Beruflich Dokumente
Kultur Dokumente
1 MATRIZES E SISTEMAS
1.1 Tipos de matrizes . . . . . . . . . . . . . . . . . .
1.2 Operaes com matrizes . . . . . . . . . . . . . .
1.3 Matriz na forma escada reduzida por linhas . . .
1.4 Clculo da inversa . . . . . . . . . . . . . . . . .
1.5 Determinantes . . . . . . . . . . . . . . . . . . .
1.6 Primeira lista de exerccios . . . . . . . . . . . .
1.7 Sistema de equaes lineares . . . . . . . . . . . .
1.7.1 Introduo . . . . . . . . . . . . . . . . .
1.7.2 Sistemas e matrizes. . . . . . . . . . . . .
1.7.3 Soluo de um sistema por matriz inversa
1.8 Segunda lista de exerccios . . . . . . . . . . . . .
1.9 Apndice . . . . . . . . . . . . . . . . . . . . . .
1.9.1 Clculo da inversa por adjunta . . . . . .
1.9.2 Regra de Cramer . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4
4
7
11
13
14
18
21
21
22
25
27
31
31
32
2 ESPAOS VETORIAIS
2.1 Introduo . . . . . . . . . . . . . . . . . . . . . . .
2.2 Subespaos . . . . . . . . . . . . . . . . . . . . . .
2.3 Interseco de dois Subespaos Vetoriais . . . . . .
2.4 Combinao Linear . . . . . . . . . . . . . . . . . .
2.5 Dependncia e Independncia Linear . . . . . . . .
2.6 Subespaos Gerados . . . . . . . . . . . . . . . . .
2.7 Soma de Subespaos . . . . . . . . . . . . . . . . .
2.8 Base e Dimenso de um Espao Vetorial . . . . .
2.8.1 Base . . . . . . . . . . . . . . . . . . . . . .
2.8.2 Dimenso . . . . . . . . . . . . . . . . . . .
2.8.3 Dimenso da Soma de Subespaos Vetoriais
2.8.4 Coordenadas . . . . . . . . . . . . . . . . .
2.9 Mudana de Base . . . . . . . . . . . . . . . . . . .
2.10 A Inversa da Matriz de Mudana de Base . . . . .
2.11 Terceira lista de exerccios . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
36
36
43
46
48
49
51
53
54
54
59
60
60
61
65
67
3 TRANSFORMAES LINEARES
3.1 Propriedades das Transformaes Lineares . . . . . .
3.2 Transformaes Lineares e Matrizes . . . . . . . . . .
3.2.1 Transformao linear associada a uma matriz
3.2.2 Matriz de uma transformao linear . . . . .
3.3 Composio de transformaes lineares . . . . . . .
3.4 A Inversa de uma transformao linear . . . . . . . .
3.5 Quarta lista de exerccios . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
73
77
83
83
86
90
91
95
4 OPERADORES LINEARES
4.1 Transformaes especiais no plano e no espao
4.2 Propriedades dos operadores inversveis . . . .
4.3 Operadores autoadjuntos e ortogonais . . . . .
4.4 Quinta lista de exerccios . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
100
100
121
124
126
5 AUTOVALORES E AUTOVETORES
5.1 Autovalores e autovetores de uma matriz .
5.1.1 Polinmio Caracterstico. . . . . .
5.1.2 Matrizes Semelhantes . . . . . . .
5.2 Diagonalizao de Operadores . . . . . . .
5.2.1 Matriz Diagonalizadora . . . . . .
5.3 Calculando potncias de uma matriz . . .
5.4 Sexta lista de exerccios . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
128
129
129
136
137
139
141
144
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
6 PRODUTO INTERNO
6.1 Normas, Distncias e ngulos em Espaos com Produto Interno .
6.2 Ortogonalidade . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.2.1 Conjunto Ortogonal de Vetores . . . . . . . . . . . . . . .
6.2.2 Base ortogonal . . . . . . . . . . . . . . . . . . . . . . . .
6.2.3 Base ortonormal . . . . . . . . . . . . . . . . . . . . . . .
6.2.4 Coordenadas em relao a Bases Ortonormais . . . . . . .
6.2.5 Coordenadas em relao a Bases Ortogonais . . . . . . . .
6.3 Complementos Ortogonais . . . . . . . . . . . . . . . . . . . . . .
6.4 Projees Ortogonais . . . . . . . . . . . . . . . . . . . . . . . . .
6.5 Encontrando Bases Ortogonais e Ortonormais: Processo de Ortogonalizao de Gram-Schmidt . . . . . . . . . . . . . . . . . . .
6.6 Fatorao QR . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.6.1 Aplicao da fatorao QR . . . . . . . . . . . . . . . . .
6.7 Stima lista de exerccios: . . . . . . . . . . . . . . . . . . . . . .
149
153
154
155
155
155
156
156
157
158
159
161
162
163
Apresentao da disciplina
Caro aluno
Esta apostila segue de muito perto a bibliograa referenciada no Plano de
Ensino da disciplina e que correspondem aos livros texto deste curso. Sugerese a sua aquisio. O nico objetivo deste material facilitar as atividades dos
alunos em sala de aula, de forma que possam complementar o assunto aqui
proposto com as notas expostas pelos professores em sala de aula e ainda servir
de referncia aos professores e alunos sobre quais tpicos devero ser trabalhados
em cada captulo. De maneira nenhuma a leitura ou consulta da bibliograa
est descartada, isto dever do aluno. Este material podem conter eventuais
erros, enganos ou omisses, caso encontrar, por favor, comunique seu professor.
As respostas da maior parte dos exerccios sero disponibilizadas na pgina:
http://www2.joinville.udesc.br/~dma2gm .
A lgebra Linear constitui uma parte da Matemtica da qual necessitam
matemticos, fsicos, engenheiros, programadores de computadore, economistas, administradores e outros cientistas. Este requisito reete a importncia
desta disciplina pelas mltiplas aplicaes e pelo alcance de sua linguagem. Ela
tambm se faz presente nos diversos ramos da matemtica, aparecendo em disciplinas como clculo, equaes diferenciais, matemtica discreta, estatstica,
anlise numrica e outras. Sendo assim, a lgebra Linear se tornou uma ferramenta indispensvel em quase todas as reas da matemtica e cincias ans. Os
objetos de que trata a lgebra Linear no so apenas matrizes e sistemas lineares. A sua essncia est no estudo dos espaos vetoriais e das transformaes
lineares.
Desejamos a todos um timo semestre de estudos.
Captulo 1
MATRIZES E SISTEMAS
Denio de matriz: Chama-se matriz de ordem m n a uma tabela de m n
elementos dispostos em m linhas e n colunas:
2
6
6
A=6
4
a11
a21
..
.
a12
a22
::::::::
::::::::
a1n
a2n
..
.
am1
am2
::::::::
amn
3
7
7
7
5
1.1
i = 1; : : : ; m
j = 1; : : : ; n:
Tipos de matrizes
Matriz coluna:
a matriz de ordem m
A = [1]1
1:
3
1
6 2 7
7
B=6
4 3 5
4 4
1
2
3
..
.
6
6
6
6
C=6
6
6
4 999
1000
;
1
3
7
7
7
7
7
7
7
5
1000 1
n:
Matriz linha:
a matriz de ordem 1
n:
Exemplo 2 :
A = [1]1
; D=
10
1 8
n:
Matriz nula:
a matriz A = [aij ]m
me1
Exemplo 3 :
2
0
6 0
M =6
4 0
0
0
0
0
0
0
0
0
0
0
0
0
0
3
0
0 7
7 ;
0 5
0
0
0
0
0
N = [0]
n:
2
a11
6 ..
A=4 .
an1
..
3
a1n
.. 7
. 5
ann
3
3
; B=
3
3
Matriz diagonal:
Matriz diagonal a matriz quadrada A = [aij ] onde aij = 0 para i 6= j :
2
3
a11 0
0
0
6
7
6 0 ...
0 7
6
7
6
..
.. 7
..
A = 6 ...
7
.
.
.
6
7
6
7
..
.
.
4 0
.
.
0 5
0
0
0 ann
Notao: diag(A) = fa11 ;
Exemplo 5 : A = [0]1
; ann g
, B=
3
0
0
3
5
Matriz identidade:
a matriz diagonal I onde diag(I) = f1;
; 1g :
Notao: In representa a matriz identidade de ordem n:
Exemplo 6 :
1
0
I2 =
0
1
I100
1
0
..
.
6
6
6
=6
6
6
4 0
0
0
1
..
.
0
0
..
.
0
..
.
..
.
0
0
0
7
7
7
7
7
7
0 5
1
Matriz transposta:
Dada uma matriz A
[bij ]n m ; cujas linhas
transposta
2 de A:
a11 a12
6 a21 a22
6
A=6 .
4 ..
am1
Exemplo 7 :
2
1
6 11
6
A=6
6 21
4 31
41
D=
am2
2
12
22
32
42
a1n
a2n
..
.
::::::::
amn
3
13
23
33
43
4
14
24
34
44
5
15
25
35
45
3
7
7
7
5
m n
6
6
) AT = 6
4
2
6
7
6
7
7 ) AT = 6
6
7
4
5
5
1 6
1
2
3
4
5
11
12
13
14
15
a11
a12
..
.
a21
a22
::::::::
::::::::
am1
am2
..
.
a1n
a2n
::::::::
amn
21
22
23
24
25
2
6
6
6
T
)D =6
6
6
4
3
7
7
7
5
3
31 41
32 42 7
7
33 43 7
7
34 44 5
35 3 45
1
2 7
7
3 7
7
4 7
7
5 5
6 6 1
Matriz simtrica:
Uma matriz quadrada S = [aij ] simtrica se S T = S; isto , se aij = aji :
Assim, os elementos simetricamente opostos diagonal principal so iguais.
Exemplo 8
2
1
S=4 5
9
:
5
3
8
3
9
8 5;
7
N=
0
1
1
0
n m
Matriz anti-simtrica:
Uma matriz quadrada A = [aij ] anti-simtrica se AT =
aji : Assim,
A; isto , se aij =
1.2
:
0
3
4
1
0
0
2
2
3
2
1
0
6 0
0 7
7; C = 6
4 0
0 5
0
6
0
2
0
0
0
0
2
0
3
0
0 7
7
0 5
2
Adio:
Dados A = [aij ]m
e B = [bij ]m
denimos A + B por,
A + B = [aij + bij ]m
Propriedades:
i. A + B = B + A
ii. A + (B + C) = (A + B) + C
iii. A + 0 =A
7
Exemplo 11 :
2
1
10
3
4
2
20
6
Propriedades:
i. k(A + B) = kA + kB
ii. (k1 + k2 )A = k1 A + k2 A
iii. 0 A = 0
iv. k1 (k2 A) = (k1 k2 )A
Multiplicao de Matrizes:
Sejam A = [aij ]m
e B = [bij ]n
cij =
n
X
; onde
k=1
1
0
1
4
2 2
2 1+1 0
=4 4 1+2 0
5 1+3 0
3 2
2 ( 1) + 1 4
2
4 ( 1) + 2 4 5 = 4 4
5 ( 1) + 3 4
5
3
2
4 5
7
um nmerto real
iii. (AT )T = A
iv. (AB)T = B T AT
Exemplo 14 Mostre que se A uma matriz quadrada ento A+AT simtrica
e A AT anti-simtrica.
Matriz inversa:
Dada uma matriz quadrada A = [aij ] ; se existir uma matriz B que satisfaa
AB = BA = I diz-se que B a inversa de A e denota-se B por A 1 ; ou seja,
A 1 A = AA 1 = I:
Exemplo 15 :
A=
11
7
3
2
2
7
3
11
= I:
2 3
=) det
2 2
1 10
) det
1 10
2 3
= 2 ) A no singular
2 2
1 10
= 0 ) A singular
1 10
Exemplo 18 M =
"
MMT = MT M = I
p #
3
2
1
2
1
p2
3
2
1:
1
4
2
3
; A2 =
9
16
8
17
= A
; A3 =
1 k
41
84
; k 2 N:
42
83
n
X
i=1
10
aii
1.3
20 :
0
1
0
2
0
0
1
0
0
1
0
0
3
0
1 0 5 no forma escada. No vale b).
1
0
3
1
3 5 no forma escada. No vale a) e b).
0
3
3 0
1
0
0
0 5 no forma escada. No vale c).
0
1 23
3 0 1
0
1 3 5 forma escada.
0
0 0
0
esima e j
Exemplo 21 :
2
3
2
1
0
1
4 4
1 5L2 $ L3 4 3
3 4
4
2o ) Multiplicao da i
Exemplo 22 .
2
3
1
0
4 4
1 5 L2 !
3 4
0
4
1
3
5
3L2 4
1
12
3
3
0
3 5
4
11
0
4
1 5:
Observao 24 Se A e B so matrizes m n, dizemos que B linha equivalente a A; se B for obtida de A atravs de um nmero nito de operaes
elementares sobre as linhas de A: Notao A B:
Exemplo
2
1
4 4
2 3
1
4 4
3
L2 !
25 :
3
1
1 5 linha equivalente a 4 0
4 3
0
2
0
1
0
1 5 L2 ! L2 4L1 4 0
1
4
3 4
3
2
2
1
1 0
L2 4 0 1 5 L3 ! L3 4L2 4 0
0
0 4
3
0
1 5 pois,
0
3
3
1 0
5 L3 ! L3 + 3L1 4 0
1 5
0 4
3
0
1 5
0
1
2 L22
1
4 0
0
1
2
3
2
1
2
3
2
5 6 5 L2 ! L2
1
2
3
2
1 12
5 L2 ! 1 L2 4 0 1
3
0
1
5 L3 ! 2 L3 4 0
1 0
13
13
0
0
2
2
3
1 0 0
L1 ! L1 32 L3 4 0 1 0 5
0 0 1
1
2
1
0
12
3
2
0 5 L1 ! L1
1
1
4L1 4 0
3
1
1
4
0
L
2 2
0
0
1
0
13
2
3
2
3
1
3
3
2
1
2
1
2
5 L3 ! L3 +
3
2
0 5
1
3
0
1 7
7
1 5
1
3
7
1 0 0
8
1 5
Soluo: A matriz A linha equivalente a matriz B = 4 0 1 0
4
11
0 0 1 8
portanto o posto de A 3 (o nmero de linhas no nulas da matriz B) e a
nulidade n p = 4 3 = 1 (n o numero de colunas da matriz A e p o posto
de A)
2
3
1 0 14
9
6 0 1 1 7
4 7
b) A = 6
4 0 0 0 5
0 0 0
Soluo: posto A = 2 e nulidade de A 3
2
3
2
2
2 1 10
6 0 1 1 7
6 0
4
6
7
6
c) A = 4
)B=4
1 2 0 5
0
1 3 0
0
Soluo posto de A = 3 e nulidade
1.4
2=1
3
1 10
1
7
1
4
7
43 5
0
8
0
0
de A 0
Clculo da inversa
1.5
1
2
0
0 1
1 0
0 1
3
2
1
3
L2 ! L2
3
2
por escalonamento.
4L1
1
2
1
2
Determinantes
por
det A =
a11
a21
..
.
a12
a22
..
.
an 11
an1
an 12
an2
..
14
a1n
a2n
..
.
..
1
1
an
1n
a1n
a2n
..
.
an 1n
ann
3
7
7
7
7
7
7
5
a1n
a2n
..
.
an 1n
ann
Propriedades do determinante:
1. det A = det AT ;
2. det(AB) = det A det B;
3. Se a matriz A possui uma linha ou coluna nula ento det A = 0;
4. Se a matriz A tem duas linhas ou colunas iguais ento det A = 0;
5. Se na matriz A uma linha (ou coluna) mltipla de outra linha (coluna)
ento det A = 0;
6. Trocando a posio de duas linhas (colunas) o derminante muda de sinal;
7. Quando se multiplica uma linha (coluna) de uma matriz A por um nmero
k 6= 0 o determinante ca multiplicado por esse mesmo nmero;
8. O determinante de uma matriz A no se altera quando se faz a seguinte
operao entre linha: Li ! Li + kLj ;
9. O determinante de uma matriz triangular superior ( ou inferior) igual
ao produto do elementos da diagonal principal;
10. A partir de det(AB) = det A det B temos
det(AA
= 1 ) det A =
1
det A
Clculo do determinante por triangulao. Para se calcular o determinante de uma matriz A usamos as operaes elementares linha de modo a obter
uma matriz triangular superior (ou inferior) observando as propriedades do determinante e fazendo as compensaes necessrias.
3
2
2
1 1
1 5
Exemplo 31 A = 4 2 0
3
1 0
2
1 1
2 0
1 L2 ! L3 (Quando permutamos as linhas o deter3
1 0
minante troca de sinal)
2
1 1
1 0
( 1) det A = 3
L1 ! 12 L1 (Quando multiplicamos uma linha
2 0
1
por um nmero o det. ca multiplicado pelo mesmo nmero)
1 21 12
1
L2 ! L2 + ( 3)L1 (Esta operao no al3
1 0
2 ( 1) det A =
L3 ! L3 2L1
2 0
1
tera o determinante)
det A =
15
1
2(
1) det A =
1 21
0 12
0 1
1
2
3
2
determinante)
2L2
1 21 21
3
(O determinante de uma matriz triangular
1) det A = 0 12
2
0 0
1
superior o produto dos elementos da diagonal principal)
1
1
1
2 ( 1) det A = 2 ) det A =
1
2(
Regra de Chi:
Se a matriz A de ordem 2 2 ento:
a11 a12
det
= a11 a22 a21 a12
a21 a22
5 1
det
= 5 3 2 1 = 13
2 3
Regra de Sarrus:
Se A de
2
a11
A = 4 a21
a31
ordem 3
3
3
a11
a12
a13
a11
a12
a13
&
&%
&%
%
a23 5 ) a21
a22
a23
a21
a22
a33
%
&%
&%
&
a31
a32
a33
a31
a32
det A = (a11 a22 a33 ) + (a12 a23 a31 ) + (a13 a21 a32 ) (a31 a22 a13 ) (a32 a23 a11 )
(a33 a21 a12 )
a12
a22
a32
Desenvolvimento de Laplace:
Para uma matriz de ordem n
dado pela frmula.
det An
j=1
Exemplo 32 :
16
3
2 3
4
6 4
2 0
0 7
7
A=6
4 1 2
3 0 5
2
5 3
1
Vamos calcular o determinante da matriz fazendo o desenvolvimento pela
primeira linha (note que seria mais conveniente desenvolver pela segunda linha,
pois ela possui dois elementos nulos).
4
0
0
2 0
0
1
3 0
3 0 + 2( 1)1+2
det A = 1( 1)1+1 2
2
3
1
5 3
1
4
2 0
4
2 0
1 2
3
1 2 0 +( 4)( 1)1+4
+3( 1)1+3
2
5 3
2
5 1
det A = ( 1)(1)( 6) + 2( 1)( 12) + (3)(1)(10) + ( 4)( 1)(78)
det A = 372:
1
17
1.6
1. Dadas as matrizes A =
2a b
9
eB =
c 2d
4
2
; determine a; b; c
7
e d para que A = B.
2
x2
2x 1 0
matriz simtrica.
2. Seja A =
cos
M = 4 sin
0
sin
cos
0
3
0
0 5
1
18
M oderno
M editerr^
aneo 4
Colonial
F erro
5
7
6
M adeira
V idro
20
18
25
16
12
8
T inta T ijolo
3
7
17
9
21 5
5
13
(a) Se ele vai construir 5,7 e 12 casas dos tipos moderno, mediterrneo
e colonial, respectivamente, quantas unidades de cada material sero
empregadas?
(b) Suponha agora que os preos por unidade de ferro, madeira, vidro,
tinta e tijolo sejam respectivamente, 15, 8, 5, 1 e 10 reais. Qual o
preo unitrio de cada tipo de casa?
(c) Qual o custo total do material empregado?
12. Calcule o determinante de A onde
3
2
3
1 5
0
6 0 2
0
1 7
7;
(a) A = 6
4 2 0
1 3 5
1 1
2
0
2
3
0
0 0 0
6 19 18
0
0 0
6
6
5
0 0
(b) A = 6
6
p
p
4 4
2
3 0 0
8
3
5 6
1
1
0
9 1 9 9 9
B9 0 9 9 2C
C
B
C
(c) A = B
B4 0 0 5 0C
@9 0 3 9 0A
6 0 0 7 0
13. Encontre A
2
3
7
7
7
7
5
; onde
4
1 2
6 3
1 0
(a) A = 6
4 2 3 1
0 7 1
2
3
1 0 x
(b) A = 4 1 1 x2 5
2 2 x2
3
2
0 7
7;
0 5
1
no inversvel.
15. Existe alguma matriz "inversvel"X tal que X 2 = 0? Justique sua resposta.
16. Encontre todos os valores de
em que
2
2
62
A=6
41
3
0
0
2
2
0
0
1
1
I4 tem inversa,
3
0
07
7
05
2
17. Para a matriz A = (aij )de ordem 2 denida por aij = i + j, calcular
f (t) = det(A tI2 ) e resolver a equao do segundo grau f (t) = 0.
18. Para a matriz denida por:
M=
a b
c d
1:
anti-simtrica.
= C 1B 1A
1
1 4
2 1C
C
1 1C
C satis2 1A
1 2
1.7
1.7.1
=
=
..
.
b1
b2
..
.
= bm
10x 2y = 38
3x + 5y = 7
21
1.7.2
Sistemas e matrizes.
6
6
X=6
4
x1
x2
..
.
xn
am2
3
7
7
7
5
6
6
B=6
4
b1
b2
..
.
(1.1)
= bm
amn
=
=
..
.
b1
b2
..
.
bm
3
7
7
7
5
AX = B
onde A a matriz dos coecientes, B a matriz
dentes e X a matriz coluna das incgnitas.
Ao sistema (1.1) associamos a seguinte matriz:
2
a11 a12
a1n j
6 a21 a22
a2n j
6
6 ..
..
..
4 .
.
.
j
am1
am2
amn
b1
b2
..
.
j bm
3
7
7
7
5
22
= 8
= 4
=
12
(1.2)
Soluo:
Matriz2Ampliada
3
2 1 3 j 8
5
Aa = 4 4 2 2 j 4
2 5 3 j
12
Matriz linha equivalente a matriz ampliada, onde a parte da matriz dos
coecientes
2 est na forma escada
3
1 0 0 j 2
5 5
Ae = 4 0 1 0 j
0 0 1 j 3
De Ae obtemos: pc = 3; pa = 3 e n = 3:
p = pc = pa = 3 ) sistema compatvel
p = n ) sistema compatvel e determinado (possui uma nica soluo)
A matriz Ac a matriz ampliada do seguinte sistema:
23
8
< x1 = 2
x2 = 5
:
x3 = 3
Como sistemas equivalentes tem a mesma soluo, a soluo do sistema (1.2)
x1 = 2
x2 = 5
x3 = 3
6
38
3
(1.3)
24
Soluo:
8
< 6x 4y 2z = 3
x+y+z
= 1
:
3x 2y z
= 1
2
3
6
4
2 j 3
1
j 1 5
Aa = 4 1 1
3
2
1 j 1
3
2
7
1 0 51 j 10
3
5
Ae = 4 0 1 45 j 10
1
0 0 0 j
2
Neste caso:
n=3
pc = 2
pa = 3 ) pa 6= pc )sistema incompatvel (no possui soluo)
1.7.3
CX
CX
IX
X
=
=
=
=
pela esquerda)
C=4 1
1
3
=4 0
1
CX = B
X = C 1B
C
3
2
1
1
1
1
1
1
0
3
5
1 5
3
3
1
B=4 1 5
1
25
3
x
X=4 y 5
z
3 2
x
1
4 y 5=4 0
z
1
1
1
1
32
3 2
1
1 54 1 5 = 4
3
1
3
2
2 5
3
a) A inversvel.
b) AX = 0 s tem a soluo trivial.
c) A equivalentes por linha matriz In :
d) AX = B tem exatamente uma soluo para cada matriz Bn
Demonstrao: A demonstrao ca como exerccio.
26
1:
1.8
27
8. Apresente todos os possveis resultados na discusso de um sistema nohomogneo de 6 equaes lineares com 4 incgnitas.
9. Se A uma matriz 3
E se A for 4 2?
AX
AX
X
= B
= A
= A
1
1
B
B
Isto til quando desejamos resolver vrios sistemas lineares que possuem
a mesma matriz dos coecientes.
2
3
1 2
2
4 5
Usando a teoria acima resolva os sistema AX = B onde A = 4 2 5
3 7
5
e
28
3
2
3
2
3
2
3
1
1
1000
111
a) B = 4 2 5 b) B = 4 3 5 c) 4 10 5 d) 4 311 5
3
100
100
511
X = A onde D = diag(1; 2; 3; 4; 5; 6)
17. Uma editora publica um best-seller potencial com trs encadernaes diferentes: capa mole, capa dura e encardenao de luxo. Cada exemplar necessita de um certo tempo para costura e cola conforme mostra a tabela
abaixo:
Tamanho de A
Posto de A
Posto de [A jB ]
(a)
3 3
2
3
(b)
9
4
4
29
(c)
5
4
0
0
(d)
3 3
3
3
30
1.9
1.9.1
Apndice
Clculo da inversa por adjunta
Dada uma matriz , lembramos que o cofator dij do elemento aij da matriz A
o elemento ( 1)i+j det Aij , onde Aij a submatriz de A obtida extraindo-se a
i esima linha e a j esima coluna. Com estes cofatores forma-se uma nova
matriz A; denomindada matriz dos cofatores denotada por A: Portanto
A = [dij ]
onde dij = ( 1)i+j det Aij
Exemplo 39 :
2
A=4
a21
a22
a23
a31
a32
a33
3
1
1
6
4
5
3
1 0
1 4 5
6 5
= 1 ( 19) =
19
4
= 1 ( 19) = 19
5
3 1
= 0 ) d13 = ( 1)1+3 det
= 1 ( 19) = 19
1
6
1 0
= 3 ) d21 = ( 1)2+1 det
= 1 (5) = 5
6 5
2 0
= 1 ) d22 = ( 1)2+2 det
= 1 (10) = 10
1 5
2 1
= 4 ) d23 = ( 1)2+3 det
= 1 (11) = 11
1 6
1 0
= 1 ) d31 = ( 1)3+1 det
= 1 (4) = 4
1 4
2
0
= 6 ) d32 = ( 1)3+2 det
= 1 (8) = 8
3 4
2
1
= 1 (5) = 5
= 5 ) d33 = ( 1)3+3 det
3 1
2
3
19 19
19
10
11 5
A=4 5
4
8 5
1.9.2
Regra de Cramer
an2
=
=
..
.
b1
b2
..
.
= bn
xn
bn
CX
CX
IX
X
=
=
=
=
B
C
C
C
usando a relao
C
1
(adjC)
det C
temos
X=
1
(adjC)B
det C
32
obtemos
pela esquerda)
2
6
6
6
4
2
6
6
6
4
2
6
6
6
4
x1
x2
..
.
xn
x1
x2
..
.
xn
x1
x2
..
.
xn
02
7
7
7 =
5
B6
1
B6
adj B6
det C
@4
7
7
7 =
5
1
det C
7
7
7 =
5
1
det C
02
B6
B6
B6
@4
2
6
6
6
4
a11
a21
..
.
a12
a22
..
.
an1
an2
......
...
31 2
a1n
a2n
..
.
7C 6
7C 6
7C 6
5A 4
ann
D11
Da21
..
.
Da12
Da22
..
.
Dan1
Dan2
......
...
b1 D11 +
b1 Da21 +
..
.
b2 Da12
b2 Da22
..
.
b1 Dan1
b2 Dan2
Da1n
Da2n
..
.
Dann
+
+
......
...
Analogamente
bn
31 2
7C 6
7C 6
7C 6
5A 4
xi =
6
6
det 6
4
a11
a21
..
.
an1
2
a11
6 a21
6
det 6 .
4 ..
an1
a1n
a2n
..
.
bn
ann
3
an2
i = 2; 3; :::::; n
Podemos escrever esta relao na forma
33
ann
b1
b2
..
.
a12
a22
..
.
......
...
7
7
7
5
b1
b2
..
.
bn
bn Dann
1
(b1 D11 + b2 Da12 +
+ bn Da1n )
det C
3
2
b1 a12
a1n
6 b2 a22
a2n 7
1
7
6
x1 =
det 6 .
7
.
.
.
.
..
...... ...
det C
4 ..
5
bn an2
ann
2
3
b1 a12
a1n
6 b2 a22
a2n 7
6
7
det 6 .
7
.
.
.
.
..
...... ...
4 ..
5
bn an2
ann
2
3
x1 =
a11 a12
a1n
6 a21 a22
a2n 7
6
7
det 6 .
7
.
.
.
.
..
...... ...
4 ..
5
an2
+ bn Da1n
+ bn Da2n
..
.
x1 =
an1
b1
b2
..
.
a1n
a2n
..
.
ann
7
7
7
5
3
7
7
7
5
3
7
7
7
5
3
7
7
7
5
xi =
onde
6
6
Di = det 6
4
Di
D
a11
a21
..
.
b1
b2
..
.
a1n
a2n
..
.
an1
bn
ann
6
6
D = det 6
4
a11
a21
..
.
a12
a22
..
.
an1
an2
......
...
a1n
a2n
..
.
ann
3
7
7
7
5
3
7
7
7
5
1
10
1
10
=0
D1 = det
2
20
1
10
=0
D2 = det
1
10
2
20
=0
2x + y z = 0
20x + 20y 20z = 1
:
x+y z =0
2
3
2
1
1
20 5 = 0
D = det 4 20 20
1
1
1
34
0
D1 = det 4 1
0
2
2
D2 = det 4 20
1
2
2
D3 = det 4 20
1
Como D2 = 20 e D3 =
1
20
1
1
0
1
1
20
1
3
1
20 5 = 0
1
3
1
20 5 = 20
1
3
0
1 5= 1
0
1 o sistema incompatvel
1
D = det 4 1
1
1
1
1
1
1
1
A soluo
x1
x2
x3
0
1
1
1
1
1
3
1
1 5=
1
3
1
1 5= 4
1
3
1
1 5=2
1
3
0
1 5= 2
1
4
D1
=
=1
D
4
2
1
D2
=
=
D
4
2
D
2
1
=
=
D3
4
2
Captulo 2
ESPAOS VETORIAIS
2.1
Introduo
lgebra linear uma parte da lgebra que, por sua vez, um ramo da Matemtica
na qual so estudados matrizes, espaos vetoriais e transformaes lineares.
Todos esses itens servem para um estudo detalhado de sistemas lineares de
equaes.
Tanto a lgebra Linear como a Geometria Analtica aplicam-se a vrias reas,
em especial s Engenharias. Citamos, a seguir, alguma delas. claro que
neste curso no conseguiremos aborda-las todas. Contudo, nosso objetivo no
momento que o estudante tome contato com o que representa o estado da arte
neste contexto.
Jogos de Estratgia: no jogo de roleta o jogador d seu lance com uma
aposta e o cassino responde com o giro da roleta; o lucro para o jogador ou
para o cassino determinado a partir destes dois movimentos. Esses so os
ingredientes bsicos de uma variedade de jogos que contm elementos tanto
de estratgia quanto de acaso. Os mtodos matriciais podem ser usados para
desenvolver estratgias otimizadas para os jogadores.
Administrao de Florestas: o administrador de uma plantao de rvores de Natal quer plantar e cortar as rvores de uma maneira tal que a congurao da oresta permanea inalterada de um ano para outro. O administrador tambm procura maximizar os rendimentos, que dependem de nmero
e do tamanho das rvores cortadas. Tcnicas matriciais podem quanticar este
problema e auxiliar o administrador a escolher uma programao sustentvel de
corte.
Computao grca: uma das aplicaes mais teis da computao grca a do simulador de vo. As matrizes fornecem uma maneira conveniente
de lidar com a enorme quantidade de dados necessrios para construir e animar
36
37
38
39
pela funo
( f ) (x) = (f (x))
resultando num elemento de F (R):
Com relao a Mn (R) podemos somar duas matrizes quadradas de
ordem n,
A + B = (aij + bij )nxn
que um elemento de Mn (R):
Com relao multiplicao do escalar
pela matriz A 2 R
A = ( aij )nxn
o qual tambm 2 Mn (R):
O que estes dois exemplos acima, com a adio de seus elementos e
multiplicao de seus elementos por escalares, tm em comum?
Verica-se facilmente a partir das propriedades dos nmeros reais que,
com relao a quaisquer funes f , g e h em F (R) e para ; 2 R, so vlidos
os seguintes resultados:
1. f + g = g + f
2. f + (g + h) = (f + g) + h
3. Se g representa a funo nula ento f + g = f
4. f + ( f ) = 0
40
5.
( f) = (
)f
6. ( + )f = f + f
7.
(f + g) = f + g
8. 1f = f
Agora, com relao a quaisquer matrizes A; B; e C em Mn e para todo
2 R, tambm so vlidos os seguintes resultados:
1. A + B = B + A
2. A + (B + C) = (A + B) + C
3. Se 0 representa a matriz nula ento A + 0 = A
4. A + ( A) = 0
5.
( A) = (
)A
6. ( + )A = A + A
7.
(A + B) = A + B
8. 1A = A
Observamos que o conjunto das funes bem como o das matrizes, quando
munidos de soma e multiplicao por escalar, apresentam propriedades algbricas comuns. Existem muitos outros exemplos de conjuntos que apresentam as
mesmas propriedades acima. Para no estudarmos separadamente cada conjunto, estudaremos um conjunto genrico e no vazio, V , sobre o qual supomos
estar denidas as operaes de adio e multiplicao por escalar.
Denio 43 Um espao vetorial V um conjunto, cujos elementos so chamados vetores, no qual esto denidas duas operaes: a adio, que a cada par
de vetores, u e v 2 V faz corresponder um novo vetor denotado por u + v 2 V ,
chamado a soma de u e v, e a multiplicao por um nmero real, que a cada 2
R e a cada vetor v 2 V faz corresponder um vetor denotado por v, chamado
produto de por v. Estas operaes devem satisfazer, para quaisquer ; 2 R
e u, v e w 2 V as seguintes propriedades:
1. Comutatividade: u + v = v + u
2. Associatividade: (u + v) + w = u + (v + w)
3. Vetor nulo: existe um vetor nulo 0 2 V tal que v + 0 = v para todo v 2 V
4. Inverso aditivo: Para cada v 2 V existe
5. Distributividade: ( + )v = v + v
41
v 2 V tal que
v+v =0
6. (
7.
)v = ( v)
(u + v) = u + v
n 1
1x
+ an xn
ao ; a1 ; ::::; an
1 ; an
2R
u+ u
a1
c1
b1
d1
a2
c2
b2
d2
a1 + a2
c1 + c2
a1
c1
b1
d1
b1 + b 2
d1 + d2
=
a1
c1
b1
d1
um espao vetorial.
Soluo:
Como a adio a usual, ento todas as propriedades da adio sero satisfeitas. Se alguma propriedade falhar, ser na multiplicao por escalar, pois
esta no a usual.
a b
m n
Sejam A =
eB=
:
c d
o p
Vamos mostrar que falha a propriedade: ( + )A = A + A
a b
a
b+ b
(i) ( + )A = ( + )
=
c d
c+ c
d
a b
a b
a
b
a
b
2a
(ii) A+ A =
+
=
+
=
c d
c d
c d
c d
c+ c
Por (i) e (ii) conclumos que ( + )A 6= A + A: Logo V = M2 com as
operaes denidas acima no um espao vetorial.
2.2
Subespaos
V um subespao
1. se u , v 2 W ento u + v 2 W
2. se u 2 W ento u 2 W para todo
2 R:
b+ b
2d
um subespao
1. u + v = (0; x2 + y2; x3 + y3 ; x4 + y4 ; x5 + y5 ) 2 W
2.
x1 + y1 + z1 =
a b
c d
0
1
1
0
b
d
a
c
b
a
a
c
b
)W =
a
a b
Sejam u =
ev=
b a
a b
x y
u+v =
+
b a
y x
Logo A =
a
b
0
1
1
0
a b
c d
c
d
a
b
c
d)a=d
=
=
= d
= b)b=
a b
2 M2 a; b 2 R
b a
x y
y x
a+x b+y
=
=
b y a+x
45
a+x
b+y
2W
(b + y) a + x
a b
ka kb
=
2W
b a
kb ka
Como u + v 2 W e ku 2 W ) W um subespao vetorial de M2
ku = k
Exemplo 57 Verique se
espao vetorial de V = P3 .
W =
n
o
00
0
p(x) 2 P3 : p (2) + p (1) = 0 um sub-
Resoluo:
00
0
00
0
Sejam p(x); q(x) 2 W ) p (2) + p (1) = 0 e q (2) + q (1) = 0
Assim (p + q)(x) = p(x) + q(x) tal que
00
00
00
00
00
00
00
00
p (2) + p (1) = :0 = 0
e ento ( p)(x) 2 W:
Portanto W subespao vetorial de P3 :
2.3
x: Portanto W1 \ W2 = f(x; y; z) 2
3d
3d
W1 \ W2 = fp 2 P3 : p = a + 3dx
3dx2 + dx3 g
a b
c d
W1 =
a b
0 0
; a; b 2 R
W2 =
a 0
c 0
; a; c 2 R
W = W1 \ W2 um subespao de V , pois
W =
a 0
0 0
;a 2 R
y = 0g
47
2.4
Combinao Linear
v1 = (1; 2) v2 = (3; 4)
Exemplo 67 Verique se o vetor v = (3; 2; 1) pode ser escrito como uma combinao linear dos vetores v1 = (1; 1; 1); v2 = (1; 1; 1); v3 = (1; 1; 1):
Devemos vericar se existem nmeros a; b; c tais que v = av1 +bv2 +cv3 ;
ou seja,
(3; 2; 1) = a(1; 1; 1) + b(1; 1; 1) + c(1; 1; 1):
devemos ento resolver o sistema
2
1 1
41
1
1 1
32 3 2 3
1
a
3
1 5 4 b 5 = 425
1
c
1
= a1 + a2 (1 + x) + a3 (1 + x + x2 )
= (a1 + a2 + a3 ) + (a2 + a3 ) x + a3 x3
1 e a3 = 1:
2.5
49
0
0
0
L.I
0
0
0
que possui innitas solues ( grau de liberdade 1). Portanto alm da soluo
nula ( que todo sistema homogneo tem) este sistema possui outras solues
diferentes da soluo nula, logo o conjunto L.D.
Teorema 73 O conjunto fv1 ; v2 ; ::::::; vn g LD se, e somente se um dos vetores
do conjunto for uma combinao linear dos outros.
Exemplo 74 a) Seja V = R3 . Sejam v1 ; v2 2 V: O conjunto fv1 ; v2 g LD se
e somente se v1 e v2 estiverem na mesma reta que passa pela origem (um
vetor mltiplo do outro), v1 = v2 :
b) Em V = R2 ; e1 = (1; 0) e e2 = (0; 1) so LI, pois:
a1 e1 + a2 e2 = 0 =) a1 (1; 0) + a2 (0; 1) = (0; 0) =) (a1; a2 ) = (0; 0)
logo a1 = 0 e a2 = 0 portanto, e1 e e2 so LI.
Exemplo 75 No espao Vetorial M2 o conjunto:
1
3
A=
2
1
2
3
3
0
3
3
4
1
LD ?
Examinemos a equao:
a1
1
3
cuja soluo a1 =
LD.
2
1
+ a2
a3 e a2 =
a1 v1 + a2 v2 + a3 v3 = 0
2
3
3
0
+ a3
3
3
4
1
0
0
0
0
50
!
V e v 6= 0 , ento A LI.
2. Se um conjunto A
3. Se um conjunto A
2.6
Subespaos Gerados
v = a1 v1 + a2 v2 + :::: + an vn g
O subespao W diz-se gerado pelos vetores v1 ; v2 ; :::vn :; ou gerado pelo conjunto A, e representa-se por:
W = [v1 ; v2 ; :::vn :] ou W = G(A)
Os vetores v1 ; v2 ; :::vn :so chamados geradores do subespao W; enquanto A o conjunto gerador de W:
!
Para o caso particular de A = ?; dene-se [?] = f 0 g
A G(A), ou seja, f v1 ; v2 ; :::vn g [v1 ; v2 ; :::vn ]
Todo conjunto A
V gera um subespao vetorial de V , podendo ocorrer
G(A) = V . Nesse caso, A um conjunto gerador de V:
Exemplo 77 Os vetores i = (1; 0) e j = (0; 1) geram o espao vetorial R2 ,
pois, qualquer (x; y) 2 R2 combinao linear de i e j :
(x; y) = xi + yj = x(0; 1) + y(0; 1) = (x; 0) + (0; y) = (x; y)
Ento: [i; j] = R2 .
Exemplo 78 Seja V = R3 . Determinar o subespao gerado pelo vetor v1 =
(1; 2; 3):
Soluo: Temos:
[v1 ] = f(x; y; z) 2 R3 =(x; y; z) = a(1; 2; 3); a 2 Rg
Da igualdade: (x; y; z) = a(1; 2; 3) vem: x = a; y = 2a; z = 3a donde:
y = 2x e z = 3x logo ,
[v] = f(x; y; z) 2 R3 =y = 2x e z = 3xg ou [v1 ] = f(x; 2x; 3x); x 2 Rg:
51
p(t) = (a0
Ou seja, qualquer vetor (polinmio) de P3 pode ser escrito como uma combinao linear dos vetores do conjunto U . Logo P3 = [U ]:
Exemplo 80 Encontre o subespao vetorial gerado de M2 gerado por
1
0
G=
1
1
x y
z t
2
3
1
4
b 2 R tais que
A=
x
z
y
t
=a
1
0
1
1
+b
2
3
1
4
z =x+y e t=
Logo [G] =
x
x+y
y
5x+2y
3
5x + 2y
3
: x; y 2 R :
Resoluo:
52
1
1 0
1 1 C
C
0 1 A
3 1
1
a
B b C
C
X=B
@ c A2W
d
0
1
B 0
B
@ 0
0
0
1 1
1
B 0 1
3=2
B
@ 0 0
0
0 0
0
isto ,
B
X=B
@
1
B 2
() B
@ 3
0
1
2
0
0
1 0
3 1
0 0
0 0
10
0
B
1=2 C
CB
0 A@
0
c
2
3c
2
+
c
d
d
2
d
2
1 0 1
10
0
a
1
1 0
B b C B 0 C
0
1 1 C
C = B C ,;
CB
1
0 1 A@ c A @ 0 A
0
d
2 3 1
1 0 1
10
0
a
CB b C B 0 C
C B C
CB
A@ c A = @ 0 A ,
0
d
1 0 1
a
0
B 0 C
b C
a = 2c d2
C=B C,
d
c A @ 0 A
b = 3c
2 + 2
d
0
0
1
2
3
2
1
2
1
2
C
B
C
C
B
C
B
C
C = cB
A
@ 1 A + d@ 0 A
0
1
20 1 1 0 1 13
2
6B 3 C B 1 C7
B 2 C B 2 C7
portanto; W = 6
4@ 1 A ; @ 0 A5
0
1
2.7
Soma de Subespaos
v = w1 + w2 ; w1 2 W1 e w2 2 W2 g
um subespao de V:
Exemplo 83 W1 =
Ento W1 + W2 =
a b
e W2 =
0 0
a b
= M2 :
c d
0 0
c d
;onde a; b; c; d 2 R.
53
!
Proposio 85 Quando W1 \ W2 = f 0 g, ento W1 + W2 chamado soma
direta de W1 com W2 ; e denotado por W1 W2 :
Observao 86 Usando os geradores podemos obter uma caracterizao da
soma de dois subespaos: Sejam W e U subespaos de V; se W = [u1 ; :::; un ] e
U = [w1 ; :::; wm ] ento W + U = [u1 ; :::; un ; w1 ; :::; wm ]
Exemplo 87 Verique que R3 a soma direta de
W1 = f(x; y; z) 2 R3 ; x + y + z = 0g
e
W2 = f(x; y; z) 2 R3 ; x = y = 0g
Resoluo:
Note que W2 de fato um subespao vetorial de R3 (Verique)
Dado v 2 W1; v = (x; y; x y) e u 2 W2 ; u = (0; 0; z)
u + v = (x; y; x y + z) = R3
n!o
vamos mostrar que W1 \ W2 = 0 . Seja (x; y; z) 2 W1 \ W2 temos:
8
<
y+z =0
x=0
() (x; y; z) = (0; 0; 0)
y=0
(x; y; z) 2 R3 x + y + z = 0 ; e
(x; y; z) 2 R3 x + y = 0 e x
z=0
2.8
2.8.1
Um conjunto
1.
LI
2.
gera V
= fv1 ; v2 ; ::::::; vn g
54
Exemplo 89
1.
2.
x)( 1; 0)
x:
ao + a1 x + a2 x2 + ::::: + an xn = 0
ao + a1 x + a2 x2 + ::::: + an xn = 0 + 0x + 0x2 + ::::: + 0xn
=) a0 = a1 = ::::: = an = 0
portanto, LI.
gera o espao vetorial Pn, pois qualquer polinmio p 2 Pn pode ser escrito
assim:
p = ao + a1 x + a2 x2 + ::::: + an xn
que uma combinao linear de 1; x; x2 ; :::; xn .
Logo, uma base de Pn :Essa a base cannica de Pn e tem n + 1 vetores.
Exemplo 93 Encontre uma base para U + W onde
U
W
=
=
(x; y; z) 2 R3 x + y + z = 0
(x; y; z) 2 R
x+y =0 e x
e
z=0
32 3 2 3
0
1
a
0
1
15 4 b 5 = 405
1 1
c
0
2
3
2
3
1
0
1
0
1
1
1
15 ) A 1 = 41 2
15
A=4 0
1
1 1
1 1
1
2 3 2
32 3 2 3
a
0
1
1 0
0
4 b 5 = 41 2
1 5 405 = 405
c
1 1
1
0
0
logo o conjunto L.I e portanto. = f(1; 0; 1); (0; 1; 1); (1; 1; 1)g uma
base de U + W
1
40
1
=
=
(x; y; z) 2 R3 x
(x; y; z) 2 R
x+y
Se v = (x; y; z) 2 U )
y+z =0 e x
y=0 ; e
z=0ex
y+z =0
y=0
z=0
Se u = (x; y; z) 2 W )
W = [(1; 0; 1)]
Assim U +W = [(1; 1; 0; ); (1; 0; 1)] : Como o conjunto = f(1; 1; 0; ); (1; 0; 1)g
L.I ento ele uma base para U + W:
Como o conjunto = f(1; 0; 1); (0; 1; 1); (1; 1; 1)g LI (verique isto) e
gera o espao U + W ento ele uma base do espao U + W:
Exemplo 95 Dados:
U = fA 2 M2 (R); A = At g e
1
0
W =
1
1
em M2
a b
c d
, c = b portanto, A 2 U se existirem a1 ; a2 ; a3 2
R tais que
A = a1
1
0
0
0
0
1
+ a2
1
0
+ a3
0
0
0
0
0
0
0
1
1
0
0
1
0
1
2 R tal que
A=
, isto , se e somente se existir
1
1
2 R tal que
0
0
0
0
1
1
0
0
0
0
1
1
0
1
1
base de W , pois
LI e gera W:
Teorema 98 Sejam v1 ; v2 ; :::vn , vetores no nulos que geram um espao vetorial V . Ento, dentre estes vetores podemos extrair uma base de V .
Proposio 99 Seja um E.V V gerado por um conjunto nito de vetores
v1 ; v2 ; :::vn . Ento qualquer conjunto com mais de n vetores necessariamente
LD (e, portanto, qualquer conjunto LI tem no mximo n vetores).
Exemplo 100 Sejam U e W subespaos de V = M2 tal que U =
eW =
0
1
1
;
0
1
0
0
1
;
1
0
1
1
57
a b
c d
2 M2 : b + c = 0
Veja que no podemos excluir a ltima matriz e que existe uma relao
entre a 1a , 3a e 5a , ento devemos excluir uma dentre estas 3; e ainda a 2a est
relacionada com a 4a , ento temos que excluir uma das duas. Excluindo a 1a e
a 2a tem-se que
0 0
0
1
1 0
1
1
=
;
;
;
uma base para U + W:
0 1
1 0
0
1
0 1
2.8.2
Dimenso
n
o
00
0
Exemplo 109 Seja W = p(x) 2 P3 : p (2) + p (1) = 0 um subespao vetorial de P3 . Encontre uma base e a dimenso de W:
Resoluo:
Vamos ento encontrar uma base, comecemos pelos geradores de W :
00
0
Se p(x) = ax3 + bx2 + cx + d 2 W temos que p (2) + p (1) = 0:Ento como
0
00
0
p (1) = 3a + 2b + c
obtm-se de p (2) + p (1) = 0 que c = 15a 4b:
p00 (2) = 12a + 2b
Portanto p(x) 2 W da forma p(x) = a(x3 15x) + b(x2 4x) + d:
Logo W = x3 15x; x2 4x; 1 : Como esse conjunto LI (fcil de vericar), temos que uma base de W
= fx3
15x; x2
4x; 1g
e dim W = 3:
2.8.3
Se U e W
dim(U \ W ):
2.8.4
0
0
0
0
1
0
0
1
0
0
1
0
1
1
Coordenadas
[v] =
8
6
3
2
; [v] =
e [v] =
2
3
Exemplo 112 Mostre que os vetores (1; 1; 1); (0; 1; 1) e (0; 0; 1) formam uma
base de R3 . Encontre as coordenadas de (1; 2; 0) 2 R3 com relao base
formada pelos vetores acima.
Resoluo:
J sabemos que dim R3 = 3:Ento vericamos se os vetores acima so LI.
Os vetores so LI se a1 v1 + a2 v2 + a3 v3 = 0 , a1 = a2 = a3 = 0: Isto
equivalente a que o sistema:
8
a1 = 0
<
a1 + a2 = 0
:
a1 + a2 + a3 = 0
cuja soluo a1 = a2 = a3 = 0 , portanto, os vetores v1 ; v2 e v3 so LI.
(1; 2; 0) = a(1; 1; 1) + b(0; 1; 1) + c(0; 0; 1) = (a; a + b; a + b + c)
que equivalente ao sistema:
8
a=1
<
a+b=2
, a = 1; b = 1 e c =
:
a+b+c=0
. Desse
0 modo,
1 as coordenadas de (1; 2; 0) em relao base
1
[v] = @ 1 A
2
2.9
dado por
Mudana de Base
61
Nesta seo, vamos discutir o problema de mudar de um sistema de coordenadas para outro.
Sejam
= fu1;:::; un g e 0 = fw1; :::::; wn g duas bases ordenadas de um
mesmo espao vetorial V . Dado um vetor v 2 V , podemos escrev-lo como:
v
v
= x1 u1 + :::: + xn un
= y1 w1 + :::: + yn wn
(2.1)
62
8
w1 = a11 u1 + a21 u2 + :::: + an1 un
>
>
<
w2 = a12 u1 + a22 u2 + :::: + an2 un
:
>
>
:
wn = a1n u1 + a2n u2 + :::: + ann un
(2.2)
Em forma matricial
2
3 2
x1
a11
4 : 5=4 :
xn
an1
:
:
an2
temos a relao
a11
=4 :
an1
32
3
a1n
y1
: 54 : 5
ann
yn
:
:
an2
0
3
a1n
: 5
ann
0
para a base .
Compare [I] com (2.2) e observe que esta matriz obtida, colocando as
coordenadas em relao a de wi na i-sima coluna. Note que uma vez obtida
0
[I] podemos encontrar as coordenadas de qualquer vetor v em relao base
, multiplicando a matriz pelas coordenadas de v na base 0 (supostamente
conhecida).
Exemplo 113 Sejam = f(2; 1); (3; 4)g e 0 = f(1; 0); (0; 1)g bases de R2 .
0
Procuremos inicialmente [I]
w1 = (1; 0) = a11 (2; 1) + a21 (3; 4) = (2a11 + 3a21 ; a11 + 4a21 )
1
4
e a21 = 11
Isto implica que a11 = 11
w2 = (0; 1) = a12 (2; 1) + a22 (3; 4)
2
Resolvendo, a12 = 113 e a22 = 11
63
Portanto, [I]
=4
4
11
3
11
1
11
2
11
3
5
Resoluo:
(1; 0; 0) = a11 (1; 0; 1) + a21 (1; 1; 1) + a31 (1; 1; 2)
(0; 1; 0) = a12 (1; 0; 1) + a22 (1; 1; 1) + a32 (1; 1; 2) ,
(0; 0; 1) = a31 (1; 0; 1) + a23 (1; 1; 1) + a33 (1; 1; 2)
(a11 + a21 + a31; a21 + a31 ; a11 + a21 + 2a31 ) = (1; 0; 0)
(a12 + a22 + a32; a22 + a32 ; a12 + a22 + 2a32 ) = (0; 1; 0)
(a13 + a23 + a33; a23 + a33 ; a13 + a23 + 2a33 ) = (0; 0; 1)
Note que cada linha acima representa um sistema de trs equaes com trs
incgnitas e que a matriz associada a cada um destes sistemas a mesma e o
que muda so os nomes das variveis e o segundo membro. Utilizando como
variveis x; y e z ; basta resolvermos o seguinte sistema:
0
10
1 0
1
1 1 1
x
a
@ 0 1 1 A@ y A = @ b A
1 1 2
z
c
onde a; b; c 2 R. O sistema acima equivalente a
0
10
1 0
1
1 1 1
x
a
@ 0 1 1 A@ y A = @ b A
0 0 1
z
c a
2.10
= [I] 0 [v]
e [I]
so inversveis e
= [I]
) [I]
Ento
[I]
2
1
=
3
11
1
11
2
11
= 2; x; x2 + 1; x3
x e
3
4
=4
a partir de [I]
a base cannica
4
11
2
1
3
4
3
5
= 3; x + 1; x2 ; 3x3
a. Encontre [I] :
Escrevendo os elementos da base
:
2 = a:3 + b(x + 1) + cx2 + d( 3x3 )
x = e:3 + f (x + 1) + gx2 + h( 3x3 )
x2 + 1 = i:3 + j(x + 1) + lx2 + m( 3x3 )
x3 x = n:3 + o(x + 1) + px2 + q( 3x3 )
Rearranjando os termos direita de cada igualdade, temos:
2 = (3a + b) + bx + cx2 + 3dx3
x = (3e + f ) + f x + gx2 + 3hx3
x2 + 1 = (3i + j) + jx + lx2 + 3mx3
x3 x = (3n + o) + ox + px2 + 3qx3
Da, comparando
ambos os
0
1 lados das igualdades, obtm-se
2
3
B0
[I] = B
@0
0
1
3
1
0
0
1
3
0
1
0
1
3
1C
C
0 A
1
3
1
1
B2C
C
b. Encontre [p] sabendo que [p] = B
@ 1A :
4
65
B0
[p] = B
@0
0
1
2
1
0
0
1
2
0
1
0
10
0
B
3C
CB
A
0 @
3
1 0
1
1
3
B
C
2C
C = B 10C
A
@
1
1A
4
12
66
03
B0
=B
@0
0
1
2
1
0
0
1
2
0
1
0
1
0
3C
C
0A
3
2.11
2 R e u = (x; y) 2 R2 :
um espao vetorial.
2. Moste que R2 com as operaes denidas por:
i. (x; y) + (s; t) = (x + s; y + t); onde u = (x; y) e v = (s; t) pertencem a
R2
ii.
um espao vetorial .
3. Verique se em cada um dos itens abaixo o subconjunto W um subespao
do espao vetorial V: Se for, encontre uma base para cada subespao.
(a) V = R3 e W = f(x; y; z) 2 R3 : 2x + 3y
3
z = 0g
(b) V = R e W = f(x1 ; x2 ; x3 ) 2 R : x1 + x2 = 1g
(c) V = Pn e W = fp 2 Pn : p(0) = p(1)g
(d) V = M (2; 2) e S = fX 2 M2
matrizes singulares)
(e) V = M (2; 2) e F = fX 2 Mn
AX = XAg (F o conjunto das
matrizes que comutam com a matriz A)
(f) V = P3 e W o conjunto dos polinmios de grau 3 que passam
pelo ponto P (0; 0):
n
o
R1
(g) V = P1 e W = p(x) 2 P1 : 0 p(x)dx = 0
8
9
2
3
x y z
<
=
(h) V = R3 e W = (x; y; z) 2 R3 : det 4 1 2 15 = 0
:
;
0 1 1
(i) V = M2
e W = A 2 M2
: A2 = A
b=aed=
67
a : Verique se o subconjunto
R3
6. Verique se o conjunto W = f(1; 2; 3); (1; 3; 1); (0; 3; 1); (1; 4; 5)g
L.I ou L.D.
R3 , extrair
7. Dado o conjunto W = f(1; 1; 3); (1; 2; 1); (0; 1; 3); (1; 4; 5)g
um subconjunto de vetores L.I.
(b) Exiba uma base para [v1 ; v2 ; v3 ; v4 ] : Qual a dimenso deste espao?
(c) [v1 ; v2 ; v3 ; v4 ] = R4 ? Por qu?
11. Qual o subespao gerado pelas matrizes
1
1
1
0
;
0
1
0
1
0
0
2
1
a b
a b
= a+b+c=0 e W =
= b + 2d = 0
c d
c d
dois subespaos vetoriais de M2 : Determine os geradores de U \ W:
12. Sejam U =
a
c
b
d
com a; b; c; d 2 R e b = c e a =
68
a b
com a; b; c; d 2 R e b = d
c d
Em caso armativo, determine:
i) uma base para W1 \ W2
(b) V =
20. Sejam U = [(1; 0; 0); (1; 1; 1)] e V = [(0; 1; 0); (0; 0; 1)] subespaos gerados
do R3 : Determine:
(a) uma base e a dimenso de U \ W:
(b) U + W = R3 ?
a b
2 M (2; 2) : a + b = c + d = 0
c d
69
ii. [I]
iii. [I]
iv. [I]
ii.
iii.
iv.
3:
1
1
1
0
1
1
1
1
0
0
1
0
1
0
1
0
1
11
;
;
1
0
d = 0 . Sejam
1
0
0
0
31. Seja
1
0
sabendo que
3
0
15
1
uma base para um subespao
tambm uma base para um
= fv1 ; v2 ; v3 g para a
=1
71
(b) A matriz
1
0
1 1
0 0
0
;
;
1 0
1 1
0
!
!
!
!
u
v; v
w e
2
1
(d) W = [(1; 2; 0); (2; 4; 0)] um plano no R3 que passa pela origem.
(e) Se = f!
v 1; !
v 2; !
v 3 g uma base de um espao vetorial V , ento o
conjunto A = f!
v +!
v ;!
v +!
v ;!
v +!
v +!
v g lineramente
1
independente.
72
Captulo 3
TRANSFORMAES
LINEARES
Denio 117 Sejam V e W dois espaos vetoriais. Uma Transformao Linear (aplicao linear) uma funo de V em W; T : V ! W; que satisfaz as
seguintes condies:
Qualquer que sejam u e v em V ,
T (u + v) = T (u) + T (v)
Qualquer que sejam k 2 R e v em V ,
T (kv) = kT (v)
Exemplo 118 : Um agricultor planta e comercializa trs tipos de verduras:
Tomate, Batata, Cenoura. Sejam x1 ; x2 ; x3 as quantidades em quilos de Tomate, Batata, Cenoura respectivamente. Se o agricultor vende o quilo do tomate a R$ 2; 00;da batata a R$ 1; 50 e da cenoura a R$ 1; 90 ento o total de
vendas (TV ) dado por 2x1 + 1; 5x2 + 1; 9x3 . A aplicao que a cada tripla
(x1 ; x2 ; x3 ) 2 R3 associa o total de vendas TV (x1 ; x2 ; x3 ) uma aplicao linear.
Matematicamente temos uma transformao linear do E.V R3 no E.V R :
TV
TV (x1 ; x2 ; x3 )
: R3 ! R
= (2x1 + 1; 5x2 + 1; 9x3 )
Vamos agora mostrar que de fato esta aplicao uma transformao linear
Chamando u = (x1 ; x2 ; x3 ) 2 R3 ; v = (y1 ; y2 ; y3 ) 2 R3 e k 2 R temos:
73
i)
TV (u + v)
=
=
=
=
=
TV ((x1 ; x2 ; x3 ) + (y1 ; y2 ; y3 ))
TV (x1 + y1 ; x2 + y2 ; x3 + y3 )
2(x1 + y1 ) + 1; 5(x2 + y2 ) + 1; 9(x3 + y3 )
2x1 + 1; 5x2 + 1; 9x3 + 2y1 + 1; 5y2 + 1; 9y3
(2x1 + 1; 5x2 + 1; 9x3 ) + (2y1 + 1; 5y2 + 1; 9y3 )
=
=
=
=
=
TV (k(x1 ; x2 ; x3 ))
TV (kx1 ; kx2 ; kx3 )
2kx1 + 1; 5kx2 + 1; 9kx3
k (2x1 + 1; 5x2 + 1; 9x3 )
kT (u)
Logo TV (ku) = kTV (u): De i) e ii) vemos que TV uma transformao linear.
Exemplo 119 . Sejam V = R; W = R e F : R ! R dado F (u) = u2 . A
aplicao F no uma transformao linear pois:
F (u + v) = (u + v)2 = u2 + 2uv + v 2
F (u) + F (v) = u2 + v 2
F (u + v) 6= F (u) + F (v)
Exemplo 120 T : R2 ! R3 ; T (x; y) = (2x; 0; x + y)
T uma transformao linear pois,
i)
T (u + v)
=
=
=
=
=
=
T ((x1 ; y1 ) + (x2 ; y2 ))
T (x1 + x2 ; y1 + y2 )
(2(x1 + x2 ); 0; (x1 + x2 ) + (y1 + y2 ))
(2x1 + 2x2 ; 0 + 0; (x1 + y1 ) + (x2 + y2 ))
(2x1 ; 0; x1 + y1 ) + (2x2 ; 0; x2 + y2 )
T (u) + T (v)
74
ii)
T (ku)
=
=
=
=
T (k(x1 ; y1 ))
T (kx1 ; ky1 )
(2kx1 ; 0; kx1 + ky1 )
k (2x1 ; 0; x1 + y1 )
kT (u)
: Pn ! Pn
= f0
a aplicao derivada que a cada polinmio associa sua derivada, a qual tambm
um polinmio uma aplicao linear. De fato, para quaisquer f; g 2 Pn e
k 2 R;
i)
D(f + g)
= (f + g)
= f 0 + g0
= D(f ) + D(g)
ii)
D(kf )
= (kf )0
= kf 0
= kD(f )
: Pn ! Pn+1
= xp(x) = a0 x + a1 x2 + a2 x3 + : : : + an xn+1
: Pn ! Pn
2
n
= p(ax + b) = a0 + a1 (ax + b) + a2 (ax + b) + : : : + an (ax + b)
75
: Rn ! R
= hv; v0 i
: C(R) ! R
= f (0)
T
T
a b
c d
M2 ! M2
a+b b+c
=
c+d d+a
a1
c1
b1
d1
a2
c2
b2
d2
a1 + a2
c1 + c2
= T
b1 + b 2
d1 + d2
a1 + a2 + b1 + b2
c1 + c2 + d1 + d2
b1 + b2 + c1 + c2
d1 + d2 + a1 + a2
a1 + b1
c1 + d1
= T
76
a1
c1
b1 + c1
d1 + a1
b1
d1
+T
a2 + b2
c2 + d2
a2
c2
b2
d2
b2 + c2
d2 + a1 + a2
a b
c d
= T
ka kb
kc kd
ka + kb
kc + kd
=
= k
= kT
a+b
c+d
kb + kc
kd + ka
b+c
d+a
a b
c d
: Mn ! R
= det(A)
3.1
=
=
=
=
=
=
a(1; 0) + b(1; 1)
(x y)(1; 0) + y(1; 1)
T ((x y)(1; 0) + y(1; 1))
(x y)T (1; 0) + yT (1; 1)
(x y)(2; 1; 0) + y(0; 0; 1)
(2x 2y; x + y; y)
77
1
0
0
0
= x4 + x
0
0
1
0
= x3 + x2
0
1
0
0
= x2 + x3
0
0
0
1
= x + x4
Soluo
Uma matriz A 2 M2 da forma A =
a b
c d
T
= aT
1
0
0
0
+b
=T
1
0
=a
a b
c d
1
0
0
0
+ bT
0
0
0
0
0
0
1
0
0
0
+b
1
0
a b
: Podemos escrever:
c d
0 0
0 0
+c
+d
, portanto
1 0
0 1
+ cT
1
0
0
1
+c
0
1
0
0
0
0
+d
+ dT
0
0
0
1
0
0
0
1
a b
c d
= a x4 + x + b x3 + x2 + c x2 + x3 + d x + x4
a b
c d
78
Soluo: a) Para que u 2 Im(T ) deve existir algum v = (x; y) tal que
T (v) = u, ou seja, T (x; y) = (1; 2); temos ento:
(2x
T (x; y) = (1; 2)
y; 10x + y) = (1; 2)
2x y = 1
10x + y = 2
(2x
T (x; y) = ( 1; 2)
y; 10x + y) = ( 1; 2)
2x y = 1
10x + y = 2
1
8
ey=
3
4
= (2x y z; x y z; x + y z)
= x(2; 1; 1) + y( 1; 1; 1) + z( 1; 1; 1)
!
Exemplo 137 Seja T : V ! W , dada por T (v) = 0 : Neste caso todo vetor de
V levado no vetor nulo pela transformao T; assim temos que Ker(T ) = V
Exemplo 138 Seja T : R3 ! R3 a projeo ortogonal sobre o plano xy:
Neste caso temos T (x; y; z) = (x; y; 0): Se T (x; y; z) = (0; 0; 0) ) (x; y; z) =
(0; 0; 0) ) x = 0 e y = 0: Como nada dito sobre a varivel z, temos que z
qualquer, logo Ker(T ) = (0; 0; z) 2 R3
z 2 R ; ou seja o ncleo de T so
todos os vetores que esto sobre o eixo z:
T
T (x; y; z; t)
: R4 ! R3
= (x + y + z
t; 2x + z
t; 2y
t)
3
..
1
1
1 . 0 7
7
.
2
1 1 .. 0 7
5
..
0
1 0 . 0
o sistema compatvel e indeterminado
80
8
< x+y+z t=0
2y z + t = 0
:
z=0
x = y
z = 0
t = 2y
y 2 R = [(1; 1; 0; 2)]
Encontre o Ncleo de T:
Soluo: Projetar um vetor sobre uma reta o mesmo que encontrar a
projeo ortogonal sobre o vetor diretor dessa mesma reta. No nosso caso, o
vetor diretor u = (2; 2; 1); logo
T (v)
v:u
u
u:u
(x; y; z):(2; 2; 1)
(2; 2; 1)
(2; 2; 1):(2; 2; 1)
2x 2y + z
(2; 2; 1)
9
4x + 4y 2z 2x
4x 4y + 2z
;
;
9
9
= proju v =
T (x; y; z)
T (x; y; z)
T (x; y; z)
2y + z
9
T (x; y; z) =
4x
4y + 2z
;
9
4x + 4y
9
4x 4y + 2z
4x + 4y 2z
2x 2y + z
81
2z 2x
;
= 0
= 0
= 0
2y + z
9
= (0; 0; 0)
4
4 4
2
4
4
2
3
2
2
4
2 5 , fazendo o escalonamento temos 4 0
1
0
4x
2z
z
4
0
0
3
2
0 5 ; assim
0
4y + 2z = 0
0 = 0
0 = 0
=
=
4x + 4y
2x + 2y
3.2
3.2.1
3
x1
6
7
v = 4 ... 5
xn
83
LA (v)
= A:v
2
a11
6 ..
= 4 .
3
32
x1
a1n
.. 7 6 .. 7
..
LA (v)
.
. 54 . 5
xn
am1
amn
2
3
31
02
a11 x1 +
a1n xn
x1
6
7
7C
B6
..
LA @4 ... 5A = 4
5
.
am1 x1 +
+ amn xn
xn
1
A=4 2
0
1
0
2
1
1
0
3
1
1 5
1
Observe que a matriz A tem ordem 3 4 e portanto ela induzir uma transformao linear de R4 para R3 , denida por:
02
x
B6 y
6
LA B
@4 z
t
R4 ! R3
2
1 1 1
1
7C
7C = 4 2 0 1
1
5A
0 2 0
1
2
x+y+z t
= 4 2x + z t
2y t
LA
31
3
x
7
6
56 y 7
4 z 5
t
3
3
Note que a transformao acima est escrita em forma matricial, mas podemos
escreve-la tambm na forma vetorial que estamos acostumados:
LA (x; y; z; t) = (x + y + z
t; 2x + z
t; 2y
t)
T
T (x; y; z)
: R3 ! R2
= (10x 20y
84
30z; x
2y
3z)
Encontre a matriz da transformao T (Isto , encontre a matriz A cuja transformao associada a ela exatamente a transformao T )
Soluo: Passando da forma vetorial para a forma matricial temos:
02
31
x
T @4 y 5A =
z
=
10x
x
20y 30z
2y 3z
10
1
20
2
30
3
10
1
20
2
3
x
4 y 5
z
30
3
amn
podemos associar
TA
; vn g e
= fw1 ; w2 ;
3
7
5
: R n ! Rm
v ! TA (v)
ento
3
x1
6
7
X = [v] = 4 ... 5
xn
2
32
3 2
a11
a1n
x1
6
.. 7 6 .. 7 = 6
..
A:X = 4 ...
.
. 54 . 5 4
am1
amn
xn
TA (v) = y1 w1 +
85
+ ym wm
3
y1
.. 7
. 5
ym
; wm g ;
3.2.2
T (vn )
a11 w1
..
.
am1 wm
..
.
a1n w1
+ amn wm
amn
3
a11
a1n
6
.. 7 a transforObservao 152 Note que se A = [T ] 0 = 4 ...
. 5
am1
amn
mao linear T passa a ser a transformao linear associada matriz A e
bases e 0 , iste , T = TA
Exemplo 153 Seja T : R3 ! R2 tal que T (x; y; z) = (2x + y
Sejam = f(1; 1; 1); (1; 1; 0); (1; 0; 0)g e
Procuremos [T ] 0
T (x; y; z) = (2x + y z; 3x 2y + 4z)
z; 3x
2y + 4z):
c+d=3
3c + 4d = 1
e+f =2
3e + 4f = 3
b=
1 ;
c = 11
;
86
d=
e=5
f=
[T ]
3
1
11
8
5
3
base de W e
[v]
Denio 155 Dada uma base e tranformao linear T : V ! V denotaremos a matriz [T ] apenas por [T ] e ela ser chamada de matriz de T em relao
a base :
Denio 156 Seja T : Rn ! Rn uma transformao linear e
a base
cannica de Rn ; ento a matriz de T em relao a base cannica ; [T ] ; ser
denotada simplesmente por [T ] :
Exemplo 157 Seja T : P2 ! P2 denido por T (p(x)) = p(3x
a matriz de T em relao a base = 1; x; x2
5): Determine
Devemos calcular [T ] = [T ]
T (p) = p(3x 5)
T (a0 + a1 x + a2 x2 ) = a0 + a1 (3x 5) + a2 (3x 5)2
T (a0 + a1 x + a2 x2 ) = a0 + 3a1 x 5a1 + a2 (9x2 30x + 25)
T (a0 + a1 x + a2 x2 ) = (a0 5a1 + 25a2 ) + (3a1 30a2 )x + 9a2 x2
1
[T ] = 4 0
0
5
3
0
3
25
30 5
9
87
a) Determine [T ] , [T ]
2 3
1
b) Se [v] = 4 1 5 determine [T (v)] :
1
c) Calcule a multiplicao das matrizes: [T ] [T ] : Que concluso voc pode
tirar em relao as duas matrizes, ou que relao h entre as duas matrizes?
Soluo: a) Clculo de [T ]
T (x; y; z) = (2x
3y
2z; x
z; 2x
y + z)
T (1; 0; 0) = 2; 1; 2 = a1 ( 1; 1; 0) + b1 ( 1; 0; 1) + c1 (0; 1; 1)
1; 0; 1 = a2 ( 1; 1; 0) + b2 ( 1; 0; 1) + c2 (0; 1; 1)
T (1; 1; 0) =
3;
1; 2 = a3 ( 1; 1; 0) + b3 ( 1; 0; 1) + c3 (0; 1; 1)
T (1; 1; 1) =
Devemos resolver os tres sistemas resultantes: Denotando por A a matriz
dos coecientes
do sistema,temos:
3
2 1
2
3
1
1
1
1 0
2
2
2
1
1 5
1 5 ) A 1 = 4 12
A=4 1 0
2
2
1
1
1
0
1
1
2
2
2
Vamos
resolver
os
sistemas
matriz inversa:
3
2 1 3
2
3
2
2 3 2 por
3
1
1
1
a1
2
2
2
2
2
2
1
1 54
4 b1 5 = A 1 4 1 5 = 4 1
1 5 = 4 32 5
2
2
2
1
1
1
1
2
2
c1
2
2
2
2
3 2 1
3 2
3
2
2
32
3
1
1
1
a2
1
1
2
2
2
1
1 54
4 b2 5 = A 1 4 0 5 = 4 1
0 5=4 0 5
2
2
2
1
1
1
1
1
1
c2
2
2
2
2
3 2 1
3
2
32
3 2
3
1
1
3
a3
3
3
2
2
2
1
1 54
4 b3 5 = A 1 4 1 5 = 4 1
1 5=4 0 5
2
2
2
1
1
1
c3
2
2
2
2
2
2
Logo
[T ] = 4
1
2
3
2
1
2
1
0
1
3
3
0 5
2
[T (v)]
[T ]
2
= 4
2
= 4
[v]
1
2
3
2
1
2
7
2
3
2
7
2
3
5
88
1
0
1
32 3
3
1
0 54 1 5
1
2
c) Faa voc este item e tire suas concluses. Mais adiante voce poder
vericar se suas concluses estavam corretas.
Teorema 159 Seja T : V ! W uma transformao linear e
e W; respectivamente. Ento
bases de V
posto [T ]
dim Im(T )
posto de [T ]
dim Ker(T )
p (0) 2p(1)
00
0
p (3)
0
1 0
;
uma
1
0 1
= 1; x; x2
1
0
;
0
1
a) Determine [T ] :
b) Determine uma base para N (T ):
c) Determine uma base para Im(T ):
d) T injetora? E sobrejetora? Justique.
SOLUO:
a)
Note que T (a + bx + cx2 )
Determinando [T ]
b 2a + 2b + 2c
0
2c
T (1)
0
0
2
1
=a
0
0
1
0
+b
0
0
1
0
+c
0
1
0
1
+d
1
0
0
1
T (x)
1
0
2
1
=e
0
0
1
0
+f
0
0
1
0
+g
0
1
0
1
+h
1
0
0
1
0 2
1
=i
0 2
0
2
3
0 1
2
62 1 4 7
7
= 6
40 0 0 5
0 0 2
1
0
+j
0
0
1
0
+l
0
1
0
1
+m
1
0
0
1
T (x2 )
Logo, [T ]
b)
Seja p(x)
b 2a + 2b + 2c
0
2c
Logo, p(x)
2
=
=
N (T ) ) T (p(x)) =
0
0
0
0
0
0
0
)a=b=c=0
0
0 + 0x + 0x2 2 N (T ) ) N (T ) = f0g
89
c) Seja A 2 Im(T ) ) A =
c
b 2a + 2b + 2c
0
2c
= a
0
0
2
1
+b
0
0
2
+
0
0 2
0 2
Portanto,
0 2
1 2
0 2
;
;
0 0
0 0
0 2
Como os geradores da Im(T ) formam um conjunto L:I: (Verique!) tem-se
que
0 2
1 2
0 2
;
;
uma base para Im(T ):
0 0
0 0
0 2
d) T injetora pois N (T ) = f0g; mas no sobrejetora pois dim Im(T ) =
3 6= dim M (2; 2)
Im(T ) =
3.3
: V !U
= T2 (T1 (v))
=
=
=
=
=
x; y
x) e T2 : R3 ! R;
x)
90
Proof.
T1
T2
T1(v)
Base
T2(T1(v))
Base
Base
0
0
= [IW
IV ]
0
0
= [IW ] 0 [T ] [IV ]
3.4
Se existe a
= [T ]
5
=4 2
1
2
1
0
3
4
1 5
1
T
T (T
(x; y; z)
= I(x; y; z) = (x; y; z)
m + 2n + 2s = x
m + n + 3s = y
m + 2n + s = z
92
2
1
41
1
3
2
2 x
1
escalonando
40
3 y5
=)
1 z
0
2
1
2
s = x
n = x
m = x
3
2
x
1 x y5
1 x z
2
1
0
z
y + x z = 2x y z
2(2x y z) 2(x z) =
5x + 2y + 4z
Logo
T
(x; y; z) = ( 5x + 2y + 4z; 2x
z; x
z)
1
0
1
0
= (1; 1; 0); T
1
0
1
2
= (0; 1; 1) e T
0
0
1
1
= (1; 1; 1)
e, seja
x
0
y
z
=a
1
0
1
0
obtemos o sistema:
8
< a+b=x
a+b c=y
:
2b + c = z
realizando o escalonamento
2
1
40
0
+b
1
0
1
2
2
1 1
=) 41 1
0 2
+c
0
0
1
1
3
0 j x
1 j y5
1 j z
da matriz encontramos:
3
0 0 j 3x 2y z
x+y+z 5
1 0 j
2
0 1 j
x y
x y
0 z
x y
0 z
x y
0 z
3x
y z
x+y+z
1 1
1 1
T 1
+
T 1
+ (x y) T
0 0
0 2
2
2
x+y+z
3x y z
(1; 1; 0) +
(0; 1; 1) + (x y) (1; 1; 1)
2
2
5x 3y z
3x 3y z
; y;
; que a transformao procurada.
2
2
93
0
0
1
1
Matricialmente, temos:
[T ]
25
2
= 40
3
2
94
3
2
1
3
2
1
2
0 5
1
2
3.5
1.
a b
c d
= (a + b; 0)
a b
c d
y)
! det
a b
c d
a b
c d
= a + dt
00
1
1
1
;
1
T (0; 1) =
1
1
1
1
(a) N (T )
(b) N (T ) \ Im(T )
(c) N (T ) + Im(T )
(b) Enconte uma base para Ker(T ) e uma base para Im(T ):
3
2
1 0
(c) Encontre uma base de <3 tal que [T ] = 40 05
0 1
x + x2 no pertence ao N (T );
2
1
3
pertence Im(T ):
1
xg
y = 2x
z :
a + (b + c)x + (c
= 2; 2 + x; 2 + x2 ; 2 + x3 base de P3
b
d
d)x2 + dx3
21. Se A 2 Rn
a
c
inversvel ento:
97
(e) T : R4 ! R3 com N (T ) = [(1; 0; 0; 0); (0; 1; 0; 0)] e Im(T ) = [(1; 1; 2); (2; 2; 4)]:
2
0
1
1
(a) T (u) = 2u
(b) T (v) =
G)
G)
98
(d) F
27. Seja T : <3 ! <3 o operador linear denido por T (x; y; z) = (3x; x
y; 2x + y + z): Mostre que (T 2 I) (T 2 9I) = 0:
28. Sejam R; S; T tres transformaes lineares de
2
3
2
1 0 1
2 1
1
[R] = 4 2 1 1 5 e
[S] = 4 3
0
1 1
1
2
encontre T tal que R = S
T:
R3 em R3 : Se
3
1
2 5;
0
T )(3 + 2x
x2 )
T ):
99
Captulo 4
OPERADORES
LINEARES
Denio 175 Uma transformao linear T : V ! V chamada de operador
linear.
Observao 176 Todas as propriedades j vistas para transformaes lineares
em geral vale para um operador linear
4.1
: R2 ! R2
=
(x; y)
Geometricamente, para
> 0 temos:
T
T (x; y)
: R2 ! R 2
= (x + y; y)
Matricialmente
x
y
1
0
Geometricamente:
101
x
y
T
T (x; y)
: R2 ! R2
= (x; x + y)
Matricialmente
x
y
0
1
x
y
Geometricamente:
d) Reexo na origem
T
T (x; y)
: R2 ! R2
= ( x; y)
Matricialmente
x
y
1
0
Geometricamente:
102
0
1
x
y
Denio 179 Exemplo 180 Determinar o operdor linear que a projeo sobre a reta y = 6x
103
A reta y =
= proju v
u v
u
T (v) =
u u
(1; 6) (x; y)
T (x; y) =
(1; 6)
(1; 6) (1; 6)
x 6y 6x + 36y
;
T (x; y) =
37
37
f ) Reexo atravs de uma reta no plano
Denio 181
Denimos como sendo Reexo atravs da reta r; que
passa pela origem, a transformao linear T : R2 ! R2 tal que jT (v)j = jvj e
proju v = proju T (v) onde u o vetor diretor da reta r:
104
: R2 ! R2
= (x; y)
Matricialmente
x
y
1
0
Geometricamente:
105
0
1
x
y
: R2 ! R2
= ( x; y)
Matricialmente
x
y
1
0
Geometricamente:
106
0
1
x
y
: R2 ! R2
= (y; x)
Matricialmente
x
y
0
1
Geometricamente:
107
1
0
x
y
: R2 ! R2
= ( y; x)
Matricialmente
x
y
0
1
Geometricamente:
108
1
0
x
y
g) Rotao de um ngulo
Denimos Rotao no plano de um ngulo a transformao T : R2 ! R2
tal que jT (v)j = jvj e o ngulo entre os vetores T (v) e v :
Geometricamente
109
: R2 ! R2
= (x0 ; y 0 )
Quando rotacionamos um vetor, pela prpria denio de rotao, o comprimento (mdulo) do vetor no se altera. Seja r = jvj ; onde v = (x; y):
Da gura acima e usando relaes trigonomtricas temos;
x0 = r cos( + ) = r cos cos
r sin sin
Mas
r cos
r sin
= x
= y
ento
x0 = x cos
y sin
Analogamente
y0
y0
Assim
110
R (x; y) = (x cos
Matricialmente
x
cos
sin
x
!
y
sin
cos
y
Podemos ver neste caso que matriz de uma rotao :
[R ] =
cos
sin
sin
cos
Transformaes no Espao
a) Reexo atravs de uma reta no espao
Denio 182 Denimos como sendo Reexo atravs da reta r; que passa
pela origem, no espao a transformao linear T : R3 ! R3 tal que jT (v)j = jvj
e proju v = proju T (v) onde u o vetor diretor da reta r:
Geometricamente
3
2
x
1
4 y 5 !4 0
z
0
2
: R3 ! R3
= (x; y; z)
0
1
0
112
32
3
0
x
0 54 y 5
1
z
: R3 ! R3
= ( x; y; z)
3
2
x
1
4 y 5 !4 0
z
0
0
1
0
T
T (x; y; z)
Matricialmente
32
3
0
x
0 54 y 5
1
z
: R3 ! R3
= ( x; y; z)
3
2
x
1
4 y 5 !4 0
z
0
32
3
0 0
x
1 0 54 y 5
0 1
z
Denio 183 Denimos Reexo atravs de um plano, que passa pela origem,
no espao ao operador linear T : R3 ! R3 tal que jT (v)j = jvj e projn v =
projn T (v); onde n o vetor normal do plano.
113
2p
: R3 ! R3
= (x; y; z)
114
Matricialmente
2
Geometricamente
3
2
x
1
4 y 5 !4 0
z
0
0
1
0
32
3
0
x
0 54 y 5
1
z
R3 ! R3
(x; y; z)
32
3
0
x
0 54 y 5
1
z
: R3 ! R3
= ( x; y; z)
Matricialmente
2
c)
3
2
x
1
4 y 5 !4 0
z
0
Reexo no origem
T
T (x; y; z)
32
3
0 0
x
1 0 54 y 5
0 1
z
: R3 ! R3
= ( x; y; z)
115
Matricialmente
2
3
2
x
1
4 y 5 !4 0
z
0
0
1
0
Geometricamente
32
3
0
x
0 54 y 5
1
z
d) Rotao no Espao.
Denio 184 Denimos Rotao de um ngulo em torno de um eixo coordenado c ao operador linear T : R3 ! R3 tal que jT (v)j = jvj e o ngulo
entre a projeo de v no plano ortogonal a c e a projeo de T (v) no plano
ortogonal a c o ngulo medido no sentido anti-horrio a partir da projeo
de v no plano ortogonal a c:
116
= projeo de v no plano xy
= projeo de T (v) no plano xy
117
T (x; y; z) = (x0 ; y 0 ; z 0 )
Observe que z 0 = z
Como jT (v)j = jvj ento jpj = jqj : Alm disso o vetor q obtido pela
rotao do vetor p no plano xy por um ngulo , ou seja, q = R (p). Como j
visto em rotao no plano ( item g) de Transformaes no plano) temos que
x0
y0
= x cos
y sin
= x sin + y cos
Portanto
T
T (x; y; z)
: R3 ! R3
= (x cos
y sin ; x sin + y cos ; z)
118
Matricialmente
2
3 2
32
3
x
cos
sin
0
x
4 y 5 = 4 sin
cos
0 54 y 5
z
0
0
1
z
2
3
cos
sin
0
cos
0 5
[T ]Z = 4 sin
0
0
1
T (x; y; z) = (x0 ; y 0 ; z 0 )
Como a rotao em torno do eixo y temos y 0 = y: No plano xz vemos que
o vetor q obtido a partir do vetor p pela rotao do ngulo no SENTIDO
HORRIO.
119
cos
sin
sin
cos
cos
sin
sin
cos
cos
sin
x0
z0
sin
cos
x0
z0
1
x
z
x
z
= x cos + z sin
= z cos
x sin
T (x; y; z) = (x0 ; y 0 ; z 0 )
T (x; y; z) = (x cos + z sin ; y; x sin + z cos )
Matricialmente:
cos
[T ]Y = 4 0
sin
120
3
0 sin
1
0 5
0 cos
Exemplo
185p Determinar o ngulo formado entre v e T (v) quando o vetor
p
p
v = ( 2p32 ; 42 ; 22 ) gira em torno do eixo z de um ngulo 2 rad
Soluo:
[T (v)]
[T (v)]
[T (v)]
cos 2
= 4 sin 2
0
2
0:0
= 4 1:0
0:0
2 p
6
= 4
2
p4
p3
2p 2
2
2
sin 2
cos 2
0
1:0
0:0
0:0
30
32
0
6
0 54
1
32 p
p
p3
2p 2
2
p4
2
2
p3
2p 2
2
p4
2
2
0:0
6
0:0 5 4
1:0
30
30
7
5
7
5
7
5
4.2
v T (v)
1
=
jvj jT (v)j
2
= arccos 12 =
121
[T ]
: Quando
= fv1 ; : : : ; vn g
: V ! V linear T
[T ]
e portanto T
[T ]
= T
inversvel se e somente se det [T ] 6= 0.
=
1
[R ]
=4
[R ]
Note que [R ]
R 2 ! R2
x
y
cos
sin
sin
cos
sin
cos2 +sin2
cos
cos2 +sin2
sin
cos2 +sin2
cos
cos2 +sin2
cos
sin
3
5
sin
cos
!
R
cos
sin
sin
cos
x
y
x cos + y sin
y cos
x sin
x sin )
1
3
1
3
1
3
1
3
1
3
1
3
det [T ] = 0
7
7
7
7
5
[T ]
[T ]
S(v)
2p
S(x; y)
S(x; y)
cos 4
sin 4
p
1
2 p2
1
2 2
sin 4
cos 4
p
1
2p 2
1
2 2
v
(x; y) (1; 2)
(1; 2)
(1; 2) (1; 2)
3x 4y 4x + 3y
;
5
5
123
(x; y)
[S] =
[R]
= [S] [T ]
[R]
[R]
R(x; y) =
4.3
3
5
4
5
3
4
5
5
4
3
5
5
p
7
10 p2
1
10 2
p
7 2
x
10
4
5
3
5
1
2 p2
1
2 2
p
1
10p 2
7
10 2
2
y;
10
1
2p 2
1
2 2
p !
2
7 2
x+
y
10
10
; vn g de V orto-
1; i = j
0; i 6= j
A matriz da transformao T
2
cos
[T ] = 4 sin
0
sin
cos
0
3
0
05
1
124
Exemplo 194 Seja T : R2 ! R2 onde T (x; :y) = (2x 2y; 2x + 5y): A matriz
de T
2
2
[T ] =
2 5
Como a matriz de T simtrica, ento T um operador auto-adjunto.
Teorema 195 Seja T : Rn ! Rn linear. Se T um operador auto-adjunto
ento
T (v) w = v T (w); 8v; w 2 Rn
Teorema 196 Seja T : Rn ! Rn linear. Ento so equivalentes as seguintes
armaes
a) T ortogonal
b) T preserva o produto escalar, isto , T (v) T (w) = v w; 8v; w 2 R
c) T preserva o mdulo, isto , jT (v)j = jvj
d) T transforma bases ortonornais em bases ortonormais. Isto , se
fv1; v2 ; : : : ; vn g uma base ortonornal ento fT (v1 ); T (v2 ); : : : ; T (vn )g uma
base ortonornal
125
4.4
BA; onde B2
uma
1
0
1
; encontre uma base para N (T ) e uma base
3
para Im(T ):
3. Seja T a reexo no origem dada por
: R3 ! R3
= ( x; y; z)
T
T (x; y; z)
Determine a inversa T
da transformao T:
126
9. No p
plano, uma rotao anti-horria de 450 seguida por uma dilatao
de 3: Ache a aplicao A que representa esta transformao do plano.
10. Analise se a seguinte armao verdadeira ou falsa: "Se T : R2 ! R2
uma rotao de um ngulo (em sentido anti-horrio) em torno da origem,
seguida de uma dilatao de fator 3 ento T 1 uma contrao de fator
1
em torno da origem".
3 seguida de uma rotao de um ngulo
11. Encontre a transformao linear T : R2 ! R2 denida pela rotao de
6 (sentido anti-horrio) seguida de uma reexo atravs da reta y = 2x:
A seguir, faa um esboo da Im(T ) se a transformao T for aplicada ao
retngulo de vrtices (0; 0); (1; 0); (1; 2) e (0; 2):
12. Seja T : R3 ! R3 a projeo de vetor v no plano x + y + z = 0: Encontre
T (x; y; z):
13. Seja L : R3 ! R3 onde L a reexo atravs do plano x + y + z = 0:
Encontre L(x; y; z):
14. Seja A : R3 ! R3 onde L a rotao de 2 em torno do eixo z seguida de
uma rotao de 3 do em torno do eixo y: Encontre A(x; y; z):
15. Seja A uma matriz de ordem n xada. Seja T : Mn ! Mn denida por
T (N ) = AN N A: Mostre que T no inversvel.
16. Encontre a transformao linear T : R3 ! R3
(x; y; z) 2 R3 y = 2x z
3
1
1
17. Determine se a transformao T (x; y) = ( 23 x
2 y; 2 x + 2 y) uma
transformao auto-adjunta ou ortogonal. Justique sua resposta.
p
p
p
p
1
1
1
18. O operador linear T (x; y; z) = ( 21 2x
2 2z; y; 2 2x
2 2z) a
rotao de um ngulo em torno do eixo y. Determine o valor do ngulo
:
do operador T
127
Captulo 5
AUTOVALORES E
AUTOVETORES
Dado um operador linear T : V ! V; estamos interessados em saber quais
vetores so levados em um mltiplo de si mesmo; isto , procuramos um vetor
v 2 V e um escalar 2 R tais que T (v) = v: Neste caso T (v) ser um vetor
de mesma direo que v: Por vetor de mesma direo estaremos entendendo
!
vetores sobre a mesma reta suporte. Como v = 0 satisfaz a equao para todo
!
; estaremos interessados em determinar vetores v 6= 0 satisfazendo a condio
acima.
Denio 197 Seja T : V ! V , um operador linear. Se existirem v 2 V;
!
v 6= 0 ; e 2 R tais que T (v) = v, um autovalor de T e v um autovetor
de T associado a :
Observe que
=k
Exemplo 199
T : R2 ! R2 (Reexo no eixo x)
T (x; y) = (x; y)
Neste caso observamos que os vetores que sero levados em mltiplos dele
mesmo sero os vetores que esto no eixo x, pois v = (x; 0) ) T (v) = T (x; 0) =
(x; 0) = v: Os vetores que esto no eixo y tambm so levados em mltiplos
de si mesmo pois estes vetores tem a forma w = (0; y) ) T (w) = T (0; y) =
(0; y) = 1(0; y): Podemos concluir ento que os vetores do tipo v = (x; 0) so
autovetores associados ao autovalor 1 = 1 e os vetores da forma w = (0; y) so
autovetores associados a 2 = 1, da tranformao linear reexo no eixo x:
128
Exemplo 200
R 2 : R2 ! R2 (Rotao de um ngulo
2)
R 2 (x; y) = ( y; x)
5.1
5.1.1
Polinmio Caracterstico.
Seja a matriz
129
6
6
A=6
4
a11
a21
..
.
a12
a22
::::::::
::::::::
am1
am2
::::::::
a1n
a2n
..
.
7
7
7
5
amn
6
6
v=6
4
x1
x2
..
.
x3
3
7
7
7
5
Av
(A
Av
Av
Iv
I)v
=
v
=
Iv
!
= 0
!
= 0
Fazendo
am2
temos o sistema
6
6
B=6
4
::::::::
a11
a21
..
.
amn
a12
a22
am1
am2
::::::::
::::::::
::::::::
32
76
76
76
54
x1
x2
..
.
x3
7 6
7 6
7=6
5 4
a1n
a2n
..
.
amn
!
B v= 0
0
0
..
.
0
3
7
7
7
5
7
7
7
5
!
Este sistema um sistema homogneo e possui ao menos a soluo v = 0 : Mas
!
como estamos procurando autovetores, queremos encontrar vetores v 6= 0 que
!
!
satisfaam a equao B v = 0 : Sendo assim queremos que o sistema B v = 0
seja compatvel e indeterminado ( tenha alm da soluo trivial, outras solues
no triviais). Pela regra de Cramer se det B = 0 ento o sistema homogneo
ter innitas solues. Assim, a nica maneira de encontrarmos autovetores v
!
(solues no nulas da equao B v = 0 ) termos det B = 0; ou seja,
det(A
I) = 0
p( ) = det(A
um polinmio em
I) =
a11
a21
..
.
a12
a22
::::::::
::::::::
am1
am2
::::::::
de grau n:
130
a1n
a2n
..
.
amn
A=
4
2
Soluo
p( ) = det(A
I) = det
4
1
= (2
)( 3
)+4 =
+
2
p( ) = 0 ) 2 +
2 = 0 ) 1 = 1 e 2 = 2:
Necessitamos calcular os autovetores de A e para isso basta resolvermos o
sistema:
Av = v
x
onde v =
e cada um dos autovalores j encontrados.
y
Para 1 = 1 temos
3
1
3
4
2
x
y
x
y
0
0
4
1
4
1
x
y
0
0
1
1
x
y
4 j 0
1 j 0
escalonando
)
4
0
4 j 0
0 j 0
4x + 4y = 0 ) y = x
( 2)
1
4
2
x
y
4
( 2)
x
y
0
0
1
1
x
y
0
0
4
4
131
x
y
4 j 0
4 j 0
escalonando
)
1
0
4 j 0
0 j 0
x
4
Portando os autovalores associados ao autovalor 1 = 2 so da forma v =
(x; x4 ) = x(1; 14 ) e assim podemos concluir que o subespao associado ao autovalor 2 = 2 V 2 = (1; 14 ) :
x + 4y = 0 ) y =
Da gura acima vemos que para obtermos a projeo sobre o plano devemos
inicialmente fazer a projeo do vetor v na direo do vetor normal n para obter
o vetor p = projn v:Com isso temos,
T (v) + p = v
T (v) = v
T (v) = v
132
p
projn v
T (v)
= projn v
v n
n
=
n n
(x; y; z) (1; 1; 1)
=
(1; 1; 1)
(1; 1; 1) (1; 1; 1)
x+y z
=
(1; 1; 1)
3
x+y z x+y z
x+y z
=
;
;
3
3
3
= v
T (x; y; z)
T (x; y; z)
p
x+y z x+y z
x+y
;
;
3
3
3
2x y + z
x + 2y + z x + y + 2z
;
;
3
3
3
(x; y; z)
1
3
2
3
1
3
1
3
1
3
2
3
p( ) = det([T ]
22
6
6
det 6
6
4
I) = 0
1
3
1
3
p( ) =
1
3
2
3
1
3
1
3
1
3
3
+2
7
7
7
7
5
2
3
2
7
7
7=0
7
5
=0
As raizes de p( ) so 1 = 2 = 0 e 3 = 1:
Para 1 = 0 vamos calcular os autovalores associados resolvendo o sistema.
2 2
32
3 2 3
1
1
x
0
3
3
3
2
1 54
4 1
y 5=4 0 5
3
3
3
1
1
2
z
0
3
3
3
133
3
2
3
1
3
3
1
3
2
3
3
2 2
j 0
3
escalonando
4 0
j 0 5
=)
0
j 0
2
3x
2x
1
2y
1
3y
1
3
1
2
3
j 0
j 0 5
j 0
1
3
1
2
+ 13 z = 0
+
=0
1
2z
y+z =0
y+z =0
e ento:
y =
x =
z
z
= 0 so da forma v =
Observao 208 Note que acima damos a forma geral dos autovetores, no
caso acima temos v = x( 1; 1; 1) assim um autovetor v = ( 1; 1; 1) como
todo autovetor um mltiplo de v = ( 1; 1; 1) temos que V0 = [( 1; 1; 1)],
isto , o subespao associado ao autovalor 1 = 0 gerado pelo vetor v =
( 1; 1; 1): Note que geometricamente o subespao V0 = [( 1; 1; 1)] formado
pelos vetores que so mltiplos do vetor normal ao plano, ou seja, por todos os
vetores ortogonais ao plano.
Para
sistema.
2
4
2
3
1
3
1
3
2
4
2
4
1
3
1
3
1
3
1
3
1
3
1
3
1
3
2
3
1
1
3
2
3
1
3
1
3
1
3
1
3
1
3
1
3
2
4
1
3
1
3
1
3
1
3
1
3
1
3
1
3
1
3
32
3
x
54 y 5 =
z
1
32
3
1
x
3
1 54
y 5 =
3
1
z
3
1
3
1
3
1
3
1
3
1
3
1
3
3
5
1
3
5 escalonando 4 0
=)
0
134
3
0
4 0 5
0
2 3
0
4 0 5
0
1
3
0
0
1
3
0 5
0
1
1
1
x
y + z = 0 =) x = y + z
3
3
3
Portanto os autovalores associados ao autovalor 2 = 3 = 1 so da forma
v = ( y + z; y; z) = y( 1; 1; 0) + z(1; 0; 1): Logo V2 = [( 1; 1; 0)] e V3 =
[(1; 0; 1)].
Exemplo 209 Encontre todos os autovalores e autovetores do operador linear
T : P2 ! P2 denido por T (a + bx + cx2 ) = 2c + (a + 2b + c)x + (a + 3c)x2 .
Soluo: A matriz que representa o
2
0
[T ] = 41
1
Para obtermos uma soluo no nula para este sistema devemos impor:
det([T ]
I) =
(2
)(3
) + 2(2
)=0
135
= 2:
5.1.2
Matrizes Semelhantes
temos que
1
[T ] = [I] [T ]
[I]
Chamando [I] = A :
[T ] = A [T ] A
De fato:
Pelo conceito de matriz de uma transformao linear podemos escrever:
[T (v)] = [T ] [v]
(I)
[T (v)] = [T ] [v]
(II)
e
Sendo [I] a matriz mudana de base de
para ; tem-se:
[T ] [I] [v]
[T ] [I]
; podemos escvrever
1
[T ] = [I] [T ]
[I]
5.2
Diagonalizao de Operadores
Nosso objetivo aqui ser encontrar uma base do espao vetorial V na qual a
matriz de um determinado operador linear T : V ! V seja a mais simples
possvel. Veremos que a melhor situao possvel aquela em que conseguimos
uma matriz diagonal associada a um operador.
Dado um operador linear T : V ! V , nosso objetivo conseguir uma base
, para V , na qual a matriz do operador nesta base ([T ] ) seja uma matriz
diagonal. Esta a forma mais simples de se representar um operador e a base
, nesse caso, uma base cujos vetores so autovetores de T . Observemos
inicialmente o exemplo que segue.
Exemplo 212 Seja T : R2 ! R2 o operador linear denido por T (x; y) =
3 4
( 3x + 4y; x + 2y); cuja matriz, em relao base cannica [T ] =
:
1 2
Seus autovalores so 1 = 1 e 2 = 2 com autovetores associados v1 = (1; 1)
e v2 = (4; 1), respectivamente. Notemos que os autovetores formam uma base
de R2 . Seja, ento, = f(1; 1); (4; 1)g a base de R2 formada pelos autovetores
de T e encontremos [T ] . Para tal, aplicamos T em cada vetor da base e
escrevemos a imagem obtida como combinao linear dos vetores da base :
T (1; 1) = (1; 1) = a(1; 1) + b(4; 1) = 1(1; 1) + 0(4; 1)
T (4; 1) = ( 8; 2) = c(1; 1) + d(4; 1) = 0(1; 1) 2(4; 1)
1 0
Assim, [T ] =
:
0
2
Notemos que [T ] uma matriz diagonal e representa o operador T na base
de autovetores.
Na verdade, quando a base de autovetores existe, a matriz que representa
um operador linear nesta base ser sempre uma matriz diagonal que, como j
citado, a forma mais simples de se representar o operador. O problema, ento,
saber em que condies a base de autovetores existe, pois veremos adiante que
em muitos casos tal base no existe.
Consideremos, para elucidar o problema citado, as propriedades que seguem:
Propriedades
Propriedade 1: Autovetores associados a autovalores distintos so linearmente
independentes.
Proof. Exerccio!
Propriedade 2: Se T : V ! V um operador linear tal que dim V = n e
T possui n autovalores distintos, ento o conjunto = fv1 ; v2 ; : : : ; vn g;
formado pelos correspondentes autovetores, uma base de V:
Em outras palavras, se conseguirmos encontrar tantos autovalores distintos
quanto for a dimenso do espao, podemos garantir a existncia de uma base
de autovetores.
137
Denio 213 Seja T : V ! V um operador linear. Dizemos que T um operador diagonalizvel se existe uma base de V cujos elementos so autovetores
de T:
Neste caso, a matriz que representa T na base
elementos so autovalores de T , ou seja,
2
0 :::
1
60
:::
2
6
[T ] = 6 .
.
.. . . .
4 ..
0
:::
3
7
7
7
5
= Av1 = ( 1; 4; 1)
= Av2 = (2; 2; 2)
= Av3 = (3; 6; 3)
Ento:
( 1; 4; 1) = a( 1; 4; 1) + b( 1; 1; 1) + c(1; 2; 1)
(2; 2; 2) = d( 1; 4; 1) + e( 1; 1; 1) + f (1; 2; 1)
(3; 6; 3) = g( 1; 4; 1) + h( 1; 1; 1) + i(1; 2; 1)
Dessa forma, temos
2
1
D = 40
0
0
2
0
138
3
0
05 = [T ]
3
3
3
Exemplo 215
2 Considere
3 agora o operador T : R ! R , representado pela
4 2 0
matriz A = 4 1 1 05 :
0 1 2
Autovalores e autovetores de A :
1 = 2 = 2 ) v1 = (0; 0; z) = z(0; 0; 1)
3 = 3 ) v3 = ( 2; 1; 1)
Observe que A no pode ser diagonalizada, pois no possvel encontrar
uma base de autovetores para o R3 ; s possvel obter dois autovetores L.I.
5.2.1
Matriz Diagonalizadora
AP
1
Exemplo 216 Sendo possvel, encontre a matriz que diagonaliza A = 4 3
3
3
5
3
Soluo:
Temos que determinar uma matriz inversvel P e uma matriz diagonal D tal
que D = P 1 AP: Vamos seguir os seguintes passos:
Passo1: Determinar aos autovalores de A:
2
3
1
3
3
5
3 5=
det(A
I) = 0 ) det 4 3
3
3
1
Os autovalores so 1 = 2 = 2 e 3 = 1
+4=0
139
3
3
35 :
1
2
1
4 3
3
32 3 2 3
3
x
0
3 5 4y 5 = 405
1
z
0
3
5
3
obteremos:
Para = 2 uma base para o subespao associado v1 = ( 1; 1; 0) e
v2 = ( 1; 0; 1)
Para = 1 uma base para o subespao associado v3 = (1; 1; 1)
Note que fv1 ; v2 ; v3 g linearmente independente. (Verique)
Passo 3: Monte P a partir dos vetores
2
1
P = v1 v2 v3 = 4 1
0
do passo 2:
3
1 1
0
15
1
1
essencial que a ordem dos autovalores seja igual ordem escolhida para
as colunas de P:
3
2
2 0 0
2 05
D=4 0
0
0 1
Passo 25: Verique 3
que
2 D=P
1
3
3
1
1
5
35 4 1
0
AP = 4 3
3
3
1
0
1
2
32
1
1 1
2 0
0
15 4 0
2
PD = 4 1
0
1
1
0
0
AP3 ou2que
1
2
15 = 4 2
1
0
3 2
0
2
05 = 4 2
1
0
AP = P D:
3
2
1
0
15
2 1
3
2
1
0
15
2 1
Proof. Exerccio.
2
3
2
3 7
1 5 tem autovalores 1 = 2;
Exemplo 218 A matriz A = 40 5
0 0
1
1: Como esses so trs autovalores distintos de uma matriz 3
3 =
diagonalizvel.
=5e
3, A
5
60
A=6
41
1
0
5
4
2
0
0
3
0
3
0
07
7
05
3
Soluo:
Vamos
I) = 0 para3encontrar os autovalores de A:
2 calcular det(A
5
0
0
0
6 0
5
0
0 7
1 = 2 =5
7=0)
det 6
4 1
3
4
3
0 5
3 = 4 =
1
2
0
3
= 5 e = 3, ambos tem multiplicidade 2:
Calculando
os autovetores por meio
2 3 homogneo:
3 2do3 sistema
2
0
x
5
0
0
0
7 6y 7 607
6 0
5
0
0
76 7 = 6 7
6
4 1
4
3
0 5 4 z 5 405
0
t
1
2
0
3
obtemos
Para = 5 uma base para o subespao associado v1 = ( 8; 4; 1; 0) e
v2 = ( 16; 4; 0; 1):
Para = 3 uma base para o subespao associado v3 = (0; 0; 1; 0) e
v4 = (0; 0; 0; 0; 1):
Note que para ambos os autovalores a multiplicidade algbrica igual a
multiplicidade geomtrica, logo pelo teorema anterior, conclumos que A diagonalizvel.
2
3
8
16 0 0
64
4
0 07
7eD=
Ento existe P tal que A = P 1 DP; onde P = 6
41
0
1 05
0
1
0 1
2
3
5 0 0
0
60 5 0
07
6
7:
40 0
3 05
0 0 0
3
5.3
ento
Av = v:
Multiplicando por A ambos os lados da igualdade, tem-se
2
A2 v = A v = (Av) =
v:
v=
(Av) =
v:
k
(A:A:A:::::A
{z
})Av = (A:A:A:::::A
{z
}) v =) A v =
|
|
k 1 vezes
v;
k 1 vezes
= A:A:A:::::A
= P DP 1 : P DP
= PD P
1
1
P D P
: P DP
P D::::: P
::::: P DP
1
P DP
= P Dk P
142
:::
k
n
2
1
onde A = 40
0
2
2
0
3
8
0 5:
2
Ento,
A20
= P D20 P
2
1
= 40
0
2
1
= 40
0
699 050
1048 576
0
3 2 20
1
1
0 5:4 0
0
1
0
3
2796 200
5
0
1048 576
2
3
8
3
143
0
20
( 2)
0
3 2
0
1
0 5 : 40
20
0
( 2)
2
3
1
0
8
3
05
1
5.4
y + 2z; 2x + y
z)
2. Encontre os
2
1
a) A = 4 0
0
das matrizes
2
0
12
0
0
2
0
1
3
1 0
0 1 7
7:
3 0 5
0 0
Essa transformao T
a) dada por T (x; y) = ( x; y):
b) tem autovetor (0; 1) com autovetor associado igual a 2:
c) tem autovetor (2; 0) com autovetor associado igual a 1:
d) tem autovetor de multiplicidade 2:
e) no inversvel.
4. Construa uma matriz 2x2 no diagonal com autovalores 1 e
1 :
1
1
= 2;
1
0
0
0
e v4 =
0
1
4
0
associados aos autovalores
1
a b
= 0; respectivamente. Determine T
c d
0
0
; v2 =
0
0
1
= 1;
1
,
0
1;
10. Dada a transformao linear T : <2 ! <2 que a projeo sobre a reta
y = x2 . Encontre os autovalores e autovetores da transformao T:
11. Considere P1 = conjunto dos polinmios de grau
1.
= 0
18. A matriz A =
4
0
0
1
: Deter-
1
1
1
2
e
4
1
1
3
(b)
3
6
1
e
2
1
1
2
0
I eB
I so semelhantes.
eB
so semelhantes.
23. Seja T o operador linear em R3 denido por T (x; y; z) = (2y+z; x 4y; 3x)
e considere a base usual do R3 e a base = f(1; 1; 1); (1; 1; 0); (1; 0; 0)g:
(a) Mostre que as matrizes [T ] e [T ] so semelhantes.
(b) T inversvel? Se for determine a lei que dene T
4y; 4x +
5
1
2
1
(b) A = 4 1
0
2
2
60
(c) A = 6
40
0
1
3
3
2 1
3 15
2 2
1
2
0
0
0
1
3
0
3
1
17
7
25
3
0
2 k
28. Determine o valor de k para que a matriz A = @0 2
0 0
lizvel.
1
0
1A seja diagona3
0
2
7
3
0
0
3
11
8 7
7
4 5
2
1
:
1
147
Sabendo que
= fv1 ; v2 ;
6
6
; vn g e que [v] = 6
4
1
2
..
.
n
7
7
7 ; determinar [T (v)] :
5
(f) Se u e v so autovetores de A associados, respectivamente, aos autovaloes distintos 1 e 2 ; ento u + v um autovetor de A associado
ao autovalor 1 + 2 :
ALGUMAS RESPOSTAS
12. Para calcular os autovalores de A; basta determinar as razes do polinmio
p( ) = det(A
I):Para calcular os autovalores de AT ; basta determinar
as razes do polinmio p( ) = det(AT
I): Portanto basta vericar que
det(AT
I) = det(A
I):
148
Captulo 6
PRODUTO INTERNO
Estamos interessados neste captulo em formalizar os conceitos de comprimento
de um vetor e de ngulo entre dois vetores. Esses conceitos permitiro uma
melhor compreenso do que seja uma base ortogonal e uma base ortonormal em
um espao vetorial e, principalmente, nos daro a noo de "medida"que nos
leva a precisar conceitos como o de rea, volume, distncia, etc...
Consideremos inicialmente o plano R2 , munido de um referencial cartesiano
ortogonal (eixos perpendiculares) e um ponto P (x; y). Vamos calcular a distncia do ponto P origem O(0; 0).
k(x; y)k = x2 + y 2 :
Se, ao invs de trabalharmos no R2 , estivssemos trabalhando no R3 (munidos de um referencial cartesiano ortogonal), teramos encontrado uma expresso similar para o produto escalar:
149
h(x1 ; y1 ; z1 ); (x2 ; y2 ; z2 )i = x1 x2 + y1 y2 + z1 z2
e a mesma relao com a norma de um vetor v = (x; y; z)
p
p
kvk = x2 + y 2 + z 2 = hv; vi
p
p
(x + y cos )2 + (y sin )2 = x2 + (2 cos )xy + y 2
d. hku; vi = k hu; vi ; 8 k 2 R
Exemplo 226 V = R2 ; f ((x1 ; y1 ); (x2 ; y2 )) = 2x1 x2 + 5y1 y2 um produto
interno sobre o R2 :
Para mostrar a veracidade da armao devemos provar as propriedades
da denio de produto Interno. Sejam, ento, u = (x1 ; y1 ); v = (x2 ; y2 ) e
w = (x3 ; y3 ) e k 2 R :
a. hu; ui = h(x1 ; y1 ); (x2 ; y2 )i = 2x21 + 5y12 > 0 e hu; ui = 0 ) 2x21 + 5y12 = 0 ,
x1 = 0 ou y1 = 0 , u = (0; 0):
b. hu; vi = h(x1 ; y1 ); (x2 ; y2 )i = 2x1 x2 + 5y1 y2 = 2x2 x1 + 5y2 y1 = hv; ui
c. hu + v; wi = h(x1 + x2 ; y1 + y2 ); (x3 ; y3 )i = 2(x1 + x2 )x3 + 5(y1 + y2 )y3
= (2x1 x3 + 5y1 y3 ) + (2x2 x3 + 5y2 y3 )
= hu; wi + hv; wi
d. hku; vi = h(kx1 ; ky1 ); (x2 ; y2 )i = 2kx1 x2 + 5ky1 y2 = k(2x1 x2 + 5y1 y2 ) =
k hu; vi
Exemplo 227 Verique que hu; vi = 3x1 y1 x1 y2
(x1 ; x2 ); v = (y1 ; y2 ) um produto interno em R2 :
x2 y1 + x2 y2 onde u =
x1 y2
x2 y1 + x2 y2 = 3y1 x1
x1 z2
x2 z1 + x2 z2 ) + (3y1 z1
y 1 z2
(x1 + y1 )z2
y2 x1
(x2 +
y 2 z1 + y 2 z 2 )
= hu; wi + hv; wi
d. hku; vi = h(kx1 ; kx2 ); (y1 ; y2 )i = 3kx1 y1
= k(3x1 y1
x1 y2
kx1 y2
kx2 y1 + kx2 y2
x2 y1 + x2 y2 ) = k hu; vi
151
Nota: Quando no h referncia sobre o produto interno denido num espao vetorial V , entendemos que sobre ele ca denido o produto interno usual.
Exemplo 230 Seja V = P2 ; p = a0 + a1 x + a2 x2 e q = b0 + b1 x + b2 x2 vetores
quaisquer de P2 : A frmula
hp; qi = a0 b0 + a1 b1 + a2 b2
hf; gi =
f (x)g(x)dx
n
X
aii
i=1
1
3
2
4
1
3
152
0
2
1
3
2
4
= tr
e B =
8
10
6
8
1
3
0
: Ento,
2
= 16:
6.1
vk
1+4+9=
14;
14
kuk kvk
153
kuk kvk :
jhu; vij
kuk kvk
hu; vi
kuk kvk
ou, equivalentemente,
hu; vi
kuk kvk
1
Como 0
; ento
cos
cos =
6.2
1:
1; da,
hu; vi
e0
kuk kvk
Ortogonalidade
0
1
1
3
eB=
1
0
hA; Bi = tr(AT B) = tr
Exemplo 244 Seja hp; qi =
2
R1
x e q = x ento x ; x
q = x3 so ortogonais em P2 :
0
0
3
0
0
so ortogonais, pois
0
=0
154
6.2.1
6.2.2
Base ortogonal
6.2.3
Base ortonormal
0; i 6= j
1; i = j
Exerccio 248 A partir do conjunto f(1; 2; 3); (3; 0; 1); (1; 5; 3)g obtenha
uma base ortonormal para o R3 :
155
6.2.4
Teorema 249 Se
= fv1 ; v2 ; : : : ; vn g uma base ortonormal de um espao
com produto interno V e v 2 V; ento
v = hv; v1 i v1 + hv; v2 i v2 + : : : + hv; vn i vn
Proof. Como
escrever
(1; 1; 1)
(1; 1; 1)
[v]
(0; 1; 0)
2 3
1
= 4 51 5
1
5
4
3
; 0;
5
5
4
3
; 0;
5
5
3
4
; 0;
5
5
3
4
; 0;
5
5
4
3
; 0;
5
5
7 3
4
+
; 0;
5 5
5
7
5
6.2.5
Se
= fv1 ; v2 ; : : : ; vn g base ortogonal de um espao com produto interno
V;ento a normalizao de cada um desses vetores produz a base ortonormal
0
v1
v2
vn
=
;
;:::;
.
kv1 k kv2 k
kvn k
156
v;
ou,
v1
kv1 k
v1
v2
+ v;
kv1 k
kv2 k
u=
hv; v1 i
2
kv1 k
v1 +
v2
vn
+ : : : + v;
kv2 k
kvn k
hv; v2 i
2
kv2 k
v2 + : : : +
hv; vn i
2
kvn k
vn
kvn k
vn
Exerccio 251 Expresse o vetor 13; 21 ; 4; 32 como combinao linear dos vetores v1 = (1; 2; 3; 4) ; v2 = (2; 1; 4; 3) ; v3 = ( 3; 4; 1; 2) e v4 = (4; 3; 2; 1):
6.3
Complementos Ortogonais
x = z + 2t
y =z+t
= W:
6.4
Projees Ortogonais
Vamos agora desenvolver alguns resultados que sero teis para construir bases
ortogonais e ortonormais de espaos com produto interno.
geometricamente evidente em R2 e R3 que se W uma reta ou um plano
pela origem, ento cada vetor u do espao pode ser escrito como uma soma
u = w1 + w2
onde w1 est em W e w2 perpendicular a W:
u
O
w2
W
w1
w2
w1
Teorema 255 Seja V um espao vetorial com produto interno denido e seja
W um subespao de V:
a. Se
b. Se
hu; v1 i
2
kv1 k
v1 +
hu; v2 i
kv2 k
v2 + : : : +
158
4
3
5 ; 0; 5
hu; vn i
2
kvn k
vn
um subespao de V:
Note que
= (0; 1; 0);
u
projW
4
3
5 ; 0; 5
= hu; v1 i v1 + hu; v2 i v2
4
3
1
; 0;
= 1(0; 1; 0)
5
5
5
4
3
=
; 1;
25
25
6.5
u
projW
= (1; 1; 1)
3
25
4
; 1;
25
21
28
; 0;
25
25
v2 = u2
hu2 ; v1 i
u2
projW
= u2
1
kv1 k
v1
v 2 = u 2 proj u2 W1
u2
W1
v1
proj u2 W1
v3 = u3
u3
projW
= u3
2
159
hu3 ; v1 i
2
kv1 k
v1
hu3; v2 i
kv2 k
v2
v3 = u 3 projW2
u3
u3
v2
y
v1
projW2
u3
1
2
2
Logo os vetores acima no formam uma base ortogonal, portanto temos que
usar o processo de Gram-Schmidt para transformar em uma base ortogonal e em
seguida, normalizar estes vetores, obtendo assim a base ortonormal procurada.
Passo 1. Fixe v1 = u1 = (1; 0; 1; 0)
Passo 2. v2 = u2
1
; 1;
2
u2
projW
= u2
1
1
;0
2
Passo 3. v3 = u3
u3
projW
= u3
2
= (0; 0; 2; 1) + (1; 0; 1; 0) +
2
3
hu2 ; v1 i
v1 = (0; 1; 1; 0)
hu3 ; v1 i
hu3 ; v2 i
kv1 k
kv1 k
1
; 1;
2
v1
1
;0
2
kv2 k
1
2 (1; 0;
1; 0) =
v2 =
2 2 2
; ; ;1
3 3 3
1
1
2 2 2
; 1;
;0 ;
; ; ;1
base ortogonal
2
2
3 3 3
para R4 : Normalizemos estes vetores para obter a base ortonormal = fq1 ; q2 ; q3 g :
Logo,
(1; 0; 1; 0);
160
v1
(1; 0; 1; 0)
1
1
p
=
= p ; 0; p ; 0
kv1 k
2
2
!
p
p2 p
p
v2
2
1
1
6
6
6
q2 =
=p
; 1;
;0 =
;
;
;0
kv2 k
2
2
6
3
6
3
v3
2 2 2
2
2
3
3
2
q3 =
=p
; ; ;1 = p ; p ; p ; p
kv3 k
22 3 3 3
22
22
22
22
q1 =
6.6
Fatorao QR
un
hu1 ; q1 i
6 hu1 ; q2 i
6
[u1 j u2 j : : : j un ] = [q1 j q2 j : : : j qn ] 6
..
4
.
hu1 ; qn i
hu2 ; q1 i
hu2 ; q2 i
..
.
:::
:::
..
.
3
hun ; q1 i
hun ; q2 i 7
7
7
..
5
.
hu2 ; qn i : : : hun ; qn i
A = QR
No entanto, uma propriedade de processo de Gram-Schmidt que, para
j > 2; o vetor qj ortogonal a u1 ; u2 ; : : : ; uj 1 ; assim, todas as entradas abaixo
da diagonal principal de R so nulas,
161
3
2
hu1 ; q1 i hu2 ; q1 i : : : hun ; q1 i
6 0
hu2 ; q2 i : : : hun ; q2 i 7
6
7
R=6
7
..
..
..
..
4
5
.
.
.
.
0
0
: : : hun ; qn i
6
6
6 0 7
6 p 7
6 6 7
4 p6 5
6
3
1
6 1
6
de modo que 4
1
1
6.6.1
1
2
3 2
2 2
6
1 27
7=6
6
0 15 4
1 2
1
2
1
2
1
2
1
2
p
3 5
10
p
3 5
10
p
5
10
p
5
10
Q
5
10
3
2
7 2 p1
0 76
p 740
5
6 5
p6
0 0
6
p
6
6
1
2
p
3 57
p2 5
6
2
Aplicao da fatorao QR
162
QT B
32 3 2
2 2 x
6 7 6
1 27
7 6y 7 = 6
0 15 4 z 5 4
t
1 2
X=R
2
1
6 1
Exemplo 260 Resolva o sistema 6
4 1
1
3
1
17
7
15
2
15
9 5
10
2
3
6.7
1. Sejam !
u = (x1 ; x2 ) e !
v = (y1 ; y2 ): Mostre que temos um produto interno
2
em R nos seguintes casos:
(a) h!
u;!
v i = 3x1 y1 + x2 y2
!
!
(b) h u ; v i = 4x1 y1 + x2 y1 + x1 y2 + 4x2 y2
(c) h!
u;!
vi=x y
2x y
2x y + 5x y
1 1
2 1
1 2
2 2
2. Sejam !
u = (x1 ; y1 ; z1 ) e !
v = (x2 ; y2 ; z2 ): Identique os casos em que
temos um produto interno no R3 . Nos casos que falham, identique as
propriedades que no vericam.
(a) h!
u;!
v i = x1 x2 + z1 z2
!
!
(b) h u ; v i = x1 x2 y1 y2 + z1 z2
(c) h!
u;!
vi=x y z +y x z
1 2 1
1 2 2
163
3. Sejam !
u = (x1 ; x2 ) e !
v = (y1 ; y2 ): A expresso h!
u;!
v i = x1 y1
2
x2 y1 + 2x2 y2 dene um produto interno em R ?
x1 y2
1:
164
e) Existe um vetor !
v = (x; y) 2 R2 tal
2
1 2
13. Seja T : R4 ! R3 tal que [T ] = 43 5
1 1
que x2 + y 2 = 1 e h!
v ;!
v i = 0:
3
1 2
0 45 :
2 0
165
21. Use o processo de Gram-Schmidt para construir uma base ortonormal para
um subespao W de um espao vetorial V; para cada um dos seguintes
casos:
(a) V = R4 tal que W = [(1; 1; 0; 0); (2; 1; 0; 1); (3; 3; 0; 2); (1; 2; 0; 3)]
(b) V = R3 tal que W = f(x; x + y; y); x; y 2 Rg
(c) V
8 = M (3; 1) tal que W o conjunto soluo do sistema homogneo
< x+y z =0
2x + y + 3z = 0
:
x + 2y 6z = 0
24. Seja V = P3 ; p = a0 + b0 x + c0 x2 + d0 x3 e q = a1 + b1 x + c1 x2 + d1 x3
e hp; qi = a0 a1 + b0 b1 + c0 c1 + d0 d1 um produto interno em P3 : Ache
uma base ortonormal para o subespao W de P3 gerado pelos vetores
!
v 1 = 1 + x + x2 + x3 ; !
v 2 = 1 + x + 2x2 + 4x3 e !
v 3 = 1 + 2x 4x2 3x3 :
25. Seja hu; vi = x1 y1 + 2x2 y2 + 3x3 y3 um produto interno em R3 : Encontre as
coordenadas do vetor v = 32 ; 1; 23 em relao base ortonormal obtida
a partir da base = f(1; 1; 1); (1; 1; 0); (1; 0; 0)g:
a
a
; a 2 R um subespao vetorial de M2 2 : Detera a
mine uma base ortonormal de U ? ; usando o produto interno hA; Bi =
tr(AT B):
26. Seja U =
1 2 2
3; 3; 3
: Obs.:
2
2
32. Utilize a fatorao QR para resolver o sistema AX = B onde A = 41
2
2 3
12
e B = 4 6 5:
18
3
1
15
1
168