Outubro de 2015
1
1
Matrizes
3
4 Introduo lgebra Linear
1.1 Definio
Uma matriz A uma tabela de mn nmeros dispostos em m linhas (horizontais)
e n colunas (verticais).
a
11
a12 a1n
a21 a22
a2n
A = .. .. . . . ...
. .
am1 am2 amn
Uma matriz com m linhas e n colunas chamada de uma matriz m por n
(escreve-se m n) e m e n so chamadas de suas dimenses, tipo ou ordem.
Exemplo 1. A matriz
1 2 3
A=
4 5 6
uma matriz do tipo 2 3.
Cada um dos smbolos que aparece em uma matriz chamado de elemento
ou entrada da matriz. Um elemento de uma matriz A que est na i-sima linha
e na j-sima coluna chamado de elemento ij ou (i, j)-simo elemento de A.
Ele escrito como aij ou A[i, j]. No exemplo anterior, o elemento a12 2, o
nmero que aparece na primeira linha e segunda coluna do quadro.
Dizemos que duas matrizes A e B so iguais se elas tm o mesmo tamanho
e os elementos correspondentes so iguais, ou seja, se A e B so ambas m n
e aij = bij para todos os valores de i e j.
Trs tipos de matrizes recebem nomes especiais:
Prof. Brbara Amaral - UFOP 5
1
8
uma matriz coluna.
9 13 5
1 11 7
2 6 3
1 2
1 2 ,B = 1
h i 1
A= 3 , C = 1 2 4 0 , D = ,
3 4
3
0 1
6 Introduo lgebra Linear
1 2 4 1 0
1 5
0 3 4
h i
E = 2 , F = 7 3 1 4 4 .
2 1 1 0 5
5 1 2 0 1
A uma matriz quadrada 2 2, B uma matriz 3 2, C uma matriz linha
1 4, D uma matriz coluna 2 1, E uma matriz quadrada 1 1 e F
uma matriz quadrada 5 5. Exemplos de elementos dessas matrizes: a12 = 2,
b32 = 1, c13 = 4, d21 = 3, e11 = 2, f54 = 0.
1 3 0 0
A = 1 0 e B = 7 5 .
1 2 2 1
Sua soma obtida da seguinte maneira:
1 3 0 0 1+0 3+0 1 3
A + B = 1 0 + 7 5 = 1 + 7 0 + 5 = 8 5 .
1 2 2 1 1+2 2+1 3 3
3 1 2 1 0 4
A = 1 1 2 e 2 5 0 .
3 2 2 2 1 1
3 1 2 1 0 4 3 + 1 1 + 0 2 + 4 4 1 6
1 1 2 + 2 5 0 = 1 + 2 1 5 2 + 0 = 3 4 2 .
3 2 2 2 1 1 32 2+1 21 1 3 1
1 3 0 0
A = 1 0 e B = 7 5 .
1 2 2 1
Sua subtrao obtida da seguinte maneira:
1 3 0 0 10 30 1 3
A B = 1 0 7 5 = 1 7 0 5 = 6 5 .
1 2 2 1 12 21 1 1
3 1 2 1 0 4
A = 1 1 2 e 2 5 0 .
3 2 2 2 1 1
3 1 2 1 0 4 31 1 0 24 2 1 2
1 1 2 2 5 0 = 1 2 1 (5) 2 0 = 1 6 2 .
3 2 2 2 1 1 3 (2) 2 1 2 (1) 5 1 3
X
(AB)[i, j] = A[i, 1]B[1, j]+A[i, 2]B[2, j]+...+A[i, n]B[n, j] = A[i, k]B[k, j]
k
e a matriz 3 2
3 1
B = 2 1
1 0
seu produto AB calculado da seguinte forma
3 1
1 0 22 1 =
(1 3 + 0 2 + 2 1) (1 1 + 0 1 + 2 0) =
5 1 .
1 3 1
(1 3 + 3 2 + 1 1) (1 1 + 3 1 + 1 0) 4 2
1 0
3 1 (3 1 + 1 (1) 3 0 + 1 3 3 2 + 1 1
1 0 2 21+13
2 1 = 2 0 + 1 3 2 2 + 1 1
1 3 1
1 0 1 1 + 0 (1) 1 0 + 0 3 1 2 + 0 1
2 3 7
= 5 3 5 .
1 0 2
10 Introduo lgebra Linear
e a matriz 3 2
3 1
B = 2 1
1 0
seu produto AB calculado da seguinte forma
3 1
h i h i h i
1 0 2 2 1 = (1 3 + 0 2 + 2 1) (1 1 + 0 1 + 2 0) = 5 1 .
1 0
1. Comutatividade da soma: A + B = B + A;
2. Associatividade da soma: A + (B + C) = (A + B) + C;
1.2.4 Transposio
A matriz transposta de uma matriz A do tipo mn a matriz AT do tipo nm
que se obtm trocando as linhas pelas colunas de A, ou seja, AT [i, j] = A[j, i].
a
11
a12 . . . a1n a a21
11
. . . am1
a21 a22 . . . a2n a12 a22 . . . am2
T
A = .. .. . . . ... A = ... .. . . . ... .
. . .
am1 am2 . . . am,n a1n a2n . . . amn
1
1. Se A = 1 2 , ento AT =
h i
Exemplo 13. .
2
1 2 1 3
2. Se A = ento AT = .
3 4 2 4
Proposio 1. Seja c uma constante real e A e B matrizes de tamanho ade-
quado. As seguintes propriedades so vlidas:
12 Introduo lgebra Linear
T
1. AT = A;
2. (A + B)T = AT + B T ;
3. (cA)T = cAT ;
4. (AB)T = B T AT .
Demonstrao.
T
1. AT
[i, j] = AT [j, i] = A[i, j];
2.
(A + B)T [i, j] = (A + B)[j, i]
= A[j, i] + B[j, i]
.
= AT [i, j] + B T [i, j]
= (AT + B T )[i, j];
Exerccio 4. ?? Seja
3 0
C= .
1 2
1. Utilizando as matrizes A e B do exerccio 2, calcule (A + B) + C e A +
(B + C) (efetue primeiro a operao que est entre parnteses. Utilize um
computador para realizar as contas). As duas matrizes obtidas so iguais?
Esse resultado ilustra a propriedade associativa da soma de matrizes.
2. Calcule (AB)C e A(BC) (utilize um computador para realizar as contas).
As duas matrizes obtidas so iguais? O resultado ilustra a propriedade
associativa do produto de matrizes.
Exerccio 5. Seja
1 0
I= .
0 1
Utilizando as matrizes dos exerccios 2 e ??, calcule AI, IA, BI, IB, CI,
IC (utilize um computador para realizar as contas). Voc percebe alguma
propriedade interessante ao calcular esses produtos? A matriz I chamada
matriz identidade. Veremos algumas propriedades dessa matriz na subseo
1.3.4.
Exerccio 6. Entre as matrizes abaixo, quais podem ser somadas e quais podem
ser multiplicadas? Justifique. Em caso afirmativo, calcule a soma ou o produto.
0 1 2 1 9
1. X = ,Y = ;
4 2 4 72 8
2 10 1
2 1 9
2. X = 4 3 2 , Y = ;
4 2 8
3 4 1
0 1 3 2 1 9
3. X = ,Y = ;
4 2 2 4 2 8
14 Introduo lgebra Linear
2 1 9
0 1 3
4. X = , Y = 4 2 8 .
4 2 2
1 0 1
Exerccio 8. Seja
2 x2
A= .
2x 1 2
Se A = AT , encontre o valor de x.
Exerccio 9. Verique se as armativas abaixo so verdadeiras ou falsas. Quando
uma armativa for falsa, tente consert-la para que se torne verdadeira.
1. (A)T = (AT );
2. (A + B)T = B T + AT ;
3. (A)(B) = (AB);
6. Se AB = B ento A = I;
7. (AB)2 = A2 B 2 ;
8. (A + B)2 = A2 + 2AB + B 2 .
0 0 0 3 0 0 0 0 0
1 0 , 0 2 0 , 0 1 0 , 0 0 0
0 1
0 0 3 0 0 5 0 0 0
A = 0 3 4
0 0 1
uma matriz triangular superior e a matriz
1 0 0
B = 2 8 0
4 9 7
uma matriz triangular inferior.
Exerccio 10. Mostre que se uma matriz triangular superior e inferior simul-
taneamente, ento ela uma matriz diagonal.
AIn = In A = A.
7 4 5
3 5 6
uma matriz simtrica.
2 0 4
1 4 0
20 Introduo lgebra Linear
0 0 0
0 0 0
Prof. Brbara Amaral - UFOP 21
0 0 a , a 6= 0
0 0 0
nilpotente. Encontre seu ndice de nilpotncia.
a 0 0 , a 6= 0
a a 0
nilpotente. Encontre seu ndice de nilpotncia.
Exerccio 17. Quais so os valores de a para os quais a matriz
a 0 0
0 a 0
0 0 a
nilpotente?
A=[a11 a12 ...a1n; a21 a22 ... a2n; ... ; am1 am2 amn] cria uma
matriz m n usando os elementos a11, a12, ..., amn e a armazena numa
matriz de nome A.
22 Introduo lgebra Linear
O comando
O Matlab mais adequado para fazer clculos com nmeros. Outros softwa-
res so mais indicados para fazer clculos com letras, isto , com variveis
Prof. Brbara Amaral - UFOP 23
25
26 Introduo lgebra Linear
a1 x1 + a2 x2 + . . . + an xn = b.
3x + 2y z = 1
2x 2y + 4z = 2
x + 21 y z = 0
um sistema de trs equaes com trs variveis (x, y e z). Uma soluo
para um sistema linear uma atribuio de nmeros s variveis que satisfaz
simultaneamente todas as equaes do sistema. Uma soluo para o sistema
acima dada por
x = 1
y = 2
z = 2
3
x = 3 y.
2
Em seguida, substitumos expresso para x na equao inferior:
3
!
4 3 y + 9y = 15.
2
Isto resulta numa nica equao envolvendo apenas a varivel y. Resolvendo
essa equao obtemos y = 1, e voltando equao anterior e substituindo y
por seu valor (isto , 1), vem que x = 3/2.
Este mtodo se generaliza para sistemas com variveis adicionais. Vamos
resolver o sistema
Prof. Brbara Amaral - UFOP 29
Exemplo 21.
x + 2y z = 1
y + z = 2
x + 3y = 0
x = 3y, z = 2 y.
3y + 2y (2 y) = 1 2 = 1
obtemos ento uma contradio, o que implica que o sistema acima no possui
soluo. Isso acontece porque as trs equaes, consideradas conjuntamente,
so contraditrias. Vejamos porqu.
Se supomos que as duas primeiras equaes so verdadeiras, temos que
x + 2y z = 1
y + z = 2.
(x + 2y z) + (y + z) = 1 + 2 x + 3y = 3
x + y z = 3
2.
x + 3y 5z = 10
x + 4y 3z = 5.
considere as matrizes
a
11
a12 a1n x
1
b
1
a21 a22
a2n x2
b2
A = .. .. . . . ... , X = .. , B = .. .
. . . .
am1 am2 amn xn bm
1 0 0 1
A = 0 1 0 e B = 1 .
0 0 1 2
0 1 0 x = 1
2
0 0 1 x3 2
o que implica que x1 = 1, x2 = 1, x3 = 2.
x + 2y z + w = 3
2.
2x + 3y 5z + 2w = 10
x + 4y 3z + 4w = 5.
34 Introduo lgebra Linear
x + 3y 2z = 4
3.
2x + y z = 1.
1 2 3
7 8 9
4 5 6 4 5 6 .
7 8 9 1 2 3
3. Substituir uma linha pela sua soma com um mltiplo de outra linha da
matriz [A|B].
Exemplo 26. Somar terceira linha 1 vezes a segunda linha:
1 2 3 1 2 3
4 5 6 4 5 6 .
(1)
7 8 9 + 3 3 3
z = 1
x +
x + 2y + z = 1
3x + y = 0
1 2 1 | 1 .
3 1 0 | 0
Vamos aplicar agora uma srie de operaes elementares com o objetivo de sim-
plificar ao mximo a matrix A que est do lado esquerdo da matriz aumentada.
O objetivo deixar apenas um elemento no nulo em cada coluna. Veremos ao
final desse exemplo que quando isso acontece a resoluo do sistema trivial.
Vamos comear com a primeira coluna. Na primeira linha aparece o ele-
mento a11 = 1. Ele ser o nico elemento no nulo da primeira coluna ao final
do processo. Devemos agora zerar os outros elementos da primeira coluna. Para
zerar o elemento a21 , multiplicamos a primeira linha por 1 e somamos se-
gunda linha. Para zerar o elemento a31 multiplicamos a primeira linha por 3 e
somamos terceira linha.
1 0 1 | 1 1 0 1 | 1 1 0 1 | 1
(1) (3)
1 2 1 | 1
+ 0 2 2 | 2 0 2 2 | 2 .
3 1 0 | 0 3 1 0 | 0 + 0 1 3 | 3
Com essas operaes, levamos a primeira coluna ao formato desejado. Vamos
agora trabalhar com a segunda coluna. O primeiro elemento da segunda coluna
igual a zero. Vamos ento trabalhar com o elemento a22 . Para facilitar os
clculos, vamos dividir a segunda linha por 2 para que a22 seja igual a 1.
Prof. Brbara Amaral - UFOP 37
1 0 1 | 1 1 0 1 | 1
1
0 2 2 | 2 | 2 0 1 1 | 1 .
0 1 3 | 3 0 1 3 | 3
Vamos agora zerar o elemento a32 para que a22 seja o nico elemento no
nulo nessa coluna. Para isso, multiplicamos a linha 2 por 1 e somamos linha
3.
1 0 1 | 1 1 0 1 | 1
0 1 1 | 1 0 1 1 | 1 .
(1)
0 1 3 | 3 + 0 0 2 | 2
Observe que as operaes realizadas para simplificar a segunda coluna NO
alteraram a primeira coluna. Essa propriedade crucial para o funcionamento
do mtodo.
Para simplificar as contas, dividimos a terceira coluna por 2.
1 0 1 | 1 1 0 1 | 1
0 1 1 | 1 0 1 1 | 1
.
0 0 2 | 2 | 12 0 0 1 | 1
Vamos agora zerar os elementos a13 e a23 para que o elemento a33 seja o
nico elemento no nulo da terceira coluna. Para isso somamos a terceira linha
primeira e em seguida multiplicamos a terceira linha por 1 e somamos
segunda.
1 0 1 | 1 + 1 0 0 | 0
0 1 1 | 1
+ 0 1 0 | 0 .
0 0 1 | 1 1 (1) 0 0 1 | 1
A matriz acima no pode ser mais simplificada atravs de operaes ele-
mentares. Quando chegamos a esse ponto transformamos a matriz aumentada
novamente em um sistema. Nesse caso temos
38 Introduo lgebra Linear
+ 0y + 0z = 0
x
0x + y + 0z = 0
0x + 0y + z = 1
0 0 0 | 1
A matriz do lado esquerdo j est na forma escalonada reduzida e portanto
no pode ser simplificada. Transformando novamente a matriz em um sistema
obtemos
x z = 2
3z
y + 2 = 32
0x + 0y + 0z = 1
40 Introduo lgebra Linear
que um sistema sem soluo, uma vez que a terceira equao implica que
0 = 1, o que obviamente no uma igualdade verdadeira.
Observe que nesse caso no necessrio completar todo o escalonamento
para ver que o sistema no possui soluo. Aps a primeira etapa do escalo-
namento a segunda equao equivale a 2x + 3y = 3 enquanto a terceira
equao equivale a 2x + 3y = 2 que claramente no podem ser satisfeitas
simultaneamente.
0 0 0 | 0
A matriz do lado esquerdo j est na forma escalonada reduzida e portanto
no pode ser simplificada. Transformando novamente a matriz em um sistema
obtemos
x z = 2
3z
y + 2 = 23
0x + 0y + 0z = 0
Prof. Brbara Amaral - UFOP 41
x z = 2
y + 3z2 = 32
z + w = 2
x
2x y + z + 2w = 0
2x 2y + 5z + w = 3
42 Introduo lgebra Linear
1 0 1 1 | 2 0 1 1 | 2
(2) (2) 1
2 1 1 2 | 0 + 0 1 3 0 | 4 | 1
2 2 5 1 | 3 + 0 2 7 1 | 1
0 1 1 | 2
1
0 1 3 0 | 4
2
0 2 7 1 | 1 +
0 1 1 | 2 +
1
0 1 3 0 | 4 +
0 0 1 1 | 7 3
0 0 0 | 9
1
0 1 0 3 | 25 .
0 0 1 1 | 7
z + w = 2
x
2x y + z + 2w = 0
3x y + 3w = 3
Prof. Brbara Amaral - UFOP 43
1 0 1 1 | 2 1 0 1 1 | 2
(2) (3)
2 1 1 2 | 0
+ 0 1 3 0 | 4 .
3 1 0 3 | 3 + 0 1 3 0 | 3
z + w = 2
x
2x y + z + 2w = 0
3x y + 3w = 2
1 0 1 1 | 0 1 1 | 2
2 (2) (3) 1
2 1 1 2 | 0 + 0 1 3 0 | 4 | 1
3 1 0 3 | 2 + 0 1 3 0 | 4
1 1 | 2 0 1 1 |
1 0 1 2
0 1 3 0 | 4 0 1 3 0 | 4 .
0 1 3 0 | 4 + 0 0 0 0 | 0
x z + w = 2
y 3z + = 4
2x + y = 3
x y = 0
x + 2y = 3
3x + 3y = 6
Prof. Brbara Amaral - UFOP 45
2 1 | 3 1 1 | 0 1 1 | 0
(2) (1) (3)
1 1 | 0
1 | 3 + 3 | 3 | 13
2
0
1 2 | 3 1 2 | 3 + 0 3 | 3
3 3 | 6 3 3 | 6 + 0 6 | 6
1 1 | 0 1 1 | 0 +
1 | 1 1 | 1
0 (3) (6) 0
0 3 | 3 + 0 0 | 0
0 6 | 6 + 0 0 | 0
1 0 | 1
0 1 | 1
.
0 0 | 0
0 0 | 0
2x + y = 3
x y = 0
x + 2y = 2
3x + 3y = 6
2 1 | 3 1 1 | 0
(2) (1) (3)
1 1 | 0
1 | 3 +
2
1 2 | 2 1 2 | 2 +
3 3 | 6 3 3 | 6 +
1 1 | 0
3 | 3
0
.
0 3 | 2
0 6 | 6
x + y + z = 1
x y + z
= 3
2x + 2z = 4
3x + y + 3z = 5
Prof. Brbara Amaral - UFOP 47
0 2 0 | 2 + 0 0 0 | 0
0 1 |
1 2
1 0 |
0 1
.
0 0 0 | 0
0 0 0 | 0
A matriz do lado esquerdo j est na forma escalonada reduzida e portanto
no pode ser simplificada. Transformando novamente a matriz em um sistema
obtemos
x + z = 2
= 1
y
0x + 0y + 0z = 0
0x + 0y + 0z = 0
Observe dos exemplos acima que um piv sozinho em uma linha determina
unicamente o valor da varivel correspondente. Uma linha de zeros corresponde
a uma equao que no fornece nenhuma informao relevante sobre o sistema
e pode ser descartada. Equaes contraditrias implicam que sistema no tem
soluo. Linhas com duas entradas no nulas geram uma dependncia entre as
respectivas variveis.
Exerccio 24. Utilizando o mtodo de Gauss-Jordan, encontre as solues dos
sistemas lineares abaixo:
x + y = 3
1.
x y = 1
x + 2y = 5
2.
2x + 5y = 12
x + y = 4
3.
x 2y = 1
2x y = 4
x + y = 2
4.
3x + y = 5
5x + 3y = 9
x + 2y z = 3
5.
x y + z = 1
x + y + 2z = 3
6.
2x + 4y 3z = 4
x + 3y 5z = 2
2x + 3y z + w = 1
7.
5x + y + 10z + 2w = 2
3x 2y + 11z + w = 3
Prof. Brbara Amaral - UFOP 49
[A|B1 |B2 ].
x 2y 2z = 2 x 2y 2z = 2
2x 4y 3z = 7 ,
2x 4y 3z = 5 .
x 2y + z = 4 x 2y + z = 0
1 2 2
A = 2 4 3 ,
1 2 1
50 Introduo lgebra Linear
1 2 2 | 2 | 2
2 4 3 | 7 | 5
1 2 1 | 4 | 0
1 2 0 | 0 | 34
0 0 1 | 0 | 0 ,
0 0 0 | 1 | 31
impossvel, encontrando uma combinao das trs equaes que leve equao
0 = 1. Que valor deve substituir o ltimo zero do lado direito para permitir que
o sistema tenha infinitas solues? Nesse caso, qual o conjunto de solues?
Exerccio 27. Para qual valor de a R o sistema
3x + 2y = 10
6x + 4y = a
impossvel? Por qu? Para quais valores de a o mesmo sistema possui infinitas
solues? Por qu? Nesse caso encontre o conjunto de solues. Existe algum
valor de a para o qual o sistema acima possui uma nica soluo?
Exerccio 28. Verifique se existe algum valor de a para o qual o sistema
ax + y = 1
4x + ay = 2
se torna singular. Nesse caso, o sistema possvel ou impossvel?
52 Introduo lgebra Linear
r = {(x, y) | ax + by = c},
ou seja, o ponto (x, y) pertence reta r se, e somente se, a equao ax+by = c
satisfeita. Um conjunto de equaes lineares com duas incgnitas representa,
Prof. Brbara Amaral - UFOP 53
Exemplo 39.
x + y = 1
x y = 2 .
3x + y = 0
Exemplo 40.
x + y = 1
x y = 2 .
3x + y = 4
2x + y = 3
3.
x 2y = 1
3x y = 2
Prof. Brbara Amaral - UFOP 57
2x + y = 3
4.
x + 2y = 1
3x y = 4
= {(x, y) | ax + by + cz = d},
Da figura 2.4 vemos que os planos se cruzam em uma reta e portanto o sis-
tema possui infinitas solues. Essa reta pode ser parametrizada pelas equaes
x = z + 1 e y = z + 2, z R.
Exemplo 42.
z = 1
x
y z = 2 .
x + y 2z = 4
Exemplo 43.
z = 1
x
y z = 2 .
x y z = 1
Das figuras 2.6, 2.7 e 2.8 vemos que os planos se interceptam em um nico
ponto e portanto o sistema possui soluo soluo nica x = 1, y = 2, z = 0.
60 Introduo lgebra Linear
Figura 2.8: Cada reta representa a interseo de dois dos planos determi-
nados pelas equaes do sistema. A interseo das trs retas corresponde
soluo do sistema.
Exerccio 35. Encontre dois pontos sobre a reta de interseo dos hiperplanos
w = 0, z = 0 e x + y + z + w = 1 em um espao quadridimensional.
Exerccio 36. Em que condies sobre os nmeros l, m e n os pontos (0, l),
(1, m) e (2, n) se localizam em uma linha reta?
Exerccio 37. Se trs planos se cruzam em dois pontos, onde mais eles se
cruzam?
chamado sistema linear homogneo, que pode ser escrito na forma matricial
como
AX = 0
em que
a
11
a12 a1n x
1
0
a21 a22
a2n x2
0
A = .. .. . . . ... , X = .. , 0= ..
.
. . . .
am1 am2 amn xn 0
Observe que todo sistema homogneo possui a soluo
0
0
X= ..
,
.
0
x + y = 0
4.
3x + y = 0
5x + 3y = 0
x + 2y z = 0
5.
x y + z = 0
x + y + 2z = 0
6.
2x + 4y 3z = 0
x + 3y 5z = 0
2x + 3y z + w = 0
7.
5x + y + 10z + 2w = 0
3x 2y + 11z + w = 0
DICA: observe que voc j tem as formas escalonadas reduzidas das matrizes A
do exercco 24. No necessrio escalonar todas as matrizes novamente.
Teorema 3. Todo sistema homogneo com menos equaes que incgnitas
possui infintas solues.
1. X3 = X1 + X2 tambm soluo de AX = 0;
A1 (AX) = A1 B
A1 A X = A1 B
IX = A1 B
X = A1 B.
67
68 Introduo lgebra Linear
Desse modo, sempre que possvel inverter a matriz A, o sistema pode ser
facilmente resolvido multiplicando-se B por A1 . Veremos em breve que apenas
as matrizes quadradas podem ser invertidas e que, alm disso, calcular a inversa
de uma matriz no uma tarefa trivial.
A1 A = I e A A1 = I
B = IB = A1 A B = A1 (AB) = A1 I = A1 .
(A)1 = 1 A1
(A1 A2 A3 ...An )1 = A1 1 1 1
n ...A3 A2 A1 .
A A1 = I.
Soluo. Sabemos que a matriz inversa tem que ser tambm uma matriz 2 2
e portanto da forma
a b
A1 = .
c d
O objectivo determinar os valores de a, b, c e d. Para isso aplicaremos a
definio de inversa:
2 1
a b =
1 0 .
4 3 c d 0 1
Resolvendo essa multiplicao de matrizes obtemos:
2a + c 2b + d 1 0
=
4a + 3c 4b + 3d 0 1
o que nos leva ao sistema de equaes:
2a + c = 1
2b + d = 0
4a + 3c = 0
4b + 3d = 1
A= 2 .
0 1 | 2 | 1
Prof. Brbara Amaral - UFOP 71
o que implica a = 23 , b = 1
2 ,c = 2 e d = 1. Assim, temos
1
3
A1 = 2 2 .
2 1
Exerccio 44. Encontre quatro matrizes 2 2 distintas de modo que cada uma
delas seja sua prpria inversa, ou seja, A2 = I.
em que
0
E2 =
1
a segunda coluna da matriz identidade. Obtemos assim dois sistemas com a
mesma matriz de coeficientes A. Podemos ento resolv-los simultneamente
escalonando a matriz aumentada
[A|E1 |E2 ].
[A|I].
1 0 | 23 1
2
0 1 | 2 1
AXj = Ej
0 1 1 .
1 1 1
0 1 1 | 0 1 0 0 1 1 | 0 1 0 +
0 0 2 | 1 3 1 | 12 0 0 1 | 12 3
2 2
1 1
1 2 0| 1 0 0 + 1 0 0| 0 1 1
1 1 1
0 1 0 | 2 2 2 0 1 0 | 21 12 12 .
2
1 3 1
0 0 1 | 2 2 2 0 0 1 | 21 32 21
Como a forma escalonada reduzida de A igual a I, A invertvel e a inversa
a matriz que aparece do lado direito:
0 1 1
A1 = 12 12 12 .
12 3
2 12
0 1 1 .
1 1 1
Prof. Brbara Amaral - UFOP 77
0 0 0 | 1 1 1
Como temos uma linha de zeros do lado esquerdo, podemos parar o processo de
escalonamento: a forma escalonada reduzida de A no igual a I e portanto A
no uma matriz invertvel.
0 0 1
2 1 0
2. A = 1 2 1 ;
0 1 12
0 0 1
3. A = 0 1 1 ;
1 1 1
1 0 0 0
1
4 1 0 0
4. A = 1 1
.
3 3 1 0
1 1 1
2 2 2 1
AX = 0
0
no possui soluo;
2. Descubra quais so as condies sobre b1 , b2 e b3 para que o sistema
b1
AX = b2
b3
possua soluo;
3. Mostre que A no invertvel.
Exerccio 48. Verdadeiro ou falso:
1. Se A invertvel, A1 tambm .
2. Se A invertvel ento AT tambm .
3. Uma matriz com uma linha de zeros pode ser invertvel.
4. Uma matriz com uma coluna de zeros pode ser invertvel.
Prof. Brbara Amaral - UFOP 79
A1 (AX) = A1 B
A1 A X = A1 B
IX = A1 B
X = A1 B.
1 0 0 1
4. A = 1 1 0 ; B = 1 ;
0 0 1 1
2 1 0 1
5. A = 1 2 1 ; B = 1 ;
0 1 12 1
0 0 1 1
6. A = 0 1 1 ; B = 1 ;
1 1 1 1
1 0 0 0 1
1
1 0 0 1
7. A = 41 1
;B = .
3 3 1 0
1
1 1 1
2 2 2 1 1
1 0 0
0 0 1
2 1 0
5. A = 1 2 1 ;
0 1 12
0 0 1
6. A = 0 1 1 ;
1 1 1
1 0 0 0
1
4 1 0 0
7. A = 1 1
.
3 3 1 0
1 1 1
2 2 2 1
85
86 Introduo lgebra Linear
Ento
A1 A1
A1
A1
A A2 A2 A2
2
.. .. .. ..
. . . .
Ak1 Ak1 Ak1 Ak1
f (A) = det = = det + det
.
Ak X + Y X Y
Ak+1 Ak+1 Ak+1 Ak+1
.. .. .. ..
. . . .
An An An An
4.1.1 Matrizes 1 1
Se A = a11 ento
h i
det(A) = a11 .
Exemplo 48. Se A = 3 , ento det(A) = 3.
h i
Prof. Brbara Amaral - UFOP 87
4.1.2 Matrizes 2 2
O determinante de uma matriz 2 2 a diferena entre o produto dos termos
da diagonal principal e o produto dos termos da diagonal secundria.
a b
det = ad bc.
c d
4.1.3 Cofatores
Para calcular o determinate de matrizes maiores, vamos precisar da definio de
cofator.
Definio 4. Dada uma matriz n n, a matriz menor Aij relativa ao elemento
Aij a matriz (n 1) (n 1) obtida de A eliminando-se a linha i e a coluna
j, ou seja, a linha e a coluna do elemente Aij .
Exemplo 50. Dada a matriz
1 1 0
A = 1 3 1 ,
2 2 1
1 1 0
A = 1 3 1 ,
2 2 1
Prof. Brbara Amaral - UFOP 89
temos que
3 1
1+1
det A11 1+1
C11 = (1) = (1) det = 5;
2 1
1 1
1+2
det A12 1+2
C12 = (1) = (1) det = 3;
2 1
1 0
3+1
det A31 3+1
C31 = (1) = (1) det = 1;
3 1
1 1
C33 = (1)3+3 det A33 = (1)3+3 det
= 3.
1 3
n
X
det(A) = a1j C1j + a2j C2j + a3j C3j + ... + anj Cnj = aij Cij .
i=1
4.2 Induo
Induo um mtodo de demonstrao usado para demonstrar a validade de
um nmero infinito de proposies. A forma mais simples e mais comum de
induo prova que uma certa afirmao vale para todos os nmeros naturais n
e consiste de dois passos:
Ento voc pode concluir que todos os domins cairo, j que o primeiro derru-
bar o segundo, o segundo derrubar o terceiro e assim sucessivamente.
Exemplo 52. Prove que para qualquer n natural vale
n(n + 1)
1 + 2 + 3 + ... + n = .
2
Soluo. O primeiro passo consiste em determinar a base da prova por induo:
provar que a afirmao vlida para n = 1. Para esse valor de n o lado esquerdo
igual a 1, pois h um nico termo na soma, e o lado direito igual a 1(1+1)
2 = 1.
Isso mostra que a afirmao verdadeira para n = 1.
92 Introduo lgebra Linear
verdadeira para k 1 3.
Assumindo a equao acima devemos provar que a afirmao vlida para
n = k. Abrindo ambos os lados da desigualdade acima temos que
k 2 2k + 1 > 2k 2.
ou seja
k 2 > 2k.
Assim provamos que se vale a afirmao para n = k 1, ento a afirmao
vale para n = k. Podemos concluir ento que a afirmao verdadeira para
qualquer n natural.
94 Introduo lgebra Linear
Como A possui duas linhas iguais, todas as matrizes menores A1j possuem duas
linhas iguais. Como a afirmao vlida para matrizes (n 1) (n 1) temos
que det A1j = 0 para todo j e portanto det(A) = 0.
96 Introduo lgebra Linear
Ento
Como
A1
2
A
A2 ..
.
.
.
.
k1
A
Ak1
temos que A
A = =
1j X + Y
X + Y
k+1
A
Ak+1 ..
.. .
.
An
An
em que cada linha Ak , X
e Y so obtidas de Ak , X e Y , respectivamente,
eliminando-se o elemento da coluna j. Como a afirmao vlida para matrizes
(n 1) (n 1) temos
A2 A2 A2
.. .
.
.
.
. . .
k1 k1
A A Ak1
k+1
A Ak+1 Ak+1
..
.
.
.
.
. . .
An An An
Substituindo na expreso para det(A) temos
a1j (1)1+j det A1j 1j + det N
a1j (1)1+j det M 1j
X X
det(A) = =
j j
1j + X a1j (1)1+j det N
a1j (1)1+j det M
X
=
j j
= det (M ) + det (N ) .
Resta provar a afirmao para k = 1. Isso pode ser feito de maneira an-
loga a anterior expandindo o determinante utilizando qualquer linha diferente da
primeira.
Prof. Brbara Amaral - UFOP 99
det(B) = n det(A).
entre si:
A
1
A
1
. .
.. ..
Ak Al
. .
. .
A = . , B = . .
A A
l k
. .
. .
. .
An An
Seja
A1
..
.
Ak + Al
.
.
C= .
.
A + A
k l
..
.
An
A1 A1
.
..
..
.
A A
k l
.
. .
.
0 = det(C) = det . + det . =
A + A A + A
k l k l
.. ..
. .
An An
Prof. Brbara Amaral - UFOP 101
A
1
A
1
A
1
A
1
. . . .
.. .. .. ..
Ak Ak Al Al
. . . .
. . . .
det . + det . + det . + det . = 0 + det(A) + det(B) + 0.
A A A A
k l k l
. . . .
. . . .
. . . .
An An An An
det(B) = det(A).
102 Introduo lgebra Linear
A = ... , B = ..
.
.
A A + A
l l k
. ..
.
. .
An An
Pelo teorema 8
A
1
A
1
. .
.. ..
Ak Ak
A = 1 1 3
2 1 1
Prof. Brbara Amaral - UFOP 103
1 1 0 1 1 0
1 2
1 1 3 + 0 2 3
12
2 1 1 + 0 1 1 +
1 1 0
0 2 3 .
0 0 12
0 1 1
A = 3 6 6
1 2 1
0 1 1 1
1 2 3
3 6 6 3 6 6 +
1 2 1 0 1 1
1
1 2
0 0 3
0 1 1
1
1 2
0 1 1 .
0 0 3
0 1 1
A = 3 6 6
3 7 7
0 1 1 | 13 1
0 1
3 6 6 1 2 2
3 7 7 3 7 7
1
1 2 3
0 1 1
3 7 7
+
1
1 2
0 1 1
1
0 1 1
+
1
1 2
0 1 1
0 0 0
R det(A) A1 AX = 0 AX = B
6= I =0 No existe Possui soluo no trivial Possui infinitas solues
ou no possui soluo.
Exerccio 69. Seja A uma matriz invertvel tal que A2 = A. Calcule det(A).
Exerccio 70. Seja A uma matriz tal que Ak = 0 para algum k N. Mostre
que A uma matriz singular.
Observao 8. Esse resultado mostra uma maneira de provar que uma matriz
no nilpotente: se seu determinante diferente de zero, essa matriz com cer-
teza no nilpotente. ATENO: a recproca dessa afirmao no verdadeira,
ou seja, o fato de que det(A) = 0 no implica que A seja nilpotente. Veja por
Prof. Brbara Amaral - UFOP 109
exemplo a matriz
1 0
.
0 0
Exerccio 71. Suponhamos que A seja uma matriz tal que AT = A1 . Verifique
quais so os possveis valores de det(A).
111
112 Introduo lgebra Linear
sificao das pginas mais relevantes dada uma consulta. Entretanto, h uma
srie de problemas com esta abordagem. Um termo de pesquisa comum, como
a Internet era problemtico. A primeira pgina exibida por um dos busca-
dores era uma pgina escrita em chins, com repetidas ocorrncias da palavra
Internet e que no continha nenhuma informao relevante sobre a Internet.
Alm disso, suponha que voc queria encontrar alguma informao sobre
a UFOP. Ao digitar a palavra UFOP, esperamos que www.ufop.br seja a
primeira pgina a aparecer na lista, j que ela a pgina mais relevante para a
nossa consulta. Contudo, pode haver milhes de pginas na web no mundo em
que aparece a palavra UFOP e a pgina www.ufop.br pode no ser a pgina
em que ela aparea mais vezes. Suponha que decidimos escrever um web site
que contm a palavra UFOP um bilho de vezes e nada mais. Ento no faria
sentido o nosso web site para o primeiro exibido por um buscador. No entanto,
se tudo que o buscador faz contar as ocorrncias de palavras na consulta feita,
este exatamente o que poderia acontecer.
A utilidade de um buscador depende da relevncia do conjunto de resultados
que ele fornece. Evidentemente, vo haver milhes de pginas da Web que
incluem uma palavra ou frase especial; no entanto algumas delas vo ser mais
relevantes, populares, ou de autoridade do que outras. impraticvel que um
usurio abra todas as pginas que contm as palavras da consulta feita para
verificar se aquela pgina relevante.. Ele espera que as pginas relevantes
sero exibidas dentro do top 20 a 30 pginas listadas pelo buscador.
Buscadores modernos empregam mtodos de classificar os resultados para
fornecer os "melhores"resultados primeiro que so bem mais elaboradas do que
classificao utilizando apenas texto. Um dos algoritmos mais conhecidos e
influentes para computar a relevncia das pginas da Web o algoritmo Page
Rank usado pelo Google. Foi inventado por Larry Page e Sergey Brin enquanto
eram estudantes de ps-graduao em Stanford, e tornou-se uma marca Google
em 1998.
A noo que Page Rank introduziu foi que a importncia de qualquer pgina
da web pode ser julgado ao olharmos para as pginas que apontam para ela.
Prof. Brbara Amaral - UFOP 113
Para este objetivo, comeamos imaginando a rede web como um grafo dire-
cionado, com vrtices representando pginas web e arestas representando links
entre elas.
Suponha, por exemplo, que temos uma pequena Internet composta de ape-
nas 4 pginas www.page1.com sites, www.page2.com, www.page3.com,
www.page4.com, referenciando umas s outras da maneira sugerida pela ima-
gem :
114 Introduo lgebra Linear
1
= 1 x3 + x4
x1 2
= 13 x1
x2
x3 = 31 x1 + 1
2 x1 + 1
2 x4
= 13 x1 + 1
x4 x2
2
1. Pgina 1;
2. Pgina 3;
3. Pgina 4;
4. Pgina 2.
V = Ri.
7i1 + 3i3 30 = 0
11i2 3i3 50 = 0.
cuja soluo
570 590 20
i1 = , i2 = , i3 = .
131 131 131
Observe que i3 negativo, o que significa que esta corrente flui no sentido oposto
ao indicado na figura.
8x = w.
18x = 2z 9x = z.
2y = 2w + z.
w = 0
8x
9x z = 0
2y z 2w = 0.
120 Introduo lgebra Linear
Note que temos 3 equaes e 4 variveis, o que implica que o sistema pos-
svel e indeterminado, ou seja, admite infinitas solues. Resolvendo o sistema
obtemos:
1 25 9
x = w, y = w, z = w, w R.
8 16 8
x = 2, y = 25, z = 18ew = 16
5.4 Trnsito
Sabendo o valor de t, que pode por exemplo ser medido atravs de radares
ou outros mecanismos semelhantes, conseguimos encontrar o nmero de carros
entre cada trecho da malha viria.
6
Provas anteriores
7 de abril de 2011
Responda:
a) Qual o valor de det(B)?
1 0 0 0
3 2 0 0
b) Calcule det(BC 1 B T ) em que C =
.
4 1 5 0
1 1 2 8
123
124 Introduo lgebra Linear
x + y + 2z = 3
2x + 2y + 4z = 2a
4x + 4y + 8z = 4b
1 1 0 .
5a + 10 0 5a
9 de dezembro de 2010
1. (1 pt)
a) Mostre que a matriz abaixo invertvel independente do valor do escalar
a
1 0 2
1 1 0 .
2a + 4 0 4a
1 0 1
1 0 1
Prof. Brbara Amaral - UFOP 125
Responda:
a) Qual o valor de det(B)?
1 0 0 0
3 2 0 0
b) Calcule det(BC 1 B T ) em que C =
.
4 1 5 0
1 1 2 18
09 de setembro de 2010
Respostas sem justificativa no sero consideradas!
1. (1 pt) Dado o sistema abaixo, em que a e b so nmeros reais
x + 3y + 4z = 3
2x + 6y + 8z = a
4x + 12y + 24z = b
2. (1 pt) Seja
x2 2 x
A = 3 1 1 .
0 1 0
Determine os valores de x para os quais a matriz A invertvel. Calcule
a inversa para x = 1.
3. (1pt)
Sejam as matrizes
2 4
3 40 5 6
1 0 1 0 7 8 8 67
1 2
A= , B = 1 0 1 , C = 0 0 6 1 2 ,
2 4
0 1 0 0 0 0 5 3
0 0 0 0
4. (0.5 pt) V ou F
a) Seja uma constante qualquer. det(A) = det(A) para toda matriz
A.
b) (AB 1 A1 )T = (AT )1 (B T )1 AT
09 de setembro de 2010
x+y+z = 3
2x + 3y + 2z = 5
2
x + y + (a 8)z = a + 6
2. (1 pt) Seja
x2 x 2
A = 3 1 1 .
0 1 0
Determine os valores de x para os quais a matriz A invertvel. Calcule
a inversa para x = 1.
3. (1pt)
Sejam as matrizes
2 4
3 40 5 6
1 0 1 0 7 8 8 67
1 2
A= , B = 1 0 1 , C = 0 0 6 1 2 ,
2 4
0 1 0 0 0 0 5 3
0 0 0 0
4. (0.5 pt) V ou F
a) det(A) = det(A) para toda matriz A.
b) (A + B)(A B) = A2 B 2 .
9 de dezembro de 2010
1 0 1
A = 1 1 0 .
5a + 4 0 5a
a) Mostre que a matriz acima invertvel para qualquer valor de a.
b) Calcule a inversa para a = 0.
2. (1,2 pt) Seja
1 0 1
A = 0 1 0 ,
1 0 1
em que uma constante real.
a) Encontre os valores de para os quais o sistema acima possui soluo
nica.
b) Faa = 0 e encontre os valores de a e b para os quais o sistema
AX = B possui infinitas solues, sendo
1
B = a .
3. (1,2 pt) Seja A uma matriz 4 4 tal que detA = 1. Seja B a matriz
obtida de A seguindo a seguinte sequncia de operaes elementares:
Prof. Brbara Amaral - UFOP 129
Responda:
a) Qual o valor de detB?
1 0 0 0
15 3 0 0
b) Seja C = . Calcule det(BC) e det(B 1 C 1 B T ).
2 1 6 0
0 3 1 1
09 de setembro de 2010
1. (1 pt) Dado o sistema abaixo, em que a um nmero real
x+y+z = 3
2x + 3y + 2z = 5
2
x + y + (a 8)z = a + 6
A = 3 1 1 .
0 1 0
Determine os valores de x para os quais a matriz A invertvel. Calcule
a inversa para x = 1.
130 Introduo lgebra Linear
3. (1pt)
Sejam as matrizes
2 4
3 40 5 6
1 0 1 0 7 8 8 67
1 2
A= , B = 1 1 1 , C = 0 0 6 1 2 ,
2 1
2 1 0 0 0 0 2 3
0 0 0 0 1
4. (0.5 pt) V ou F
a) det(A) = det(A) para toda matriz A.
b) (A + B)(A B) = A2 B 2 .
09 de dezembro de 2010
1. (1,2) a) Seja
1 0 1
A = 1 1 0 .
5a + 4 0 5a
2. (1,2) Seja
1 0 1
A = 0 1 0 ,
1 0 1
em que uma constante real.
a) Encontre os valores de para os quais o sistema acima possui soluo
nica.
b) Faa = 0 e encontre os valores de a e b para os quais o sistema
AX = B possui infinitas solues, sendo
B = a .
3. (1,2 pt) Seja A uma matriz 4 4 tal que detA = 1. Seja B a matriz
obtida de A seguindo a seguinte sequncia de operaes elementares:
Responda:
a) qual o valor de detB?
1 0 0 0
15 3 0 0
b)Seja C = . Calcule det(BC) e det(B 1 C 1 B T ).
2 1 6 0
0 3 1 1
7
Espaos Vetoriais
133
134 Introduo lgebra Linear
(x1 , . . . , xn ) = (x1 , . . . , xn ).
1. X3 = X1 + X2 tambm soluo de AX = 0;
Exemplo 63. Mostre que os exemplos acima so de fato espaos vetoriais com
as operaes indicadas.
Exerccio 73. Seja I um conjunto qualquer. Mostre que o conjunto das funes
f : I R um espao vetorial sobre R.
Exemplo 64. Suponhamos que no conjunto R2 seja definida a soma
(x1 , y1 ) (x2 , y2 ) = (x1 + x2 + 1, y1 + y2 + 1).
Com a soma definida acima e com o produto por escalar usual, R2 no um
espao vetorial sobre R. De fato, a propriedade 6
(~u + ~v ) = ~u + ~v
no satisfeita por essa soma. Veja, por exemplo, que
3 [(1, 1) (2, 2)] = 3 (4, 4) = (12, 12)
enquanto
3 (1, 1) 3 (2, 2) = (3, 3) + (6, 6) = (10, 10.)
Exemplo 65. O conjunto dos nmeros no-negativos R+ no um espao
vetorial com a soma usual e o produto por nmeros reais usual. De fato, ao
multiplicar qualquer elemento no nulo de R+ por qualquer nmero real negativo
obtemos um nmero negativo, que portanto est fora de R+ .
Prof. Brbara Amaral - UFOP 137
x y = xy
x = x .
A figura abaixo mostra o vetor ~u = (3, 4, 4) (preto), assim como seus ml-
tiplos ~u2 (rosa), 2~u (verde), ~u (roxo), ~u2 (azul) e 2~u (amarelo).
142 Introduo lgebra Linear
S = {(t, 0, . . . , 0) Rn ; t R}
148 Introduo lgebra Linear
um subespao vetorial de Rn .
Soluo. Nos exemplos anteriores, utilizamos a geometria de R2 e R3 para
entender se o subconjunto S ou no um subespao vetorial. Em espaos
vetoriais mais gerais, em que a geometria no est disponvel, devemos utilizar
a lgebra para fazer essa verificao.
A soluo de um problema como esse passa sempre por trs passos. O
primeiro deles verificar qual a propriedade que define o subconjunto S. Nesse
exemplo, o subconjunto S o conjunto de todos os vetores de Rn que possuem
todas as coordenadas iguais a zero a partir da segunda. A primeira coordenada
pode assumir qualquer valor.
O segundo passo verificar se a soma de quaisquer elementos de S per-
manece em S. Suponhamos ento que ~x e ~y S, ento ~x = (t1 , 0, . . . , 0) e
~y = (t2 , 0, . . . , 0) com t1 e t2 R. Assim
~x + ~y = (t1 + t2 , 0, . . . , 0)
tambm pertence a S.
O terceiro passo verificar se a multiplicao de elementos de S por cons-
tante permanece em S. Tomando ~x = (t1 , 0, . . . , 0) S qualquer e R
temos
~x = (t, 0, . . . , 0)
que tambm pertence a S. Como as propriedades 1 e 2 so satisfeitas, S um
subespao de Rn .
Observe que em R2 e R3 esse subespao corresponde aos vetores sobre o
eixo x e portanto S uma reta passando pela origem, o que coincide com o que
j havamos visto anteriormente utilizando a geometria desses espaos.
~v = a1 u~1 + . . . + ak u~k .
p(x) = a2 x2 + a1 x1 + a0 = a2 x2 + a1 x1 + a0 1.
0 = 0v~1 + . . . + 0v~k .
Exemplo 82. Considere os vetores e~1 = (1, 0, 0), e~2 = (0, 1, 0) e e~3 = (0, 0, 1).
Qualquer vetor em R3 combinao linear desses trs vetores. De fato, dado
~v = (a1 , a2 , a3 ) podemos escrever
De maneira geral, qualquer vetor de Rn pode ser escrito como uma com-
binao linear dos vetores e~1 = (1, 0, . . . , 0), e~2 = (0, 1, . . . , 0), . . . , e~n =
(0, 0, . . . , 1)
Exemplo 83. Se um vetor ~v combinao linear de um vetor ~u ento
~v = ~u
Exemplo 84. Considere os vetores u~1 = (1, 0, 0) e u~2 = (1, 1, 0). O vetor
~v = (4, 2, 0) combinao linear de u~1 e u~2 . Para provar esse fato, suponhamos
inicialmente que ~v possa ser escrito como combinao de u~1 e u~2 . Isso quer
dizer que existem a1 , a2 R tais que
1 1 4
a1
0 1 = 2 .
a2
0 0 0
~v = a1 u~1 + a2 u~2
(1, 2, 1) = a1 (1, 0, 0) + a2 (1, 1, 0)
154 Introduo lgebra Linear
1 1 1
a
0 1 1 = 2 .
a2
0 0 1
Esse sistema no possui soluo, uma vez que a ltima equao equivale a
0 = 1.
De fato, qualquer combinao linear desses vetores da forma
~v = a1 u~1 + . . . + am u~m .
1 0 2
a
A = 0 1 , X = e B = 3 .
1
a2
2 0 4
1 0 2
a1
A = 0 1 , X = e B = 3 .
a2
0 0 4
Exerccio 81. Verifique se o vetor ~v combinao linear dos vetores u~1 , . . . , u~n
dados abaixo. Em caso afirmativo, encontre a combinao linear desses vetores
que gera ~v .
7. ~v = (2, 2, 2); u~1 = (1, 0, 1), u~2 = (0, 1, 0), u~3 = (1, 1, 1);
8. ~v = (2, 3, 1); u~1 = (1, 0, 0), u~2 = (0, 1, 0), u~3 = (0, 0, 1);
9. ~v = (2, 3, 1); u~1 = (1, 1, 0), u~2 = (0, 1, 0), u~3 = (0, 1, 1);
10. ~v = (2, 3, 1, 1); u~1 = (1, 0, 0, 0), u~2 = (0, 1, 0, 0), u~3 = (0, 0, 1, 0);
11. ~v = (2, 3, 1, 1); u~1 = (1, 0, 0, 0), u~2 = (0, 1, 0, 0), u~3 = (0, 0, 1, 0), u~4 =
(0, 0, 0, 1);
12. ~v = (2, 3, 1, 1); u~1 = (1, 1, 0, 0), u~2 = (0, 1, 0, 0), u~3 = (0, 0, 1, 0), u~4 =
(0, 0, 1, 1);
13. ~v = (2, 3, 1, 1); u~1 = (1, 1, 0, 0), u~2 = (0, 1, 0, 0), u~3 = (0, 0, 1, 0), u~4 =
(0, 0, 1, 1), u~5 = (1, 1, 1, 1).
Observao 10. Cada item do exerccio anterior leva a um sistema linear. Re-
solva os sistemas com o auxlio de um computador.
Prof. Brbara Amaral - UFOP 157
a1 u~1 + + ak u~k = 0
~u = 0
A = 1 0 .
0 0
O sistema AX = 0 possui soluo apenas a soluo trivial, como pode ser
facilmente verificado.
Se k = n, A uma matriz quadrada e o sistema AX = 0 possui soluo
nica se, e somente se, det(A) 6= 0.
Corolrio 8. Um conjunto de n vetores em Rn LI se, e somente se, a matriz
A construda utilizando esses vetores como colunas tem determinante diferente
de zero.
Exemplo 92. 1. Os vetores
u~1 = 1, 0, 1 , u~2 = 1, 0, 1 , u~3 = 0, 1, 0
todas as constantes iguais a zero. Para mostrar que isso de fato acontece,
devemos resolver o sistema AX = 0, em que A a matriz formada
colocando u~1 , u~2 e u~3 como colunas:
1 1 0
A = 0 0 1 .
1 1 0
so LI.
so LI.
4. Os vetores
u~1 = 1, 0, 1 , u~2 = 1, 0, 1 , u~3 = 1, 0, 0
A = 0 0 0 .
1 1 0
Como o determinante de A igual zero, o sistema AX = 0 possui apenas
a soluo trivial e isso quer dizer que podemos encontrar uma combinao
linear de u~1 , u~2 e u~3 que resulta o vetor nulo sem que as constantes sejam
todas nulas o que implica que esses vetores so LD.
Exemplo 93. Os vetores (1, 1) e (3, 2) so LI. De fato, a matriz obtida usando
esses vetores como colunas
1 3
A=
1 2
A = 3 0 2
1 0 1
que tem determinante igual a 5.
Exemplo 95. Os vetores (1, 3, 1) (1, 1, 1) e (1, 2, 1) so LD. De fato, a matriz
obtida usando esses vetores como colunas
1 1 1
A = 3 1 2
1 1 1
que tem determinante igual a 0.
Prof. Brbara Amaral - UFOP 161
a1 v~1 + + ak v~k = 0
Exemplo 96. Um conjunto com dois vetores LD se, e somente se, um deles
mltiplo do outro. De fato, se dois vetores so LD, um deles pode ser escrito
como combinao linear do outro.
Exemplo 97. Em R3 trs vetores so LD apenas em trs casos: ou os trs so
paralelos, ou dois deles so paralelos, ou os trs vetores so coplanares.
Exerccio 82. Verifique se os conjuntos de vetores abaixo so LI ou LD.
1. (1, 1);
162 Introduo lgebra Linear
13. (1, 1, 0, 0, 3), (1, 1, 0, 0, 0), (2, 0, 1, 0, 0) , (0, 0, 1, 1, 0), (0, 0, 0, 0, 1).
Observao 11. Cada item do exerccio anterior leva a um sistema linear. Re-
solva os sistemas com o auxlio de um computador.
Exerccio 83. Em cada item do exerccio anterior em que os vetores so LD,
escreva uma combinao linear dos vetores que resulta o vetor nulo em que pelo
menos uma das constantes usadas seja diferente de zero. Escreva um dos vetores
como combinao linear dos outros.
Exerccio 84. Suponhamos que u~1 , u~2 , . . . , u~n em Rn , escritos como matrizes
coluna, sejam linearmente independentes. Se A uma matriz invertvel n n,
mostre que Au~1 , Au~2 , . . . Au~n tambm so linearmente independentes. Podemos
afirmar a mesma coisa se A no invertvel?
Prof. Brbara Amaral - UFOP 163
B = {u~1 , . . . , u~k }
hu~1 , . . . , u~k i = V.
Observao 12. Uma base para um espao vetorial V nunca nica. De fato,
para qualquer espao vetorial V existem infinitas bases, como veremos adiante.
Exemplo 102. Os vetores u~1 = (1, 0) e u~2 = (0, 1) formam uma base para
R2 . De fato, esses vetores so LI e qualquer vetor de R2 pode ser escrito como
combinao linear de u~1 e u~2 . Isso pode ser facilmente provado: um vetor
qualquer de R2 da forma
De maneira anloga, como mostrado no exemplo 82, os vetores u~1 = (1, 0, 0), u~2 =
(0, 1, 0) e u~3 = (0, 0, 1) formam uma base para R3 . De maneira geral, os ve-
tores u~1 = (1, 0, 0, . . . , 0, 0), u~2 = (0, 1, 0, . . . , 0, 0), . . . , u~n = (0, 0, 0, . . . , 0, 1)
formam uma base para Rn , como pode ser verificado de maneira anloga aos
casos de R2 e R3 .
Prof. Brbara Amaral - UFOP 165
Em geral, fcil provar que um conjunto de vetores LI, pois isso equi-
valente a resolver um sistema linear homogneo. Com o que temos at agora,
o difcil provar se um conjunto de vetores gera ou no todo o espao vetorial
V . Antes de vermos mais exemplos, vamos provar mais resultados que facilitam
essa tarefa.
Teorema 15. Se {u~1 , . . . , u~k } uma base para o espao vetorial V , ento
qualquer conjunto com mais de k vetores LD.
A equao acima fornece uma combinao linear dos vetores u~1 , . . . , u~k que
resulta no vetor nulo. Como esses vetores so LI, isso s pode acontecer se
todas as constantes forem zero, o que implica que
que gera o vetor nulo em que pelo menos uma das constantes no nula.
Afirmamos que b 6= 0. Se b fosse igual a 0, poderamos eliminar o vetor ~v da
equao acima e teramos
em que pelo menos uma das constantes no nula. Como {u~1 , . . . , u~n } uma
base, em particular LI, e portanto isso no pode acontecer. Logo conclumos
que b 6= 0.
Podemos ento isolar ~v na equao (7.7), o que nos leva a
a1 a2 an
~v = u~1 u~2 . . . u~n .
b b b
Isso mostra que, independente de quem seja o vetor ~v , ele pode ser escrito como
combinao linear de {u~1 , . . . , u~n }. Logo esse conjunto uma base para V .
1. (1, 1);
4. (1, 0, 0) , (0, 1, 1) ;
15. (1, 1, 0, 0, 1), (1, 1, 0, 0, 0), (1, 0, 1, 0, 0) , (0, 0, 1, 1, 0), (0, 0, 0, 0, 1).
Prof. Brbara Amaral - UFOP 169
Observao 14. Cada item do exerccio anterior leva a um sistema linear. Re-
solva os sistemas com o auxlio de um computador.
Exerccio 87. Dados u~1 = (2, 1, 3) e u~2 = (2, 6, 4), responda:
2. Quais so as condies sobre v~3 para que {v~1 , v~2 , v~3 } seja uma base de
R3 ?
3. Encontre um vetor v~3 de modo que {v~1 , v~2 , v~3 } seja uma base de R3 .
7.4.3 Subespaos
Sabemos que um supespao vetorial S V tambm um espao vetorial com as
operaes se soma e multiplicao por constante utilizadas em V . Dessa forma,
todas os resultados anteriores se aplicam tambm para subespaos. Vamos
enunci-los novamente para esse caso particular e em seguida analisar alguns
exemplos.
170 Introduo lgebra Linear
S = {(, , + ) : , R}
~v = (, , + ).
Isso prova que os vetores u~1 = (1, 0, 1) e u~2 = (0, 1, 1) geram S. Para provar
que eles formam uma base, resta mostrar que eles so LI, o que fcil uma vez
que um deles no mltiplo do outro. Logo {u~1 , u~2 } uma base para S.
Esse subespao e a base {u~1 , u~2 } so mostrados na figura abaixo.
172 Introduo lgebra Linear
S = {( + 3, , 2 + ) : , R}
~v = ( + 3, , 2 + ).
Isso prova que os vetores u~1 = (1, 1, 2) e u~2 = (3, 1, 1) geram S. Para
provar que eles formam uma base, resta mostrar que eles so LI, o que fcil
Prof. Brbara Amaral - UFOP 173
uma vez que um deles no mltiplo do outro. Logo {u~1 , u~2 } uma base para
S.
Esse subespao e os vetores u~1 , u~2 so mostrados na figura abaixo.
A = 0 1 1 .
1 1 2
174 Introduo lgebra Linear
X = 2
fornece as constantes que devem ser utilizadas na combinao linear para gerar
o vetor nulo. Esse sistema possui infinitas solues dadas por 1 = 3 , 2 =
3 , 3 R. Escolhendo 3 = 1 chegamos combinao linear
Como u~3 combinao linear de u~1 e u~2 , o subespao gerado por {u~1 = (1, 0, 1), u~2 = (0, 1,
igual ao subespao gerado por {u~1 = (1, 0, 1), u~2 = (0, 1, 1)}. Como os vetores
u~1 e u~2 so LI, eles formam uma base para S.
Nesse caso, o vetor eliminado pode ser qualquer um dos trs. Com a nossa
escolha, construmos a base {u~1 , u~2 }. Com escolhas diferentes chegaramos s
bases {u~1 , u~u } (eliminando o vetor u~2 ) e {u~2 , u~3 } (eliminando o vetor u~1 ).
Esse subespao e os vetores u~1 , u~2 , u~3 so mostrados na figura abaixo.
Prof. Brbara Amaral - UFOP 175
( , , ).
Isso prova que os vetores u~1 = (1, 1, 0) e u~2 = (1, 0, 1) geram . Como esses
vetores so LI, uma vez que um no mltiplo do outro {u~1 , u~2 } uma base
para S.
Esse subespao e a base {u~1 , u~2 } so mostrados na figura abaixo.
~v = N1 N2 = (1, 3, 2).
Prof. Brbara Amaral - UFOP 177
Exemplo 111. Vamos encontrar uma base para o conjunto de solues do sis-
tema
x+yz
= 0
x 2y z = 0
2x y 2z = 0.
A = 1 2 1 .
2 1 2
178 Introduo lgebra Linear
0 1 0 .
0 0 0
Logo as solues do sistema linear so dadas por x = z, y = 0, z R. Assim,
fazendo z = , o conjunto de solues do sistema pode ser escrito na forma
S = {(, 0, ); R} .
Qualquer vetor em S da forma
(1, 0, 1),
o que prova que o vetor u~1 = (1, 0, 1) gera S. Como um conjunto com apenas
um vetor no nulo LI, {u~1 } uma base para S.
Observao 16. Observe que esse subespao a reta passando pela origem
com vetor diretor (1, 0, 1), ilustrada na figura abaixo.
Prof. Brbara Amaral - UFOP 179
x1 x2 + 2x3 + x4 = 0
x1 + x2 2x3 x4 = 0.
A = 1 1 2 1 .
1 1 2 1
Escalonando essa matriz obtemos
1 1 0 1
0 0 1 1 .
0 0 0 0
Logo as solues do sistema linear so dadas por x1 = x2 x4 , x3 = x4 , x2 , x4
R. Assim, fazendo x2 = e x4 = , o conjunto de solues do sistema pode
ser escrito na forma
S = {( , , , ); , R} .
Vamos agora encontrar um conjunto de geradores para esse subespao. Isso pode
ser feito de maneira anloga utilizada nos exemplos anteriores, separando nos
vetores de S a parte que depende apenas de e a parte que depende apenas de
:
( , , , ) = (1, 1, 0, 0) + (1, 0, 1, 1).
Isso prova que os vetores u~1 = (1, 1, 0, 0) e u~2 = (1, 0, 1, 1) geram S.
Como esses vetores so LI, {u~1 , u~2 } uma base para S.
180 Introduo lgebra Linear
S = {(2 2, 3, 4, , ); , R} .
Exemplo 114. Vamos encontrar uma base para o espao nulo da matriz
1 1 0 1 5
1 0 0 2 2
A = .
2 1 0 3 7
0 0 0 0 0
Esse o subespao de R5 formado pelas solues do sistema AX = 0. Inicial-
mente, devemos caracterizar o conjunto de solues. Para isso, devemos resolver
o sistema linear. Escalonando a matriz A obtemos
1 0 0 2 2
0 1 3
0 1
.
0 0 0 0 0
0 0 0 0 0
Logo as solues do sistema linear so dadas por x1 = 2x4 2x5 , x2 =
x4 3x5 , x3 , x4 , x5 R. Assim, fazendo x3 = , x4 = e x5 = , o conjunto
de solues do sistema pode ser escrito na forma
S = {(2 2, 3, , , ); , , R} .
Vamos agora encontrar um conjunto de geradores para esse subespao. Isso
pode ser feito separando nos vetores de S a parte que depende apenas de e a
parte que depende apenas de :
(22, 3, , , ) = (2, 1, 4, 1, 0)+(2, 3, 1, 0, 1)+(0, 0, 1, 0, 0).
Isso prova que os vetores u~1 = (2, 1, 4, 1, 0), u~2 = (2, 3, 1, 0, 1) e u~3 =
(0, 0, 1, 0, 0) geram S. Como esses vetores so LI, {u~1 , u~2 , u~3 } uma base para
S.
Exerccio 88. Verifique se os subconjuntos abaixo so subespaos do espao
vetorial apropriado. Em caso afirmativo, encontre uma base para esse subespao.
Quando possvel, caracterize geometricamente o conjunto.
182 Introduo lgebra Linear
1. W = {(x, y, z) R3 ; x + 2y + z = 0} ;
2. W = {(x, y, z) R3 ; 3x + 2y + z = 2} ;
3. W = {(x, y, z, w) R4 ; x + 2y + z w = 0} ;
4. W = {(x, y, z, w) R4 ; x + y = 0} ;
5. W = {(a + b, a b, 2a 3b) R3 ; a, b R} ;
6. W = {(a + b + 2c, a b, 2a 3b c) R3 ; a, b, c R} ;
7. W = {(a b + c, 0, a + b) R3 ; a, b, c R} ;
8. W = {(a b + c, 2a + 3b 2c, 5c, a + b) R4 ; a, b, c R} .
Exerccio 89. Encontre uma base para o conjunto de solues dos sistema
lineares abaixo. Quando possvel, descreva o subespao obtido geometricamente.
2x + 3y z + w = 0
1. 5x + y + 10z + 2w = 0 ;
3x 2y + 11z + w = 0
x + 2y z = 0
2. ;
xy+z = 0
x + 2y z w = 0
3. .
x + y + z + 2w = 0
Resultados adicionais
Veremos agora alguns resultados que podem ser teis em vrias situaes.
Teorema 19. Um conjunto {u~1 , . . . , u~k } em um espao vetorial V uma base
se, e somente se, todo vetor de V pode ser escrito de maneira nica como
combinao linear de u~1 , . . . , u~k .
Prof. Brbara Amaral - UFOP 183
~v = 1 u~1 + . . . + k u~k
~v = 1 u~1 + . . . + k u~k
0 = (1 1 ) u~1 + . . . + (k k ) .
Demonstrao. Como o conjunto {u~1 , . . . , u~k } gera V , resta provar que ele
LI. Se esse conjunto no fosse LI, seria possvel eliminar pelo menos um vetor
e assim obter um conjunto LI que gera V , com menos de k vetores. Como a
dimenso de V k isso uma contradio.
uma base de V .
Prof. Brbara Amaral - UFOP 185
: V V R
(~u, ~v ) 7 ~u ~v
1. (~u + ~v ) w
~ = (~u w)
~ + (~v w);
~
2. ~u ~v = ~v ~u;
3. ~u ~u 0;
4. Se ~u ~u = 0 ento ~u = 0.
Exerccio 91. Mostre que CR [0, 1], o conjunto de funes contnuas do intervalo
[0, 1] com valores em R, um espao vetorial sobre R com soma e produto,
respectivamente, definidos como sendo
(f )(x) = f (x).
Mostre que Z
f~ ~g = f (x)g(x)dx
[0,1]
em que X
Tr(M ) = mi i
i
o trao da matriz quadrada M , definido como a soma dos elementos da
diagonal principal. O produto definida acima um produto interno em Mmn .
Exerccio 92. Mostre que o produto
um produto interno em R2 .
Exerccio 93. Mostre que o produto
(x1 , y1 ) (x2 , y2 ) = x1 x2 y1 y2
Demonstrao.
1. Suponhamos que
V = 1 v~1 + 2 v~2 + . . . + k v~k = 0. (7.8)
Definio 16. Dizemos que uma base B = {v~1 , . . . , v~k } para o espao vetorial
V uma base ortogonal se seus elementos so dois a dois ortogonais. Dizemos
uma base B = {v~1 , . . . , v~k } uma base ortonormal se ortogonal e v~i v~i = 1
para todo i.
Exemplo 117. A base cannica B = {~ e1 = (1, 0, . . . , 0), e~2 = (0, 1, . . . , 0), . . . , e~n = (0, 0
de R uma base ortonormal. De fato, fcil mostrar que o produto interno
n
v~1 v~2 = v~1 v~3 = v~2 v~3 = 0, v~1 v~1 = v~2 v~2 = v~3 v~3 = 1
~v ~u
proj~u~v = ~u.
k~uk2
~ = ~v proj~u~v ento w
Teorema 23. Seja w ~ ortogonal a ~u.
194 Introduo lgebra Linear
Demonstrao. De fato,
~v ~u
~ ~u = (~v proj~u~v ) ~u = ~v ~u proj~u~v ~u = ~v ~u
w ~u ~u = 0.
k~uk2
Dessa forma podemos exibir todos os vetores u~1 , . . . , u~n ; por construo eles
geram o mesmo espao que v~1 , . . . , v~n . So tambm ortonormais, sendo assim
a base ortonormal procurada do espao V .
Observao 19. No processo que mostramos acima, a cada passo normalizamos
o vetor para j chegar a um vetor de norma um. Podemos primeiramente ignorar
a normalizao e encontrar um conjunto de vetores ortogonais entre si e no final
dividir cada um deles pela sua norma.
196 Introduo lgebra Linear
S2 = (x, y, x y, x + y) R4 ; x, y R
n o
so subespaos ortogonais.
Soluo. Fazendo o produto interno entre dois elementos quaisquer de S1 e
S2 temos
(a + b, a b, a, b) (x, y, x y, x y) = (a + b)x + (a b)y + a(x y) + b(x + y)
= ax + bx + ay by ax ay bx + by
= 0.
202 Introduo lgebra Linear
I. 9 de dezembro de 2010
2. (1 pt)
a) Mostre que
{(x, y, z) R3 |x 3z = 5}
203
204 Introduo lgebra Linear
NO um subespao de R3 .
b) Mostre que o vetor nulo combinao linear de qualquer conjunto de
vetores V1 , . . . , Vn .
W = {(x, y, z, w) R4 |x z = 0}
2. (1 pt)
a) Mostre que
{(x, y, z) R3 |X + 2y 3z = 4}
NO um subespao de R3 .
2. (1 pt)
a) Mostre que
{(x, y, z) R3 |X 3z = 5}
NO um subespao de R3 .
b) Mostre que o vetor nulo combinao linear de qualquer conjunto de
vetores V1 , . . . , Vn .
W = {(x, y, z, w) R4 |x z = 0}
2. (1 pt)
a) Mostre que
{(x, y, z) R3 |X 3z = 5}
NO um subespao de R3 .
b) Mostre que o vetor nulo combinao linear de qualquer conjunto de
vetores V1 , . . . , Vn .
W = {(x, y, z, w) R4 |x z = 0}
V. 31 de maio de 2011
208 Introduo lgebra Linear
1. (0,9 pt)
a)Mostre que os subconjuntos
x y mtiplo de I
W1 = (x, y, z, w) R4 ;
z w
x y
1 0
mtiplo de
4
W2 = (x, y, z, w) R ;
z w 0 1
so subespaos de R4 .
b) Encontre bases para eles e suas dimenses.
c) Mostre que esses subespaos so ortogonais.
x1 x2 + x3 + x4 = 0
x1 + x2 x3 x4 = 0
3x1 + x2 x3 x4 = 0
Vimos nos captlos anteriores que uma base para um espao vectorial V de
dimenso k um conjunto de k vetores LI {u~1 , . . . , u~k } com a propriedade de
que cada vetor no espao pode ser expresso unicamente como uma combinao
linear dos vetores de u~1 , . . . , u~k . Uma vez que muitas vezes desejvel trabalhar
com mais dee uma base para um espao vetorial , de importncia fundamental
que sejamos capazes de transformar representaes de vetores em relao a uma
base para as suas representaes equivalentes com relao a outra base. Essa
transformao chamada uma mudana de coordenadas ou mudana de base.
Definio 19. Seja B = {u~1 , . . . , u~k } uma base para um espao vetorial V .
Dado ~v V , as constantes 1 , . . . , k R tais que
~v = 1 u~1 + . . . + k u~k
211
212 Introduo lgebra Linear
A
figura acima mostra os vetores u~1 = (1, 2) e u~2 = (1, 1) (em preto), os vetores
4u~1 = (4, 8) e 7u~2 = (7, 7) (em vermelho), e o vetor ~v (em azul).
Observe que o vetor em azul a soma dos vetores em vermelho.
214 Introduo lgebra Linear
p(x) = a2 x2 + a1 x + a0 ,
a2 B
1
p(x) = 1 .
5 B
2
S = (a, b, a + b) R3 ; a, b R
n o
Encontre as coordenadas do vetor (2, 3, 5) em relao base B = {(1, 0, 1), (0, 1, 1)} .
Soluo. Devemos encontrar constantes 1 e 2 tais que
Observe que temos duas coordenadas, uma vez que S um subespao de di-
menso 2.
a) S1 = {(a, a + b, a b) R3 ; a, b R};
b) S2 = {(x, y, z) R3 ; x + y 2z = 0 R};
c) S3 = {(x, y, z) R3 ; 3x 2y z = 0 R}.
2. Verifique que o vetor ~v = (1, 1, 1) pertence a todos os subespaos do item
anterior;
3. Encontre as coordenadas do vetor ~v = (1, 1, 1) em relao s bases
encontradas no item 1.
Encontrar as coordenadas de um vetor em relao a uma base mais fcil
quando essa base ortogonal, uma vez que podemos utilizar o resultado
~v = 1 v~1 + . . . + k v~k ,
ento
~v v~i
i = .
vi ||2
||~
~v = 1 u~1 + + k u~k ,
ou seja, temos
1
..
~v = . ,
k B
1
Prof. Brbara Amaral - UFOP 219
~v = 1 v~1 + + k v~k ,
ou seja, temos
1
~v = ... ,
k B
2
As coordenadas de ~v na base B so
1 1 3 4
= ,
2 1 1 C 7 B
Exerccio 112. Considere os vetores u~1 = (1, 1, 0), u~2 = (1, 1, 0) e u~3 =
(0, 0, 1).
2 B
denadas na base cannica?
0
1 C
coordenadas na B?
As coordenadas de ~v na base B so
1 2 2
3 3 0 3
= .
23 1 1 C 13
3 B
Exerccio 113. Considere os vetores u~1 = 1 , 1
2 2
e u~2 = 1 , 1
2 2
.
0 B
denadas na base cannica?
2
0 B
denadas na base cannica?
2
Exerccio 118. Seja B = {u~1 , u~2 } uma base de R2 tal que a mudana de
coordenadas da base cannica para B seja dada por:
3 1
1 = 1 2
2 2
1 3
2 = 1 + 2 .
2 2
1. Encontre a matriz de mudana de coordenadas da base B para a base
cannica.
Exerccio 119. Seja B = {u~1 , u~2 , u~3 } uma base de R3 tal que a mudana de
coordenadas da base cannica para B seja dada por:
1 1
1 = 1 2
2 2
1 1 3
2 = 1 + 2 3
5 5 5
3 3 2
3 = 1 + 2 3 .
10 10 10
230 Introduo lgebra Linear
10.1 Definio
Definio 21. Sejam U e V espaos vetoriais. Uma aplicao T : U V
dita uma transformao linear se dados u~1 , u~2 U e R temos
T (u~1 ) = T (u~1 )
T : R R
x 7 2x
231
232 Introduo lgebra Linear
T : R R
x 7 x2
T : R2 R
(x, y) 7 x + y
T (u~1 ) = T (x1 , y1 ))
= x1 + y1
= (x1 + y1 )
= T (x1 , y1 ) = T (u~1 ).
Prof. Brbara Amaral - UFOP 233
T : U V
~u 7 0
T (u~1 ) = 0 = 0 = T (u~1 ).
Essa transformao linear chamada transformao nula.
Exemplo 140. Dado um espao vetorial qualquer U , a transformao identidade
T : U U
~u 7 ~u
T : R2 R2
(x, y) 7 (2x + y, x 3y)
T : Rn Rm
~u 7 A~u
Veremos mais adiante que todas as transformaes lineares podem ser escritas
de maneira semelhante mostrada no exemplo 142.
Exemplo 144. Seja Pn o espao vetorial formado pelos polinmios com coefi-
cientes reais de grau no mximo n. Seja T a transformao derivada:
T : Pn Pn1
d
p(x) 7 dx p(x).
Prof. Brbara Amaral - UFOP 235
2.
T2 : R2 R
(x, y) 7 x y
3.
T3 : R2 R
(x, y) 7 ax + by
em que a e b so nmeros reais quaisquer.
4.
T4 : R3 R2
(x, y, z) 7 (xy, yz)
236 Introduo lgebra Linear
5.
T5 : Rn R
T3 (v) 7 kvk
6.
T6 : R3 R2
(x, y, z) 7 (x, y)
7.
T7 : R3 R2
(x, y) 7 (ax + by, cx + dy)
em que a, b, c e d so nmero reais quaisquer.
10.2 Propriedades
Teorema 28. Se T uma transformao linear entre dois espaos vetoriais U
e V , ento T (0) = 0.
Teorema 29. Seja T uma transformao linear entre dois espaos vetoriais
U e V e { u~1 , . . . , u~m } uma base qualquer de U . Se conhecermos as imagens
T (u~1 ) , . . . T (u~m ) ento possvel calcular T (~u) para qualquer ~u U .
~u = 1 u~1 + . . . + m u~m .
T2 T1 : U W
T 1 : V U
Vamos agora analisar a imagem de cada vetor da base B1 por uma trans-
formao linear T : U V . Como B2 uma base para V e cada T (~ui ) V ,
existem constantes que denotaremos por Tji R tais que
Da temos que
m
X m
X
T (~u) = T i u~i = i T (~
ui )
i=1 i=1
Xm X n
= i Tji v~j
i=1 j=1
Xn m
X
= Tji i v~j
j=1 i=1
Prof. Brbara Amaral - UFOP 239
Utilizaremos a notao
T T12
11
. . . T1m
T21 T22 . . . T2m
[T ]B 2
= .. .. .
B1 .
. . . . ..
Tn1 Tn2 . . . Tnm
para indicar a matriz que representa a transformao linear T em relao s
bases B1 e B2 . Observe que a matriz que representa a transformao linear T
depende das bases escolhidas para U e V .
As colunas da matriz [T ]B
B1 so as coordenadas dos vetores T (~
2
ui ) em
relao base B2 .
240 Introduo lgebra Linear
Exemplo 147. Considere a base B = {(1, 1), (0, 1)} e a transformao linear
T : R2 R2
(x, y) 7 (2x + y, x 3y)
Prof. Brbara Amaral - UFOP 241
T : R2 R3
(x, y) 7 (x + 2y, 3x, x + 5y)
T (1, 0) = (1, 3, 1)
242 Introduo lgebra Linear
C
[T ]C = 3 0 .
1 5
Observe que a multiplicao
1 2 x + 2y
x
3 0 = 3x
y C
1 5 x + 5y C
corresponde justamente transformao linear T .
C
[T ]B = 3 1 .
4 6
Prof. Brbara Amaral - UFOP 243
T2 : R2 R2
(x, y) 7 (y, x)
Encontre a matriz que representa T2 T1 em relao base cannica.
Soluo. A matriz que representa T1
2 1
[T1 ]CC =
1 3
e a matriz que representa T2
0 1
[T2 ]CC = .
1 0
Assim, a matriz que representa T2 T1
0 1 2 1 1 3
[T2 T1 ]CC = = .
1 0 1 3 2 1
Observe que a representao matricial encontrada acima est de acordo com o
que esperamos, uma vez que
T2 T1 (x, y) = T2 (2x + y, x 3y) = (x + 3y, 2x + y).
Prof. Brbara Amaral - UFOP 245
Uma matriz s pode ser invertvel se for quadrada. Isso implica que uma
transformao linear entre dois espaos vetoriais de dimenses distintas nunca
ser invertvel.
Exemplo 153. Verifique se a transformao linear
T : R2 R2
(x, y) 7 (2x + y, x 3y)
Assim
3x y x 2y
!
T 1 (x, y) = + , .
7 7 7 7
T1 : R2 R2
(x, y) 7 (x y, x)
2.
T2 : R3 R3
(x, y, z) 7 (x + 2y + z, y + 2z, z)
3.
T3 : R3 R3
(x, y, z) 7 (x, 2x + y, 2x 4y + z)
4.
T4 : R3 R3
(x, y, z) 7 (x + y + z, x + 2y + z, 2z)
5.
T5 : R3 R3
(x, y, z) 7 (x + y + z, x + z, x + z)
Prof. Brbara Amaral - UFOP 247
6.
T6 : R2 R2
(x, y) 7 (x y, 0)
7.
T7 : R2 R2
(x, y) 7 (ax + by, cx + dy)
em que a, b, c e d so nmero reais quaisquer.
T : R3 R3
3z
!
(x, y, z) 7 2x z, 2z + y, x + y +
2
2x z
= 0
2z + y = 0
3z
x+y+ 2 = 0
T : R2 R2
(x, y) 7 (2x + y, x 3y)
Prof. Brbara Amaral - UFOP 249
N (T ) = {0}
ento
T (u~1 ) = T (u~2 )
= T (u~1 ) T (u~2 ) = 0
= T (u~1 u~2 ) = 0
= u~1 u~2 N (T )
= u~1 u~2 = 0
= u~1 = u~2 .
Isso prova que T injetiva.
Teorema 37. Uma transformao linear T injetiva se, e somente se, dim N (T ) =
0.
Exemplo 156. A transformao linear do exemplo 154 no injetiva, j que
N (T ) 6= {0}. J no exemplo 159 a transformao linear injetiva uma vez que
N (T ) = {0} .
Vamos agora analisar a sobrejetividade de uma transformao linear T . Para
isso precisamos da imagem de T .
Definio 24. A imagem de uma transformao linear T : U V o subcon-
junto de V obtido aplicando-se T ao espao vetorial U :
I(T ) = {~v V | existe ~u U tal que T (~u) = ~v } .
Teorema 38. A imagem de uma tranformao linear T : U V um subes-
pao de V .
o que implica que dim I(T ) = 2, o que implica que T sobrejetiva. Logo T
bijetiva, e portanto um isomorfismo de R2 em R2 .
T : R2 R2
(x, y) 7 (x + y, 0)
o que implica que dim I(T ) = 1, o que implica que T tambm no sobrejetiva.
T : R3 R2
(x, y, z) 7 (x z, y + z)
T : R3 R3
(x, y, z) 7 (x y, 0, x z)
T : R3 R3
(x, y, z) 7 (x y, 2x + y)
1.
T1 : R2 R2
(x, y) 7 (x y, x)
2.
T2 : R3 R3
(x, y, z) 7 (x + 2y + z, y + 2z, z)
3.
T3 : R3 R3
(x, y, z) 7 (x, 2x + y, 2x 4y + z)
4.
T4 : R3 R3
(x, y, z) 7 (x + y + z, x + 2y + z, a + 2z)
256 Introduo lgebra Linear
5.
T5 : R3 R3
(x, y, z) 7 (x + y + z, x + z, x + z)
6.
T6 : R2 R2
(x, y) 7 (x y, 0)
7.
T7 : R2 R2
(x, y) 7 (ax + by, cx + dy)
em que a, b, c e d so nmero reais quaisquer.
Exemplo 160. A transformao linear
T : P2 R3
a2 x2 + a1 x + a0 7 (a2 , a1 , a0 )
um isomorfismo.
De fato, se T (p(x)) = (0, 0, 0) ento a2 = a1 = a0 = 0, e portanto o ncleo
de T N (T ) = {0}. Isso implica que T injetiva. Pelo teorema do ncleo e
da imagem temos
dim P2 = dim N (T ) + dim I(T )
3 = 0 + dim I(T )
e portanto dim I(T ) = 3, o que implica que T sobrejetiva. Logo T bijetiva,
e portanto um isomorfismo de P2 em R3 .
Exemplo 161. Utilize um raciocnio semelhante ao utilizado no exemplo acima
para mostrar que P3 e R4 so isomorfos. Em seguida, faa o mesmo para Pn e
Rn+1
11
Diagonalizao de Matrizes
257
258 Introduo lgebra Linear
A~u = ~u = I~u
A~u I~u = 0
(A I) ~u = 0.
(A I) ~u = 0.
det (A I) = 0.
Observao 24. Podemos observar que para cada autovalor de uma matriz
A, o conjunto dos autovetores associados mais o vetor nulo um subespao, j
que o conjunto de solues do sistema linear homogneo
(A I) X = 0.
p () = det (A I) = 3 4 + 2
(A I) X = 0.
(A 3I) X = 0.
2 0 1
A = 0 2 0 .
1 0 2
p () = det (A I) = 6 11 + 62 3 ,
(A I) X = 0.
262 Introduo lgebra Linear
0 1 0 y = 0 ,
1 0 1 z 0
cuja soluo y = 0, z = x, x R. Isso quer dizer que os autovetores de A
associados ao autovalor 1 = 1 so da forma
x
u~1 = 0 , x 6= 0.
(A 2I) X = 0.
0 0 0 y = 0 ,
1 0 0 z 0
cuja soluo x = z = 0, y R. Isso quer dizer que os autovetores de A
associados ao autovalor 2 = 2 so da forma
u~2 = y , y 6= 0.
0
(A 3I) X = 0.
Prof. Brbara Amaral - UFOP 263
0 1 0 y = 0 ,
1 0 1 z 0
cuja soluo y = 0, z = x, x R. Isso quer dizer que os autovetores de A
associados ao autovalor 3 = 3 so da forma
x
u~3 = 0 , x 6= 0.
x
A = 1 2 0 .
2 3 3
1 1 0 y = 0 ,
2 3 2 z 0
264 Introduo lgebra Linear
u~1 = x , x 6= 0.
x2
(A 2I) X = 0.
1 0 0 y = 0 ,
2 3 1 z 0
cuja soluo x = 0, z = 3y, y R. Isso quer dizer que os autovetores de A
associados ao autovalor 2 = 2 so da forma
u~2 = y , y 6= 0.
3y
(A 3I) X = 0.
1 1 0 y = 0 ,
2 3 0 z 0
Prof. Brbara Amaral - UFOP 265
u~3 = 0 , z 6= 0.
z
A = 0 2 0 .
0 0 3
0 1 0 y = 0 ,
0 0 2 z 0
cuja soluo y = z = 0, y R. Isso quer dizer que os autovetores de A
associados ao autovalor 1 = 1 so da forma
x
u~1 = 0 , x 6= 0.
0
266 Introduo lgebra Linear
0 0 0 y = 0 ,
0 0 1 z 0
cuja soluo x = z = 0, y R. Isso quer dizer que os autovetores de A
associados ao autovalor 2 = 2 so da forma
0
u~2 = y , y 6= 0.
0
Vamos agora encontrar os autovetores associados ao autovalor 3 = 3. Esses
vetores so as solues no nulas do sistema
(A 3I) X = 0.
Temos ento o sistema
2 0 0 x 0
0 1 0 y = 0 ,
0 0 0 z 0
cuja soluo x = y = 0, z R. Isso quer dizer que os autovetores de A
associados ao autovalor 3 = 3 so da forma
0
u~3 = 0 , z 6= 0.
z
Prof. Brbara Amaral - UFOP 267
(A 0 I) X = 0.
(A 4I) X = 0.
0 0 0
7 1 0 1
2. A = ; 5. A = ;
6 2 0 0
1 0 0
8. A = 1 3 0 ;
5 2 1 0
3. A = 6. A =
; ;
4 4 0 5 3 2 2
270 Introduo lgebra Linear
0 1 0 1 0 0 0 1 0 0 0 0
9. A = 1 0 0 ; 1
3 0 0 0 3 0 0 0
10. A =
;
0 0 1 3 2 2 011. A = 0 0 2 0 0 .
1 1 2 4 0 0 0 4 0
0 0 0 0 1
2. Demonstre que uma matriz triangular invertvel se, e somente se, seus
autovalores so todos diferentes de zero.
Teorema 43. Seja u~1 autovalor de uma matriz A associado ao autovalor 1 e
u~2 autovalor de A associado ao autovalor 2 , com 1 6= 2 . Ento u~1 e u~2 so
LI.
A (1 u~1 + 2 u~2 ) = A 0
1 Au~1 + 2 Au~2 = 0
1 1 u~1 + 2 2 u~2 = 0.
2 (2 1 )u~2 = 0.
1 (1 2 )u~1 = 0.
LI.
272 Introduo lgebra Linear
11.2 Diagonalizao
Suponhamos que seja possvel encontrar uma base para o espao vetorial Rn uti-
lizando apenas autovetores de uma transformao linear T : Rn Rn . Vamos
mostrar que a matriz que representa T em relao a essa base a mais simples
possvel.
Teorema 45. Suponhamos que B = {u~1 , u~2 , . . . , u~n } seja uma base para Rn
formada por autovetores de uma transformao linear T : Rn Rn . Ento
[T ]B
B uma matriz diagonal.
nos d
0 ... 0
1
0 2 . . . 0
B
[T ]B = .. .. . . .. .
. .
. .
0 0 . . . k
B diagonal.
for possvel encontrar uma base B de autovetores de T ento [T ]B
Nesse caso dizemos que a matriz [T ]C diagonalizvel.
C
A = [I]CB D[I]B
C,
A = P 1 DP.
274 Introduo lgebra Linear
A = 1 2 0
2 3 3
diagonalizvel. Em caso afirmativo encontre as matrizes D e P que diagona-
lizam A.
Soluo. Para que A seja diagonalizvel, precisamos encontrar uma base de
R3 formada por autovetores de A. Os autovetores de A associados ao autovalor
1 = 1 so da forma
x
u~1 = x , x 6= 0,
x2
os autovetores de A associados ao autovalor 2 = 2 so da forma
0
u~2 = y , y 6= 0
3y
Prof. Brbara Amaral - UFOP 277
u~3 = 0 , z 6= 0.
z
Observe que cada autoespao tem dimenso 1, de modo que em cada um deles
podemos escolher no mximo um vetor LI. Para encontrar uma base para R3
devemos escolher um autovetor em cada autoespao. O teorema 44 garante que
eles sero LI. Escolhendo x = 1 na primeira equao, y = 1 na segunda e z = 1
na terceira obtemos os autovetores
1 0 0
1 , 1 , 0
1/2 3 1
D = 0 2 0 .
0 0 3
Para encontrar P devemos encontrar a matriz de mudana de base P = [I]B C.
Essa matriz mais difcil de encontrar que P = [I]B . Vamos ento encontrar
1 C
P 1 = 1 1 0 .
1
2 3 1
Observe que a ordem utilizada deve concordar com a ordem utilizada para en-
contrar a matriz D. Utilizando a inverso de matrizes encontramos a matriz
278 Introduo lgebra Linear
restante: 1
1 0 0 1 0 0
1
P = P 1
= 1 1 0 = 1 1 0 .
1 5
2 3 1 2 3 1
Assim A diagonalizvel e
1 0 0 1 0 0 1 0 0
1
A = P DP = 1 1 0 0 2 0 1 1 0 .
1 5
2 3 1 0 0 3 2 3 1
Exemplo 174. Se
0 ... 0
1
0 2 . . . 0
A = .. .. . . ..
. .
. .
0 0 . . . k
uma matriz diagonal, ento os vetores da base cannica so autovetores de D
com autovalores i . Conclumos ento que toda matriz diagonal diagonalizvel.
Nesse caso, D = A e P = I.
Exemplo 175. Verifique se a matriz
2 2 0 0
2 2 0 0
A =
0 0 2 2
0 0 2 2
1 = 0 so da forma
x
x
u~1 = ,
(x, z) 6= (0, 0).
z
z
Os autovetores de A associados ao autovalor 2 = 4 so da forma
x
x
u~2 = ,
z
(x, z) 6= (0, 0).
z
Observe que cada autoespao possui dimenso 2 e portanto podemos escolher
dois vetores LI dentro de cada um deles. O teorema 44 garante que eles sero
LI. Para escolher os dois primeiros, fazemos x = 1 e z = 0 e depois x = 0 e
z = 1 na primeira equao:
u~1 = (1, 1, 0, 0), u~2 = (0, 0, 1, 1).
1 1
Observe que a ordem utilizada deve concordar com a ordem utilizada para en-
contrar a matriz D. Utilizando a inverso de matrizes encontramos a matriz
restante:
1 1
12 0 0
1 0 1 0
2
1 0 21 12
1 0 1 0 0
P = P 1
= =
1
1 .
0 1 0 1 0 0
2
2
0 1 0 1 0 0 21 12
Assim A diagonalizvel e
1
12 0 0
1 0 1 0 0 0 0 0
2
1 0 0 0 12 12
0 1 0 0 0 0
A = P 1 DP = .
0 1 0 1 0 0 4 0 12 12 0 0
0 1 0 1 0 0 0 4 0 0 12 21
9. A = 1 0 0 ;
1 0 0 0 0 4 0
6. A = ;
0 5 0 0 1 0 0 0 0 1
Demonstrao. Sejam
1
1
2 2
u~1 = .. , u~2 = ..
. .
n n
Observe que cada autoespao tem dimenso 1, de modo que em cada um deles
podemos escolher no mximo um vetor LI. Para encontrar uma base para R2
devemos escolher um autovetor em cada autoespao. O teorema 48 garante que
eles sero ortogonais. Escolhendo x = 1 na equao (11.8), temos
1
u~1 = .
1
Dessa forma, temos que {(1, 1), (1, 1)} uma base ortogonal formada por
autovetores de A. Para encontrar uma base ortonormal basta dividir cada vetor
pela sua norma. Obtemos assim a base ortonormal
1 1 1 1
( ! !)
B= , , ,
2 2 2 2
formada por autovetores de A.
Vamos agora encontrar P e D. Para encontrar D basta colocar os autova-
lores de A na diagonal:
1 0
D= .
0 3
Para encontrar P devemos encontrar a matriz de mudana de base P = [I]B C.
Vamos ento encontrar P . Essa matriz obtida utilizando os vetores da base
T
B como colunas:
1 1
T 2 2
P = .
12 1
2
Observe que a ordem utilizada deve concordar com a ordem utilizada para en-
contrar a matriz D. Utilizando a transposio de matrizes encontramos a matriz
Prof. Brbara Amaral - UFOP 285
restante: T
1 1
1
12
T T
2 2 2
P = P = = .
12 1 1 1
2 2 2
Assim A diagonalizvel e
1 1 1 12
1 0
A = P T DP = 2 2
2 .
12 1 1 1
2
0 3 2 2
0 0 2 2
encontre matrizes D diagonal e P ortogonal tais que
A = P T DP.
Soluo. Para escrever A na forma desejada, precisamos encontrar uma base
ortonormal de R4 formada por autovetores de A. Os autovetores de A associados
ao autovalor 1 = 0 so da forma
x
x
u~1 = ,
(x, z) 6= (0, 0).
z
z
Os autovetores de A associados ao autovalor 2 = 4 so da forma
x
x
u~2 = ,
z
(x, z) 6= (0, 0).
z
286 Introduo lgebra Linear
Observe que esses dois vetores so ortogonais. Para escolher os dois que faltam
fazemos x = 1 e z = 0 e depois x = 0 e z = 1 na segunda equao:
Observe que esses dois vetores so ortogonais e tambm so ortogonais aos dois
primeiros. Temos ento a base ortogonal de R4
colunas:
1 1
2
0 2
0
1 0 1 0
PT =
0
2
1
2
1 .
0
2 2
12 1
0 0
2
Observe que a ordem utilizada deve concordar com a ordem utilizada para en-
contrar a matriz D. Utilizando a transposio de matrizes encontramos a matriz
restante:
T
1 1 1 12
2
0 2
0 2
0 0
1 0 1 0 0 0 1
12
T
P = PT
2 2 2
=
0 1 1
=
1
1
.
0 0 0
2 2 2 2
12 1 1 1
0 0
2
0 0 2 2
Assim temos
A = P T DP =
1 1 1 12
2
0 2
0
0 0 0
0 2
0 0
1 0 1 0 0 0 1
12
0
0 0 0
2 2 2
0 1 1
1
1
.
0 0
0 4 0 0 0
2 2 2 2
12 1 0 0 0 4 1 1
0 0
2
0 0 2 2
A = P T DP.
1 3 7 1
1. A = ; 2. A = ;
3 5 1 2
288 Introduo lgebra Linear
5 2 2 2 0 0
3. A = ; 2
2 4
2 0 0
7. A =
;
0 0 2 2
0 0 2 2
0 1
4. A = ;
1 0
0 1 0
8. A = 1 0 0 ;
0 0 1
1 0
5. A = ;
0 5
1 0 0 0 0
0 3 0 0 0
0 1 2 9. A = 0 0 2 0 0 .
6. A = 1 2 1 ; 0 0 0 4 0
2 1 0 0 0 0 0 1
12
Provas antigas
12 de julho de 2011
1. (1 pt) Sejam
T1 : R2 R3
(x, y) 7 (2x y, 0, x + y)
T2 : R2 R2
(x, y) 7 (x y, x + 3y)
T3 : R3 R
(x, y, z) 7 x2 + y 2z 2 .
a) Verifique quais das aplicaes acima so lineares.
b) Para as que forem lineares, encontre a matriz da transforma-
o quando fixamos a base cannica tanto no domnio como no
contradomnio.
289
290 Introduo lgebra Linear
9 de dezembro de 2010
T2 : R3 R2
(x, y, z) 7 (x y, x + z).
a) Mostre que essas aplicaes so lineares e encontre suas matrizes
na base cannica.
b) Encontre a dimenso do ncleo das aplicaes acima. Elas so
injetivas?
c) Elas so isomorfismos?
d) Se T um isomorfismo, como devemos proceder para encontrar
o isomorfismo inverso? (No precisa fazer conta, s explicar).
3. (1,2 pt) Dados os vetores
B = {(1/ 2, 1/ 2, 0), (1/ 2, 1/ 2, 0), (0, 0, 1)}
1 0 1
0 1
A= 0 2 0 , B=
.
0 0
1 0 1
2 de dezembro de 2010
A = 0 2 0 .
1 0 1
a) Encontre os autovalores e os autovetores de A.
b) A matriz A diagonalizvel? Se sim, encontre matrizes P inver-
tvel e D diagonal tais que A = P DP 1 .
2 de dezembro de 2010
A = 0 0 0 .
1 0 1
a) Encontre os autovalores e os autovetores de A.
b) Encontre matrizes P invertvel e D diagonal tais que A = P DP 1 .
2 de dezembro de 2010
A = 0 1 0 .
2 0 1
a) Encontre os autovalores e os autovetores de A.
b) Encontre matrizes P invertvel e D diagonal tais que A = P DP 1 .
9 de dezembro de 2010
T2 : R3 R2
(x, y, z) 7 (x y, x + z).
a) Mostre que essas aplicaes so lineares e encontre suas matrizes
na base cannica.
b) Encontre a dimenso do ncleo das aplicaes acima. Elas so
injetivas?
c) Elas so isomorfismos?
d) Se T um isomorfismo, como devemos proceder para encontrar
o isomorfismo inverso? (No precisa fazer conta, s explicar).
2. (1,2 pt) Dados os vetores
B = {(1/ 2, 1/ 2, 0), (1/ 2, 1/ 2, 0), (0, 0, 1)}