Baixe o app para aproveitar ainda mais
Prévia do material em texto
GOVERNO DO ESTADO DE MATO GROSSO SECRETARIA DE ESTADO DE CIÊNCIA E TECNOLOGIA UNIVERSIDADE DO ESTADO DE MATO GROSSO CAMPUS UNIVERSITÁRIO DE SINOP CURSO DE ENGENHARIA CIVIL Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 1 ÁLGEBRA LINEAR I – Conteúdo programático: - Matrizes e determinantes - Sistemas lineares - Espaços vetoriais. - Base e dimensão - Transformações lineares - Espaço com produto interno - Matriz de uma transformação linear. II – Objetivo geral: - Proporcionar ao aluno conhecimento básico sobre matrizes para que este possa de- senvolver habilidades necessárias, a fim de dar continuidade aos estudos e poder trabalhar com mais segurança. III – Metodologia: - Estudo dirigido - Aulas expositivas / dialogadas - Exercícios de fixação IV – Avaliação: Listas de exercícios LE: Exercícios individuais e/ou em duplas. Provas Pi com i = 1, 2, 3: Provas especificas da disciplina. M = 5 *2321 LEPPP datas das provas P1 em 14/04/22, P2 em 19/05/22 e P3 em 30/06/22 (a depender do professor substituto). Prova substitutiva em 07/07/22 (a depender do professor substituto), substituindo a menor nota. Horário de atendimento: Terças feiras às 16 horas no Imperial, sala L17 ou Aquarela sa- la B2 conforme melhor para os alunos. Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 2 Estudo das matrizes Chamamos de matrizes uma tabela de elementos dispostos em linhas e colunas. Exemplo: Tomando os dados referentes a altura, peso e idade de um grupo de 4 pessoas, temos: Altura (m) Peso (kg) Idade (anos) Pessoa 1 1,70 70 23 Pessoa 2 1,75 60 45 Pessoa 3 1,60 52 25 Pessoa 4 1,81 72 30 Assim obtemos a matriz: 307281,1 255260,1 456075,1 237070,1 I) Definição: Sejam m 1 e n 1 dois números inteiros. Uma matriz real m n é uma dupla seqüência de números reais, distribuídos em m linhas (horizontal) e n colunas (vertical), for- mando uma tabela que se indica por: mnmm n n aaa aaa aaa 21 22221 11211 Abreviadamente: Indicamos por A = (aij) m n a matriz A com m linhas e n colunas onde i indica a linha e j indica a coluna, podemos escrever ainda: (aij)1 i m ou simplesmente (aij). 1 j n Exemplos: 1 e 103 , 0 32 12 , 1041 852 x x Você pode escreve assim: 1041 852 A ou 1041 852 A ou 1041 852 A A matriz A tem 2 linhas e 3 colunas, assim podemos indicar: A = (aij) 23 aij: termo geral, é o elemento que ocupa a i-ésima linha e j-ésima coluna Indicamos por Mm n(ℝ) o conjunto das matrizes reais m n Exemplo: Determinar a matriz A = (aij) 23 sendo aij = 2i + 3j –1 Você não pode escreve assim: 1041 852 , pois isso é notação de determinantes e não de matriz. Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 3 II) Tipos de matrizes: 1) Matriz quadrada: m = n, ou seja, o número de linhas é igual ao número de colunas. Indicação: M n (ℝ), dizemos que é uma matriz de ordem n. Exemplo: 06 91 A Na matriz quadrada destacamos a diagonal principal e a diagonal secundária, a diagonal princi- pal é composta pelos elementos aij para os quais i = j, a diagonal secundária é aquela composta dos elementos aij, para os quais j = n – i + 1. 2) Matriz identidade: matriz quadrada cujos elementos da diagonal principal são todos iguais a 1 e os demais elementos são todos iguais a zero. Indicamos tal matriz por In. Exemplo: 100 010 001 3I 3) Matriz Diagonal É uma matriz quadrada em que todos os elementos fora da diagonal principal são iguais a zero. 4 300 020 002 D 4) Matriz linha: m = 1 Exemplo: B = ( -2 ½ 0 4 ) 5) Matriz coluna: n = 1 Exemplo: 3 5 6 A Exercícios 1. A temperatura corporal de um paciente foi medida, em graus Celsius, três vezes ao dia, durante cinco dias. Cada elemento aij da matriz abaixo corresponde à temperatura observada no instante i do dia j. 35,6 36,4 38,6 36,0 38,0 36,1 37,0 37,2 40,5 40,4 35,5 35,7 36,1 37,0 39,2 Determine: a) o instante e o dia em que o paciente apresentou a maior temperatura; b) a temperatura média do paciente no terceiro dia de observação. Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 4 2. Antônio, Bernardo e Cláudio saíram para tomar chope, de bar em bar, tanto no sábado quanto no domingo. As matrizes a seguir resumem quantos chopes cada um consumiu e como a despesa foi dividida: 4 1 4 5 5 3 S = 0 2 0 e D = 0 3 0 3 1 5 2 1 3 S refere-se às despesas de sábado e D às de domingo. Cada elemento aij nos dá o número de chopes que i pagou para j, sendo Antônio o número 1, Ber- nardo o número 2 e Cláudio o número 3 (aij representa o elemento da linha i, coluna j de cada ma- triz). Assim, no sábado Antônio pagou 4 chopes que ele próprio bebeu, 1 chope de Bernardo e 4 de Cláu- dio (primeira linha da matriz S). a) Quem bebeu mais chope no fim de semana? b) Quantos chopes Cláudio ficou devendo para Antônio? 3. Encontre a matriz A = (aij)2x2 tal que 2 2 2 i i A j j . 4. Calcule a soma dos elementos da segunda coluna da matriz B = (bij)2x3, em que bij = 2i + j – 1. 5. Determine a soma dos elementos da diagonal principal com os elementos da diagonal secundária da matriz A = (aij) de ordem 4, em que aij = i – j. 6. Construa as matrizes: a) A = (aij)1x3, tal que aij = 2i – j . b) B = (bij)4x2, tal que , se , se ij i j i j b i j i j . c) C = (cij)3x3, tal que ( 1) , se 0, se i j ij i j c i j . 7. Uma confecção vai fabricar 3 tipos de roupa utilizando materiais diferentes. Considere a matriz A = (aij), em que aij representa quantas unidades do material j serão empregados para fabricar uma roupa do tipo i. 5 0 2 0 1 3 4 2 1 A a) Quantas unidades de material do tipo 3 serão empregadas na confecção de uma roupa do ti- po 2? b) Calcule o total de unidades do material 1 que será empregado para fabricar cinco roupas do tipo 1, quatro roupas do tipo 2 e duas roupas do tipo 3. III) Igualdade de matrizes Considere as matrizes de mesmo tipo: A = (aij) e B = (bij). Se cada elemento de A for igual ao elemento correspondente (que ocupa a mesma posição) de B, as matrizes A e B são ditas iguais. Exemplo: As matrizes 3 8 0 5 1 2 A e 4 1 5 3 2 2 5 1 1 2 4 : 2 B sãoiguais. Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 5 IV) Mais alguns tipos de matrizes 5) Matriz transposta (At ) Se A = (aij) m n sua transposta será At = (bji) tal que bji = aij Exemplo: 531 012 A 50 31 12 tA 6) Matriz simétrica É uma matriz quadrada A de ordem n > 0 natural, em que aij = aji, em outras palavras, é quando A = At. Exemplo: 501 023 134 A 7) Matriz anti-simétrica É uma matriz quadrada A de ordem n > 0 natural, em que aij = – aji, em outras palavras, é quando A = – At. Exemplo: 053 502 320 A Exercícios: 1. Determine o valor de cada incógnita para que as matrizes sejam iguais: 3 1 4 0 a b A c e 2 5 1 4 3 x B y z 2. Determine a, b, x e y, sabendo que: 2 3 1 2 0 7 x y a b x y a b 3. Determine a transposta das matrizes: a) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 M b) A = (aij) quadrada de ordem 2 com aij = ij + 2. 4. Dada a matriz A = 1 2 3 4 , mostre que ttA A . 5. A matriz 1 2 3 2 1 A x y z z admite a transposta 𝐴𝑡 = 1 𝑥 2 𝑥 − 2 𝑦 1 3𝑦 6 − 𝑦 𝑧 . Nessas condições, cal- cule x, y e z. 6. Determine x para que a matriz 20 4 1 x M seja simétrica. Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 6 V) Operações com Matrizes 1) Adição (A + B) Sejam A = (aij) e B = (bij) matrizes m n. A adição de A com B, indicada A + B, será a matriz C cujo termo geral é dado por: cij = aij + bij. Exemplo: Dadas as matrizes A = 3 4 5 1 3 0 e B = 5 7 1 2 10 9 , calcule A + B. Propriedades: - Comutativa: A + B = B + A - Associativa: A + (B + C) = (A + B) + C - Elemento neutro: Existe uma matriz O, chamada de matriz nula, pois é composta por zeros, tal que: A + O = O + A = A - Existência da matriz oposta: Dada uma matriz A Existe uma matriz B = –A, tal que: A + (–A) = O 2) Subtração: A – B = A + (–B) Exemplo: Dadas as matrizes A = 3 4 5 1 3 0 e B = 5 7 1 2 10 9 , calcule A – B. Exemplo: Sendo 3 2 1 5 A e 2 0 4 3 B , calcule X, tal que X + A – B = 0. Exemplo: Dada a matriz A = (aij)3×3 na qual 0, se 1, se 1, se ij i j a i j i j , calcule A – At + I3. Exercícios: 1. Dada a matriz 1 1 0 2 3 4 0 1 2 A , obtenha a matriz X tal que X = A + At. 2. Considere as seguintes matrizes: A = (aij)2×3, definida por aij = i + j e B = (bij)2×3, definida por bij = i – j Determine o elemento c23 da matriz C = A + B. 3. Sejam as matrizes 1 2 3 y A x e 2 1 0 y B y . Se 0 3 3 3 A B , determine a transposta de A. 4. Dadas as matrizes 2 5 1 0 3 6 2 1 7 A e 4 5 0 1 3 8 6 9 1 B . a) Calcule At + Bt e (A + B)t. b) O que você pode observar nos cálculos do item a? Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 7 5. Sejam as matrizes A = (aij)2×2, com aij = 2i – j2 e B = (bij)2×2, com bij = aij + 1, encontre a matriz X de modo que: a) X – A + B = 0 b) X – At + Bt = 0 c) – A – X = – B 3) Multiplicação de um matriz por um número Dados a matriz A = (aij)m n e um número real , o produto de por A é a matriz real m n dada por: mnmm n n aaa aaa aaa A ... ... ... . 21 22221 11211 Exemplo: Calcule 2.A sendo A = 0 3 1 5 4- 3 . Propriedades: - ( . ) A = ( A) - ( + ) A = A + A - (A + B) = A + B - I A = A Exemplo: Sendo 3 2 1 0 5 4 A e 4 2 0 3 1 1 B , Dê a matriz X, tal que 2X + A – B = 0. Exercícios: 1. Dadas as matrizes 1 2 0 5 4 3 A e 3 6 12 9 6 15 B , determine: a) – 2A b) 1 3 B c) 1 ( ) 2 A B d) −4𝐴 − 𝐵 2. Encontre o valor de x para que a igualdade 2 8 105 2 21 1 x x seja verdadeira. 3. Resolva o sistema 2 X Y A B X Y A B , sendo 3 2 A e 1 5 B . 4. Calcule a matriz X sabendo que 1 2 1 0 4 3 A e 5 1 3 2 0 2 B e (X – A )t = B. 4) Multiplicação de matrizes. Sejam A = (aij)m n e a matriz B = (bij) n p. O produto A . B (também indicado AB) é matriz C = (cij) m p cujo termo geral cij é obtido somando-se a multiplicação ordenada dos elementos da i-ésima linha pela j-ésima coluna. Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 8 Observação (IMPORTANTE): Só definimos (ou só existe) o produto de duas matrizes A e B, quando o número de colunas da 1a for igual ao número de linhas da 2a . Am n . Bn p = Cm p Exemplo: Calcular A.B e A.C sendo A = 0 3 1 5 4- 3 B = 31 05 21 e C = 6 2 0 7 5 2- Propriedades: - A (BC) = (AB) C (associativa) - A ( B + C ) = AB + AC (distributiva à esquerda) - (A + B ) C = AC + BC (distributiva à direita) Obs. No geral AB BA, mas se AB = BA dizemos que as matrizes são comutáveis. Exemplo: A.B ≠ B.A no exemplo anterior. Exemplo: Resolva a equação matricial AX = B, em que 2 3 5 1 A e 14 9 B . Exercícios: 1. Efetue, quando possível: a) 2 3 3 5 1 2 b) 1 1 1 4 0 2 5 2 3 5 3 3 c) 2 1 3 5 0 3 d) 3 1 5 1 2 4 2 2 4 5 e) 3 2 0 3 2 1 2. Sejam A = (aij)4 3 B = (bij) 3 4 duas matrizes definidas por aij = i + j e bij = 2i + j, respectiva- mente. Se AB = C , então qual é o elemento c32 da matriz C ? 3. Seja A = (aij) de ordem 2 real definida por aij = 1 se i ≤ j e aij = – 1 se i > j . Calcule A2. 4. Dados 3 2 5 1 A e 0 1 3 0 B , calcule AB e BA. As matrizes A e B comutam? 5. Considere a matriz 1 0 a A b . Determine a e b reais, tais que: 2 3 2 2 0 1 A A . Definição: Uma matriz A de ordem n se diz inversível se, e somente se, existe uma matriz B, tam- bém de ordem n, tal que: A.B = B. A = In Esta matriz B, caso exista, é única e chama-se inversa de A e indica-se por A–1. Então: A.A –1 = A –1.A = In Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva9 Exemplo: A matriz A = 10 02 é inversa de B = 10 02 1 , verifique isso. Obs: 1) Se uma linha (ou coluna) de uma matriz A é nula, então a não é invertível. Prove isto. 2) Se A e B são matrizes de ordem n, ambas invertíveis, então AB também é invertível e temos: (A B) –1 = B –1. A –1. Exemplo: Encontre duas matrizes invertíveis A e B de ordem 2 por 2 e demonstre a afirmação acima para esse caso particular. Determinação da Inversa. Para determinarmos a inversa de uma matriz utilizaremos um algoritmo. Para tanto definimos: Definição: dada uma matriz A entendemos por operações elementares com as linhas de A, qualquer uma das seguintes alternativas: a) permutar duas linhas de A b) multiplicar uma linha de A por um número diferente de zero c) somar a uma linha de A uma outra linha de A multiplicada por um número. Se uma matriz B é obtida de A através de um número finito dessas operações, dizemos que B é equivalente a A, isto é, B A Teorema: Uma matriz é invertível se e só se I A. Neste caso, a mesma sucessão de operações elementares que transforma A em In, transformam In em A –1. O algoritmo que utilizaremos para determinar a inversa de uma matriz consiste em: 1) colocar a matriz An e a matriz In lado a lado, separadas por uma reta 2) utilizaremos as operações elementares visando transformar a matriz An na In. Essas opera- ções serão aplicadas simultaneamente em An e em In. 3) Quando transformamos An em In teremos transformado In em A –1. Exemplo: Verificar se as matrizes dadas são inversíveis e determinar sua inversa, caso exista. a) 201 110 011 A b) 10 02 B c) 732 510 621 C Exercícios. 1) Escrever a matriz A 22 e a matriz B22 sendo: (aij) = – 2i + 3j e (bij) = i + j 2) Utilizando as matrizes do exercício 1, calcule: a) X – 2 I = 3X –3 ( A – 2 B) b) –3 A + 2 B c) At – Bt d) A.B Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 10 3) a) Dada a matriz A = (aij)3x2, tal que aij = 2i + j, obtenha as matrizes A e B, sendo B a transposta de A. b) Determine as matrizes C = 3A e D = AB. 4) Verifique se a matriz 814 312 201 A é invertível. Em caso afirmativo, determine A-1. 4) Considere as matrizes de M3(ℝ): 400 020 001 A e 400 020 004 B determine B.A 5) Sendo A e B do exercício anterior, determine X e Y de M3(ℝ) tal que: BAYX BAYX2 Determinantes A cada matriz quadrada de ordem n, A = (aij) está associado um número real chamado determinan- te de A, denotado por Det (A), ou A ou nnnn n n ... a a a ... a a a ... a a a 21 22221 11211 A função determinante é um instrumento indispensável para investigar e obter propriedades de ma- trizes quadradas. 1) Determinantes de ordem um e dois Define-se como segue os determinantes de ordem um e dois: 11a = a11 11 12 21 22 a a a a = a11 a22 – a12 a21 Assim, o determinante de uma matriz quadrada de ordem 1, isto é, sendo A = (aij )1 1 temos que det (A) = a11 Exemplos: Calcule o determinante das matrizes abaixo: a) 24 b) 3- 2 4 5 Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 11 2) Determinante de matriz de ordem 3 (Regra de Sarrus) 11 12 13 21 22 23 31 32 33 a a a a a a a a a A regra de Sarrus pode ser utilizada seguindo-se os passos: 1o passo: Repetimos as duas primeiras colunas ao lado da terceira 2o passo: Fazemos a soma do produto dos elementos da diagonal principal com os dois produtos obtidos pela multiplicação dos elementos das paralelas a essa diagonal. Obs: o sinal dessa soma será multiplicado por +1, isto é, conserva-se o sinal da soma 3o passo: Fazemos a soma do produto dos elementos da diagonal secundária com os dois produtos obtidos pela multiplicação dos elementos das paralelas a essa diagonal Obs: está soma será multiplicada por –1, isto é o sinal da soma será trocado. Assim teremos que: 333231 232221 13 1211 aaa aaa aaa = + (a11a 22 a33 + a 12a23a 31 + a13a 21 a 32) – (a 13 a 22 a 31 + a 11 a 23 a 32 + a 12 a 21 a 33) Exemplo: Calcule o determinante das matrizes: A = 1 2 3- 2 1 4 1- 3 2 B = 5 4 0 3- 3 1 1 1 0 3) Propriedades dos determinantes: P1) Quando uma matriz tem uma fila (linha ou coluna) nula, o determinante dessa matriz será nulo Exemplo: 7 0 1- 3- 0 2 15 0 3 P2) Se duas filas de uma matriz são iguais, então seu determinante é nulo Exemplo: 3 1 2 9 2 4 3 1 2 Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 12 P3) Se duas filas de uma matriz são proporcionais, então seu determinante é nulo Exemplo: 6 2 3 4 1 2 2 4 1 P4) O determinante de uma matriz e o de sua transposta são iguais Exemplo: 1 2 3- 2 1 4 1- 3 2 P5) Multiplicando por um número real todos os elementos de uma fila em uma matriz, o determi- nante dessa matriz fica multiplicado por esse número Exemplo: 1 2 3- 2 1 4 1- 3 2 P6) Quando trocamos as posições de duas filas paralelas, o determinante de uma matriz muda de sinal. Exemplo: 1 2 3- 2 1 4 1- 3 2 P7) Quando, em uma matriz, os elementos acima ou abaixo da diagonal principal são todos nulos, o determinante é igual ao produto dessa diagonal Exemplo: 1 0 0 2 1 0 1- 3 2 P8) Quando, em uma matriz, os elementos acima ou abaixo da diagonal secundária são todos nu- los, o determinante é igual ao produto dessa diagonal multiplicado por (-1) Exemplo: 0 0 3- 0 1 4 1- 3 2 Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 13 P 9) Para A e B matrizes quadradas de mesma ordem n, temos que Det ( A . B) = Det (A) . Det (B) Exemplo: A = 1 2 3- 2 1 4 1- 3 2 B = 5 4 0 3- 3 1 1 1 0 P10) Como A . A –1 = I temos que det(A –1) = Adet 1 . P11) Se k ℝ, então det (k . A ) = k n . det A Exemplo: A = 3- 2 4 5 e B = 1 2 3- 2 1 4 1- 3 2 Exercícios 1) Calcule o determinante das matrizes abaixo: a) A = 3 2 1 1 b) 1 1 0 0 1 2 1 3 1 2) Ache os valores de k para os quais k kk 24 = 0 3) Ache o determinante de A = 1 4- 1 1- 1/2 3/4 1/3- 1 2/1 4) Calcule o determinante da matriz A de ordem 2 × 2, cujos elementos são: 𝑎 = 𝑖 + 2𝑗, se 𝑖 ≥ 𝑗 𝑎 = 𝑖 − 𝑗, se 𝑖 < 𝑗 5) Resolva a equação 2 5 1 5 4 x x x . Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 14 6) Resolva a inequação 3 14 4 2 x x x 7) Dada a matriz 2 1 1 3 1 2 1 1 0 A e a função f (x) = –x2 – x – 1, calcule 1 A f D . Determinantes e Matriz Inversa I) Inversa de uma matriz quadrada de ordem 2 Já vimos que uma matriz quadrada A é invertível, isto é, admite inversa, (ou A é não singular) se A . B = B . A = I, sendo B = A –1 Considere a matriz de ordem 2 A = d c b a . Se det A 0, a inversa de A se obtém: 1) permutando os elementos da diagonal principal 2) tomando os negativos dos outros elementos 3) multiplicando a matriz por 1/ A Ou seja, A –1 = ac bd A || 1 Exemplo: Determine a inversa da matriz A = 3 1 5 2 Exercício 1. Calcule os determinantes e a matriz inversa caso exista; a) 1 3 5 4 A b) 2 5 2 0 A c) 1 1 2 2 A III) Teorema de Laplace a) Menor complementar Considere uma matriz quadrada de ordem n. A = (aij) e denotaremos por Mij a sub-matriz quadrada de ordem (n – 1) de A obtida eliminando-se a linha i e a coluna j. O determinante de Mij ( Mij ) é chamado menor relativo ao elemento aij de A . Exemplos: A = a a aa 2221 1211 B = 1 9 8 7 6 5 4 3 2 b) Cofator Chamamos de cofator ou complemento algébrico relativo a um elemento aij de uma matriz quadra- da de ordem n o número Aij tal que: Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 15 Aij = (– 1 ) i+j . Mij Exemplos: Determine os cofatores das matrizes anteriores. c) Teorema de Laplace O determinante de uma matriz quadrada A = aij de ordem n 2 é igual à soma dos produtos obtidos pela multiplicação dos elementos de qualquer fila (linha ou coluna) por seus respectivos cofatores, ou seja, Det A = m 1i ij Aa ij Exemplos: Utilizando o teorema de Laplace, calcule o determinante das matrizes: A = 6 5 0 2 1 2- 4- 3 2 B = 3 2 0 1- 1 1 1- 3 0 2 0 0 1- 4 3 2 Exercícios 2. Dada a matriz 1 2 3 0 1 4 3 0 1 M , calcule det M pela regra de laplace. 3. Calcule 0 1 0 0 5 8 0 0 1 3 7 0 4 4 2 2 . 4. Resolva as equações 2 1 1 5 1 0 1 0 1 2 0 1 1 1 0 1 x x e 2 0 4 0 0 3 3 0 6 3 4 0 7 0 5 x x x x Regra de Chió e Regra de Cramer 1) Regra de Chió Esta regra permite, sob certas condições, abaixar de uma unidade a ordem de um determinante, faci- litando seu cálculo. Para poder aplicar a regra de Chió precisamos ter uma matriz quadrada de or- dem n 2, com aij = 1 Procedimento: 1) Eliminar a linha e coluna correspondente ao elemento aij = 1, dessa forma abaixamos a or- dem da matriz A, obtendo assim uma nova matriz B de ordem n – 1 2) De cada elemento da nova matriz B, subtraímos o produto dos elementos da linha e coluna reti- rada, que estão na mesma direção do elemento considerado. Obtemos assim uma matriz C. 3) Det A = (-1)i+j det C Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 16 Exemplo: 1) Calcule o determinante das matrizes abaixo pela regra de Chió A = 6 1- 0 5 2 3- 4 2 1 B = 1 -1 2 0 2 -2 1 -1 0 3 -2 1 -1 2 -3 -2 Exercício 1) Calcule o determinante das matrizes abaixo: A = 4- 1 5 2 2 3 1- 3 2 B = 3 -3 -4 0 2 5 4 3 -4 0 2 -2 -5 3 0 -4 2) Calcule pela regra de Chio: a) 1372 1473 521 b) 0331 2211 5321 1111 c) 210 752 301 3) Dadas as matrizes A = (aij)3x2 tal que jia jia ij ij se ,0 se ,1 e B =(bij)2x3 tal que jib jib ij ij 4 se ,0 4 se ,2 . Quanto vale det(AB) ? 4) O valor de x tal que 1 112 001 11 x é: Sistemas Lineares e Matrizes 1) Equação linear Uma equação linear nas incógnitas x1, x2, x3, ..., xn, é uma equação que pode ser posta na forma padrão: a1x1 + a2x2 + ...+ anxn = b Onde a1, a2, ..., an, b são constantes, ak é coeficiente de xk e b é a constante da equação. Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 17 Uma solução dessa equação é um conjunto de valores das incógnitas x1 = k1 , x2 = k2 , x3 = k3 , ..., xn = kn , ou simplesmente uma ênupla u = ( k1, k2, ..., kn) de constantes que levadas na equação a tor- nam uma identidade. Isto é, a1 k1 + a2 k2 + ... + an kn = b, este conjunto satisfaz a equação. Exemplo: Resolver a equação 2x – 5y + 4z – 3t = 3 2) Sistemas de equações lineares Estudaremos um sistema de m equações com n incógnitas que pode ser colocado na forma padrão: ........................................... 2211 22222121 11212111 mnmnmm nn nn bxaxaxa bxaxaxa bxaxaxa onde aij e bi são constantes Uma solução do sistema é um conjunto de valores da incógnitas, x1 = k1 , x2 = k2 , x3 = k3 , ..., xn = kn , ou simplesmente uma ê-nupla u = ( k1, k2, ..., kn) de constantes que é uma solução de cada uma das equações do sistema. O conjunto de todas as soluções é chamado conjunto solução ou solução geral do sistema. 3) Sistema de Cramer Seja, ........................................... 2211 22222121 11212111 mnmnmm nn nn bxaxaxa bxaxaxa bxaxaxa um sistema linear S de m equações com n incógnitas sobre ℝ. Se formarmos as matrizes: mnmm n n aaa aaa aaa A 21 22221 11211 , nx x x X 2 1 e mb b b B 2 1 de tipos m n, n 1 e m 1, respectivamente, então S poderá ser escrito soba forma matricial: AX = B, onde A recebe o nome de matriz dos coeficientes de S. Um sistema de Cramer é um sistema linear de n equações com n incógnitas cuja matriz dos coe- ficientes é invertível. Se AX= B é um sistema de Cramer, como AX = B X = A–1B , então esse sistema é compatível determinado e sua única solução é dada por A-1B. Exemplo: Verificar se o sistema é um sistema de Cramer, caso afirmativo resolver o sistema. Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 18 0 2 1 1 zx zy yx Classificação de um sistema linear: 1) Sistema Compatível (ou possível): é aquele para o qual existe alguma solução. Os sistemas possíveis podem ser de dois tipos: a) possível determinado: é o que admite apenas uma solução. b) possível indeterminado: é aquele que admite infinitas soluções. 2) Sistema incompatível (ou impossível): é o sistema que não possui solução. Seu conjunto solução é vazio. 3) Sistema homogêneo: é aquele no qual todos os bi são iguais a zero. Neste caso, a ênupla (0, 0, ..., 0) é a solução desse sistema. Esta solução chama-se solução trivial. 2) Regra de Cramer Vimos no estudo de Sistemas Lineares (SL), que m sistema pode ser escrito na forma matricial. Vamos considerar um sistema com n equações lineares com n incógnitas, tal sistema pode ser es- crito na forma AX = B sendo: A: n n a matriz dos coeficientes B: n 1 a matriz dos termos independentes (vetor coluna) X: n 1 a matriz das variáveis (vetor coluna) Teorema: (Regra de Cramer) O sistema acima tem solução única se e somente se det A 0. E a solução única é dada por: x1 = D Dx1 x2 = D Dx2 ...................xn = D Dxn Onde: D: é o determinante da matriz A Dxi = é o determinante da matriz A’, sendo A’ obtida substituindo-se a coluna dos coeficientes da variável xi, pelos termos constantes. Exemplo: 1) 1 5y 3x 7 3y -2x 2) 4 3z -2y - x 1 z y x 3 z -y 2x Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 19 Exercícios 1. Resolva os sistemas abaixo usando a regra de Cramer. 1) yxz yzx zxy 213 5823 123 S = {(3, -1, 2)} 2) 23222 8263 143 552 tzyx tzyx tzyx tzyx S = {(2, 1/5, 0, 4/5)} 3) 𝑎 + 𝑏 + 𝑐 + 𝑑 = 0 2𝑎 + 5𝑑 = 4 −2𝑎 − 2𝑑 = −1 4𝑏 + 3𝑑 = 5 1 1 , , 1,1 2 2 S 3) Resolva as equações matriciais. 2 1 9 1 3 13 x y 1 4 7 2 2 3 6 2 5 1 1 8 x y z 4) Resolva os seguintes sistemas lineares, utilizando o método de Cramer: a) 2z 42 1 2 yx zy zyx b) 13343 53 2 3 2 zyx zyx zyx 5) Uma matriz quadrada A se diz ortogonal se A é inversível e A– 1 = At Verifique se a matriz a é ortogonal. 22 21 A 6) Determinar o valor de a ℝ a fim se que a matriz real A abaixo seja inversível em M3(ℝ). a A 21 212 111 7) Resolva o seguinte sistema linear, verificando primeiro se o sistema é um sistema de Cramer : a) 2 42 12 zyx zy zyx b) 0 4 yx yx Resolução de Sistemas Lineares por Escalonamento: Sistemas de equações lineares nas mesmas incógnitas são equivalentes se admitem o mesmo conjunto solução. Uma forma de se obter um sistema equivalente a um sistema dado, com equações L1, L2, ...Ln é aplicar uma seqüência das operações elementares, como fizemos com matrizes. Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 20 Teorema: Seja um sistema (B) de equações lineares, obtido de outro sistema (A) de equações linea- res por uma seqüência finita de operações elementares. Então A e B tem o mesmo conjunto solução. Nosso método de resolução do sistema consiste de dois passos: 1o) Use as operações elementares para reduzir o sistema a um sistema equivalente mais simples (em forma triangular ou escalonada) 2o) Use a retro-substituição para obter a solução do mais simples Exemplo: 113 2 3 2221115 44 2 zyx zyx zyx Observação: considerando o sistema na forma escalonada, podemos ter uma das situações: a) o número de equações é igual a número de incógnitas, então o sistema tem uma única solu- ção b) o número de equações é menor que o número de incógnitas, então o sistema é compatível mas indeterminado. Neste caso, atribuímos valores arbitrários para as variáveis livres, ob- tendo assim uma solução geral em termos dessas variáveis. Exemplo: 24 5334 tz tzyx Exercícios 1) Resolver utilizando o escalonamento os seguintes sistemas: a) 3z 34 14 3 2225 yx zyx zyx b) 02 13 tzyx tzyx c) 32 2 1 zyx zyx zyx 2) Resolva os SL utilizando escalonamento. 12y 3 3 2 4z 32 zx zyx yx S = { ( 2, -1, 3)} 223 12 32 zyx zyx zyx S = Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 21 322 122 6 tzyx tzyx tzyx S = 1 5 , 3, , | 2 2 t t t t t 3 0 2 1 2 2 2 x y z x y z x y z S = 6 43 4232 2 zyx zyx zyx S = {(2 – 5z, 4z, z) | z } Sistemas Homogêneos. São sistemas nos quais as constantes (b) são iguais a zero. Em um sistema homogêneo temos duas possibilidades para a solução: 1) o número de equações ( r ) é igual ao número de incógnitas (n), no sistema dado ou no esca- lonado. Neste caso o sistema tem apenas a solução zero 2) r < n. Neste caso o sistema tem uma solução não zero. Exemplos: 0532 023 032 wzyx wzyx wzyx Matriz aumentada Um SL pode ser resolvido por escalonamento utilizando-se a matriz aumentada do sistema. Matriz aumentada: é a matriz cujas linhas correspondem a uma equação do sistema e cada coluna corresponde ao coeficiente de uma incógnita, com exceção da última coluna que corresponde às constantes do sistema. Exemplos: 2 4 5 2 2 3 3 3 3 4 2 1 x y z t x y z t x y z t S = {( – 9 – y + 10t, y, – 7 +7t, t )} Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 22 5475 3332 432 4321 4321 4321 xxxx xxxx xxxx S = 523 452 32 zyx zyx zyx Exercícios: 1) Considere a equação linear x + 2y – 3z = 4. Verifique se u = (8, 1, 2) é solução da equação. 2) Determine os valores de k de modo que o sistema abaixo nas incógnitas x, y e z tenha: i) solução única ii) nenhuma solução iii) uma infinidade de soluções 23 332 1 zkyx kzyx zyx S = i) k 2, k 3 ii) k = – 3 iii) k = 2 3) Resolva o SL utilizando a matriz aumentada 7643 3532 242 zyx zyx zyx S = 4) Resolva o sistema: 04 3 0252 032 zyx zyx zyx S = {(0, 0, 0)} 0223 0 42 0 zyx zyx zyx S = {(0, 0, 0)} Forma escada de uma matriz Definição: Uma matriz m n é linha reduzida à forma escada se: 1. O primeiro elemento não nulo de uma linha não nula é 1; 2. Cada coluna que contém o primeiro elemento não nulo de alguma linha tem todos os seus outros elementos iguais a zero. 3. Toda linha nula ocorre abaixo de todas as linhas não nulas. 4. Se as linhas 1, 2, ..., r são as linhas não nulas, se o primeiro elemento não nulo da linha i ocorre na coluna ki, então k1 < k2 < ... < kr . Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 23 Exemplos: 1. A matriz 0100 0110 0001 A não está na forma escada, pois não satisfaz 2. 2. A matriz 000 301 120 B não está na forma escada pois não satisfaz 1 e 4. 3. A matriz 21000 00000 10310 C não satisfaz 1. e 3. por isso não está na forma escada. 4. A matriz 00000 21000 20310 D Está na forma escada, pois satisfaz todas as propriedades acima. Teorema: Toda matriz Am n é linha equivalente a uma única matriz-linha reduzida à forma es- cada. Definição: Dada uma matriz Am n , seja Bm n a matriz linha reduzida à forma escada linha equivalente a A. O posto de A denotado por p é o número de linhas não nulas de B. A nulidade de A é o número n – p. Exemplos: 1. Encontrar o posto e a nulidade de A. 1121 5301 0121 A Solução: Vamos escalonar a matriz: 2 5100 2 5010 2 5001 20800 2 5210 5301 1040 2 5210 0121 1040 5420 0121 A Assim, p = 3 e n – p = 4 – 3 = 1. Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 24 2. Encontrar o posto e a nulidade de B, onde 8164 151 241 312 B Solução: Vamos escalonar novamente: 123 e 2 000 000 9110 91401 000 190 190 241 pnpB Resolução de Sistemas Lineares usando matriz na forma escada: Caso geral: Considere um sistema com m equações e n incógnitas x1, x2, ... , xn . 11 1 12 2 1 1 21 1 22 2 2 2 1 1 2 2 n n n n m m mn n n a x a x a x b a x a x a x b a x a x a x b cujos coeficientes aij e termos constantes bi são números reais ou complexos. Teorema: i) Um sistema de m equações e n incógnitas admite solução se, e somente se, o pos- to da matriz ampliada ou aumentada é igual ao posto da matriz dos coeficientes. ii) Se as duas matrizes tem o mesmo posto p e p = n, a solução será única. iii) Se as duas matrizes tem o mesmo posto p e p < n, podemos escolher n – p incóg- nitas, e as outras p incógnitas serão dadas em função destas. Vamos usar a notação: Pc posto da matriz dos coeficientes; Pa posto da matriz ampliada ou aumentada; Se Pc = Pa denotamos simplesmente por P. Exemplos: 1. Considere a matriz aumentada 2100 2010 3001 A veja que Pc = Pa = 3 e que m = 3, n = 3 e p = 3. Então o sistema tem solução única e x1 = 3, x2 = –2 e x3 = 2. 2. Considere agora a matriz aumentada Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 25 6510 10701 B veja que Pc = Pa = 2 e que m = 2, n = 3 e p = 2. Temos um grau de liberdade x1 = – 10 – 7x3 e x2 = – 6 – 5x3. Assim o sistema possui infinitas soluções. 3. Considere a matriz aumentada 2000 6510 10701 C veja que Pc = 2 e Pa = 3 e que m = 3, n = 3. O sistema é impossível, não existe solução. 4. Considere a matriz aumentada, 00000 41710 1021001 D veja que Pc = Pa = 2 e que m = 3, n = 4 e p = 2. Temos dois graus de liberdade x1 = – 10 + 10x3 + 2x4 e x2 = 4 – 7x3 – x4. Assim o sistema possui infinitas soluções. 5. Resolva o sistema, 023 02 tzyx tzyx Solução: Matriz associada aumentada, 01210 015012211 01210 01121 12202131 01121 lll lll tzy ztx tzy tzx 2 5 02 05 Observe que [ –5 2 1 0 ] e [ 1 –1 0 1 ], são soluções do sistema obtidas da seguinte forma: i) A primeira fazendo z = 1 e t = 0; ii) A segunda fazendo t = 1 e z = 0 são as soluções básicas pois geram todas as outras, aqui temos grau de liberdade 2. O conjunto solução é: S = {(x , y , z , t ) | x = t – 5z e y = 2z – t }. Ou S = {( t – 5z , 2z – t , z , t ) | t e z } 6. Resolver o sistema, 03 0262 03 zyx zyx zyx Solução: Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 26 7. Resolver o sistema, 323 12 tzyx tzyx Solução: Matriz associada, 21210 315012211 21210 11121 12232131 11121 lll lll 22 35 22 35 tzy tzx tzy tyx Compare com o exemplo 5 e note que esta solução é a soma da solução daquele sistema que é homogêneo com uma solução particular (–3, 2, 0, 0) deste sistema. 0 0 2 3 1 0 1 1 0 1 2 5 22 35 tz t z tz t t z y x Exercícios: 1. Resolva o sistema de equações, escrevendo as matrizes ampliadas, associadas aos novos siste- mas. 2 3 11 4 3 2 0 6 3 4 x y z x y z x y z x y z 2. Descreva todas as possíveis matrizes 2 × 2, que estão na forma escada reduzida por linhas. 3. Reduza as matrizes á forma escada reduzida por linhas. a) 1 2 3 1 2 1 2 3 3 1 2 3 b) 0 1 3 2 2 1 4 3 2 3 2 1 c) 0 2 2 1 1 3 3 4 2 2 3 1 4. Calcule o posto e a nulidade das matrizes da questão 3. 5. Dado o sistema 3 5 0 2 3 5 0 x y x z x y z escreva a matriz ampliada, associada ao sistema e reduza-a forma escada reduzida por linhas, para resolver o sistema original. Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 27 6. Determine k, para que o sistema admita solução. 4 3 2 5 4 0 2 x y x y x y k 7. Encontre todas as soluções do sistema 3 2 3 7 14 2 6 2 5 2 3 2 1 x y z t w x y z t w x y z w 8. Explique porque a nulidade de uma matriz nunca é negativa. 9. Resolva os sistemas a seguir achando as matrizes ampliadas linha reduzidas à forma escada e dando também seus postos, os postos das matrizes dos coeficientes e, se o sistema for possível, o seu grau de liberdade. a) 4 2 5 2 3 x y z x y z b) 3 2 4 1 3 3 3 3 3 5 0 1 x y z x y z x y z x y z x y z Vetores A cada par ordenado de números reais (x, y) está associado um ponto do plano, além disso, po- demos associar também ao par (x, y) uma seta com comprimento, sentido e direção. Temos assim a seguinte: Definição: Um vetor no plano é um par ordenado de números reais (x , y) e a seta a representação gráfica do vetor. Exemplos: 1 – A seta F da figura abaixo que pode ser imaginada como sendo uma força de in- tensidade igual a cinco unidades, aplicada no ponto O é a representação do vetor 2 1 5, 2 3 5 . x y (x , y) Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 28 Como se vê F fica determinado pelo par 2 5 , 2 35 que equivale dar a direção e o sentido e a intensidade de F. O comprimento da seta que representa um vetor ),( 11 yxu , chama-se norma do vetor u e se representa por u cujo valor real é 22 yxu . Exemplo: O módulo do vetor )3,2( u é 1332 22 u . Os vetores )3,2( v e )1,1( w . Possuem comprimentos dados por: 139432 22 v e 2111)1( 22 w chamadas de normas dos vetores )3,2( v e )1,1( w . Um vetor pode ser representado por uma seta que não parte necessariamente da origem, isto é, pode ser dado por dois pontos. Exemplo: Os pontos A(x1, y1) e B(x2, y2) determinam o vetor ),(),(),( 12121122 yyxxyxyxAB O F 30° x y Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 29 Veja que as duas setas da figura acima têm o mesmo módulo, direção e sentido, logo qualquer uma das duas representa o vetor AB . O estudo em ℝ3 é feito de modo análogo ao do plano. Exercício 1º) Represente graficamente os vetores: a) )3,1( v c) 2 1 ,5v b) )3,1( v d) )5,4( e )3,1( sendo BAAB Calcule o comprimento de cada um deles, isto é, o módulo de cada um deles. Vetores iguais: Dois vetores vu e são iguais se possuem mesmo módulo, direção e sentido. Exemplo: )3,2( u e ABv onde A = (0,3) e B = (2,6) e CDw onde C = (2,1) e D = (4,4). y x Vetores opostos: vu e são opostos se possuem mesmo módulo, mesma direção e sen- tidos contrários. Vetor unitário: é aquele de módulo igual a um. y B v D A u w C x Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 30 Exemplo: )0,1( u pois 1 u . Versor: Dado o vetor u , seu versor é o vetor v que tem mesma direção e sentido de u mas seu módulo é um. Exemplo: u u v é o versor de u , pois 1 u u u u v e possui mesmo sentido e direção de u . Assim, uv v . Soma de vetores Se v = (a,b) e w = (c,d), definimos a soma de v e w, por: v + w = (a + c , b + d) Propriedades da soma de vetores I) Comutativa: Para todos os vetores u e v de ℝ2: v + w = w + v II) Associativa: Para todos os vetores u, v e w de ℝ2: u + (v + w) = (u + v) + w III) Elemento neutro: Existe um vetor O = (0,0) em ℝ2 tal que para todo vetor u de ℝ2, se tem: O + u = u IV) Elemento oposto: Para cada vetor v de ℝ2, existe um vetor – v em ℝ2 tal que: v + ( – v ) = O Diferença de vetores Se v = (a,b) e w = (c,d), definimos a diferença entre v e w, por: v – w = ( a – c , b – d ) Produto de um escalar por um vetor Se v = (a , b) é um vetor e c é um número real, definimos a multiplicação de c por v, como: c.v = (ca ,cb) Propriedades do produto de escalar por vetor Quaisquer que sejam k e c escalares, v e w vetores: Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 31 1 v = v (k c) v = k (c v) = c (k v) k v = c v implica k = c, se v for não nulo k (v + w) = k v + k w (k + c)v = k v + c v Exemplos: 1º) Vamos usar a forma algébrica para mostrar as propriedades da soma. Sejam ),( 11 yxu , ),( 22 yxv e ),( 33 yxw I – uvyyxxyyxxvu ),(),( 12122121 II – )(),(),( ),(),(),()( 323211 321321332121 wvuyyxxyx yyyxxxyxyyxxwvu III – Seja )0,0( O uxxxxxxOu ),()0,0()0,0(),( 212121 uxxxxxxuO ),()0,0(),()0,0( 212121 IV – Oyyxxyxyxvv )0,0())(),((),(),()( 22222222 Obs: Com relação ao produto de k ℝ pelo vetor v qualquer, podemos dizer que sendo O v sempre é possível escrever ukv se u e v são colineares. Sendo assim, se você tem um vetor 0 v , qualquer vetor 0 u colinear a v é obtido através do produto vk , k ℝ conveniente. Dizemos também que u tem mesma direção e sentido de v se k > 0 e mesma direção mas com sentido opostose k < 0. Exemplo: Seja )2,1( v . Tomando k = 5, obtemos )10,5()2,1.(55 vu , note que u tem mesma direção e mesmo sentido de v . Já (-5,-10)5.(1,2)- 5- vw tem mesma direção e sentido contrário ao de v , porém u e w são colineares com v . (Faça uma figura para compreender melhor esta propriedade) Além disso, podemos dizer que o módulo de v é ukv , pois: ukxxkxkxkkxkxkxkxxxkukv 2 2 2 1 2 2 22 1 22 )2( 2 )1()2,1()2,1( Exercícios 1) Determine x para que se tenha CDAB , sendo A(x,1), B(4,x + 3), C(x, x + 2) e D(2x, x +6). 2) Encontrar números reais K1 e K2 tais que Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 32 v = K1 u + K2 w sendo u = (–1, 2), v = (2, 3) e w= (1, 2). 3) Determinar o vetor w na igualdade 3 w + 2 u = wv 2 1 , sendo dados u = (3, –1) e v = (–2, 4). 4) Verifique se os vetores u e v abaixo são paralelos: a) u = (– 1, 2, – 4 ) e v = ( 24 ,22 ,2 ) b) u = ( 2, – 5, 8) e v = (6, – 15, 30 ). 5) Escreva os vetores u e v acima como combinação linear dos vetores da base canônica kji , , . 6) Dados A(2, y) e B(3, 3), determine y para que o módulo do vetor AB seja 5 . 7) Dados os pontos A(2, 3) e B(5, 4), determine um ponto C tal que AC seja paralelo ao vetor u = (2, 1) e ABAC . Espaços vetoriais Definição: Um espaço vetorial real é um conjunto V, não vazio, com duas operações: soma, que a cada dois vetores u e v de V associa um vetor w = u + v em V e multiplicação por escalar que a ca- da b real e u em V associa um vetor b.u em V. Tais operações satisfazem as 8 propriedades a seguir: I) Comutativa: Para todos os vetores u e v de ℝ2: v + w = w + v II) Associativa: Para todos os vetores u, v e w de ℝ2: u + (v + w) = (u + v) + w III) Elemento neutro: Existe um vetor O = (0,0) em ℝ2 tal que para todo vetor u de ℝ2, se tem: O + u = u IV) Elemento oposto: Para cada vetor v de ℝ2, existe um vetor – v em ℝ2 tal que: v + ( – v ) = O V) 1 v = v VI) (k c) v = k (c v) = c (k v), k v = c v implica k = c, se v for não nulo VIII) k (v + w) = k v + k w Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 33 IX) (k + c)v = k v + c v Portanto, pelo que vimos acima o conjunto dos vetores tanto do plano quanto do espaço constituem espaços vetoriais. Outros exemplos de espaços vetoriais 10. O conjunto dos vetores do espaço V = Rxxxx i );,,( 321 é evidentemente um espaço veto- rial real, verifique isto. 11. O conjunto das matrizes V = M (2 , 2) = Rdcba dc ba ,,,: com soma e produto por escalar usuais é um espaço vetorial. 12. O conjunto P2 = Raxaxaaxp i |)( 2210 dos polinômios de grau 2 é um espaço vetorial. Exercícios 1. No conjunto V = Ryxyx ,);,,( definimos “adição” assim: (x1 , y1) + (x2 , y2) = (x1 + x2 , 0) e multiplicação por escalares como no ℝ2, ou seja, a.(x , y) = (a.x , a.y). Nessas condições V é um espaço vetorial sobre ℝ? Por quê? 2. O conjunto M(2,2) = Rcba cb ba ,,: das matrizes simétricas é um espaço vetorial? Justifi- que. 3. O conjunto V = }|)({ 10 Raxaaxp i dos polinômios reais de grau 1 é um espaço vetorial? Justifique. Subespaços vetoriais Definição: Dado um espaço vetorial V real, um subconjunto W de V, não vazio, será um subespaço vetorial de V, se: i) Para quaisquer u, v W tivermos u + v W. ii) Para quaisquer a ℝ, e u W tivermos a.u W. Exemplos: 1) O conjunto W = {(x , 0) | x ℝ} subconjunto de ℝ2 é um subespaço vetorial de ℝ2. 2) V = M (2, 2) e W o subconjunto das matrizes 2 x 2 triangulares superior é um subespaço vetorial de V. 3) O conjunto W = {(x , y) | x, y ℝ, x = y} é um subespaço vetorial de ℝ2. Observe que neste caso W é geometricamente uma reta passando pela origem. 4) Já o conjunto W = {(x , y) | x, y ℝ, x = y + 1} representa uma reta do ℝ2 mas não é subespaço de ℝ2, veja que ela não passa pela origem. 5) Qualquer reta do plano que passa pela origem é um espaço vetorial do plano. Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 34 Exercícios 1. Dados os vetores u = (1, 2, 3), v = (– 2, 3, 0) e w = (1, 1, 1) é possível encontrar números reais k1, k2 e k3 tais que (5, 4, 3) = k1. u + k2. v + k3. w ? Se sim, determine k1, k2 e k3 . 2. Mostre que as matrizes simétricas de ordem 2 formam um subespaço vetorial do espaço M(2,2). 3. Mostre que o conjunto W = ( , , ) | 2x y z z x y é um subespaço de V = ℝ3 . Exercícios de revisão 1. Calcule o valor do determinante da seguinte matriz, usando Laplace. A = 1332 1132 2011 0201 2. Calcule o seguinte determinante usando a regra de Chió. 4312 3114 3102 4321 D 3. Determine os valores de a e b para que o sistema: 0 2 02 zayx bzyx zyx a) tenha solução única; b) tenha infinitas soluções; c) não tenha soluções. Utilizando Regra de Cramer. 1. Dados os vetores u = (1, 2, 3), v = (– 2, 3, 0) e w = (1, 1, 1) é possível encontrar números reais k1, k2 e k3 tais que (5, 4, 3) = k1. u + k2. v + k3. w ? Se sim, determine k1, k2 e k3 . 2. Mostre que a matrizes simétricas de ordem 2 formam um subespaço vetorial do espaço M(2,2). Combinação linear Definição: Sejam V um espaço vetorial real (ou complexo), v1, v2, v3, .... , vn V e a1, a2, a3, ... , an números reais (ou complexos). Então, o vetor v = a1v1 + a2v2 + a3v3 + ... + anvn Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 35 é um elemento de V ao que chamamos combinação linear de v1, v2, v3, .... , vn. Uma vez fixados vetores v1, v2, v3, .... , vn em V , o conjunto W de todos os vetores v que são combinação linear destes, é um subespaço vetorial. W é chamado subespaço gerado por v1, v2, v3, .... , vn e usamos a notação W = [v1, v2, v3, .... , vn ] Exemplos 1) V = ℝ3, v V , v 0. Então [v] = av | a ℝ, isto é, [v] é a reta que contém o vetor v 2) Se v1, v2 ℝ3 são tais que v1 v2 para todo ℝ, então [v1, v2] será o plano que passa pela origem e contém v1 e v2. observe que se v3 [v1, v2 ], então [v1, v2, v3 ] = [v1, v2 ], pois todo vetor que pode ser escrito como combinação linear de v1, v2 e v3 é uma combinação linear apenas de v1 e v2 (pois v3 é combinação linear de v1 e v2). 3) V = ℝ2, v1 = (1, 0), v2 = (0, 1). Logo V = [v1, v2] pois, dado v = (x, y) V, temos (x, y) = x.(1, 0) + y.(0, 1), ou seja, v = x.v1 + y.v2 Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 364) Sejam as matrizes 00 01 1v e 00 10 2v então temos Rba ba vv ,: 00 ],[ 21 é o subespaço vetorial gerado pelas matrizes v1 e v2. 5) Determine o subespaço gerado pelos vetores v1 = (2, 3) e v2 = (–1, 2). 6) Escreva o vetor v = (3, 2) como combinação linear dos vetores v1 = (1, 0) e v2 = (0, 1). 7) Dado o subespaço vetorial W = }2|),{( 2 xyRyx , determine um vetor v1 tal que W = [v1]. 8) Dado o subespaço vetorial W = yzxyRzyx e 2|),,( 3 , determine um vetores v1 e v2 tal que W = [v1, v2]. Exercícios 1) Escreva o vetor v = (3, 2) como combinação linear dos vetores v1 = (1, 1) e v2 = (2, 0). 2) Determine o subespaço gerado pelo vetor v1 = (2, 1). Faça um gráfico representando este subes- paço. 3) Determine o subespaço gerado pelos vetores v1 = (1, 2, 3) e v2 = ( 0, –1, 0). Faça um gráfico representando este subespaço. 4) Encontre os vetores que geram os seguintes subespaços: a) }0|),{( 2 xyRyx b) }03|),{( 2 xyRyx c) }2|),,{( 3 xzexyRzyx d) }3|),,{( 3 yzexyRzyx 5) Determine o subespaço gerado pelas matrizes A = 1 0 0 0 e B = 0 1 0 1 Dependência linear Dizemos que os vetores v1, v2, v3, .... , vn do ℝn são Linearmente Independentes (LI), quando a combinação linear a1 v1 + a2 v2, + a3 v3 + .... + an vn = 0 acarreta necessariamente a1 = a2 = a3 = .... = an = 0 Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 37 Exemplos: 1. Verifique se os vetores (1, 2) e (0, 3) são ou não Linearmente Independente (LI). 2. Verificar se os vetores v1 = (0, 1, 3), v2 = (2, 1, 4) e v3 = (–2, 0, –1) são ou não linearmente inde- pendentes. Exercícios 1. Verifique se os vetores são Linearmente Independentes (LI) ou Linearmente Dependente (LD) em cada um dos casos seguintes: a) v1 = (1, 0) e v2 = (0, 1) b) v1 = (1, 1) e v2 = (2, 5) c) v1 = (2, 3) e v2 = (4, 6) d) v1 = (1, 5), v2 = (0, 3) e v3 = (6, 2) e) v1 = (1, 0, 0), v2 = (0, 1, 0) e v3 = (0, 0, 1) f) v1 = (1, 0, 1), v2 = (1, 1, 0) e v3 = (2, 1, 2) g) v1 = (0, 2, 1), v2 = (2, 1, 3) e v3 = (2, –1, –2) h) v1 = (2, 4, 6), v2 = (1, 3, 5) e v3 = (0, 1, 4) i) v1 = (3, 1, 8), v2 = (–3, 1, –6) e v3 = (0, 2, 2) j) v1 = (0, 0, 1), v2 = (3, 1, 4), v3 = (0, 1, 5) e v4 = (3, 8, 9) k) v1 = (0, 0, 1, 1), v2 = (2, 1, 0, 3), v3 = (0, 1, 4, 8) e v4 = (1, 0, 0, 0) l) v1 = (0, 1, 5, 2), v2 = (0, 0, 3, 8), v3 = (0, 1, 8, 10) e v4 = (0, 1, 1, 1) R: a) LI b)LI c) LD d) LD e) LI f) LI g) LI h) LI i) LD j) LD k) LI l) LD Base de um espaço vetorial V Um conjunto {v1, v2, v3, .... , vn } de vetores de V será uma base de V se: i) {v1, v2, v3, .... , vn } é Linearmente Independente, LI ii) [v1, v2, v3, .... , vn ] = V, isto é v1, v2, v3, .... , vn geram V, que é o mesmo que dizer qualquer vetor v de V é escrito como combinação linear dos vetores v1, v2, v3, .... , vn . Exemplos: 1. Sendo V = ℝ2, encontre duas bases distintas para V. 2. Apresente um conjunto com dois vetores de V = ℝ2 que não forma base de V. É possível haver uma base de V = ℝ2 com apenas um vetor? 3. Sendo V = ℝ3, encontre duas bases distintas para V. 4. Apresente um conjunto com três vetores de V = ℝ3 que não forma base de V. É possível haver uma base de V = ℝ3 com apenas um vetor? E com dois? 5. Determine uma base para V = M (2, 2) ( das matrizes 2 2 ). Exercícios 1. Mostre que o conjunto B = v1 , v2onde v1 = (1, 0) e v2 = (0, 1) é uma base de V = ℝ2. 2. Mostre que Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 38 1 0 0 1 0 0 0 0 , , , 0 0 0 0 1 0 0 1 é base de M (2 , 2). 3. Quais são as coordenadas de v = (1, 0, 0) em relação à base = (1, 1, 1), (– 1, 1, 0 ), (1, 0, – 1)? Dimensão de um espaço vetorial Qualquer base de um espaço vetorial V, tem sempre o mesmo número de elementos. Este núme- ro é chamado dimensão de V. Exemplos: 1. Seja V = ℝ2, então (1, 0), (0, 1) e (1, 1), (0, 1) são bases de V . Então dim V = 2. 2. dim ℝ3 = 3. Por quê? 3. Se V = M (2, 2). Uma base para V é o conjunto B = 10 00 , 01 00 , 00 10 , 00 01 , logo dim V = 4. Exercícios 1. Considere o subespaço de ℝ4 gerado pelos vetores v1 = (1, – 1, 0, 0), v2 = (0, 0, 1, 1), v3 = (– 2, 2, 1, 1) e v4 = (1, 0, 0, 0). a) O vetor v = (2, – 3, 2, 2) [v1, v2, v3, v4]? Justifique. b) Exiba uma base para [v1, v2, v3, v4]. Qual é a dimensão? c) [v1, v2, v3, v4] = ℝ4 ? Por quê ? 2. Considere o subespaço de ℝ3 gerado pelos vetores v1 = (1, 1, 0), v2 = (0, – 1, 1), v3 = (1, 1, 1). [v1, v2, v3 ] = ℝ3? Por quê? 3. Dê dois exemplos de subespaços de ℝ3, um de dimensão 1 e outro de dimensão 2. Justifique. 4. Dê um exemplo de subespaço de ℝ2, com dimensão 1 e faça uma interpretação geométrica. Mudança de base Exemplos: 1. Sejam = (2, –1), (3, 4) e ’ = (1, 0), (0, 1) bases de ℝ2. Procuramos escrever (1, 0) = a11(2, –1) + a21(3, 4) donde (1, 0) = (2 a11 + 3 a21 , – a11 + 4 a21 ), assim a11 = 11 4 e a21 = 11 1 (0, 1) = a12(2, –1) + a22(3, 4) resolvendo, a12 = 11 3 e a22 = 2 11 Temos: 'I 11 12 21 22 4 3 11 11 1 2 11 11 a a a a . Se v = (5, –8) , então; Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 39 1 4 8 5 11 2 11 1 11 3 11 4 )]8,5[( (5, –8) = 4.(2, –1) + (–1).(3, 4) Assim, não há necessidade de resolver um sistema para cada vetor. Note que ' ' .I][ vv . A inversa da matriz de mudança de base. 2. No exemplo anterior, podemos obter ' I a partir de ' I Note que ' I é fácil de ser calculada pois ’ é a base canônica. (2, –1) = 2.(1, 0) – 1.(0, 1) (3, 4) = 3.(1, 0) + 4.(0, 1) donde, 41 32 I ' então 11 2 11 1 11 3 11 4 41 32 I 1' . Exercícios. 5. Sejam 1 = (1, 0), (0, 2) e 2 = (–1, 0), (1, 1) e 3 = (–1, –1), (0, –1) três bases de ℝ3, determine: a) 1 2I b) 2 3I c) 1 3I d) 2 3 1 2 I.I Exercícios de revisão. 1. Escrever o vetor v como combinação linear dos vetores v1, v2, v3 , ... , vn. a) v = (0, 2); v1 = (1, 0); v2 = (0, 1) b) v = (2, 5); v1 = (1, 1); v2 = (2, 3) c) v = (0, 1, 2); v1 = (0, 1, 0); v2 = (1, 0, 0), v3 = (0, 0, 1) d) v = (2, 4, 6); v1 = (1, 2, 3); v2 = (0, 1, 2), v3 = (0, 0, 1) 2. Determine o conjunto gerado pelos vetores, isto é, de determine [v1, v2, v3 , ... , vn]. a) v1 = (1, 0, 1) e v2 = (0, 1, 0) b) 01 10 e 02 01 21 vv 3. Dar um conjunto de geradores para os seguintes subespaços de 3; a) U = (x, y, z) | x – 2y = 0 b) V = (x, y, z) | x + z = 0 e x – 2y = 0 Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva40 c) W = (x, y, z) | x + 2y – 3z = 0 4. Verifique se os vetores são linearmente independente (LI) ou linearmente dependente (LD) em cada um dos casos seguintes. a) v1 = (1, 0); v2 = (0, 1) b) v1 = (1, 5); v2 = (0, 3), v3 = (6, 2) c) v1 = (1, 0, 0); v2 = (0, 1, 0), v3 = (0, 0, 1) d) v1 = (2, 4, 6); v2 = (1, 3, 5), v3 = (0, 1, 4) 5. Determine uma base para os subespaços do exercício 3. 6. Determine uma base para as matrizes simétricas de ordem 2. Determine a matriz 1 2I de mu- dança da base 2 = (1, 2), (1, 3) para a base 1 = (–2, 0), ( 2, 3) Transformações lineares Funções lineares descrevem o tipo mais simples de dependência entre variáveis. Muitos proble- mas podem ser representados por tais funções. Exemplo: Se de um quilo de soja, são extraídos 0,2 litros de óleo, de uma produção de x quilos se soja, seriam extraídos 0,2x litros de óleo. Escrevendo na forma de função teremos: Q(s) = 0,2s Onde Q é a quantidade em litros de óleo de soja e s é a quantidade em quilos de soja. Estes dados podem ser colocados graficamente: Vamos analisar neste exemplo simples duas características importantes: 1. Note que para calcular a produção fornecida por (s1 + s2) quilos de soja, podemos multiplicar (s1 + s2) por 0,2 ou calcular as produções de cada uma das quantias s1 e s2 e somá-las, isto é, Q (s1 + s2) = 0,2(s1 + s2) = 0,2s1 + 0,2s2 = Q (s1) + Q (s2) 2. Se a quantidade de soja for multiplicada por um fator k, a produção de óleo de soja será multipli- cada por este mesmo fator, isto é, Q Q = 0,2s s Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 41 Q (ks) = 0,2(ks) = k (0,2s ) = k Q (s) Estas duas propriedades, que neste caso são óbvias, servirão para caracterizar o que denomina- mos, “transformações lineares” . Definição: Sejam V e W dois espaços vetoriais. Uma transformação linear é uma função de V em W, F : V W que satisfaz as seguintes condições: i) Quaisquer que sejam u e v em V , F (u + v ) = F (u) + F (v) ii) Qualquer que seja k R e v V, F (kv) = k F (v) No caso em que V = W , uma transformação linear F : V W é chamada também de operador li- near. Exemplos: 1. F : ℝ ℝ definida por F (u ) = .u. Mais ainda qualquer transformação linear de ℝ em ℝ só pode ser deste tipo 2. F : ℝ ℝ definida por F (u ) =u2 não é linear. 3. F : ℝ2 ℝ3 definida por F (x, y) = ( 2x, 0, x + y ) é uma transformação linear. 4. Seja V = ℝ2 e W = ℝ3 Seja A uma matriz 3 2. Definimos FA : ℝ2 ℝ3 por FA( v ) = A.v onde v é tomado como matriz coluna, v = y x . Exercícios: 1. Determine quais das seguintes funções são transformações lineares: a) F : ℝ2 ℝ definida por F (x, y) = x.y b) F : ℝ2 ℝ2 definida por F (x, y)= (x + y, x – y). c) F : ℝ2 ℝ definida por F (x, y) = x + y – 2 d) F : ℝ ℝ definida por F (x ) = | x |. e) F : ℝ2 ℝ definida por F (x, y) = x + y 2. Seja T : V W uma função. Mostre que: a) Se T é uma transformação linear, então T (0) = 0. b) Se T (0) ≠ 0, então T não é uma transformação linear. 3. a) Determine a transformação linear T : ℝ3 ℝ2 tal que T (1, 0, 0) = (2, 0), T (0, 1, 0) = (1, 1) e T (0, 0, 1) = (0, –1). b) Encontre v ℝ3 tal que T ( v ) = (3, 2). Alguns tipos de transformações lineares Diz-se que uma aplicação f : U V é injetora se, e somente se, u1 e u2 U, u1 u2 f (u1 ) f (u2 ) Isso é o mesmo que f ( u1) = f ( u2 ) u1 = u2 Exemplos: A aplicação S: ℝ2 ℝ2 dada por S (x , y) = (x, – y) é injetora. Já a aplicação F: ℝ2 ℝ3 dada por F(x , y) = (0, x + y, 0) não é injetora. Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 42 Diz-se que T é uma aplicação sobrejetora se T (U ) = V, ou seja, se para todo v V , existe u U tal que T (u ) = v. Se T é injetora e sobrejetora é chamada de aplicação bijetora. Exemplos: S: ℝ2 ℝ2 definida por S(x , y ) = (x , – y ) é sobrejetora. Já a transformação F: ℝ2 ℝ2 dada por F(x , y) = (0 , x + y, 0 ) não é sobrejetora. Basta ver o elemen- to (1, 0, 0) de ℝ3. A aplicação S: ℝ2 ℝ2 dada por S(x , y) = (x , –y) é conforme já vimos é injetora e sobrejetora, logo é bijetora. Exercícios 1. Verifique se a transformação T : ℝ ℝ dada por T(x ) = 2x é linear. Verifique também se ela é bijetora. 2. Faça o mesmo para a aplicação F : ℝ2 ℝ2, definida por F (x, y) = (2x , x – y ). Propriedades das transformações lineares. Sejam U e V espaços vetoriais sobre ℝ e consideremos uma transformação linear F : U V . Va- lem as seguintes propriedades para F. P1- F (0) = 0 (F transforma o vetor nulo de U no vetor nulo de V ). P2- F (– u ) = – F (u ), u U. P3- F (u1 – u2 ) = F ( u1 ) – F ( u2 ), u1 e u2 U . P4- Se W é um subespaço de U, então a imagem de W por F é um subespaço de V. P5- Sendo F : U V linear então n i ii n i ii uFauaF 11 )( Exercícios 1. Verificar se a aplicação F : ℝ3 ℝ3 definida por: F (x , y, z ) = (z , x + y ) é linear. 2. Verificar se F : ℝ ℝ2 é uma transformação linear, onde F ( x ) = (x , 2) x ℝ. 3. Verificar se a transformação F : ℝ2 ℝ2 definida por: F (x , y ) = (x 2 + y 2 , x ) é uma transformação linear. 4. Sabendo que F : ℝ2 ℝ2 é um operador linear e que F (1, 2) = (3, – 1) e F (0, 1) = (1, 2), achar F(x , y), onde (x , y ) é um vetor genérico de ℝ2. 5. Seja F o operador linear do ℝ2 tal que F (1, 0) = (2, 1) e F (0, 1) = (1, 4). a) Determinar F (2, 4); b) Determinar (x , y) ℝ2 tal que F (x , y) = (2, 3) c) Provar que F é injetora e sobrejetora (portanto bijetora). Núcleo e Imagem de uma transformação linear Definição: Sejam U e V espaços vetoriais sobre ℝ e F : U V uma transformação linear. Indica-se por Ker (F ) e denomina-se núcleo de F o seguinte subconjunto de U: Álgebra Linear – 2022 Prof. Emivan Ferreira da Silva 43 Ker (F ) = 0)(| uFUu Exemplo: Seja F : ℝ2 ℝ3 a transformação linear dada por: F (x, y) = (0, x + y, 0). Achemos o núcleo de F. Geometricamente temos: (x , y) Ker (F ) (0, x + y, 0) = (0, 0, 0) x = – y, logo, Ker (F ) = }|),{( Rxxx . Proposição 1: Seja F : U V uma transformação linear. Então: a) Ker (F ) é um sub-espaço vetorial de U. b) A transformação linear F é injetora se, e somente se, Ker (F ) = {0}. Demonstração: Exemplos: 1. O operador linear D: Pn (ℝ) Pn (ℝ) dado por D (f (t )) = f ’(t ) é uma transformação linear injetora (operador injetor) ? A imagem de uma transformação linear F : U V é definida como o conjunto Im (F ) = UuuF |)( Pela propriedade P4- Im (F ) é um subespaço vetorial de V. Logo vale o seguinte Teorema: (Do núcleo e da imagem) – Sejam U e V espaços vetoriais de dimensão finita sobre . Dada uma transformação linear F : U V , então dim U = dim ker (F ) + dim Im (F ). Corolário: Sejam U e V espaços vetoriais sobre ℝ com a mesma dimensão finita n e suponhamos que F : U V seja uma transformação linear. Então são equivalentes as seguintes afirmações: I) F é sobrejetora; II) F é bijetora;
Compartilhar