Professional Documents
Culture Documents
CM005
CM005
D EPARTAMENTO DE M ATEMÁTICA
Autor:
Professor José Renato Ramos Barbosa
2017
www.ufpr.br/∼jrrb
2
Conteúdo
2 O Espaço Vetorial R n 7
2.1 Geometria Analítica do R2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 R n : Espaço Euclidiano n-dimensional . . . . . . . . . . . . . . . . . . . . . . . 12
2.3 Produto Interno, Módulo e Ângulo em R n . . . . . . . . . . . . . . . . . . . . . 13
2.4 Retas e Hiperplanos em R n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.5 Subespaços do R n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.5.1 Exemplos Gerais de Subespaços - Subespaço S Gerado por r Vetores . 20
2.5.2 Exemplo para S Gerado por r = 3 Vetores em R4 . . . . . . . . . . . . 20
2.5.3 LI e LD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5.4 Dimensão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.5.5 Ortogonalidade e Ortonormalidade . . . . . . . . . . . . . . . . . . . . 23
2.5.6 Subespaços de Subespaços . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.6 Exercícios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3
4 CONTEÚDO
O conteúdo destas Notas de Aulas (NA), que tem sido trabalhado por mais de quinze anos,
ainda está incompleto e ‘em construção’. Daí é provável que a ordem e/ou a redação dos
exercícios, bem como a quantidade dos mesmos, variem em muitas das visitas ao endereço
www.ufpr.br/∼jrrb.
Observação análoga vale para as definições e os resultados que aqui figuram. Ainda, o ob-
jetivo das NA é servir de apoio para o curso Álgebra Linear (CM005/CMA212) ministrado
na UFPR.
Recomendo ainda os seguintes livros:
Aqui, cada nota de rodapé (ndr) tem papel importante (e DEVE ser lida como parte inte-
grante do texto) para quem estiver cursando Álgebra Linear pela primeira vez. O mesmo
vale para demonstrações de alguns resultados e resoluções, sugestões, dicas e respostas de
exercícios quando o texto estiver escrito no tamanho ‘footnote’, isto é, no tamanho de ndr.
Para quem já cursou Álgebra Linear, a leitura pode ser feita em ritmo de revisão.
Deliberadamente não incluí demonstrações de alguns outros resultados pois as disciplinas
CM005 e CMA212 são (predominantemente) para cursos com caráter mais aplicado (enge-
nharias, por exemplo). Alunos interessados em preencher tais lacunas são convidados a
recorrer à outros livros da área (como, por exemplo, os previamente citados).
Aqui, as caixas SOLUÇÃO : e RESPOSTA : têm o mesmo significado, enquanto que a caixa
RESOLUÇÃO : significa o ‘cálculo’ que acarreta tal solução.
O pré-requisito para a leitura destas NA é um curso de Geometria Analítica. Aliás, inicio
tais NA com uma revisão de tal curso no R2 .
Falando em pré-requisitos, gostaria de expressar que vejo a Matemática como uma lingua-
gem tipo Português, Inglês, Francês, etc. Assim, temos também ‘Matematiquês’, ‘Fisiquês’,
1 Nenhuma edição mais antiga serve, principalmente por causa dos exercícios das últimas edições!
5
6 CAPÍTULO 1. INTRODUÇÃO: ORIGEM, OBJETIVOS E DIRETRIZES DAS NOTAS
‘Quimiquês’, ‘Informatiquês’, etc. Aprender uma Língua é antes, praticamente, ser alfabe-
tizado nela. Já nessa etapa preliminar é preciso estudá-la e praticá-la (para não cometer
equívocos com a mesma). Note que não é fácil querer fazer um estudo avançado da Língua
sem ter sido alfabetizado nela. Como diz o ditado: ‘O avançado é fazer o básico bem feito!’.
Por outro lado, para ter fluência na Língua é preciso, além do estudo e da prática, conhecer
todo um jargão da área. Apenas estudar na proximidade de cada prova é perda de tempo
para quase todos que assim procedem.
Sugestões para o aprimoramento e/ou a clareza das NA serão muito bem vindas. Serei, não
só grato mas também todo ouvidos e olhos.
Capítulo 2
O Espaço Vetorial R n
v
u αw com α > 1
w
αw com 0 < α < 1
αw com α < −1
x, y, z, a, . . . e λ, a, x, t, . . ..
Todas tais operações e suas propriedades,1 bem como verificações das mesmas, devem ter
sido vistas tanto geometricamente - por exemplo, como ilustrado na figura anterior - quanto
1 Exemplos: comutatividade tanto da adição quanto do produto interno de vetores; o módulo do múltiplo
escalar de um vetor iguala o produto do módulo de tal escalar pelo módulo de tal vetor; 0 = (0, 0) é o elemento
neutro aditivo; etc.
7
8 CAPÍTULO 2. O ESPAÇO VETORIAL R N
algebricamente e numericamente.
Para os exercícios seguintes, considere antes os seguintes itens:
y v
w u
x
• Ângulos são medidos em radianos. Contudo, eventuais respostas podem vir em graus.
2. Se o vetor u tem módulo igual a 3 u.c. e o vetor v tem módulo igual a 2 u.c., qual é
o maior (respectivamente, menor) valor que o módulo da soma u + v pode assumir?
RESPOSTA : 1 u.c. ≤ || u + v || ≤ 5 u.c..2
v
3. Sejam v 6= 0 e u = ||v||
.
(a) Verifique que u é unitário, isto é, ||u|| = 1 u.c., e tem a mesma direção e o mesmo
sentido de v.3
(b) Determine u se v = (−8, 6). RESPOSTA : u = (−4/5, 3/5).
2 SUGESTÃO : Por um lado, como deve ser de conhecimento comum, vale a seguinte desigualdade trian-
gular
||u + v|| ≤ ||u|| + ||v|| .
Por outro lado, aplicando tal desigualdade na soma
u = (u + v) + (−v)
e usando que
||−v|| = ||v|| ,
obtemos
||u|| − ||v|| ≤ ||u + v|| .
3 SUGESTÕES : Para v = ( x, y), determine u. Daí calcule ||u||. Para outra resolução, devido a v 6= 0,
considere α = ||v1 || e calcule daí o módulo de u = αv.
2.1. GEOMETRIA ANALÍTICA DO R2 9
4. Deve ter sido visto em GA que, para quaisquer vetores u, v e w e para cada escalar α,
temos que:
- (v + u) · w = v · w + u · w; v · (u + w) = v · u + v · w; (distributividade)
- v · u = u · v; (comutatividade)
- v · (αu) √= (αu) · v = α (u · v); (comutatividade, associatividade)
- ||w|| = w · w. (definição de módulo)
Sejam u e v unitários. Use as propriedades anteriores para calcular o produto interno
dos vetores dados em cada um dos itens seguintes.
5. O ângulo θ entre dois vetores não nulos, u e v, é aquele entre 0 e π radianos que satisfaz
a condição
u·v
cos θ = .
||u|| ||v||
|u · v| ≤ ||u|| ||v|| ,
verifique que
u·v
||u|| ||v||
é um número r entre −1 e 1.
(v + u) · (v − u) = (v + u) · (v + (−1)u)
= v · (v + (−1)u) + u · (v + (−1)u) (dist.)
= v · v + (−1) (u · v) + u · v + (−1) (u · u) (dist., comut., assoc.)
= ||v||2 − u · v + u · v − ||u||2 (def. mód.)
= 1 − 0 − 1 (u, v unitários)
= 0.
u = (cos θ, sen θ )
= cos θ i + sen θ j.
9. Dizer que dois vetores u e v não-nulos são ortogonais (entre si) significa que
u · v = 0.7
se u ⊥ v.
6 SUGESTÃO : Sem perda de generalidade, suponha que v é unitário. Agora aplique o exercício anterior.
7 Veja exercício anterior!
2.1. GEOMETRIA ANALÍTICA DO R2 11
||u + v||2 = (u + v) · (u + v) .
10. Obtenha a equação vetorial da reta r que passa pelo ponto (final de) x0 com vetor diretor (ou
na direção do vetor) a, isto é,
r: x = x0 + ta, t ∈ R,
para:
11. Considere r e s duas retas com vetores diretores v e w, respectivamente. Tais retas são
ditas:
• paralelas quando tais vetores diretores são múltiplos escalares um do outro, isto é,
quando
w = αv
para algum escalar α;
• perpendiculares quando v ⊥ w.
x ∈ R n significa que: x é a n-upla ordenada cujas coordenadas (ou componentes) são os números
(reais) x1 , . . . , xn , nesta ordem, isto é,
x = ( x1 , . . . , x n ) ,
Em analogia a x, um vetor denotado por outra letra, digamos y, pode ser representado por
y1
y = (y1 , . . . , yn ) ou y = ... .
yn
xi = yi , i = 1, . . . , n.
xi + yi , i = 1, . . . , n.
2.3. PRODUTO INTERNO, MÓDULO E ÂNGULO EM R N 13
Por exemplo, em R3 , se x = (1, 2, 3) e y = (−1, 1/2, 1), então x + y = (0, 5/2, 4).
αxi , i = 1, . . . , n,
1. x + y = y + x; (comutativa)
2. (x + y) + z = x + (y + z); (associativa)
8. 1x = x.
x · y : = x1 y1 + · · · + x n y n
1. x · y = y · x; (comutativa)
2. x · (y + z) = x · y + x · z; (distributiva em relação a soma de vetores)
3. α(x · y) = (αx) · y = x · (αy);
4. x · x ≥ 0 e x · x = 0 se, e somente se, x = 0; (não-negatividade)
5. x · 0 = 0.
14 CAPÍTULO 2. O ESPAÇO VETORIAL R N
x · 0 = x · (0 + 0)
= x · 0 + x · 0,
x = x+0
para qualquer x em R.
( x · y )2 ( x · y )2 ( x · y )2
0 ≤ x·x−2 + = x·x− .
y·y y·y y·y
0 ≤ (x · x)(y · y) − (x · y)2 ,
2.3. PRODUTO INTERNO, MÓDULO E ÂNGULO EM R N 15
isto é,
|x · y|2 ≤ ||x||2 ||y||2 .
DEMONSTRAÇÃO DA PROPRIEDADE 4:
||x + y||2 = (x + y) · (x + y)
= x·x+2x·y+y·y
= ||x||2 + 2 x · y + ||y||2
≤ ||x||2 + 2|x · y| + ||y||2
≤ ||x||2 + 2||x|| ||y|| + ||y||2 ,
onde usamos:
1
cos θ
0 π
θ
−1
9 Neste caso, a positividade das mesmas!
16 CAPÍTULO 2. O ESPAÇO VETORIAL R N
Tal θ é aqui denotado por (x, y) e chamado de ângulo entre (os vetores) x e y. Adicio-
nalmente, definimos
x·y
cos(x, y) := ||x|| ||y||
.
1
EXEMPLO : Em R4 , sejam x = (1, −1, 0, 2) e y = −1, 1, 2 , −2 . Daí, como x · y = −6,
√ 5
||x|| = 6 u.c. e ||y|| = 2 u.c., temos que
−6
cos(x, y) ≈
2, 45 · 2, 5
≈ −1.
ou
π
(x, y) = 2 radianos.
e1 · e1 = e2 · e2 = e3 · e3 = 1;
e1 · e2 = e1 · e3 = e2 · e3 = 0.
2. a · (x − x0 ) = 0 representa o (hiper)plano Π que passa pelo ponto (final de) x0 com normal
a.
Por exemplo, em R3 , se x0 = ( x0 , y0 , z0 ), a = ( a, b, c) e x = ( x, y, z), as equações paramétricas
de r e a equação geral de Π são dadas respectivamente por:
1. x = x0 + ta, y = y0 + tb, z = z0 + tc com t representando um escalar arbitrário;
x = x0 + ta
Π x0
ta
x0 a
a
x − x0
2. a · x = 0 .
Para o exemplo em R3 anterior, temos agora:
1. x = ta, y = tb, z = tc ;
2. ax + by + cz = 0 .
18 CAPÍTULO 2. O ESPAÇO VETORIAL R N
2.5 Subespaços do R n
São subconjuntos S do R n tais que:
1. 0 ∈ S ;
2. αx ∈ S para cada escalar α ∈ R e qualquer vetor x ∈ S ;
3. x + y ∈ S para quaisquer vetores x, y ∈ S .
EXEMPLO : Em R2 , a reta (que passa pela origem)
x
S= x= y=x
y
0
é um subespaço do R2 . De fato, note primeiramente que 0 = ∈ S pois as coordenadas
0
do vetor nulo satisfazem a equação y = x, isto é,
x = y = 0 =⇒ y = x.
x1 x2
Sejam agora α ∈ R e x = ,y = ∈ S , isto é,
y1 y2
y1 = x1 ;
y2 = x2 .
αx1
Daí, por um lado, αx = ∈ S pois é fácil ver que
αy1
x = αx1 e y = αy1 =⇒ y = x.
x1 + x2
Por outro lado, x + y = ∈ S pois, claramente,
y1 + y2
x = x1 + x2 e y = y1 + y2 =⇒ y = x.
EXEMPLO : O plano (que passa pela origem)
S = x = ( x, y, z) x + y + z = 0
é um subespaço do R3 . De fato, note primeiramente que 0 = (0, 0, 0) ∈ S pois as coordena-
das do vetor nulo satisfazem a equação x + y + z = 0, isto é,
x = y = z = 0 =⇒ x + y + z = 0.
Sejam agora α ∈ R e x = ( x1 , y1 , z1 ) , y = ( x2 , y2 , z2 ) ∈ S , isto é,
x1 + y1 + z1 = 0;
x2 + y2 + z2 = 0.
Daí, por um lado, αx = (αx1 , αy1 , αz1 ) ∈ S pois
αx1 + αy1 + αz1 = α ( x1 + y1 + z1 )
= α·0
= 0.
2.5. SUBESPAÇOS DO R N 19
( x1 + x2 ) + ( y1 + y2 ) + ( z1 + z2 ) = x1 + x2 + y1 + y2 + z1 + z2
= x1 + y1 + z1 + x2 + y2 + z2
= 0+0
= 0.
EXEMPLO :
S = x = ( x, y, z) x − y = 0 e z = 0
é um subespaço do R3 . De fato, a reta (que passa pela origem)
S = x = t(1, 1, 0) t ∈ R
representa a interseção dos planos (que passam pela origem) x − y = 0 e z = 0.10 Note que
tal S é a reta do primeiro exemplo de subespaço dado anteriormente, só que agora tal reta
está sendo representada como um subconjunto do R3 .
• 0 6∈ S ;
EXEMPLO : O plano
x
S= x= y
x+y+z = 1
z
não é um subespaço do R3 por inúmeros motivos. Daremos apenas três. Escolha aquele que
mais te agradar!
2. S = R n ; (subespaço trivial)
• Em R3 , seja
(
x + y + z = 0,
S= ( x, y, z) x − 2y + z = 0, .
+ y − 3z = 0.
x
Aqui, n = r = 3 e a1 = (1, 1, 1), a2 = (1, −2, 1) e a3 = (1, 1, −3).
• Em R4 , seja
n
x + y + w = 0,
S= ( x, y, z, w) .
x − y + z = 0.
Aqui, n = 2r = 4 e a1 = (1, 1, 0, 1) e a2 = (1, −2, 1, 0).
2.5. SUBESPAÇOS DO R N 21
2.5.3 LI e LD
Para o subespaço gerado por a1 , . . . , ar , afirmar que {a1 , . . . , ar } é uma base de S significa
que, além destes r vetores gerarem S , isto é, S = x x é CL de a1 , . . . , ar , temos ainda que
os vetores a1 , . . . , ar são linearmente independentes (LI), isto é, a única solução da equação
x1 a1 + · · · + xr ar = 0
é a trivial
x1 = · · · = xr = 0.
Caso a solução trivial não seja a única solução, dizemos que os r vetores são LD.
EXEMPLOS EM R3 :
• Sejam a1 = (1, −1, 1), a2 = (−1, 1, 2) e a3 = (0, 0, 3). Seja
S = x x é CL de a1 , a2 , a3
o subespaço gerado por a1 , a2 , a3 . Assim, para que {a1 , a2 , a3 } seja base de S , estes três
vetores devem ser LI. Contudo, os vetores a1 , a2 e a3 são LD pois a equação x1 a1 +
x2 a2 + x3 a3 = 0 admite, por exemplo, a solução não trivial x1 = 1, x2 = 1 e x3 = −1
devido a a3 = a1 + a2 . Daí, como a3 é uma CL de a1 , a2 , temos que a3 pertence ao
subespaço S gerado por a1 , a2 , isto é,
a3 ∈ S = x x é CL de a1 , a2 .
Por outro lado, a1 , a2 são LI pois
x1 a1 + x2 a2 = 0 ⇐⇒ ( x1 − x2 , − x1 + x2 , x1 + 2x2 ) = (0, 0, 0)
x1 − x2 = 0
⇐⇒
x1 + 2x2 = 0
⇐⇒ x1 = x2 = 0.
Logo {a1 , a2 } é uma base para S .
• e1 , e2 , e3 são LI pois é fácil ver que x1 e1 + x2 e2 + x3 e3 = 0 só admite a solução trivial
x1 = x2 = x3 = 0. Além disso, tais vetores claramente geram S = R3 :
x1
x = x2 ⇐⇒ x = x1 e1 + x2 e2 + x3 e3 .
x3
Então {e1 , e2 , e3 } é uma base de S .
22 CAPÍTULO 2. O ESPAÇO VETORIAL R N
2.5.4 Dimensão
Seja S um subespaço do R n . Demonstra-se que:
• S tem uma base constituída por r vetores, isto é, S é gerado por r vetores LI.12
• Qualquer base de S tem o mesmo número de vetores, isto é, para duas bases quaisquer
de S , uma com r1 vetores e a outra com r2 vetores, temos necessariamente que
r1 = r2 .
Neste caso, tal número comum de vetores de qualquer uma das bases de S é dito a
dimensão de S
e é denotado por
dim S .
EXEMPLOS :
x1 a1 + x2 a2 + x3 a3 = 0 ⇐⇒ ( x1 , x1 + x2 , x2 + x3 , x4 ) = (0, 0, 0, 0)
⇐⇒ x1 = x2 = x3 = x4 = 0.
0 2 1/2
Assim, como ||vv|| é unitário para qualquer vetor v 6= 0,16 temos que, se {a1 , . . . , ar } é uma
base ortogonal, então
{a1 /||a1 ||, . . . , ar /||ar ||}
16 De 1
fato, seja α = ||v||
. Daí
v
= ||αv||
||v||
= |α| ||v||
1
= ||v||
||v||
= 1 u.c..
24 CAPÍTULO 2. O ESPAÇO VETORIAL R N
• Em R n , {e1 , e2 , . . . , en } é ortonormal.18
dim S1 ≤ dim S2 ,
EXEMPLO : Em R n , considere que S1 é uma reta que passa pela origem e S2 é um plano que
contenha tal reta.
17 Numdos próximos exercícios, veremos que, em geral, tal base é aquela na qual se determina mais facil-
mente as ‘coordenadas’ de um vetor qualquer de S . Além disso, existe um método eficiente para se obter uma
base ortogonal a partir de qualquer outra base de S .
18 Confira página 16!
2.6. EXERCÍCIOS 25
2.6 Exercícios
1. Determine x, y ∈ R4 tais que as coordenadas de x são todas iguais, a última coorde-
nada de y é igual a 1 e x + y = (2, 3, 4, 5).
3. Obtenha a equação geral do hiperplano do R4 que passa pelos pontos P1 = (1, −1, 1, 0),
P2 = (0, −1, 2, 0), P3 = (1, 0, −2, 2) e P4 = (1, 0, 0, 0). Determine ainda os pontos da
reta que passa por P1 e é perpendicular a tal hiperplano que distam de P1 uma uni-
dade de comprimento.19
(a) Nenhuma base de um subespaço do R n pode conter o vetor nulo pois é LD qual-
quer conjunto finito de vetores do R n que contenha 0.21
(b) Nenhum vetor pode ter ‘coordenadas’ distintas numa mesma base, isto é, se
{a1 , a2 , . . . , ar } é uma base de um subespaço S do R n , c1 , c1′ , c2 , c2′ , . . . , cr , cr′ são
escalares e x ∈ S é tal que
x = c1 a1 + c2 a2 + · · · + cr ar
= c1′ a1 + c2′ a2 + · · · + cr′ ar ,
c1 = x · a1 , c2 = x · a2 , . . . , cr = x · ar .22
em tal base.
21 RESOLUÇÃO : Em R n , considere que ai = 0 é um entre os vetores a1 , a2 , . . . , ar . Tais vetores são LD. De
fato, para termos uma CL nula
c1 a1 + c2 a2 + · · · + cr ar = 0
não trivial, basta considerarmos que ci é o único coeficiente não nulo. Por exemplo, para ci = 1, temos
0 · a1 + · · · + 0 · ai−1 + 1 · ai + 0 · ai+1 + · · · + 0 · ar = 0.
22 DICA : Faça como na demostração do teorema que diz que ortogonalidade implica em independência
linear!
2.6. EXERCÍCIOS 27
8. Considere
√1
− √16
− 2√1 3
2 1
√1
√1 √
2 3
a1 = , a2 = e a3 = .
6
2 3
0 0
√
2 3
0 √2 − 2√1 3
6
1
= e1 + 3e2 + e3 + e4
em tal base.23
9. (O processo de) Gram-Schmidt utiliza uma base B = {a1 , a2 , . . . , ar } de um subespaço S
do R n para obter uma base ortogonal B ′ = {a1′ , a2′ , . . . , ar′ } de S . Por exemplo, se r = 4
e n ≥ 4, define-se
a1′ := a1 ;
a2 · a1′ ′
a2′ := a2 − a ;
a1′ · a1′ 1
a3 · a ′ a3 · a2′ ′
a3′ := a3 − ′ 1′ a1′ − a ;
a1 · a1 a2′ · a2′ 2
a4 · a ′ a4 · a2′ ′ a4 · a3′ ′
a4′ := a4 − ′ 1′ a1′ − a − a .
a1 · a1 a2′ · a2′ 2 a3′ · a3′ 3
S⊥
y
S
x
0
OBSERVAÇÕES :
i. Para determinar S ⊥ , basta determinar uma de suas bases. Para isto, note que,
se y ∈ S ⊥ é perpendicular a todo vetor de S e é dada uma base de S , então y
é perpendicular a todo vetor desta base.
ii. Pode ser demonstrado que
dim S + dim S ⊥ = n.
28 RESOLUÇÃO : Vamos verificar que as condições 1., 2. e 3. da página 18 (com S ⊥ no lugar de S ) são
satisfeitas:
1. 0 ∈ S ⊥ pois x · 0 = 0 para todo x ∈ S ;
2. Sejam α ∈ R e y ∈ S ⊥ , isto é, x · y = 0 para todo x ∈ S . Daí αy ∈ S ⊥ pois, para todo x ∈ S , temos que
x · (αy) = α (x · y)
= α·0
= 0;
3. Sejam y1 , y2 ∈ S ⊥ , isto é, x · y1 = 0 = x · y2 para todo x ∈ S . Daí y1 + y2 ∈ S ⊥ pois, para todo x ∈ S ,
x · ( y1 + y2 ) = x · y1 + x · y2
= 0+0
= 0.
Capítulo 3
A, B, C, D, I, M, R, etc.
• As entradas (ou os elementos) de A ∈ R m×n são representadas por aij , dizemos que A é
m × n e denotamos
a11 a12 · · · a1n
a21 a22 · · · a2n
A = .. .. .. ..
. . . .
am1 am2 · · · amn
cujas entradas têm índices i = 1, 2, . . . , m e j = 1, 2, . . . , n.
• Neste capítulo, e na maior parte dessas notas, todas tais entradas são números reais.
29
30 CAPÍTULO 3. O ESPAÇO VETORIAL R M× N
- A matriz
0 0
A=
0 0, 0000000001
é igual a matriz nula 2 × 2. Tal afirmação é verdadeira ou falsa? Justifique!
EXEMPLO : Em R2×3 ,
√ √ √
1 2 ln e −1 −2 2 ln 1 0 − 2 1
+ = .
0 0, 1 1/3 π 1 −4/3 π 1, 1 −1
D = λA ⇐⇒ dij := λaij , i = 1, . . . , m, j = 1, . . . , n.
EXEMPLO : Em R2×2 ,
√ √ √ √
1/ 2 2 2 2 2
2 = .
0 −1/4 0 −1/2
1. A + B = B + A; (comutativa)
32 CAPÍTULO 3. O ESPAÇO VETORIAL R M× N
2. ( A + B) + C = A + ( B + C ); (associativa)
3. A + O = A; (matriz nula)
4. − A := (−1) A =⇒ A + (− A) = O; (matriz oposta)
5. λ( A + B) = λA + λB; (distributiva em relação a soma das matrizes)
6. (λ + β) A = λA + βA; (distributiva em relação a soma dos escalares)
7. (λβ) A = λ( βA); (associativa)
8. 1A = A.
EXERCÍCIO : Demonstre tais propriedades.
R 3×2 R6
−2 3
A= 0 6 a = (−2, 3, 0, 6, 4, −12)
4 −12
1/6 −1/4
B= 0 −1/2 b = (1/6, −1/4, 0, −1/2, −1/3, 1)
−1/3 1
1 1
12 A + B = O 12 a + b =0
• Em R m×n , A − B := A + (− B).
EXEMPLO : Em R 2×3 ,
√ √ √
1 2 ln e −1 −2 2 ln 1 2 3 2 1
− = .
0 0, 1 1/3 π 1 −4/3 −π −0, 9 5/3
A(1, −) · B(−, 1) A(1, −) · B(−, 2)
··· A(1, −) · B(−, p)
A(2, −) · B(−, 1) A(2, −) · B(−, 2)
··· A(2, −) · B(−, p)
.
∴ AB = .. .. .. ..
. . . .
A(m, −) · B(−, 1) A(m, −) · B(−, 2) · · · A(m, −) · B(−, p)
temos a matriz 2 × 3
A(1, −) · B(−, 1) A(1, −) · B(−, 2) A(1, −) · B(−, 3)
AB =
A(2, −) · B(−, 1) A(2, −) · B(−, 2) A(2, −) · B(−, 3)
αa + βd αb + βe αc + β f
= .
γa + δd γb + δe γc + δ f
EXEMPLOS :
- Para A e B do exemplo anterior, embora possamos calcular AB, BA não está definido.
( A + B)C = AC + BC.
34 CAPÍTULO 3. O ESPAÇO VETORIAL R M× N
EXERCÍCIO : Verifique tal propriedade para A e B do último dos dois exemplos anteriores e
C = I − ( A + B ).
Note que At é n × m e
T = At ⇐⇒ tij = a ji com i = 1, 2, . . . , n e j = 1, 2, . . . , m.
EXEMPLO :
a d
α β a b c α γ
A= eB= =⇒ At = e Bt = b e .
γ δ d e f β δ
c f
( AB)t = Bt At .
At = A.
Para tal igualdade ser verdadeira, em primeiro lugar, A deve ser ‘quadrada’. Isto
ocorrendo, pela definição de At que acabamos de estudar, devem ser iguais quais-
quer duas entradas de A que sejam ‘simétricas’ em relação a sua ‘diagonal principal’,
isto é, aij = a ji sempre que i 6= j.
EXEMPLO DE MATRIZ SIMÉTRICA :
a α β
A = α b γ .
β γ c
• Dizer que uma matriz m × n é quadrada significa que m = n. Neste caso, dizemos que
tal matriz é de ordem n.
3.4. DETERMINANTES 35
• Uma matriz quadrada D cujas entradas de sua diagonal principal são as únicas que po-
dem ser não-nulas é chamada de matriz diagonal. Assim:
d11
d22 zeros
D=
... .
zeros dn−1,n−1
dnn
3.4 Determinantes
• Para A n × n com n > 2, Aij denota a matriz (n − 1) × (n − 1) obtida de A eliminando-
se A(i, −) e A(−, j).1
EXEMPLO : Considere a matriz 3 × 3 dada por
1 2 3
A = 4 5 6 .
7 8 9
Obtemos daí as seguintes matrizes 2 × 2:
1A é a A sem a linha e a coluna que se cruzam na entrada aij .
ij
36 CAPÍTULO 3. O ESPAÇO VETORIAL R M× N
5 6
– A11 = , eliminando-se A(1, −) e A(−, 1);
8 9
4 6
– A12 = , eliminando-se A(1, −) e A(−, 2);
7 9
4 5
– A13 = , eliminando-se A(1, −) e A(−, 3);
7 8
2 3
– A21 = , eliminando-se A(2, −) e A(−, 1);
8 9
1 3
– A22 = , eliminando-se A(2, −) e A(−, 2);
7 9
1 2
– A23 = , eliminando-se A(2, −) e A(−, 3);
7 8
2 3
– A31 = , eliminando-se A(3, −) e A(−, 1);
5 6
1 3
– A32 = , eliminando-se A(3, −) e A(−, 2);
4 6
1 2
– A33 = , eliminando-se A(3, −) e A(−, 3).
4 5
det A = (−1)i+1 ai1 det Ai1 + (−1)i+2 ai2 det Ai2 + · · · + (−1)i+n ain det Ain
det A = (−1)1+1 a11 det A11 + (−1)1+2 a12 det A12 + (−1)1+3 a13 det A13
2 5 6 3 4 6 4 4 5
= (−1) · 1 · det + (−1) · 2 · det + (−1) · 3 · det
8 9 7 9 7 8
= (5 · 9 − 6 · 8) − 2(4 · 9 − 6 · 7) + 3(4 · 8 − 5 · 7)
= −3 + 12 − 9
= 0.
det A = (−1)1+ j a1j det A1j + (−1)2+ j a2j det A2j + · · · + (−1)n+ j anj det Anj
com A n × n.
EXERCÍCIO : Calcule det A ao longo de qualquer coluna para A do exemplo anterior.
• Uma boa dica para calcular o determinante de uma matriz é escolher entre todas as
linhas e colunas da mesma, aquela com o maior número de zeros. Neste caso, o de-
terminante de tal matriz é zero se a mesma tem uma linha nula ou uma coluna nula.
EXERCÍCIO : Resolva o exercício 7 da seção de exercícios do final deste capítulo.
• Caso as variáveis x1 , x2 , . . . , xn possam ser substituidas por escalares fixos, dizer que o
vetor x = x0 daí obtido é uma solução de Ax = b significa que Ax0 = b.
EXEMPLO : O sistema homogêneo Ax = 0 tem (pelo menos) a solução (nula) x0 = 0.
Por exemplo, para o sistema do exemplo anterior, como as retas y = − 21 x e y = − 43 x
0
se interceptam na origem do R2 , x0 = é a única solução daquele sistema pois
0
Ax0 = 0.
é 2 × 3 e dada por
−1 2 | −1
.
3 4 | 0
O ‘conjunto solução’ S de tal sistema consiste de todos os pares ordenados ( x, y) de
números reais que satisfazem simultaneamente as duas equações do sistema anterior.
Note que, como a única solução de tal sistema é
4 3
x= e y=− ,
10 10
segue que
4 3
S= ,− .
10 10
A matriz aumentada de um sistema Ax = b arbitrário é dada por
[ A|b]
é 3 × 5 e dada por
√ √ √ √
2/2 2 −3 2/2 0 | 2 2
2 4 −6 0 | 8 .
0 1 −1 1 | −1
O conjunto solução, S , de tal sistema consiste de todas as quádruplas ordenadas ( x, y, z, w)
que satisfazem simultaneamente as três equações do mesmo.
Bom, pode ser demonstrado que, para um sistema m × n arbitrário, ocorre uma das
três possibilidades seguintes:
EXEMPLOS :
1 0 −1 −2
R = 0 1 −1 1 ;
0 0 0 0
1 2 0 3 4 5
0 6 0
0 0 1 7 8 9
0 10 0
0 0 0 0 0 0
1 11 0
R= ;
0 0 0 0 0 0
0 0 1
0 0 0 0 0 0
0 0 0
0 0 0 0 0 0
0 0 0
0 1 1 0 0 0 0
R= 0 0 0 1 0 1 0 .
0 0 0 0 0 0 1
• Para duas matrizes m × n, dizer que uma delas, digamos A, é equivalente (por linhas) a
outra, digamos B, significa que B pode ser obtida de A via uma das seguintes operações
elementares sobre as linhas A(i, −) e A( j, −), i 6= j fixos, sem alterar as demais linhas de
A:
1 2 3 |B(2, −) = A(2, −)
{z
+ (−4) A(1, −)
} 1 2 3
– A= 4 5 6 −→ B = 0 −3 −6 ;
7 8 9 7 8 9
1
B(1, −) = 10 A(1, −)
10 11 | {z } 1 11/10
– A= −→ B= ;
12 13 12 13
14 15 16 |B(1, −) = A(3, −){z , B(3, −) = A(1, −)
} 1 2 3
– A = 17
18 19 −→ B = 17 18 19 .
1 2 3 14 15 16
com cada uma dessas, a partir da B, equivalente a anterior e com última matriz (da
sequência) escalonada reduzida R.
A −→ B −→ C −→ · · · −→ M = R.
rior. Daí:
√ √ √ √ √
2/2 2 −3 2/2 0 | 2 2 B(1, −) = 2 A(2, −)
| {z }
A= 2 4 −6 0 | 8 −→
0 1 −1 1 | −1
1 2 −3 0 | 4 C (2, −) = B(2, −) − 2 B(1, −)
| {z }
B = 2 4 −6 0 | 8
−→
0 1 −1 1 | −1
1 2 −3 0 | 4 D (2, −) = C (3, −), D (3, −) = C (2, −)
| {z }
C= 0 0 0 0 | 0 −→
0 1 −1 1 | −1
1 2 −3 0 | 4 E(1, −) = D (1, −) − 2 D (2, −)
| {z }
D = 0 1 −1 1 | −1
−→
0 0 0 0 | 0
1 0 −1 −2 | 6
E = 0 1 −1 1 | −1
= R.
0 0 0 0 | 0
Assim, para o exemplo anterior, S é o mesmo tanto para o primeiro sistema quanto
para o último, mais fácil de resolver.
De fato, ( x, y, z, w) ∈ S é tal que, se z = α e w = β são escalares arbitrários,
( x, y, z, w) = (z + 2w + 6, z − w − 1, z, w)
= (α + 2β + 6, α − β − 1, α, β)
= α(1, 1, 1, 0) + β(2, −1, 0, 1) + (6, −1, 0, 0).
Isto quer dizer que S é infinito e, para quaisquer valores de α e β que forem conside-
rados, a expressão anterior é uma das infinitas soluções dos sistemas anteriores.5
• Dizer que um dado sistema m × n não tem solução significa que sua matriz aumentada
é equivalente a alguma matriz com alguma linha na forma
0 0 0 · · · 0 | α com α 6= 0.
0 · x + 0 · y + 0 · z + etc = α 6= 0,
5 Verifique!
42 CAPÍTULO 3. O ESPAÇO VETORIAL R M× N
isto é,
0 = α 6= 0!
x + 2y − z
= 3
EXEMPLO : O sistema − x − y − z = −2 não tem solução pois
− y + 2z = −2
1 2 −1 | 3 1 2 −1 | 3
−1 −1 −1 | −2 → 0 1 −2 | 1
0 −1 2 | −2 0 −1 2 | −2
1 2 −1 | 3
→ 0 1 −2 | 1
0 0 0 | −1
( x, y, z, w) = (z + 2w, z − w, z, w)
= (α + 2β, α − β, α, β)
= α(1, 1, 1, 0) + β(2, −1, 0, 1).
xNH
xNH = xH + xP
AB = I = CA,
então B = C.
De fato,
B = IB
= (CA) B
= C ( AB)
= CI
= C.
• Se A tem uma linha (respectivamente, coluna) nula, então A não tem inversa a direita
B (respectivamente, a esquerda C).
• Se det A 6= 0, a matriz
a b
A=
c d
(arbitrária) é invertível e
d −b
−1 det A det A
A = −c a
det A det A
é a sua inversa.
isto é, em ambas as matrizes, no lugar da primeira linha, colocamos a primeira linha menos
a segunda.
• Como o produto de matrizes invertíveis (de mesma ordem) é invertível, então o pro-
duto de matrizes elementares (de mesma ordem) é invertível.
EXERCÍCIO : Multiplique as matrizes elementares 2 × 2 do penúltimo exercício ante-
rior, em qualquer ordem, e verifique que o produto daí obtido é invertível.
9 Isto é válido para matrizes elementares n × n quaisquer. Contudo, tal fato não será aqui demonstrado.
3.7 Exercícios
1. Considere √
1 −1 0 2 2
A = π π/2 1√ −2 0
0 −1 1/ 2 1/2 −π
e B = At . Verifique que C = AB e D = BA são simétricas, isto é, C t = C e D t = D.
DICA : Como A é 3 × 5 e
1 π 0
−1 π/2 −√1
B=
0 1 1/ 2
2
√ −2 1/2
2 0 −π
é 5 × 3, segue que C é 3 × 3 e D é 5 × 5.
Vejamos agora o cálculo da entrada c12 de C:
c12 = A(1, −) · B(−, 2)
√
= 1 · π + (−1) · (π/2) + 0 · 1 + 2 · (−2) + 2 · 0
π
= −4
2
π−8
= .
2
Todas as outras entradas, tanto de C quanto de D, são calculadas de modo análogo.
2. Sejam
1 −1 1 1 2 1 −2 2 0
A= ,B= eC=
−1 2 0 1 1 −1 1 0 1
em R2×3 . Determine:
(a) a CL A + 2B − C;
(b) a CL αA + βB − C cuja primeira coluna é nula;10
(c) se A e B são LI.11
3. Demonstre as propriedades (∗) enunciadas neste capítulo.
RESOLUÇÃO : Para M ∈ R m× p e N ∈ R p×n arbitrárias, vimos que a entrada da linha i e coluna j do
produto MN ∈ R m×n é dada por ( MN )ij = M(i, −) · N (−, j). Sejam então A, B e C adequadas para
a verificação da distributiva da soma em relação ao produto. Daí, para índices i e j que representem
linhas e colunas, respectivamente, temos que
[( A + B)C ]ij = ( A + B)(i, −) · C (−, j)
= ( A(i, −) + B(i, −)) · C (−, j)
= A(i, −) · C (−, j) + B(i, −) · C (−, j)
= ( AC )ij + ( BC )ij
= ( AC + BC )ij .
Então ( A + B)C = AC + BC.
10 SUGESTÃO :
Obtenha escalares α e β tais que αa1 + βb1 − c1 seja o vetor nulo.
11 RESOLUÇÃO :Suponha A, B LD. Daí existe escalar λ tal que A = λB. Logo, examinando a última entrada
da última linha de cada matriz, temos 0 = λ · (−1), isto é, λ = 0. Logo A = 0! Obviamente, A dada no
enunciado deste exercício não é a matriz nula e a suposição inicial sobre a dependência linear das matrizes é,
assim, falsa.
3.7. EXERCÍCIOS 47
Agora, para M, a entrada da linha i e coluna j de Mt é tal que Mt ij = M ji . Sejam então A e B tais que
AB está definido. Daí, para cada índice i que represente uma linha de A e cada índice j que represente
uma coluna de B, temos que
( AB)t ij = ( AB) ji
= A( j, −) · B(−, i )
= B(−, i ) · A( j, −)
= Bt (−, i ) · At (−, j)
= Bt At ij .
Então ( AB)t = Bt At .
geram um subespaço (de dimensão 2) de R3 diferente daquele gerado por seus vetores-
linha.
RESOLUÇÃO : Denote por Sℓ o subespaço de R3 gerado pelas linhas de A, isto é, gerado por v1 =
(1, 1, 0) e v2 = (0, 1, 1). (Note que, embora o vetor nulo represente a terceira linha de tal matriz, e
12 SOLUÇÃO : 11 2 10 1
3 b1 − 3 b2 e a2 = 3 b1 − 3 b2 .
a1 =
13 SOLUÇÃO : b = − 1 a + 2 a e b = − 10 a + 11 a .
1 3 1 3 2 2 3 1 3 2
14 RESOLUÇÃO : Denote por S o subespaço de R 3 gerado pelos vetores b , b e b3 . Denote por Sc o
ℓ 1 2
subespaço de R3 gerado pelos vetores a1 , a2 e a3 . Por um lado, tanto b1 e b2 como a1 e a2 não são colineares,
isto é, tanto b1 , b2 como a1 , a2 são LI. Segue daí e do item (a) que podemos descartar b3 , a3 para que {b1 , b2 }
seja uma base de Sℓ e {a1 , a2 } seja uma base de Sc . Por outro lado, o item (b) nos diz que, como cada vetor da
base de Sc pertence a Sℓ , qualquer vetor de Sc pertence a Sℓ , isto é, Sc ⊂ Sℓ . Analogamente, Sℓ ⊂ Sc pelo item
(c). Assim, Sℓ = Sc é um subespaço de R3 de dimensão dois, isto é, Sℓ = Sc é um plano em R3 .
48 CAPÍTULO 3. O ESPAÇO VETORIAL R M× N
daí seja um vetor do espaço gerado pelas linhas de A, o mesmo não pertence a base alguma de Sℓ .)
Denote agora por Sc o subespaço do R3 gerado pelas colunas de A, isto é, gerado por e1 = (1, 0, 0) e
e2 = (0, 1, 0). (Note que, embora v1 = (1, 1, 0) também represente a segunda coluna de A, devido a
v1 = e1 + e2 , podemos considerar a base de Sc composta apenas pelos dois primeiros vetores da base
canônica.) Por outro lado, é importante ressaltar que bases distintas podem gerar o mesmo subespaço,
isto é, o fato de as bases escolhidas serem formadas por vetores distintos não significa que Sℓ e Sc
sejam distintos.15 Ambos os subespaços têm infinitos vetores e o que vai distingui-los é a apresentação
de algum vetor de um deles que não seja gerado pelos vetores da base do outro. Podemos ver, por
exemplo, que v2 é um vetor pertencente a Sℓ que não pode ser escrito como combinação linear de e1 e
e2 , que compõem a base de Sc .
aA + bB + cC + dD = M,
8. Como sabemos, cada entrada da diagonal principal de uma matriz quadrada tem o
índice das linhas igual ao das colunas. Ainda, se as entradas acima ou abaixo da dia-
gonal principal são nulas, tal matriz é dita triangular. Demonstre que o determinante
de tal matriz é o produto das entradas de sua diagonal principal.16
10. Via escalonamento, determine o conjunto solução, S , de cada um dos sistemas seguin-
tes:
2x + y − 2z = 10
(a) 3x + 2y + 2z = 1 RESPOSTA : S = {(1, 2, −3)};
5x + 4y + 3z = 4
x + 2y − z = 0
(b) 2x − y + 3z = 0 RESPOSTA : S = { α (−1, 1, 1) | α ∈ R };
4x + 3y + z = 0
x + y + z = 4
(c) 2x + 5y − 2z = 3 RESPOSTA : S = ∅;
x + 7y − 7z = 5
x − y + 2z − w = −1
2x + y − 2z − 2w = −2
(d)
− x + 2y − 4z + w = 1
3x − 3w = −3
RESPOSTA : S = { α (1, 0, 0, 1) + β (0, 2, 1, 0) + (−1, 0, 0, 0) | α, β ∈ R }.
x1 − 2x2 + x3 = a;
11. Considere o sistema 2x + x2 + x3 = b;
1
5x2 − x3 = c.
nulas. Daí, indutivamente, calcule o determinante sempre ao longo das primeiras linhas, obtendo
Caso A tenha suas entradas abaixo da diagonal principal iguais a zero, considere At e use o resultado obtido
no caso anterior.
50 CAPÍTULO 3. O ESPAÇO VETORIAL R M× N
Logo, o sistema tem solução se, e somente se, 2a − b + c = 0. Assim, continuando a escalonar a última
matriz com a última linha nula, temos
1 −2 1 | a 1 −2 1 | a
0 5 −1 | b − 2a −→ 0 1 − 15 | b−2a
5
0 0 0 | 0 0 0 0 | 0
3 a+2b
1 0 5 | 5
−→ 0 1 − 51 | b−2a
5
.
0 0 0 | 0
R = E k · · · E2 E1 A
A − 1 = E k · · · E2 E1 .
EXEMPLO :
0 1 1 −1 1 −1 0 1
A= −→ = = E1 A
−1 2 −1 2 0 1 −1 2
1 −1 1 0 1 −1
−→ = = E2 E1 A
0 1 1 1 −1 2
1 0 1 1 1 −1
−→ = = E3 E2 E1 A = I;
0 1 0 1 0 1
1 1 1 0 1 −1
E 3 E2 E 1 =
0 1 1 1 0 1
1 1 1 −1
=
0 1 1 0
2 −1
= = A −1 .
1 0
Daí, para matrizes n × n arbitrárias, temos o seguinte método para obter A−1 , caso A
seja invertível, ou afirmar que A−1 não existe, caso A não seja invertível:
Entre tais matrizes, existe alguma que não seja invertível? Alguma que seja invertível?
Ainda, caso alguma seja, apresente a sua inversa.19
19 Talteste de invertibilidade pode ser aplicado ainda que não seja necessário apresentar A−1 (caso A seja
invertível). De fato, após obter a escalonada reduzida R de A, basta usar que:
A é invertível ⇐⇒ R = I.
52 CAPÍTULO 3. O ESPAÇO VETORIAL R M× N
RESPOSTA DO EXERCÍCIO : a = 0; a = 2; a = 4.
Como a transposição de uma matriz arbitrária não altera o seu determinante, as três
regras anteriores permanecem válidas para operações elementares aplicadas nas colu-
nas de A!
Assim, calcule det A para:22
1 0 0 3
2 7 0 6
(a) A = ;23
0 6 3 0
7 3 1 −5
1 −1 2 −3
−1 2 1 −2
(b) A = ;24
0 −1 −3 5
0 15 11 −1
det A = det B
1 0 0 0
2 7 0 0
= det
0
6 3 0
7 3 1 −26
= 1 · 7 · 3 · (−26)
= −546.
24 RESOLUÇÃO : A matriz B, dada a seguir, é obtida da A via B(2, −) = A(2, −) + A(1, −):
det A = det B
1 −1 2 −3
0 1 3 −5
= det
0
−1 −3 5
0 15 11 −1
1 −1 2 −3
0 1 3 −5
= det
0
0 0 0
0 15 11 −1
=0
calculado ao longo da linha nula da matriz C obtida da B via C (3, −) = B(3, −) + B(2, −).
54 CAPÍTULO 3. O ESPAÇO VETORIAL R M× N
1 −1 2 1
−2 1 1 3
(c) A = ;25
1 1 1 −1
1 3 2 1
2 −8 6 8
3 −9 5 10 26
(d) A =
−3 0 1 −2 ;
1 −4 0 6
25 RESOLUÇÃO :
Use operações elementares para “zerar” as entradas da primeira coluna abaixo de a11 = 1.
O determinante da matriz daí obtida pode ser calculado ao longo da primeira coluna. Assim:
1 −1 2 1
0 −1 5 5
det A = det
0 2 −1 −2
0 4 0 0
−1 5 5
= det 2 −1 −2
4 0 0
5 5
= 4 det
−1 −2
= 4(−10 + 5)
= −20
com o determinante da matriz 3 × 3 anterior sendo calculado ao longo de sua última linha.
26 RESOLUÇÃO : Na primeira igualdade entre determinantes dada a seguir, use que, se B é obtida de A via
B(1, −) = 21 A(1, −), então det B = 21 det A, isto é, det A = 2 det B. Daí, nas duas igualdades entre determinan-
tes seguintes, “zere” as entradas abaixo do pivô da primeira coluna e depois calcule o determinante ao longo
desta. Finalmente, nas igualdades seguintes as três primeiras, obtenha uma matriz triangular, observando
3.7. EXERCÍCIOS 55
√ √
π√ e √ √2 √ 3
−2/ 2 −1/ 2 2 2/2 27
(e) A = ;
1 1/2 −
√ 1 − 1/2
ln 2 1/π 3 π2
2 3 0 0 0
1 0 0 0 1
28
1 1 0 0 1 .
(f) A =
0 0 1 1 2
0 0 2 1 0
18. Do efeito das operações elementares no det A (visto no exercício anterior) e do fato do
escalonamento
A −→ · · · −→ I
significar a existência de A−1 (visto no exercício 13), podemos demonstrar que
uma permuta de linhas que troca o sinal do determinante.
1 −4 3 4
3 −9 5 10
det A = 2 det
−3 0 1 −2
1 −4 0 6
1 −4 3 4
0 3 −4 −2
= 2 det
0 −12 10 10
0 0 −3 2
3 −4 −2
= 2 det −12 10 10
0 −3 2
3 −4 −2
= 2 det 0 −6 2
0 −3 2
3 −4 −2
= −2 det 0 −3 2
0 −6 2
3 −4 −2
= −2 det 0 −3 2
0 0 −2
= (−2) · 3 · (−3) · (−2)
= −36.
27 RESOLUÇÃO :
√
A matriz B, dada a seguir, é obtida da A via B(2, −) = A(2, −) + 2A(3, −):
det A = det B
√ √
π e 2 3
0 0 0 0
= det
1
1/2 −1
√ −1/2
ln 2 1/π 3 π2
= 0.
28 RESOLUÇÃO : Vamos proceder trocas de linhas e somas de linhas a múltiplos escalares de outras para
56 CAPÍTULO 3. O ESPAÇO VETORIAL R M× N
f : R → R
x 7→ f ( x ) = ax
estudada tanto no Ensino Médio quanto no Cálculo de Uma Variável. Tal f satisfaz as pro-
priedades f ( x + y) = f ( x ) + f (y) e f (αx ) = α f ( x ) para quaisquer reais x, y e α.
De fato:
f ( x + y) = a( x + y)
= ax + ay
= f ( x ) + f ( y );
f (αx ) = a(αx )
= α( ax )
= α f ( x ).
Tais propriedades são usadas para definir L e, para isso, assim como estabelecido anterior-
mente, aqui também representamos o vetor
x = ( x1 , x2 , . . . , x n ) ∈ R n
pela matriz n × 1
x1
x = ... .
xn
57
58 CAPÍTULO 4. OPERADORES, AUTOVALORES E AUTOVETORES
L A : Rn → Rm
x 7→ L A (x)
LA : n Rm
R
→
x1
x 1 − x 2 .
x = x2 7 → L A ( x ) =
x2 − x3
x3
x = ( x1 , x2 , x3 ) 7 → L A ( x ) = ( x1 − x2 , x2 − x3 ) .
L ( x ) = L ( x1 e1 + x2 e2 + · · · + x n e n )
= x1 L ( e1 ) + x2 L ( e2 ) + · · · + x n L ( e n )
= x1 a1 + x2 a2 + · · · + x n a n
a11 a12 a1n
a21 a22 a2n
= x1 . + x2 . + · · · + x n .
.. .. ..
am1 am2 amn
a11 x1 + a12 x2 + · · · + a1n xn
a21 x1 + a22 x2 + · · · + a2n xn
= ..
.
am1 x1 + am2 x2 + · · · + amn xn
= Ax
= L A ( x ).
1. L ( x1 , x2 , x3 , x4 ) = ( x1 + x2 , x3 + x4 , x1 + x2 + x3 + x4 ) ∀ ( x1 , x2 , x3 , x4 ) ∈ R 4 ;
RESOLUÇÃO : Como
1 1 0 0
L ( e1 ) = 0 , L ( e2 ) = 0 , L ( e3 ) = 1 e L ( e4 ) = 1 ,
1 1 1 1
se considerarmos
A= L ( e1 )L ( e2 ) L ( e3 ) L ( e4 )
1 1 0 0
= 0 0 1 1 ,
1 1 1 1
Sk (x) = kx ∀x ∈ R n ;
RESOLUÇÃO : Note que, como x = Ix, temos
x 7→ Sk (x) = kx
= (kI)x.
Px ( x1 , x2 ) = ( x1 , 0) e Py ( x1 , x2 ) = (0, x2 ) ∀ ( x1 , x2 ) ∈ R2 ;7
PS (x) = (x · a1 ) a1 + · · · + (x · ar ) ar ∀x ∈ R n ;8
para quaisquer x, y ∈ R n e α ∈ R.
4 Verifique!
5k 6= 0.
k
6A ..
zeros .
= zeros .
k
7 Confira final deste capítulo!
8 Note que, se x′ : = P ( x ) e x′′ : = x − x′ , então x′′ ∈ S ⊥ pois
S
x′′ · x′ = [x − (x · a1 ) a1 − · · · − (x · ar ) ar ] · [(x · a1 ) a1 + · · · + (x · ar ) ar ]
= ( x · a1 )2 + · · · + ( x · ar )2 − ( x · a1 )2 − · · · − ( x · ar )2
= 0.
Assim, como x = x′ + x′′ ∈ R n com x′ ∈ S e x′′ ∈ S ⊥ , o nome PROJEÇÃO ORTOGONAL se justifica. PS (x) é
ainda chamado de MELHOR APROXIMAÇÃO DE x EM S ou de VETOR DE S MAIS PRÓXIMO DE x.
4.1. FUNÇÕES LINEARES 61
Ainda em relação a este último item, se n = 3 e S é a reta que passa pela origem na
direção de v = (1, 1, 1), determine a matriz que representa PS e a que representa
PS ⊥ ;9
S
x
PS (x)
S⊥
PS ⊥ (x)
0
RESOLUÇÃO PARCIAL :
Primeiramente, note que:
• {a} é uma base ortonormal de S se
v
a=
||v||
1 1 1
= √ ,√ ,√ ;
2 2 2
• (1, 1, 1) · ( x, y, z) = 0, isto é, x + y + z = 0, se ( x, y, z) ∈ S ⊥ . Então, uma base
para o plano S ⊥ é obtida de
( x, y, z) = ( x, y, − x − y)
= x (1, 0, −1) + y(0, 1, −1)
= xu1 + yu2 .
Daí, uma base ortogonal para tal plano é obtida de
v1 = u1
= (1, 0, −1),
u2 · v1
v2 = u2 − v1
v1 · v1
1 1
= − , 1, − .
2 2
Assim, {a1 , a2 } é uma base ortonormal para S ⊥ com
v1
a1 =
||v ||
1
1 1
= √ , 0, − √ ,
2 2
v2
a2 =
||v ||
2
1 2 1
= −√ , √ , −√ .
6 6 6
9 Na figura seguinte, temos uma representação qualitativa deste item!
62 CAPÍTULO 4. OPERADORES, AUTOVALORES E AUTOVETORES
x 7→ PS (x) = (x · a)a,
x 7→ PS ⊥ (x) = (x · a1 )a1 + (x · a2 )a2 ;
6. REFLEXÕES EM TORNO :
R x ( x1 , x2 ) = ( x1 , − x2 ) e Ry ( x1 , x2 ) = (− x1 , x2 ) ∀ ( x1 , x2 ) ∈ R2 ;11
(b) DO SUBESPAÇO S :
RS ( X ) = 2PS (x) − x ∀x ∈ R n ,
onde PS é dada como no penúltimo item anterior. Ainda, se n = 3 e S é a reta que
passa pela origem na direção de a = (1, 1, 1), determine a matriz que representa
RS e a que representa RS ⊥ .12
L2 ◦ L1 = L BA ,
isto é, BA é a matriz que representa a função linear L2 ◦ L1 : R n → R p .
De fato,
( L2 ◦ L1 ) (x) = L2 ( L1 (x))
= L2 ( L A (x))
= L2 ( Ax)
= L B ( Ax)
= B ( Ax)
= ( BA) x
= L BA (x) .
EXERCÍCIO :
• Considerando n = p = 2, m = 3, x = ( x1 , x2 ) 7→ L1 (x) = ( x2 , x1 , x1 + x2 ) e y =
(y1 , y2 , y3 ) 7→ L2 (y) = (y1 + y2 , y2 + y3 ), determine A e B.13
10 Confira final deste capítulo!
11 Idem!
12 Idem!
13 Idem!
4.1. FUNÇÕES LINEARES 63
R θ1 + θ2 = R θ2 ◦ R θ1 .
(De fato, considere a Figura 4.1.) Por outro lado, as matrizes que representam Rθ1 , Rθ2 e
Rθ +θ (x) = Rθ Rθ (x)
1 2 2 1
θ1 + θ2 Rθ (x)
1
θ2
θ1
L(0) = A0
= 0,
14 Idem!
15 DICA : Use o cosseno e o seno da soma de dois ângulos!
64 CAPÍTULO 4. OPERADORES, AUTOVALORES E AUTOVETORES
tanto Nu( L) quanto Im( L) são não vazios. Agora, para (i), note que
Nu( L) = {x ∈ R n | Ax = 0}
é o subespaço das soluções do sistema homogêneo Ax = 0. Para (ii), note que
Im( L) = {y ∈ R m | existe x ∈ R n com y = Ax}
é o subespaço gerado pelas colunas de A. De fato, como vimos na demonstração da AFIRMAÇÃO 1, se
a11 a12 · · · a1n x1
a21 a22 · · · a2n x2
e x .. ,
A= . .. .. .. =
..
. . . .
am1 am2 ··· amn xn
então
y = Ax
= x1 a1 + x2 a2 + · · · + x n a n
x4
1
1
= t
−1
1
com t ∈ R. Ainda,
1
1
−1
1
nulidade + posto = n.
nulidade + posto = 1 + 3 = 4 = n.
r j1 , r j2 , . . . , r jk
contêm os pivôs de R;
(P2) Para obter uma base de Im( L), basta coletar as colunas pivôs
a j1 , a j2 , . . . , a jk
de A.17
EXEMPLO : Seja
1 −1 2 −1 1
A = −1 2 −1 1 0 .
0 1 1 0 1
Assim, primeiramente, escalonamos A, isto é,
1 −1 2 −1 1
A −→ 0 1
1 0 1
0 1 1 0 1
1 0 3 −1 2
−→ 0 1 1
0 1 = R.
0 0 0 0 0
Daí, como r1 e r2 são as colunas pivôs de R, segue que as colunas pivôs de A, isto é, a1 e
a2 , formam uma base de Im( L). A razão disso é simples. Por um lado, note que as outras
colunas de R são combinações lineares de r1 e r2 pois
r3 = 3r1 + r2 ,
r4 = −r1 + 0r2 e
r5 = 2r1 + r2 .
16 A nulidade de A é o número de vetores de uma base do espaço solução de Ax = 0.
17 O posto de A é o número de colunas pivôs de A.
66 CAPÍTULO 4. OPERADORES, AUTOVALORES E AUTOVETORES
Agora, por outro lado, note que as outras colunas de A reproduzem tais combinações linea-
res, só que agora, em relação as colunas a1 e a2 . De fato,
a3 = 3a1 + a2 ,
a4 = −a1 + 0a2 e
a5 = 2a1 + a2 .
Bases de Subespaços
Como obter uma base de um subespaço do R n gerado por m vetores? Por exemplo, dados 4
vetores em R6 , como determinar uma base para o subespaço gerado por tais vetores?
Vamos estabelecer dois modos de responder tal questão. O primeiro deles é baseado no
método prático para determinar Im( L) que acabamos de estudar.
EXERCÍCIO :Utilizando os dois modos anteriores, determine duas bases para o subespaço
do R6
gerado por (1, 2, −1, 0, 1, −1), (−1, 1, 0, −2, −1, 2), (0, 3, −1, −2, 0, 1) e (2, 1, −1, 2, 2, −3).
PRIMEIRO MODO :
1 −1 0 2 1 −1 0 2
2 1 3 1
0 3 3 −3
−1 0 −1 −1 0 −1 −1 1
A= −→
0 −2 −2 2
0 −2 −2 2
1 −1 0 2 0 0 0 0
−1 2 1 −3 0 1 1 −1
1 −1 0 2
0 1 1 −1
0 0 0 0
−→
0 0 0 0
0 0 0 0
0 0 0 0
1 0 1 1
0 1 1 −1
0 0 0 0
−→ = R.
0 0 0 0
0 0 0 0
0 0 0 0
Como a1 e a2 são as colunas pivôs de A, {a1 , a2 } é uma base para o subespaço gerado por
a1 , a2 , a3 e a4 .
68 CAPÍTULO 4. OPERADORES, AUTOVALORES E AUTOVETORES
SEGUNDO MODO :
1 2 −1 0 1 −1 1 2 −1 0 1 −1
−1 1 0 −2 −1 2 0 3 −1 −2 0 1
A=
0
−→
3 −1 −2 0 1 0 3 −1 −2 0 1
2 1 −1 2 2 −3 0 −3 1 2 0 −1
1 2 −1 0 1 −1
0 1 −1/3 −2/3 0 1/3
−→
0 0
0 0 0 0
0 0 0 0 0 0
1 0 −1/3 4/3 1 −5/3
0 1 −1/3 −2/3 0 1/3
−→
0 0
= R.
0 0 0 0
0 0 0 0 0 0
Como R(1, −) e R(2, −) são as linhas não nulas de R, {R(1, −), R(2, −)} é uma base para o
espaço gerado por A(1, −), A(2, −), A(3, −) e A(4, −).
matriz [ L]B ′
B ′ que representa L nas bases B e B , nesta ordem,
calculando-se a sua j-ésima coluna, j = 1, 2, . . . , n, da seguinte forma:
ℓ1j
ℓ2j
M = [ L]B
18
L x j = ℓ1j y1 + ℓ2j y2 + · · · + ℓmj ym e M (−, j) = .
B′ =⇒ ..
.
ℓmj
segue que
′ 0 2
[ L]BB = .
2 0
Como
L ( x1 ) = (1, 1) = 1 · x1 + 1 · x2 ,
L ( x2 ) = (−1, 1) = −1 · x1 + 1 · x2 ,
segue que
A = [ L]B
1 −1
= .
1 1
Devido a
L ( y1 ) = (0, 2) = 1 · y1 − 1 · y2 ,
L ( y2 ) = (2, 0) = 1 · y1 + 1 · y2 ,
temos que
A′ = [ L]B ′
1 1
= .
−1 1
Primeiramente, afirmamos que existe uma única função linear T : R n → R n tal que
T
x1 7 → y1 ;
T
x2 7 → y2 ;
..
.
T
xn 7→ yn .
70 CAPÍTULO 4. OPERADORES, AUTOVALORES E AUTOVETORES
S
x j 7→ y j
S ( x ) = S ( x1 x1 + x2 x2 + · · · + x n x n )
= x1 S ( x1 ) + x2 S ( x2 ) + · · · + x n S ( x n )
= x1 T ( x1 ) + x2 T ( x2 ) + · · · + x n T ( x n )
= T ( x1 x1 + x2 x2 + · · · + x n x n )
= T ( x ),
Ainda, é fácil provar que T é invertível, isto é, bijetora, com inversa T −1 dada por
T −1 ( y i ) = x i , i = 1, 2, . . . , n.
• A′ = P−1 AP.
EXERCÍCIO : Com as mesmas hipóteses dos penúltimo exercício anterior, verifique a valida-
de de A′ = P−1 AP.
RESOLUÇÃO : Seja T : R2 → R2 a função linear tal
T
x1 7 → y1 ;
T
x2 7 → y2 .
P = [ T ]B
1 1
= .
1 −1
L(x) = Ax
= λx.
Ax = λx
( A − λI) x = 0.
De fato,
Ax = λx ⇐⇒ Ax − λx = 0
⇐⇒ Ax − λIx = 0
⇐⇒ ( A − λI) x = 0.
72 CAPÍTULO 4. OPERADORES, AUTOVALORES E AUTOVETORES
Calculando Autovalores
Por um lado, para que ( A − λI) x = 0 admita solução x não-nula, A − λI não pode ser
invertível pois, caso contrário, isto é, caso exista ( A − λI)−1 , temos que
x = Ix
= ( A − λI)−1 ( A − λI) x
= ( A − λI)−1 0
= 0.
Por outro lado, foi estabelecido (no último exercício do capítulo anterior) que
uma matriz quadrada não é invertível se, e somente se, seu determinante é nulo.
Usaremos tal resultado para calcular autovalores como veremos a seguir. Mas antes, um
aviso:
Para matrizes n × n com n ‘pequeno’, como as 2 × 2, 3 × 3 e 4 × 4,
usar determinantes para o cálculo de autovalores é até aceitável.
Contudo, para n ‘grande’, autovalores e autovetores são calcu-
lados via métodos que não usam determinantes devido ao alto
custo computacional envolvido no cálculo dos mesmos!
Segue (do resultado enunciado anteriormente) que os autovalores de A são as raízes do seu
polinômio característico, definido por
Calculando Autovetores
Após ter determinado λ, para calcular algum
autovetor de A (associado a tal λ), temos que
x1
x2
obter alguma solução não-nula x = .. do sistema ( A − λI) x = 0. O conjunto solução
.
xn
de tal sistema, denotado por Sλ , é um subespaço de R n dito subespaço característico de A (ou
L) associado a λ.
x1
EXEMPLO : Considere o exemplo anterior. Seja x = . Assim:
x2
4.2. AUTOVALORES E AUTOVETORES 73
4 −4 x1 0
( A + 2I) x = 0 ⇐⇒ =
−1 1 x2 0
⇐⇒ x1 − x2 = 0.
Assim, x1 = x2 = t determina os autovetores
1
x=t , t ∈ R.
1
1
Note que é uma base para Sλ2 .
1
4 8 16 x1 0
( A − I) x = 0 ⇐⇒ 4 0 8 x2 = 0
−4 −4 −12 x3 0
⇐⇒ x1 + 2x3 = 0 e x2 + x3 = 0.
74 CAPÍTULO 4. OPERADORES, AUTOVALORES E AUTOVETORES
8 8 16 x1 0
( A + 3I) x = 0 ⇐⇒ 4 4 8 x2 = 0
−4 −4 −8 x3 0
⇐⇒ x1 + x2 + 2x3 = 0.
Assim, x3 = t, x2 = s e x1 = −s − 2t determinam os autovetores
−1 −2
x = s 1 + t 0 , s, t ∈ R.
0 1
−1 −2
Note que x2 = 1 , x3 = 0 é uma base para Sλ2 .
0 1
AVISOS IMPORTANTES :
4.2.1 Diagonalização
Dizer que A (ou L) é diagonalizável significa dizer que existe uma base B = {x1 , x2 , . . . , xn }
de R n composta de autovetores de L. Neste caso temos
xi 7→ L (xi ) = Axi = λi xi , i = 1, 2, . . . , n.
onde, é claro, as entradas de D que não estão na diagonal principal são nulas e foram supri-
midas. (Note ainda que a diagonal principal de D é composta dos autovalores de A!)
P−1 AP = D.
AFIRMAÇÃO 5:
xi é a i-ésima coluna de P, i = 1, 2, · · · , n, isto é, P = x1 x2 · · · xn .
EXERCÍCIOS :
3. Diagonalize a matriz
0, 8 0, 3
A=
0, 2 0, 7
100
1
para obter A100 .19 Na resolução, por abuso de linguagem, considere que 2 = 0.
RESOLUÇÃO DO 3: Note que, obter A100 sem diagonalização significa proceder do seguinte modo:
2
A = AA A = AA 3 2 100 99
A A = AA
0, 8 0, 3 0, 70 0, 45 0, 650 0, 525 0, 6 0, 6
, , , ..., .
0, 2 0, 7 0, 30 0, 55 0, 350 0, 475 0, 4 0, 4
Existe um custo computacional com tal procedimento. Contudo, para A diagonalizável, temos
4 3
5 −λ 10
det( A − λI) = 1 7
5 10 −λ
3 1
= λ2 − λ +
2 2
1
= ( λ − 1) λ −
2
= 0.
1. P é ortogonal;
DEMONSTRAÇÃO DA AF. 7:
78 CAPÍTULO 4. OPERADORES, AUTOVALORES E AUTOVETORES
É importante observar que, como estabelecido na AF. 7.3, x1′ é ortogonal tanto a x2′′ como a
x3′′ . Resta então verificar que
P = x1′ x2′′ x3′′ =⇒ Pt AP = D.
4.3 Exercícios
1. Seja L : R2 → R2 linear tal que
4 −3
L ( e1 ) = e L ( e2 ) = .
5 7
−6
Determine L(x) para x = .
8
1 A . RESOLUÇÃO :
2 A . RESOLUÇÃO :
L = L A com
A= L ( e1 ) L ( e2 )
4 −3
= .
5 7
Então
L(x) = Ax
−48
= .
26
temos que
10 21
L ( e2 ) = −
11 30
−11
= .
−29
Então
A= L ( e1 )L ( e2 )
7 −11
= .
10 −29
4. Obter uma base para o subespaço do R4 gerado por (2, 1, 1, 0), (3, 0, 3, 6), (1, 0, 1, 2) e
(0, −1, 1, 4).22
5. Seja L : R2 → R3 linear tal que
2 1
[ L]BB ′ = −1 0
0 −2
com B = {(0, 1), (1, −1)} e B ′ = {(1, 2, 3), (1, 0, −1), (0, 0, 2)}. Se x = (−1, 2) na base
canônica, obtenha as coordenadas de L(x) na base B ′ , isto é, determine [ L(x)]B ′ .23
22 Faça
como no EXERCÍCIO das pp. 67–68. Observe que, dos quatro vetores dados, os dois primeiros
determinam uma tal base.
23 Basta usar a fórmula
Note ainda que, concomitantemente, determinamos que P−1 = M. Agora, por outro lado, para obter
A′ , basta proceder a multiplicação P−1 AP:
−1 1 1
A ′ = −3 1 2 .
−1 2 1
da p. 69, observando que
1
[x]B =
−1
e que [ L]B
B ′ é dada no enunciado do exercício.
24 Durante tal escalonamento, as quatro primeiras colunas de cada matriz têm relação com a resolução do
sistema (S1 ) cuja solução é (t11 , t21 , t31 ) = (2, −1, −2). As três primeiras e a quinta colunas de cada matriz
estão relacionadas com a resolução do sistema (S2 ) com solução (t12 , t22 , t32 ) = (0, 0, 1). As três primeiras
e a última colunas de cada matriz têm a ver com a resolução do sistema (S3 ) cuja solução é (t13 , t23 , t33 ) =
(−1, 1, 1).
84 CAPÍTULO 4. OPERADORES, AUTOVALORES E AUTOVETORES
2 5
7. Quais os autovalores e autovetores da matriz A = ?
3 −4
√
RESOLUÇÃO : Os autovalores λ1,2 = −1 ± 2 6 são as raízes da equação
2−λ 5
= λ2 + 2λ − 23 = 0.
3 −4 − λ
√
Os autovetores associados a λ1 = −1 + 2 6 são múltiplos de
" #
5√
−
x1 = 3−2 6 .
1
De fato,
" √ #
3−2 6 5
2 − λ1 5 √
=
3 −4 − λ1 3 − 3+2 6
5√
1
−→ 3−2 6√
3 − 3+2 6
" #
5√
1
−→ 3−2 6 .
0 0
√
Os autovetores associados a λ2 = −1 − 2 6 são múltiplos de
" #
5√
−
x2 = 3+2 6 .
1
De fato,
" √ #
3+2 6 5
2 − λ2 5 √
=
3 −4 − λ2 3 − 3−2 6
5√
1
−→ 3+2 6√
3 − 3−2 6
" #
5√
1
−→ 3+2 6 .
0 0
Logo A tem os seguintes autovalores: λ1 = λ3 = 21 e λ2 = 13 . Por outro lado, para A ser diagonalizável,
basta que v1 , v2 e v3 sejam uma base de R3 . De fato, escalonando a matriz cujas colunas são tais vetores
obtemos R = I, isto é, as colunas pivôs de tal matriz são (exatamente) v1 , v2 e v3 , representados como
vetores-colunas.
0 0 0 1
seja diagonalizável.
RESOLUÇÃO : Como estamos lidando com uma matriz triangular, temos que
Então, para que o espaço solução do sistema ( A − 3I )x = 0 tenha uma base com dois vetores,28 x deve
ser zero.29
EX . 2; p. 59
2 1 0 0 0 0
0 0 4 −3 0 0
0 0 0 0 −6 5
−1 2 3 4 −5 6
A= =⇒ L = L A
1 0 0 0 0 0
0 −1 0 0 0 0
0 0 1 0 0 0
0 0 0 −1 0 0
=⇒ L é linear pela AF. 1.
EX . 5.(a); p. 60
1 0 0 0
Ax = e Ay = =⇒ Px = L Ax e Py = L Ay
0 0 0 1
=⇒ Px e Py são lineares pela AF. 1.
EX . 6.(b); p. 62
1 0 −1 0
Ax = e Ay = =⇒ R x = L Ax e Ry = L Ay
0 −1 0 1
=⇒ R x e Ry são lineares pela AF. 1.
EX .
5.(b), partes i. e ii., e EX . 6.(b); p. 62
Como vetores colunas, temos
√ √ √
x1 1/√2 1/ 2 −1/√ 6
x = x2 , a = 1/√2 , a1 = 0 √ e a2 = 2/ √6 .
x3 1/ 2 −1/ 2 −1/ 6
PS (x) = (x · a)a
√
1/√2
x1 + x2 + x3
= √ 1/√2
2
1/ 2
x1 + x2 + x3
2
x1 + x2 + x3
= 2
x1 + x2 + x3
2
1/2 1/2 1/2 x1
= 1/2 1/2 1/2 x2
1/2 1/2 1/2 x3
= AS x
e
PS ⊥ (x) = (x · a1 )a1 + (x · a2 )a2
√ √
1/ 2 −1/ 6
x −x − x1 + 2x2 − x3 √
= 1√ 2 0√ + √ 2/ √6
2 −1/ 2 6
−1/ 6
x1 − x2 x1 −2x2 + x3
2 6
0 + − x1 +2x2 − x3
= 3
x2 − x1 x1 −2x2 + x3
2 6
4x1 −5x2 + x3
6
− x1 +2x2 − x3
= 3
−2x1 + x2 + x3
6
2/3 −5/6 1/6 x1
= −1/3 2/3 −1/3 x2
−1/3 1/6 1/6 x3
= AS ⊥ x.
com I representando a matriz identidade 3 × 3. Para concluir, resta apenas calcular as matrizes 2AS − I e
2AS ⊥ − I.
EX .; p. 62
Por um lado,
0 1
1 1 0
A= 1 0 e B=
0 1 1
1 1
são tais que
R2 ∋ x 7→ L1 (x) = Ax ∈ R3 e R3 ∋ y 7→ L2 (x) = Bx ∈ R2 .
88 CAPÍTULO 4. OPERADORES, AUTOVALORES E AUTOVETORES
(a) z + w = ( x + u) + (y + v)i;4
(b) zw = ( xu − yv) + ( xv + yu)i.5
p
5. z = x − yi e |z| = x2 + y2 =⇒ z−1 = z 7
| z |2
.
89
90 CAPÍTULO 5. OS ESPAÇOS VETORIAIS K N E K M× N
5.1.2 Corpo K
Vamos generalizar o conceito de escalar e o escopo das coordenadas dos vetores e das en-
tradas das matrizes. Assim, além de R, outros subconjuntos de C podem ter seus elementos
como escalares e coordenadas de vetores. De fato, dizer que um subconjunto K de C é um
corpo (de escalares) significa que:
1. 0, 1 ∈ K;
2. k1 , k2 ∈ K ⇒ k1 + k2 , k1 k2 ∈ K;
3. k ∈ K ⇒ −k ∈ K e, se k 6= 0, então k−1 ∈ K.
5.1.3 Espaço K n
As definições de vetor, multiplicação de escalar por
vetor e soma de vetores em R n , bem como as proprie-
dades decorrentes destas, podem ser generalizadas se
substituirmos R por qualquer outro corpo K e R n por
Kn .
x = y significa x1 = y1 , . . ., xn = yn .10
x + y := ( x1 + y1 , . . . , xn + yn ).11
Em K n , sendo λ ∈ K e x = ( x1 , . . . , xn ), o vetor
λx := (λx1 , . . . , λxn )
1. x + y = y + x;
2. (x + y) + z = x + (y + z);
5. λ(x + y) = λx + λy;
6. (λ + β)x = λx + βx;
7. (λβ)x = λ( βx);
8. 1x = x.
5.2 Exercícios
1. Sejam:
• K um corpo;
• x = ( x1 , . . . , x n ) , y = ( y1 , . . . , y n ) ∈ K n ;
• x · y : = x1 y1 + · · · + x n y n .
(a) x · y = y · x;
(b) x · (y + z) = x · y + x · z;
(c) c(x · y) = (cx) · y = x · (cy);
(d) se K contém somente números reais,13 então:
• x · x ≥ 0;
• x · x = 0 ⇐⇒ x = 0.
Contudo, se K contém algum número complexo com parte imaginária √ não nula,14 em
geral, a propriedade (d) não é satisfeita.15 Assim, para ||x|| = x · x ser bem definido,
seja
x · y : = x1 y1 + x2 y2 + · · · + x n y n . (∗)
Com K n munido do produto interno (∗):
2. Considere C3 munido de (∗). Via Gram-Schmidt, obtenha uma base ortonormal a par-
tir da base {(i, i, i ), (0, i, i ), (0, 0, i )}.
4. Em C3×4 , seja
1 −1 0 2
A = −2 1 1−i 0 .
−1 + i 0 1 2
Determine daí a entrada aij , a i-ésima linha A(i, −) e a j-ésima coluna A(−, j) de A,
para i = 1, 2, 3 e j = 1, 2, 3, 4.
5. Este exercício exemplifica a seguinte propriedade distributiva para matrizes com en-
tradas num corpo K:
( A + B)C = AC + BC ∀ A, B ∈ K m×n e ∀C ∈ K n× p .
13 Por exemplo, considere K = R, R.
14 Por exemplo, seja K = C.
15 Por exemplo: x = (2i, 1) =⇒ x · x = −3 < 0 ; x = (i, 1) =⇒ x · x = 0 .
16 RESPOSTA : (a) x · y = y · x; (c) c(x · y) = (cx) · y = x · (cy).
5.2. EXERCÍCIOS 93
Assim, para m = p = 2, n = 3, K = C,
1+i i
1+i 1 −i 1 − i i −1
A= ,B= e C = −i 2 − 3i ,
2i 2 + 3i 2 3 1 2
1 −1
calcule:
(a) A + B;
(b) ( A + B)C;
(c) AC;
(d) BC;
(e) AC + BC.
( AB)t = Bt At ∀ A ∈ K m×n e ∀ B ∈ K n× p .
Assim, para m = p = 2, n = 3, K = C,
1+i i
1+i 1 −i
A= e B = −i 2 − 3i ,
2i 2 + 3i 2
1 −1
calcule:
(a) AB;
(b) ( AB)t ;
(c) Bt ;
(d) At ;
(e) Bt At .
7. Sejam
2 i t 2 −i 1+i 1
A= , isto é, A = ,eB= .
−i 1 i 1 1 1−i
Verifique que:
2 + 3i 3+i − 1 1 − 2i −3 − i
(a) AB = e ( AB) = ;
2−i 1 − 2i −2 + i 2 + 3i
1 −i 1 i 1 − i −1
(b) A−1 = t −
, (A ) =1 −
eB =1 ;
i 2 −i 2 −1 1 + i
(c) ( At )−1 = ( A−1 )t e ( AB)−1 = B−1 A−1 .
94 CAPÍTULO 5. OS ESPAÇOS VETORIAIS K N E K M× N
Capítulo 6
Assim, como nos espaços dos capítulos 2-5, dizer que o conjunto não vazio V é um espaço
vetorial (sobre o corpo K) significa dizer que existe uma adição de elementos u, v ∈ V cujas
somas u + v pertencem a V, existe uma multiplicação de escalares λ ∈ K por elementos
u ∈ V cujos produtos λu pertencem a V, e são válidas, para quaisquer vetores u, v, w ∈ V e
escalares λ, β ∈ K, as seguintes propriedades:
1. u + v = v + u;
2. (u + v) + w = u + (v + w);
3. 0 ∈ V é tal que u + 0 = u;
5. λ(u + v) = λu + λv;
6. (λ + β)u = λu + βv;
7. (λβ)u = λ( βu);
8. 1u = u.
95
96 CAPÍTULO 6. O ESPAÇO VETORIAL V (SOBRE O CORPO K)
x = ( x1 , x2 , . . . ) ,
p ( t ) = c0 + c1 t + c2 t2 + · · · + c k t k
uma adição de vetores e uma multiplicação dos mesmos por escalares, acarretando ainda que −u = (−1)u ∈
S . Agora, as outras propriedades para S ser um espaço vetorial são válidas pois as mesmas são válidas para
todos os vetores de V e S ⊂ V.
6.2. ISOMORFISMO ENTRE ESPAÇOS VETORIAIS 97
• 1, t, t2 e t3 se V = P4 (R ).
Logo, desconsiderando o modo como representamos vetores de quatro coordenadas, tudo
funciona da mesma forma em V = R4 , R2×2 (R ), P4 (R ). Por exemplo, considere agora a
seguinte CL representada nestes três espaços:
2(1, 1, 0, 0) − (0, 1, 1, 0) = (2, 1, −1, 0);
1 1 0 1 2 1
2 − = ;
0 0 1 0 −1 0
2(1 + t ) − ( t + t2 ) = 2 + t − t2 .
Dizemos que tais espaços são isomorfos. Em geral, dizer que dois espaços vetoriais V1
e V2 (sobre o mesmo corpo K) são isomorfos significa dizer que existe uma função linear
L : V1 → V2 invertível, dita um isomorfismo entre V1 e V2 . A linearidade aqui é a mesma
que foi definida no capítulo anterior, isto é, L leva somas em somas e múltiplos escalares em
múltiplos escalares. A invertibilidade aqui significa que existe a inversa L−1 : V2 → V1 de
L que, composta com a própria L, resulta numa função identidade.
EXEMPLO : É fácil ver que
L : R 2×2 ( R ) → R4
a b
7→ ( a, b, c, d)
c d
é um isomorfismo entre R2×2 e R4 .
EXEMPLO : É fácil ver que
L : P4 (R ) → R4
a + bt + ct2 + dt3 7→ ( a, b, c, d)
é um isomorfismo entre P4 (R ) e R4 .
Note que o isomorfismo de cada exemplo anterior associa a base canônica do domínio a base
canônica da imagem. Além disso, as dimensões dos espaços isomorfos via L são iguais. Na
verdade vale o resutado mais geral:
TEOREMA DOS ESPAÇOS VETORIAIS ISOMORFOS DE DI -
MENSÕES FINITAS :
Dois espaços vetoriais, V1 e V2 , são isomorfos (entre
si) se, e somente se, tais espaços têm a mesma dimen-
são. Em particular, tal isomorfismo associa bases de
V1 a bases de V2 .
98 CAPÍTULO 6. O ESPAÇO VETORIAL V (SOBRE O CORPO K)
DEMONSTRAÇÃO : Suponha que dim V 1 = dim V 2 = n. Então V 1 tem uma base { v1 , v2 , . . . , vn } e V 2 tem
uma base {w1 , w2 , . . . , wn }. Seja L : V1 → V2 tal que
v 1 7 → L ( v 1 ) = w1 , v 2 7 → L ( v 2 ) = w2 , . . . , v n 7 → L ( v n ) = w n .
É fácil ver que L é um isomorfismo. Para a recíproca, seja agora L : V1 → V2 um isomorfismo e dim V1 = n.
Daí V1 tem uma base {v1 , v2 , . . . , vn } . Basta provar agora que { L (v1 ) , L (v2 ) , . . . , L (vn )} é uma base de V2 .
L : R 2×3 → R6
a b c
7→ ( a, b, c, d, e, f )
d e f
(1, 2, −1, 0, 1, −1), (−1, 1, 0, −2, −1, 2), (0, 3, −1, −2, 0, 1) e (2, 1, −1, 2, 2, −3),
cuja solução encontra-se nas páginas 67 e 68 destas NA. Assim, utilizando as bases lá obti-
das, temos que uma das bases aqui procuradas é costituída pelas matrizes
1 2 −1 −1 1 0
e .
0 1 −1 −2 −1 2
6.3 Exercícios
1. Seja C [ a, b] o conjunto das funções reais contínuas definidas no intervalo real [ a, b].
(b) Determine uma base ortonormal para o subespaço S de C [0, 1] gerado pelos po-
linômios p(t) = 1 + t e q(t) = t.
(c) Analogamente ao exercício 5.(b) da página 60, temos o seguinte resultado:
Se S é um subespaço de dimensão finita de C [ a, b] e { f 1 , f 2 , . . . , f r } é uma base
ortonormal de S , então a melhor aproximação de f ∈ C [ a, b] em S é dada por
PS ( f ) = h f , f 1 i f 1 + h f , f 2 i f 2 + · · · + h f , f r i f r .