ U, Deixamos como exercicio a verificagio de que (—F) € L(U, V). Por outro lado, ¥u€ U, + (CF) = F@) + (Fu) = F(u) + (—F(W)) = 0 = 0(@), 0 que vem mostrar que de fato F + (—F) = 0. A seguir, definiremos a multiplicago de uma transformagSo linear por um scalar. {> Definiggo 2 — Dados F € L(U, V) e a € IR, definimos o produto a F de F por @ assim: oF :U +V e (aF\u) = aF(u), Wu € U. A aplicagdo aF assim definida também é uma transformagdo linear de U em V, ou seja, também pertence a L(U, V). Deixamos a constatagdo desse fato ao leitor. Dessa fonma ficou definida uma multiplicagfo de R X L(U, V) em L(U, V) ‘multiplicagdo essa que tem as seguintes propriedades: © GBF = a(@F); () (@+ OF = aF + BF; (UD) eF + G) = oF + 0G; (iv) 1F=F; quaisquer que sejam a e 6 em R e F e Gem LU, V). Fagamos a verificagdo de (Il). Para todo u € U, (a(F + G))(u) = = a((F + G)(u)) = a(F(u) + G(u)) = aF (a) + aG(u) = = (@F)(u) + (@G)(u) = (@F + aG)(u). Logo a(F +6) = aF + aG. Do que vimos até aqui neste pardgrafo podemos concluir que se U e V slo espagos vetorias sobre IR, entdo L(U, V) também é um espago vetorial sobre R ‘em relago ao par de operagSes consideradas acima, No proximo passo, introduziremos a importante operagio de composiggo de transformagbes lineares. Definigo 3 — Sejam U, Ve W espagos vetoriais sobre IR. Se F:U > Ve g:V_ + W sio transformagGes lineares, define-se a aplicaedo composta de F e G (no- !agdo: G © F) da seguinte maneira: GoF:U+W e GOR) = G(F(u)), Yue U. Gor & ficil provar que GoF € L(U, W). De fato: @ (GOF\(us + %) = GRC + w:)) = GR) + FO) = = GF(u)) + GF@)) = GOF)u) + Gotu). (©) Fica como exercfcio mostrar que (GoF)@u) = a(G OFV(u). importante considerar, quanto & composigdo, 0 caso U = V = W. Pois quando isto acontece (G, F) > GOF passa a ser uma operapo em L(U) que apresenta as seguintes propriedades: (@ (OG)oF = HoGOF), VH, G, F € L(U)(associativa); (i) IoF = Fol = F, ¥F € L(U) (0 operador idéntico € 0 elemento neutro da composigao); (i) Ho(F + G) = HOF + HoGe(F + G)OH = FoH+GoH VF, G, HE L(V) (@ composigdo ¢ distributiva em relagdo a adigao). ‘A verificago de (I) e (Il) fica como exerefcio, Quanto a (III) sua primeira parte se prova assim: para todo u € V, ((HO(F + G))(u) = H(F + G)(u)) = = HO (u) + G(@)) = HE) + HG(a)) = (Ho F)(u) + (HOG)@u) = (HOF + + Ho G)(u); logo HO(F + G) = HOF + HOG. Notas: 1) A operagéo (F, G) + FOG no é comutativa em geral. Por exempl dados F: IR? + IR? e G:IR? > R? por F(x, y) = (x + y, 0) € Gx, y) =, 2y), entio 126 (GOF), y) = GEG y)) = G& +y,0)=&+y,0) & (F OG)(x, y) = F(G(x, y)) = F(x, 2y) = & + 2y, 0). Logo GoF # FG, 2) No conjunto L(U) define-se potenciagio para expoentes naturais assim: F° = (operador idéntico); F! = F; F? = FOF; = FORO; ... Contudo 6 bom observar que para essa potenciagdo podemos ter resultados em principio curiosos como F? = I, com F #1 ¢ F #1, F* = 0 (operador nulo) com F # 0. Um operador F € L(U) tal que F? = F chamase idempotente (ou projeefo); se F" = 0, para um certo némero natural n, entdo F se diz. nilporente, Exemplos 1) F: IR? > RP onde F(x, y) = (0, x) € nilpotente pois: F(x, y) = FOG, y)) = FO, x) = (0, 0) = Of, y) © que nos garante que F? = 0. 2) 0 operador derivago D: Py (IR) > Pq (IR) € nilpotente (por qué?). EXERCICIOS-RESOLVIDOS 1, Sojam F: RO > RP e G: R > IR as transformagGes lineares definidas por F(x, ¥, 2) = = (4 ¥, 2),¢ GOs, ¥, 2) = (x, ¥ — 2), Doterminar as seguintes transformagGes lineares de Rem BR: ) F+G e b) 2F 36. Solugio e+ b) QF - 36), 9,2) = 2x +2 — 3059 — ¥.2) ~ BG), ¥, 2) = IPO, ys 2) = IGE, ¥, 2) = 2y, ~3y +5 2, Sejam F: IR? > IR e G: R > R as transformagies lineares definidas por F(x, y) = x + 2y © G(x) = 2x, Determinar a transformagdo G 0 F. Solugio (GoFYR, y) = GRE, y) = Gx + Dy) = 26K + Py) = 2x + Ay. CObservemos que a composta F 0 G nfo esté de 127 3. Consideremos F, G € LOR?) definides por =O -¥,9e6&W =O, 0. Determinar: ) 2P +36; ») Fo; 2) Gor; ® F 9 @. Solugio Todas as transformagGes 2 serem determinadas pertenoem a L(R?), » ) = IPR, 9) + 3G, ¥) = 20K ~ ¥, 9) + 304, 0) = (Sx ~ 2y, 20); ¥) = FU, 99) = FO, 0) = Ge, =GFG,y)=G&-y,9 = -¥, DEFOE = y= CY X= = Gx, 0) = & 0). Como G? = G, entio G é um operador idempotente, ® ° 4, Sejam F, G & LOR?) del Determinar: a) Gor; bw FoG: Solugio 8) GoFMx, y) = GEE, ¥)) = GO, x) = 0, 0. Notemos que Go F € 0 operador nulo, embora nem G e nem F 0 sejam, ) FeG, y= = Fe, 0) = @, 0. Notemos que F 0G = F, embora G ndo seja 0 operador idéntico do IR’, ©) GoFF y) = GoFMGOPL, y)) = GoF)O, 0 = GP, y= (x, )) = (Fo G) Notemos entio que G oF = 0 ¢ que Fo G & um operador nilpotente pois (F © G)? = 0. 5. Sejam F, G & LOR?, R?) definidas por F(x, y, 2x) GY, = KY, ae HE LOR) dado por H(x, y) = (x + y, x — y). Determinar: a) Ho@ 4G) © b a+ Dor, conde I indica © operador idéntico de I. 128 Sotugio a) HOF +6), y,2) = HOF + HOG) y, 2) = HE y, 2) + GE, = HO, 23) + Hex ~ y, 9) + Ox, ~29) + Ox ~y, ~¥) = x — y, -28 — y) ») is ) = HOF + F(x, y, 2) = x, ~2x) + (0, 28) = (2x, 0). 1&2, 3} a base candnica do R°, Se F © LOR) 6 0 operador tal que (ea) = &9 © Fle) = 1, 2) doterminar F(x, by mostrar que F? = Te que, portanto, F? = F-4 + ¥Plep) + Fes) = (x AV) = O49) CPG, 2) = FOB) Loge F* = I, Como F?0 F = F oF? = F°, entio F? =F . Sojam F & LOR®, R) © G& LOR’, R°) dadas respectivamente por F (x, ¥, 2) = (x ~ Ys ¥ ~2)€ GG ) =X —¥,¥ — XX +9). Sendo I 0 operador idéntico do RR? verifique se GoF +16 um automorfismo do I, Se for, determine © automorfismo inverso, Solugio GoF + D&D = GCOMGy, 0 +O y= GOK - yy ~2) +O SK Wy Ha —K 4 Dy 4x +O) Ox Dy Hn, KH 3y Determinemos Ker (G oF + 1) pela resolugo do sistema: x= 2y 4220 -x+3y-2=0 x =0 iflcar que © tinica solugio dose sistema é a trivial e que 0, )}. Assim GoP + 16 am automorfiano €o R° Detenminemes 0 isomortsmo inverso, Fayamos G oF +1=H1.Suponhamos Hy y, 2) = . = 2646-44 3b~ 6,8). Daf (22-2 +0=x eo caja solugfo 6 x 4 y ~ 2, 3x 42y ~ 4). Logo WD x+y 2, 3x 4 2y— 42). 8. Consideremos as seguintes transformagées lineares do IR? no R?: F(x, y, z) = (y,x +2)¢ ¥, 2) = Qz, x ~ y), Mostrar que {F, G) 6 lineanmente independente no espaso 129 10, a. 3 Solugio Suponhamos oF + G = 0 (transi = (0, 0), (x y, 2) € R®. Em ps (GF + 9G)(1, 0,0) = aF (1, 0, 0) + 6G = (0,0). Dafa +8=0. Analogamente (oF + 8G)(0, aero. tio (@F + BGM, yy 2) = tiramos 0 soguinte: 0,0) = a(0, 1) + 900, 1)= Oa + 8) = = 2p) = ) do que segue a = 29 = 0. Logo a = Notemos que bastaria ter aplicado aF + Gem (0,0, 1) para concluir o exerefcio, Normal- mente seriam necesstias as duasrelagdes obtidas maisa relagdo resultante deaplicar aF + 6G 20 vetor (0,1, 0) Seja Fc LOR’) definida por Fox, y, 2) = Gx, x a = 10 ~ 3 = 0 (operador nulo) Solugio a ¥. Ox + y + 2), Mostrar que Ys 2) = (Bx, 2x, 93), Por outro lado (F — 36%, y, 2) = = 0.x ~ Ay, 2x + y ~ 22), (0, x= 4y, 2x + y ~ 22) = (0, 0, 0). p= F- 3P_ FP + 31 ‘Todo vetor v € V pode ser assim escrito: v = (v — FW) obviamente 10 nicleo pois Fiv ~ F(v)) = = F() ~ F2() = FO) ~ F() =o. Por outro lado suponhamos que ve Ker(F) im). Entio v = F(u), com u € V, ¢ F(¥) = F*(u) = F(u) = 0, Logo v= 0, + FQ), A segunda parcola Sejam U e V esparos vetoriais de dimenslo finita e FC L(U, V). Definese posto de F (notasd0 p (F)) do seguinte modo: p(F) = dim im(F), Mostrar que: ) op +6) dim im 0G) pF 0G) < PG. Portanto p(F °G) < min {o(F), 0(G)}. operador nul) eF ~ (ug) #0. Mostrar que Fup), «6, PPE (ug)} 12, Sejam F € L(V) ¢ ue © V tais que fue, Fe 6 um conjunto Ll. em V, Solugio Supoahamos que age + aF(Ug) +... + a9-1F*Mup) = 0 com cer tna ER. o a0, E dbvio que se F = 0, entdo P™*? = PM? =... =0, Apliquemos F* agF™"(ug) + oF ug) + oF Mug) +... + an-aF? = agh™ fag) # 2, ent¥o ag = 0. Eliminando agug de (1) ¢aplicendo F™? chegaremos 2 a1 = 0. Repetindo 0 racio« ‘a ~ 2 vezes iremos concluir que ay = a, = eeantatol EXERCICIOS PROPOSTOS 1 Fay, 2=& ty z+ Z) © Gy y, 2) = 4 2y,y— 2x +22) Deteminar: a) FoG:; b) Ker 0G) elm(G oF). ©) uma base © a dimensio de Ker (F? 0 G). 3. Seam F € LOR’, B®) e G © LOR’, IR?) assim definidas: FO, 9) = (0%, X= 9) © GO% ¥, 2) = (X - ¥, x + 2 + 32). Determinar FOG OF x). Determine Fx, y), sendo n > 1 um 4, Scja F LOR?) dado por F(x, y) = (OR?) dada por Gix, y) = 05, 0). rnimero inteiro, Mesmo exercicio com 5, Seja F € LOR?) o operador, dado por F(1, 0) = 2, 5) FO, 1) = G, 4). Verificar se sio automorfismot do R?: G=1+F ce H=1+F 131 10. 4, 13. Mostre que os operadores F, G, H © LOR?) dados por F(x, y) = (8, 2y), ares de um espago vetorial V, Mostze que Ker(G) © C Ker (F © G), Dé um exemplo onde vale a igualdace. Scam F L(U, ¥) © G € L(V, W) tais que KerF) = {0} e Key Recep an 1) = {o}. Provar que ). Sejam U e V sub-espaos do espaco W tais que W = U®V. Todo vetor we Wseescrere, de maneira Gnica, daseguinte forma: w = u + vue Ueve V). Sendo P, © Py a8 pro. Jegbes dadas por Py(w) = u e Pa(w) = v, mostrar que: (© ProPy = PyoP; = 0 (operador nulo de W. Mostrar que um operador F € L(V) 6 idempotente se, somente se, I~ F éidempotente. Seja F © LORY) dado por FY, 0 =O, xy + 2%24 dy +n) Mostrar que: a) Fao; ¥) 1 F éum automorfisme do RY e+ F 4+ FP 4 P= — Ht velorial dos nimeros complexos sobre IR. Consideremos F, GE L(C) a) FS ad) FoG; Ft; ) eG) 6; Determinar se os seguintes operadores lineares do IR? sio idempotentes ou nilpotentes fou nenhuma das duas coi Foy ys. 2) = Ox -¥,— Foy) = x 2 Foy = 0, * Fe y,2)= @, 0, 9. 132 by Mostrar que F? — 2F + 1 = (F ~ )? = OmasqueF — 1 #0. 15. Sejam F e G operadores incares do um espago V tais que FOG = GOP. Mostrar que Ken(F) + KeG) ¢ KexF 06) 16. Seja F © L(V) um operador tal que F? — F +1 = 0, Mostrar que F ¢ inversivel © que FS I-F, 17. Sejam F, G € L(V) tais que FOG = GOP. Mostar que: a) © +6 = F742 o@ 4G DF +QoP-G =F, "18, Soja (uy, uz, .-., up) uma base de um espago vetoril V de dimensio n, Considerando, © operador linear T © L(V) tal que T(us) = up, Tug) = us, ..., Tp) = Uy, mostre que T = 1 mas que T! #1 19, Mostrar que o operador derivigdo em Py(IR)& nilpotente #20, Sejam F, GE L(V). Se F & um automorfismo e a 6 um escalar + 0, mostrar que: B(@G) = 1G) © pF 9G) = PG OF) =p, (eja exercicio resolvide n? 11), 2. MATRIZ DE UMA TRANSFORMACAO LINEAR Sejam U e V espacos vetoriais de dimensio n e m, respectivamente, sobre IR. Consideremos uma transformagio linear F: U = V, Dadas as bases B = de Ue C= (v4, ..-, Ym} de V, entio cada um dos vetores Fu estd em V e conseqlientemente € combinagdo linear da base C: F(u,) = auvs + Oaiv2 +... + mim (ug) = oa2¥y + Gaava +... + Oma Vin F(Up) = Gina + Ganva + ou simplesmente Fa) = > onde 0s aij esto univocamente determinados. 133 Definigio 4 — A matriz m X n sobre R My a... On om On On = (ai) Gms Oma ++ Oma que se obtém das consideragdes anteriores 6 chamada matriz de F em relagdo is bases B eC. Usaremos para indicar essa matriz. a notagio sc Notas: 1) Se F € um operador linear ¢ considerarmos B = C, entio diremos apenas matriz de F em relagdo a base B para indicar a matriz acima definida e usaremos a notagdo (F)y para representéla, 2) Sempre que ndo haja dividas quanto a0 par de bases que estamos consi- derando escreveremos apenas (F) para indicar a matriz de F em relagdo a esse par de bases. Exemplos 1) Qual a matriz de F: IR? > IR? dada por F(x, y, 2) = (x+y, y +2), em relagdo a bases B= (uy; = (I, 0, 0); wm = (0, C= =0,0)4% =O, 0) 0); us = ©, 0, FQ) = (1,0) = Im + Ow F()= (1, ) = 0 + 1% F(uy) = 0,1) = —vy + va (verifique) 1 0-1 ree (127) 2) Seja U um espago vetorial sobre IR € seja I 0 operador idéntico de U. Dadas as bases Be C de U, 0 que é (I)p,c? Suponhamos B = (uy, ..., un} eC = { = (ai), ++2 Yn}. Entdo, se ()p,c = 134 test Onn U(Up) = Un = Guns +... + Gann © que. mostra que (Dp,c & a matric de mudanga da base C para a base B. Sejam U e V espacos vetoriais sobre IR de dimensGes n e m respectivamente. Conforme vimos, uma vez fixadas uma base de U e uma base de V, a cada transfor- ‘magdo linear F © L(U, V) esté associada uma tinica matriz (F) real m x n, Ouse ficou definida uma aplicagio F>(@) de L(U, V) em Mm xn(R). —-f>Proposigéo 1 — Sejam Ue V espagos vetoriais sobre IR de dimens6es ne m respectivamente. Entlo,fixadas as bases B= {uy,...,Un}¢C = (¥iy-.- Ym} de Ue V, respectivamente, a aplicagdo F -> (F) que a cada F € L(U, V) associa a ma- riz de F em relagho as bases B e C & bijetora. Demonstragio — Suponhamos F, G © L(U, V). Se tivermos (F) = (G) ento as respectivas colunas de (F) e (G) sfo iguais e dat F(uj) = G(w) (j= 1,.. 0). Dado u = x ayy EU, Fu) = ¥ Fu) = x 4 G(ui) = G(u), ou seja F = G. Que F + (F) € sobrejetora é conseqiiéncia direta da definigfo de matriz de uma transformagzo linear e do lema que precede 0 teorema 2 (pag oe on) ache F € L(R®, IR?) de maneira que, sendo B= {(1, 0,0), ©, 1,0), 0, 1,2) e C= se tenha M = (F)p,c. Da definigdo de matriz de F decorre que devemos ter: FQ, 0, 0) = 101, 0) + 044, 1) = (1, 0) F(, 1, 0) = 20, 0) + 10, 1) = @ 1) F@, 1, 2) = 31, 0) + 00, 1) = G, 0). Exemplo — Dada a matria 9), , I}, 135 Seja (a, b, ©) € IR?. Supondo (a b, &) = x(1, 0, 0) + y@, 1, 0) + 2(0, 1, 2) ieee obtemos: x = a, y= b - e 2 => Logo FG, b= Fatt, 0,0) + (b-$) 0, 1,0) +50, 1,29) = 9+ (»-S)an+$e,0- = (0+9,5-4), ‘Vejamos agora como se comporta a correspondéncia F -* (F) entre os espagos vetoriais L(U, V) ¢ Mm xn(IR). Dados F,GEL(U, V), se (F) = (aj) € (G) = (Gj), em telagso a0 mesmo par de bases B e C, determinemos a matriz de F + G em relaglo a esse par de bases. tm}, entdo Supondo B= {u,..., tn} ¢ C= iv F + Gu) = Fa) + Gu) = Fag + > By = a a 2). = > y+ 6% Gat i Logo (F + G) = (ay + By) = (ay) + (By) = F) + G). [Em resumo: a matriz da soma de duas transformagdes lineares & a soma das ‘matrizes de cada uma, em relagdo ao mesmo par de bases. Isto significa que a corres- pondéncia F > (F) comporta-se bem em relagdo a adigdo. Sejam U e V como acima e tomemos d € IR. Supondo (F) = (aij) 0 que é AF), em relagao a0 mesmo par de bases? Um raciocinio andlogo a0 da parte anterior (fica como exereicio) leva a0 seguinte resultado: QE) = Cay) = ay) = XE) isto é, a matriz do produto de uma transformagdo linear por um nimero é igual 4 esse nimero multiplicado pela matriz da transformacfo linear dada, | 136 Conclusio: Reunindo 0s resultados obtidos até aqui neste pardgrafo, tira-se a con- clusdo que, dados 0s espagos vetoriais U e V sobre IR, ambos de dimensdo finita, ¢ fixando uma base de U e uma base de V, a aplicagdo: F>@) € um isomorfismo do espago vetorial L(U, V)-no espago vetorial Mm n(IR), desde que dim U = nedim V = m, Em particular concluise que dim L(U,V) = mn pois esta 6a dimensio de Mm (IR), conforme jé vimos. 3. MATRIZ DA TRANSFORMACAO COMPOSTA Seja U, V e W espagos vetoriais sobre IR de dimens6es m,n e p, que admitem bases B = {Ui,... tn}, = (v1, ...,¥m}eD = {wy,..., Wp} .respectivamen- te, Supondo F € L(U, V), G€ L(V, W) € que (Fs,c = (@ij) Go, = (oxi pretendemos determinar (G 0 Fp, p Seguindo a definig#o de matriz de uma transformagio linear: Logo o termo geral de (GOF)p.p € 74) =D. Bkiay que 60 termo geral de Go,p + ()p,c- Logo temos a igualdade (GOF)B,p = Gc,v + ®)a,c. Costuma-se dizer (imprecisamente) que a matriz de GF € igual a0 produto da matriz de G pela matriz de F. ___E de se esperar que isomorfismos ¢ matrizes inversiveis estejam relacionados, E 0 que veremos a seguir. Sejam U e V espacos vetoriais sobre R de dimensio m. Se B e C so bases de U eV, respectivamente, ¢ F: U-> V & um isomorfismo, mostremos que ®)p,c ¢ inversivel ¢ que a sua inversa é dada por (F~")c, y. Isto é consequéneia direta da formula da matriz da composta, obtida logo acima: 137 ®ac +f Ye,3 = (FOF Yc =h & Yop + a,c = FOF) = In pois a matriz do operador idéntico, tanto de U como de V, é Ip. As igualdades obtidas provam nossas afirmayies. Exemplo — Consideremos o isomorfismo F: IR? > P, (R) dado por: FQ y) =x + + yt Considerando as bases candnicas B= {(1, 0), (0, 1)} © C = (1, t} desses espagos, determinemos (F)g c. Como F(1,0)=141t FOI= it Pree (1 ° ®ac= (| Caloulemos a inversa dessa matriz: 10 1 0; 10 10 ~ ¢ portanto fou o aj-1 1 14 6 a inversa da matriz. de F, ou seja, € a matriz de F~! em relago aC e B, Da FHC) =( F'() =, do que se conclui que Ft (a + bt) = a(1, —1) + b@, 1) = (a, —2 + b). Esta é a lei que define F! entao: Como um resultado importante das fOrmulas acima, vejamos como se resolve © seguinte problema Seja U um espago vetorial de dimension sobre IR. Dadas as bases B = = ity, sy Unb eC = 4 +¥a} de U e dado T © L(U), pretendemos esta- belecer uma formule que relacione (T)p com (T)c. Isto com a seguinte finalidade: quando se muda da base B para a base C, 0 que acontece com a matriz de TELU? Proposigao 2 — Nas condigGes acima, se M é a matriz de mudanga da base B para a base C, entio (T)¢ =M"! + (Tp + M. Demonstragéo — 34 vimos (exemplo 2, parégrafo 2 deste capitulo) que a matriz de mudanga de B para C é (I)c,p, isto 6, M = (Oc,B- 138 Daf entio: Mt = "a,c = Onc. Portanto M(T)pM = Os,c(MaMc,p = Ma,cMe,a = Me conforme havfamos afirmado, = EXERCICIOS RESOLVIDOS 1. Sia Fe La, R X + y), Determinar a matriz de F em relagio is bases B= de R? © C = base candnica do R?. De (1) vem: fart 2b) =1 ee as-le bel Jay + 5b, =2 De @) vem (a +22 =0 { ede by=-2 \3ag + Sb =2 De @) vem [a3 + 2b =0 . ay =2e by=-1 Bag + Soy =1 139 © “1 4 2 Be= (oy 3. Determinar a representagio matricial de cada um dos seguintes operadores do IR? em rela- fo as bass indicadas: 4) FO y) = x, 3y — x) e base candnica; b) F(x, y) = (3x —4y,x + Sy)e base B = {(1, 2), (2, 3)}, 20 @= 13 { => nese yan \an, + 3%) = 1 De 2) vem [ a + 2b) =-6 => nee yam. {onto e 2 Poranto 5 a7 82 Be Aer -29 Determinar 0 operador F do IR? cuja matriz em relagdo a base B= {, 1a 12 ransformagio temos: =1 a, DF é Sotugio Pela definigfo de matrix d FC Escrevamos (x, y) como combinagfo linear da base B(x, a+ b=x eat M=yedaia=x—y e b=y—x. Pot + (7-02, 4) = Ox 2x + 9), 140 5. Seja F © L(P)(R)) definido por F(g() = (1 ~ g'(). Determinar a matriz de F em relagdo 3 base canénica de P; (R). Solugio A base canbnica de Pa! ‘nagio linear: € B= (1, t}, Usemos a definigdo de matriz de uma transfor- 5. Seja F 0 operador linear do? cuja matriz em relacio 4 base B= 10 Pp a= () 5 Detecminar a matriz de F em relagfo @ base candnica, usando a fSrmula de mudanga de base para um operadar linea. Solugio Indicando por C a base canénica devemos aplicar a formula F)g =M~'(F) gM, onde M & a matriz de mudanga de B para C. Calculemos M. 4 aS MGA) Considere © como espaco vetorial sobre R Determine a matriz do operadot ado por F(2) = Z, ‘Vz & C, om relagHo 8 base {1, 1} em relacio a base (1 14 1o => "= o-1 ) +b, +29 =30 +) — 20 41 +b +2) 4 sD ») FG +d=1-izaa 1+ 2)=1-2= a1 + = 1429 8, Seja V um espago vetorial de dimensio 3, Seja B= {e1, ¢,, ¢y} uma base de V. SendoF (© operador linear de V tal que Fle) =e © que deixa fixos todos os vetores de W = = {seq + yey + 203 1x —¥ +2 = 0), determiner Pp achemos um sistema de geradores de W. Um vetor tipico de W é da forma 4 Deg + 203 = x(er + €2) + Z(e2 + €5)- Logo W= ley + 2, €9 + e3) Funtando 0 fato de F ser linear com 0 fato de F deixar fixos 08 elementos de W tiramos Pee + e2) = Fle) + Fle) =e + Fe) =e +e. do que segue Fez) = ey © ainda, F(ez + 05) = Flea) + Fes) = 1 + Files) = e2 + 63 que acarreta F (es) = —ey + ¢9 + €5. Em sesumo temos: F(ey) = Oey + Je + 003 F(eq) = Ley + Oey + O03 Fees) =—e1t eat 63 oo ®g- fr 04 oo 4 9. Determinar 4 matriz do operador derivacio em Py(UR) em expago. «, portanto, cdo & base candnica desse Solugio [A base candnica de Py(R) EB = (1, @, ..., €). Entdo Le oreors... +o Le oreo +... +08 SO-L orto +... +a +o" 142 o 10 ° 002 ° 000 o Mp= oo 0 a oo °0 ° RR, respectivamente, Solugdo Fas fp a Fe) 11. Verifcar matriciaImente se 0 operador linear F & L(R®) dado por F(x, y, 2) = (x —¥, Dyy + rel. Se for, ache F! também por meio de matrizes, Solugio ‘A matiiz de F em relasio a base candnica do R? & Come a 00 1 02 to)}- o1 o1 143, Achemos agora G(x, y). Como 0) + 10,0, = GO, yy = AC, 1, D+ = ty KD Se +H) 1S. Seja W = U © V e suponhamos U © V invatiantes pelo operador linear F € L(W), isto &, CU e F(V)C V. Supondo dim U = me dim V = n mostre que existe uma base de W om relagdo A qual a matriz de F & da forme *) conde Ae B sfo matrizes de ordem me n, respectivamente, Opp, n & a matriz mula de ordem MX ne0p, ma matriz nula de ordem n Xm, ss Yal 880 bases de U © V respectivamente, entio B= + ¥q)} é uma base de W. Calculemos a matriz de F em relagdo a 1...,meFODeEV ),entfo Sanus +... amu, Fig) = enmity ++. + @mmtm Bava tos Bnav Arava +--+ Bon fan ) Fon lineares $ do W? tais que S(x, y) = (ax + by, ex) © Fazendo a teremos @p= (_. LB \0; 16, Determinar todos os operador S? = I (operador idénti Solugio $y) = Stax + by, ex) = (lax + by) + bex, e(ax + by) = 146 Pabe=t » #0 (G? + box + aby, sex + bey) = Oy) PQ be = ma obtido encontramos a = 0.¢ be = 1, ou seja,¢ = DW, Entdo satis lados por S(x,y) = (by,dx), Resolvendo {azem as condieSes do problema todos os operador deo. EXERCICIOS PROPOSTOS 1. Soh Fe LOR, R?) definda por Fox, ¥.) = G#H y ~ 22) Determina Pp g sendo B= {( 3, -D}e C= {d, 9, @, —D} : 2, Determinar as matrizes das seguintes transformagSes lineares em relagio is bases eand- nicas dos resp (UD. F € LORS, R) definida por P(x, y, 2 0 = 2x ty — 2+ Ht, IV) F & L(R, R°) definida por F(x) = (x, 2x, 35) 3) No espago veto Ma (R) 8 Determinar 2 matriz do operador linear F & LM (R)) dado por F(X) = MX — XM, em telago & base canbnica 10) fo 4 oo) fo o o of’ \o of’ \r of’ \o a 4. Seja F 0 operador linear de Mz IR) dado por ( : ° Fan = ® 24 S4X em My (R), Sendo B a base canGnica do espaco Mf (IR) determine g trago da matriz (F)p. (Nota: apo = soma dos termos da diagonal principal.) do Mz (RD. 5, Caleular 0 trago da matsiz do operador linear F< L{IR®) dado por F(x, y, 2) = = (x, x= yx + 2). Gonoralizar para F(x, y,2) = (ax + by + c2,dx + ey + f2gx + + hy + i. 147 148, Seja F 0 operador linear do R? cuja matriz em relagio 4 base B = {( 14 ®p= 5 Determinar a matriz de F em relagZo & base can6nica, usando a férmula de mudansa de ‘base para um operador. Soja B = {e,,¢q,¢} uma base de um espago vetorial V sobre IR. Sendo F, G EL{V) dados por Fey) ep Flea) = Fle) = 204 + e5.GlED) = ey ete) = 540 & base Bas matrizes dos seguintes operadores Tincars F,G,F+G,2F GF 0G, oF F? + G2, F"(cato exista) e @ ‘Determinar 0 operador linear do IR? cuja matriz em relagio & base B = {(1, 2), (0, 5)} & (2) Py (R) © P3(R) respectivans SejaF € L(P0R), R) detnia por Fp) = [1 rio it. Detorminar a matri de F em 3) B= bw Be ‘Sea matriz de um operador linear F do R° em relagéo & bate candnica & 110 o 10 o 1-1 ese H= 1+ F + 2F?, determine a matriz de H em relagio a base candnica do R°. Ache também Hs, ¥, 2) Doterminar todos os operadores que F? = Fe (uy) = (ax,bx + + a). Determinar todos os operadores Tincares F do IR? tais que F? = 0 (operador nullo) © que Fx, y) = (ax + by, cy 14, Sejum F e G operadores lineares do IP tais que: F(x, ¥, 2) = (%,2y,y - 2) e que a matric de 2F — G em relagdo & tase candnica é 110 o10 124 Determinar a matriz de G em relagdo & base candnica. Determinar também G(x, y, 2). 15. Seja T um operador linear de um espago vetorial V de dimensio 2. Se a matriz de T fem relagfo a uma certa base B de V é ({) mostrar que T? — (a + &)T + (ad — boil = 0 (operador nut). 5. Sajam V um espago vetorial de dimensfo finita ne F< L(V). Se Ué um sub-espago de V {de dimenséo m e se U ¢ invariante pelo operador F, mostrar que existe uma base de V em relagdo & qual a matriz de F & da forma (3) fonde A é uma matriz m x m, B é do tipo m x (1 ~m), 0 € a matriz mula (n ~m) xme 6 quadrada de ordem n ~ m. 4, ESPACO DUAL Seja U um espago vetorial sobre IR. Conforme jé vimos 0 préprio IR é um espago vetorial sobre RR. Logo tem sentido falar em L(U, IR) como espaco vetorial sobre IR. Este espago vetorial ¢ chamado espago verorial dual de U e:costumma ser denotado por U*. Assim, L(U, RR) = U*. Cada elemento de U* recebe o nome de forma linear ou funcional linear sobre V. Exemplos 1) F: R® > IR dada por F(x, y, 2) = 2y & um elemento do espago (R*)* pois se trata de uma transformago linear de IR em R. E portanto uma forma linear sobre R°. 2) Em geral como se apresenta um elemento F do espago dual de IR"? Seja F uma forma linear sobre o IR". Indiquemos por {e,,€2,..-4€,}@ base can6nica 149 de IR®, isto é, ¢ = (1,0,...,0),e3 = ( 2en = (0, 1). Da- do entdo u = ( Xn) IR®, u é combinago linear dessa base da seguinte ma- neira: u = x1) +... + Xqeq. Logo F(u) = x1F(e1) + ... + xXpF(@n). Se indicarmos por k, ‘mos: + kg 08 escalares F(e), ..., Fleq), respectivamente, tere- FQ, ++ Xn) = kixa +... + Kaka. Por outro lado, dada uma nupla qualquer verificar que a aplicagéo F: R" + R, dada por: F(x; + kpXp ¢ uma forma linear sobre o IR". Entéo podem © somente se, existem nimeros reais ky, ..., ky de forma que FO, a) de ndmeros reais € fieil Mn) = axa +... + Kata, ¥ Ga, - 2, Xn) © R™ Seja U um espago vetorial sobre IR de dimensfo n. Se B= {uy,..., Un} é uma base de U, entéo todo vetor desse espaco se apresenta como u = x,u; + +... + Xplla, Com os x; em IR, e € facil verificar que pertencem ao dual de U as aplicagSes Fr, ..., Fr assim definidas: F:U+R e Rex = 1 Dado F € U* suponhamos que F(u;) = on). > F(n) = kn: Entio F(u) = x,F(uy) +... + XpF(Ug) = kx, +... + kaXa = kyF i (u) + +... + kyFa(W) = (kiF, +... + kyF)(0). Como u & genérico concluise que F = kjP, +... + kgFy. Com isso provamos que SFA] =U* Por outro lado, se admitirmos que ayF, + nla), teremos: + anFy = 0 (transformagio e4F, (01) +... + agF (us) = ay = 0 OyF; (ug) +... + oF n(Ug) = op = 0 © que vem garantir que (F, Fa} um conjunto LL. em U*. Assim provamos 0 seguinte teorema: Teorema 1 — SeB = {uj,..., ta} € uma base do espago vetorial U,entao as aplicagoes F,, ..., Fy que associam acadau = xu, +... + Xp, € Uosele- ‘mentos X;, ... %q, Tespectivamente, pertencem a U* e constituem uma base deste espago. Logo, se dim U = n, entio dim U* = n, Nota: A base (Fy, ‘n} construfda no teorema acima leva o nome de base dual da base B= } Un} 150 Exemplo — Determinar a base dual da base B = {(1, 0), (1, 1)} do RY Sejam U; = (1,0) € up = (1, 1). Conforme 0 exemplo 2 dado neste pardgrafo: F, (xy) = ax + by Fy (x,y) = ox + dy faltando-nos determinar 2, b, ¢ © d. Mas isto questo apenas de fazer algumas substituigSes convenientes: F,(u,) = al + b0=1 F,(u;) = al + b1 =0 F,(u)) = el + d0=0 F,(4) = el + dl =1 Logo a= 1, =—1, =O ed=1. Assim a base dual de B é {F,, Fy}, onde: Fi@y)=x-yeR Gy) =y, ¥Ouy) eRe 5. MATRIZES SEMELHANTES Dadas as matrizes Pe Q, ambas quadradas e de ordem n, dizemos que P 6 semelhante & Q se, € somente se, existe uma matriz inversivel M, também de ordem n, de modo tal que P= MOM. E facil ver que a semelhanga assim definida € uma relagto de equivaléneia em M(B). A semel presentaggo mi nga de matrizes est intimamente ligada A mudanga de base ¢ re- cial de operadores lineares. ‘De acordo com a proposigo 2 demonstrada neste cs mesmo operador linear sfo semelhantes, Mas também se P = M“?QM, ent#o P e Q representam um mesmo operadc esta afirmagio, Tomemos uma base B de IR” (estamos supondo as matrizes reais e de ordem 2) © ae F € LOR") 0 operador tal que (F)g = Q. Suponhamos B = = (uy, ..., Un} © M = (@y). Consideremos entdo os vetores do IR": Va = Gant +... + Gantin Como a matriz M ¢ inversfvel pode-se concluir que 0 conjunto C = {v,..., Ya} também é"uma base de IR", Como obviamente M € a matriz de mudanga da base B ara a base C, entéo M = (Dc,p. Teremos entéo P= MQM = Mp,c®)aWec,8 = Fc. Logo P é a mattiz de F em relagfo a base C. A semelhanga de matrizes aparece também no problema de diagonalizagio de uma matriz. Definigo 5 — Uma matriz, quadrada se diz diagonalizavel se for semelhante uma matriz diagonal ‘A questa de saber se uma matriz.quadrada é ou nfo diagonalizivel & bastante importante mas somente seré tratada no capitulo 2 da parte 2. A seguir daremos apenas um exemplo. 12 ae 32 € diagonalizével pois se considerarmos a matriz. inversivel 201 rf. M= entio Mt = 3-1 S \3 -2 calculando teremos: A matriz snes (5_$) em man EXERCICIOS RESOLVIDOS 1, Sejam Fy © Fz of func lineares de (R?)* definides por Fy (x, y) = 2x + y © Fas, y) = x ~ 3y, Doterminar: ) Fy, 45F, © b) -3F; + 2Fy 152 Solugio ) @1+5F)&y) =F, b) C3F, + 2F 0, yy = —3 = 4x — 9y. + SP (uy) = 2x ty + S(x~ 3y) = Tx — My. ¥) + 2Fa(x, y) = 30x + y) + 20-3) = Determinar a base dual da seguinte base do {4,1 9, ©, 1, 0, 2)} Solusio Seja (F1, Fay } 4 base dual procurada, Essas transformagSes slo dadas por Ys 2) = ax + my + age = bix + bay + bye F3(h ¥,2) = x + ony + o3e 0) = 02 © 0, 0,2) =e os coeficiontes aj, bye i= 1, 2, 3) etorminam levando em conta que Fj(e)) = 1'sej = ie Fj(e) =0 = 1,2, 3). Assim: Jeaty a1) ere 2a =o) 3 =0 Analogameate Fre = by +b = fom —a Re@= slide 1 heya -xty Ress aweel Lmao Por Fay) =e) +e Fya@= a F303) = Verificar se 08 funcionais lineates Fy, F3, Fs do (R? base deste espago: Pus, ys 2) = 3x — y, F(x, y, 2) = x + Dy + 2 Fg(x, y, 2) = Sy — 3, abaixo definidos, formam uma Solugio Basta verifcar se cles formam um conjunto LL pois dim (R3)* = 3. Suponhemos que ayFy + apF + a3F3 =0 (funcional linear nulo). Entio (ayy +a,F3 + a3F3)(X, ¥,2) = = 0 (nimero ze10), ¥4xey, 2) € BR. Dal: ay(3X = y) + ag(x + 2y + 2) + ag(Sy — 52) = = Gay + an)x + (ar + 2ap + Sag)y + (2 ~ Sag)? = 0, x,y, 2ER, 153 Portanto Jartia =0 xy ~ 2ay ~ 503 = 0 ay + 20y + Say = 0 que é equivalente a ~ Sag = 0 = ee ee Logo a1 = a3 = a3 = 0 que vem garantie que (F, Fa, Fj} é Li. ¢ portanto é uma bate de (R2)* 4, Seja V = RY. Consideremos 0 sub-espago W* de V* gerado pelos funcionais Fy, F; © F dados por Fy (x, ¥, 2, t) = 3x ~ t, F(x, y, 2, 0 = Sz te Fa(X,y,2, 02% +2 Determinar 0 seguinte sub-espayo de V: W= WeVi FQ) =0,¥F ews} (Mostre antes que, de fato, W é um sub-espago de V). Solugio Mostremos que W & sub-espago de V. Como F(0) = 0, ¥F GW", entio 0 €W; se us € va SW, entio Fly + ug) = Fluy) + F(a) = 0 + 0 = 0, ¥F © W*,0 que mosica que uy + uz € W; se ue We a é um escalay, entio F(au) = aF(u) = a+ 0=0, para todo F © W*, 0 que significa que au © W, Por outro lado, como iF) + pF) + a3F) =0 <=> <> Gx - 1) + Sr—D tage += 0, Vey. tER = Gay + 05)x + Gay + ag)z + (ay ~ ag) = 0, Vy, 2, CER atm 0 cua E fll notar que dado u¢ ea solugdo € ay = a3 = ay =, segue que: {F, Fa, Fa) é LL. e dim We = 3, weW <=> Fy) @) = Fy) =Fy) <0 <=> 3x t=0 xen =0 ‘Como a Gnica solugo deste sistema & a tevial x = 2 = = 0, entéo: W={@,y,0,01y ER). ‘Uma base de W é {(0, 1, 0, 0)}. ‘5. Sojam Fe G dois funcionas lineares nfo nulos sobre um espago vetorial V de dimensio n, Supondo Ker(F) ¥ Ker(G), determinat as dimensBes dos seguintes sub-spacos de V. Ker(P), Ker(G), Ker(F) + Ker(G) e Ker(F) Ker) 154 Sotuggo © teorems do niceo e do imagem nos diz que dim V = n= dim Ker(#) + dim im(F) = = dim Ker(G) + dim im(G). Como Im(F) P= oS fact 1 m 0 0...0 0 EXERCICIOS PROPOSTOS 1, Sejam Fy ¢ Fz © (R*)* definidas por Fylx,y,2) = x — 3y + 22 © Fay. 2) = = 2x = y + z.Dotorminar Fy + Fa, 2, + 3F2 © 08 respectivos nécleos. 2, Seja FE (R?)* detinida por F(1, ~1, 3) = 0, FO, 1, -1) = 0 e FOO, 3, -2)=1. Determinar F(2,—1,—3). 3. Determinar as bases duais de cada uma das seguintes bases: 156 s. %6, “un +13, 4, 0)} do BPs , 1D} do 2; 1, 0, 0), (2, 1, 0, 0), ©, 0, 1, 1), (, 0, 0, 3)} do RS; — #} do espaco Py (RD. spago W* de V* gerado pelos funcionais F e G dados 2) = y~ 22. Determinar uma baso do soguintesub-espago = FEW}. Provar que todo sub-espaco vetorial W de V, com dim W = dim V ~ 1, 6onticleodeuma forms linear nfo nul Seja V um espago vetorial de dimenste a seguinte propricdade: (VF © V" 6LD. Sejam w ev dois votores dosse espago com = 0 == F(y) = 0). Mostrar que {u, v} Se fossem Ll existria uma base B de V contendo u e v, Considerar a base a ‘Vetificar se so bases de (R*)* os seguintes conjuntos: Sy treHtyy,)=x~ 2; vit) =x-yt4e Sejam F e G fonas lineares nfo nulas no espago vetorial V, linearmente dependentes, Prove que Ker(F) = Ker(G) ¢ sia dimensio én — 1 se dim V = Mostrar que a semethanga de matrizes & uma welagfo de equivaléncla no conjunto Mq(R). Verifique se so semelhantes as matrizes (2) 6) Provar que se A ¢ B sfo semethantes entio AM e B" sGo semelhantes, para todon > 1 Sendo p(t) um polindmio, p(t) = ap + ayt + ... + aqt, indicamos por p(A) a ma: ‘wiz p(A) = agl + ayA + ... + aqA®. Provar que se A e B sio semelhant CA) p(B) so semethantes Para que valores de a, b e ¢ (reas) as seguintes matrizes de M3 (R) sio semelhantes? ¢2)-62) Sejam A, B, C, D matrizes de ordem n, sendo A eB semelhantes, C e D semelhantes. E verdade que’ A + C eB + D sio semelhantes? E quanto a AC ¢ BD? 187 capPituLo 6 Espacos com Produto Interno 1, PRODUTOS INTER! Lembremos, de inicio, que um dos conceitos fundamentais quando se estu- dam os vetores da geometria é 0 de “produ- to escalar”, que nada mais € do que uma aplicaggo que a cada par de vetores (@, ¥) associa um nimero real dado por Ux ¥ = = WWI cos 8 onde 0 ¢ 0 Angulo for- madg pore Se em relapto a base fun damental {7 £4, temos = =xitxgt take V = yilt yal + ys UXT = x1 + maY2 + Ya. (© que faremos neste capitulo € generalizar a definigdo de visando 2 introduzir, entre outras coisas, 0 conceito de “dist bem geras. roduto escalar™ ia” em situagdes, Definigéo 1 — Seja V um espago vetorial de dimensfo finita sobre IR.* Entende-se por produt 10 sobre V aco que transforma cada par ordenado (u, v) € V X V em um ntmero real (que indicaremos por ) obedecendo as seguintes condigdes: (@) = + , Vu, vw EV; () = acu, > ¥aeRe VuvEV; [A definigGo a ser dada aqui seria um pouco no caso de espacos vet €. No apéndice, a0 fim do capftulo, daremos uma idéia de como seria ‘no caso de 0 corpo de escalates set 0 dos complexos. © =<, YuvE Ve (@ € um néimero real maior que zero para todo vetor u #0. DefinigZo 2 — Um espaco vetorial real com produto interno ou espago eucli- diano ¢ um espago vetorial sobre R munido de um produto interno. ‘Nota: Em geral existem muitos produtos internos diferentes sobre © mesmo espa- $0 vetorial, Veja exercicios resolvidos n° Sen. 6. Exemplos 1) Produto interno usual do IR" Seu = (x entio: +5 a) €¥= (15 «+5 Yn) M0 vetores genéricos do IR®, (WH Kay + + Xan 6 um produto interno no IR". Das quatro condigdes a serem verificadas mostremos apenas como se procede em (b) e (4). (6) = (@xi)ys +... + (@xn¥n = ays +o + YR) = = acu, v>. (@) Se u #0, 0, ..., 0), ento um dos x;, a0 menos, é nfo nulo. Logo axe+...¢x2>0 2) E um produto interno sobre 0 espago Py(R) 2 aplicagio dada por: (, a) > = ff HOBEat, ‘onde f(t) € g(t) so polinémios quaisquer de P, (IR). ‘Fagamos a verificago da condig&o (a). Dados f(t), g(t) e h(t) em P, (R): = { (f(t) + g(t) h(t)at = = [eon + emn@pat = ff eoA@ar + = + <0, HOD As propriedades Py, ..., Ps que Seguem so vélidas em qualquer espago veto- rial eudlidiano. Note que em sua demonstragdo ndo foi usada a propriedade (d) da definigfo 1. 159 Py. ==0, Yue V. Prova: 4J4 sabemos que Ou = 0, para todo u € V. Logo: = © 0 =0. Como = <0, u>, entéo = 0," P), =a, VaeR e vuvER Prova: © © av, u> acu, v> = Py. = + , Yu, v,WEV Prova © cy u>4 cw Qaywt + 1, <3, ai, > = Say mi & E 86 raciocinar por indugo com base nos axiomas (a) e (b) da definigio de produto interno. # Pa = Yay @>D. fi fa Prov: Basta usar as propriedades P, ¢ P, acima ¢ raciocinar por indugdo. = Observagdo importante: Quando nos referimos ao IR” como espago euclidiano, fica subentendido que o produto interno é aquele do exemplo I acima. 160 2, NORMA E DISTANCIA Definiggo 3 — Seja V um espago euclidiano com 0 produto interno (u, v) > + (u, v). Dado um vetor u € V indicase por fu lle chama-se norma de u 0 na: mero real positivo dado por V . (Aqui jé usamos a condigao (4) da definigao 1). Exemplo — Se no IR" consideramos 0 produto interno usual, dado u = = (%1, «+» Xn) Messe espago, temos: eV t..+x. ProposigGo 1 — Em todo espago euclidiano V, temos: a) | = lal jul, Ya Re VUEV e b) 20, vueVe =0 <=> u=0. Demonstragio 2) laut = Vea, aud = Va 0. Por outro lado = 0 => = 0 > <=> =. (Notar que nesta dltima equivaléncia usamos 0 axioma (d) da definigfo de pro- duto interno ¢ a propriedade Py.) Proposigfo 2 — (Desigualdade de Cauchy-Schwarz) — Se V é um espago vetorial euclidiano, entfo: I1 = 0 e [iulllvl = 0. Logo tem-se uma igualdade neste caso. Suponhamos v+ 0. Para todo a'€ IR vale a desigualdade [lu + avi? > 0. Dai, 0 <|lu + avi? = = + + + 161 Obtivemos assim um trindmio do segundo grau em a (pois llv|? #0) 0 qual 6 sempre positivo. Logo seu discriminante deve ser negative ou nulo: 4 4 ? <0 Portanto: ? < fh Finalmente, considerando a raiz quadrada positiva de cada um dos membros desta Gltima igualdade: I= +++= )?, para todo par de vetores ue v, Desta desigualdade decorre que [lu + + vl, ¥u,veV. = Exemplo — Se considerarmos no IR 0 produto interno usual e se u = =u, -.-, Xn) © ¥= (V1... Yn) so vetores quaisquer do IR”, entdo: I<, v> |< [lull Ivll ===> | > xvi Esta dltima desigualdade também & conhecida como desigualdade de Lagrange. ‘Seja V um espaco vetorial euclidiano. Consideremosaaplicaggod:VX V IR, assim definida: 4(u, ¥) = [lu — vil, ¥u, ve V. Notemos que valem as seguintes propriedades: @ dQ, v) > 0, ¥u, ve Ve d(u, vy) = 0 <=> u =v, em virtude da proposigfo 1 acima, 162 () d(u, ¥) = d(v, u), ¥u, VE V, porque: (u, 9) = [hu = vil =D = vy = 1 Iw — ull = a@y, w). (HM) d(u, v) nos seguintes casos: 2) eved.a-m% Dev = (4, 0,25; ev =Q,-1, 5). ocurred sere desea ea gen, b) e2-441-040-2=8, 2) = 6. Usndo produto intern <,«(0>= [2 A049 em FAR, dteminar 0 produto scalar de: ~ ste e-? . Saja V umn espago ve Verifcar se (u, ¥) > al sobre IR. Ponhamos por definkfo = 0, Vu, v EV. |, ¥> = 0 € um produto interno sobre V. ‘Temos de verificar as quatro propriedades da defingio de produto intemo. (@) =0=040= + = "0 com u #0, 0 que mostra que = 0, Vuyve V, nfo define um produto interno sobre V. 4. Consideremos o espago euctidiano IR?, Sendo u = (1,2)ev = ‘um Yetor w deste espago tal que =~ le <¥,w> = 3. ) em IR2, determine 164 Solusio Supondo w = (x, ¥) temos = x 4 2y¥ = —Le = -x + y = 3. Daf woe (4) Seja V um espace vetorialeucliano, Provar que d aplicagio (uy eurv=2 também & um produto interno sobre V. Generalize Solugio () (+ 4 w HD + Cv, WD) = DKu, WO + DEY, WS suewsvew: (©) exereicio; weve 2cuv>=2=V 4; usua2>0, YucVeseu do, entiousu> o. Genetaizagi: podemos substituir 0 “2” por qualquer a > o. Sendo u = (Ki, Xa) © ¥ = (v4, Ya) vetores genérioos do I, definamos = xvi, 3aY2 f = SY 5 38Y2 com a, & IR fixos ¢ nfo mules. Provar que defineum produto te me interno sobre 0 R?, Solugio (xa yaa, (oa + 2) @) = Sh ay ares ) + onde, 6 claro, w = co cen = BEE 5 OD Ag (AY 2) ccs (© Imediato; 2 3 @ t aha > ema > 8-0. Sejam u e vvetores de um espago cuctidiano tas que Hv = 1,tull= Le Pui = 2 Determinar . Solugfo 4= uv? = Logo 2. = —4 +1 +1 = 2, Entio = —1. -2 + 165 8, Em PR) com o produto interno dado por ‘ma de f(t) nos seguintes sos: ») f= 6 » = Solusio 9 wor= "*= J awa J fea r Pa = 8 (a-eta- JE 9. Denomina-se ersor todo vetor de norma igual a1. Seu + 0, entéo +1 b) wteon = Far § 4m versor cha- mmatto de versor de u. Determinar o versor de u = (2,2, 1) ednsiderando interno usual Solugio wul= VEFTHT= 3, Logo 7 IR} 0 produto 10. Nam espago vetoril eucidiano provar que: <> = 0, =o > Ni? + =0<==> 4 ==0, by tu + vi? = fui? + Ovi? <> cud wut yD = <=> <> SU UD + CUYD + cy UD 4 cy v> = + 2cu, > 50 <> =o. 11, Moar oe num epg cuctian v etate ty + v1? Lave Solugio 1 at pve Peteutyusy>-Leuyuys wee 4 =+ + + )—L ecu ud — cuy>— + + + <¥, ¥>) —T ( ~ —<¥u> + <>) =x1¥1 — 2xa¥a — 2sayi + Sxav2_ define um produto interno, sobre 0 R?; terno usual e também em by Determiner a norma de u = (1, 2) em relagio a0 produto ‘alago a0 produto definido em a). Sotugio 2a a 2og + ya + S02 + yada = Ut ¥w> = Oy tyne = 204+ 3 xiay + yaty — 2eyta = Wvi2a Date Date + Sxata + S¥ata = = (xqzy = 2ay7g = 2x7 + S02) +OUZE Wate ~ Bate + SyaZa) = = ued + wwe: (@) = anys ~2eni72 ~ 2eagy1 + Somays = alu ~ 24172 ~ = Prayn + Seay) = <0, 99% (2) medi; (8) = xP Duna — 20am + SaP =a? = deans +n? + nd = = (oy — 2mq)® + 2 > 0, Hu = (x4, x9) © RR? além disso = > xm =0 <> =0 <=> m1 -Im=00u=0< <= 0.0, 8) No produto usa: 0h = VES = JP ae IFT = VE ‘No produto defini em a: = Vaud = VP 4124s sno TR3, Determinar a CIR? de mancira que fut = V/4i, onde 13, Considere 0 espago eucti ». Solugio = 36 +? + 1= a? 437 241, Logo a? = 4, Daf a= 22. 14, Achar 0 ingulo entre os soguintes pares de vetores do R®: at ee ee 167 15. Sejam ue v vetores de um espayo vetorial eucidiano, Mostrar que {u, v} € L.D. se, € Il= a Soluce Se {u,v} & LDD., entfo um dos seus vetores 6 combinagio lincar do outro. Seja u = av, com @eIR, Entio Por outro lado, suponhamos | | = full vk Sev = 0, entio {u,v} € LD. obviamente. Suponhamosv #0. Entio = Considerando a maiz. a = S%42 (upla) do teindmi temos =00 que equivale a u = ay, Portanto u— av =o {u, 9} 6LD. 46. Sejam u © v vetores fixos de um espago vetorial euclidiano, Achar o vetor de menor rnonma do conjunto {u + tv | t © IR}, supondo v +o. Solugio Seja w =u + Ww. Entio © vetor de menor norms no conjunto dado & aquele cujo ceeficiente ¢ anula a detivada acima, Entio: 168 _ WP = = 0. Solugio Sea w = Ww =x +9? +221, = xuy1 + 2. Mostrar que se = 0, para todo vetor v, enti u = 0. 3. NoespagoV = Ps (IR) consideremos o produto interno , M0) iciocomf{) = Jeg) =P +t + 1. a) = 4 1. Repita oon Sejam {() = a9 + ayt +... + antle g(t) = bo + bit +... + byt" polindmios Auaisquer do Py (IR). A fungio CD, (0) Hagbo + aids + =. + Spb EIR 6 um produto intemo no espago Pa (IR)? 169 0) Mostar quose w= 5. agg. ¢ ¥ = J yi enti o produto ecalar em Vpodeser ‘expresso na forma matricial seguinte: = (xq... q)Alya¥a ya) . Seja V um espago euctidiano com produto intemo . Para que valores de © IR a aplicagéo: (9) > acu, v> também & um produto interno sobre V? (Veja exerefcio resolvido n? 5.) . Chama trgo de uma matriz A = (ai), quadrada de ordem n, a soma dos termos da sua diagonal principal Notagio: tr(A). Assim, tr(A) = an +... + dan. Sendo V = MmynQR), mostte que = tr(B'A) define um produto interno sobre V. No espago vetorial V = Mi (IR) considers © produto interno definido no exere(cio 8 Sendo 14 Lo A= eR= o4 0 0 caleule = axayi + mxiya + aan%ayt + AapmaYa. 4) Mostrar que © produto assim definido satisiaz as duas primeiras condigSes da defi- fe produto interno. trar que a condigfo (c) da definigdo de produto internoé: se,esomente se, M ©) Qual a matriz M que leva a0 produto interno usual do R?? 1 definem produtos interno: sobre o IR? segundos de- i dada acim €) Quais das seguintes m finigfo de que 5. Sabendo que ull = 3 ¢ Fv = 5, com ue v elementos de um espago euclidiano, deter imine @ ER de mancira que = 0. 4 desigualdade de Cauchy Schwarz no espago euclidiano IR? (produto intemo 89, vale usual) para mostrar que, dados os nimeros reais esritamente positives 8 desigualdade: (+a tay) . Sendo a, b e c aiimeros reais estritamente positivos tais que a+ b +c = 1, utilize a desigualdade de Cauchy-Schwarz no IR? para provar que (FNM) > Determinat a norma de cada um dos seguintes vetores: 2 0=G,12 DER; » 24 Mostrar que a soma de dois produtes intemos sobre um espaco V também é um produto interno sobre V (antes, pense bem no significado da palavra “soms"). 20, Encontrar a distincia de u a v © 0 co-seno do Sngulo entre u e v nos seguintes casos 9 w= G, 1,1, Dev = (,0,1,1) como produto interno usual do 4; by u = 1 +t ~ tev= 317 como produto considerado no exerefclo 18 b) acima; 0 0 )SB=( qq ) sme produto interne do execiclo proposton.° 8. "21. Sejam ue v vetores de um espaco vetorial eucldiano, Prove que = 0, s6, € somente se, Iu + a "22. Sel w 3. ORTOGONALIDADE Lembremos primeiro que dois ve- tores ndo nulos if e ¥ definidos por meio de segmentos orientados slo ortogonais se, © somente se, seu produto escalar é 210. Ese fato motiva a seguinte defi- igo: Definigdo 4 — Seja V um espaco euclidiano. Dizemos que dois vetores u, V&V slo ortogonais se, ¢ somente se, = 0. Um conjunto $ ug} CV se diz ortonormal se, ¢ somente se, (1) vill = 1 = 1, 2 (UD dois vetores quaisquer de S, distintos entre si, so ortogonais. Nota: As condigées (I) e (II) da definiggo acima podem ser substituidas pela seguinte: = 4 (simbolo de Kronecker), i, j = 1, ...,n, cujo significado 6 8y=1sei=jedy=Osci#j, In Exemplo — No espago euclidiano IR? 0 conjunto $ = {(1, 0, 0), (0, 1, 0), (0,0,1)} € ortonormal. Por exemplo, a norma de gi = (1 = VT? +0 +0 = 10 produto intemo de gs por gs ¢ 2, 0 conjunto: (G, 0,-5.0), ©, 1,0, ...,0),..-,..-,0, I} 6 ortonormal no espago euclidiano IR™. Proposigio 3 — Todo conjunto ortonormal S = (81, 82. ---. Br} contido ‘num espago vetorial euclidiano € necessariamente L.L. Demonstragio Suponhamos aygi +... + a8; = 0. Entdo: 0 = <0, a> = = Oy SB, > + Oa <8, > +. + Or
= OH De mancira anéloga se prova que a2 = a3 =... = a; = 0.8 Outsa demonstragio: Sendo 0 = aygy + *** + ayge entgo 0 = layer + Hc # agg? = 02 +... + a2 é afar =... = 0, = 0.8 Proposigio 4 — Seja $= (g1,..., 8;} um subconjunto ortonormal do espaco euclidiano V. Entéo, Vu € V, 0 vetor ¥ =u ~ 8) —..-— Br & ortogonal a todo vetor do sub-espaco gerado pelos vetores de S. Demonstragao Observemos de inicio que se v for ortogonal aos vetores de 8, entio seré ortogonal a toda combinacao linear de S, De fato, seja w= ayg +... + a8, uma dessas combinagies lineares. Entio: = = an +... +a, = 0. Provemos pois que v é ortogonal a cada gj 0 que & uma questo apenas de célculos. Vejamos: = 81 — 6+. — = = —--. — <0 > = = -=0 173, Bois = 1 € = 0 para i# 1. De manera andloga se prova que SY, ge! =<¥,g>=0. # Definigdo 5 — Seja V um espago euclidiano de dimensfo finita, Se um con: Junto B = {81, .-., fn} for uma base de V e simultaneamente for um conjunto ortonormal, ento diremos que B € uma hase ortonormal de V. Exemplo ~ B = {(1,0,0), (0, 1,0), (0,0, 1)} €umabase ortonormal de IR®, Generalize para o IR". Teorema 1 — (Processo de Ortonormalizagio de Gram-Schmidt) — Todo espago vetorial euclidiano de dimensdo finita (#0) admite uma base ortonormal, Demonstragio ‘Se dim V = 1 e se (u} 6 uma base de V, entio o vetor g; Lie tem norma igual a 1. Logo {g;} é uma base ortonormal de V. Se dim V = 2, seja (uy, vs} uma base de V. Fagamos g, = Entiio o wetor vz = th ~ 81 € ortogonal a g1 devido a proposigio 4, Logo vetor go = Gj2y também & ortogonal a gy além de ser unitéio, Dat podermos afrmar que {g), 2} € um subconjunto ortonormal de V com dois vetores. E pois uma base ortonormal de V. © mesmo racioc{nio nos permitird construir uma base ortonormal em qual- quer caso de dimensio finite n, utilizando-se 0 mesmo método usado na propo- siglo 4, = Exemplo — Aplicar o processo de Gram-Schmidt do teorema 1 acima & base B = {u, = (1, 0, 0), u = ©, 1, 1), us = © 1, 2)} do R°. considerando produto interno usual nesse espago, E claro que g = ~ 81 = ©, 1, 1) ~ O(1, 0, 0) = (, 1, 1). Logo - ( vam) ) =o. 4S). i = U1 = (1, 0, 0). Por outro lado, v = uy — Finalmente, Vs = Us ~ 81 — B2 = (0, 1, 2) — Og, — FCB) 0-4-4) Daf: 24) (42 Lae Wal ~ ¢ 2). is az 2). (0-44) 474 vz Logo {o.0%.0..).(0-.°F)} € uma base ortonormal do IR*, construiéa a partir da base B, seguindose a demonstragZo do teorema 1. ‘Seja V um espaco vetorial euclidiano, Dado um sub-espago vetorial U de V, indiquemos por Uo seguinte subconjunto de V: Ul=(VEV I =0, Yue U). Notemos que U+ & um sub-espaco vetorial de V, uma vex. que: @ =0, YEU ==> 0 EUs () = = 0, Vu EU ==> = = + =0+0=0, ¥UEU; © © = 0, vue U ==> = axy, u> = a0 = 0, vaeR ¢ VuEU. Definigao 6 — O sub-espago U* acima definido recebe © nome de comple. ‘mento ortogonal de U. Exemplo ~ Seja V_= IR®, U = {(x, y, 0) : x, y © IR}. Ento Ut = {(0,0,2): 2 € IR}. Verifique. Proposiefo $ — Soja U um sub-spago vetorial de um espago eucidiano de dimensfo finita V. Entdo V = U®U", ouseja, V = U + Ute U NUE = {o}. 175 Demonstragiio (a) Seja B= fg, 8x} uma base ortor s +++ 5 Br ortonormal de U. A proposigé deste capitlo, dado uC V, ovetor v= CBS ge nn rane t ortogonal a todo elemento de U, ou soja, vE UL Logos U= +... + = 0, Logo w=0.¢entio: UNUee joy eee Conforme acabamos de ver, se B = » se B = (81, ..., 81} € uma base ortonormal de im sbespao U de lum espago eucldiano V de dimensio fnita,entio too wtor u lecompoe, de maneira Gini arcelas, uma de Mt 0 SV Scone ica, em duas parcelas, uma de Ue uma de U!, u= (e +... + g,) ty. A parcela g1 +. + : - sobre o subespayo U, ‘<0 Br>Br € chamada projepto ortogonal de u Por outro lado a aplicagtio E de V em V dada por EQ) = ai +... + , recebe 0 nome de projepdo ortogonal de V sobre U. Pode-se mostrar ur rerio lard V, © gw propomoscono eters, Ps ete epeton tan FW) = E( 81+... + g,) = = g,, me ee Soma pertence a U. Logo E*(u) = E(u), Yue V, © que significa Notemos também que Ker(E) = (w © V I 61 +... + 8)= = 0) = U-, Também se pode u Provar que Im(E) = U. Assi decomporigao de Vi V = I(t)’ Keno oD U. Assn tems a segunte 4, ISOMETRIAS Introduiremos neste par : rafo um cero tipo de operator lin o esti ligada ao conceito de disténcia. Trata- reares compa, nia. Tatas dos operon com 0 produto interno. psadoresIineates compe. 176 ee Definigao 7 — Seja V um espago euctidiano de dimensdo finita. Um operador linear T: V > V com a propriedade de que: TQ) = ful, ¥u eV, se denomina isometria sobre V ou operador ortogonal sobre V. Exemplo ~ Consideremos o espago euctidiano IR?. A rotagio T:IR? > IR? dada por T(x, y) = (xeos 0 — ysen 8, xsen0 + y cos), onde @ 6 um nimero real © 0 <4 < 2n 6 uma isometria pois além de ser uma transformagao linear (exemplo 4, parigrafo 2, cap. IV) satisfaz a seguinte igualdade: I(x, y)I? = x7e0s? 0 + y?sen? 0 — 2xy sen cos 0 + x*sen? 6 + y*cos? 8 + + 2xy sen 0 cos @ = x2(cos? G + sen? 8) + y2(sen? 6 + cos? 9) =x? + y? = = Iy)P Deixamos como exereicio a verificagdo de que 0 operador T do IR? dado por Tix, y,2) = (x 00s — y send, xsen@ + y cos 9, 2)é uma isometria, Nota: Uma isometria é um operador linear de um espaco euclidiano que conserva as normas dos vetores. Como nos espacos IR? e IR®, quando o produto interno con- siderado € 0 usual, a norma de um vetor nada mais é do que o comprimento desse vetor (ou médulo), no sentido geométrico intuitive, podemos dizer que ‘nesses casos uma isometria € um operador linear que conserva os comprimentos dos vetores do espago. Proposigio 6 — Toda isometria T: V > V é um isomorfismo. Demonstragio Basta provar que T ¢ injetora, Mas dado u € V, =0 => u=0. Tw) = 0 ==> ITE) = 0 ==> Ih Logo Ker(T) = {o}. = Proposigio 7 — Soja T um operador linear sobre um espago euclidiano V. Entio so equivalentes as seguintes afirmacdes © T 6 isometria. (U) T transforma as bases ortonormais de V em bases ortonormais de V. (I) = , Vu, VEY. 17 Demonstragéo — m Sea B= {g, ..., gn} uma base orto ts ey Bo ase ortonommal de V; provemos ambi ¢ una bat conor de V. Con Té str, TB) c8 ton samy ero de vetores, Entgo ésuficiente mostrar que T(B) é um conjunto ortonomnal Consideremos as identidades: a Devido as hipét Ainda por hipéte Logo = = 54 © que assegura ser T(B) um conjunto ortonormal, ++ Bn} uma base ortonormal de V, Ento dados u = Bigi em V, temse: => ah. Logo = , Vu, ve. ) => © Imediato: basta tomar u =v, 178 0 nome “operador ortogonal” dado como sindnimo de isometria decorre da roposigdo seguinte. Proposigdo 8 — Seja T um operador linear de um espago euclidiano de di- mensfo finita. Entio T é uma isometria se, e somente se, a matriz de T em relagZo a uma base ortonormal é uma matriz ortogonal (sua inversa é igual a sua ‘ransposta).. Demonstragéo (==>) Seja B= por Ma matriz de T em + Ba} uma base ortonormal de V e indiquemos lago a essa base: M = (Dp = Entfio: T(j) = >, aysi © Tee) = Y reds, com j, k= 1,... 50 Daf Aijotrk = <1), T)> << is = > ayjeix isto levando em conta que = bir. Mas T(B) também ¢ uma base orto- normal o que acarreta = djx- Entac ‘o que € suficiente para concluinmos que M! - M = Iy. . E praticamente 0 caminho inverso da (<==) Fice como exe demonstraglo da primeira parte, Exemplo ~ Dizet que uma matriz real de ordem n ¢ ortogonal significa que suas lias formam uma base ortonormal do IR". Vice-versa, os vetores de uma base ortonormal do IR", em relagfo a0 produto interno usual, constituem as linhas dde uma matriz ortogonal de M, (IR). 179 Assim, dada a base ortonormal: »- {0.09 62). 6-2¥)} do IR? (ver pardgrafo 3) a matriz: Hoi ¢ AGelg © 6 ortogonal © o operador T: IR? + IR? dado por: T(1, 0, 0) = (1, 0, 0) (9 v2 _ v2 re.10)= (0,22, -¥2) =(o VE. vB TO, 0, 1) = (. T: 2) ¢ uma isometria do IR°. Este operador é uma rotagdo de — 45° em torno do cixo x. EXERCICIOS RESOLVIDOS 1. Seja V um espaco vetorial euclidiano. Dados u, v © V (v # 0) ek = <"* mostrar que u ~ ky 6 ortogonal a v Solugio Uy, >= 4 = key, vos = m— 1+ (m+ 1)m + m(m + 1) = 2m? + 3m — 1, Logo we v sio ortogonsis se esomente se, 2m? + 3m.-1= 0, Portantow ev sf rtgonas para m = =3#VT7 180 3, Mostrar que sew e ¥ sf0 vetores de um espaco euclidiano tais que tu + vi = fu vt, entZo ue vsdo ortogonals. WS cut yu tye = cu- yu (P= put? — 2 + WIP ==> =O. 10 interno (ndo habitual) dado por = (is yp) Vesificarse wey a) =2 + 2-1) = 0, Loge we ¥ slo ortogonais; by) = 2.4 2 = 0, Portanto so vetores ortogonais; ©) = 6 + 2-2) = 2. Nesto caso we ¥ nfo sJo ortogonas, 4) do IR, 5. Determinar m a fim de que sejam ortogonais 0s vetores u = (m + 1,2)e¥ = Solugio =(m + DED 42-4=-m+7=0 = >mes7, : 3 3 5 E 3 i Nessss condigSes, pare que valor de m, f(t) = mt? ~ 1 6 ortogonal a g Solugto 181 Pa (R) que seja ortogon = tem relagdo ao produto 1 1 . fie = 2, como iti =—t, entéo a base candnica de P2(R) = |, ar) vw tonommal em relagfo a0 produto considerado. Solugio sgh wma tase ortonormal de um eipago cuctidlano, Dados big caleular . “>> SS aty = > ab, para todo par de polindmios = arby he. + tab: Isto significa que em todo espaso eu pode-se encontrar uma base em relagfo & (qual o produto interno fica “na forma habitual”. £0 = So atl © a= Soe ago. A base candnica {1, t, #2} de a =U, -1, D, uy = C1, 0, 1) do B®, peto fortonomal em relagio a esse 8 da base dada sfo ortogonais doi 40-050 (Logo let sic =0-041-040-1=0 Genta 5 dois vetores so ortogonsis) 10. Mostrar que a base candnica de Py dado por: fo € ortonomal em relagdo 20 produto interno 183 Poranto {Ge VEE VE) ertonermal proud, Peano { Se v3" V3" V5" € uma base ortononmal de V4 Seja W = {(s, y, 2) © R® | x — 2y = Of. Detenminar uma base ortonormal de W. Sotugio Como um entdo W ys Ys 2) =¥C2, 1, 0) + 2 linearmente independentes, Vamos ortonor- {©, 0, 1), (2, 1, 0)} € uma base de W. Apliquemos 0 procesio de GramSchmidt a essa base, 0) © seja {81.82} a base procurada. Logo Ono (2 ne Wit FEY Assim, 0, 0, 1), =, —=, é uma base ortonormal de W. {000(Je ye )} ™ 15, Determinr 8 projeedo ortognal dew = (1,1) sobre 0 subespago V = Sougto {A tase ortonomal de V é formas por p = l= (ees) Lope « pojeio 6 0 tor: pees eee (aes )- vin Vio’ Vi, Ortonormalizar Seja Pa (R) munido do produto interno = utilizando © processo de Gram-Schmidt a base canBnica Solugso 5)lae pmo maa te m= Gy = VF ax-p. © va = Us ~ 81 - w= avila =2 1 aO-$-F Orde xe 185 Wal? = R(e n+ tae 1 > mt = ¢ is oF = V5i6xt ~ 6x + 0. Portanto, (1, J3(2x ~ 1), J5i6x* ~ 6x + 1)) & a base ortonormal procurada. Seja (61, 82, ---. 81) um conjunto ortoncrmal de vetores de um espaso euclidiano V. Mostrar que ut! > %4¥ ue V (desiqualdade de Bese. Mostrar também que se 0 conjunto dado & uma base ortonormal de V, entfo tut? = = + 2 + ih? n+ ha 64 = Por outro lado, s© {g,..., 8} & base de V, entio: Achar a projeefo ortogonal de (1, 1, ©,0,1, DL Sotugio Notemos que os geradores de W sfo votores linearmente independentes e so ortogonais centre si, Entio para determinar uma base ortonormal de W basta dividit cada um dos seus ER sobre 0 sub-expago W = 186 vets pla suanoma, Asim fe, = deW. Ent a proecto p dew = 2f1 4 2 foot, = 81 + =——(——, ——, 0,0) +1 0,0,——, = pec aa vi 1, 1, D, Assim p = u, ito 6, u EW, De fato u = ( a Logo {Vt} & uma base ortonotmal de U. Portanto s pro- 5 Jogo procurada &: pe citi vio vii ({! evar net) Jirayi-t. vite te Seja V um espago vetorialevctidiano de dimensfo finita, Se W 6 um sub-espago vetorat de V, mostrar que W= (WA) Solugio ‘Mosttemos primeito que Wc (WE, Seu =0, ve WA Portanto we Wh, ;0 lado lembrando que V é a soma direta de cada um dos seus sub- -espagos com o respectivo complemento ortogonal (proposigdo $) temo: dim W + dim WE = dim Ve «dim W! + dim QW)! = dim V. Entio dim W = dim (W4}4 Juntando as duas conclusdes obtidas temos W = (Wy! . Seam Ue V subeapagon de um espago eucldiano W de dimensio nit Provar que + v= vinyl Solugio (@) Seja w © (U+ Vi, entéo w 6 ortogonal a todo vetor u + v EU + V. Como UCU VeV CU + V, entfo w é ortogonal a todo vetor u € Ue a todovetor VEV, ou soja, we UL] WEVA, Logo we UE n V4 (b) Seja w € Ul n VE, Entio w 6 ortogonal « todo vetor de Ue de V. Dado entio utveu+ = aye mieten —{"" => mrtg ans, m+n =o VE wT Tv vow ta,9.92 (2%, ee, 2) Petar yy eye 26. Se Ty © Ty sfo isometrias num espago euclidiano V, mostrar que T, © Tz também 0 6 SeT 6 uma isometria em V, provar que T-! também é uma isometria em V. Solugio 44 sabemos que se Ty ¢ Ty € L(V), ento Ty © Ty também pertence, Por outro lado pois tanto T; como Ta conservam J4 vimos que uma isomettia & um isomort Logo 1T™*(u)H = sus, ¥u eV. Portanto T"!é também ume isomettia em V. EXERCICIOS PROPOSTOS 1. Considete no IR? 0 produto interno dado por = x, para todo par de vetores = (1, x2) € ¥ = (Yn, ¥a) 8) Determinar m a fim de que os vetores (1 + m, ) Determinar todos os vetores do IR? ortogonais a (2, . ©) Determinar todos os vetores (m, m — 1) de norma igual a 1, a2 aya ~ avi m — 1) sejam ortogonais, 2. Determinar todos mente a(2,1,2)¢ 2s do IR? de norma igual a 2 que sejem ortogonaissimultanea- 4), Determinar uma base ortonormal de cada um dos seguintes sub-espacos do IR* utlizando 0 processo de Gram-Schmidt: awe we 0, |. Provar que os vetores >. Determinar uma base ortonormal do subespago W = IC, Determinar uma base ortonormal do sub-espaco W de IR? dado por W = {(x, y, 2) © EIR Ix — y = 0}. 5. Considere a seguinte transformagéo linear do IR® no IR?: F(x, y, 2) = (x -y~ a, 2z = x). Determine uma base ortonormal de Ker(F). Sea . fa} um subconjunto de um espago euctidiano V cujos vetores so ortogonais dois a dois. Prove que generalizado), Em P(R) com 0 produto intemo definido por: 4) Ortonormalizar a base {1,1 + 1, 20%; ') Achar o complemento ortogonal do sub-espacoW = (8,1 + th Determinar uma base ortonormal de W ¢ uma base ortonormal de W", onde W é 0 sub- -espago de IR* dado por W = {(x,y,z,0:x +y = Oe2x +2 = yh Determinar um vetor unitirio do I que seja ortogonal a todos os vetores do subesparo W=lG,2,-D,1,0,2) Determinar 2 projesso ortogonal do vetor (1, 1, 0, ~1) IR* sobre 0 subespago W=({0,y.2,.0ER*Ix-y-z2=00z~2t=0) 44 ca an) todos esormgonsem 020 pr dato dato pr <£(0, 80> = i 1, =2, 39) 60 R? em relagfo 20 produto interno dado por: = xy + Daya + A5¥9, para todo par de vetores u = (Xt, Xa, X3) © ¥ = (Yt, Yay Ya) do R?, Determinar um potindmio de grau 3 em Py(IR) que sje ortogonal a 1, © com relagfo 0 produto interno definido no inicio desie capitulo como exemplo 2 Sejam w e v dois vetores linearmente independentes do IR°. Mostrar que existem dois, «© apenas dois, vetores de norma igual a 1 que sf0 ortogonais simultaneamente a ue v. 120. . Determine m € Ra fim de que o seguinte operado: Sejm U e V, sb-epacosvetriis de wm espagoeucidiano de dmensdo Mata, Provr que(U avy = UF + vi Seja W um sub-espago de um espago euclidiano de dimensio finita V. Para todo ve V, vw + w' com we Wew €W Mostrar que a aplicagfo T: V + V dads por: = w — w' é linear e tom a seguinte propriedade = , vu, v eV. . #2, 83} uma base ortonormal do IR. Para todo w GIR? definem-se os co-senos Provar que! au (cos a)g1 + (£08 Pea + (60s 78a); b) costa + cos? p+ cos? y = 1. Considere os seguintes vetores do RP: w= 2,2, 2) ev = G, 3, )Determinar doi me Qe by) Sew =6 de Ws; ©) Determinar uma base ortonormal de W. es vy © vy tals que ¥ = Vi + Vai ¥y 6 ortogonal a ue 1) decompor y em uma parcela de W = [u, w] © uma pareela Seuev,W=fuleE és projegio ortogonal sobre W, Weve Ywew. Interpretar goometricamente esse resultado. snsformagio linear que te que: Seja V um espago eucli associa a cada vetor de WE Seja V um espago euclidiano de dimensio finta ¢ seja E a projegdo ortogonal de V sobre o sub-espago W de V. Mostrar que 0 operador linear E tem a seguinte propric- dade: = , Vu, VEY. sar do R® seja uma isometta: FG, vae(Gpr yey mee ~4.-+r+4ke vo VS Vee Ne 2 NT ee er eseemmens (7) (Mostrar que a matriz de mudanca de base entre duas bases ortonormais de um espago cuclidiano de dimensZo finita & uma matiiz ortogonal 191 25. Mostre que (I; — A) (iy + AY" € uma matriz ortogonal, onde a= ( ° :) -5 9, ‘Tyg: V = ¥ 0 operador year definido por que Tyy € uma ior ‘esomente se, M € urarmatriz 27. Determine a isomettia do R* cua matriz em relagao a base candnica é 5. OPERADORES AUTO-ADJUNTOS, Definigao 8 — Seja V um espago vetorial euclidiano, Um operador A L(V) se diz-auto-adjunto se = para quaisquer u, vV. Sea dimensio de V é ¥izagio matricial bastante simp! 08 operadores auto-adjuntos admitem uma caracte. ‘como veremos a seguir. Proposigéo 9 — Seja V um espago euclidiano de dimensfo finita. Entdo, um operador AE L(V) é auto-adjunto se, e somente se, a mattiz.de A em relagdo a uma base ortonormal de V é simétrica. 192 Demonstragio (==>) SejaB= (gs, 22,.-- Bn} uma base ortonormal de V. Por hipote- = <8 AG)> 1 < i,j = a Donde ayiday =D) adit ; es portanto aj = a; 2,..esmde(A)p 6 siméttica, (<=) Sea B= {g1. 8. s Bn }uma base ortonormal de V e admita- mos que (A)p = (aj) € simétrica. Entao, como = <_D) aK: 8)> = Do aKiFaj = asi & analogamente, ei mi = obtemos que = <8. AG)> para quaisquer gj, gj €B. Considerando entdo vetores genéricos u, v V, a ii = < 3 aA. 2, ej> = 2 2 036j = mi a it jet = s D aiB; = . 193 Nota: Seja V um espago euclidiano de dimensfo finita. Se Ay e Az sto operadores auto-adjuntos de V, entdo A, + Aa também é auto-adjunto pois, <(As + AaXu), v> = = + = = + = = E fil ainda mostrar que se A 6 auto-adjunto ¢ a €IR, aA é também auto-adjunto. Logo 0 conjunto dos operadores auto-adjuntos de V é um sub-espaco vetorial de uv). Fixemos entifo uma base ortonormal B do espago V e consideremos a aplica- io A>(Ay, que a cada operador auto-adjunto AEL(V) associa sua matriz relativamente & base B. E claro que se trata de uma transformagao linear e injetora. Levando em conta a roposigio 9 podemos afirmar mais: é um isomorfismo do espago dos operadores ‘auto-adjuntos no espaco das matrizes simétricas de ordem n(n = dim V) sobre IR. Logo os operadores auto-adjuntos sobre espacos euclidianos podem sempre ser idemtficados com matrizes simétricas reais. Exemplo — O exemplo que aptesentaremos mostra que a hipétese de que a ‘base B na proposigGo 9seja ortonormal é imprescindivel. No espago IR? considere- ‘mos o produto interno usual e seja TEL (IR?) definido por T(%, y,2) = (2x + 22,x+2,x +2) A matriz de T em relagdo a base B = {(1, 1,0); (1,0, 0); 0,0, 1} (nao orto- normal) é toad Mp= (111 1414 simétrica. Mas T ndo ¢ auto.adjunto pois = <(2, 1, 1); (0, 1,0)> = 1 ao passo que <(1, 0,0); 10, 1, )> = <(1,0, 0);(0,0,0)> = 0. EXERCICIOS PROPOSTOS 1, Seja H um subespago vetorial do espago euclidiano V. Entio cada vEV se expressa, de ‘uma Ginica maneira, como vohet 194 onde hGH ¢ te HY. Considere a aplicagio A: VV definida por AQ) = ht, qualquer vEV. 8) Mostrar que A é linear e é auto-adjunto. ) SeV = IR?, com o produto interno usual,e H = [(1, 1,0)],acharamatrz de A relativad vsual do R. c Seja V um espago euclidiano de dimensfo finita. Mostrar que duas qualsquer das proprieda- es a seguir de um operador A € LCV) implicam a restant: ) AGautoadjunto ) A 6 uma isometsia ower Seja TEL(V) um automorfismo. Se T ¢ auto-adjunto, mostrar que T-! também 0 & . Sea A um operador auto-adjunto de um espago euclidiano V. Se H é um sub-espago vetorial de V com a propriedade eH + AQ)EH ‘mostrar que H* tem também essa propriedade. 5. Seja T um operador auto-adjunto de um espago euctidiano V. Se = 0, para todo CY, mostrar que T = 0. Sejam T, SEL(V) operadores auto-adjuntos. Mostrar que: TOS 6 autoadjunto se, ¢ s0- mente se, TOS = SOT. 6. ESPACOS HERMITIANOS Indicaremos brevemente como os conceitos apresentados nos §§ 1 — 5 se apresentam em um espago vetorial sobre 0 corpo @ dos nimeros complexos. Seja V um espago vetorial sobre C. Um produto interno sobre V é uma aplicagio (u,v) de VX V em C, para 2 qual se verificam as seguintes condig6es: (@) = + =ax, VaeC e ¥uveVv; (0 = , Yuvev; (d) Para todo ue V, u #0, é um mimero real maior que zero. Exemplo ~ Seja V = C*. Seu = (x, «2.4 Xa) © V = (Yi Yas -+-s Ya) indicam vetores quaisquer de C", entéo a aplicaglo dada por: YP =F) +. + Ta define 0 chamado produto interno usual de €*. Verifiquemos as condigdes (c) ¢ (@) da definigio © =y, = VaXet + Yn = GF, +... + nn = = mit... + xan = al +... + ial? > 0. Queremos registrar que 0s conceitos fundamentais introduzidos nos espacos euclidianos (noma, disténcia, ortogonalidade, base ortonormal, complemento ortogonal ¢ isometria) so definidos do mesmo modo num espaco vetorial sobre C com produto interno, E resultados importantes obtidos, como a desigualdade de Cauchy-Schwarz, as propriedades da métrica induzida pela norma, o teorema de GramSchmidt © a proposigio 7, também sGo vilidos neste caso. Apenas as demonstragdes teriam que ser ligeiramente mudadas. Um espago vetorial complexo com produto interno é também chamado de Espago Hermitiano, 196 capituLo 7 Determinantes 1, PERMUTACQOES on}. Sejan > 1 um némero natural, Consideremos 0 conjunto Nu = { Definigfo 1 — Toda aplicagZo bijetora 0: Nq > Na chamase permutagio do conjunto Na. Sea e ysio pormutagies de N,,entfo coy:Ny Ny tambémé uma permuts- 30. A aplicagdo idéntica de N,, (indicaremos por id) ¢ obviamente uma permuta- do. Além disso, a inversa ot de uma permutagio o de N,, também é uma permuta- do de N,, ‘Notagdo: indicaremos abreviadamente uma permutagio o de Nq por ft tua ~ (cy 0)... Bal : Exemplos 1) Se n = 2, existem duas (= 2!) permutagdes do conjunto Nz = {1, 2} que so 12) _ (2 w= (3) eo (4): 2) Existem 6(= 3!) permutagdes de N3 = (1, 2, 3}. Sdo elas: 123 123 123 (; 2 ») (2 3)-G i) G3 a) G3 3) 123 12 ) Gia) G3 a) 3) Existem 24(= 41) permutagdes de Ny. Escrevaas como exercicio, 197 Definigdo 2 — Consideremos uma permutago o- 1 2.0. 9 (1) 62) ... of) de Ny. Seja r 0 néimero de pares ordenados o(j). Chamase sinal da permutagao o 0 nimero inteiro representado por sgn(o), que € 23 3 2). © imico par (i, j) com 1 o(j) ¢ (2,3). Entior = 1 © sgn(o) = -1. 3)Tomemos o= (1 2 3 4 8). Seni Neste caso os pare G, 5); logo r= 3 Definigio 3 — Uma permutagio o & par (respectivamente, impar) se sen(o) = 1 (respectivamente, sgn(o) = —1). 198, . =2e j=3) (i 3 >) (aqui i= 2 e j= 3) Q2ths neste exemplo i = i- a) (neste exemplo i=3 ¢ j= 6). Nota: As transposig®es slo permutagSes impares muito simples pois n — 2 ele- mentos de Ny = {1,..., 8} fo inalterados por elas ¢, logicamente, os outros dois sfo invertidos ou transpostos. [As transposigdes sfo importantes devido 20 seguinte teorema, cuja demons- trago omitiremos. Teorema 1 — Toda permutago o do conjunto Ny pode fatorar-se na forma o= %0 %0...0 Ty onde Z sfo tran Sem 0 To... © Z/ 6 outra decomposigdo de o em transposigdes, entdo s e t so ambos pares ou ambos impares. Além diss Decorre desse teorema que = sgn(o) sen(y), onde o © y sio permutagGes quaisquer do conjunto Nn. Em particular para toda transposigéo Z , sgn(o0 7) = —sgn(o). A verificacio destas formulas é uma tarefa para o leitor. 2. DETERMINANTES Seja A = (aj) uma matriz real de ordem n, Consideremos um produto da forma toca) M202) * -++ * Aneta) onde o & uma permutago do conjunto Nj. Nesse produto aparece apenas um elemento de cada linha de A (pois os primeiros indices no se repetem) ¢ apenas tum elemento de cada coluna de A (pois 0s segundos indices também nfo se repetem, j4 que o € bijetora). Vamos multiplicar esse produto pelo sinal de o que é lou 1: sgn) aro(1) 82002) * +++ * Anon) 199 Finalmente somemos todos os ntimeros assim obtidos, de maneira que o percorra © conjunto de todas as permutagdes de Ny. Teremos portanto n! parcelas na somatéria > saco) see * Myon) Definigdo 5 — Chamase determinante da matriz A de ordem no nimero real s+ Soca) det(A) = sen (o)aroc Exemplos 1) Se A = (a1), entilo det(A) = ay. 2) Soja A= (OH Cn AS permutag6es do conjunto {1, 2} e seus sinais so w- (2) G _fi2 w= (Jeuvere(’) aan Logo det(A) = aiza;, — ayy te ai 3) SjaA= [on an an) 3. Mas em certos casos, como no exemplo seguinte, 0 problema é relativamente simples. 4) Seja A = (aj) uma matriz de ordem n em que aj = 0, sempre que i # j. Mostremos que neste caso det(A) = a1322 ... ann. De fato, temos: = Le portanto aparece a parcela 1,232 . .. ayn. Se @ id, exist Jogo na parcels definida por o aparece o ele pertence & diagonal principal de A, 0 que significa que aig Ano(ny = O- Assim, as parcelas correspondentes aos 0 # minante se reduz a det(A) = andy ©... Sane EXERCICIOS PROPOSTOS 1, Calealar sgn(0) nos seguintes. casos: 456 12 3, 201 2. Caloular det(A) nos soguintes casos: @aa(?? 3. Caleular det(A) (Em): mre of 2-r 3 4 on rere @a=( 1 1-a 2 0 0 2a 4. Determinar os valores reais ou complexos de 2 de modo que det(A) = 0 no exercfcio 3 23 S.8i2 as (a1 00 Caleular det(A — 25) e, a seguir, no polindmio p(A) obtido, su Car aaa polinémio p(n) obtido, substitua A por A, obtendo 6. Ample a das wadas no examplo 4 deste par xamplo 4 deste pargrafo para provar 0 seguinte: se A = ( Suma mats em que a= 0, todas ar verte que ie emgon| e A = OD 420A) = ana + + ann 7. Bserevet todos 0s produtos 00 yonde Ge y séo permutagdes de ON, ony 202 3. PROPRIEDADES DOS DETERMINANTES Seja A = (ay) uma matriz de ordem n. A linha j4sima da matriz A 6 AO = (aj aj ... Bjq) que indicaremos apenas por AJ, para facilitar a notagho, Entiéo a matriz A pode ser representada pela seqiiéncia de vetores-inha ~” Isso nos permite pensar no determinante como uma fungio de n varidveis A’, AB, ..., AM que sfo vetores do Rt: Nota: Podemos também pensir no determinante como uma fungio das n colunas Ay, +. An de A. Conforme veremos na proposigéo Ps, tanto faz pensar em termos de linhas como de cotunas. Em razo da definigao que demos de deter- minante, vamos trabalhar sempre com as linhas, até que se estabelega a propriedade Ps. Dai para a frente, cada propriedade enunciada em termos de linhas tem uma correspondente para colunas ¢ vice-versa. P,. A fungfo determinante é linear em cada uma das varidveis A’, A, ..., A", isto 6: vA) = ; JAR. AM + det(at, A? (b) det (At, A?,..., AAU... AM) = A det a, para todo] e somamos quarta coluna: pelo exercicio 6 acima det A = —4. EXERCICIOS PROPOSTOS 1. Provar que se A ey Ag) © Aty cosy An EAR, onto deta Ay, .+.5 AnAR) = See 2, Sem céleulo, provar que a matiiz 3-6 x 1-2 y 2-44 tem determinante igual a zero quaisquer que sejam x, y, 2 € R. . Seja A uma matriz de ordem 3. Provardiretamente que det(A) = det Ag) © det(Ay, Ar + Ag, Ar + Aa, 5. Seja A uma matriz de ordem m tal que A + At = 0. Provar que det(A) = (~ AeA), ‘Que acontece sen & impar? sea A= [ * | (ob... b), Quanto 6 detiay? Provar que usando as propriedades Py ¢ Ps. Sea A = ( Ag — Ay — Aa). Provar que det(B) = — 4 det A. Provar que det(A) = Osendo 1 cosa cosda A= [cosa cos2a corsa £05 2a cos 38 cos da, a }. COFATORES Tomemos a matriz an an as a a ays an am an, ‘Seu determinante é dado pela soma das seis parcelas sgn(0).419(1)220(2) 8s0(3)- Existem duas permutagdes que levam 1 em 2: (a dircita, esté 0 seu sinal) 123 123 Ie (ib 3) (3 :) 208 ‘Az, As) uma matiiz de ordem 3. SejaB = (Ay ~ Az Ag,Az— Ay— As, Na expresso do determinante de A agrapemos os termos que contém a3: ~aipn1999 + &y23%39aqy. Analogamente existem duas permutagSes que levam 2em 2: 123 123 ( 2 :) aoe ( 2 ) SY) 4 primeira par © a segunda {mpar, Agrupemos os termos correspondentes: tu14aa 33 — 43822431. Existem finalmente duas permutagdes que levam 3 em 2: 123 123 HI) e 1 (ajo (i s)e a primeira impar e a segunda par, cujos termos correspondentes so: —a)1 4,342 + + astride: Assi det(A) = (audits + ainta9831) + (s8s0ta9 — Anstey) + + (aistnide ~ Andean) = tia aides — taste) + + an (0utsy — a4s851) + a (Osten — Anta) = = ayAy + ayAn + apAn, com a definigho evdente de Ava, Ans © Asa. Observemos que Ag = det (: ~) An =aet (: fan as © Ag = —det : aa ts ‘A expresso det(A) = >, aiAi € 0 desenvolvimento de det(A) pela segunda coluna. O que foi feito com respeito A segunda coluna também vale para as duas outras, ou seja, det(A) = >) aikAik (k= 1, 2, 3). Nota; Tudo o que foi feito para as matrizes de ordem 3 vale para as matrizes de ordem n, Para verificar tal afirmagdo seja A uma matriz de ordem ne fixemos um indi rmutagdes do conjunto (1, 2,...,n}-estdo repartidas Sn, onde Sj consiste das permutagSes o tais que o(i) = j, Além disso cada classe $; consiste do mesmo miimero de permutagdes que 6 (n — 1)!. Decorre daf que: aet(a) = S~ san(odaytnoa + =.= + arora) + & tee * Anotay + +n, (0-1) Maj = onde Age x sgn(o)aig(ay +... + 5 @=1,2,...,). Portanto det(A) = Mj=eom Definigio 6 — O miimero real Ajj obtido segundo as consideragdes acima chama-se cofator do elemento aj da matriz A. Devemos notar que Ajj é 0 deter- minante da matriz de ordem n — 1 obtida de A pela supressfo da linha i¢sima ¢ da coluna j-ésima, multiplicado por (—1)!*), () Esto 6 desenvolvimento de det (A) pela coluna iésima. E possivel provar que det (A) = a eens ee eet rene ae ‘ésima linha, Para isto basta lembrar que det (A) = det A‘), 210 EXERCICIOS PROPOSTOS 1. Caleular 0s cofatores de cada um dos termos da matriz 124 A=(0 12 231 2, Caleular 0 cofator do elemento x da matriz, 0 103 ae {22412 2100 3x24 3. Desenvotva pela primeira cotun = auAid © depots eaele © determinants ° ° 2 da mateiz (: 1 2 Repetto exerc{eio 3 com a matriz, 21 12 oo 31 Sejam A, Be C matrizes de ordem 2¢ sa ° ° 3 1 2 1 de ordem 4. Provar que det(X) = det(A)det(B). Este resultado vale para A,B,C Mq(IR), 2 5. ADJUNTA CLASSICA E INVERSA Definigso 7 — Seja A = (aij) uma matriz de ordem n e seja Ay 0 cofator de aj. Chama-se adjunta cldssica (ou simplesmente adjunta) de A a matriz 1 Ag An An AgjA = Calculemos 0 produto (Adj A)A. O elemento de posigio (i,j) nesse pro- duto € >) Axity; © este nimero ¢ igual a dy det(A). De fato, para i = j essa ket soma vale)” ayiAuj que € 0 desenvolvimento de det(A) pela coluna i-ésima, me Para i ¥j € 0 desenvolvimento pela coluna isima do determinante da matriz A’ = = (Ar, Ajy- +4 Ajy--., An), com as colunas ie j iguais, ¢ portanto vale zero. Entio (Adj A)A = (det (A))Iq. Se considerarmos o desenvolvimento de det (A) por ‘meio de uma de suas linhas chegaremos a que A(Adj A) = (det (A) In. Portanto vale sempre a igualdade: det(A) A(Adj A) = (Adj AJA = det(A), = * det(A), 1 = det(A) ( 1, ) = det(A)I,. 1 Relembremos: uma matriz A de ordem n é inversivel se, ¢ somente se, existe uma ‘matriz B, também de ordem n, de maneira que AB = BA = Ip, Entio das consi- deragdes que acabamos de fazer resulta a seguinte proposigio: Proposi¢io 1 — Uma matriz quadrada A tal que det (A) # 0 ¢ inversivel e sua inversa € dada por: 212 eee AY = gay tA =) cujo determinante 6 1X 7 — 1X 2 = 5. Neste caso a adjunta de A é a matric: (1) 21 ra) (7-1) _ (5 0) _. (1 0 2 7) \2 1) ~ \o 5} ~ o1 Exemplo — Seja ‘Temos Logo © teorema a seguir seré demonstrado em apéndice; sugerimos ao leitor que faga sua demonstragdo quando A e B tém ordem 2, Teorema 2 — Sejam A e B matrizes de ordem n, Entio det(AB) = = det (A) det). Corolério — Seja A uma matriz de ordem n, invers{vel. Entio: det(A) #0 © det(A~t) = (det (A)? Demonstragéo — Pot hipStese existe uma matric B de ordem n tal que AB = BA = Ip. Logo det(AB) = det(A) det (B) = det (In) = 1. Daf det(B) #0 e det(B) = aay" 23 6. REGRA DE CRAMER Consideremos um sistema de Cramer sobre IR: auxt + amx, +... + ainXn = by tui + Sak +... + Mann = by tam + tam +. ou, equivalentemente, onde A = (aij) & inversivel, X = (x1 x... Xq)t € B= (by by ... by)*, J4 vimos 10 capitulo 1 que tais sistemas so compativeis determinados com solugéo dada por X = A-'B. Levando em conta a proposigio 1 do parigrafo precedente, temos: 1 det (A) Este timo resultado nos permite calcular explicitamente x, X= (adj ADB. +4 Sn. Vejamos = e@) © termo >” Aj:by & 0 determinante da matriz i bo an ain bb a, a=[? 2 aan ba ana ann 24 dlesenvolvido pela sua primeira coluna, De um modo geral o termo )’ Ajxj fi (k = 1, 2, ..., 1) € 0 desenvolvimento, pela coluna k-ésima, do determinante da matriz an by on nt ba obtida de A pela substituigio de sua k-ésima coluna por B. Temos entio finalmente = Sete) Xk = “Get(A) Bsta formula dé a soluggo de AX = B quando A ¢ inversivel e € conhecida como regra de Cramer. HL 2.0m Exemplo — Resolver o sistema dx -y -22=5 axt+y+2=1 Bx yt 2=5 2-1-2 4 1 2) e det(a) = 18. B-1 1 Neste caso com det(As) = 18, det(As) = 18 € det(As) = ~36. 215 EXERCICIOS PROPOSTOS Calcular, se existir, a matriz inversa de A (usando sua adjunta) © use esse inversa para resolver AX = B nos seguintes casos 1 2 1120 4 0201 3 OAs Be 0032 2 oo 04 1 Sein a mats de ondem n + 1. (Vandermonde) bow i at at toy a? amt a? ie Lom ae at 2) Provarque det = “TT. (qj —a)sonde. simboto TT signin T o V 6 um operador linear ¢ B e C sao bases de V, sabemos que existe uma matriz inversivel M tal que No = Mo (E)pM. Logo det ((F)c) = det(M-"(F)pM) = det (M-!)det ((F)g)det(M) = = (Get (M))”tdet(At)det()g) = det (Fg). Assim, embora a matriz de F dependa da base escolhida em V, todas as matrizes que representam 0 mesmo operador F tém 0 mesmo determinante. Definigéo 8 — Chama-se determinante de wm operador linear F: V > V 0 determinante da matriz de F em relagio a uma base qualquer de V. Usaremos a notagio det(F) para indicé-lo, [As seguintes propriedades sio imediatas: (D Se F © G sao operadores lineares de V, entio det(F 0G) = det (Fydet(G), (HD) det(l) = 1, se I indica a identidade de V. (Ii) F: V > V 6 um isomorfismo ‘se, ¢ somente se det(F) + 0. EXERCICIOS PROPOSTOS 4, Seja F: R? > IP 0 operador linear dado por F (1, 0) = 2, 1) e FO, 1) = G, 3). Caleular dour) SejaH:V + Vahomotetia H, (¥) = av, 4ve V. Calcular det }. Seja F: V > V um operador linear tal que F? = F, Quanto vale det (F)? Seja FIRS dado por F(x, ¥,2) = (x—y +2, 2x2. ty +2). Calelar det(P) © F), 27 APENDICE IV Determinante de um Produto de Matrizes Neste apéndice provaremos os resultados sobre determinantes no demons- trados no texto. 2) Seja A = (At com 1 aby Gist... n). G Entdo det (C) = Dangbest Deaagbry — Ldekgdeye «+ Lak begn Aghia nigbegn @ 2 (4) g > ee ® Grpehay om) ek @ =D diqabeya «Deyn sen (0) det A) = © = det(A) S990 (0) Deyabags Bega = @ = d0t(A) Y sen(0) Ding + «+. + Bay = det(A) + det), 219 Explicagies 1) Usamos 0 fato de que 0 determinante é uma funcdo linear em cada coluna. Esse fato foi usado para todas as colunas. 2) Mais uma vez a linearidade, usada nas n colunas. 3) Eliminamos as parcelas em que kj = kj com i # j pois neste caso Aik, wes Mtky det [ . . ) =0 Sok, +++ ky 4) Com a hipotese kj # ky para i j, a matriz ay (22) tem as mesmas colunas que a matriz A, porém pemutadas. Se 12.2 8 oe ( ky se ‘) eniéo a matriz acima tem determinante igual 20 de A multiplicado por sgn(o). 5) Obvio. (Guas colunas iguais). 6) Uma permutagdo e sua inversa tem mesmo sinal. Definigao de determinante. Nota final: Toda a teoria sobre determinantes de matrizes reais aqui construida poderia ser feita para as matrizes complexas de maneira inteiramente andloga, 220 capituto 8 Formas Bilineares e Quadraticas Reais Em algumas passagens deste capitulo o leitor encontraré uma certa seme- Ihanga entre © que se expde aqui ¢ 0 que foi exposto nos capitulos 6 (Espagos com Produtos Intemos) e 7 (Determinantes). Mais precisamente, Tormas bilineares simétricas € uma generalizacdo do que se fez no capitulo 6 ¢ 0 catudo das formas bilineares antisimétricas est, de uma certa forma, ligado a0 estudo dos determinantes. Em realidade 0 determinante pode ser visto conto uma forma (multilinear) antisimétrica, 1, FORMAS BILINEARES Definigéo 1 — Sejam U e V espagos vetor f: UX V > R é uma forma bilinear se, ¢ somente se, a) f(uy + vas 9) = MCUs, + £02, Ws ¥)fiau, ¥) = af(o, 9; ©) flu, vi + v2) = flu, v1) + fu, v2) & @) f(u, av) = af(u, v), para todos os vetores u, u; ¢ U; de U, v, v; € v2 de Ve para todos os escalares 1eR, sobre R. Uma fungao todas as formas bilineares de U X V em R seré denotado lo U = V, apenas por B(U). ; V) tem uma estrutura de espago vetorial sobre IR. De fato, tendo f ¢ g formas bilineares desse conjunto, define-se f + g por (f + 8)(u, v) = = f(u, v) + g(u, v) © MER) por (Af) (4, v) = A&C, v), para todo ( : um trabalho rotineiro provar que f + ge Mf pertencem a B(U; Exemplos 1) Sejam U= V= IR" ¢ f IR" XR" > R dada por £CGay ey Kade Yt + Yad) = X4Va + XY +--+ Xn Trata-se do produto interno habitual no IR" para o qual jé vimos que valem as propriedades exigidas na definigo acima, 224 2) Seja A uma matriz real m x n fixada, A aplicagio fy: Mm (IR) X X Magy (R) > Re dada por fa (X, Y) = Xtay 6 bilinear devido a propriedade associativa da multiplicagiio de matrizes, devido propriedade distributiva desta em relacdo a adigfo e ainda porque (aP)Q = P(aQ) = = a(PQ) e (P + Qt = P+ QE (@ ER; Pe Q matrizes). 3) Sejam y:U > IReo:V_ IR duas formas lineares (veja capitulo 5,§ 4). A fungfo f:U x V_-rIR definida por £(u, ¥) = vo) € bilinear. Verifiquemos 0 item (c) da defini¢fo dada: £(4, v1 + v2) = elwos + va) = (OCH) + 0(02)) = = o(uotrs) + eludotvs) = fu, vs) + FC, 2). Esta fomma bilinear ¢ denotada por y @ o ¢ recebe o nome de produto tensorial das formas lineares ye 0. 4) Sejam u = (x1, x3) € ¥ = (Ys, Yay Ys) votores genéricos de IR? ¢ do IR? respectivamente. A fungio f:IR? x IR? + IR dada por f(a, ¥) = Xay + 3x1¥2 — X13 + Ys — 3%2Y3 ¢ uma forma bilinear conforme se verifica facilmente, 5) Todo produto intemo em um espago vetorial sobre IR 6 uma forma bilinear, 0 que decorre da prOpria definiefo de produto interno, 2. MATRIZ DE UMA FORMA BILINEAR Suponhamos que U e V sejam espagos vetoriais sobre IR de dimensdes men respectivamente. Tomemos uma base B = {u, ..., ty} de Ue uma base C= = (i, +25 Val de V. Ent, seu= >" au EUev= >> MEV, f(y) = faa i 4 ) = 31>, aibjf(ui. wy). (Vela exereicio 4 a seguir). A 4 Gf ) matrizm xn tur, ve) A ei, yp= (--.- F(Ums V1) fm, v2) + %) 222 6 chamada matriz da forma bilinear f em relagdo as bases Be C. Exemplo — Achemos a matriz da forma bilinear f(u, v) = x14 + 3u1y2 — X1¥3 + X21 — 3%2Ya (exemplo 4 do item anterior) em relagio as bases cand- nices. Como £(G, 0), (A, 0, 0)) = 1, (C1, 0), ©, 1, 0)) = 3, (C1, 0), , 0,1) = -1, £(@, 1), (1, 0, 0)) = 1, F(@, 1), ©, 1, ) = 0 & £(@, 1), ©, 0, 1) = -3, a matriz 6 1 3-1 10-3 Proposigio 1 — Fixadas as bases B do espago vetorial Ue C do espago vetorial V, a correspondéncia que associa a cada forma bilinear f € B(U; V) sua iatriz em relaglo a essas bases, é um isomorfismo do espago vetorial B(U; V) no espago vetorial Mp x (IR). Demonstragao — & rotineira. Faga-a como exercfcio. Para inspirarse, se for © caso, veja a proposigo 1 do capitulo 5 e paginas seguintes. = Da proposigso anterior decorre que se dim U = me dim V = n, entdo dim B(U; V) = dim My, ,(IR) = men. A:mesma proposiggo nos ajudard a cons- ‘truir uma base de B(U; V). Um} eC =f + Yn} Sfo bases de U e V, respectiva- mente, lembremos que as funges Fj: U> IR dadas por Fi(xyu +... + mUm) = ‘m) constituem uma base do espago dual de U (base dual de B), da mesma maneira que as fungdes Gj: V > R, definidas por Gj(yivy +... + + ava) = G n) formam uma base do espago dual de V. Observando que Fi @ Gu, wy) = Fi(wG(y) = 1-1 = 1 © que F, © G)(Ue, ¥) = Fi(UNGi(¥) = 0, sempre que i # r ou j # s, concluimos que a mat isomorfismo considerado na proposigio 1, 6 a matr € igual a 1 e cujos demais termos so nulos. Logo as formas F; @ Gj (i= 1, ...,m; j= 1, ...,m) esto em corres- pondéncia, no isomorfismo considerado, com as matrizes da base candnica de Maven (IR). Portanto formam uma base de B(U; V). iz associada a F; @ Gj, no jo termo de indices ie j 223 EXERCICIOS PROPOSTOS 1. Mostrar que f:U x V +R 6 uma forma bilinear se, e somente se, ® faqu + aus, ¥) = af, v) + afl, 9) & ») fa, ayvs + 9%) = ayfla, vy) + agfle, v3) para tolos os votores u, U1, Up de U, todos os vtors¥, vi. va eV e qussqueresca Jares ay @ a2 em R, > saan 3. Provar que B(U; V) é um espago vetoral sobre IR. 4. Sejaf:UX VIR uma forma bilinear, Provar que 9 fe, y= » fu, = =o; —» = -ftu, ¥); ° ‘(s > ‘) - & fle, ys ° (Fn) = > ait £4, 9. Sofa u= (x, 9) € ¥= (ya, ¥2) vetoes genétios do RE, Quals ds seguintes fangSes fo formas blineares: a nnnnes yak wax? tans Waxy: + xay2 +1 1) = Xa¥2 ~ aye We ya: Mem + ya) =o; 6. Caleular a matriz das formas bitineares que aparecem no exercicio anterior em relagdo & base candnica, 7. Sejaa form linear do IR?, (u,v) = xyyy + 2xay2~ Xay1 + xXay2- Caloular sua ma- so As seguintes bases do IR®! 24 £:UXV + lReg:U XV IR sfo bilinares, entfo f + ge Af so bill- Seja a forma bilinear f(u, v) = axiys + brays + exiya + dxay2. Que condigdes dover satsfazer ¢, b, ¢ e'd para que: 2) f(u, ¥) =f, u) para todo u, ve Re; & f(, 9 = -f0, u)_ par todo u, ve RE; +e) Exista u # 0 tal que f(a, v) = 0 para todo v Re y: IR? > R a5 formas lineares dadas por Y(x, y) = 2x + ye Wx, 9) = x —y. Calealar as formas bilineares: ave Ovo; wy vog: Pov voy; Oa Deebs bos. 10, Sejamg: R? + R e Ys RO + R dadas por yx, y) =2x + 3y eW(%y,2)= x4 =z. Calcular as formas bilincares POV e YOY. Exite POW + YOY! 11, Seja f& U x VR uma forma bilinesr, Seja ug um vetor fixo de U. Se W={v EV! (uo, ¥) = 0}, prove que W é sub-espago vetorial de V. base de V eg: V > R uma forma linest. xa +5 O60). 12, Sejam V um espaso, {¥1, 1A mutts Gop & por doting, x mats iy) = Como se obtém a matriz de y © © a partir das matrizes de ye de 0? Sugestio: voltar o exercicio 9. 3. MATRIZES CONGRUENTES — MUDANCA DE BASE PARA UMA FORMA BILINEAR ‘A partir de agora estudaremos formas bilineares definidas em V x V com valores em IR. Neste caso consideraremos sempre a mesma base para definir a matriz de uma forma bilinear. Definigéo 2 — Dizemos que duas matrizes A eB de ordem n so congruentes se existe uma matriz inversivel P, do mesmo tipo, de maneira que B = PtAP. Usaremos a notagfo A ~ B para indicar que A e B slo congruentes. Essa relago bingria em M, (IR) tem as seguintes propriedades: @M AeA () AxB => BA (I) Ax Be BYC ==> AKC, 25 ‘A demonstragdo da primeira ¢ trivial: tomar P = 1,. Quanto a segunda, se B = PIAP, entéo A = (P)" BP, Como porém vale a igualdade (P!)-! = (P!)t, obtemos A = (P-1)B(P'). Deixamos como exercicio a verificaglo de (1 Portanto a relagdo “‘congruéncia de matrizes” 6 uma relacio de equivaléncia. Exemplo — As matrizes Lo} A= e p= (* ? 241 6 4 so congruentes pois tomando a mattiz inversivel P= ( 2 me 2°). (2°. 20 11 21 01 (: °) ( ) ( ) - : - =3. 31 01 6 4 ‘Uma vez introduzido 0 conceito de congruéncia de matrizes, podemos pensar em representar uma forma bilinear em relagdo a duas bases e comparar as matrizes. Seja V um espaco vetorial sobre IR de dimenso n, { mudanga P da primeira desses bases para a segunda. Consideremos os vetores ue v do espago V referidos as duas bases consi- deradas: ‘ou apenas X = PY e X’ = PY’ com os significados Sbvios de X, X', Ye Y’, 226 Portanto townee(S ma a 33 »)- fo, o-( viv & a) Go 2 > villve wyj- =D ilu wah ° Ms > TM> ‘As igualdades acima podem ser ‘na forma matricial do seguinte modo: £(, ) = X'AX’ e f(a, ¥) = Y'BY’¢ ‘© que decorre diretamente do conceito de produto de matri conta as igualdades X = PY ¢ X' = PY’, YIBY' = f(u, v) = XtAX’ = (PY)'A@Y’) = YEPHAP)Y’ isto quaisquer que sejam os vetores u e v tomados. Logo B = PtAP, Dat, levando em Conclusio: quando se muda a base de V a matriz de f muda para uma coutra que lhe & congruente. Por outro lado pode-se provar facikmente que toda matriz congruente matriz A representa a forma bilinear f em relagdo a alguma base de V. De fato, se B = PAP, com P inversivel, e se X e X’ sfo as matrizes em relago a uma certa base, ento Y= P-!Xe Y! = das coordenadas de we v, espectivamente, com respeito a uma outra base do espaco (ver capitulo 3 — §8 — PROBLEMA 3). Da Y'BY' = YUPLAP)Y’ = (PY)'A@Y’!) = XIAX’ = f(u, v). Segue disso que a matriz de f em relagfo a uma certa base serd inves se, € somente se, todas as possiveis representagOes matricias de f forem inversiveis. Definigfo 3 — Uma forma bilinear f: VX V > R se diz no degenerada quando admite uma representago matricial inversivel. Caso contrério a forma se iz. degenerada, Exemplo — O produto interno no IR” cuja matriz. em relagdo a base cand- nica é evidentemente I,, 6 um exemplo importante de forma bilinear nfo degene- rada, Observagio: Nos pardgrafos seguintes resolveremos problemas do seguinte tipo: dada uma forma bilinear procura-se uma base em relaglo-a qual a matriz dessa forma seja “bem simples”, (©) [sto mostra que o exemplo 2 do primeiro parigrafo deste capitulo é bastante geral. 27 EXERCICIOS PROPOSTOS 2-1 39 12 1 seam a= ( Jone eo P= 9 ae oa 1p) + Caeuls PAP © com: paar com B. Conclusio? 2 forma bilinear do R? 3 —pMya — mays. ua matsiz em relagdo is bases {(1, 0, ae (1,0,0))» proves actanorta ques toe cose ee ots BB, 4. Sejam as formas lineares do IR?, (x, y, 2) = x+y +z0 W(x, = 2x—y. Calcutara matriz de y ® W em relagdo as bases do exercicio 3. »? * cust a4 +5, Set A = ( 12 diagonal, ) «ent i mt eel F ie PAP ame mani 6. Provar que se P'AP ¢ uma matriz simétrica entfo A é simétrica e reciprocamente. Que se pode dizer se A € anti-simétrica? Foi usado o fato de P ser invesivel? a . FORMAS BILINEARES SIMETRICAS E ANTI-SIMETRICAS Definigéo 4 — Uma forma bilinear f: VX V > IR € chamada simétrica se f(u, v) = £(v, u), para todo (uy vVEV XV. * dlaro que se f ¢ g sio simétricas entio f + g também 6 pois E+ B)(u, v) = £(@, ¥) + B(u, v) = fly, u) + av, v) = (E+ 8), w). © mesmo acontece, é evidente, com Af (#2 EIR), Portanto 0 conjunto das formas oe simétricas de V X Vem IR 6 um subespago de B(V) que se denota por By). 228 Nota: B evidente que a matriz de uma forma bilinear simétrica é uma matriz simétrica. Seja, por outro lado, A uma matriz simétrica ¢ seja f a forma represen- ada por A, com relagfo a uma certa base, Assim: f(a, v) = X'AX’ mantendo as notag6es anteriormente usadas neste capitulo, Dat Fv, u) = (YAK = YF ATKD! = AX)! = (Hu, 9) = £4, v) pois f(u, v) é uma matriz 1 X 1 que, portanto, coincide com sua transposta, Logo o espago das formas bilineare: isomorfo ao espago das ma- trizes reais simétricas cuja dimensio é n(n + 1)/2 (exerefcio resolvido 8 — § 6 —ca- pitulo 3) Desse isomorfismo segue, inclusive, que a dimensio de B,(V) é também n(n + 1)/2 desde que a dimensfo de V seja n. Por tltimo, da relagio B = PtAP segue que B 6 simétrica se, ¢ somente se, A € simétrica, Logo se f € uma forma bilinear simétrica sua representagio matricial serd simétrica qualquer que seja a base considerada, Teorema 1 — Seja f: V X V > R uma forma bilinear simétrica. Entdo existe uma base de V em relagio a qual a matriz de £ é diagonal, Demonstragio (pot indugdo sobre a dimensto de V): Sa em que f= 0 e aquele em que dim V = Certamente existe um vetor v, tal que ¥VEV, entéo fut v, uty) =f(u,u) = 0, ¥u, VV. Daf f= 0 0 que € at f(v;, ¥1) #0, todo vetor v EV admite a seguinte decomposigfo su)=O (dizemos que x; € ortogonal a v, relativamente a f).Como um miltiplo nfo nulo de v, no pode ser ortogonal av; (relativamente a £), a decomposigdo acima & ‘inica no seguinte sentido: todo vetor v © V se decompée, de maneira ‘nica, ‘como a soma de um miltiplo de v, ¢ um vetor ortogonal a v, relativamente a f. © sub-espago gerado por vy ¢ de dimensdo 1; logo 0s vetores ort ‘% (elativamente a f) formam um sub-espaco de dimension — 1 F de £ a este subespago é simétrica; pela hipdtese de indugo existe uma base 29 (vay «+5 Yq} deste sub-espago de maneira que f(v, vj) = 0 se 2 R se diz anti-simétrica se £(u, ») = f(y, u), ¥u, VE V. Decorre da definiggo que fu, u) = 0,¥ue V. E fécil provar que se fe g séo antisimétricas entdo f + g também é anti-simétrica, 0 mesmo acontecendo com AE, para todo AE IR. Nota: Do que ficou dito acima segue que os formas bilineares anti-simétricas formam um sub-éspago de B(V) o qual serd indicado por B,(V). I claro também que a matriz de uma forma bilinear anti-simétrica 6 uma matriz anti Vice-versa, dada uma matriz anti-simétrica, podese mostrar que a forma bilinear de que ela provem, escolhida uma certa base de V, é antisimétrica, Logo hé um isomorfismo entre os sub-espacos das matrizes anti-simétricas sobre IR de ordem n © 0 das formas bilineares anti-simétricas de V X V em IR, desde que dim V =n, Em particular a dimensio de B,(V) & 2 mn +1) _ nm -1) 27 7 3 isto porque My (IR) € soma direta do sub-espago das matrizes simétricas com 0 das matrizes anti-simétricas, sendo portanto a dimensio deste diltimo a diferenga entre as dimensdes dos dois primeiros. Teorema 2 — Seja f: VX V-> R uma forma bilinear anti-simétrica, Ento existe uma base de V em relagdo a qual a matriz de f A A. o1 onde A= -1 0 Demonstrapao (por indus sobre dim V): Se f 6 nula nada hé a provar. O caso dim V = 1 também ¢ trivial. Suponhamos f nfo nula e a dimensio de V 230 maior que 1. Existe entio (u, v) €V X V de modo que £(u, v) # 0. Esses vetores ue v so necessariamente L.I. pois, caso contrério, teriamos por exemplo w= hv DER) e dat f(a, ¥) = £0, 1) = Mv, ) = 0. Soja W 0 sub-spago gerado por ue ¥. A restrigfo de fa W 6 uma forma bilinear antsimética © sun matriz em relagfo a base B= { 55, } 6 precisamente A (verifique). Seja U = {u € V | f(u, w) = 0, w © W). Pode-se provar entio que U® W= Ve daf decorre que dim U =n — 2. Arestrigdo f de fa U 6 anti-simé- trica e, por hipét indugZo existe uma base de U tal que a matriz de Fem relagfo a ela é do tipo desejado, porém de ordem n — 2. Juntando a base Ba base de U nessas condigdes obtemos a base que se pretente. # Corolério 1 — Se f: V X V+ IR 6 antisimétrica nfo degenerada entio a dimensio de V & par. Prova — Para que f seja nfo degenerada sua matriz deve ser inversivel, o que significa que os zeros da diagonal nao aparecem, Corolétio 2 — Se dim V = 2k = n, entfo existe uma base de V em relago qual a matriz.de uma forma bilinear anti-simétrica nfo degenerada 6 do seguinte tipo o:;B (3:3) onde B= Oo FO 6 de ordem k. oO 0. Prova — Seja {vi, Wi, Vay Woy +--+ Ves Wk} @ base de V em relagdo & qual a matriz de f é rando a nova base (v1, wi} obteremos a representagio desejada, = 231 EXERCICIOS PROPOSTOS 1, Escrever a expresso geral de uma forma bilinear simétrica no IR? e no IR? 2. Escrever a expresso geral de uma forma bilinear ant-simétrica no IR? e no IR. Encontrou algo de familia? Sejam ye W formas lincares sobre V. Provar que a forma bilinear p®W - WO pe antist mitricacpeY + YOY 6 simétrica. Provarquey@Y ~ Y2y = 0se,¢ somente se, pe so linearmente dependentes. Dada f © BCV) provar que as formas bilineares g eh definidas por elu, v) = f(u,) + + fly, eu, ¥) = fu, Y) — fl, u) satisfazem as condigoes: a) BEB); b) hE BAW); os eth 5. FORMAS QUADRATICAS © estudo das formas bilineares est intimamente ligado ao das formas quadré- ticas. Estas aparecern em numerosos problemas dentro e fora da Matemiética o que toma o seu estudo bastante atraente. Definigdo 6 — Seja f: V X V + IR uma forma bilinear simétrica. Conside- remos a fungdo qf: V > R definida por qr(v) = f(v, v), para todo v © V. Esta fungdo de uma varidvel, que indicaremos apenas por q, quando nao houver possibi- lidade de confusto, chama-se forma quadritica sobre V associada a forma bilinear f. Exemplos 1) A forma quadrética associada ao produto intemo usual do IR" é 40a, 2) E uma forma bilinear simétrica do IR? a fungdo f dada por £(u, ¥) = xy + 2xay2 + 3xs¥3 + MaY2 + YD, onde u = (X1, 3, Xs) € V= (Vas Ya, Ya). Observe por exemplo que a matriz de f em relagdo a base candnica € 110 1200 0 0 3 wa) EP + te, 232 que ¢ simétrica, A forma quadrética associada a f é a fungfo ly) = x2 + 2x2 + 3x2 + xn + aK = x2 + 2x? +322 + 2x Nota: Dada uma forma bilinear simétrica, se q ¢ a forma quadrética associada a f uum edleulo fécil (Faga-o) mostraré que f(a, 9 = Flaw +») - a) ~ a) =} late +) ~ a - VI para todo (u, v) © V X V. Estas formulas so conhecidas como identidades de olarizapio ¢ mostram que nfo somente q esté univocamente determinada por f como também vale a reciproca: q determina f univocamente. Como uma conseqiéncia do teorema 1, veremos a seguir que toda forma qua- drdtica admite uma “forma candnica”. ‘Seja agora {v1, ..., vq) uma base do espaco V; suponhamos q: V > Ra forma quadrética associada a forma bilinear simétrica f. Entdo, para todo vetor EV temos = ¥ fen, wae +2 Y fu. yds mi i | : |-oe ot dud Yo Dizemos que a base com a qual conseguimos esta iltima igualdade diagonalizou a forma quadrética q. A igualdade (1) 6 uma expressio diagonal de q. Esta fltima expresso de q(u) pode ainda ser melhorada da seguinte maneira, Ordenemos, se necessério, a base {u,,..., Ua} que diagonalizou q(u), de ma- neira que dy, ... ,d, sejam positives, dysx,.. ., de sejam negativos © dvs...» dn sejam nulos. £ claro que isso sempre € possivel e que 0 < s, t somando a primeira coluna desta sua terceira coluna multiplicada por 3. Observemos que a transposta de uma matriz elementar € ainda elementar, A transposta da matriz E acima 6 a matriz 10 3 010 oon que se obtém de 1, somando primeira linha de I 0 triplo de sua terceira linha, Ou somando a terceira coluna de 15 0 triplo de sua primeira coluna, Em resumo, se para efetuar uma certa operagdo elementar com as linhas de ‘uma matriz A precisamos multiplicar A por uma matriz elementar E, obtendo BA, a mesma operacto seria efetuado com as colunas de A calculando o produto AE‘. Consideremos agora uma forma quadritica q(u) = X'AX sobre um espago vetorial V. Jé sabemos que existe uma matriz inversivel P de modo que P‘AP = D 6 diagonal ¢ que D é uma outra representagio matricial de q. Mas P, por ser inversivel, € um produto de matrizes elementares Ey, ..., Ey (apéndice I, capi- tulo 1): P= Ey... EyE,. Logo D= (Gy ... xE:)'A(E .. aE) = (EVEs...Es)A(Er . .. EaEs) = = (Bf... By EAE) (By. Fh). Esta igualdade nos diz. que existe uma sequéncia finita de operagdes elemen- tares que aplicadas altemnadamente sobre as linhas e sobre as colunasiré transformar ‘A na matriz D. Como Pt = E, ... Ef = (B;'... ES)In, & mesma seqiiéncia de operagdes, aplicadas sobre as linhas, transformard a matriz Iy na transposta da matria P de mudanga de base. Exemplo ~ Diagonalizar a forma quadtica q(x, ¥3, 2) = x2 + 2x,X2 + $4} — 4x1 Xa — 6xaxs +2. Amatria de q6 1 1-2 A= [1 1-23 2-3 1 la por (~1) e A segunda 4) Somando a segunda linha a primeira mul icada por (—1) obtemos sucessi- coluna da matriz obtida sua primeira coluna mult vamente 1 1-2 1 0-2 0 O-1 e (: >=) -2-3 1 2-101 b) Somando & terceira linha desta tiltima matriz 0 dobro de sua primeira linha e & terceira linha da matriz assim conseguida 0 dobro de sua primeira coluna achamos, respectivamente 1 0-2 1 0 0 0 0-1 e 0 0-1 0 -1 -3 0-1 ~3, (Convém, nesta altura, parar um instante © comparar 0 resultado obtido com 0 processo de Gauss.) ©) Permutemos a segunda ¢ a terceira linhas da tltima matriz fagamos a ‘mesma operago com as colunas do resultado obtido, Teremos 1 0 0 1 0 0 0-1 -3 e 0-3 -1 0 0-1 o-1 0 ¢) Finalmente 1 0 0 10 0 1 0 0 0-3-1) ~{o-3 -1)~(o-3 0 1 4 o-1 0 0 0 4, 0 0 F Na primeira destas passagens substituimos a terceira linha pela soma dela com a segunda multiplicada por > Na segunda fizemos 0 mesmo com relago segunda e A terceira colunas. Na prética podemos (com base na associatividade da multiplicago de ma- trizes) efetuar primeiro as operay6es com linhas que forem possiveis, depois todas ‘as operagSes com colunas correspondentes, ¢ assim por diante. Vejamos como fazer isso de uma maneira que nos leve também a obtengGo de P. m1 Hoo one onde | 2 0 1 gat o 1-3 © Ieitor deve notar que néo efetuamos nenhuma operagdo elementar com colunas para obter P*, O por que disto esté no dltimo pardgrafo da explicagfo deste método. EXERCICIOS PROPOSTOS 1. Redutir& forma diagonal pelo processo de Gaus as seguntes formas quaditcas no IR? DP tx? + 2am by xf af - Derma ©) xf ~ xf — 2xxai @) apa +s © 4x. 242 2. Reducis pelo proceso de Gauss & forma digonal as formas qusdétcas spuintes no IR® 2 xp ta — xy by ax? + acd = 3x2 4 Seas ©) xP xP xd + Bang + Aang + 6x00. xP + Ixaxsi Dar, em cada caso, a substituigdo linear que diagonaliza a forma quadrética. Redusie por operagies elementares & forma diagonal as formas quadriticas do exerefcio 2, CComparar os resultados. Soja a forma quadrética q(x1, m2) = ax} + 2bxjxy + of, a 4 0. Reduzna & forma diagonal, dando a substituigdo linear correspondente redugfo. 7. LEL DE INERCIA Conforme vimos nos parigrafos 4 e 5 ¢ sempre possivel fazer uma mudanca de varidvel da forma X = PY de modo a diagonalizar uma forma quadrética (xi, +5 %q)- No entanto existe muitas mudangas da forma X = PY que ‘nos conduzem a uma forma diagonal. Contudo, existe um invariante neste proceso. # o que afirma o teorema seguint Teorema 6 (Lei de Inércia): Seja q uma forma quadrétice em um espago vetorial V. Suponhamos que numa fepresentacdo diagonal de q 0 niimero de coefi- lentes positives seja r € 0 niimero de coeficientes negativos seja s. Entdo em qualquer outra representago diagonal de q haverd r termos positivos es termos negativos. Demonstracdo: Seja {Vy, .... Yn} uma base de V que diagonaliza q. Assim xiv € V, entdo q(x) = dix? +... + dax? e podemos supor d; > 0, weep be > 0, bray $0, 2265 dros $06 droses =.= da = 0. 5 Ua} uma outra base que diagonaliza q. Sendo u= > yivi, entéo q(u) = dy? +... + day2 € podemos supor que di >0,..., dp >0, Ghar <0... deg <0 © dfeger =O sreq=s dj = 0. Devemos provar que p= 243 Sejam U =Ev,..., ve] €W= [upsiy Un) Mostremos que UW = {0} De fato, seja wE UN W. Entdo WH WV, HF a¥e = Bp aitipay +. + Bat, com 08 a; ¢ 08 by em R. Portanto aw) = da? +... + dra? 20 © q(w) = dp.b2,, +... + dab? <0 do que decorre que q(w) = 0. Como porém dy, ..., dy > 0a igualdade q(w) = = dya? +... + da? = 0 6 possivel se, e somente se, 4, =.= a, = 0,00 sel, se e somente se w = 0. Como dimU =r e dimW =n — p, temos 1+ (n— p) = dimU + dimW = dim(UN W) + dim(U + W) = = dim(U + W) r. Ento p = r. Daf vem que s = q.@ Definigio 7 — © par (1, 5) das consideragGes acima chamase assinatura da forma quadritica q. Exemplos 1) A forma quadritica q(x,, x2) = x? + 2x? ~ 6x,x tem assinatura (1, 1). 2) A forma quadratica (x1, x2) = 2x;x2 tem assinatura ( 3) A assinatura da forma quadrética q(x1, x3, x3) = x? + 2xima + x? — ~ 4x15 ~ 6xaxa + x? € (2, 1). 4) A forma quadrética associada a0 produto interno usual no IR” tem assinatura (n, 0). Deixamos como exercicio 0 célculo da assinatura das formas quadréticas dos exercicios do parigrafo 6. 22 PARTE: APLICAGOES capituLo 1 Diagonalizagaéo de Operadores Lineares e Forma de Jordan 1. VALORES E VETORES PROPRIOS em geral ue T(t) ndo tém a mesma direcdo. Mas ex ios para os quais T(0} = Ail, com % € i. Neste caso 0 efeito de T sobre u'é apenas uma mudanga de médulo ou uma muidanga de s s4o importantes, conforme veremos a seguir, As vezes & pos com eles ¢ esta sera uma base privilegiada. Definigao 1 — VV um ops existe um es -ja V um espago vetorial (sobre ou sobre ©) e seja T linear. Um vetor u € V, u # 0, €um vetor proprio de T se A (de R ou C, respectivamente) tal que T(u) = Au. Neste caso 2. & um valor proprio de T associado au. Notas: As expressdes “*vetor préprio imas bem como “valor prépri 2) O escalar 2 & univocamente determinado por T ¢ u pois Ti) = au = Ru Fixado 2, 0 cojunto fu € V|T( Tew) = au <2 ( - 0 eu € Ker(T ~ A © que significa que 0 subconjunto que acabamos de definir coincide com Ker(T ~ 21) que sabemos ser um sub-espaco vetorial de V. indica 0 operador idéntico de V. 246 Definigo 2 ~ © sub-espago introduzido nas consideragdes acima chama-se sub-espago proprio de 2 e seré indicado por V(X). Assim: VQ) = (u € V1 T(u) = Av) = Ker(T — AD, Exemplos 1) Seja T; IR? > IR? dado por T(x, y) = (y, x). A aplicagio Téa reflexfo dos vetores em tomo a diagonal A. Assim, se 0 vetor esté no eixo-x, sua imagem esté no eixo-y. Nao hé portanto vetores proprios no eixo-x. No entanto se (x, y) estd na diagonal A, teremos T(x, y) = (x, y) e assim todo vetor de A : : 6 um vetor préprio de valor préprio igual a ‘a a 1, Analogamente se um vetor esté na diagonal A’, sua imagem esti em A’ e € exatamente seu oposto, Logo os vetores de A’ so vetores proprios com valor proprio —1. Entio V(I) = Be V(—1) = 0 2) Seja T: IR? > IR? dada por TG, 0) = 0, eTO, 1) =C1, 0, entio T(x, y) = xT (1, 0) + yTO, 1) = =x@, ) +y¥CLO=Cy, 9. TE entio uma rotagio de 90°. Neste caso $ impossivel que T (x, y) = A(X, y) com (x, y) # (0, 0) pois o angulo entre (x, y) € T(x, y) 6 de 90°. Logo T no admite vetores proprios, V(X) = {0}, ¥AER. 3) Seja V um espago vetorial e T = Hy = homotetia de razdo 2. Assim, T(u) = Fy (u) = du, YUE, € todo vetor é vetor proprio com valor proprio Neste caso V(A) = V. 4) Seja T a rotagio de angulo @ no R®, tendo como eixo fixo 0 eixo-, Ou seja, T é © operador cuja matriz na base candnica é cosd send 0 sen cos 0 0 o 1 247 © vetor (0, 0, 1) € vetor proprio com valor proprio 1 pois T(0, 0, 1) = (0, 0, 1). Nao hé outros vetores préprios quando 0 <@ <5, Logo V(l) = eixoz, 5) Seja P: IR? > IR? a fungdo P(x, ¥, 2) = (%, ys 0) que € a projecdo sobre © plano xy. Neste caso (0, 0, 1) € vetor préprio com valor proprio 0 pois P(0, 0, 1) = ©, 0, 0). Todo vetor do plano xy € vetor pr6prio com valor proprio 1 pois P(x, y, 0) = (%, y, 0). Temos entio: V(1) = plano xy € V(0) = eixo-, Definigdo 3 — Dada uma matriz A = (aij) de ordem n (real ou complexa), chama.se polindmio caractertstico de A o seguinte polindmio de grat n: an-t an ain a aq —t P(A) = det tico, Proposigao 1 — Matrizes semelhantes tém mesmo polindmio caracteri Demonstracdo — Se B e A so semelhantes, existe uma matriz. inversivel M tal que B= M"!AM, y(t) = det (B — tly) = det(M-1AM ~ tly) = = det(M"'AM — 1M"1I,M) = det(M-4(A — tl,)M) = = det(M™)det(A — thy)detM = det(A — thy) = pa. © A proposigdo que acabamos de provar toma vélida a seguinte definigzo: Definigdo 4 — Seja V um espago vetorial de dimenséo ne T: V > V um operador linear. Chamase polindmio caracteristico de T 0 polinomio caracterts- tico da matriz de T em relago a qualquer base de V. Notagdo: py(t). Tal definigdo ¢ vélida porque matrizes do mesmo operador so necessatia- mente matrizes semelhantes, 248 Proposigio 2 — Seja T um operador linear de um espago vetorial sobre K(KS= IR ov K = €) de dimensto n. Entio os valores proprios de T sto as atzes de pr(t) em. | Demonstragio — Da definigéo 1 segue que d é valor proprio de T se, € somente se, Ker(T ~ Xln) # (0}. Mas isto equivale a que T —Xlq nio 6 inversivel e, ainda, a que det(T — Nq) = 0 (ver capitulo 7 — §7). Como por defin det(T ~ tI,) = det((T) ~ tla) = pr(0), enti a proposigdo esté provada. « Nota: Se V é um espago sobre C, entdo pr(t) é um polinomio complexo que, devi- do a0 teorema fundamental da lgebra, tem n rafzes (n = dim V) em C, jd levando fem conta a multiplicidade algébrica das rafzes. Neste caso, ento, um operador linear T tem n valores proprios. Mas se V é um espago sobre IR o niimero de valores proprios de um operador T € L (V) é menor que ou igual & dimensdo de V, pois agu- mas das raizes de p(t) podem no ser reais. fos cinco exemplos dados neste pardgrafo e calculemos py(x) (mudamos a varidvel t da definigao por x). 1) A matriz de T na base canonica é pr) = et ( 4) -Po1 cujas raizes em R sfo Le —1. o-1 10 r(x) = det (: *) ae4) que nfo tem raizes em R. 2) A matriz de T ¢ Logo 3) Seja (ey, ..., €q} uma base de V; a matriz de Hy = T em relagio « essa base & ra 0 0 on 0 00 portanto A-x 0... 0 pr(x) = det ceec eee eeeee =(A=x)" 0 0 1. Anx © \ 6 0 sinico valor proprio de T; neste caso X 6 uma raiz méltipla de py (x) com cidade n. 4) Neste caso cos —x send 0 prO=det { ~send cosd-x 0 |= 0 0 1-x = (1 — x2 — 2.cos 0 x + 1) cujas rafzes sio: 2eosd + VE 2eosd ~ VE 2 2 onde A = 4 (cos? — 1). Se eos 6 <1 as duas raizes sf0 complexas e se cos @ = = £1, as tr8s raizes sf0 reais, 5) A matriz de P em relagdo & base candnica é 1 0 0 0 0 0 1=x mon (‘5 0 cujas raizes so Oe 1, esta com mul 1, e portanto 250 Notas: 1) Uma vez conhecidos os valores proprios de um operador T, podemos achar os vetores proprios associados a cada vetor proprio, Se ¢ um valor proprio (raiz do polindmio py (x)) os vetores proprios associados a 2 sfo os vetores nfo rnulos do néicleo de (T — AI). Vejamos alguns exemplos. (D 0 operador T: IR? > IR? dado por T(x, y) = (y, x) tem como valores proptios 1 ¢ —1, Os vetores associados a0 valor proprio 1 sfo aqueles que satis fazem (x, y) # (0, 0) e (I — A(x, ¥) = (0, 0) comA= 1 ou seja (T ~ D(X, y) = = (0, 0) ou ainda T(x, y) = (x, y) ow (y, x) = (x, y) donde vem x = y. Logo 108 vetores proprios associados a 1 sio os vetores da forma (x, x) = x(1, 1), Vix © R*, Analogamente os vetores proprios associados a ~1 s#0 0s miltiplos de (1, —1), dado por x(1, ~1), Vx #0. (U) 0 operador P: R* > IR? dado por P(x, y, 2) = (x, y, 0) tem valores proprios 0 € 1, Vetores proprios associados a 0: P(X, ys 2) = O(% ¥, 2) = ©, 0, 0) <=> (x, y, 0) = = ©, 0,0) <=> x=y=0. Ento 08 vetores préprios associados ao zer0 sfo os vetores x + (0,0,1), ¥xEIR*. Votores proprios associados a0 1: P(x, ¥, 2) = 10K, ¥. 2) <=> (%, ¥, 0) = (%, y, 2) ==> 2 = 0. Os yetores préprios neste caso so os vetores (x, y, 0), onde x #0 ou y #0. Podemos achar dois vetores proprios que so linearmente independentes, a saber, (1, 0,0) ¢ ©, 1,0). 2) Assim como definimos valores e vetores préprios de um operador, pode- ‘mos definir valores e vetores proprios de uma matriz. Se A é uma matriz, de ordem 1, real ou complexa, chama-se valor proprio de A toda matriz. x 0 Xn 0 tal que AX = AX, onde A é um escalar chamado valor proprio de A. Para que \seja tum valor proprio de A € necessério e suficiente, entdo, que existauma matrizX # 0, 281 dotipon X 1, tal que(A — A,)X = 0. Ora, isto ocorrese,esomente se, A — Nin ndo € inversivel e portanto se, e somente se, det(A — Nn) # 0. Levando em con- ta a defini¢do 3 deste item podemos concluir que 2 ¢ valor proprio de A quando, ¢ somente quando, 2 ¢ raiz do polindmio caracteristico de A. 3) Se X€ valor proprio de T, 0 nimero s = dim(V(A)) chama-se multiplici- dade geométrica de A. Reveja nos exemplos acima a multiplicidade geomeétrica dos valores préprios. EXERCICIOS PROPOSTOS ‘Achar 0s valores ¢ 05 vetores proprios do operador T do IR? dado por: + yxy SR -y =0,-) ¢ TOY =4, 0. 2, Achar os valores ¢ 0s vetores proprio do operador linear T do IR? dado por 3 1 valores ¢ vetores préprios do operador T do IR* cuja matric em relagfo & base candnica é 3100 0300 0040 0003 4. Determinar 0 polindmio caracterstico eos valores pSpros do operador linear T: VV que é definido em uma base +a} porT(e) = ej QE IR). 5. Caleular 0 potindmiocaracteristco e os valores prOprios das seguintes matrzes 20) (-1-1\ (21 3 raj’ \-3 a} \o a m4 6. Calcular o polindmio caracteristio ¢ os valores proprios da matrix: 2100 0200 oot oo 4 252 Existem, neste'caso, dois vetores pr6pris linearmente independentes? Soja A uma mateiz triangular, ou seja, uma matric A = (aj) tal que ay = 0 sempre que i> j (0U, ao contrério, ay = 0, sempre que i 1) so sub-espagos vetoriais de V, 1 soma desses sub-espagos ¢ 0 conjunto y+... + Hy = (uy +... + up lu eH}. F caro que jigualdades +... + Hy também é um sub-espago de V. Se ocorrerem ainda as H, 9 Hy = {0} Hy 9 (H; + Hy) = {0} HyO Gy +... + Hy—1) = Co} ‘a soma em questo é chamada direta e se indica por Hy ® ... @ Hy. Para uma soma diretaH = H, © ... @ H,desub-espagos de um espago V vale ‘o seguinte fato: se By,..., By so bases de Hy, ..., H,, respectivamente, ento B= B,U .., UB, éuma base de H. Como cada H; é gerado por B;e todo uEHé uma somau = >, uj,onde ce dau; Hi, entdo B gera o subespago H. Para mostrar que B ¢ linearmente indepen- dente suponhamos By = { JBr=(Uny-++sUsn,) Entfo, se +. + ainim, = 2 deixando no as teremos aries +... OynUeng = ¥ onde vEH, +... + Hy 1. ComoH, (Hy +... + Hy 1) = {o},ent¥o varus +... + Orn, = ¢,levando em conta que B, € LJ., conchuimos queas, =... = Gm, = 0. Atepeti- fo desse raciocinio nos levaré & conclusio que todos 08 escalares a $80 nulos e,con- Seqiientemente, que B é linearmente independente. 285 Uma conseqtiéncia do que acabamos de mostrar € que dim, ® ... ® H,) = dimHy ® ... © dimH,. Teorema 1 — Seja V um espago vetorial de dimensfo finita sobre K(K = = IRouK = C). Um operador linear T & L (V) é diagonalizével se, e somente se, 1) 0 polinomio caracteristico de T tem todas as suas raizes em K (sempre acontece no caso K = ©); 2)a multiplicidade algébrica de cadavalor proprio A; de T € igual a dimensio de VO). Demonstragto: (==>) Seja B= ( ers sey Uns ees Ung Puma bar se de V formada de vetores pr6prios de 'T de maneira que em cada By = + Uig;} esto todos 08 vetores proprios associados ao valor proprio kK). A matriz. de T em relagdo a essa base & M O Mp = O » ‘que pr (t) independe de representago matricial de T, Pr® = Or — OF... Ay = HK ccujas rafzes esto todas em K. Para cada indice i (1 < i < k) seja H; 0 sub-espaco gerado por B; ¢ mostre- mos que H; = V (Qj). A inclusto H; C V(\) é fécil de verificar pois um elemento wH; é uma combinagdo linear de B; e 6, portanto, um vetor proprio cujo valor pr6- prio associado é 2. Para provar que V(A,) CH, tomemos u € V(A,) em relagZo a base B: usa $F eater 256 cot Ananaticn + oF Asaten tng = + age Me) = ce FE Mery foe F Mekal ineares acima obtemos Dagar = Dadas s+ 5 Radar, = Rotary Daotkr = Akehers «5 Arere = Aker, = aks =... = Ok = 0 = para quaisquer u,v V. Lembremos ainda que a matriz de A, em relago a qual- quer base ortonormal, é simétrica, e que, reciprocamente, toda matriz simétrica representa um certo operador auto-adjunto, com referéncia a uma base ortonor- lizagio de uma matriz simétrica equivale 20 agao de um operador auto-adjunto. de um operador linear sobre um espago eu diano ¢ um polindmio real cujas raizes pertencem a0 corpo € dos niimeros comple- x05. Mostremos que no caso de um operador auto-adjunto todas essas rafzes sf0 necessariamente nimeros reais. De fato, seja S$ = (8j) uma matriz simétrica real e seja Aum valor proprio de S, Entdo det(S — Alm) = 0,0 que equivale a dizer que o sistema linear homo- gene py Ax; = 1,2,...,2) admite uma solugdo nfo trivial (81, ..., Bq) ¢ portanto so validas as igualdades >. 548 = MG ja syn). Multipliquemos ambos os membros de cada i-ésima dessas igualdades por Be @ seguir somemos membroya membro a igualdades obtidas D588 => > obi Como >) 6:8; IR, se provarmos que o primeiro membro da dltima igualdade pertence também a IR, entdo teremos a conclusdo desejada, isto é, X EIR. Mas isto equivale a mostrar que esse primeiro membro é igual ao seu conjugado, o que 6 fécl 262 Observe-se que a pentiltima igualdade ve simplesmente permutando-se os indi lupla somat6ria. Portanto, jd levando em conta a multiplicidade algébrica, uma matriz simé- real de ordem n (ou um operador auto-adjunto de um espago euclidiano de dimensio n) tem n valores proprios. \iéncia anterior de igualdades se obte- Teorema 2 — Um operador linear A de um espaco euctidiano V, de dimen- sto finita n> 1, 6 auto-adjunto se, e somente se, existe uma base ortonormal de V formada de vetores proprios de A. Demonstragdo (<==) Se B = (81, 8:,---, 8n}é uma base de V formado de vetores proprios de A, enttdo (A)g é uma matriz diagonal ¢ portanto simétrica. Logo A é auto-adjunto (devido & proposigdo 8 — capitulo 6). (==>) Faremos a demonstragfo por indugto sobre dim V. Se dim V = 1, qualquer que seja v € V, v # 0, fazendo 2>= g,entdo {}¢ uma base ortonornal de V ¢, obviamente, como V = [g]e A(@)€V,entfo A(g) = Ag, para umcerto KER. Entio g 6 um valor proprio de A e esta condigao fica provada paran = 1. Seja V um espago euclidiano de dimension > 1 e suponhamos 0 teorema viélido para os espagos euclidianos de dimensfon — 1. Sejam AGL (V)e Ay EIR uum valor proprio de A. Se u # 0 6 um vetor proprio de A associado @ A,, entfo 81 = jy também o 6 pois ACE) = af = ig Se H = [gi], entfo V = H @ Ht, onde Ht também é euctidiano (relativa- mente ao produto interno de V, restrito aeste sub-espago) e dim H! = n — 1. Obser: vemos ainda que H* é A-invariante, isto 6, vale a implicaggo: v€H* > A(v) € Ht, De fato, se vEH! < gr, A(v) > = = = Ai = Ar +0 = 0. Isto nos permite considerar A, enquanto atua somente sobre 0s elemen- tos de H*, como um operador linear deste sub-espaco. E como = = vale para quaisquer u, v € V, também vale para quaisquer u, v © H*, ento A, como operador linear de H, é também auto-adjunto. w) = Gp = = 263 Pela hipstese de indugZo existe uma base ortonormal {g2, ..., gah de Ht formada de vetores proprios de A (restrito aH"), EntoB = (g1, 82, --- > Sab uma base ortonormal pois cada vetor de Hi € ortogonal a g1. Como cada ele- mento de B é um vetor proprio de A, a demonstragao fica conclufda. Exemplo Consideremos a matriz simétrica seu polindmio caracter 1-t -2 0 det(A — ) = | 2 1-t 0 [= -G-o0 +04 0 o -1-t + 4(1 + 0 = (t-3)+(C+ 1%. Achemos os vetores proprios correspondentes 0s valores proprios 3 e ~ 1 encontrados. De 1-2 0\ /x x o o -/\; 2 vem que [xty=o [ z=0 Logo V(3) = {(x,— x, 0)x € IR} € 0 conjunto dos vetores prOprios associados 20 valor 3. Analogamente se obtém que V(— 1) = {(X,x,2)Ix,z€IR} 0 conjunto dos vetores proprios associados a — 1. Uma base de IR® formada de vetores proprios deaé G10} Note-se que 0 primeiro desses vetores foi conseguido fazendo x = 1 em V(3)e 0s dos outros foram obtidos para x = 0ez = 1ex = Lez =OemV(- 1). Essabase € ortogonal mas nfo ortonormal.. Assim, se multiplicarmos cada um dos seus veto- 264 res pelo inverso de sua norma acharemos uma base ortonormal do IR? constitufda de vetores préprios de A: (FE peon( Eo] Portanto vay Me 2 2 m=} -¥2?- 5 2 2 o 10 éa matriz de mudanca da base candnica do ® para By, ambas ortonormais, do que decorre que M~! = M! (ver exercicio proposto 24 — item 4 — cap. 6). Donde 5 0 0 MY-A-M = 0 1 0 0 0 = EXERCICIOS PROPOSTOS 1. Soja AG LOR?) 0 operador linear cuja matriz rlativa i base candnica é 2 2 0 ape (2-1 0 0 0 2, 4) Achar os valores préprio de A. 'b) Achar uma matriz ortonormal do IR? em relagfo & qual a matriz de A é diagonal. ©) Achar uma matriz M ortogonal (M-! = Mt) tal que MYag)M é matriz diagonal obt- daemb). Seja A €L CRY definida por Aaya ty tuxtytaxty to. 8) Achar o¢ valores proprios de A. ') Achar em base ortonormal B do IR? tal que (A)p é diagonal ©) Qual a matriz de mudanga da base candnica do IR? para B? 265 ‘uma matriz eal simétrica eujo valor proprio de menor médulo é A. Mostrar 4 wersivel se, te sea HO. wer para a matriz ral simétrica (ai = 1 1 ot 1 Ea 1 ‘© mesmo que se pediu no exerefcio 1 acima. Um operador auto-adjunto de um espago euclidiano V se diz positivo definido se, © x6 se, todos os seus valores préprios sZo malores que zero. Supondo a dimensio de V finita, mos- tar que: 8) A6 positivo definido se, © somente se, >0 para todo vetor nfo nulo we V. b) Se A € postiva definido, entéo seu inverso (caso exista) também o 6 6. Scja A € Mg (RF) uma matrz simétrica. Prove que existe uma matriz real ortogonal P, nxn, tal que Pt A= P = D, onde D é diagonal, formada pelos valores proprios de A. 4. APLICACAO DA DIAGONALIZACAO: POTENCIAS DE UMA MATRIZ Seja A uma matriz de ordem n, As poténcias de A sfo definidas por A? = = AA, ..., AP = AP!A, Em geral € penoso 0 célculo de AP, sobretudo se p & ‘grande, No entanto se A 6 diagonalizdvel, o edlculo de AP ¢ mais facil. Pois se A é diagonalizével, existe uma matriz. inversivel M tal que: MAM = D, sendo ms 0 0 4 Mas M~AM = D acarreta A = MDM“ e daf, conforme jé vimos no apéndice V, AP = MDPM“!. 26 Exemplos 44 1)Seja A= } :) caleulemos AP. Conforme jé vimos a matriz 2 eco een = isto 1AM = 5 ou seja, A = M “14 diagonaliza A, a 0 6 sei a =M M"! de onde se tira que 5 2? oo 1 22 aan ( *) wna G :) ai( 2" ee\(). 4\-» oo J\i 2 (Ca arse) P+ 2P 42.6? oil A=[1 01 1100 cujo polinémio caracteristico & pa (x) = (x + 1)? (x — 2) (verifique). Ela 6 diago- nalizével pois tomando A = —1 (raiz. dupla) obtemos o1 1\/x x x 0 1 ro t)iyp=-(y J fy }=v{ 1 ext o 11 o/\z z z -1 1 © tomando A = 2 obtemos o vetor proprio M=[{ 1 0 1) 6 tal queMAM= -1 267 Segue dai que Gir aP=M uP Mt 2? 2+ 2-1P 2 —CayP ep =F (2 -cur eae Cap 2 (1p PPP 4-1 P, 5. APLICACAO DA DIAGONALIZACAO: SERIES DE MATRIZES (NOCOES) Consideremos uma sequéncia Ay, Az, ..., Ak, ... de matrizes reais de tipo m xn, Suponhamos Ay = (ay), k = - Dizemos que a sequéncia dada converge para a matriz B = (bjj), do mesmo tipo que as Ax, se as seqiéncias de mimeros reais convergem para by para todo i=1,...,metodoj=1,...,n, Por exemnplo (: *) (3 0) (30 0 o}'\o of’ \o of se vai ( oo acontecendo com a seqiéncia 0, 0, 0, . Se a seqigncia Ay, Ay + Az, Ar + Ay + convergir, para a matriz B, + Ay +... 6 conver B chama-se soma da série dada, Podese provar (no o faremos aqui) que, sendo A de ordem n, a série exponencial a rtas 268 6 convergente, A soma dessa série é denotada por e. E fécil perceber que 0 cfl- culo de e® 6 em geral diffil, Mas se A for uma matriz quadrada diagonalizével entéo esse edleulo torna-se bem simples pois, sendo AP = MDPM™ com =MePMt = M ef + on Por exemplo, se (52) ae o°G 9) conforme ja vimos anteriormente, Daf dou (® Yyr-t( 2? A(% °Y(1 2). {2 2\ (1 2) 1 (2 +e) 4-0) “a\-e J \i 2) F\-e teh re +04) EXERCICIOS PROPOSTOS 1, Caleular AP nos seguintes casos 1-6 40 2-2 : ( :) ‘ A : : os 2168 “1-2-2 Yo 0 0 3 214 oo 1-2 areal +2, Caleular eA, utiizando as matrizes do exerefcio 1 6. Lema de Gergoshin Seja A uma matriz complexa n x n. Chamase vetor proprio de A toda matriz complexa X de tipo n x 1 tal que AX = AX para algum \ € C. Neste caso 6 valor préprio de A associado a0 vetor proprio X. Como no caso real provase que 2 € valor proprio de A se, € somente se, det (A — In) = 0 ¢ portanto os valores proprios de A sfo as rafzes do polindmio pa (t) = det (A — tIn). O conjunto dos valores proprios de A é o seu espectro. 1+i 2 Exemplo: Seja. A= ( ) € Mz (C). Entio -i i 1+int 2 Pa(t) = det(A — th) = det Aye =P (429+ 6-3) cujas raizes sf0 dy = 2 + ie Ag =i — 1. O espectro de A 6 representado pelos pontos seguintes ‘Um problema apresentase agora: pode-se prever onde se localiza no plano complexo 0 espectro de uma matriz, som calcular explicitamente seus valores préprios? Definigo 6 — Seja zo um niimero complexo e 1 > 0. Chamase disco de centro zo ¢ raio r 0 subconjunto D(z9; 1) do plano complexo definido por D@31)=(2EC:k~ al <4} 270 ‘Teorema — Seja A = (aij) uma matriz complexa de ordem n. Consideremos 0s n discos D(a, 1) onde Entdo 0 espectro de A estd contido na reuniso destes n discos. x Prova — Tomemos um valor proprio Xe sejaX= { : } um vetor proprio Xa de A igualdade AX = XX significa que Me ayy sax G=1,...,0) 5 ou seja iA) = AL — aL = CA ~ ais); Tomemos o indice ip tal que Ixigl = sup {Ixil:i= 1, .. Entao 10 = aigig) ig! = 14 — aigig! Lig! = isto € AE D(aigigs tig): ™ 2m 7. FORMA DE JORDAN Oteorema 1 deste capitulo fornece uma condigo necesséiria e suficiente para que um operador linear de um espaco vetorial de dimensao finita seja diagonaliza- vel. © exemplo 3, item 2, é de um operador linear do 4 ndo-diagonalizavel. Neste item trataremos de uma forma de matriz bastante simples, embora nev tanto como as matrizes diagonais, porém com uma vantagem: toda matriz compl xa é semelhante a uma delas. Trata-se da forma candnica de Jordan. Como resul- tado fundamental veremos (0 que jé foi dito em outras palavras) que todo opera- dor linear de €° pode ser representado, numa base conveniente, por uma forma de Jordan. Sto chamadas matrizes de Jordan sobre o corpo €, de ordem respectivamen- te 1, 2.¢ 3, as matrizes AW aL om Ga) (8 onde A € C. A definigao geral de mé Reduzir uma matriz.n x n a forma cani de Jordan é ébvia a partir desses casos. de Jordan significa encontrar uma matriz onde os J; so matrizes de Jordan, semelhante & matriz dada. Como jé observa- mos, isso sempre é possivel no caso das matrizes complexas. A demonstragiio desse fato, contudo, é bastante longa e ardua, razo pela qual nao sera vista in totum neste texto Mas, na parte de que trataremos, aparecerio com freqiiéneia matrizes parti- cionadas em blocos. Por exemplo, isso acontece na forma candnica de Jérdan, onde 95 Jiy Jay »-»» Jn 8&0 blocos, © mesmo acontecendo com as matrizes nulas que nela figuram, indicadas simplesmente por 0. Se considerarmos, digamos, a matriz 33 z f Vos 36 14 22 ¢ fizermos Gi)-= ( entéo pode-se escrever iz-se enti que M foi simplesmente de notago. Mas se considerarmos duas matrizes Pe Q, part das em blocos Au Ag Ain By Biz An An Aan By Ba Ant ese o mimero de colunas de cada Ay for igual ao mimero de linhas de cada By, entio Cu Ca Ce Ce a PQ = Cot C2 Come cade Cy = © Ayia 0 ltr, cement bastante fiasco com oda tos de matrizes, nao teré dificuldades em perceber a validade desse resultado. Dai ‘no nos alongarmos mais sobre 0 assunto. ‘Uma etapa de nosso trabalho no sent trizes triangulares superiores: sio as matrizes (0 1 e consideremos o teorema verdadeiro para n — 1. Consideremos T: €*+€* conforme o enunciado e seja B a base canGnica de €* sobre €. Como pr(t) € um polindmio complexo, T admite um valor proprio 4 € €. Se uy é um vetor préprio a0 qual 2; esti associado, seja C = (uy, Ua, yma base de €™ obtida a partir de u;. EntZo tri Tea) = Aus ‘Teup) = aya) + agg; +. + Gyatly T = ath Oagtls + oo. galls 7 (: U Me=(9 x onde U €1x(n ~ 1), 08 (n = DxLe an Om K= Ogg eee Oa € (a — 1)x(a ~ 1), Supondo A = (Tp, entdo (prop. 2, cap. 5): ( ) M's ALM 0 «K, onde M é a matriz de mudanga de base, de B para C, como K ¢ (n ~ 1)x(n ~ 1), K é matriz de um operador linear + C*~ ‘em relacdo, digamos, a base candnica de €» ~ Pela hipétese de indugdo existe uma base de €* ~ ! relativamente & qual a mat ta Bx Ban @= O ds Ban CO Mmesma a 274 Se P indica a matriz de mudanga da base candnica de €* ~ ' para esta Ultima ba- se, entdo Sejam agora eR = M = Q Observando que Q ¢ inversivel (pois P 0 é) & a ( ° ) - o Pl entéo wreaemner met acateae (2). (0%): (09)- = GG) MY TB 0 aa Bas a ) din Devido ao item 5 do capitulo 5, esta matriz efetivamente é uma representa ‘gho de T. Os valores préprios dessa matriz so, & claro, jy Aay «so» har Como A. éxemethante a essa matriz © A = (T)g, entdo A, hy. «+4 bq Sho 05 valores préprios Nota — A representagdo matricial obtida para T no lema 1 pode ainda ser ada. Vejamos como, reproduzindo passo a passo a demonstragio feita (ao (és de usar o recurso da indugao), mas com alguns cuidados suplementares. Conforme a demonstrag&o, existe uma base C de €* tal que _ (4 ») Me=(y x 275 s valores préprios da matriz K so os restantes valores préprios de T, posto que K é semelhante a uma matriz triangular superior cujos termos da diagonal princi- pal sio exatamente esses valores. Repetindo para $: "1+ €~!o ri feito com T, porém com o cuidado de partir ainda de 4,, caso este niimero seja também valor préprio de S, cone! versivel My, de ordem n — iremos analogamente que existe uma matriz in- tal que , hy UY Mp! + K+ M,= o kK, Com a suposigao de que 4; nao é raiz simples de py(t), chegamos entdo a existén- cia de uma base de €* em relagdo a qual mo UF m-(o % u 0 0 ky Se levarmos esse raciocinio até esgoté-lo, o resultado sera uma representagao trian- gular superior de T mas de tal sorte que a diagonal principal obtida é formada pe- los valores proprios na seguinte sequéncia: 4, Dy Onde Ay # Ay Sei # ji Um exemplo poderia ser 0 seguinte Observemos que, neste caso, I. admite a seguinte partigao em blocos: Ty Ta he 0 Tr onde Ty, € Tz: so triangulares superiores, a primeira com todos os elementos da diagonal principal iguais a 2; ¢ a segunda com todos iguais a ia E claro que isso € geral e podemos afirmar que todo operador linear T * admite uma representacdo matricial por blocos An An 0 An An a) Ag 216 onde cada Ay é triangular superior, todos os elementos da diagonal principal de A sho iguais a 2; (valor préprio de T), a multiplicidade algébrica de 2, ¢ igual & or- dem de Aye 4; # 4y sempre que i # j. Lema 2— Se T : €*+ © é um operador linear, entdio T admite uma repre- sentago matricial A, 0 0 0 oA 0 ° 0 0 0 A ‘onde cada A; é triangular superior cujos termos da diagonal principal sao iguais a & (valor proprio de T), a ordem de A; € a multiplicidade algébrica de 4; er € fo niimero de valores proprios distintos entre si. Demonstracéo \ ‘Observemos primeiro um exemplo. Digamos, o de um operador linear de €* ‘que admite, de acordo com a nota anterior, a seguinte representacdo matricial: Vejamos como anular 0 primeiro desses termos. Consideremos a matriz elementar 1 ° 0 0 e 0 1 ° ecco ° 1 0 0 onde ¢ (a determinat) ocupa a posicéo (1, 3), exatamente a do termo que se quer anular em A. A inversa de E é 2m E+ A+B = 1 0 3 0 , se escolhermos ¢ = 2, conseguiremos o anulamento pretendido. De um modo geral, se A = (a) jd esta na forma dada pela nota anterior, pode-se transformar em nulo qualquer bloco acima dos blocos diagonais, seguindo a idéia do exemplo dado. De fato, seja a,, um elemento de um dos blocos a serem anulados (logo r < s). Seja E a matriz elementar que tem na posigdo (r, s) um ele- ‘mento ¢ (a ser determinado) e que nas demai Jide com a matriz idéntica, A inversa de E coincide com E salvo na posiedo (r, s) onde seu valor & -c. Se E + A. Eo! = (By), entdéo Fess + yg — Cy = Oy + CC, Isto porque 0 efcito de EA & somar & linha r-ésima de A sua linha s-ésima cada por ¢, a0 passo que (EA)E~' soma a coluna s-ésima de EA sua coluna r. multiplicada por ~c . Observemos, também, que a transformasioE. A, B-! afeta apenas os termos E claro, entdo, que através de uma sucessao finita dessas transformagbes de semelhanga se chega ao resultado pretendido, visto que em cada etapa onde 55 # dre pode-se anular Bry fazendo © = (—dy) (Uys — a,)! O iiltimo resultado obtido jé se aproxima razoavelmente da forma candnica de Jordan. Mas ainda faltam etapas dificeis, como o lema a seguir, taco omitiremos. O leitor poderd encontré-la na bi Lema 3 — Todo operador linear de C* jal ho 0 oh 0 0 0 278 onde na diagonal das matrizes de Jordan J; figura sempre o elemento 4 er & a di- mensio do subespago préprio de A. Teorema 3 — Seja T um operador linear de €°, Entéo T admite uma forma candnica de Jordan 0 0 ob 0 0 0 Jy onde: () cada J, 6 uma mati de Jordan com elementos da diagonal principal o- dos iguais a um certo valor r6prio 4 de Ts (i) um mesmo valor proprio de T pode figurar em mais de um bloco, porém 0 niimero de blocos com © mesmo >, € igual & dimensio do subespago proprio de 2 Demonstragao _ | - elo lema 2 existe uma base de €* em relagdo & qual a matriz. de T é spectivamente, os valores préprios lema 3, por sua ver, garante que, para cada Aj, existe uma matriz inversi- vel P; tal que Pe Aye Prt = 0 0 Jo matrizes de Jordan em cujas diagonais figuram apenas 0 va- 1, es, € a dimensGo do subespaco proprio de 279 Observamos que, se P, 0 0 o Pp. De "” ° 0 0 Py entio P é inversivel ¢ Pho, 0 0 Ps! Pee % 0 o 0 Portanto P(t): Pla 7 Notemos que, para cada i, 1 < i ~ 1 2 0 ° (Deixamos 0s cdileulos a cargo do leitor.) Dessa forma ficou eliminada a ambigii- dade inicial ¢ esta tltima matriz é a forma candnica de Jordan do operador dado. 282 Nota — Toda matriz real n xn € matriz de um operador linear T: C* > €*, onde €" considerado espago vetorial sobre €. Assim, se uma matriz real nxn tem todos os seus valores préprios em 8, entdo ela admite uma forma de Jordan que 6 a forma de Jordan do operador linear de €* representado por essa matriz, por exemplo em relacdo a base candnica. EXERCICIOS PROPOSTOS Pane a re 130 -1 3 ee » o1 2 1 o 1 2 ie 1 0 -1 10 sion 2 of -2 -1 0 11 “3-1-3 41 -8 2-754 3, Seja J uma matriz de Jordan cujos termos da diagonal sto iguais « 2. a) Ache py() ') Ache a dimensao de VC). oleate (A® = 0, para algum n > 1) se, ¢ somente também € nilpotent rove que uma matriz complexa A si . a forma candnica de Jordan dessa m 5. Seja A uma forma candnica de Jordan com r blocas de Jordan. Mostre que A admit exata- ‘mente F vetores proprios linearmente independentes. 6. A inversa de uma matriz de Jordan, caso exista, também 6 matriz de Jordan? Justi 7. Mostre que a inversa de uma matriz de Jordan invers 16 triangular superior. (0s reais. Mostre que A é semethante de Jordan do operador diferencal (drivada) D : PY) > Py. te de T 6 0 produto, levando dan para provar que o dete iidades, dos valores préprios de T. 283 capituLo 2 Curvas e Superficies de Segundo Grau 1, AS CURVAS DE SEGUNDO GRAU ‘ Lembremos as seguintes equagdes da Geometria An‘ E sabido que, para valores convenientes dos parametros a, be p, elas representam respectivamente as seguintes secyées cBnicas: elipse (ou circunferéncia, se a = b), hipérbole e parabola. No aspecto algébrico todas tém em comum 0 fato de que os primeiros membros so formas quadriticas no F2. Mas é bom lembrar, ainda, que para chegar a essas equagGes, na forma em que as exibimos (canénica), sem divida ples, é preciso trabalhar com sistemas de eixos ortogonais numa posi- bastant edo bastante favordvel em relagdo as curvas. Levando em conta tudo isso, é bastante razodvel investigar a equacdo geral do segundo grau em duas varidveis f(s, y) = ax? + 2ayxy + any? + 2ax + Jay +a = 0 procurar saber se todas representam secgdes cOnicas ou ndo. A resposta, salvo (08 casos degenerados (conjunto vazio, um ponto ou um par de retas), é afirmativa, como veremos. E uma classificagao se faz possivel a partir dos coeficientes da equacio. * Notemos primeiro que, considerando as matrizes a-(e 2) x-() f(x, y) = 0 pode ser escrita f(y) = X¢+ A+ X + %ayayX+a=0 Q) 284 Mas, sendo A simétrica, existe uma matriz ortogonal P tal que reacpe(™ o 0h onde 2, € 22 so 0s valores préprios de A. Assim, considerando a mudanga de ba- se determinada por P, cuja equacdo éX = P + Y, onde v-(¢ x € a matriz das coordenadas de um vetor genérico do IR? em relacdo @ nova base, a equacio @) fea fo wD Yoo AS PY ¥ + 2aiay ar m0) (x WED Gg )Ay) tend Pov ea dad + hay? + 2b + by, +a = 0) ‘onde os novos coeficientes by ¢ by sio expressdes em funedo de a), az ¢ dos termos de P. _ Podle-se provar que a mudanga da base determinada por P corresponde geo- ‘metricamente a uma rotagio — 0 gue ndo seré feito aqui por uma questo de bre- vidade. Estudaremos a equacdo (3) considerando trés casos: Rylz > 0, yay < 08 dha = 0. Nos dois primeiros essa equaco pode ser to de quadrados, do seguinte modo: onde 285 @ transforma em Ad + ye + b= 0 A) por meio de uma rotagdo seguida de uma translagio, a equacio (1) se transforma em (4), que Ihe é equivalente. @ A> 0 Se b = 0, & evidente que $6 0 ponto x» = 0, yz = 0 satisfaz (4). Seb # Obed, tém mesmo sinal, digamos 2,, 22, b > 0, considerando que aust + dayt = —b onde o primeiro membro é > 0¢ 0 segundo < 0, &claro que (4) representa 0 vazio neste caso. Se b # 0 os sinais de b ¢ 2; so contrétios, colocando (4) na forma CG) CG) vemos que se trata de uma el se da <0 Se b = 0, supondo por exemplo 2; > 0 Az < 0, o primeiro membro de (4) pode ser se fatorado como diferenca de dois quadrados, assim: (Jim. + Vian) + (hie - Faye) = 0 que & a equagdo de um par de retas. Seb x 0, entao (4) representa uma hipérbole. De fato, supondo por exemplo b <0, 4; > Oe dy < 0, essa equacio pode ser escrita do seguinte modo a 4 GP) Gi) taka = 0 =H 286 Suponhamos A, = O¢ hy # 0 (mostre que nao se pode ter 2; = 22 = 0). ‘A equacao (3) fica entéo dayt + 2byx; + 2by, + a= 0 Se b, # 0, por completamento de quadrados obtemos b, \? a be a(n + BY + a(n + oe - A) = o(n ag) * PAN * Sb ab) = ° Considerando a translagdo definida por momeg- 4, y= ee by iad chegamos a doy} + 2b. = 0 (5) que, por serem 2; € by néo nulos, obviamente representa uma pardbola, No caso by = 0a equagiio (3) se reduz a uyt + 2by, +a = 0 b: bz a(u+ Pee theo A translagdo dada por +b=0 6 do 287 B claro que Axy3 + b = 0 € 0 vazio se Ayb > 0. Se Agb < 0, como a+ entdo (6) representa duas retas paralelas. E se b = 0, (6) se reduz a y} = 0, que € a equacdo de um par de retas coincidentes. ‘+ Nao hd diivida de que 0 procedimento anterior no é muito pratico. Vere~ ‘mos agora uma maneira mais simples de encaminhar a resolugdo do problema, Yoltando & equacao (1) 4 matriz A, observemos que seu polindmio caracte- ristico € Pad = 7 |= e = Gu + ant + Gime - ay a2 at Se fizermos ay; + a; ~ sedetA = ayiany ~ afy = 5, entéo Pa(t) = st +8. Ora, como matrizes semelhantes tém mesmo polinémio caracteristco, entao a ro- taco que transforma (1) em (3) no altera s e 8. Mais precisamente: s = 2 + Ay © = hyha, Além disso, se numa equacio qualquer do segundo grau em das va- ridveis xe y fizermos uma translagio x, = x + ke yi = y + ke caleularmos, nna nova equagaio em x; ey, 0s valores correspondentes de se 5, obteremos os mes- mos resultados que na primeira. A verificago desse fato néo oferece nenhum em- barago. E por isso que se diz que se 5 si invariantes de uma equacio do segundo grav em xe y Mas hd um outro invariante associado a essa equacao e que interessa a0 nos- so estudo. #0 determinante de terceira ordem an A= | an a a a a a Para no alongar muito o assunto com célculos, deixamos de verificar esse fato. ‘Voltando & classificacdo, lembremos que nos casos (i) ¢ (ii) estudados, a equa- Go (1) se transforma, mediante uma rotacdo, seguida de uma translagio, em dag + Aay"+ b = 0. Considerando a invariancia de s e 8, podemos garantir que 8 =Aike 00 4 a 0 | = bide = 05 oo 8| 288 Logo, a equacdo (4), referente a estes casos, fica: adt+hyi+te0 Com esses novos dados, 0s casos estudados passam a ser: @s>0 Se A = 0, (7) traduz apenas um ponto. Como b = Le8 > 0, entdo b e A tém o mesmno sinal. Além disso, sendo 8 5 = Uyhe > 0, 08 sinais de A, € Ay SHo iguais, do que resulta que s = dy + da tem mesmo sinal que 2. Logo, dizer que b e A; tém mesmo sinal equivale a dizer que A es tém mesmo sinal. Conseqiientemente, b ¢ 2 tém sinais contrarios se, e somente se, A e s tém sinais contrarios. Logo: 8A > 0 implica que f(x, y) = 0 representa 0 vazio; sA < 0 implica que (1) ¢ a equagdo de uma elipse (ou circunteréncia). G3 <0 = b segue que A = 0 se, € somente se, b = 0. Logo, se b = 0, isto 6, se A = 0, f(x, y) = 0 representa um par de retas concorrentes. Seb # 0, isto é se A # 0, a curva é uma hipérbole. Gi) 5 = 0 caso de uma parabola (A, # 0, by # 0) é dado por aay} + 2bix2 = 0. Logo o 0 &! a-| 0 m 0] --bh b 0 0 Como entéo: A # 0 « 2, by # 0, podemos concluir que quando b=0eA #0 4 equagio (1) representa uma parabola. E fécil concluir que o caso restante (duas retas paralelas ou duas retas coinci- dentes) corresponde a = A = 0. 289 dar sua equagdo candni trata-se de uma pardbola, 290 © quacro abaixo resume o estudo feito. A <0: dlipse eee ee s A> 0: vazio A=0 ‘Um ponto Ba Avo ipérbole A=0 Duas retas concorrentes Azo Pardbola 3=0 Duas retas paralelas A=0 ou Duas retas coincidentes Exemplo 1 Classificar a curva dada por 3+ day + y’ Como A equagao caract +4y+1=0 a= = 15-2 € portanto 2 = 0 € 22 = 2. Os vetores préprios linearmente independentes asso- ciados a Ay ¢ dz se obtém resolvendo. G)O-0 © GO )O-20) Por exemplo os vetores (1, ~1) e (I, 1). Ortonormalizando esses vetores obtém-se a matriz ortogonal P: 2 v2 v2 2 2 a2 42 2 Assim os coeficientes by ¢ bz da equacio (3) se obtém calculando V2 V2 4-12 oO w2, v2) 7 a = (=, ¥ (19 {eg Po OND 2 2 =3v2 nt en Logo, b; = 22. a equagio candnica da parabola & (conforme (5) Exemplo 2 Mesmo exercicio, relativamente & curva, 3x2 + dxy — 4x - 6y H2-=0 Neste caso 291 D3 dy = dehy = —1. A matriz P de rotacdo neste caso é Neste caso by = a equacio canGnica da hipérbole equacdo geral do segundo grau nas varidveis x, y ¢ 2: 2 any? + age? + Japry + 2ayxz + 2anye + ax + Qay + 2azta=0 (1) Semelhan 40 que foi feito no item anterior, se considerarmos as matrizes fay 2 ary x A=f[an an an) oe x=[y a M85 z podemos escrever fix, ¥,2) = Xt A+ X + Aqya_ayX+a=0 diagonal dos valores préprios 2, A. Considerando a mudanga de base que se traduz, em termos de coordenadas, por y J=P(m 2 4 obtemos fli, Yoo 2) © NT + May? + Aye} + 2byxy + by, + by, +a =O 2) Consideremos os seguintes casos quanto & existéncia de valores préprios nulos: @ hikds #0 Esta hipétese permite considerar a translagdo definida por My que transforma (2) em daxd + day} + Ag} = —d GB) ‘onde o segundo membro pode sempre ser considerado maior que ou igual a zero, (a) b = 0 € todos os 2; tém mesmo sinal: um ponto (b) b = Oe, por exemplo, 21, Ay > O@ Ay < 0. A equagio (3") pode ser re. duzida a S,8 lg s e Como para cada secgao paralela ao plano x2y2 (fazendo 22 constante) o resultado € um ponto ou uma circunferéncia (quando 2) # 0)* e, para cada seceo paralela 20 plano x32; ou ¥x29, 0 resultado & um par de retas (y; = 0 ou xz = 0) ou uma hipérbole, entdo trata-se de um cone + v2 F Ow eins (6) b < Oe Ay, Ray Ay > 0. A equacdo (3") pode ser reescrita 2 a (€)b <0; Aisha > Oe Ay < 0. A equacao (3") pode ser transformada, en- to, em € portanto representa um hiperboldide de uma folha pode ser expressa assim (©) b <0; 4; > 0; Ag, by <0. Enttio 2 yoga By eee 294 que ¢ a equagéo de um hiperboldide de duas folhas (9b < 0; Ay Ray Ag < 0: conjunto vazio. Gi) hy, by # Oe dy = 0 Exemplo — f(x, y, 2) = x2 + y2 — 2x - 2y - 42 +3 = 0 Completando quadrados em x ¢ em y obtemos fo ys) = — P+ IP -4e H 1 =0 Fazendo a translagfo: x - 1 = xy ~ 1 = yyiz ~ f= 2 chegamos a fl, Yu» 2) = Xf + YF - 4zy = 0 que & a equago de um paraboldide eliptico Gil) 2 # 0; 22 = Ay = 0 Exemplo — f(x, y, 2) = 2x? = 8x - dy — 22 +2 = 0 Completando quadrados em x chegamos a f(x, y, 2) = 2x — 27 ~ dy - 22-6 = 0 Por meio da translagao: x; = x ~ 2,y1 = sz) = 2 ‘obtemos finalmente f(xy Yis 21) = 2x} — 4yy ~ 24 — 6 = 0 Observemos o seguinte: para cada valor de 2, fixado a equacdo é a de uma parabola num plano paralelo a xyyj; como (6-9) que, portanto, esto alinhados. Entdo, a figura correspondente a equagdo dada & um cilindro parabélico cujo esbogo da figura esti a seguir. 296 EXERCICIOS PROPOSTOS 1. Identiique as seguintes curvas de segundo grau: aay t3e-y +10 bye désy 4 Ly? + S6e — S87 4 95 = 0 ©) 6x? ~ dry + 9? - 4x - Ry - 6 = 0 16x? — 2tey + 94 — 19 - Ty + 11 = 0 ce) et — Ory + 25)? 4 4x HOy HO Ove yey xst=0 2, Ache as equagdes candnicas de: ae by 3-6 v)3x? + day + 3yP =I oxttyt—mytxet 3. 1de a) Ux? + 10)? + 62 ~ 1axy ~ By + xz - 12 = 0 petty tate ay dee a0 998 + yt + 92 ~ Gy ~ GZ = 1 Oxtyt as rw=t eta 2 taetxa0 que as seguintes superficies de segundo grau: 4. Discutir, em termos dos valores de 2, as cBnicas de equacto: ayixt - day + dy? = 2 + y+ 3 = 0 byxt = ey + ay Oe = 4 5. Discutir, em termos dos possiveis valores de 2, as superfcies de segundo grau: ax tay 2 ay = 2 byt — ay? — mat 2 = 0 297 capituLo 3 Polinémios de Lagrange 1. VALORES NUMERICOS Conforme vimos no Capitulo 2, 0 conjunto P(IR) dos polinémios reais: £(0) = ag Fat +... tant (09,4, .--5 da EIR, 2 > 0) constitui um espago vetorial sobre IR que ndo ¢ finitamente gerado. Nesse espago vetorial, 0 conjunto de polindmios (1, t,..., t", ...} € infinito ¢ linearmente independente no seguinte sentido: todo subconjunto finito dele é LL (definigo 1 do capitulo TM), No entanto, conforme também jé vimos, 0 conjunto Py (R) dos polindmios de grau menor ou igual an, mais 0 polindmio nulo (n sendo um nimero natural fixado), € um espago vetorial sobre RR de dimension + 1, Definigdo 1 — Seja ty um mtimero real fixado e f(t) um polindmio. Se substituirmos a varidvel t pelo niimero to, obtemos f(to), um mimero real, que se chama valor numérico do polindmio f(t) no ponto to. A aplicagdo que associa ‘a0 polinémio f(t) 0 ntimero f(te) & uma transformagao linear de POR) em R, ov seja, uma forma linear em P(R) pois E+ B){to) = Fito) + B(to) © (AA (to) = A(t) para quaisquer polindmio £(t) e g(t) € qualquer nimero real ). Essa transformagdo linear tem como nticleo o conjunto dos polindmios f(t) tais que f(te) = 0, ou seja, os polindmios divisiveis por t ~ to. ‘A importincia dessa aplicagfo linear resulta do teorema a seguir. Teorema 1 — Seja f(¢) um polindmio de grau IR chama-se seqizéncia (de mimeros reais) € em geral indicaremos, uma sequéncia por seus valores ¥ = (2), ¢(), 9@),-.., 4), -.-) Dadas duas seqiiéncias y: N > IR e o: N+ IR, chamase soma de ye oa seqiiéncia gto: N- IR tal que: (@ + of(n) = y(n) + of), YN EN. Sendo y uma seqiéncia e A GIR, hy & a seqiléncia dada por (Ay)(a) = dy(a). Assim o conjunto IR™ de todas as seqiiéncias de némeros reais esté munido de uma adigfo e uma multiplicagio por escalares ¢ 0 leitor poderd verificar sem dificuldades que ele & um espaco vetorial sobre IR. No entanto R™ nao é um espago de dimensio finita, de modo que a ele nao se aplicam os resultados obtidos nos capitulos TI € TI da primeira parte do livro. Mas jé exploramos profundamente 0s espagos vetoriais IR", cuja dimensio € n, e vale notar que IR® é isomorfo a0 sub-espago de IR” formado pelas seqiiéncias da forma: 1 = (Koy Xty My +++» Xn-1, 0,0, --.)5 isto é, aquelas cujos termos sfo nulos a partir do indice n (inclusive). O isomor- fismo 6 a transformagdo dada por: (op May oes Kat) ER (Ko, py oe F-15040, ..JER™ Portanto 0 IR" pode ser visto como sub-espago vetorial de IR™ desde que se iden- ye cada (Xo, «.., Xq-1) © IR" com (Xo, «+. Xn-1, 0,0,...) € R™. Neste slo vamos estudar outros sub-espagos de IR™, também de dimensfo finita, e importantes do ponto de vista das aplicagBes. DefinigGo 1 — Uma sequéncia (Xo, X1, ..., Xn, ...) chamase seqiléncta recorrente linear de ordem 2 se existem a,b € R com b #0 tals que Xnet = aq + bXq.1 para todo n > 1. Mais geralmente, se Xp = aqiXq-1 + + aq_pXn-p Verifica-se para todo n > p € ay _p #0, a sequéneia (Xo,..., Xa, Ltn 305 6 secortente linear de ordem p. Os mimeros ay. da relagio de recorréncia <++7 Bn-p S40 08 coeficientes Exeniplos 1) As progressdes aritméticas sfo seqiiéncias recorrentes lineares de ordem 2, pois Xqey = 2Xq — Xp-a Para todo n> 1. Os coeficientes sfo a= 2e b= ~1 2) As progressGes geométricas sfo recorrentes lineares de ordem 1, pois Xnss = On: 3) As seqiiéncias de Fibonacci (dadas por xq +1 = Xq + Xq-1, 40 > 1) so recorrentes lineares de ordem 2 com coeficientes a= 1 eb = 1 Teorema 1 — Fixando 2, b € IR, 0 conjunto de todas as seqiiéncias recor- rentes lineares de ordem 2 com coeficientes a e b é um sub-espago vetorial de IR™. ‘ordem 2 com coeficientes a ¢ b e consideremos (xo, Xi, -- ea€R Entio: Snes #Ynet = (kn + Baas) + On # BYR) = = ain +¥n) + BGn-1 + Yn-s) & exqe4 = @(@%q + Dna) = a(@0Kq) + B(@%-1) 4¢n & 1, 0 que vem provar que $ é sub-espago vetorial de IR™. Doixamos ao leitor a tarefa de enunciar e provar o teorema 1 para seqiiéncias de ordem p. = Um problema que se apresenta agora é o de calcular uma base de S. Antes de resolver 0 caso geral, vejamos dois exemplos, um com ordem 2 ¢ outro com ordem 1 Exemplo 1 — Tomemos o sub-espago das progresses aritméticas definidas Or Xper_= 2%q — Xn-1- Vamos calcular os termos x2, x3, ... em fungio de 9 € Xj. Temos Ha = 2M, ~ Hoy Ky = Dg — Hi = 2K, — Ho) — Hs = 3K “2k, Xq = 2X3 — Xp = 2X1 ~ 2x0) — (2x1 — Xo) = 4X1 ~ 3X0. Por indus teremos a férmula Xn = 0X = (a = 1) ap. A sequtncia 6, entio: = (oy X15 241 — Hoy 341 — 2Ko, Air — 3X95 «5 HY — (M— 1), = (a, 0, Xo, 29, 3x05 vey = — UK 2) +O, X15 2%, 3K, oo = xo(1, 0, -1, -2, -3,..., (9-1), ...) + 1, 1,2, 3, Observemos atentamente os edlculos acima, Em primeiro lugar, x9 ¢ x, deter- minam univocamente 0 termo xq por meio de: Xq = MX, — (1 — 1). Bastam portanto os dois primeiros termos para determinar toda a sequéncia. Em seguida, usando a igualdade acima foi possivel decompor uma sequéncia (xo, X1, «..) como combinago linear, com coeficientes xp € x,, das seqiléncias: @- Estas duas seqiiéneias so progressbes aritméticas (de razdo —1 e 1, respectiva- mente) ¢ sfo vetores (= seqiléncias) linearmente independentes pois nenhuma delas 6 igual 4 outra multiplicada por um nimero real. Conclusio: $ tem dimensio 2 e (01, 02} € uma base de S, Exemplo 2 — Consideremos 0 conjunto $ das sequencias: © = (Xp, Xty vey Kay vee) em que Xae1 = a (4 € R, fixo). Vamos calcular xq em fungdo de x9. Temos: X1 = Ko, % = Gs = G(X) = 4X0, X3 = Ga = 4G? Xo) = = a0, «Xn = ee Se q = 0 4 seqiigncia é 0 = (x9, 0,0,....) eneste caso 0 conjunto $ das seqiéncias consideradas identifica-se com IR = RR. Seja entdo q ¥ 0. Entéo: = (Ko, Xo, 4X0, --- OXoy---) = KOC Py. a", ) Conelussio: $ tem dimensdo 1 © {01} = ((1, 4, q°,...)} € uma base de S. Voltemos agora ao caso geral onde $ 6 0 conjunto das sequéncias 0 = (xo, Xiy sey Bay s+) 6M QUE Xpey = Aq + bxp-1, isto 6, seqiiéncias recorrentes lineares de ordem 2, Vamos procurar uma base de $ formada de seqéncias da forma o(a) = 4°, com q # 0. Sendo q® uma solugio, devemos ter q™*! = 307 = aq’ + bq"!, ¥in > 1, Logo, dividindo por q~!, vem: Gaaqtd ou, © que & equivalente, @ -aq—b=0. Caso 1: a + 4b > 0. Neste caso existem niimeros reais distintos entre si qy ¢ q, que verificam a igual- dade q? — aq — b = 0. Consideremos as sequéncias o;(n) = a? e 03(n) = af. Sendo b #0, entio qr #0 € g, #0 € como q € q sfo distintos entre si as seqiiincias 0; © 02 sfo linearmente independentes. Se mostrarmos que toda se- qincia de $ ¢ combinagio linear de 01 € 03, ficard provado que {o,, 03} & base de $ © portanto dim $ = 2. Seja 0 = (Xp, x + e403. Ora, isto equivale ES; procuremos ¢}, c € IR de maneira que o = eyo, + [o(0) = e104 (0) + c,02(0) You) = e110) + e(2) ou seja, a { sate x1 = eg + cage Daf vem que: y= MOH 4 gL MOH ue ar) portanto x om MoO g, 4 a u-% Exemplo — As seqiiéncias de Fibonacci so aquelas que satisfazem Xp, = = sn + Xp-1 isto 6, aquelas em que a= b = 1. Neste caso: 2 1+ V5 1-5 = e+ 4b=5, ga =z Fg ea-an v5. Entio: x 8) (4 5) 1 zit a) x0 ~ x ee Re ievsy EG z 3 308 & 0 nbsimo termo de uma sequéncia de Fibonacci. Se tomarmos, por exemplo, Xo = 0e x, = 1 teremos: san Sg yo yg Ot VSP = V5PD Observe que, embora no pareca, Xq é inteiro, pois: 0 =, 1, 1,2,3, 5,8, 13, 21, Caso 2: a + 4d =0 i a ie Neste caso a equaglo q? — aq —b = 0 admite a raiz real dupla q =. Conside- remos as seqléncias: a a mt Se ta) = mah = 3 a(n) = "= £ fiécil verificar que a1 € 0; sfo vetores (= seqiéncias) linearmente independentes. Mostraremos que {y, 0,} uma base de S. Seja 0 © S; procuremos cy, ¢; © R tais que 0 = ca + C0 Entio para n = 0 ¢ n= 1 devemos ter: (0) = 1040) + e020) o(1) = 404 (1) + e221) ou seja: © m=catea ou, ainda X= Xd =% © a= Portanto: 0 = x90 +E © exemplo mais importante é 0 das progress®es aritméticas definidas por Kner = 2p — Xn-a- Neste caso: P+4b=4-4=0, q= > 309 o=(1,1,1,...) © 2 =@,1,2,...) Daf para toda progressio aritmética o = (Xo, X1, .. .) teremos: +) + GH ~ ¥0)@, 1, 2, o = xo(1, 1, Caso 3: 32 + 4b <0. Quando isto acontece, existem duas rafzes cor (cos y + i sen g)e p(cos y— i sen y). As seqiiéncias 0, (n) = p" cos (ng) ¢ 02 (n) = = p® sen (ng) pertencem ambas a 8, so jente independentes e geram S. ‘As duas primeiras afirinagdes ficam a cargo do leitor. Vejamos a terceira. Seja 7 ES e facamos o = cyoy + e202. Entdo: cos (np) + cy 6% sen (ng), in > O. Jexas conjugadas da forma Tomando 1 = 0,1 temos: 00) =c a(1) = cp cos p + cap seny eda se tira que a(1) = 0) peosy + ep seny Portanto: = 21) = 00) p cose ae pene Enigo o(1) ~ 00) p cosy a(n) = 0(0)p" cos (ng) + pieng oP sen (ny). Nota: Os mesmos métodos podem ser usados para estudar as sequncias recor rentes lineares de ordem p > 3. Se, por exemplo, tivermos Xnsy = 2q-4 + Xn-2 podemos procurar solugées éa forma o(n) = q", Levando esta igualdade a relagio que existe entre os termos da seqiiéncia obteremos: qh! = 2qt! + gh? de onde se tira que: q = 24 + 1, ou sa, @Q + NG@ - 4-0, As raizes dessa equagfo sfo —1, + (1 + V5) e 5(1 — V5) e as sequéncias 310 exla) = CDP, o2(a) = 35 (1 + VBP © 0n(a) = 35 (1 — VS) formam uma base do espayo vetorial S. A solugfo geral € 0 = 40 + 60; +6303 & o(n) = 1)" + 63 (1+ VB He pa v5r & a expresso goral das sequgncias sujeitas & condigfo xno, = 2Xq—1 + Xn-2- Pata determinar as constantes ¢,, ¢, € Cy que produzem uma determinada sequéncia, basta lembrar que o sistema linear (0) = oy + + es l+V5_ 1-5 a(t) = = + 3 + a 3 - V5. 9 CAN, Wave , o(2) = oy 3 determina univocamente ¢), ¢ € ¢3- 2. APLICACAO Um problema de Quimica cuja resposta esté ligada as seqiiéncias recorrentes lineares é 0 seguinte: (© hidrogénio (H) ¢ 0 oxigénio (0) reagem segundo a lei 2H, + 0, —+ 2H,0 Segundo 0s quimicos essa reagdo é, em verdade, mais complexa, pois a presenga dos radicais OH, O e H produz trés reag6es ao mesmo tempo: () 0 +H,—> On +H (2) OH + Hy —+ H,0 +H @) H+0,—> 0H +0 Estas reagSes se processam segundo seguinte esquema: 31 (Admite-se que as trés reag6es t8m a mesma velocidade, demorando uma unidade de tempo para completarse, ¢ que os reagentes existem sempre em quantidade suficiente). No instante t = 0, existe apenas o radical O. Calculamos a seguir quantos radicals O, He OH existem nos estigios sucessivos correspondentes aos instantes n= 0, 1, 2, Sejam Xp = mimero de radicais O no instante n; Yn = niimero de radicais OH no instante n; 2q = mimero de radicais H no instante n. Entdo a terceira reagio H + O;——~> OH + O diz que Xney = Zn, pois um ra- ical O aparece no instante n + 1 quando existe um radical H no instante n, A primeira e a terceira reagdo dizem que Xp + 2, = Yne1 © a primeira e segunda reago dizem que Zs = Xy + Yn Todo 0 processo € entdo descrito por: Xa + tn = Yao ta = Xi + Yn HEN, com a condigé0 inicial x» = 1, yo = % = 0. 312 Lose nin hee aN [Bee sistema linear, onde as incdgnitas so seqtiéncias, € resolvido assim: Xnet = Zn = Xan +¥act = Sat +Xn-2 + na = = xno 8a + Xn = ner + naa ‘Assim, « seqiéncia que dé o miimero de radicais O satisfaz a relagio: Xnet = 2Xn-1 + Xn-2 que jf estudamos. Conforme ja vimos Fay? teas, ye 1+ V8) ten 3 ~ v5)" ce, pelas condigGes iniciais x = 1, x1 = 0, x; = 1, teremos os valores de ¢1, 03, ¢3 como solugio do sistema Lc +o +05 1+ V5 v5 ong tae? pes a+ vor v5y Bec! ey Leoq+ Deixamos ao leitor a tarefa de calcular os valores 1, ¢ € ¢s para obter 0 termo geral da seqiéncia (xq), que & 0 miimero de radicais O no instante n. para o leitor demonstrar que também: Your =2¥ni + ¥nea © Bnet = enon + na ‘Assim as sequencias (x3), (Vn) € (en) est no mesmo espago vetorial de seqiiéncias recorsentes lineares. EXERCICIOS PROPOSTOS Seja $0 sub-espago de IR™ formado pelas sequéncias (xo, x1 Xn +i = @%q + Dyn. 1. Achar ua base de $ nos seguntes ca a azle b=2; Qan2de b=-s; 2 Xqe oo) tas que byas-1e b=2, aso 6 b=-9 jaste bal pas0e b=-1 dante b=-3 masoe bal. 313 2, Seja $ © subconjunto das seqlncis = 6x ea = 1M char uma base na4alelelelalels2=1e24122414 pode ser obtido como soma de pode ser obtido como soma de yy eos yy oo) E ART tis que xq 43. = rovar que S'é um subespago votorial de IR™ ¢ + 6xy¥ne subespaco. - Com relacio @ Xn4g = Snes ~ Skne2 — Senos + OX, a EN. Leleie2=204 Je tr8s maneinas di 4e cinco manciras distintas, Faga 0 mesmo com relagio a 5, 6 7. "5, Seja aq 0 ntimero de seqléneias de 314 ‘© "2" euja soma dos termos én. Provarque ay 41 = 1. Deduzir a expressfo de ay. capituco 5 Equacées e Sistemas de Equagées Diferenciais Lineares com Coeficientes Constantes 1, OPERADORES DIFERENCIAIS Seja R a reta real e seja C™ (R) 0 conjunto de todas as fungées reais defini- das em que admitem derivadas de todas as ordens. Esse conjunto & um espa 0 vetorial sobre R pois sendo f(t) € g(t) duas fungdes que pertencem a C™ (RR) € sendo a um niimero real, entdo f(t) + a(t) ea f(t) também pertence a C” (R) e, além disso, os axiomas da definigdo de espago vetorial podem ser verificados de maneira andloga ao que foi feito para o espaco das fungdes continuas. No entanto CC® (R) ndo € um espaco vetorial de dimensio Se ( € C° (R) ento para todo n > 0, tencem a C* (R) e portanto toda combinagao linear agf(t) + a um elemento de C* (R). Definigdo 1 — A aplicagdo que associa a cada f() © C> (®) a funcao af) + ayf + af), com a, # 0, chama-se operador diferencial de grau n com coe onstantes ay rey ge SE representarmos por D o operador linear dado por D(f()) = £(), entéo o operador diferencial definido acima é agl + aD + aD? +... + a,D*(I = operador idén- )) Ou apenas ay + aD + ... + a,D*, como é costume representar. Notemos ue um operador diferencial é necessariamente linear. Exemplos 1) Consideremos 0 operador diferes 2 uma fungdo f(t) obtemos a funcdo sey ‘2, por exemplo, (2 — 3D\(5e%) = 25e%) - 3(15e%) = = 35e%, ial 2 — 3D. Aplicando esse operador e: (2 — 3DMFLO) = 2A) — 3D(EO) = Se* entdo = 1) = 2 = 2 - 3G) = 2P - 98 - 2. 315 2) Consideremos 0 operador diferencial D? + w*, onde co € RR ea fungio £() = sen wt, Entdo (D? + o*)(sen wt) = D*(sen uot) + (en cot) = — a sen wt + wo senvot =0. Logo sen cot pertence a0 niicleo de D? + w?. 3) A fungio £(®) = e*, onde a € IR, est no nécleo do operador D.a pois: @ — a)(e") = Dee) — ae = ae — ac* = 0. EXERCICIOS PROPOSTOS 1. Aplicar 0 operador diferencial D* 4 D? + D — 1 ds seguintes fungSes: a) sen 2. Aplicar os operadores lneares abaixo 3 fungfo sen wt: Ds aD +t b) De, oD so. oP +e 3. Aplicar & fungio cos ut 08 operadores: 2) Ds D+ a » D? OD +0, eer 4, Provar que toda combinacdo linear(com cosficientes em IR) das fungBes sen wt e co wt pertence 20 nicleo de D? + co? 5. Provar que toda fungio da forma ke, onde k EIR, esti no nicleo do operador D — a. 6. Demonstmar que se uma fungio f(t) esti no niicleo de D — a, entio f(t) é dada por F() = kel, onde k & um mimero real Sugesto: Considere a fungio St & mostre que ela & constante 2. ALGEBRA DOS OPERADORES Sejam os operadores diferenciais Ly = a9 + aD + ... + agD¥ e Ly = = bo + biD +... + bmD™, onde n 2) de operadores. Deixamos a0 tarefa de enunciédo, 321 Exemplo — Seja a equagéo diferencial linear e homogenea y" ~ 4y = 0 ou, de maneira equivalente, (D? — 4)(y) = 0. Como (D* — 4) = (D - 2) +2), entdo 0 niicleo de D ~ 2 eo mtcleo de D +2 estdo ambos contidos no nicleoN de D? ~ 4, Ora, 0 nécleo de D ~ 2 € constitufdo pelas fungdes kyet e 0 nécleo de D + 2 plas fungdes ke", Sendo N um sub-espago vetorial de C™ (IR), ento todas as fung6es Kye + kye"* (ka, ka € IR) pertencem a N, Como dim N=2 como et e et so fungdes linearmente independentes, ent essas fungbes formam uma base de N. Assim a solugdo geral de (D? ~ 4)(y) = 0 € £(0) = kyo? + kyo, Seja agora a equago diferencial de segundo grau: agy + ay’ + ay" = 0, ‘ou seja (ag + aD + agD*)(y) = 0. Podemos supor que a; = 1 pois ay + aD + + ade os + aD + D? tém exatamente 0 mesmo micleo, Consideremos 0 polinémio do segundo grau ay + a,x + x? cujas rafzes no campo complexo so a © a3, Conforme veremos as solugdes da equagio (@ + aD + D*)(y) = 0 dependem da natureza bem como da multiplicidade das raizes do polinémio consi- derado acima, Trés casos se apresentam: Caso 1: ay € og fo mimeros reais © ay # a3. Neste caso as fungdes e%# ¢ ¢%2t so linearmente independentes, (e%*} é base do niicleo de D — ay, {2%} 6 base do niicleo de D — a; ¢ portanto formam juntas uma base do ndcleo de (© ~ aD — a) = D* ~ (% + 0) + aay = D? + aD + a. Neste caso a soluglo geral de ayy + ay’ + y"=0€ Kjetil + ket Caso 2: a4 © a2 sf0 némeros reais iguais Seja «0 valor comum, raiz dupla do pol ap + ayx + x2. Neste caso et é ainda uma solugo. Uma segunda solugo é a fungao te™ pois: ao (tet) + 24 (te%)! + (te) = agte™ + ay(e%t + ated) + + (act + ae + atte®) = (a? + aya + ag)te™ + e%(a, + 2a) = 0. Observeros que 0 zero obtido decorre de que a? + a,0 + ay = 0, por ser a'uma raiz do polin6mio considerado de inicio, e a, + 2a = 0, por ser a uma raiz dupla desse mesmo polindmio, devendo portanto anular sua derivada a, + 2x. 322 Sendo ee te% solugGes e sendo fungdes linearmente independentes, elas formam. uma base do néicleo de (9 + a,D + D2) e portanto a solugdo geral da equagao é: Kye + Kyte, ou ainda, (ky + kjt)e™, Caso 3: 04 € 03 so niimeros complexes. Segue dag que a4 ¢ a3 so complexos conjugados e portanto se ay =a + bi, ento a; = a — bi, Neste caso consideremos as fungdes f; (t) = et cos bt € fy (1) = = ett sen bt. Afirmamos que se trata de solugdes de ap + a,y' + y" = 0. De fato, sendo a+ bi raiz da equagio ap ++ a;x + x? = 0, temos: 0 = ap + a;(@ + bi) + + (@ + bid? = (Gy + aya + ( — b*)) + (arb + 2ab)i. Logo ap + a1a +a? — b7 =O ¢ ayb + 2ab = 0. Segue entio dat que ay (e" cos bt) + a, (e* cos bt)’ + (e** cos bt)” = age** cos bt + + ay (—be™ sen bt + ae** cos bt) + (—abel* sen bt — b¥eteos bt + + ate cos bt — abet sen bt) = (ap + aya + a? ~ bet cas bt — — et¥sen bt (bay + 2ab) = 0 e%* cos bt — ef sen bt + 0 = 0, De maneira andloga provase que et sen bt é também uma solugio neste caso. Deixamos como exercicio a demonstragio de que f(t) e f(t) slo linear- mente independentes. Portanto 2 solugGo geral no caso em que as rafzes so complexas € Kye cos + kettsen bt ou ainda e8t (ky cos bt + ky sen bt). EXERCICIOS PROPOSTOS Encontrar 8 solugdo geral de cada uma das equagdes diferenciais a) y+ y -2y = 0; ©) 3y" — Sy + 2y = 0; b) By" + dy! — 15y = 0; Dy" —2y' 20; @ y" ty’ ty =0; hy 9y" — 12y' + ay = 0. 4) 2y" — SY3y' + by = 0; 2, Determinas a solugfo da equagio diferencia que satisfaz 2s condigs indicadas: a) yy tly =0 y(Q)=2 yO) = 23 ee ee yout: oy" —3y +2y=0 yO) =2. 323 43, Sejam me n nimeros reais distintos entre si, Provar que nfo existe nenhuma constante k tal que: oM a ke, VIER, Encontrar uma equagdo diferencia linear com coeficentes constantes cuja solugfo geral at by yet + ge ©) Kye sen dt + tae cost, Encontrar uma solugdo da equagio (D? — 2D 4+ 26)(y) = 0 eujo grifico passe pelo ponto (0, 2) do plano e cuja tangente nesse ponto tena inlinago igual a 3. 5. EQUACOES HOMOGENEAS DE ORDEM QUALQUER ‘Neste pardgrafo vamos generalizar os resultados que conseguimos obter no parigrafo 4. Definigio 3 — Dada uma equapfo diferencial homogénea de grau n sn) agy t any’ +... + any + y! chama-se equagdo caracteristica dessa equagéo diferencial a equago algébrica ag tage too. + aq ayxtt + xt = 0, 2q no campo complexo so chamadas raizes caracteristicas da equagio ial dada, Notemos que os mimeros complexs 6... , 01180 sfo necessariamente distintos dois a dois e que alguns deles (ou todos) podem ser reais. Exemplos 1) Se a equacdo diferencial dada 6 y"” — y"" — dy’ + 4y = 0, entio sua equagio caracteristica é x? — x? — 4x +4 = 0 cujas raizes sfo 1,2 ¢ —2 e dai: Pax Ax $4 = KK —2)HKHD. 2) Dada a equagio y"" — 2y" — dy’ + 8y = 0, sua equacdo caracteristica 6 x9 — 2x? — 4x + 8 = 0 cujas raizes so 2, 2 © —2. Logo x? — 2x*—4x +8 = = -29& +2). 304 3) No caso y"” + 4y’ = 0 a equagdo caracteristica 6: x? + 4x =0 da qual as rafzes so 0, 2i ¢ ~2i. Logo: 28 + 4x = x(x — 2i)(& + 21), Dada uma equagio diferencial agy + ayy! +... + an ay" + y® = 0 cujas rafzes caracteristicas 880 @1, aa, ..., Gn ento as suas solugGes podem ser obtidas da seguinte maneira (acompanhe 0 caso n = 2 que fizemos no pardgrafo 4): Caso 1: Todos os niimeros reais a1, 02, ..., an so reais distintos dois a dois, Neste caso: a + a,D +... + ag yD! + D® = (D— a,)(D ~ a)... (D — ag) € como o nicleo de D — aj estd contido no miicleo N de ay +a,D +... todas as fungbes e%1', oM2,.. , e%nt, esto em N. Como elas so , podemos afirmar que essas fungdes formam uma base de N. Assim a solugio geral da equagdo neste caso € kre +... + kneat onde ky... kn ER. Caso 2: Todos os niimeros ay, a3, ..., Aq SHO reals mas no sio todos distintos dois a dois, Neste caso, se por exemplo ay = c = a= a6 uma raiz de multipicidade 3, as fungdes et, tet e tet sG0 solugGes linearmente independentes. Exemplos 1) Resolver y'" — 3y" + 3y'~y = 0. Neste caso 2 equago cara cujas rafzes sao todas iguais 2 jcaéx* — 3x7 + 3x — 1 = (x — 1) =0 lucdo geral é kyet + katet + kytet 2) Resolver y"*) + 6y" + Sy"” — 24y’ — 36y = 0. A equagio caracteristica € Xt FOX? + 5x? — 24x — 36 = (K — (K+ IK HB. As raizes caracteristicas so 2, ~2, (simples) © —3(dupla). A solugio geral & Kyett + ket + gent + Kyte Caso 3: Alguns (ou possivelmente todos) dos méimeros a4, 03, ..., dy per- tencem 2 C ~ RR, Suponhamos ay, a3, ..., 035-1, Gas Sejam esses nimeros € que B= 3, Wy = a4, «.., Bas = O35, Logicamente as rafzes af no alinhadas 325 pertencem a IR. A contribuiggo de cada raiz real para a solugio € uma fungio exponencial; se for dupla contribui também com una fungso do tipo te. Cada par de raizes complexas conjugada da forma a + bi contribui com e* (ky cos bt + + ky sen bt); se essas raizes conjugadas forem duplas aparecerd mais uma parcela da forma te'* (k, cos bt + ky sen bt). Para possiveis raizes de ordem maior (reais ‘ou no) & 6 generalizar 0 que acabamos de fazer. Exemplos 1) Resolver y" — 2y’ + 10y = 0. ‘A equagfo caracteristica € x7 — 2x + 10 = 0. Suas raizes sfo 1 + 3ie 1 — 31, A solugdo geral é entio: y = ef (ky cos 3t + ky sen 31, 2) Resolver y"" + 4y' = 0. ‘A equagio caracterfstica € x* + 4x = 0, cujas raizes sfo 0, 2i e -2ie portanto y = ke?! + e° (ky cos 2t + Ky sen 2t) = Ky + ky C05 2t + ky sen 24, 3) Resolver y®) + Sy" — 36y = 0. A equago caracteristica é: x + 5x? — 36 = (8 — 4)(2 +9) = 0 que tem duas rafzes simples, 2 e —2,¢ duas raizes complexas 31 ¢ —3i, A solugio geral 6: y = ket + ket + ky cos 3t + ky sen 3t, 4) Resolver (D? — 2D + 5° (y) = 0. ‘A equagio caracteristica 6 (x? ~ 2x +5)? =0 cujas raizes so 1 + 2i (dupla) © 1 ~ 2i (dupla). A solugdo geral é y = et (ky cos 2t + ky sen 2t) + tel (ky cos 2t + ky sen 2t). EXERCICIOS PROPOSTOS 1, Achar @ solugio geral do cada uma das sequintes equagies: a) y" ay - by =0 D? + 2D ~ 1519) = 0; D+ D* - 2D) (D> + 20? ~ sD ~ p* — 6p? + 120? ~ 81 (D* + 6D + Ly) = 0; 326 @ OF — 100 +2 ») @ 40 +19 ©? + ary) = OWE Rs @? — D? + 9D ~ Ny) = 0; 2. Selam a, b, ¢, d € IR e f uma fungio, Provar que: O90 - HO ~ 9H = 0 - HO ~ 9-9. 3, Provar que a fungto kre + ket + Kye°t 6 ums solugdo da equagio © - 9D - HO - oy) =0, substituindo dietamente e efetuando os céleules. 6. SISTEMAS DE EQUACOES DIFERENCIAIS LINEARES ‘COM COEFICIENTES CONSTANTES Consideremos um sistema de n equagdes lineares em n incdgnitas + aggXa(t) + onde xy(t), -.. Xa(t) S40 fungdes reais (inedgnitas) definidas nu sdo diferencidveis e os aij so niimeros reais dados. Essa ¢ a forma normal dos cha- ineares com coeficientes constantes, nx n. x = 327 definindo podemos representar o sistema por x) = A+ XO Estamos interessados em encontrar solugdes do sistema que satisfagam @ uma dada condigao inicial. Ou seja, encontrar uma matriz, ie) FO = Lo onde £0,» fat) 880 fungdes diferencidveis em 1, de maneira que se verifique FQ) = A + F(t)e, para um certo ponto a € 1, F(a) seja uma dada matriz coluna. Consideraremos dois casos: (@) A matriz A € diagonalizavel. Quando isto ocorre, & possvel encontrar uma mati que P-!- A + P = Dé diagonal, com termos da diagonal prios de A. Seja Q = P~! e consideremos a matriz coluna Y(t) = Q + X(t). E claro en- tao que Y"(t) = Q = X°(t) (verifique). Dai Y"() = Q + A + X(0). Como porém X() = O-! + YO, entdo YO = Q- A+ Q-) = YO UV O = PHA =P)» ¥() = D = ¥(). Chamando de hy, «1 y 08 valores proprios de A, a equa- <0 matricial anterior equivale ao sistema inversivel P, nxn, tal juais aos valores pré- fx = An 0) = aya) Yall) = Aavatt) 328 naedlinemamenstieeammmnntinaaemanntne titan tekiemanmminiannnanene a cujas solugdes sao dadas por (cy Cay Cy C25 sn Gy ER. Logo cet x) =P + YQ =P- = CMP) +o. + eget, linearmente inde- onde Py, ..., Py S80 a8 colunas de P e portanto vetores proprio pendentes, da matriz A. Fazendo t = ae impondo que cP) +o. + GP, seja a matriz coluna dada, obteremos ¢}, .... ¢y tnivocamente. Exemplo Resolver o sistema au) +t) = xi) 2xx(t) = x0 x0 + 3x3) = x0) satisfazendo a condigéo inicial xy(0) = 1, xx(0) = 0 e xy(0) = 1 © polinémio caracteristico da matriz A dos coeficientes do sistema é | 3 t 0 1 | pal) = 0 2-t 0 =G-172-)p-Q-He= 11 5 acl = @- 0G ~~) = 2 He - Me - 4 = - Wa - 9 Os valores préprios sio, pois, 2; = 2 (multiplicidade 2) ¢ Ay = 4 (simples). Os su- bespagos préprios so V(2) = {(x, y, —x)|x, 2 € IR} de dimensdo 2, do qual { 0, =1);@, 1, 0) base e Vid) = f € Ry, de dimensao 1, cuja base mais natural & (I, 0, 1). Assim, a matriz A é diagonalizavel e, se 1 0 1 329 entdo Ora, de X() = cye*Py + cxe™Pz + cxe*Py segue que ae + eet ~ce% + gett cuja solugdo € ¢, = 0, cz = 0, ¢; = 1. Logo, a solugo que satisfaz a condicio inicial dada é (b) A matriz A nao é diagonalizavel mas tem todos os seus valores préprios em R, caso em que admite uma forma can6nica de Jordan sobre R. procedimento inicial & 0 mesmo do caso (a) e leva ao sistema Y"( de J = P-!- A» P & uma matriz de Jordan semelhante a A. Yo nm) onde os 4; sto os valores proprios de A e 8; é zero ou um. A iiltima equago é sem- ) = Aor = ce, onde ¢, & uma constante. A pentil- + Bq — Wall). Se Bq — 1 alt) por cye e resolve-se a equacdo rest 10 seguinte, Dessa forma, prossé pois, a partir de X(0) = P - Y(t), impondo a condigao inici valores das constantes de integragd0 C1, C25 <1 Gye +hegaremos aos 330 Exemplo Resolver 0 xx) + x0 4x3) = 2x) Ja vimos (exemplo 3, item 2, cap. I da segunda parte) que a matriz A dos coeficientes do sistema ndo ¢ diagonalizavel. E a forma canénica de Jordan dessa matriz de autovalores 2¢ ~3 ¢ ‘A matriz P que transforma A em J é coo -4 sm 7), Pela transformagio Y( que no caso fornece: yi(t) = 2yx(t) + yal ‘= ~3y«(t). Dai obtemos: alt) = cye“™, yolt) = cae, alt) = ene ‘Assim a primeira equago fica: yi(t) = 2yy(t) + exe, Observemos que = Gy) + e%e t= c>. Dai ye = Gxt + 6 331 € portanto yi(t) = ce + epte*. Dai 100 0 ee + exte cet + cate . o10 0 et eye" 2 x = c = od i oo1 1 exe eye + eer ; oo1 -4 ee exe — dye Suponhamos que a condicdo inicial seja dada por 1 XO) ' O={ 1 Entdo a @ =1 ate =1 cy — dey at cuja solucdo é (I, 1, 1, 0). Neste caso a solugdo do sistema & ; X() = + te, ot, 2, et) 4 () = J+ X¢), onde Jé uma matriz de Jordan 3x3, com % na tt 7 EXERCICIOS PROPOSTOS xo=fo 1 + a} 1. Resoha sistema X70) = A» X(9, onde oot 6 eX) = « 2, Resolva os sistemas X°() = A + 332 333 capituco 6 Método dos Minimos Quadrados 1, O ESPACO EUCLIDIANO R’: REVISAO [Neste capitulo daremos uma aplicago importante do conceito de produto interno. Para isso lembramos que no espago vetorial IR® 0 produto interno usual ¢ a aplicagdo que a cada par de vetores (U = (%, ..., Xn), V = (Yi, +++ Yn) de R" X R® associa o nimero real = x4; +... 4 Xap. Esse mémero real chama-se produto escalar dos vetores u ¢ v. Conforme vimos anterior- mente-o nimero real positivo full = Vx} +... +x} (estritamente positive se u#(O,...,0)) a norma do vetor u, Lembremos ainda que se u é um vetor do IR" e se (81, ..., 8a} € uma base ortonormal de um sub-espaco W de IR", ento 4 projegio de u sobre W (indicaremos por projw u) € 0 vetor dado por: Projw U= B) +... + Bs Essa projegdo se caracteriza pelo fato de que u — projy u um vetor de W! e portanto € ortogonal simultaneamente a g;, ..., 8. NO caso em que W = [g], fala-se em projecao de u sobre g (em vez de projegio de u sobre W) ¢ eserevese EXERCICIOS PROPOSTOS 1, Sejam u = (1, 2, -1), ¥ = @, 1, 0) e w = (0, 0, 2) em R>, Calcular: a) ; 8) twats © = =A, MAER ¢ Vu,veR". Provar que = 0 52, € somente se, u = (0, 334 i 4. Calcular projg u nos seguintes casos: Seja W 0 sub-espago do R* gerado pelos vetores uy = (1,2, 0, 1), vz = @2, 1, 0, 0) € 0, 1,0). Caleular a projegdo do vetor u sobre W nos seguintes casos 9 w= @, 0,0, 1. ojegfo do vetor (x,y, 2) €IR? sobre 0 sub-espago gerado por (1, 0,0) e(0, 1,0) 7. Provar que projg(¥y + Ug) = projgu + projgu, Fazer a figura, 8, Provar que proj(Au) = Aprojgd © que roi, gil= projyu (A # 0). 9. Polos exereicios 7 © 8 a fungio u +> ptojg u 6 uma transformasfo Linear de IR" em IR". Quais sfo sou nicleo 0 e sua imagem? 10. Provar que Iprojgi ll < tu, para todo vetor u, Quanto vale a igualdade? 2, APROXIMACAO POR PROJECOES Suponhiamos que um fisico disponha de um aparelho para medir experimen- talmente o valor de uma constante, Esta constante pode ser uma resisténcia clétrica, © peso especifico de uma substancia, a poténcia de um motor, etc. Ao efetuar a medida ele encontraré um valor préximo do valor real, pois toda expe- rigneia comporta uma imprecisfo de medida. Feitas vérias experiéncias, que do em geral virios resultados distintos, & comum a prética de “tirar a média" e chamar © resultado assim obtido de valor da constante. Veremos 2 seguir como a noglo de produto interno justfica este procedimento. Faremos depois outros métodos de aproximagio, sempre baseados no produto interno do IR. Suponhamos que se deseja determinar o valor de uma constante k, efetuando experiéncias, Comecemos com 0 caso em que so feitas apenas duas experiéncias que dio os valores ky ¢ kz. Se nfo houvesse imprecistio nas medidas deveriamos ter ky =k, = k,mas isto ndo ocorre, Qual seria entio a melhor aproximagio para k, obtida a partir de k, e ka? Para isso tomemos o “vetor-experiéneia” E = (ky, ka) @ 335 seja u = (1, 1). Ento ku = (k, k). E razostvel dizer que a melhor aproximagdo de k €0 miimero real k’ tal que k'u seja a projegio do vetor-experiéncia sobre o vetor u; portanto: ew Sek) D> _ ks the eta) Portanto a média aritmética dos valores ky ¢ ka é a melhor aproximagao de k. No caso de efetuarmos n experiéncias em vez de duas, teremos: ne Kea < _ Exomplos 1) Veocenpntnc B=(,2,1,94x0= 142AIA2 8 2) Vetorexperineia E = (5, 6, 5,7, 6, 4), ya SHOHSSTI6EE gy Imaginemos agora uma experiéncia mais complexa, em que serio medidas simultaneamente duas constantes ke £, As medidas obtidas pela experifncia si0 vetores do IR’: (Ki, £1), (Kas £2), «+5 (ps ps 336 tes de p medigdes. Queremos achar a partir destes valores a melhor aproxi- magio para k e para 2. Para isso formamos 0 vetor-experiéncia: B= (his ke, 8p) © RPP, Consideramos agora os vetore w= (,1 y= (0,0, também pertencentes a0 IR??, Observe que = 0. Inspirados no primeiro caso que estudamos, poderemos dizer que as melhores aproximagSes de k e £ s40 némeros k’e 2" obtidos da seguinte maneira: projetamos © vetor E sobre 0 sub-espaco gerado por uy ¢ u, © tomamos as coordenadas da rojegio em relagio a base {u,, uz}. Conforme vimos no pardgrafo 1, teremos: eSB yg © © <> pois uy € up so ortogonais entre si. Segue dat que: - y= SBM _M+W4 2410410 19g Tug? 5 Observagdo: O vetor (k’, @}) € IR? chama-se centrdide dos vetores (Ki, £1), + (kp, £p)- A definigao de centrdide pode ser dada em geral: se Uy, ... , Up si0 P vetores de um espago vetorial V sobre IR, o centrdide desses vetores é 0 vetor 1 pt tee tp) EXERCICIOS PROPOSTOS 1, Caleular © centebide dos vetores ¢ representar geometricamente: enttbige dos vetores uy, ua, sno R?, cujas extremidades formem um triéngulo, Qual é ponto do triingulo que coincide com a extremidade do centréide dos tnés vetores? » . AJUSTE DE CURVAS Um problema bastante freqiiente nas ciéncias experimentais ¢ 0 seguinte: sabe-se que um fendmeno ¢ descrito por uma fungao linear y = kx, mas 0 valor de k € desconhecido, Para determinar k, atribuimos um valor x, a varidvel x obtendo experimentalmente um valor y; para y. Repete-se a experiéncia com valores Xi, ++5 Xp de x € valores ya, ...,¥p cortespondentes dey. A partir destes dados sr a melhor aproximagdo de k? tomamos os vetores X = (Xi, +5 a) @¥ = (Vas «+++ Yn) do IR". Se Y fosse proporcional a X, jé terfamos o valor de k. Mas isso no ocorre devido a imprecisio experimental. Queremos achar k’ tal que k’X seja 0 mais préximo possivel de Y. Para isso devemos exigit que 0 vetor ¥ —k'X tenha norma minima, o que ocorre quando Y — K'X é ortogonal a X. Segue daf que a melhor aproximagdo de k’ é aquela dada por =0. Dessa igualdade se conclui que k’ — <¥, X> = 0. Logo: = St “ isto &, 338 Como IX — YP = = x: — yi? +... + (Xn ~ Yo)? esta expressio 6 minima quando k’ é dado por (1) acima, 0 método de aproxi- magio acima descrito chamase método dos minimos quadrados, Exemplo — Uma experiéncia fomeceu os seguintes valores: i, ¥1) = G, 6) =P (%, ¥2) = (1, 3) = Q &s, ¥a) = 6, 9 =R Gs, ya) = 4, = S A reta que melhor se adapta a estes resultados no sentido dos minimos qua- drados ¢ a reta y = k'x, onde A reta y = 2 x & aquela que “passa mais perto” dos pontos P,Q, Re S, no 31 sentido de que a soma dos quadrados das distancias medidas na vertical destes, pontos a esta reta 6 0 menor possivel, Suponhamos agora que z seja fungdo linear de duas variéveis x e y com coeficientes desconhecidos ¢ e m,z = Sx + my, e que foram feitas experiéneias (0 minimo duas) dando-se valores a x € a y e medindo o valor correspondente de z. Para fixar as idéias suponhamos feitas trés medig6es dadas por: aatx tmy:, =k tmy, © m= bx +mys. Este sistema de equagdes lineares nas incdgnitas @ © m 6 em geral incompat Devemnos ento encontrar valores aproximados &’ e m’ que fagam a expr direita aproximar-se © mais possivel do valor observado para z, Para iss0 consi- deremos 08 vetores u = (X1, Xay Xa), V = (Vis Yar Ya) & W = (Za, Za» 23). Seja Wo sub-espago gerado por u e por v. Devemos escolher 2 e m’ de modo que £'u +m'y seja a projegdo ortogonal de z sobre W. Para isso devemos impor que = =0 339 © que nos conduz ao sistema linear ! + m’ = e + <¥, vm = Este sistema poderd ser resolvido univocamente se u e v forem linearmente independentes pois seu determinamente vale ? Ii? — ? que & um mimero real estritamente positivo, devido & desigualdade de Cauchy- Schwarz, Exemplo — Seja a fungio z= &x + my das variéveis x e y com co. desconhecidos 2 ¢ m, Foram obtidos os seguintes resultados experime: axel y= 1 2s 3 bx=2 y oxs4 oy -lo2= 4h 0 2=-2 uou4 Neste caso u = (1,2, 4) ¢ v = (1, ~1, 0) sfo linearmente independentes em R°. Os valores aproximados £' ¢ m’ sGo as solugdes do sistema 22-8 m= 3 42m! = 2 tant om = 2. pon ~ 4 9 donde £ = Fy em! = 7. Portanto z= — Gx + sry. Um caso particular desse problema & 0 seguinte: encontrar a equagio de uma pardbola no plano xy, cujo eixo é paralelo ao eixo y e que melhor se ajuste aos pontos P = (1, 2), Q = (4, 1), R = (-1, 0) e § = Q, 3). Neste casoa equagio da pardbola deve ser da forma y = 2x + mx*, Como ela deve passar préxima dos pontos P, Q, Re S, @ ¢ m devem ser aproximados por valores £! ¢ m’ obtidos através do processo descrito acima. Teremos u = (1, 4, —1, 2), v= = (1, 16, 1, 4) ew = (2, 1, 0, 3). O sistema linear é: 228+ 72m! = 12 728 + 274m! = 30 donde: 2 7 p21 We lo mal e m= bn aL 7 fae "| i 72 2 274| 72 274] 340 Sugerimos ao leitor que represente em um sistema de coordenadas cartesianas os pontos P,Q, Re Se a pardbola que foi calculada acima, EXERCICIOS PROPOSTOS 1, Determinas a rota em IR? de equago y = kx que melhor se adapte aos pontos P,Q, ...nos seguintes casos: a) P=6,9,0= )P=6,9,0 9 P=G,0,0=6 ‘Ropresentar as reas em um sistema de coordenadas cate 2, Suponhamos 2 = &x + my e que foram obtidos experimentalmente os seguintes resultados: Sex=1 © y=0,entio z= 2; Sex=0 e y=lentior= 3 Sex= Ie y= 1, entioz = 2; Sex=-1 © y= 1, enlioz= 0, Encontrar a formula aproximada para z. SupGe-se que 2 = ox + my + nt é uma fungfo linear de tds vaidves x, ye t. Os seguintes resultados s20 obtidos experimentalmente: x=0 y=0,t= O52= 4 xel y=0, t= lo2=-1; xe2 ysl t= 0925 3% x=4,y=0,t=-3oz= 4 Encontrar a {6rmula aproximada para 2. 4. Encontrar um polindmio homogéaco do segundo grau cuj grifico se ajuste bem aos pontos P= (,2,Q = G,D,R = 4, De8 = (2,0). 5. Repetir © problema antetior com os pontos P = (5, 8=@Q-D. D,Q = 6, D,R= GH 6. Determinar um polindmio homogéneo de quarto grau cujo grifico se ajuste aos pontos ©2,9,6 1,040 341 RESPOSTAS DE ALGUNS EXERCICIOS PROPOSTOS 1 PARTE, 342 344 wo(e3) Spend 1. Fy HDG 8) = Se Ay 43: (Py +34 0) = Be 99 + tne 0m ka raem 9 a-wat—a-D. Sa) 40 08 A= 2 pareo 346 PAs P eBlog AB, Oar Fears ten Fears Fae ange ea We agn — mar + bars — oa + + aay cays ey nia naph sani ae 5. 2) Lego piso vaur plz (po) en mutiptts pooeaee 4 got po © alr po 2) ‘em mulipisinge emi 9 1.3. 6 Reso: tamautedeumoperdorsto ado ‘Temrlobarecain dn Por ee 4 pp # 002 ~ Ooo By tae pion de Fees 2 aap 3 347 5.0 aout spmmtaseR: © YS omn 6/5 "aan onde not Aes pinta ' Sa mipte Oat a = 1 wept tn se irr sn Ah ~tpmtle 12 Skt as > deat HSE PRL 8 ©) $0190? «pa 2 Puoe cont pln de ga n= at tsa 5lg 96h 6 ts $991 +200, 168716 A Pots a fom a+ (5 = 2). 4 8 Le e=6 von ($a svi : 348 BIBLIOGRAFIA O1. AYRES JR., F.— Equacdes Diferenciais, Rio de Janeiro, Ao Livro Técnico, 04, FLETCHER, T. J. — Linear Algebra throught its applications, N.Y., Van Nos- trand, 1972, 05. GOLOVINA, L. I. — Algebra Linear y algunas de sus aplicaciones, Editorial Mir, 1974, 06. GOODMAN, A. W. (et al) — Finite Mathematics with applications, N.Y., Mac- 07. GREUB, W. — Linear Algebra, Springer-Verlag, 1975. 08. HOFFMAN, K. (etal) — Linear Algebra, Englewood Cliffs, Prentice Hall, 1961. 09. KREIDER, D. L. (et al) — Equacées Diferenciais, S.P., Edgard Bliicher, 1972. 10. LANG, S. — Linear Algebra, Reading, Addison-Wesley, 19 11. LIPSCHUTZ, 8. — Linear Algebra, Schaum’s outline series, 1968. 12. MONTEIRO, L. H. J. — Algebra Linear, S.P., 1962. 13. NOBLE, B. — Applied Linear Algebra, Englewood Cliffs, Prentice-Hall, 1969 14, QUEYSANNE, M. — Algébre, Paris, Armand Colin, 1964. 350 INDICE REMISSIVO Base, 76 Base candnica, 77 Base dual, 150, Base ordenad: Base ortonormal Combinagto linear, $7 Complemento ortogonal, 175 ‘Conjunto linarmente dependente, 68 ‘Conjunto linearmente independente, 67 solugio, Derivada, 105 Desigualdade de Bessel, 186 Desigualdade de Cauchy-Schwarz, 161 Desigualdade de Lagrange, 162 de Vandermonde, Dimensio de um espago vetoral, 78 Equacio caractristica, 324 quasi dierent Hner, 319 Espago 10 Espaco veto Espago vetoral finitamente gerado, 59 Espectro de uma matriz, 270 Funcional linear, 149 Gauss (processo de), 235 Identidade de polarizagao, 166 (ex. 11) Igualdade de Parceval, 186 Lagrange (potindmios de), 299 Lei de indscia, 243

You might also like