Baixe o app para aproveitar ainda mais
Prévia do material em texto
A´lgebra Linear Um Texto para Universita´rios Pla´cido Francisco de Assis Andrade Universidade Federal do Ceara´ Centro de Cieˆncias Departamento de Matema´tica 16 de fevereiro de 2007 i Prefa´cio Este texto foi redigido para atender aos diversos Cursos oferecidos pela Universidade Federal do Ceara´ que possuem na sua integralizac¸a˜o a disciplina semestral Introduc¸a˜o a` A´lgebra Linear. Ela e´ ministrada por professores do Departamento de Matema´tica. Embora na˜o seja necessa´rio, para facilitar a leitura do texto, o aluno pre- cisara´ de um conhecimento mı´nimo de Geometria Anal´ıtica e determinantes. Os to´picos estudados no Ensino Me´dio sa˜o mais do que suficientes. O ritmo da apresentac¸a˜o esta´ baseado na experieˆncia de sala de aula e a redac¸a˜o levou em conta o estudante. Por isso, em alguns momentos, um leitor mais familiarizado com A´lgebra Linear pode considerar o texto lento e simples. Na˜o e´ o caso do leitor iniciante. A elegaˆncia no desenvolvimento dos to´picos de A´lgebra Linear esconde diversos conceitos aparentemente d´ıspares, tornando seu estudo uma descoberta constante para aqueles que nunca tiveram a oportunidade de conheceˆ-la sistematicamente. A grande dificuldade de uma apresentac¸a˜o de A´lgebra Linear para estu- dantes do primeiro ano dos cursos de graduac¸a˜o e´ o uso dos conceitos pro´prios dessa disciplina por diversas outras, tais como, Ca´lculo, de uma ou mais varia´veis, Ca´lculo Vetorial, Mecaˆnica, Eletricidade, Equac¸o˜es Diferenciais, Es- tat´ıstica, etc. Em geral, numa integralizac¸a˜o curricular essas disciplinas sa˜o colocadas posteriores a` A´lgebra Linear, como e´ natural e conveniente. Por- tanto, a beleza de seu uso fica prejudicada, pois as aplicac¸o˜es ainda na˜o esta˜o ao alcance da compreensa˜o imediata do estudante nem existe tempo curricular para reconstru´ı-las. Procurando contornar essa dificuldade, optamos por colocar a A´lgebra Lin- ear como uma disciplina de transic¸a˜o entre a Matema´tica do Ensino Me´dio e a Matema´tica do Ensino Superior. Por isso, o texto procura relacionar os novos conceito com aqueles da Geometria Anal´ıtica, conteu´do ja´ familiar ao estudante calouro. Para evitar repetic¸o˜es, a Geometria Anal´ıtica tera´ um tratamento ve- torial. Pla´cido Francisco de Assis Andrade andrade@mat.ufc.br Fortaleza, 17 de julho de 2006 ii Suma´rio 1 O espac¸o vetorial Rn 1 1.1 O conjunto Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 O espac¸o vetorial Rn . . . . . . . . . . . . . . . . . . . . . . . . 5 1.3 Combinac¸a˜o linear e base canoˆnica . . . . . . . . . . . . . . . . 10 1.4 Outras bases de Rn . . . . . . . . . . . . . . . . . . . . . . . . . 14 1.5 Exemplos de espac¸os vetoriais* . . . . . . . . . . . . . . . . . . 19 1.6 Respostas e sugesto˜es . . . . . . . . . . . . . . . . . . . . . . . . 21 2 Combinac¸a˜o linear 23 2.1 Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 2.2 Matrizes invert´ıveis . . . . . . . . . . . . . . . . . . . . . . . . . 30 2.3 Regra de Cramer (prova) . . . . . . . . . . . . . . . . . . . . . . 34 2.4 Combinac¸a˜o linear e determinante . . . . . . . . . . . . . . . . . 37 2.5 Combinac¸a˜o linear e sistema linear . . . . . . . . . . . . . . . . 41 2.6 Escalonamento e inversa˜o . . . . . . . . . . . . . . . . . . . . . 48 2.7 Respostas e sugesto˜es . . . . . . . . . . . . . . . . . . . . . . . . 53 3 Geometria Anal´ıtica 57 3.1 A´rea de paralelogramo em E2 . . . . . . . . . . . . . . . . . . . 57 3.2 Volume de paralelep´ıpedo em E3 . . . . . . . . . . . . . . . . . . 60 3.3 Retas em E2 (I) . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 3.4 Planos em E3 (I) . . . . . . . . . . . . . . . . . . . . . . . . . . 63 3.5 Retas em E3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64 3.6 Sistema linear e Geometria . . . . . . . . . . . . . . . . . . . . . 66 3.7 Respostas e sugesto˜es . . . . . . . . . . . . . . . . . . . . . . . . 70 iii iv SUMA´RIO 4 Produto interno 72 4.1 Produto interno . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 4.2 Norma de um vetor . . . . . . . . . . . . . . . . . . . . . . . . . 74 4.3 Aˆngulo entre dois vetores . . . . . . . . . . . . . . . . . . . . . . 79 4.4 Retas em E2 (II) . . . . . . . . . . . . . . . . . . . . . . . . . . 82 4.5 Planos em E3 (II) . . . . . . . . . . . . . . . . . . . . . . . . . . 84 4.6 Produto vetorial em R3 . . . . . . . . . . . . . . . . . . . . . . . 86 4.7 Respostas e sugesto˜es . . . . . . . . . . . . . . . . . . . . . . . . 92 5 Subespac¸o vetorial 95 5.1 Subespac¸o e sistema linear . . . . . . . . . . . . . . . . . . . . . 95 5.2 Subespac¸o e combinac¸a˜o linear . . . . . . . . . . . . . . . . . . . 99 5.3 O subespac¸o [[v1, v2, ..., vk]] . . . . . . . . . . . . . . . . . . . . . 103 5.4 Geradores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 5.5 Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114 5.6 Dimensa˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 5.7 Base e produto interno . . . . . . . . . . . . . . . . . . . . . . . 122 5.8 Respostas e sugesto˜es . . . . . . . . . . . . . . . . . . . . . . . . 128 6 Transformac¸o˜es lineares 132 6.1 Transformac¸o˜es lineares . . . . . . . . . . . . . . . . . . . . . . 132 6.2 Nu´cleo, imagem e sistema linear . . . . . . . . . . . . . . . . . . 136 6.3 Matriz de uma transformac¸a˜o linear . . . . . . . . . . . . . . . . 142 6.4 Teorema do nu´cleo e da imagem . . . . . . . . . . . . . . . . . . 147 6.5 Operac¸o˜es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152 6.6 Respostas e sugesto˜es . . . . . . . . . . . . . . . . . . . . . . . . 155 7 Operadores lineares 160 7.1 Isomorfismos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160 7.2 Aplicac¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168 7.3 Autovalor e Autovetor . . . . . . . . . . . . . . . . . . . . . . . 172 7.4 Respostas e sugesto˜es . . . . . . . . . . . . . . . . . . . . . . . . 180 8 Operadores e produto interno 185 8.1 Operador transposto . . . . . . . . . . . . . . . . . . . . . . . . 185 8.2 Operadores normais . . . . . . . . . . . . . . . . . . . . . . . . . 188 8.3 Operadores sime´tricos . . . . . . . . . . . . . . . . . . . . . . . 192 8.4 Operadores ortogonais I . . . . . . . . . . . . . . . . . . . . . . 197 SUMA´RIO v 8.5 Operadores ortogonais e geometria . . . . . . . . . . . . . . . . 202 8.6 Operadores ortogonais II* . . . . . . . . . . . . . . . . . . . . . 206 8.7 Classificac¸a˜o das isometrias* . . . . . . . . . . . . . . . . . . . . 208 8.8 Respostas e sugesto˜es . . . . . . . . . . . . . . . . . . . . . . . . 211 9 Formas bilineares 217 9.1 Funcionais lineares . . . . . . . . . . . . . . . . . . . . . . . . . 217 9.2 Formas bilineares . . . . . . . . . . . . . . . . . . . . . . . . . . 219 9.3 Formas bilineares sime´tricas . . . . . . . . . . . . . . . . . . . . 224 9.4 Forma quadra´tica . . . . . . . . . . . . . . . . . . . . . . . . . . 226 9.5 Respostas e sugesto˜es . . . . . . . . . . . . . . . . . . . . . . . . 229 10 Representac¸a˜o matricial 232 10.1 Representac¸a˜o de vetores . . . . . . . . . . . . . . . . . . . . . . 232 10.2 Representac¸a˜o de transformac¸o˜es . . . . . . . . . . . . . . . . . 235 10.3 Algoritmos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240 10.4 Mudanc¸a de coordenadas . . . . . . . . . . . . . . . . . . . . . . 244 10.5 Representac¸a˜o de operadores . . . . . . . . . . . . . . . . . . . . 249 10.6 Diagonalizac¸a˜o de operadores . . . . . . . . . . . . . . . . . . . 255 10.7 Diagonalizac¸a˜o de formas quadra´ticas . . . . . . . . . . . . . . . 261 10.8 Respostas e sugesto˜es . . . . . . . . . . . . . . . . . . . . . . . . 263 11 Coˆnicas e Qua´dricas 273 11.1 Coˆnicas I . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . 273 11.2 Coˆnicas II . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280 11.3 Qua´dricas I . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285 11.4 Qua´dricas II . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289 11.5 Leitura complementar . . . . . . . . . . . . . . . . . . . . . . . 293 11.6 Respostas e sugesto˜es . . . . . . . . . . . . . . . . . . . . . . . . 294 12 Matrizes 298 12.1 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298 12.2 Matrizes quadradas . . . . . . . . . . . . . . . . . . . . . . . . . 301 13 Determinantes 305 13.1 Definic¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305 13.2 Existeˆncia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306 13.3 Unicidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308 vi SUMA´RIO 13.4 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310 13.5 Adjunta cla´ssica . . . . . . . . . . . . . . . . . . . . . . . . . . . 312 Cap´ıtulo 1 O espac¸o vetorial Rn Este cap´ıtulo tem dois objetivos. Primeiro, apresentar o espac¸o vetorial Rn, um conjunto alge´brico. Segundo, relacionar o plano Euclidiano e o espac¸o Eucli- dano com os conjuntos alge´bricos, R2 e R3, respectivamente. Isso estabelecera´ uma ponte entre os novos conceitos com aqueles conhecimentos adqu¨iridos pelo leitor desde o Ensino Me´dio. Ressaltamos que iremos discorrer sobre treˆs ob- jetos, um deles alge´brico, o Rn, enquanto os outros dois sera˜o geome´tricos, o plano e o espac¸o, conceitos na˜o definidos. Um quarto objeto, a figura desen- hada no papel, serve apenas para organizar as ide´ias. Neste texto, os termos func¸a˜o e aplicac¸a˜o possuem o mesmo significado. 1.1 O conjunto Rn Denota-se por Rn o conjunto das n-uplas ordenadas de nu´meros reais, qual seja, Rn = {(x1, x2, ..., xn); xi ∈ R para todo inteiro i, 1 ≤ i ≤ n}. Os elementos deste conjunto sa˜o chamados de pontos e, por simplicidade, muitas vezes indicaremos por v um ponto de Rn, portanto, essa notac¸a˜o esta´ registrando que v = (x1, x2, ..., xn). Num primeiro momento, esses sa˜o os conjuntos para os quais voltaremos nosso interesse. Dados dois pontos v = (x1, x2, ..., xn) e w = (y1, y2, ..., yn), diremos que v = w se, e somente se, xi = yi para todo i = 1, 2, ..., n. Para organizar a escrita utilizaremos letras minu´sculas para indicar os pontos de Rn. Por 1 2 CAPI´TULO 1. O ESPAC¸O VETORIAL RN exemplo, ao escrevermos z = (z1, z2, ..., zn) estaremos indicando um ponto do Rn. A notac¸a˜o Z(z1, z2, ..., zn) sera´ apresentada logo a seguir e denotrara´ outro objeto. A maior parte do texto estara´ relacionada com os conjunto R2 e R3, por isso, reservaremos uma notac¸a˜o especial para indicar seus elementos. Para o primeiro conjunto, muitas vezes, indicaremos um par ordenado por v = (x, y) e uma tripla ordenada em R3 sera´ registrada na forma v = (x, y, z). O conjunto das 1-upla ordenada, R1 = {(x); x ∈ R}, e´ canonicamente identificado com o conjunto dos nu´meros reais R. Na˜o distingu¨iremos uma 1-upla (x) ∈ R1 de um nu´mero real x ∈ R. Exerc´ıcio 1.1.1 E´ correto afirmarmos que R ⊂ R2 ou que R2 ⊂ R3? A resposta a ambas e´ na˜o. Justifique! E´ correto afirmamos que v = (x, 0) ∈ R ou que w = (x, y, 0) ∈ R2? � Feita a apresentac¸a˜o desses conjuntos alge´bricos passemos a` apresentac¸a˜o de dois conjuntos geome´tricos. Os termos ponto, reta, plano e espac¸o, conceitos pro´prios da Geometria Euclidiana, sa˜o auto-explica´veis, na˜o suportam uma definic¸a˜o. Na verdade, idealizamos esses conceitos de forma semelhante a` idealizac¸a˜o de conjunto que tambe´m e´ um termo auto-explica´vel. Denotaremos o plano Euclidiano e o espac¸o Euclidiano por E2 e E3, respec- tivamente. Um elemento de qualquer um desses objetos e´ chamado de ponto, e utilizaremos letra maiu´scula para indica´-lo, tais como P ∈ E2, Q ∈ E3, etc. Ressaltamos que o plano Euclidiano E2 na˜o e´ subconjunto do espac¸o Eu- clidiano E3, eles sa˜o conjuntos universos distintos. No primeiro momento, isso causa confusa˜o ao leitor menos experiente, pois qualquer aluno do Ensino Me´dio ja´ deve ter lido uma expressa˜o do tipo ”plano no espac¸o”. Desfac¸amos essa ambigu¨idade. Determinados subconjuntos do espac¸o Euclidiano E3 sa˜o tambe´m chama- dos de plano. Tomaremos duas provideˆncias para distinguir as terminologias. Primeiro, denotaremos planos, subconjuntos especiais de E3, por letras gregas minu´sculas, tais como α, γ, etc. Observamos que π ⊂ E3, γ ⊂ E3, etc. e iremos nos referir a cada um deles, simplesmente, como plano, enquanto E2 sera´ chamado de plano Euclidiano. 1.1. O CONJUNTO RN 3 O plano Euclidiano E2 possui subconjuntos especiais chamados de retas que sera˜o denotadas por letras minu´sculas, a saber, r, s, l, m, etc. Observe que r ⊂ E2. O mesmo ocorre com o espac¸o Euclidiano E3, alguns subconjuntos sa˜o chamados de retas e tambe´m utilizaremos tambe´m letras minu´sculas, r, s, l, etc. para designar retas contidas no espac¸o Euclidiano. Dados dois pontos A,B ∈ r indicaremos o segmento com extremos nesses pontos por AB. A identificac¸a˜o entre os conjuntos alge´bricos R2 e R3 com aqueles conjun- tos Euclidianos e´ do conhecimento de todos, mas recapitulemos a construc¸a˜o que justifica a existeˆncia da Geometria Anal´ıtica. Ressaltamos que devemos distinguir o conjunto alge´brico, o conjunto Euclidiano e as figuras que voceˆ faz no papel. Iniciamos identificando os nu´meros reais com os pontos de uma reta de modo intuitivo, como encontrado em qualquer livro do Ensino Me´dio. Dada a reta r ⊂ E2 (ou a reta r ⊂ E3), escolhemos dois pontos O, A ∈ r e fixamos um segmento OA ⊂ r. O ponto O, que fica associado ao nu´mero 0 e e´ chamado de origem do sistema, divide a reta em duas semi-retas, uma delas conte´m o ponto A. Se x > 0 enta˜o x e´ associado ao ponto X da semi-reta que conte´m A cuja a raza˜o entre os comprimentos dos segmentos OX e OA e´ igual a x. Observe que nesse caso 1 e A esta˜o relacionados. Se x < 0 enta˜o x e´ associado ao ponto X na semi-reta que na˜o conte´m A cuja raza˜o entre os segmentos OX e OA e´ igual a −x. Com isso, temos definido uma aplicac¸a˜o P : R → r. Contruiremos, agora, uma aplicac¸a˜o entre R2 e E2. Antes de tudo, fixamos duas retas na˜o paralelas r e s em E2, que passam a ser chamadas de eixos Cartesianos. Sobre cada uma das retas estabelecemos uma correspondeˆncia com os nu´meros reais, como feito acima, tendo como origem o ponto de in- tersec¸a˜o O = r ∩ s. E´ cla´ssico designar a reta r por ox e a reta s por oy e, em geral, sa˜o escolhidas duas retas perpendiculares. Os nu´meros correspon- dentes aos pontos sobre o eixo ox sa˜o chamados de abscissa e sobre o eixo oy sa˜o chamados de ordenadas. Finalmente, cada ponto Q ∈ E2 determina dois nu´meros reais (abscissa e ordenada), quais sejam, eles sa˜o as intersec¸o˜es com os eixos das retas paralelas aos eixos que passam por Q. 4 CAPI´TULO 1. O ESPAC¸O VETORIAL RN Seja (x, y) ∈ R2. Definimos P : R2 → E2, pela regra: P (x, y) e´ o ponto do plano Eu- clidiano cuja abscissa e´ x e a ordenada e´ y. Argumentos usuais de Geometria Euclidiana garantem que esse ponto e´ u´nicamente de- terminado. Reciprocamente, cada ponto no plano e´ associado a um u´nico par ordenado, como comentado anteriormente. Fixado o sistema de eixos, o plano Euclidiano passa a ser chamado de plano Cartesiano. Fixemos uma regra notacional pouco explicada nos livros textos. Ao es- crevermos U(2, 3) estamos supondo que ja´ fixamos os eixos Cartesianos e este ponto e´ imagem do ponto u = (2, 3) ∈ R2, pela aplicac¸a˜o P : R2 → E2. Na˜o escreveremos U = P (2, 3). O ponto v = (x, y) tera´ sua imagem pela aplicac¸a˜o P indicada por V (x, y) em lugar de P (x, y), o ponto w = (−1, 4) tera´ sua imagem indicada por W (−1, 4), etc. Do modo modo, constru´ımosuma func¸a˜o de R3 para P : R3 → E3. Seja v = (x, y, z) ∈ R3. Fixados treˆs eixos Cartesianos em E3, ox, oy e oz (mutuamente ortogonais), defin- imos a aplicac¸a˜o P por, P (x, y, z) e´ o ponto do espac¸o Euclidiano tal que a abscissa e´ x, a ordenada e´ y e a altura e´ z. Certamente o leitor esta´ acostumado com a notac¸a˜o P (x, y, z). Quando fixamos um sistema de eixos em E3 passamos a chama´-lo de espac¸o Cartesiano. Igual regra notacional sera´ utilizada para R3. Se w = (1,−2, 3) enta˜o em lugar de escrevermos P (1,−2, 3), escreveremos W (1,−2, 3). Exerc´ıcios propostos 1.1.1 1. Represente graficamente: (a) os pontos P (2, 3), Q(−1, 2), R(−2,−3) e O(0, 0) do plano Cartesiano; (b) os pontos P (2, 3, 1), Q(−1, 2,−1) e R(−2,−3, 1) e O(0, 0, 0) do espac¸o Cartesiano. 2. Fixado um ponto U ∈ E2. E´ poss´ıvel escolher um sistema de eixos Cartesianos 1.2. O ESPAC¸O VETORIAL RN 5 tal que U(2, 3) e um outro sistema de eixos Cartesianos de tal forma que nesse outro sistema o mesmo ponto seja indicado por U( √ 2, π)? 1.2 O espac¸o vetorial Rn Definiremos, a seguir, duas operac¸o˜es bina´rias envolvendo elementos de Rn, quais sejam: i) soma de dois elementos; ii) multiplicac¸a˜o de um elemento por um escalar. Aqui, o termo escalar significa nu´mero real. As operac¸o˜es sa˜o definidas pelas seguintes regra. Se v = (x1, x2, ..., xn), w = (y1, y2, ..., yn) ∈ Rn e λ ∈ R estabelecemos que⎧⎨⎩ v + w := (x1 + y1, x2 + y2, ..., xn + yn) λv := (λx1, λx2, ..., λxn) . Diz-se que essas operac¸o˜es equipam Rn com uma estrutura de espac¸o vetorial. Feito isso, um ponto de Rn passa a ser chamado de vetor. O termo espac¸o vetorial para essa estrutura e´ aplicado, pois ela e´ um dos inu´meros exemplos de uma estrutra alge´brica muito comum na Matema´tica e que merece ser fixada numa definic¸a˜o. Definic¸a˜o 1.2.1 Um espac¸o vetorial real consiste de um conjunto V , cujos elementos sa˜o chamados de vetores, no qual esta˜o definidas duas operac¸o˜es, ”+”e ’.’, gozando das propriedades listadas abaixo. I Se u, v ∈ V enta˜o o vetor soma u + v ∈ V e: a) a adic¸a˜o e´ comutativa, u + v = v + u; b) a adic¸a˜o e´ associativa, (u + v) + w = u + (v + w); c) existe um u´nico elemento o, chamado de vetor nulo, tal que v+ o = v, para todo v ∈ V ; 6 CAPI´TULO 1. O ESPAC¸O VETORIAL RN d) para cada vetor v ∈ V existe um u´nico vetor −v ∈ V , chamado de inverso aditivo de v, tal que v + (−v) = 0. II Se v ∈ V e λ ∈ R enta˜o λv ∈ V e: a) 1v = v para todo v ∈ V ; b) a multiplicac¸a˜o por escalar e´ associativa, λ1(λ2v) = (λ1λ2)v; c) a multiplicac¸a˜o por escalar e´ distributiva em relac¸a˜o a` adic¸a˜o de vetores, λ(u + v) = λu + λv; d) multiplicac¸a˜o por escalar e´ distributiva em relac¸a˜o a` adic¸a˜o de es- calares, (λ1 + λ2)v = λ1v + λ2v. Utilizamos uma terminologia pro´pria quando estamos falando acerca de espac¸o vetorial. Por exemplo, escalar significa um nu´mero real, como ja´ foi dito. Dois vetores v, w ∈ Rn sa˜o colineares quando existe um escalar λ tal que v = λw ou w = λv. Observe que o vetor nulo do Rn e´ o vetor o = (0, 0, ..., 0). Exemplo 1.2.1 Sejam v = (2,−1) e w = (−4, 7) vetores de R2. Pela definic¸a˜o, a soma dos vetores e´ efetuada coordenada a coordenada, v + w = (2,−1) + (−4, 7) = (2− 4,−1 + 7) = (−2, 6). Se λ = −3 enta˜o λv = −3 · (2,−1) = (−6, 3). O vetor u = (−4, 2) e´ colinear com v, pois u = −2v. � Verifica-se que as duas operac¸o˜es em Rn, acima definidas, gozam de todas as propriedades listadas na definic¸a˜o de espac¸o vetorial. Por exemplo, a soma de vetores e´ comutativa, v + w = w + v, ou que a soma de qualquer vetor v com o vetor nulo e´ o pro´prio vetor, v + o = v. Observe que 0v = o, isto e´, um vetor multiplicado pelo escalar zero e´ igual ao vetor nulo. Exerc´ıcio 1.2.1 Sejam 0 ∈ R e v, w ∈ Rn. Mostre que 0 · v + w = w e que o vetor o e´ colinear com qualquer vetor. Verifique a igualdade v+ (−1)v = 0. � Anteriormente, exibimos uma identificac¸a˜o entre os conjuntos Rn com os conjuntos Euclidianos, En, n = 2, 3, respectivamente. Depois, definimos uma operac¸a˜o de soma de dois elementos e um produto de um elemento por um 1.2. O ESPAC¸O VETORIAL RN 7 escalar em Rn, passando a chama´-los de espac¸o vetorial. Agora, iremos rep- resentar geometricamente os vetores para explicitar a existeˆncia da estrutura alge´brica em Rn. A diferenc¸a entre o conjunto e o conjunto com a estru- tura alge´brica (espac¸o vetorial) e´ sutil mas existe, e a diferenc¸a e´ visualizada utilizando-se o conceito de segmento orientado. Sejam R, S ∈ En, n = 2, 3. Um segmento orientado em En e´ o par ordenado (R, S) que por convenieˆncias gra´ficas e´ indicado por −→ RS, em lugar da notac¸a˜o com pares ordenados. Esta grafia registra a ide´ia de uma seta com ponto inicial em R e ponto final em S. Dados os pontos R(r1, r2) e S(s1, s2) do plano Cartesiano E 2. Diz-se que o segmento orientado −→ RS representa o vetor v = (x1, x2) ∈ R2 se, e somente se, as coordenadas dos pontos e as coordenadas do vetor esta˜o relacionadas pelas equac¸o˜es { x1 = s1 − r1 x2 = s2 − r2 . Exemplo 1.2.2 Um vetor pode ser representado por va´rios segmentos orien- tados diferentes. Vejamos duas representac¸o˜es para o vetor v = (1, 2) ∈ R2. Se escolhermos os pontos R(2, 0) e S(3, 2) em E2, o segmento orientado −→ RS representa v = (1, 2) ∈ R2, pois pela definic¸a˜o, temos as relac¸o˜es{ 1 = 3− 2 2 = 2− 0 . Se escolhermos os pontos P (1, 1) e Q(2, 3) o segmento orientado −→ PQ tambe´m representa o mesmo vetor v = (1, 2) ∈ R2, pois{ 1 = 2− 1 2 = 3− 1 . Fica uma questa˜o para o leitor: dado T (a, b) ∈ E2, determine as coordenadas de U ∈ E2 para que o segmento orientado −→TU seja um representante de v = (1, 2). � Exerc´ıcio 1.2.2 Sejam P (3,−1) e Q(−4, 3) dois pontos de E2. Esboce os 8 CAPI´TULO 1. O ESPAC¸O VETORIAL RN seguintes segmentos orientados, −→ PQ, −→ QP , −→ QQ e −→ OP . Calcule os vetores do R2 representados pelos segmentos orientados. � O segmento orientado canoˆnico para representar o vetor v = (x1, x2) e´ aquele que tem como ponto inicial a origem O(0, 0) e ponto final V (x1, x2). Fa- lando numa linguagem informal, obtido um representante do vetor com ponto inicial a origem O(0, 0), qualquer outro representante e´ obtido por transporte paralelo daquele. Uma definic¸a˜o semelhante e´ posta para representar vetores em R3. Dados os pontos R(r1, r2, r3) e S(s1, s2, s3) do espac¸o Cartesiano E 3. Diz-se que o segmento orientado −→ RS representa o vetor v = (x1, x2, x3) ∈ R3 se, e somente se, ⎧⎨⎩ x1 = s1 − r1 x2 = s2 − r2 x3 = s3 − r3 . Exerc´ıcio 1.2.3 Dados o vetor w = (−1,−1, 0) em R3 e os pontos do espac¸o Cartesiano M(1, 0,−3) e N(√5, 1, 1), determine as coordenadas Cartesianas dos pontos W , P e Q tais que os segmentos orientados −−→ OW , −−→ MP e −−→ QN sejam representantes do vetor w. � Feitas essas considerac¸o˜es passemos a`s construc¸o˜es. a) Definimos uma representac¸a˜o do espac¸o vetorial R2 estabelecendo que−→ P (x, y) e´ o segmento orientado −→ OP cujo ponto inicial e´ a origem e o ponto final e´ P (x, y). b) Similarmente, fazemos a representac¸a˜o do espac¸o vetorial R3 estabele- cendo que −→ P (x, y, z) e´ o segmento orientado −→ OP cujo ponto inicial e´ a origem e o ponto final e´ P (x, y, z). . 1.2. O ESPAC¸O VETORIAL RN 9 Comenta´rio As duas operac¸o˜es a´lgebricas definidas em Rn podem ser visu- alizadas quando n = 2 ou n = 3, utilizando segmentos orientados. Apresentemos o caso planar, n = 2, para o caso espacial, n = 3, as con- struc¸o˜es sa˜o as mesmas. Desejamos registrar graficamente a operac¸a˜o v + w, onde v = (3, 1) e w = (−2, 1). Na˜o podemos somar segmentos orientados quaisquer, mas podemos definir a soma de segmentos orientados quando o ponto final do primeiro e´ o ponto inicial do segundo, −−→ OV+ −→ V P = −→ OP . Para representar o vetor v podemos escol- her o segmento orientado com pontos iniciais e finais O(0, 0) e V (3, 1), respectivamente. Quanto ao vetor w podemos escolher para representante o segmento orientado com pon- tos iniciais e finais V (3, 1) e P (1, 2), respec- tivamente. Sendo assim, a soma v+w e´ rep- resentada por −→ OP . A representac¸a˜o gra´fica e´ va´lida para a soma de treˆs ou mais vetores. Se desejarmos rep- resentar a soma u + v + w, colocaremos-se os representantes dos vetores de tal forma que o ponto final de um e´ o ponto inicial do seguinte, −→ PQ + −→ QR + −→ RS = −→ PS. Examinemos a representac¸a˜o gra´fica da multiplicac¸a˜o de um vetor por um escalar. Escolhamos v = (3, 1), λ1 = 2 e λ2 = −2. Se o representante escolhido para do vetor v for−→ PQ, onde P (a, b) e Q(c, d), o representante de λiv e´ o segmento orientado −−→ P ′Q′ com co- ordenadas P ′(λia, λib) e Q′(λic, λid). Mais conveniente e´ escolher um representante para v na forma −−→ OV , com V (3, 1), pois os mu´ltiplos λiv sa˜o graficamente registrados sobre uma mesma reta que conte´m a origem do plano Cartesiano. � Exerc´ıcios propostos 1.2.1 10 CAPI´TULO 1. O ESPAC¸O VETORIAL RN 1. Seguindo a notac¸a˜o do livro texto, quais dos registros sa˜o va´lidos: a) v(2, 1) b) P (2, 1) c) v = (2, 1) d) P = (2, 1) e) r ⊂ E3 f) (2, 1) ∈ E2 g) E2 = R2 h) P (2, 1) ∈ R2 i) −−→PQ ∈ R2 j) −−→PQ ∈ E2 k) v = −−→ PQ l) P ∈ E2 m) P (2, 1) ∈ E2 n) R2 ⊂ R3 o) v ∈ R2 p) r ∈ E2 q) AB ∈ R3 r) (2, 1) ∈ R2 s) PQ = −−→PQ t) α ∈ E3 u) α ⊂ E2 v) r ⊂ α x) AB ⊂ E3 y) AB ⊂ E2 z) r = AB 2. Sejam v = (2,−1) e w = (3,−2) vetores em R2. Calcule 3v − w e v + 2w e represente graficamente os vetores por segmentos orientados com ponto inicial O(0, 0). Represente-os com ponto inicial P (−2, 1). 3. Considere os pontos P (1,−1), Q(−3, 3) e R(2, 2) do plano Cartesiano. (a) Esboce os segmentos orientados −−→ PQ e −−→ QR e −−→ QQ. (b) Determine os vetores u, v e w de R2 representados pelos segmentos ori- entados −−→ PQ, −−→ QR e −−→ QQ. Qual a relac¸a˜o entre os vetores representados por −−→ PQ e −−→ QP . (c) Represente graficamente a soma u + v por um segmento orientado cujo ponto inicial e´ o ponto P e represente o vetor 2u com ponto final R(2, 2). 4. A partir do esboc¸o das representac¸o˜es dos vetores u e v, como indicado em cada figura, determine quais os outros vetores que esta˜o representados. 1.3 Combinac¸a˜o linear e base canoˆnica Fixaremos uma definic¸a˜o que nos acompanhara´ por todo o texto. Definic¸a˜o 1.3.1 Um vetor w ∈ Rn e´ uma combinac¸a˜o linear dos vetores v1, v2, ..., vk ∈ Rn se existem escalares a1, a2, ..., ak ∈ R, tais que w = a1v1 + a2v2 + · · ·+ akvk. 1.3. COMBINAC¸A˜O LINEAR E BASE CANOˆNICA 11 Os esclares a1, a2,...,ak sa˜o chamados coeficientes da combinac¸a˜o linear. Exemplo 1.3.1 Considere os vetores v1, v2, v3 ∈ R2, onde v1 = (1, 1), v2 = (1, 2) e v3 = (1,−1). O vetor w = (−1, 1) e´ uma combinac¸a˜o linear de v1 e v2 e v3. Verifica-se que w = −6v1 + 4v2 + v3. Os coeficientes dessa combinac¸a˜o linear sa˜o a1 = −6, a2 = 4 e a3 = −1. O vetor u = (0,−1) tambe´m e´ uma combinac¸a˜o linear de v1, v2 e v3, pois u = v1 − v2. Dever´ıamos escrever u = 1v1 + (−1)v2 + 0v3, mas, como sempre, simplificamos a escrita para tornar a leitura menos cansativa. � Exerc´ıcio 1.3.1 Dados os vetores v1 = (1, 2) e v2 = (1, 1) de R 2, calcule o vetor w nas combinac¸o˜es lineares indicadas. a) w = 3v1 − 4v2. b) w = −v2 + v2. c) w = −1 3 v2. d) w = 0v1 + v2. � Exerc´ıcio 1.3.2 Dados os vetores v1 = (−1, 2, 0) e v2 = (2, 1,−3) de R3, calcule o vetor w nas combinac¸o˜es lineares indicadas. a) w = 3v1 − 4v2 b) w = −v2 + v2. c) w = −1 3 v2. d) w = 0v1 + v2. � Comenta´rio Para ilustrar a definic¸a˜o de combinac¸a˜o linear de vetores, fac¸a- mos uma analogia entre ela e o conceito f´ısico de trajeto´tias. Fixemos os vetores v1 e v2 em R 2, dados no Exemplo 1.3.1. Eles determinam no plano Cartesiano E2, atrave´s de representc¸o˜es por segmentos orientados, duas direc¸o˜es, indi- cadas graficamente na figura por retas par- alelas. Vamos supor que essas sa˜o as u´nicas direc¸o˜es poss´ıveis nas quais podemos camin- har sobre o plano Cartesiano. Para partir da origem e chegar a um ponto W , no caso da figura, deve- mos percorrer uma trajeto´ria na direc¸a˜o e sentido determinada por v1 cujo comprimento e´ 2 vezes o comprimento de v1, seguida de uma trajeto´ria cujo comprimento e´ 7 5 na direc¸a˜o e sentido determinado por v2. 12 CAPI´TULO 1. O ESPAC¸O VETORIAL RN Isso e´ sugerido vetorialmente pela combinac¸a˜o linear w = 2v1 + 7 5 v2. Nesse caso, na˜o importa se a trajeto´ria e´ feita em zig-zag ou na˜o, levando em conta o sentido positivo e negativo das direc¸o˜es, no final, teremos a mesma combinac¸a˜o linear. Se consideramos apenas um u´nico vetor, v1 ∈ R2, ao dizermos que w ∈ R2 e´ uma combinac¸a˜o linear de v1 estamos apenas afirmando que w e´ um mu´ltiplo de (ou colinear com) v1, em outras palavras, w = a1v1. Como temos uma u´nica direc¸a˜o no plano Cartesiano, nem todos pontos do plano po- dem ser alcanc¸ados partindo-se da origem, apenas aqueles que esta˜o sobre a reta diretriz que passa pela origem podem ser alcanc¸ados. Falta uma direc¸a˜o transversal para descrever todas as trajeto´rias poligonais poss´ıveis. � Definic¸a˜o 1.3.2 Um subconjunto ordenado de n vetores β = {v1, v2, ..., vn} ⊂ Rn e´ uma base do Rn se qualquer vetor w ∈ Rn e´ uma combinac¸a˜o linear dos elementos de β. A expressa˜o ”subconjunto ordenado” significa que existe um primeiro e- lemento, e ele esta´ indexado por 1, um segundo elemento que esta´ indexado por 2, etc. A definic¸a˜o de base da´ origem a um se´rie de perguntas de cara´ter te´cnico. 1. Existe base para o Rn? 2. Se w ∈ Rn e β e´ uma base, quais sa˜o e como podemos calcular os coefi- cientes ai’s da combinac¸a˜o linear w = a1v1 + a2v2 + · · ·+ anvn? 3. Os coeficientes a′is da combinac¸a˜o linear w = a1v1 + a2v2 + · · · + anvn sa˜o u´nicos, isto e´, podemos expressar w = b1v1 + b2v2 + · · · + bnvn com bi �= ai para algum i, 1 ≤ i ≤ n? 4. Quantas bases existem para o Rn? 5. Dado um subconjunto de n vetores β ⊂ Rn, qual um algoritmo pra´tico para sabermos se o conjunto e´ uma base? 1.3. COMBINAC¸A˜O LINEAR E BASE CANOˆNICA 13 A primeira pergunta tem resposta fa´cil. Existe pelo menos uma base orde- nada para o Rn. O subconjunto de n vetores C = {e1, e2, ..., en} cujos elementos sa˜o e1 = (1, 0, ..., 0), e2 = (0, 1, ..., 0), . . . en = (0, 0, ..., 1). e´ uma base. O subconjunto C sera´ chamado de base canoˆnica pelos seguintes motivos. Dado um vetor w = (x1, x2, ..., xn) ∈ Rn e´ imediato mostrar que w e´ uma combinac¸a˜o linear do vetores de C e quais sa˜o os coeficientes da combinac¸a˜o linear: w = (x1, x2, ..., xn) = x1e1 + x2e2 + · · ·+ xnen. Exemplo 1.3.2 A base canoˆnica do R2 e´ um conjunto formado por dois ve- tores, C = {e1, e2}, onde e1 = (1, 0) e e2 = (0, 1). O vetor v = (− √ 3,−2 4 ) e´ uma combinac¸a˜o linear dos vetores da base canoˆnica e, facilmente, determi- namos os coeficientes da combinac¸a˜o linear, v = −√3e1 − 24e2. � Exemplo 1.3.3 Considere o vetor w = (2,−2, 4) ∈ R3. A base canoˆnica C do R3 e´ formada por treˆs vetores e1 = (1, 0, 0), e2 = (0, 1, 0) e e3 = (0, 0, 1). Veja a seguinte sequ¨eˆncia de igualdades, w = (2,−2, 4) = (2, 0, 0) + (0,−2, 0) + (0, 0, 4) = 2(1, 0, 0)− 2(0, 1, 0) + 4(0, 0, 1) = 2e1 − 2e2 + 4e3. Observe que na base canoˆnica, as coordenadas do vetor sa˜o os coeficientes da combinac¸a˜o linear! � Em relac¸a˜o a` base canoˆnica do Rn, a terceira pergunta tem resposta ra´pida e precisa. Afirmac¸a˜o Ao escrevermos o vetor w ∈ Rn como uma combinac¸a˜o linear dos elementos da base canoˆnia C, os coeficientes da combinac¸a˜o linear sa˜ou´nicos. 14 CAPI´TULO 1. O ESPAC¸O VETORIAL RN Se na˜o, vejamos. Seja w = (w1, w2, ..., wn) ∈ Rn. Escrevamos a combinac¸a˜o linear w = a1e1 + a2e2 + · · ·+ anen e examinemos a sequ¨eˆncia de igualdades, (w1, w2, ..., wn) = w = a1e1 + a2e2 + · · ·+ anen = a1(1, 0, ..., 0) + a2(0, 1, ..., 0) + · · ·+ an(0, 0, ..., 1) = (a1, 0, ..., 0) + (0, a2, ..., 0) + · · ·+ (0, 0, ..., an) = (a1, a2, ..., an). Sendo assim, valem as igualdades ai = wi para todo i = 1, ..., n. Temos conclu´ıdo a demonstrac¸a˜o da Afirmac¸a˜o. Em particular, o vetor nulo, o = (0, 0, ..., 0), somente pode ser escrito por uma u´nica combinac¸a˜o linear, a saber, o = 0e1 + 0e2 + · · ·+ 0en. Exerc´ıcio 1.3.3 Quantos elementos possui a base canoˆnica do R4? � 1.4 Outras bases de Rn Passemos a` quarta pergunta da lista apresentada na sec¸a˜o anterior. ”Existem outras bases ordenadas para o Rn ale´m da base canoˆnica?” Antecipemos a resposta. Sim, o Rn possui um nu´mero infinito de bases orde- nadas ale´m da base canoˆnica! Mostrar a existeˆncia de outras bases ordenadas esta´ relacionada com: ◦ determinantes de matrizes quadradas n× n; ◦ resoluc¸o˜es de sistemas de equac¸o˜es lineares n× n. Examinemos essa relac¸a˜o. Com um conjunto ordenado de n vetores β = {v1, v2, ..., vn} de Rn, contru´ımos uma matriz quadrada n × n, matriz que denotaremos por [v1, v2, ..., vn]. A notac¸a˜o indica que as entradas da primeira coluna da matriz sa˜o as coor- denadas do vetor v1, as entradas da segunda coluna sa˜o as coordenadas do vetor v2, etc. Observe que sendo [v1, v2, ..., vn] uma matriz quadrada, podemos calcular o seu determinante. 1.4. OUTRAS BASES DE RN 15 Exemplo 1.4.1 Ilustremos com dois exemplos a construc¸a˜o da matriz. a) Seja β = {v1, v2} ⊂ R2, onde v1 = (1, 1) e v2 = (1, 2). Esse conjunto de dois vetores do R2 da´ origem a` matriz quadrada 2× 2 [v1, v2] = [ 1 1 1 2 ] . Por um ca´lculo simples segue que det[v1, v2] = 1 �= 0. b) Seja β = {v1, v2, v3} ⊂ R3, onde v1 = (1,−1, 3), v2 = (0, 1,−2) e v3 = (2,−3, 8). Com esse conjunto de treˆs vetores do R3 constru´ımos a matriz quadrada 3× 3 [v1, v2, v3] = ⎡⎣ 1 0 2−1 1 −3 3 −2 8 ⎤⎦ , cujo determinante e´ det[v1, v2, v3] = 0. � O ponto a ressaltar diz respeito ao deteminante da matriz [v1, v2, ...vn] constru´ıda com os n vetores do conjunto ordenado β = {v1, v2, ..., vn} ⊂ Rn. Provaremos, posteriormente, as seguintes afirmac¸o˜es: ◦ se det[v1, v2, ..., vn] �= 0 enta˜o β e´ uma base; ◦ se det[v1, v2, ..., vn] = 0 enta˜o β na˜o e´ uma base. Sendo assim, temos em ma˜os um algoritmo eficiente para determinar quan- do o conjunto β e´, ou na˜o e´, uma base, bem como, construir bases para Rn. Exemplo 1.4.2 Seja β = {v1, v2} ⊂ R2 onde v1 = (1, 1) e v2 = (1, 2). a) Para u = (−1, 1), vale a combinac¸a˜o linear u = −3v1 + 2v2. b) Para v = (0,−1), vale a combinac¸a˜o linear v = v1 − v2. c) Para w = ( x, y), vale a combinac¸a˜o linear w = (2x− y)v1 + (y − x)v2. O item c) diz que o conjunto β e´ uma base, pois qualquer vetor w = (x, y) do R2 e´ uma combinac¸a˜o linear de v1 e v2 onde os coeficientes da combinac¸a˜o linear dependem das coordenadas do vetor, a1 = 2x − y e a2 = y − x. Fica uma questa˜o. 16 CAPI´TULO 1. O ESPAC¸O VETORIAL RN • Como determina-se os coeficientes da combinac¸a˜o linear para um vetor w = (x, y) em R2. Deixemos claro como a condic¸a˜o det[v1, v2] = 1 �= 0 implica que β = {v1, v2} e´ uma base. O elo de ligac¸a˜o entre os dois fatos e´ a regra de Cramer um me´todo para resoluc¸a˜o de sistemas lineares n × n cuja demonstrac¸a˜o encontra-se no pro´ximo cap´ıtulo do texto. Para mostrar que β e´ uma base, devemos mostrar que dado um vetor w = (x, y) ∈ R2 existem coeficientes a1 e a2 tais que w = a1v1 + a2v2. Escrevamos essa u´ltima igualdade em coordenadas, (x, y) = (a1 + a2, a1 + 2a2). A igualdade w = a1v1+a2v2 da´ origem a um sistema de equac¸o˜es lineares com duas equac¸o˜es e duas inco´gnitas, a1 e a2, escrito na forma usual (ou matricial) como{ a1 + a2 = x a1 + 2a2 = y ( ou [ 1 1 1 2 ] [ a1 a2 ] = [ x y ]) . A matriz principal do sistema e´ precisamente [v1, v2] e as matrizes auxiliares sa˜o [w, v2] e [v1, w]. Explicitamente: [v1, v2] = [ 1 1 1 2 ] ; [w, v2] = [ x 1 y 2 ] ; [v1, w] = [ 1 x 1 y ] . Como a matriz principal e´ quadrada com determinante diferente de zero, pode- mos utilizar a Regra de Cramer para determinar as inco´gnitas a1 e a2, a1 = det[w, v2] det[v1, v2] = 2x− y e a2 = det[v1, w] det[v1, v2] = y − x. Logo, w = (2x−y)v1+(y−x)v2 e os coeficientes sa˜o u´nicos, pois sa˜o as u´nicas soluc¸o˜es do sistema. Observe que so´ existe uma combinac¸a˜o linear poss´ıvel para expressar o vetor nulo, qual seja, o = 0v1 + 0v2. � A demonstrac¸a˜o do teorema abaixo encontra-se no pro´ximo cap´ıtulo. Teorema 1.4.1 [Regra de Cramer] Seja β = {v1, v2, ..., vn} ⊂ Rn um con- junto ordenado de n vetores em Rn. Se det[v1, v2, ..., vn] �= 0 enta˜o β e´ uma 1.4. OUTRAS BASES DE RN 17 base do Rn. Mais ainda, cada vetor w ∈ Rn expressa-se como u´nica com- binac¸a˜o linear w = a1v1 + a2v2 + · · · + anvn onde os coeficientes sa˜o dados por a1 = det[w, v2, ..., vn] det[v1, v2, ..., vn] , a2 = det[v1, w, ..., vn] det[v1, v2, ..., vn] , · · · an = det[v1, v2, ..., w] det[v1, v2, ..., vn] . Observe que os coeficientes para expressar o vetor nulo o = (0, 0, ..., 0) como combinac¸a˜o linear de uma base, necessariamente, e´ ai = 0, para todo i, pois o numerador da frac¸a˜o e´ o determinante de uma matriz com uma coluna igual a zero. Exemplo 1.4.3 Mostremos que β = {v1, v2, v3} ⊂ R3 e´ uma base, onde v1 = (1, 1, 0), v2 = (1, 0, 1) e v3 = (0, 1, 1). Para isso, e´ suficiente considerar a matriz [v1, v2, v3] = ⎡⎣ 1 1 01 0 1 0 1 1 ⎤⎦ , e calcular seu determinante det[v1, v2, v3] = −2. Como o determinante na˜o e´ zero, segue que β e´ uma base do R3. Expressemos w = (3,−2, 3) por uma combinac¸a˜o linear dos vetores de β, w = a1v1 + a2v2 + a3v3. Substitu´ındo obtemos (3,−2, 3) = (a1 + a2, a1 + a3, a2 + a3), de onde segue o sistema linear⎧⎨⎩ a1 + a2 = 3 a1 + a3 = −2 a2 + a3 = 3 ⎛⎝ou ⎡⎣ 1 1 01 0 1 0 1 1 ⎤⎦⎡⎣ a1a2 a3 ⎤⎦ = ⎡⎣ 3−2 3 ⎤⎦⎞⎠ . Para calcular os coeficientes a′1s, precisaremos das matrizes auxiliares, [w, v2, v3] = ⎡⎣ 3 1 0−2 0 1 3 1 1 ⎤⎦ , [v1, w, v3] = ⎡⎣ 1 3 01 −2 1 0 3 1 ⎤⎦ , [v1, v2, w] = ⎡⎣ 1 1 31 0 −2 0 1 3 ⎤⎦ , 18 CAPI´TULO 1. O ESPAC¸O VETORIAL RN e de seus determinantes: det[w, v2, v3] = 2; det[v1, w, v2] = −8; det[v1, v2, w] = 2. Assim, calculamos os coeficientes procurados utilizando a regra de Cramer, a1 = det[w, v2, v3] det[v1, v2, v3] = −1, a2 = det[v1, w, v2] det[v1, v2, v3] = 4, a3 = det[v1, v2, w] det[v1, v2, v3] = −1. Logo, w = (3,−2, 3) expressa-se como a combinac¸a˜o linear w = v1 − 4v2 + v3. Mais geralmente, mostre que um vetor w = (x, y, z) expressa-se nessa base como a combinac¸a˜o linear w = (−y + z)v1 + (−x + y − z)v2 + (x− y − z)v3. � A demonstrac¸a˜o da rec´ıproca da regra de Cramer ficara´ para uma sec¸a˜o futura, pois envolve outros conceitos. Exerc´ıcios propostos 1.4.1 1. Calcule as combinac¸o˜es lineares indicadas onde v1 = (1, 2, 3), v2 = (0, 1, 2) e v3 = (0, 0, 1) sa˜o vetores do R3. (a) w = 3v1 + 0v2 − v3. (b) w = xv1 + (y − 2x)v2 + (x− 2y + z)v3. (c) w = 0v1 + 0v2 + 0v3. (d) w = 0v1 + 1v2 + 0v3. 2. Verifique quais dos conjuntos ordenados β = {v1, v2} ⊂ R2 e´ uma base. Caso seja, expresse w = (x, y) por uma combinac¸a˜o linear dos vetores da base. (a) v1 = (3,−1) e v2 = (1, 2). (b) v1 = (2, 1) e v2 = (1, 2). (c) v1 = (−1, 2) e v2 = (2,−4). (d) v1 = (1, 0) e v2 = (1,−1). 3. Verifique quais dos conjuntos ordenados β = {v1, v2, v3} ⊂ R3 e´ uma base. Caso seja, expresse w = (x, y, z) por uma combinac¸a˜o linear dos vetores da base. 1.5. EXEMPLOSDE ESPAC¸OS VETORIAIS* 19 (a) v1 = (0, 3,−1), (b) v1 = (2, 1, 1), (c) v1 = (1, 1, 2), (d) v1 = (1, 1, 1), v2 = (1, 1, 2), v2 = (3,−1, 2), v2 = (2, 0, 0), v2 = (3,−2, 1), v3 = (1, 1, 1). v3 = (0, 0, 0). v3 = (0, 1, 1). v3 = 2v1 − v2. 4. Complete o conjunto de vetores para obter uma base do espac¸o indicado. (a) α = {v1, v2} ⊂ R2, onde v1 = (3, 4). (b) β = {v1, v2, v3} ⊂ R3, onde 5. Seja β = {v1, v2, ..., vn} uma base de Rn. (a) Escreva vi como combinac¸a˜o linear dos vetores de β. (b) Escreva o como combinac¸a˜o linear dos vetores de β. (c) E´ poss´ıvel escrever v1 como combinac¸a˜o linear dos vetores v2, v3,...,vn? 1.5 Exemplos de espac¸os vetoriais* Essa sec¸a˜o pode ser dispensada numa primeira leitura. Para ilustrar a definic¸a˜o de espac¸o vetorial listaremos outros exemplos, ale´m do Rn. 1) Seja R[t] o conjunto de todos os polinoˆmios na varia´vel t com coeficientes em R. As usuais adic¸a˜o de polinoˆmios e multiplicac¸a˜o de um polinoˆmio por um escalar induzem em R[t] uma estrutura de espac¸o vetorial sobre R. 3) O produto direto, ou produto cartesiano, de espac¸os vetoriais V1, V2, ..., Vn sobre R e´ o conjunto denotado por V = V1 × V2 × · · · × Vn e constitu´ıdo por todas as n-uplas ordenadas u = (u1, u2, ..., un) com ui ∈ Vi. Do mesmo modo podemos definir uma estrutura de espac¸o vetorial sobre o corpo R. Dados os elementos u = (u1, u2, ..., un), v = (v1, v2, ..., vn) ∈ V e um escalar λ ∈ R, definimos a adic¸a˜o de dois vetores e a multiplicac¸a˜o de um vetor por um escalar, respectivamente, por u + v = (u1 + v1, u2 + v2, ..., un + vn), λu = (λu1, λu2, ..., λun). 20 CAPI´TULO 1. O ESPAC¸O VETORIAL RN 4) Sejam Ω um conjunto na˜o vazio e V um espac¸o vetorial sobre R. O conjunto C(Ω, V ) formado por todas as func¸o˜es f : Ω → V adquire uma estrutura de espac¸o vetorial sobre R da seguinte forma. Para f, g ∈ C(Ω, V ) e λ ∈ K definimos (f + g)(ω) = f(ω) + g(ω), (λf)(ω) = λf(w), onde ω ∈ Ω. Nesta estrutura o vetor nulo e´ a func¸a˜o identicamente nula, f(ω) = 0 para todo ω ∈ Ω, e −f ≡ (−1)f . 5) Uma matriz m× n com entradas em R e´ uma sequeˆncia de escalares aij ∈ R organizada na forma [A] = ⎡⎢⎢⎢⎣ a11 a12 · · · a1n a21 a22 · · · a2n ... ... ... am1 am2 · · · amn ⎤⎥⎥⎥⎦ . Quando for conveniente, resumiremos a notac¸a˜o em [A] = [aij ]. O primeiro ı´ndice de aij indica a linha na qual a entrada encontra-se e o segundo ı´ndice indica a coluna. Induzimos uma estrutura de espac¸o vetorial no conjunto das matrizes m×n com entradas em R, conjunto este denotado por M(m× n,R), definido a adic¸a˜o de matrizes e a multiplicac¸a˜o de uma matriz por um escalar, respectivamente, por [A] + [B] = [aij + bij], λ[A] = [λaij ], em que [A] = [aij ], [B] = [bij] ∈ M(m × n,R) e λ ∈ R. O vetor nulo do espac¸o e´ a matriz identicamente nula e −[A] = [−aij]. Exerc´ıcios propostos 1.5.1 1. Procure num livro de Ca´lculo os teoremas que garantem a existeˆncia de uma estrutura de espac¸o vetorial real nos seguintes conjuntos. (a) O conjunto C0([a, b],R) formado por todas as func¸o˜es cont´ınuas f : [a, b] → R, onde [a, b] ⊂ R e´ um intervalo. (b) O conjunto ([a, b],R) constitu´ıdo por todas as func¸o˜es f : [a, b] → R que sa˜o Riemann integra´veis. (c) O conjunto S(Z,R) de todas sequeˆncias reais (a1, a2, a3, ...) cuja se´rie∑ an converge (convergeˆncia simples). (d) O conjunto �1(R) de todas as sequeˆncias reais (a1, a2, a3, ...) cuja se´rie∑ |an| converge (convergeˆncia absoluta). 1.6. RESPOSTAS E SUGESTO˜ES 21 1.6 Respostas e sugesto˜es Sec¸a˜o 1.2 1) V=va´lido, N=na˜o va´lido. a) N. b) V. c) V. d) F. e) V. f) N. g) N. h) N. i) N. j) N. k) N. l) V. m) V. n) N. o) V. p) F. q) F. r) V. s) F. t) F. u) V. v) V. x) V. y) V. 2) 3v − w = (3,−1) e v + 2w = (8,−5). Representantes com ponto inicial a origem sa˜o, respectivamente, −→ OA e −−→ OB, onde A(3,−1) e B(8,−5). Representantes com ponto inicial P (−2, 1) sa˜o, respectivamente, −→PR e −→PS, onde R(1, 0) e S(6,−4). 3) O primeiro item ficara´ aos cuidados do leitor. (b) Sa˜o representantes, respectivamente, de u = (−4, 4), v = (5,−1) e w = (0, 0). O segmento orientado −−→ QP representa −u. (c) A soma u+ v e´ representado por −→ RT onde R(2, 2) e 2u e´ representado por −−→ NM onde N(10,−6). 4) Observe que as diagonais de um paralelogramo interceptam-se nos seus pontos me´dios. Sec¸a˜o 1.4 1) (a) w = (3, 6, 8). (b) w = (x, y, z). (c) w = (0, 0, 0). (d) w = v2. 2) Somente os vetores em (c) na˜o formam uma base. (a) (x, y) = 2x−y7 v1 + 3y+x 7 v2. (b) (x, y) = 2x−y3 v1 + 2y−x 3 v2. (d) (x, y) = (x + y)v1 − yv2. 3) Sera´ uma base de R3 se det[v1, v2, v3] �= 0. Somente os vetores em (a) e (c) formam uma base. 4) Utilizando a condic¸a˜o do determinante ser diferente de zero para garantir que o con- junto seja uma base. (a) Por exemplo, v2 = (−2, 1). (b) Qualquer vetor v3 = (a, b, c) tal que det[v1, v2, v3] �= 0. (c) A soluc¸a˜o segue o mesmo roteiro. 22 CAPI´TULO 1. O ESPAC¸O VETORIAL RN 5) (a) vi = 0v1 + · · ·+ 1vi + · · ·+ 0vn. (b) o = 0v1 + 0v2 + · · ·+ 0vn. (c) Na˜o. Cap´ıtulo 2 Combinac¸a˜o linear Este cap´ıtulo tem como ponto central relacionar sistemas lineares e com- binac¸o˜es lineares, um ponto ba´sico do estudo de A´lgebra Linear. Existem diversos me´todos de resoluc¸a˜o de sistemas lineares: me´todo de Gauss, escalon- amento de matrizes, substituic¸a˜o, regra de Cramer, etc. Preferencialmente, utilizaremos a regra de Cramer. Ale´m do aspecto dida´tico, na maioria das vezes, a resoluc¸a˜o por regra de Cramer e´ ta˜o pra´tico quanto qualquer outro me´todo quando o sistema tem um nu´mero pequeno de varia´veis, duas ou treˆs varia´veis. De qualquer forma, apresentamos o me´todo de escalonamento para resoluc¸a˜o de sistemas. Como utilizaremos determinantes, faremos uma breve apresentac¸a˜o do to´pi- co. Acreditamos que o leitor tenha adqu¨irido no Ensino Me´dio uma familiari- dade mı´nima com o conceito de matrizes e o ca´lculo de determinantes. A experieˆncia em sala de aula tem indicado que as demonstrac¸o˜es de muitas propriedades de determinantes sa˜o infrut´ıferas. Compreeender a complexidade de algumas argumentac¸o˜es combinato´rias necessitam de um maior amadureci- mento matema´tico por parte do aluno. Uma apresentac¸a˜o destacando os fatos principais e os algoritmos tem se revelado mais u´til. Seja qual for a opc¸a˜o para a apresentac¸a˜o das treˆs primeiras sec¸o˜es, leitura extensa ou resumo dos fatos, o Teorema 2.4.1, (pg.37), deve ser destacado, pois sera´ utilizado inu´meras vezes. Mesmo assim, com a pretenc¸a˜o de ser completo, as demonstrac¸o˜es envolvendo matrizes e determinantes encontram- se no Cap´ıtulo 13, (pg.305), um cap´ıtulo de refereˆncias que e´ aconselha´vel ser omitido numa primeira leitura. 23 24 CAPI´TULO 2. COMBINAC¸A˜O LINEAR 2.1 Determinantes Nessa sec¸a˜o, o s´ımbolo [A] = [v1, v2, ..., vn] indica uma matriz quadrada n× n onde as colunas sa˜o as coordenadas de um vetor vi ∈ Rn. Nessa notac¸a˜o, a matriz identidade n× n escreve-se como [Id] = [e1, e2, ..., en], onde ei indica o i-e´simo elemento da base canoˆnica do R n. O determinante e´ definido como uma func¸a˜o dos espac¸o das matrizes n×n nos reais possuindo treˆs propriedades: det1 det[e1, e2, ..., en] = 1; (determinante da identidade) det2 det[v1, ..., vi, vi+1, ..., vn] = 0 se vi = vi+1; (colunas adjacentes iguais) det3 det[v1, ..., vi + λw, ..., vn] = det[v1, ..., vi, ..., vn] + λ det[v1, ..., w, ...vn] para qualquer w ∈ Rn e qualquer λ ∈ R. (multilinearidade) Uma questa˜o que surge e´ se existe uma func¸a˜o possu´ındo tais propriedades, para cada espac¸o de matrizes n× n. A resposta e´ positiva e para mostra que existe determinante para matrizes n × n utiliza-se um processoconstrutivo e demonstrac¸a˜o por induc¸a˜o. Primeiro, definimos determinante de matrizes 2×2. Feito isso, utilizamos esse determinante para definir determinante de matrizes 3× 3 utilizando a construc¸a˜o conhecida por desenvolvimento de Laplace pela primeira coluna. Para definir o determinante de uma matriz 4× 4, utiliza-se a definic¸a˜o de determinante para matrizes 3× 3 em conjunto com o desenvolvi- mento de Laplace e assim, sucessivamente. E´ claro, o determinante de uma matriz 1×1 deve ser igual a u´nica entrada da matriz. Determinante de matriz 2× 2 Sejam v1 = (a, b) e v2 = (c, d) vetores do R2. Definimos det[v1, v2] = det [ a c b d ] =: ad− bc. 2.1. DETERMINANTES 25 Essa definic¸a˜o e´ conhecida por qualquer estudante que conclu´ıu o Ensino Me´dio. As propriedades det1, det2 e det3 sa˜o, facilmente, verificadas. Determinante de matriz 3× 3 e´ definido pela regra conhecida como desenvolvimento de Laplace pela primeira coluna. A partir do determinante de matrizes 2× 2 define-se o determinante de matrizes 3× 3. Sejam v1 = (a, b, c), v2 = (d, e, f) e v3 = (g, h, i) vetores do R 3. det[v1, v2.v3] = det ⎡⎣ a d gb e h c f i ⎤⎦ =: a det [ e h f i ] − b det [ d g f i ] + c det [ d g e h ] . Certamente o leitor aprendeu na escola algum algoritmo para calcular o determinante de uma matriz 3× 3, utilize aquele que achar mais conforta´vel. Embora seja mais trabalhoso e enfadonho, tambe´m e´ simples rotina verificar que o determinante de matrizes 3× 3 goza das propriedades det1, det2 e det3. Deixaremos a verificac¸a˜o como exerc´ıcio. Determinante de matriz n× n Seja [A] uma matriz quadrada n× n. Indicamos por [A] bji a ji -e´sima matriz reduzida de [A], isto significa que a matriz [A] bij e´ a matriz (n−1)×(n−1) obtida de [A] por supressa˜o da i−e´sima linha e da j-e´sima coluna. Por exemplo, uma matriz 3 × 3 tem nove matrizes reduzidas. Se [A] = [v1, v2, v3] onde v1 = (a, b, c), v2 = (d, e, f) e v3 = (g, h, i), enta˜o [A] = ⎡⎣ a d gb e h c f i ⎤⎦ . Listemos treˆs matrizes reduzidas de [A]: [A] c11 = [ e h f i ] ; [A] c21 = [ d g f i ] ; [A] c31 = [ d g e h ] . O determinante de uma matriz 3×3 foi definido utilizando-se essas submatrizes 2×2 e uma construc¸a˜o chamada de desenvolvimento de Laplace pela primeira 26 CAPI´TULO 2. COMBINAC¸A˜O LINEAR coluna, det[A] = (−1)1+1a det[A] c11 + (−1)2+1b det[A]c21 + (−1)3+1c det[A]c31. Com essa regra, definirmos o determinante de uma matriz n×n conhecendo- se o determinante de matrizes (n− 1)× (n− 1). Se [A] = [v1, v2, ..., vn], onde v1 = (v11, v21, ..., vn1) definimos det[A] =: (−1)1+1v11 det[A]c11+(−1)2+1v21 det[A]c21+ · · ·+(−1)n+1vn1 det[A]cn1. Uma demonstrac¸a˜o por induc¸a˜o garante que o determinante de matrizes n× n possui as propriedades det1, det2 e det3. Decorrem diretamente das treˆs propriedades exigidas na definic¸a˜o de de- terminante inu´meras outras propriedades que sa˜o bem conhecidas. Proposic¸a˜o 2.1.1 Valem as seguintes afirmac¸o˜es sobre o determinante de uma matriz quadrada [A] = [v1, v2, ..., vn]. 1. det[v1, ..., vi, vi+1, ..., vn] = −det[v1, ...vi+1, vi, ...vn]. 2. Se algum vi e´ o vetor nulo enta˜o det[v1, v2, ..., vn] = 0. 3. det[v1, ..., vi, ..., vj , ..., vn] = 0, se vi = vj, i �= j. 4. Somando-se a uma coluna da matriz [v1, v2, ..., vn] uma combinac¸a˜o linear de outros vetores colunas o determinante na˜o se altera. 5. det[v1, ..., λvi, ..., vn] = λ det[v1, ...., vi, ..., vn], para todo escalar λ. Prova 1. Observe que det[v1, ..., vi+vi+1, vi+vi+1, ..., vn] = 0, pois duas colunas adjacentes sa˜o iguais, det2. Pela linearidade do determinante, det3, obtemos 0 = det[v1, ..., vi + vi+1, vi + vi+1, ..., vn] = det[v1, ..., vi, vi, ..., vn] + det[v1, ..., vi, vi+1, ..., vn] + det[v1, ..., vi+1, vi, ..., vn] + det[v1, ..., vi+1, vi+1, ..., vn]. De onde segue a afirmac¸a˜o. 2.1. DETERMINANTES 27 2. Se vi = 0, ele e´ uma combinac¸a˜o linear dos vetores colunas, vi = 0v1 + · · ·+ 0vi + 0vi+1 + · · ·+ 0vn. Pela propriedade det3, det[v1, ..., vi, vi+1, ..., vn] = 0 det[v1, ..., v1, vi+1, ..., vn] + 0 det[v1, ..., v2, vi+1, ..., vn] + + · · ·+ 0det[v1, ..., vn, vi+1, ..., vn] = 0. 3. Deixaremos como exerc´ıcio. 4. Para facilitar a leitura, vamos supor que vn = a1v1+a2v2+· · ·+an−1vn−1. Pela propriedade det3 temos det[v1, ..., vn−1, vn] = det[v1, ..., vn−1,Σn−1i=1 aivi] = Σn−1i=1 ai det[v1, ..., vn−1, vi]. Como no u´ltimo somato´rio, cada parcela tem um determinante de uma matriz com duas colunas iguais, pelo item 3. acima, segue o resultado. 4. Para facilitar a leitura, vamos supor que o vetor w = a1v1 + a2v2 + · · ·+ an−1vn−1 seja somado a` u´ltima coluna de [v1, ..., vi, ..., vj, ..., vn]. Calculemos, det[v1, ..., vn−1, vn + w] = det[v1, ..., vn−1, vn + Σn−1i=1 aivi] = det[v1, ..., vn−1, vn] + Σn−1i=1 ai det[v1, ..., vn−1, vi] = det[v1, ..., vn−1, vn]. A segunda igualdade e´ justificada observando que cada parcela do somato´rio tem um determinante de uma matriz com duas colunas iguais, portanto, aque- las parcelas sa˜o iguais a zero. 5. Observe as igualdades, det[v1, ..., λvi, ..., vn] = det[v1, ..., vi + (λ− 1)vi, ..., vn] = det[v1, ..., vi, ..., vn] + (λ− 1) det[v1, ..., vi, ..., vn] = λ det[v1, ..., vi, ...vn]. 28 CAPI´TULO 2. COMBINAC¸A˜O LINEAR A igualdades sa˜o justificadas pelo item det3. � Existem muitos outros modos equivalentes para definir determinantes. Por exemplo, podemos indutivamente definir o determinante utilizando o desen- volvimento de Laplace por qualquer coluna ou qualquer linha. Nesses casos, as parcelas do somato´rio sa˜o determinantes de matrizes reduzidas das entradas de uma coluna (ou linha) multiplicadas pelo fator (−1)i+j. As demonstrac¸o˜es dessa e de outras afirmac¸o˜es encontram-se no Cap´ıtulo 13. Recordamos que se [A] = [v1, v2, ..., vn] = [vij ] e´ uma matriz onde m × n, onde vj = (v1j , v2j , ..., vnj), enta˜o a trasposta de [A] e´ a matriz n × m indicada e definida por [A]t = [w1, w2, ...wn] com vetor coluna wj = (vj1, vj2, ..., vjn). isto e´, o j-e´simo vetor coluna de [A]t e´ igual ao j-e´simo vetor linha de [A]. Por exemplo, [A] = ⎡⎣ √2 −3 0−1 1 5 7 1 3 ⎤⎦ e [A]t = ⎡⎣ √2 −1 7−3 1 1 0 5 3 ⎤⎦ . Proposic¸a˜o 2.1.2 Sejam [A] uma matriz n×n e [A]t a sua matriz transposta. Enta˜o det[A]t = det[A]. Prova O desenvolvimento de Laplace de det[A]t pela primeira coluna de [A]t e´ igual ao desenvolvimento de Laplace de det[A] pela primeira linha de [A], que, por sua vez, e´ igual ao desenvolvimento de Laplace de det[A] pela primeira coluna de [A]. � Uma outra propriedade importante envolvendo determinantes diz respeito ao determinante de um produto de matrizes. Proposic¸a˜o 2.1.3 Sejam [A] e [B] duas matrizes n× n. Enta˜o det ([A] [B]) = det[A] det[B]. Veja demonstrac¸a˜o na Proposic¸a˜o 13.4.2, (pg.311), do Cap´ıtulo 13. 2.1. DETERMINANTES 29 Exerc´ıcios propostos 2.1.1 1. Calcule o determinante de cada matriz. (a) [A] = [ 2 −2 4 1 ] . (b) [A] = ⎡⎣ 2 0 2−1 3 1 −1 2 0 ⎤⎦. (c) [A] = ⎡⎣ 1 3 41 −1 0 1 −2 −1 ⎤⎦. (d) [A] = ⎡⎢⎢⎣ 1 0 0 1 2 1 −1 2 0 −2 0 −2 1 0 2 3 ⎤⎥⎥⎦. (e) [A] = ⎡⎣ 1 2 31 2 1 1 0 1 ⎤⎦ . 2. Sejam v e w vetores do R2. Sabendo-se que det[v,w] = −2, calcule: (a) det[2v,w]. (b) det[−v,−4w]. (c) det[w, v]. (d) det[v + w,w]. 3. Dados os vetores v1 = (1,−2) e v2 = (4, 5) em R2. Verifique as igualdades. (a) det[e1, e2] = 1. (b) det[v1, v2] = 13. (c) det[vi, vi] = 0. 4. Considere o vetor w = (−3, 1) em R2. Verifique as igualdades onde os vetores v1 e v2 sa˜o aqueles do item anterior. (a) det[v1, v2 + 3w] = det[v1, v2] + 3det[v1, w]. (b) det[v1 − 2w, v2] = det[v1, v2]− 2 det[w, v2]. 5. Dados os vetores v1 = (0,−2, 1) e v2 = (1, 1, 0) e v3 = (3, 1, 1) em R3. Verifique as igualdades.(a) det[e1, e2, e3] = 1. (b) det[v1, v2, v3] = 1. (c) det[v1, v1, v3] = 0 (d) det[v1, v2, v2] = 0. 6. Considere o vetor w = (1, 1, 2) em R3. Verifique as igualdades calculando os determinantes. Os vetores v1, v2 e v3 sa˜o aqueles do item anterior. (a) det[v1, 3v2 − w, v3] = 3det[v1, v2, v3]− det[v1, w, v3]. (b) det[v1, v2, v3 + 2w] = det[v1, v2, v3] + 2det[v1, v2, w]. 30 CAPI´TULO 2. COMBINAC¸A˜O LINEAR 7. Sejam [A] e [B] matrizes n×n. Responda se a afirmac¸a˜o e´ falsa ou verdadeira. (a) det ([A] + [B]) = det[A] + det[B]. (b) det[λA] = λdet[A]. (c) det ([A]n) = (det [A])n, para todo inteiro positivo n. 8. Verifique a identidade det ⎡⎣ 1 1 1a b c a2 b2 c2 ⎤⎦ = (b− a)(c− a)(c − b). 2.2 Matrizes invert´ıveis Uma matriz quadrada [A] n× n e´ invert´ıvel1 se, e somente se, existe [B], uma matriz quadrada n× n, tal que [A] [B] = [Id] = [B] [A]. Recordamos que [Id] e´ a matriz identidade n× n. Caso exista uma tal matriz [B], chamamos [B] de inversa de [A] e denotamos a inversa de por [A]−1. Por exemplo, a matriz 2× 2 [A] = [ 1 1 1 2 ] e´ invert´ıvel, pois se [B] = [ 2 −1 −1 1 ] enta˜o verifica-se que[ 2 1 1 1 ] [ 1 −1 −1 2 ] = [ 1 0 0 1 ] = [ 1 −1 −1 2 ] [ 2 1 1 1 ] , isto e´, [A] [B] = [Id] = [B] [A]. Quando [A] e´ invert´ıvel, diz-se que [B] e´ a inversa de [A] e, por convenieˆncia, denota-se [B] = [A]−1. Posta a definic¸a˜o de matriz invert´ıvel, devemos responder treˆs perguntas. 1Tambe´m chamada de matriz regular por alguns autores. 2.2. MATRIZES INVERTI´VEIS 31 • Toda matriz quadrada tem inversa? • Existe algum crite´rio para determinar quando uma matriz tem inversa? • Existe algum algoritmo para calcular a inversa de uma matriz? Todas elas sera˜o respondidas simultaneamente. Determinar se uma matriz quadrada 2×2 e´ invert´ıvel e´ simples e o algoritmo envolvido e´ de fa´cil memorizac¸a˜o. Nele, percebe-se claramente a necessidade do determinante ser diferente de zero. Consideremos a matriz [A] = [ a b c d ] . Chamamos de matriz adjunta cla´ssica de [A], a` matriz 2×2 denotada e definida por ad([A]) = [ d −b −c a ] . Efetuemos a multiplicac¸a˜o das duas matrizes [A] · ad([A]) = [ ad− bc 0 0 ad− bc ] = det[A] [Id]. Essas contas demonstram a afirmac¸a˜o: uma matriz 2× 2, [A], e´ invert´ıvel se, e somente se, det[A] �= 0, e mais, se ela e´ invert´ıvel enta˜o [A]−1 = 1 det[A] ad([A]) e det[A]−1 = (det[A])−1. Precisamos generalizar tal afirmac¸a˜o para matrizes n × n. Iniciaremos definindo o conceito de adjunta cla´ssica de uma matriz [A] = [aij ]. Recordamos que ja´ tomamos conhecimento do conceito matriz reduzida na pa´gina 25, ao definirmos determinante de matrizes n × n. Denotamos uma ij-e´sima matriz reduzida por [A] bij . O ij-e´simo cofator da matriz [A] = [aij ] e´ o escalar cij = (−1)i+j det[A]bij e a adjunta cla´ssica de [A] e´ a matriz transposta da matriz dos cofatores, ad([A]) = [cij ] t. 32 CAPI´TULO 2. COMBINAC¸A˜O LINEAR Exemplo 2.2.1 Ilustremos o algoritmo para inverso˜es de matrizes com a ma- triz [A] = ⎡⎣ 1 2 01 4 3 −1 0 2 ⎤⎦ . Esta matriz da´ origem a nove matrizes reduzidas, uma para cada ı´ndice ij. Explicitemos quatro delas: [A] c11 = [ 4 3 0 2 ] ; [A] c32 = [ 1 0 1 3 ] ; [A] c21 = [ 2 0 0 2 ] ; [A] c13 = [ 1 4 −1 0 ] . Para calcular a adjunta cla´ssica da matriz [A], calculamos a transposta da matriz dos cofatores, ad([A]) = ⎡⎣ det[A]c11 − det[A]c12 det[A]c13− det[A] c21 det[A]c22 − det[A]c23 det[A] c31 − det[A]c32 det[A]c33 ⎤⎦t = ⎡⎣ 8 −4 6−5 2 −3 4 −2 2 ⎤⎦ . Observe que det[A] = −2. Calculando o produto matricial ad([A]) [A], obtemos⎡⎣ 1 2 01 4 3 −1 0 2 ⎤⎦ ⎡⎣ 8 −4 6−5 2 −3 4 −2 2 ⎤⎦ = ⎡⎣ −2 0 00 −2 0 0 0 −2 ⎤⎦ , ou seja, ad([A]) [A] = det[A] [Id]. Portanto, se [B] = 1 det[A] ad [A], enta˜o [A] [B] = [Id]. Do mesmo modo verifica-se que [B] [A] = [Id]. Isso significa que [A] e´ invert´ıvel e sua inversa e´ [A]−1 = 1 det[A] ad [A]. � A proposic¸a˜o a seguir corresponde a` Proposic¸a˜o 13.5.1 do Cap´ıtulo 13, (pg.313). Proposic¸a˜o 2.2.1 Seja [A] uma matriz n× n. Valem as igualdades ad([A]) [A] = det[A][Id] = [A] ad([A]). 2.2. MATRIZES INVERTI´VEIS 33 O pro´ximo corola´rio responde a`s treˆs perguntas feitas na pa´gina 30. Corola´rio 2.2.1 As seguintes afirmac¸o˜es sobre matrizes n × n sa˜o equiva- lentes. 1. [A] e´ uma matriz invert´ıvel. 2. det[A] �= 0. Em particular, se [A] e´ uma matriz invert´ıvel enta˜o det[A]−1 = 1 det[A] . Prova (⇒) Suponha que [A] seja uma matriz invert´ıvel. Pela Proposic¸a˜o 2.1.3, (pg.28), temos 1 = det[Id] = det ( [A] [A]−1 ) = det[A] det[A]−1. Como o produto de det[A] e det[A]−1 e´ igual a 1, nenhum desses determinantes pode ser zero. Isso mostra o item 2 e que det[A]−1 = 1 det[A] . (⇐) Suponha que det[A] �= 0. Pela Proposic¸a˜o 2.2.1, a inversa de A e´ a matriz [A]−1 = 1 det[A] ad([A]). � Finalizaremos essa sec¸a˜o com um corola´rio que evita ca´lculos. Quando uma matriz quadrada tem uma inversa a` direita, enta˜o ela e´ a inversa de [A]. Corola´rio 2.2.2 Seja [A] uma matriz invert´ıvel n × n. Se [B] e´ uma matriz n×n tal que [B] [A] = [Id] enta˜o [A] [B] = [Id], isto e´, matriz [A] e´ invert´ıvel e [B] = [A]−1. Prova As igualdades 1 = det[Id] = det([B] [A]) = det[B] det[A] implicam que det[B] �= 0, portanto, [B] e´ invert´ıvel. Calculemos, [A] [B] = [B]−1 [B][A]︸ ︷︷ ︸ [Id] [B] = [B] [B]−1 = [Id]. Sendo assim, [A] e´ invert´ıvel e [B] = [A]−1. � 34 CAPI´TULO 2. COMBINAC¸A˜O LINEAR Exerc´ıcios propostos 2.2.1 1. Se ad− bc �= 0 mostre que [A] = [ a b c d ] e´ invert´ıvel e [A]−1 = 1 ad− bc [ d −b −c a ] . 2. Calcule a inversa da matriz, se existir. a) [A] = [ 1 1 1 2 ] . b) [B] = ⎡⎣ 2 10 30 1 3 0 0 2 ⎤⎦ . c) [C] = ⎡⎣ 1 −1 −14 2 8 5 1 7 ⎤⎦ . 3. Determine det[A], ad([A]) e [A]−1 em que [A] = ⎡⎣ 0 0 10 2 0 3 0 0 ⎤⎦ . 4. Calcule uma fo´rmula para a poteˆncia k das matrizes e verifique que todas sa˜o invert´ıveis. Calcule a inversa da poteˆncia k. a) [A] = [ 1 1 0 1 ] . b) [B] = ⎡⎣ 1 1 10 1 1 0 0 1 ⎤⎦. c) [C] = [ cos t −sent sent cos t ] . 5. Prove que o determinante e´ invariante por conjugac¸a˜o de matrizes, ou seja, se [R] e [N ] sa˜o matrizes quadradas n× n e [R] e´ invert´ıvel, enta˜o det ([R]−1[N ][R]) = det [N ]. 2.3 Regra de Cramer (prova) Faremos agora a prova do Teorema 1.4.1, (pg.16). Inicialmente recapitulemos a construc¸a˜o apresentada anteriormente. Fixemos o subconjunto de n vetores β = {v1, v2, ..., vn} ⊂ Rn. Dado w = (w1, w2, ..., wn), um vetor qualquer de R n, desejamos saber se w e´ uma combinac¸a˜o linear de vetores de β, isto e´, se existem escalares a1, a2, ..., an tais que w = a1v1 + a2v2 + · · ·+ anvn. 2.3. REGRA DE CRAMER (PROVA) 35 Como vimos, essa pergunta da´ origem ao sistema linear de n equac¸o˜es com n inco´gnitas, ⎧⎪⎪⎨⎪⎪⎩ v11a1 + v12a2 + · · ·+ v1nan = w1 v21a1 + v22a2 + · · ·+ v2nan = w2 · · · vn1a1 + vn2a2 + · · ·+ vnnan = wn , onde os coeficientes sa˜o as coordenadas dos vetores colunas vj’s, vj = (v1j , v2j , ..., vnj). Em termos matriciais. temos⎡⎢⎢⎣ v11 v12 ... v1n v21 v22 ... v2n ... ... ... ... vn1 vn2 ... vnn ⎤⎥⎥⎦ ⎡⎢⎢⎣ a1 a2 : an ⎤⎥⎥⎦ = ⎡⎢⎢⎣ w1 w2 : wn ⎤⎥⎥⎦ . Em resumo, escrevemos [A][a] = [w], onde: 1. [A] = [v1, v2, ..., vn] e vj = (v1j , v2j, ..., vnj); 2. a = (a1, a2, ..., an); 3. w = (w1, w2, ..., wn). Se det[A] �= 0, enta˜o [A] e´ uma matriz invert´ıvel. Logo, podemos determi- nar os valores ai’s procurados por [a] = [A] −1[w]. Sendo assim, o vetor w pode ser escrito como uma combinac¸a˜o linear do vetores de β = {v1, v2, ..., vn}, w = a1v1 + a2v2 + · · ·+anvn. Portanto, β e´ uma base do Rn. Calculemos o determinante da matriz obtida por substituic¸a˜o do j0-e´simo vetor coluna de [A] pelo vetor w, det [v1, ..., vj0−1, w, vj0+1, ..., vn] = det [ v1, ..., vj0−1, ∑ k akvk, vj0+1, ..., vn ] = ∑ k ak det [v1, ..., vj0−1, vk, vj0+1, ..., vn] . 36 CAPI´TULO 2. COMBINAC¸A˜O LINEAR Quando k �= j0 temos det [v1, ..., vj0−1, vk, vj0+1, ..., vn] = 0, pois duas colunas sa˜o iguais. Por outro lado, quando k = j0 temos a igualdade, det [v1, ..., vj0−1, vj0 , vj0+1, ..., vn] = det[A]. Retornando com estes dados, obtemos det [v1, ..., vj0−1, w, vj0+1, ..., vn] = aj0 det[A]. Sendo assim, como, por hipo´tese, det[A] �= 0, obtemos aj0 = det [v1, ..., vj0−1, w, vj0+1, ..., vn] det[A] . Isso termina a demonstrac¸a˜o da Regra de Cramer. Em ca´lculos, muitas vezes utilizaremos a seguinte versa˜o para a regra de Cramer. A demonstrac¸a˜o e´ semelhante a essa acima. Proposic¸a˜o 2.3.1 Dado o sistema linear n× n⎧⎪⎪⎨⎪⎪⎩ v11a1 + v12a2 + · · ·+ v1nan = w1 v21a1 + v22a2 + · · ·+ v2nan = w2 · · · vn1a1 + vn2a2 + · · ·+ vnnan = wn . Se a matriz [A] = [v1, v2, ..., vn] dos coeficientes tem determinante diferente de zero, enta˜o o sistema e´ poss´ıvel e determinado e aj = det [v1, ..., vj−1, w, vj+1, ..., vn] det[A] , para todo i = 1, ..., n, onde w = (w1, w2, ..., wn) Exerc´ıcios propostos 2.3.1 1. Considere o sistema linear 3× 3,⎧⎨⎩ 2a1 + 2a2 + a3 = 5 6a1 − a2 + 2a3 = 1 2a1 − 4a2 = 0 . 2.4. COMBINAC¸A˜O LINEAR E DETERMINANTE 37 (a) Relacione as soluc¸o˜es do sistema com uma combinac¸a˜o linear. (b) Resolva o sistema. 2. Considere o sistema linear 2× 2,{ 2a1 + 9a2 = 1 a1 + 5a2 = −1 . (a) Relacione as soluc¸o˜es do sistema com uma combinac¸a˜o linear. (b) Resolva o sistema. 2.4 Combinac¸a˜o linear e determinante Um teorema central da teoria estabelece uma relac¸a˜o entre o determinante ser igual a zero e combinac¸o˜es lineares de vetores colunas. Teorema 2.4.1 Seja [A] = [v1, v2, ..., vn] uma matriz quadrada n × n. As seguintes afirmac¸o˜es sa˜o equ¨ivalentes. 1. det[A] = 0. 2. Existe um vetor coluna que e´ combinac¸a˜o linear dos outros vetores colu- nas. Prova (⇐) Para facilitar a leitura, vamos supor que vn = a1v1 + a2v2 + · · ·+ an−1vn−1. Calculemos, det[v1, ..., vn−1, vn] = det[v1, ..., vn−1,Σn−1i=1 aivi] = Σn−1i=1 ai det[v1, ..., vn−1, vi] = 0. A primeira igualdade e´ justificada pela linearidade do determinante. Cada parcela do somato´rio e´ igual zero, pois existem dois vetores colunas iguais. (⇒) Seja [A] uma matriz n×n. Desejamos mostrar que se det[A] = 0 enta˜o um vetor coluna e´ uma combinac¸a˜o linear dos outros vetores colunas de [A]. A demonstrac¸a˜o sera´ por induc¸a˜o em n. 38 CAPI´TULO 2. COMBINAC¸A˜O LINEAR Dada a matriz 2× 2 [A] = [ a b c d ] com ad− bc = 0. Se a = 0 = b a conclusa˜o que desejamos e´ imediata e sera´ deixada como exerc´ıcio. Sem perda de generalidade, podemos supor que a �= 0, pois permu- tando as colunas o determinante continua igual a zero. Enta˜o [A] = [ a b c bc a ] = [ a b a a c b a c ] . Logo, o segundo vetor coluna e´ um mu´ltiplo do primeiro vetor coluna por b a . Vamos supor que a afirmac¸a˜o seja verdadeira para matrizes n× n. Seja [A] = [v1, v2, ..., vn, vn+1] uma matriz (n+1)× (n+1) com det[A] = 0. Escrevamos a matriz [A], [A] = ⎡⎢⎢⎣ v1,1 v1,2 · · · v1,io v1,io+1 · · · v1,n+1 v2,1 v2,2 · · · v2,io v2,io+1 · · · v2,n+1 · · · · · · · · · · · vn+1,1 vn+1,2 · · · vn+1,io vn+1,io+1 · · · vn+1,n+1 ⎤⎥⎥⎦ . 1o caso A primeira linha da matriz e´ identicamente nula. Sendo assim, a matriz reduzida [A] c11 e´ uma matriz n × n com a seguinte forma, [A] c11 = [v̂2, v̂3, ..., v̂n+1] = ⎡⎣ v2,2 · v2,io v2,io+1 · · · v2,n+1· · · · · · · · vn+1,2 · vn+1,io vn+1,io+1 · · · vn+1,n+1 ⎤⎦ . Se det[A] c11 = 0, por hipo´tese de induc¸a˜o, algum vetor coluna v̂io , 2 ≤ io ≤ n+1, e´ uma combinac¸a˜o linear dos outros vetores colunas, v̂io = a2v̂2 + · · ·+ aio−1v̂io−1 + aio+1v̂io+1 + · · ·+ an+1v̂n+1. Observe que o vetor vio tambe´m e´ escrito como vio = a2v2 + · · ·+ aio−1vio−1 + aio+1vio+1 + · · ·+ an+1vn+1, 2.4. COMBINAC¸A˜O LINEAR E DETERMINANTE 39 desde que a primeira coordenada de cada vetor vj e´ zero e as outras coor- denadas sa˜o iguais a`s coordenadas de v̂j . Logo, nesse caso, fica mostrado a afirmac¸a˜o. Se det[A] c11 �= 0, a regra de Cramer garante que os vetores v̂i’s, 2 ≤ i ≤ n+1, e´ uma base do Rn, portanto, o vetor v̂1 e´ uma combinac¸a˜o linear do tipo v̂1 = a2v̂2 + a3v̂3 + · · ·+ an+1v̂n+1. Pelos mesmos motivos, o vetor v1 tambe´m e´ expresso como v1 = a2v2 + a3v3 + · · ·+ an+1vn+1. Isso encerra o primeiro caso. 2o caso A primeira linha da matriz [A] e´ nula, exceto a entrada v1,1. Escrevamos, [A] = ⎡⎢⎢⎣ v1,1 0 · 0 0 · · · 0 v2,1 v2,2 · v2,io v2,io+1 · · · v2,n+1 · · · · · · · · · vn+1,1 vn+1,2 · vn+1,io vn+1,io+1 · · · vn+1,n+1 ⎤⎥⎥⎦ . Calculando o determinante pelo desenvolvimento de Laplace pela primeira linha obtemos 0 = det[A] = v1,1 det[A]c11. Como, v1,1 �= 0, conclu´ımos que det[A]bii = 0. Com os mesmos argumentos utilizados no 1o caso, garantimos que algum vetor coluna v̂io , 2 ≤ io ≤ n + 1, de [A] bii e´ uma combinac¸a˜o linear dos outros vetores colunas, v̂io = a2v̂2 + · · ·+ aio−1v̂io−1 + aio+1v̂io+1 + · · ·+ an+1v̂n+1 e que o vetor vio tambe´m e´ escrito como vio = a2v2 + · · ·+ aio−1vio−1 + aio+1vio+1 + · · ·+ an+1vn+1, 3o caso Existe um vetor coluna vi cuja primeira coordenada na˜o e´ zero. A menos de uma permutac¸a˜o dos vetores colunas, que na˜o altera o valor do determinante, podemos assumir que a primeira coordenada v1,1 do vetor coluna v1 na˜o e´ nula. 40 CAPI´TULO 2. COMBINAC¸A˜O LINEAR Consideremos a matriz [B] definida por [B] = [ v1, v2 − v1,2 v1,1 v1, ..., vn+1 − vn+1,2 v1,1 v1 ] . Observamos que det [B] = det [A] = 0, pois somamos a cada vetor coluna um mu´ltiplo do primeiro vetor coluna. A matriz [B] tem a seguinte forma, [B] = ⎡⎢⎢⎣ v1,1 0 · · · 0 0 · · · 0 v2,1 u2,2 · · · u2,io u2,io+1 · · · u2,n+1 · · · · · · · · · · · vn+1,1 un+1,2 · · · un+1,io un+1,io+1 · · · un+1,n+1 ⎤⎥⎥⎦ . onde ui = vi − vi,2v1,1 v1 para 2 ≤ i ≤ n + 1. Pelo 2o caso, sabemos que algum vetor coluna uio e´ combinac¸a˜o dos outros vetores colunas ui’s, uio = a2u2 + · · ·+ aio−1uio−1 + aio+1uio+1 + · · ·+ an+1un+1, Substituindo, obtemos vio = ( vio,2 v1,1 − ∑ i�=io ai vi,2 v1,1 ) v1 + ∑ i/∈{1,io} aivi. Isso encerra a demonstrac¸a˜o do teorema. � Exerc´ıcio 2.4.1 Mostre que cada matriz tem determinante nulo e determine um vetor coluna que seja combinac¸a˜o linear dos outros vetores colunas. a) [ 1 3 2 6 ] . b) ⎡⎣ 2 1 3−1 3 2 1 3 4 ⎤⎦ . c) ⎡⎣ 1 0 21 −1 3 3 −2 8 ⎤⎦ . Determine tambe´m um vetor linha que seja combinac¸a˜o linear dos outros ve- tores linhas. � Utilize a Proposic¸a˜o 2.1.2, (pg.28), e a definic¸a˜o de matriz transposta para mostrar o 2.5. COMBINAC¸A˜O LINEAR E SISTEMA LINEAR 41 Corola´rio 2.4.1 Seja [A] = [v1, v2, ..., vn] uma matriz quadrada n × n. As seguintes afirmac¸o˜es sa˜o equ¨ivalentes. 1. det[A] = 0. 2. Existe um vetor linha que e´ combinac¸a˜o linear dos outros vetores linhas. 2.5 Combinac¸a˜o linear e sistema linear Um sistema de equac¸o˜es lineares, ou mais simplesmente, sistema linear, e´ clas- sificado de acordo com o nu´mero de soluc¸o˜es que admite.⎧⎪⎪⎪⎪⎨⎪⎪⎪⎪⎩ poss´ıvel ⎧⎨⎩ determinado (uma u´nica soluc¸a˜o) indeterminado (infinitas soluc¸o˜es) imposs´ıvel (na˜o tem soluc¸a˜o) . No´s relacionaremos o estudo de sistemas lineares com o estudo de com- binac¸o˜es linear para responder a seguinte pergunta. Fixados os vetores v1, v2,...,vk em R n. • Um dado vetor w ∈ Rn e´ combinac¸a˜o linear dos vetores v1,v2,...,vk? Dito de outro modo. • Existem escalares a1, a2,...,ak tais que w = a1v1 + a2v2 + · · ·+ akvk? Esses escalares procurados, isto e´, os coeficientes da combinac¸a˜o linear procu- rada, sera˜o as inco´gnitas do sistema que surge dessa pergunta. Da mesma forma, a resposta sobre a combinac¸a˜o linear devera´ ser um dos treˆs tipos.⎧⎪⎪⎪⎪⎨⎪⎪⎪⎪⎩ existe ⎧⎨⎩ e´ u´nica (uma u´nica combinac¸a˜o) na˜o e´ u´nica (infinitas combinac¸o˜es) na˜o existe . Cada caso tera´ seu estudo dependendendo de um espec´ıfico determinante ser igual a zero, ou na˜o. 42 CAPI´TULO 2. COMBINAC¸A˜O LINEAR Exemplo 2.5.1 Considere o sistema 3 × 3 escrito na forma usual (ou matri- cial),⎧⎨⎩ a1 + a2 = 1 a1 + a3 = 2 a2 + a3 = 0 ⎛⎝ou ⎡⎣ 1 1 01 0 1 0 1 1 ⎤⎦⎡⎣ a1a2 a3 ⎤⎦ = ⎡⎣ 12 0 ⎤⎦⎞⎠ . A primeira questa˜o e´ sobre o significado da expressa˜o ”resolver o sistema”. A questa˜o sera´ colocada em termos de combinac¸a˜o linear, ponto de vista que nos interessa. Consideramos o vetor w = (1, 2, 0) ∈ R3, cujas coordenadas sa˜o os termos independentes do sistema, e procuramos determinar os escalares a1, a2 e a3 tais que w e´ a combinac¸a˜o linear com esses coeficientes, w = a1v1 + a2v2 + a3v3, onde os vetores v′is sa˜o os vetores colunas da matriz dos coeficientes, ou seja, v1 = (1, 1, 0), v2 = (1, 0, 1) e v3 = (0, 1, 0). Como det[v1, v2, v3] = −1 �= 0 o conjunto ordenado β = {v1, v2, v3} e´ uma base de R3 e, pela regra de Cramer, os valores procurados sa˜o a1 = 3, a2 = −1 e a3 = 1. Numa linguagem mais apropriada, o sistema e´ poss´ıvel e determinado, ou seja, a combinac¸a˜o linear existe e e´ u´nica. � O exemplo acima e´ bastante ilustrativo. Um sistema de equac¸o˜es lineares quadrado n equac¸o˜es e n inco´gnitas cuja matriz dos coeficientes tem determi- nante diferente de zero, pela regra de Cramer, e´ poss´ıvel e determinado. Exemplo 2.5.2 Considere o sistema 2 × 3 escrito na forma usual (ou matri- cial), { a1 + 2a2 = 2 a1 + 2a2 + a3 = −1 ⎛⎝ou [ 1 2 0 1 2 1 ]⎡⎣ a1a2 a3 ⎤⎦ = [ 2−1 ] . ⎞⎠ . A questa˜o sobre o termo ”resolver o sistema” e´ ideˆntica. Dado o vetor w = (2,−1) ∈ R2 desejamos determinar escalares a1, a2 e a3 tais que w e´ uma combinac¸a˜o linear com esses coeficientes, w = a1v1 + a2v2 + a3v3, 2.5. COMBINAC¸A˜O LINEAR E SISTEMA LINEAR 43 onde os vetores v′is sa˜o os vetores colunas da matriz dos coeficientes, v1 = (1, 1), v2 = (2, 2) e v3 = (0, 1). Na˜o podemos utilizar imediatamente a regra de Cramer, pois a matriz principal [A] = [v1, v2, v3] na˜o e´ quadrada e determinante foi definido somente para matrizes quadradas. E´ necessa´rio uma adaptac¸a˜o. Escolhemos a maior submatriz quadrada de [A] com determinante diferente de zero e resolvemos o subsistema correspondente. Expliquemos melhor o procedimento. Existem treˆs submatrizes quadradas: [v1, v2] = [ 1 2 1 2 ] ; [v1, v3] = [ 1 0 1 1 ] ; [v2, v3] = [ 2 0 2 1 ] . Somente as duas u´ltimas matrizes teˆm determinante diferente de zero. Re- solvamos o subsistema correspondene a` segunda submatriz cujo determinante e´ det[v1, v3] = 1,{ a1 + = 2− 2a2 a1 + a3 = −1− 2a2 ( ou [ 1 0 1 1 ] [ a1 a3 ] = [ 2− 2a2 −1− 2a2 ]) . Para calcular os coeficientes com o uso da regra de Cramer, precisaremos das matrizes auxiliares, [w − a2v2, v3] = [ 2− 2a2 0 −1− 2a2 1 ] , [v1, w − a2v2] = [ 1 2− 2a2 1 −1− 2a2 ] , e de seus determinantes, det[w − a2v2, v3] = 2− 2a2, det[v1, w − a2v2] = −3. Agora, calculando os coeficientes pela regra de Cramer, encontramos a1 = det[w − a2v2, v3] det[v1, v3] = 2− 2a2, a3 = det[v1, w − a2v2] det[v1, v3] = −3. Portanto, w = (2− 2a2)v1 + a2v2 − 3v3, isto e´, na˜o existe unicidade de combinac¸a˜o linear, para cada escolha de um valor para a2, a combinac¸a˜o linear para expressar w e´ diferente: 44 CAPI´TULO 2. COMBINAC¸A˜O LINEAR ◦ w = 2v1+0v2−3v3, ◦ w = 0v1+1v2−3v3, ◦ w = 3v1−1v2−3v3, se a2 = 0; se a2 = 1; se a2 = −1. Na linguagem utilizada no Ensino Me´dio, dizemos que o sistema e´ poss´ıvel e indeterminado (infinitas soluc¸o˜es). � Exemplo 2.5.3 Estudemos um caso no qual o nu´mero de equac¸o˜es e´ maior que o nu´mero de inco´gnitas. Dado o sistema linear 3× 2,⎧⎨⎩ a1 + 2a2 = 1 a1 + a2 = −1 2a1 − 3a2 = −2 ⎛⎝ou ⎡⎣ 1 21 1 2 −3 ⎤⎦[ a1 a2 ] = ⎡⎣ 1−1 −2 ⎤⎦⎞⎠ . Em liguagem vetorial, desejamos saber se existem escalares a1 e a2 que sejam os coeficientes de uma combinac¸a˜o linear dos vetores colunas para ex- pressar o vetor w = (1,−1, 2) ∈ R3, w = a1v1 + a2v2, onde v1 = (1, 1, 2) e v2 = (2, 1,−3). Na˜o podemos utilizar imediatamente a regra de Cramer, pois a matriz prin- cipal [A] = [v1, v2] na˜o e´ quadrada. Procedemos da mesma forma, escolhemos a maior submatriz quadrada de [A] com determinante diferente de zero e re- solvemos o subsistema correspondente. Existem teˆs submatrizes quadradas 2× 2, a saber, [A]1 = [ 1 2 1 1 ] , [A]2 = [ 1 2 2 −3 ] , [A]3 = [ 1 1 2 −3 ] , todas elas com determinantes diferentes de zero. Resolvamos o subsistema correspondente a` primeira submatriz cujo determinante e´ det[A]1 = −1, (a u´ltima equac¸a˜o esta´, por enquanto, suprimida){ a1 + 2a2 = 1 a1 + a2 = −1 ( ou [ 1 2 1 1 ] [ a1 a2 ] = [ 1 −1 ]) . Para calcular os coeficientes pela regra de Cramer precisaremos das matrizes auxiliares e de seus determinantes, det [ 1 2 −1 1 ] = 3, det [ 1 1 1 −1 ] = −2, 2.5. COMBINAC¸A˜O LINEAR E SISTEMA LINEAR 45 obtendo a1 = −3 e a2 = 2. Ainda resta saber se esses valores encontrados satisfazem a equac¸a˜o que foi suprimida do sistema. Obviamente na˜o satisfaz, pois com uma substituic¸a˜o obtemos o absurdo 0 = 2. Em resumo, na˜o podemos expressar o vetor w = (1,−1, 2) por uma combinac¸a˜o linear de v1 = (1, 1, 2) e v = (2, 1,−3). Agora, observe que ao perguntarmos se u = (1,−1, 0) e´ uma combinac¸a˜o linear dos vetores v1 e v2 a resposta e´ sim. O sistema linear que devemos estudar e´⎧⎨⎩ a1 + 2a2 = 1 a1 + a2 = −1 2a1 − 3a2 = 0 ⎛⎝ou ⎡⎣ 1 21 1 2 −3 ⎤⎦[ a1 a2 ] = ⎡⎣ 1−1 0 ⎤⎦⎞⎠ . A resoluc¸a˜o e´ ideˆntica a`quela feita anteriormente, encontrando os valores a1 = 1 e a2 = 2 3 . Ao substituirmos na u´ltima equac¸a˜o na˜o obtemos contradic¸a˜o alguma, 0 = 0. Logo, u = a1v1 + a2v2 e essa combinac¸a˜o linear e´ u´nica. � Exemplo 2.5.4 Examinemos sistemas lineares n × n cujo determinante da matriz dos coeficientes e´ zero, por exemplo,⎧⎨⎩ a1 + a2 = 1 a1 + a3 = 2 2a1 + a2 + a3 = −4 ⎛⎝ou ⎡⎣ 1 1 01 0 1 2 1 1 ⎤⎦⎡⎣ a1a2 a3 ⎤⎦ = ⎡⎣ 12 −4 ⎤⎦⎞⎠ . Aqui, temos det[v1, v2, v3] = 0. Tambe´m na˜o podemos utilizar regra de Cramer, pois a divisa˜o por zero na˜o esta´ definida. Como sabemos, deve existir um vetor linha da matriz que e´ combinac¸a˜o linear dos outros vetores linhas, Corola´rio 2.4.1, (pg.41). Nesse caso, a terceira linha e´ uma soma das duas primeiras. Resolvemos o subsistema obtido por supressa˜o da terceira equac¸a˜o, { a1 + a2 = 1 a1 + a3 = 2 ⎛⎝ou [ 1 1 0 1 0 1 ]⎡⎣ a1a2 a3 ⎤⎦ = [ 1 2 ]⎞⎠ Tendo em ma˜os a soluc¸a˜o do subsistema, verificamos se ela satisfaz a equac¸a˜o eliminada. � Um caso particular e importante, sa˜o os sistemas lineares homogeˆneos. 46 CAPI´TULO 2. COMBINAC¸A˜O LINEAR Um sistema de equac¸o˜es lineares homogeˆneas sempre tem soluc¸a˜o! A justificativa para essa afirmac¸a˜o e´ simples. Um sistema linear homogeˆneo tem origem na pergunta: dados os vetores v1, v2, ..., vk ∈ Rn existem escalares a1, a2, ..., ak tais que o = a1v1 + a2v2 + · · · + akvk? E´ claro que a resposta e´ sim, basta tomar a1 = a2 = · · · = ak = 0. Resta estudar se essa e´, ou na˜o e´, a u´nica soluc¸a˜o, ou combinac¸a˜o linear para o vetor nulo. Exerc´ıcios propostos 2.5.1 1. Resolva os sistemas em duas inco´gnitas, coloque o problema em
Compartilhar