Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
SUMA´RIOS ALARGADOS DE A´LGEBRA LINEAR E GEOMETRIA ANALI´TICA AMI´LCAR BRANQUINHO 17-09-2013 | T. Informac¸a˜o sobre a disciplina de A´lgebra Linear e Geometria Anal´ıtica quanto, aos temas de estudo, refereˆncias bibliogra´ficas, avaliac¸a˜o, hora´rio de atendimento e contactos. Hora´rio de Du´vidas. Terc¸a-feira das 11:30 a`s 13:30 e quinta-feira das 12 a`s 13 no Gabinete 4.5. Plano do curso. 1. Matrizes: A´lgebra e propriedades. 2. Sistemas de equac¸o˜es lineares - Me´todo de eliminac¸a˜o de Gauss. 3. Inversa˜o de matrizes - Algoritmo de Gauss-Jordan. 4. Determinantes. 5. Espac¸os e sub-espac¸os vectoriais. 6. Transformac¸o˜es lineares. 7. Espac¸os Vectoriais com produto interno. Me´todo dos mı´nimos quadrados. 8. Diagonalizac¸a˜o de matrizes. 9. Aplicac¸o˜es geome´tricas em R2 e em R3 : curvas e superf´ıcies de segunda ordem. Refereˆncias Bibliogra´ficas. • Introduc¸a˜o a` A´lgebra Linear - Ana Paula Santana e Joa˜o Queiro´; Ref. 15-01/SAN.Int/ex. 2 c.17 • A´lgebra Linear - Seymour Lipschutz; Ref. 15-01/LIP/3.ed. Avaliac¸a˜o na disciplina de A´lgebra Linear e Geometria Anal´ıtica. • Todos os alunos teˆm direito a fazer exame. • Os alunos que frequentem 75% das aulas teo´ricas e 75% das aulas teo´rico-pra´ticas podera˜o efectuar outro tipo de avaliac¸a˜o: • Duas frequeˆncias de 10 valores. •Os alunos devera˜o obter um mı´nimo de 3 valores, para poderem realizar a segunda frequeˆncia. • Os alunos que num dos tipos de avaliac¸a˜o anterior tenham obtido classificac¸a˜o superior a 17 valores sera˜o submetidos a uma prova complementar. 1 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica • Frequeˆncia I: 29/10/2013 das 10h a`s 11h30m • Frequeˆncia II: 17/12/2013 das 10h a`s 11h30m 19-09-2013 | T. Introduc¸a˜o ao estudo de matrizes. Exemplos e operac¸o˜es. Matrizes. Sa˜o muitos os exemplos de dados nume´ricos apresentados em forma de tabelas bi-dimen- sionais. Para tal basta consultar jornais, revistas ou livros. Por exemplo, na seguinte tabela podemos ver um balanc¸o de vendas de duas livrarias nos meses de Julho e Agosto: Julho Loja 1 2 Jornais 6 8 Revistas 15 20 Livros 45 64 e Agosto Loja 1 2 Jornais 7 9 Revistas 18 31 Livros 52 68 Podemos apresentar os dados destas tabelas de forma simples, respectivamente como 6 8 15 50 45 64 e 7 9 18 31 52 68 . Este tipo de tabela rectangular sera´ designada por matriz e os seus elementos por escalares. Definic¸o˜es. Uma matriz de tipo m × n com elementos, que designaremos por escalares, em R (ou C) e´ uma tabela rectangular que se obte´m dispondo os escalares segundo m linhas e n colunas, i.e. A = a1,1 a1,2 · · · a1,n a2,1 a2,2 · · · a2,n ... ... ... am,1 am,2 · · · am,n ou, abreviadamente, A = [ ai,j ]j=1,...,n i=1,...,m , ou ainda, A = [ ai,j ] , sendo ai,j o escalar na linha i coluna j da matriz. Denotamos o conjunto das matrizes de tipo m×n em R ou C porMm,n(R) ouMm,n(C), respectivamente. As matrizes coluna sera˜o designadas por vectores, e os conjuntos Mm,1(R) e Mm,1(C) sa˜o identificados com Rm e Cm , respectivamente. Usaremos letras maiu´sculas para designar matrizes, exceptuando-se o caso das matrizes coluna que sera˜o designadas por letras minu´sculas. Se m = n (respectivamente, m 6= n) dizemos que a matriz A e´ quadrada (respectivamente, rectangular). Se para i > j, ai,j = 0 (respectivamente, i < j, ai,j = 0) dizemos que a matriz A e´ triangular superior (respectivamente, triangular inferior). ajplb@mat.uc.pt 2 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica Se para i 6= j, ai,j = 0, a matriz A diz-se diagonal. Numa matriz quadrada, A, designamos por diagonal principal de A (respectivamente, secunda´ria) a` sucessa˜o a1,1, a2,2,, . . . , am,m, (respectivamente, a1,m, a2,m−1, . . . , am,1); dizemos que a matriz diagonal A e´ escalar se os seus elementos diagonais forem todos iguais. A matriz escalar com todos os elementos diagonais iguais a 1 designa-se por matriz identidade e sera´ denotada por Im. A matriz nula, 000 , e´ a matriz em que todos os escalares sa˜o iguais a 0 . A matriz quadrada, A, diz-se sime´trica (respectivamente, anti-sime´trica) se ai,j = aj,i (respectivamente, ai,j = −aj,i). Problema. Seja A = x x+ y x− z x− y y y + z x+ z − 2 z − y z , com x, y, z ∈ R . Analise separadamente os casos em que A e´ triangular superior, triangular inferior ou sime´trica. Resoluc¸a˜o. Para que A seja triangular superior, temos que x − y = z − y = x + z − 2 = 0 , i.e. x = y = z = 1 . A matriz A sera´ triangular inferior se x + y = y + z = x − z = 0 e, portanto, x = −y = z . A matriz A e´ sime´trica se x+ y = x− y , x− z = x+ z − 2 e y + z = z − y, logo y = 0 e z = 1 . Temos assim, que a matriz A e´ dada, respectivamente por 1 2 0 0 1 2 0 0 1 , x 0 0 2x −x 0 2(x− 1) 2x x , x x x− 1 x 0 1 x− 1 1 1 , x ∈ R . Soma de matrizes e produto de uma matriz por um escalar. Dadas duas matrizes m × n, A = [ ai,j ] e B = [ bi,j ] , designamos por matriz soma, A+B, a` matriz m× n, A+B = [ ai,j + bi,j ] . Para α ∈ R ou C designamos por matriz produto de α por A, a` matriz m × n, αA definida por αA = [ α ai,j ] . Propriedades das operac¸o˜es com matrizes. Sejam A,B,C matrizes m× n e α, β escalares, enta˜o: (soma de matrizes) (produto por um esacalar) 1. (A+B) + C = A+ (B + C) ; 2. A+ 000 = 000 + A = A ; 3. A+ (−A) = (−A) + A = 000 ; 4. A+B = B + A . a) (α + β)A = αA+ βA; b) α(A+B) = αA+ β B; c) α(βA) = (αβ)A; d) 1A = A. Note-se que a matriz −A com A = [ ai,j ] e´ por definic¸a˜o a matriz oposta de A, i.e −A = [ −ai,j ] . Demonstrac¸a˜o. Estas propriedades teˆm uma demonstrac¸a˜o imediata basta para tal recorrer a` definic¸a˜o de matriz e a`s propriedades que os escalares verificam. Problema. Determine as matrizes X, Y ∈M2,3(C) tais que 3X + Y = A , 4X + 2Y = B com A = [ 3/2 1 0 2 1/2 5 ] e B = [ 3 4 2 2 1 8 ] . ajplb@mat.uc.pt 3 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica Resoluc¸a˜o. Tendo em atenc¸a˜o as propriedades anteriores, o sistema dado e´ equivalente a 6X + 2Y = 2A , 4X + 2Y = B , ou ainda, 2X = 2A−B , 2Y = −4A+ 3B ; logo X = A− 1/2B = [ 0 −1 −1 1 0 1 ] e Y = −2A+ 3/2B = [ −3/2 0 1 −3 −1/2 −6 ] . Produto de matrizes. Sejam A,B matrizes m×n e n× p, respectivamente. Designamos por produto AB da matriz A pela matriz B, a` matriz C = [ ci,j ] , m× p com ci,j = ai,1b1,j + ai,2b2,j + · · ·+ ai,nbn,j = n∑ k=1 ai,kbk,j, i.e. AB = a1,1 a1,2 · · · a1,n ... ... ... ai,1 ai,2 · · · ai,n ... ... ... am,1 am,2 · · · am,n b1,1 · · · b1,j · · · b1,p b2,1 · · · b2,j · · · b2,p ... ... ... bn−1,1 · · · bn−1,j · · · bn−1,p bn,1 · · · bn,j · · · bn,p = c1,1 · · · c1,p ci,j cm,1 · · · cm,p = C . Exemplo. Calcule a matriz produto [ 2 −1 5 −3 4 2 −3 −5 ] 1 −2 −3 3 6 −1 2 7 −2 4 1 5 = [ 2− 3 + 10− 12 −4− 6 + 35− 3 −6 + 1− 10− 15 4 + 6− 6− 20 −8 + 12− 21− 5 −12− 2 + 6− 25 ] Casos particulares de produto de matrizes, AB (Exemplos). [ a1 a2 · · · an ] b1 b2 ... bn = n∑ k=1 akbk . [ a1 · · · an ] b1,1 · · · b1,p ... ... bn,1 · · · bn,p = [ c1 · · · cp ] com cj = n∑ k=1 akbk,j, j = 1, . . . , p . a1,1 · · · a1,n ... ... am,1 · · · am,n b1 ... bn = c1 ... cn , com cj = n∑ k=1 aj,kbk, que e´ ainda igual a a1,1 ... am,1 b1 + · · ·+ a1,n ... am,n bn, que designamos por combinac¸a˜o linear dos vectores coluna da matriz A. a1 ... am [b1 · · · bn] = a1b1 · · · a1b,n ... ... amb1 · · · ambn . ajplb@mat.uc.pt 4 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica a1,1 · · · a1,m a2,1 · · · a2,m ... ... an,1 · · · an,m b1 0 · · · 0 0 b2 · · · 0 ... ... . . . ... 0 0 · · · bm = a1,1b1 a1,1b2 · · · a1,mbn a2,1b1 a2,2b2 · · · a2,mbn ... ... ... an,1b1 an,2b2 · · · an,mbn . b1 0 · · · 0 0 b2 · · · 0 ... ... . . . ... 0 0 · · · bn a1,1 · · · a1,m a2,1 · · · a2,m ... ... an,1 · · · an,m = a1,1b1 a1,1b1 · · · a1,mb1 a2,1b2 a2,2b2 · · · a2,mb2 ... ... ... an,1bn an,2bn · · · an,mbn . 19-09-2013 | TP. Exerc´ıcios sobre matrizes elementares, produtos de matrizes, propriedades da inversa de uma matriz. Propriedades do produto de matrizes. Supondo que as operac¸o˜es seguintes teˆm sentido: 1. (AB)C = A(B C) (propriedade associativa) 2. A(B +B′) = AB + AB′ e (A+ A′)B = AB + A′B (propriedade distributiva) 3. AI = A e I B = B (I e´ a matriz identidade) 4. AB 6= BA (o produto de matrizes na˜o e´ comutativo) 5. Existem matrizes A,B na˜o nulas tais que AB = 000 (divisores de zero) Demonstrac¸a˜o. Designando por A = [ ai,h ] , B = [ bh,j ] e C = [ cj,k ] temos: (AB)C = [∑ h ai,hbh,j ] [ cj,k ] = [∑ j( ∑ h(ai,hbh,j)cj,k) ] = [∑ j,h ai,hbh,jcj,k ] A(BC) = [ ai,h ] [∑ j bh,jaj,k ] = [∑ h( ∑ j ai,h(bh,jcj,k)) ] = [∑ j,h ai,hbh,jcj,k ] Determina´mos o escalar na posic¸a˜o i, k de (AB)C e de A(B C) que sa˜o, como vimos, iguais. Pelo que a identidade e´ va´lida para todo o i e k, logo temos a identidade 1. Para a identidade 2 vamos somente verificar que: A(B+B′) = [ ai,h ] [ bh,j + b ′ h,j ] = [∑ h ai,h(bh,j + b ′ h,j) ] = [∑ h ai,hbh,j + ∑ h ai,hb ′ h,j ] = [∑ h ai,hbh,j ] + [∑ h ai,hb ′ h,j ] = AB + AB′. Para verificar 3 basta tomar nos dois u´ltimos exemplos de produtos de matrizes os bj = 1, para termos o pretendido. Para 4 e 5 considerem-se os seguintes exemplos: A = 1 2 5 −2 1 3 1 0 −1 e B = −3 0 2 4 3 −3 −1 −1 1 ; enta˜o AB = 0 1 1 7 0 −4 −2 1 1 e BA = −1 −6 −17 −5 11 32 2 −3 −9 ; e, portanto, AB 6= BA ; e os divisores de zero: ajplb@mat.uc.pt 5 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica [ 1 0 −2 1 3 −1 0 2 ] 2 1 −3 2 1 −7 −1 0 −1 −4 −1 1 = [ 0 0 0 0 0 0 ] ; e tambe´m, [ 1 −3 2 −6 ] [ 3 9 1 3 ] = [ 0 0 0 0 ] . c.q.d. Definic¸a˜o. Uma matriz quadrada n × n, A, diz-se invert´ıvel se existir uma matriz n × n, X, tal que AX = X A = In . Propriedades das matrizes invert´ıveis. Sejam A e B matrizes n× n. Enta˜o: • Se A e´ invert´ıvel, enta˜o A tem uma u´nica inversa. • Se A e B sa˜o invert´ıveis (e denotando por A−1, B−1 a matriz inversa de A,B, respectivamente), a sua inversa e´ dada por (AB)−1 = B−1A−1. Demonstrac¸a˜o. Para a primeira propriedade basta supor que existem matrizes X, Y , n × n tais que AX = Y A = In. Enta˜o, Y = Y In = Y (AX) = (Y A)X = InX = X. Logo X = Y . Para demonstrar a segunda propriedade, usaremos o facto de que a inversa de uma matriz invert´ıvel e´ u´nica. Temos, por isso, somente que verificar que (AB)(B−1A−1) = In = (B−1A−1)(AB). De facto, (AB)(B−1A−1) = A(BB−1)A−1 = AInA−1 = AA−1 = In, e tambe´m (B−1A−1)(AB) = B−1(A−1A)B = B−1 InB = B−1B = In. c.q.d. Problema. Analise a existeˆncia de inversa de uma matriz 2× 2. Resoluc¸a˜o suma´ria. Seja A = [ a b c d ] , com a, b, c, d ∈ C; enta˜o, a matriz A e´ invert´ıvel se, e somente se, a d− b c 6= 0 . Mais ainda, a matriz inversa de A−1 e´ dada por A−1 = 1 a d− b c [ d −b −c a ] . Problema. Analise a existeˆncia de uma matriz 2× 2, A, tal que A2 = I2. Demonstrac¸a˜o. Veˆ-se facilmente que a propriedade indicada para A e´ equivalente a A−1 = A. Usando a expressa˜o da matriz inversa de uma matriz invert´ıvel, A = [ a b c d ] , temos que b = 0 ou a d− b c = −1; c = 0 ou a d− b c = −1; a = d/(a d− b c) e (d = 0 ou a d− b c = ±1). Se a d−b c = 1, temos de imediato que b = c = 0 e a = d, pelo que a d = 1; logo a = d = ±1 e b = c = 0. Se a d− b c = −1, enta˜o d = −a e b c = 1− a2 . Se a = 0, enta˜o d = 0, e b, c sa˜o tais que b c = 1 . Temos assim como soluc¸a˜o do problema as matrizes[ ±1 0 0 ±1 ] ; [ a b c −a ] , com bc = 1− a2; [ 0 b 1/b 0 ] , com b 6= 0. c.q.d. Exerc´ıcio. Analise a existeˆncia de uma matriz 2× 2, A, tal que A2 = −I2 . Aplicac¸a˜o do produto de matrizes. Considere quatro cidades com aeroporto. Defina-se a matriz A = [ ai,j ] com ai,j = 1 se existe um voo comercial directo entre as cidades i e j0 caso contra´rio. ajplb@mat.uc.pt 6 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica Supondo que A e´ a matriz de 0’s e 1’s dada por A = 0 1 1 0 1 0 0 1 1 0 0 0 0 1 0 0 , calcule as matrizes A2 e A3: 1. indique quantos voos com uma u´nica escala existem entre as cidades 2 e 3. 2. indique quantos voos com duas u´nicas escalas existem entre as cidades 1 e 3. 3. analise se e´ poss´ıvel voar entre cada uma das cidades? Resoluc¸a˜o. O escalar na posic¸a˜o 2, 3 de A2 e´ dado por a2,1a1,3 +a2,2a2,3 +a2,3a3,3 +a2,4a4,3. Mais ainda, cada termo da forma a2,jaj,3, com j = 1, 2, 3, 4 e´ igual a 1 se a2,j = aj,3 = 1 , i.e. existe um voo directo entre as cidades 2 e j e entre as j e 3, i.e. existe um voo com uma u´nica escala j entre as cidades 2 e 3. Desta forma vemos que o escalar na posic¸a˜o 2, 3 de A2 nos da´ o nu´mero de voos com uma u´nica escala entre as cidades 2 e 3 . Como A2 = 2 0 0 1 0 2 1 0 0 1 1 0 1 0 0 1 e A3 = 0 3 2 0 3 0 0 2 2 0 0 1 0 2 1 0 vemos que o escalar na posic¸a˜o 2, 3 de A2 e´ 1, pelo que existe um voo com uma u´nica escala entre as cidades 2 e 3; mais ainda como a posic¸a˜o 1, 3 da matriz A3 nos da´ o nu´mero de voos com duas escalas entre as cidades 1 e 3, vemos que a resposta a` questa˜o 2 e´ 2 . Para a questa˜o 3 basta considerar a matriz A+ A2 + A3 e verificar que esta na˜o tem escalares nulos. 24-09-2013 | T. Matrizes elementares. Aplicac¸a˜o a` resoluc¸a˜o de sistemas lineares e decomposic¸a˜o LU de uma matriz. Definic¸a˜o. Um sistema de m equac¸o˜es lineares a n inco´gnitas, x1, . . . , xn e´ todo o conjunto de relac¸o˜es do tipo a1,1x1 + a1,2x2 + · · ·+ a1,nxn = b1 (primeira equac¸a˜o) a2,1x1 + a2,2x2 + · · ·+ a2,nxn = b2 (segunda equac¸a˜o) ... am,1x1 + am,2x2 + · · ·+ am,nxn = bm (m-e´sima equac¸a˜o) A ai,j e bi, com i = 1, . . . ,m e j = 1, . . . , n designamos respectivamente por coeficientes e termo independente, do sistema. Dizemos ainda que (α1, . . . , αn) e´ uma soluc¸a˜o do sistema dado, se ao tomarmos x1 = α1, . . . , xn = αn, as m equac¸o˜es se convertem em identidades. Resolver o sistema e´ determinar o conjunto de soluc¸o˜es do sistema. Discutir o sistema e´ analisar se o sistema e´ compat´ıvel (caso em que dizemos que o sistema ajplb@mat.uc.pt 7 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica e´ poss´ıvel) ou incompat´ıvel (caso em que dizemos que o sistema e´ imposs´ıvel). Quando o sistema e´ poss´ıvel, diz-se determinado se tiver soluc¸a˜o u´nica, e indeterminado se tiver mais do que uma soluc¸a˜o. Exemplos. 1. O sistema x+ y + z = 6 , x+ y − z = 0 , x+ z = 4 , x+ y = 3 de quatro equac¸o˜es nas inco´gnitas x, y, z, tem soluc¸a˜o u´nica (x, y, z) = (1, 2, 3) ; logo e´ poss´ıvel e determinado. 2. O sistema x+y+z = 6 , x+y−z = 0 , x+y = 3 , x+y+2z = 9 de quatro equac¸o˜es nas inco´gnitas x, y, z, tem infinitas soluc¸o˜es (x, y, z) = (α, 3− α, 3), α ∈ R; logo e´ poss´ıvel e indeterminado. 3. O sistema x + y + z = 6 , x + y − z = 0 , −2x − 2y = 1 de treˆs equac¸o˜es nas inco´gnitas x, y, z, na˜o tem soluc¸o˜es; de facto, ao somar as treˆs equac¸o˜es obtemos 0 = 7(!), logo as equac¸o˜es na˜o sa˜o compat´ıveis. Para resolver um sistema de equac¸o˜es e´ aconselha´vel reduzi-lo a outros sistemas mais simples que lhe sejam equivalentes, i.e. que tenham o mesmo conjunto soluc¸a˜o. Propriedade fundamental de equivaleˆncia de sistemas. Um sistema de equac¸o˜es lineares e´ equiva- lente a qualquer dos sistemas que resultam de realizar nele alguma das seguintes operac¸o˜es elementares: • Mudar a ordem das equac¸o˜es; • Multiplicar uma das das equac¸o˜es por qualquer escalar na˜o nulo; • Somar algebricamente, a uma das equac¸o˜es, outra delas; • Aplicar reiteradamente qualquer das operac¸o˜es anteriores. Demonstrac¸a˜o. Veˆ-se facilmente que as primeiras duas operac¸o˜es na˜o alteram a natureza o sistema. Pela natureza da quarta operac¸a˜o resta analisar a terceira operac¸a˜o. Para tal, considere-se o sistema de m equac¸o˜es a n inco´gnitas (x1, . . . , xn): a1,1x1 + a1,2x2 + · · ·+ a1,nxn = b1 ... am,1x1 + am,2x2 + · · ·+ am,nxn = bm , i.e. `j(x1, . . . , xn) = 0, com `j(x1, . . . , xn) = aj,1x1 + aj,2x2 + · · ·+ aj,nxn − bj , para j = 1, . . . ,m. Suponhamos agora que ααα = (α1 . . . αn) e´ uma soluc¸a˜o do sistema; enta˜o `j(ααα) = 0, para j = 1, . . . ,m; e, portanto, por exemplo, `1(ααα) + `2(ααα) = 0 , `2(ααα) = 0, . . ., `m(ααα) = 0 . Conclu´ımos assim que ααα e´ soluc¸a˜o do sistema `1(xxx) + `2(xxx) = 0 , `2(xxx) = 0 , . . ., `m(xxx) = 0 , com xxx = (x1, . . . , xn) . c.q.d. Exemplo. Resolva o sistema x+ y + 2z = 9 , 3x+ 6y − 5z = 0 , 2x+ 4y − 3z = 1 . Resoluc¸a˜o. Este sistema e´ equivalente a: `1(x, y, z) = 0 , `2(x, y, z)− 3`1(x, y, z) = 0 , `3(x, y, z)− 2`1(x, y, z) = 0 , onde `1 ≡ x+ y + 2z − 9 , `2 ≡ 3x+ 6y − 5z e `3 ≡ 2x+ 4y − 3z − 1 , i.e. x+ y + 2z = 9 , 3y − 11z = −27 , 2y − 7z = −17 , ajplb@mat.uc.pt 8 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica que passaremos a denotar por `′j(x, y, z) = 0 , j = 1, 2, 3 . O sistema encontrado e´ ainda equivalente a: `′1(x, y, z) = 0 , ` ′ 2(x, y, z) = 0 , ` ′ 3(x, y, z)− 2/3 `′2(x, y, z) = 0 , i.e., x+ y + 2z = 9 , 3y − 11z = −27 , 1/3z = 1 ; logo x = 1 , y = 2 , z = 3 e´ a soluc¸a˜o procurada. Interpretac¸a˜o matricial. O sistema dado admite a seguinte representac¸a˜o matricial: Axxx = b , onde A = 1 1 2 3 6 −5 2 4 −3 e b = 9 0 1 . Considere-se o sistema na forma [ A b ] , i.e. 1 1 2 9 3 6 −5 0 2 4 −3 1 → `2 − 3`1 `3 − 2`1 1 1 2 9 0 3 −11 −27 0 2 −7 −17 → `3 − 2/3`2 1 1 2 9 0 3 −11 −27 0 0 1/3 1 Obtemos assim como u´nica soluc¸a˜o x = 1 , y = 2 , z = 3 . Exerc´ıcio. Determine a matriz inversa de U = 1 1 2 0 3 −11 0 0 1/3 . Indicac¸a˜o. Considere a matriz U ampliada com a matriz identidade de ordem 3, I3 i.e. [ U I3 ] e efectue operac¸o˜es elementares por linhas por forma a transformar a matriz U na matriz I3. Observac¸a˜o. Note ao considerar a matriz U ampliada pela matriz identidade I3, esta´ na verdade a considerar os seguintes sistemas lineares em simultaˆneo: U xxx1 = 1 0 0 , U xxx2 = 0 1 0 , U xxx3 = 0 0 1 , pelo que U−1 = [ xxx1 xxx2 xxx3 ]. 26-09-2013 | T. Matrizes elementares. Aplicac¸a˜o ao ca´lculo da matriz inversa de uma matriz invert´ıvel. Na aula passada deixa´mos como exerc´ıcio a ana´lise da invertibilidade da matriz triangular superior U e em caso afirmativo o seu ca´lculo. Para tal vamos usar a indicac¸a˜o deixada na aula anterior, i.e. comec¸amos com [ U I3 ] : 1 1 2 1 0 0 0 3 −11 0 1 0 0 0 1/3 0 0 1 3`3→ 1 1 2 1 0 0 0 3 −11 0 1 0 0 0 1 0 0 3 `1 − 2`3 `2 + 11`3 → 1 1 0 1 0 −6 0 3 0 0 1 33 0 0 1 0 0 3 1/3`2 → 1 1 0 1 0 −6 0 1 0 0 1/3 11 0 0 1 0 0 3 `1 − `2 → 1 0 0 1 −1/3 −17 0 1 0 0 1/3 11 0 0 1 0 0 3 . ajplb@mat.uc.pt 9 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica Obtemos assim, U−1 = 1 −1/3 −17 0 1/3 11 0 0 3 . (Como facilmente se pode comprovar.) Definic¸a˜o. Designamos por matriz elementar a`s matrizes quadradas que se obtenham ao aplicar a` matriz identidade, com o mesmo nu´mero de linhas, as operac¸o˜es elementares dadas na aula passada, i.e. • Mudar a ordem das equac¸o˜es; • Multiplicar uma das das equac¸o˜es por qualquer escalar na˜o nulo; • Somar algebricamente, a uma das equac¸o˜es, outra delas. Assim, obtemos as seguintes matrizes: Pi,j = 1 0 · · · 1 ... ... 1 · · · 0 1 i j que e´ a matriz de permutac¸a˜o das linhas i e j; i j Di(α) = 1 ... · · · α · · · ... 1 i que e´ a matriz que multiplica a linha i por α; i Ei,j(α) = 1 1 · · · α . . . ... 1 1 i j que e´ a matriz que soma a` linha i, α `j. i j Assim, se A = `1 ... `n , enta˜o Pi,j A = ... `j ... `i ... , Di(α)A = ... `i−1 α `i `i+1 ... , Ei,j(α)A = ... `i−1 `i + α `j `i+1 ... . Relac¸a˜o entre as operac¸o˜es elementares e o produto de matrizes no sistema dado na aula passada. As operac¸o˜es realizadas correspondem a` multiplicac¸a˜o da matriz A, sucessivamente pelas matrizes elementares E2,1(−3) , E3,1(−2) , E3,2(−2/3), i.e. o sistema dado e´ equivalente ao sistema ajplb@mat.uc.pt 10 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica E3,2(−2/3)E3,1(−2)E2,1(−3)Axxx = E3,2(−2/3)E3,1(−2)E2,1(−3) b, ou ainda 1 1 2 0 3 −11 0 0 1/3 x y z = 9 −27 1 , cuja soluc¸a˜o e´ obviamente x y z = 1 2 3 . Observac¸a˜o. Na resoluc¸a˜o do problema anterior obtivemos ainda a seguinte identidade: 1 0 0 −3 1 0 0 −2/3 1 A = 1 1 2 0 3 −11 0 0 1/3 , pois E3,2(−2/3)E3,1(−2)E2,1(−3) = 1 0 0 −3 1 0 0 −2/3 1 . Como 1 0 0 −3 1 0 0 −2/3 1 −1 = 1 0 0 3 1 0 2 2/3 1 , A = LU onde L = 1 0 0 3 1 0 2 2/3 1 e U = 1 1 2 0 3 −11 0 0 1/3 . Note-se que a matriz L reproduz, a menos do sinal, as operac¸o˜es realizadas em A para chegar a U . Verifiquemos agora que a matriz das operac¸o˜es elementares por linhas, E3,2(−2/3)E3,1(−2)E2,1(−3), e´ a inversa de L, i.e. 1 0 0 3 1 0 2 2/3 1 1 0 0 −3 1 0 0 −2/3 1 = 1 0 0 −3 1 0 0 −2/3 1 1 0 0 3 1 0 2 2/3 1 = 1 0 0 0 1 0 0 0 1 . Ale´m disso, o sistema Axxx = b ou, equivalentemente, (LU)xxx = b (atendendo a que A = LU) transforma- -se (por operac¸o˜es elementares) no sistema equivalente U xxx = L−1 b, com L−1 9 0 1 = 9 −27 1 . Observac¸a˜o. Conhecida a matriz inversa de U , U−1, podemos determinar a matriz inversa de A, i.e. A−1 = U−1 L−1 (pois A = LU). Definic¸a˜o. Seja A uma matriz m× n. Designamos por matriz transposta de A, a matriz n×m que se obte´m de A colocando o escalar ai,j na linha j coluna i, para i = 1, . . . ,m, j = 1, . . . , n. Designamos por AT = [ aj,i ]i=1,...,m j=1,...,n a matriz transposta de A = [ ai,j ]j=1,...,n i=1,...,m . Propriedades. Sejam A, B e C treˆs matrizes e α um escalar. Enta˜o: • (AT )T = A (a transposic¸a˜o e´ uma involuc¸a˜o); • (A+B)T = AT +BT (A e B sa˜o ambas m× n); • (αA)T = αAT ; • (AC)T = CT AT (C e´ uma matriz n× p). ajplb@mat.uc.pt 11 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica Observac¸a˜o. Se A e´ uma matriz quadrada, enta˜o: • A e´ sime´trica se, e somente se, A = AT ; • A e´ anti-sime´trica se, e somente se, a A = −AT ; • A + AT e´ sime´trica e A − AT e´ anti-sime´trica. Ale´m disso, A = (A + AT )/2 + (A − AT )/2 ; e, portanto, toda a matriz quadrada se pode representar como a soma de uma matriz sime´trica com uma anti-sime´trica. Demonstrac¸a˜o. Vamos somente verificar que se tem a identidade (AC)T = CT AT . Comparemos enta˜o, os elementos situados na linha i coluna j da matriz (AC)T , i.e. n∑ k=1 aj,k ck,i (linha j, coluna i de AC) com o situado na mesma posic¸a˜o da matriz CT AT , i.e. n∑ k=1 ck,i aj,k ; logo (AC) T = CT AT . c.q.d. Propriedades das matrizes invert´ıveis (continuac¸a˜o). Seja A uma matriz quadrada n× n. Se A e´ invert´ıvel, enta˜o AT tambe´m e´ invert´ıvel e tem-se (AT )−1 = (A−1)T . Demonstrac¸a˜o. Para tal basta analisar os produtos de matrizes: AT (A−1)T def.= (A−1A)T = IT = I e (A−1)T AT def.= (AA−1)T = IT = I . c.q.d. 26-09-2013 | TP. Resoluc¸a˜o dos problemas 30, 31, 32, 33, 42, 47, 48 e 53 do caderno de exerc´ıcios. Resoluc¸a˜o do problema 30. [ cosα − sinα sinα cosα ][ cos β − sin β sin β cos β ] = [ cosα cos β − sinα sin β − cosα sin β − sinα cos β sinα cos β + cosα sin β − sinα sin β + cosα cos β ] = [ cos(α + β) − sin(α + β) sin(α + β) cos(α + β) ] Resoluc¸a˜o do problema 31. Temos somente que efectuar os produtos indicados e nos casos em que o expoente e´ varia´vel tem de formular uma hipo´tese e prova´-la usando o me´todo de induc¸a˜o matema´tica. Por exemplo, pode provar-se que[ 1 1 0 1 ]k = [ 1 k 0 1 ] , e que [ cosα − sinα sinα cosα ]k = [ cos(kα) − sin(kα) sin(kα) cos(kα) ] , k ∈ N e α ∈ R . Resoluc¸a˜o do problema 32. Facilmente se veˆ que Ak = diag{µk1, µk2, . . . , µkn} . Resoluc¸a˜o do problema 33. (A+B)2 = (A+B)(A+B) = A2 + AB +BA+B2, (A+B)(A−B) = A2 − AB +BA−B2 e tambe´m (AB)2 = A(BA)B; logo (A + B)2 = A2 + 2AB + B2, (A + B)(A − B) = A2 − B2 e (AB)2 = A2B2 (como se diz no enunciado) se, e somente se, AB = BA. Resoluc¸a˜o do problema 42. Pode verificar-se para estes exemplos AB = I = BA, tendo-se portanto, A−1 = B em cada um dos casos considerados. ajplb@mat.uc.pt 12 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica Resoluc¸a˜o do problema 47. Basta verificar que nas condic¸o˜es do problema (I − A)(I + A+ · · ·+ Ak−1) = I = (I + A+ · · ·+ Ak−1)(I − A) . Assim, (I −A)(I +A+ · · ·+Ak−1) = (I +A+ · · ·+Ak−1)− (A+ · · ·+Ak−1 +Ak) = I −Ak , e como Ak = 000 temos (I − A)(I + A+ · · ·+ Ak−1) = I . Por outro lado, (I + A+ · · ·+ Ak−1)(I − A) = (I + A+ · · ·+ Ak−1)− (A+ · · ·+ Ak−1 + Ak) = I − Ak , e como Ak = 000 temos (I + A+ · · ·+ Ak−1)(I − A) = I . c.q.d. Resoluc¸a˜o do problema 48. Basta tomar para matriz A = 0 1 0 0 0 1 0 0 0 no exerc´ıcio anterior; pois A2 = 0 0 1 0 0 0 0 0 0 e An = 0 0 0 0 0 0 0 0 0 , n = 3, . . .; pelo que (I − A)−1 = 1 −1 0 0 1 −1 0 0 1 −1 = I + A+ A2 = 1 1 1 0 1 1 0 0 1 . Problema. Aplique o resultado do problema 47 para calcular a inversa de B = 2 2 1 0 3 −1 0 0 −1 . Resoluc¸a˜o. Multiplique B a` esquerda pela matriz (diag{2, 3,−1})−1 = diag{1/2, 1/3,−1} = D1(1/2)D2(1/3)D3(−1), (produto de matrizes diagonais) obtendo B1 = 1 1 1/2 0 1 −1/3 0 0 1 . Agora, B1 = I − A , com A = 0 −1 −1/2 0 0 1/3 0 0 0 . Aplique o problema 47 para calcular a matriz B−11 (i.e. B −1 1 = I +A+A 2 , pois A3 = 000 ), e determine a inversa de B a partir da identidade (diag{2, 3,−1})−1B = B1 , i.e. B−11 = B−1 diag{2, 3,−1}; e, portanto, B−1 = B−11 diag{1/2, 1/3,−1} . Exerc´ıcio. Aplique o resultado do problema 47 para calcular a inversa de C = 2 0 0 −5 7 0 4 2 1 . Resoluc¸a˜o do problema 53. Basta efectuar os produtos de matrizes e verificar as identidades indi- cadas[ cosα − sinα sinα cosα ][ cosα sinα − sinα cosα ] = [ cosα sinα − sinα cosα ][ cosα − sinα sinα cosα ] = I2 e tambe´m[ cosα sinα sinα − cosα ][ cosα sinα sinα − cosα ] = [ cosα sinα sinα − cosα ][ cosα sinα sinα − cosα ] = I2 01-10-2013 | T. Caracter´ıstica de uma matriz. Crite´rio de invertibilidade de uma matriz quadrada. Discussa˜o de sistemas. ajplb@mat.uc.pt 13 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica Vamos ver alguns sistemas de equac¸o˜es lineares que facilmente se podem resolver. Definic¸a˜o. As matrizes que verifiquem: • Cada linha (a partir da segunda) comec¸a com uma sucessa˜o de zeros que tem pelo menos um zero mais que a linha anterior. Note que, caso haja linhas constitu´ıdas somente por zeros, estas tera˜o de ocorrer nas u´ltimas linhas; • Nas linhas em que existe algum elemento na˜o nulo, o primeiro escalar na˜o nulo sera´ designado por “pivot”; sa˜o designadas por matrizes em escada. Um sistema de equac¸o˜es lineares diz-se em escada se a matriz do sistema estiver em escada. Exemplo de matriz em escada. d1 ∗ ∗ ∗ ∗ ∗ ∗ ∗ ∗ 0 0 d2 ∗ ∗ ∗ ∗ ∗ ∗ 0 0 0 d3 ∗ ∗ ∗ ∗ ∗ 0 0 0 0 0 d4 ∗ ∗ ∗ 0 0 0 0 0 0 d5 ∗ ∗ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 , dj 6= 0, j = 1, 2, 3, 4, 5. Discussa˜o de sistemas em escada. Considere o sistema M xxx = b , com M uma matriz em escada m× n com r “pivots” (logo M tem as u´ltimas m− r linhas de zeros). Enta˜o: • o sistema e´ poss´ıvel se, e somente se, os u´ltimos m− r escalares do termos independente sa˜o todos nulos; • supondo que os u´ltimos m − r escalares do termo independente sa˜o zero, o sistema e´ poss´ıvel e determinado se r = n e e´ indeterminado se r < n (note que na˜o e´ poss´ıvel que se tenha r > n). Me´todo de eliminac¸a˜o de Gauss. E´ o processo que nos permite reduzir, por operac¸o˜es elementares por linhas, um sistema de equac¸o˜es lineares, Axxx = b , a um sistema de equac¸o˜es lineares em escada (equivalente ao inicial). Definic¸a˜o. Ao nu´mero de “pivots”, r, da matriz em escada obtida de A por operac¸o˜es elementares por linhas, designa-se por caracter´ıstica de A, e sera´ denotado por carA . Exemplos. Considere os sistemas em escada, M xxx = b : • x+ 3z − v = 2 y + 5z = 7 u+ 2v = −1 , descrito matricialmente como [ M b ] ≡ 1 0 3 0 −1 2 0 1 5 0 0 7 0 0 0 1 2 −1 ; ajplb@mat.uc.pt 14 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica A soluc¸a˜o vem dada por x = 2 − 3α + β , y = 7 − 5α , z = α , u = −1 − 2β , v = β , α, β ∈ R , ou vectorialmente, X = 2 7 0 −1 0 + α −3 −5 1 0 0 + β 1 0 0 −2 1 , onde M 2 7 0 −1 0 = 2 7 −1 , M −3 −5 1 0 0 = 0 0 0 e M 1 0 0 −2 1 = 0 0 0 . • x+ 3z − v = 2 y + 5z = 7 u+ 2v = −1 0 = 0 , descrito matricialmente como [ M b ] ≡ 1 0 3 0 −1 2 0 1 5 0 0 7 0 0 0 1 2 −1 0 0 0 0 0 0 ; A soluc¸a˜o coincide com a do sistema anteriormente estudado. • x+ 3z − v = 2 y + 5z = 7 u+ 2v = −1 0 = 4 , descrito matricialmente como 1 0 3 0 −1 2 0 1 5 0 0 7 0 0 0 1 2 −1 0 0 0 0 0 4 ; e´ um sistema imposs´ıvel. • x+ 4y + z + u = 1 y + 2z − u = 4 z − 4u = 9 u = −2 , descrito matricialmente como [ M b ] ≡ 1 4 1 1 1 0 1 2 −1 4 0 0 1 −4 9 0 0 0 1 −2 ; A soluc¸a˜o vem dada por u = −2 , z = 1 , y = 0 , x = 2 . Crite´rio de invertibilidade. Se M e´ a matriz em escada que se obte´m aplicando certas operac¸o˜es elementares por linhas a uma matriz quadrada A, enta˜o uma condic¸a˜o necessa´ria e suficiente para que A seja invert´ıvel e´ que todos os elementos da diagonal de M sejam na˜o nulos. Ca´lculo da inversa de uma matriz quadrada invert´ıvel. A matriz A−1, de uma matriz in- vert´ıvel, A, pode determinar-se da seguinte forma: realizam-se as adequadas operac¸o˜es elementares sobre as linhas da matriz A, e simultaneamente sobre as linhas da matriz identidade, I, ate´ conseguir que A se transforme na matriz identidade (o que e´ sempre poss´ıvel, pois A e´ invert´ıvel e temos tantos “pivots” como linhas da matriz A); neste momento, a transformada da matriz identidade pelas mesmas operac¸o˜es e´ a matriz A−1. ajplb@mat.uc.pt 15 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica Problema. Analisar se A = 1 3 −2 2 4 0 3 5 −1 e´ invert´ıvel e, em caso afirmativo, calcular a sua inversa. Resoluc¸a˜o. Considere-se [ A I ] , i.e. 1 3 −2 1 0 0 2 4 0 0 1 0 3 5 −1 0 0 1 → −2`1 + `2 −3`1 + `3 1 3 −2 1 0 0 0 −2 4 −2 1 0 0 −4 5 −3 0 1 → −2`2 + `3 1 3 −2 1 0 0 0 −2 4 −2 1 0 0 0 −3 1 −2 1 (existe A−1) → −1/2 `1 −1/3 `3 1 3 −2 1 0 0 0 1 −2 1 −1/2 0 0 0 1 −1/3 2/3 −1/3 2`3 + `1 2`3 + `2 → 1 3 0 1/3 4/3 −2/3 0 1 0 1/3 5/6 −2/3 0 0 1 −1/3 2/3 −1/3 −3`2 + `1 → 1 0 0 −2/3 −7/6 4/3 0 1 0 1/3 5/6 −2/3 0 0 1 −1/3 2/3 −1/3 . Logo A−1 = 16 -4 -7 8 2 5 -4 -2 4 -2 . Teorema de Rouche´. Considere-se um sistema de equac¸o˜es lineares Axxx = b, com A matriz m×n e b vector m× 1 dados. Enta˜o: • Axxx = bbb e´ poss´ıvel se, e somente se, car [ A bbb ] = carA ; • Axxx = bbb e´ poss´ıvel e determinado se, e somente se, car [ A bbb ] = carA = n ; • Axxx = bbb e´ poss´ıvel e indeterminado se, e somente se, car [ A bbb ] = carA < n . 03-10-2013 | T. Discussa˜o de Sistemas. Aplicac¸o˜es. Definic¸a˜o. Um sistema de equac¸o˜es lineares, Axxx = b , diz-se homge´neo se o termo indepenedente for 000 , i.e., for do tipo Axxx = 000 . Lema. Um sistema homge´neo e´ sempre poss´ıvel (pois admite, pelo menos, como soluc¸a˜o a nula, i.e. xxx = 000 e´ soluc¸a˜o). Mais ainda, se xxx1 e xxx2 sa˜o duas quaisquer soluc¸o˜es do sistema homgoe´neo, Axxx = 000 , enta˜o αxxx1 + β xxx2 e´ ainda uma soluc¸a˜o qualquer que sejam os escalares α, β . Definic¸a˜o. Seja A ∈Mm,n . O conjunto de soluc¸o˜es do sistema Axxx = 000 designa-se por nu´cleo de A, ou sub-espac¸o nulo de A e representa-se por N(A) = {xxx ∈ Rn : Axxx = 000} . Teorema de representac¸a˜o da soluc¸a˜o. Seja A uma matriz m × n de coeficientes em C e bbb um vector de Cm. Se o sistema Axxx = bbb e´ poss´ıvel, e yyy e´ uma sua soluc¸a˜o, enta˜o o conjunto soluc¸a˜o, sol , de Axxx = bbb e´ dado por sol = {yyy + yyy0 , yyy0 ∈ N(A)} . Demonstrac¸a˜o. Verifiquemos primeiro que xxx = yyy+yyy0 e´ de facto uma soluc¸a˜o do sistema Axxx = bbb , i.e., A(yyy + yyy0) = Ayyy + Ayyy0 = bbb+ 000 = bbb . ajplb@mat.uc.pt 16 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica Suponhamos agora que zzz e´ uma outra soluc¸a˜o de Axxx = bbb enta˜o A(zzz−yyy) = Azzz−Ayyy = bbb− bbb = 000 ; logo zzz − yyy ∈ N(A) e, portanto, sol 3 zzz = yyy + yyy0 com yyy0 ∈ N(A) . c.q.d. Determinac¸a˜o do nu´cleo de A. Considere-se o sistema Axxx = 000 com A matriz m× n . Este sistema e´ sempre poss´ıvel, sendo determinado caso, carA = n , e indeterminado caso carA < n . Neste u´ltimo caso comec¸amos por identificar as varia´veis livres em nu´mero igual a n − carA , corres- pondentes a`s varia´veis sem “pivot” da matriz U na decomposic¸a˜o P A = LU . Designamos por nulidade de A o nu´meros de varia´veis livres, n− carA e denotamo-la por nulA . Determinamos, de seguida, a soluc¸a˜o dos sistemas Axxxj0 = 000 onde xxx j 0 , com j = 1, . . . ,nulA e´ o vector resultante de tomar todas as varia´veis livres iguais a zero menos a j-e´sima varia´vel, que e´ igual a 1 . Desta forma encontramos que yyy ∈ N(A) representa-se como combinac¸a˜o linear dos vectores xxxj0 , i.e. yyy = α1xxx 1 0 + · · ·+ αnulAxxxnulA0 . Aplicac¸a˜o. Discuta em termos do paraˆmetro α ∈ R o sistema de equac¸o˜es lineares Axxx = bbb com A = 1 2 4 −3 3 7 5 −5 5 12 6 −7 , bbb = 2 3 α e xxx = x y z w ; e resolva o sistema dado para os valores de α que o tornem poss´ıvel. Resoluc¸a˜o. Considere-se a matriz do sistema ampliada [ A bbb ] , i.e. 1 2 4 −3 2 3 7 5 −5 3 5 12 6 −7 α → −3`1 + `2 −5`1 + `3 1 2 4 −3 2 0 1 −7 4 −3 0 2 −14 8 α− 10 → −2`2 + `3 1 2 4 −3 2 0 1 −7 4 −3 0 0 0 0 α− 4 ; logo se α 6= 4 o sistema e´ imposs´ıvel, e caso α = 4 o sistema e´ poss´ıvel e indeterminado. Vamos agora resolver o sistema quando α = 4 . Comecemos por indicar que a caracter´ıstica da matriz do sistema e´ 2 (tem como “pivots” os escalares assinalados nas posic¸o˜es (1, 1) e (2, 2)) e a nulidade e´ 2 (o sistema dado tem como varia´veis livres z, w ). Comecemos por determinar uma soluc¸a˜o do sistema com z = w = 0 ; logo y = 7 e x = 6 , i.e. xxxp = [ 8 −3 0 0 ]T ; e resolvamos o sistema homoge´neo associado primeiro com z = 1 e w = 0, e depois com z = 0 e w = 1, determinando, respectivamente, os vectores xxx10 = [ −18 7 1 0 ]T e xxx20 = [ 11 −4 0 1 ]T . A soluc¸a˜o geral do sistema de equac¸o˜es lineares com α = 4 vem dado por xxx = xxxp + β xxx 1 0 + γ xxx 2 0 , com β, γ ∈ R . ajplb@mat.uc.pt 17 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica Teorema. Sejam A e B matrizes quadradas n × n. Se a matriz AB for invert´ıvel, enta˜o A e B sa˜o matrizes invert´ıveis. Em particular, se AB = In enta˜o B = A −1 . Demonstrac¸a˜o. Suponhamos que AB e´ uma matriz invert´ıvel e que B na˜o e´ invert´ıvel. Enta˜o o sistema Bxxx = 000 e´ poss´ıvel e indeterminado, pelo que o sistema (AB)xxx = 000 e´ tambe´m poss´ıvel e indeterminado (pois uma soluc¸a˜o do primeiro sistema e´ tambe´m soluc¸a˜o deste sistema), o que e´ absurdo. Temos enta˜o que B e´ invert´ıvel. Mais ainda, como A = (AB)B−1 temos que a matriz A e´ invert´ıvel (pois esta´ descrita como o produto de duas matrizes invert´ıveis). Suponhamos agora que AB = In . Da primeira parte do teorema conclu´ımos que tanto A como B sa˜o matrizes invert´ıveis; e, portanto, das propriedades elementares do produto de matrizes temos A−1 = A−1In = A−1(AB) = (A−1A)B = InB = B . c.q.d. Definic¸a˜o. Seja A uma matriz m × n. Dizemos que o produto de uma matriz triangular inferior, L, por uma triangular superior, U , e´ uma decomposic¸a˜o LU de A se A coincidir com LU a menos de mudanc¸a da ordem das linhas de A , i.e. existe uma matriz de permutac¸a˜o, P , tal que P A = LU . Decomposic¸a˜o LU de uma matriz (algoritmo). Use operac¸o˜es elementares por linhas, i.e. Ek · · · E2E1 sobre a matriz A por forma a transforma´-la numa matriz em escada, U , (que e´ sempre poss´ıvel ainda que para tal se tenha de multiplicar por matrizes de permutac¸a˜o) i.e. (Ek · · ·E2E1)A = U ; e, portanto, A = (Ek · · ·E2E1)−1U = LU , com L = E−11 · · ·E−1k . Resumidamente temos. [ A I ] → [ U L−1 ] , e L e´ a matriz triangular inferior com 1’s na diagonal que regista as operac¸o˜es elementares por linhas efectuadas, com sinal contra´rio. Exemplo. Determinar a decomposic¸a˜o LU da matriz A = 0 2 2 4 0 2 2 2 1 2 2 1 2 6 7 5 . Comec¸amos por multipli- car A pela matriz P1,4 , i.e. vamos efectuar operac¸o˜es elementares sobre P1,4A [ P1,4A I4 ] ≡ 2 6 7 5 1 0 0 0 0 2 2 2 0 1 0 0 1 2 2 1 0 0 1 0 0 2 2 4 0 0 0 1 → −1/2`1 + `3 2 6 7 5 1 0 0 0 0 2 2 2 0 1 0 0 0 −1 −3/2 −3/2 −1/2 0 1 0 0 2 2 4 0 0 0 1 → 1/2`2 + `3 −`2 + `4 2 6 7 5 1 0 0 0 0 2 2 2 0 1 0 0 0 0 −1/2 −1/2 −1/2 1/2 1 0 0 0 0 2 0 −1 0 1 ≡ [ U L−1 ] . ajplb@mat.uc.pt 18 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica Assim, P1,4A = LU , com L = 1 0 0 0 0 1 0 0 1/2 −1/2 1 0 0 1 0 1 e U = 2 6 7 5 0 2 2 2 0 0 −1/2 −1/2 0 0 0 2 . Teorema de unicidade da factorizac¸a˜o LU . Se A e´ uma matriz n×n invert´ıvel, enta˜o a factorizac¸a˜o P A = LU u´nica. Demonstrac¸a˜o. Suponhamos que existem L1, L2 e U1, U2 , pares de matrizes quadradas n×n , respecti- vamente triangulares inferiores (com 1’s na diagonal) e triangulares superiores tais que que P A = L1U1 e tambe´m P A = L2U2 ; enta˜o como Lj Uj sa˜o invert´ıveis temos tambe´m L −1 1 L2 = U1U −1 2 , logo tera˜o de ser iguais a` matriz identidade, In , i.e. L −1 1 L2 = In = U1U −1 2 , e do teorema anterior tiramos que L1 = L2 e que U1 = U2 . c.q.d. Ca´lculo da inversa de uma matriz quadrada invert´ıvel (continuac¸a˜o). A matriz A−1 , de uma matriz invert´ıvel, A , pode determinar-se da seguinte forma: realizam-se as adequadas operac¸o˜es elemen- tares sobre as linhas da matriz A, e simultaneamente sobre as linhas da matriz identidade, I , ate´ conseguir que A se transforme numa matriz em escada (o que e´ sempre poss´ıvel); neste momento, acaba´mos de levar a matriz [ A I ] a [ U L−1 ] ; efectuando agora as operac¸o˜es elementares por linhas a` matriz U ampliada com a matriz I ate´ que a primeira se transforme na matriz identidade, obtemos como transformada de I a matriz U−1. Agora, da representac¸a˜o A = LU , temos que A−1 = U−1 L−1. 03-10-2013 | TP. Resoluc¸a˜o dos problemas 29, 31. e), 60, 61, 63. g) e 65. Resoluc¸a˜o do problema 29. a) Sendo A = [ ai,j ] e B = [ Bi,j ] , matrizes n × n, enta˜o o elemento situado na linha i, coluna j da matriz A2 +B e´ n∑ k=1 ai,kak,j + bi,j , para i, j = 1, . . . , n. Para a al´ınea b) temos que o elemento situado na linha i, coluna j de A−BA+ 2In, e´ ai,j − ( n∑ k=1 bi,kak,j ) + 2δi,j , onde δi,j = 1 se i = j0 se i 6= j (delta de Kronecker) i, j = 1, . . . , n . Resoluc¸a˜o do problema 31. e) Veˆ-se facilmente que sendo A = [ 2 −1 3 −2 ] , se tem A2 = [ 1 0 0 1 ] ; e, portanto, A2n = I2 e A 2n+1 = A , n ∈ N . Resoluc¸a˜o do problema 60. a) 1 2 4 3 −1 −2 1 −5 3 1 1 1 = 7 0 −1 ; b) 1 3 1 −2 2 6 1 1 1 −2 1 −1 = 0 0 −2 ; ajplb@mat.uc.pt 19 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica c) 1 1 2 3 1 1 [ 1 2 ] = 3 8 3 ; d) [ 1 2 3 −1 4 1 ] 1 −1 0 = [ −1 −5 ] . Resoluc¸a˜o do problema 61. a) 1 3 1 −2 2 6 1 1 1 x y z = 0 0 −2 ; b) [ 1 2 3 −1 4 1 ] x y z = [ −1 −5 ] ; c) 1 2 4 3 −1 −2 1 −5 3 x y z = 7 0 −1 ; d) 1 1 2 3 1 1 [ x y ] = 3 8 3 . Resoluc¸a˜o do problema 63. g) Para resolver o sistema Axxx = bbb , com A = 1 1 1 1 1 1 3 2 3 5 7 3 e bbb = 1 3 0 , considere-se[ A bbb ] = 1 1 1 1 1 1 1 3 2 3 3 5 7 3 0 → `2 ↔ `3 1 1 1 1 1 3 5 7 3 0 1 1 3 2 3 → −3`1 + `3 −`1 + `2 1 1 1 1 1 0 2 4 0 −3 0 0 2 1 2 . Vemos assim que o sistema dado e´ poss´ıvel e indeterminado, e x4 e´ uma varia´vel livre; a soluc¸a˜o geral do sistema sera´ dada por xxx = αxxx0 +xxxp, α ∈ R, tais que Axxx0 = 000 , e Axxxp = bbb , com xxx0 = [ x y z 1 ]T e xxxp = [ x1 x2 x3 0 ]T . Obtemos xxxp = [ 7/2 −7/2 1 0 ]T e xxx0 = [ −3/2 2 −1/2 1 ]T . Observac¸a˜o. A decomposic¸a˜o P2,3A = LU tem L = 1 0 0 3 1 0 1 0 1 e U = 1 1 1 1 0 2 4 0 0 0 2 1 . Resoluc¸a˜o do problema 65. Consideramos a matriz ampliada do sistema depois de multiplicada pela matriz de permutac¸a˜o P2,3 , i.e. [ P2,3A b ] , com A = 1 β β 1 1 β β 1 1 e b = 0 β2 0 , i.e. depois de aplicar as transformac¸o˜es por linhas `′2 = −`1 + `2 e `′3 = −β`1 + `3 temos 1 β β 0 0 1− β 0 β2 0 1− β2 1− β2 0 . Agora, se β = 1 o sistema e´ imposs´ıvel (pois a linha `′2 leˆ-se 0 = 1 ); se β = −1 o sistema e´ poss´ıvel e indeterminado (pois a linha `′3 leˆ-se 0 = 0 ); caso β 6= ±1 enta˜o o sistema e´ poss´ıvel e determinado; efectuando a operac¸a˜o `′′3 = −(1 + β)`′2 + `′3 1 β β 0 0 1− β 0 β2 0 0 1− β2 −β(1 + β) , obtemos como soluc¸a˜o 0 β2/(1− β) −β2/(1− β) . ajplb@mat.uc.pt 20 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica Exerc´ıcio. Identifique as matrizes L e U da decomposic¸a˜o P2,3A para os casos β = −1 , β = 1 , ou β 6= ±1 . 08-10-2013 | T. Determinante de uma matriz quadrada de ordem n. Aplicac¸o˜es. Definic¸a˜o. Determinante de uma matriz de ordem n e´ uma func¸a˜o det : Mn×n(K)→ K , com K ≡ R ou C , verificando as seguintes condic¸o˜es: 1• para cada i = 1, . . . , n e α ∈ K , tem-se det [ · · · cccj + bbb · · · ] = det [ · · · cccj · · · ] + det [ · · · bbb · · · ] , onde cccj e bbb sa˜o vectores coluna [ a1,j · · · an,j ]T , j = 1, . . . , n e [ b1 · · · bn ]T , respectivamente; 2• para cada i = 1, . . . , n e α ∈ K , tem-se det [ · · · αcccj · · · ] = α det [ · · · cccj · · · ] ; 3• Se a matriz A tiver duas colunas iguais, tem-se detA = det [ · · · cccj · · · cccj · · · ] = 0 ; 4• det In = 1 . Notac¸a˜o. • O determinante de uma matriz A , detA , pode denotar-se como det [ ai,j ] ou ainda ∣∣∣ai,j∣∣∣ ou |A| . • As propriedades 1 e 2 expressam a linearidade por colunas da func¸a˜o determinante. • A definic¸a˜o anterior na˜o se altera substituindo o termo “coluna” por “linha” (cf. texto de apoio). No estudo que agora iniciamos vamos supoˆr que existe uma u´nica func¸a˜o satisfazendo as condic¸o˜es 1 a 4, i.e. vamos considerar que a definc¸a˜o dada e´ consistente. Propriedades dos determinantes. Seja A uma matriz n× n; enta˜o tem-se: a. se uma coluna de A for mu´ltipla de uma outra, enta˜o detA = 0 . Em particular, detA = 0 se a matriz A tiver uma linha nula; b. o determinante muda de sinal quando se trocam entre si duas colunas de A ; c. se P e´ uma matriz de permutac¸a˜o tem-se detP = ±1 ; d. O determinante de uma matriz A na˜o se altera se a uma coluna de A adicionarmos um mu´ltiplo de uma outra coluna. Demonstrac¸a˜o. Vamos denotar a matriz A por colunas, i.e. A = [ · · · ccci · · · cccj · · · ] . Enta˜o, det [ · · · αcccj · · · cccj · · · ] 2 = α det [ · · · cccj · · · cccj · · · ] 3 = 0 , pelo que a fica provado. Para demonstrarmos b comec¸emos por considerar det [ · · · ccci + cccj · · · ccci + cccj · · · ] 3 = 0 . Aplicando a linearidade (i.e. as propriedades 1 e 2) a este determinante, podemos escrever det [ · · · ccci · · · ccci · · · ] + det [ · · · ccci · · · cccj · · · ] + det [ · · · cccj · · · ccci · · · ] + det [ · · · cccj · · · cccj · · · ] = 0 . ajplb@mat.uc.pt 21 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica Mas da propriedade 3 temos que det [ · · · ccci · · · cccj · · · ] + det [ · · · cccj · · · ccci · · · ] = 0 . Por definic¸a˜o de matriz de permutac¸a˜o, e aplicac¸a˜o reiterada de b conclu´ımos que detP = ±1 . Para demonstrarmos d basta ver que det [ · · · ccci · · · cccj + αccci · · · ] 1 = det [ · · · ccci · · · cccj · · · ] + det [ · · · ccci · · · αccci · · · ] a = det [ · · · ccci · · · cccj · · · ] . c.q.d. Observac¸a˜o. As propriedades que acaba´mos de estabelecer admitem uma leitura em termos de deter- minantes de produtos de matrizes, i.e. sendo A = [ · · · ccci · · · cccj · · · ] uma matriz n× n, enta˜o: • [ · · · cccj · · · ccci · · · ] = APi,j , • [ · · · ccci · · · cccj + αccci · · · ] = AEi,j(α) , • [ · · · ccci · · · αcccj · · · ] = ADj(α) . Agora, detPi,j = det [ · · · eeej · · · eeei · · · ] , onde eeej e´ o vector coluna que tem todos os escalares nulos com excepc¸a˜o que que esta´ na posic¸a˜o j que e´ igual a 1. Assim, pela propriedade b temos que detPi,j = −1 . Mais ainda, detEi,j(α) = det [ · · · eeei · · · eeej + αeeei · · · ] = det [ · · · eeei · · · eeej · · · ] + det [ · · · eeei · · · αeeei · · · ] a = det In = 1 . Temos ainda que detDj(α) = det [ · · · eeei · · · αeeej · · · ] 2 = α det In = α . Assim, podemos escrever para qualquer matriz A ∈Mn×n : • det(APi,j) = (detA) (detPi,j) , • det(AEi,j(α)) = (detA) (detEi,j(α)) , • det(ADj(α)) = (detA) (detDj(α)) . Exemplo. Calcule o determinante das matrizes A = 1 2 3 0 4 5 0 0 7 e B = 2 0 0 3 4 0 −1 0 5 . Resoluc¸a˜o. Veˆ-se facilmente que AD2(1/4)D3(1/7) = 1 1/2 3/7 0 1 5/7 0 0 1 ; mais ainda, AD2(1/4)D3(1/7)E1,2(−1/2)E1,3(−3/7)E2,3(−5/7) = I . Assim, A = E2,3(5/7)E1,3(3/7)E1,2(1/2)D3(7)D2(4) ; pelo que detA = |E2,3(5/7)| |E1,3(3/7)| |E1,2(1/2)| |D3(7)| |D2(4)| = 28 . ajplb@mat.uc.pt 22 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica Para a matriz B comec¸amos por multiplicar a` direita pela matriz D1(1/2)D2(1/4)D3(1/5) , i.e. B transforma-se em 1 0 0 3/2 1 0 −1/2 0 1 ; assim, BD1(1/2)D2(1/4)D3(1/5)E2,1(−3/2)E3,1(1/2) = I . Logo B = E3,1(−1/2)E2,1(3/2)D3(5)D2(4)D1(2) ; e, portanto, detA = 40 . Determinantes de matrizes especiais. • det(D1(α1) · · ·Dn(αn)) = detD1(α1) · · · detDn(αn) = n∏ j=1 αj , i.e. o determinante de uma matriz diagonal e´ o produto dos seus elementos diagonais. • o determinante de uma matriz triangular superior (respectivamente, triangular inferior) e´ o produto dos seus elementos diagonais. Demonstrac¸a˜o. De facto, sendo T+ = [ · · · tj · · · ] uma matriz triangular superior temos que T+ = [ α1eee1 α2eee2 + ∗eee1 · · · αneeen + n−1∑ j=1 ∗eeej ] , onde eeej e´, como anteriormente, o vector coluna que tem todos os escalares nulos com excepc¸a˜o que que esta´ na posic¸a˜o j que e´ igual a 1. Se algum dos elementos diagonais for nulo, i.e. αk = 0 , para algum k = 1, . . . , n enta˜o, a coluna k de T+, tttk = k−1∑ j=1 ∗eeej , admite a representac¸a˜o tttk = k−1∑ j=1 βkj tttj , com β k j , j = 1, . . . , k−1 bem determinados. Agora, aplicando a propriedade 1 temos detT = det [ ttt1 · · · tttk−1 tttk tttk+1 · · · ] = k−1∑ j=1 det [ ttt1 · · · tttk−1 ∗ tttj tttk+1 · · · ] e da propriedade d temos que detT+ = 0 . Vamos supor agora que n∏ j=1 αj 6= 0 . Mutiplicando a matriz T+ pela matriz D1(1/α1) · · ·Dn(1/αn) , obtemos T+D1(1/α1) · · ·Dn(1/αn) = [ eee1 eee2 + ∗eee1 eee3 + (∗eee1 + ∗eee2) · · · eeen + n−1∑ j=1 ∗eeej ] . Agora, adicionando a` segunda coluna da matriz que obtivemos pelo processo anterior, eee2 +∗eee1 , (−∗)eee1 transforma-mo-la em eee2 , e pela propriedade d o valor do determinante na˜o se altera. Como sabemos esta operac¸a˜o corresponde a multiplicar a matriz T+D1(1/α1) · · ·Dn(1/αn) por E1,2(−∗) , pelo que a matriz inicial foi transformada em T+D1(1/α1) · · ·Dn(1/αn)E1,2(−∗) = [ eee1 eee2 eee3 + (∗eee1 + ∗eee2) · · · eeen + n−1∑ j=1 ∗eeej ] . Multiplicando sucessivamente matrizes do tipo E1,j(∗) eliminamos a dependeˆncia do vector eee1 de todas a colunas de T+ com a excepc¸a˜o da primeira coluna. Continuando a aplicar este processo, eliminamos, primeiro a dependeˆncia de eee2 em todas as colunas de T+ com a excepc¸a˜o da segunda coluna, ate´ chegar a eliminar a dependeˆncia de eeen−1 da u´ltima coluna, i.e. multiplicando cuidadosamente por matrizes ajplb@mat.uc.pt 23 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica elementares do tipo Ei,j(∗) levamos a nossa matriz T+ a` matriz In , i.e. T+D1(1/α1) · · ·Dn(1/αn) (produto de matrizes Ei,j(∗) pela ordem que indica´mos) = In . Como (Ei,j(∗))−1 = Ei,j(−∗) e (D1(1/α1))−1 = D1(α1) , T+ pode representar-se na forma T+ = (produto de matrizes Ei,j(−∗) pela ordem inversa)Dn(αn) · · ·D1(α1) Conclu´ımos assim que (aplicando as fo´rmulas para o determinante do produto por matrizes elementares) detT+ = detDn(αn) · · · detD1(α1) = n∏ j=1 αj , pois detEi,j(−∗) = 1 . Para matrizes triangulares inferiores T− pode provar-se da mesma forma tendo em atenc¸a˜o que T− = [ α1 eee1 + n∑ j=2 ∗eeej α2 eee2 + n∑ j=3 ∗eeej · · · αn eeen ] , e, portanto T− pode representar-se na forma T− = (produto de matrizes Ei,j(−∗) – ordem a determinar)Dn(αn) · · ·D1(α1) . Como conhecemos o determinante do produto de matrizes elementares temos detT+ = n∏ j=1 αj . c.q.d. 10-10-2013 | T. Determinantes de matrizes quadradas: Teorema de Laplace. Teorema. Considere a decomposic¸a˜o LU para uma matriz A quadrada n× n, i.e. A = P TLU (pois, P TP = I ); enta˜o, detA = detP detU , e tambe´m detAT = detA . Demonstrac¸a˜o. Basta notar que P TP = In ; e, portanto, detP T detP = 1 , ou ainda, tendo em atenc¸a˜o a propriedade c, detP T = detP . Agora pela decomposic¸a˜o LU de A temos o resultado procurado para o determinante da matriz A . Para mostrar que detAT = detA basta notar que o determinante de uma matriz triangular e´ o produto dos seus elementos diagonais, pelo que detUT = detU . c.q.d. Teorema. Sejam A,B matrizes quadradas n × n . Enta˜o, det(AB) = detA detB . Ale´m disso, se A e´ invert´ıvel, enta˜o detA−1 = (detA)−1 . Demonstrac¸a˜o. A primeira identidade e´ consequeˆncia da representac¸a˜o LU para as matrizes A e B , quando estas sa˜o invert´ıveis, e de que tanto L como U admitem uma representac¸a˜o como produto de matrizes elementares. Quando A ou B na˜o sa˜o invert´ıveis, temos tambe´m que AB na˜o e´ invert´ıvel, pelo que det(AB) = 0 = detA detB . Para a segunda identidade basta notar que pela definic¸a˜o de matriz invert´ıvel A−1A = In , e da propri- edade anterior temos det(A−1A) = detA−1 detA = 1 , de onde se obte´m o resultado procurado. c.q.d. Problema. Analise a existeˆncia de uma matriz quadrada A , n× n invert´ıvel e tal que AT = −A3 . Resoluc¸a˜o. Das hipo´teses temos detA = (−1)n(detA)3 , i.e. (1− (−1)n(detA)2) detA = 0 . ajplb@mat.uc.pt 24 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica Agora, como detA 6= 0 , conclu´ımos que (detA)2 = (−1)n , i.e. se n e´ par (detA)2 = 1 e se n e´ ı´mpar (detA)2 = −1 ; logo, caso n seja para, detA = ±1 , e caso n seja ı´mpar detA = ±i . Por exemplo, as matrizes A = i 0 0 0 −i 0 0 0 −i e A = [ i 0 0 −i ] satisfazem a condic¸o˜es do enunciado. Note-se que caso n = 3 na˜o existe uma matriz com escalares reais satisfazendo a condic¸a˜o do enunciado. Definic¸a˜o. Seja A = [ ai,j ] uma matriz n × n . Designamos por complemento alge´brico de ai,j a (−1)i,j detAi,j onde Ai,j e´ a matriz que se obte´m de A por supressa˜o da linha i e da coluna j . Teorema de Laplace. O determinante de uma matriz quadrada e´ igual a` soma dos produtos dos elementos de uma coluna (respectivamente, linha) pelos respectivos complementos alge´bricos, i.e. sendo A = [ ai,j ] e denotando por (−1)i+j detAi,j o complemento alge´brico de ai,j para i, j = 1, . . . , n , tem-se detA = n∑ i=1 (−1)i+jai,j detAi,j , j = 1, . . . , n (analogamente para linhas, detA = n∑ j=1 (−1)i+jai,j detAi,j , i = 1, . . . , n ). Demonstrac¸a˜o. Escrevendo a coluna j da matriz A na forma cccj = n∑ i=1 ai,j eeei , onde eeei e´, para cada i = 1, . . . , n , o vector coluna que tem todos os escalares nulos com excepc¸a˜o do que esta´ na posic¸a˜o i que e´ igual a 1 . Desta forma escrevemos A por colunas como[ · · · cccj−1 n∑ i=1 ai,j eeei cccj+1 · · · ] . Aplicando a linearidade do determinante conclu´ımos que, detA = n∑ i=1 det [ · · · cccj−1 ai,j eeei cccj+1 · · · ] = n∑ i=1 ai,j det [ · · · cccj−1 eeei cccj+1 · · · ] . Acaba´mos de expressar o determinante de A em termos de n determinantes das matrizes · · · a1,j−1 0 a1,j+1 · · · ... ... ... · · · ai−1,j−1 0 ai−1,j+1 · · · · · · ai,j−1 1 ai,j+1 · · · · · · ai+1,j−1 0 ai+1,j+1 · · · ... ... ... i = 1, . . . , n. O determinante destas matrizes coincidem a menos de (−1)j com o determinante das matrizes que resultam delas por troca da coluna j sucessivamente com as colunas j − 1 ate´ a` coluna 1 , i.e. com o determinante das matrizes ajplb@mat.uc.pt 25 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica 0 · · · a1,j−1 a1,j+1 · · · ... ... ... 0 · · · ai−1,j−1 ai−1,j+1 · · · 1 · · · ai,j−1 ai,j+1 · · · 0 · · · ai+1,j−1 ai+1,j+1 · · · ... ... ... i = 1, . . . , n. Mais ainda, o determinante destas matrizes coincidem a menos de (−1)i com o determinante das matrizes que resultam delas por troca da linha i sucessivamente com as linhas i− 1 ate´ ate´ a` linha 1 , i.e. com o determinante das matrizes 1 · · · ai,j−1 ai,j+1 · · · 0 · · · a1,j−1 a1,j+1 · · · ... ... ... 0 · · · ai−1,j−1 ai−1,j+1 · · · 0 · · · ai+1,j−1 ai+1,j+1 · · · ... ... ... i = 1, . . . , n. Mas o determinante desta matriz e´ igual ao determinante da matriz que se obte´m da matriz A por supressa˜o da linha i e da coluna j, i.e. podemos escrever detA = n∑ i=1 det [ · · · cccj−1 ai,j eeei cccj+1 · · · ] = n∑ i=1 ai,j(−1)i+j detAi,j . Da mesma forma se demonstra a fo´rmula de ca´lculo do determinante segundo os escalares de uma mesma linha. c.q.d. Exemplos. • Seja A = [ a b c d ] ; detA = a detA1,1 − b detA1,2 = −c detA2,1 + d detA2,2 = a detA1,1 − c detA2,1 = −b detA1,2 + d detA2,2 , onde A1,1 = d , A1,2 = c , A2,1 = b e A2,2 = a , i.e. detA = a d− b c . • Seja A = a b c d e f g h i ; detA = a detA1,1 − b detA1,2 + c detA1,3 onde A1,1 = [ e f h i ] , A1,2 = [ d f g i ] , A1,3 = [ d e g h ] ; e do caso analisado anteriormente temos que detA1,1 = e i− f h , detA1,2 = d i− f g e detA1,3 = d h− g e . Assim, detA = a e i− a f h− b d i+ b f g + c d h− c g e . Observac¸a˜o. No primeiro exemplo, observe-se a posic¸a˜o na matriz A dos escalares (que agora identi- ficamos com 1’s) que aparecem nos produtos duplos da fo´rmula de ca´lculo do determinante, i.e. ajplb@mat.uc.pt 26 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica[ 1 0 0 1 ] ↔ a d e [ 0 1 1 0 ] ↔ b c , cujos determinantes valem, respectivamente 1 e −1 (pois coincidem com a matriz identidade e com a matriz de permutac¸a˜o), que e´ o sinal de a d e b c na fo´rmula do determinante. No segundo exemplo, observe-se a posic¸a˜o na matriz A dos escalares (que agora identificamos com 1’s) que aparecem nos produtos triplos da fo´rmula de ca´lculo do determinante, i.e. 1 0 0 0 0 1 0 1 0 ↔ a f h , 0 1 0 1 0 0 0 0 1 ↔ b d i , 0 0 1 0 1 0 1 0 0 ↔ c g e , cujos determinantes valem −1 1 0 0 0 1 0 0 0 1 ↔ a e i , 0 1 0 0 0 1 1 0 0 ↔ b f g , 0 0 1 1 0 0 0 1 0 ↔ c d h , cujos determinantes valem 1 (pois coincidem com a matriz identidade, ou com matrizes de permutac¸a˜o ou com produtos de matrizes de permutac¸a˜o). Obtemos assim a regra de Sarrus, i.e. detA = (a e i+b f g+d h c)−(c e g+b d i+f h a) . 10-10-2013 | TP. Determinantes de matrizes quadradas: Regra de Cramer. Resoluc¸a˜o de Exerc´ıcios. Definic¸a˜o. Seja A = [ ai,j ] uma matriz n× n . Definimos matriz adjunta como a matriz transposta da matriz dos complementos alge´bricos de A, i.e. adj A = [ (−1)i+j detAi,j ]T = (−1)1+1 detA1,1 · · · (−1)n+1 detA1,n ... ... (−1)1+n detAn,1 · · · (−1)n+n detAn,n T = (−1)1+1 detA1,1 · · · (−1)n+1 detAn,1 ... ... (−1)1+n detA1,n · · · (−1)n+n detAn,n . Como consequeˆncia directa do teorema de Laplace temos: Fo´rmula expl´ıcita para o ca´lculo da inversa de uma matriz invert´ıvel. Seja A uma matriz quadrada invert´ıvel. Enta˜o A−1 = (detA)−1 adj A . Indicac¸a˜o. Basta notar que n∑ k=1 (−1)k+jak,i detAk,j = (detA) δi,j , j = 1, . . . , n, onde δi,j e´ a delta de Kronecker. De facto, n∑ k=1 (−1)k+jak,i detAk,j = det [ · · · ci · · · ci · · · ] ; e, portanto, (adj A)A = (detA)In . i j Aplicac¸a˜o a` resoluc¸a˜o de sistemas (Regra de Cramer). Seja A = [ ai,j ] uma matriz n × n e bbb = [ bi ] um vector n×1 . O sistema Axxx = bbb diz-se de Cramer se a matriz do sistema, A , for invert´ıvel. ajplb@mat.uc.pt 27 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica Um sistema de Cramer tem soluc¸a˜o u´nica xxx = [ x1 · · · xn ]T dada por xj = δj/(detA) , onde δj e´ para cada j = 1, . . . , n, o determinante da matriz que se obte´m de A por substituic¸a˜o da coluna j (de A) pelo vector bbb , i.e. xj = det [ · · · cccj−1 bbb cccj+1 · · · ] /detA , j = 1, . . . , n . Indicac¸a˜o. Basta notar que (adj A)bbb = [ n∑ i=1 (−1)i+j(detAi,j) bi ] e (adj A)A = (detA) In . Pelo que, do teorema de Laplace, obtemos que n∑ i=1 (−1)i+j(detAi,j) bi = det [ · · · cccj−1 bbb cccj+1 · · · ] . Assim, (detA) bj = det [ · · · cccj−1 bbb cccj+1 · · · ] , j = 1, . . . , n . c.q.d. Problemas. Determinar a soluc¸a˜o do sistema de equac¸o˜es lineares 2x+ y − 3 z = 1 , −x+ 5 y + z = 4 , 3x− 2 y − 4 z = −1 . Resoluc¸a˜o. Em notac¸a˜o matricial o sistema dado leˆ-se Axxx = bbb , com A = 2 1 −3 −1 5 1 3 −2 −4 e bbb = 1 4 −1 e xxx = x y z . Como detA = 2 , sabemos que A e´ invert´ıvel, pelo que o sistema dado e´ de Cramer. Mais ainda, A−1 = 1 detA |A1,1| −|A1,2| |A1,3| −|A2,1| |A2,2| −|A2,3| |A3,1| −|A3,2| |A3,3| T , com |A1,1| = −18 , |A1,2| = 1 , |A1,3| = −13 , |A2,1| = −10 , |A2,2| = 1 , |A2,3| = −7 , |A3,1| = 16 , |A3,2| = −1 , |A3,3| = 11 ; e, portanto, A−1 = 1 2 −18 10 16 −1 1 1 −13 7 11 , pelo que xxx = A−1 bbb = 3 1 2 . Aplicando directamente a regra de Cramer temos: x = ∣∣∣∣∣∣∣∣ 1 1 −3 4 5 1 −1 −2 −4 ∣∣∣∣∣∣∣∣ detA = 6 2 = 3 , y = ∣∣∣∣∣∣∣∣ 2 1 −3 −1 4 1 3 −1 −4 ∣∣∣∣∣∣∣∣ detA = 2 2 = 1 , z = ∣∣∣∣∣∣∣∣ 2 1 1 −1 5 4 3 −2 −1 ∣∣∣∣∣∣∣∣ detA = 4 2 = 2 . Resoluc¸a˜o do problema 83. a) ∣∣∣∣∣ 1 3−2 4 ∣∣∣∣∣ = 1 4− 3 (−2) = 10 ; f) ∣∣∣∣∣∣∣∣ 2 1 3 1 0 2 1 4 2 ∣∣∣∣∣∣∣∣ = (2 + 12)− (16 + 2) = 4 ; k) ∣∣∣∣∣∣∣∣∣∣ a 0 0 0 0 0 0 b 0 c 0 0 0 0 d 0 ∣∣∣∣∣∣∣∣∣∣ c3↔c4= − ∣∣∣∣∣∣∣∣∣∣ a 0 0 0 0 0 b 0 0 c 0 0 0 0 0 d ∣∣∣∣∣∣∣∣∣∣ c2↔c3= ∣∣∣∣∣∣∣∣∣∣ a 0 0 0 0 b 0 0 0 0 c 0 0 0 0 d ∣∣∣∣∣∣∣∣∣∣ = a b c d ; ajplb@mat.uc.pt 28 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica l) ∣∣∣∣∣∣∣∣∣∣ 0 1 0 0 1 0 1 0 0 1 0 1 0 0 1 0 ∣∣∣∣∣∣∣∣∣∣ `1↔`2= − ∣∣∣∣∣∣∣∣∣∣ 1 0 1 0 0 1 0 0 0 1 0 1 0 0 1 0 ∣∣∣∣∣∣∣∣∣∣ `3↔`4= ∣∣∣∣∣∣∣∣∣∣ 1 0 1 0 0 1 0 0 0 0 1 0 0 1 0 1 ∣∣∣∣∣∣∣∣∣∣ −`2+`4= ∣∣∣∣∣∣∣∣∣∣ 1 0 1 0 0 1 0 0 0 0 1 0 0 0 0 1 ∣∣∣∣∣∣∣∣∣∣ = 1 . 15-10-2013 | T. Resoluc¸a˜o dos problemas 64, 93 e 96 do caderno de exerc´ıcios. Resoluc¸a˜o do problema 64. Pode ver-se que o determinante da matriz do sistema A = [ i 1 + i 1− i −6 + i ] e´ igual a −3− 6 i , logo A e´ invert´ıvel e A−1 = [ (4− 13 i)/15 (3− i)/15 −(1 + 3i)/15 −(2 + i)/15 ] , pelo que a soluc¸a˜o do sistema vem dada por A−1 bbb = [ (4− 13 i)/15 (3− i)/15 −(1 + 3i)/15 −(2 + i)/15 ] [ 3 + i 4 ] = [ (37− 39 i)/15 −(8 + 14i)/15 ] . Outro processo: A partir do momento que verifica´mos que a matriz do sistema, A , e´ invert´ıvel, podemos aplicar directamente a Regra de Cramer para resolver o sistema dado, obtendo-se z = ∣∣∣∣∣3 + i 1 + i4 −6 + i ] detA = −23− 7 i −3− 6 i e w = ∣∣∣∣∣ i 3 + i1− i 4 ] detA = −4 + 6 i −3− 6 i , que e´ a soluc¸a˜o do sistema (confirmar). Podemos ainda, como processo alternativo determinar a decomposic¸a˜o LU da matriz A :[ i 1 + i 1− i −6 + i ] → (1 + i)`1 + `2 [ i 1 + i 0 −6 + 3 i ] , i.e. A = [ 1 0 −(1 + i) 1 ] [ i 1 + i 0 −6 + 3 i ] . Agora, temos somente que resolver o seguinte sistema em escada (exerc´ıcio),[ i 1 + i 0 −6 + 3 i ] [ z w ] = [ 1 0 −(1 + i) 1 ]−1 [ 3 + i 4 ] = [ 1 0 1 + i 1 ] [ 3 + i 4 ] = [ 3 + i 6 + 4 i ] . Resoluc¸a˜o do problema 93. Seja A = 1 1 α 1 α 1 α 1 1 , e calculemos o seu determinante, i.e. detA = −2 + 3α−α3 = −(α− 1)2(α+ 2) . Assim, se a ∈ R \ {−2, 1} a matriz A e´ invert´ıvel. Mais ainda, para α 6= −2, 1 , a sua inversa vem dada por A−1 = 1 detA |A1,1| −|A1,2| |A1,3| −|A2,1| |A2,2| −|A2,3| |A3,1| −|A3,2| |A3,3| T , com |A1,1| = α−1 , |A1,2| = 1−α , |A1,3| = 1−α2 , |A2,1| = 1−α , |A2,2| = 1−α2 , |A2,3| = 1−α , |A3,1| = 1−α2 , |A3,2| = 1−α , |A3,3| = α−1 ; e, portanto, A−1 = − 1 (α− 1)2(α + 2) α− 1 α− 1 1− α2 α− 1 1− α2 α− 1 1− α2 α− 1 α− 1 . Resoluc¸a˜o do problema 96. Como A = T B T−1 e det(T B T−1) = detT det(B T−1) = detT detB detT−1 = detT detB (detT )−1 obtemos detA = detB . ajplb@mat.uc.pt 29 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica 17-10-2013 | T. Espac¸o vectorial. Exemplos. Sub-espac¸o vectorial. Exemplos. Conceito de Espac¸o Vectorial. Seja V um conjunto dado cujos elementos sera˜o designados por vecto- res. Consideremos tambe´m o conjunto K (que sera´ sempre R ou C ) cujos elementos sera˜o designados por escalares. Diremos que V e´ um espac¸o vectorial sobre K se as operac¸o˜es soma e produto por um escalar, satisfazem as seguintes propriedades, para todo o ~u,~v, ~w ∈ V , α, β ∈ K : +++ : V× V→ V ... : K× V→ V 1. (~u+++ ~v) +++ ~w = ~u+++ (~v+++ ~w) ; 2. ∃~0 : ~u+++~0 = ~0 +++ ~u = ~u ; 3. ∃ − ~u : ~u+++ (−~u) = (−~u) +++ ~u = ~0 ; 4. ~u+++ ~v = ~u+++ ~v; a) (α + β) ... ~u = α... ~u+++ β ... ~u ; b) α... (~u+++ ~v) = α... ~u+++ β ... ~v ; c) α(β ... ~u) = (αβ) ... ~u ; d) 1 ... ~u = ~u . Observac¸a˜o. Caso K seja C o espac¸o vectorial V diz-se complexo; e caso K = R , V diz-se um espac¸o vectorial real. No que se segue vamos aligeirar a notac¸a˜o e denotar os vectores de ~u de V por uuu . Exemplos. Ale´m dos espac¸os Kn , ou mesmo Mm,n(K) com K = R ou C que nos serviram como modelo (cf. aula T | 19-09-2013 em Propriedades das operac¸o˜es com matrizes) conve´m citar os seguintes exemplos de espac¸os vectoriais: • O conjunto das func¸o˜es definidas num mesmo conjunto D com valores em K , que denotamos por F(D,K) , com as operac¸o˜es adic¸a˜o de func¸o˜es e produto de uma func¸a˜o por um escalar, i.e. +++ : F(D,K)×F(D,K)→ F(D,K) sendo f+++g a func¸a˜o definida em D por (f+g)(x) = f(x)+g(x); ... : K× F(D,K)→ F(D,K) sendo α... f a func¸a˜o definida em D por (α... f)(x) = α f(x) . • O conjunto dos polino´mios com coeficientes em K na varia´vel x, que denotaremos por P[x] e´ um espac¸o vectorial sobre K , relativamente a`s operac¸a˜o usuais de soma de polino´mios e do produto de um escalar por um polino´mio. Definic¸a˜o. Seja V um espac¸o vectorial sobre K e seja U um subconjunto de V . Dizemos que U e´ um sub-espac¸o vectorial de V se as operac¸o˜es sobre V estiverem bem definidas sobre U ; e, portanto, U e´ tambe´m um espac¸o vectorial sobre K . Teorema de caracterizac¸a˜o. U e´ um sub-espac¸o vectorial do espac¸o vectorial V se, e somente se, sendo ∅ 6= U ⊂ V se tem uuu+++ vvv ∈ U e α...uuu ∈ U , para todo o uuu,vvv ∈ U e α ∈ K . Propriedade (*) Observac¸a˜o. As condic¸o˜es anteriores de caracaterizac¸a˜o de um sub-espac¸o podem ser substituidas por α...uuu+++ β ... vvv ∈ U , uuu,vvv ∈ U e α, β ∈ K , Propriedade (**) i.e. as combinac¸o˜es lineares dos vectores de U esta˜o em U . ajplb@mat.uc.pt 30 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica Demonstrac¸a˜o. Na˜o vamos demonstrar que a carcaterizac¸a˜o de sub-espac¸os mas somente indicar que o enunciado na observac¸a˜o e´ natural. De facto, se se verificam as condic¸o˜es (*) enta˜o α...uuu ∈ U e β ... vvv ∈ U , pelo que de (*) temos que α...uuu+++ β ... vvv ∈ U . Agora, se (**) se tem, enta˜o, tomando α = β = 1 , por um lado e β = 0 por outro obtemos (*). c.q.d. Observac¸a˜o. O vector nulo, 000 , pertence a todos os sub-espac¸os vectoriais de um dado espac¸o vecto- rial V . Ale´m disso, o espac¸o vectorial V tem como sub-espac¸os V e {000} . Os demais sub-espac¸os de V dizem-se pro´prios. Exemplos. 1. O conjunto U = {(x, y, z) ∈ R3 : 3x− 2 y + 4 z = 0} e´ um sub-espac¸o vectorial de R3 . (Basta verificar que o vector nulo de R3 esta´ em U e que toda a combinac¸a˜o linear de vectores de U e´ ainda um vector de U .) 2. O conjunto dos polino´mios complexos cujo grau e´ menor do que ou igual a 5, P5[x] , e´ um sub- -espac¸o vectorial de P[x] . (Basta justificar que o polino´mio zero esta´ em P5[x] e que toda a soma alge´brica de polino´mios de grau menor do que, ou igual a, 5 e´ ainda um polino´mio de P5[x] .) 3. O conjunto das matrizes 7×7 de escalares reais e sime´tricas, e´ um sub-espac¸o vectorial de M7(R) . (Basta verificar que a matriz nula 7 × 7 e´ sime´trica, que a soma de matrizes sime´tricas e´ ainda uma matriz sime´trica e que o produto de uma matriz sime´trica por um escalar e´ tambe´m uma matriz sime´trica.) 17-10-2013 | TP. Sub-espac¸o linear gerado por um conjunto de vectores. Resoluc¸a˜o do problema 99 do caderno de exerc´ıcios. Intersecc¸a˜o de sub-espac¸os. A intersec¸a˜o de sub-espac¸os de um mesmo espac¸o vectorial V e´ ainda um sub-espac¸o vectorial de V . Demonstrac¸a˜o. Designemos por U a intersecc¸a˜o dos sub-espac¸os Uj , j = 1, 2 . Note-se que o vector nulo pertence a cada um destes sub-espac¸os Uj , pelo que tambe´m pertence a U ; logo U 6= ∅ . Tomem-se agora uuu,vvv quaisquer vectores em U e α, β ∈ K , enta˜o por hipo´tese (U1,U1 , sa˜o sub-espac¸os) α...uuu+++ β ... vvv ∈ Uj , j = 1, 2; logo α...uuu+++ β ... vvv ∈ U1 ∩ U2 = U . c.q.d. Observac¸a˜o. A unia˜o de sub-espac¸os de um mesmo espac¸o vectorial V na˜o e´, em geral, um sub-espac¸o vectorial de V . Por exemplo, considere os seguintes sub-espac¸os vectoriais de R2 U1 = {(x, 0) : x ∈ R} e U2 = {(0, y) : y ∈ R} . (verificar que sa˜o sub-espac¸os vectoriais) Justificac¸a˜o. Basta notar que o vector soma dos vectores (1, 0) ∈ U1 e (0, 1) ∈ U2 , (logo pertencem a U1 ∪ U2 ), e´ o vector (1, 1) = (1, 0) + (0, 1) que na˜o pertence a U1 ∪ U2 . ajplb@mat.uc.pt 31 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica Definic¸a˜o. Seja V um espac¸o vectorial sobre K ; seja S = {uuu1, . . . ,uuun} um conjunto de vectores de V . Designam-se por combinac¸o˜es lineares de vectores de S os vectores vvv = α1 ...uuu1 +++ · · ·+++ αn ...uuun , onde αj ∈ K , j = 1, . . . , n . Exemplos. Considere os vectores aaa = (1, 0, 1) , bbb = (0, 1, 1) e ccc = (1, 1, 2) . Verifique que L({aaa, bbb, ccc}) = {α...aaa+++ β ... bbb+++ γ ... ccc , α, β, γ ∈ R} e´ um sub-espac¸o vectorial de R3 , e identifique-o. Resoluc¸a˜o. O vector nulo pertence ao espac¸o; para tal basta tomar α = β = γ = 0 . Considere agora os vectores arbitra´rios uuu,vvv ∈ L({aaa, bbb, ccc}) , i.e. ∃αj, βj, γj ∈ R , com j = 1, 2 tais que uuu = α1 ... aaa+++ β1 ... bbb+++ γ1 ... ccc = (α1 + γ1 , β1 + γ1 , α1 + β1 + 2γ1 ) e vvv = α2 ... aaa+++ β2 ... bbb+++ γ2 ... ccc = (α2 + γ2 , β2 + γ2 , α2 + β2 + 2γ2 ) . Enta˜o para todo o α, β ∈ R temos α...uuu+++ β ... vvv = (αα1 + βα2) ... aaa+ (αβ1 + ββ2) ... bbb+ (αγ1 + βγ2) ... ccc ; logo α...uuu+++ β ... vvv ∈ L({aaa, bbb, ccc}) . Vamos passar a` identificac¸a˜o do sub-espac¸o L({aaa, bbb, ccc}) , i.e. que propriedade intr´ınseca e´ satisfeita pelos vectores que o compo˜em. Vimos ja´ que uuu ∈ L({aaa, bbb, ccc}) , se existem escalares α, β, γ ∈ R tais que uuu = (u1, u2, u3) := α...aaa+++ β ... bbb+++ γ ... ccc = (α + γ , β + γ , α + β + 2γ) . Em notac¸a˜o matricial este identidade leˆ-se: 1 0 1 0 1 1 1 1 2 α β γ = u1 u2 u3 , que sabemos ser um sistema poss´ıvel (pois, por definic¸a˜o de L({aaa, bbb, ccc}) , sabemos que existem para cada uuu ∈ L({aaa, bbb, ccc}) escalares α, β, γ ∈ R tais que uuu = α...aaa+++ β ... bbb+++ γ ... ccc ). Discutindo o sistema obtemos 1 0 1 u1 0 1 1 u2 1 1 2 u3 → −`1 + `3 1 0 1 u1 0 1 1 u2 0 1 1 u3 − u1 → −`2 + `3 1 0 1 u1 0 1 1 u2 0 0 0 u3 − u1 − u2 ; logo u3−u1−u2 = 0 , e´ a condic¸a˜o procurada, i.e. L({aaa, bbb, ccc}) = {uuu := (u1, u2, u3) ∈ R3 : u3 = u1 +u2} . Teorema. O conjunto de todas as combinac¸o˜es lineares de vectores de S e´ um sub-espac¸o vectorial de V , que se designa por espac¸o vectorial gerado por S , que denotaremos por L(S) , i.e. L(S) = {α1 ...uuu1 +++ · · ·+++ αn ...uuun : αj ∈ K , j = 1, . . . , n} . Ale´m disso, L(S) e´ o menor, no sentido da inclusa˜o, sub-espac¸o de V que conte´m S . Demonstrac¸a˜o. Confirmemos primeiro que L(S) se trata de um sub-espac¸o vectorial, i.e. L(S) 6= ∅ e que α...uuu+ β ... vvv ∈ L(S) sempre que uuu,vvv ∈ L(S) , α, β ∈ K . De facto, por definic¸a˜o uuu,vvv ∈ L(S) ≡ ∃αj, βj ∈ K : uuu = n∑ j=1 αj ...uuuj e vvv = n∑ j=1 βj ...uuuj ; logo α...uuu+++β ... vvv = n∑ j=1 (ααj+β βj) ...uuuj ; pelo que α...uuu+++ β ... vvv ∈ L(S) . Por outro lado, todo o sub-espac¸o que contenha S tera´ de conter todas as combinac¸o˜es lineares de vectores de S , logo tera´ de conter L(S) . Como por, definic¸a˜o, L(S) e´ um sub-espac¸o vectorial que conte´m S , conclu´ımos que L(S) e´ o menor sub-espac¸o que conte´m S . c.q.d. ajplb@mat.uc.pt 32 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica Resoluc¸a˜o do problema 99. a) Comece por verificar que o vector (0, 0, 0, 0) esta´ em U = {(x1, x2, x3, x4) ∈ R4 : x1 = −x2 , x3 = x4} ; mais ainda, a soma de dois vectores uuu := (u1, u2, u3, u4) e vvv := (v1, v2, v3, v4) de U e´ um vector de U , pois u1 + v1 = −(u2 + v2) e u3 + v3 = u4 + v4 ; e tambe´m para todo o escalar real α se tem que αuuu ∈ U , pois αu1 = −αu2 e tambe´m αu3 = αu4 . b) Na˜o e´ um sub-espac¸o vectorial real pois tomando α = 1/2 e (1, 0,−1, 1) ∈ U = {(x1, x2, x3, x4) ∈ R4 : x1 + x2 + x3 = 0 , x4 inteiro} temos que o vector (1/2, 0,−1/2, 1/2) 6∈ U . c) Trata-se de um sub-espac¸o vectorial de R4 (verificar). d) Na˜o e´ sub-espac¸o pois (0, 0, 0, 0) 6∈ U = {(x1, x2, x3, x4) ∈ R4 : x1 + x2 + x3 + x4 = 1} . e) Comecemos por notar que x1 x2 = 0 se, e somente se, x1 = 0 ou x2 = 0 ; assim U = {(x1, x2, x3, x4) ∈ R4 : x3 = x4 = 0 , x1 = 0 ou x2 = 0} = {(x1, 0, 0, 0), x1 ∈ R} ∪ {(0, x2, 0, 0), x2 ∈ R} . Veˆ-se facilmente, que o vector (1, 1, 0, 0) = (1, 0, 0, 0) + (0, 1, 0, 0) , na˜o esta´ em U no entanto (1, 0, 0, 0) , (0, 1, 0, 0) ∈ U . f) Comecemos por identificar U = {(x1, x2, x3, x4) ∈ R4 : x21 = x23} como a unia˜o dos sub-espac¸os U1 = {(x1, x2, x3, x4) ∈ R4 : x1 = x3} e U2 = {(x1, x2, x3, x4) ∈ R4 : x1 = −x3} , i.e. U = U1 ∪ U2 . Verifique que o vector soma dos vectores (0, 0, 1, 1) e (0, 0, 1,−1) de U, i.e. o vector (0, 0, 1, 0) na˜o esta´ em U . 22-10-2013 | T. Conjuntos equivalentes de vectores. Soma de sub-espac¸os vectoriais. Dependeˆncia e independeˆncia linear. Definic¸a˜o. Sejam S = {uuu1, . . . ,uuup} e T = {vvv1, . . . , vvvq} dois conjuntos de vectores num mesmo espac¸o vectorial V . Dizemos que os conjuntos S e T sa˜o equivalentes se geram o mesmo sub-espac¸o, i.e. L(S) = L(T ) , ou ainda, todo o vector de qualquer dos conjuntos S ou T se escreve como combinac¸a˜o linear dos vectores do outro (conjunto). Esta relac¸a˜o entre conjuntos de vectores e´ de equivaleˆncia, i.e. e´ reflexiva, sime´trica e transitiva. Exemplo. Mostre que os conjuntos {aaa, bbb, ccc} , definido na aula TP | 17-10-2013, e {uuu,vvv} , com uuu = (2, 1, 3) , vvv = (1, 2, 3) , sa˜o equivalentes. Basta verificar que existem αj, βj, γj ∈ R , com j = 1, 2 tais que uuu = α1 aaa + β1 bbb + γ1 ccc e vvv = α2 aaa + β2 bbb + γ2 ccc . De facto, tomando α1 = γ1 = 1 , β1 = 0 , e α2 = 1 , β2 = 2 , γ2 = 0 obtemos as identidades procuradas. Outro processo: Podemos identificar o sub-espac¸o gerado pelo conjunto {uuu,vvv} , i.e. L({uuu,vvv}) = {www := (w1, w2, w3) := αuuu + β vvv , α, β ∈ R} ; logo o sistema de equac¸o˜es lineares 2α + β = w1 , α + 2β = w2 , ajplb@mat.uc.pt 33 A´lgebra Linear e Geometria Anal´ıtica Licenciaturas em F´ısica e Engenharia F´ısica 3α+3β = w3 , e´ poss´ıvel (em α, β, γ ); donde se conclui, somando as duas primeiras equac¸o˜es a` sime´trica da terceira, que w3 = w1 + w2 , i.e. L({uuu,vvv}) = {(w1, w2, w3) ∈ R3 : w3 = w1 + w2} = L({aaa, bbb, ccc}) . Soma de sub-espac¸os vectoriais. Sejam U1,U1 sub-espac¸os vectoriais de um mesmo espac¸o vecto- rial V . Definimos o conjunto soma de U1 com U2 , como U1 +++ U2 = {uuu1 + uuu2 , uuu1 ∈ U1,uuu2 ∈ U2} . Este conjunto e´ um sub-espac¸o vectorial de V . Ale´m disso, e´ o menor, no sentido da inclusa˜o, sub-espac¸o de V que conte´m U1,U2 . Demonstrac¸a˜o. O conjunto U1 +++U2 e´ um sub-espac¸o de V pois considerando uuu,vvv ∈ U1 +++U2 existem uuu1, vvv1 ∈ U1 e uuu2, vvv2 ∈ U2 tais que uuu = uuu1 +uuu2 e vvv = vvv1 +vvv2 . Assim, uuu+vvv = (uuu1 +vvv1) + (uuu2 +vvv2) com uuu1 + vvv1 ∈ U1 (pois U1 e´ sub-espac¸o vectorial) e uuu2 + vvv2 ∈ U2 (pois U2 e´ sub-espac¸o vectorial); logo uuu + vvv ∈ U1 +++ U2 . Mais ainda, sendo α um escalar, temos αuuu = αuuu1 + αuuu2 ∈ U1 +++ U2 (isto porque αuuu1 ∈ U1 , pois U1 e´ sub-espac¸o vectorial, e αuuu2 ∈ U2 , pois U2 e´ sub-espac¸o vectorial). Analisemos agora a u´ltima afirmac¸a˜o. Todo o vector uuu1 ∈ U1 esta´ em U1 +++ U2 , pois como o vector nulo esta´ em U2 , temos que uuu1 = uuu1 +000 ∈ U1 +++U2
Compartilhar