` ALGEBRA
INTRODUC
AO
LINEAR
Reginaldo J. Santos
Departamento de Matematica-ICEx
Universidade Federal de Minas Gerais
http://www.mat.ufmg.br/~regi
Marco 2008
a` Algebra
Introducao
Linear
c 2008 by Reginaldo de Jesus Santos (090408)
Copyright
desta publicacao,
ou parte dela, por qualquer meio, sem a previa
E proibida a reproducao
por escrito, do autor.
autorizacao,
Supervisor de Producao,
Capa e Ilustracoes:
Ficha Catalografica
S237i
Santos, Reginaldo J.
a` Algebra
Introducao
Linear / Reginaldo J. Santos
1. Algebra
Linear
I. Ttulo
CDD:
512.5
Conteudo
Prefacio
viii
de Somatorio
Apendice
I: Notacao
. . . . . . .
Lineares . . . . . . . .
1.2 Sistemas de Equacoes
1.2.1 Metodo
de Gauss-Jordan . . . . . . . .
1.2.2 Matrizes Equivalentes por Linhas . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
3
10
16
33
35
39
50
52
57
iv
Conteudo
de Matrizes e Determinantes
2 Inversao
2.1 Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . .
2.1.1 Propriedades da Inversa . . . . . . . . . . . . . .
(opcional) . . . .
2.1.2 Matrizes Elementares e Inversao
de Matrizes . . . . . . . . .
2.1.3 Metodo
para Inversao
Interpolacao
Polinomial . . . . . . . . .
2.1.4 Aplicacao:
Criptografia . . . . . . . . . . . . . . .
2.1.5 Aplicacao:
2.2 Determinantes . . . . . . . . . . . . . . . . . . . . . . .
2.2.1 Propriedades do Determinante . . . . . . . . . . .
2.2.2 Matrizes Elementares e o Determinante (opcional)
(opcional) . . . . . . . .
2.2.3 Matriz Adjunta e Inversao
do Teorema 2.11 . . . . . . .
Apendice
II: Demonstracao
2.3 Matrizes Particionadas em Blocos (opcional) . . . . . . .
Matriciais em Blocos . . . . . . . . . .
2.3.1 Operacoes
2.3.2 Inversa de Matrizes em Blocos . . . . . . . . . . .
2.3.3 Determinante de Matrizes em Blocos . . . . . . .
3 Espacos Rn
3.1 Vetores no Plano e no Espaco . . . . . . . . . . . .
por Escalar
3.1.1 Soma de Vetores e Multiplicacao
3.1.2 Norma e Produto Escalar . . . . . . . . . . .
de Retas e Planos . . . . . . . . . . . .
3.2 Equacoes
do Plano . . . . . . . . . . . . . .
3.2.1 Equacao
da Reta . . . . . . . . . . . . . .
3.2.2 Equacoes
3.3 Os Espacos Rn . . . . . . . . . . . . . . . . . . . .
a` Algebra
Introducao
Linear
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
77
77
79
82
86
96
98
107
113
127
129
144
148
148
151
152
.
.
.
.
.
.
.
159
159
160
179
202
202
208
222
Marco 2008
Conteudo
Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3.1 Combinacao
3.3.2 Independencia
Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4 Subespacos
Apendice
III: Outros Resultados . . . .
4.2 Espaco Linha e Espaco Coluna . . . .
4.2.1 Posto e Nulidade . . . . . . . .
a Sistemas Lineares .
4.2.2 Aplicacao
4.2.3 A Imagem de uma Matriz . . . .
4.3 Espacos Vetoriais Abstratos (opcional)
.
.
.
.
.
.
.
246
246
272
280
281
284
289
296
.
.
.
.
.
.
.
.
.
.
314
314
314
323
333
338
339
352
358
360
363
. . . . . . . . . . . . . . . . . . . . . . . . . .
374
374
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5 Ortogonalidade
5.1 Produto Escalar em Rn . . . . . . . . . . . . . . . . . . . .
5.1.1 Produto Interno . . . . . . . . . . . . . . . . . . . . .
5.1.2 Bases Ortogonais e Ortonormais . . . . . . . . . . .
5.2 Subespacos Ortogonais . . . . . . . . . . . . . . . . . . . .
5.2.1 Subespacos Fundamentais . . . . . . . . . . . . . . .
5.2.2 Problema de Quadrados Mnimos . . . . . . . . . . .
5.3 Mudanca de Coordenadas . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
5.3.1 Rotacao
5.3.2 Translacao
. . . . . . . . . . . . . . . . . . . . . . .
Computacao
Grafica
Ortografica
5.3.3 Aplicacao:
- Projecao
6 Transformacoes
Lineares (opcional)
Exemplos e Propriedades
6.1 Definicao,
Marco 2008
226
231
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Reginaldo J. Santos
vi
Conteudo
e Exemplos . . . . . . . .
6.1.1 Definicao
6.1.2 Propriedades . . . . . . . . . . . .
6.2 A Imagem e o Nucleo
. . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
374
379
392
397
405
405
411
417
7 Diagonalizacao
de Matrizes . . . . . . . . . . .
7.1 Diagonalizacao
. . . . . . . . . . . . . . . . .
7.1.1 Motivacao
7.1.2 Autovalores e Autovetores . . . . . . . .
. . . . . . . . . . . . . .
7.1.3 Diagonalizacao
de Operadores (opcional)
7.1.4 Diagonalizacao
Apendice
IV: Autovalores Complexos . . . . . .
na Identificacao
de Conicas
7.3 Aplicacao
. . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
425
425
425
428
437
448
450
465
465
467
477
483
499
Bibliografia
682
a` Algebra
Introducao
Linear
Marco 2008
Conteudo
Indice Alfabetico
Marco 2008
vii
686
Reginaldo J. Santos
Prefacio
a` Algebra
Este texto cobre o material para um curso de um semestre de Introducao
Linear ou de
e necessario,
Algebra
Linear Matricial. O texto pode, mas nao
ser acompanhado um programa como
o M ATLABr , SciLab ou o Maxima.
O conteudo
e dividido em sete captulos. O Captulo 1 trata das matrizes e sistemas lineares. Aqui
demonstradas. A resolucao
de sistemas lineares e
todas as propriedades da algebra
matricial sao
criterio
do leitor, feitas somente para matrizes 3 3.
definidos inicialmente
O Captulo 3 trata de vetores no plano, no espaco e no Rn . Os vetores sao
viii
Conteudo
ix
O conceito de dependencia
e independencia
linear e introduzido de forma algebrica,
acompanhado
geometrica
da interpretacao
para os casos de R2 e R3 .
tratados os conceitos de subespacos e de base de subespacos. Sao
estudados
No Captulo 4 sao
os espacos linha e coluna de uma matriz e o seu posto. Ao final do captulo os Espacos Vetoriais
definidos. No Captulo 5 sao
abordados o produto escalar e bases ortonormais. Alem
Abstratos sao
de subespacos ortogonais e quadrados mnimos.
estudadas no Captulo 6. O Captulo 7 traz um estudo
Lineares de Rn em Rm sao
Transformacoes
de matrizes em geral e a diagonalizacao
de matrizes simetricas
de uma
da diagonalizacao
atraves
Os exerccios estao
que contem
exerccios que sao resolvidos fazendo calculos, que podem ser realizados sem a ajuda de um com
necessarios
a resolucao
` rotinas pre-definidas,
algebricas,
tornando mais simples o seu uso. Podem ser incorporados as
paMarco 2008
Reginaldo J. Santos
Prefacio
que sao
direcionadas para
cotes para calculos
especficos. Um pacote chamado gaal com funcoes
o estudo de Geometria Analtica e Algebra Linear pode ser obtido na web na pagina
do autor, as ao M ATLABr e instrucoes
de como instalar o pacote gaal.
sim como um texto com uma introducao
e um software gratuito, embora antes a versao
estudante vinha gratis
ao se comO M ATLABr nao
faz calculo
algebrica
simbolico.
O Maxima e um programa de computacao
gratuito. Ambos podem ser usados
Maxima e varias
paginas
interativas que podem auxiliar na aprendizagem.
No fim de cada captulo temos um Teste do Captulo, onde o aluno pode avaliar os seus conheci
resolvidos apos
o ultimo
mentos. Os Exerccios Numericos
e os Exerccios usando o M ATLABr estao
r
estiver interessado em usar o software
captulo utilizando o M ATLAB . Desta forma o leitor que nao
pode obter apenas as respostas dos exerccios, enquanto aquele que tiver algum interesse, pode ficar
sabendo como os exerccios poderiam ser resolvidos fazendo uso do M ATLAB r e do pacote gaal.
a` Algebra
Introducao
Linear
Marco 2008
Prefacio
xi
1.1 e 1.2
Secoes
2.1 e 2.2
Secoes
3.1 a 3.3
Secoes
4.1 e 4.2
Secoes
5.1 a 5.3
Secoes
7.1 a 7.3
Secoes
Total
8 aulas
8 aulas
12 aulas
8 aulas
12 aulas
12 aulas
60 aulas
1.1 e 1.2
Secoes
2.1 e 2.3
Secoes
3.1 a 3.3
Secoes
4.1 a 4.3
Secoes
5.1 a 5.3
Secoes
6.1 a 6.3
Secoes
7.1 a 7.3
Secoes
Total
10 aulas
12 aulas
12 aulas
12 aulas
12 aulas
15 aulas
12 aulas
85 aulas
Historico
Marco 2008
Reginaldo J. Santos
xii
Prefacio
Diagonalizacao
Foram corrigidos alguns
erros.
1.1 de Matrizes e a Secao
2.2 de Determinantes foram reescritas. Na secao
1.2
Marco 2007 A Secao
o Teorema 1.4 voltou a ser que toda matriz e equivalente por linhas a uma unica
matriz na forma
opcional Diagonalizacao
de Operadores
a` computacao
Foi acrescentada a sub-secao
7.1. Foram acrescentados dois exerccios na secao
de Matrizes, um na de Inversao
de
a` secao
tres
na de Mudanca de Coordenadas. Foram corrigidos
Matrizes, um na de Base e Dimensao,
alguns erros.
98) e a cadeias de
Maio 2004 Foram acrescentadas aplicacoes
a` criptografia (Exemplo na pagina
de uma base
275 que e util
reescrita. Foi acrescentada a Proposicao
na obtencao
a` Algebra
Introducao
Linear
Marco 2008
Prefacio
xiii
exerccios a` secao
434 e 7.5 na pagina
441 foram modificados.
Diagonalizacao
de Matrizes ganhou mais um exerccio teorico.
A secao
Base e Dimensao
foi reJulho 2003 Varias
correcoes
incluindo respostas de exerccios. A secao
de Espacos Vetoriais Abstratos no Captulo 4. A secao
Diagonalizacao
de
Diagonalizacao
A secao
Matrizes Simetricas
ganhou um apendice
sobre Autovalores Complexos.
a` Algebra
disciplina de Introducao
Linear ou Algebra
Matricial.
Marco 2008
Reginaldo J. Santos
xiv
a` Algebra
Introducao
Linear
Prefacio
Marco 2008
Captulo 1
1.1
Matrizes
A i-esima
linha de A e
a11 a12
a21 a22
A = ..
.
am1 am2
ai1 ai2 . . .
1
a1n
a2n
.. .
.
amn
...
...
...
...
ain
para i = 1, . . . , m e a j -esima
coluna de A e
a1j
a2j
.. ,
.
amj
a notacao
A = (aij )mn . Dizemos que aij ou [A]ij e o elemento
para j = 1, . . . , n. Usamos tambem
i, j da matriz A.
ou a entrada de posicao
Se m = n, dizemos que A e uma matriz quadrada de ordem n e os elementos a11 , a22 , . . . , ann
formam a diagonal (principal) de A.
Exemplo 1.1. Considere as seguintes matrizes:
A=
1 2
3 4
D=
B=
1 3 2
,
2 1
0 3
C=
1 3
0
2 4 2
1
E= 4 eF = 3 .
3
2 2. A matriz C e 2 3, D e 1 3, E e 3 1 e F e 1 1. De acordo
As matrizes A e B sao
com a notacao que introduzimos, exemplos de elementos de algumas das matrizes dadas acima sao
a12 = 2, c23 = 2, e21 = 4, [A]22 = 4, [D]12 = 3.
Uma matriz que so possui uma linha e chamada matriz linha, e uma matriz que so possui uma
coluna e chamada matriz coluna, No Exemplo 1.1 a matriz D e uma matriz linha e a matriz E e uma
a` Algebra
Introducao
Linear
Marco 2008
1.1
Matrizes
Secao
222.
iguais se elas tem
o mesmo tamanho e os elementos corresponDizemos que duas matrizes sao
iguais, ou seja, A = (aij )mn e B = (bij )pq sao
iguais se m = p, n = q e aij = bij
dentes sao
para i = 1, . . . , m e j = 1, . . . , n.
` operacoes
validas
lineares
que sao
para essas operacoes.
Veremos, mais tarde, que um sistema de equacoes
matricial.
pode ser escrito em termos de uma unica
equacao
matriciais.
Vamos, agora, introduzir as operacoes
1.1.1 Operacoes
com Matrizes
1.1. A soma de duas matrizes de mesmo tamanho A = (aij )mn e B = (bij )mn e
Definicao
definida como sendo a matriz m n
C =A+B
Marco 2008
Reginaldo J. Santos
A=
1
3
2 3
4
0
B=
2
0
1
5
3 4
C =A+B =
a` Algebra
Introducao
Linear
1 + (2) 2 + 1 3 + 5
3+0
4 + 3 0 + (4)
1
3
3
2
7 4
Marco 2008
1.1
Matrizes
1.2. A multiplicacao
de uma matriz A = (aij )mn por um escalar (numero)
Definicao
e definida
pela matriz m n
B = A
bij = aij ,
[A]ij = aij . Dizemos que a matriz B e
para i = 1, . . . , m e j = 1, . . . , n. Escrevemos tambem
um multiplo
escalar da matriz A.
2
1
3 pelo escalar 3 e dado por
Exemplo 1.3. O produto da matriz A = 0
5 4
(3)(2) (3) 1
6 3
(3) 3 =
0 9 .
3 A = (3) 0
(3) 5 (3)(4)
15 12
Marco 2008
Reginaldo J. Santos
C = AB
obtida da seguinte forma:
(1.1)
(1.1) esta dizendo que o elemento i, j do produto e igual a` soma dos produtos dos
A equacao
elementos da i-esima
linha de A pelos elementos correspondentes da j -esima
coluna de B .
c11
...
cm1
cij
...
..
.
c1n
..
.
cmn
a11 a12 . . .
..
.
ai1 ai2
..
.
am1 am2
...
...
...
...
a1p
..
.
aip
..
.
amp
b
11
b21
.
..
bp1
...
...
...
...
b1j
b2j
..
.
bpj
b1n
b2n
..
.
bpn
...
...
...
...
A equacao
p
X
aik bkj
k=1
a` Algebra
Introducao
Linear
Marco 2008
1.1
Matrizes
p
X
k=1
uma soma em que o ndice k esta variando de k = 1 ate k = p. Algumas propriedades da notacao
explicadas no Apendice
de somatorio
estao
I na pagina
33.
A=
1
3
2 3
4
0
2
1
3
B= 0
5 4
C = AB =
0
0 .
0
17
6
19
15
0
0
Observacao.
No exemplo anterior o produto BA nao
ser igual a AB , ou seja, o produto de matrizes nao
e comuquando ele esta definido, BA pode nao
tativo, como mostra o exemplo seguinte.
Marco 2008
Reginaldo J. Santos
1 2
3 4
eB =
AB =
2 7
6 15
2 1
. Entao,
0 3
e BA =
1 0
9 12
A e 4 gramas de B. Usando matrizes podemos determinar quantos gramas dos insumos A e B sao
gramas de A/kg
gramas de B/kg
X Y Z
1 1 1
= A
2 1 4
AX =
a` Algebra
Introducao
Linear
x+y+z
2x + y + 4z
x
X= y
z
kg de X produzidos
kg de Y produzidos
kg de Z produzidos
gramas de A usados
gramas de B usados
Marco 2008
1.1
Matrizes
B = At
obtida trocando-se as linhas com as colunas, ou seja,
bij = aji ,
[At ]ij = aji .
para i = 1, . . . , n e j = 1, . . . , m. Escrevemos tambem
1 3
0
A=
, B=
e C=
sao
2 4 2
1
2
1 3
2 0
4 .
At =
e Ct = 3
, Bt =
2 4
1 3
0 2
1 2
3 4
2 1
0 3
validas
dades sao
que sao
para os numeros
reais, mas deve-se tomar cuidado
e
com as diferencas. Uma propriedade importante que e valida
para os numeros
reais, mas nao
valida
para as matrizes e a comutatividade do produto, como foi mostrado no Exemplo 1.5. Por ser
de somatorio
de varias
Reginaldo J. Santos
10
validas
A + 0 = A,
para toda matriz A, m n. A matriz
0 e chamada matriz nula m n.
A + (A) = 0.
a` Algebra
Introducao
Linear
Marco 2008
1.1
Matrizes
11
1 0 ...
0 1 ...
Ip = ..
..
.
.
0 0 ...
A In = Im A = A,
0
0
.. ,
.
1
Demonstracao.
Para provar as igualdades acima, devemos mostrar que os elementos da matriz do
iguais aos elementos correspondentes da matriz do lado direito. Serao
usadas
lado esquerdo sao
varias
propriedades dos numeros
sem cita-las
explicitamente.
Marco 2008
Reginaldo J. Santos
12
A+X =A
(1.2)
a matriz em que todos os seus elementos sao iguais a zero. Denotamos a matriz X por
0.
(d) Dada uma matriz A, m n, seja X uma matriz m n, tal que
A + X = 0 .
(1.3)
aij + xij = 0 ,
ou seja, xij = aij , para i = 1 . . . , m e j = 1 . . . , n. Portanto, a unica
matriz que satisfaz
a` Algebra
Introducao
Linear
Marco 2008
1.1
Matrizes
13
respectivamente. A notacao
aqui pode ser muito util,
pelo fato de ser compacta.
[A(BC)]ij =
p
X
aik [BC]kj =
q
XX
k=1 l=1
q
aik (
q
X
bkl clj ) =
q
p
X
X
k=1 l=1
q
l=1
p
k=1
k=1
p
p
X
p
q
XX
X
X
aik bkl )clj =
(
(aik bkl )clj =
(aik bkl )clj =
l=1 k=1
l=1 k=1
l=1
(i) Podemos escrever a matriz identidade em termos do delta de Kronecker que e definido por
ij =
1,
0,
se i = j
se i 6= j
[AIn ]ij =
n
X
k=1
n
X
aik kj = aij .
k=1
Reginaldo J. Santos
14
[A(B + C)]ij =
p
X
aik [B + C]kj =
k=1
p
aik bkj +
k=1
p
X
p
X
p
X
k=1
k=1
k=1
p
X
aik bkj =
k=1
[(AB)]ij =
p
X
p
X
k=1
aik bkj =
k=1
p
X
k=1
p
X
k=1
ajk bki =
p
X
k=1
p
X
[A ]kj [B ]ik =
[B t ]ik [At ]kj = [B t At ]ij .
t
k=1
A diferenca entre duas matrizes de mesmo tamanho A e B e definida por
A B = A + (B),
a` Algebra
Introducao
Linear
Marco 2008
1.1
Matrizes
15
E para p = 0, definimos A = In .
(A + B)(A B) = A2 B 2 .
(1.4)
vale para matrizes em geral. Como contra-exemplo basta tomarmos duas matrizes que nao comutem
entre si. Sejam
A=
0 0
1 1
e B=
1 0
1 0
A+B =
1 0
2 1
AB =
1 0
0 1
Assim,
(A + B)(A B) =
Marco 2008
1 0
2 1
A =A=
6=
1 0
0 1
0 0
1 1
B =B=
1 0
1 0
= A2 B 2 .
Reginaldo J. Santos
16
Cadeias de Markov
1.1.3 Aplicacao:
e dividida em tres
estados (por exemplo: ricos, classe
Exemplo 1.9. Vamos supor que uma populacao
media
e pobres) e que em cada unidade de tempo a probabilidade de mudanca de um estado para
outro seja constante no tempo, so dependa dos estados. Este processo e chamado cadeia de Markov.
Seja tij a probabilidade de mudanca do estado j para o estado i em uma unidade de tempo
(geracao).
Cuidado com a ordem dos ndices. A matriz
1
2
3
1
t11 t12 t13
2
T =
t21 t22 t23
3
t31 t32 t33
1
1
T =
2
1
2
2
3
1
4
1
2
1
4
1
2
1
2
2
3
(1.5)
da populacao
inicial entre os tres
estados pode ser descrita pela seguinte matriz:
A distribuicao
a` Algebra
Introducao
Linear
p1
P 0 = p2
p3
esta no estado 1
esta no estado 2
esta no estado 3
Marco 2008
1.1
Matrizes
17
inicial da populacao
entre os tres
estados e e chamada vetor
A matriz P0 caracteriza a distribuicao
de estado. Por exemplo,
1
esta no estado 1
3
1
esta no estado 2
P0 =
(1.6)
3
1
est
a
no
estado
3
3
estara no estado 1
estara no estado 2
estara no estado 3
Lembre-se que tij e a probabilidade de mudanca do estado j para o estado i. Assim o vetor de estado
uma unidade de tempo e dada pelo produto de matrizes:
apos
P1 = T P 0 .
T , e a matriz dada por (1.5) e a matriz de estado inicial, P0 ,
Por exemplo se a matriz de transicao,
apos
uma unidade de tempo a matriz de estado sera dada por
e a matriz dada por (1.6), entao
P1 = T P 0 =
1
2
1
2
1
4
1
2
1
4
0
1
2
1
2
1
3
1
3
1
3
1
4
1
2
1
4
e a mesma,
Como estamos assumindo que em cada unidade de tempo a matriz de transicao
apos
k unidades de tempo a populacao
estara dividida entre os tres
estados segundo a matriz
entao
de estado
Pk = T Pk1 = T 2 Pk2 = = T k P0
Marco 2008
Reginaldo J. Santos
18
Veremos na Secao
425 como calcular rapidamente potencias
k de matrizes e assim
da populacao
apos
k unidades de tempo para k um inteiro positivo
como determinar a distribuicao
qualquer.
Exerccios Numericos
(respostas na pagina
500)
1.1.1. Considere as seguintes matrizes
A=
2 0
6 7
B=
0
4
2 8
6 4 0
D = 1 1 4 ,
6 0 6
C=
6
9 7
7 3 2
6 9 9
E = 1 0 4
6 0 1
(a) AB BA,
(b) 2C D ,
(c) (2D t 3E t )t ,
(d) D 2 DE .
a` Algebra
Introducao
Linear
Marco 2008
1.1
Matrizes
19
A=
Verifique que:
3 2
1
1 2 1
0
C=
1
1
E1 = 0
0
2 1
0
B= 2
0
3
1 1
1
1 , D =
0
1
0
, E2 = 1 ,
0
d1 0 0
0 d2 0
0 0 d3
0
E3 = 0
1
2
1
1
as
(c) CD = [ d1 C1 d2 C2 d3 C3 ], em que C1 = 0 , C2 = 1 e C3 = 1 , sao
1
0
1
27).
colunas de C (o caso geral esta no Exerccio 1.1.17 (a) na pagina
Marco 2008
Reginaldo J. Santos
20
d1 C1
2 1 1 , C2 =
0 1 1
(d) DC = d2 C2 , em que C1 =
e
d3 C3
as linhas de C (o caso geral esta no Exerccio 1.1.17 (b) na
1 0 1 sao
C3 =
27).
pagina
2
(e) Escrevendo B em termos das suas colunas, B = [ B1 B2 ], em que B1 = 2 e
0
3
2
1
e A2 = 1 2 1 , o
A1
A1 B
produto AB pode ser escrito como AB =
(o caso geral esta no
B =
A2
A2 B
A=
1 3
0
0
4 2
x
e X = y .
z
a` Algebra
Introducao
Linear
Marco 2008
1.1
Matrizes
21
A=
x 4 2
B=
2 3 5
1 y1
nulo, verificam a
real nao
, em que y e uma numero
y 1
BA.
1.1.8.
0 1
AB =
, entao
1 0
fora da diagonal
(a) Determine todas as matrizes A, 22, diagonais (os elementos que estao
iguais a zero) que comutam com toda matriz B , 2 2, ou seja, tais que AB = BA,
sao
para toda matriz B , 2 2.
(b) Determine todas as matrizes A, 2 2, que comutam com toda matriz B , 2 2, ou seja,
tais que AB = BA, para toda matriz B , 2 2.
0 1 0
A = 0 0 1 .
0 0 0
Reginaldo J. Santos
22
O comando
No M ATLABr , pode-se obter ajuda sobre qualquer comando ou funcao.
>> help
(sem o prompt >>) mostra uma listagem de todos os pacotes disponveis. Ajuda sobre um
especfica pode ser obtida com o comando
pacote especfico ou sobre um comando ou funcao
>> help nome,
(sem a vrgula e sem o prompt >>) em que nome pode ser o nome de um pacote ou o nome de
um comando ou funcao.
Alem
dos comandos e funcoes
pre-definidas,
escrevemos um pacote chamado gaal
simbolicas.
a` Algebra
Introducao
Linear
Marco 2008
1.1
Matrizes
23
>> O=zeros(n) ou >> O=zeros(m,n) cria a matriz nula n por n ou m por n, respectivamente,
>> A. e a transposta de A,
>> A^k e a potencia
A elevado a k .
>> A(:,j) e a coluna j da matriz A, >> A(i,:) e a linha i da matriz A.
iguais aos
>> diag([d1,...,dn]) cria uma matriz diagonal, cujos elementos da diagonal s ao
d1,...,dn.
elementos da matriz [d1,...,dn], ou seja, sao
armazenados no
>> A=sym(A) converte a matriz A numa matriz em que os elementos sao
Por
exemplo,
>> A=randi(n) ou >> A=randi(m,n) cria uma matriz n por n ou m por n, respectivamente,
1
0
1
2
1
3
(b) A =
1
2
1
3
1
5
Reginaldo J. Santos
24
A sequ encia
parece estar convergindo para alguma matriz? Se estiver, para qual?
A):
variavel
(a) Ak = I3 , em que
(b) Ak = I4 , em que
(c) Ak =
0, em que
0 0 1
A = 1 0 0 ;
0 1 0
0
1
A =
0
0
0
0
A =
0
0
1
0
0
0
1
0
0
0
0
0
0
1
0
1
0
0
0
0
;
1
0
0
0
.
1
0
do quao
comum e encontrar
1.1.12. Vamos fazer um experimento no M ATLAB r para tentar ter uma ideia
r
matrizes cujo produto comuta. No prompt do M ATLAB digite a seguinte linha:
a` Algebra
Introducao
Linear
Marco 2008
1.1
Matrizes
25
esqueca das vrgulas e pontos e vrgulas!). O que esta linha esta mandando o M ATLABr
(nao
fazer e o seguinte:
` variaveis
Atribuir as
A e B, 1000 matrizes 3 3 com entradas inteiras e aleatorias
entre 5
e 5.
o contador c e acrescido de 1.
Se AB=BA, ou seja, A e B comutarem, entao
Qual a conclusao
c?
1.1.13. Faca um experimento semelhante ao anterior, mas para o caso em que cada uma das matrizes
os elementos que estao
fora da diagonal sao
iguais a zero. Use a seta para
e diagonal, isto e,
cima para obter novamente a linha digitada e edite a linha no prompt do M ATLAB r de forma a
obter algo semelhante a` linha:
Qual a conclusao
c?
1.1.14. Faca um experimento semelhante ao anterior, mas para o caso em que uma das matrizes e
diagonal. Use a seta para cima para obter novamente a linha digitada e edite a linha no
prompt do M ATLABr de forma a obter a seguinte linha:
>> c=0; for n=1:1000,A=diag(randi(1,3));B=randi(3);if(A*B==B*A),c=c+1;A,B,end,end,c
Reginaldo J. Santos
26
Exerccios Teoricos
1
0
0
0
1
0
1.1.16. Sejam E1 = , E2 =
..
..
.
.
0
0
(a) Mostre que se
0
0
,. . . , En = .. matrizes n 1.
a11 a12
a21 a22
A = ..
.
am1 am2
...
...
...
...
a1n
a2n
..
.
amn
b11 b12
b21 b22
B = ..
.
bn1 bn2
...
...
...
...
b1m
b2m
.. ,
.
bnm
a` Algebra
Introducao
Linear
Marco 2008
1.1
Matrizes
27
1.1.17. Seja
1 0 . . . 0
0 2 . . . 0
D = ..
.
..
.
. ..
0 . . . 0 n
a11 a12
a21 a22
A = ..
.
an1 an2
...
...
...
...
a1n
a2n
.. .
.
ann
a1j
..
(b) Mostre que o produto DA e obtido da matriz A multiplicando-se cada linha i por i , ou
Marco 2008
Reginaldo J. Santos
28
A1
A2
1 A 1
2 A 2
DA = .. .
.
n A n
1.1.18. Sejam A e B matrizes m p e p n, respectivamente.
(a) Mostre
coluna do produto AB e igual ao produto ABj , em que Bj =
que a j -esima
b1j
..
a` Algebra
Introducao
Linear
Marco 2008
1.1
Matrizes
29
A1
A2
A1
A1 B
A2
A2 B
AB = .. B = .. .
.
.
Am
Am B
x1
.
1.1.19. Seja A uma matriz m n e X = .. uma matriz n 1.
Prove que
xn
n
X
j=1
1.1.20.
A = 0. (Sugestao:
26.)
(b) Sejam B e C matrizes m n, tais BX = CX , para todo X , n 1. Mostre que B = C .
use o item anterior.)
(Sugestao:
matriz A, n n. (Sugestao:
Seja Jn uma matriz tal que A Jn = Jn A = A. Mostre que
Jn = In .)
Marco 2008
Reginaldo J. Santos
30
(Sugestao:
15.)
1.1.24.
iguais a zero.
principal de uma matriz anti-simetrica
sao
simetricas,
A + B e A sao
simetricas,
simetricas,
AB e simetrica
se, e somente se, AB = BA.
(c) Mostre que se A e B sao
entao
anti-simetricas,
A + B e A sao
anti-simetricas,
a` Algebra
Introducao
Linear
Marco 2008
1.1
Matrizes
31
(f) Mostre que toda matriz quadrada A pode ser escrita como a soma de uma matriz simetrica
t
n
X
aii .
i=1
B = a 0 In + a 1 A + a 2 A 2 + . . . + a k A k ,
escalares, entao
AB = BA.
em que a0 , . . . , ak sao
Marco 2008
Reginaldo J. Santos
32
e nilpotente.
a` Algebra
Introducao
Linear
A=
0 1
0 0
0
1
..
.
..
.
..
0 0
0 0
0
0
..
0
0
..
,
.
1
0 nn
Marco 2008
1.1
Matrizes
33
de Somatorio
Apendice
I: Notacao
validas
de somatorio:
Sao
algumas propriedades para a notacao
fi =
n
X
fj .
j=1
(b) O somatorio
de uma soma pode ser escrito como uma soma de dois somatorios:
n
n
n
X
X
X
(fi + gi ) =
fi +
gi .
i=1
Pois,
n
X
i=1
i=1
n
X
fi +
i=1
i=1
n
X
gi .
i=1
depende do ndice
(c) Se no termo geral do somatorio
aparece um produto, em que um fator nao
do somatorio,
entao
n
X
i=1
Pois,
n
X
f i gk = g k
n
X
fi .
i=1
fi gk = f1 gk + . . . + fn gk = gk (f1 + . . . + fn ) = gk
i=1
n
X
i=1
a soma de numeros.
propriedades distributiva e comutativa do produto em relacao
Marco 2008
Reginaldo J. Santos
34
Pois,
m
n X
X
i=1 j=1
fij =
n
X
fij =
m X
n
X
fij .
j=1 i=1
i=1
m
X
j=1
(f1j + . . . + fnj ) =
m X
n
X
j=1 i=1
a` Algebra
Introducao
Linear
Marco 2008
Sistemas de Equacoes
Lineares
1.2
1.2
35
Sistemas de Equacoes
Lineares
da forma
linear em n variaveis
Uma equacao
x1 , x2 , . . . , xn e uma equacao
a1 x 1 + a 2 x 2 + . . . + a n x n = b ,
constantes reais;
em que a1 , a2 , . . . , an e b sao
Um sistema de equacoes
lineares ou simplesmente sistema linear e um conjunto de equacoes
da forma
lineares, ou seja, e um conjunto de equacoes
a11 x1 + a12 x2 +
a21 x1 + a22 x2 +
..
a x + a x +
m1 1
m2 2
...
...
+ a1n xn
+ a2n xn
= b1
= b2
+ amn xn
= ..
= bm
..
.
...
A X = B,
Marco 2008
Reginaldo J. Santos
36
em que
a11 a12
a21 a22
A = ..
.
am1 am2
a1n
a2n
.. ,
.
amn
...
...
...
...
x1
x2
X = ..
.
xn
b1
b2
e B= . .
.
.
bm
s1
s2
do sistema sao
pode ser escrito como
x + 2y = 1
2x + y = 0
1 2
2 1
x
y
1
0
X=
a` Algebra
Introducao
Linear
13
2
3
Marco 2008
1.2
Sistemas de Equacoes
Lineares
37
Uma forma de resolver um sistema linear e substituir o sistema inicial por outro que tenha o mesmo
do primeiro, mas que seja mais facil
de resolver. O outro sistema e obtido depois
conjunto solucao
alteram a solucao
do sistema, sobre as
de aplicar sucessivamente uma serie
de operacoes,
que nao
que sao
usadas sao:
equacoes.
As operacoes
de duas equacoes
do sistema;
Trocar a posicao
por um escalar diferente de zero;
Multiplicar uma equacao
outra equacao
multiplicada por um escalar.
Somar a uma equacao
sao
chamadas de operacoes
ele
Estas operacoes
elementares. Quando aplicamos operacoes
de um sistema linear somente os coeficientes do sistema sao
alterados,
mentares sobre as equacoes
a11 a12
a21 a22
[A | B] = ..
.
am1 am2
Marco 2008
...
...
...
...
a1n
a2n
..
.
amn
b1
b2
.. .
.
bm
Reginaldo J. Santos
38
operacoes:
de duas linhas da matriz;
(a) Trocar a posicao
(b) Multiplicar uma linha da matriz por um escalar diferente de zero;
(c) Somar a uma linha da matriz um multiplo
escalar de outra linha.
` equacoes
O proximo
teorema garante que ao aplicarmos operacoes
elementares as
de um sis nao
e alterado.
tema o conjunto solucao
as mesmas solucoes.
Demonstracao.
A demonstracao
e solucao
do sistema obtido aplicando-se
de um sistema, entao
X tambem
(a) Se X e solucao
elementar sobre suas equacoes
(verifique!).
uma operacao
a` Algebra
Introducao
Linear
Marco 2008
1.2
Sistemas de Equacoes
Lineares
39
elementar as
`
(b) Se o sistema CX = D , e obtido de AX = B aplicando-se uma operacao
sao
chamados sistemas equivalentes.
Dois sistemas que possuem o mesmo conjunto solucao
` equacoes
1.2.1 Metodo
de Gauss-Jordan
de operacoes
O metodo
que vamos usar para resolver sistemas lineares consiste na aplicacao
` linhas da matriz aumentada do sistema ate que obtenhamos uma matriz numa forma
elementares as
resolucao.
o numero
primeiro elemento nao
1 . Alem
Marco 2008
Reginaldo J. Santos
40
8, usando matrizes o
dos produtos X, Y e Z foram vendidos. Como vimos no Exemplo 1.6 na pagina
pode ser descrito da seguinte forma:
esquema de producao
X
1
2
2
Y Z
1 1
1 4 = A
X=
3 5
1000
x+y+z
AX = 2x + y + 4z = 2000
2500
2x + 3y + 5z
gramas de A/kg
gramas de B/kg
preco/kg
x
y
z
kg de X produzidos
kg de Y produzidos
kg de Z produzidos
gramas de A usados
gramas de B usados
arrecadacao
a` Algebra
Introducao
Linear
x + y + z = 1000
2x + y + 4z = 2000
2x + 3y + 5z = 2500
1 1 1 1000
2
2
1 4 2000
3 5 2500
Marco 2008
1.2
Sistemas de Equacoes
Lineares
41
1a. eliminacao:
nulo da primeira coluna nao
nula (se for o caso,
Vamos procurar para pivo da 1a. linha um elemento nao
1 1 1 1000
1 2 0
0
0 1 3 500
2a. eliminacao:
Olhamos para a sub-matriz obtida eliminando-se a 1a. linha. Escolhemos para pivo um elemento
nula desta sub-matriz. Vamos escolher o elemento de posicao
2,2.
diferente de zero na 1a. coluna nao
a.
Como temos que fazer o pivo igual a um, vamosmultiplicar a 2 linhapor 1.
1 1
1 1000
0 1 2
0
0 1
3 500
para isto, somaAgora, precisamos zerar os outros elementos da 2a. coluna, que e a coluna do pivo,
a.
a.
a.
a.
1a.
1a.
3a. eliminacao:
Marco 2008
1 0 3 1000
0 1 2
0
5
0 0
500
Reginaldo J. Santos
42
Olhamos para a sub-matriz obtida eliminando-se a 1a. e a 2a. linha. Escolhemos para pivo um elemento
nula desta sub-matriz. Temos de escolher o elemento de posicao
1 0
3 1000
0 1 2
0
0 0
1 100
para isto, somaAgora, precisamos zerar os outros elementos da 3a. coluna, que e a coluna do pivo,
mos a` 1a. linha, 3 vezes a 3a. e somamos a` 2a. linha, 2 vezes a 2a. .
3a.
1a.
1 0 0 700
0 1 0 200
0 0 1 100
1a.
x
geral dada por
que possui solucao
= 700
= 200
z = 100
700
x
X = y = 200 .
100
z
a` Algebra
Introducao
Linear
Marco 2008
1.2
Sistemas de Equacoes
Lineares
43
A ultima
matriz que obtivemos no exemplo anterior esta na forma que chamamos de escalonada
reduzida.
1.6. Uma matriz A = (aij )mn esta na forma escalonada reduzida quando satisfaz as
Definicao
seguintes condicoes:
nulas;
(a) Todas as linhas nulas (formadas inteiramente por zeros) ocorrem abaixo das linhas nao
nulo de uma linha) de cada linha nao
nula e igual a 1;
(b) O pivo (1o. elemento nao
nula ocorre a` direita do pivo da linha anterior.
(c) O pivo de cada linha nao
um pivo,
entao
todos os seus outros elementos sao
iguais a zero.
(d) Se uma coluna contem
1 0 0
0 1 0
0 0 1
Marco 2008
1
0
0
3
0
0
0
2
1 3
0
0
Reginaldo J. Santos
44
1
1 1
0 1 2
0
0 5
1 3 1 5
0 0 5 15
0 0
0 0
como metodo
de Gauss-Jordan.
Exemplo 1.13. Considere o seguinte sistema
x +
A sua matriz aumentada e
0
0
3y + 13z =
9
y + 5z =
2
2y 10z = 8
3
13
9
1
5
2
2 10 8
1a. eliminacao:
iguais a zero, nao
ha nada
Como o pivo da 1a. linha e igual a 1 e os outros elementos da 1a. coluna sao
a` Algebra
Introducao
Linear
1 3
13
1
0
5
0 2 10
9
2
8
Marco 2008
1.2
Sistemas de Equacoes
Lineares
45
2a. eliminacao:
Olhamos para submatriz obtida eliminando-se a 1a. linha. Escolhemos para pivo um elemento nao
nula da submatriz. Escolhemos o elemento de posicao
2,2. Como ele e igual a
nulo da 1a. coluna nao
Para isto somamos a` 1a. linha,
1, precisamos, agora, zerar os outros elementos da coluna do pivo.
a.
a.
a.
3 vezes a 2 e somamos a` 3 linha, 2 vezes a 2 .
1 0 2
3
0 1
5
2
0 0
0 4
possui solucao.
que nao
2z =
3
y + 5z =
2
0 = 4
tem solucao
se, e somente se, a ultima
nula da forma
Em geral, um sistema linear nao
linha nao
0
0
escalonada reduzida da sua matriz aumentada for da forma [ 0 . . . 0 | bm ], com bm 6= 0.
Exemplo 1.14. Considere o seguinte sistema
Marco 2008
3z 9w =
6
5x + 15y 10z + 40w = 45
x + 3y z + 5w = 7
Reginaldo J. Santos
46
0
0
3 9
6
5 15 10 40 45
1
3 1
5 7
1a. eliminacao:
3,1. PreciComo temos que fazer o pivo igual a um, escolhemos para pivo o elemento de posicao
a.
a.
samos coloca-lo
na primeira linha, para isto, trocamos a 3 linha com a 1 .
1a. linha 4a. linha
5
0
3 1
5 7
15 10 40 45
6
0
3 9
para isto, adiciAgora, precisamos zerar os outros elementos da 1a. coluna, que e a coluna do pivo,
a.
a.
onamos a` 2 linha, 5 vezes a 1 .
1 3 1 5 7
5 15 10
0 0
0 0 3 9
6
2a. eliminacao:
Olhamos para a sub-matriz obtida eliminando-se a 1a. linha. Escolhemos para pivo um elemento
nula desta sub-matriz. Escolhemos o elemento de posicao
2,3.
diferente de zero na 1a. coluna nao
Como temos que fazer o pivo igual a 1, multiplicamos a 2a. linha por 1/5.
a` Algebra
Introducao
Linear
Marco 2008
1.2
Sistemas de Equacoes
Lineares
47
1 3 1
5 7
0 0
1 3
2
6
0 0 3 9
para isto, adiciAgora, precisamos zerar os outros elementos da 2a. coluna, que e a coluna do pivo,
a.
a.
a.
a.
onamos a` 1 linha a 2 e a` 3 linha, 3 vezes a 2
.
1
0
0
3
0
0
0
2 5
1 3
2
0
0
0
Esta matriz e escalonada reduzida. Portanto o sistema dado e equivalente ao sistema seguinte
x + 3y
+ 2w = 5
z 3w =
2.
As variaveis
estao
associadas
A matriz deste sistema possui duas colunas sem pivos.
que nao
podem ser consideradas variaveis
podem assumir valores arbitrarios.
a pivos
livres, isto e,
Neste
estao
associadas a pivos
e podem ser consideradas variaveis
exemplo as variaveis
y e w nao
livres.
terao
os seus valores dependentes das
Sejam w = e y = . As variaveis
associadas aos pivos
geral do sistema e
variaveis
livres, z = 2 + 3, x = 5 2 3 . Assim, a solucao
x
5 2 3
y
X=
z =
2 + 3
w
Marco 2008
Reginaldo J. Santos
48
associadas a pivos
podem ser consideradas
estao
possuir colunas sem pivos,
que nao
podem assumir valores arbitrarios.
terao
variaveis
livres, isto e,
As variaveis
associadas aos pivos
0
reduzida da matriz aumentada do sistema for da forma [ 0 . . . 0 | bm ], com b0m 6= 0, como no Exemplo
1.13 na pagina
44.
Observacao.
Para se encontrar a solucao
transformar a
matriz aumentada do sistema na sua forma escalonada reduzida, mas se a matriz esta nesta forma, o
nao
pode ter
O proximo
resultado mostra que um sistema linear que tenha mais de uma solucao
um numero
finito de solucoes.
a` Algebra
Introducao
Linear
Marco 2008
1.2
Sistemas de Equacoes
Lineares
49
Demonstracao.
Seja
X = (1 )X0 + X1 ,
para R.
10) obtemos
Aplicando as propriedades (i), (j) das operacoes
A X = (1 )B + B = [(1 ) + ]B = B,
pela propriedade (f) do Teorema 1.1.
e
geometrica
Marco 2008
Reginaldo J. Santos
50
1.7. Uma matriz A = (aij )mn e equivalente por linhas a uma matriz B = (bij )mn , se
Definicao
Exemplo 1.15. Observando os Exemplos 1.11, 1.14 e 1.13, vemos que as matrizes
1 1 1
2 1 4 ,
2 3 5
0 0
3 9
5 15 10 40 ,
1 3 1
5
1 0 0
0 1 0 ,
0 0 1
1
0
0
3
0
0
0
2
1 3 ,
0
0
1
3
13
0
1
5
0 2 10
1 0 2
0 1
5 ,
0 0
0
escalonadas reduzidas.
respectivamente. Matrizes estas que sao
equivalentes por linhas, nao
iguais!
sao
Cuidado: elas sao
a` Algebra
Introducao
Linear
Marco 2008
1.2
Sistemas de Equacoes
Lineares
51
das matrizes aumentadas dos Exemplos 1.11, 1.14 e 1.13. No Teorema 4.10 na pagina
278 mostra
mos que essa matriz escalonada reduzida e a unica
matriz na forma escalonada reduzida equivalente
a A.
Marco 2008
Reginaldo J. Santos
52
Teorema 1.4. Toda matriz A = (aij )mn e equivalente por linhas a uma unica
matriz escalonada
de matrizes.
O proximo
resultado sera usado para provar alguns resultados no captulo de inversao
R tem
1.5. Seja R uma matriz n n, na forma escalonada reduzida. Se R 6= In , entao
Proposicao
uma linha nula.
Demonstracao.
Observe que o pivo de uma linha i esta sempre numa coluna j com j i. Portanto,
n, n. Mas, neste caso todas as
ou a ultima
linha de R e nula ou o pivo da linha n esta na posicao
nao
nulas e os pivos
de cada linha i esta na coluna i, ou seja, R = In .
linhas anteriores sao
a11 x1 + a12 x2 +
a21 x1 + a22 x2 +
..
a x + a x +
m1 1
m2 2
a` Algebra
Introducao
Linear
...
...
+ a1n xn
+ a2n xn
..
.
...
+ amn xn
= 0
= 0
.
= ..
= 0
(1.7)
Marco 2008
1.2
Sistemas de Equacoes
Lineares
53
X =
homogeneo
admite pelo menos a solucao
x1
0
0
x2
.. = ..
.
.
xn
0
trivial.
chamada de solucao
Alem
disso ou tem somente a solucao
trivial ou tem
Portanto, todo sistema homogeneo
tem solucao.
infinitas solucoes
preciso ficar atento quando se escreve o sistema linear associado a` matriz resultante das operacoes
esta coluna de zeros que nao
vimos escrevendo.
elementares, para se levar em consideracao
o sistema homogeneo
do que incognitas
diferente da solucao
com menos equacoes
Marco 2008
Reginaldo J. Santos
54
Demonstracao.
Como o sistema tem menos equacoes
do que incognitas
(m < n), o numero
de
O conjunto solucao
satisfaz duas propriedades interessantes.
4.1 na pagina
X + Y tambem
o e.
(a) Se X e Y sao
AX = 0, entao
do sistema homogeneo,
X tambem
o e.
(b) Se X e solucao
AX = 0, entao
solucoes
do sistema homogeneo
AX =
Demonstracao.
AX = 0, entao
0e
(a) Se X e Y sao
e solucao
pois, A(X + Y ) = AX + AY =
AY = 0 e portanto X + Y tambem
0 + 0 = 0;
do sistema homogeneo
X tambem
o e,
pois A(X) =
(b) Se X e solucao
AX = 0, entao
AX = 0 = 0.
a` Algebra
Introducao
Linear
Marco 2008
1.2
Sistemas de Equacoes
Lineares
55
sao
validas
uma populacao
e pobres) e que em cada
unidade de tempo a probabilidade de mudanca de um estado para outro seja constante no tempo, so
dependa dos estados.
Seja tij a probabilidade de mudanca do estado j para o estado i em uma unidade de tempo
e dada por
(geracao).
A matriz de transicao
1
2
3
1
t11 t12 t13
2
T =
t21 t22 t23
3
t31 t32 t33
1
1
T =
2
1
2
2
3
1
4
1
2
1
4
1
2
1
2
2
3
inicial da populacao
entre os tres
estados permanece inalterada,
Vamos descobrir qual distribuicao
apos
geracao.
Ou seja, vamos determinar P tal que
geracao
TP = P
Marco 2008
ou T P = I3 P
ou (T I3 )P =
0.
Reginaldo J. Santos
56
2x +
1
x
2
1
y
4
1
y
2
1
y
4
1
4
21
1
4
1a. eliminacao:
2a. eliminacao:
a` Algebra
Introducao
Linear
12
1
2
1
z
2
1
z
2
= 0
= 0
= 0
0 0
1
0
2
21 0
1 12
0
1
1
1
2 2
2
1
1
0
4
2
0
1 12
1
0 14
2
1
21
0
4
0
0
0
0
0 0
1 12
0
1 2 0
1
21 0
0
4
Marco 2008
1.2
Sistemas de Equacoes
Lineares
1
2a.
2
14 2a.
1a.
57
1 0 1 0
0 1 2 0
0 0
0 0
1a.
linha +
linha
linha
linha + 3a. linha 3a. linha
z = 0
y 2z = 0
y = 2 e x = . Assim, a solucao
geral do sistema e
Seja z = . Entao
p1
1
p
X=
= 2 ,
2
1
p3
para todo R.
1.8. Uma matriz elementar nn e uma matriz obtida da matriz identidade In aplicando-se
Definicao
elementar.
uma, e somente uma, operacao
Marco 2008
Reginaldo J. Santos
58
Vamos denotar por Eij a matriz elementar obtida trocando-se a linha i com a linha j da matriz In ,
Ei () a matriz elementar obtida multiplicando-se a linha i da matriz In pelo escalar 6= 0 e Ei,j ()
a matriz elementar obtida da matriz In , somando-se a` linha j , vezes a linha i.
Ei,j =
1
0
0
..
...
.
.
.
..
.
.
.
...
1
..
0
1
0
..
, Ei () =
1
0
0
..
..
. 0
0 1
1
i
.. . .
.
.
... 1
j
..
. 0
0 0 1
as matrizes elementares 2 2:
Exemplo 1.17. As matrizes seguintes sao
0 1
0
1 0
E1,2 = E2,1 =
, E1 () =
, E2 () =
, com 6= 0,
1 0
0 1
0
1 0
1
E1,2 () =
e E2,1 () =
.
1
0 1
e Ei,j () =
a` Algebra
Introducao
Linear
Marco 2008
1.2
Sistemas de Equacoes
Lineares
0
1
1
0
Sejam E1 = . , E2 = .
.
..
.
0
0
59
,. . . , En = .. matrizes m 1.
.
Ei,j
E1t
..
.
Ejt
..
.
Eit
..
.
t
Em
E1t
..
.
Ei () = Eit i
.
..
t
Em
E1t
..
Eit
..
e Ei,j () =
.
E t + E t
j
i
..
.
t
Em
EA e
Teorema 1.8. Sejam E uma matriz elementar m m e A uma matriz qualquer m n. Entao,
elementar que originou E .
igual a` matriz obtida aplicando-se na matriz A a mesma operacao
Marco 2008
Reginaldo J. Santos
60
Demonstracao.
Como a i-esima
linha de um produto de matrizes BA e igual a Bi A, em que Bi e a
i-esima
linha da matriz B (Exerccio 1.1.18 (b) na pagina
28) e Eit A = Ai , em que Ai e a linha i da
Ei,j A =
Ei ()A =
E1t
..
.
Ejt
..
.
Eit
..
.
t
Em
A=
E1t
..
.
i Eit A =
.
..
t
Em
a` Algebra
Introducao
Linear
E1t A
..
.
t
Ej A i
.
..
E tA j
i
.
..
t
Em
A
E1t A
..
Eit A
..
.
t
Em
A
A1
..
.
Aj
..
.
Ai
..
.
Am
A1
..
.
= Ai i
.
..
Am
Marco 2008
1.2
Sistemas de Equacoes
Lineares
Ei,j ()A =
E1t
..
E
i
i
..
t
t
j
Ej + Ei
..
.
t
Em
A=
61
E1t A
..
Eit A
..
E t A + E t A
j
i
.
..
t
Em A
A1
A
j
..
.
i
Ai
..
+ Ai
j
..
.
Am
1 1 1 1000
[ A | B ] = 2 1 4 2000
2 3 5 2500
1 0 0
E1,2 (2) = 2 1 0 ,
0 0 1
Marco 2008
1 0 0
E1,3 (2) = 0 1 0 ,
2 0 1
Reginaldo J. Santos
62
1
1
0 0
E2 (1) = 0 1 0 , E2,1 (1) = 0
0
0
0 1
1 0 0
1
1
E3 ( 5 ) = 0 1 0 , E3,1 (3) = 0
0 0 15
0
ou seja,
1 0
1 0 , E2,3 (1) =
0 1
0 3
1
1
0 , E3,2 (2) = 0
0
1
0
1
0 0
0
1 0
0 1 1
0 0
1 2 ,
0 1
1 0 0 700
E3,2 (2) E3,1 (3) E3 ( 15 ) E2,3 (1) E2,1 (1) E2 (1) E1,3 (2) E1,2 (2) [ A | B ] = 0 1 0 200 .
0 0 1 100
a` Algebra
Introducao
Linear
Marco 2008
1.2
Sistemas de Equacoes
Lineares
63
Exerccios Numericos
(respostas na pagina
510)
na forma escalonada reduzida:
1.2.1. Quais das seguintes matrizes estao
A=
C=
1
0
0
1
0
0
0
0
0
0
0
0
0
0
0
1
0
0
1
0
0
0
0
1
0
0
0
1
3
0
2
0
3
4 ,
2
B=
D=
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0 4
1
0
5 ,
0 1
2
0 0
0
1 2 4
.
0 1
0
0 0
0
1.2.2. Em cada item suponha que a matriz aumentada de um sistema foi transformada usando
operacoes
elementares na matriz escalonada reduzida dada. Resolva o sistema correspondente.
1 0 0 7
8
0 1 0
3
2 ;
(a)
0 0 1
1 5
1 6 0 0 3 2
0
0 1 0 4
7
;
(b)
0
0 0 1 5
8
0
0 0 0 0
0
1 0 0 0 6
0 1 0 0 3 ;
(c)
0 0 1 1 2
1 7 0 0 8 3
0 0 1 0
6
5
.
(d)
0 0 0 1
3
9
0 0 0 0
0
0
x1 + x2 + 2x3 = 8
x1 2x2 + 3x3 = 1 ;
(a)
Marco 2008
Reginaldo J. Santos
64
8x1 + x2 + 4x3 = 1
2x2 + 3x3 =
1
(b)
1.2.4. Os sistemas lineares seguintes possuem a mesma matriz A. Resolva-os usando o metodo
de
Gauss-Jordan. Observe que os dois sistemas podem ser resolvidos ao mesmo tempo escalonando a matriz aumentada [ A | B1 | B2 ].
1
x1 2x2 + x3 =
2x1 5x2 + x3 = 2 ;
(a)
1 0
5
1 .
1.2.5. Seja A = 1 1
0 1 4
2
x1 2x2 + x3 =
2x1 5x2 + x3 = 1 .
(b)
tem
1.2.6. Para cada sistema linear dado, encontre todos os valores de a para os quais o sistema nao
tem solucao
unica
solucao,
e tem infinitas solucoes:
3z = 4
x + 2y
3x y +
5z = 2
(a)
;
2
4x + y + (a 14)z = a + 2
a` Algebra
Introducao
Linear
Marco 2008
1.2
Sistemas de Equacoes
Lineares
65
z = 2
x + y +
2x + 3y +
2z = 5
(b)
.
2
2x + 3y + (a 1)z = a + 1
grafico
passa pelos pontos P1 = (0, 10), P2 = (1, 7), P3 = (3, 11) e P4 = (4, 14).
Marco 2008
Reginaldo J. Santos
66
30
20
10
10
20
30
2
a` Algebra
Introducao
Linear
Marco 2008
1.2
Sistemas de Equacoes
Lineares
67
Marco 2008
Reginaldo J. Santos
68
y
8
x
2
4
6
a` Algebra
Introducao
Linear
Marco 2008
1.2
Sistemas de Equacoes
Lineares
69
tenha solucao):
x1 2x2 + 5x3 = b1
4x1 5x2 + 8x3 = b2 ;
(a)
0
1
1
3
A=
2 5
x1 2x2 x3 = b1
4x1 + 5x2 + 2x3 = b2 .
(b)
7
8
3
8 .
1 8
x1
x1
(a)
x
3x1
x1
2x1
(b)
2x1
Marco 2008
+
+
+
+
2x2
2x2 + x3
2x2
6x2 + x3
3x4
3x4
3x4
9x4
+ x5
+ x5 + 2x6
+ 2x5 + x6
+ 4x5 + 3x6
=
=
=
=
+ 3x2 2x3
+ 2x5
+ 6x2 5x3 2x4 + 4x5 3x6
5x3 + 10x4
+ 15x6
+ 6x2
+ 8x4 + 4x5 + 18x6
2
3
;
4
9
=
0
= 1
;
=
5
=
6
Reginaldo J. Santos
70
1
1
1
1
1
3
2
a
do
1.2.13. Considere a matriz A =
2 2 a 2 a 2 3 a 1 . Determine o conjunto solucao
3 a+2
3
2a + 1
t
sistema AX = B , em que B = [ 4 3 1 6 ] , para todos os valores de a.
1 2 3 1
(a) 1 3 0 1
1 0 2 1
1 1 3
0 2 1
(b)
1 0 2
8
7 ;
3
3
0
3
3 ;
1 1
1
1
(c)
1
1
2
1
1
3
3
1
2
3
0
0
;
0
0
>> A=[A1,...,An] cria uma matriz A formada pelas matrizes, definidas anteriormente, A1,
..., An colocadas uma ao lado da outra;
expr a variavel
a` Algebra
Introducao
Linear
Marco 2008
1.2
Sistemas de Equacoes
Lineares
71
>> B=opel(A,i,j) ou >> oe(A,i,j) faz a troca da linha i com a linha j da matriz A e armazena a matriz resultante em B.
>> B=escalona(A) calcula passo a passo a forma escalonada reduzida da matriz A e arma
zena a matriz resultante na variavel
B.
a matriz de Vandermonde de ordem k, se P=[x1;...;xn] e a matriz
>> matvand(P,k) obtem
de Vandermonde generalizada no caso em que P=[x1,y1;...;xn,yn].
variaveis
ax2 + bxy + cy 2 + dx + ey + f .
(a) Use o comando P=randi(4,2), para gerar 4 pontos com entradas inteiras e aleat orias
armazenados nas linhas da matriz P.
entre 5 e 5. Os pontos estao
Marco 2008
Reginaldo J. Santos
72
1.2.16.
(a) Use o comando P=randi(5,2), para gerar 5 pontos com entradas inteiras e aleat orias
armazenados nas linhas da matriz P.
entre 5 e 5. Os pontos estao
equacao
passa pelos pontos cujas
dadas pelas linhas da matriz P. A matriz A=matvand(P,2) pode ser util
coordenadas sao
na solucao
ser possvel?
a` Algebra
Introducao
Linear
Marco 2008
1.2
Sistemas de Equacoes
Lineares
73
Exerccios Teoricos
elementar possui inversa, do mesmo tipo, ou seja, para cada
1.2.18. Mostre que toda operacao
elementar existe uma outra operacao
elementar do mesmo tipo que desfaz o que
operacao
homogeneo
associado, AX = 0. Assim, a solucao
geral do sistema homogeneo
Reginaldo J. Santos
74
solucao
AX = 0.)
a` Algebra
Introducao
Linear
Marco 2008
1.2
Sistemas de Equacoes
Lineares
75
Teste do Captulo
tem
1. Para o sistema linear dado, encontre todos os valores de a para os quais o sistema nao
tem solucao
unica
solucao,
e tem infinitas solucoes:
z = 3
x + 2y +
x + y
z = 2
x + y + (a2 5)z = a
2. Se possvel, encontre os valores de x, y e z tais que:
1 2 3
40 16 x
1 0 0
2 5 3 13 5 y = 0 1 0
1 0 8
5 2 z
0 0 1
3. Sejam
D=
1
0
0 1
. e P =
cos sen
sen cos
Reginaldo J. Santos
76
At = A;
(b) Se A = P t DP , onde D e uma matriz diagonal, entao
DA = AD , para toda matriz A, n n;
(c) Se D e uma matriz diagonal, entao
B = Bt.
(d) Se B = AAt , entao
a` Algebra
Introducao
Linear
Marco 2008
Captulo 2
de Matrizes e Determinantes
Inversao
2.1
Matriz Inversa
seja, nem sempre existe uma matriz B tal que A B = B A = In . De incio, para que os produtos AB
e BA estejam definidos e sejam iguais e preciso que as matrizes A e B sejam quadradas. Portanto,
somente as matrizes quadradas podem ter inversa, o que ja diferencia do caso dos numeros
reais,
tem inversa ser bem menor do que o conjunto das que tem
inversa, apesar do conjunto das que nao
de Matrizes e Determinantes
Inversao
78
A=
2 1
0 3
B=
1/2 1/6
0
1/3
a inversa e unica.
Teorema 2.1. Se uma matriz A = (aij )nn possui inversa, entao
a` Algebra
Introducao
Linear
Marco 2008
2.1
79
AB = BA = In = AC =
Demonstracao.
Suponhamos que B e C sejam inversas de A. Entao,
CA e assim,
B = B In = B(AC) = (BA)C = In C = C .
para o fato de
Denotamos a inversa de A, quando ela existe, por A1 . Devemos chamar atencao
significa uma potencia,
Teorema 2.2.
A1 tambem
o e e
(a) Se A e invertvel, entao
(A1 )1 = A ;
matrizes invertveis, entao
AB e invertvel e
(b) Se A = (aij )nn e B = (bij )nn sao
(AB)1 = B 1 A1 ;
At tambem
e invertvel e
(c) Se A = (aij )nn e invertvel, entao
(At )1 = (A1 )t .
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
80
Demonstracao.
Se queremos mostrar que uma matriz e a inversa de uma outra, temos que mostrar
iguais a` matriz identidade.
que os produtos das duas matrizes sao
(a) Uma matriz B e a inversa de A1 se
A1 B = BA1 = In .
AA1 = A1 A = In .
B = A e a inversa de A1 , ou seja, (A1 )1 = A.
Como a inversa e unica,
entao
(b) Temos que mostrar que a inversa de AB e B 1 A1 , ou seja, mostrar que os produtos
iguais a` matriz identidade. Mas, pelas propriedades
(AB)(B 1 A1 ) e (B 1 A1 )(AB) sao
pagina
10:
a` Algebra
Introducao
Linear
Marco 2008
2.1
81
Assim, para verificar que uma matriz A e invertvel, quando temos uma matriz B que e candidata a
Marco 2008
Reginaldo J. Santos
82
de Matrizes e Determinantes
Inversao
(opcional)
2.1.2 Matrizes Elementares e Inversao
um papel importante no estudo da inversao
de matrizes e da solucao
Usando a notacao
57, temos:
1
(a) Ei,j
= Ej,i = Ei,j ;
Demonstracao.
Seja E uma matriz elementar. Esta matriz e obtida de In aplicando-se uma operacao
que transforma E de volta em In .
elementar. Seja F a matriz elementar correspondente a operacao
a` Algebra
Introducao
Linear
Marco 2008
2.1
83
sao
equivalentes:
Teorema 2.5. Seja A uma matriz n n. As seguintes afirmacoes
(a) Existe uma matriz B , n n, tal que BA = In .
(b) A matriz A e equivalente por linhas a` matriz identidade In .
(c) A matriz A e invertvel.
o sistema A X =
trivial,
Demonstracao.
(a)(b) Se BA = In , entao
0 tem somente a solucao
(Proposicao
52).
(b)(c) A matriz A ser equivalente por linhas a` In significa, pelo Teorema 1.8 na pagina
59, que
existem matrizes elementares E1 , . . . , Ek , tais que
(E11
Ek
1
. . . Ek )Ek
. . . E 1 A = In
. . . E1 A = E11 . . . Ek1
A = E11 . . . Ek1 .
(2.2)
(2.3)
invertveis (Proposicao
2.4). Portanto,
Aqui, usamos o fato de que as matrizes elementares sao
A e invertvel como o produto de matrizes invertveis.
(c)(a) Claramente.
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
84
Ek . . . E1 In = A1 .
A demonstracao
81, agora, e uma simples consequ encia
do Teorema
anterior.
A e invertvel e B =
do Teorema 2.3. (a) Vamos mostrar que se BA = In , entao
Demonstracao
1
pelo Teorema 2.5, A e invertvel e B = BIn = BAA1 = In A1 =
A . Se BA = In , entao
1
A . Logo, AB = BA = In .
pelo item anterior B e invertvel e B 1 = A. Portanto BA = AB = In .
(b) Se AB = In , entao
do Teorema 2.5 (equacao
(2.3)) o resultado seguinte.
Segue da demonstracao,
Teorema 2.6. Uma matriz A e invertvel se, e somente se, ela e um produto de matrizes elementares.
a` Algebra
Introducao
Linear
Marco 2008
2.1
85
1 1 1
1 0 0
1 0 0
E1,2 (2) = 2 1 0 , E1,3 (2) = 0 1 0 ,
2 0 1
0 0 1
1
0 0
1 1 0
1 0 , E2,3 (1) =
E2 (1) = 0 1 0 , E2,1 (1) = 0
0
0 1
0
0 1
1
1 0 3
1 0 0
0 , E3,2 (2) = 0
E3 ( 15 ) = 0 1 0 , E3,1 (3) = 0 1
0
0 0
1
0 0 15
ou seja,
1
0 0
0
1 0
0 1 1
0 0
1 2 ,
0 1
E3,2 (2) E3,1 (3) E3 ( 15 ) E2,3 (1) E2,1 (1) E2 (1) E1,3 (2) E1,2 (2) A = I3 .
Multiplicando a` esquerda pelas inversas das matrizes elementares correspondentes obtemos
A = E1,2 (2) E1,3 (2) E2 (1) E2,1 (1) E2,3 (1) E3 (5) E3,1 (3) E1,2 (2).
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
86
de Matrizes
2.1.3 Metodo
para Inversao
somente uma forma de descobrir se uma
O exemplo seguinte mostra, para matrizes 2 2, nao
e invertvel.
entao
a matriz A nao
Exemplo 2.4. Seja A =
ou seja,
a b
x y
. Devemos procurar uma matriz B =
tal que AB = I2 ,
c d
z w
ax + bz
cx + dz
=
=
ay + bw =
cy + dw =
1
0
0
1
Este sistema pode ser desacoplado em dois sistemas independentes que possuem a mesma matriz,
a b 1 0
c d 0 1
= [ A | I2 ].
soluc
unica
Os dois sistemas tem
se, e somente se, a forma escalonada reduzida da matriz [ A | I2 ]
ao
1 0 s t
(verifique, observando o que acontece se a forma escalonada
0 1 u v
for igual a I
reduzida da matriz A nao
2 ). Neste
caso, x = s, z = u e y = t, w = v , ou seja, a matriz
s
t
A possuira inversa, A1 = B = S =
.
u v
for da forma [ I2 | S ] =
a` Algebra
Introducao
Linear
Marco 2008
2.1
87
2.1.2 o proximo
2.5 na pagina
83. Entretanto a demonstracao
para encontrar
a inversa de uma matriz, se ela existir.
Teorema 2.7. Uma matriz A, n n, e invertvel se, e somente se, A e equivalente por linhas a` matriz
identidade In .
Demonstracao.
Pelo Teorema 2.3 na pagina
81, para verificarmos se uma matriz A, n n, e invertvel, basta verificarmos se existe uma matriz B , tal que
A B = In .
(2.4)
x11
x12
x21
x22
X1 = .. , X2 = ..
.
.
xn1
xn2
x1n
x2n
. . . , Xn = ..
.
xnn
1
0
0
1
E1 = .. , E2 = ..
.
.
0
0
Marco 2008
0
0
. . . , En = .. .
.
1
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
88
(2.4) pode ser escrita como
Assim a equacao
A [ X1 . . . Xn ] = [ AX1 . . . AXn ] = [ E1 . . . En ],
pois a j -esima
coluna do produto AB e igual a A vezes a j -esima
coluna da matriz B (Exerccio 18
[ A | E1 E2 . . . En ] = [ A | In ].
Transformando [ A | In ] na sua forma escalonada reduzida, que vamos denotar por [ R | S ], vamos
e.
pagina
81 A e invertvel.
a matriz A nao
e equivalente por linhas a` matriz identidade In . Entao,
pela
Se R 6= In , entao
1.5 na pagina
Proposicao
52 a matriz R tem uma linha nula. O que implica que cada um dos
tem solucao
unica
tem solucao.
Isto implica que a matriz
sistemas A Xj = Ej ou nao
ou nao
a` Algebra
Introducao
Linear
Marco 2008
2.1
89
Observacao.
Da demonstracao
e invertvel.
R = In , entao
a matriz A nao
Vejamos os exemplos seguintes.
1 1 1
A= 2 1 4
2 3 5
1a. eliminacao:
2a. eliminacao:
1
1
0 1
0
1
1
0
0
1
1 0 0
2 2 1 0
3 2 0 1
1
1
1
0 0
1 2
2 1 0
1
3 2
0 1
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
90
1
0
0
3a. eliminacao:
1
3a.
5
linha
3a.
0
3 1
1 0
1 2
2 1 0
0
5 4
1 1
0
3 1
1 0
2 1 0
1 2
1
1
0
1 45
5
5
2
3
7
1 0 0
5
5
5
2
3
2
0
1
0
5
5
5
1
1
4
0 0 1 5
5
5
1
0
0
linha
Assim, a matriz [A | I3 ] e equivalente por linhas a` matriz acima, que e da forma [I3 | S], portanto a
matriz A e invertvel e a sua inversa e a matriz S , ou seja,
A1 =
7
5
2
5
45
2
5
35
1
5
53
2
5
1
5
a` Algebra
Introducao
Linear
1 2 3
A= 1 1 2 .
0 1 1
Marco 2008
2.1
91
1a. eliminacao:
1 2 3 1 0 0
[A | I3 ] = 1 1 2 0 1 0
0 1 1 0 0 1
1 2 3 1
0 0
0 1 1 1 1 0
0 1 1 0
0 1
2a. eliminacao:
1 2 3 1
0 0
0 1 1 1 1 0
0 1 1 0
0 1
1 0 1 1
2 0
0 1 1
1 1 0
0 0 0 1
1 1
Assim, a matriz [A | I3 ] e equivalente por linhas a` matriz acima, que e da forma [R | S], com R 6= I3 .
e equivalente por linhas a` matriz identidade e portanto nao
e invertvel.
Assim, a matriz A nao
de equacoes
igual ao numero
de incognitas,
1
o conhecimento da inversa da matriz do sistema A , reduz o problema de resolver o sistema
entao
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
92
1
e X = A B ;
a solucao
nao
trivial se, e somente se, A e singular (nao
(b) O sistema homogeneo
A X = 0 tem solucao
invertvel).
Demonstracao.
(a) Se a matriz A e invertvel, entao
em ambos os membros obtemos
A1 (A X)
(A1 A)X
In X
X
=
=
=
=
A1 B
A1 B
A1 B
A1 B.
A X = B ou nao
Logo, a matriz A e equivalente
a` Algebra
Introducao
Linear
Marco 2008
2.1
93
a producao
de uma industria
em varios
perodos pode ser obtida apenas multiplicando-se a inversa por matrizes
X
1
2
2
Y Z
1 1
1 4 = A
3 5
x+y+z
AX = 2x + y + 4z
2x + 3y + 5z
gramas de A/kg
gramas de B/kg
preco/kg
x
X= y
z
kg de X produzidos
kg de Y produzidos
kg de Z produzidos
gramas de A usados
gramas de B usados
arrecadacao
1 1 1
A= 2 1 4
2 3 5
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
94
que e
A1 =
7
5
2
5
4
5
2
5
35
1
5
53
2
5
1
5
da industria
Sabendo-se a inversa da matriz A podemos saber a producao
sempre que soubermos
1000
B = 2000
2500
gramas de A usados
gramas de B usados
arrecadacao
ou seja,
kg de X produzidos
kg de Y produzidos
kg de Z produzidos
2
3
x
1000
700
5
5
5
2
y = X = A1 B =
2000 = 200
52 53
5
1
1
z
2500
100
54
5
5
de X, Y e Z manufaturada com 1 kg de
(b) Se em outro perodo com a venda de toda a producao
para determinar quantos kg de
A e 2, 1 kg de B, essa industria
arrecadou R$ 2900, 00, entao
a` Algebra
Introducao
Linear
Marco 2008
2.1
95
ou seja,
kg de X produzidos
kg de Y produzidos
kg de Z produzidos
1000
B = 2100
2900
gramas de A usados
gramas de B usados
arrecadacao
2
35
1000
x
500
5
5
2
y = X = A1 B =
2100 = 300
52 35
5
1
1
2900
z
200
54
5
5
(Subsecao
127).
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
96
Interpolacao
Polinomial
2.1.4 Aplicacao:
a` Algebra
Introducao
Linear
Marco 2008
2.1
30
97
20
10
10
20
30
2
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
98
sistema linear AX = B , em que
an1
an2
X = .. ,
.
a0
y1
y2
B = ..
.
yn
n2
xn1
x
.
.
.
x
1
1
1
1
xn1 xn2 . . . x2 1
2
2
e A= .
.
..
..
.
.
.
.
n1
n2
xn
xn
. . . xn 1
unica
sistema de n equacoes
e n incognitas
AX = B tem solucao
se, e somente se, o sistema
sistema homogeneo
se, e somente se, o polinomio
de grau n 1, p(x) = an1 xn1 + + a0 , se
p(x) e o polinomio
anula em n pontos distintos. O que implica que o polinomio
com todos os seus
trivial.
cissas dos pontos, tendo calculado a matriz A1 podemos determinar rapidamente os polinomios
Criptografia
2.1.5 Aplicacao:
Vamos transformar uma mensagem em uma matriz da seguinte forma. Vamos quebrar a mensagem em pedacos de tamanho 3 e cada pedaco sera convertido em uma matriz coluna usando a
entre caracteres e numeros.
Tabela 2.1 de conversao
a` Algebra
Introducao
Linear
Marco 2008
2.1
99
1ydobbr,?
(2.5)
80 15 18
Y = 25 2 107
4 2 94
Sabendo-se que esta mensagem foi criptografada fazendo o produto da mensagem inicial pela matriz
1 1 0
M = 0 1 1
0 0 1
entao
X = M 1 Y
sera a mensagem inicial convertida para numeros,
ou seja,
1 1
1
80 15 18
59 15 5
1 1 25 2 107 = 21 0 13
X = M 1 Y = 0
0
0
1
4 2 94
4 2 94
Convertendo para texto usando novamente a Tabela 2.1 obtemos que a mensagem que foi criptografada e
Tudo bem?
(2.6)
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
100
Exerccios Numericos
(respostas na pagina
535)
1
do sistema homogeneo
(a)
(b)
(c)
1
1
0
1
1
1
1
1
1
1
3
2 ;
2
2
1 ;
2
1
1
2 1
1
2
3
3
2
1
1
2
3
3
(d)
(e)
1
2
;
1
2
(f)
a` Algebra
Introducao
Linear
3 2
1 3
3
3 ;
4
3
2 ;
1
1 1
1 2
;
1 1
1 6
1 1 0
1 0 0 tem inversa.
1 2 a
1
0
1
1
1
0
1
1
1
5
2
5
3 2
2
2
2
2
1
1
1
3
2
9
,
Marco 2008
2.1
101
encontre (A B)1 .
2.1.5. Resolva o sistema A X = B , se A
2.1.6. Seja
A=
2 3
4 1
eB =
1 1
4
1
P =
1 1
2 2
e D=
5
.
3
3
0
0 1
tais que
sao
A = P DP 1 .
Determine Ak , para k = 1, 2, 3, . . .
2.1.2) Encontre matrizes elementares E1 , . . . , Ek tais que A = E1 . . . Ek ,
2.1.7. (Relativo a` Subsecao
para
1 2 3
A = 2 1 2 .
0 1 2
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
102
>> M=[A,B] atribui a` matriz M a matriz obtida colocando lado a lado as matrizes A e B.
>> A=[A1,...,An] cria uma matriz A formada pelas matrizes, definidas anteriormente, A1,
..., An colocadas uma ao lado da outra;
>> M=A(:,k:l) atribui a` matriz M a submatriz da matriz A obtida da coluna l a` coluna k da
matriz A.
Comandos do pacote GAAL:
elementar
>> B=opel(alpha,i,A) ou B=oe(alpha,i,A)faz a operac ao
alpha*linha i ==> linha i da matriz A e armazena a matriz resultante em B.
elementar
>> B=opel(alpha,i,j,A) ou B=oe(alpha,i,j,A) faz a operac ao
alpha*linha i + linha j ==> linha j da matriz A e armazena a matriz resultante na
variavel
B.
>> B=opel(A,i,j) ou B=oe(A,i,j) faz a troca da linha i com a linha j da matriz A e arma
zena a matriz resultante na variavel
B.
>> B=escalona(A) calcula passo a passo a forma escalonada reduzida da matriz A e arma
zena a matriz resultante na variavel
B.
alguns arquivos com mensagens criptografadas e uma chave para de2.1.8. O pacote GAAL contem
` variaveis
cifra-las.
Use os comandos a seguir para ler dos arquivos e atribuir as
corresponden
tes, uma mensagem criptografada e a uma chave para decifra-la.
a` Algebra
Introducao
Linear
Marco 2008
2.1
103
Exerccios Teoricos
2.1.10.
a b
c d
1
=
ad bc
d b
c
a
ax + by = g
cx + dy = h
x=
Marco 2008
gd bh
,
ad bc
y=
ah gc
ad bc
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
104
para os proximos
Sugestao
4 exerccios: Para verificar que uma matriz B e a inversa de uma
matriz A, basta fazer um dos produtos AB ou BA e verificar que e igual a In .
2.1.11. Se A e uma matriz n n e Ak =
0, para k um inteiro positivo, mostre que
(In Jn )1 = In
1
Jn .
n1
a` Algebra
Introducao
Linear
Marco 2008
2.1
105
e invertvel, entao
AB tambem
nao
o e.
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
106
10
11
12
13
14
a
`
a
^
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
a
~
e
^
o
^
o
~
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
`
A
^
A
~
A
^
E
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
^
O
~
O
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
<
>
"
&
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
de caracteres em numeros
Tabela 2.1: Tabela de conversao
a` Algebra
Introducao
Linear
Marco 2008
2.2
2.2
Determinantes
107
Determinantes
Vamos inicialmente definir o determinante de matrizes 1 1. Para cada matriz A = [a] definimos
o determinante de A, indicado por det(A), por det(A) = a. Vamos, agora, definir o determinante de
matrizes 2 2 e a partir da definir para matrizes de ordem maior. A cada matriz A, 2 2, associamos
um numero
real, denominado determinante de A, por:
det(A) = det
a11 a12
a21 a22
os
Para definir o determinante de matrizes quadradas maiores, precisamos definir o que sao
menores de uma matriz. Dada uma matriz A = (aij )nn , o menor do elemento aij , denotado por
Aij =
Marco 2008
a11
..
.
..
.
an1
. . . . . . a1n
.
.
i
a ij
..
.
. . . . . . ann
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
108
Exemplo 2.8. Para uma matriz A = (aij )33 ,
A23
a11 a12 a 13
a21 a22 a 23
a31 a32 a 33
a11 a12
=
a31 a32
Agora, vamos definir os cofatores de uma matriz quadrada A = (aij )33 . O cofator do elemento
aij , denotado por a
ij , e definido por
a
ij = (1)i+j det(Aij ),
ou seja, o cofator a
ij , do elemento aij e igual a mais ou menos o determinante do menor Aij , sendo
+ +
+
+ +
Exemplo 2.9. Para uma matriz A = (aij )33 ,
a
23
a
a
11 12
a31 a32
a` Algebra
Introducao
Linear
a 13
a 23
a 33
a11 a12
Marco 2008
2.2
Determinantes
109
A=
o determinante de A e igual a` soma dos produtos dos elementos da 1a. linha pelos seus cofaentao,
tores.
det(A) = a11 a
11 + a12 a
12 + a13 a
13
a21 a22
a21 a23
a22 a23
+ a13 det
a12 det
= a11 det
a31 a32
a31 a33
a32 a33
= a11 (a22 a33 a32 a23 ) a12 (a21 a33 a31 a23 ) + a13 (a21 a32 a31 a22 ).
Da mesma forma que a partir do determinante de matrizes 2 2, definimos o determinante de
matrizes 3 3, podemos definir o determinante de matrizes quadradas de ordem maior. Supondo que
sabemos como calcular o determinante de matrizes (n 1) (n 1) vamos definir o determinante
de matrizes n n.
Vamos definir, agora, os cofatores de uma matriz quadrada A = (aij )nn . O cofator do elemento
aij , denotado por a
ij , e definido por
a
ij = (1)i+j det(Aij ),
ou seja, o cofator a
ij , do elemento aij e igual a mais ou menos o determinante do menor Aij , sendo
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
110
+ + ...
+ + ...
+ + ...
..
.
..
.
..
.
..
..
2.2. Seja A = (aij )nn . O determinante de A, denotado por det(A), e definido por
Definicao
det(A) = a11 a
11 + a12 a
12 + . . . + a1n a
1n =
n
X
a1j a
1j ,
(2.7)
j=1
a` Algebra
Introducao
Linear
Marco 2008
2.2
Determinantes
111
A=
0
1
1
2
0 0 3
2
3 4
3
2 5
1 2 0
det(A) = 0
a11 + 0
a12 + 0
a13 + (3)(1)1+4 det(B),
1 2
3
em que B = 1 3
2 .
2 1 2
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
112
de determinante, vamos mostrar que o determinante de uma maExemplo 2.11. Usando a definicao
os elementos situados acima da diagonal principal sao
iguais a zero) e
triz triangular inferior (isto e,
o produto dos elementos da diagonal principal. Vamos mostrar inicialmente para matrizes 3 3. Seja
a11 0 0
a21 a22 0
a31 a32 a33
A=
a22 0
a32 a33
Vamos supor termos provado que para qualquer matriz (n 1) (n 1) triangular inferior, o deter vamos provar que isto tambem
vale
minante e o produto dos elementos da diagonal principal. Entao
para matrizes n n. Seja
a11
A=
0 ... ...
a21 a22
..
.
..
an1
..
.
0
.
...
ann
a` Algebra
Introducao
Linear
a22
a32 a33
... ...
0
..
.
..
an2
...
0
..
.
2.2
Determinantes
113
det(In ) = 1.
A1
..
.
Ak1
A = Ak
Ak+1
.
..
An
em que Ai e a linha i da matriz A, ou seja, Ai = [ ai1 ai2 . . . ain ]. Se a linha Ak e escrita na forma
matrizes linha 1 n, entao
o determinante pode ser decomposto
Ak = X + Y , em que X e Y sao
como mostra o resultado seguinte.
Teorema 2.10. Seja A = (aij )nn escrita em termos das suas linhas, denotadas por Ai , ou seja,
Ai = [ ai1 ai2 . . . ain ]. Se para algum k , a linha Ak = X + Y , em que X = [ x1 . . . xn ], Y =
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
114
escalares, entao:
[ y1 . . . yn ] e e sao
A1
..
Ak1
det X + Y
Ak+1
..
An
A1
..
Ak1
det
Ak+1
..
An
A1
..
Ak1
det
Ak+1
..
An
Aqui, Ak = X + Y = [ x1 + y1 . . . xn + yn ].
Demonstracao.
Vamos provar aqui somente para k = 1. Para k > 1 e demonstrado no Apendice
III
escalares,
na pagina
??. Se A1 = X + Y , em que X = [ x1 . . . xn ], Y = [ y1 . . . yn ] e e sao
a` Algebra
Introducao
Linear
Marco 2008
2.2
Determinantes
115
entao:
X + Y
n
X
A2
det
(1)1+j (xj + yj ) det(A1j )
=
..
.
j=1
An
n
n
X
X
=
xj det(A1j ) +
yj det(A1j )
j=1
j=1
X
A2
= det .. + det
.
An
Y
A2
..
.
An
det
cos t
sen t
2 cos t 3 sen t 2 sen t + 3 cos t
= 2 det
cos t sen t
cos t sen t
+ 3 det
cos t sen t
sen t cos t
=3
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
116
(Apendice
II na pagina
144), afirma que o determinante pode ser calculado fazendo-se o desenvolvimento em cofatores segundo qualquer linha ou qualquer coluna.
Teorema 2.11. Seja A uma matriz n n. O determinante de A pode ser calculado fazendo-se o
desenvolvimento em cofatores segundo qualquer linha ou qualquer coluna.
det(A) = ai1 a
i1 + ai2 a
i2 + . . . + ain a
in =
n
X
aij a
ij ,
j=1
n
X
= a1j a
1j + a2j a
2j + . . . + anj a
nj =
aij a
ij ,
para i = 1, . . . , n,
(2.8)
para j = 1, . . . , n,
(2.9)
i=1
a` Algebra
Introducao
Linear
Marco 2008
2.2
Determinantes
117
det(A) = 0.
Corolario
2.12. Seja A uma matriz n n. Se A possui duas linhas iguais, entao
Demonstracao.
O resultado e claramente verdadeiro para matrizes 2 2. Supondo que o resultado
seja verdadeiro para matrizes (n 1) (n 1), vamos provar que ele e verdadeiro para matrizes
n n. Suponhamos que as linhas k e l sejam iguais, para k 6= l. Desenvolvendo o determinante de
A em termos de uma linha i, com i 6= k, l, obtemos
det(A) =
n
X
aij a
ij =
n
X
j=1
j=1
ij e uma matriz (n 1) (n 1) com duas linhas iguais. Como estamos supondo que o
Mas, cada A
ij ) = 0. Isto implica que det(A) = 0.
det(A
resultado seja verdadeiro para estas matrizes, entao
No proximo
resultado mostramos como varia o determinante de uma matriz quando aplicamos
elementares sobre suas linhas.
operacoes
det(B) = det(A) ;
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
118
det(B) = det(A) ;
(c) Se B e obtida de A substituindo a linha l por ela somada a um multiplo
escalar de uma linha k ,
k 6= l, entao
det(B) = det(A) .
Demonstracao.
(b) Sejam
A=
a` Algebra
Introducao
Linear
A1
..
.
Ak
..
.
Al
..
.
An
e B=
A1
..
.
Al
..
.
.
Ak
..
.
An
Marco 2008
2.2
Determinantes
119
A1
..
Ak + A l
.
= det
..
0 = det
A +A
k
l
.
..
An
= 0 + det(A) + det(B) + 0.
A1
..
.
Ak
..
.
Ak
..
.
An
+ det
A1
..
.
Ak
..
.
Al
..
.
An
+ det
A1
..
.
Al
..
.
Ak
..
.
An
+ det
A1
..
.
Al
..
.
Al
..
.
An
A1
..
Ak
..
det
.
A + A
l
k
.
..
An
= det
A1
..
.
Ak
..
.
Al
..
.
An
+ det
A1
..
.
Ak
..
.
Ak
..
.
An
= det
A1
..
.
Ak
..
. .
Al
..
.
An
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
120
Exemplo 2.13. Vamos calcular o determinante da matriz
0
1
A = 3 6
2
6
5
9
1
usando operacoes
numa matriz triangular superior e aplicando o Teorema 2.13.
det(A) =
3 6 9
1 5
det 0
2
6
1
1 2 3
1 5
3 det 0
2
6
1
1 2
3
1
5
3 det 0
0 10 5
1 2
3
1
5
3 det 0
0
0 55
(3)(55) = 165
Quando multiplicamos uma linha de uma matriz por um escalar o determinante da nova matriz e
igual a multiplicado pelo determinante da matriz antiga. Mas o que estamos calculando aqui e o
determinante da matriz antiga, por isso ele e igual a 1/ multiplicado pelo determinante da matriz
nova.
a` Algebra
Introducao
Linear
Marco 2008
2.2
Determinantes
121
em cofatores, precisamos
Para se calcular o determinante de uma matriz n n pela expansao
fazer n produtos e calcular n determinantes de matrizes (n 1) (n 1), que por sua vez vai
necessarios
127.
na Subsecao
det(A) = det(At ) ;
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
122
rema 2.14 (b)), segue-se que todas as propriedades que se referem a linhas sao
com relacao
` colunas.
as
Exemplo 2.14. Seja A = (aij )nn . Vamos mostrar que se A e invertvel, entao
det(A1 ) =
1
.
det(A)
e triangular inferior!).
Mas, det(In ) = 1 (Exemplo 2.11 na pagina
112, a matriz identidade tambem
Logo, det(A1 ) =
1
.
det(A)
(det(A))2 =
1
.
det(A)
a` Algebra
Introducao
Linear
Marco 2008
2.2
Determinantes
123
nao
trivial.
lineares homogeneos
que possuem solucao
nao
trivial se, e somente se, det(A) = 0.
(b) O sistema homogeneo
AX = 0 tem solucao
Demonstracao.
A demonstracao
1.5 da pagina
Pela Proposicao
52, ou R = In ou a matriz R tem uma linha nula. Assim,
det(A) 6= 0 se, e somente se, R = In .
nao
trivial se, e
(b) Pelo Teorema 2.8 na pagina
92, o sistema homogeneo
AX = 0 tem solucao
e invertvel. E pelo item anterior, a matriz A e nao
invertvel se, e
somente se, a matriz A nao
somente se, det(A) = 0.
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
124
Exemplo 2.16. Considere a matriz
2 2 2
A = 0 2 0 .
0 1 3
x
(a) Determinar os valores de R tais que existe X = y =
6 0 que satisfaz AX = X .
z
x
(b) Para cada um dos valores de encontrados no item anterior determinar todos X = y tais
z
que AX = X .
Solucao:
AX = X
AX = I3 X.
Subtraindo-se I3 X obtemos
AX I3 X = 0
(A I3 )X = 0.
nao
trivial (X 6=
Agora, este sistema homogeneo
tem solucao
0) se, e somente se,
det(A I3 ) = 0.
a` Algebra
Introducao
Linear
Marco 2008
2.2
Determinantes
Mas
125
2
2
2
2
0 = ( 2)2 ( 3) = 0
det 0
0
1
3
se, e
somente
se, = 2 ou = 3. Assim, somente para = 2 e = 3 existem vetores
x
X = y 6= 0 tais que AX = X .
z
(b) Para = 2:
0 2 2
x
0
2y + 2z = 0
0 0 0
y = 0
(A 2I3 )X = 0
y + z = 0
0 1 1
z
0
Para = 3:
1
2 2
x
0
(A 3I3 )X = 0 0 1 0 y = 0
0
1 0
z
0
2
x
o conjunto dos X =
0
y =
que tem solucao
z
Marco 2008
x +
2y + 2z = 0
y
= 0
y
= 0
de Matrizes e Determinantes
Inversao
126
a b
c d
1
=
det(A)
d b
c
a
ax + by = g
cx + dy = h
A=
a b
c d
a solucao
do sistema e
Se det(A) 6= 0, entao
g
det
1
1
1
h
d
b
dg
bh
g
X = A1 B =
=
=
a
a
h
det(A) c
det(A) cg + ah
det(A)
det
c
a` Algebra
Introducao
Linear
b
d
g
h
Marco 2008
2.2
Determinantes
ou seja,
127
g
det
h
x=
a
det
c
b
d
,
b
d
a
det
c
y=
a
det
c
g
h
b
d
e 2 incognitas.
2.2.3.
para sistemas de n equacoes
sera apresentada na Subsecao
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
128
que uma matriz e invertvel se, e somente se, ela e o produto de matrizes
Lembramos tambem
do Teorema 2.14.
Demonstracao
deste item em
(a) Queremos provar que det(AB) = det(A) det(B). Vamos dividir a demonstrac ao
casos:
tres
anterior
Caso 1: Se A = E e uma matriz elementar. Este caso segue-se diretamente da proposicao
117.
e do Teorema 2.13 na pagina
pelo Teorema 2.6 na pagina
e singular. Logo,
Caso 3: Se A e singular, pela Proposicao
95, AB tambem
a` Algebra
Introducao
Linear
Marco 2008
2.2
Determinantes
129
det(E) = det(E t )
ver que se E e uma matriz elementar, entao
elementares, A = E1 . . . Ek . E facil
(verifique!). Assim,
Caso 2: Se A nao
pelo Teorema 2.2 na
t t
t
(opcional)
2.2.3 Matriz Adjunta e Inversao
Vamos definir a adjunta de uma matriz quadrada e em seguida enunciar e provar um teorema
a
11 a
12
a
a
21 22
adj(A) = ..
.
a
n1 a
n2
...
...
...
...
t
a
11 a
21
a
1n
a
a
a
2n
12 22
.. = ..
.
.
a
nn
a
1n a
2n
...
...
...
...
a
n1
a
n2
.. ,
.
a
nn
em que, a
ij = (1)i+j det(Aij ) e o cofator do elemento aij , para i, j = 1, . . . , n.
Marco 2008
Reginaldo J. Santos
130
a` Algebra
Introducao
Linear
de Matrizes e Determinantes
Inversao
Marco 2008
2.2
Determinantes
131
1 2
3
2 .
B= 0 3
0 0 2
b11 = (1)
1+1
det
3+3
det
3
0
0
0
1
0
2
3
1
0
2
= 6,
2
3
= 0,
0
3
= 2,
2
3
= 5,
2
2
= 3,
3
b12
b21
b23
b32
0
= (1) det
0
2
= (1)2+1 det
0
1
= (1)2+3 det
0
1
= (1)3+2 det
0
1+2
2
= 0,
2
3
= 4,
2
2
= 0,
0
3
= 2,
2
Assim, a adjunta de B e
6
0 0
6
4 5
adj(B) = 4 2 0 = 0 2 2
5 2 3
0
0
3
do determinante sao
multiplicados os elementos de uma linha pelos cofatores da
Na definicao
mesma linha. O teorema seguinte diz o que acontece se somamos os produtos dos elementos de
uma linha com os cofatores de outra linha ou se somamos os produtos dos elementos de uma coluna
com os cofatores de outra coluna.
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
132
ak1 a
i1 + ak2 a
i2 + . . . + akn a
in = 0 se k =
6 i;
a1k a
1j + a2k a
2j + . . . + ank a
nj = 0 se k =
6 j;
(2.10)
(2.11)
em que, a
ij = (1)i+j det(Aij ) e o cofator do elemento aij , para i, j = 1, . . . , n.
Demonstracao.
Para demonstrar a equacao
A=
A1
..
.
Ai i
..
.
Ak
k
..
.
An
e A =
A1
..
.
Ak i
..
.
.
Ak k
..
.
An
(2.10).
determinante de A desenvolvido segundo a sua i-esima
linha e exatamente a equacao
de (2.11) e feita de forma analoga,
A demonstracao
mas usando o item (d) do Teorema 2.13, ou seja,
que det(A) = det(At ).
a` Algebra
Introducao
Linear
Marco 2008
2.2
Determinantes
133
Demonstracao.
O produto da matriz A pela matriz adjunta de A e dada por
a11 a12 . . .
..
.
ai1 ai2
..
.
an1 an2
...
...
a1n
11
a
.12
..
a
1n
..
.
ain
...
...
..
.
anp
...
...
...
...
a
j1
a
j2
..
.
a
jp
...
...
...
...
a
n1
a
n2
..
.
a
nn
i, j de A adj(A) e
O elemento de posicao
(A adj(A))ij =
n
X
aik a
jk = ai1 a
j1 + ai2 a
j2 + . . . ain a
jn .
k=1
(A adj(A))ij =
Marco 2008
det(A) se i = j
0
se i 6= j .
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
134
Assim,
det(A)
0
0
det(A)
A adj(A) =
..
.
0
0
...
...
...
...
0
0
..
.
det(A)
= det(A)In .
e singular.
adj(A) tambem
Exemplo 2.20. Vamos mostrar que se uma matriz A e singular, entao
Vamos separar em dois casos.
adj(A) tambem
e a matriz nula, que e singular.
(a) Se A =
0, entao
pelo Teorema 2.18 na pagina
se adj(A) fosse
(b) Se A 6=
0, entao
133, adj(A) A =
0. Mas, entao,
A seria igual a` matriz nula (por que?), que estamos assumindo nao
ser este o
invertvel, entao
caso. Portanto, adj(A) tem que ser singular.
Corolario
2.19. Seja A uma matriz n n. Se det(A) 6= 0, entao
A1 =
a` Algebra
Introducao
Linear
1
adj(A) ;
det(A)
Marco 2008
2.2
Determinantes
135
definindo B =
Demonstracao.
Se det(A) 6= 0, entao
A B = A(
1
adj(A), pelo Teorema 2.18 temos que
det(A)
1
1
1
adj(A)) =
(A adj(A)) =
det(A)In = In .
det(A)
det(A)
det(A)
A=
A
a b
c d
1
1
=
adj(A) =
det(A)
det(A)
d b
c
a
se det(A) 6= 0
dos elementos da
Ou seja, a inversa de uma matriz 2 2 e facilmente obtida trocando-se a posicao
diagonal principal, trocando-se o sinal dos outros elementos e dividindo-se todos os elementos pelo
determinante de A.
Exemplo 2.22. Vamos calcular a inversa da matriz
1 2
3
2 .
B= 0 3
0 0 2
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
136
B 1
5
6
4 5
1 23
6
1
1
1
1
0 2 2 = 0
=
.
adj(B) =
3
3
det(B)
6
1
0
0 2
0
0
3
Corolario
2.20 (Regra de Cramer). Se o sistema linear AX = B e tal que a matriz A e n n e
a solucao
do sistema e dada por
invertvel, entao
x1 =
det(A2 )
det(An )
det(A1 )
, x2 =
, . . . , xn =
,
det(A)
det(A)
det(A)
a` Algebra
Introducao
Linear
Marco 2008
2.2
Determinantes
137
Demonstracao.
Como A e invertvel, pelo Corolario
2.19
X = A1 B =
1
adj(A)B.
det(A)
xj =
1
det(Aj )
(
a1j b1 + . . . + a
nj bn ) =
,
det(A)
det(A)
e tal que
x + 2y + 3z = 1
2x + 4y + 6z = 3
3x + 6y + 9z = 2
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
138
Exerccios Numericos
(respostas na pagina
539)
2.2.1. Se det(A) = 3, encontre
(a) det(A2 );
(b) det(A3 );
(c) det(A1 );
(d) det(At );
ert
tert
rt
re (1 + rt)ert
(b)
cos t
sen t
cos t sen t sen t + cos t
2.2.5. Calcule o determinante de cada uma das matrizes seguintes usando operacoes
elementares
para transforma-las
em matrizes triangulares superiores.
1 2
3
1
5 9
6
3
(a)
1
2 6 2
2
8
6
1
2
1
(b)
0
0
1
0
2
1
3
1
1
2
1
1
.
0
3
a` Algebra
Introducao
Linear
Marco 2008
2.2
Determinantes
139
1 0
0
0
(b) A = 1 3
3 2 2
2
2 3
2 1
(d) A = 1
2 2 1
x1
.
2.2.7. Determine os valores de R tais que existe X = .. 6=
0 que satisfaz AX = X .
xn
2
0 0
2 3 0
(a) A = 3 1 0 ;
(b) A = 0 1 0 ;
0
4 3
0 0 2
1
2 3 4
2 2 3 4
0 1 3 2
0 2 3 2
;
(c) A =
(d) A =
0
0 0 1 1 .
0 3 3
0
0 0 2
0 0 0 1
0
(a) A = 0
0
2
(c) A = 0
0
1 2
0 3
0 0
2
3
3 2
1
2
geral
2.2.8. Para as matrizes do exerccio anterior, e os valores de encontrados, encontre a solucao
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
140
Atribuir a` variavel
A, 1000 matrizes 2 2 com entradas inteiras aleatorias
entre 5 e 5.
o contador c e acrescido de 1.
Se det(A) 6= 0, entao
Qual a conclusao
c?
Exerccios Teoricos
a` Algebra
Introducao
Linear
Marco 2008
2.2
Determinantes
141
ou A e singular ou B e singular.
2.2.11. Mostre que se det(AB) = 0, entao
2.2.12. O determinante de AB e igual ao determinante de BA? Justifique.
singular tal que A2 = A, entao
det(A) = 1.
2.2.13. Mostre que se A e uma matriz nao
A e singular.
2.2.14. Mostre que se Ak =
0, para algum k inteiro positivo, entao
det(A) = 1;
2.2.15. Mostre que se At = A1 , entao
det(A) = n det(A).
2.2.16. Mostre que se e um escalar e A e uma matriz n n, entao
2.2.17. Mostre que A, n n, e invertvel se, e somente se, At A e invertvel.
2.2.18. Sejam A e P matrizes n n, sendo P invertvel. Mostre que det(P 1 AP ) = det(A).
os elementos situados
2.2.19. Mostre que se uma matriz A = (aij )nn e triangular superior, (isto e,
iguais a zero) entao
det(A) = a11 a22 . . . ann .
abaixo da diagonal sao
2.2.20.
a b
det(A) = 0 se, e somente se, uma linha e multiplo
(a) Mostre que se A =
, entao
c d
escalar da outra. E se A for uma matriz n n?
(b) Mostre que se uma linha Ai de uma matriz A = (aij )nn , e tal que Ai = Ak + Al , para
det(A) = 0.
e escalares e i 6= k, l, entao
(c) Mostre que se uma linha Ai de uma matriz A = (aij )nn , e tal que Ai =
k Ak , para
k6=i
det(A) = 0.
1 , . . . , k escalares, entao
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
142
1 x1 x21 . . . xn1
1
1 x2 x2 . . . xn1
2
2
Vn = det .. ..
..
. .
.
2
1 xn xn . . . xn1
n
(xi xj ).
=
i>j
nas
e verdadeiro para matrizes de Vandermonde de ordem n. Faca as seguintes operacoes
colunas da matriz, x1 Ci1 + Ci Ci , para i = n, . . . , 2. Obtenha Vn = (xn x1 ) . . . (x2
x1 )Vn1 .)
2.2.22. Sejam A, B e D matrizes p p, p (n p) e (n p) (n p), respectivamente. Mostre que
det
A B
0 D
= det(A) det(D).
a` Algebra
Introducao
Linear
Marco 2008
2.2
Determinantes
143
A=
0
0
1
0
..
.
..
.
0
1
..
..
0
0
0
a0 a1 a2
0
0
..
.
an1
,
nn
e tal que det(A tIn ) = p(t). Esta matriz e chamada matriz companheira do polinomio
p(t). (Sugestao:
verifique para n = 2 e depois supondo que seja verdade para matrizes
(n 1) (n 1) mostre que e verdade para matrizes n n expandindo em cofatores em
a primeira coluna)
relacao
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
144
Apendice
II: Demonstracao
116
A1
..
k1
A = X + Y
Ak+1
..
An
A1
..
.
Ak1
B= X
Ak+1
.
..
An
A1
..
.
Ak1
e C= Y
Ak+1
.
..
An
1j , B
1j e C1j so diferem na (k 1)-esima
disso, a (k 1)-esima
1j (esta e a relacao
que vale para a
correspondente de B1j mais vezes a linha correspondente de C
k -esima
linha de A). Como estamos supondo o resultado verdadeiro para matrizes (n 1) (n 1),
a` Algebra
Introducao
Linear
Marco 2008
2.2
Determinantes
145
1j ) = det(B
1j ) + det(C1j ). Assim,
det(A
entao
det(A) =
n
X
j=1
n
X
h
i
1j ) + det(C1j )
(1)1+j a1j det(B
j=1
n
X
1j ) +
(1)1+j b1j det(B
j=1
n
X
j=1
= det(B) + det(C),
pois a1j = b1j = c1j , para j = 1, . . . , n.
n n, cuja i-esima
linha e igual a Ek , para algum k (1 k n), entao
ver que para matrizes 2 2 o lema e verdadeiro. Suponha que ele seja
Demonstracao.
E facil
verdadeiro para matrizes (n 1) (n 1) e vamos provar que ele e verdadeiro para matrizes n n.
Podemos supor que 1 < i n.
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
146
estamos supondo o lema verdadeiro para estas matrizes e como pelo Teorema 2.10 na pagina
113 se
1k ) = 0, segue-se que
det(A
uma matriz tem uma linha nula o seu determinante e igual a zero, entao
(1)(i1)+k det(Bj )
se j > k.
(2.12)
det(A) =
=
n
X
j=1
n
X
n
X
j>k
j<k
"
n
n
X
X
1+j
(1) a1j det(Bj ) +
(1)1+(j1) a1j det(Bj )
j<k
j>k
a` Algebra
Introducao
Linear
#
Marco 2008
2.2
Determinantes
147
Demonstracao
116.
det(A) =
n
X
j=1
aij det(Bj ) =
n
X
j=1
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
148
2.3
2.3.1 Operacoes
Matriciais em Blocos
As matrizes podem ser subdivididas em blocos, por exemplo a matriz
5
4
3
4
4
3
3 1
2
4
A=
1
0
1 3 1
0 5
3 1
4
A=
A11 A12
A21 A22
4
4
5
4
3
3
3 1
2
4
.
=
1
0
1 3 1
0 5
3 1
4
a` Algebra
Introducao
Linear
Marco 2008
2.3
149
AB = A [ B1 B2 ] = [ AB1 AB2 ].
Caso 2:
Se A =
A1
Caso 3:
Se A = [ A1 A2 ], em que A1 e uma matriz m t e A2 e uma matriz m (p t) e B =
[AB]ij =
p
X
k=1
aik bkj =
t
X
aik bkj +
k=1
p
X
B1
,
B2
k=t+1
Portanto,
AB = [ A1 A2 ]
B1
B2
= A 1 B1 + A 2 B2 .
Caso 4:
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
150
A =
Sejam
A1 =
A11 A12
A21 A22
t
pt
A11
A21
r
mr
AB = [ A1 A2 ]
A2 =
A12
A22
B =
B11 B12
B21 B22
s
ns
t
pt
= A 1 B1 + A 2 B2 .
A1 B1 =
A11
A21
A2 B2 =
A12
A22
B1 =
A11 B1
A21 B1
B2 =
A12 B2
A22 B2
B11 B12
B21 B22
Portanto,
AB =
A11 A12
A21 A22
Observe que para que seja possvel fazer o produto por blocos e necessario
que o numero
de
a` Algebra
Introducao
Linear
Marco 2008
2.3
151
segunda matriz. O que fizemos acima pode ser generalizado para um numero
qualquer de blocos.
0
0
A=
1
0
0
0
0
1
0
1
0
0
1
0
0
0
2 1
3
4
.
e B=
5
0
2 1
0
5
0
02 2 + I2 5
02 1 + I2
3
4
2
1 = 2 1 .
AB =
2
1
5
0 2 1
I2
I2
+ 02
+ 02
3
4
3
4
2
1
M=
A 0
0 D
Marco 2008
0
A1
0 D1
(2.13)
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
152
invertveis e facil
verificar que a matriz dada em (2.13) e a inversa de
Demonstracao.
Se A e D sao
M.
Reciprocamente, suponha que M e invertvel. Seja N = M 1 . Vamos particionar a matriz N da
mesma maneira que M , ou seja,
N=
E F
G H
Como M N = N M = In , entao
A 0
0 D
E F
G H
0
Ip
0 Inp
E F
G H
A 0
0 D
disso, AE = Ip = EA e
De em que segue-se que, DH = Inp = HD e assim D e invertvel. Alem
portanto A e invertvel.
2.23. Sejam
Proposicao
A, B e D matrizes p p, p (n p) e (n p) (n p), respectivamente.
Seja M =
A B
0 D . Entao,
det(M ) = det
a` Algebra
Introducao
Linear
A B
0 D
= det(A) det(D).
Marco 2008
2.3
153
Demonstracao.
O resultado e claramente verdadeiro para n = 4. Supondo que o resultado seja
verdadeiro para matrizes (n 1) (n 1), vamos provar para matrizes n n. Expandindo o
determinante em termos da 1a. coluna da matriz
M=
obtemos
det(M ) =
p
X
A B
0 D
i1 )
(1)i+1 ai1 det(M
i=1
det(M ) =
p
X
i=1
p
X
i=1
Exerccios Numericos
Marco 2008
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
154
2.3.1. Sejam
E=
0 1
1 0
F =
1 0
1 1
e B=
B11 B12
B21 B22
1
1
=
3
3
1
2
1
2
1
1
1
1
1
1
1
2
I2
02
F
I2
02
(a)
I2
I2
(c)
02
B11
B21
B11
B21
B12
;
B22
B12
;
B22
E
(b)
02
I2
(d)
E
02
I2
02
I2
B11
B21
B11
B21
B12
;
B22
B12
.
B22
Exerccios Teoricos
2.3.2. Seja A uma matriz invertvel n n. Faca os seguintes produtos:
1
A In
t
A In
(b) A In
t
A In
(c) A In
(a) A
(d)
(e)
A
In
A1
In
A1
A In .
a` Algebra
Introducao
Linear
Marco 2008
2.3
155
A B
0 D
M=
A1 A1 BD1
M =
0
D1
1
0
A
A1 BD1
A B
In
mostre que
(Sugestao:
.)
=
0 D
0
D1
0 Inp
1
M=
A B
C D
M=
0
Ip
C Inp
A B
0 D
= CA1 e D
= D CA1 B .
em que C
faca o produto e verifique que e igual a M .)
(Sugestao:
2.3.6. Sejam A, B , C e D matrizes n n, com A invertvel. Seja
M=
Marco 2008
A B
C D
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
156
(a) Mostre que
(Sugestao:
152 e o exerccio anterior.)
(b) Se AC = CA, mostre que
a` Algebra
Introducao
Linear
Marco 2008
2.3
157
Teste do Captulo
1 3
2 3
0 3
4 6
9
2
4
9
7
5
1
1
1
0
0
2
0
1
0
0
0
0
1
0
2
0
0
2
2
2
A=
1
3
Marco 2008
0
0
0
0
2
1
2 1
0
0
0
2
Reginaldo J. Santos
de Matrizes e Determinantes
Inversao
158
4. Responda Verdadeiro ou Falso, justificando:
(I + A2 )1 = I 2A2 ;
(a) Se A2 = 2A4 , entao
singular, entao
determinante de A e -1;
(b) Se At = A2 e A e nao
det(A) = det(B).
(c) Se B = AAt A1 , entao
a` Algebra
Introducao
Linear
Marco 2008
Captulo 3
Espacos Rn
3.1
Muitas grandezas fsicas, como velocidade, forca, deslocamento e impulso, para serem comple da magnitude, da direcao
e do sentido. Estas grandezas sao
Espacos Rn
160
Por exemplo, as
se o numerador e o denominador de cada uma delas estiverem na mesma proporcao.
1/2, 2/4 e 3/6 representam o mesmo numero
fracoes
racional. De forma analoga,
dizemos que dois
direcao
a igualdade de
iguais, quando ad = bc. Analogamente,
numeros
racionais. Dois numeros
racionais a/b e c/d sao
V =AB
AB
q
q
*B
por Escalar
3.1.1 Soma de Vetores e Multiplicacao
A soma, V + W , de dois vetores V e W e determinada da seguinte forma:
tome um segmento orientado que representa V ;
a` Algebra
Introducao
Linear
Marco 2008
3.1
161
V + W = W + V,
(3.1)
V + (W + U ) = (V + W ) + U,
(3.2)
V + (V ) = 0.
(3.4)
W V = W + (V ).
de (3.1), (3.2), (3.4) e de (3.3) que
Segue desta definicao,
W + (V W ) = (V W ) + W = V + (W + W ) = V + 0 = V.
Marco 2008
Reginaldo J. Santos
Espacos Rn
162
escalar de V . E facil
(ou colineares) se, e somente se, um e um multiplo
escalar
do
outro.
com vetores podem ser definidas utilizando um sistema de coordenadas retanguAs operacoes
lares. Em primeiro lugar, vamos considerar os vetores no plano.
Seja V um vetor no plano. Definimos as componentes de V como sendo as coordenadas (v1 , v2 )
do ponto final do representante de V que tem ponto inicial na origem. Escrevemos simplesmente
V = (v1 , v2 ).
a` Algebra
Introducao
Linear
Marco 2008
3.1
163
de
das componentes, podemos realizar facilmente as operacoes:
soma de vetores e multiplicacao
vetor por escalar.
Como ilustrado na Figura 3.8, a soma de dois vetores V = (v1 , v2 ) e W = (w1 , w2 ) e dada por
V + W = (v1 + w1 , v2 + w2 );
V = ( v1 , v2 ).
Suponha que giramos o eixo x pelo menor angulo ate que coincida com o eixo y . Se os dedos da
direita apontam na direcao
do semi-eixo x positivo de forma que o semi-eixo y positivo esteja do
mao
entao
o polegar aponta no sentido do semi-eixo z positivo. Cada par de eixos
lado da palma da mao,
planos coordenados sao:
xy ,
determina um plano chamado de plano coordenado. Portanto os tres
yz e xz .
A cada ponto P no espaco associamos um terno de numeros
(x, y, z), chamado de coordenadas
Reginaldo J. Santos
Espacos Rn
164
planos por P paralelos aos planos coordenados.
Passe tres
do plano paralelo ao plano xy , passando por P , com o eixo z determina a coorde A intersecao
nada z .
do plano paralelo ao plano xz , passando por P , com o eixo y determina a coorde A intersecao
nada y
do plano paralelo ao plano yz , passando por P , com o eixo x determina a coorde A intersecao
nada x.
Alternativamente, podemos encontrar as coordenadas de um ponto P como segue.
operacoes
de vetores no espaco. Seja V um vetor no espaco. Como no caso de vetores do plano,
definimos as componentes de V como sendo as coordenadas (v1 , v2 , v3 ) do ponto final do representante de V que tem ponto inicial na origem. Escrevemos simplesmente
V = (v1 , v2 , v3 ).
a` Algebra
Introducao
Linear
Marco 2008
3.1
165
V + W = (v1 + w1 , v2 + w2 , v3 + w3 );
a multiplicacao
de V por e dada por
Se V = (v1 , v2 , v3 ) e e um escalar, entao
V = ( v1 , v2 , v3 ).
Quando um vetor V esta representado por um segmento orientado com ponto inicial fora da origem
as componentes
(Figura 3.13), digamos em P = (x1 , y1 , z1 ), e ponto final em Q = (x2 , y2 , z2 ), entao
dadas por
do vetor V sao
V =P Q=OQ OP = (x2 x1 , y2 y1 , z2 z1 ).
Marco 2008
Reginaldo J. Santos
Espacos Rn
166
a` Algebra
Introducao
Linear
Marco 2008
3.1
167
tem posicao
fixa, ao contrario
v1
V = v2
v3
ou V =
v1 v2 v3
ou
v1
w1
v1 + w 1
V + W = v 2 + w2 = v 2 + w 2 ,
v3
w3
v3 + w 3
V +W =
v1 v2 v3
V =
+
v1
v1
V = v2 = v2
v3
v3
w1 w2 w3 = v 1 + w 1 v 2 + w 2 v 3 + w 3 ,
v1 v2 v3 = v1 v2 v3
vetoriais
produzem os mesmos resultados que as operacoes
Reginaldo J. Santos
Espacos Rn
168
O mesmo vale, naturalmente, para vetores no plano.
validas
(f) (U + V ) = U + V ;
(c) U +
0 = U;
(g) ( + )U = U + U ;
(d) U + (U ) =
0;
(h) 1U = U .
Demonstracao.
Segue diretamente das propriedades da algebra
matricial (Teorema 1.1 na pagina
10).
Exemplo 3.3. Vamos usar vetores e as suas propriedades para provar um resultado conhecido de
A
A
1
M N = AB .
2
a` Algebra
Introducao
Linear
AN
A
A
Marco 2008
3.1
169
M N =M C + CN .
de AC e N e ponto medio
de BC , entao
Como M e ponto medio
1
AC
2
M C=
Logo,
MN=
CN =
1
CB .
2
1 1 1
1
AC + CB= (AC + CB) = AB .
2
2
2
2
Exemplo 3.4. Dados quatro pontos A, B , C e X tais que AX= AB , vamos escrever CX como
linear de CA e CB .
uma soma de multiplos
escalares de CA e CB , que e chamada combinacao
os vetores AX e AB sao
paralelos e portanto o ponto X so pode estar
Como AX= AB , entao
restricao.
O vetor que vai de C para X , pode ser
A
q
escrito como uma soma de um vetor que
QQ
q
*Q X
vai de C para A com um vetor que vai de
Q
Q
A para X ,
Q
q
C
CX=CA + AX .
Q-q
Q
CX= (1 ) CA + CB .
Marco 2008
Reginaldo J. Santos
Espacos Rn
170
2
3
1
2
CA +
1
2
CB ,
CA + 31 CB .
1
AB
.
2
+ 21 OB .
aplicando o exemplo
Entao,
OM = 12 (x1 , y1 , z1 ) + 12 (x2 , y2 , z2 ) e M =
a` Algebra
Introducao
Linear
x1 + x 2 y1 + y 2 z 1 + z 2
,
,
.
2
2
2
Marco 2008
3.1
171
Marco 2008
Reginaldo J. Santos
Espacos Rn
172
W
W
V
+
W +U
+U
W)
(V +
)
+U
(W
+
V
Figura 3.3: V + (W + U ) = (V + W ) + U
Figura 3.2: V + W = W + V
V W
V
V W
a` Algebra
Introducao
Linear
Marco 2008
3.1
173
V
3V
2V
1V
2
Marco 2008
Reginaldo J. Santos
Espacos Rn
174
v2
V = (v1 , v2 )
P = (x, y)
OP
v1
a` Algebra
Introducao
Linear
iguais as componentes de OP
Marco 2008
3.1
175
V +W
v2+w2
V
v2
w2
v2
V
v2
w2
W
v1
x
x
v1
w1
v1 +w1
Marco 2008
v1
v1
Reginaldo J. Santos
Espacos Rn
176
z
P = (x, y, z)
P = (x, y, z)
z
x
y
P0
a` Algebra
Introducao
Linear
Marco 2008
3.1
177
z
z
v3
P = (x, y, z)
V = (v1 , v2 , v3 )
OP
v1
v2
Marco 2008
iguais as componentes de OP
Reginaldo J. Santos
Espacos Rn
178
Q
V
P
a` Algebra
Introducao
Linear
Marco 2008
3.1
179
||V || =
p
v12 + v22 ,
||V || =
p
v12 + v22 + v32 ,
no caso em que V = (v1 , v2 , v3 ) e um vetor no espaco (verifique usando as Figuras 3.14 e 3.15).
A distancia
entre dois pontos P = (x1 , y1 , z1 ) e Q = (x2 , y2 , z2 ) e igual a` norma do vetor P Q
a distancia
dist(P, Q) = || P Q || =
p
(x2 x1 )2 + (y2 y1 )2 + (z2 z1 )2 .
Analogamente, a distancia
entre dois pontos P = (x1 , y1 ) e Q = (x2 , y2 ) no plano e igual a`
dist(P, Q) = || P Q || =
Marco 2008
(x2 x1 )2 + (y2 y1 )2 .
Reginaldo J. Santos
Espacos Rn
180
y
v3
V = (v1 , v2 )
||V ||
v1
V = (v1 , v2 , v3 )
||V ||
v2
x
v1
a` Algebra
Introducao
Linear
v2
Marco 2008
3.1
181
||V || =
12 + (2)2 + 32 =
14.
A distancia
entre os pontos P = (2, 3, 1) e Q = (1, 4, 5) e
(3)2 + 72 + 42 =
74.
da definicao
da multiplicacao
de vetor por escalar e
Se V = (v1 , v2 , v3 ) e e um escalar, entao
da norma de um vetor segue-se que
(v1
)2
+ (v2
)2
+ (v3
)2
q
= 2 (v12 + v22 + v32 ),
(3.5)
nulo, o vetor
Dado um vetor V nao
U=
1
||V ||
V.
1
||V || = 1.
||U || =
||V ||
Marco 2008
Reginaldo J. Santos
Espacos Rn
182
U=
1
||V ||
V =
14
2
1
3
(1, 2, 3) = ( , , ).
14 14 14
O angulo
entre dois vetores nao
determinado por V e W
representados com a mesma origem.
que satisfaz 0 , quando eles estao
Quando o angulo
entre dois vetores V e W e reto ( = 90o), ou um deles e o vetor nulo, dizemos
ortogonais ou perpendiculares entre si.
que os vetores V e W sao
Vamos definir, agora, um produto entre dois vetores, cujo resultado e um escalar. Por isso ele e
por exemplo, em Fsica: o trabalho realizado
chamado produto escalar. Este produto tem aplicacao,
por uma forca e o produto escalar do vetor forca pelo vetor deslocamento, quando a forca aplicada e
constante.
a` Algebra
Introducao
Linear
Marco 2008
3.1
183
V W =
0,
||V || ||W || cos ,
se V ou W e o vetor nulo,
caso contrario,
em que e o angulo
entre eles.
necessite
angulo
entre eles. Por isso, precisamos de uma forma de calcular o produto escalar que nao
do angulo
entre os vetores.
dois vetores nao
nulos e e o angulo
1
||V ||2 + ||W ||2 ||V W ||2 .
2
(3.6)
uma formula
Ja temos entao
para calcular o produto escalar que nao
mais simentre eles. Substituindo-se as coordenadas dos vetores em (3.6) obtemos uma expressao
V W = v 1 w1 + v 2 w2 + v 3 w3 .
Marco 2008
Reginaldo J. Santos
Espacos Rn
184
Teorema 3.2. O produto escalar ou interno, V W , entre dois vetores e dado por
V W = v 1 w1 + v 2 w2 ,
vetores no plano e por
se V = (v1 , v2 ) e W = (w1 , w2 ) sao
V W = v 1 w1 + v 2 w2 + v 3 w3 ,
vetores no espaco.
se V = (v1 , v2 , v3 ) e W = (w1 , w2 , w3 ) sao
Exemplo 3.8. Sejam V = (0, 1, 0) e W = (2, 2, 3). O produto escalar de V por W e dado por
V W = v 1 w1 + v 2 w2 + v 3 w3 = 0 2 + 1 2 + 0 3 = 2 .
nulos, V e W . O
Podemos usar o Teorema 3.2 para determinar o angulo
entre dois vetores nao
entao,
dado por
cosseno do angulo
entre V e W e,
cos =
V W
.
||V || ||W ||
vetores nao
nulos e e o angulo
Se V e W sao
entre eles, entao
(a) e agudo (0 < 90o ) se, e somente se, V W > 0,
a` Algebra
Introducao
Linear
Marco 2008
3.1
185
D = V1 + V2 + V3 = (1, 1, 1) .
o angulo
Entao
entre D e V1 satisfaz
cos =
ou seja,
Marco 2008
=
=
||D||||V1 ||
( 12 + 12 + 12 )( 12 + 02 + 02 )
3
1
= arccos( ) 54o .
3
Reginaldo J. Santos
Espacos Rn
186
validas
as seguintes propriedades:
Teorema 3.3. Sejam U, V e W vetores e um escalar. Sao
(a) (comutatividade) U V = V U ;
(b) (distributividade) U (V + W ) = U V + U W ;
(c) (associatividade) (U V ) = (U ) V = U (V );
(d) V V = ||V ||2 0, para todo V e V V = 0 se, e somente se, V =
0.
Demonstracao.
Sejam U = (u1 , u2 , u3 ), V = (v1 , v2 , v3 ) e W = (w1 , w2 , w3 ).
(a) U V = u1 v1 + u2 v2 + u3 v3 = v1 u1 + v2 u2 + v3 u3 = V U ;
(b) U (V +W ) = (u1 , u2 , u3 )(v1 +w1 , v2 +w2 , v3 +w3 ) = u1 (v1 +w1 )+u2 (v2 +w2 )+u3 (v3 +w3 ) =
(u1 v1 +u1 w1 )+(u2 v2 +u2 w2 )+(u3 v3 +u3 w3 ) = (u1 v1 +u2 v2 +u3 v3 )+(u1 w1 +u2 w2 +u3 w3 ) =
U V + U W;
a` Algebra
Introducao
Linear
Marco 2008
3.1
187
Ortogonal
Projecao
ortogonal de V sobre W denotada por
Dados dois vetores V e W a projecao
projW V
e o vetor que e paralelo a W tal que V projW V seja ortogonal a W (Figura 3.19).
Marco 2008
Reginaldo J. Santos
Espacos Rn
188
nulo. Entao,
a projecao
ortogonal de um vetor V em W e
3.4. Seja W um vetor nao
Proposicao
dada por
projW V =
V W
||W ||2
W.
Demonstracao.
Sejam V1 = projW V e V2 = V projW V . Como V1 e paralelo a W , entao
V1 = W.
(3.7)
Assim,
V2 = V W .
V2 W = (V W ) W = V W ||W ||2 .
(3.8)
V W
.
||W ||2
Exemplo 3.10. Sejam V = (2, 1, 3) e W = (4, 1, 2). Vamos encontrar dois vetores V 1 e V2 tais
que V = V1 + V2 , V1 e paralelo a W e V2 e perpendicular a W (Figura 3.19). Temos que
V W = 2 4 + (1)(1) + 3 2 = 15
a` Algebra
Introducao
Linear
Marco 2008
3.1
189
Marco 2008
6 2 11
20 5 10
, , ) = ( , , ) .
7
7 7
7 7 7
Reginaldo J. Santos
Espacos Rn
190
Exerccios Numericos
(respostas na pagina
548)
3.1.1. Determine o vetor X , tal que 3X 2V = 15(X U ).
3.1.2. Determine o vetor X , tal que
6X 2Y
3X + Y
= U
= U +V
ao ponto
3.1.4. Quais sao
do ponto P = (1, 0, 3) em relacao
a` Algebra
Introducao
Linear
Marco 2008
3.1
191
da soma deles.)
que eles tenham o mesmo comprimento e tome o vetor unitario
na direcao
perpendicula3.1.10. Determine o valor de x para o qual os vetores V = (x, 3, 4) e W = (3, 1, 2) s ao
res.
existe x tal que os vetores V = (x, 2, 4) e W = (x, 2, 3) sao
perpendi3.1.11. Demonstre que nao
culares.
3.1.14. Sabe-se que o vetor X e ortogonal a (1, 1, 0) e a (1, 0, 1), tem norma
entre X e (0, 1, 0), tem-se cos > 0. Ache X .
3 e sendo o angulo
vertices
Reginaldo J. Santos
Espacos Rn
192
>> V+W e a soma de V e W; >> V-W e a diferenca V menos W; >> num*V e o produto do vetor V
pelo escalar num;
expr;
>> subs(expr,x,num) substitui x por num na expressao
da equacao
expr=0;
>> solve(expr) determina a solucao
Comandos numericos
do pacote GAAL:
Comandos graficos
do pacote GAAL:
>> desvet(P,V) desenha o vetor V com origem no ponto P e >> desvet(V) desenha o vetor
V com origem no ponto O = (0, 0, 0).
>> po([P1;P2;...;Pn]) desenha os pontos P1, P2, ..., Pn.
>> lineseg(P1,P2,cor) desenha o segmento de reta P1P2.
>> eixos desenha os eixos coordenados.
>> box desenha uma caixa em volta da figura.
>> axiss reescala os eixos com a mesma escala.
em torno do eixo z .
>> rota faz uma rotacao
a` Algebra
Introducao
Linear
Marco 2008
3.1
193
pelo fator.
>> zoom3(fator) amplifica a regiao
demog21,
demonstra as funcoes
graficas
Exerccios Teoricos
paralelos de um trapezio
e paralelo as
aritmetica
das medidas das bases. (Sugestao:
Reginaldo J. Santos
Espacos Rn
194
D
A
A
AN
A
A
Sejam M e
3.1.20. Demonstre que as diagonais de um paralelogramo se cortam ao meio. (Sugestao:
N os pontos medios
das duas diagonais do paralelogramo. Mostre que o vetor M N =
0, entao
conclua que M = N .)
3.1.21. Sejam A, B e C pontos quaisquer com A 6= B . Prove que:
(a) Um ponto X pertence a reta determinada por A e B (AX= AB ) se, e somente se,
CX= CA + CB,
com + = 1.
(b) Um ponto X pertence ao interior do segmento AB (AX= AB , com 0 < < 1) se, e
somente se,
CX= CA + CB,
e + = 1.
CX= CA + CB,
a` Algebra
Introducao
Linear
e + < 1.
Marco 2008
3.1
195
C
A
= 0 ou V =
3.1.22. Mostre que se V =
0, entao
0.
U = V ? E se 6= 0 ?
3.1.23. Se U = V , entao
Marco 2008
Reginaldo J. Santos
Espacos Rn
196
= ? E se V 6=
3.1.24. Se V = V , entao
0?
3.1.25. Mostre que 2V = V + V .
W = U?
3.1.26. Se V W = V U , entao
V e ortogonal a 1 W1 + 2 W2 .
3.1.27. Mostre que se V e ortogonal a W1 e W2 , entao
perpendiculares. (Sugestao:
mostre que
3.1.28. Demonstre que as diagonais de um losango sao
1
||V + W ||2 ||V W ||2 ;
4
1
||V + W ||2 + ||V W ||2 .
(b) ||V ||2 + ||W ||2 =
2
(a) V W =
(Sugestao:
a` Algebra
Introducao
Linear
Marco 2008
3.1
197
(c) ||V || ||W || ||V W ||.
defina U = V W e aplique o item anterior a U e W )
(Sugestao:
vetores unitarios
A e invertvel e A1 = At .
uma matriz 3 3 cujas colunas sao os vetores U1 , U2 e U3 , entao
mostre que At A = I3 .)
(Sugestao:
Marco 2008
Reginaldo J. Santos
Espacos Rn
198
V
V
a` Algebra
Introducao
Linear
Marco 2008
3.1
V W
199
V W
Marco 2008
Reginaldo J. Santos
Espacos Rn
200
(0, 0, 1)
(1, 1, 1)
(1, 0, 0)
(0, 1, 0)
a` Algebra
Introducao
Linear
Marco 2008
projW V
201
V projW V
V projW V
3.1
projW V
Marco 2008
Reginaldo J. Santos
Espacos Rn
202
3.2
Equacoes
de Retas e Planos
do Plano
3.2.1 Equacao
de uma
Existe uma analogia entre uma reta no plano e um plano no espaco. No plano, a equacao
e um de seus pontos. No espaco, a inclinacao
de
reta e determinada se forem dados sua inclinacao
de um plano e determinada se sao
Demonstracao.
Um ponto P = (x, y, z) pertence ao plano se, e somente se, o vetor P0 P for
perpendicular ao vetor N , ou seja,
N P0 P = 0 .
(3.10)
a` Algebra
Introducao
Linear
Marco 2008
3.2
Equacoes
de Retas e Planos
203
N = (a, b, c)
P0 = (x0 , y0 , z0 )
P = (x, y, z)
Marco 2008
Reginaldo J. Santos
Espacos Rn
204
ax + by + cz + d = 0 ,
as componentes do vetor normal, ou seja, a = 4, b = 2 e c = 5.
onde os coeficientes de x, y e z sao
de e da forma
Assim, a equacao
4x + 2y 5z + d = 0 .
Para determinar o coeficiente d, basta usarmos o fato de que P0 = (3, 1, 7) pertence a . Mas, o
de , ou seja,
ponto P0 pertence a se, e somente se, as suas coordenadas satisfazem a equacao
4 3 + 2(1) 5 7 + d = 0 .
do plano e
De onde tiramos que d = 12 + 2 + 35 = 25. Finalmente, a equacao
4x + 2y 5z + 25 = 0 .
de uma reta e determinada se forem dados dois pontos da reta. AnalogaNo plano, a equacao
de um plano e determinada se sao
dados tres
pontos P1 , P2 e P3 nao
a` Algebra
Introducao
Linear
Marco 2008
3.2
Equacoes
de Retas e Planos
205
dc
db
ad
dc
db
ad
ad
db
Marco 2008
Reginaldo J. Santos
Espacos Rn
206
ab
ab
ac
bc
ab
ac
bc
bc
ac
dc
ab
bc
ac
ad
db
a` Algebra
Introducao
Linear
Marco 2008
Equacoes
de Retas e Planos
3.2
207
(v1 , v2 , v3 ) e W =P1 P3 = (w1 , w2 , w3 ). O vetor normal do plano, N = (a, b, c), e ortogonal a estes
equacoes
( N P 1 P = 0, N P 1 P 2 = 0
tres
com tres
incognitas
nao
trivial se, e somente se, o determie N P1 P3 = 0) e tres
(a, b e c), que tem solucao
det
Mas,
x x1 y y1 z z 1
v1
v2
v3 = 0 .
w1
w2
w3
(3.11)
P1 P = (x 1, y 2, z (1)),
x1 y2 z+1
1
2 = 9(x 1) + (y 2) 5(z + 1) = 9x + y 5z 16 = 0 .
det 1
2
3
3
do plano tambem
e determinada se ao inves
de serem dados tres
pontos, forem dados
A equacao
um ponto P1 do plano e dois vetores paralelos ao plano, V = (v1 , v2 , v3 ) e W = (w1 , w2 , w3 ), desde
Marco 2008
Reginaldo J. Santos
Espacos Rn
208
colineares. Ou ainda se forem dados dois pontos P1 e P2 do plano e um vetor paque eles sejam nao
ralelo ao plano V = (v1 , v2 , v3 ), ja que neste caso podemos formar o vetor W = P1 P2 = (w1 , w2 , w3 )
paralelo ao plano.
que e tambem
equacoes
(N P1 P = 0, N V = 0 e N W = 0) e tres
incognitas
nao
tres
(a, b e c), que tem solucao
trivial se, e somente se, o determinante da matriz do sistema e igual a zero (Teorema 2.15 na pagina
123), ou seja, se, e somente se,
x x1 y y1 z z 1
v2
v3 = 0 .
det v1
w1
w2
w3
(3.12)
Assim, um ponto P = (x, y, z) pertence a um plano que passa pelo ponto P1 = (x1 , y1 , z1 )
paralelos) se, e somente se, a
e e paralelo aos vetores V = (v1 , v2 , v3 ) e W = (w1 , w2 , w3 ) (nao
(3.12) e verdadeira.
equacao
faz sentido dizer que um vetor pertence a um plano. Pois, por um lado, um plano e
Nao
Observacao.
livres, podem ser colocados em qualquer ponto.
um conjunto de pontos e por outro, os vetores sao
O correto e dizer que um vetor e paralelo a um plano.
3.2.2 Equacoes
da Reta
nulo e que passa por um
Vamos supor que uma reta r e paralela a um vetor V = (a, b, c) nao
ponto P0 = (x0 , y0 , z0 ). Um ponto P = (x, y, z) pertence a reta r se, e somente se, o vetor P0 P e
a` Algebra
Introducao
Linear
Marco 2008
3.2
Equacoes
de Retas e Planos
209
se o vetor P0 P e um multiplo
paralelo ao vetor V , isto e,
escalar de V , ou seja,
P0 P = t V .
(3.13)
3.6. As equacoes
Proposicao
x = x0 + t a
y = y0 + t b para todo t R
z = z0 + t c
(3.14)
de uma reta r que passa por um ponto P0 = (x0 , y0 , z0 ) e e paralela ao vetor V = (a, b, c). As
sao
chamadas equacoes
(3.14) sao
equacoes
parametricas
da reta r . O vetor V = (a, b, c) e chamado
vetor diretor da reta r .
O parametro
t pode ser interpretado como o instante de tempo, se o ponto P = (x, y, z) descreve
o movimento de uma partcula em movimento retilneo uniforme com vetor velocidade V = (a, b, c).
Observe que para t = 1, P = (x, y, z) = (x0 + a, y0 + b, z0 + c), para t = 2, P = (x, y, z) =
(x0 + 2a, y0 + 2b, z0 + 2c) e assim por diante.
Marco 2008
Reginaldo J. Santos
Espacos Rn
210
N = (a, b, c)
P3 = (x3 , y3 , z3 )
P1 = (x1 , y1 , z1 )
P = (x, y, z)
P2 = (x2 , y2 , z2 )
pontos
Figura 3.25: Plano que passa por tres
OP
P = (x, y, z)
P0 P
V = (a, b, c)
r
OP0
P0 = (x0 , y0 , z0 )
a` Algebra
Introducao
Linear
Marco 2008
3.2
Equacoes
de Retas e Planos
211
(3.14), podem ser reescritas como (x, y, z) = (x0 + at, y0 + bt, z0 + ct).
As equacoes
faz sentido dizer que o vetor esta contido na reta. Por um lado, a reta e um conjunto
Nao
Observacao.
tem posicao
fixa.
de pontos e por outro um vetor nao
Exemplo 3.13. A reta que passa por P0 = (1, 2, 3) e e paralela ao vetor V = (4, 5, 7) tem equacoes
parametricas
x = 1 + 4t
y = 2 + 5 t para todo t R
z = 3 7t
parametricas
P1 P2 = (5 2, 0 4, 7 (1)) = (3, 4, 8)
parametricas
de r sao
e paralelo a r e o ponto P1 = (2, 4, 1) pertence a r . Portanto, as equacoes
x = 2 + 3t
y = 4 4t
para todo t R.
z = 1 + 8 t
encontrar a intersecao
da reta r com os planos coordenados xy , yz e xz . A
Podemos tambem
do plano xy e z = 0, do plano yz e x = 0 e do plano xz e y = 0. Substituindo z = 0 nas
equacao
Marco 2008
Reginaldo J. Santos
Espacos Rn
212
de r , obtemos t = 81 , x =
equacoes
e
19
8
de r com o plano xy
e y = 72 , ou seja, o ponto de intersecao
de r com o plano
De forma analoga,
encontramos que (x, y, z) = (0, 20
, 19
) e o ponto de intersecao
3
3
de r com o plano xz .
yz e (x, y, z) = (5, 0, 7) e o ponto de intersecao
parametricas
dos planos
Exemplo 3.15. Vamos encontrar as equacoes
da reta r , intersecao
1 : 2x + y + 4z 4 = 0
2 : 2x y + 2z
= 0.
(3.15)
geral do sistema
Podemos encontrar as equacoes
parametricas
de r determinando a solucao
(3.15). Para isto devemos escalonar a matriz do sistema (3.15):
2
1 4 4
2 1 2 0
4
2
1
4
0 2 2 4
2x + y + 4z =
4
2y 2z = 4
a` Algebra
Introducao
Linear
Marco 2008
3.2
Equacoes
de Retas e Planos
213
x = 1
y = 2
z =
Marco 2008
3
t
2
t
t
para todo t R.
(3.16)
Reginaldo J. Santos
Espacos Rn
214
Exerccios Numericos
(respostas na pagina
552)
do plano paralelo ao plano 2xy +5z 3 = 0 e que passa por P = (1, 2, 1).
3.2.1. Ache a equacao
do plano que passa pelo ponto P = (2, 1, 0) e e perpendicular aos planos
3.2.2. Encontre a equacao
x + 2y 3z + 2 = 0 e 2x y + 4z 1 = 0.
do plano que passa pelos pontos P = (1, 0, 0) e Q = (1, 0, 1) e e
3.2.3. Encontrar a equacao
perpendicular ao plano y = z .
3.2.4. Dadas as retas r : (x, y, z) = (2 + 2t, 2t, t) e s : (x, y, z) = (2 + t, t, t) obtenha uma equac ao
geral para o plano determinado por r e s.
3.2.5. Sejam P = (4, 1, 1) e r : (x, y, z) = (2, 4, 1) + t (1, 1, 2).
(a) Mostre que P 6 r ;
a` Algebra
Introducao
Linear
Marco 2008
3.2
Equacoes
de Retas e Planos
215
>> V+W e a soma de V e W; >> V-W e a diferenca V menos W; >> num*V e o produto do vetor V
pelo escalar num;
expr;
>> subs(expr,x,num,) substitui x por num na expressao
da equacao
expr=0;
>> solve(expr) determina a solucao
Comandos numericos
do pacote GAAL:
Comandos graficos
do pacote GAAL:
V.
>> lin(P,V) desenha a reta que passa por P com direcao
Marco 2008
Reginaldo J. Santos
Espacos Rn
216
V1, V2.
>> lin(P1,V1,P2,V2) desenha retas que passam por P1, P2, direcoes
Exerccio Teorico
de um plano que nao
passa pela origem e corta os
3.2.13. Seja ax + by + cz + d = 0 a equacao
eixos.
tres
de com os eixos;
(a) Determine a intersecao
a` Algebra
Introducao
Linear
Marco 2008
3.2
Equacoes
de Retas e Planos
217
as intersecoes
de com os eixos,
(b) Se P1 = (p1 , 0, 0), P2 = (0, p2 , 0) e P3 = (0, 0, p3 ) sao
de pode ser posta sob a forma
a equacao
x
y
z
+
+
= 1.
p1 p2 p3
Marco 2008
Reginaldo J. Santos
Espacos Rn
218
P = (x, y, z)
P1 P2
P2 = (x2 , y2 , z2 )
P1 P
OP2
OP1
P1 = (x1 , y1 , z1 )
P1 P2
a` Algebra
Introducao
Linear
Marco 2008
3.2
Equacoes
de Retas e Planos
219
Figura 3.28: 1 : 2x + y + 4z 4 = 0
Marco 2008
Reginaldo J. Santos
Espacos Rn
220
Figura 3.29: 2 : 2x y + 2z = 0
a` Algebra
Introducao
Linear
Marco 2008
3.2
Equacoes
de Retas e Planos
221
Figura 3.30: 1 , 2 e 1 2
Marco 2008
Reginaldo J. Santos
Espacos Rn
222
3.3
Os Espacos Rn
estudamos sobre vetores no plano e no espaco pode ser estendido para n-uplas
de numeros
reais,
3.2. Para cada inteiro positivo n, o espaco (vetorial) Rn e definido pelo conjunto de todas
Definicao
ordenadas X = (x1 , . . . , xn ) de numeros
reais.
as n-uplas
reais.
pares de numeros
reais e o R3 e o conjunto dos ternos de numeros
3
(x1 , x2 , x3 ) pode ser interpretado geometricamente de duas maneiras:
No R o terno de numeros
situacao.
considerados iguais se
Dois vetores V = (v1 , . . . , vn ) e W = (w1 , . . . , wn ) no Rn sao
no R sao
ao que fizemos no plano e no espaco.
a` Algebra
Introducao
Linear
Marco 2008
Os Espacos Rn
3.3
223
z
z
z
(x, y, z)
(x, y, z)
Marco 2008
Reginaldo J. Santos
Espacos Rn
224
3.3.
Definicao
por
V + W = (v1 + w1 , . . . , vn + wn );
(3.17)
V = ( v1 , . . . , vn ).
(3.18)
escalar de V .
n
ser escrito na notacao
matricial como uma matriz
Um vetor V = (v1 , . . . , vn ) do R pode tambem
linha ou como uma matriz coluna:
v1
V = ...
vn
ou V =
v1 . . . v n
v1
V + W = ... +
vn
a` Algebra
Introducao
Linear
w1
..
. =
wn
v1 + w 1
..
.
vn + w n
v1
v1
V = ... = ...
vn
vn
Marco 2008
3.3
Os Espacos Rn
ou
V +W =
225
v1 . . . v n
V =
+
v1
w1 . . . w n = v 1 + w 1 . . . v n + w n ,
. . . vn = v1 . . . vn
vetoriais
produzem os mesmos resultados que as operacoes
escalares. Sao
as seguintes propriedades:
(a) U + V = V + U ;
(e) (U ) = ()U ;
(b) (U + V ) + W = U + (V + W );
(f) (U + V ) = U + V ;
(c) U +
0 = U;
(g) ( + )U = U + U ;
(d) U + (U ) =
0;
(h) 1U = U .
Marco 2008
Reginaldo J. Santos
Espacos Rn
226
Demonstracao.
Segue diretamente das propriedades da algebra
matricial (Teorema 1.1 na pagina
10).
vazio onde estao
Linear
3.3.1 Combinacao
linear de vetores V1 , . . . , Vk , e simplesmente uma soma de multiplos
Uma combinacao
escalares
de V1 , . . . , Vk .
x1 V 1 + x 2 V 2 + . . . + x k V k = V
(3.19)
a equacao
(3.19) se reduz a x1 V1 = V , ou seja, V e uma combinacao
linear de
Se k = 1, entao
V1 se, e somente se, V e um multiplo
escalar de V1 .
a` Algebra
Introducao
Linear
Marco 2008
3.3
Os Espacos Rn
227
e
Exemplo 3.16. Sejam V1 = (1, 0, 0) e V2 = (1, 1, 0), vetores de R3 . O vetor V = (2, 3, 2) nao
linear de V1 e V2 , pois a equacao
uma combinacao
x1 V1 + x2 V2 = V,
(3.20)
possui solucao.
que nao
x1 + x 2 = 2
x2 = 3
0 = 2
a equacao
x1 V 1 + x 2 V 2 = V
(3.21)
ou
Reginaldo J. Santos
Espacos Rn
228
V = (2, 3, 2)
V1 = (1, 0, 0)
V1 = (1, 0, 0)
V2 = (1, 1, 0)
V2 = (1, 1, 0)
y
V = (2, 3, 0)
e combinacao
Figura 3.33: O vetor V nao
linear de V1 e V2
a` Algebra
Introducao
Linear
linear
Figura 3.34: O vetor V e combinacao
de V1 e V2
Marco 2008
3.3
Os Espacos Rn
e equivalente ao sistema
229
x1 + x 2 = 2
x2 = 3
0 = 0
0 = 0V1 + . . . + 0Vk .
linear de
Exemplo 3.19. Todo vetor V = (a, b, c) do R3 e uma combinacao
x1 A 1 + x 2 A 2 + . . . + x n A n = B ,
Marco 2008
(3.22)
Reginaldo J. Santos
Espacos Rn
230
c~k
V = (a, b, c)
a~i
b~j
a` Algebra
Introducao
Linear
Marco 2008
3.3
Os Espacos Rn
231
vetores do Rm , a equacao
(3.22), pode ser
e verificamos se ela tem solucao.
Se A1 , . . . , An sao
escrita como
a11
x1
..
.
am1
a1n
+ . . . + xn
..
.
amn
b1
..
= .
bm
AX = B,
os vetores Ai escritos como matrizes colunas, ou seja, A = [A1 . . . An ]
em queas colunas
de A sao
x1
..
e X = . . Isto prova o seguinte resultado.
xn
linear
3.8. Sejam A uma matriz m n e B uma matriz m 1. O vetor B e combinacao
Proposicao
3.3.2 Independencia
Linear
3.5. Dizemos que um conjunto S = {V1 , . . . , Vk } de vetores do Rn e linearmente indeDefinicao
vetorial
pendente (L.I.) se a equacao
x1 V1 + x2 V2 + . . . + xk Vk = 0
Marco 2008
(3.23)
Reginaldo J. Santos
232
Espacos Rn
isto e,
dos vetores V1 , . . . , Vk e aquela em que todos os escalares sao
nao
trivial, dizemos que o conjunto S e linearmente dependente (L.D.).
se (3.23) possui solucao
a` Algebra
Introducao
Linear
Marco 2008
3.3
Os Espacos Rn
233
e equivalente a x1 = 0 ou V1 =
0. Mas, V1 6= 0; portanto x1 = 0.
x1 V1 + . . . + xk Vk + 0 W1 + . . . + 0 Wm = 0
nao
trivial.
admite solucao
Exemplo 3.23. Um conjunto formado por dois vetores do Rn , {V1 , V2 } e L.D. se, e somente se, a
x1 V1 + x 2 V2 =
nao
trivial. Mas se isto acontece, entao
um dos escalares
equacao
0 possui solucao
1 V1
Reciprocamente, se um vetor e multiplo
escalar do outro, digamos se V1 = V2 , entao
Por exemplo, o conjunto S = {V1 , V2 }, em que V1 = (1, 0, 1) e V2 = (0, 1, 1), e L.I., pois um vetor
e multiplo
nao
escalar do outro.
Marco 2008
Reginaldo J. Santos
Espacos Rn
234
V2
V1
V1
V2
a` Algebra
Introducao
Linear
Marco 2008
3.3
Os Espacos Rn
235
V2
V1
V3
V3
V2
V1
x
Marco 2008
Reginaldo J. Santos
Espacos Rn
236
V1
V1
V2
V2
V3
a` Algebra
Introducao
Linear
V3
Marco 2008
3.3
Os Espacos Rn
237
vetores nao
nulos sao
L.D., entao
ou os tres
sao
paralelos (Figura 3.38), ou dois deles sao
se tres
sao
coplanares, isto e,
sao
paralelos a um mesmo plano (Figura
paralelos (Figura 3.39) ou os tres
3.40).
linear dos outros dois, digamos se V1 = V2 +
Reciprocamente, se um vetor e uma combinacao
V3 , entao
linear dos outros dois. No R3 , se tres
vetores sao
equacao
x1 E1 + . . . + xn En = 0
pode ser escrita como
x1 = 0, . . . , xn = 0 .
Marco 2008
Reginaldo J. Santos
Espacos Rn
238
x1
a11
..
.
am1
+ . . . + xn
a1n
..
.
amn
..
= .
0
os vetores
que e equivalente ao sistema linear homogeneo
AX = 0, em que ascolunas
de A sao
x1
..
Ai escritos como matrizes colunas, ou seja, A = [A1 . . . An ] e X = . . Isto prova o seguinte
xn
resultado.
det(A) 6= 0.
a` Algebra
Introducao
Linear
Marco 2008
3.3
Os Espacos Rn
239
linear homogeneo
com mais incognitas
do que equacoes,
que pelo Teorema 1.6 na pagina
53 tem
nao
trivial.
sempre solucao
Corolario
3.10. Em Rn um conjunto com mais de n vetores e L.D.
x1 X1 + x2 X2 + x3 X3 = 0.
vetorial e equivalente ao sistema linear AX =
Esta equacao
0, em que
1 0 1
A = [ X 1 X2 X3 ] = 0 1 1 .
1 1 1
Escalonando a matriz [ A |
0 ] podemos obter a sua forma escalonada reduzida
1 0 0 0
[ R |0 ] = 0 1 0 0 .
0 0 1 0
Marco 2008
Reginaldo J. Santos
Espacos Rn
240
que o sistema A X =
trivial x1 = x2 = x3 = 0.
Concluimos, entao
0 possui somente a solucao
L.I.
Portanto os vetores X1 , X2 e X3 sao
Exemplo 3.27. Sejam V1 = (1, 2, 5), V2 = (7, 1, 5) e V3 = (1, 1, 1) vetores do R3 . Para
L.I. ou L.D. escrevemos a equacao
x1 V1 + x2 V2 + x3 V3 = 0.
(3.25)
1
7
1
A = [ V1 V2 V3 ] = 2 1 1 .
5
5 1
A matriz [ A |
0 ] e equivalente por linhas a` matriz escalonada reduzida
0
[R|0] =
0
0 2/5 0
1
1/5 0 .
0
0 0
(3.26)
Assim a variavel
x3 pode ser uma variavel
livre que pode, portanto, assumir qualquer valor. Conclui
vetorial (3.25) tem
solucao
nao
trivial. Portanto, V1 , V2 e V3
mos que o sistema A X = 0 e a equacao
L.D.
sao
linearmente dependente sugere que os vetores dependem uns dos outros em algum
A expressao
sentido. O teorema seguinte mostra que este realmente e o caso.
a` Algebra
Introducao
Linear
Marco 2008
3.3
Os Espacos Rn
241
Marco 2008
Reginaldo J. Santos
Espacos Rn
242
em duas partes:
Demonstracao.
Vamos dividir a demonstracao
(3.27)
x1 V1 + . . . + x k Vk =
nao
trivial, pois o coeficiente
Isto implica que a equacao
0 admite solucao
de Vj em (3.27) e 1. Portanto, S e L.D.
a equacao
x1 V1 + x2 V2 + . . . + xk Vk = 0
(3.28)
nao
trivial, o que significa que pelo menos um xj e diferente de zero. Entao,
admite solucao
(3.28) por 1/xj e subtraindo-se ( xx1 )V1 + . . . + ( xxk )Vk obtemos
multiplicando-se a equacao
j
j
Vj =
x1
xj
V1 . . .
xj1
xj
Vj1
xj+1
xj
Vj+1 . . .
xk
xj
Vk .
Observacao.
Na demonstracao
linear dos outros.
linear, puder ser diferente de zero, pode ser escrito como combinacao
a` Algebra
Introducao
Linear
Marco 2008
3.3
Os Espacos Rn
243
x1 V1 + x2 V2 + x3 V3 = 0
se, e somente se, x1 = (2/5), x2 = (1/5) e x3 = , para todo R. Substituindo-se os
acima, ficamos com
valores de x1 , x2 e x3 na equacao
(2/5)V1 (1/5)V2 + V3 = 0
Tomando-se = 1, obtemos
(2/5)V1 (1/5)V2 + V3 = 0
multiplicando-se por 5 e somando-se 2V1 + 5V3 , temos que V2 = 2V1 + 5V3 . Observe que, neste
linear dos outros. O proximo
Exemplo 3.29. Sejam V1 = (2, 2, 2), V2 = (3, 3/2, 0) e V3 = (2, 1, 0). {V1 , V2 , V3 } e L.D.,
e combinacao
linear de V2 e V3 (Figura 3.39 na pagina
235).
mas V1 nao
Marco 2008
Reginaldo J. Santos
Espacos Rn
244
Exerccios Numericos
(respostas na pagina
555)
combinacao
linear de X1 = (4, 2, 3), X2 = (2, 1, 2) e
3.3.1. Quais dos seguintes vetores sao
X3 = (2, 1, 0)?
(a) (1, 1, 1);
(c) (2, 1, 1);
(b) (4, 2, 6);
linearmente dependentes?
3.3.2. Quais dos seguintes conjuntos de vetores sao
(a) {(1, 1, 2), (1, 0, 0), (4, 6, 12)};
(c) {(1, 1, 1), (2, 3, 1), (3, 1, 2)};
(b) {(1, 2, 3), (2, 4, 6)};
3.3.3. Para quais valores de o conjunto de vetores {(3, 1, 0), (2 + 2, 2, 0)} e L.D.?
3.3.4. Suponha que {V1 , V2 , V3 } e um conjunto linearmente independente de vetores de Rn . Responda se {W1 , W2 , W3 } e linearmente dependente ou independente nos seguintes casos:
(a) W1 = V1 + V2 , W2 = V1 + V3 e W3 = V2 + V3 ;
(b) W1 = V1 , W2 = V1 + V3 e W3 = V1 + V2 + V3 .
(a) Defina os vetores V1=[1;2;3], V2=[3;4;5] e V3=[5;6;7]. Defina o vetor aleat orio
linear de V1, V2 e V3.
V=randi(3,1). Verifique se V e combinacao
a` Algebra
Introducao
Linear
Marco 2008
3.3
Os Espacos Rn
245
Exerccios Teoricos
3.3.6. Suponha que {X1 , X2 , . . . , Xk }, com k n, e um conjunto de vetores do Rn linearmente
singular, entao
{AX1 , AX2 , . . . , AXk }
independente. Mostre que se A e uma matriz n n nao
e um conjunto linearmente independente.
tambem
linear de U e V ?
nulos U , V e W sao
L.D., entao
W e uma combinacao
3.3.7. Se os vetores nao
Marco 2008
Reginaldo J. Santos
Captulo 4
Subespacos
4.1
Base e Dimensao
Ja vimos na Proposicao
54 que o conjunto W satisfaz as seguintes propriedades:
X + Y tambem
pertence a W.
(a) Se X e Y pertencem a W, entao
X tambem
pertence a W para todo escalar .
(b) Se X pertence a W, entao
dos itens (a) e (b) acima na Proposicao
1.7 na pagina
X + Y e X tambem
o sao.
Assim, se X e Y sao
de um sistema homogeneo,
entao
lineares de solucoes
de AX =
tambem
solucoes
de AX =
Portanto, combinacoes
0 sao
0.
246
4.1
Base e Dimensao
247
de um sistema homogeneo
do
O conjunto solucao
AX = 0 e chamado de espaco solucao
sistema homogeneo
AX = 0. Ele se comporta como se fosse um espaco, no sentido de que
samos
fazendo soma de vetores do conjunto ou multiplicando vetores do conjunto por escalar nao
dele.
vazio de Rn que satisfaz as propriedades (a) e (b) acima e chamado de
Um subconjunto nao
n
as operacoes
de soma e multiplicacao
por escalar podemos viver
subespaco de R . Com relacao
do sistema homogeneo
de R . Vale tambem
3
e o R2 .
plano W = {(x, y, z) R | z = 0} e um subespaco de R3 mas ele nao
a1 x + b 1 y + c 1 z = 0
a2 x + b 2 y + c 2 z = 0
a3 x + b 3 y + c 3 z = 0
deste sistema e representada por um plano que passa pela origem. O conjunto solucao
Cada equacao
3
dos planos, podendo ser:
e um subespaco de R e e a intersecao
(a) Somente um ponto que e origem.
Marco 2008
Reginaldo J. Santos
248
Subespacos
X1
X1 +X2
X
X
X2
by + cz = 0
a` Algebra
Introducao
Linear
Marco 2008
4.1
Base e Dimensao
249
X1 +X2
X1
X2
Figura 4.3:
Marco 2008
Reginaldo J. Santos
250
Subespacos
1
1
0
0
1
1 1 1 .
A = 2 2
1
1 1
1
0
1 1 0
0 1 0
0 0 1 1 1 0 .
0 0 0
0 0 0
x1 = , x2 = , x3 = + , x4 = x5 =
do sistema AX =
para todos os valores de , , R, ou seja, o conjunto solucao
0 e
W = {(x1 , x2 , x3 , x4 , x5 ) = ( , , + , , ) | , , R} .
a` Algebra
Introducao
Linear
Marco 2008
4.1
Base e Dimensao
251
linear de vetores de W:
Agora, um elemento qualquer de W pode ser escrito como uma combinacao
( , , + , , ) = (, 0, , 0, ) + (0, 0, , , 0) + (, , 0, 0, 0)
= (1, 0, 1, 0, 1) + (0, 0, 1, 1, 0) + (1, 1, 0, 0, 0)
linear dos vetores V1 = (1, 0, 1, 0, 1),
Assim, todo vetor de W pode ser escrito como combinacao
V2 = (0, 0, 1, 1, 0) e V3 = (1, 1, 0, 0, 0) pertencentes a W (V1 e obtido fazendo-se = 1 e = =
0, V2 fazendo-se = = 0 e = 1 e V3 fazendo-se = = 0 e = 1).
Neste caso dizemos que V1 = (1, 0, 1, 0, 1), V2 = (0, 0, 1, 1, 0) e V3 = (1, 1, 0, 0, 0) geram
de um sistema linear
4.1. Seja W um subespaco de Rn (por exemplo, o espaco solucao
Definicao
homogeneo
AX = 0). Dizemos que os vetores V1 , . . . , Vk pertencentes a W, geram W ou que
linear de
{V1 , . . . , Vk } e um conjunto de geradores de W, se qualquer vetor de W e combinacao
que W e o subespaco gerado por V1 , . . . , Vk .
V1 , . . . , Vk . Dizemos tambem
de um sistema linear hoTeorema 4.1. Seja W subespaco de Rn (por exemplo, o espaco solucao
mogeneo
AX = 0). Seja {V1 , . . . , Vm } um conjunto de vetores de W
Marco 2008
Reginaldo J. Santos
252
Subespacos
Demonstracao.
Seja {W1 , . . . , Wp } um subconjunto de W, com p > m. Vamos mostrar que
linear nula de W1 , . . . , Wp
{W1 , . . . , Wp } e L.D. Vamos considerar a combinacao
x1 W1 + x2 W2 + . . . + xp Wp = 0.
(4.1)
linear de V1 , . . . , Vm , em particular,
Como qualquer elemento de W pode ser escrito como combinacao
m
X
bij Vi ,
para j = 1, . . . , p .
(4.2)
i=1
Vi , para i = 1, . . . , m, obtemos
Assim, substituindo (4.2) em (4.1) e agrupando os termos que contem
(4.3)
BX = 0,
a` Algebra
Introducao
Linear
Marco 2008
4.1
Base e Dimensao
253
O resultado anterior mostra que se podemos escrever todo elemento do subespaco W como uma
linear de vetores V1 , . . . , Vm L.I. pertencentes a W, entao
m e o maior numero
possvel
combinacao
de vetores L.I. em W.
No Exemplo 4.3 os vetores V1 = (1, 0, 1, 0, 1), V2 = (0, 0, 1, 1, 0) e V3 = (1, 1, 0, 0, 0)
disso de
geram W. Alem
de um sistema linear
4.2. Seja W um subespaco de Rn (por exemplo, o espaco solucao
Definicao
homogeneo
AX = 0). Dizemos que um subconjunto {V1 , . . . , Vk } de W e uma base de W, se
linear
(a) {V1 , . . . , Vk } e um conjunto de geradores de W (ou seja, todo vetor de W e combinacao
de V1 , . . . , Vk ) e
(b) {V1 , . . . , Vk } e L.I.
Reginaldo J. Santos
254
Subespacos
de um parametro,
obtendo
Exemplo 4.5. Seja W = {(x, y, z) = t(a, b, c) | t R} uma reta que passa pela origem. Como o
nulo e gera a reta, entao
{V } e uma base de W.
vetor diretor V = (a, b, c) e nao
Exemplo 4.6. Seja W = {(x, y, z) R3 | ax + by + cz = 0} um plano que passa pela origem.
ax + by + cz = 0 se, e somente se,
Vamos supor que a 6= 0. Um ponto (x, y, z) satisfaz a equacao
1
z = , y = , x = (c + b),
a
c
a
para todos , R.
b
, , ) | , R}. Assim, todo vetor
a
obtendo
de W pode ser escrito como uma soma de vetores, sendo um para cada parametro,
c
b
c
b
c
b
( , , ) = ( , 0, ) + ( , , 0) = ( , 0, 1) + ( , 1, 0).
a
a
a
a
a
a
a` Algebra
Introducao
Linear
Marco 2008
4.1
Base e Dimensao
255
V2 = (0, 3, 2)
V1 = (2, 1, 0)
Figura 4.5: V1 = (2, 1, 0) e V2 = (0, 3, 2) que formam uma base para o plano
Marco 2008
Reginaldo J. Santos
256
Subespacos
V = (a, b, c)
Figura 4.6: Vetor V = (a, b, c) que e base para a reta (x, y, z) = t(a, b, c)
a` Algebra
Introducao
Linear
Marco 2008
4.1
Base e Dimensao
257
para o caso em
exerccio para o leitor encontrar uma base de W para o caso em que b 6= 0 e tambem
que c 6= 0.
qualquer base de
Segue do Teorema 4.1 na pagina
251 que se W 6= {
0} e um subespaco, entao
W tem o mesmo numero
de elementos e este e o maior numero
de vetores L.I. que podemos ter em
de W. Se
W. O numero
de elementos de qualquer uma das bases de W e chamado de dimensao
igual a 0.
W = {0} dizemos que W tem dimensao
do Rn e n, pois como foi mostrado no Exemplo 4.4 na pagina
1e
Exemplo 4.8. Pelo Exemplo 4.5 na pagina
254 uma reta que passa pela origem tem dimensao
2.
pelo Exemplo 4.6 na pagina
254 um plano que passa pela origem tem dimensao
basta conse de um subespaco W e m > 0, entao
Vamos mostrar a seguir que se a dimensao
guirmos m vetores L.I. em W, que teremos uma base.
Marco 2008
Reginaldo J. Santos
258
Subespacos
Demonstracao.
Sejam V1 , . . . , Vm vetores L.I. e seja V um vetor qualquer do subespaco W. Vamos
vetorial
linear de V1 , . . . , Vm . Considere a equacao
mostrar que V e combinacao
x1 V1 + x2 V2 + . . . + xm Vm + xm+1 V = 0
(4.4)
multiplicando-se a equacao
(4.4)
Mas, xm+1 6= 0, pois caso contrario,
V1 , . . . , Vm seriam L.D. Entao,
por 1/xm+1 e subtraindo (x1 /xm+1 )V1 + (x2 /xm+1 )V2 + . . . + (xm /xm+1 )Vm , obtemos
V =
x1
xm+1
V1 . . .
xm
xm+1
Vm .
a` Algebra
Introducao
Linear
Marco 2008
4.1
Base e Dimensao
259
Marco 2008
Reginaldo J. Santos
260
Subespacos
a` Algebra
Introducao
Linear
Marco 2008
4.1
Base e Dimensao
261
Marco 2008
Reginaldo J. Santos
262
Subespacos
dos
Alternativamente, podemos encontrar as equacoes
da reta V W, intersecao
geral do sistema (4.5)
planos determinando a solucao
W :
V :
x + y + z = 0,
4x 2y + z = 0 .
(4.5)
1 1 1 0
4 2 1 0
1
1
1 0
0 6 3 0
x +
y + z = 0
6y 3z = 0
A variavel
z e uma variavel
livre. Podemos dar a ela um valor arbitrario,
digamos t, para t R
a` Algebra
Introducao
Linear
Marco 2008
4.1
Base e Dimensao
263
x = 12 t
y = 12 t
z =
t
para todo t R.
V W, tem equacao
(x, y, z) = t(1/2, 1/2, 1), para todo t R (revise
A reta que e a intersecao,
V W.
o Exemplo 3.15 na pagina
212). Portanto, o vetor V = (1/2, 1/2, 1) gera a intersecao
nulo e L.I. o conjunto {V = (1/2, 1/2, 1)} e uma base do subespaco que e a
Como um vetor nao
de V com W.
reta intersecao
de um sistema linear ho
Observacao.
Como no exemplo anterior, em geral, o espaco solucao
mogeneo
pode ser visto como uma intersecao
de sistemas
do sistema inicial.
formados por subconjuntos de equacoes
Exemplo 4.11. Considere o subespaco W = {(a + c, b + c, a + b + 2c) | a, b, c R} de R 3 . Vamos
encontrar um conjunto de geradores e uma base para W.
Qualquer elemento V de W pode ser escrito como uma soma de vetores, sendo um vetor para
cada parametro
e cada vetor dependendo apenas de um parametro,
obtendo
Reginaldo J. Santos
264
Subespacos
ou equivalentemente,
A X = 0,
em que A = [ V1 V2 V3 ]
1 0 1
R = 0 1 1 .
0 0 0
nao
trivial. Assim os vetores V1 , V2 e V3 sao
L.D. A solucao
de (4.6) e dada por
Logo 4.6 tem solucao
em (4.6) obtemos
x = , y = e z = , para todo R. Substituindo-se esta solucao
V1 V2 + V3 = 0
de
Tomando-se = 1 obtemos V3 = V2 + V1 . Assim o vetor V3 pode ser descartado na geracao
linear dos outros dois. Logo, apenas V1 e V2 sao
suficientes para gerar W.
W, pois ele e combinacao
disso, os vetores V1 e V2 sao
tais que um nao
e multiplo
eles sao
Como alem
escalar do outro, entao
A=
1 1 0 3
3 3 2 1
obtemos R =
1 1 0 3
0
0 1 4
a` Algebra
Introducao
Linear
Marco 2008
4.1
Base e Dimensao
265
1 1 0 3
1 0 0
= 0
R
0
0 1 4
0
0 0 1
L.I.
Vamos verificar que V1 , V2 , V3 e V4 sao
x1 V1 + x2 V2 + x3 V3 + x4 V4 = 0
e equivalente ao sistema linear
CX = 0,
em que C = [ V1 V2 V3 V4 ].
igual a 4 , entao
258, {V1 , V2 , V3 , V4 } e uma base de R .
Marco 2008
Reginaldo J. Santos
266
Subespacos
Exerccios Numericos
(respostas na pagina
562)
do sistema homogeneo
1 0 1 0
(a) A = 1 2 3 1 ;
2 1 3 1
1 1 2 1
(b) A = 2 3 6 2 .
2 1 2
2
nao
trivial e para estes valores de , encontre uma base para o espaco solucao, para as matrizes A
dadas:
0
1
0 3 ;
0 1
3
2 2 3 4
0 2 3 2
;
0 0 1 1
0 0 0 1
1 1 2
1 2
1 ;
0 1 1
(a) A = 1
(b) A =
(c) A =
1 2 2 0
1 2 1 0
(d) A =
1 1 2 0 .
0 0 0 1
2 3 0
(e) A = 0 1 0 ;
0 0 2
2 3 0
(f) A = 0 2 0 ;
0 0 2
dos planos x 7y + 5z = 0 e 3x y + z = 0.
4.1.3. Determine uma base para a reta intersecao
4.1.4. Sejam V1 = (4, 2, 3), V2 = (2, 1, 2) e V3 = (2, 1, 0).
L.D.
(a) Mostre que V1 , V2 e V3 sao
a` Algebra
Introducao
Linear
Marco 2008
4.1
Base e Dimensao
267
L.I.
(b) Mostre que V1 e V2 sao
do subespaco gerado por V1 , V2 e V3 , ou seja, do conjunto das
(c) Qual a dimensao
lineares de V1 , V2 e V3 .
combinacoes
(d) Descreva geometricamente o subespaco gerado por V1 , V2 e V3
4.1.5. Dados V1 = (2, 1, 3) e V2 = (2, 6, 4):
(a) Os vetores V1 e V2 geram o R3 ? Justifique.
sobre V3 , para que {V1 , V2 , V3 } seja
(b) Seja V3 um terceiro vetor do R3 . Quais as condicoes
3
uma base de R ?
(c) Encontre um vetor V3 que complete junto com V1 e V2 uma base do R3 .
4.1.6. Seja W o plano x + 2y + 4z = 0. Obtenha uma base {V1 , V2 , V3 } de R3 tal que V1 e V2
pertencam a W.
4.1.7. Considere os seguintes subespacos de R3 :
Encontre as equacoes
parametricas
da reta V W e uma base para o subespaco V W.
[V1 , V2 ] significa o subespaco gerado por V1 e V2 , ou seja, o conjunto de todas as
A notacao
lineares de V1 e V2 .
combinacoes
4.1.8. Seja V = {(3a + 4b 4c, 2a 4b 6c, 2a 4b + 2c) | a, b, c R} um subespaco de R 3 .
(a) Determine um conjunto de geradores para V.
Marco 2008
Reginaldo J. Santos
268
Subespacos
(b) Determine uma base para V.
{V1 , V2 , V3 } L.D.
sao
nao
trivial e para estes valores de , encontre uma
homogeneo
(A I4 )X = 0 tem solucao
Exerccios Teoricos
do sistema linear AX = B e um
4.1.12. Seja A uma matriz m n. Mostre que se o conjunto solucao
se X e solucao
B = 0, ou seja, o sistema linear e homogeneo.
(Sugestao:
subespaco, entao
Y = 0 X tambem
o e.)
de AX = B , entao
a` Algebra
Introducao
Linear
Marco 2008
4.1
Base e Dimensao
269
4.1.13. Determine uma base para o plano ax + by + cz = 0 no caso em que b 6= 0 e no caso em que
c 6= 0.
4.1.14. Sejam V e W vetores do Rn . Mostre que o conjunto dos vetores da forma V + W e um
subespaco do Rn .
passa pela origem, entao
ela nao
e um subespaco.
4.1.15. Mostre que se uma reta em R2 ou em R3 nao
se ela fosse um subespaco, entao
...)
(Sugestao:
4.1.16. Sejam A uma matriz m n e B uma matriz m 1. Mostre que o conjunto dos vetores B para
e um subespaco de Rm . Ou seja, mostre que o
os quais o sistema A X = B tem solucao
conjunto
I(A) = {B Rm | B = A X, para algum X Rn }
e um subespaco de Rm .
Marco 2008
Reginaldo J. Santos
270
Subespacos
W1 + W2 = {V1 + V2 | V1 W1 e V2 W2 }.
W1 e W2 .
Mostre que W1 + W2 e um subespaco que contem
4.1.18. Sejam W um subespaco de Rn e {W1 , . . . , Wk } uma base de W. Defina a matriz B =
[ W1 . . . Wk ]t , com W1 , . . . , Wk escritos como matrizes colunas. Sejam W o espaco
do sistema homogeneo
solucao
BX = 0 e {V1 , . . . , Vp } uma base de W . Defina a matriz A = [ V1 . . . Vp ]t , com V1 , . . . , Vp escritos como matrizes colunas. Mostre que W e o
do sistema homogeneo
AX = 0, ou seja,
espaco solucao
W = {X Rp | AX = 0}.
(particular) do sistema
4.1.19. Sejam A uma matriz m n e B uma matriz m 1. Seja X0 uma solucao
do sistema
linear A X = B . Mostre que se {V1 , . . . , Vk } e uma base para o espaco solucao
toda solucao
de A X = B pode ser escrita na forma
homogeneo
AX = 0, entao
X = X 0 + 1 V1 + . . . + k Vk ,
escalares. (Sugestao:
use o Exerccio 1.2.21 na pagina
em que 1 , . . . , k sao
73)
do subespaco gerado pelas linhas de uma matriz escalonada reduzida
4.1.20. Mostre que a dimensao
do subespaco gerado pelas suas colunas.
e igual a dimensao
a` Algebra
Introducao
Linear
Marco 2008
4.1
Base e Dimensao
271
Marco 2008
Reginaldo J. Santos
272
Subespacos
Apendice
III: Outros Resultados
Demonstracao.
Em primeiro lugar, suponha que todo vetor X de W e escrito de maneira unica
sao
x1 V1 + . . . + xm Vm = 0.
linear de V1 , . . . , Vm , em particular
Como todo vetor e escrito de maneira unica
como combinacao
x1 V1 + . . . + xm Vm = 0 = 0V1 + . . . + 0Vm ,
linearmente independentes. Portanto,
o que implica que x1 = 0, . . . , xm = 0, ou seja, V1 , . . . , Vm sao
{V1 , V2 , . . . , Vm } e base de W.
Suponha, agora, que {V1 , V2 , . . . , Vm } e base de W. Seja X um vetor qualquer de W. Se
x1 V 1 + . . . + x m V m = X = y 1 V 1 + . . . + y m V m ,
entao
a` Algebra
Introducao
Linear
Marco 2008
4.1
Base e Dimensao
273
eles sao
L.I., o que implica que x1 = y1 , . . . , xm =
Como V1 , . . . , Vm formam uma base de W, entao
linear de V1 , . . . , Vm .
como combinacao
ym . Portanto, todo vetor X de W e escrito de maneira unica
Demonstracao.
Se S e L.I., entao
S e L.D. e pelo Teorema
linear dos outros. Assim, o subconjunto de
3.11 na pagina
241, um dos vetores de S e combinacao
S obtido retirando-se este vetor continua gerando W. Se esse subconjunto for L.I., temos uma base
Sao
as quais deixamos como exerccio.
Marco 2008
Reginaldo J. Santos
274
Subespacos
Corolario
4.6. Em um subespaco, W, de dimensao
Demonstracao.
Se {V1 , . . . , Vk } gera W, entao
seja
pertence ao subespaco gerado por {V1 , . . . , Vk }. Entao,
contrario,
o mesmo argumento e repetido para o subespaco gerado por {V1 , . . . , Vk , Vk+1 }.
Pelo Corolario
3.10 na pagina
239 este processo tem que parar, ou seja, existe um inteiro positivo
m n tal que {V1 , . . . , Vk , Vk+1 , . . . , Vm } e L.I., mas {V1 , . . . , Vk , Vk+1 , . . . , Vm , V } e L.D. para
linear de {V1 , . . . , Vk , Vk+1 , . . . , Vm } (por
qualquer vetor V de W. O que implica que V e combinacao
que?). Portanto, {V1 , . . . , Vk , Vk+1 , . . . , Vm } e uma base de W.
a` Algebra
Introducao
Linear
Marco 2008
4.1
Base e Dimensao
275
Corolario
4.8. Todo subespaco de Rn diferente do subespaco trivial {
0} tem uma base e a sua
e menor ou igual a n.
dimensao
aplicacoes
as
` matrizes.
Os proximos
resultados sao
A k = j1 A j1 + + jk A jk ,
entao
B k = j1 B j1 + + jk B jk ,
(c) O subespaco gerado pelas linhas de A e igual ao subespaco gerado pelas linhas de B .
Marco 2008
Reginaldo J. Santos
276
Subespacos
Demonstracao.
Se B e equivalente por linhas a A, entao
a multiplicar a matriz a` esquerda por uma matriz invertvel (Teorema 1.8 na pagina
59). Seja M o
` operacoes
A k = j1 A j1 + + jk A jk ,
multiplicando-se a` esquerda pela matriz M obtemos
entao
M A k = j1 M A j1 + + jk M A jk .
a` Algebra
Introducao
Linear
Marco 2008
4.1
Base e Dimensao
277
B k = j1 B j1 + + jk B jk .
elementares as
` linhas de
(c) A matriz B e obtida de A aplicando-se uma sequ encia
de operacoes
linear das linhas de A. Logo, o espaco gerado
A. Assim, toda linha de B e uma combinacao
pelas linhas de B esta contido no espaco gerado pelas linhas de A. Como toda operacao
elementar inversa, o argumento anterior tambem
mostra que o
elementar tem uma operacao
espaco gerado pelas linhas de A esta contido no espaco gerado pelas linhas de B . Portanto,
iguais.
eles sao
Marco 2008
Reginaldo J. Santos
278
Subespacos
Demonstracao.
Sejam S e R matrizes escalonadas reduzidas equivalentes a A. Sejam R1 , . . . , Rn
nulas de R. Sejam
as colunas de R e S1 , . . . , Sn as colunas de S . Seja r o numero
de linhas nao
se k < r ou
se k = r .
a` Algebra
Introducao
Linear
Marco 2008
4.1
Base e Dimensao
279
Marco 2008
Reginaldo J. Santos
280
4.2
Subespacos
A=
1 1
0 0
O espaco linha de A e o subespaco gerado pelo vetor (1, 1), enquanto o espaco coluna de A e o
subespaco gerado pelo vetor (1, 0).
Apesar dos espacos linha e coluna de uma matriz serem diferentes, em geral, eles possuem
a` Algebra
Introducao
Linear
Marco 2008
4.2
281
Teorema 4.11. Seja A uma matriz m n. O espaco linha e o espaco coluna de A possuem a mesma
dimensao.
Demonstracao.
Seja R uma matriz escalonada reduzida equivalente a matriz A.
4.9 (c) na pagina
iguais.
(a) Pela Proposicao
275 os espacos linha de A e de R sao
4.9 (a) na pagina
dimensao
de pivos,
maximo
de linhas e colunas L.I. da matriz A.
Marco 2008
Reginaldo J. Santos
282
Subespacos
do espaco solucao
de A X =
(b) A nulidade de A e a dimensao
0.
1 2 1 1
Exemplo 4.14. Considere a matriz A = 2 4 3 0 .
1 2
1 5
1 2 0 3
nulas de
A forma escalonada reduzida da matriz A e a matriz R = 0 0 1 2 . As linhas nao
0 0 0 0
R, V1 = (1, 2, 0, 3) e V2 = (0, 0, 1, 2), formam uma base para o espaco linha de A. Portanto, o posto
de A e igual a 2.
Quanto ao espaco coluna, sejam W1 , W2 , W3 e W4 as colunas de A. Sejam U1 , U2 , U3 e U4
podem ser descartadas na geracao
do espaco coluna de R,
as colunas de R. As colunas sem pivos
combinacao
linear das colunas dos pivos.
As colunas correspondentes de A podem,
pois elas sao
a` Algebra
Introducao
Linear
Marco 2008
4.2
283
(b) O posto de A e igual ao maior inteiro positivo r tal que alguma submatriz r r de A possui
nulo.
determinante nao
Demonstracao.
(a) Podemos supor que m n, ja que o posto de A e igual ao posto de At .
Neste caso, p = m e o posto de A e m se, e somente se, existem m colunas linearmente
independentes. Mas existem m colunas linearmente independentes se, e somente se, existe
linearmente independentes, ou seja, com o seu deuma submatriz m m cujas colunas sao
terminante diferente de zero.
L.I., entao
posto(A) = min{m, n} e o resultado decorre do item
(b) Se as colunas de A sao
a 3
a
a 3
. Se det
= a2 9 =
3
a
a
3
a
a
a
3
a
2
= a 3a = a(a + 3) = 0 e det
= a2 + 3a =
(a 3)(a + 3) = 0, det
3 a
a a
o posto de A e igual a 1. Assim, posto(A) = 1 se, e somente se, a = 3. Caso
a(a + 3) = 0, entao
contrario,
o posto de A e igual a 2.
Exemplo 4.15. Considere a seguinte matriz A =
Marco 2008
Reginaldo J. Santos
284
Subespacos
a Sistemas Lineares
4.2.2 Aplicacao
uteis
Os conceitos de espaco linha e espaco coluna sao
no estudo de sistemas lineares. O sistema
A X = B e equivalente a equacao
a12
a11
a22
a21
x1 .. + x2 ..
.
.
am1
am2
a1n
a2n
+ . . . + xn .. =
.
amn
b1
b2
.. .
.
bm
do sistema A X =
O espaco solucao
0 e chamado de nucleo
a` Algebra
Introducao
Linear
Marco 2008
4.2
285
Demonstracao.
(a) Pela Proposicao
se, o espaco coluna de A e igual ao Rm , da decorre o resultado.
homogeneo
AX = 0 tem somente a solucao
linearmente independentes e N(A) = {0}. Se por outro lado, N(A) = {0}, ou seja, a unica
anterior que um sistema linear AX = B com mais incognitas
de A formam uma base do Rm . E isto ocorre se, e somente se, m = n e uma das duas condicoes
Marco 2008
Reginaldo J. Santos
286
Subespacos
Entao,
B
Demonstracao.
(a) Suponha, em primeiro lugar, que o sistema AX = B tem solucao.
linear das colunas de A. Portanto, o espaco coluna de [ A | B ] e igual ao espaco
e combinacao
coluna de A, ou seja, posto([ A | B ]) = posto(A).
B pertence ao espaco coluna de A, ou
Por outro lado, se posto([ A | B ]) = posto(A), entao
linear das colunas de A. Portanto, o sistema AX = B tem solucao.
seja, B e combinacao
Y = X + X0 e solucao
de AX = B . Entao,
unica
do sistema homogeneo
AX = 0. Assim, AX = B tem solucao
se, e somente se, o
ax + 3y =
a
.
3x
+ ay = a
a 3
a
eB =
.
Para este sistema, A =
3 a
a
unica
O sistema tem solucao
se, e somente se, posto(A) = 2 (neste caso, posto(A) = 2 implica
que posto([A|B]) = 2). Agora, posto(A) = 2 se, e somente se, det(A) 6= 0. Como det(A) = a 2 9,
o sistema tem solucao
unica
entao
se, e somente se, a 6= 3.
a` Algebra
Introducao
Linear
Marco 2008
4.2
287
de A, entao
do sistema linear A X = B . Se V1 , . . . , Vk formam uma base para o nucleo
X = X 0 + 1 V1 + . . . + k Vk ,
(4.7)
em que 1 , . . . , k sao
do sistema AX = B .
(4.7) e solucao
do
qualquer do sistema AX = B . Entao,
X X0 e solucao
Demonstracao.
Seja X uma solucao
. Como V1 , . . . , Vk formam uma
sistema homogeneo,
pois A(X X0 ) = AX AX0 = B B = 0
base para o nucleo
de A, existem escalares 1 , . . . , k tais que
X X 0 = 1 V1 + . . . + k Vk .
(4.7). Por outro lado, se 1 , . . . , k sao
escalares, entao
Da segue-se a equacao
Marco 2008
Reginaldo J. Santos
288
Subespacos
X0 + X
X
X0 = X 0 +
0
X0
x
N(A)
de AX = B e de
Figura 4.10: Solucao
AX = 0, se N(A) 6= {0}
a` Algebra
Introducao
Linear
de AX = B e de
Figura 4.11: Solucao
AX = 0, se N(A) = {0}
Marco 2008
4.2
289
do nucleo
da imagem de A (posto) nao
sao
indepenA dimensao
de A (nulidade), e a dimensao
do Nucleo
Teorema 4.18 (da Dimensao
Reginaldo J. Santos
290
Subespacos
Rn
f (X) = AX
f (
0) =
0
Rm
a` Algebra
Introducao
Linear
Marco 2008
4.2
291
Demonstracao.
Seja V = Rn . Sejam V1 , . . . , Vp vetores de V, que formam uma base para o nucleo
de A. Vamos estende-la
a uma base de V. Sejam Vp+1 , . . . , Vn vetores de V tais que V1 , . . . , Vn
formam uma base de V. Vamos mostrar que AVp+1 , . . . , AVn formam uma base da imagem de A.
L.I.
Para isso, precisamos mostrar que eles geram a imagem de A e que eles sao
Vamos mostrar, em primeiro lugar, que AVp+1 , . . . , AVn geram a imagem de A. Seja Y I(A).
existe X V tal que A X = Y . Como V1 , . . . , Vn e base de V, existem escalares 1 , . . . , n
Entao
tais que X = 1 V1 +. . .+n Vn . Multiplicando a` esquerda por A e usando que AV1 = . . . = AVp =
0,
obtemos que p+1 AVp+1 + . . . + n AVn = Y , ou seja, AVp+1 , . . . , AVn geram a imagem de A.
linearmente independentes. Se xp+1 AVp+1 +
Vamos mostrar, agora, que AVp+1 , . . . , AVn sao
A(xp+1 Vp+1 + . . . + xn Vn ) =
. . . + xn AVn = 0, entao
0. Mas, isto implica que xp+1 Vp+1 + . . . + xn Vn
pertence ao nucleo
de A, ou seja, existem escalares x1 , . . . , xp tais que xp+1 Vp+1 + . . . + xn Vn =
Da segue-se o resultado.
do Nucleo
do nucleo
geral de um sistema linear AX = B e igual a dimensao
de A.
solucao
Marco 2008
Reginaldo J. Santos
292
Subespacos
Exerccios Numericos
(respostas na pagina
587)
4.2.1. Para cada uma das seguintes matrizes, encontre uma base para o espaco linha e para o espaco
coluna.
(a)
1 4 5 2
2 1 3 0
1 3 2 2
1 4 5
4
4
4 5
0
0
2
0
(b) 1
1 2 2 3 1 4
4.2.3. Seja A = 2 4 5 5 4 9 .
3 6 7 8 5 9
(a) Determine a forma escalonada reduzida U da matriz A. Quais as colunas de U que cor` variaveis
respondem as
livres. Escreva cada uma destas colunas como uma combinacao
1 2
0
2 4 1
a` Algebra
Introducao
Linear
(b)
1 2 3
2 4 6
1
0 1
(c) 2 1 3
3 1 4
1 1 2 0
1 0 0
(d) 3
1
2 4 0
Marco 2008
4.2
de A varia com t.
1 1 t
1 t 1
(a) A =
t 1 1
293
t
3 1
6 2
(b) A = 3
1 3 t
4.2.6. Encontre o maior valor possvel para posto(A) e o menor valor possvel para nulidade(A).
(a) A e 2 3
(b) A e 3 2
(c) A e 3 3
(d) A e m n.
nula. Encontre os valores de posto(A) e de posto([A|B]) para os quais
4.2.7. Seja A uma matriz nao
unica,
tem solucao
e tem infinitas solucoes.
nao
o sistema linear AX = B tem solucao
(a) A e 2 3
(b) A e 3 2
(c) A e 3 3
(d) A e m n
Exerccios Teoricos
4.2.8. Seja A uma matriz n n.
(a) A matriz A e invertvel se, e somente se, N(A) = {
0}.
linearmente indepen(b) Mostre que posto(A) = n se, e somente se, as colunas de A sao
dentes.
nao
trivial se, e somente se, o
(c) Mostre que o sistema homogeneo
AX = 0 tem solucao
posto(A) < n.
(d) Mostre que o posto de A e n se, e somente se, det(A) 6= 0.
4.2.9. Sejam X = [ x1 . . . xm ] e Y = [ y1 . . . yn ] matrizes 1 m e 1 n, respectivamente. Seja
A = X t Y . Mostre que {X} e uma base para o espaco coluna de A e que {Y } e uma base
do N(A)?
para o espaco linha. Qual e a dimensao
Marco 2008
Reginaldo J. Santos
294
Subespacos
existem matrizes X =
4.2.10. Mostre que se A e uma matriz, m n, de posto igual a 1, entao
[ x1 . . . xm ] e Y = [ y1 . . . yn ], 1 m e 1 n, respectivamente, tais que A = X t Y . (Su Tome X tal que {X} e uma base para o espaco coluna de A.)
gestao:
4.2.11. Sejam A e B matrizes m p e p n, respectivamente. Mostre que AB pode ser escrita como
uma soma de p matrizes de posto igual a 1.
4.2.12. Sejam A e B matrizes m p e p n, respectivamente. Seja C = AB . Mostre que:
(a) O espaco coluna de C esta contido no espaco coluna de A.
(b) O espaco linha de C esta contido no espaco linha de B .
(c) posto(C) min(posto(A), posto(B)).
a` Algebra
Introducao
Linear
Marco 2008
4.2
295
4.2.15. Seja A uma matriz n n e B uma matriz n 1. Para cada i, defina a matriz Ai como sendo a
o sistema
(b) Suponha que o det(A) = 0. Mostre que se para algum i, det(Ai ) 6= 0, entao
tem solucao.
AX = B nao
tanto pode ocorrer
(c) Mostre que se det(Ai ) = 0 para i = 1, . . . , n e det(A) = 0, entao
tenha
que o sistema AX = B tenha infinitas solucoes,
como pode ocorrer que ele nao
solucao.
Marco 2008
Reginaldo J. Santos
296
4.3
Espacos Vetoriais
Podemos generalizar o conceito de vetores ainda mais. Vamos estabelecer um conjunto de axio chamados de vetores.
mas, os quais se forem satisfeitos por um conjunto de elementos, estes serao
escolhidos abstraindo-se as propriedades mais importantes de vetores no Rn .
Os axiomas serao
automaticamente estes axiomas.
Assim, os vetores do Rn satisfarao
a` Algebra
Introducao
Linear
Marco 2008
4.3
297
por V W = V + (W ). Se V e W sao
escalar de V .
dizemos que W e um multiplo
de soma e
Exemplo 4.17. Para n um numero
inteiro positivo, o conjunto V = Rn com as operacoes
por escalar definidas em (3.17) e (3.18) e um espaco vetorial sobre R, pelo Teorema 3.7
multiplicacao
na pagina
225. Em particular R e um espaco vetorial sobre ele mesmo.
Marco 2008
Reginaldo J. Santos
298
Espacos Vetoriais
para todo x X
( f )(x) = f (x),
para todo x X.
Vamos mostrar que o conjunto F(X; R) e um espaco vetorial sobre R. Sejam f, g, h F(X; R) e
, escalares.
(1) (f + g)(x) = f (x) + g(x) = g(x) + f (x) = (g + f )(x), para todo x X;
(2) [f + (g + h)](x) = f (x) + (g + h)(x) = f (x) + (g(x) + h(x)) = (f (x) + g(x)) + h(x) =
(f + g)(x) + h(x) = [(f + g) + h](x), para todo x X;
identicamente nula. (f +
0)(x) = f (x) + 0(x) = f (x), para todo x X;
(3) Seja
0 a funcao
f definimos a funcao
f por (f )(x) = f (x), para todo x X. [f +
(4) Dada a funcao
a` Algebra
Introducao
Linear
Marco 2008
4.3
299
p(t) = a0 + a1 t + a2 t2 + + an tn + . . . =
Marco 2008
aj t j ,
jN
Reginaldo J. Santos
300
Espacos Vetoriais
em que existe um inteiro positivo n tal que aj = 0, para todo inteiro j > n e a0 , a1 , . . . , an R. O
polinomio
identicamente nulo e aquele em que aj = 0, para todo j N.
Sejam p(t) = a0 + a1 t + + am tm + . . . =
jN
aj tj e q(t) = b0 + b1 t + + br tr + . . . =
dois polinomios
quaisquer. A soma e definida por
bj t j
jN
(aj + bj )tj .
jN
X
(aj )tj .
jN
Vamos mostrar
um espaco vetorial sobre R.
X que o conjunto
X P = R[ t ] e X
aj tj , q(t) =
Sejam p(t) =
jN
bj tj , r(t) =
jN
aj t j +
jN
jN
bj t j =
jN
aj t j +
[(aj + bj ) + cj ]tj =
jN
a` Algebra
Introducao
Linear
(aj + bj )tj =
jN
jN
bj t j +
cj t j
X
[aj + (bj + cj )]tj =
jN
! jN
X
X
X
cj tj = (p(t) + q(t)) + r(t).
aj t j +
bj t j +
jN
cj tj e , escalares.
jN
jN
jN
jN
Marco 2008
4.3
(3) Seja
omio
nulo.
0(t) o polin
X
X
p(t) + 0(t) =
aj t j +
jN
301
0tj =
jN
(aj + 0)tj =
jN
aj tj = p(t).
jN
(5) (p(t)) = (
jN
aj tj ) =
jN
X
jN
jN
jN
jN
X
X
X
(aj + bj )tj =
[(aj + bj )]tj =
(aj + bj )tj
jN
XjN
j
(aj )t +
(bj )t = p(t) + q(t).
j
jN
(7) (+)p(t) =
(+)aj tj =
jN
(8) 1p(t) =
jN
X
jN
(1aj )tj =
X
X
X
(aj +aj )tj =
(aj )tj +
(aj )tj = p(t)+p(t).
jN
jN
jN
aj tj = p(t).
jN
validas
4.19. Sao
Proposicao
as seguintes propriedades em um espaco vetorial V:
(a) 0 V =
0, para todo V em V;
Marco 2008
Reginaldo J. Santos
302
Espacos Vetoriais
(b)
0 = 0, para todo escalar ;
= 0 ou V =
(c) Se V =
0, entao
0;
(d) (1)V = V , para todo V pertencente a V.
Demonstracao.
0 V + 0 V = (0 + 0)V = 0 V.
Somando-se o simetrico
de 0 V ao primeiro e ao ultimo
membro e usando os axiomas (2) e (4)
temos que
((0 V ) + 0 V ) + 0 V = 0 V + 0 V = 0.
V = 1V =
1
1
1
V = (V ) = 0 = 0.
(1)V = 0 + (V ) = V.
a` Algebra
Introducao
Linear
Marco 2008
4.3
303
e necessaria
vazio, W V, e um subespaco de
Teorema 4.20. Seja V um espaco vetorial. Um subconjunto nao
de soma e multiplicacao
por escalar estao
bem definidas, ou seja,
V se, e somente se, as operacoes
se
V + W W;
(0) Se V, W W, entao
V W;
(0) Se V W e e um escalar, entao
obviamente as (0) e (0) sao
satisfeitas. Suponha,
Demonstracao.
Se W e um subespaco, entao
os
(0) e (0) sao
verificadas para W. Como W e um subconjunto de V, entao
agora, que as condicoes
4.5 na pagina
multiplos
o simetrico
de V sao
escalares de V , que por (0) pertence a W.
Marco 2008
Reginaldo J. Santos
304
Espacos Vetoriais
formado apenas pelo vetor nulo, W = {0}, e claramente um subespaco de V. Assim, todo espaco
vetorial V 6= {
0} possui pelo menos dois subespacos.
W = {V | e um escalar},
e um subespaco de V.
existem escalares 1 e 2 tais que V1 = 1 V e
(0) Sejam V1 e V2 elementos de W. Entao
V2 = 2 V . Logo
V1 + V2 = 1 V + 2 V = (1 + 2 )V.
Assim, V1 + V2 e um multiplo
escalar de V e portanto pertence a W.
a` Algebra
Introducao
Linear
Marco 2008
4.3
305
V
x
V
W
V +W
(1)V
Marco 2008
Reginaldo J. Santos
306
Espacos Vetoriais
X1 +X2
X1
X2
a` Algebra
Introducao
Linear
Marco 2008
4.3
307
X1
X1 +X2
X
X
X2
a1 x + a 2 y + a 3 z = 0
Marco 2008
Reginaldo J. Santos
308
Espacos Vetoriais
W = (V ) = ()V.
escalar de V e portanto pertence a W.
Assim, W e um multiplo
W = {(x1 , . . . , xn ) Rn | a1 x1 + . . . + an xn = 0}
e um subespaco de Rn .
a 1 x1 + . . . + a n xn = 0 e
(0) Se X = (x1 , . . . , xn ) e Y = (y1 , . . . , yn ) pertencem a W, entao
ay1 + . . . + an yn = 0 e portanto
X + Y = (x1 + y1 , . . . , xn + yn )
pertence a W, pois
tambem
X = (x1 , . . . , xn )
pertence a W, pois
tambem
a` Algebra
Introducao
Linear
Marco 2008
4.3
309
W = {(x1 , . . . , xn ) Rn | a1 x1 + . . . + an xn = c}
real fixado.
seja um subespaco de Rn , em que c e um numero
0X =
pertence a W, ou seja, o subespaco
Se W e um subespaco e X W, entao
0 tambem
que define o conjunto, obtemos
tem que conter a origem. Substituindo-se
0 = (0, . . . , 0) na equacao
que a1 0 + . . . + an 0 = c, ou seja, c = 0.
W e chamado um hiperplano de Rn . Para n = 3 os hiperplanos
Se N = (a1 , . . . , an ) 6=
0, entao
planos e para n = 2 os hiperplanos sao
retas.
sao
W1 = {A Mnn | At = A}
W2 = {A Mnn | At = A}
subespacos do espaco Mnn das matrizes n n, pois a soma de matrizes (anti-)simetricas
sao
e uma
por escalar.
matriz (anti-)simetrica
(verifique!). O mesmo ocorre com a multiplicacao
de polinomios
de grau menor ou igual a n e um polinomio
de grau menor ou igual a n e a multiplicacao
de um polinomio
por escalar e um polinomio
de mesmo grau.
Marco 2008
Reginaldo J. Santos
310
Espacos Vetoriais
Exemplo 4.30. Seja R() o conjunto das listas infinitas (x1 , x2 , . . . , xn , . . .) de numeros
reais tais
()
vazio. O conjunto
Exemplo 4.31. Seja X um conjunto nao
das funcoes,
f : X R, pares e o conjunto
das funcoes,
f : X R, mpares sao
(m)pares e a
de uma funcao
(m)par por um escalar sao
tambem
funcoes
(m)pares (verifique!).
multiplicacao
Exemplo 4.33. Seja Cn (I), para n inteiro positivo, o conjunto das funcoes
reais que possuem a nesima derivada contnua no intervalo I . Cn (I) e um subespaco de Cm (I), para 0 m n. E C (I),
a` Algebra
Introducao
Linear
Marco 2008
4.3
311
Exerccios Numericos
(respostas na pagina
590)
4.3.1. Determine o vetor X , tal que 3X 2V = 15(X U ), para vetores V e U fixos dados.
4.3.2. Determine o vetor X , tal que
6X 2Y
3X + Y
= U
, para vetores V e U fixos dados.
= U +V
2
t + 1 e t + 3.
linear de g(t) = 5 tan2 t e h(t) =
constante igual a 3 e combinacao
4.3.4. Verifique que a funcao
2
.
cos2 t
combinacao
linear de X1 = (4, 2, 3), X2 = (2, 1, 2) e
4.3.5. Quais dos seguintes vetores sao
X3 = (2, 1, 0)?
(a) (1, 1, 1);
(c) (2, 1, 1);
(b) (4, 2, 6);
Exerccios Teoricos
Marco 2008
Reginaldo J. Santos
312
Espacos Vetoriais
de X em V, F(X; V),
de soma e multiplicacao
o conjunto das funcoes
e um espaco vetorial.
e unico.
tambem
0?
4.3.10. Em um espaco vetorial, X = X implica que = ? E se X 6=
nV =
4.3.11. Mostre que se V pertence a um espaco vetorial V e n e um inteiro positivo, entao
V + . . . + V (n parcelas).
a` Algebra
Introducao
Linear
Marco 2008
4.3
313
Teste do Captulo
Considere a matriz
0 0 0
A= 0 2 1
0 4 2
nao
2. Para os valores de encontrados no item anterior, encontre uma base para o espaco solucao
.
de (A I3 )X = 0
3. Determine o espaco linha, o espaco coluna e o posto de A.
Marco 2008
Reginaldo J. Santos
Captulo 5
Ortogonalidade
5.1
Produto Escalar em Rn
314
5.1
Produto Escalar em Rn
315
5.1.
Definicao
X Y = x 1 y1 + x 2 y2 + . . . + x n yn =
n
X
xi yi .
i=1
v
u n
q
uX
||X|| = X X = x21 + . . . + x2n = t
x2i .
i=1
x1
X = ...
xn
y1
.
e Y = ..
yn
X Y = X t Y.
Marco 2008
Reginaldo J. Santos
316
Ortogonalidade
Sao
as seguintes propriedades para o produto escalar e a norma de vetores do Rn .
a` Algebra
Introducao
Linear
Marco 2008
5.1
Produto Escalar em Rn
317
escritos como
Demonstracao.
Sejam X, Y, Z Rn e R. Usando o fato de que se os vetores sao
o produto escalar pode ser escrito como o produto de matrizes, X Y = X t Y ,
matrizes colunas, entao
e as propriedades da algebra
matricial (Teorema 1.1 na pagina
10), temos que
(a) X Y = x1 y1 + + xn yn = y1 x1 + + yn xn = Y X .
(b) X (Y + Z) = X t (Y + Z) = X t Y + X t Z = X Y + X Z .
(c) (X Y ) = (X t Y ) = (X t )Y = (X)t Y = (X) Y . A outra igualdade e inteiramente
analoga.
(d) X X e uma soma de quadrados, por isso e sempre maior ou igual a zero e e zero se, e somente
iguais a zero.
se, todas as parcelas sao
(e) ||X||2 = (x1 )2 + + (xn )2 = 2 (x21 + + x2n ) = 2 ||X||2 . Tomando a raiz quadrada,
segue-se o resultado.
(f) A norma de X + Y e maior ou igual a zero, para qualquer real. Assim,
Reginaldo J. Santos
318
Ortogonalidade
vetores nao
Vi Vj = 0, para
5.2. Se V1 , . . . , Vk sao
nulos de Rn ortogonais, isto e,
Proposicao
i 6= j , entao
(a) O conjunto {V1 , . . . , Vk } e L.I.
(b) Se V =
k
X
i =
i Vi , entao
i=1
Demonstracao.
V Vi
.
||Vi ||2
vetorial
(a) Considere a equacao
x1 V1 + . . . + xk Vk = 0 .
a` Algebra
Introducao
Linear
(5.1)
Marco 2008
5.1
Produto Escalar em Rn
319
(5.2)
xi ||Vi ||2 = 0 .
||Vi || 6= 0 e xi = 0, para i = 1 . . . , k .
Mas, como Vi 6=
0, entao
(b) Seja
V =
k
X
i Vi .
(5.3)
i=1
V Vj =
k
X
i Vi
i=1
Vj =
k
X
i=1
(i Vi Vj ) = j ||Vj ||2 .
Assim,
j =
V Vj
,
||Vj ||2
para j = 1, . . . , k .
nulo W por
ortogonal de um vetor V sobre um vetor nao
Definimos a projecao
Marco 2008
Reginaldo J. Santos
320
Ortogonalidade
projW V =
V W
||W ||2
W.
nulo. Entao,
V projW V e ortogonal a W , para
5.3. Seja W Rn um vetor nao
Proposicao
n
qualquer vetor V R .
Demonstracao.
Precisamos calcular o produto escalar de W com V projW V :
(V projW V ) W = V W
V W
||W ||2
W W = 0.
da Proposicao
5.3.
O proximo
resultado e uma generalizacao
a` Algebra
Introducao
Linear
Marco 2008
5.1
Produto Escalar em Rn
321
Demonstracao.
Vamos calcular o produto interno de V projW1 V . . . projWk V com Wj , para
j = 1, . . . , k .
k
X
projWi V
i=1
k
X
V Wj
V Wi
Wi W j = V W j
Wj Wj = 0,
Wj = V W j
2
2
||W
||
||W
||
i
j
i=1
1
1
0
0
1
1 1 1 .
A = 2 2
1
1 1
1
0
1 1 0
0 1 0
0 0 1 1 1 0 .
0 0 0
0 0 0
x1 = , x2 = , x3 = + , x4 = x5 =
Marco 2008
Reginaldo J. Santos
322
Ortogonalidade
do sistema AX =
para todos os valores de , , R, ou seja, o conjunto solucao
0 e
W = {(x1 , x2 , x3 , x4 , x5 ) = ( , , + , , ) | , , R} .
linear de vetores de W:
Agora, um elemento qualquer de W pode ser escrito como uma combinacao
( , , + , , ) = (, 0, , 0, ) + (0, 0, , , 0) + (, , 0, 0, 0)
= (1, 0, 1, 0, 1) + (0, 0, 1, 1, 0) + (1, 1, 0, 0, 0)
linear dos vetores V1 = (1, 0, 1, 0, 1),
Assim, todo vetor de W pode ser escrito como combinacao
V2 = (0, 0, 1, 1, 0) e V3 = (1, 1, 0, 0, 0) pertencentes a W (V1 e obtido fazendo-se = 1 e =
disso segue da
= 0, V2 fazendo-se = = 0 e = 1 e V3 fazendo-se = = 0 e = 1). Alem
anterior que V1 , V2 e V3 sao
L.I. Logo {V1 , V2 , V3 } e uma base de W.
equacao
5.3
Vamos, agora, encontrar uma base ortonormal para W. Para isso vamos aplicar a Proposicao
na pagina
320.
W1 = V1 = (1, 0, 1, 0, 1);
1
1
W2 = V2 projW1 V2 = (0, 0, 1, 1, 0) + (1, 0, 1, 0, 1) = (1, 0, 2, 3, 1)
3
3
1
1
W3 = V3 projW1 V3 projW2 V3 = (1, 1, 0, 0, 0) (1, 0, 1, 0, 1) (1, 0, 2, 3, 1)
3
15
1
=
(3, 5, 1, 1, 2)
5
Agora, vamos dividir cada vetor pela sua norma para obtermos vetores de norma igual a 1
a` Algebra
Introducao
Linear
Marco 2008
5.1
Produto Escalar em Rn
323
(unitarios).
U1
U2
U3
1
1
1
1
=
W1 = ( , 0, , 0, )
||W1 ||
3
3
3
1
1
2
3
1
W2 = ( , 0, , , )
=
||W2 ||
15
15 15 15
1
1
3
1
5
1
W3 = ( , , , , )
=
||W3 ||
2 10 2 10 2 10 2 10
10
para i = 1, . . . m.
||Vi || = 1, ou seja, o vetor Vi e unitario,
Marco 2008
Reginaldo J. Santos
324
Ortogonalidade
E1 = (1, 0, . . . , 0),
E2 = (0, 1, 0, . . . , 0),
...
En = (0, . . . , 0, 1)
Demonstracao.
(a) Sejam
W1
W2
W3
Wk
a` Algebra
Introducao
Linear
=
=
=
...
=
V1 ,
V2 projW1 V2 ,
V3 projW1 V3 projW2 V3 ,
Vk projW1 Vk projW2 Vk . . . projWk1 Vk .
Marco 2008
5.1
Produto Escalar em Rn
325
se da Proposicao
0, pois caso contrario,
Vk pertenceria ao subespaco gerado por W1 , . . . , Wk1 que e igual ao subespaco gerado por
ortogonais nao
nulos, pela
V1 , . . . , Vk1 e assim V1 , . . . , Vk seriam L.D. Como W1 , . . . , Wk sao
5.2 na pagina
U1 =
1
||W1 ||
W1 ,
U2 =
1
||W2 ||
W2 ,
...,
Uk =
Marco 2008
1
||Wk ||
Wk .
Reginaldo J. Santos
326
Ortogonalidade
Exerccios Numericos
(respostas na pagina
594)
ortogonais?
5.1.1. Sejam X = (1, 1, 2) e Y = (a, 1, 2). Para quais valores de a, X e Y sao
x + y z = 0
2x + y + 2z = 0.
Exerccios Teoricos
a` Algebra
Introducao
Linear
Marco 2008
5.1
Produto Escalar em Rn
327
5.1.9. Mostre que para todo vetor V Rn e todo escalar , ||V || = || ||V ||.
V e ortogonal a W , para todo escalar .
5.1.10. Mostre que se V e ortogonal a W , entao
V e ortogonal a qualquer combinacao
linear
5.1.11. Mostre que se V e ortogonal a W1 , . . . , Wk , entao
de W1 , . . . , Wk .
Y Z e ortogonal a X .
5.1.12. Sejam X , Y e Z vetores do Rn . Prove que se X Y = X Z , entao
vetores nao
nulos ortogonais entre si e X = 1 W1 +. . .+k Wk ,
5.1.13. Mostre que se W1 , . . . , Wk sao
X = projW1 X + . . . + projWk X .
entao
5.1.14. Sejam V1 , . . . , Vk vetores linearmente dependentes. Mostre que, aplicando-se o processo de
um vetor Wi que e nulo,
de Gram-Schmidt aos vetores V1 , . . . , Vk , se obtem
ortogonalizacao
Seja Vi o primeiro vetor tal que Vi [V1 , . . . , Vi1 ] =
para algum i = 1, . . . , k . (Sugestao:
[W1 , . . . , Wi1 ] e use o exerccio anterior.)
5.1.15. Seja S = {W1 , . . . , Wk } uma base ortogonal de um subespaco W de Rn . Mostre que um todo
vetor V de W pode ser escrito como
V =
V W1
V W2
V Wk
W1 +
W2 + . . . +
Wk .
2
2
||W1 ||
||W2 ||
||Wk ||2
W = {X = (x1 , . . . , xn ) Rn | X V = 0} e um subespaco do Rn .
Marco 2008
Reginaldo J. Santos
328
Ortogonalidade
(b) ||V ||2 + ||W ||2 = 21 (||V + W ||2 + ||V W ||2 ) (lei do paralelogramo).
(Sugestao:
cos =
X Y
,
||X|| ||Y ||
X Y
1.)
||X|| ||Y ||
5.1.20. Seja W um subespaco de Rn . Mostre que o conjunto de todos os vetores ortogonais a todos os
vetores de W e um subespaco de Rn . Este subespaco e chamado de complemento ortogonal
de W e denotado por W , ou seja,
a` Algebra
Introducao
Linear
Marco 2008
5.1
Produto Escalar em Rn
329
t
seja {W1 , . . . , Wk } uma base de W tome A = [ W1 . . . Wk ] .)
(Sugestao:
exista o produto vetorial de dois vetores em Rn , para n > 3, podemos definir o
5.1.22. Embora nao
produto vetorial de n 1 vetores, V1 = (v11 , . . . , v1n ), . . . , Vn1 = (v(n1)1 , . . . , v(n1)n )
como
V1 V2 Vn1 = (1)n+1 det(vij )j6=1 , (1)n+2 det(vij )j6=2 , . . . , (1)2n det(vij )j6=n .
Mostre que:
Marco 2008
Reginaldo J. Santos
330
Ortogonalidade
V projW V
V
projW V
projW V
V projW V
a` Algebra
Introducao
Linear
Marco 2008
5.1
Produto Escalar em Rn
331
V projW1 V projW2 V
W1
W2
projW1 V
projW2 V
projW1 V +projW2 V
Marco 2008
Reginaldo J. Santos
332
Ortogonalidade
W3 =
V3 projW1V3
projW2V3
V3
W1 = V 1
projW1V2
V3
W2 =
V2 projW1V2
V2
W1
projW1V3
W2
projW2V3
projW1V3 +projW2V3
a` Algebra
Introducao
Linear
Marco 2008
5.2
Subespacos Ortogonais
5.2
333
Subespacos Ortogonais
e um subespaco, S e um subespaco.
Mesmo quando S nao
o conjunto S e um subespaco.
5.6. Seja S um subconjunto de Rn . Entao,
Proposicao
Demonstracao.
Vamos verificar as propriedades (a) e (b) na pagina
246 que definem um subespaco.
(X1 + X2 ) Y = X1 Y + X2 Y = 0 + 0 = 0,
Marco 2008
para todo Y S .
Reginaldo J. Santos
Produto Escalar em Rn
334
(X) Y = (X Y ) = 0 = 0,
para todo Y S .
S = Rn . Se S = Rn , entao
S = {
Exemplo 5.5. Se S = {
0} Rn , entao
0}.
S = {X = (x1 , . . . , xn ) Rn | a1 x1 + . . . + an xn = 0}.
Exemplo 5.7. Seja S = {V1 , . . . , Vm } Rn , em que V1 = (a11 , . . . , a1n ), . . . , Vm = (am1 , . . . , amn ).
Entao,
S = {X Rn | A X = 0}, em que A = (aij )mn .
de W ser um subespaco, sao
validas
Se S = W e um subespaco, alem
as propriedades a seguir.
a` Algebra
Introducao
Linear
Marco 2008
5.2
Subespacos Ortogonais
335
de maneira unica
(a) Todo vetor de V Rn se decompoe
como uma soma de dois vetores V1 e
V = V 1 + V2 .
(b) O subespaco ortogonal de W e W, ou seja,
(W ) = W.
Demonstracao.
5.4 na pagina
320, o vetor V2 = V V1
Defina V1 = projW1 V +. . .+projWm V . Pela Proposicao
e ortogonal a Wk , para k = 1, . . . , m. Logo, V2 e ortogonal a todo vetor de W e portanto
V2 W . Assim, V = V1 + V2 , com V1 W e V2 W .
Proposicao
318, X = projW1 X + . . . + projWm X .
E
Y = V X = V V 1 = V2 .
Marco 2008
Reginaldo J. Santos
Produto Escalar em Rn
336
0 = X V = (U + V ) V = U V + V V = V V = ||V ||2 .
Consequentemente,
V = 0. Assim, X W e (W ) W. Portanto, (W ) = W.
unica
decomposicao
W1 = V 1 ,
Assim,
a` Algebra
Introducao
Linear
Marco 2008
5.2
Subespacos Ortogonais
W1 = W
2
337
V 2 W
V = V 1 + V2
W2 = W
1
W
0
Y = projW V
Marco 2008
de um ponto
Figura 5.6: Decomposicao
V = V1 + V2 , com V1 W, V2 W
Reginaldo J. Santos
Produto Escalar em Rn
338
que o
que e igual ao espaco coluna de A (Proposicao
289). Lembramos tambem
nucleo
de A e definido por
N(A) = {X Rn | A X = 0 }.
de ortogonalidade.
sao
as seguintes relacoes
a` Algebra
Introducao
Linear
Marco 2008
5.2
Subespacos Ortogonais
339
Demonstracao.
de A se, e somente se, AV =
0. Isto acon(a) Um vetor V pertence ao nucleo
m
tece se, e somente se, AV e ortogonal a todo vetor Y R , ou seja, se, e somente se,
e equivalente a sua transposta, ou seja,
Y t AV = 0 para todo vetor Y Rm . Esta equacao
V t At Y = 0. Variando-se Y em Rm , At Y percorre toda a imagem de At . Assim, V t At Y = 0,
para todo Y Rm se, e somente se, V I(At ) . Portanto, V N(A) se, e somente se,
V I(At ) .
(b) Basta aplicar o item anterior a At .
A
tes (isto e,
apesar dos problemas que os originaram requererem solucao.
inconsistencia
vem com frequ encia
devido a erros experimentais na matriz B . Uma forma de resolver
esta inconsistencia
e resolver o problema de quadrados mnimos associado, ou seja,
Reginaldo J. Santos
Produto Escalar em Rn
340
I(At )
I(A)
B
A
At
N(A)
N(At )
Rn
Rm
a` Algebra
Introducao
Linear
proximo
do ponto B
Marco 2008
5.2
Subespacos Ortogonais
341
Apesar de nao
forma de resolver a inconsistencia,
pode-se mostrar que se os erros
a solucao
do problema de
em B forem nao
(fixa), entao
At AX = At B,
Demonstracao.
O problema de quadrados mnimos
Y I(A)
(5.4)
5.7 na pagina
de B
Seja W = I(A). Segue da Proposicao
334 que existe uma unica
decomposicao
como
B = Q + Z,
Marco 2008
Reginaldo J. Santos
Produto Escalar em Rn
342
em que Q W e Z W . Vamos mostrar que
Y W
(Y Q) (Q B) = Q (B Q) Y (B Q) = 0,
pois Y, Q W e B Q = Z W . Logo,
(5.5)
Variando Y em W, vemos de (5.5) que o mnimo de ||Y B|| ocorre somente para Y = Q, ja que
||B Q||2 permanece fixo em (5.5) quando variamos Y em W. Portanto,
Y W
tal que B A X I(A) . Mas, Pelo Teorema 5.8 I(A) = N(At ). Assim, X e tal que
At (B AX) = 0.
do problema de quadrados mnimos e a solucao
do sistema linear
Ou seja, a solucao
At A X = At B.
a` Algebra
Introducao
Linear
Marco 2008
5.2
Subespacos Ortogonais
343
AX = B
B
Rn
Figura 5.9:
mnimos
Marco 2008
Rm
de quadrados
A solucao
1
4
Reginaldo J. Santos
Produto Escalar em Rn
344
seguinte sistema
3a + b =
b =
a + b =
2a + b =
3 1
6
4
0 1
eB =
0
1 1
2 1
2
6
4
0
2
AA=
14 0
0 4
e AB=
14
12
4
X
i=1
da
(yi ax2i bxi c)2 seja mnimo. Substituindo-se estes pontos na equacao
a` Algebra
Introducao
Linear
Marco 2008
5.2
Subespacos Ortogonais
345
parabola
obtemos o seguinte sistema
4a
a
a
4a
2b + c = 0
b + c = 2
+ b + c = 2
+ 2b + c = 10
4 2 1
0
1 1 1
2
eB =
Para este sistema temos que A =
1
2
1 1
4
2 1
10
normais At AX = At B . Aqui,
quadrados mnimos deste sistema temos que resolver as equacoes
34 0 10
At A = 0 10 0
10 0 4
44
e At B = 20
14
de quadrados mnimos e X =
Escalonando a matriz aumentada [At A|At B] obtemos que a solucao
t
2
da parabola
[1 2 1] , ou a = 1, b = 2 e c = 1. E y = x + 2x + 1 e a equacao
procurada.
4
X
Marco 2008
Reginaldo J. Santos
Produto Escalar em Rn
346
14
12
10
1
8
0
x
6
1
4
2
2
x
2
8
a` Algebra
Introducao
Linear
Marco 2008
5.2
Subespacos Ortogonais
347
2a
+
+ 2b +
a 3b +
3a + b +
c
c
c
c
= 4
= 4
= 10
= 10
2
0 1
4
0
2 1
4
Para este sistema temos que A =
1 3 1 e B = 10
3
1 1
10
normais At AX = At B . Aqui,
quadrados mnimos deste sistema temos que resolver as equacoes
14 0 2
At A = 0 14 0
2 0 4
44
e At B = 20
14
de quadrados mnimos e X =
Escalonando a matriz aumentada [At A|At B] obtemos que a solucao
t
do crculo procurado e
[18/13 6/7 82/13] , ou a = 18/13, b = 6/7 e c = 82/13. A equacao
qobtidos pelas
x2 + y 2 (18/13)x + (6/7)y = 82/13. O centro do crculo P0 = (x0 , y0 ) e o raio r sao
a = 2x0 , b = 2y0 e r 2 = c + x20 + y02 . Assim, x0 = 9/13, y0 = 3/7 e r =
equacoes
57724
8281
2, 6.
Exerccios Numericos
(respostas na pagina
599)
Marco 2008
Reginaldo J. Santos
Produto Escalar em Rn
348
5.2.1. Para cada uma das seguintes matrizes determine uma base para cada um dos seguintes
t
t
subespac
os I(A
4 2
1
3
(a)
2
1
3
4
1 0
0 1
(b)
0 0
1 1
0
1
1
2
0
1
1
2
5.2.2. Seja W o subespaco de R3 gerado por V = (1, 1, 1). Encontre uma base para W e de uma
geometrica
interpretacao
para W e W .
5.2.3. Seja W o subespaco do R4 gerado pelos vetores V1 = (1, 0, 2, 1) e V2 = (0, 1, 3, 2).
Encontre uma base para W .
da parabola
4
X
i=1
4
X
i=1
a` Algebra
Introducao
Linear
Marco 2008
5.2
Subespacos Ortogonais
349
x + 2y = 3
2x + 4y = 2
(a)
x 2y = 1
x + y = 10
2x + y = 5
(b)
x 2y = 20
x + y
x + y
(c)
y
+
+
+
+
z
z
z
z
=
=
=
=
4
2
1
2
(a) Use o comando P=randi(5,2), para gerar 5 pontos com entradas inteiras e aleat orias
armazenados nas linhas da matriz P.
entre 5 e 5. Os pontos estao
polinomial p(x) =
(b) Use o M ATLABr para encontrar os coeficientes a, b, c e d da funcao
3
2
ax + bx + cx + d que melhor se ajusta aos pontos
dados pelas linhas da matriz P, no
P
sentido de quadrados mnimos, ou seja, tal que (yi ax3i bx2i cx d)2 seja mnimo.
deste problema, assim como a
A matriz A=matvand(P(:,1),3) pode ser util
na solucao
matriz B=P(:,2).
(a) Use o comando P=randi(6,2), para gerar 6 pontos com entradas inteiras e aleat orias
armazenados nas linhas da matriz P.
entre 5 e 5. Os pontos estao
x2 +
(b) Use o M ATLABr para encontrar os coeficientes a, b, c, d e e da conica
de equacao
2
Marco 2008
Reginaldo J. Santos
Produto Escalar em Rn
350
Exerccios Teoricos
nula de uma matriz A, m n. E possvel que Aj pertenca ao N(At )?
5.2.9. Seja Aj uma coluna nao
5.2.10. Seja W um subespaco de Rn gerado pelos vetores V1 , . . . , Vk . Mostre que V W se, e
somente se, V e ortogonal a Vi , para i = 1, . . . , k .
W1 + W 2 .
linearmente independentes.
as colunas de A sao
(d) Mostre que se At A e invertvel, entao
a` Algebra
Introducao
Linear
Marco 2008
5.2
Subespacos Ortogonais
351
5.2.15. Sejam A uma matriz m n com colunas linearmente independentes e B uma matriz m 1.
para a solucao
Mostre que neste caso, a matriz At A e invertvel e que vale a seguinte formula
2
do problema de quadrados mnimos, min ||AX B|| ,
X = (At A)1 At B.
Marco 2008
Reginaldo J. Santos
352
5.3
Ortogonalidade
Mudanca de Coordenadas
em que ~i = (1, 0, 0), ~j = (0, 1, 0) e ~k = (0, 0, 1). Ou seja, as coordenadas de um ponto P sao
denadas ortogonal, {O,~i, ~j, ~k}. Para resolver alguns problemas geometricos
e necessario
usarmos
0
um segundo sistema de coordenadas ortogonal determinado por uma origem O
e por 3 veto3
0
res U1 , U2 e U3 ortonormais de R . Por exemplo, se O = (2, 3/2, 3/2), U1 = ( 3/2, 1/2, 0),
O 0 P = x 0 U1 + y 0 U2 + z 0 U3 ,
vetores
necessariamente ortogonal) e definido por um ponto O 0 e tres
Em geral, um sistema de coordenadas (nao
3
necessariamente ortonormais) (veja o Exerccio 5.3.9 na pagina
V1 , V2 e V3 L.I. de R (nao
372).
a` Algebra
Introducao
Linear
Marco 2008
5.3
Mudanca de Coordenadas
353
U3
z~k
O0
P = (x, y, z)
U1
Marco 2008
y~j
x~i
U2
Reginaldo J. Santos
354
Ortogonalidade
x0
= y0 .
z0
x0 U1 +
Vamos considerar inicialmente o caso em que O = O 0 . Assim, se OP = (x, y, z), entao
x
x0
0
0
y
, X = y .
em que Q = [ U1 U2 U3 ], X =
0
z
z
e dada por
Como a matriz Q e invertvel (por que?) a solucao
X 0 = Q1 X.
U1t
U1 U1 U1t U2 U1t U3
U1 U 1 U1 U 2 U1 U 3
Qt Q = U2t [ U1 U2 U3 ] = U2t U1 U2t U2 U2t U3 = U2 U1 U2 U2 U2 U3 = I3
U3t
U3t U1 U3t U2 U3t U3
U3 U 1 U3 U 2 U3 U 3
a` Algebra
Introducao
Linear
x0
x
y 0 = Qt y .
z0
z
Marco 2008
5.3
Mudanca de Coordenadas
355
Tambem
0
a um sistema de coordenadas {O , U1 , U2 },
As coordenadas de um ponto P no plano em relacao
vetores que formam uma base ortonormal do R2 , e definido como sendo os
em que U1 e U2 sao
linear de U1 e U2 , ou seja, se
escalares que aparecem ao escrevermos O 0 P como combinacao
O 0 P = x 0 U1 + y 0 U2 ,
as coordenadas de P no sistema {O 0 , U1 , U2 } sao
dadas por
entao
x0
y0
x0
y0
=Q
x
y
em que E1 = (1, 0) e E2 = (0, 1). Observe que, tanto no caso do plano quanto no caso do espaco, a
matriz Q satisfaz, Q1 = Qt . Uma matriz que satisfaz esta propriedade e chamada matriz ortogonal.
ao novo
e U2 = (1/2, 3/2). Se P = (2, 4), vamos determinar as coordenadas de P em relacao
sistema de coordenadas.
Q = [ U 1 U2 ] =
Marco 2008
3/2
1/2
1/2
3/2
.
Reginaldo J. Santos
356
Ortogonalidade
[P ]{O,U1 ,U 2} = Q
2
4
U1t
U2t
2
4
3/2 1/2
1/2
3/2
2
4
2+ 3
.
2 31
Exemplo 5.13. Considere o mesmo sistema de coordenadas do exemplo anterior, mas agora seja
ao
P = (x, y) um ponto qualquer do plano. Vamos determinar as coordenadas de P em relacao
novo sistema de coordenadas.
ao novo sistema de coordenadas sao
dadas por
As coordenadas de P em relacao
[P ]{O,U1 ,U 2} = Q
x
y
U1t
U2t
x
y
3/2 1/2
1/2
3/2
x
y
( 3 x
+ y)/2
.
(x + 3 y)/2
`
Exemplo 5.14. Vamos agora considerar um problema inverso aqueles
apresentados nos exemplos
x=
y=
ou equivalentemente
a` Algebra
Introducao
Linear
x
y
1 x0
5
2 x0
5
"
1
5
2
5
2
5
15
2 y 0
5
1 y 0
5
#
x0
y0
Marco 2008
5.3
Mudanca de Coordenadas
357
E2
U2
U1
E1
Marco 2008
Reginaldo J. Santos
358
entre as coordenadas
Ortogonalidade
e as coordenadas de P ,
x0
0
y
x
ao sistema de coordenadas original
, em relacao
y
{O, E1 = (1, 0), E2 = (0, 1)}.
os vetores U1 e U2 .
Queremos determinar quais sao
1
0
Os vetores U1 e U2 da nova base possuem coordenadas
e
, respectivamente, em
0
1
ao novo sistema de coordenadas, {O, U1 , U2 }. Pois, U1 = 1 U1 + 0 U2 e U2 = 0 U1 +
relacao
ao sistema de coordenadas
1 U2 . Queremos saber quais as coordenadas destes vetores em relacao
original, {O, E1 = (1, 0), E2 = (0, 1)}. Logo,
"
# "
#
1
2
1
1
5
5
= 25
U1 =
2
1
0
5
5
5
"
# "
#
2
1
2
0
5
5
5
U2 =
=
2
1
1
1
5
5
5
"
#
as colunas da matriz Q =
Ou seja, U1 e U2 sao
1
5
2
5
2
5
15
5.3.1 Rotacao
Suponha que o novo sistema de coordenadas {O, U1 , U2 } seja obtido do sistema original
de um angulo
Marco 2008
5.3
Mudanca de Coordenadas
359
x
E2
cos
sen
U1
cos
sen
U2
E1
de um angulo
Marco 2008
Reginaldo J. Santos
360
Ortogonalidade
temos
U1 =
(cos , sen )
U2 = (sen , cos )
cos sen
sen
cos
Q = [ U 1 U2 ] =
= R
x0
y0
Rt
x
y
cos sen
sen cos
x
y
podem ser
O sistema de coordenadas que aparece nos dois primeiros exemplos desta secao
ao sistema original.
de um angulo
5.3.2 Translacao
dos
Vamos considerar, agora, o caso em que O 0 6= O , ou seja, em que ocorre uma translacao
eixos coordenados.
Observando a Figura 5.17, obtemos
O0 P =OP OO0 .
(5.6)
a` Algebra
Introducao
Linear
Marco 2008
5.3
Mudanca de Coordenadas
361
y0
O0
O
x0
x
Marco 2008
Reginaldo J. Santos
362
Ortogonalidade
x0
y0
xh
yk
(5.7)
a` Algebra
Introducao
Linear
Marco 2008
5.3
Mudanca de Coordenadas
363
Computacao
Grafica
Ortografica
5.3.3 Aplicacao:
- Projecao
e usada para fazer desenhos de objetos tridimensionais no papel ou na tela do
Esta projecao
os pontos no espaco sao
projetados ortogonalmente ao plano do
computador. Com esta projecao
desenho.
de um ponto P podemos encontrar as coordenadas de P em relacao
X 0 = Qt X,
em que Q = [ U1 U2 U3 ]
dos angulos
Reginaldo J. Santos
364
Ortogonalidade
y0
x0
ortografica
a` Algebra
Introducao
Linear
Marco 2008
5.3
Mudanca de Coordenadas
365
U2
U1
~k
O0
U3
~j
~i
ortografica
Marco 2008
Reginaldo J. Santos
366
Ortogonalidade
U2
~k
U1
~i
U3
~j
(cos , sen , 0)
ortografica
a` Algebra
Introducao
Linear
Marco 2008
5.3
Mudanca de Coordenadas
367
~k
~j
U2
(cos , sen , 0)
U1
U3
~i
(cos , sen , 0)
Marco 2008
Reginaldo J. Santos
368
Ortogonalidade
e dada por
sen
cos
0
x
x0
y 0 = cos cos cos sen sen y
sen cos
sen sen cos
z
z0
e dada por
e a projecao
x
y0
sen
cos
0
cos cos cos sen sen
x
y0
"
21
43
3
2
14
x
y .
z
# x
x
0.50
0.87
0
0
y .
y
3
0.43 0.25 0.87
2
z
z
e como
Experimente desenhar o cubo que tem a origem O = (0, 0, 0) como um dos vertices
e necessario
vertices
adjacentes a` origem (1, 0, 0), (0, 1, 0) e (0, 0, 1). Observe que nao
calcular a
dos outros pontos (por que?)
projecao
a` Algebra
Introducao
Linear
Marco 2008
5.3
Mudanca de Coordenadas
369
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
1
1
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
ortografica
Marco 2008
Reginaldo J. Santos
370
Ortogonalidade
Exerccios Numericos
(respostas na pagina
604)
ao sistema de coordenadas S, nos seguintes
5.3.1. Encontre as coordenadas do ponto P com relacao
casos:
(b) S = {O, (1/ 2, 1/ 2, 0), (0, 0, 1), (1/ 2, 1/ 2, 0)} e P = (2, 1, 2);
ao sistema de coordenadas S, [P ]S ,
5.3.2. Encontre o ponto P , se as coordenadas de P em relacao
sao:
1
1 , em
(a) [P ]S =
, em que S = {O, (1/ 2, 1/ 2), (1/ 2, 1/ 2)}. (b) [P ]S =
1
2
ao sistema de coordenadas
y as coordenadas de um ponto P em relacao
5.3.3. Sejam [P ]R =
z
0
x
~
~
~
0
1
0
0
x
x
y = 0
y0 .
1/2 3/2
z
z0
0
3/2
1/2
os vetores U1 , U2 e U3 ?
Quais sao
a` Algebra
Introducao
Linear
Marco 2008
5.3
Mudanca de Coordenadas
371
3
do plano em que as coordenadas do ponto P = ( 3, 1) sao
(a) Determine uma base ortonormal para o plano em que o primeiro vetor esteja no plano xy.
(b) Complete a base encontrada para se obter uma base ortonormal {U1 , U2 , U3 } de R3 .
(c) Determine as coordenadas dos vetores ~i, ~j e ~k no sistema {O, U1 , U2 , U3 }.
5.3.6. Considere dois sistemas de coordenadas R = {O, ~i, ~j, ~k} e S = {O,~i, U2 , U3 }, em que o
do angulo
Marco 2008
Reginaldo J. Santos
372
Ortogonalidade
Exerccios Teoricos
5.3.7. Mostre que
(a) R1 R2 = R1 +2 .
(b) R1 = R .
5.3.8. Seja B uma matriz quadrada 2 2.
(a) Verifique que R B e a matriz obtida girando as colunas de B de .
(b) Verifique que BR e a matriz obtida girando as linhas de B de .
O 0 P = x 0 V1 + y 0 V2 + z 0 V3 ,
as coordenadas de P no sistema {O 0 , V1 , V2 , V3 } sao
dadas por
entao
a` Algebra
Introducao
Linear
x0
= y0 .
z0
Marco 2008
5.3
Mudanca de Coordenadas
373
x
x0
0
= y
[ V 1 V2 V3 ] y
z
z0
ao sistema
(b) Mostre que as coordenadas de um ponto P no espaco em relacao
0
0
0
0
bem definidas, ou seja, x , y e z estao
unicamente determinados
{O , V1 , V2 , V3 } estao
dados por
e sao
Marco 2008
x0
x
= y 0 = Q1 y = Q1 [P ]{O0 ,~i,~j,~k} .
z0
z
Reginaldo J. Santos
Captulo 6
Transformacoes
Lineares (opcional)
6.1
Exemplos e Propriedades
Definicao,
e Exemplos
6.1.1 Definicao
f de um conjunto A em um conjunto B , f : A B , e uma
Lembramos que uma funcao
regra que associa a cada elemento do conjunto A, um unico
elemento do conjunto B . O conjunto A
6.1
Exemplos e Propriedades
Definicao,
375
f (a).
T : Rn Rm e uma transformacao
linear se
6.1. Uma funcao
Definicao
T (X) = T (X)
T (X + Y ) = T (X) + T (Y ),
(6.1)
Marco 2008
Reginaldo J. Santos
Transformacoes
Lineares
376
O(X) = 0,
para todo X Rn
I(X) = X,
para todo X Rn
linear.
e claramente uma transformacao
a` Algebra
Introducao
Linear
(a, b) (x, y)
(a, b).
||(a, b)||2
Marco 2008
6.1
Exemplos e Propriedades
Definicao,
Ou seja,
Pr (x, y) =
377
a2
ab
ab
b2
x+ 2
y,
x+ 2
y .
a2 + b 2
a + b 2 a2 + b 2
a + b2
Os quatro ultimos
exemplos sao
exemplo.
T : Rn Rm , dada por
Exemplo 6.6. Considere a transformacao
x1
a11 x1 + . . . + a1n xn
x2 a21 x1 + . . . + a2n xn
T (X) = T .. =
..
.
.
xn
am1 x1 + . . . + amn xn
Marco 2008
para todo X Rn ,
Reginaldo J. Santos
Transformacoes
Lineares
378
que pode ser escrita como
a1n
a2n
..
.
amn
a11 a12
a21 a22
T (X) = ..
.
am1 am2
x1
x2
.. = A X,
.
xn
T (X + Y ) = A(X + Y ) = AX + AY = T (X) + T (Y ),
T (X) = A(X) = AX = T (X),
para todos X, Y Rn e escalares .
nos eixos x e y podem ser escritas como
Em termos de matrizes, as projecoes
Px
x
y
x
y
1 0
0 0
x
y
x
y
em relacao
aos eixos x e y , como
as reflexoes
Rx
1
0
0 1
Py
x
y
Ry
x
y
x
y
x
y
0 0
0 1
1 0
0 1
ortogonal e a reflexao
em relacao
a uma reta r : (x, y) = t(a, b), como
a projecao
Pr
x
y
"
a2
a2 +b2
ab
a2 +b2
a` Algebra
Introducao
Linear
ab
a2 +b2
b2
a2 +b2
#
x
y
Rr
x
y
"
a2 b2
a2 +b2
2ab
a2 +b2
2ab
a2 +b2
b2 a2
a2 +b2
#
x
y
Marco 2008
6.1
Exemplos e Propriedades
Definicao,
379
6.1.2 Propriedades
6.1 que toda transformacao
linear T : Rn Rm leva o vetor nulo de Rn no
Segue da Definicao
T (0) = T (0 X) = 0 T (X) = 0.
linear se, e
da Definicao
6.1 que uma funcao
T : Rn Rm e uma transformacao
Segue tambem
somente se, T (X +Y ) = T (X)+T (Y ), para todos os vetores X, Y Rn e todos os escalares
T (X + Y ) = T (X) + T (Y ) = T (X) + T (Y ).
tal que T (X + Y ) = T (X) + T (Y ), para todos os vetores
Por outro lado, se T e uma funcao
n
fazendo = 1, = 1 e depois = 0 segue-se que T
X, Y R e todos os escalares e , entao
linear.
e uma transformacao
linear e B = {V1 , . . . , Vn } e uma base de Rn , entao
todo
Se T : Rn Rm e uma transformacao
linear de vetores de B, ou seja, existem escalares
vetor V Rn pode ser escrito como combinacao
1 , . . . , n tais que
V = 1 V1 + . . . + n Vn =
n
X
i Vi .
i=1
Entao
T (V ) = T
n
X
i=1
Marco 2008
i Vi
n
X
i=1
T (i Vi ) =
n
X
i T (Vi ).
i=1
Reginaldo J. Santos
Transformacoes
Lineares
380
U (V ) = T (V ),
para todo V Rn .
T (Vi ) = Wi , para i = 1, . . . , n.
R (E1 ) =
cos E1 + sen E2 = (cos , sen )
R (E2 ) = sen E1 + cos E2 = (sen , cos ).
x
y
a` Algebra
Introducao
Linear
= xR (E1 ) + yR (E2 ) = x
cos sen
x
=
sen
cos
y
cos
sen
+y
sen
cos
Marco 2008
6.1
Exemplos e Propriedades
Definicao,
381
R2 .
1
a11
0 a21
T .. = ..
. .
0
am1
0
a12
1 a22
T .. = ..
. .
0
am2
...,
0
..
.
0
1
a1n
a2n
= .. .
.
amn
Reginaldo J. Santos
Transformacoes
Lineares
382
Como X = x1 E1 + . . . + xn En , entao
a11
a1n
a21
a2n
a11 a12
a1n
x1
a21 a22
a
2n x2
= ..
.. .. = A X,
.
. .
am1 am2
amn
xn
linear. Entao,
T e dada por
6.2. Seja T : Rn Rm uma transformacao
Proposicao
T (X) = A X,
para todo X Rn ,
em que A = (aij )mn = [ T (E1 ) . . . T (En ) ], com T (Ei ), para i = 1, . . . , n, escritos como matrizes
colunas e E1 = (1, 0, . . . , 0), E2 = (0, 1, 0, . . . , 0), . . . , En = (0, . . . , 0, 1). A matriz A e chamada
as
` bases canonicas).
T (em relacao
matriz da transformacao
a` Algebra
Introducao
Linear
Marco 2008
6.1
Exemplos e Propriedades
Definicao,
383
nos eixos x e
transformacao
Por exemplo, as matrizes das projecoes
y podem ser obtidas
Px (E1 ) Px (E2 )
1 0
0 0
Py (E1 ) Py (E2 )
Ry (E1 ) Ry (E2 )
em relacao
aos eixos x e y ,
as matrizes das reflexoes
Rx (E1 ) Rx (E2 )
1
0
0 1
0 0
0 1
1 0
0 1
ortogonal e da reflexao
em relacao
a uma reta r : (x, y) = t(a, b), como
as matrizes da projecao
Pr (E1 ) Pr (E2 )
"
a2
ab
a2 +b2
a2 +b2
ab
b2
a2 +b2
a2 +b2
Rr (E1 ) Rr (E2 )
"
a2 b2
a2 +b2
2ab
a2 +b2
2ab
a2 +b2
b2 a2
a2 +b2
de um angulo
e a matriz da rotacao
,
Marco 2008
R (E1 ) R (E2 )
cos sen
sen
cos
Reginaldo J. Santos
Transformacoes
Lineares
384
Exerccios Numericos
(respostas na pagina
607)
linear para a qual sabemos que T (1, 1) = (2, 3) e
6.1.1. Seja T : R2 R2 uma transformacao
T (0, 1) = (1, 2).
(a) Determine T (3, 2);
(b) Determine T (a, b).
em relacao
ao plano , R : R3 R3 .
(b) A reflexao
para as transformacoes
lineares R/3,x , R/3,y e R/3,z que sao
rotacoes
a` Algebra
Introducao
Linear
Marco 2008
6.1
Exemplos e Propriedades
Definicao,
385
em relacao
a` reta r . Encontre uma expressao
para
(b) Seja Rr : R3 R3 a reflexao
Rr (x, y, z).
S do plano que transforma o ponto (5, 0) no ponto (3, 4). Determine
6.1.7. Existe uma unica
reflexao
S.
relacao
de R ) da reflexao
Exerccios Teoricos
para as seguintes transformacoes
em relacao
ao plano , R : R3 R3 .
(b) A reflexao
Encontre expressoes
para as seguintes
ortogonal na reta r , Pr : R3 R3 .
(a) A projecao
em relacao
a` reta r , Rr : R3 R3 .
(b) A reflexao
6.1.11. Seja Y = (a, b, c) R3 . Determine a matriz do operador linear T : R3 R3 , definido por
T (X) = T (x, y, z) = X Y =
Marco 2008
det
y z
b c
, det
x z
a c
, det
x y
a b
Reginaldo J. Santos
Transformacoes
Lineares
386
a` base canonica.
em relacao
contracao.
(c) Mostre que a matriz elementar que corresponde a somar a uma linha um multiplo
escalar
a` Algebra
Introducao
Linear
Marco 2008
6.1
Exemplos e Propriedades
Definicao,
387
T (X)
X +Y
T (X)+T (Y )
T (
0) =
0
T (Y )
Y
Rn
Rm
Linear T : Rn Rm
Figura 6.1: Transformacao
Marco 2008
Reginaldo J. Santos
Transformacoes
Lineares
388
Py (X)
Px (X)
x
no eixo x
Figura 6.2: Projecao
a` Algebra
Introducao
Linear
no eixo y
Figura 6.3: Projecao
Marco 2008
6.1
Exemplos e Propriedades
Definicao,
389
Ry (X)
Rx (X)
em relacao
ao eixo x
Figura 6.4: Reflexao
Marco 2008
em relacao
ao eixo y
Figura 6.5: Reflexao
Reginaldo J. Santos
Transformacoes
Lineares
390
2Pr (X) =
X +Rr (X)
Pr (X)
b
Rr (X)
a
x
x
na reta r
Figura 6.6: Projecao
a` Algebra
Introducao
Linear
em relacao
a reta r
Figura 6.7: Reflexao
Marco 2008
6.1
Exemplos e Propriedades
Definicao,
391
R (X)
R (E2 ) E2
cos
rotacao
de um
Figura 6.8: Transformacao
angulo
Marco 2008
sen
R (E1 )
sen
cos E1
rotacao
sobre os
Figura 6.9: Transformacao
vetores E1 e E2
Reginaldo J. Santos
Transformacoes
Lineares
392
6.2
A Imagem e o Nucleo
linear.
6.2. Seja T : Rn Rm uma transformacao
Definicao
(a) O nucleo
chamada posto de T .
linear. O nucleo,
subespacos de Rn e de Rm , respectivamente.
a` Algebra
Introducao
Linear
Marco 2008
6.2
A Imagem e o Nucleo
393
I(T )
I(T )
X
T (X)
Marco 2008
N(T )
Reginaldo J. Santos
Transformacoes
Lineares
394
Demonstracao.
Para mostrar que um conjunto e um subespaco precisamos mostrar as propriedades
as
` operacoes
de soma de vetores e multiplicacao
de T e um subespaco.
T (X1 ) = T (X2 ) =
(a) Se X1 , X2 N(T ), entao
0. Logo,
linear de Rn em R nao
nula, f : Rn R, e o
Exemplo 6.10. A imagem de uma transformacao
os unicos
conjunto R, pois {
0} e R sao
subespacos do espaco vetorial R.
a` Algebra
Introducao
Linear
Marco 2008
6.2
A Imagem e o Nucleo
395
Demonstracao.
Seja W I(T ). Entao,
base de Rn , existem esclares 1 , . . . , n tais que V = 1 V1 + . . . + n Vn . Assim,
n
X
W = T (V ) = T
i Vi
i=1
n
X
i T (Vi ).
i=1
Px
x
y
1 0
0 0
x
y
Py
x
y
0 0
0 1
x
y
os pontos
Geometricamente vemos que o nucleo
de Px e o eixo y , o nucleo
de Py e o eixo x, que sao
Marco 2008
Reginaldo J. Santos
Transformacoes
Lineares
396
pagina
389)
x
y
Rx
x
y
1
0
0 1
x
y
Ry
x
y
1 0
0 1
que as imagens de Rx e de
ponto que e levado na origem pelas transformacoes.
Vemos tambem
iguais a R2 , pois todo ponto (x, y) e imagem do ponto (x, y) refletido pelas respectivas
Ry sao
transformacoes.
ortogonal e a reflexao
em relacao
a uma reta
Exemplo 6.13. Consideremos a projecao
r : (x, y) = t(a, b)
Pr
x
y
"
a2
ab
a2 +b2
a2 +b2
b2
ab
a2 +b2
a2 +b2
#
x
y
Rr
x
y
"
a2 b2
a2 +b2
2ab
a2 +b2
2ab
a2 +b2
b2 a2
a2 +b2
#
x
y
2
2
que a imagem de Rr e o R , pois todo ponto (x, y) e a
R que e levado na origem. Vemos tambem
imagem do ponto (x, y) refletido por r .
a` Algebra
Introducao
Linear
Marco 2008
6.2
A Imagem e o Nucleo
397
de um angulo
x
y
cos sen
sen
cos
x
y
que
tem nucleo
igual a origem, pois e o unico
ponto que e levado na origem por R . Vemos tambem
2
a imagem de R e igual ao R , pois todo ponto (x, y) e a imagem do ponto (x, y) girado de .
linear. Pela Proposicao
6.2 na pagina
382 a transformacao
Seja T : Rn Rm uma transformacao
T e dada por
T (X) = AX, para todo X Rn ,
onde A = (aij )mn = [ T (E1 ) . . . T (En ) ], com T (Ei ), para i = 1, . . . , n escritos como matrizes
colunas e E1 = (1, 0, . . . , 0), E2 = (0, 1, 0, . . . , 0), . . . , En = (0, . . . , 0, 1). Assim, o nucleo
de T e
do sistema homogeneo
o espaco solucao
AX = 0 e a imagem de T e o subespaco gerado pelas
colunas de A, ou seja, e o espaco coluna de A.
Corolario
6.5. Seja T : Rn Rm uma transformacao
sobrejetiva se, e somente se, T (V1 ), . . . , T (Vn ) geram o Rm .
Marco 2008
Reginaldo J. Santos
Transformacoes
Lineares
398
em relacao
a uma reta que passa pela origem e a rotacao
sao
sobrejetivas
Exemplo 6.16. A reflexao
ortogonal em uma reta que passa pela origem nao
e sobrejetiva (Exemplos 6.13
enquanto a projecao
e 6.14 na pagina
396).
f : A B e injetiva, se f (x) = f (y) implica que x = y .
Dizemos que uma funcao
linear. Entao,
T e injetiva se, e somente se,
Teorema 6.6. Seja T : Rn Rm uma transformacao
N(T ) = {0}.
como T e injetiva, T (X) = T (
Demonstracao.
Suponha que T e injetiva. Seja X N(T ). Entao,
0)
implica que X =
0.
T (X Y ) =
Agora, suponha que N(T ) = {
0}. Se T (X) = T (Y ), entao
0, ou seja,
X Y N(T ).
X Y =
Como, N(T ) = {
0}, entao
0, ou seja, X = Y .
a` Algebra
Introducao
Linear
Marco 2008
6.2
A Imagem e o Nucleo
399
em relacao
a uma reta que passa pela origem e a rotacao
sao
injetivas
Exemplo 6.17. A reflexao
ortogonal em uma reta que passa pela origem nao
e injetiva (Exemplos 6.13 e
enquanto a projecao
6.14 na pagina
396).
li do Nucleo
Teorema 6.7 (da Dimensao
near. Entao
de T com a dimensao
n
de R , ou seja,
Marco 2008
Reginaldo J. Santos
Transformacoes
Lineares
400
I(T )
T (X)
Rn
Rm
linear injetiva
Figura 6.12: Transformacao
(N(T ) = {
0})
a` Algebra
Introducao
Linear
N(T )
Rn
Rm
linear nao
injeFigura 6.13: Transformacao
tiva (N(T ) 6= {
0})
Marco 2008
6.2
A Imagem e o Nucleo
401
Demonstracao.
Vamos supor que 1 dim(N(T )) < n. Sejam V1 , . . . , Vp vetores de Rn , que for
mam uma base para o nucleo
de T . Vamos estende-la
a uma base de Rn . Sejam Vp+1 , . . . , Vn
n
vetores de R tais que V1 , . . . , Vp , Vp+1 , . . . , Vn formam uma base de Rn . Vamos mostrar que
T (Vp+1 ), . . . , T (Vn ) formam uma base da imagem de T . Para isso, precisamos mostrar que eles
L.I.
geram a imagem de T e que sao
6.4 na pagina
linearmente indeT (V1 ) = . . . = T (Vp ) = 0. Vamos mostrar que T (Vp+1 ), . . . , T (Vn ) sao
linear nula:
pendentes. Considere a combinacao
T (xp+1 Vp+1 + . . . + xn Vn ) = 0.
Mas isto implica que xp+1 Vp+1 + . . . + xn Vn N(T ). Assim, existem escalares y1 , . . . , yp tais que
xp+1 Vp+1 + . . . + xn Vn = y1 V1 + . . . + yp Vp . De onde segue-se que
y1 V1 + . . . + yp Vp xp+1 Vp+1 . . . xn Vn = 0.
y1 = . . . = yp = xp+1 = . . . = xn = 0, ou seja,
Como V1 , . . . , Vn e base de Rn , entao
de Rn e a dimensao
Portanto, a dimensao
do nucleo
de A, de onde segue-se o resultado.
linear pode ser injetiva sem ser sobrejetiva e sobrejetiva sem ser
Em geral, uma transformacao
do domnio for igual a dimensao
do contradomnio temos o seguinte
injetiva. Entretanto, se a dimensao
do Nucleo
resultado, que e uma consequ encia
imediata do Teorema 6.7 da Dimensao
e da Imagem.
Marco 2008
Reginaldo J. Santos
Transformacoes
Lineares
402
Exerccios Numericos
(respostas na pagina
609)
de R3 em R3 , definida por P (x, y, z) = (x, y, 0). Se a imagem de uma
6.2.1. Seja P a transformacao
quais sao
as equacoes
parametricas
linear.
6.2.3. Seja T : Rn R5 uma transformacao
a` Algebra
Introducao
Linear
Marco 2008
6.2
A Imagem e o Nucleo
403
Exerccios Teoricos
sobrejetiva e se e injetiva.
em relacao
ao plano , R . Responda se R
(b) Determine o nucleo
e a imagem da reflexao
e sobrejetiva e se e injetiva.
6.2.8. Considere a reta r : (x, y, z) = t(a, b, c).
ortogonal na reta r , Pr . Responda se Pr e
(a) Determine o nucleo
e a imagem da projecao
sobrejetiva e se e injetiva.
em relacao
a` reta r , Rr . Responda se Rr e
(b) Determine o nucleo
e a imagem da reflexao
sobrejetiva e se e injetiva.
Marco 2008
Reginaldo J. Santos
Transformacoes
Lineares
404
linear.
6.2.9. Seja f : R3 R uma transformacao
a` Algebra
Introducao
Linear
Marco 2008
6.3
6.3
de Transformacoes
Composicao
Lineares
405
de Transformacoes
Composicao
Lineares
de S com T ,
Sejam T : Rn Rp e S : Rp Rm transformacoes
lineares. A composicao
n
m
de R em R definida por
denotada por ST e a funcao
para todo X Rn .
transformacoes
lineares, entao
a composicao
6.9. Se T : Rn Rp e S : Rp Rm sao
Proposicao
n
linear.
ST : R Rm e uma transformacao
Demonstracao.
Sejam X1 , X2 Rn e , escalares.
Linear
6.3.1 Matriz de uma Transformacao
Marco 2008
Reginaldo J. Santos
406
Transformacoes
Lineares
1
2
[V ]B = .. .
.
n
a` Algebra
Introducao
Linear
Marco 2008
de Transformacoes
Composicao
Lineares
6.3
407
a` base B sao
os escalares que aparecem quando
As coordenadas de um vetor V em relacao
linear dos vetores da base B. Por exemplo, para os vetores da
escrevemos V como combinacao
os vetores da base
base B, [V1 ]B = E1 , [V2 ]B = E2 , . . . , [Vn ]B = En , em que E1 , . . . , En sao
n
canonica
do R . Pois, Vi = 0V1 + . . . + 1Vi + . . . + 0Vn , para i = 1, . . . , n.
Sejam B = {V1 , . . . , Vn } e C = {W1 , . . . , Wm } bases de Rn e Rm , respectivamente. Seja
linear. Sejam
T : Rn Rm uma transformacao
x1
x2
[V ]B = .. ,
.
xn
Entao,
a11
a21
[T (V1 )]C = .. ,
.
am1
a12
a22
[T (V2 )]C = .. ,
.
am2
...,
a1n
a2n
[T (Vn )]C = .. .
.
amn
a11 x1 + . . . + a1n xn
a11 a12
a21 x1 + . . . + a2n xn a21 a22
[T (V )]C =
= ..
..
.
.
am1 x1 + . . . + amn xn
am1 am2
Marco 2008
a1n
a2n
..
.
amn
x1
x2
.. = A [V ]B ,
.
xn
Reginaldo J. Santos
Transformacoes
Lineares
408
linear T
em que A = [ [T (V1 )]C . . . [T (Vn )]C ]. Esta matriz e chamada matriz da transformacao
C
as
` bases B e C e e denotada por [T ]B , ou seja,
em relacao
[T (V )]C = [T ]CB [V ]B ,
T (V ) em relacao
as
` bases B e C.
linear T em relacao
a` Algebra
Introducao
Linear
Marco 2008
6.3
de Transformacoes
Composicao
Lineares
409
linear e a transformacao
identidade I : Rn Rn , definida por I(X) =
Quando a transformacao
aplicando o resultado anterior (Teorema 6.10) a esta transformacao,
Para todo
Corolario
6.11. Sejam B = {V1 , . . . , Vn } e C = {W1 , . . . , Wn } bases de Rn . Entao,
n
XR ,
linear identidade I : Rn Rn em
em que P = [I]CB = [ [V1 ]C . . . [Vn ]C ] e a matriz da transformacao
as
` bases C e B.
relacao
x
. Vamos encontrar [(x, y)]C .
y
E 1 = x 1 V1 + y 1 V2 e E 2 = x 2 V1 + y 2 V2 .
Marco 2008
Reginaldo J. Santos
Transformacoes
Lineares
410
e invertvel e e facil
dos sistemas como A1 E1 e A1 E2 . Como
126), podemos obter as solucoes
1
1
1 1
1
1/2
1/2
1/2 1/2
entao
[I]CB
= [ [E1 ]C [E2 ]C ] = [ A E1 A E2 ] =
Portanto
[(x, y)]C =
1/2
1/2
1/2 1/2
x
y
1/2
1/2
1/2 1/2
=
(x + y)/2
(x y)/2
Entao,
D
C
[ST ]D
B = [S]C [T ]B .
de duas transformacoes
a` Algebra
Introducao
Linear
Marco 2008
6.3
de Transformacoes
Composicao
Lineares
411
C
D
Demonstracao.
Sejam A = [S]D
C , B = [T ]B e C = [ST ]B . Vamos mostrar que C = AB .
p
X
bkj Uk
k=1
X
k=1
bkj
m
X
i=1
aik Wi =
bkj S(Uk )
k=1
m
XX
p
X
aik bkj Wi =
k=1 i=1
p
m
X
X
i=1
k=1
aik bkj
Wi
(ST )(Vj ) =
m
X
cij Wi .
i=1
L.I., entao
cij =
Como os vetores W1 , . . . , Wm sao
p
X
k=1
provar.
6.3.2 Invertibilidade
linear T : Rn Rm e invertvel se, existe uma funcao
1
por T .
linear invertvel. Entao,
T 1 : Rm Rn e
6.13. Seja T : Rn Rm uma transformacao
Proposicao
uma transformacao
linear.
tambem
Marco 2008
Reginaldo J. Santos
Transformacoes
Lineares
412
Demonstracao.
Sejam Y1 , Y2 Rm e , escalares. Sejam X1 = T 1 (Y1 ) e X2 = T 1 (Y2 ).
Entao,
T e injetiva e sobrejetiva, o
Demonstracao.
Suponha, em primeiro lugar, que T e invertvel. Entao
do Nucleo
1
1
1
disso, existe uma transformacao
linear, T , tal que T T
Alem
= IRm e T T = IRn . Assim,
1
1 B
In = [IRn ]B
T ]B
]C [T ]CB .
B = [T
B = [T
a` Algebra
Introducao
Linear
Marco 2008
6.3
de Transformacoes
Composicao
Lineares
413
[T (V )]C = A[V ]B =
n = m. Vamos mostrar que N(T ) = {0}. Seja V N(T ). Entao,
0. Como A
[V ]B =
e invertvel, entao
0. O que implica que V = 0. Assim T e injetiva (Teorema 6.6 na pagina
sobrejetiva e
pelo Corolario
Exemplo 6.19. Seja T : R3 R3 definida por T (x, y, z) = (x + y + 2z, y + 2z, z), para todo
(x, y, z) R3 . Vamos verificar se T e invertvel. Seja B = {E1 , E2 , E3 }. Vamos determinar a matriz
a B. Para isto, vamos escrever o resultado da aplicacao
T em cada elemento de B
de T em relacao
linear dos elementos de B.
como combinacao
T (E1 ) = E1
= 1E1 + 0E2 + 0E3
T (E2 ) = E1 + E2
= 1E1 + 1E2 + 0E3
T (E3 ) = 2E1 + 2E2 + E3 = 2E1 + 2E2 + 1E3
a B e
Assim, a matriz de T em relacao
[T ]B
B =
1
1
2
= 0 1 2 .
0 0 1
linear T e invertvel e
Esta matriz e invertvel (verifique!) e assim pelo Teorema 6.14 a transformacao
B 1
[T 1 ]B
B = ([T ]B )
Marco 2008
1 1
0
1 2 .
= 0
0
0
1
Reginaldo J. Santos
Transformacoes
Lineares
414
1 1
0
x
xy
0
1 2 y = y 2z .
[T 1 (x, y, z)]B = [T 1 ]B
B [(x, y, z)]B =
0
0
1
z
z
linear e a transformacao
identidade
Quando a transformacao
Corolario
6.15. Sejam B = {V1 , . . . , Vn } e C = {W1 , . . . , Wn } bases de Rn . A matriz mudanca de
base P = [I]CB e invertvel e
P 1 = ([I]CB )1 = [I]B
C
a` Algebra
Introducao
Linear
Marco 2008
6.3
de Transformacoes
Composicao
Lineares
415
da transformacao
linear que faz uma rotacao
de um
Exemplo 6.20. Vamos determinar a expressao
eo
no sentido anti-horario
em torno de um eixo que passa pela origem e tem a direcao
angulo
U1 = U = (a, b, c)
b
a
U2 = (
,
, 0)
2
2
2
a +b
a + b2
ac
bc
, a2 + b 2 )
,
U3 = (
a2 + b 2
a2 + b 2
verificar que esta e uma base ortonormal, ou seja, uma base em que os seus vetores sao
E facil
R (U1 ) = U1 = (a, b, c)
b cos ac sen a cos bc sen 2
,
, a + b2 sen )
a2 + b 2
a2 + b 2
b sen ac cos a sen bc cos 2
Marco 2008
Reginaldo J. Santos
Transformacoes
Lineares
416
Agora,
[R,U ]B
C = [ [R,U (U1 )]B [R,U (U2 )]B [R,U (U3 )]B ] = [ R,U (U1 ) R,U (U2 ) R,U (U3 ) ],
e
1
[I]CB = ([I]B
= [ [U1 ]B [U2 ]B [U3 ]B ]1 = [ U1 U2 U3 ]t ,
C)
unitarios
e os vetores U1 , U2 e U3 sao
pois B e a base canonica
mutuamente ortogonais. Assim,
t
R,U (X) = [R,U ]B
C [X]C = [ R,U (U1 ) R,U (U2 ) R,U (U3 ) ][ U1 U2 U3 ] X.
Mas,
a2 + b 2
a2 + b 2
a
b
a
sen
bc
cos
a
cos
bc
sen
=
b
2
2
2
2
a +b
a +b
a2 + b 2
a2 + b 2
ac
bc
a2 + b 2
2
2
2
2
c
a + b sen
a + b cos
a2 + b 2
a2 + b 2
2
a` base canonica.
2
a (1 cos ) + cos ab(1 cos ) c sen ac(1 cos ) + b sen
x
x
2
y
R,U y = ab(1 cos ) + c sen b (1 cos ) + cos bc(1 cos ) a sen
2
ac(1 cos ) b sen bc(1 cos ) + a sen c (1 cos ) + cos
z
z
a` Algebra
Introducao
Linear
Marco 2008
6.3
de Transformacoes
Composicao
Lineares
417
6.3.3 Semelhanca
Corolario
6.16. Sejam B = {V1 , . . . , Vn } e C = {W1 , . . . , Wn } bases do Rn . Se T : Rn Rn e
linear, entao
uma transformacao
[T ]CC = P 1 [T ]B
B P.
Demonstracao.
Pelo Teorema 6.12 na pagina
410 temos que
B
[T ]CC = [I]CB [T ]B
B [I]C .
Marco 2008
Reginaldo J. Santos
Transformacoes
Lineares
418
O traco de uma matriz quadrada A, denotado por tr(A), e definido como sendo a soma dos
elementos da sua diagonal principal. Como tr(AB) = tr(BA) (Exerccio 1.1.26 na pagina
31), entao
tr(P 1 AP ) = tr(A).
tr(T ) = tr([T ]B
B ),
onde B e uma base de Rn .
De forma analoga,
como det(AB) = det(A) det(B) = det(BA) (Teorema 2.13 na pagina
117),
entao
det(P 1 AP ) = det(A).
det(T ) = det([T ]B
B ),
onde B e uma base de Rn qualquer.
a` Algebra
Introducao
Linear
Marco 2008
6.3
de Transformacoes
Composicao
Lineares
419
para a reflexao
na reta r : y = 2x, Rr : R2 R2 ,
Exemplo 6.21. Vamos obter uma expressao
de Rr nos elementos
usando o Corolario
6.16. Vamos escolher uma base do R2 , tal que a avaliacao
de se obter. Por exemplo, C = {V1 = (1, 2), V2 = (2, 1)}.
desta base seja facil
B=
[Rr ]CC
1
0
0 1
P =
[IR2 ]B
C
1 2
2
1
obtida atraves
da equacao
matricial
Pelo Corolario
6.16, a matriz A = [Rr ]B
B e
C
1
B
C
.
A = [Rr ]B
B = [IR2 ]C [Rr ]C [IR2 ]B = P BP
e inteiramente
Vamos enunciar uma versao
6.16, cuja demonstracao
analoga
e deixamos como exerccio para o leitor.
Marco 2008
Reginaldo J. Santos
Transformacoes
Lineares
420
Corolario
6.17. Seja T : Rn Rm uma transformacao
[T ]CB0 = P 1 [T ]CB Q,
onde P e a matriz mudanca de base de C0 para C e Q, de B0 para B.
Exerccios Numericos
(respostas na pagina
611)
linear dada por T (x, y) = (2x + y, x 3y), para todo
6.3.1. Seja T : R2 R2 a transformacao
(x, y) R2 . Seja C = {(1, 1), (1, 2)}. Determine [T ]CC .
6.3.2. Seja T : R3 R3 definida por T (X) = AX , para todo X R3 , onde
3 1 2
0 2 .
A= 0
0
0 1
a` Algebra
Introducao
Linear
Marco 2008
6.3
de Transformacoes
Composicao
Lineares
421
(b) Use a matriz obtida no item anterior para determinar a matriz B que representa T com
a` base {V1 , V2 , V3 }.
relacao
em relacao
a` reta r . Encontre [Rr ]CC e [Rr ]B
(b) Seja Rr : R3 R3 a reflexao
B.
um angulo
de /2 em torno da reta r . Determine [R/2,r ]CC e [R/2,r ]B
.
B
Marco 2008
Reginaldo J. Santos
Transformacoes
Lineares
422
Exerccios Teoricos
linear invertvel, entao
T e uma composicao
Mostre que An =
0. (Sugestao:
considere o operador T : Rn Rn cuja matriz na base
canonica
e igual a A e determine a matriz de T n .)
linear. Sejam B = {V1 , . . . , Vn } e B0 = {V10 , . . . , Vn0 }
6.3.8. Seja T : Rn Rm uma transformacao
n
0
bases de R e C = {W1 , . . . , Wm } e C0 = {W10 , . . . , Wm
} bases de Rm . Mostre que
0
[T ]CB0 = P 1 [T ]CB Q,
demonstracao
6.16 na pagina
417.)
6.3.9. Seja B = {V1 , . . . , Vn } uma base de um espaco vetorial Rn . Seja P uma matriz nn invertvel.
Mostre que C = {W1 , . . . , Wn } e uma base de Rn , onde Wj =
Assim, P e a matriz mudanca de base de B para C.
n
X
pij Vi , para j = 1, . . . , n.
i=1
linear nula,
6.3.10. Um operador T : Rn Rn e chamado nilpotente se T n = O , a transformacao
para algum n N. Seja T um operador nilpotente. Mostre que existe um vetor V 6=
0 tal que
T (V ) = 0.
a` Algebra
Introducao
Linear
Marco 2008
6.3
de Transformacoes
Composicao
Lineares
Rn
423
T (X)
S(T (X))
T (
0)
S(T (
0)) =
0
Rp
Rm
das Transformacoes
Lineares T : Rn Rp e S : Rp Rm
Figura 6.14: Composicao
Marco 2008
Reginaldo J. Santos
Transformacoes
Lineares
424
R,U (X)
U
R,U (U3 )
R,U (U1 ) = U1
R,U (U2 )
U2
x
y
de um angulo
a` Algebra
Introducao
Linear
U3
Marco 2008
Captulo 7
Diagonalizacao
7.1
de Matrizes
Diagonalizacao
7.1.1 Motivacao
descritos em cada estagio
potencia
k da matriz A, Ak , em que k e um numero
inteiro positivo. Suponha que desejamos saber a
425
Diagonalizacao
426
1 0 . . . 0
0 2 . . . 0
A = ..
.
..
.
. ..
0 . . . 0 n
k1 0 . . . 0
0 k . . . 0
2
entao
Ak = ..
.
..
.
. ..
0 . . . 0 kn
A = P DP 1 ,
entao
1 0 . . . 0
0 2 . . . 0
em que D = .
.
..
..
. ..
0 . . . 0 n
Ak = Ak1 A = (P DP 1 )k1 (P DP 1 )
= (P Dk1 P 1 )(P DP 1 ) = P Dk1 (P 1 P )DP 1
k1 0 . . . 0
0 k . . . 0
2
1
= P Dk P 1 = P ..
. P .
..
.
. ..
0 . . . 0 kn
a` Algebra
Introducao
Linear
Marco 2008
7.1
de Matrizes
Diagonalizacao
427
A=
1 1
4
1
P =
1 1
2 2
e D=
3
0
0 1
tais que
sao
A = P DP 1 .
Assim,
k
1
1 1
1 1
3
0
= PD P =
2 2
2 2
0 (1)k
3k (1)k 1 2 1
=
1
2 3k 2(1)k 4 2
1 2(3k + (1)k )
(1)k 3k
=
4 4((1)k 3k ) 2(3k + (1)k )
k
Vamos descobrir, a seguir, como podemos determinar matrizes P e D , quando elas existem, tais
que A = P DP 1 , ou multiplicando a` esquerda por P 1 e a` direita por P , D = P 1 AP , com D
ao processo de encontrar as matrizes P e
sendo uma matriz diagonal. Chamamos diagonalizacao
D.
Marco 2008
Reginaldo J. Santos
Diagonalizacao
428
e diagonalizavel,
pois
1 0 . . . 0
0 2 . . . 0
A = ..
.
..
.
. ..
0 . . . 0 n
A = (In )1 AIn .
P 1 AP = D ,
(7.1)
sobre as matrizes P e D .
em que D e uma matriz diagonal. Vamos procurar tirar conclusoes
anterior, obtemos
Multiplicando a` esquerda por P ambos os membros da equacao
AP = P D .
a` Algebra
Introducao
Linear
(7.2)
Marco 2008
7.1
de Matrizes
Diagonalizacao
Sejam
429
1 0 . . . 0
0 2 . . . 0
D = ..
.
..
.
. ..
0 . . . 0 n
AP = A
e P = V1 V2 . . . V n ,
V1 V2 . . . V n
PD =
V1 V2
1 0 . . . 0
0 2 . . . 0
. . . Vn ..
.
..
.
. ..
0 . . . 0 n
= 1 V 1 2 V 2 . . . n V n
Logo,
1 V 1 2 V 2 . . . n V n
AVj = j Vj ,
para j = 1, . . . n. Ou seja, as colunas de P , Vj , e os elementos da diagonal de D , j , satisfazem a
equacao
AX = X,
Marco 2008
Reginaldo J. Santos
Diagonalizacao
430
incognitas.
em que e X sao
Isto motiva a seguinte definicao.
n n. Um numero
v1
..
nulo V = . de Rn , tal que
existe um vetor nao
vn
AV = V .
(7.3)
a` Algebra
Introducao
Linear
Marco 2008
7.1
de Matrizes
Diagonalizacao
*
q
V
*
AV
= V
431
*
q
AV = V
*
V
AV
0<<1
>1
*V
q
= V O
<0
1 0 ... 0
0 1 ... 0
In = ..
.
..
.
. ..
0 ... 0 1
AV = In V
ou
(A In )V = 0 .
(7.4)
vetores nao
nulos, os autovalores sao
os valores de , para os quais o
Como os autovetores sao
nao
trivial. Mas, este sistema homogeneo
nao
Marco 2008
Reginaldo J. Santos
Diagonalizacao
432
7.1. Seja A uma matriz n n.
Proposicao
as razes reais do polinomio
p(t) = det(A t In )
(7.5)
os vetores nao
nulos da solucao
do
(b) Para cada autovalor , os autovetores associados a sao
sistema
(A In )X = 0 .
(7.6)
p(t) = det(A t In )
(7.7)
e chamado polinomio
caracterstico de A.
a` Algebra
Introducao
Linear
Marco 2008
7.1
de Matrizes
Diagonalizacao
433
3
2
as possveis razes
do termo de grau zero a0 . Por exemplo, se p(t) = t + 6t 11t + 6, entao
1, 2, 3 e 6. Substituindo estes valores em p(t), vemos que p(1) = 0, ou seja, 1
racionais sao
e uma raz de p(t). Finalmente, dividindo p(t) por t 1, obtemos que p(t) = (t 1)(t 2 + 5t 6).
2 e 3, entao
as razes de p(t), sao
1, 2 e 3.
Como as razes de t2 + 5t 6 sao
Exemplo 7.3. Vamos determinar os autovalores e autovetores da matriz
A=
1 1
4
1
1 t 1
4 1 t
= (1 t)2 4 = t2 2t 3 .
A 1 I2 =
Marco 2008
2 1
4 2
,
Reginaldo J. Santos
Diagonalizacao
434
entao
(A 1 I2 )X = 0
e
ou
2 1
4 2
geral e
cuja solucao
x
y
0
0
2x y = 0
4x 2y = 0
W1 = {(, 2) | R}.
(A 2 I2 )X = 0
e
geral e
cuja solucao
2 1
4
2
x
y
0
0
W2 = {(, 2) | R},
a` Algebra
Introducao
Linear
4 2 2
A= 2 4 2
2 2 4
Marco 2008
7.1
de Matrizes
Diagonalizacao
435
4t
2
2
4t
2
p(t) = det(A t I3 ) = det 2
2
2
4t
4t
2
2
2
2 4t
= (4 t) det
2 det
+ 2 det
2
4t
2 4t
2
2
4t
2
2
2
= (4 t) det
4 det
2
4t
2 4t
= (4 t)[(4 t)2 4] 8(2 t) = t3 + 12t2 36t + 32
Substituindo-se t = 1 obtemos
p(1) = 1 + 12 36 + 32 > 0,
p(1) = 1 + 12 + 36 + 32 > 0.
(A 2 I3 )X = 0. Como
(A 1 I3 )X = 0 e
Marco 2008
0
2 2 2
x
2 2 2 y = 0
0
2 2 2
z
Reginaldo J. Santos
Diagonalizacao
436
A forma escalonada reduzida da matriz aumentada do sistema e
1 1 1 0
0 0 0 0
0 0 0 0
geral do sistema (A 1 I3 )X =
Assim, a solucao
0 e
W1 = {( , , ) | , R} ,
que e o conjunto de todos os autovetores associados a 1 = 2 acrescentado o vetor nulo.
ao autovalor 2 = 8, o sistema (A 2 I3 )X =
Com relacao
0 e
0
4
2
2
x
2 4
2 y = 0
0
2
2 4
z
1 0 1 0
0 1 1 0
0 0
0 0
geral do sistema (A 2 I3 )X =
Assim, a solucao
0 e
W2 = {(, , ) | R}.
Nos exemplos anteriores, para cada autovalor encontramos todos os autovetores associados a
ele. Podemos observar que para cada autovalor , o conjunto dos autovetores associados a ele
de um sistema linear hoacrescentado o vetor nulo e um subespaco, ja que e o conjunto solucao
mogeneo
(A In )X = 0. Este subespaco recebe o nome de autoespaco associado ao autovalor
.
a` Algebra
Introducao
Linear
Marco 2008
7.1
de Matrizes
Diagonalizacao
437
7.1.3 Diagonalizacao
Vamos enunciar e demonstrar o resultado principal deste captulo. Ja vimos que se uma matriz A
ela e diagonalizavel.
Teorema 7.2. Seja A uma matriz nn que tem n autovetores L.I. V1 , . . . , Vn associados a 1 , . . . , n ,
as matrizes
respectivamente. Entao
P =
tais que
sao
V1 V2 . . . V n
1 0 . . . 0
0 2 . . . 0
e D= .
.
..
..
. ..
0 . . . 0 n
D = P 1 AP,
Marco 2008
Reginaldo J. Santos
Diagonalizacao
438
Demonstracao.
Suponha que V1 , . . . , Vn sao
a 1 , . . . , n , respectivamente. Vamos definir as matrizes
P =
V1 V2 . . . V n
AP = A
V1 V2 . . . V n
1 V 1 2 V 2 . . . n V n
1 0 . . . 0
0 2 . . . 0
e D= .
.
..
..
. ..
0 . . . 0 n
V1 V2
1 0 . . . 0
0 2 . . . 0
. . . Vn ..
.
..
.
. ..
0 . . . 0 n
= P D.
D = P 1 AP.
P 1 AP = D ,
a` Algebra
Introducao
Linear
(7.8)
Marco 2008
7.1
de Matrizes
Diagonalizacao
439
em que D e uma matriz diagonal. Multiplicando a` esquerda por P ambos os membros da equacao
anterior, obtemos
AP = P D .
(7.9)
Sejam
1 0 . . . 0
0 2 . . . 0
D = ..
.
..
.
. ..
0 . . . 0 n
e P = V1 V2 . . . V n ,
de P e D temos que
em que Vj e a coluna j de P . Usando as definicoes
PD =
V1 V2
V1 V2 . . .
1
0
. . . Vn ..
.
0
AP = A
AV1 AV2 . . . AVn
0 ... 0
2 . . . 0
.. = 1 V1 2 V2 . . . n Vn
..
. .
. . . 0 n
Vn
AVj = j Vj ,
3.9 na pagina
os autovalores de A formam a
Reginaldo J. Santos
Diagonalizacao
440
O resultado que vem a seguir, garante que se conseguirmos para cada autovalor, autovetores L.I.,
ao juntarmos todos os autovetores obtidos, eles continuarao
sendo L.I.
entao
(1)
(1)
Demonstracao.
Vamos demonstrar apenas para o caso em que temos dois autovalores diferen(1)
(1)
(1)
(1)
x1 V 1
(1)
(2)
(2)
(2)
+ . . . + xk2 Vn(2)
= 0
2
+ . . . + xk1 Vn(1)
+ x 1 V1
1
(7.10)
(j)
(1)
(2)
(2)
(1)
+ . . . + x(1)
n 1 1 V n 1 + x 1 2 V 1
x1 1 V 1
autovesao
(2)
+ . . . + x(2)
n 2 2 V n 2 = 0
(7.11)
(2)
+ . . . + x(2)
n 2 1 V n 2 = 0 .
(7.12)
(1)
x1 1 V 1
(2)
(2)
(1)
+ . . . + x(1)
n 1 1 V n 1 + x 1 1 V 1
(7.11) da equacao
(7.12), obtemos
Subtraindo a equacao
(2)
(2)
x1 (2 1 )V1
a` Algebra
Introducao
Linear
(2)
+ . . . + x(2)
n2 (2 1 )Vn2 = 0 .
Marco 2008
7.1
de Matrizes
Diagonalizacao
(2)
441
(2)
(2)
(2)
(1)
x1 (2 1 )V1
(1)
(1)
(1)
+ . . . + x(1)
n1 (2 1 )Vn1 = 0 .
(1)
(1)
4 2 2
A= 2 4 2
2 2 4
sao
W1 = {( , , ) | , R},
W2 = {(, , ) | R},
respectivamente. Vamos encontrar, para cada autoespaco, o maior numero
possvel de autovetores
L.I., ou seja, vamos encontrar uma base para cada autoespaco. E o teorema anterior garante que se
continuar sendo L.I.
juntarmos todos estes autovetores eles vao
Para W1 , temos que
Reginaldo J. Santos
Diagonalizacao
442
numero
maior de autovetores L.I. associados a 1 = 2 (Teorema 4.1 na pagina
251).
Para W2 , temos que o conjunto {V3 = (1, 1, 1)} e uma base para W2 , pois como
(, , ) = (1, 1, 1),
nulo e L.I. Assim, nao
podemos ter um numero
V3 gera W2 e um vetor nao
maior de autovetores L.I.
Como V1 e V2 sao
7.3 na pagina
diagonalizavel
e as matrizes
2 0 0
1 0 0
D = 0 1 0 = 0 2 0
0 0 8
0 0 2
tais que
sao
1 1
1
e P = [ V 1 V2 V3 ] = 0
1
0
1
1
1
D = P 1 AP.
Exemplo 7.6. Considere a matriz
A=
1 1
4
1
sao
W1 = {(, 2) | R} e W2 = {(, 2) | R},
a` Algebra
Introducao
Linear
Marco 2008
7.1
de Matrizes
Diagonalizacao
443
respectivamente.
podemos ter mais
Para 1 = 3, temos que {V1 = (1, 2)} e uma base de W1 . Assim, nao
o maior numero
possvel de autovetores L.I. associados a 2 . Assim, a matriz A e diagonalizavel
e as
matrizes
P = [ V 1 V2 ] =
tais que
sao
1 1
2 2
1 0
0 2
e D=
3
0
0 1
D = P 1 AP.
A=
0 1
0 0
O seu polinomio
caracterstico e p(t) = det(A t I2 ) = t2 , assim A possui um unico
autovalor:
A 1 I2 = A =
0 1
0 0
entao
(A 1 I2 )X = 0
e
Marco 2008
0 1
0 0
x
y
0
0
Reginaldo J. Santos
Diagonalizacao
444
ou
y = 0
0 = 0
geral e
cuja solucao
W1 = {(, 0) | R} .
que e o autoespaco correspondente a 1 = 0. Assim, para 1 = 0, temos que {V1 = (1, 0)} e uma
podemos ter mais autovetores L.I. associados a 1 e como so temos um
base de V1 . Portanto, nao
podemos ter mais autovetores L.I. Portanto, pelo Teorema 7.2 na pagina
autovalor nao
437, a matriz
1
uma populacao
e pobres) e que em cada
unidade de tempo a probabilidade de mudanca de um estado para outro seja constante no tempo, so
dependa dos estados.
Seja tij a probabilidade de mudanca do estado j para o estado i em uma unidade de tempo
e dada por
(geracao).
A matriz de transicao
1
2
3
1
t11 t12 t13
2
T =
t21 t22 t23
3
t31 t32 t33
a` Algebra
Introducao
Linear
Marco 2008
7.1
de Matrizes
Diagonalizacao
445
1
1
T =
2
1
2
2
3
1
0
4
1
2
1
4
1
2
1
2
2
3
polinomio
caracterstico e
1
2
t
1
2
1
2
1
4
1
2
1
1
1
1
1
1
t
2
2
2
2
= ( t) det
det
1
1
t
0 12 t
2
4
4
2
1
1 1
1
1
= ( t) ( t)2
( t)
2
2
8
8 2
3
1
3
1
1
= t3 + t2 t = t(t2 + t ) = t(t 1)(t )
2
2
2
2
2
1 = 0, 2 = 1/2 e 3 = 1. Agora, vamos determinar
Portanto os autovalores de T sao
os autovetores associados aos autovalores 1 , 2 e 3 . Para isto vamos resolver os sistemas
(T 1 I3 )X = 0, (T 2 I3 )X = 0 e (T 3 I3 )X = 0. Como
1 1
0
x
0
2
4
(T 1 I3 )X = T X = 0 e 12 12 12 y = 0
z
0
0 41 12
Marco 2008
1
2
1
4
Reginaldo J. Santos
Diagonalizacao
446
A forma escalonada reduzida da matriz aumentada do sistema e
0 1 0
1
2 0
0
0 0
1
0
0
geral do sistema (T 1 I3 )X =
Assim, a solucao
0 e
W1 = {(, 2, ) | R} ,
que e o conjunto de todos os autovetores associados a 1 = 0 acrescentado o vetor nulo. O conjunto
{V1 = (1, 2, 1)} e uma base para W1 , pois como (, 2, ) = (1, 2, 1), V1 gera W1 e um
nulo e L.I.
vetor nao
ao autovalor 2 = 1/2, o sistema (T 2 I3 )X =
Com relacao
0 e
1
4
x
0
1
1
y
0
0
=
2
2
z
0
0 14 0
0
1 0 1 0
0 1 0 0
0 0 0 0
geral do sistema (T 2 I3 )X =
Assim, a solucao
0 e
W2 = {(, 0, ) | R}.
a` Algebra
Introducao
Linear
Marco 2008
7.1
de Matrizes
Diagonalizacao
447
O conjunto {V2 = (1, 0, 1)} e uma base para W2 , pois como (, 0, ) = (1, 0, 1), V3 gera W2 e um
nulo e L.I.
vetor nao
ao autovalor 3 = 1, o sistema (T 3 I3 )X =
Com relacao
0 e
12
1
2
1
4
21
1
4
x
0
1
y = 0
2
z
0
12
0
1 0 1 0
0 1 2 0
0 0
0 0
geral do sistema (T 3 I3 )X =
Assim, a solucao
0 e
W3 = {(, 2, ) | R} ,
que e o conjunto de todos os autovetores associados a 3 = 1 acrescentado o vetor nulo. O conjunto
{V1 = (1, 2, 1)} e uma base para W1 , pois como (, 2, ) = (1, 2, 1), V1 gera W1 e um vetor nao
nulo e L.I.
autovetores associados a 1 , 2 e 3 , respectivamente, entao
pela
Como V1 , V2 e V3 sao
7.3 na pagina
gonalizavel
e as matrizes
0 0 0
1 0 0
D = 0 2 0 = 0 12 0
0 0 1
0 0 3
Marco 2008
1 1
2
0
e Q = [ V 1 V2 V3 ] =
1
1
1
2
1
Reginaldo J. Santos
Diagonalizacao
448
tais que
sao
D = Q1 T Q ou T = QDQ1 .
Assim,
T k = QDk Q1
1
4
+ ( 12 )k+1
1
4
1
2
( 12 )k+1
41
1
0 0 0
4
0
2 0 ( 12 )k 0 12
1
1
0 0 1
1
4
4
( 12 )k+1
2
1 k+1
+ (2)
1 1
0
= 2
1
1
1
4
1
2
1
4
1
4
1
4
1
4
1
2
1
4
de Operadores (opcional)
7.1.4 Diagonalizacao
a` Algebra
Introducao
Linear
Marco 2008
7.1
de Matrizes
Diagonalizacao
449
O proximo
resultado mostra que um operador linear e diagonalizavel
se, e somente se, a matriz
a uma base e diagonalizavel.
dele em relacao
entao
Demonstracao.
Se um operador linear T : Rn Rn e diagonalizavel,
n
C
pelo Corolario
[T ]CC = P 1 [T ]B
B P,
diagonalizavel.
ou seja, a matriz A = [T ]B
B e
diagonalizavel,
existe
Reciprocamente, se a matriz A = [T ]B
em que B = {E1 , . . . , En }, entao
B e
uma matriz P tal que
D = P 1 AP
e uma matriz diagonal. Seja C = {W1 , . . . , Wn }, em que Wj =
422) e
uma base de Rn (Exerccio 6.3.9 na pagina
n
X
pij Ei , para j = 1, . . . , n. C e
i=1
[T ]CC = P 1 [T ]B
B P = D.
Marco 2008
Reginaldo J. Santos
Diagonalizacao
450
varias
aplicacoes,
e suficiente que exista uma base C tal que a matriz [T ]CC tenha uma forma bastante
proxima
da forma diagonal chamada forma canonica
de Jordan.
J =
J 1
0
..
.
0
J2
..
.
..
0
0
.. ,
.
em que Jj
J m
a` Algebra
Introducao
Linear
j 0
1 j
..
= ...
.
0 0
0 0
0
0
..
.
j
1
..
0
0
..
. ,
0
j
Marco 2008
de Matrizes
Diagonalizacao
7.1
451
2
1
0
0
0
2
1
0
0
0
2
0
0
0
,
0
2
5
1
0
0
4
0
0
0
1 4
0
0
0
1 4
0
0
0
1 4
0
0
0
5
0
0
,
0 3
0
0
1 3
7
0
0
0
0
7
0
0
0
0
7
0
0
0
0
7
na forma canonica
estao
de Jordan. A primeira e formada de dois blocos de Jordan, o primeiro sendo
3 3 e o segundo 1 1. A segunda matriz e formada de dois blocos de Jordan 2 2. A terceira, por
somente um bloco e a ultima
por 4 blocos 1 1. A matriz
2
1
0
0
0
2
1
0
0
0
0
0
2
0
1 1
sao
iguais, ela teria
esta na forma canonica
nao
de Jordan. Pois como os elementos da diagonal nao
que ser formada por pelo menos dois blocos de Jordan e [1] deveria ser um bloco de Jordan 1 1.
e igual a 0.
Entretanto, a entrada imediatamente acima de 1 nao
Autoespaco Generalizado
Marco 2008
Reginaldo J. Santos
Diagonalizacao
452
(1)
(1)
(k)
(k)
Vamos supor que exista uma base C = {V1 , . . . , Vm1 , . . . , V1 , . . . , Vmk } de Rn (m1 + . . . +
C
[T ]C = J =
J1 0 . . .
0 J2 . . .
0
0
..
..
.
.
0 Jk
..
.
...
em que Jj
Assim,
(j)
(j)
T (Vi ) = j Vi
T (Vm(j)j ) = j Vm(j)j
j 0 0
1 j 0
.. . .
= ...
.
.
0 0 0
0 0 0
(j)
(j)
(j)
0
0
..
..
. .
j 0
1 j m
0
0
.
j mj
(7.13)
para i = 1, . . . , mj 1 e j = 1, . . . , k . Ou seja,
(T j I)(Vm(j)j ) = 0,
(j)
(7.14)
..
.
(j)
(j)
(T j I)mj (V1 ) = (T j I)mj 1 (V2 ) = 0.
(j)
(T I)k (V ) = 0,
a` Algebra
Introducao
Linear
Marco 2008
7.1
de Matrizes
Diagonalizacao
453
nulo e chamado
7.6. Seja T : Rn Rn um operador linear. Um vetor V Rn nao
Definicao
autovetor generalizado de T associado ao escalar se
(T I)k (V ) = 0,
N(T In ) N(T In )2 W Rn .
das possveis formas canonicas
Marco 2008
Reginaldo J. Santos
Diagonalizacao
454
Exemplo 7.10. Seja T : R3 R3 o operador definido por T (X) = AX , para todo X R3 , em que
5
1 0
1 0 .
A = 4
2 1 3
O polinomio
caracterstico de T e dado por p() = det(A I3 ) = ( 3)3 . Assim, o unico
2
1 0
A 3I3 = 4 2 0
2 1 0
1 1/2 0
0
0 0
0
0 0
W3 = N(A 3I3 )2 = R3 .
3 0 0
P 1 AP = 1 3 0 ,
0 0 3
forma canonica
de Jordan do operador T .
a` Algebra
Introducao
Linear
Marco 2008
7.1
de Matrizes
Diagonalizacao
455
Exemplo 7.11. Seja T : R4 R4 o operador definido por T (X) = AX , para todo X R4 , em que
2 1
0 1
0
3 1 0
.
A=
0
1
1 0
0 1
0 3
O polinomio
caracterstico de T e dado por p() = det(A I4 ) = ( 3)( 2)3 . Assim os
1 = 3 e 2 = 2. A forma escalonada reduzida de
autovalores de T sao
1 1
0 1
0
0 1 0
A 3I4 =
0
1 2 0
0 1
0 0
1
0
0
0
0
1
0
0
0 1
0
0
1
0
0
0
Assim, pelo Teorema 7.5, W3 = N(T 3I) = {(, 0, 0, ) | R}. A forma escalonada reduzida
de
0 1
0 1
0
1
1
0
A 2I4 =
0
1 1 0
0 1
0 1
0 1
0 0
0 0
0 0
0 1
1 1
0
0
0
0
0 2 1 1
0
0 0 0
(A 2I4 )2 =
0
0 0 0
0 2 1 1
Marco 2008
0
0
0
0
1 1/2 1/2
0
0
0
0
0
0
0
0
0
Reginaldo J. Santos
Diagonalizacao
456
Assim, pelo Teorema 7.5, W2 = N(T 2I)2 = {(, + , 2, 2) | , , R}. Assim existe uma
matriz P tal que
3 0
0 2
P 1 AP =
0 1
0 0
0
0
2
0
0
0
,
0
2
a` Algebra
Introducao
Linear
Marco 2008
7.1
de Matrizes
Diagonalizacao
457
Exerccios Numericos
(respostas na pagina
619)
1
(a)
1
0
0
(c)
0
2
(e) 0
0
1
1
1 2
0 3
0 0
2
3
3 2
1
2
1 1
(b)
4
2
1 0
(d) 1 3
3 2
2
2
2
(f) 1
2 2
(a)
(c)
2
0 0
3 1 0
0
4 3
1
2 3
0 1 3
0
0 3
0
0 0
4
2
3
2
diagonalizaveis:
1
4
(a)
1 2
1
1 2
0
4
(c) 4
1 1
4
Marco 2008
(b)
(d)
2
0
0
2
0
0
0
3
1
0
2
2
0
0
0
0
2
3
3
1
0
0
0
2
3
1
1
4
2
1
1
1 0
(b)
2 1
1
2 3
(d) 0 1 2
0
0 2
Reginaldo J. Santos
Diagonalizacao
458
0
(a)
0
0
(c)
2
1
1
1
2
1
1
2
0
3
3
0
2
4
2
2
1
(b)
1
2
3 2 1
0
2 0
(d)
0
0 0
3
2
0
autovetores da matriz
7.1.5. Sabendo-se que V1 = (4, 4, 1), V2 = (5, 4, 1) e V3 = (5, 3, 1) sao
13 56
A = 23 16
16 16
20
3
16
3
11
6
a` Algebra
Introducao
Linear
Marco 2008
7.1
de Matrizes
Diagonalizacao
2 1
0
0
0
0 2
0
0
0
1
0
(a) 0 0 1
0 0
0 1
0
0 0
0
0 1
459
(b)
2
0
0
0
0
0
1
2
0
0
0
0
0
1
2
0
0
0
0
0
1
2
0
0
0
0
0
0
0
0
0
0
2
0
0 1
2 5
0
0
0
0 2
0
0
0
0 1
(a)
0 0 1
0 0
0 1
0
0 0
0
0 1
(c)
1
1 1 3 1
7
0 1
1
2
3
2
0
0 1
0 2
1
0
0
0 1
1 2
0
0
0
0 1
3
0
0
0
0
0 4
(b)
(d)
2
1
1
0
1
0
1
0
0
0
0
0
0
0
0
2
0
1
1
0
1
1
0
0
0
0
0
0
0
0
2
0
1
0
0
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
2
0
1 1
0 1
0
4
0
1 1 3
3 4
0
1
1 2
1
1
1
1 4 5
0
1
0 1 5
0
0
1
1 1
0
0
0
1 2
0
0
0
0
3
0
0
0
2
1
0
>> A=[A1,...,An] cria uma matriz A formada pelas matrizes, definidas anteriormente, A1,
Marco 2008
Reginaldo J. Santos
Diagonalizacao
460
Por
exemplo,
expr a variavel
>> A=randi(n) ou >> A=randi(m,n) cria uma matriz n por n ou m por n, respectivamente,
polinomio
caracterstico de A, os autovalores e um conjunto de autovetores linearmente independentes com o maior numero
possvel de vetores. Encontre matrizes P e D (diagonal) tais que
a` Algebra
Introducao
Linear
Marco 2008
7.1
de Matrizes
Diagonalizacao
461
polinomio
caracterstico de A, os autovalores e um conjunto de autovetores linearmente independentes com o maior numero
possvel de vetores. Encontre matrizes P e D (diagonal) tais que
Exerccios Teoricos
7.1.13. Dizemos que uma matriz B , n n, e semelhante a uma matriz A, n n, se existir uma matriz
singular tal que B = P 1 AP . Demonstre:
P nao
(a) A e semelhante a A;
B e semelhante a A;
(b) Se A e semelhante a B , entao
A e semelhante a C .
(c) Se A e semelhante a B e B e semelhante a C , entao
7.1.14. Seja um autovalor (fixo) de A. Demonstre que o conjunto formado por todos os autovetores
de A associados a , juntamente com o vetor nulo, e um subespaco de Rn . Este subespaco e
chamado de autoespaco associado a .
semelhantes, entao
possuem os mesmos polinomios
Reginaldo J. Santos
Diagonalizacao
462
os autovalores de A sao
os ele7.1.16. Demonstre que se A e uma matriz triangular superior, entao
mentos da diagonal principal de A.
7.1.17. Demonstre que A e At possuem os mesmos autovalores. O que podemos dizer sobre os
autovetores de A e At ?
7.1.18. Seja um autovalor de A com autovetor associado X . Demonstre que k e um autovalor de
Ak = A . . . A associado a X , em que k e um inteiro positivo.
7.1.19. Uma matriz A e chamada nilpotente se Ak =
0, para algum inteiro positivo k . Demonstre que
o unico
use o exerccio anterior)
autovalor de A e 0. (Sugestao:
se A e nilpotente, entao
lizavel.
a b
. Ache as condicoes
necessarias
e suficientes para que A seja diagonac d
a` Algebra
Introducao
Linear
Marco 2008
7.1
de Matrizes
Diagonalizacao
463
7.1.24. Sejam A e B matrizes n n. Mostre que AB e BA possuem os mesmos autovalores. (Su Separe em dois casos: = 0 e 6= 0. No segundo caso, mostre que se V e autovetor
gestao:
BV e autovetor de BA.)
de AB , entao
do seu polinomio
caracterstico, incluindo as multiplicidades. (Sugestao:
use o fato de que
tr(AB) = tr(BA).)
tais que B = A, para um escalar 6= 0. Mostre
7.1.26. Suponha que duas matrizes n n A e B sao
e autovalor de B .
que se e autovalor de uma matriz A, entao
7.1.27. Seja A uma matriz n n com n autovalores diferentes. Mostre que A e diagonalizavel.
7.1.28.
A=
Marco 2008
0
0
1
0
..
.
..
.
0
1
..
..
0
0
0
a0 a1 a2
0
0
..
.
an1
,
nn
Reginaldo J. Santos
Diagonalizacao
464
a` Algebra
Introducao
Linear
Marco 2008
7.2
de Matrizes Simetricas
Diagonalizacao
7.2
465
de Matrizes Simetricas
Diagonalizacao
7.2.1 Motivacao
de uma conica
de 2o. grau
O problema da identificacao
(curva no plano descrita por uma equacao
da sua equacao
e facilmente resolvido se a equacao
nao
possui um termo em que
em x e y ) atraves
3x2 + 2xy + 3y 2 = 4 .
(7.15)
x
y
x
y
[3x + y x + 3y]
ou
[x y]
3 1
1 3
=4
=4
ou ainda,
X t AX = 4 ,
em que
A=
Marco 2008
3 1
1 3
e X=
(7.16)
x
y
.
Reginaldo J. Santos
Diagonalizacao
466
A = P DP t
em que
P =
"
1
2
1
2
1
2
1
eD=
2 0
0 4
como P t P = I2 , a
Se fazemos a mudanca de variaveis
(ou de coordenadas) X = P X 0 , entao
(7.16) se transforma em
equacao
X 0t DX 0 = 4
ou
[x
y]
2 0
0 4
x0
y0
=4
2x02 + 4y 02 = 4 ,
ou dividindo por 4, como
x02 y 02
+
=1
2
1
da elipse mostrada na Figura 7.2. Veremos na proxima
a` Algebra
Introducao
Linear
Marco 2008
7.2
de Matrizes Simetricas
Diagonalizacao
467
de
da conica,
atraves
identificacao
no exemplo anterior, foi o fato de que a matriz A e diagonalizavel
1
1
t
uma matriz ortogonal P . Ou seja, existe uma matriz P tal que A = P DP
eP
=P .
ela e diagonalizavel,
de conicas.
necessaria,
como por exemplo na identificacao
Vamos em primeiro lugar, caracterizar as matrizes ortogonais.
7.6. Uma matriz P e ortogonal se, e somente se, as suas colunas formam um conjunto
Proposicao
ortonormal de vetores.
Marco 2008
Reginaldo J. Santos
Diagonalizacao
468
as colunas de P . A
Demonstracao.
Vamos escrever P = [U1 . . . Un ]. Ou seja, U1 , . . . , Un sao
t
t
inversa de P e P se, e somente se, P P = In . Mas,
U1t U1 U1t U2
U t U1 U t U2
2
2
P t P = ... [U1 . . . Un ] = ..
.
Unt
Unt U1 Unt U2
U1t
. . . U1t Un
. . . U2t Un
..
..
.
.
t
. . . U n Un
Demonstracao.
Sejam V1 e V2 autovetores de A associados aos autovalores 1 e 2 , respectiva AV1 = 1 V1 e AV2 = 2 V2 .
mente, com 1 6= 2 . Entao,
a` Algebra
Introducao
Linear
Marco 2008
7.2
de Matrizes Simetricas
Diagonalizacao
469
(7.17)
1 V 1 V 2 = 2 V 1 V 2
ou
(1 2 )V1 V2 = 0 .
ortogonais.
Como 1 6= 2 , conclumos que V1 V2 = 0, ou seja, V1 , V2 sao
uma matriz simetrica A atraves de uma matriz P ortogonal, precisamos encontrar, para cada autovalor, autovetores ortonormais associados a eles. Para isso, podemos aplicar o processo de
de Gram-Schmidt a cada conjunto de autovetores L.I. associados a cada um dos
ortogonalizacao
autovalores.
Exemplo 7.13. Considere a matriz
4 2 2
A= 2 4 2
2 2 4
Reginaldo J. Santos
Diagonalizacao
470
1 = 2 e 2 = 8.
Portanto os autovalores de A (razes reais do polinomio
caracterstico) sao
as solucoes
de (A1 I3 )X =
0
Os autovetores associados aos autovalores 1 = 2 e 2 = 8 sao
e (A 2 I3 )X =
0 respectivamente.
A forma escalonada reduzida de
2 2 2
A 2I3 = 2 2 2
2 2 2
1 1 1
0 0 0 .
0 0 0
W1 = {( , , ) | , R} ,
Agora, ( , , ) = (1, 0, 1) + (1, 1, 0). Assim, os vetores V 1 = (1, 0, 1) e V2 =
disso, eles sao
L.I. (um nao
e multiplo
eles
(1, 1, 0) geram W1 . Como alem
escalar do outro), entao
1
1
W2 = V2 projW1 V2 = ( , 1, )
2
2
1
1
1
W1 = ( , 0, )
U1 =
||W1 ||
2
2
1
1
1 2
U2 =
W2 = ( , , )
||W2 ||
6 6
6
W1 = V1 = (1, 0, 1);
a` Algebra
Introducao
Linear
Marco 2008
7.2
de Matrizes Simetricas
Diagonalizacao
471
4
2
2
2
A 8I3 = 2 4
2
2 4
1
0
0
0 1
1 1 .
0
0
W2 = {(, , ) | R}.
O conjunto {V3 = (1, 1, 1)} e uma base para W2 , pois como (, , ) = (1, 1, 1), V3 gera W2 e
nulo e L.I. Assim, o vetor
um vetor nao
U3 =
1
||V3 ||
1 1 1
V3 = ( , , )
3 3 3
ortogonais.
autovetores associados a autovalores diferentes sao
Como a matriz A e simetrica,
ortonormais e assim a matriz
Portanto, U1 , U2 e U3 sao
satisfaz D = P t AP , em que
Marco 2008
P = [U1 U2 U3 ] =
12 16
0
1
2
2
6
16
1
3
1
3
1
3
2 0 0
D= 0 2 0
0 0 8
Reginaldo J. Santos
Diagonalizacao
472
Exemplo 7.14. Considere a matriz
A=
3 1
1 3
O seu polinomio
caracterstico e
W1 = {(, ) | R}.
V1 = (1, 1) gera W1 e como um vetor nao
nulo e L.I., {V1 } e
Como (, ) = (1, 1), entao
uma base de W1 . Assim,
U1 =
1
||W1 ||
1
1
,
2
2
W2 = {(, ) | R}.
V2 = (1, 1) gera W2 e como um vetor nao
nulo e L.I., {V2 } e uma base
Como (, ) = (1, 1), entao
de W2 . Assim,
U2 =
a` Algebra
Introducao
Linear
1
||W2 ||
1 1
,
2 2
Marco 2008
7.2
de Matrizes Simetricas
Diagonalizacao
473
ortogonais.
autovetores associados a autovalores diferentes sao
Como a matriz A e simetrica,
Portanto
"
#
1
1
P =
2
1
2
1
2
eD=
2 0
0 4
tais que D = P t AP .
sao
O proximo
resultado, que nao
IV na pagina
477), garante que o procedimento seguido nos dois exemplos anteriores sempre funciona, ou seja, que toda
D = P t AP .
ela e diagonalizavel.
Assim, se A e simetrica,
entao
Exerccios Numericos
(respostas na pagina
646)
Marco 2008
Reginaldo J. Santos
Diagonalizacao
474
7.2.1. Diagonalize cada matriz dada A por meio de uma matriz ortogonal, ou seja, ache uma matriz
ortogonal P tal que P t AP seja diagonal:
(a)
(c)
(e)
(g)
2
2
0
0
1
1
1
0
1
2
0
0
2
2
0
0
0
1
1
0
2
1
0
0
(b)
1
0
0
0
0
1
0
0
1
2
(d)
(f)
0
0
2
1
(h)
2
1
0
0
0
2
1
1
0
0
0
0
1
2
0
2
2
1
2
1
0
0
0
0
0
2
2
1
1
2
0
0
0
1
0
0
1
0
V1 = (0, 2, 2, 1) e V2 = (2, 1, 2, 3)
autovetores de A associados a 1 = 2 e
sao
V3 = (2, 0, 1, 2) e V4 = (3, 2, 1, 2)
autovetores associados a 2 = 4 determine, se possvel, uma matriz P e uma matriz
sao
diagonal D tais que A = P DP t .
Exerccios Teoricos
a` Algebra
Introducao
Linear
Marco 2008
7.2
de Matrizes Simetricas
Diagonalizacao
475
det(A) = 1.
7.2.3. Mostre que se A e uma matriz ortogonal, entao
matrizes ortogonais, entao
AB e ortogonal.
7.2.4. Mostre que se A e B sao
7.2.5.
cos sen
sen
cos
e ortogonal;
A=
cos sen
sen
cos
ou
A=
cos
sen
sen cos
existem P e D ,
por uma matriz ortogonal (isto e,
7.2.6. Mostre que se uma matriz A e diagonalizavel
afirmacoes:
(a) A matriz A e definida positiva.
positivos.
(b) A e simetrica
e todos os autovalores de A sao
Marco 2008
Reginaldo J. Santos
Diagonalizacao
476
(c) Existe uma matriz definida positiva B tal que A = B 2 . A matriz B e chamada a raiz
quadrada de A.
Mostre que (a)(b)(c)(a). Na parte (b)(c) faca primeiro o caso em que A e
(Sugestao:
uma matriz diagonal)
7.2.8. Seja A uma matriz invertvel n n. Mostre que existe uma matriz simetrica
definida positiva
e unica
P e uma matriz ortogonal U , tal que A = P U . Esta decomposicao
chamada de
t 12
1
polar de A. (Sugestao:
decomposicao
Sejam P = (AA ) e U = P A. Mostre que
U U t = In .)
7.2.9. Seja A uma matriz n n. Para k = 1, . . . , n, seja Ak a submatriz obtida de A eliminando-se as
ultimas
n k linhas e colunas. Ak e chamada submatriz principal de A de ordem k . Mostre
a` Algebra
Introducao
Linear
Marco 2008
7.2
de Matrizes Simetricas
Diagonalizacao
477
Apendice
IV: Autovalores Complexos
numeros
conjunto das matrizes m n cujas entradas sao
complexos de Mmn (C).
Para uma matriz A = (aij ) Mmn (C), definimos o conjugado da matriz A, denotado por A
validas
AB = A B.
A =
B.
7.9. Seja A uma matriz n n com entradas reais. Se Z Mn1 (C), e um autovetor de A
Proposicao
Z tambem
Marco 2008
Reginaldo J. Santos
Diagonalizacao
478
Demonstracao.
Z.
AZ = A Z = (AZ) = Z =
numeros
Teorema 7.10. Toda matriz simetrica,
cujas entradas sao
reais, possui autovalor real.
numeros
Demonstracao.
Seja A uma matriz simetrica,
cujas entradas sao
reais. Vamos mostrar que
AZ = Z.
Z.
7.9 temos que AZ =
numeros
Como A e uma matriz cujas entradas sao
reais, pela Proposicao
Por um lado,
t
Z AZ = Z Z = Z Z =
n
X
i=1
|zi |2 .
Z tZ =
Z AZ = Z A Z = (AZ) Z =
t
n
X
i=1
a` Algebra
Introducao
Linear
|zi |2 .
Marco 2008
7.2
de Matrizes Simetricas
Diagonalizacao
479
Demonstracao
473. O resultado e obvio se n = 1. Vamos supor que
o resultado seja verdadeiro para matrizes (n 1) (n 1) e vamos provar que ele e verdadeiro
para matrizes n n. Pelo Teorema 7.10 a matriz A tem um autovalor 1 . Isto significa que existe
autovetores associados a 1 . Seja V1 um autovetor de norma igual a 1 associado a 1 . Sejam
V2 , . . . , Vn vetores tais que {V1 , . . . , Vn } e uma base ortonormal de Rn (isto pode ser conseguido
de Gram-Schmidt a uma base de Rn que contenha V1 .)
aplicando-se o processo de ortogonalizacao
combinacoes
lineares de V1 , . . . , Vn ,
Seja P1 = [ V1 . . . Vn ]. Como AV1 = 1 V1 e AV2 , . . . , AVn sao
temos que
(7.18)
1 . . .
em que M = .
. Multiplicando-se a` esquerda (7.18) por P1t obtemos M =
.
.
B
0
Portanto,
P1t AP1 . Mas, M t = (P1t AP1 )t = P t At P1 = P1t AP1 = M , ou seja, a matriz M e simetrica.
M =
1 0 . . .
0
..
.
B
0
Reginaldo J. Santos
Diagonalizacao
480
0 ...
P2
e diagonal. Seja P2 = 0.
..
(7.18)
equacao
AP = (AP1 )P2 = P1 M P2 = P1
1
0
..
.
Mas, B P2 = P2 D2 e assim,
em que D =
AP = P1 P2
1 0 . . .
0.
..
D2
0
a` Algebra
Introducao
Linear
1 0 . . .
0
..
.
D2
0
0 ...
B P2
= P D,
Marco 2008
7.2
de Matrizes Simetricas
Diagonalizacao
481
W2
4
W = (1, 2)
V = (1, 2)
AW
4
W1
6
6
AV
6
6
6
Marco 2008
Reginaldo J. Santos
Diagonalizacao
482
y
y
E2
W2
E1
x
W1
a` Algebra
Introducao
Linear
Marco 2008
na Identificacao
de Conicas
Aplicacao
7.3
7.3
483
na Identificacao
de Conicas
Aplicacao
quadratica
Uma equacao
nas variaveis
x e y tem a forma
ax2 + bxy + cy 2 + dx + ey + f = 0,
numeros
simultaneamente nulos. Esta equacao
em que a, b, c, d, e e f sao
reais, com a, b e c nao
elipses, hiperboles
chamadas de conicas
As conicas
mais importantes sao
e parabolas,
que sao
nao
chamadas conicas
degeneradas.
de uma conica
Nesta secao
pode ser usada na
das conicas
nao
estao
na forma padrao.
identificacao
cujas equacoes
Vamos estudar alguns exemplos.
e
5x2 4xy + 8y 2 36 = 0.
pode ser escrita como
Esta equacao
X t AX 36 = 0 ,
em que
A=
Marco 2008
5 2
2
8
(7.19)
.
Reginaldo J. Santos
Diagonalizacao
484
O polinomio
caracterstico de A e
5 2
2 8
= 2 13 + 36 .
(A 4I2 )X = 0
ou
1 2
2
4
x
y
0
0
e
cuja solucao
V1 = {(2, ) | R} .
Assim, V1 = (2, 1) e uma base para V1 , pois gera V1 e e L.I. E W1 = ||VV11 || = ( 25 , 15 ) e uma base
ortonormal para V1 .
as solucoes
nao
nulas do sistema
Os autovetores associados a 2 = 9 sao
(A 9I2 )X = 0
a` Algebra
Introducao
Linear
Marco 2008
7.3
na Identificacao
de Conicas
Aplicacao
x2 y 2
+ 2 = 1, a > b
a2
b
485
y 2 x2
+ 2 = 1, a > b
a2
b
Elipse
(0, a)
(b, 0)
(a, 0)
(a, 0)
(b, 0)
(b, 0)
(b, 0)
(0, a)
x2 y 2
2 =1
a2
b
x
y 2 x2
2 =1
a2
b
Hiperbole
(0, a)
(a,0) (a, 0)
x
(0, a)
r : x = p
y 2 = 4px, p > 0
Marco 2008
Parabola
x2 = 4py, p > 0
y
Reginaldo J. Santos
Diagonalizacao
486
ou
4 2
2 1
x
y
0
0
e
cuja solucao
V2 = {(, 2) | R} .
V2
||V2 ||
1 2
= (
, 5 ) e uma base
5
D = P t AP
em que,
D=
4 0
0 9
, e P = [W1 W2 ] =
"
2
5
1
5
5
2
5
x0
y0
(7.19).
na equacao
X 0t (P t AP )X 0 36 = 0,
ou
X 0t DX 0 36 = 0,
ou
4x02 + 9y 02 36 = 0,
ou ainda
a` Algebra
Introducao
Linear
x02 y 02
+
=1
9
4
(7.20)
Marco 2008
7.3
na Identificacao
de Conicas
Aplicacao
487
de uma elipse cujo esboco e mostrado na Figura 7.4. Para fazer o esboco do grafico,
que e a equacao
0
0
0
em primeiro lugar temos que tracar os eixos x e y . Oeixox passa pela origem, e paralelo e possui
o mesmo sentido do vetor W1 , que tem coordenadas
1
0
ao sistema de coordenadas
em relacao
1
, que e a primeira coluna de P . O eixo y0 passa pela origem, e paralelo e
0
0
ao sistema de coordenadas
possui o mesmo sentido de W2 que tem coordenadas
em relacao
1
0
(7.20),
x0 y0 . Assim, W2 = P
, que e a segunda coluna de P . Depois, a partir da equacao
1
aos eixos x0 e y0 .
verificamos na Figura 7.3 na pagina
485 a forma da curva em relacao
x0 y0 . Assim, W1 = P
e dada por
Exemplo 7.16. Considere a conica
cuja equacao
20
80
5x2 4xy + 8y 2 + x y + 4 = 0 .
5
5
pode ser escrita como
Esta equacao
X t AX + KX + 4 = 0 ,
em que
A=
5 2
2 8
e K=
20
(7.21)
805
D = P t AP
Marco 2008
Reginaldo J. Santos
Diagonalizacao
488
y
y
2
x
1
W2
W1
x
1
4
4
a` Algebra
Introducao
Linear
Marco 2008
7.3
na Identificacao
de Conicas
Aplicacao
489
em que,
D=
4 0
0 9
, e P = [W1 W2 ] =
"
2
5
1
5
5
2
5
x0
.
y0
X 0t (P t AP )X 0 + KP X 0 + 4 = 0
ou
X 0t DX 0 + KP X 0 + 4 = 0,
ou
x00 = x0 1 e
y 00 = y 0 2
Marco 2008
(7.22)
(7.23)
Reginaldo J. Santos
Diagonalizacao
490
obtemos
4x002 + 9y 002 36 = 0
ou
x002 y 002
+
=1
9
4
(7.24)
de uma elipse cujo esboco e mostrado na Figura 7.5. Para fazer o esboco do grafico,
que e a equacao
em primeiro lugar temos que tracar os eixos x00 e y00 , que por
sua
vez
s
ao
translac
oes
dos
eixos
x0 e
1
e o sentido do vetor W1 = P
y0 . O eixo x0 tem a direcao
(a primeira coluna de P ). O eixo y0
0
0
e o sentido do vetor W2 = P
tem a direcao
(a segunda coluna de P ). O eixo x00 tem equacao
1
(7.22) obtemos y 0 = 2. O eixo y00 tem equacao
x00 = 0. Usando a
y 00 = 0. Usando a equacao
(7.23) obtemos x0 = 1. Depois, a partir da equacao
(7.24), verificamos na Figura 7.3 na
equacao
e feita da
Os exemplos anteriores sao
teorema, cuja demonstracao
mesma forma que fizemos com os exemplos e por isso deixamos para o leitor a tarefa de escreve-la.
a` Algebra
Introducao
Linear
Marco 2008
7.3
na Identificacao
de Conicas
Aplicacao
491
6
y"
5
x"
y
2
x
1
W2
W1
x
1
4
Marco 2008
Reginaldo J. Santos
Diagonalizacao
492
ax2 + bxy + cy 2 + dx + ey + f = 0,
(7.25)
1 x02 + 2 y 02 + d0 x0 + e0 y 0 + f = 0 ,
os autovalores de
em que 1 , 2 sao
A=
a b/2
b/2 c
Mais ainda,
X = P X0 ,
0
em que X =
x0
y0
,X =
a` Algebra
Introducao
Linear
x
y
Marco 2008
7.3
na Identificacao
de Conicas
Aplicacao
493
Exerccios Numericos
(respostas na pagina
657)
no ultimo
Identificar a conica,
achar a equacao
sistema de coordenadas utilizado e fazer um esboco
do grafico.
7.3.1. 9x2 4xy + 6y 2 = 30;
7.3.2. 3x2 8xy 12y 2 + 81 = 0;
7.3.3. 2x2 4xy y 2 = 24;
7.3.4. 21x2 + 6xy + 13y 2 132 = 0;
7.3.5. 4x2 20xy + 25y 2 15x 6y = 0;
7.3.10. x2 y 2 + 2 3xy + 6x = 0;
Reginaldo J. Santos
Diagonalizacao
494
7.3.12. x2 6xy 7y 2 + 10x + 2y + 9 = 0;
>> [P,D]=diagonal(A) diagonaliza a matriz A, de forma que AP=PD, em que D e uma matriz
diagonal e P e uma matriz ortogonal.
expr as variaveis
x2
a2
y2
b2
= 1.
x02
a2
02
as coordenadas
+ yb2 = 1, em que x0 e y 0 sao
x002
a2
y 002
b2
x2
a2
y2
b2
= 1.
x02
a2
y 02
b2
x002
a2
as
= 1, em que x00 e y 00 sao
ao sistema de coordenadas determinado pela base ortonormal U1 e
coordenadas em relacao
U2 e pelo ponto X0.
a` Algebra
Introducao
Linear
y2
a2
x2
b2
= 1.
Marco 2008
7.3
na Identificacao
de Conicas
Aplicacao
495
y 02
a2
x02
b2
y 002
a2
as
= 1, em que x00 e y 00 sao
ao sistema de coordenadas determinado pela base ortonormal U1 e
coordenadas em relacao
U2 e pelo ponto X0.
as coordenadas
>> parabx(p,[U1 U2]) desenha a parabola
y 02 = 4px0 , em que x0 e y 0 sao
a` base ortonormal U1 e U2.
em relacao
as coordenadas
>> paraby(p,[U1 U2]) desenha a parabola
x02 = 4py 0 , em que x0 e y 0 sao
a` base ortonormal U1 e U2.
em relacao
Exerccios Teoricos
Reginaldo J. Santos
Diagonalizacao
496
ax2 + bxy + cy 2 + dx + ey + f = 0.
a b/2
Consideremos a matriz A =
. Sejam e os autovalores de A.
b/2 c
(a) Mostre que = ac b2 /4.
C e uma hiperbole,
ou um par de retas concorrentes.
(c) Mostre que se < 0, entao
temos duas possibilidades:
(d) Mostre que se = 0, entao
C e uma parabola,
i. Se 6= 0 ou 6= 0, entao
um par de retas paralelas, uma reta ou
o conjunto vazio.
C e uma reta. Observe que neste caso C nao
e uma conica
ii. Se = = 0, entao
(por que?).
a` Algebra
Introducao
Linear
Marco 2008
7.3
na Identificacao
de Conicas
Aplicacao
497
Teste do Captulo
1.
D = P t AP,
em que
A=
8 8
8
8
no ultimo
(b) Identificar a conica,
achar a equacao
sistema de coordenadas utilizado e fazer
um esboco do grafico.
8x2 + 8y 2 16xy + 33 2x 31 2y + 70 = 0
diagonalizaveis:
3.
a b
3b c
(a) Seja D =
(b)
1
0
0 1
a b
b
a
. Calcule D 10 .
Marco 2008
Reginaldo J. Santos
Diagonalizacao
498
4. Diga se e verdadeiro ou falso cada item abaixo, justificando.
A nao
e diagonalizavel;
a` Algebra
Introducao
Linear
Marco 2008
500
80
-10
72
34
-4
30
-22
45
-12
No item (c) foram usadas as propriedades (l) e (n) do Teorema 1.1 na pagina
10 e no item (d)
foi usada a propriedade (i).
1.1.2. A(B + C) = AB + AC , B t At = (AB)t , C t At = (AC)t , (ABA)C = (AB)(AC).
1.1.3.
>>
>>
>>
>>
>>
C=[-2,1,-1;0,1,1;-1,0,1];
syms d1 d2 d3
D=diag([d1,d2,d3]);
E1=[1;0;0];E2=[0;1;0];E3=[0;0;1];
B*A
-7
2
3
-6
4
2
3
6
-3
>> A*B
-2
6
6
-4
0
0
0
0
0
0
>> E1.*B-B(1,:)
0
0
a` Algebra
Introducao
Linear
Marco 2008
501
>> E2.*B-B(2,:)
0
0
>> E3.*B-B(3,:)
0
0
(c) >> C1=C(:,1);C2=C(:,2);C3=C(:,3);
>> C*D-[d1*C1,d2*C2,d3*C3]
[ 0, 0, 0]
[ 0, 0, 0]
[ 0, 0, 0]
(d) >> C1=C(1,:);C2=C(2,:);C3=C(3,:);
>> D*C-[d1*C1;d2*C2;d3*C3]
[ 0, 0, 0]
[ 0, 0, 0]
[ 0, 0, 0]
(e) >> B1=B(:,1);B2=B(:,2);
>> A*B-A*[B1,B2]
0
0
0
0
(f) >> A1=A(1,:);A2=A(2,:);
>> A*B-[A1;A2]*B
0
0
0
0
1.1.4. >> syms x y z
Reginaldo J. Santos
502
>> A*X
[
x-3*y]
[ 4*y-2*z]
>> x*A(:,1)+y*A(:,2)+z*A(:,3)
[
x-3*y]
[ 4*y-2*z]
1.1.5. >> syms x
>> A=[1,1/y;y,1];
>> A^2-2*A
[ 0, 0]
[ 0, 0]
1.1.7. >> syms x y z w
a` Algebra
Introducao
Linear
Marco 2008
503
[ 0, 0]
[ 0, 0]
1.1.8.
(a) Sejam A =
x 0
0 y
eB =
a b
.
c d
>> syms x y z w
>> syms a b c d
>> A=[x,0;0,y];B=[a,b;c,d];
>> A*B
[ x*a, x*b]
[ y*c, y*d]
>> B*A
[ x*a, b*y]
[ c*x, y*d]
x y
z w
eB =
a b
.
c d
>> A=[x,y;z,w];B=[a,b;c,d];
>> A*B
[ x*a+y*c, x*b+y*d]
[ z*a+w*c, z*b+w*d]
>> B*A
[ x*a+z*b, a*y+b*w]
[ c*x+d*z, y*c+w*d]
Marco 2008
Reginaldo J. Santos
504
>> A^2,A^3
ans=0
0
0
0
0
0
ans =0
0
0
0
0
0
1.1.10.
1
0
0
0
0
0
A =
1.0000
0.5000
0
0.3333
>> A^2,A^3,A^4,A^5
ans =
1.0000
0.6667
0
0.1111
ans =
1.0000
0.7222
0
0.0370
ans =
a` Algebra
Introducao
Linear
Marco 2008
1.0000
0.7407
0
0.0123
ans =
1.0000
0.7469
0
0.0041
>> A^6,A^7,A^8,A^9
ans =
1.0000
0.7490
0
0.0014
ans =
1.0000
0.7497
0
0.0005
ans =
1.0000
0.7499
0
0.0002
ans =
1.0000
0.7500
0
0.0001
A sequ encia
parece estar convergindo para a matriz
505
1 0.75
.
0
0
A =
0.5000
0.3333
0
-0.2000
>> A^2,A^3,A^4,A^5
Marco 2008
Reginaldo J. Santos
506
ans =
0.2500
0.1000
0
0.0400
ans =
0.1250
0.0633
0
-0.0080
ans =
0.0625
0.0290
0
0.0016
ans =
0.0312
0.0150
0
-0.0003
>> A^6,A^7,A^8,A^9
ans =
0.0156
0.0074
0
0.0001
ans =
0.0078
0.0037
0
0.0000
ans =
0.0039
0.0019
0
0.0000
ans =
0.0020
0.0009
0
0.0000
a` Algebra
Introducao
Linear
Marco 2008
A sequ encia
parece estar convergindo para a matriz nula
1.1.11.
507
0 0
.
0 0
>> A=sym(A)
[ 0, 0, 1]
[ 1, 0, 0]
[ 0, 1, 0]
>> A^2
[ 0, 1, 0]
[ 0, 0, 1]
[ 1, 0, 0]
>> A^3
[ 1, 0, 0]
[ 0, 1, 0]
[ 0, 0, 1]
Para k = 3, Ak = I3 .
(b) >> A=[0,1,0,0;-1,0,0,0;0,0,0,1;...
0,0,1,0];
>> A=sym(A)
[ 0, 1, 0, 0]
[ -1, 0, 0, 0]
[ 0, 0, 0, 1]
[ 0, 0, 1, 0]
>> A^2
[ -1, 0, 0, 0]
Marco 2008
Reginaldo J. Santos
508
[ 0, -1, 0, 0]
[ 0, 0, 1, 0]
[ 0, 0, 0, 1]
>> A^3
[ 0, -1, 0, 0]
[ 1, 0, 0, 0]
[ 0, 0, 0, 1]
[ 0, 0, 1, 0]
>> A^4
[ 1, 0, 0, 0]
[ 0, 1, 0, 0]
[ 0, 0, 1, 0]
[ 0, 0, 0, 1]
Para k = 4, Ak = I4 .
(c) >> A=[0,1,0,0;0,0,1,0;0,0,0,1;0,0,0,0];
>> A=sym(A)
[ 0, 1, 0, 0]
[ 0, 0, 1, 0]
[ 0, 0, 0, 1]
[ 0, 0, 0, 0]
>> A^2
[ 0, 0, 1, 0]
[ 0, 0, 0, 1]
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
a` Algebra
Introducao
Linear
Marco 2008
509
>> A^3
[ 0, 0, 0, 1]
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
>> A^4
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
[ 0, 0, 0, 0]
Para k = 4, Ak =
0.
1.1.12. Conclumos que e muito raro encontrar matrizes cujo produto comute.
1.1.13. Conclumos que matrizes diagonais em geral comutam. Pode-se mostrar que elas sempre
Marco 2008
Reginaldo J. Santos
510
1.2.2.
(a) X
(b) X
(c) X
(d) X
1.2.3.
x
8 + 7
y 2 3
=
z = 5 , R.
w
x1
2 3 + 6
x2
, , R.
7 4
=
x3 =
x4
8 5
x5
6
x
y 3
=
z = 2 , R.
x1
3 + 8 7
x2
, , R.
5 6
= x3 =
x4
9 3
x5
>> escalona(A)
a` Algebra
Introducao
Linear
Marco 2008
511
elimina
ca
~o 1:
1*linha 1 + linha 2 ==> linha 2
-3*linha 1 + linha 3 ==> linha 3
[
1,
1,
2,
8]
[
0, -1,
5,
9]
[
0, -10, -2, -14]
elimina
ca
~o 2:
-1*linha 2 ==> linha 2
[
1,
1,
2,
8]
[
0,
1, -5, -9]
[
0, -10, -2, -14]
-1*linha 2 + linha 1 ==> linha 1
10*linha 2 + linha 3 ==> linha 3
[
1,
0,
7,
17]
[
0,
1,
-5,
-9]
[
0,
0, -52, -104]
elimina
ca
~o 3:
-1/52*linha 3 ==> linha 3
[ 1, 0, 7, 17]
[ 0, 1, -5, -9]
[ 0, 0, 1, 2]
-7*linha 3 + linha 1 ==> linha 1
5*linha 3 + linha 2 ==> linha 2
[ 1, 0, 0, 3]
[ 0, 1, 0, 1]
Marco 2008
Reginaldo J. Santos
512
[ 0, 0, 1, 2]
x1
3
X = x2 = 1 .
x3
2
>> escalona(A)
elimina
ca
~o 1:
1/2*linha 1 ==> linha 1
[ 1, 1, 1, 0]
[ -2, 5, 2, 1]
[ 8, 1, 4, -1]
2*linha 1 + linha 2 ==> linha 2
-8*linha 1 + linha 3 ==> linha 3
[ 1, 1, 1, 0]
[ 0, 7, 4, 1]
[ 0, -7, -4, -1]
elimina
ca
~o 2:
1/7*linha 2 ==> linha 2
[
1,
1,
1,
0]
[
0,
1, 4/7, 1/7]
[
0, -7, -4, -1]
-1*linha 2 + linha 1 ==> linha 1
7*linha 2 + linha 3 ==> linha 3
[
1,
0, 3/7, -1/7]
[
0,
1, 4/7, 1/7]
a` Algebra
Introducao
Linear
Marco 2008
513
0,
0,
0,
0]
1 3
x1
7 7
1
47 , R.
X = x2 =
7
x3
>> escalona(A)
elimina
ca
~o 1:
linha 2 <==> linha 1
[ 3, 6, -3, -2]
[ 0, -2, 3, 1]
[ 6, 6, 3, 5]
1/3*linha 1 ==> linha 1
[
1,
2,
-1, -2/3]
[
0,
-2,
3,
1]
[
6,
6,
3,
5]
-6*linha 1 + linha 3 ==> linha 3
[
1,
2,
-1, -2/3]
[
0,
-2,
3,
1]
[
0,
-6,
9,
9]
elimina
ca
~o 2:
-1/2*linha 2 ==> linha 2
[
1,
2,
-1, -2/3]
[
0,
1, -3/2, -1/2]
[
0,
-6,
9,
9]
-2*linha 2 + linha 1 ==> linha 1
Marco 2008
Reginaldo J. Santos
514
tem solucao!
O sistema nao
1.2.4. >> A=[1,-2,1;2,-5,1;3,-7,2];
>> B1=[1;-2;-1];B2=[2;-1;2];
>> escalona([A,B1,B2])
elimina
ca
~o 1:
-2*linha 1 + linha 2 ==> linha 2
-3*linha 1 + linha 3 ==> linha 3
[ 1, -2, 1, 1, 2]
[ 0, -1, -1, -4, -5]
[ 0, -1, -1, -4, -4]
elimina
ca
~o 2:
-1*linha 2 ==> linha 2
[ 1, -2, 1, 1, 2]
[ 0, 1, 1, 4, 5]
[ 0, -1, -1, -4, -4]
2*linha 2 + linha 1 ==> linha 1
1*linha 2 + linha 3 ==> linha 3
[ 1, 0, 3, 9, 12]
[ 0, 1, 1, 4, 5]
[ 0, 0, 0, 0, 1]
a` Algebra
Introducao
Linear
Marco 2008
515
9 3
x1
(a) X = x2 = 4 , R.
x3
tem solucao!
(b) O sistema nao
1.2.5.
>> B=A+4*eye(3);
>> escalona([B,zeros(3,1)])
elimina
ca
~o 1:
linha 2 <==> linha 1
[ 1, 5, 1, 0]
[ 5, 0, 5, 0]
[ 0, 1, 0, 0]
(-5)*linha 1 + linha 2 ==> linha 2
[
1,
5,
1,
0]
[
0, -25,
0,
0]
[
0,
1,
0,
0]
elimina
ca
~o 2:
linha 3 <==> linha 2
[
1,
5,
1,
0]
[
0,
1,
0,
0]
[
0, -25,
0,
0]
(-5)*linha 2 + linha 1 ==> linha 1
(25)*linha 2 + linha 3 ==> linha 3
[ 1, 0, 1, 0]
[ 0, 1, 0, 0]
Marco 2008
Reginaldo J. Santos
516
[ 0, 0, 0, 0]
X = y = 0 , R.
z
>> escalona([B,zeros(3,1)])
elimina
ca
~o 1:
(-1)*linha 1 ==> linha 1
[ 1, 0, -5, 0]
[ 1, -1, 1, 0]
[ 0, 1, -6, 0]
(-1)*linha 1 + linha 2 ==> linha 2
[ 1, 0, -5, 0]
[ 0, -1, 6, 0]
[ 0, 1, -6, 0]
elimina
ca
~o 2:
(-1)*linha 2 ==> linha 2
[ 1, 0, -5, 0]
[ 0, 1, -6, 0]
[ 0, 1, -6, 0]
(-1)*linha 2 + linha 3 ==> linha 3
[ 1, 0, -5, 0]
[ 0, 1, -6, 0]
[ 0, 0, 0, 0]
a` Algebra
Introducao
Linear
Marco 2008
517
5
x
X = y = 6 , R.
1.2.6.
>> A=[1,2,-3,4;3,-1,5,2;4,1,a^2-14,a+2];
>> escalona(A)
elimina
ca
~o 1:
-3*linha 1 + linha 2 ==> linha 2
-4*linha 1 + linha 3 ==> linha 3
[
1,
2,
-3,
4]
[
0,
-7,
14,
-10]
[
0,
-7, a^2-2, a-14]
elimina
ca
~o 2:
-1/7*linha 2 ==> linha 2
[
1,
2,
-3,
4]
[
0,
1,
-2, 10/7]
[
0,
-7, a^2-2, a-14]
-2*linha 2 + linha 1 ==> linha 1
7*linha
2 + linha 3 ==>
linha 3
1 0
1
8/7
0 1
2
10/7
0 0 a2 16 a 4
i. Se a2 16 = 0 e a 4 = 0, entao
Neste caso,
a = 4;
o sistema nao
tem solucao.
Neste caso, a = 4;
ii. Se a2 16 = 0 e a 4 6= 0, entao
Marco 2008
Reginaldo J. Santos
518
>> escalona(A)
elimina
ca
~o 1:
-2*linha 1 + linha 2 ==>
-2*linha 1 + linha 3 ==>
[
1,
1,
1,
[
0,
1,
0,
[
0,
1, a^2-3,
elimina
ca
~o 2:
-1*linha 2 + linha 1 ==>
-1*linha
2 + linha 3 ==>
1 0
1
1
0 1
0
1
0 0 a2 3 a 4
linha 2
linha 3
2]
1]
a-3]
linha 1
linha 3
i. Se a2 3 = 0 e a 4 = 0, entao
Este caso nao
pode ocorrer;
o sistema nao
tem solucao.
Neste caso, a = 3;
ii. Se a2 3 = 0 e a 4 6= 0, entao
1.2.7.
gramas de A/kg
gramas de B/kg
preco/kg
a` Algebra
Introducao
Linear
X
2
1
3
Y Z
1 3
3 5
2 4
Marco 2008
x
y
z
519
1900
gramas de A
2400 gramas de B
2900
arrecadacao
2 1 3
x
1900
1 3 5 y = 2400
3 2 4
z
2900
kg de X
kg de Y
kg de Z
>> A=[2,1,3,1900;1,3,5,2400;3,2,4,2900];
>> escalona(A)
elimina
ca
~o 1:
linha 2 <==> linha 1
[
1,
3,
5, 2400]
[
2,
1,
3, 1900]
[
3,
2,
4, 2900]
(-2)*linha 1 + linha 2 ==> linha 2
(-3)*linha 1 + linha 3 ==> linha 3
[
1,
3,
5, 2400]
[
0,
-5,
-7, -2900]
[
0,
-7,
-11, -4300]
elimina
ca
~o 2:
(-1/5)*linha 2 ==> linha 2
[
1,
3,
5, 2400]
[
0,
1,
7/5,
580]
[
0,
-7,
-11, -4300]
(-3)*linha 2 + linha 1 ==> linha 1
Marco 2008
Reginaldo J. Santos
520
a +
b
27a
+
9b
64a + 16b
Substituindo d =
d =
10
+ c + d =
7
.
+ 3c + d = 11
+ 4c + d = 14
e escalonando a matriz aumentada do sistema cor10 nas outras equacoes
respondente:
>> escalona([1,1,1,-3;27,9,3,-21;64,16,4,-24])
a` Algebra
Introducao
Linear
Marco 2008
521
elimina
ca
~o 1:
-27*linha 1 + linha 2 ==> linha 2
-64*linha 1 + linha 3 ==> linha 3
[
1,
1,
1, -3]
[
0, -18, -24, 60]
[
0, -48, -60, 168]
elimina
ca
~o 2:
-1/18*linha 2 ==> linha 2
[
1,
1,
1,
-3]
[
0,
1,
4/3, -10/3]
[
0,
-48,
-60,
168]
-1*linha 2 + linha 1 ==> linha 1
48*linha 2 + linha 3 ==> linha 3
[
1,
0, -1/3,
1/3]
[
0,
1,
4/3, -10/3]
[
0,
0,
4,
8]
elimina
ca
~o 3:
1/4*linha 3 ==> linha 3
[
1,
0, -1/3,
1/3]
[
0,
1,
4/3, -10/3]
[
0,
0,
1,
2]
1/3*linha 3 + linha 1 ==> linha 1
-4/3*linha 3 + linha 2 ==> linha 2
[ 1, 0, 0, 1]
[ 0, 1, 0, -6]
Marco 2008
Reginaldo J. Santos
522
0,
0,
1,
2]
a = 1, b = 6, c = 2 e d = 10 e o polinomio
2a + 7b + c = [(2)2 + 72 ] = 53
4a + 5b + c = [(4)2 + 52 ] = 41 .
4a 3b + c =
[42 + 32 ] = 25
>> A=[-2,7,1,-53;-4,5,1,-41;4,-3,1,-25];
>> escalona(A)
elimina
ca
~o 1:
-1/2*linha 1 ==> linha 1
[
1, -7/2, -1/2, 53/2]
[
-4,
5,
1, -41]
[
4,
-3,
1, -25]
4*linha 1 + linha 2 ==> linha 2
-4*linha 1 + linha 3 ==> linha 3
[
1, -7/2, -1/2, 53/2]
[
0,
-9,
-1,
65]
[
0,
11,
3, -131]
elimina
ca
~o 2:
-1/9*linha 2 ==> linha 2
[
1, -7/2, -1/2, 53/2]
[
0,
1,
1/9, -65/9]
a` Algebra
Introducao
Linear
Marco 2008
523
[
0,
11,
3, -131]
7/2*linha 2 + linha 1 ==> linha 1
-11*linha 2 + linha 3 ==> linha 3
[
1,
0,
-1/9,
11/9]
[
0,
1,
1/9, -65/9]
[
0,
0,
16/9, -464/9]
elimina
ca
~o 3:
9/16*linha 3 ==> linha 3
[
1,
0, -1/9, 11/9]
[
0,
1,
1/9, -65/9]
[
0,
0,
1,
-29]
1/9*linha 3 + linha 1 ==> linha 1
-1/9*linha 3 + linha 2 ==> linha 2
[
1,
0,
0, -2]
[
0,
1,
0, -4]
[
0,
0,
1, -29]
a = 2, b = 4 e c = 29 e a equacao
do crculo e x2 +y 2 2x4y29 =
Os coeficientes sao
0.
1.2.10.
>> A=[1,-2,5,b1;4,-5,8,b2;-3,3,-3,b3];
>> escalona(A)
elimina
ca
~o 1:
-4*linha 1 + linha 2 ==> linha 2
3*linha 1 + linha 3 ==> linha 3
Marco 2008
Reginaldo J. Santos
524
[ 1, -2,
5,
b1]
[ 0, 3, -12, b2-4*b1]
[ 0, -3, 12, b3+3*b1]
elimina
ca
~o 2:
1/3*linha 2 ==> linha 2
[ 1, -2, 5,
b1]
[ 0, 1, -4, 1/3*b2-4/3*b1]
[ 0, -3, 12,
b3+3*b1]
2*linha 2 + linha 1 ==> linha 1
3*linha 2 + linha 3 ==> linha 3
[ 1, 0, -3, -5/3*b1+2/3*b2]
[ 0, 1, -4, 1/3*b2-4/3*b1]
[ 0, 0, 0,
b3-b1+b2]
O sistema e consistente se, e somente se, b3 b1 + b2 = 0.
(b) >> syms b1 b2 b3
>> A=[1,-2,-1,b1;-4,5,2,b2;-4,7,4,b3];
>> escalona(A)
elimina
ca
~o 1:
4*linha 1 + linha 2 ==> linha 2
4*linha 1 + linha 3 ==> linha 3
[ 1, -2, -1,
b1]
[ 0, -3, -2, b2+4*b1]
[ 0, -1, 0, b3+4*b1]
elimina
ca
~o 2:
linha 3 <==> linha 2
a` Algebra
Introducao
Linear
Marco 2008
525
[ 1, -2, -1,
b1]
[ 0, -1, 0, b3+4*b1]
[ 0, -3, -2, b2+4*b1]
-1*linha 2 ==> linha 2
[ 1, -2, -1,
b1]
[ 0, 1, 0, -b3-4*b1]
[ 0, -3, -2, b2+4*b1]
2*linha 2 + linha 1 ==> linha 1
3*linha 2 + linha 3 ==> linha 3
[ 1, 0, -1,
-7*b1-2*b3]
[ 0, 1, 0,
-b3-4*b1]
[ 0, 0, -2, b2-8*b1-3*b3]
O sistema e consistente para todos os valores reais de b1 , b2 e b3 .
1.2.11. >> A=[0,1,7,8;1,3,3,8;-2,-5,1,-8];
>> escalona(A)
elimina
ca
~o 1:
linha 2 <==> linha 1
[ 1, 3, 3, 8]
[ 0, 1, 7, 8]
[ -2, -5, 1, -8]
2*linha 1 + linha 3 ==> linha 3
[ 1, 3, 3, 8]
[ 0, 1, 7, 8]
[ 0, 1, 7, 8]
elimina
ca
~o 2:
Marco 2008
Reginaldo J. Santos
526
1,2,0,-3,2,1,4;3,6,1,-9,4,3,9]
>> escalona(A)
[ 1, 2, 0, -3, 0, -1, 0]
[ 0, 0, 1, 0, 0, 2, 1]
[ 0, 0, 0, 0, 1, 1, 2]
[ 0, 0, 0, 0, 0, 0, 0]
a` Algebra
Introducao
Linear
Marco 2008
x1 + 2x2
527
x6 = 0
+ 2x6 = 1
x5 + x 6 = 2
X = [ + 3 2 1 2 2 ]t ,
, , R
(b) >> A=[1,3,-2,0,2,0,0;2,6,-5,-2,4,-3,-1;...
0,0,5,10,0,15,5;2,6,0,8,4,18,6]
>> escalona(A)
[
1,
3,
0,
4,
2,
0,
0]
[
0,
0,
1,
2,
0,
0,
0]
[
0,
0,
0,
0,
0,
1, 1/3]
[
0,
0,
0,
0,
0,
0,
0]
+ 4x4 + 2x5
=0
x1 + 3x2
x3 + 2x4
=0
x6 = 31
X = [2 4 3 2 1/3]t ,
, , R
x3
3x4
>> A=[1,1,1,1;1,3,-2,a;
2,2*a-2,-a-2,3*a-1;3,a+2,-3,2*a+1]
>> escalona([A,B])
[ 1, 0, 0, 0, (4*a-11)/(a-5)]
[ 0, 1, 0, 0,
-4/(a-5)]
[ 0, 0, 1, 0,
-4/(a-5)]
[ 0, 0, 0, 1,
-1/(a-5)]
Marco 2008
Reginaldo J. Santos
528
>> solve(-3/2*a+5/4+1/4*a^2,a)
ans = [ 1][ 5]
X = [ 4a11
Se a 6= 1 e a 6= 5, entao
a5
4 4 1 t
].
a5 a5 a5
>> C=subs(A,a,1)
>> escalona([C,B])
[ 1, 0, 0, 1, 2]
[ 0, 1, 0, 0, 1]
[ 0, 0, 1, 0, 1]
[ 0, 0, 0, 0, 0]
X = [2 , 1, 1, ]t R.
Se a = 1, entao
>> D=subs(A,a,5)
>> escalona([D,B])
[
1,
0, 5/2,
[
0,
1, -3/2,
[
0,
0,
0,
[
0,
0,
0,
-1,
2,
0,
0,
0]
0]
1]
0]
o sistema nao
tem solucao.
Se a = 5, entao
1.2.14.
>> escalona(A)
[ 1, 0, 0, 1, 1]
[ 0, 1, 0, 0, 2]
a` Algebra
Introducao
Linear
Marco 2008
529
[ 0, 0, 1, 0, 1]
{(1 , 2, 1, ) | R}
(b) >> A=[1,1,3,-3,0;0,2,1,-3,3;1,0,2,-1,-1];
>>
[
[
[
escalona(A)
1, 0, 0, 1, 1]
0, 1, 0, -1, 2]
0, 0, 1, -1, -1]
{(1 , 2 + , 1 + , ) | R}
>> escalona(A)
[ 1, 0, 0, 0]
[ 0, 1, 0, 0]
[ 0, 0, 1, 0]
[ 0, 0, 0, 0]
{(0, 0, 0)}
1.2.15. >> P=randi(4,2)
P =
5
-3
1
0
Marco 2008
4
3
0
-5
Reginaldo J. Santos
530
>> A=matvand(P(:,1),3),B=P(:,2)
A =125
25
5
1
-27
9
-3
1
1
1
1
1
0
0
0
1
B = 4
3
0
-5
>> R=escalona([A,B])
R = [ 1, 0, 0, 0, -163/480]
[ 0, 1, 0, 0,
99/80]
[ 0, 0, 1, 0, 1969/480]
[ 0, 0, 0, 1,
-5]
>> p=poly2sym(R(:,5),x)
p = -163/480*x^3+99/80*x^2+1969/480*x-5
>> clf,po(P),syms x,plotf1(p,[-5,5])
>> eixos
Pode nao
se mais de um ponto tiver a mesma abscissa xi .
a` Algebra
Introducao
Linear
Marco 2008
531
50
40
30
20
10
10
5
P =
3
-1
Marco 2008
2
-3
Reginaldo J. Santos
532
1
-1
3
4
4
4
>> A=matvand(P,2)
A = 9
6
4
3
2
1
3
9
-1
-3
1
-1
1
1
-1
9
12
16
3
4
16
16
16
4
4
>> R=escalona([A,zeros(5,1)])
R = [1,
0,
0,
0,
[0,
1,
0,
0,
[0,
0,
1,
0,
[0,
0,
0,
1,
[0,
0,
0,
0,
1
1
1
1
1
0, -35/8,
0, 45/8,
0,
-2,
0, 65/8,
1, -39/8,
0]
0]
0]
0]
0]
>> p=poly2sym2([-R(:,6);1],x,y)
p =35/8*x^2-45/8*x*y-65/8*x+1+2*y^2+39/8*y
>> clf,po(P),syms x y,
>> plotci(p,[-5,5],[-5,5])
>> eixos
a` Algebra
Introducao
Linear
Marco 2008
533
x
1
3
2
Marco 2008
Reginaldo J. Santos
534
1.2.18.
e aplicando as operacoes
elementares ek+1 , . . . , el na matriz B chegamos na matriz C ,
aplicando-se as operacoes
elementares e1 , . . . , el na matriz A chegamos na matriz
entao
C.
a` Algebra
Introducao
Linear
Marco 2008
de Matrizes e Determinantes
Captulo 2. Inversao
535
nao
trivial (Teorema 2.8 na pagina
>> B=[A,eye(3)];
>> escalona(B)
[1, 0, 0, 0, 1,-1]
[0, 1, 0, 2,-2,-1]
[0, 0, 1,-1, 1, 1]
(b) [1, 0, 0, 3, 2,-4]
[0, 1, 0,-1, 0, 1]
[0, 0, 1, 0,-1, 1]
(c) [1,
[0,
[0,
[0,
0,
1,
0,
0,
(d) [1, 0,
[0, 1,
[0, 0,
(e) [ 1
[ 0
[ 0
Marco 2008
0
1
0
0,
0,
1,
0,
0, 7/3,-1/3,-1/3,-2/3]
0, 4/9,-1/9,-4/9, 1/9]
0,-1/9,-2/9, 1/9, 2/9]
1,-5/3, 2/3, 2/3, 1/3]
0, 1, -1,
0]
0,3/2,1/2,-3/2]
1, -1, 0,
1]
1
1
0
1
0
-1
0
0
1
-2 ]
1 ]
1 ]
Reginaldo J. Santos
536
Continua ? (s/n) n
(f) [1, 0,
[0, 1,
[0, 0,
[0, 0,
0]
0]
0]
1]
Continua ? (s/n) n
2.1.3. >> syms a
>> A=[1,1,0;1,0,0;1,2,a];
>> escalona(A)
1 0 0
0 1 0
0 0 a
Continua ?
(s/n) n
>> invAB=invB*invA
invAB =
11
7
19
0
>> X=invA*B
X =
19
a` Algebra
Introducao
Linear
Marco 2008
de Matrizes e Determinantes
Captulo 2. Inversao
537
23
2.1.6.
Ak = P Dk P 1
k
1
1 1
3
0
1 1
=
2 2
0 (1)k
2 2
3k (1)k 1 2 1
=
1
2 3k 2(1)k 4 2
1 2(3k + (1)k )
(1)k 3k
=
4 4((1)k 3k ) 2(3k + (1)k )
2.1.7. >> A=[1,2,3;2,1,2;0,1,2];
>> escalona([A,eye(3)])
elimina
ca
~o 1:
(-2)*linha 1 + linha 2 ==> linha 2
[ 1, 2, 3, 1, 0, 0]
[ 0, -3, -4, -2, 1, 0]
[ 0, 1, 2, 0, 0, 1]
elimina
ca
~o 2:
linha 3 <==> linha 2
[ 1, 2, 3, 1, 0, 0]
[ 0, 1, 2, 0, 0, 1]
[ 0, -3, -4, -2, 1, 0]
(-2)*linha 2 + linha 1 ==> linha 1
Marco 2008
Reginaldo J. Santos
538
a` Algebra
Introducao
Linear
Marco 2008
de Matrizes e Determinantes
Captulo 2. Inversao
539
>> x=N*y;
>> num2char(x)
ans =
Desejo boa sorte a todos que estudam
Algebra Linear !
>> menc=lerarq(menc2.txt);
>> y=char2num(menc);
>> x=N*y;
>> num2char(x)
ans = Buda tinha este nome por que vivia setado!
Deve ser uma matriz com entradas entre 0 e 118 invertvel de forma que a sua inversa seja uma
matriz com entradas inteiras.
(a) det
det
det
Marco 2008
a11
a21
a31
a11
a21
a31
a11
a21
a31
a12
a22
a32
a12
a22
a32
a12
a22
a32
a13 + a12
a23 + a22 =
a33 +
a32
a13
a23 +
a33
a12
a22 = det(A) + 0 = 3
a32
Reginaldo J. Santos
540
2.2.4.
2.2.5.
a` Algebra
Introducao
Linear
Marco 2008
de Matrizes e Determinantes
Captulo 2. Inversao
541
>> detopelp(A)
[ 1, -2, 3, 1]
[ 5, -9, 6, 3]
[ -1, 2, -6, -2]
[ 2, 8, 6, 1]
elimina
ca
~o 1:
-5*linha 1 + linha 2 ==> linha 2
1*linha 1 + linha 3 ==> linha 3
-2*linha 1 + linha 4 ==> linha 4
[ 1, -2, 3, 1]
[ 0, 1, -9, -2]
[ 0, 0, -3, -1]
[ 0, 12, 0, -1]
elimina
ca
~o 2:
-12*linha 2 + linha 4 ==> linha 4
[
1, -2,
3,
1]
[
0,
1, -9, -2]
[
0,
0, -3, -1]
[
0,
0, 108, 23]
elimina
ca
~o 3:
-1/3*linha 3 ==> linha 3
[
1, -2,
3,
1]
[
0,
1, -9, -2]
[
0,
0,
1, 1/3]
[
0,
0, 108, 23]
Marco 2008
Reginaldo J. Santos
542
det(A) = -3*det(A)
-108*linha 3 + linha 4 ==> linha 4
[
1, -2,
3,
1]
[
0,
1, -9, -2]
[
0,
0,
1, 1/3]
[
0,
0,
0, -13]
ans = 39
(b) >> A=[2,1,3,1;1,0,1,1;0,2,1,0;0,1,2,3];
>> detopelp(A)
[ 2, 1, 3, 1]
[ 1, 0, 1, 1]
[ 0, 2, 1, 0]
[ 0, 1, 2, 3]
elimina
ca
~o 1:
linha 2 <==> linha 1
[ 1, 0, 1, 1]
[ 2, 1, 3, 1]
[ 0, 2, 1, 0]
[ 0, 1, 2, 3]
det(A) = (-1)*det(A)
-2*linha 1 + linha 2 ==> linha 2
[ 1, 0, 1, 1]
[ 0, 1, 1, -1]
[ 0, 2, 1, 0]
[ 0, 1, 2, 3]
a` Algebra
Introducao
Linear
Marco 2008
de Matrizes e Determinantes
Captulo 2. Inversao
543
elimina
ca
~o 2:
-2*linha 2 + linha 3 ==> linha 3
-1*linha 2 + linha 4 ==> linha 4
[ 1, 0, 1, 1]
[ 0, 1, 1, -1]
[ 0, 0, -1, 2]
[ 0, 0, 1, 4]
elimina
ca
~o 3:
-1*linha 3 ==> linha 3
[ 1, 0, 1, 1]
[ 0, 1, 1, -1]
[ 0, 0, 1, -2]
[ 0, 0, 1, 4]
det(A) = (-1)*(-1)*det(A)
-1*linha 3 + linha 4 ==> linha 4
[ 1, 0, 1, 1]
[ 0, 1, 1, -1]
[ 0, 0, 1, -2]
[ 0, 0, 0, 6]
ans = 6
2.2.6.
>> p=det(A-x*eye(3))
p =-x^3
>> solve(p)
[0][0][0]
Marco 2008
Reginaldo J. Santos
544
2.2.7.
>> B=A-x*eye(3);
>> p=det(B)
p =(2-x)*(-1-x)*(3-x)
>> solve(p)
[ 2][-1][ 3]
(b) p =(2-x)^2*(1-x) [2][2][1]
(c) p =(1-x)*(2-x)*(-1-x)*(3-x) [ 1][ 2][-1][ 3]
(d) p =(2-x)^2*(1-x)^2 [2][2][1][1]
2.2.8.
>> escalona(Bm1)
[1, 0, 0]
[0, 1, 1]
[0, 0, 0]
W1
>> B2=subs(B,x,2);
a` Algebra
Introducao
Linear
0
= { | R}.
Marco 2008
de Matrizes e Determinantes
Captulo 2. Inversao
545
>> escalona(B2)
[1, 0, 1/4]
[0, 1, 1/4]
[0, 0,
0]
>> B3=subs(B,x,3);
>> escalona(B3)
[1, 0, 0]
[0, 1, 0]
[0, 0, 0]
W2 = { | R}.
4
(b) [1, 3, 0]
0
W3 = { 0 | R}.
[0, 0, 1]
[0, 0, 0]
3
W1 = { | R}.
0
Marco 2008
Reginaldo J. Santos
546
[0, 1, 0]
[0, 0, 0]
[0, 0, 0]
(c) [1, 1, 0, 0]
W2 = { 0 | , R}.
[0, 0, 1, 0]
[0, 0, 0, 1]
[0, 0, 0, 0]
[0,
[0,
[0,
[0,
[1,
[0,
[0,
[0,
1,
0,
0,
0,
0,
1,
0,
0,
0,
1,
0,
0,
0]
0]
1]
0]
0, 29/3]
0, 7/3]
1,
3]
0,
0]
a` Algebra
Introducao
Linear
t
W1 = { 0 0
| R}.
t
W1 = { 0 0 0
| R}.
Marco 2008
de Matrizes e Determinantes
Captulo 2. Inversao
547
t
| R}.
W2 = { 29 7 9 3
[1,
[0,
[0,
[0,
0, -9/4, 0]
1, -3/4, 0]
0,
0, 1]
0,
0, 0]
t
W3 = { 9 3 4 0
| R}.
[0, 1,
[0, 0,
[0, 0,
[0,
[0,
[0,
[0,
1,
0,
0,
0,
3, 0]
0, 1]
0, 0]
0,
1,
0,
0,
0]
0]
1]
0]
t
W1 = { 3 3 0
| R}.
t
W2 = { 0 0 0
| R}.
Marco 2008
Reginaldo J. Santos
548
2,
>> OQ=OP+V
OQ =
5
3, -5]; V=[
3
3,
0, -3];
-8
(5, 3, 8).
As coordenadas da extremidade do segmento orientado sao
3.1.4. >> OP=[1,0,3]; OM=[1,2,-1];
>> MP=OP-OM;
OPlinha =
OPlinha=OM-MP
1
4
-5
0
(1, 4, 5).
As coordenadas de P sao
3.1.5.
sao
colineares, pois AC6= AB .
Os pontos nao
a` Algebra
Introducao
Linear
Marco 2008
549
9x y = 4
12x + 7y = 6 , cuja
6x + y =
2
matriz aumentada e a matriz que tem colunas V, W e U .
xV + yW = U e equivalente ao sistema
(a) A equacao
>> V=[9,-12,-6];W=[-1,7,1];U=[-4,-6,2];
>> escalona([V;W;U])
[
1,
0, -2/3]
[
0,
1,
-2]
[
0,
0,
0]
Assim, U = 2/3V 2W .
(b) >> V=[5,4,-3];W=[2,1,1];U=[-3,-4,1];
>> escalona([V;W;U])
[
1,
0, -5/3]
Marco 2008
Reginaldo J. Santos
550
[
[
0,
1,
8/3]
0,
0, -20/3]
e combinacao
linear de V e W .
Assim, U nao
3
5
V a = 43
43 43
43 43
43
1 1
1
V b = 3 3 3 3 3 3
4
1
V c = 17
17 17
17 0
357
357
357
>> V=[x,3,4];W=[3,1,2];
>> solve(pe(V,W))
-11/3
perpendiculares.
Para x = 11/3, V e W sao
3.1.11. >> V=[x,2,4];W=[x,-2,3];
>> pe(V,W)
x^2+8
x2 + 8 nao
tem solucao
real.
A equacao
a` Algebra
Introducao
Linear
Marco 2008
551
>> Wb=[0,-2,-2];Vc=[3,3,0];Wc=[2,1,-2];
>> cosVaWa=pe(Va,Wa)/(no(Va)*no(Wa)),...
>> cosVbWb=pe(Vb,Wb)/(no(Vb)*no(Wb)),...
>> cosVcWc=pe(Vc,Wc)/(no(Vc)*no(Wc))
cosVaWa= 10
5 2, cosVbWb= 13 3 2, cosVcWc= 12 2. O angulo
entre V a e W a e
Portanto o angulo
reto esta no vertice
B.
Marco 2008
Reginaldo J. Santos
552
3.2. Equacoes
de Retas e Planos (pagina
214)
3.2.1. >> syms x y z
PX =[x-2, y-1, z]
>> M=[PX;1,2,-3;2,-1,4], expr=det(M)
M =[x-2, y-1, z]
[ 1,
2,-3]
[ 2, -1, 4] expr = 5*x-10*y-5*z
do plano e 5x 10y 5z = 0.
A equacao
3.2.3. >> P=[1,0,0]; Q=[1,0,1]; N1=[0,1,-1];
a` Algebra
Introducao
Linear
Marco 2008
553
>> solve(-1=1+2*t)
ans = 2 ans = 3 ans = -1
existe um valor de t tal que P = (2, 4, 1) + t(1, 1, 2).
Logo nao
>> X=[x,y,z];
>> PX=X-P, PQ=Q-P
PX = [x-4, y-1, z+1] PQ = [-2, 3, 2]
>> M=[PX;PQ;V], expr=dete(M)
M =[x-4,y-1,z+1]
[ -2, 3, 2]
[ 1, -1, 2] expr = 8*x-39+6*y-z
do plano e 8x + 6y z 39 = 0.
A equacao
dos planos 1 e 2 e resolvendo o sistema resultante, obtemos
3.2.6. Fazendo z = 0 nas equacoes
>> expr1=x-y+1;expr2=x+y-1;
>> S=solve(expr1,expr2)
Marco 2008
Reginaldo J. Santos
554
V =
-8
-5
-6
Os planos se interceptam segundo uma reta cujo vetor diretor e V = (8, 5, 6).
(b) >>
paralelos.
Os planos sao
(c) >>
-1
-5
a` Algebra
Introducao
Linear
Marco 2008
555
1
0
0
1
2/3
-5/3
1/3
-1/3
>> x=[1,1,1];
>> A=[x1;x2;x3;x].
4
2
-2
2
1
-1
-3
-2
0
>> R=escalona(A)
Marco 2008
1
1
1
Reginaldo J. Santos
556
>>
>>
>>
>>
>>
>>
>>
>>
1
0
-2
0
1
3
0
0
0
x=[4,2,-6];
A=[x1;x2;x3;x].
4
2
-2
2
1
-1
-3
-2
0
R=escalona(A)
1
0
-2
0
1
3
0
0
0
x=[-2,-1,1];
A=[x1;x2;x3;x].
4
2
-2
2
1
-1
-3
-2
0
R=escalona(A)
1
0
-2
0
1
3
0
0
0
x=[-1,2,3];
A=[x1;x2;x3;x].
4
2
-2
2
1
-1
a` Algebra
Introducao
Linear
0
0
1
4
2
-6
-2
6
0
-2
-1
1
-1
1
0
-1
2
Marco 2008
-3
-2
0
>> R=escalona(A)
1
0
-2
0
1
3
0
0
0
557
3
0
0
1
combinacao
linear de X1 , X2 e X3 .
Assim, os vetores das letras (b) e (c) sao
3.3.2.
>> v3=[4,6,12]
>> A=[v1;v2;v3;zeros(1,3)].
1
1
4
0
1
0
6
0
2
0
12
0
>> R=escalona(A)
1
0
6
0
0
1
-2
0
0
0
0
0
x(1, 1, 2) + y(1, 0, 0) + z(4, 6, 12) =
nao
trivial. Isto
Logo, a equacao
0 admite solucao
L.D.
implica que os vetores do item (a) sao
(b) >> v1=[1,-2,3];v2=[-2,4,-6];
>> A=[v1;v2;zeros(1,3)].
1
-2
0
-2
4
0
3
-6
0
>> R=escalona(A)
Marco 2008
Reginaldo J. Santos
558
1
0
0
-2
0
0
0
0
0
x(1, 2, 3) + y(2, 4, 6) =
nao
trivial. Isto implica
Logo, a equacao
0 admite solucao
L.D. Observe que o segundo vetor e 2 vezes o primeiro.
que os vetores da item (b) sao
(c) >> v1=[1,1,1];v2=[2,3,1];
>> v3=[3,1,2];
>> A=[v1;v2;v3;zeros(1,3)].
1
2
3
0
1
3
1
0
1
1
2
0
>> R=escalona(A)
1
0
0
0
0
1
0
0
0
0
1
0
x(1, 1, 1) + y(2, 3, 1) + z(3, 1, 2) =
trivial. Isto
Logo, a equacao
0 so admite a solucao
L.I.
implica que os vetores do item (c) sao
(d) >> v1=[4,2,-1];v2=[6,5,-5];v3=[2,-1,3];
>> A=[v1;v2;v3;zeros(1,3)].
4
6
0
2
5
0
-1
-5
0
>> R=escalona(A)
1
0
2
0
1
-1
a` Algebra
Introducao
Linear
Marco 2008
559
0
nao
trivial. Isto
Logo, o sistema x(4, 2, 1) + y(2, 3, 1) + z(2, 1, 3) =
0 admite solucao
L.D.
implica que os vetores da item (d) sao
>> A=[3,1,0;a^2+2,2,0;0,0,0]
A =
[3, a^2+2, 0]
[1,
2, 0]
[0,
0, 0]
>> escalona(A)
elimina
ca
~o 1:
linha 2 <==> linha 1
[ 1
2
0 ]
[
]
[
2
]
[ 3 a + 2 0 ]
[
]
[ 0
0
0 ]
Continua ? (s/n) s
-(3)*linha 1 + linha 2 ==> linha 2
[ 1
2
0 ]
[
]
[
2
]
[ 0 a - 4 0 ]
[
]
Marco 2008
Reginaldo J. Santos
560
[ 0
0
0 ]
Continua ? (s/n) n
>> solve(a^2-4)
ans = [ 2][-2]
Para = 2 o conjunto de vetores e L.D.
3.3.4.
= 0
x1 + x 2
x1
+ x3 = 0
x2 + x 3 = 0
>> A=[1,1,0;1,0,1;0,1,1]
>> escalona(A)
[ 1, 1, 0]
[ 1, 0, 1]
[ 0, 1, 1]
[ 1, 0, 0]
[ 0, 1, 0]
[ 0, 0, 1]
vetorial inicial tem
somente a solucao
trivial x1 = x2 =
Assim, o sistema e a equacao
L.I.
x3 = 0. Portanto os vetores W1 , W2 e W3 sao
(b) x1 W1 + x2 W2 + x3 W3 = x1 V1 + x2 (V1 + V3 ) + x3 (V1 + V2 + V3 ) = (x1 + x2 +
a` Algebra
Introducao
Linear
Marco 2008
561
por hipotese
x1 + x 2 + x 3 = 0
vetorial inicial tem
somente
x3 = 0 Assim, o sistema e a equacao
x2 + x 3 = 0
trivial x1 = x2 = x3 = 0. Portanto os vetores W1 , W2 e W3 sao
L.I.
a solucao
3.3.5.
>> V=randi(3,1)
V =
0
4
3
>> escalona([V1,V2,V3,V])
ans = 1
0
-1
0
0
1
2
0
0
0
0
1
linear de V1, V2 e V3.
e combinacao
Assim, V nao
(b) >> M=randi(3,5)
M =
-2
-4
1
-5
5
3
-3
-3
3
0
-5
-3
-3
-1
-1
>> escalona([V1,V2,V3,M])
1 0 -1 0 37/13 -101/26 173/26
0 1 2 0 -29/13
37/26 -85/26
0 0 0 1
1/13
-4/13 12/13
Marco 2008
-96/13
51/13
-4/13
Reginaldo J. Santos
562
pertencam ao plano
de M foram geradas aleatoriamente, o mais provavel
e que elas nao
gerado por V1, V2 e V3.
que e valida
(pagina
1
0
1
2
2
1
>> R=escalona(A)
1
0
0
1
0
0
1
3
3
0
1
1
0
0
0
1
1
0
0
0
1
0
0
0
x1
x2
+ x3
+ x3
x4
= 0
= 0
= 0
geral
Este sistema tem como solucao
W = {(, , , 0) | R} .
a` Algebra
Introducao
Linear
Marco 2008
Captulo 4. Subespacos Base e Dimensao
563
(, , , 0) = (1, 1, 1, 0) .
Logo, {V = (1, 1, 1, 0)} gera W.
1
1
2
3
-2
1
>> R=escalona(A)
1
0
0
1
0
0
2
6
2
-1
-2
2
0
0
0
0
2
0
-1
0
0
0
0
0
x1
x2
+
x4 = 0
+ 2x3
= 0
geral
Este sistema tem como solucao
W = {(, 2, , ) | , R} .
Agora, para qualquer elemento de W temos:
(, 2, , ) =
= (, 0, 0, ) + (0, 2, , 0)
= (1, 0, 0, 1) + (0, 2, 1, 0) .
Logo, B = {V1 = (1, 0, 0, 1), V2 = (0, 2, 1, 0)} gera W.
Marco 2008
Reginaldo J. Santos
564
4.1.2.
>> A=[0,0,1;1,0,-3;0,1,3];
>> B=A-x*eye(3)
[-x, 0,
1]
[ 1, -x, -3]
[ 0, 1, 3-x]
>> solve(det(B))
ans = [1][1][1]
>> B1=subs(B,x,1)
-1
0
1
1
-1
-3
0
1
2
>> escalona([B1,zeros(3,1)])
1
0
-1
0
0
1
2
0
0
0
0
0
x1
x2
x3
+ 2x3
= 0
= 0
geral
Este sistema tem como solucao
W = {(, 2, ) | R} .
Agora, para qualquer elemento de W temos:
(, 2, ) = (1, 2, 1) .
a` Algebra
Introducao
Linear
Marco 2008
Captulo 4. Subespacos Base e Dimensao
565
B e base para W.
nulo e sempre L.I., entao
(b) >> A=[2,2,3,4;0,2,3,2;0,0,1,1;0,0,0,1]
>> B=A-x*eye(4)
[2-x,
2,
3,
4]
[ 0, 2-x,
3,
2]
[ 0,
0, 1-x,
1]
[ 0,
0,
0, 1-x]
>> solve(det(B))
ans = [2][2][1][1]
>> B1=subs(B,x,1)
1
2
3
4
0
1
3
2
0
0
0
1
0
0
0
0
>> escalona([B1,zeros(4,1)])
1
0
-3
0
0
1
3
0
0
0
0
1
0
0
0
0
x1
Marco 2008
x2
0
0
0
0
3x3
+ 3x3
x4
= 0
= 0
= 0
Reginaldo J. Santos
566
W = {(3, 3, , 0) | R} .
Agora, para qualquer elemento de W temos:
(3, 3, , 0) = (3, 3, 1, 0) .
Logo, B = {V = (3, 3, 1, 0)} gera W. Como um conjunto formado por um unico
vetor
>> B2=subs(B,x,2)
0
2
3
4
0
0
3
2
0
0
-1
1
0
0
0
-1
>> escalona([B2,zeros(4,1)])
0
1
0
0
0
0
1
0
0
0
0
1
0
0
0
0
0
0
0
0
x2
x3
x4
= 0
= 0
= 0
geral
Este sistema tem como solucao
W = {(, 0, 0, 0) | R} .
a` Algebra
Introducao
Linear
Marco 2008
Captulo 4. Subespacos Base e Dimensao
567
(, 0, 0, 0) = (1, 0, 0, 0) .
Logo, B = {V = (1, 0, 0, 0)} gera W. Como um conjunto formado por um unico
vetor
>> B=A-x*eye(3)
[1-x,
1,
-2]
[ -1, 2-x,
1]
[ 0,
1, -1-x]
>> solve(det(B))
ans = [ 1][ 2][-1]
>> Bm1=subs(B,x,-1)
2
1
-2
-1
3
1
0
1
0
>> escalona([Bm1,zeros(3,1)])
1
0
-1
0
0
1
0
0
0
0
0
0
x1
3x3
x2
= 0
= 0
geral
Este sistema tem como solucao
W = {(, 0, ) | R} .
Marco 2008
Reginaldo J. Santos
568
(, 0, ) = (1, 0, 1) .
B e base para W.
nulo e sempre L.I., entao
>> B1=subs(B,x,1)
0
1
-2
-1
1
1
0
1
-2
>> escalona([B1,zeros(3,1)])
1
0
-3
0
0
1
-2
0
0
0
0
0
x1
3x3
x2 2x3
= 0
= 0
geral
Este sistema tem como solucao
W = {(3, 2, ) | R} .
Agora, para qualquer elemento de W temos:
(3, 2, ) = (3, 2, 1) .
B e base para W.
nulo e sempre L.I., entao
a` Algebra
Introducao
Linear
Marco 2008
Captulo 4. Subespacos Base e Dimensao
569
>> B2=subs(B,x,2)
-1
1
-2
-1
0
1
0
1
-3
>> escalona([B2,zeros(3,1)])
1
0
-1
0
0
1
-3
0
0
0
0
0
x1
x3
x2 3x3
= 0
= 0
geral
Este sistema tem como solucao
W = {(, 3, ) | R} .
Agora, para qualquer elemento de W temos:
(, 3, ) = (1, 3, 1) .
>> B=A-x*eye(4)
B =
[ -1-x,
2,
Marco 2008
2,
0]
Reginaldo J. Santos
570
[
-1, 2-x,
1,
0]
[
-1,
1, 2-x,
0]
[
0,
0,
0, 1-x]
>> solve(det(B))
ans = [ 1][ 1][ 1][ 1]
>> B1=subs(B,x,1);
>> escalona(B1)
[ -2, 2, 2, 0]
[ -1, 1, 1, 0]
[ -1, 1, 1, 0]
[ 0, 0, 0, 0]
elimina
ca
~o 1:
linha 2 <==> linha 1
[ -1, 1, 1, 0]
[ -2, 2, 2, 0]
[ -1, 1, 1, 0]
[ 0, 0, 0, 0]
(-1)*linha 1 ==> linha 1
[ 1, -1, -1, 0]
[ -2, 2, 2, 0]
[ -1, 1, 1, 0]
[ 0, 0, 0, 0]
(2)*linha 1 + linha 2 ==> linha 2
(1)*linha 1 + linha 3 ==> linha 3
[ 1, -1, -1, 0]
a` Algebra
Introducao
Linear
Marco 2008
Captulo 4. Subespacos Base e Dimensao
[
[
[
0,
0,
0,
0,
0,
0,
0,
0,
0,
571
0]
0]
0]
x1 x 2 x 3
= 0
geral
Este sistema tem como solucao
W = {( + , , , ) | , , R} .
Agora, para qualquer elemento de W temos:
(0, 0, 0, 0) = ( + , , , )
= (0, 0, 0, 1) + (1, 0, 1, 0) + (1, 1, 0, 0)
B e base para W.
implica que = = = 0, entao
(e) >> A=[2,3,0;0,1,0;0,0,2]
>> B=A-x*eye(3)
B = [ 2-x,
3,
0]
[
0, 1-x,
0]
[
0,
0, 2-x]
>> solve(det(B))
[ 2] [ 2] [ 1]
Marco 2008
Reginaldo J. Santos
572
>> B1=subs(B,x,1)
B1 = [ 1, 3 ,0]
[ 0, 0, 0]
[ 0, 0, 1]
x1 + 3x2
= 0
x3 = 0
geral
Este sistema tem como solucao
W = {(3, , 0) | R} .
Agora, para qualquer elemento de W temos:
(3, , 0) = (3, 1, 0) .
B e base para W.
nulo e sempre L.I., entao
>> B2=subs(B,x,2)
B2 =[ 0, 3, 0]
[ 0, -1, 0]
[ 0, 0, 0]
geral
Este sistema tem como solucao
3x2
x2
= 0
= 0
W = {(, 0, ) | , R} .
a` Algebra
Introducao
Linear
Marco 2008
Captulo 4. Subespacos Base e Dimensao
573
(, 0, ) = (1, 0, 0) + (0, 0, 1) .
e multiplo
Logo, B = {V1 = (1, 0, 0), V2 = (0, 0, 1)} gera W. Como um vetor nao
escalar
>> B=A-x*eye(3)
B =[ 2-x,
3,
0]
[
0, 2-x,
0]
[
0,
0, 2-x]
>> solve(det(B))
[ 2][ 2][ 2]
>> B2=subs(B,x,2)
B2 =[ 0, 3, 0]
[ 0, 0, 0]
[ 0, 0, 0]
3x2
= 0
geral
Este sistema tem como solucao
W = {(, 0, ) | , R} .
Agora, para qualquer elemento de W temos:
(, 0, ) = (1, 0, 0) + (0, 0, 1) .
Marco 2008
Reginaldo J. Santos
574
>> escalona([N1,0;N2,0])
[ 1, -7, 5, 0]
[ 3, -1, 1, 0]
elimina
ca
~o 1:
(-3)*linha 1 + linha 2 ==> linha 2
[
1, -7,
5,
0]
[
0, 20, -14,
0]
Continua ? (s/n) s
elimina
ca
~o 2:
(1/20)*linha 2 ==> linha 2
[
1,
-7,
5,
0]
[
0,
1, -7/10,
0]
Continua ? (s/n) s
(7)*linha 2 + linha 1 ==> linha 1
[
1,
0, 1/10,
0]
[
0,
1, -7/10,
0]
dos dois subespacos
Fazendo z = 10t obtemos que y = 7t e x = t. Assim a reta intersecao
e (x, y, z) = t(1, 7, 10), para todo t R. Assim, {V = (1, 7, 10)} e uma base para a reta.
4.1.4.
>> escalona([v1;v2;v3;zeros(1,3)])
[ 4, 2, -2, 0]
a` Algebra
Introducao
Linear
Marco 2008
Captulo 4. Subespacos Base e Dimensao
575
[ 2, 1, -1, 0]
[ -3, -2, 0, 0]
elimina
ca
~o 1:
(1/4)*linha 1 ==> linha 1
[
1, 1/2, -1/2,
0]
[
2,
1,
-1,
0]
[
-3,
-2,
0,
0]
(-2)*linha 1 + linha 2 ==> linha 2
(3)*linha 1 + linha 3 ==> linha 3
[
1, 1/2, -1/2,
0]
[
0,
0,
0,
0]
[
0, -1/2, -3/2,
0]
elimina
ca
~o 2:
linha 3 <==> linha 2
[
1, 1/2, -1/2,
0]
[
0, -1/2, -3/2,
0]
[
0,
0,
0,
0]
(-2)*linha 2 ==> linha 2
[
1, 1/2, -1/2,
0]
[
0,
1,
3,
0]
[
0,
0,
0,
0]
(-1/2)*linha 2 + linha 1 ==> linha 1
[ 1, 0, -2, 0]
[ 0, 1, 3, 0]
[ 0, 0, 0, 0]
Marco 2008
Reginaldo J. Santos
576
Os vetores V1 , V2 e V3 sao
0 admite solucao
trivial.
L.I. pois um vetor nao
e multiplo
(b) Os vetores V1 e V2 sao
escalar do outro.
4.1.5.
>> escalona([V1;V2])
[ 2, 1, 3]
[ 2, 6, 4]
elimina
ca
~o 1:
(1/2)*linha 1 ==> linha 1
[
1, 1/2, 3/2]
[
2,
6,
4]
(-2)*linha 1 + linha 2 ==> linha 2
[
1, 1/2, 3/2]
[
0,
5,
1]
elimina
ca
~o 2:
(1/5)*linha 2 ==> linha 2
a` Algebra
Introducao
Linear
Marco 2008
Captulo 4. Subespacos Base e Dimensao
577
[
1, 1/2, 3/2]
[
0,
1, 1/5]
(-1/2)*linha 2 + linha 1 ==> linha 1
[
1,
0, 7/5]
[
0,
1, 1/5]
4.9 (c) o subespaco gerado pelos vetores V1 e V2 e igual ao subespaco
Pela Proposicao
gerado por W1 = (1, 0, 7/5) e W2 = (0, 1, 1/5) (as linhas da forma escalonada reduzida,
R). Inserindo, por exemplo, a linha V3 = (0, 0, 1) na matriz R ela continua escalonada
V3 nao
pertence ao subespaco gerado por V1 , V2 .
reduzida. Entao
x1 V1 + x2 V2 + x3 V3 = 0
entao
x3 V3 = x1 V1 x2 V2
L.I. Como a
o que implica que x3 = 0 e x1 = 0 e x2 = 0. Ou seja, V1 , V2 e V3 sao
pelo Teorema 4.2 na pagina
do R3 e igual a 3, entao
dimensao
258 V3 = (0, 0, 1), e tal
que V1 , V2 e V3 formam uma base de R3 .
do plano obtemos que
4.1.6. Fazendo z = e y = na equacao
x = 2 4.
da forma
Assim, os pontos do plano x + 2y + 4z = 0 sao
(x, y, z) = (2 4, , ), , R,
da forma
ou seja, sao
Reginaldo J. Santos
578
combinacao
pertenca ao plano, ou seja, um vetor (a, b, c) tal que a+2b+4z 6= 0. Por exemplo V3 = (1, 0, 0).
sao
combinacoes
V = x 1 V + x2 V 2 = x 3 V 3 + x 4 V 4
ou seja,
x1 V1 + x2 V2 x3 V3 x4 V4 = 0
>> V1=[-1,2,3];V2=[1,3,4];V3=[1,2,-1];V4=[0,1,1];
>> escalona([V1,V2,-V3,-V4,zeros(3,1)])
[ -1, 1, -1, 0, 0]
[ 2, 3, -2, -1, 0]
[ 3, 4, 1, -1, 0]
elimina
ca
~o 1:
(-1)*linha 1 ==> linha 1
[ 1, -1, 1, 0, 0]
[ 2, 3, -2, -1, 0]
[ 3, 4, 1, -1, 0]
a` Algebra
Introducao
Linear
Marco 2008
Captulo 4. Subespacos Base e Dimensao
579
Reginaldo J. Santos
580
4.1.8.
(a)
{V1 , V2 , V3 }
Logo, definindo V1 = (3, 2, 2), V2 = (4, 4, 4) e V3 = (4, 6, 2), entao
gera V.
(b) >> V1=[3,2,-2];V2=[4,-4,-4];V3=[-4,-6,2];
>> escalona([V1;V2;V3])
[ 3, 4, -4]
[ 2, -4, -6]
[ -2, -4, 2]
elimina
ca
~o 1:
(1/3)*linha 1 ==> linha 1
[
1, 4/3, -4/3]
[
2,
-4,
-6]
[
-2,
-4,
2]
(-2)*linha 1 + linha 2 ==> linha 2
(2)*linha 1 + linha 3 ==> linha 3
[
1,
4/3, -4/3]
[
0, -20/3, -10/3]
a` Algebra
Introducao
Linear
Marco 2008
Captulo 4. Subespacos Base e Dimensao
581
[
0, -4/3, -2/3]
elimina
ca
~o 2:
(-3/20)*linha 2 ==> linha 2
[
1, 4/3, -4/3]
[
0,
1, 1/2]
[
0, -4/3, -2/3]
(-4/3)*linha 2 + linha 1 ==> linha 1
(4/3)*linha 2 + linha 3 ==> linha 3
[
1,
0, -2]
[
0,
1, 1/2]
[
0,
0,
0]
Como a terceira coluna da matriz escalonada reduzida equivalente a A = [V1 V2 V3 ] e
4.9 (b) a
igual a soma de 2 vezes a primeira com 1/2 vezes a segunda, pela Proposicao
vale para as colunas correspondentes da matriz A, ou seja, V3 = 2V2 +
mesma relacao
1
de V, pois ele e combinacao
linear
V . Assim o vetor V3 pode ser descartado na geracao
2 1
suficientes para gerar V. Como alem
disso,
dos outros dois. Logo, apenas V1 e V2 sao
tais que um nao
e multiplo
eles sao
L.I. e
os vetores V1 e V2 sao
escalar do outro, entao
4.1.9.
pois sao
necessarios
(a) Nao
4 vetores L.I. para se obter uma base de R4 (Teorema 4.2 na
pagina
258).
pertencerem ao subespaco gerado por V1 e V2 .
(b) V3 e V4 devem ser L.I. e nao
Marco 2008
Reginaldo J. Santos
582
A=
obtemos
R=
3
5
2 1
1 2 1 2
1 0 1 12
0 1 1 7
1
0
=
R
0
0
0
1
0
0
1 12
1 7
1
0
0
1
V1 = (3, 5, 2, 1),
V2 = (1, 2, 1, 2),
V3 = (0, 0, 1, 0) e V4 = (0, 0, 0, 1)
L.I.
sao
x1 V1 + x2 V2 + x3 V3 + x4 V4 = 0
implica que
x1 V1 + x2 V2 = x3 V3 x4 V4
a` Algebra
Introducao
Linear
Marco 2008
Captulo 4. Subespacos Base e Dimensao
583
x1 V1 + x2 V2 = 0 e
x3 V3 x4 V4 = 0
x1 = x2 = x3 = x4 = 0. Logo
como {V1 , V2 } e L.I. assim como {V3 , V4 } entao
A = -1
-2
1
0
2
-2
0
0
-1
0
0
0
>> B=A-x*eye(4)
B =
[ -1-x,
-2,
1,
[
0, 2-x,
-2,
[
0,
0, -1-x,
[
0,
0,
0,
>> solve(det(B))
[ -1][ -1][ 2][ 0]
>> Bm1=subs(B,x,-1)
Bm1 =
[ 0, -2, 1, 1]
[ 0, 3, -2, -2]
Marco 2008
1
-2
2
0
1]
-2]
2]
-x]
Reginaldo J. Santos
584
[ 0, 0, 0, 2]
[ 0, 0, 0, 1]
>> escalona(Bm1)
[ 0, 1, 0, 0]
[ 0, 0, 1, 0]
[ 0, 0, 0, 1]
[ 0, 0, 0, 0]
x2
x3
x4
= 0
= 0
= 0
geral
Este sistema tem como solucao
W = {(, 0, 0, 0) | R} .
Agora, para qualquer elemento de W temos:
(, 0, 0, 0) = (1, 0, 0, 0) .
nulo
Logo, B = {V = (1, 0, 0, 0)} gera W. Como um conjunto formado por um unico
vetor nao
B e base para W.
e sempre L.I., entao
>> B2=subs(B,x,2)
B2 =
[ -3, -2, 1, 1]
[ 0, 0, -2, -2]
a` Algebra
Introducao
Linear
Marco 2008
Captulo 4. Subespacos Base e Dimensao
[ 0, 0, -3, 2]
[ 0, 0, 0, -2]
>> escalona(B2)
[
1, 2/3,
0,
[
0,
0,
1,
[
0,
0,
0,
[
0,
0,
0,
585
0]
0]
1]
0]
x1 + 2/3x2
x3
x4
= 0
= 0
= 0
geral
Este sistema tem como solucao
W = {(2, 3, 0, 0) | R} .
Agora, para qualquer elemento de W temos:
(2, 3, 0, 0) = (2, 3, 0, 0) .
>> B0=subs(B,x,0)
B0 =
[ -1, -2, 1, 1]
Marco 2008
Reginaldo J. Santos
586
[
[
[
>>
[
[
[
[
0, 2, -2, -2]
0, 0, -1, 2]
0, 0, 0, 0]
escalona(B0)
1, 0, 0, 3]
0, 1, 0, -3]
0, 0, 1, -2]
0, 0, 0, 0]
x1
x2
x3
3x4 = 0
3x4 = 0
2x4 = 0
geral
Este sistema tem como solucao
W = {(3, 3, 2, ) | R} .
Agora, para qualquer elemento de W temos:
(3, 3, 2, ) =
(3, 3, 2, 1) .
B e base para W.
nulo e sempre L.I., entao
a` Algebra
Introducao
Linear
Marco 2008
Captulo 4. Subespacos Base e Dimensao
4.2.1.
587
>> escalona(A)
[
1,
0,
1, -2/7]
[
0,
1,
1, 4/7]
[
0,
0,
0,
0]
V1 = (1, 0, 1, 2/7), V2 = (0, 1, 1, 4/7) formam uma base para o espaco linha e W1 =
(1, 2, 1), W2 = (4, 1, 3) formam uma base para o espaco coluna de A.
>>
[
[
[
V1
escalona(A)
1, -4, 0, 0]
0, 0, 1, 0]
0, 0, 0, 1]
= (1, 4, 0, 0), V2 = (0, 0, 1, 0), V3 = (0, 0, 0, 1) formam uma base para o espaco
linha de A e W1 = (1, 1, 0), W2 = (5, 4, 2), W3 = (4, 5, 0) formam uma base para
o espaco coluna de A.
4.2.2.
>>
[
[
[
escalona(A)
1, 0, 2]
0, 1, 0]
0, 0, 12]
e 3, ou seja, o subespaco e o R3 .
A dimensao
(b) >> A=[1,-3,4;6,2,-1;2,-2,3;-4,-8,9].
>> escalona(A)
Marco 2008
Reginaldo J. Santos
588
[
[
[
0, 4/5,
1, 1/5,
0,
0,
e 2.
A dimensao
4.2.3.
1,
0,
0,
2]
-1]
0]
>> U=escalona(A)
U=[ 1, 2, 0, 5, -3, 0]
[ 0, 0, 1, -1, 2, 0]
[ 0, 0, 0, 0, 0, 1]
` variaveis
As colunas U2 , U4 e U5 correspondem as
livres. U2 = 2U1 , U4 = 5U1 U3 , U5 =
3U1 + 2U3 .
L.I.
(a) O posto e 2, pois as duas linhas sao
L.D.
(b) O posto e 1, pois as duas linhas sao
(c) O posto e 2, pois o determinante da matriz e igual a zero e existem pelo menos duas linhas
L.I.
colunas da
(d) O posto e 3, pois o determinante da submatriz formada pelas primeiras tres
matriz e diferente de zero.
4.2.5.
>> escalona(A)
[
1,
1,
a` Algebra
Introducao
Linear
t]
Marco 2008
Captulo 4. Subespacos Base e Dimensao
589
[
0,
t-1,
1-t]
[
0,
1-t, 1-t^2]
Continua? s
[
1,
0,
t+1]
[
0,
1,
-1]
[
0,
0, -t^2-t+2]
o posto de A e igual a 1. Se t 6= 1, entao
o posto de A e igual a 2 ou 3.
Se t = 1, entao
2
disso, t t + 2 = (t + 2)(t 1) = 0, entao
o posto de A e igual a 2, ou
Se alem
>> escalona(A);
[
1,
0,
-2*t-2]
[
0,
1,
2/3+t]
[
0,
0, -3+2*t^2-t]
Marco 2008
Reginaldo J. Santos
590
unica.
(b) Em nenhuma hipotese
o sistema AX = B tem solucao
Se posto(A) =
posto([A|B]) = 1, 2, entao
Se posto(A) = 1
o sistema AX = B nao
tem solucao.
e posto([A|B]) = 2, 3, entao
o sistema AX = B tem solucao
unica.
(c) Se posto(A) = posto([A|B]) = 3, entao
Se
sistema AX = B nao
o sistema AX = B tem solucao
unica.
(d) Se posto(A) = posto([A|B]) = n, entao
Se
tema AX = B nao
a` Algebra
Introducao
Linear
Marco 2008
Captulo 4. Subespacos Base e Dimensao
que e equivalente ao sistema
591
a = 1 e b = 2.
que tem solucao
= 1
b = 2
a + 3b = 7
4.3.4. Vamos verificar que existem escalares a e b tais que 3 = a(5 tan2 t) + 2b sec2 t = 5a(sec2 t
1) + 2b sec2 t = 5a + (5a + 2b) sec2 t. Basta tomarmos escalares a e b tais que 3 = 5a e
5a + 2b = 0, ou seja, basta que a = 3/5 e b = 3/2.
4.3.5. >> x1=[4,2,-3];x2=[2,1,-2];x3=[-2,-1,0];
>> x=[1,1,1];
>> A=[x1;x2;x3;x].
4
2
-2
2
1
-1
-3
-2
0
>> R=escalona(A)
1
0
-2
0
1
3
0
0
0
>> x=[4,2,-6];
>> A=[x1;x2;x3;x].
4
2
-2
2
1
-1
-3
-2
0
>> R=escalona(A)
Marco 2008
1
1
1
0
0
1
4
2
-6
Reginaldo J. Santos
592
>>
>>
>>
>>
>>
>>
1
0
-2
0
1
3
0
0
0
x=[-2,-1,1];
A=[x1;x2;x3;x].
4
2
-2
2
1
-1
-3
-2
0
R=escalona(A)
1
0
-2
0
1
3
0
0
0
x=[-1,2,3];
A=[x1;x2;x3;x].
4
2
-2
2
1
-1
-3
-2
0
R=escalona(A)
1
0
-2
0
1
3
0
0
0
-2
6
0
-2
-1
1
-1
1
0
-1
2
3
0
0
1
combinacao
linear de X1 , X2 e X3 .
Assim, os vetores das letras (b) e (c) sao
4.3.6.
e espaco vetorial pois 1(1, 1) = (1, 0) 6= (1, 1), ou seja, o axioma (8) nao
e satisfeito.
(a) Nao
e espaco vetorial pois (1, 1) + (2, 2) = (5, 5) 6= (2, 2) + (1, 1) = (4, 4), ou seja, o
(b) Nao
a` Algebra
Introducao
Linear
Marco 2008
Captulo 4. Subespacos Base e Dimensao
593
e satisfeito.
axioma (1) nao
e espaco vetorial pois (0, 1) + ((0, 2) + 0, 3)) = (0, 1) + (5, 0) = (1, 5) 6= ((0, 1) +
(c) Nao
vi. (x + y) = (xy) = x y = x + y ;
vii. ( + )x = x(+) = x x = x + x;
viii. 1x = x1 = x.
4.3.7.
(2) [f + (g + h)](x) = f (x) + (g + h)(x) = f (x) + (g(x) + h(x)) = (f (x) + g(x)) + h(x) =
(f + g)(x) + h(x) = [(f + g) + h](x), para todo x X;
identicamente nula. (f +
0)(x) = f (x) + 0(x) = f (x), para todo x X;
(3) Seja
0 a funcao
f definimos a funcao
f por (f )(x) = f (x), para todo x X. [f +
(4) Dada a funcao
(f )](x) = f (x) + (f (x) = 0 = 0(x), para todo x X;
(5) [(f )](x) = (f )(x) = (f (x)) = ()f (x) = [()f ](x), para todo x X;
Marco 2008
Reginaldo J. Santos
594
>> x=[1,1,-2];y=[a,-1,2];
>> solve(pe(x,y))
ans = 5
5.1.2. >> syms a b
>> x=[1/2^(1/2),0,1/2^(1/2)];y=[a,1/2^(1/2),-b];
>> sol=solve(pe(x,y),no(y)-1)
sol =
a: [2x1 sym]
b: [2x1 sym]
>> sol.a, sol.b
ans = [ 1/2] [ -1/2] ans = [ 1/2] [ -1/2]
5.1.3. >> v1=[1,1,-1,0];v2=[0,2,0,1];v3=[-1,0,0,1];
>>
w2
>>
w3
>>
w1=v1; w2=v2-proj(w1,v2)
= [-2/3, 4/3, 2/3, 1]
w3=v3-proj(w1,v3)-proj(w2,v3)
= [-4/11, -3/11, -7/11, 6/11]
u1=w1/no(w1),u2=w2/no(w2),u3=w3/no(w3)
a` Algebra
Introducao
Linear
Marco 2008
Captulo 5. Ortogonalidade
595
u1 = 13 3 31 3 31 3 0
2
4
2
1
u2 = 33
11 3 33
11 3 33
11 3 11
11 3
2
3
7
3
u3 = 55 110 110
110 110
110 55
110
>>
w2
>>
w3
>>
w1=v1; w2=v2-proj(w1,v2)
= [-2/3, 1/3, 1/3]
w3=v3-proj(w1,v3)-proj(w2,v3)
= [0, -1/2, 1/2]
u1=w1/no(w1),u2=w2/no(w2),u3=w3/no(w3)
u1 = 31 3 31 3 31 3
u2 = 31 2 3 61 2 3 61 2 3
u3 = 0 21 2 21 2
( , , ) = (, 0, ) + (, , 0)
= (1, 0, 1) + (1, 1, 0)
>> v1=[-1,0,1];v2=[-1,1,0];
>> w1=v1; w2=v2-proj(w1,v2);
>> u1=w1/no(w1), u2=w2/no(w2)
Marco 2008
Reginaldo J. Santos
596
u1 = 12 2 0 21 2
u2 = 61 3 2 31 3 2 61 3 2
( + 2 + , , , ) =
(, 0, 0, ) + (2, 0, , 0) + (, , 0, 0) =
(1, 0, 0, 1) + (2, 0, 1, 0) + (1, 1, 0, 0)
>>
>>
>>
>>
v1=[-1,0,0,1];v2=[2,0,1,0];v3=[1,1,0,0];
w1=v1; w2=v2-proj(w1,v2);
w3=v3-proj(w1,v3)-proj(w2,v3);
u1=w1/no(w1), u2=w2/no(w2), u3=w3/no(w3)
u1 = 21 2 0 0 21 2
u2 = 31 3 0 31 3 31 3
1
1
1
u3 = 42
42 71 42 21
42 42
42
>> escalona(A)
1
0
3
0
1
-4
a` Algebra
Introducao
Linear
0
0
Marco 2008
Captulo 5. Ortogonalidade
597
x1
x2
+ 3x3
4x3
= 0
= 0
geral
Este sistema tem como solucao
W = {(3, 4, ) | R} .
Agora, para qualquer elemento de W temos:
(3, 4, ) = (3, 4, 1) .
nulo
Logo, S = {V = (3, 4, 1)} gera W. Como um conjunto formado por um unico
vetor nao
S e base para W.
e sempre L.I., entao
>> v=[-3,4,1];
>> u=v/no(v)
u=
3
26
26
2
13
26
1
26
26
Reginaldo J. Santos
598
M =[
[
[
x,
1,
0,
y, z]
2, -3]
1, 2] expr = 7*x-2*y+z
Como o produto vetorial de V1 e V2 (os dois vetores diretores das retas) e igual ao vetor nulo,
as retas sao
paralelas. Neste caso, os vetores V1 e P1 P2 sao
nao
colineares e paralelos
entao
do plano, que passa pela origem,
ao plano procurado. Assim, 7x 2y + z = 0 e a equacao
logo e um subespaco. Este subespaco consiste dos vetores da forma:
(, , 7 + 2) = (, 0, 7) + (0, , 2)
= (1, 0, 7) + (0, 1, 2)
>>
>>
W2
>>
V1=[1,0,-7];V2=[0,1,2];
W1=V1; W2=V2-proj(W1,V2)
=[ 7/25,
1, 1/25]
U1=W1/no(W1), U2=W2/no(W2)
U1 =
U2 =
7
2
1/10 2 0 10
7
3
5/9
3
1/45
3
45
>> U3=pv(U1,U2)
U3 =
a` Algebra
Introducao
Linear
7
18
2 3 1/9 2 3 1/18 2 3
Marco 2008
Captulo 5. Ortogonalidade
599
>>
w2
>>
w3
>>
w1=v1; w2=v2-proj(w1,v2)
= [-2/3, 4/3, 2/3, 1]
w3=v3-proj(w1,v3)-proj(w2,v3)
= [-4/11, -3/11, -7/11, 6/11]
u1=w1/no(w1),u2=w2/no(w2),u3=w3/no(w3)
u1 = 13 3 31 3 31 3 0
2
4
2
1
u2 = 33
11 3 33
11 3 33
11 3 11
11 3
2
3
7
3
u3 = 55 110 110
110 110
110 55
110
>>
w2
>>
w3
>>
w1=v1; w2=v2-proj(w1,v2)
= [-2/3, 1/3, 1/3]
w3=v3-proj(w1,v3)-proj(w2,v3)
= [0, -1/2, 1/2]
u1=w1/no(w1),u2=w2/no(w2),u3=w3/no(w3)
u1 = 31 3 31 3 31 3
u2 = 31 2 3 61 2 3 61 2 3
u3 = 0 21 2 21 2
Marco 2008
Reginaldo J. Santos
600
( , , ) = (, 0, ) + (, , 0)
= (1, 0, 1) + (1, 1, 0)
>> v1=[-1,0,1];v2=[-1,1,0];
>> w1=v1; w2=v2-proj(w1,v2);
>> u1=w1/no(w1), u2=w2/no(w2)
u1 = 12 2 0 21 2
u2 = 61 3 2 31 3 2 61 3 2
( + 2 + , , , ) =
(, 0, 0, ) + (2, 0, , 0) + (, , 0, 0) =
(1, 0, 0, 1) + (2, 0, 1, 0) + (1, 1, 0, 0)
>>
>>
>>
>>
v1=[-1,0,0,1];v2=[2,0,1,0];v3=[1,1,0,0];
w1=v1; w2=v2-proj(w1,v2);
w3=v3-proj(w1,v3)-proj(w2,v3);
u1=w1/no(w1), u2=w2/no(w2), u3=w3/no(w3)
a` Algebra
Introducao
Linear
Marco 2008
Captulo 5. Ortogonalidade
601
u1 = 21 2 0 0 21 2
u2 = 31 3 0 31 3 31 3
1
1
1
u3 = 42
42 71 42 21
42 42
42
>> escalona(A)
1
0
3
0
1
-4
0
0
x1
x2
+ 3x3
4x3
= 0
= 0
geral
Este sistema tem como solucao
W = {(3, 4, ) | R} .
Agora, para qualquer elemento de W temos:
(3, 4, ) = (3, 4, 1) .
nulo
Logo, S = {V = (3, 4, 1)} gera W. Como um conjunto formado por um unico
vetor nao
S e base para W.
e sempre L.I., entao
>> v=[-3,4,1];
>> u=v/no(v)
Marco 2008
Reginaldo J. Santos
602
u=
3
26
26
2
13
26
1
26
26
as retas sao
paralelas. Neste caso, os vetores V1 e P1 P2 sao
nao
colineares e paralelos
entao
do plano, que passa pela origem,
ao plano procurado. Assim, 7x 2y + z = 0 e a equacao
logo e um subespaco. Este subespaco consiste dos vetores da forma:
(, , 7 + 2) = (, 0, 7) + (0, , 2)
= (1, 0, 7) + (0, 1, 2)
>>
>>
W2
>>
V1=[1,0,-7];V2=[0,1,2];
W1=V1; W2=V2-proj(W1,V2)
=[ 7/25,
1, 1/25]
U1=W1/no(W1), U2=W2/no(W2)
a` Algebra
Introducao
Linear
Marco 2008
Captulo 5. Ortogonalidade
603
U1 =
U2 =
7
2
1/10 2 0 10
7
3 5/9 3 1/45 3
45
>> U3=pv(U1,U2)
U3 =
5.2.7. >> syms x y z d
7
18
2 3 1/9 2 3 1/18 2 3
>> expr1=2*x+2*y+2*z+d;
>> P1=[0,0,-d/2]; N=[2,2,2]; P=[1,1,1];
>> expr2=abs(pe(P-P1,N))/no(N)
expr2 = 1/6 |6 + d|
>> solve(expr2-sqrt(3),d)
ans = [
0][ -12]
do exerccio.
Os planos 2x + 2y + 2z = 0 e 2x + 2y + 2z 12 = 0 satisfazem as condicoes
Apenas o primeiro plano e um subespaco. Este subespaco consiste dos vetores da forma:
(, , ) = (, 0, ) + (0, , )
= (1, 0, 1) + (0, 1, 1)
Marco 2008
Reginaldo J. Santos
604
>>
>>
W2
>>
V1=[1,0,-1];V2=[0,1,-1];
W1=V1; W2=V2-proj(W1,V2)
= [ -1/2,
1, -1/2]
U1=W1/no(W1), U2=W2/no(W2)
U1 = 1/2 2 0 1/2 2
U2 = 1/6 3 2 1/3 3 2 1/6 3 2 .
>> v2=sym([1/sqrt(2),1/sqrt(2)]);
>> p=[1,3];
>> A=[v1;v2;p].
>> escalona(A)
[1,
0, -2^(1/2)]
[0,
1, 2*2^(1/2)]
ao sistema S sao:
>> v2=sym([0,0,1]);
a` Algebra
Introducao
Linear
Marco 2008
Captulo 5. Ortogonalidade
605
>> v3=sym([1/sqrt(2),1/sqrt(2),0]);
>> p=[2,-1,2]; A=[v1;v2;v3;p].;
>> escalona(A)
[ 1,
0,
0, 3/2*2^(1/2)]
[ 0,
1,
0,
2]
[ 0,
0,
1, 1/2*2^(1/2)]
ao sistema S sao:
3 2/2
2
2/2
5.3.2.
>> v2=sym([1/sqrt(2),1/sqrt(2)]);
>> v=2*v1+v2
2/2 3 2/2
>> v2=sym([1,0,0]);
>> v3=sym([0,1/sqrt(2),1/sqrt(2)]);
>> v=-v1+v2+2*v3
v =
3
1
3
1
2/2 3 2/2
{O, U1 , U2 , U3 }
Reginaldo J. Santos
606
sao
dadas
1
0
0
1/2
0
3/2
0
e U3 =
0
0
1
por 0 , 1
0
0
1
0
3/2
0 =
0
1/2
0
0
0
0
1/2 3/2
1
3/2
1/2
0
e 0 , respectivamente.
Assim, U1
=
1
1
0
0
0
1
0
0 , U2 = 0 1/2 3/2 1 = 1/2
0
0
3/2
0
3/2
1/2
0
= 3/2
1/2
>> A=[cos(th),-sin(th);sin(th),cos(th)];
>> expr=A*pr-p
expr = [ cos(th)*3^(1/2)+sin(th)-3^(1/2)]
[
sin(th)*3^(1/2)-cos(th)-1]
>> solve(expr(1,1),expr(2,1),th)
ans = 1/3*pi
e de /3.
A rotacao
a` Algebra
Introducao
Linear
Marco 2008
Captulo 6. Transformacoes
Lineares
607
6.1. Definicao,
384)
6.1.1.
>> escalona([A,[3;-2]])
[ 1, 0, 3]
[ 0, 1, -5]
(3, 2) = 3V1 5V2 . Assim, T (3, 2) = 3T (V1 ) 5T (V2 ) = 3(2, 3) 5(1, 2) =
(1, 19).
>> escalona([A,[a;b]])
[
1,
0,
a]
[
0,
1, b-a]
(a, b) = aV1 + (b a)V2 . Assim, T (a, b) = aT (V1 ) + (b a)T (V2 ) = a(2, 3) + (b
a)(1, 2) = (a + b, 5a + 2b).
6.1.2. >> V1=[1;1];V2=[0;-2]; A=[V1,V2];
>> escalona([A,[1;0],[0;1]])
[
1,
0,
1,
0]
[
0,
1, 1/2, -1/2]
(1, 0) = V1 + 1/2V2 e (0, 1) = 1/2V2 . Assim, T (1, 0) = T (V1 ) + 1/2T (V2 ) = (3, 2, 1) +
1/2(0, 1, 0) = (3, 5/2, 1) e T (0, 1) = 1/2T (V2 ) = 1/2(0, 1, 0) = (0, 1/2, 0).
6.1.3. Pxy (x, y, z) = (x, y, 0), Pyz (x, y, z) = (0, y, z) e Pxz (x, y, z) = (x, 0, z).
6.1.4.
Marco 2008
1
(13x
14
608
6.1.5. R/3,x (E1 ) = E1 , R/3,x (E2 ) = 1/2E2 + 3/2E3 , R/3,x (E3 ) = 3/2E2 +1/2E3 . Portanto,
1
0
0
x
x
x
3/2
x
1/2 0
0 y .
R/3,y y = 0 1
z
z
1/2
3/2 0
y .
R/3,z y = 3/2
1/2 0
z
z
0
0 1
6.1.6.
(a) Pr (x, y, z)
=
proj(1,1,1) (x, y, z)
x+y+z x+y+z x+y+z
( 3 , 3 , 3 ).
h(x,y,z),(1,1,1)i
||(1,1,1)||2
x+y+z
(1, 1, 1)
3
, x+y+z
, x+y+z
) (x, y, z) =
(b) Rr (x, y, z) = 2proj(1,1,0) (x, y, z) (x, y, z) = 2( x+y+z
3
3
3
( x+2y+2z
, 2xy+2z
, 2x+2yz
).
3
3
3
a` Algebra
Introducao
Linear
Q+P
2
Captulo 6. Transformacoes
Lineares
609
canonica
e [Rr ]B
B =
3/5
4/5
.
4/5 3/5
(pagina
402)
e a projecao
no plano xy . Se a imagem da reta r e um ponto, entao
a
6.2.1. Esta transformacao
da forma
parametricas
da reta r sao
reta e perpendicular ao plano xy . Assim, as equacoes
x = x0 , y = y0 , z = z0 + ct, t R, em que (x0 , y0 , z0 ) = P .
6.2.2.
(a) Seja
B = {E
1 , E2 , E3 } a base canonica.
0
0
1
1 1
0 X.
0
0 1
A=[0,0,1;1,-1,0;0,0,-1];
>> escalona(A)
[ 1, -1, 0]
Marco 2008
Reginaldo J. Santos
610
[
[
0,
0,
0,
0,
1]
0]
nucleo
de T .
(b) A imagem de T e gerada por T (E1 ), T (E2 ) e T (E3 ), ou seja, pelas colunas da matriz
(primeira e terceira) sao
L.I. Assim, (0, 1, 0) e
[T ]B
B . As colunas associadas aos pivos
(1, 0, 1) formam uma base para a imagem de T .
(c) O nucleo
de T e uma reta que passa pela origem e tem vetor diretor (1, 1, 0) e a imagem
de T e o plano que passa pela origem que e paralelo aos vetores (0, 1, 0) e (1, 0, 1).
6.2.3.
6.2.4.
de T .
(a) N(T ) = {(x, y, x) | x, y R}. {(1, 0, 1), (0, 1, 0)} e uma base para o nucleo
a` Algebra
Introducao
Linear
Marco 2008
Captulo 6. Transformacoes
Lineares
611
6.3. Composicao
Lineares (pagina
420)
2
[T (E1 )T (E2 )] =
8 13
.
5 9
6.3.2.
2
1
1 3
eP
[I]B
C
1 1
, A = [T ]B
B =
1 2
2 1
B
1
[T ]CC = [I]CB [T ]B
. Entao,
AP =
B [I]C = P
1
1
1 1
0
0 2 2 .
(a) P = [I]B
C =
0 0
1
1
B
AP . Multiplicando-se a` esquerda por P , P B = AP .
(b) B = [T ]CC = [I]CB [T ]B
B [I]C = P
Seja B = [X1 X2 X3 ]. Para encontrar B basta resolvermos os sistemas lineares P X1 =
AP, P X2 = AP, P X3 = AP que podem ser resolvidos simultaneamente escalonando a
matriz aumentada [P |AP ].
>> A=[3,-1,-2;0,0,-2;0,0,-1];
>> P=[1,1,0;0,2,-2;0,0,1];
>> escalona([P,A*P])
[ 1, 1, 0, 3, 1, 0]
[ 0, 2, -2, 0, 0, -2]
[ 0, 0, 1, 0, 0, -1]
elimina
ca
~o 2:
Marco 2008
Reginaldo J. Santos
612
3 1
2
Assim, B = [X1 X2 X3 ] = 0 0 2 .
0 0 1
6.3.3.
1 0 0
Assim, [Pr ]CC = 0 0 0 .
0 0 0
a` Algebra
Introducao
Linear
Marco 2008
Captulo 6. Transformacoes
Lineares
613
3/3
6/3
0
3/3 6/6
Seja P = [I]B
C =
2/2 .
3/3 6/3 2/2
Pr (E1 ) = proj(1,1,1) E1 =
Pr (E2 ) = proj(1,1,1) E2 =
Pr (E3 ) = proj(1,1,1) E3 =
Assim,
hE1 ,(1,1,1)i
(1, 1, 1)
||(1,1,1)||2
hE2 ,(1,1,1)i
(1, 1, 1)
||(1,1,1)||2
hE3 ,(1,1,1)i
(1, 1, 1)
||(1,1,1)||2
1
0
0
0 .
Assim, [Rr ]CC = 0 1
0
0 1
1 ,(1,1,1)i
Rr (E1 ) = 2proj(1,1,1) E1 E1 = 2 hE
(1, 1, 1) (1, 0, 0) = (1/3, 2/3, 2/3) =
||(1,1,1)||2
1/3E1 + 2/3E2 + 2/3E3
2 ,(1,1,1)i
(1, 1, 1) (0, 1, 0) = (2/3, 1/3, 2/3) =
Rr (E2 ) = 2proj(1,1,1) E2 E2 = 2 hE
||(1,1,1)||2
2/3E1 1/3E2 + 2/3E3
3 ,(1,1,1)i
(1, 1, 1) (0, 0, 1) = (2/3, 2/3, 1/3) =
Rr (E3 ) = 2proj(1,1,1) E3 E3 = 2 hE
||(1,1,1)||2
2/3E1 + 2/3E2 1/3E3
Marco 2008
Reginaldo J. Santos
614
1/3
2/3
2/3
2/3 1/3
2/3 .
Assim, [Rr ]B
B =
2/3
2/3 1/3
1 0
0
Assim, [R/2,r ]CC = 0 0 1 .
0 1
0
2R
(U
2U
R/2,r
(E
=
1/
=
1/
1 ) + 1/ 2R/2,r (U3 )
1)
1 1/ 2U2
/2,r
2R
(U
=
1/
2U
R/2,r
(E
=
1/
1 ) 1/ 2R/2,r (U3 )
1 + 1/ 2U3
2)
/2,r
1/2
1/2
1/2
Assim, [R/2,r ]B
1/2
1/2
B =
1/ 2 .
0
1/ 2 1/ 2
a` Algebra
Introducao
Linear
Marco 2008
Captulo 6. Transformacoes
Lineares
6.3.5.
615
1 2 1
a` base canonica
1 2 2
a` base {E1 , E2 , E3 } e A = 0
1 4 . Assim,
(b) A matriz de T em relacao
0
0
1
Marco 2008
A=[1,-2,-2;0,1,-4;0,0,1];
Reginaldo J. Santos
616
escalona([A,eye(3)])
[ 1, -2, -2, 1, 0, 0]
[ 0, 1, -4, 0, 1, 0]
[ 0, 0, 1, 0, 0, 1]
elimina
ca
~o 2:
(2)*linha 2 + linha 1 ==> linha 1
[
1,
0, -10,
1,
2,
0]
[
0,
1, -4,
0,
1,
0]
[
0,
0,
1,
0,
0,
1]
elimina
ca
~o 3:
(10)*linha 3 + linha 1 ==> linha 1
(4)*linha 3 + linha 2 ==> linha 2
[ 1, 0, 0, 1, 2, 10]
[ 0, 1, 0, 0, 1, 4]
[ 0, 0, 1, 0, 0, 1]
1 1 1
a` base {E1 , E2 , E3 } e 1 2 1 . Assim,
(c) A matriz de T em relacao
1 0 2
A=[1,1,1;1,2,1;1,0,2];
escalona([A,eye(3)])
[ 1, 1, 1, 1, 0, 0]
[ 1, 2, 1, 0, 1, 0]
[ 1, 0, 2, 0, 0, 1]
a` Algebra
Introducao
Linear
Marco 2008
Captulo 6. Transformacoes
Lineares
617
elimina
ca
~o 1:
(-1)*linha 1 + linha 2 ==> linha 2
(-1)*linha 1 + linha 3 ==> linha 3
[ 1, 1, 1, 1, 0, 0]
[ 0, 1, 0, -1, 1, 0]
[ 0, -1, 1, -1, 0, 1]
elimina
ca
~o 2:
(-1)*linha 2 + linha 1 ==> linha 1
(1)*linha 2 + linha 3 ==> linha 3
[ 1, 0, 1, 2, -1, 0]
[ 0, 1, 0, -1, 1, 0]
[ 0, 0, 1, -2, 1, 1]
elimina
ca
~o 3:
(-1)*linha 3 + linha 1 ==> linha 1
[ 1, 0, 0, 4, -2, -1]
[ 0, 1, 0, -1, 1, 0]
[ 0, 0, 1, -2, 1, 1]
Portanto, a inversa de T e dada por T 1 (a, b, c) = (4a 2b c, a + b, 2a + b + c).
1 1 1
a` base {E1 , E2 , E3 } e 1
0 0 . Assim,
(d) A matriz de T em relacao
1
1 1
A=[1,-1,1;1,0,0;1,1,1];
escalona([A,eye(3)])
[ 1, -1, 1, 1, 0, 0]
Marco 2008
Reginaldo J. Santos
618
[ 1, 0, 0, 0, 1, 0]
[ 1, 1, 1, 0, 0, 1]
elimina
ca
~o 1:
(-1)*linha 1 + linha 2 ==> linha 2
(-1)*linha 1 + linha 3 ==> linha 3
[ 1, -1, 1, 1, 0, 0]
[ 0, 1, -1, -1, 1, 0]
[ 0, 2, 0, -1, 0, 1]
elimina
ca
~o 2:
(1)*linha 2 + linha 1 ==> linha 1
(-2)*linha 2 + linha 3 ==> linha 3
[ 1, 0, 0, 0, 1, 0]
[ 0, 1, -1, -1, 1, 0]
[ 0, 0, 2, 1, -2, 1]
elimina
ca
~o 3:
(1/2)*linha 3 ==> linha 3
[
1,
0,
0,
0,
1,
0]
[
0,
1, -1, -1,
1,
0]
[
0,
0,
1, 1/2, -1, 1/2]
(1)*linha 3 + linha 2 ==> linha 2
[
1,
0,
0,
0,
1,
0]
[
0,
1,
0, -1/2,
0, 1/2]
[
0,
0,
1, 1/2,
-1, 1/2]
Portanto, a inversa de T e dada por T 1 (a, b, c) = (b, c/2 a/2, a/2 b + c/2).
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
619
de Matrizes (pagina
7.1. Diagonalizacao
457)
7.1.1.
(a) >> A=[1,1;1,1];
>> B=A-x*eye(2)
[1-x,
1]
[ 1, 1-x]
>> p=det(B)
p =-2*x+x^2
>> solve(p)
[0][2]
>> B0=subs(B,x,0)
[1, 1]
[1, 1]
>> escalona(B0)
1
1
0
0
>> B2=subs(B,x,2)
[-1, 1]
[ 1, -1]
>> escalona(B2)
1
-1
0
0
Marco 2008
>> B=A-x*eye(2)
[1-x, -1]
[ 2, 4-x]
>> p=det(B)
p =6-5*x+x^2
>> solve(p)
[3][2]
>> B2=subs(B,x,2)
[-1, -1]
[ 2, 2]
>> escalona(B2)
1
1
0
0
>> B3=subs(B,x,3)
[-2, -1]
[ 2, 1]
>> escalona(B3)
1
1/2
0
0
V0 = {(, ) | R}
V2 = {(, ) | R}
V2 = {(, ) | R}
V3 = {(, 2) | R}
Reginaldo J. Santos
620
>> A=[0,1,2;0,0,3;0,0,0];
>> B=A-x*eye(3)
[-x, 1, 2]
[ 0, -x, 3]
[ 0, 0, -x]
>> p=det(B)
p=-x^3
>> solve(p)
[0][0][0]
>> B0=subs(B,x,0)
[0, 1, 2]
[0, 0, 3]
[0, 0, 0]
>> escalona(B0)
[0, 1, 0]
[0, 0, 1]
[0, 0, 0]
V0 = {(, 0, 0) | R}
(d)
>> A=[1,0,0;-1,3,0;3,2,-2];
>> B=A-x*eye(3)
[1-x,
0,
0]
[ -1, 3-x,
0]
[ 3,
2, -2-x]
>> p=det(B)
p =(1-x)*(3-x)*(-2-x)
>> solve(p)
[ 1][ 3][-2]
a` Algebra
Introducao
Linear
>> Bm2=subs(B,x,-2)
[ 3, 0, 0]
[-1, 5, 0]
[ 3, 2, 0]
>> escalona(Bm2)
[1, 0, 0]
[0, 1, 0]
[0, 0, 0]
Marco 2008
Captulo 7. Diagonalizacao
>> B1=subst(B,x,1)
[ 0, 0, 0]
[-1, 2, 0]
[ 3, 2, -3]
>> escalona(B1)
[1, 0, -3/4]
[0, 1, -3/8]
[0, 0,
0]
621
>> B3=subs(B,x,3)
[-2, 0, 0]
[-1, 0, 0]
[ 3, 2, -5]
>> escalona(B3)
[1, 0,
0]
[0, 1, -5/2]
[0, 0,
0]
V2 = {(0, 0, ) | R}
V1 = {(6, 3, 8) | R}
V3 = {(0, 5, 2) | R}
(e)
Marco 2008
Reginaldo J. Santos
622
>> A=[2,-2,3;0,3,-2;0,-1,2];
>> B=A-x*eye(3)
[2-x, -2,
3]
[ 0, 3-x, -2]
[ 0, -1, 2-x]
>> p=det(B)
p =(2-x)*(4-5*x+x^2)
>> solve(p)
[2][4][1]
>> B1=subs(B,x,1)
[1, -2, 3]
[0, 2, -2]
[0, -1, 1]
>> escalona(B1)
[1, 0, 1]
[0, 1, -1]
[0, 0, 0]
>> B2=subs(B,x,2)
[0, -2, 3]
[0, 1, -2]
[0, -1, 0]
>> escalona(B2)
[0, 1, 0]
[0, 0, 1]
[0, 0, 0]
>> B4=subs(B,x,4)
[-2, -2, 3]
[ 0, -1, -2]
[ 0, -1, -2]
>> escalona(B4)
[1, 0, -7/2]
[0, 1,
2]
[0, 0,
0]
V1 = {(, , ) | R}
V2 = {(, 0, 0) | R}
V4 = {(7, 4, 2) | R}
(f)
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
>> A=[2,2,3;1,2,1;2,-2,1];
>> B=A-x*eye(3)
[2-x,
2,
3]
[ 1, 2-x,
1]
[ 2, -2, 1-x]
>> p=det(B)
p =-8-2*x+5*x^2-x^3
>> solve(p)
[ 2][ 4][-1]
>> Bm1=subs(B,x,-1)
[3, 2, 3]
[1, 3, 1]
[2, -2, 2]
>> escalona(Bm1)
[1, 0, 1]
[0, 1, 0]
[0, 0, 0]
623
>> B2=subs(B,x,2)
[0, 2, 3]
[1, 0, 1]
[2, -2, -1]
>> escalona(B2)
[1, 0,
1]
[0, 1, 3/2]
[0, 0,
0]
>> B4=subs(B,x,4)
[-2, 2, 3]
[ 1, -2, 1]
[ 2, -2, -3]
>> escalona(B4)
[1, 0,
-4]
[0, 1, -5/2]
[0, 0,
0]
7.1.2.
(a)
Marco 2008
Reginaldo J. Santos
624
>> A=[2,0,0;3,-1,0;0,4,3];
>> B2=subs(B,x,2)
>> B=A-x*eye(3)
[0, 0, 0]
[2-x,
0,
0]
[3, -3, 0]
[ 3, -1-x,
0]
[0, 4, 1]
[ 0,
4, 3-x]
>> escalona(B2)
>> p=det(B)
[1, 0, 1/4]
p =(2-x)*(-1-x)*(3-x)
[0, 1, 1/4]
>> solve(p)
[0, 0,
0]
[ 2][-1][ 3]
>> B3=subst(B,x,3)
>> Bm1=subs(B,x,-1)
[-1, 0, 0]
[3, 0, 0]
[ 3, -4, 0]
[3, 0, 0]
[ 0, 4, 0]
[0, 4, 4]
>> escalona(B3)
>> escalona(Bm1)
[1, 0, 0]
[1, 0, 0]
[0, 1, 0]
[0, 1, 1]
[0, 0, 0]
[0, 0, 0]
V1 = {(0, , ) | R}. {(0, 1, 1)} e base para V1 , pois gera V1 ((0, , ) =
nulo e L.I.
(0, 1, 1)) e um vetor nao
V2 = {(, , 4) | R}. {(1, 1, 4)} e base para V2 , pois gera V2
nulo e L.I.
((, , 4) = (1, 1, 4)) e um vetor nao
V3 = {(0, 0, ) | R}. {(0, 0, 1)} e base para V3 , pois gera V3 ((0, 0, ) = (0, 0, 1))
nulo e L.I.
e um vetor nao
(b)
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
>> A=[2,3,0;0,1,0;0,0,2];
>> B=A-x*eye(3)
[2-x,
3,
0]
[ 0, 1-x,
0]
[ 0,
0, 2-x]
>> p=det(B)
p =(2-x)^2*(1-x)
>> solve(p)
[2][2][1]
>> B1=subs(B,x,1)
[1, 3, 0]
[0, 0, 0]
[0, 0, 1]
625
>> escalona(B1)
[1, 3, 0]
[0, 0, 1]
[0, 0, 0]
>> B2=subs(B,x,2)
[0, 3, 0]
[0, -1, 0]
[0, 0, 0]
>> escalona(B2)
[0, 1, 0]
[0, 0, 0]
[0, 0, 0]
(c)
Marco 2008
Reginaldo J. Santos
626
>> A=[1,2,3,4;0,-1,3,2;0,0,3,3;0,0,0,2];
>> B=A-x*eye(4)
[1-x,
2,
3,
4]
[ 0, -1-x,
3,
2]
[ 0,
0, 3-x,
3]
[ 0,
0,
0, 2-x]
>> p=det(B)
p =(1-x)*(2-x)*(-1-x)*(3-x)
>> solve(p)
[ 1][ 2][-1][ 3]
>> Bm1=subs(B,x,-1)
[2, 2, 3, 4]
[0, 0, 3, 2]
[0, 0, 4, 3]
[0, 0, 0, 3]
>> escalona(Bm1)
[1, 1, 0, 0]
[0, 0, 1, 0]
[0, 0, 0, 1]
[0, 0, 0, 0]
a` Algebra
Introducao
Linear
>> B1=subs(B,x,1)
[0, 2, 3, 4]
[0, -2, 3, 2]
[0, 0, 2, 3]
[0, 0, 0, 1]
>> escalona(B1)
[0, 1, 0, 0]
[0, 0, 1, 0]
[0, 0, 0, 1]
[0, 0, 0, 0]
Marco 2008
Captulo 7. Diagonalizacao
>> B2=subs(B,x,2)
[-1, 2, 3, 4]
[ 0, -3, 3, 2]
[ 0, 0, 1, 3]
[ 0, 0, 0, 0]
>> escalona(B2)
[1, 0, 0, 29/3]
[0, 1, 0, 7/3]
[0, 0, 1,
3]
[0, 0, 0,
0]
627
>> B3=subst(B,x,3)
[-2, 2, 3, 4]
[ 0, -4, 3, 2]
[ 0, 0, 0, 3]
[ 0, 0, 0, -1]
>> escalona(B3)
[1, 0, -9/4, 0]
[0, 1, -3/4, 0]
[0, 0,
0, 1]
[0, 0,
0, 0]
(d)
Marco 2008
Reginaldo J. Santos
628
>> A=[2,2,3,4;0,2,3,2;0,0,1,1;0,0,0,1];
>> B=A-x*eye(4)
[2-x,
2,
3,
4]
[ 0, 2-x,
3,
2]
[ 0,
0, 1-x,
1]
[ 0,
0,
0, 1-x]
>> p=det(B)
p =(2-x)^2*(1-x)^2
>> solve(p)
[2][2][1][1]
>> B2=subs(B,x,2)
>> B1=subs(B,x,1)
[0, 2, 3, 4]
[1, 2, 3, 4]
[0, 0, 3, 2]
[0, 1, 3, 2]
[0, 0, -1, 1]
[0, 0, 0, 1]
[0, 0, 0, -1]
[0, 0, 0, 0]
>> escalona(B1)
>> escalona(B2)
[1, 0, -3, 0]
[0, 1, 0, 0]
[0, 1, 3, 0]
[0, 0, 1, 0]
[0, 0, 0, 1]
[0, 0, 0, 1]
[0, 0, 0, 0]
[0, 0, 0, 0]
V1 = {(3, 3, , 0) | R}. {(3, 3, 1, 0)} e base para V1 , pois gera V1
nulo e L.I.
((3, 3, , 0) = (3, 3, 1, 0)) e um vetor nao
V2 = {(, 0, 0, 0) | R}. {(1, 0, 0, 0)} e base para V2 , pois gera V2 ((, 0, 0, 0) =
nulo e L.I.
(1, 0, 0, 0)) e um vetor nao
7.1.3.
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
629
>> p=det(B)
p =-6+x+x^2
>> solve(p)
[ 2][-3]
>> B=A-x*eye(2)
[1-x,
4]
[ 1, -2-x]
A matriz A possui dois autovalores diferentes, logo possui dois autovetores L.I.
7.3 na pagina
>> B1=subs(B,x,1)
[ 0, 0]
[-2, 0]
>> escalona(numeric(B1))
[1, 0]
[0, 0]
>> B=A-x*eye(2)
[1-x,
0]
[ -2, 1-x]
>> p=det(B)
p =(1-x)^2
>> solve(p)
[1][1]
V1 = {(, 0) | R}
e diagonalizavel
pagina
437).
(c) >> A=[1,1,-2;4,0,4;1,-1,4]
A =
1
1
4
0
1
-1
>> B=A-x*eye(3); p=det(B)
p =5*x^2-6*x-x^3
Marco 2008
-2
4
4
Reginaldo J. Santos
630
>> solve(p)
ans =[0][2][3]
autovalores diferentes, logo possui tres
autovetores L.I. (Proposicao
autovetores L.I.
7.3 na pagina
440). A matriz A e diagonalizavel
pois, e 3 3 e possui tres
>> p=det(B)
>> B=A-x*eye(3)
p =(1-x)*(-1-x)*(2-x)
A
[1-x,
2,
3]
>> solve(p)
[ 0, -1-x,
2]
[ 1][-1][ 2]
[ 0,
0, 2-x]
autovalores diferentes, logo possui tres
autovetores L.I. (Proposicao
autovetores L.I.
7.3 na pagina
440). A matriz A e diagonalizavel
pois, e 3 3 e possui tres
437).
(Teorema 7.2 na pagina
7.1.4.
(a) >> A=[1,1,2;0,1,0;0,1,3];
>> B=A-x*eye(3)
[1-x,
1,
2]
[ 0, 1-x,
0]
[ 0,
1, 3-x]
>> p=det(B)
p =(1-x)^2*(3-x)
>> solve(p)
[1][1][3]
a` Algebra
Introducao
Linear
>> B1=subs(B,x,1)
[0, 1, 2]
[0, 0, 0]
[1, 1, 2]
>> escalona(B1)
[ 0, 1, 2]
[ 0, 0, 0]
[ 0, 0, 0]
Marco 2008
Captulo 7. Diagonalizacao
631
>> B3=subs(B,x,3)
[ -2, 1, 2]
[ 0, -2, 0]
[ 0, 1, 0]
>> escalona(B3)
[ 1, 0, -1]
[ 0, 1, 0]
[ 0, 0, 0]
V1 = {(, 2, ) | , R}. {(1, 0, 0), (0, 2, 1)} e base para V1 , pois gera V1
L.I. (um vetor nao
e multiplo
((, 2, ) = (0, 2, 1) + (1, 0, 0)) e sao
escalar do
outro)
1
0 1
P = 0 2 0
0
1 1
1 0 0
D= 0 1 0
0 0 3
>> B=A-x*eye(3)
[4-x,
2, 3]
[ 2, 1-x, 2]
[ -1, -2, -x]
>> p=det(B)
p =-7*x+5*x^2+3-x^3
>> solve(p)
Marco 2008
Reginaldo J. Santos
632
[3][1][1]
>> B1=subs(B,x,1)
[ 3, 2, 3]
[ 2, 0, 2]
[-1, -2, -1]
>> escalona(B1)
[1, 0, 1]
[0, 1, 0]
[0, 0, 0]
>> B3=subs(B,x,3)
[ 1, 2, 3]
[ 2, -2, 2]
[-1, -2, -3]
>> escalona(B3)
[1, 0, 5/3]
[0, 1, 2/3]
[0, 0,
0]
A matriz nao
pois so possui dois autovalores e cada um deles so possui
>> B=A-x*eye(3)
[1-x,
2,
3]
[ 0, 1-x,
0]
[ 2,
1, 2-x]
>> p=det(B)
p =-4+x+4*x^2-x^3
>> solve(p)
[ 1][ 4][-1]
a` Algebra
Introducao
Linear
>> Bm1=subs(B,x,-1)
[2, 2, 3]
[0, 2, 0]
[2, 1, 3]
>> escalona(Bm1)
[1, 0, 3/2]
[0, 1,
0]
[0, 0,
0]
Marco 2008
Captulo 7. Diagonalizacao
633
>> B1=subst(B,x,1)
>> B4=subs(B,x,4)
[0, 2, 3]
[-3, 2, 3]
[0, 0, 0]
[ 0, -3, 0]
[2, 1, 1]
[ 2, 1, -2]
V1 =
>> escalona(B1)
>> escalona(B4)
[1, 0, -1/4]
[1, 0, -1]
[0, 1, 3/2]
[0, 1, 0]
[0, 0,
0]
[0, 0, 0]
{(3, 0, 2) | R}. {(3, 0, 2)} e base para V1 , pois gera V1 ((3, 0, 2) =
nulo e L.I.
(3, 0, 2)) e um vetor nao
V1 = {(, 6, 4) | R}. {(1, 6, 4)} e base para V1 , pois gera V1
nulo e L.I.
((, 6, 4) = (1, 6, 4)) e um vetor nao
V4 = {(, 0, ) | R}. {(1, 0, 1)} e base para V4 , pois gera V4 ((, 0, ) = (1, 0, 1))
nulo e L.I.
e um vetor nao
3
1 1
P = 0 6 0
2
4 1
Marco 2008
1 0 0
D= 0 1 0
0 0 4
Reginaldo J. Santos
634
>> B0=subs(B,x,0)
>> B=A-x*eye(3)
[3, -2, 1]
[3-x, -2, 1]
[0, 2, 0]
[ 0, 2-x, 0]
[0, 0, 0]
[ 0,
0, -x]
>> escalona(B0)
>> p=det(B)
[1, 0, 1/3]
p =-(3-x)*(2-x)*x
[0, 1,
0]
>> solve(p)
[0, 0,
0]
[3][2][0]
>> B2=subs(B,x,2)
>> B3=subs(B,x,3)
[0, -2, 1]
[1, -2, 1]
[0, -1, 0]
[0, 0, 0]
[0, 0, -3]
[0, 0, -2]
>> escalona(B3)
>> escalona(B2)
[0, 1, 0]
[1, -2, 0]
[0, 0, 1]
[0, 0, 1]
[0, 0, 0]
[0, 0, 0]
V0 = {(, 0, 3) | R}. {(1, 0, 3)} e base para V0 , pois gera V0 ((, 0, 3) =
nulo e L.I.
(1, 0, 3)) e um vetor nao
V2 = {(2, , 0) | R}. {(2, 1, 0)} e base para V2 , pois gera V2 ((2, , 0) =
nulo e L.I.
(2, 1, 0)) e um vetor nao
V3 = {(, 0, 0) | R}. {(1, 0, 0)} e base para V3 , pois gera V3 ((, 0, 0) = (1, 0, 0))
nulo e L.I.
e um vetor nao
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
635
1 2 1
P = 0 1 0
3 0 0
0 0 0
D= 0 2 0
0 0 3
B =
5
-1
3
0
A = 0
-4
0
4
0
0
0
0
-3
>> syms x, p=det(A-x*eye(3)), solve(p)
p = -3*x^2-x^3-48-16*x
ans = [
-3][ 4*i][ -4*i]
>> escalona(A+3*eye(3))
ans =[ 1, 0, 0]
[ 0, 1, 0]
[ 0, 0, 0]
e diagonalizavel
A matriz A nao
pois ela so tem um autovalor e auto espaco associado a este
2. Assim, nao
e possvel encontrar 3 autovetores L.I.
autovalor tem dimensao
7.1.6. >> L=[eye(2),zeros(2,1);randi(1,2),0]; A=L*L
A =
1
0
2
0
1
-2
2
-2
8
>> syms x, p=det(A-x*eye(3)), solve(p)
Marco 2008
Reginaldo J. Santos
636
p = -9*x+10*x^2-x^3
ans = [ 0][ 1][ 9]
>> escalona(A)
ans =[ 1, 0, 2]
[ 0, 1, -2]
[ 0, 0, 0]
O autoespaco associado ao autovalor = 0 e
V0 = {(2, 2, ) | R}.
possvel de autovetores L.I.
Assim, {V1 = (2, 2, 1)} e um conjunto com o maior numero
associado a = 0.
>> escalona(A-eye(3))
ans =[ 1, -1, 0]
[ 0, 0, 1]
[ 0, 0, 0]
O autoespaco associado ao autovalor = 1 e
V1 = {(, , 0) | R}.
possvel de autovetores L.I. associAssim, {V2 = (1, 1, 0)} e um conjunto com o maior numero
ado a = 1.
>> escalona(A-9*eye(3))
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
ans =[
[
[
1,
0,
0,
637
0, -1/4]
1, 1/4]
0,
0]
V9 = {(, , 4) | R}.
possvel de autovetores L.I.
Assim, {V3 = (1, 1, 4)} e um conjunto com o maior numero
associado a = 9.
>> V1=[-2,2,1];V2=[1,1,0];V3=[1,-1,4];
>> P=[V1,V2,V3], D=diag([0,1,9])
P = -2
1
1
2
1
-1
1
0
4
D = 0
0
0
0
1
0
0
0
9
>> inv(P)*A*P
ans =
0
0
0
0
1
0
0
0
9
>> [P,D]=eig(sym(A))
P =[ -1, -2, 1]
[ 1, 2, 1]
Marco 2008
Reginaldo J. Santos
638
[
D =[
[
[
-4, 1, 0]
9, 0, 0]
0, 0, 0]
0, 0, 1]
P.
7.1.7.
>>
>>
>>
>>
[
V2=[5,4,1];
V3=[5,3,1];
A=sym([-1/3,-5/6,20/3;-2/3,-1/6,16/3;-1/6,-1/6,11/6]);
[A*V1,A*V2,A*V3]
-2, 5/3, 5/2] [
-2, 4/3, 3/2] [ -1/2, 1/3, 1/2]
AV = V , ou seja, AV e um multiplo
escalar de V .
Se V e autovetor de A entao
e portanto diagonalizavel.
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
639
na forma canonica
(a) O polinomio
caracterstico de A e claramente p() = ( 2)2 ( + 1)3 . Assim, os
1 = 2 e 2 = 1.
autovalores da matriz sao
>> A=[2,5,0,0,0;0,2,0,0,0;0,0,-1,0,-1;
0,0,0,-1,0;0,0,0,0,-1]; A=sym(A);
>> N21=null(A-2*eye(5))
N21 = -1
0
0
0
0
>> N22=null((A-2*eye(5))^2)
N22 =1
0
0
1
0
0
0
0
0
0
>> Nm11=null(A+eye(5))
Nm11 =0
0
0
0
-1
0
0
1
0
0
>> Nm12=null((A+eye(5))^2)
Marco 2008
Reginaldo J. Santos
640
Nm12 =0
0
1
0
0
0
0
0
1
0
0
0
0
0
1
2
1
0
0
0
0
0
0
0
2
0
0
0
0 1
0
0
0
1 1
0
0
0
0 1
(b) O polinomio
caracterstico de A e claramente p() = ( 2)5 ( + 1). Assim, os autova 1 = 2 e 2 = 1.
lores da matriz sao
>> A=[2,0,0,0,0,0;1,2,0,0,0,0;
-1,0,2,0,0,0;0,1,0,2,0,0;
1,1,1,1,2,0;0,0,0,0,1,-1]; A=sym(A);
>> N21=null(A-2*eye(6))
N21 =[ 0, 0]
[ 0, 0]
[ 0, -1]
[ 0, 1]
[ 3, 0]
[ 1, 0]
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
>> N22=null((A-2*eye(6))^2)
N22 =[ 0, 0, 0]
[ 0, 0, 0]
[ -9, -1, 3]
[ 0, 1, 0]
[ 0, 0, 1]
[ 1, 0, 0]
>> N23=null((A-2*eye(6))^3)
[
0,
0,
0,
0]
[ -3/2, -27/2, -3/2,
9/2]
[
0,
0,
1,
0]
[
1,
0,
0,
0]
[
0,
0,
0,
1]
[
0,
1,
0,
0]
>> N24=null((A-2*eye(6))^4)
N24 =[
1,
0,
0,
0,
[ -5/3,
9/2, -27/2, -3/2,
[
0,
0,
0,
0,
[
0,
0,
0,
1,
[
0,
1,
0,
0,
[
0,
0,
1,
0,
Marco 2008
641
0]
-3/2]
1]
0]
0]
0]
Reginaldo J. Santos
642
2
1
0
0
0
0
0
2
1
0
0
0
0
0
2
1
0
0
0
0
0
2
0
0
0
0
0
0
0
0
0
0
2
0
0 1
(c) O polinomio
caracterstico de A e claramente p() = ( + 1)5 ( + 4). Assim, os autova 1 = 1 e 2 = 4.
lores da matriz sao
>> A=[-1,1,-1,-3,-1,7;0,-1,1,2,3,2;
0,0,-1,0,-2,1;0,0,0,-1,1,-2;
0,0,0,0,-1,3;0,0,0,0,0,-4]; A=sym(A);
>> Nm11=null(A+eye(6))
[ 0, 1]
[ 1, 0]
[ -2, 0]
[ 1, 0]
[ 0, 0]
[ 0, 0]
>> Nm12=null((A+eye(6))^2)
[ 0, 1, 0, 0]
[ 0, 0, 1, 0]
[ -2, 0, 0, -2]
[ 1, 0, 0, 0]
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
643
[ 0, 0, 0, 1]
[ 0, 0, 0, 0]
>> Nm13=null((A+eye(6))^3)
[ 0, 0, 0, 0, 1]
[ 0, 0, 1, 0, 0]
[ 0, 1, 0, 0, 0]
[ 0, 0, 0, 1, 0]
[ 1, 0, 0, 0, 0]
[ 0, 0, 0, 0, 0]
1
0
0
0
0
0
1 1
0
0
0
0
0
0 1
0
0
0
0
0
1 1
0
0
0
0
0
0 1
0
0
0
0
0
0 4
1
0
0
0
0
0
1 1
0
0
0
0
0
0 1
0
0
0
0
0
0 1
0
0
0
0
0
0 1
0
0
0
0
0
0 4
(d) O polinomio
caracterstico de A e claramente p() = ( 1)7 ( 3). Assim, os autova 1 = 1 e 2 = 3.
lores da matriz sao
>> A=[1,1,0,0,-1,0,4,0;
0,1,1,-1,-1,-3,3,-4;
0,0,1,0,1,1,-2,1;
0,0,0,1,1,1,-4,-5;
0,0,0,0,1,0,-1,-5;
Marco 2008
Reginaldo J. Santos
644
0,0,0,0,0,1,1,-1;
0,0,0,0,0,0,1,-2;
0,0,0,0,0,0,0,3];A=sym(A);
>> N11=null(A-eye(8))
[ 1, 0, 0]
[ 0, 0, -1]
[ 0, 1, 2]
[ 0, 1, 0]
[ 0, 0, -1]
[ 0, 0, 1]
[ 0, 0, 0]
[ 0, 0, 0]
>> N12=null((A-eye(8))^2)
[ 0, 1, 0, 0, 0, 0]
[ 0, 0, 0, 1, 0, 0]
[ 1, 0, 1, 0, 3, -4]
[ 0, 0, 1, 0, 0, 0]
[ 1, 0, 0, 0, 0, 0]
[ 0, 0, 0, 0, 1, 0]
[ 0, 0, 0, 0, 0, 1]
[ 0, 0, 0, 0, 0, 0]
>> N13=null((A-eye(8))^3)
[ 0, 0, 0, 1, 0, 0, 0]
[ 0, 1, 0, 0, 0, 0, 0]
[ 0, 0, 0, 0, 0, 1, 0]
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
[
[
[
[
[
0,
1,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
1,
0,
0,
0,
0,
0,
0,
645
1,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0]
0]
1]
0]
0]
1
1
0
0
0
0
0
0
0
1
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
3
1
1
0
0
0
0
0
0
0
1
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
3
1
1
0
0
0
0
0
0
0
1
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
3
1
1
0
0
0
0
0
0
0
1
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
1
0
0
0
0
0
0
0
1
1
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
3
de Matrizes Simetricas
7.2. Diagonalizacao
(pagina
474)
Marco 2008
Reginaldo J. Santos
646
7.2.1.
(a) >> A=[2,2;2,2];
>> B=A-x*eye(2)
[2-x,
2]
[ 2, 2-x]
>> p=det(B)
p =-4*x+x^2
>> solve(p)
[0][4]
>> B4=subs(B,x,4)
>> B0=subs(B,x,0)
[-2, 2]
[2, 2]
[ 2, -2]
[2, 2]
>> escalona(B4)
>> escalona(B0)
[1, 1]
[1, -1]
[0, 0]
[0, 0]
V0 = {(, ) | R}. {V1 = (1, 1)} e base para V0 , pois gera
V0((, )
nulo e L.I. Seja W1 = (1/||V1 ||)V1 = (1/ 2, 1/ 2). {W1
(1,1)) e
um vetor nao
(1/ 2, 1/ 2)} e base ortonormal de V0 .
V4 = {(, ) | R}. {V2 = (1, 1)} e base para V4 , poisgera V
4 ((, )
nulo e L.I. Seja W2 = (1/||V2 ||)V2 = (1/ 2, 1/ 2). {W2
(1,1)) e
um vetor nao
a` Algebra
Introducao
Linear
1/2 1/2
1/ 2 1/ 2
D=
0 0
0 4
=
=
=
=
Marco 2008
Captulo 7. Diagonalizacao
647
>> B=A-x*eye(2)
[2-x,
1]
[ 1, 2-x]
>> p=det(B)
p =3-4*x+x^2
>> solve(p)
[3][1]
>> B1=subs(B,x,1)
>> B3=subs(B,x,3)
[-1, 1]
[1, 1]
[ 1, -1]
[1, 1]
>> escalona(B3)
>> escalona(numeric(B1))
[1, -1]
[1, 1]
[0, 0]
[0, 0]
V1 = {(, ) | R}. {V1 = (1, 1)} e base para V1 , pois gera
V1((, ) =
nulo e L.I. Seja W1 = (1/||V1 ||)V1 = (1/ 2, 1/ 2). {W1 =
(1,1)) e
um vetor nao
P =
Marco 2008
1/2 1/2
1/ 2 1/ 2
D=
1 0
0 3
Reginaldo J. Santos
648
>> B0=subs(B,x,0)
>> B=A-x*eye(3)
[0, 0, 1]
[-x, 0, 1]
[0, 0, 0]
[ 0, -x, 0]
[1, 0, 0]
[ 1, 0, -x]
>> escalona(B0)
>> p=det(B)
[1, 0, 0]
p =-x^3+x
[0, 0, 1]
>> solve(p)
[0, 0, 0]
[ 0][-1][ 1]
>> Bm1=subs(B,x,-1)
>> B1=subs(B,x,1)
[-1, 0, 1]
[1, 0, 1]
[ 0, -1, 0]
[0, 1, 0]
[ 1, 0, -1]
[1, 0, 1]
V0 =
>> escalona(B1)
>> escalona(Bm1)
[1, 0, -1]
[1, 0, 1]
[0, 1, 0]
[0, 1, 0]
[0, 0, 0]
[0, 0, 0]
{(0, , 0) | R}. {V1 = (0, 1, 0)} e base para V0 , pois gera V0 ((0, , 0) = (0, 1, 0))
nulo e L.I. {V1 = (0, 1, 0)} e base ortonormal de V0 , pois ||V1 || = 1.
e um vetor nao
V1 = {(, 0, ) | R}. {V2 = (1, 0, 1)} e base para V1 , pois gera V1
nulo e L.I. Seja W2 = (1/||V2 ||)V2 =
((,0, ) =(1, 0, 1)) e um
vetor nao
(1/ 2, 0, 1/ 2). {W2 = (1/ 2, 0, 1/ 2)} e base ortonormal de V1 .
V1 = {(, 0, ) | R}. {V3 = (1, 0, 1)} e base para V1 , poisgera V1
((, 0, ) =
(1,0, 1)) e
um vetor nao nulo e L.I. Seja W3 = (1/||V3 ||)V3 = (1/ 2, 0, 1/ 2). {W3 =
(1/ 2, 0, 1/ 2)} e base ortonormal de V1 .
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
649
7.7 na pagina
gonais (Proposicao
468). Portanto, {W1 , W2 , W3 } e uma base ortonormal
de autovetores de A.
0 1/ 2 1/ 2
P = 1
0
0
0
1/ 2 1/ 2
0
0 0
D = 0 1 0
0
0 1
>> escalona(B0)
>> B=A-x*eye(3)
[0, 1, 1]
[-x,
0,
0]
[0, 0, 0]
[ 0, 2-x,
2]
[0, 0, 0]
[ 0,
2, 2-x]
>> B4=subs(B,x,4)
>> p=det(B)
[-4, 0, 0]
p =-x*(-4*x+x^2)
[ 0, -2, 2]
>> solve(p)
[ 0, 2, -2]
[0][0][4]
>> escalona(B4)
>> B0=subs(B,x,0)
[1, 0, 0]
[0, 0, 0]
[0, 1, -1]
[0, 2, 2]
[0, 0, 0]
[0, 2, 2]
V0 = {(, , ) | , R}. {V1 = (1, 0, 0), V2 = (0, 1, 1)} e base para V0 , pois
gera V0 ((, , ) = (1, 0, 0) + (0, 1, 1)) e e L.I. (xV1 + yV2 =
0 se, e somente
se, (x, y, y) = (0, 0, 0) ou x = 0 e y = 0). Sejam W1 = V1 , W2 = V2 projW1 V2 =
V2 0 =
U1 = (1/||W1 ||)W1 = W1 = V
V2 . Sejam
1 = (1,
0, 0) e U2 = (1/||W2 ||)W2 =
(0, 1/ 2, 1/ 2). {U1 = (1, 0, 0), U2 = ((0, 1/ 2, 1/ 2)} e base ortonormal de V0 .
V4 = {(0, , ) | R}. {V3 = (0, 1, 1)} e base para V4 , pois gera V4 ((0, , ) =
Marco 2008
Reginaldo J. Santos
650
ortogonais (Proposicao
7.7 na pagina
1
0
0
P = 0 1/2 1/2
0
1/ 2 1/ 2
(e) >> A=[1,1,0;1,1,0;0,0,1];
>> B=A-x*eye(3)
[1-x,
1,
0]
[ 1, 1-x,
0]
[ 0,
0, 1-x]
>> p=det(B)
p =-2*x+3*x^2-x^3
>> solve(p)
[0][1][2]
>> B1=subs(B,x,1)
[0, 1, 0]
[1, 0, 0]
[0, 0, 0]
>> escalona(B1)
[1, 0, 0]
[0, 1, 0]
[0, 0, 0]
a` Algebra
Introducao
Linear
0 0 0
D= 0 0 0
0 0 4
>> B0=subs(B,x,0)
[1, 1, 0]
[1, 1, 0]
[0, 0, 1]
>> escalona(B0)
[1, 1, 0]
[0, 0, 1]
[0, 0, 0]
>> B2=subs(B,x,2)
[-1, 1, 0]
[ 1, -1, 0]
[ 0, 0, -1]
>> escalona(B2)
[1, -1, 0]
[0, 0, 1]
[0, 0, 0]
Marco 2008
Captulo 7. Diagonalizacao
651
1/2 0 1/2
P = 1/ 2 0 1/ 2
0 1
0
Marco 2008
0 0 0
D= 0 1 0
0 0 2
Reginaldo J. Santos
652
>> B=A-x*eye(3)
[2-x,
1,
1]
[ 1, 2-x,
1]
[ 1,
1, 2-x]
>> p=det(B)
p =4-9*x+6*x^2-x^3
>> solve(p)
[4][1][1]
>> B1=subs(B,x,1)
[1, 1, 1]
[1, 1, 1]
[1, 1, 1]
>> escalona(B1)
[1, 1, 1]
[0, 0, 0]
[0, 0, 0]
>> B4=subst(B,x,4)
[-2, 1, 1]
[ 1, -2, 1]
[ 1, 1, -2]
>> escalona(B4)
[1, 0, -1]
[0, 1, -1]
[0, 0, 0]
6
1
1
e U2 = (1/||W2 ||)W2 = ( 6 , 6 , 3 ). {U1 , U2 } e base ortonormal de V1 .
V4 = {(, , ) | R}. {V3 = (1, 1, 1)} e base para V4 , pois gera
(, , )
V4 (
=
nulo e L.I. Seja U3 = (1/||V3 ||)V3 = (1/ 3, 1/ 3, 1/ 3).
(1, 1, 1)) eum vetor
nao
7.7 na pagina
ortogonais (Proposicao
autovetores associados a autovalores diferentes sao
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
653
1 0 0
D= 0 1 0
0 0 4
>> B=A-x*eye(4)
[1-x,
2,
0,
0]
[ 2, 1-x,
0,
0]
[ 0,
0, 1-x,
2]
[ 0,
0,
2, 1-x]
>> p=det(B)
p =9+12*x-2*x^2-4*x^3+x^4
>> solve(p)
[-1][-1][ 3][ 3]
>> Bm1=subs(B,x,-1)
[2, 2, 0, 0]
[2, 2, 0, 0]
[0, 0, 2, 2]
[0, 0, 2, 2]
>> escalona(Bm1)
[1, 1, 0, 0]
[0, 0, 1, 1]
[0, 0, 0, 0]
[0, 0, 0, 0]
Marco 2008
>> B3=subs(B,x,3)
[-2, 2, 0, 0]
[ 2, -2, 0, 0]
[ 0, 0, -2, 2]
[ 0, 0, 2, -2]
>> escalona(B3)
[1, -1, 0, 0]
[0, 0, 1, -1]
[0, 0, 0, 0]
[0, 0, 0, 0]
Reginaldo J. Santos
654
ortogonais (Proposicao
7.7 na pagina
0 1/2
0
1/2
1/ 2
0 1/ 2
0
P =
0 1/2
0 1/2
0
1/ 2
0 1/ 2
a` Algebra
Introducao
Linear
1
0 0 0
0 1 0 0
D=
0
0 3 0
0
0 0 3
Marco 2008
Captulo 7. Diagonalizacao
655
>> B0=subs(B,x,0)
[0, 0, 0, 0]
>> B=A-x*eye(4)
[0, 0, 0, 0]
[-x, 0, 0, 0]
[0, 0, 0, 1]
[ 0, -x, 0, 0]
[0, 0, 1, 0]
[ 0, 0, -x, 1]
>> escalona(B0)
[ 0, 0, 1, -x]
[0, 0, 1, 0]
>> p=det(B)
[0, 0, 0, 1]
p =x^2*(x^2-1)
[0, 0, 0, 0]
>> solve(p)
[0, 0, 0, 0]
[ 0][ 0][ 1][-1]
>> B1=subs(B,x,1)
>> Bm1=subs(B,x,-1)
B1 =
[1, 0, 0, 0]
[-1, 0, 0, 0]
[0, 1, 0, 0]
[ 0, -1, 0, 0]
[0, 0, 1, 1]
[ 0, 0, -1, 1]
[0, 0, 1, 1]
[ 0, 0, 1, -1]
>> escalona(Bm1)
>> escalona(B1)
[1, 0, 0, 0]
[1, 0, 0, 0]
[0, 1, 0, 0]
[0, 1, 0, 0]
[0, 0, 1, 1]
[0, 0, 1, -1]
[0, 0, 0, 0]
[0, 0, 0, 0]
V0 = {(, , 0, 0) | , R}. {V1 = (1, 0, 0, 0), V2 = (0, 1, 0, 0)} e base para V0 ,
e multiplo
pois gera V1 ((, , 0, 0) = (1, 0, 0, 0) + (0, 1, 0, 0)) e e L.I.(um vetor nao
Marco 2008
Reginaldo J. Santos
656
ortogonais
autovetores associados a autovalores diferentes sao
matriz A e simetrica,
7.7 na pagina
(Proposicao
468). Portanto, {U1 , U2 , U3 , U4 } e uma base ortonormal de
autovetores de A.
1 0
0
0
0 0 0
0
0 1
0 0 0
0
0
0
P =
e
D=
0 0 1/ 2 1/ 2
0 0 1
0 0 0 1
0 0
1/ 2 1/ 2
disso, tambem
por ser simetrica,
>>
>>
W2
>>
>>
W4
>>
U1
W1=V1;
W2=V2-proj(W1,V2)
= [ 2, -1, 0, 2]
W3=V3;
W4=V4-proj(W3,V4)
= [ -1, -2, -2, 0]
U1=W1/no(W1)
= [
0, 2/3, -2/3,
a` Algebra
Introducao
Linear
1/3]
Marco 2008
Captulo 7. Diagonalizacao
>>
U2
>>
U3
U2=W2/no(W2)
= [ 2/3, -1/3,
U3=W3/no(W3)
= [ -2/3,
0,
657
0,
2/3]
1/3,
2/3]
0
2/3 2/3 1/3
2/3 1/3
0 2/3
,
P = [ U 1 U2 U3 U4 ] =
2/3
0
1/3 2/3
1/3
2/3
2/3
0
ao Estudo de Conicas
7.3. Aplicacao
(pagina
493)
2
0
D=
0
0
0
2
0
0
0
0
2
0
0
0
0
4
5/5
2
5/5
P =
5/5
2 5/5
D=[5, 0]
[0,10]
>> syms x1 y1; X1=[x1;y1];
>> expr=subst(expr,X,P*X1)
Marco 2008
Reginaldo J. Santos
658
5 x1 2 + 10 y1 2 30
>> expr=expr/30
x1 2 /6 + y1 2 /3 1
>> elipse(sqrt(6),sqrt(3),P)
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
659
y
x
2
y
1
x
1
3
4
Marco 2008
Reginaldo J. Santos
660
>> expr=simplify(X.*A*X+81)
3 x2 8 xy 12 y 2 + 81
>> [P,D]=diagonal(A)
17/17
4
17/17
P =
4 17/17
17/17
D=[-13,0]
[ 0,4]
>> expr=subst(expr,X,P*X1)
13 x1 2 + 4 y1 2 + 81
>> expr=expr/81
13
x1 2 +
81
4
81
y1 2 + 1
>> hiperbx(9/sqrt(13),9/2,P)
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
661
x
2
8
8
Marco 2008
Reginaldo J. Santos
662
>> expr=simplify(X.*A*X+K*X+24)
2 x2 4 xy y 2 + 24
>> [P,D]=diagonal(A)
5/5
2
5/5
P =
2 5/5 1 5/5
D =[-2, 0]
[ 0, 3]
>> expr=subst(expr,X,P*X1)
2 x1 2 + 3 y1 2 + 24
>> expr=expr/24
x1 2 /12 + y1 2 /8 + 1
>> hiperbx(sqrt(12),sqrt(8),P)
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
663
6
x
4
x
2
8
8
Marco 2008
Reginaldo J. Santos
664
>> expr=simplify(X.*A*X-132)
21 x2 + 6 xy + 13 y 2 132
>> [P,D]=diagonal(A)
P =
10/10
3
10/10
3 10/10
10/10
D=[12, 0]
[ 0,22]
>> expr=subst(expr,X,P*X1)
12 x1 2 + 22 y1 2 132
>> expr=expr/132
x1 2 /11 + y1 2 /6 1
>> elipse(sqrt(11),sqrt(6),P)
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
665
2
y
x
1
5
4
Marco 2008
x2
Reginaldo J. Santos
666
>> K=[-15,-6];
>> expr=simplify(X.*A*X+K*X)
4 x2 20 xy + 25 y 2 15 x 6 y
>> [P,D]=diagonal(A)
P =
5
29
2
29
2
29
29
29
5
29 29 29
D =[0, 0]
[0, 29]
>> expr=subst(expr,X,P*X1)
29 y1 2 3
29x1
>> expr=expr/29
y1 2
3
29
29x1
>> parabx(3/(4*sqrt(29)),P)
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
667
1.5
0.5
x
0.5
1.5
2
1
Marco 2008
0.5
0.5
1.5
2.5
Reginaldo J. Santos
668
>> expr=simplify(X.*A*X+K*X+90)
9 x2 + 6 xy + y 2 10 10x + 10 10y + 90
>> [P,D]=diagonal(A)
10/10 3 10/10
P =
10/10
3 10/10
D =[0, 0]
[0, 10]
>> expr=subst(expr,X,P*X1)
10 y1 2 20 y1 40 x1 + 90
EDU expr=subst(expr,y1,y2+1)
10 y2 2 + 80 40 x1
>> expr=subst(expr,x1,x2+2)
10 y2 2 40 x2
>> expr=expr/10
y2 2 4 x 2
>> paraby(1,P,[2;1])
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
669
y"
x
2
x"
10
6
Marco 2008
Reginaldo J. Santos
670
>> K=[-30*(2)^(1/2),18*(2)^(1/2)];
>> expr=simplify(X.*A*X+K*X+82)
5 x2 6 xy + 5 y 2 30 2x + 18 2y + 82
>> [P,D]=diagonal(A)
2/2
2/2
P =
2/2
2/2
D =[2, 0]
[0, 8]
>> expr=subst(expr,X,P*X1)
2 x1 2 + 8 y1 2 12 x1 + 48 y1 + 82
>> X0=[3;-3];
>> expr=subst(expr,X1,X2+X0)
2 x2 2 8 + 8 y 2 2
>> expr=expr/8
x2 2 /4 1 + y2 2
>> elipse(2,1,P,X0)
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
671
3
x
x"
y"
x
1
5
2
Marco 2008
Reginaldo J. Santos
672
>> K=[-12*(13)^(1/2),0];
>> expr=simplify(X.*A*X+K*X-36)
5 x2 + 12 xy 12 13x 36
>> [P,D]=diagonal(A)
2/ 13 3/13
P =
3/ 13 2/ 13
D =[-4, 0]
[ 0, 9]
>> expr=subst(expr,X,P*X1)
4 x1 2 + 9 y1 2 24 x1 36 y1 36
>> X0=[-3;2];
>> expr=subst(expr,X1,X2+X0)
4 x2 2 36 + 9 y2 2
>> expr=expr/36
x2 2 /9 1 + y2 2 /4
>> hiperby(2,3,P,X0)
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
673
10
6
y"
x"
Marco 2008
Reginaldo J. Santos
674
>> K=[-4*5^(1/2),-18*5^(1/2)];
>> expr=simplify(X.*A*X+K*X-5)
6 x2 4 xy + 9 y 2 4 5x 18 5y 5
>> [P,D]=diagonal(A)
2/5 1/ 5
P =
1/ 5 2/ 5
D =[5, 0]
[0, 10]
>> expr=subst(expr,X,P*X1)
5 x1 2 + 10 y1 2 26 x1 32 y1 5
>> X0=[26/10;32/20];
>> expr=subst(expr,X1,X2+X0)
5 x2 2
322
5
+ 10 y2 2
>> expr=expr*5/322
25
322
x2 2 1 +
25
161
y2 2
>> elipse(sqrt(322)/5,sqrt(161)/5,P,X0)
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
675
y
7
y"
6
x"
3
x
2
x
1
2
2
Marco 2008
Reginaldo J. Santos
676
>> K=[6,0];
>> expr=simplify(X.*A*X+K*X)
x2 + 2 xy 3 y 2 + 6 x
>> [P,D]=diagonal(A)
3/2
1/2
P =
1/2
3/2
D =[ 2, 0]
[ 0,-2]
>> expr=subst(expr,X,P*X1)
2 x1 2 2 y1 2 + 3 3x1 3 y1
>> X0=[-3*3^(1/2)/4;-3/4];
>> expr=subst(expr,X1,X2+X0)
2 x2 2 9/4 2 y2 2
>> expr=expr*4/9
8
9
x2 2 1 98 y2 2
>> hiperbx(3/sqrt(8),3/sqrt(8),P,X0)
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
677
y
y
1
x
y"
0
x
x"
1
4
4
Marco 2008
Reginaldo J. Santos
678
>> K=[33*2^(1/2),-31*2^(1/2)];
>> expr=simplify(X.*A*X+K*X+70)
8 x2 16 xy + 8 y 2 + 33 2x 31 2y + 70
>> [P,D]=diagonal(A)
"
#
2/2 2/2
P =
2/2
2/2
D =[0, 0]
[0, 16]
>> expr=subst(expr,X,P*X1)
16 y1 2 + 2 x1 64 y1 + 70
>> expr=subst(expr,y1,y2+2)
16 y2 2 + 6 + 2 x1
>> expr=subst(expr,x1,x2-3)
16 y2 2 + 2 x2
>> expr=expr/16
y2 2 + x2 /8
>> parabx(-1/32,P,[-3;2])
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
679
y
4
x
x"
2
y
y"
x
2
8
10
Marco 2008
Reginaldo J. Santos
680
>> K=[10,2];
>> expr=simplify(X.*A*X+K*X+9)
x2 6 xy 7 y 2 + 10 x + 2 y + 9
>> [P,D]=diagonal(A)
"
#
1/ 10 3/ 10
P =
3/ 10 1/ 10
D =[-8, 0]
[ 0, 2]
>> expr=subst(expr,X,P*X1)
8 x1 2 + 2 y1 2 + 58 10x1 14
10y1 + 9
5
>> X0=[1/10^(1/2);7/10^(1/2)];
>> expr=subst(expr,X1,X2+X0)
8 x2 2 + 2 y2 2
>> hiperby(4,1,P,X0,d)
a` Algebra
Introducao
Linear
Marco 2008
Captulo 7. Diagonalizacao
681
y
6
4
y"
x"
2
y
x
Marco 2008
Reginaldo J. Santos
Bibliografia
[2] Jose L. Boldrini, Sueli I. R. Costa, Vera L. Figueiredo, e Henry G. Wetzler. Algebra
Linear. Ed.
Paulo, 3a. edicao,
1986.
Harbra Ltda., Sao
ao MATLAB. Departamento de Ciencia
- UFMG,
[3] Frederico F. C., filho. Introducao
da Computacao
Belo Horizonte, Fevereiro de 2000.
a` Algebra
[5] Adilson Goncalves e Rita M. L. de Souza. Introducao
Linear. Edgard Blucher,
Rio de
Janeiro, 1977.
682
Captulo 7. Diagonalizacao
683
[6] Alesio
de Caroli, Carlos A. Callioli, e Miguel O. Feitosa. Matrizes, Vetores, Geometria Analtica.
Paulo, 1976.
Nobel, Sao
[7] Joao
Linear - Introducao.
e Cientficos Editora
1977.
S.A., Rio de Janeiro, 2a. edicao,
a` Algebra
[12] G. H. Golub e C. F. Van Loan. Matrix Computations. Johns Hopkins U.P., Baltimore, 3a. edic ao,
1996.
[13] Stanley I. Grossman. Elementary Linear Algebra. Saunders College Publishing, New York, 5a.
1994.
edicao,
[14] David R. Hill e David E. Zitarelli. Linear Algebra Labs with MATLAB. Macmillan Publishing Company, New York, 1994.
Reginaldo J. Santos
684
a` Algebra
1996.
[22] Elon L. Lima. Algebra
Linear. IMPA, Rio de Janeiro, 2a. edicao,
a` Algebra
Introducao
Linear
Marco 2008
Bibliografia
685
[27] Shayle R. Searle. Matrix Algebra Useful for Statistics. John Wiley and Sons, New York, 1982.
[28] Carl P. Simon e Lawrence Blume. Mathematics for Economists. W. W. Norton and Co. Inc., New
York, 1994.
[29] Gilbert Strang. Linear Algebra and its Applications. Harcourt Brace Jovanovich, Inc., Orlando,
1988.
3a. edicao,
[30] Gilbert Strang. Introduction to Linear Algebra. Wellesley-Cambridge Press, Wellesley, 1993.
Marco 2008
Reginaldo J. Santos
Indice Alfabetico
Angulo
entre vetores, 182
Autoespaco, 436
Autoespaco generalizado, 453
Autovalor(es), 430
Autovetor generalizado, 453
Autovetor(es), 430
axiss, 192
Conicas,
465
degeneradas, 483
(nao)
de, 483
identificacao
Conjugado de uma matriz, 477
Conjunto imagem, 374
Contradomnio, 374
Base
canonica,
254, 324
de subespaco, 253
ortogonal, 323
ortonormal, 323
Indice Alfabetico
Dependencia
linear, 231
Desigualdade de Cauchy-Schwarz, 316
Desigualdade triangular, 317
desvet, 192
det, 140
Determinante, 107
de um operador linear, 418
de Vandermonde, 142
desenvolvimento em cofatores do, 110,
116
propriedades do, 113
detopelp, 140
diag, 23
diagonal, 494
Diagonalizacao
de matrizes, 427
de matrizes simetricas,
465
257
Dimensao,
Distancia
entre dois pontos, 179
Domnio, 374
eig, 460
eixos, 71, 192
elipse, 494
(equacoes)
Equacao
da reta, 208
Marco 2008
687
geral do plano, 202
linear, 35
normais, 341
parametricas
da reta, 209
quadratica,
483
Escalar, 5
escalona, 71
Espaco (espacos)
coluna, 280
linha, 280
Rn , 222
247
solucao,
vetoriais, 226
vetoriais isomorfos, 402
vetorial, 296
eye, 23
Forma canonica
de Jordan, 450
374
Funcao,
Geradores, 251
Gerar, 251
Grau de um polinomio,
309
hiperbx, 494
Reginaldo J. Santos
688
hiperby, 494
Hiperplano, 309
Identidade polar, 327
de conicas,
Identificacao
483
Imagem, 374, 392
de uma matriz, 289
Independencia
linear, 231
polinomial, 96
Interpolacao
inv, 460
Isomorfismo, 402
Lei do paralelogramo, 327
lin, 215
lineplan, 216
lineseg, 192
Matriz (matrizes), 1
(definida) positiva, 475
escalonada, 43
escalonada reduzida, 43
adjunta (classica),
129
anti-simetrica,
30
aumentada, 37
coluna, 2, 167, 224
coluna de, 1
companheira, 142, 463
a` Algebra
Introducao
Linear
Indice Alfabetico
diagonalizavel,
428
diferenca entre, 14
do sistema linear, 36
elementar, 57
elemento de, 2
entrada de, 2
equivalente por linhas, 50
identidade, 11
iguais, 3
Imagem de, 289
inversa de, 78
invertvel, 78
linha, 2, 167, 224
linha de, 1
multiplo
escalar de, 5
Indice Alfabetico
invertvel, 78
nao
nilpotente, 32, 462
nucleo
de, 284
nula, 10
nulidade, 281
ortogonal, 355, 467
particionada em blocos, 148
posto de, 281
potencia,
15
produto de, 5
propriedades de, 10
quadrada, 2
raiz quadrada de, 475
semelhantes, 417, 461
simetrica,
30
singular, 78
soma de, 3
submatriz principal de, 476
traco de, 31
transposta de, 8
triangular inferior, 112
triangular superior, 141
matvand, 71
Menor de um elemento, 107
Metodo
de Gauss, 48
Metodo
de Gauss-Jordan, 44
Marco 2008
689
Mudanca de coordenadas, 352
Multiplo
escalar, 5, 162, 224, 297
no, 192
Norma de um vetor, 179, 315
de somatorio,
Notacao
6, 9, 33
Nucleo,
392
oe, 71
opel, 71
elementar, 37
Operacao
Operador
diagonalizavel,
448
linear, 417
parabx, 495
paraby, 495
pe, 192
39
Pivo,
plan, 216
Plano (plano)
vetor normal do, 202
Plano (planos), 202
Reginaldo J. Santos
690
geral do, 202
equacao
plotci, 71
plotf1, 71
po, 192
Polinomio
caracterstico, 432
poline, 216
poly2sym, 70
poly2sym2, 71
Pontos
colineares, 190
poplan, 216
Posto, 392
de uma matriz, 281
Problema de quadrados mnimos, 341
Processo de ortogonalizacao
de GramSchmidt, 324
Produto
vetorial em Rn , 329
escalar ou interno, 183, 315
propriedades do, 186
ortogonal, 187, 319
Projecao
ortogonal no subespaco, 336
Projecao
Ortografica,
Projecao
363
Raiz quadrada de uma matriz, 475
randi, 23, 460
Regra de Cramer, 126, 136
a` Algebra
Introducao
Linear
Indice Alfabetico
equacoes
da, 209
vetor diretor da, 209
rota, 192
358
Rotacao,
conica,
Secao
483
Segmento (de reta) orientado, 159
Sistema de coordenadas, 352
Sistema de coordenadas retangulares, 162
lineares, 35
Sistema de equacoes
Sistema homogeneo,
53
trivial de, 53
solucao
Sistema(s) linear(es), 35
de, 36
conjunto solucao
consistente, 69
equivalentes, 39
homogeneo,
53
(geral) de, 36
solucao
Solucao
geral de sistema linear, 36
Indice Alfabetico
tex, 193
Traco de um operador linear, 418
linear, 289, 375
Transformacao
identidade, 376
injetiva, 399
invertvel, 411
nula, 376
sobrejetiva, 398
360
Translacao,
Variaveis
livres, 47
Vetor (vetores), 2, 159, 222, 297
angulo
entre, 182
colineares, 162
linear de, 226
combinacao
componentes de, 162164, 166
comprimento de, 179
a uma base,
de coordenadas em relacao
405
Marco 2008
691
de estado, 17
diferenca de, 161, 224, 297
geradores, 251
iguais, 222
independencia
linear de, 231
inverso aditivo, 297
linearmente (in)dependentes, 231
por escalar, 162, 163, 165,
multiplicacao
224
multiplo
escalar, 162, 224, 297
simetrico,
161, 224, 297
soma de, 160, 163, 165, 224
unitario,
179, 323
unitarios,
322
zeros, 23
zoom3, 192
Reginaldo J. Santos