Aula 1
Prof. Dr. Waldeck Schtzer
waldeck@dm.ufscar.br
1. Espaos Vetoriais
2. Transformaes Lineares e Operadores
3. Diagonalizao de Operadores (e Matrizes)
4. Espaos com Produto Interno
5. Formas bilineares e quadrticas
Bibliografia e Apoio
1. Callioli et al., "lgebra Linear e Aplicaes"
2. Boldrini et al., "lgebra Linear"
3. Anton & Busby, "lgebra Linear Contempornea"
Ambiente de aprendizado:
http://pm.dm.ufscar.br/moodle/
Acesso: usurio=RA, senha=RA
Importante: trocar a senha no primeiro acesso
P1 + P2 + P3
3
2
T
+ Q+
10
10
Objetivos
Ampliar e estender alguns conceitos de VGA:
Objetivos
Ampliar e estender alguns conceitos de VGA:
Vetores
Objetivos
Ampliar e estender alguns conceitos de VGA:
Vetores
Combinaes Lineares
Objetivos
Ampliar e estender alguns conceitos de VGA:
Vetores
Combinaes Lineares
Dependncia Linear
Objetivos
Ampliar e estender alguns conceitos de VGA:
Vetores
Combinaes Lineares
Dependncia Linear
Base
Objetivos
Ampliar e estender alguns conceitos de VGA:
Vetores
Combinaes Lineares
Dependncia Linear
Base
Dimenso
Objetivos
Ampliar e estender alguns conceitos de VGA:
Vetores
Combinaes Lineares
Dependncia Linear
Base
Dimenso
Espaos (Vetoriais)
Objetivos
Ampliar e estender alguns conceitos de VGA:
Vetores
Combinaes Lineares
Dependncia Linear
Base
Dimenso
Espaos (Vetoriais)
Matrizes
Objetivos
Ampliar e estender alguns conceitos de VGA:
Vetores
Combinaes Lineares
Dependncia Linear
Base
Dimenso
Espaos (Vetoriais)
Matrizes
Formalizar e abstrair esses conceitos
Objetivos
Ampliar e estender alguns conceitos de VGA:
Vetores
Combinaes Lineares
Dependncia Linear
Base
Dimenso
Espaos (Vetoriais)
Matrizes
Formalizar e abstrair esses conceitos
Exercitar mtodos conhecidos (Gauss-Jordan,
Eliminao Gaussiana, Sistemas Lineares etc)
Objetivos
Ampliar e estender alguns conceitos de VGA:
Vetores
Combinaes Lineares
Dependncia Linear
Base
Dimenso
Espaos (Vetoriais)
Matrizes
Formalizar e abstrair esses conceitos
Exercitar mtodos conhecidos (Gauss-Jordan,
Eliminao Gaussiana, Sistemas Lineares etc)
Estudar mais aplicaes
Curso de lgebra Linear - Aula 1 p. 5
Mos obra
Podemos comear?
Recordao
Sistemas Lineares
Soluo de Sistema Linear
Classificao quanto ao nmero de solues
Conjunto soluo
Forma matricial
Sistemas Lineares
Um sistema de m equaes lineares a n incgnitas
um conjunto de equaes da forma
Sistemas Lineares
Um sistema de m equaes lineares a n incgnitas
um conjunto de equaes da forma
.
.
.
= .
Sistemas Lineares
Um sistema de m equaes lineares a n incgnitas
um conjunto de equaes da forma
.
.
.
= .
Sistemas Lineares
Um sistema de m equaes lineares a n incgnitas
um conjunto de equaes da forma
.
.
.
= .
Sistemas Lineares
Um sistema de m equaes lineares a n incgnitas
um conjunto de equaes da forma
.
.
.
= .
Sistemas Lineares
Um sistema de m equaes lineares a n incgnitas
um conjunto de equaes da forma
.
.
.
= .
.
.
.
= .
so simultaneamente verdadeiras.
Exemplo
A tripla (1, 2, 3) R3
Exemplo
A tripla (1, 2, 3) R3 soluo de
x1 x2 + x3 = 2
x1 + 3x2
= 5
2x
+ 6x3 = 20
1
Exemplo
A tripla (1, 2, 3) R3 soluo de
x1 x2 + x3 = 2
x1 + 3x2
= 5 ,
2x
+ 6x3 = 20
1
pois
1
2 +
3 = 2
1 + 3 2
= 5
21
+ 6 3 = 20
so equaes verdadeiras.
Exemplo
A tripla (1, 2, 3) R3 soluo de
x1 x2 + x3 = 2
x1 + 3x2
= 5 ,
2x
+ 6x3 = 20
1
pois
1
2 +
3 = 2
1 + 3 2
= 5
21
+ 6 3 = 20
Exemplo
A tripla (1, 2, 3) R3 soluo de
x1 x2 + x3 = 2
x1 + 3x2
= 5 ,
2x
+ 6x3 = 20
1
pois
1
2 +
3 = 2
1 + 3 2
= 5
21
+ 6 3 = 20
x1 x2 + x3 = 2
(1)
x1 + 3x2
= 5
2x
+ 3x3 = 20
1
incompatvel
x1 x2 + x3 = 2
(1)
x1 + 3x2
= 5
2x
+ 3x3 = 20
1
x
+
1
2 x3 = 0
(2)
x2 + 21 x3 = 0
0 = 1
x1 x2 + x3 = 2
(1)
x1 + 3x2
= 5
2x
+ 3x3 = 20
1
x
+
1
2 x3 = 0
(2)
x2 + 21 x3 = 0
0 = 1
(2) no tem soluo logo (1) tambm no tem.
x2 + x3 =
2
x1
x1 + 3x2
=
5
5x 11x + 2x = 11
1
2
3
compatvel e indeterminado
x2 + x3 =
2
x1
x1 + 3x2
=
5
5x 11x + 2x = 11
1
2
3
Conjunto soluo
Todo sistema linear tem um conjunto soluo:
Conjunto soluo
Todo sistema linear tem um conjunto soluo:
S = { = (1 , 2 , . . . , n ) Rn }
Conjunto soluo
Todo sistema linear tem um conjunto soluo:
S = { = (1 , 2 , . . . , n ) Rn }
Conjunto soluo
Todo sistema linear tem um conjunto soluo:
S = { = (1 , 2 , . . . , n ) Rn }
Conjunto soluo
Todo sistema linear tem um conjunto soluo:
S = { = (1 , 2 , . . . , n ) Rn }
Conjunto soluo
Todo sistema linear tem um conjunto soluo:
S = { = (1 , 2 , . . . , n ) Rn }
Conjunto soluo
Todo sistema linear tem um conjunto soluo:
S = { = (1 , 2 , . . . , n ) Rn }
Conjunto soluo
Todo sistema linear tem um conjunto soluo:
S = { = (1 , 2 , . . . , n ) Rn }
Conjunto soluo
Todo sistema linear tem um conjunto soluo:
S = { = (1 , 2 , . . . , n ) Rn }
Conjunto soluo
Todo sistema linear tem um conjunto soluo:
S = { = (1 , 2 , . . . , n ) Rn }
Forma Matricial
O sistema linear
.
.
.
= b1
= b2
..
= .
= bm
Forma Matricial
O sistema linear
.
.
.
= b1
= b2
..
= .
= bm
a11
a21
..
.
a12
a22
..
.
am1 am2
a1n
a2n
..
...
.
amn
x1
x2
..
.
xn
b1
b2
..
.
bm
Forma Matricial
De fato, note que
a11
a21
..
.
a12
a22
..
.
am1 am2
a1n
a2n
..
...
.
amn
x1
x2
..
.
xn
Forma Matricial
De fato, note que
a11
a21
..
.
a12
a22
..
.
am1 am2
a1n
a2n
..
...
.
amn
x1
x2
..
.
xn
Forma Matricial
De fato, note que
a11
a21
..
.
a12
a22
..
.
am1 am2
a1n
a2n
..
...
.
amn
x1
x2
..
.
xn
Forma Matricial
De fato, note que
a11
a21
..
.
a12
a22
..
.
am1 am2
a1n
a2n
..
...
.
amn
x1
x2
..
.
xn
Forma Matricial
De fato, note que
a11
a21
..
.
a12
a22
..
.
am1 am2
a1n
a2n
..
...
.
amn
x1
x2
..
.
xn
Forma Matricial
De fato, note que
a11
a21
..
.
a12
a22
..
.
am1 am2
a1n
a2n
..
...
.
amn
x1
x2
..
.
xn
b1
b2
..
.
bm
Forma Matricial
De maneira mais sucinta,
Forma Matricial
De maneira mais sucinta,
Ax = b,
Forma Matricial
De maneira mais sucinta,
Ax = b,
onde
A=
a11
a21
..
.
a12
a22
..
.
am1 am2
a1n
a2n
..
...
.
amn
Forma Matricial
De maneira mais sucinta,
Ax = b,
onde
A=
x=
x1
x2
..
.
xn
a11
a21
..
.
a12
a22
..
.
am1 am2
a1n
a2n
..
...
.
amn
b=
b1
b2
..
.
bm
A Matriz Ampliada
Seja Ax = b um sistema linear.
A Matriz Ampliada
Seja Ax = b um sistema linear.
Existem redundncias que podem ser eliminadas
A Matriz Ampliada
Seja Ax = b um sistema linear.
Existem redundncias que podem ser eliminadas
A matriz de indeterminadas serve apenas para marcar
posies
A Matriz Ampliada
Seja Ax = b um sistema linear.
Existem redundncias que podem ser eliminadas
A matriz de indeterminadas serve apenas para marcar
posies
A primeira coluna de A so os coeficientes de x1
A Matriz Ampliada
Seja Ax = b um sistema linear.
Existem redundncias que podem ser eliminadas
A matriz de indeterminadas serve apenas para marcar
posies
A primeira coluna de A so os coeficientes de x1
A segunda coluna de A so os coeficientes de x2
A Matriz Ampliada
Seja Ax = b um sistema linear.
Existem redundncias que podem ser eliminadas
A matriz de indeterminadas serve apenas para marcar
posies
A primeira coluna de A so os coeficientes de x1
A segunda coluna de A so os coeficientes de x2
etc
A Matriz Ampliada
Seja Ax = b um sistema linear.
Existem redundncias que podem ser eliminadas
A matriz de indeterminadas serve apenas para marcar
posies
A primeira coluna de A so os coeficientes de x1
A segunda coluna de A so os coeficientes de x2
etc
Isso sugere que podemos dispensar a matriz x
A Matriz Ampliada
Seja Ax = b um sistema linear.
Definio 1 A matriz ampliada do sistema a matriz
[A|b] =
a11
a21
..
.
am1
a12 a1n b1
a22 a2n b2
..
.. . .
..
.
.
.
.
am2 amn bm
A Matriz Ampliada
Seja Ax = b um sistema linear.
Definio 1 A matriz ampliada do sistema a matriz
[A|b] =
a11
a21
..
.
am1
a12 a1n b1
a22 a2n b2
..
.. . .
..
.
.
.
.
am2 amn bm
A Matriz Ampliada
Seja Ax = b um sistema linear.
Definio 1 A matriz ampliada do sistema a matriz
[A|b] =
a11
a21
..
.
am1
a12 a1n b1
a22 a2n b2
..
.. . .
..
.
.
.
.
am2 amn bm
Forma Escalonada
Observemos atentamente as seguintes definies.
Forma Escalonada
Definio 2 Chamamos Piv ao primeiro elemento
no-nulo em cada linha (da esquerda para a direita).
Forma Escalonada
Definio 2 Chamamos Piv ao primeiro elemento
no-nulo em cada linha (da esquerda para a direita).
Exemplo:
1
1 1 2
0 2
2
3
0
0
0
4
0
0
0
0
Forma Escalonada
Definio 2 Chamamos Piv ao primeiro elemento
no-nulo em cada linha (da esquerda para a direita).
Definio 3 Uma matriz A = (aij ) est na forma
escalonada se
Forma Escalonada
Definio 2 Chamamos Piv ao primeiro elemento
no-nulo em cada linha (da esquerda para a direita).
Definio 3 Uma matriz A = (aij ) est na forma
escalonada se
Caso haja linhas de zeros, estas ficam na base da
matriz
Forma Escalonada
Definio 2 Chamamos Piv ao primeiro elemento
no-nulo em cada linha (da esquerda para a direita).
Definio 3 Uma matriz A = (aij ) est na forma
escalonada se
Caso haja linhas de zeros, estas ficam na base da
matriz
Abaixo de cada piv h apenas zeros
Forma Escalonada
Definio 2 Chamamos Piv ao primeiro elemento
no-nulo em cada linha (da esquerda para a direita).
Definio 3 Uma matriz A = (aij ) est na forma
escalonada se
Caso haja linhas de zeros, estas ficam na base da
matriz
Abaixo de cada piv h apenas zeros
Em duas linhas no-nulas, o piv da linha de cima est
esquerda do piv da linha de baixo
Forma Escalonada
Definio 2 Chamamos Piv ao primeiro elemento
no-nulo em cada linha (da esquerda para a direita).
Definio 3 Uma matriz A = (aij ) est na forma
escalonada se
Caso haja linhas de zeros, estas ficam na base da
matriz
Abaixo de cada piv h apenas zeros
Em duas linhas no-nulas, o piv da linha de cima est
esquerda do piv da linha de baixo
Seguem alguns exemplos
Exemplos
A matriz
A=
1
1 1 2
2
3
0 2
4
0
0
0
0
0
0
0
Exemplos
A matriz
A=
1
1 1 2
2
3
0 2
4
0
0
0
0
0
0
0
1 0 1 2
0 1
2
3
B=
0 1
3
3
0 0
0
0
Exemplos
A matriz
A=
1
1 1 2
2
3
0 2
4
0
0
0
0
0
0
0
1 0 1 2
1 0 1 2
0 1
0 0
2
3
3
3
B=
, C =
0 1
0 0
0
0
3
3
0 1
0 0
0
0
2
3
Operaes Elementares
As seguintes operaes so chamadas operaes
elementares:
Operaes Elementares
As seguintes operaes so chamadas operaes
elementares:
Trocar duas linhas entre si
Operaes Elementares
As seguintes operaes so chamadas operaes
elementares:
Trocar duas linhas entre si
Multiplicar uma linha por uma constante 6= 0
Operaes Elementares
As seguintes operaes so chamadas operaes
elementares:
Trocar duas linhas entre si
Multiplicar uma linha por uma constante 6= 0
Somar -vezes uma linha uma outra linha
Operaes Elementares
As seguintes operaes so chamadas operaes
elementares:
Trocar duas linhas entre si
Multiplicar uma linha por uma constante 6= 0
Somar -vezes uma linha uma outra linha
Teorema 4 Aplicadas a matrizes aumentadas, as
operaes elementares no alteram o conjunto soluo.
Operaes Elementares
As seguintes operaes so chamadas operaes
elementares:
Trocar duas linhas entre si
Multiplicar uma linha por uma constante 6= 0
Somar -vezes uma linha uma outra linha
Teorema 4 Aplicadas a matrizes aumentadas, as
operaes elementares no alteram o conjunto soluo.
Em outras palavras, se [C|d] foi obtida de [A|b] por uma
sequncia finita de operaes elementares, ento os
sistemas Ax = b e Cx = d tm exatamente o mesmo
conjunto soluo.
Sistemas Equivalentes
Isso sugere fazermos a seguinte:
Sistemas Equivalentes
Isso sugere fazermos a seguinte:
Definio 5 Dois sistemas lineares m n que possuem o
mesmo conjunto soluo so equivalentes.
Sistemas Equivalentes
Isso sugere fazermos a seguinte:
Definio 5 Dois sistemas lineares m n que possuem o
mesmo conjunto soluo so equivalentes.
Nesse caso, dizemos que Cx = d e Ax = b so sistemas
equivalentes.
Sistemas Equivalentes
Isso sugere fazermos a seguinte:
Definio 5 Dois sistemas lineares m n que possuem o
mesmo conjunto soluo so equivalentes.
Nesse caso, dizemos que Cx = d e Ax = b so sistemas
equivalentes.
Como vimos, operaes elementares produzem sistemas
equivalentes
Equivalncia-linha
Definio 6 Se B obtida de A por uma sequncia finita
de operaes elementares, dizemos que B
equivalente-linha a A.
Equivalncia-linha
Definio 6 Se B obtida de A por uma sequncia finita
de operaes elementares, dizemos que B
equivalente-linha a A.
Observao 7 Pode-se mostrar que a equivalncia-linha
uma relao de equivalncia entre matrizes.
Equivalncia-linha
Definio 6 Se B obtida de A por uma sequncia finita
de operaes elementares, dizemos que B
equivalente-linha a A.
Observao 7 Pode-se mostrar que a equivalncia-linha
uma relao de equivalncia entre matrizes.
Se A equivalente-linha a B , escrevemos simplesmente
A L B .
Equivalncia-linha
Definio 6 Se B obtida de A por uma sequncia finita
de operaes elementares, dizemos que B
equivalente-linha a A.
Observao 7 Pode-se mostrar que a equivalncia-linha
uma relao de equivalncia entre matrizes.
Se A equivalente-linha a B , escrevemos simplesmente
A L B .
Assim, temos:
A L A
Se A L B ento B L A
Se A L B e B L C ento A L C
Exemplo
Considere a matriz
1 2 4 2
A = 2 3 1 2
4 1 2 3
Exemplo
Considere a matriz
1 2 4 2
A = 2 3 1 2
4 1 2 3
1 2 4 2
B = 4 1 2 3
2 3 1 2
Exemplo
Considere a matriz
1 2 4 2
A = 2 3 1 2
4 1 2 3
1 2 4 2
1 2 4 2
B = 4 1 2 3 e C = 4 1 2 3
0 7 9 6
2 3 1 2
Eliminao Gaussiana
Objetivo: Transformar [A|b] em uma forma escalonada
[C|d].
Eliminao Gaussiana
Objetivo: Transformar [A|b] em uma forma escalonada
[C|d].
Em outras palavras, transformar o sistema Ax = b em um
sistema equivalente Cx = d mais simples.
Eliminao Gaussiana
Objetivo: Transformar [A|b] em uma forma escalonada
[C|d].
Em outras palavras, transformar o sistema Ax = b em um
sistema equivalente Cx = d mais simples.
Aqui, mais simples significa maior facilidade para
determinar o conjunto soluo.
Exemplo
1 2
4 1
4 3 2
2
1
1
2 3
Exemplo
1 2
4 1
4 3 2
2
1
1
2 3
2L1 +L2 L2
L
L1 +L3 L3
L
L2 L3
L
1 2 4 1
0 5 4
0
1
1 2 3
1 2
4 1
4
0
0
5
0
3 2 2
1 2
4 1
3 2 2
0
0
0
5 4
O Mtodo de Gauss-Jordan
Objetivo: Transformar o [A|b] em [R|d] onde [R|d]
escalonada reduzida e e [A|b] L [R|d].
Em outras palavras, transformar o sistema Ax = b no
sistema equivalente Rx = d.
O Mtodo de Gauss-Jordan
Objetivo: Transformar o [A|b] em [R|d] onde [R|d]
escalonada reduzida e e [A|b] L [R|d].
1. Localizar a coluna mais esquerda que no consiste
s de zeros.
O Mtodo de Gauss-Jordan
Objetivo: Transformar o [A|b] em [R|d] onde [R|d]
escalonada reduzida e e [A|b] L [R|d].
1. Localizar a coluna mais esquerda que no consiste
s de zeros.
2. Dividir esta linha pelo valor do elemento do topo (o piv
tornar-se- igual a 1)
O Mtodo de Gauss-Jordan
Objetivo: Transformar o [A|b] em [R|d] onde [R|d]
escalonada reduzida e e [A|b] L [R|d].
1. Localizar a coluna mais esquerda que no consiste
s de zeros.
2. Dividir esta linha pelo valor do elemento do topo (o piv
tornar-se- igual a 1)
3. Usar o piv para criar zeros acima e abaixo dele
O Mtodo de Gauss-Jordan
Objetivo: Transformar o [A|b] em [R|d] onde [R|d]
escalonada reduzida e e [A|b] L [R|d].
1. Localizar a coluna mais esquerda que no consiste
s de zeros.
2. Dividir esta linha pelo valor do elemento do topo (o piv
tornar-se- igual a 1)
3. Usar o piv para criar zeros acima e abaixo dele
4. Cobrir essa linha e as demais linhas acima desta
O Mtodo de Gauss-Jordan
Objetivo: Transformar o [A|b] em [R|d] onde [R|d]
escalonada reduzida e e [A|b] L [R|d].
1. Localizar a coluna mais esquerda que no consiste
s de zeros.
2. Dividir esta linha pelo valor do elemento do topo (o piv
tornar-se- igual a 1)
3. Usar o piv para criar zeros acima e abaixo dele
4. Cobrir essa linha e as demais linhas acima desta
5. Voltar ao passo 1
Exemplo
1 2
4 1
4 3 2
2
1
1
2 3
Exemplo
1 2
4 1
4 3 2
2
1
1
2 3
2L1 +L2 L2
L
L1 +L3 L3
L
L2 L3
L
1 2
4 1
0
5 4
0
1
1
2 3
1 2
4 1
4
0
0
5
0
3 2 2
1 2
4 1
3 2 2
0
0
0
5 4
Exemplo (cont.)
1 2
4 1
0
3
2
2
0
0
5 4
1
L L2
3 2
2L2 +L1 L1
L
1
L L3
5 3
1 2
4 1
23
2
3
5 4
8
3
7
3
23
2
3
5 4
8
3
7
3
1 23
2
3
4
5
Exemplo (cont.)
1 0
8
3
0 1 2
3
0 0
1
7
3
2
3
4
5
2
L +L2 L2
3 3
83 L3 +L1 L1
L
8
3
7
3
1 0
6
5
0 1
4
5
0 0
1
5
1 0
6
5
0 1
4
5
1 0
Interpretao
O sistema linear
x1 2x2 + 4x3 = 1
(1)
2x1 + 4x2 3x3 = 2
x1 + x2 + 2x3 = 3
equivalente ao sistema linear
x1
(2)
x2
x3
1 6 4
5, 5, 5
=
=
=
1
5
6
5
4
5
Fim da Aula 1
Fim da Aula 1