Baixe o app para aproveitar ainda mais
Prévia do material em texto
III-Matrizes e Sistemas Lineares Prof. Hugo Pedro Boff Este capítulo trata inicialmente de matrizes e das relações algébricas entre elas. 3.1 Matrizes e álgebra das matrizes Uma matriz de dimensão mn, A é uma tabela de números contendo m linhas e n colunas, notada Am,n. Um elemento aij de A é um escalar pertencente a um corpo F (p.ex, o corpo dos reais), posicionado na iésima linha e jésima coluna. Escrevemos então A aijm,n A a11 a12 . . . a1n a21 a22 . . . a2n . . . . . . . . . . . . am1 am2 . . . amn O conjuntoMmn de todas as matrizes Am,n sobre o corpo dos reais forma um espaço vetorial de dimensão mn (veja seção 6.2). Uma base natural deMmn é dada pelas matrizes Bij lk onde lk 1 se l i, k j 0 se l ≠ i, k ≠ j . Com efeito, é fácil verificar que Biji,j1,1 m,n é um sistema gerador LI. Se A ≠ aij ∈ Mmn, então A ∑ i,j aijBij. Temos também∑ i,j ijBij 0 ij 0;∀i, j. As características principais das matrizes são detalhadas na sequência. As matrizes Am,n podem ser retangulares m ≠ n ou quadradas m n. Neste último caso, se dirá que a matriz An,n é de ordem n. Considere a matriz A aijn,n de ordem n. a) Simetria: A é simétrica se aij aji ; ∀i, j ex. A 1 2 3 2 4 5 3 5 6 ; b) Triangularidade: A é triangular superior (inferior) se aij 0 ∀i j∀i j ex. A 1 2 3 0 4 5 0 0 6 ; c) Diagonalidade: A é diagonal sse aij 0 ∀i ≠ j. Se além disso aij 1;∀i, então A é a matriz identidade (notada I). I 1 0 . . . 0 0 1 . . . 0 . . . . . . . . . . . . 0 0 . . . 1 . Se A aijm,n é uma matriz deMmn, a transposta de A (notada A ′) é a matriz obtida permutando cada linha com a coluna correspondente. A ′ aij′ n,m onde aij′ aji. Segue-se que A ′ ∈ Mnm. Note que um vetor-linha com n elementos pertence ao espaçoM1n, enquanto que o vetor-coluna com m elementos pertence aoMm1. Doravante, os vetores a,b,c,x,y, . . . designarão vetores- coluna e a′,b′,c ′,x ′,y ′, . . . os vetores-linha correspondentes. Operações algébricas 1. Soma e multiplicação escalar Sejam A aijm,n, B bijm,n, C cijm,n matrizes deMmn. Então A B aij bijm,n Exemplo: Sejam A 1 0 3 3 4 5 e B −1 −1 0 0 10 3 . Logo, A B 0 −1 3 8 14 8 . Como a matriz soma de duas matrizes é construída pela soma termo à termo dos elementos de cada uma, só pode se realizada entre matrizes de um mesmo vetorial isto é, de mesma dimensão. Naturalmente, A B B A (comutatividade ; A B C A B C (associatividade) ; A 0 A; A − A 0. Temos também, para k,k ′ ∈ F, kA kaijm,n (multiplicação escalar), de maneira que k k ′A kA k ′A. Assim,Mmn é um grupo comutativo sobre o corpo F. Dotado das operações de soma e de multiplicação escalar definidas acima,Mmn é um espaço vetorial. 2. Produto Sejam Am,n e Bp,q duas matrizes. O produto A B (ou, mais abreviadamente AB está definido sse n p. Neste caso AB C cijm,q é uma matriz do vetorialMmq tal que cij ∑k1n aikbkj. Por outro lado a matriz BA está definida sse q m. Neste caso, BA D dijp,n é uma matriz deMpn tal que dij ∑k1n bikakj. De um modo geral, o produto AB está definido se o número de colunas da matriz que pré multiplica (A) é igual ao número de linhas da matriz que pós-multiplica (B). Exemplos: 1a A 1 2 3 4 5 6 ; B 1 2 3 5 0 1 . Então AB2,2 7 15 19 39 e BA3,3 9 12 15 23 31 39 4 5 6 1b A 1 2 3 ; B 6 −1 2 Note que AB 6 −1 2 12 −2 4 18 −3 6 é uma matriz 3,3 enquanto que BA 10 é um escalar (matriz 1,1). Proposição 3.1(transposição de produtos) Seja Am,n e Bn,p duas matrizes sobre um corpo F. Então AB ′ B ′A ′. Prova: Escrevemos A a1′ a2′ . . . an′ e B b1 b2 . . . bp nas forma linha e coluna respectivamente. Temos AB a1′ a2′ . . . an′ b1 b2 . . . bp a1′ b1 a1′ b2 . . . . a1′ bp a2′ b1 a2′ b2 . . . . a2′ bp . . . . . . . . . . . . . am′ b1 am′ b2 . . . . am′ bp Logo, AB ′ b1′ a1 b1′ a2 . . . . b1′ am b2′ a1 b2′ a2 . . . . bp′ am . . . . . . . . . . . . . bp′ a1 bp′ a2 . . . . bp′ am b1′ b2′ . . . bp′ a1 a2 . . . am B ′A ′ . Note que os produtos AA ′ e A ′A sempre existem. Para matrizes A e B de dimensão compatível com a pré multiplicação pela matriz C e pós multiplicação pela matriz D temos a seguinte propriedade distributiva: CA B CA CB e A BD AD BD Traço de uma matriz Define-se a operação traço de uma matriz quadrada A ( TrA ) como a soma dos elementos da diagonal principal: TrA ∑ i1n aii Propriedades: (i) Linearidade: TrA B TrA TrB; TrA TrA; (ii) Comutatividade: TrAB TrBA; Com efeito, escreva A a1,a2, . . . ,an′ e B b1,b2, . . . ,bn. Então, AB ai′bjn,n e BA ∑ i1n biai′. Logo, TrBA ∑ i1n Trbiai′ ∑ i∑k aikbki ∑ i1n ai′bi TrAB. (iii) TrA TrA ′. Matrizes idempotentes A matriz A, de ordem n , é idempotente sse A2 A. Por exemplo, a matriz identidade I é idempotente. Exercício 3.1 : (i) Construa uma matriz de ordem 2 (diferente da matriz identidade) que seja idempotente. (ii) Mostre que as colunas (ou linhas) desta matriz são necessariamente LD. Solução: (i) Seja x x1,x2′ um vetor do V2. A matriz 1 x′x xx ′ 1 x′x x12 x1x2 x2x1 x22 é uma matriz idempotente. Com efeito, 1 x′x xx ′ 1 x′x xx ′ 1 x′x 2xx ′xx ′ 1 x′x xx ′, que é a matriz original. Numéricamente, tome x 1,2′ → 1 x′x xx ′ 15 1 2 2 4 a qual é idempotente. (ii) Partamos de uma matriz A a b c d arbitrária idempotente. Se |A| designa o determinante da matriz A (vide seção 4.1), temos aqui: |A| ad − cb. Pela idempotência de A temos AA a 2 bc ab bd ac dc cb d2 a b c d . Assim, ab bd b ac dc c → a d 1e a2 bc a → a2 − a bc 0 d2 cb d → d2 − d bc 0 → a2 d2 2bc 1 1 . Ora, a d2 a2 d2 2ad 1 → a2 d2 1 − 2ad 2. Usando 2 em 1: ad bc → |A| 0. Sendo o determinante nulo, os dois vetores linha (ou coluna) de A são LD (veja proposição 4.1). 3.2 Sistemas de equações lineares Seja o sistema de m equações lineares nas n incógnitas x1,x2, . . . ,xn: S a11x1 a12x2 . . .a1nxn c1 a21x1 a22x2 . . .a2nxn c2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . am1x1 am2x2 . . .amnxn cm onde os coeficientes aij são reais e c1,c2, . . . ,cm são constantes dadas. O sistema S admite a seguinte representação matricial: S : Ax c onde A aijé a matriz dos coeficientes c c1,c2, . . . ,cm′ é o vetor das constantes e x o vetor-coluna das incógnitas. Definimos a matriz aumentada M A,c e o vetor y x−1 , com n 1 componentes. Então, o sistema S pode ser escrito como Ax − c 0 ou: S′ : My 0. Logo, o espaço solução de S é idêntico ao espaço solução do sistema homogêneo S′. Vamos estudar a solução de S pelo método de Gauss, também chamado escalonamento. Este método é implementado através de transformações elementares das linhas (colunas) da matriz associada ao sistema S′. Transformações elementares consistem em se multiplicar uma linha (coluna) fixa da matriz por uma constante e substituir cada outra linha pela resultante da soma da linha original com esta linha transformada. Fixada a linha da transformação, as constantes de multiplicação serão escolhidas para cada uma das outras linhas de maneira a se obter o formato reduzido escalonado, a ser definido na sequência. Matrizes equivalentes Definição 1 : Uma matriz R é dita equivalente à uma matriz A de mesma dimensão se R pode ser obtida de A mediante um número finito de transformações elementares das linhas de A. Notamos R~A. A relaçãode equivalência é comutativa e transitiva: se R~A → A~R; se A~R e R~B, então A~B. Formas normais Definição 2 : Um matriz RAl é dita reduzida escalonada por linha de A se RAl for uma matriz equivalente à A RAl ~A tal que: i Todos os vetores linha nulos de RAl (se existem) ocorrem abaixo dos vetores não nulos; ii O primeiro elemento não nulo de cada linha (à partir da esquerda) é igual a 1; iii Se o primeiro elemento não nulo na iésima linha estiver na jésima coluna, então todo outro elemento na jésima coluna é zero; iv Se o primeiro elemento não nulo na iésima linha estiver na jésima coluna, então: j1 j2 . . . jn. A matriz RAl é também chamada forma normal de A. A forma normal típica de uma matriz A de dimensão m,n, com n m e r linhas LI r m é: RAl Ir Br 0 onde Ir é a matriz identidade de ordem r, 0 é uma matriz nula m − r,n e Br é uma matriz r,n − r de constantes. Notemos que o escalonamento por coluna de uma matriz não precisa ser detalhado, pois transformações elementares das colunas de A são transformações elementares das linhas de A ′. Mais precisamente, o escalonamento por linha de uma matriz A contendo m e n colunas (m n e r linhas LI ( r m envolve m etapas. Particionemos inicialmente A como A a1,A1, onde a1 é a primeira coluna. Na primeira etapa, define-se a matriz da transformação T1, de ordem m, de maneira a que T1a1 E1, onde E1 é a primeira coluna da matriz identidade Im. A pré-multiplicação de A por T1 resulta em A1 T1A E1,A2, onde A2 T1A1. Na segunda etapa, escolhe-se a matriz da transformação T2 de maneira a que, se a2 1 designa a segunda coluna de A1, tenhamos T2a2 1 E2, sendo E2 a segunda coluna de Im. A pré-multiplicação de A1 por T2 resulta em A2 T2A1 E1,E2,A3, onde E2,A3 T2A2. Procedemos assim sucessivamente até a resima etapa. Se r m, a forma normal (reduzida escalonada) de A será RAl Im Am . Se r m, RAl terá o formato dado acima. Não será possível ir adiante, porque os primeiros r 1 elementos da (r 1ésima linha de Ar são nulos e, deste modo, não é possível definir uma transformação Tr1 tal que Tr1ar1 r Er1. As matrizes Ti são construídas em cada etapa i i 1,2, . . . , r. Se notarmos Ti tjki , é possível verificar que, de acordo com a definição 2, a matriz da transformação na etapa i tem, na sua entrada j,k, o seguinte formato: tjki ii se j k i ji se j ≠ k i e tjki 1 se j k ≠ i 0 se j ≠ k ≠ i , onde os coeficientes são não nulos. Por exemplo, se m 3 as matrizes T são: T1 11 0 0 21 1 0 31 0 1 ; T2 1 12 0 0 22 0 0 32 1 ;T3 1 0 13 0 1 23 0 0 33 . A aplicação sucessiva das matrizes Ti sobre as linhas das matrizes transformadas Ai−1 permite escrever: RAl Ar TrAr−1, com A0 A. Temos então: RAl TrTr−1. . .T1A ou, colocando B TrTr−1. . .T1 : RAl BA Esta expressão evidencia a natureza linear das transformações efetuadas. Note que se m n r, RAl Im, de maneira que a matriz B é tal que BA Im, isto é, B será a matriz inversa de A ( B A−1, vide seção 3.7 adiante). Resolução dos sistemas lineares por escalonamento A forma normal de uma matriz A associada à um sistema linear (RAl é usada para obter as soluções do sistema (quando existem). No caso do sistema S ou seu equivalente homogêneo S′, se m n, o escalonamento da matriz M A,c leva à forma normal equivalente RMl RAl ,b , onde b é um vetor de constantes. Naturalmente, o sistema My 0 é equivalente ao sistema normal RMl y 0. Assim, as soluções x do sistema S : Ax c serão dadas resolvendo-se RAl x b. Os sistemas lineares podem ter nenhuma, uma única ou múltiplas soluções. Os exemplos seguintes ilustram o processo do escalonamento e da resolução dos sistemas. No primeiro dos casos, ao lado das matrizes transformadasMi figuram, na forma matricial, os operadores de transformação (Ti) utilizados , em cada etapa i. Exemplo 1( solução única): Considere o sistema: 2x − y 3z 4 3x 2y z 6 5x y − 2z 3 . A matriz aumentada do sistema é: M 2 −1 3 4 3 2 1 6 5 1 −2 3 . O escalonamento envolve 3 etapas: 1a etapa: Operações com a 1a linha: T1 1/2 0 0 −3/2 1 0 −5/2 0 1 1 2 L1 → L2 − 32 L1 → L3 − 52 L1 → 1 −1/2 3/2 4/2 0 7/2 −7/2 0 0 7/2 −19/2 −7 M1 2a etapa: Operações com a 2a linha: L1 17 L2 → 2 7 L2 → L3 − L2 → 1 0 1 2 0 1 −1 0 0 0 −6 −7 M2;T2 1 1/7 0 0 2/7 0 0 −1 1 3a etapa: Operações com a 3a linha: L1 16 L3 → L2 − 16 L3 → − 16 L3 → 1 0 0 5/6 0 1 0 7/6 0 0 1 7/6 RMl ;T3 1 0 1/6 0 1 −1/6 0 0 −1/6 Temos RAl I3 e a solução será o ponto: xc 56 , 76 , 76 . Exemplo 2 (solução única) : Escalonando as linhas da matriz aumentada associada ao sistema: x1 − 2x2 − x3 − x4 3 x1 3x2 2x3 x4 −2 2x1 − x2 x3 2x4 1 3x1 2x3 − 3x4 −1 obtemos, sucessivamente: L1 → L2 − L1 → L3 − 2L1 → L4 − 3L1 → 1 −2 −1 −1 3 0 5 3 2 −5 0 3 3 4 −5 0 6 5 0 −10 M1 L1 25 L2 → 1 5 L2 → L3 − 35 L2 → L4 − 65 L2 → 1 0 1/5 −1/5 1 0 1 3/5 2/5 −1 0 0 6/5 14/5 −2 0 0 7/5 −12/5 −4 M2 L1 − 16 L3 → L2 − 36 L3 → 5 6 L3 → L4 − 76 L3 → 1 0 0 −2/3 4/3 0 1 0 −1 0 0 0 1 7/3 −5/3 0 0 0 −17/3 −5/3 M3 L1 − 217 L4 → L2 − 317 L4 → L3 717 L4 → − 317 L4 → 1 0 0 0 78/51 0 1 0 0 5/17 0 0 1 0 −120/51 0 0 0 1 5/17 RMl A solução única é dada pelo ponto: xc 7851 , 1551 , −12051 , 1551 . Exemplo 3 (nenhuma solução) : Considere o sistema: 2x − y 3z 4 x 2y − z 1 3x − 4y 7z 5 . A matriz associada é M 2 −1 3 4 1 2 −1 1 3 −4 7 5 . Operações com a 1a linha: 1 2 L1 → L2 − 12 L1 → L3 − 32 L1 → 1 −1/2 3/2 2 0 5/2 −5/2 −1 0 −5/2 5/2 −1 M1 Operações com a 2a linha: L1 15 L2 → 2 5 L2 → L3 L2 → 1 0 1 9/5 0 1 −1 −2/5 0 0 0 −2 M2 Operações com a 3a linha: L1 910 L3 → L2 − 15 L3 → − 12 L3 → 1 0 1 0 0 1 −1 0 0 0 0 1 RMl . Resolvendo RAl x b vem: x1 x3 0 ; x2 − x3 0 ; 0x1 0x2 0x3 1, o que é impossível. Neste caso, conclui-se que o vetor c 4,1,5′ não pertence ao espaço gerado pelas colunas da matriz A (formada pelas três primeiras colunas de M associada ao sistema. Exemplo 4 (múltiplas soluções): Considere o sistema formado por 4 equações em 4 incógnitas: x1 − 2x2 − x3 − x4 3; x1 3x2 2x3 x4 −2 ; 2x1 x2 x3 1; 3x1 4x2 3x3 3x4 −1. A matriz aumentada do sistema é M 1 −2 −1 −1 3 1 3 2 1 −2 2 1 1 0 1 3 4 3 3 −1 A sequência de matrizes equivalentes é: L1 → L2 − L1 → L3 − 2L1 → L4 − 3L1 → 1 −2 −1 −1 3 0 5 3 2 −5 0 5 3 2 −5 0 10 6 6 −10 M1 L1 25 L2 → 1 5 L2 → L4 − L2 → L3 − L2 → 1 0 1/5 −1/5 1 0 1 3/5 2/5 −1 0 0 0 2 0 0 0 0 0 0 M2 L1 − 110 L3 → L2 − 15 L3 → 1 2 L3 → L4 → 1 0 1/5 0 1 0 1 3/5 0 −1 0 0 0 1 0 0 0 0 0 0 M3 RMl Temos então a resolver em xc , RAl xc 1,−1,0,0′ ou: x1 15 x3 1 x2 35 x3 −1 1x4 0 , o que leva à uma infinidade de soluções, visto termos 2 equações e 3 incógnitas x1,x2, , x3 x4 0. Por exemplo, colocando x3 5t obtemos x1 1 − t e x2 −1 − 3t, de maneira que as soluções xt podem ser expressas, na forma vetorial, como: xt 1,−1,0,0 t−1,−3,5,0. Conjuntos solução Para o sistema linear Ax c definimos o conjunto solução, na forma vetorial, por: S xc ∈ Vn : Axc c. S é um subconjunto do Vn. Nos exemplos 1 e 2, S se reduz à um ponto-vetor; no exemplo 3, o conjunto solução é vazio ( S ∅ ). Note que se c 0, então S contém a origem (solução trivial x 0). Neste caso, S é um subvetorial. Exercício 3.2: Mostre que o conjunto-solução do sistema homogêneo Ax 0 é um subespaço vetorial. Definição 3: O espaço solução do sistema Ax 0 é chamado espaço nulo da matriz A, e será notado NA. 3.3 Espaços linha, coluna, posto de uma matriz Seja A aijm,n uma matriz de dimensão m,n, com elementos em F . Transformações lineares de linhas e colunas Uma aplicação : VnF → VmF : x → x Ax é dita transformação linear das colunas de A. A aplicação verifica: i x,y ∈ VnF → x y x y. ii x ∈ VnF, k ∈ F → kx kx. Ao escrevermos a matriz A a1,a2, . . . ,an onde aj será a jésima coluna de A, vemos que um vetor v Ax x1a1 x2a2 . . . xnan é uma combinação linear das colunas de A. Análogamente, podemos definir a transformação linear das linhas da matriz A pela aplicação: : VmF → VnF : y → y y ′A. Naturalmente, como a transformação também tansforma linearmente as colunas de uma matriz B A ′, ela goza das mesmas propriedades i, ii, embora e estejam definidas sobre espaços vetoriais distintos. Definimos o espaço coluna de A notado Acl como o subespaço do VmF tal que v ∈ Acl v Ax para um vetor coordenada x do VnF na base natural. Análogamente, o espaço linha de A Al é o subespaço do VnF tal que v ∈ Acl v A ′x para um vetor coordenada x do VmF na base natural. O espaço nulo da matriz A NA é o subespaço VnF tal que x ∈ NA Ax 0. Isto significa que os vetores do espaço nulo de A são ortogonais aos vetores-linha de A. Espaços linha e posto Se RAl designa a matriz reduzida escalonada por linha da matriz A, temos o seguinte resultado: Proposição 3.2 (base do espaço-linha) Os vetores linha não nulos de RAl são LI e formam uma base de Al . Prova: Se RAl tem r vetores não nulos, então ela tem o seguinte formato: RA Ir, Br,n−r 0 m−r r . Então, o iésimo vetor linha será: Ei,bi, onde Ei 0,0, . . . , 1, 0, . . . , 0 com 1 na iésima coluna e bi bir1. . .bin. Para i ∈ , não todos nulos, 0 ∑ i1r iEi,bi ∑ i1r iEi,ibi 1 2 . . . r 0. Como as matrizes RAl e A são equivalentes RAl ~A seus espaços-linha são idênticos. Logo as linhas de RAl geram os vetores de Al e constituem, portanto, uma base de Al . Assim, uma base de Al é obtida escalonando-se a matriz A por linha .Os vetores linha de RAl são então os vetores desta base. Por exemplo, uma base do espaço linha gerado pela matriz associada ao sistema linear do exemplo 3 anterior são 1,0,1 e 0,1,−1. A dimensão do espaço linha de A é dada pelo número de linhas não nulas da matriz reduzida escalonada por linha, RAl . Definição 4: O posto da matriz A, notado pA é a dimensão do seu espaço linha: pA dimAl Mais adiante veremos que dimAcl dimAl , de maneira que pA pA ′. Proposição 3.3 (posto de matrizes equivalentes) Matrizes equivalentes têm o mesmo espaço linha; portanto, o mesmo posto. (A prova é deixada como exercício para o leitor). Como consequência da proposição 3.3, podemos escrever: pA número de vetores-linha não nulos de RAl . Em particular, se An,n e pA n, então RAl In, a matriz identidade de ordem n. Exemplo 5: Nos exemplos 1 e 2 anteriores obtivemos RAl I3 e RAl I4, de maneira que pA 3 e pA 4, respectivamente. No exemplo 3, RAl 1 0 1 0 1 −1 0 0 0 → dimAl 2 pA. No exemplo 4, RAl 1 0 1/5 0 0 1 3/5 0 0 0 0 1 0 0 0 0 → dimAl 3 pA. Espaço coluna e espaço nulo Análogamente, uma base de Acl é obtida escalonando-se as colunas da matriz A. As colunas da matriz reduzida escalonada por coluna RAcl são uma base natural para Acl. Note todavia que o escalonamento de A por coluna é equivalente ao escalonamento de A ′ por linha. Logo, Acl A′l . Vemos que o espaço coluna de A é idêntico ao espaço linha de A ′. Assim, os vetores linha de RA′ l formam uma base natural para Acl. Temos a identidade : RAcl RA′l ′. Por exemplo, a base natural do espaço coluna gerado pela matriz associada ao sistema linear do exemplo 3 anterior é: 1,0,2′ e 0,1,−1′. Aqui também, dimAcl número de linhas não nulas em RA′l pA ′. A base natural do espaço nulo da matriz A será idêntica, por definição, à base natural do espaço solução S do sistema homogêneo Ax 0. Como esta última base é obtida resolvendo-se o sistema equivalente RAl x 0, segue-se que os vetores solução deste sistema constituem a base natural de NA. Por exemplo, a matriz RAl relativa à matriz associada ao sistema linear do exemplo 3 anterior é formada pelos vetores linha 1,0,1 , 0,1,−1, e 0,0,0. Resolvendo-se RAl x 0 obtemos x1 x3 0 e x2 − x3 0. A base natural do espaço nulo de A é formada pelo único vetor: −1,1,1. 3.4 Sistemas homogêneos Vimos na seção 3.2 que o conjunto solução de um sistema homogêneo de m equações em n incógnitas Ax 0 m ≤ n, é um subespaço vetorial do Vn. Lembremos que o espaço solução S de um sistema linear homogêneo com matriz associada A é igual ao espaço nulo da matriz A S NA. O teorema seguinte estabelece uma equação para a dimensão do espaço-solução dos sistemas homogêneos. Teorema 3.1 (dimensão do espaço-solução) Se no sistema homogêneo com m equações e n incógnitas Ax 0 tivermos pA r, então seu espaço-solução S tem dimensão n − r. Prova: Como o posto de A é r ≤ m, então a matriz RA tem o seguinte formato: RA Ir, − Br,n−r 0 m−r r . Logo, a solução x̂ é dada por RAx̂ x̂r − Bx̂n−r 0 ou x̂r Bx̂n−r, o que mostra que as r primeiras coordenadas são expressas como combinações lineares das n − r outras coordenadas. Para cada vetor arbitrário x̂n−r obtemos uma solução x̂r. Podemos tomar n − r os vetores da base natural do Vn−r, E1,E2, . . . ,En−r e, em cada caso, obteremos x̂r BEi bi, i 1,2, . . . ,n − r, onde os bi são as colunas correspondentes da matriz B. Assim, teremos n − r vetores solução independentes, do tipo si Eibi . Como s1, s2, . . . , sn−r é um sistema gerador, é uma base de S, e dimS n − r. Definição 5 : A dimensão do espaço nulo da matriz A é chamado nulidade de A: pNA nulidade de A. O teorema 3.1, de grande importância, mostra que para um sistema homogêneo com n incógnitas vale a equação: pA nulidade de A n. Note que se pA n, então dimS n − n 0; neste caso, x 0 é a única solução do sistema homogêneo. Exercício 3.3 : Considere o sistema homogêneo: x1 2x2 − x3 x4 − 2x5 0 2x1 5x2 − 3x3 − x4 x5 0. Determine as bases do espaço-linha da matriz A associada ao sistema e do espaço-solução. Solução: O escalonamento da matriz A leva à forma reduzida RAl 1 0 1 7 −12 0 1 −1 −3 5 Logo, uma base de A l é dada pelas duas linhas desta matriz. Temos: dimAl pA 2 e, pelo teorema anterior, dimS 5 − 2 3. Uma base de S NA é obtida buscando-se 3 soluções independentes para RAx 0. Colocando x3 1 e x4 x5 0 → xo −1,1,1,0,0. Colocando x4 1 e x3 x5 0 → yo −7,3,0,1,0. Colocando x5 1 e x3 x4 0 → zo 12,−5,0,0,1. Estes três vetores formam uma base de S. Logo, o espaço nulo da matriz associada ao sistema acima tem dimensão 3. Todo vetor v deste vetorial tem a seguinte representação: v c1−1,1,1,0,0 c2−7,3,0,1,0 c312,−5,0,0,1. De maneira extensiva, este conjunto escreve-se: NA v ∈ V5 : v 12c3 − c1 − 7c2;c1 3c2 − 5c3;c1;c2;c3;c1,c2,c3 ∈ F. 3.5 Espaços gerados por matrizes e dimensões Na seção 3.3 vimos que as transformações lineares e das colunas e das linhas de uma dada matriz A engendram novos espaços: os espaços linha (Al e coluna (Acl. Exercício 3.4: Mostre que Al e Acl são espaços vetoriais. Se A é de dimensão m,n, Al é um subespaço do VnF e será um subespaço próprio (i.e. Al incluído mais não igual à Vn sempre que sua dimensão for menor que n (note que dimAl m ). Quando este for o caso, existem vetores do Vn que não pertencem à Al . O exercício seguinte ilustra esta idéia. Exercício3.5 : (a) Determine quais dos 3 vetores x1 2,1,4; x2 7,3,−2 e x3 7,3,5 pertence ao vetorial T gerado por: 4,3,−1 e 3,−2,12; (b) Se S é o vetorial gerado por x1, x2 e x3 determine uma base para S ∩ T . Solução: (a) Vamos obter a matriz escalonada por linha de A 4 3 −1 3 −2 12 ; 1 4 L1 → L2 − 34 L1 → 1 3/4 −1/4 0 −17/4 51/4 ; L1 317 L2 → − 417 L2 → 1 0 2 0 1 −3 . Logo, uma base de T é 1,0,2 e 0,1,−3. Os vetores deste vetorial serão do tipo v 11,0,2 20,1,−3 1,2, 21 − 32. x1,x2 ∉ Al mas que x3 ∈ Al . Com efeito, para 1 7; 2 3, vem: 21 − 32 14 − 9 5; Note que se poderia chegar à este resultado usando-se os vetores de T , sem prévia obtenção da forma normal dando que, sendo LI, constituem uma base deste subvetorial (efetuamos o escalonamento prévio por comodidade apenas); (b) É fácil então verificar que os vetores 1,0,2 e 0,1,−3 formam uma base S ∩ T . Com efeito, sendo os vetores x1,x2 e LI, S tem dimensão 3 e base E1, E2 e E3. Igualando cE1 c2E2 c3E3 c41,0,2 c50,1,−3 obtemos: c1 − c4, c2 − c5, c3 − 2c4 3c5 0,0,0, o que leva à c1 c4 ; c2 c5 e c3 2c1 3c2. Logo, a forma geral dos vetores pertencentes à interseção são os vetores da base do próprio T (o qual tem dimensão 2): c1E1 c2E2 2c1 3c2E3 c11,0,2 c20,1,−3. Óbviamente, dimS ∩ T 2. O teorema seguinte permite demonstrar que, embora incluídos em espaços diferentes, os vetoriais Al e Acl tem a mesma dimensão. Teorema 3.2 (decomposição pelo espaço coluna) Para qualquer matriz Am,n temos a identidade: dimAcl dimNA n. Prova: Seja dimNA s. Por um resultado anterior, podemos encontrar uma base de VnF : x1,x2, . . . ,xs,xs1, . . . ,xn, tal que os s primeiros vetores x1,x2, . . . ,xs fornecem uma base de NA. Temos então: x ∈ VnF → x ∑ i cixi. Tome v ∈ Acl v Ax ∑ i ciAxi. Todavia, Axi 0 para todo i 1,2, . . . , s de modo que os vetores de Acl são gerados apenas pelos n − s vetores Axs1, . . . ,Axn : v ∑ j1n−s csjAxsj. Resta então provar que estes vetores são LI. Seja 1,2, . . . ,n−s ∈ F e 1Axs1,2Axs2, . . . ,n−sAxn 0. Então A1xs1 . . .n−sxn 0 e, neste caso, 1xs1 . . .n−sxn ∈ NA. Logo, este vetor pode ser gerado por uma base de NA, de maneira que 1xs1 . . .n−sxn −b1x1 −. . .−bsxs. Todavia esta igualdade implica 1 2 . . . n−s b1 . . . bs 0 dado que x1,x2, . . . ,xs,xs1, . . . ,xn é uma base de Vn. Logo, os vetores Axs1, . . . ,Axn são LI e portanto constituem uma base de Acl. Assim, dimAcl n − s. Duas consequências advém imediatamente deste teorema: 1. dimAcl dimAl . Com efeito, pelo teorema 3.1 temos a equação dimAl nulidade de A n. Como s nulidade de A, obtemos o resultado. 2. Se m n, (A é quadrada) então os vetores-coluna de A são LI sse os vetores-linha são LI. Propriedades do posto: Sejam A e B duas matrizes de dimensão m,n e n,p respectivamente. Temos as seguintes propriedades do posto: (i) pAB ≤ minpA,pB (ii) Se A e B forem de ordem n e A for regular, então pAB pBA pB Prova: Seja C AB. Se escrevermos A na forma linha A a1′ . . . . am′ e B na forma coluna B b1, . . . ,bp é fácil ver que as linhas de C são combinações lineares das linhas de B. Logo, Cl ⊂ Bl o que implica pC ≤ pB. Por outro lado, as colunas de C são combinações lineares das colunas de A. Então, Ccl ⊂ Acl e na sequência, pC ≤ pA. Logo, pC ≤ minpA,pB. A propriedade ii é um corolário de i : Temos: B A−1C → pB pA−1C minpA−1,pC pC pA n pois A e A−1 tem o mesmo posto. Logo, por i vem: pC pB. Cabe observar que se A e B forem matrizes de mesma dimensão com postos pA, pB, nada sabemos sobre o posto de A B. 3.6 Sistemas não homogêneos Já apresentamos o conjunto solução de um sistema linear não homogêneo Ax c c ≠ 0 , com m equações e n incógnitas, e vimos que se A a1,a2, . . . ,an então o sistema pode ser escrito como: x1a1 x2a2 . . . xnan c. Logo, o sistema tem solução x1,x2, . . . ,xn sse o vetor de constantes c pertencer ao espaço-coluna de A. Temos o seguinte teorema: Teorema 3.3 (soluções dos sistemas não homogêneos) O sistema Ax c tem solução sse pM pA, onde M A,c é a matriz aumentada. O sistema não homogêneo Ax c c ≠ 0 pode também ser escrito como um sistema homogêneo My 0, onde M A,c e y x−1 . Se x̂ for uma solução do sistema não homogêneo, então ŷ x̂−1 é uma solução do sistema homogêneo. As seguintes situações são possíveis: 1. pM pA : a matriz M possui pA 1 colunas LI de maneira que o vetor solução c não pode ser gerado pelas pA colunas livres de A. O sistema é dito incompatível; 2. pM pA n : neste caso o sistema é compatível e possui uma solução única x . O conjunto solução consiste em um ponto-vetor do Vn : S x; 3. Se pM pA n : o sistema é compatível e possui uma infinidade de soluções. Coloquemos n − pA s. Aqui, s equações do sistema são redundantes. Dize-se que existe infinidade simples, dupla, tripla,... de soluções (às vezes nota-se 1,2,3, . . . ) segundo que s 1,2,3, . . . ,n − 1. Representação geral das soluções Note que todo vetor x pertencente ao conjunto solução pode ser escrito comox xc x0, onde x0 ∈ NA (portanto, x0 resolve o sistema homogêneo) e xc representa uma solução particular: Axc c. Com efeito, se houver soluções múltiplas, e.g. xc e x , teremos 0 c − c Ax − Axc Ax − xc. Colocando x0 x − xc ∈ NA, podemos obter a representação desejada: x x0 xc. Vimos anteriormente que NA é um subvetorial de dimensão s n − pA no Vn. Dada a solução particular xc, o conjunto de soluções S xc xo : xo ∈ NA é chamado uma variedade linear de xc, módulo NA e é notado: xc NA. Note que S não é um espaço vetorial. Se a solução for única, teremos x0 0 e então S se reduz à xc. Exemplo 6. No exemplo 5 vimos que o espaço gerado pelos vetores-linha da matriz associada ao sistema do exemplo 4 tem dimensão 3. Pelo teorema 3.1 a nulidade de A é então igual à 1. Para se obter uma base de NA determina-se as soluções (x0) do sistema homogêneo, resolvendo: RAx0 0, i.e., x1 15 x3 0; x2 35 x3 0 e x4 0 e 0x1 0x2 0x3 0x4 0. Colocando x3 5t como antes, as soluções homogêneas serão dadas pelos vetores x0t t−1,−3,5,0, para qualquer t ∈ F. Como as soluções gerais são do tipo xt 1,−1,0,0 t−1,−3,5,0, temos a solução particular xc 1,−1,0,0. Exemplo 7 . Vamos caracterizar o espaço solução do sistema x1 x2 x3 x4 1;2x1 − x2 x3 − x4 2. Escalonando por linha a matriz aumentada M 1 1 1 1 1 2 −1 1 −1 2 obtemos a forma normal: RM l 1 0 2/3 0 1 0 1 1/3 1 0 . O sistema RAl x b é aqui: x1 2/3x3 1 e x2 1/3x3 x4 0. Colocando x3 c1 e x4 c2, podemos escrever as soluções comox 1 − 2/3c1,−1/3c1 − c2,c1,c2 1,0,0,0 c1−2/3, −1/3, 1, 0 c20, −1,0,1. O conjunto solução é a variedade linear S 1,0,0,0 NA. Os vetores −2/3, −1/3, 1, 0 e 0, −1,0,1 formam um base de NA. A representação de S não é única. Teorema 3.4 (posto, unicidade das soluções e nulidade) Se A for de ordem n, as três afirmações são equivalentes: (a) pA n; (b) Ax c tem solução única; (c) Ax 0 só tem solução trivial. Prova: a → b : Como A é quadrada pA pA,c n. Pelo teorema anterior, ∃xc : Axc c. A solução xc é única. Suponha que xc′ também seja solução. Então Axc − xc′ 0. Mas pA n implica (pelo teorema 3.2) dimNA 0. Logo xc − xc′ 0; b → c : Suponha xc a solução particular e que existe x0 ≠ 0 : Ax0 0. Então x0 xc é também uma solução. Como xc é único, isto leva à uma contradição. Logo, x0 0; c → a : Se dimNA 0, pelo teorema 3.1 temos dimAl pA n. 3.7 Matrizes regularese inversão matricial Seja A uma matriz de ordem n com coeficientes aij reais. Definição 6: A é dita regular (ou, não singular) se pA n. Matrizes regulares têm posto pleno, isto é, todas as suas linhas (colunas) são LI. Se pA n a matriz é dita singular. Definição 7: A matriz notada A−1 é dita matriz inversa de A se A−1A AA−1 In. Teorema 3.5 (inversão e não singularidade) A matriz A tem inversa sse A for regular. Prova: i Suponha que A−1 exista. Então A−1A I e pA−1A pI n ≤ minpA−1;pA. Logo, pA pA−1 n e A é regular; ii Suponha A regular. Então, os n sistemas não homogêneos Abi Ei tem solução única em bi, i 1,2, . . . ,n, pelo teorema 3.4(b). Logo, se B b1,b2, . . . ,bn temos AB I , o que implica B A−1. Propriedades da inversão: A demonstração do teorema 3.5 evidencia duas propriedades da inversão: i A−1 é única. (Com efeito, se B é também inversa de A então B BI BAA−1 BAA−1 IA−1 A−1). ii A−1 é regular; Outras propriedades adicionais são: iii A−1 ′ A ′−1. Com efeito, AA−1 ′ I′ I → A−1′A ′ I → A−1 ′ A ′−1. iv Se A e B forem matrizes regulares, AB−1 B−1A−1. Com efeito, AB−1AB I B−1A−1AB, de modo que B−1A−1 também é inversa de AB. Pela propriedade i temos então AB−1 B−1A−1 . v A−1m Am−1. vi A−1 1 A−1; ≠ 0. Métodos de inversão Dentre os vários algoritmos existentes para se obter a inversa de uma matriz regular A (escalonamento, Cramér, pivô, etc.) consideraremos dois dos mais importantes: o primeiro, baseado no escalonamento da matriz aumentada A, I será apresentado na sequência; o segundo, baseado na regra de Cramér, será apresentado no próximo capítulo. 1. Matriz companheira . Seja A uma matriz regular de ordem n. A segunda parte da demonstração do teorema 3.5 mostrou que, sendo Ei e ai a iesima coluna das matrizes In e A−1 respectivamente, as matrizes A,Ei e In,ai são equivalentes. Como esta relação é válida para i 1,2, . . .n, podemos afirmar que as matrizes aumentadas A, In e In,A−1 também são equivalentes. Assim, um primeiro algoritmo de inversão (chamado método da matriz companheira) consiste no escalonamento da matriz A, I. Ao término de n etapas obteremos I, A−1. Este método explicita o fato de que matrizes singulares não são inversíveis. Com efeito, na seção 3.2 evidenciamos, no caso m n, que se a matriz A possui apenas r linhas LI, então n − r linhas da sua forma normal RAl serão nulas, de maneira que as expressões Im ≠ RAl BA mostram que B Tr.Tr−1. . .T1 não é a matriz inversa de A. Naturalmente, temos B A−1 sse r m n. O exemplo seguinte explicita a inversão pelo método da matriz companheira. Claramente, o procedimento adotado com o escalonamento da matriz aumentada A, I a ser visto na sequência é idêntico ao do escalonamento de A com a retenção, em cada etapa, da matriz da transformação T correspondente. Ao final da nésima etapa se obtém a matriz inversa A−1 calculando o produto das matrizes T : A−1 TnTn−1Tn−2. . .T1. Exemplo 8: Vamos inverter A 1 2 1 1 3 3 1 3 4 pelo método da matriz companheira: Seja A, I 1 2 1 1 0 0 1 3 3 0 1 0 1 3 4 0 0 1 ; Escalonando por linhas: L1 → L2 − L1 → L3 − L1 → 1 2 1 1 0 0 0 1 2 −1 1 0 0 1 3 −1 0 1 ; L1 − 2L2 → L2 → L3 − L2 → 1 0 −3 3 −2 0 0 1 2 −1 1 0 0 0 1 0 −1 1 ; L1 3L3 → L2 − 2L3 → L3 → 1 0 0 3 −5 3 0 1 0 −1 3 −2 0 0 1 0 −1 1 . Temos então A−1 3 −5 3 −1 3 −2 0 −1 1 . Por multiplicação direta, podemos checar as relações AA−1 A−1A I. O outro método de inversão, baseado na regra de Cramér, será apresentado na seção 4.2. Sua implementação requer o cálculo de determinantes, os quais farão objeto do próximo capítulo. Exercício 3.6 Usando as matrizes das transformações T : a calcule o inverso das matrizes associadas aos sistemas nos exemplos 1, 2 da seção 2.3. b em cada caso, confira a solução ( xc) obtida com o recurso da matriz inversa: xc A−1b. ♣♣♣ Exercícios propostos Seção 3.1: Matrizes e álgebra das matrizes 1. Sejam as matrizes A 1 −2 5 3 1 0 2 2 3 ; B 2 1 −1 4 6 2 ; C 4 −1 2 3 ; a Quais dos produtos AB,AC,CA,BA,BC, CB,CB ′,AA,BB estão definidos ?; b Calcule os produtos AB e CB ′; 2. Se x 3,1,2,4′ e y −1,2,−1,6′, calcule os produtos x ′y e xy ′. Este último produto é simétrico ? 3. Dadas as matrizes A,B e C do problema 1, calcule as matrizes: a C2 − B ′B; b A BB ′. 4. (a) Mostre que a matriz A 2 −2 −4 −1 3 4 1 −2 −3 é idempotente; (b) Ache duas outras matriz B e C (de ordem 3) tais que AB e AC também sejam idempotentes. 5. Uma matriz A aij de ordem n é tal que aij 1 se j i 1 e aij 0 se j ≠ i 1 ( i, j 1,2, . . . ,n ). a Dê o formato desta matriz; b Calcule Ar (sendo r n). 6. Seja a matriz particionada A B C 0 I , onde B,C, 0 e I são submatrizes. Dê a expressão de An ( n inteiro positivo). 7. Se A e B são duas matrizes de ordem n, quais das identidades abaixo são sempre verdadeiras: a A B2 A2 2AB B2; b A A22 A2 2A3 A4; c A B2 A2 AB BA B2 . 8. SeM2 é o vetorial de todas as matrizes de ordem 2 com elementos em F, mostre que dimM2 4 explicitando 4 matrizes que formam uma base deM2. 9. SeMmn é o vetorial das matrizes de dimensão mn sobre um corpo F mostre que dimMmn mn e ache uma base deMmn. 10. SejaMmno é o espaço das matrizes de dimensão mn sobre um corpo F tais que∑ j1n mjj 0. Prove queMmno é um vetorial sobre F e que dimMmn mn − 1. Seção 3.2: Sistemas de equações lineares 1. Indique quais das seguintes matrizes são reduzidas escalonadas por linha: a 1 −3 0 1 ; b 1 2 0 0 0 1 0 0 0 ; c 0 0 0 0 1 0 0 0 1 ; d 0 1 5 0 0 6 0 0 0 1 0 4 0 0 0 0 1 2 0 0 0 0 0 0 ; e 2 0 0 0 0 5 0 0 0 0 9 0 0 0 0 1 . 2. Para cada uma das matrizes do exercício 1 que não estejam na forma adequada, aplique as transformações elementares necessárias. 3. Uma matriz reduzida escalonada deve satisfazer as condições i − iv enunciadas na sua definição (vide texto). Escreva 4 matrizes de dimensão 3,4 de maneira que cada uma delas viole uma condição distinta e satisfaça as 3 outras. 4. Obtenha as formas reduzidas escalonadas associadas às matrizes A e B do exercício 3.1.1; a por linha ( R∗l ; b por coluna R∗cl. 5. Com base nas formas reduzidas obtidas no exercício anterior escreva, na forma extensiva, os conjuntos solução dos sistemas: a Ax 0 ; b Bx 0 e B ′y 1,2′; 6. Para cada um dos sistemas lineares abaixo, descreva na forma extensiva, o conjunto solução S, indicando se é (ou não) um espaço vetorial. Em caso afirmativo, dê a dimensão deste espaço. 1 x y − z 6 2x 4y − 2z 10 ; 2 x y − 2z t 0 2x 2y − 5z 3t 0 ; 3 x 2y 6 3x 7y 14 ; 4 x − 3y 2 −2x 6y 12 ; 5 0x 7; 6 0x 0. 7. Mesmas questões que do exercício anterior para os seguintes sistemas: 1 x y z 1 2x − 3y 7z 0 3x − 2y 8z 4 ; 2 x 2y z 0 2x 5y 4z 0 x 4y 6z 0 ; 3 x 3y z 2 2x 7y 4z 6 x y − 4z 1 ; 4 x − y 2z 4 3x y 4z 6 x y z 1 ; 5 x 2y − 4z t 0 3x 2y z 2t 0 2x 5z t 0 4x 4y − 3z 3t 0 ; 6 x 2y − z 7t 4 2x 2y z 3t 4 x − y − z t 1 3x y − 2z 4t 3 . Seção 3.3: Espaços-linha, coluna, posto de uma matriz 1. Ache as bases normais dos espaços linha, espaços coluna e espaços nulos das seguintes matrizes: a 3 1 5 3 −2 4 ; b 1 −3 −1 2 1 5 2 −5 −1 ; c 1 2 4 −3 −1 3 2 5 5 0 8 −19 2. Determine o posto das matrizes a − c do exercício anterior. 3. Sejam as matrizes: A 1 1 0 0 0 1 1 0 0 0 1 1 1 2 2 1 ; B 1 4 5 2 1 7 1 −10−1 . a Dê o posto das matrizes A e B; b Determine, em cada caso, a dimensão do espaço ortogonal às linhas de cada matriz. 4. Determine o posto das seguintes matrizes: a 1 3 1 −2 2 −1 4 1 3 2 5 −1 7 7 11 −4 ; b 1 1 0 0 0 1 1 0 0 0 1 1 1 2 2 1 ; Seção 3.4: Espaços solução dos sistemas homogêneos 1. Ache uma base do espaço solução de cada um dos seguintes sistemas: a 3x − y z 4t 0; b x 5y 0 3x − 4y 0 ; c x 2y − z t − 2u 0 2x 5y − 3z − t u 0 ; d x y z 4t − u 0 2x y z − t 2u 0 x − 2y − 3z 2t u 0 e 3x − y 2z 0 5x − y 3z 0 . 2. Dê a dimensão do espaço solução obtido nos casos a − f do exercício anterior. Em cada caso, dê a dimensão do espaço linha e a dimensão do espaço coluna gerados pela matriz associada ao sistema. 3. Prove que um sistema homogêneo Ax 0 tem um vetor solução não nulo sse os vetores da matriz A forem LD. 4. Mostre que se A é uma matriz qualquer de ordem n então; a RAl é idempotente; b pRAl TrRAl . Seção 3.5: Espaços gerados por matrizes e dimensões 1. Ache uma base para cada um dos espaços gerados pelas matrizes: A 2 3 5 −1 5 3 3 −2 1 ; B 1 2 1 2 ; C 1 −1 2 2 3 5 2 −4 5 3 6 0 ; 2. Determine se o vetor 5,−1,6 está no espaço gerado pelas linhas da matriz 1 2 4 2 −1 2 ; 3.Idem que na questão anterior para o vetor 9,−8,3 e a matriz 2 1 4 1 3 5 ; 4. Sejam S e T os espaços gerados pelas linhas das matrizes 1 5 2 −2 −3 7 4 −10 3 4 1 2 e −2 1 1 −4 2 0 5 −1 ; a Determine uma base de S e outra de T ; b Dê a dimensões de S e de T e explicite uma base para S ∩T; c Dê dimS T. 5. Mesmas questões que as do exercício anterior se S é o vetorial gerado pelas linhas de 2 1 0 −1 0 1 e T é o vetorial gerado por −3 1 0 −3/2 0 1 ; 6. Imponha as condições necessárias e suficientes sobre os escalares a,b,c e d de maneira a que o vetor a,b,c,d pertença ao vetorial gerado pelos vetores 1,2,3,−4 ; 2,1,5,−1. 7. Seja A uma matriz m,n e B uma matriz cujas linhas formam uma base do espaço nulo de A. Prove que o espaço nulo de B é igual ao espaço linha de A. (Sugestão: Prove primeiro que Al ⊂ NB e, em seguida, que dimAl dimNB. Seção 3.6: Sistemas lineares não homogêneos 1. (a) Dê a forma reduzida escalonada por linhas da matriz aumentada relativa a cada um dos seguintes sistemas não homogênos: 1 x y − z 6 2x 5y − 2z 10 ; 2 x y 2 2x 3y 5 ; 3 x y z 1 2x − 3y 7z 0 3x − 2y 8z 4 ; 4 x − y 2z 1 x y z 2 2x − y z 5 ; 5 x − y 2z 4 3x y 4z 6 x y z 1 . (b) Em cada caso, quando existe, expresse a solução geral (x como a soma da solução homogênea (x0 com uma solução particular (xc : x x0 xc. 2. Descreva na forma extensiva o conjunto solução do sistema: x y − 2z t 4 2x 3y z − t 10 . Expresse as soluções como a soma da solução homogênea e de uma solução particular. 3. Prove que se os vetores coluna de A forem LI, o sistema Ax c tem uma única solução. 4. Se A for uma matriz de ordem n, prove que A é não singular sse NA 0. propriedades do posto 5. Se A e B forem matrizes de ordem n e A for não singular, prove que pAB postoBA pB. 6. Se A e B forem matrizes de ordem n não singulares, mostre por meio de exemplos que nada se sabe sobre o posto de A B. 7. Mostre que se A B 0 0 C então pA pB pC. 8. Mostre (sem usar redução canônica) que se A é idempotente de ordem n e posto r r ≤ n então pA TrA; 9. Se x1,x2, . . . ,xm forem vetores LI, prove que os vetores y1,y2, . . . ,ym onde yi ∑ j1m aijxj são LI i 1,2, . . . ,m sse a matriz A aij for não singular. 10. Se A for uma matriz de dimensão (m,n) e posto r e B uma matriz n,p tal que AB 0, prove que pB n − r. Sempre é possível encontrar uma matriz B com posto igual à n − r tal que AB 0 ? (Nota: Se AB 0, as colunas de B estão no espaço nulo de A. 11. Uma matriz A é chamada divisor de zéro à esquerda (à direita) se existir uma matriz não nula B tal que AB 0 ( BA 0. Se A tiver dimensão m,n prove que: a se m n, A é um divisor de zero à esquerda; b se m n, A é um divisor de zero à direita; c se m m, A é um divisor de zéro à esquerda e à direita sse A for singular. Seção 3.7: Matrizes regulares e inversão 1. Pelo método da matriz companheira (Gauss) obtenha a inversa das seguintes matrizes: a 5 3 2 1 ; b 4 1 5 2 ; c 1 2 4 3 1 4 5 2 7 ; 2. Considere a matriz A 1 2 1 2 5 2 1 3 3 . (a) Obtenha a inversa A−1; (b) Use a inversa para obter a solução dos sistemas: Ax 10,14,30′ e Ay 2,−1,6′; 3. Mostre que se A for quadrada e regular, então: aA ′A é regular; b AA ′ é regular. 5. Prove que se A for quadrada e regular, então pA pA−1. ∡♣ℷ Respostas aos exercícios Seção 3.1 : 1/ (a) AB, BC, CB ′, AA; (b) AB 34 3 5 7 20 16 ; CB ′ 7 −8 22 7 10 18 ; 2/ x ′y 21; xy ′ −3 6 −3 18 −1 2 −1 6 −2 4 −2 12 −4 8 −4 24 não é simétrica; 3/ (a) −27 −17 4 −14 ; (b) 6 0 19 5 18 2 16 4 43 . 4/ (b) B 15 4 2 0 2 1 0 0 0 0 ; C 117 16 0 4 0 0 0 4 0 1 ; 5/ (a) 0 1 0 . . . 0 0 0 1 . . . 0 . . . . . . . . . . . . 0 . . . . . . . . . . . . 1 0 0 0 0 0 ; (b) Ar 0. 6/ An B n ∑ j0n−1 BjC 0 I ; 7/ b e c; 8/ 1 0 0 0 ; 0 1 0 0 ; 0 0 1 0 ; 0 0 0 1 ; 9/ ei 0,0, . . . 1, . . . 0′ vetor 1,m com iésima componente 1; fj 0,0, . . . 1, 0′ vetor 1,n com jésima componente 1. Base : mn matrizes eifj′. 10/ Expresse um vetor arbitrário deMo na base obtida no exercício anterior e, em seguida, use a restrição. Seção 3.2 : 1/ b e d; 2/ a T 1 3 0 1 ; b T 0 1 0 0 0 1 0 0 0 ; c 1/2 0 0 0 0 1/5 0 0 0 0 1/9 0 0 0 0 1 ; 3/ i 1 0 0 0 0 0 0 0 0 1 0 0 ; ii 0 3 1 0 0 0 1 0 0 0 0 1 ; iii 1 0 0 0 0 1 0 0 0 3 1 0 ; iv 0 1 0 0 1 0 0 0 0 0 1 0 ; 4/ a A : I3; B : 1 0 0 1 0 0 ; b A : I3; B : 1 0 0 1 26/9 −2/9 ; 5/ a S 0 ; b Bx : S 0 ; B ′y : S 23 , 13 , 0 NB′ com NB′ t− 269 , 29 , 1; t ∈ ; 6/ 1 7,−1,0 t1,0,1; t ∈ (variedade linear); 2 r−1,1,0,0 s1,0,1,1; r, s ∈ ; dim 2; 3 14,−4 (ponto); 4 (sem solução}; 5 (sem solução}; 6 ; dim 1; 7/ 1 (sem solução}; 2 0; dim 0; 3 −19,8,−3 (ponto); 4 52 ,− 32 , 0 t− 32 , 12 , 1; t ∈ (variedade linear);5 r− 52 , 134 , 1,0 s− 12 ,− 14 , 0,1; r, s ∈ ; dim 2; 6 67 ,− 37 , 1, 57 (ponto). Seção 3.3 : 1/ a espaço-linha: 1,0, 149 ; 0,1, 13 ; espaço-coluna: 1,0′; 0,1′; espaço nulo:14,3,−9; b espaço-linha: 1,0,2; 0,1,1; espaço-coluna: 1,0, 127 ′; 0,1, 17 ′; espaço nulo: 2,1,−1; c espaço-linha: 1,0, 85 ,− 195 ; 0,1, 65 , 25 ; espaço-coluna:1,0,3′; 0,1,−2′; espaço nulo: 8,6,−5,0; 19,−2,0,5; 2/ a −c posto 2; 3/ a pA 3; pB 2; b A : dim 1; B : dim 1; 4/ a 2; b 3. Seção 3.4 : 1/ a 13 , 1,0,0, − 13 , 0,1,0; − 43 , 0,0,1; b 0,0; c −1,1,1,0,0; −7,3,0,1,0;12,−5,0,0,1; d 5,−34,25,1,0; −3,14,−10,0,1; e −1,1,2; 2/ a dimS 3; diml dimcl 1; b 0; 2; c 3; 2; d 2; 3; e 1; 2; Seção 3.5 : 1/ A : 1,0,0; 0,1,0; 0,0,1; B : 1,1′; C : 1,0,2′; 0,1,1′; 2/ Não pertence; 3/ Pertence; 4/ a base S : 1,0,− 311 , 1811 ; 0,1, 511 ,− 811 ; base T : −2,1,1,−4; 2,0,5,−1; b dimS dimT 2; base S ∩ T : −2,1,1,−4; c dim S T 3; 5/ a base S : 2,1,0; −1,0,1; base T : −3,1,0; − 32 , 0,1; b dimS dimT 2; base S ∩ T : 12,1,−10; c dim S T 3; 6/ a 117 7c d; b 117 2c − 7d; Seção 3.6 : 1/ a (1) 1 0 −120 3 0 1 0 − 23 ; (2) 1 0 1 0 1 1 ; (3) 1 0 2 0 0 1 −1 0 0 0 0 1 ; (4) 1 0 0 3 0 1 0 0 0 0 1 −1 ; 1 0 32 5 2 0 1 − 12 − 32 0 0 0 0 ; b (1) 203 ,− 23 , 0 t1,0,1 (2) 1,1 t0; (3) sem solução; (4) 3,0,−1 t0; (5) 52 ,− 32 , 0 t− 32 , 12 , 1; 2/ S 2,2,0,0 r7,−5,1,0 s−4,3,0,1 : r, s ∈ ; 3/ Suponha (por absurdo) que o sistema tenha duas soluções distintas; 4/Use o teorema 3.1; 5/ Use a propriedade (i) do posto; 6/ Tome, por exemplo: A 0 0 1 0 e B 0 1 0 0 ; 7/ Escreva a matriz reduzida escalonada de A como uma matriz bloco-diagonal; 8/ Use a idempotência de RAl ; Seção 3.7 1/ a −1 3 2 −5 ; b 1 3 2 −1 −5 4 ; c −1 −6 4 −1 −13 8 1 8 −5 ; 2/ (a) 12 9 −3 −1 −4 2 0 1 −1 1 ; b x : 9,−6,13; y : 152 ,−5, 92 . 3/ Use o fato que A e A ′ são inversíveis; 4/ Use o fato que RAl I.
Compartilhar