Baixe o app para aproveitar ainda mais
Prévia do material em texto
Universidade Federal dos Vales do Jequitinhonha e Mucuri Instituto de Cieˆncia e Tecnologia-ICT Bacharelado em Cieˆncia e Tecnologia-BC&T Orientac¸o˜es de Estudo Para a Disciplina de A´lgebra Linear por Moˆnica Aparecida Cruvinel Valada˜o Diamantina-MG 2/2014 1/2015 2/2015 1/2016 2/2016 Suma´rio 1 Matrizes 4 1.1 Tipos Especiais de Matrizes 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.2 Resumo sobre Notac¸a˜o de Somato´rio . . . . . . . . . . . . . . . . . . . . . . . . 6 1.3 Operac¸o˜es com Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.4 Tipos Especiais de Matrizes 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.5 Propriedades da A´lgebra Matricial . . . . . . . . . . . . . . . . . . . . . . . . . 8 1.6 Operac¸o˜es Elementares Sobre as Linhas de uma Matriz . . . . . . . . . . . . . . 9 1.6.1 Matriz Equivalente Por Linhas . . . . . . . . . . . . . . . . . . . . . . . . 9 1.6.2 Matrizes Escalonadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 1.7 Exerc´ıcios Complementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2 Sistemas de Equac¸o˜es Lineares 14 2.1 Soluc¸a˜o de Um Sistema de Equac¸o˜es Lineares . . . . . . . . . . . . . . . . . . . 15 2.1.1 Soluc¸a˜o de Um Sistema Linear - Me´todo de Gauss-Jordan . . . . . . . . 16 2.2 Exerc´ıcios Complementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 3 Determinantes 22 3.1 Determinante e Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3.2 Matriz Inversa e Soluc¸a˜o de Um Sistema Linear de n Equac¸o˜es e n Inco´gnitas. . 24 3.3 Exerc´ıcios Complementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 4 Vetores no Plano e no Espac¸o 27 4.1 Vetores em Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 4.2 Produto entre Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 4.2.1 Produto Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 4.2.2 Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 4.3 Exerc´ıcios Complementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 5 Espac¸o Vetorial 33 5.1 Espac¸o Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 5.2 Subespac¸o Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 5.3 Combinac¸a˜o Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 5.4 Somas e Somas Diretas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 5.5 Dependeˆncia e Independeˆncia Linear . . . . . . . . . . . . . . . . . . . . . . . . 36 5.6 Base de Um Espac¸o Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 5.7 Espac¸o Linha e Espac¸o Coluna de Uma Matriz . . . . . . . . . . . . . . . . . . . 37 5.8 Dimensa˜o de Um Espac¸o Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . 37 5.9 Coordenadas de Um Vetor em Relac¸a˜o a Uma Base . . . . . . . . . . . . . . . . 38 5.10 Exerc´ıcios Complementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 2 6 Transformac¸a˜o Linear 43 6.1 Func¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 6.2 Transformac¸a˜o Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 6.3 Operac¸o˜es Com Transformac¸o˜es Lineares . . . . . . . . . . . . . . . . . . . . . . 45 6.4 Nu´cleo e Imagem de Uma Transformac¸a˜o Linear . . . . . . . . . . . . . . . . . . 45 6.5 Transformac¸a˜o Linear e Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 6.6 Exerc´ıcios Complementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 7 Autovalores e Autovetores 50 7.1 Exerc´ıcios Complementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 Refereˆncias Bibliogra´ficas 53 Cap´ıtulo 1 Matrizes Neste cap´ıtulo definiremos o conceito de matriz e trataremos das operac¸o˜es alge´bricas que esta˜o definidas entre matrizes. Usaremos K para representar o conjunto dos nu´meros reais R ou complexos C e os elementos de K sera˜o chamados de escalares. Definic¸a˜o 1. Dados dois nu´meros m e n naturais e na˜o nulos, denomina-se matriz de ordem m×n (leˆ-se m por n) sobre K a toda tabela A de elementos de K (podem ser reais ou complexos) dispostos em m linhas e n colunas, como segue: A = a11 a12 · · · a1n a21 a22 · · · a2n ... ... ... ... am1 am2 · · · amn A i-e´sima linha de A e´ [ ai1 ai2 · · · ain ] e a j-e´sima coluna e´, a1j a2j ... amj ,para i = 1, · · · ,m e j = 1, · · · , n, respectivamente. O elemento de posic¸a˜o linha i e coluna j da matriz A e´ representado por aij e i, j sa˜o chamados de ı´ndices. Usaremos tambe´m a notac¸a˜o A = Am×n = [aij]m×n. No decorrer deste cap´ıtulo quando mencionarmos uma matriz A, o leitor devera´ lembrar de que se trata de uma matriz sobre K. Exemplo 1. Sa˜o exemplos de matrizes: (a) A = [ 1 2 3 ] e´ matriz 1× 3; (b) B = [ −2 1 0 3 ] e´ matriz 2× 2 (c) C = 51 4 e´ matriz 3× 1; (d) D = [2] e´ matriz 1× 1. Exemplo 2. Construa as seguintes matrizes: (a) A = A3×3 tal que aij = i− j; (b) B = B3×3 tal que bij = { 1, se i = j 0, se i 6= j (c) C = C3×3 tal que cij = { 1, se i+ j = 4 0, se i+ j 6= 4 ; (d) D = D3×2 tal que dij = { 1, se i = j i2, se i 6= j 1.1 Tipos Especiais de Matrizes 1 Definic¸a˜o 2. Sejam m e n nu´meros naturais na˜o nulos. Definimos: (i) matriz linha e´ toda matriz do tipo 1× n; 4 (ii) matriz coluna e´ toda matriz do tipo m× 1; (iii) matriz nula e´ toda matriz em que todos os elementos sa˜o iguais a zero; (iv) matriz quadrada e´ toda matriz A de ordem m = n, isto e´, o nu´mero de linhas e´ igual ao nu´mero de colunas. (v) matriz transposta da matriz A de ordem m × n e´ a matriz denotada por AT , que e´ obtida escrevendo as linhas de A, ordenadamente como colunas. A ordem de AT e´ n×m. (vi) matriz sime´trica e´ toda matriz quadrada A em que A = AT . Exemplo 3. (a) Represente genericamente cada matriz definida anteriormente. (b) Cite exemplos nume´ricos para cada matriz da definic¸a˜o anterior. Seja a matriz A = [aij]n×n (A e´ uma matriz quadrada de ordem n) A = a11 a12 · · · a1n a21 a22 · · · a2n ... ... ... ... an1 an2 · · · ann . Chama-se Diagonal Principal de A o conjunto dos elementos de A que tem os dois ı´ndices iguais, isto e´: {aij|i = j} = {a11, a22, a33, · · · , ann}. A Diagonal Secunda´ria de A e´ o conjunto dos elementos de A que tem soma dos ı´ndices igual a n + 1, isto e´: {aij|i + j = n + 1} = {a1n, a2(n−1), a3(n−2), · · · , an1}. Definic¸a˜o 3. Dizemos que duas matrizes A = [aij]m×n e B = [bij]m×n sa˜o iguais quando aij = bij para todo i = 1, 2 · · · ,m e todo j = 1, 2, · · · , n. Exemplo 4. (a) [ 1 −3 7 −4 ] = [ 1 −3 7 −4 ] (b) [ 1 −3 7 −4 ] 6= [ 1 7 −3 −4 ] Exemplo 5. Determine x, y, z e t tais que: (a) [ 2x 3y 3 4 ] = [ x+ 1 2y 3 y + 4 ] (b) [ x2 2x y 4 5 t2 ] = [ x x 3 z 5t t ] Exemplo 6. Sejam as matrizes A = 8 9 −76 4 −5 −1 2 3 e B = 0 1 2 3 4 5 6 7 8 9 −1 −2 −3 −4 −5 −6 . (a) Determine a diagonal principal e a diagonal secunda´ria de cada matriz. (b) Encontre a matriz transposta de cada matriz. (c) Verifique se a matriz A e´ sime´trica. (d) Verifique se a matriz B e´ sime´trica. Observac¸a˜o 1. Se A = [aij]n×n e´ uma matriz sime´trica, os elementos dispostos simetricamente em relac¸a˜o a` diagonal principal sa˜o iguais, isto e´, aij = aji. Por exemplo, dada a matriz A = 8 6 06 4 −3 0 −3 0 observe que AT = A. Definic¸a˜o 4. Sejam m e n nu´meros naturais na˜o nulos e A = [aij]m×n uma matriz. Definimos: (i) matriz diagonale´ toda matriz quadrada A em que os elementos aij = 0 quando i 6= j; (ii) matriz identidade de ordem n× n e´ toda matriz diagonal de ordem n em que os elementos da diagonal principal sa˜o iguais a 1 (e´ usual indicar tal matriz por I = In); (iii) matriz triangular superior e´ toda matriz quadrada em que os elementos abaixo da diagonal 5 principal sa˜o nulos, isto e´, aij = 0 para i > j; (iv) matriz triangular inferior e´ toda matriz quadrada em que os elementos acima da diagonal principal sa˜o nulos, isto e´, e aij = 0 para i < j; Exemplo 7. (a) Represente genericamente cada matriz definida anteriormente. (b) Cite exemplos nume´ricos para cada matriz da definic¸a˜o anterior. 1.2 Resumo sobre Notac¸a˜o de Somato´rio Para representar a soma a1+a2+a3+a4+a5+a6 usamos a notac¸a˜o 6∑ i=1 ai, que se leˆ: somato´rio de ai, com i variando de 1 a 6. O ı´ndice i costuma ser chamado de ı´ndice mudo e pode ser substitu´ıdo por qualquer outra letra, ou seja, a soma anterior pode ser representada por uma das notac¸o˜es a seguir: 6∑ i=1 ai, 6∑ j=1 aj ou 6∑ k=1 ak. Exemplo 8. Desenvolva os somato´rios a seguir. (a) 5∑ i=1 i2 (b) 2∑ i=−2 (3i+ 2) (c) 8∑ k=3 1 k Definic¸a˜o 5. Sejam m,n ∈ Z tais que m ≤ n e seja F (i) ∈ R, com i = m,m+1,m+2, · · · , n− 1, n. Definimos n∑ i=m F (i) pela igualdade n∑ i=m F (i) = F (m) +F (m+ 1) +F (m+ 2) + · · ·+F (n− 1) + F (n), onde m e n sa˜o chamados de limite inferior e limite superior, respectivamente. Exemplo 9. (a) 6∑ i=3 i2 i+ 2 = 32 3 + 2 + 42 4 + 2 + 52 5 + 2 + 62 6 + 2 . (b) 7∑ k=4 kbk = 4b4 + 5b5 + 6b6 + 7b7. Proposic¸a˜o 1. Sejam m,n ∈ N, F (i), G(i), H(j) ∈ R com i = 1, 2, · · · , n e j = 1, 2, · · · ,m e seja c uma constante real. Enta˜o: (i) n∑ i=1 c = cn; (ii) n∑ i=1 cF (i) = c n∑ i=1 F (i); (iii) n∑ i=1 (F (i) +G(i)) = n∑ i=1 F (i) + n∑ i=1 G(i); (iv) ( n∑ i=1 F (i) )( m∑ j=1 H(j) ) = n∑ i=1 m∑ j=1 F (i)H(j) = m∑ j=1 n∑ i=1 F (i)H(j). Exemplo 10. Demonstre a proposic¸a˜o anterior. Exemplo 11. (a) Desenvolva os somato´rios: 2n∑ i=n 1 i , 5∑ n=1 (n2 + n+ 1) e n∑ j=1 aijbjk. (b) Escreva na forma de somato´rio a soma a0x n + a1x n−1 + · · ·+ an−1x+ an; (c) Escreva na forma de somato´rio a soma 3 + 3 2 22 + 3 3 32 + 3 4 42 + 3 5 52 + 3 6 62 . 6 1.3 Operac¸o˜es com Matrizes Definic¸a˜o 6. Sejam as matrizes A = [aij]m×n e B = [bij]m×n. A soma A + B e´ a matriz C = A+B = [cij]m×n tal que cada elemento cij = aij + bij para i = 1, 2, · · · ,m e j = 1, 2, · · · , n. (A subtrac¸a˜o de matrizes e´ definida de forma ana´loga). Exemplo 12. Sejam as matrizes A = [ 1 2 3 4 5 6 ] e B = [ 4 −1 1 −4 0 6 ] . Determine A + B, A−B e B − A. Definic¸a˜o 7. Sejam a matriz A = [aij]m×n e um escalar β. O produto β · A e´ a matriz B = β · A = [bij]m×n tal que cada elemento bij = β · aij, para i = 1, 2, · · · ,m e j = 1, 2, · · · , n. Exemplo 13. O produto da matriz A = −2 10 3 5 −4 pelo escalar −3 e´ dado por −3A = (−3)(−2) (−3)1(−3)0 (−3)3 (−3)5 (−3)(−4) = 6 −30 −9 −15 12 . Definic¸a˜o 8. Sejam as matrizes A = [aij]m×n e B = [bjk]n×p. O produto AB e´ a matriz C = AB = [cik]m×p tal que cada elemento cik = ai1b1k +ai2b2k +ai3b3k + · · ·+ainbnk = n∑ j=1 aijbjk para i = 1, 2, · · · ,m e k = 1, 2, · · · , p. Exemplo 14. Dadas as matrizes A = [ 1 2 3 4 5 6 ] e B = 78 9 temos que, AB = [ 1 · 7 + 2 · 8 + 3 · 9 4 · 7 + 5 · 8 + 6 · 9 ] = [ 50 122 ] . Observe que o produto BA na˜o esta´ definido uma vez que, o nu´mero de colunas de B e´ diferente do nu´mero de linhas de A. Exemplo 15. Considere as matrizes A = [aij]4×7, definida por aij = i−j, B = [bjk]7×9, definida por bjk = j e C = AB. Determine o elemento c23 da matriz C sem calcular o produto AB. Exemplo 16. Considere as matrizes a seguir: (a) A = [ 2 0 6 7 ] (b) B = [ 0 4 2 −8 ] (c) C = [ −6 9 −7 7 −3 −2 ] (d) D = −6 4 01 1 4 −6 0 6 (e) E = 6 9 −9−1 0 −4 −6 0 −1 . Determine, se poss´ıvel: (a) AB −BA (b) 2C −D (c) (2DT − 3ET )T (d) DD −DE 1.4 Tipos Especiais de Matrizes 2 Definic¸a˜o 9. Definimos: (i) matriz anti-sime´trica e´ toda matriz quadrada A tal que AT = −A; (ii) matriz inversa de uma matriz quadrada A (quando existe) e´ uma matriz quadrada B (que pode ser denotada tambe´m por A−1) tal que AB = BA = I, em que I e´ a matriz identidade; (iii) matriz ortogonal e´ toda matriz quadrada A em que sua matriz inversa (quando existe) coincide com sua transposta, isto e´, AAT = ATA = I; (iv) poteˆncia n, n ∈ N∗, de uma matriz quadrada A, denotada por An, e´ a matriz obtida pelo produto da matriz A por ela mesma n− vezes. 7 Exemplo 17. Resolva os itens a seguir. (a) Verifique se a matriz A = 0 3 4−3 0 −6 −4 6 0 e´ anti-sime´trica. (b) Seja a matriz B = [ 11 3 7 2 ] . Verifique se a matriz C = [ 2 −3 −7 11 ] a´ a matriz inversa da matriz B. (c) Verifique se a matriz D = 12 √ 3 2 √ 3 2 −1 2 e´ ortogonal. Observac¸a˜o 2. A inversa de uma matriz quadrada A, quando existe, e´ u´nica. 1.5 Propriedades da A´lgebra Matricial Teorema 1. Sejam as matrizes A, B e C sobre K. Sa˜o va´lidas as as seguintes propriedades para as operac¸o˜es matriciais: (i) associatividade em relac¸a˜o a adic¸a˜o: (A+B) + C = A+ (B + C) quaisquer que sejam as matrizes A, B e C de ordem m× n; (ii) comutatividade em relac¸a˜o a adic¸a˜o: (A+B) = (B + A) quaisquer que sejam as matrizes A e B de ordem m× n; (iii) existeˆncia do elemento neutro: A+O = A quaisquer que seja a matriz A = [aij]m×n e a martriz nula O = [oij]m×n; (iv) existeˆncia do elemento sime´trico: para toda matriz A = [aij]m×n existe uma u´nica matriz (−A) tal que A+ (−A) = O; (v) associatividade em relac¸a˜o a multiplicac¸a˜o: (AB)C = A(BC) quaisquer que sejam as matrizes A = [aij]m×n, B = [bjk]n×p e C = [ckl]p×r; (vi) distributividade a` direita em relac¸a˜o a` adic¸a˜o: (A+B)C = AC +BC quaisquer que sejam as matrizes A = [aij]m×n, B = [bij]m×n e C = [cjk]n×p; (vii) distributividade a` esquerda em relac¸a˜o a` adic¸a˜o: C(A+B) = CA+ CB quaisquer que sejam as matrizes A = [aij]m×n, B = [bij]m×n e C = [cki]p×m; (viii) (kA)B = A(kB) = k(AB) quaisquer que sejam as matrizes A = [aij]m×n e B = [bjk]n×p e o escalar k. (ix) AIn = A e ImA = A quaisquer que sejam a matriz A = [aij]m×n e as matrizes In = In×n e Im = Im×m (In e Im sa˜o respectivamente, matriz identidade de ordem n e matriz identidade de ordem m); (x) (AT )T = A quaisquer que seja a matriz A = [aij]m×n; (xi) (A+B)T = AT +BT quaisquer que sejam as matrizes A = [aij]m×n, B = [bij]m×n; (xiii) (kA)T = kAT quaisquer que sejam a matriz A = [aij]m×n e o escalar k; (xiv) (AB)T = (B)T (A)T quaisquer que sejam as matrizes A = [aij]m×n e B = [bjk]n×p. Observac¸a˜o 3. A matriz (−A) que aparece em (iv) e´ chamada de matriz oposta de A. Exemplo 18. (a) Demonstre o teorema anterior. (b) Cite exemplos nume´ricos para cada item do teorema anterior. Exemplo 19. A afirmac¸a˜o a seguir e´ verdadeira? Justifique. O produto entre matrizes e´ comutativo. 8 Exemplo 20. Sejam A e B matrizes quadradas. Verifique se vale a igualdade (A+B)(A−B) = A2−B2. Caso a igualdade na˜o seja va´lida, apresente um exemplo nume´rico para esta situac¸a˜o. Exemplo 21. Encontre um valor de x tal que ABT = O, em que A = [ x 4 −2 ] e B =[ 2 −3 5 ] Exemplo 22. Sejam A = [ 1 2 1 4 ] e B = [ 2 −1 x y ] duas matrizes. Se B e´ a inversa de A, calcule o valor de x+ y. Exemplo 23. Dadas as matrizes: A = 5 0 6 −8 0 3 −2 2 7 1 −1 −5 , B = 1 −3 −2 47 8 5 9 0 6 3 −8 e C = 2 3 01 1 −8 3 5 4 . Determine (AB)Te 2(ATBT ) + 3CT Definic¸a˜o 10. Seja a matriz quadrada A = [aij]n×n. Definimos o trac¸o de A, denotado por tr(A), como sendo a soma dos elementos da diagonal principal de A, isto e´, tr(A) = n∑ i=1 aii. Exemplo 24. Sejam A e B matrizes de ordem n× n e um escalar α. Mostre que: (i) tr(A+B) = tr(A) + tr(B); (ii) tr(αA) = αtr(A); (iii) tr(AT ) = tr(A); (iv) tr(AB) = tr(BA) 1.6 Operac¸o˜es Elementares Sobre as Linhas de uma Ma- triz Definic¸a˜o 11. Uma operac¸a˜o elementar sobre as linhas de uma matriz A = [aij]m×n e´ uma das operac¸o˜es a seguir. (i) Trocar a posic¸a˜o das linhas Li e Lj da matriz A entre si. (ii) Multiplicar uma linha Li da matriz A por um escalar k na˜o-nulo. (iii) Substituir a linha Li da matriz A pela soma da linha Li com k vezes a linha Lj da matriz A. Notac¸a˜o: Cada item anterior sera´ denotado como segue: (i) Li ←→ Lj; (ii) Li −→ k · Li, k 6= 0; (iii) Li −→ Li + k · Lj. 1.6.1 Matriz Equivalente Por Linhas Definic¸a˜o 12. Uma matriz A = [aij]m×n e´ equivalente por linhas a uma matriz B = [bij]m×n se B for obtida de A aplicando-se uma sequeˆncia finita de operac¸o˜es elementares sobre as linhas de A. Nesse caso, usaremos a notac¸a˜o A ∼ B. Exemplo 25. Sejam as matrizes A = 1 1 12 1 4 2 3 5 , B = 0 0 3 −95 15 −10 40 1 3 −1 5 e C = 1 3 130 1 5 0 −2 −10 . Verifique que as matrizes A, B e C sa˜o equivalentes por linhas, respectivamente, a`s matrizes D = 1 0 00 1 0 0 0 1 , E = 1 3 0 20 0 1 −3 0 0 0 0 e F = 1 0 −20 1 5 0 0 0 . 9 Observac¸a˜o 4. A relac¸a˜o ”ser equivalente por linhas”satisfaz as seguintes propriedades. (i) Toda matriz e´ equivalente por linhas a ela mesma (Reflexiva); (ii) Se matriz A e´ equivalente por linhas a matriz B, enta˜o B e´ equivalente por linhas a A (Sime´trica); (iii) Se a matriz A e´ equivalente por linhas a matriz B e se B e´ equivalente por linhas a matriz C, enta˜o A e´ equivalente por linhas a C (Transitiva). 1.6.2 Matrizes Escalonadas Definic¸a˜o 13. Uma matriz A = [aij]m×n esta´ na forma escalonada reduzida por linhas (ou escalonada reduzida ou escada reduzida) se satizfaz as seguintes condic¸o˜es: (i) Todas as linhas nulas ocorrem abaixo das linhas na˜o nulas; (ii) O pivoˆ (1o elemento na˜o nulo de uma linha) de cada linha na˜o nula ocorre a direita do pivoˆ da linha anterior; (iii) O pivoˆ de cada linha na˜o nula e´ igual a 1; (iv) Se uma coluna conte´m um pivoˆ, enta˜o todos os seus outros elementos sa˜o iguais a zero. Observac¸a˜o 5. Se uma matriz A = [aij]m×n satisfaz as condic¸o˜es (i) e (ii), mas na˜o necessa- riamente (iii) e (iv) da definic¸a˜o anterior enta˜o dizemos que A esta´ na forma escalonada por linhas (ou escalonada ou escada). Exemplo 26. (a) As matrizes A = 1 0 00 1 0 0 0 1 e B = 1 3 0 20 0 1 −3 0 0 0 0 esta˜o na forma escalonada reduzida. (b) As matrizes C = 1 1 10 −1 2 0 0 5 e D = 1 3 −1 50 0 −5 15 0 0 0 0 esta˜o na forma escalonada mas na˜o esta˜o na forma escalonada reduzida. Justifique. (c) A matriz E = 0 2 11 0 −3 0 0 0 na˜o esta´ na forma escalonada reduzida e nem na forma escalonada. Justifique. Exemplo 27. Explique o que e´ uma matriz escalonada reduzida equivalente a uma matriz A. Definic¸a˜o 14. Seja a matriz A = [aij]m×n e B = [bij]m×n a matriz escalonada reduzida equivalente a A. Definimos: (i) O posto de A e´ o nu´mero de linhas na˜o nulas de B, denotado por p; (ii) A nulidade de A e´ n− p, isto e´, o nu´mero de colunas de A menos o posto de A. O posto de uma matriz A e´ conhecido tambe´m como caracter´ıstica de A. Exemplo 28. Determine o posto e a nulidade das matrizes a seguir. (a) A = 1 −2 32 2 1 2 −4 6 (b) B = 2 1 −1 0 3 1 −1 2 1 4 1 1 C = 1 0 2 0−2 3 0 1 4 −2 1 3 Exemplo 29. (a) Qual o valor ma´ximo para o posto de uma matriz de ordem 3× 4? (b) Determine m de modo que o posto da matriz A = 1 m −12 m 2m −1 2 1 seja igual a 2. 10 1.7 Exerc´ıcios Complementares 1. Determine, se poss´ıvel, o produto e a ordem da matriz resultante. (a) [ 3 5 1 −2 0 2 ] · 2 11 3 4 1 (b) 4 −26 −4 8 −6 · [ 1 2 3 ] (c) 2−1 3 · [ 3 2 4 5 ] 2. Sejam D = [ 3 0 0 3 ] , A = [ a1 a2 · · · an b1 b2 · · · bn ] e B = c1 d1 c2 d2 · · · · · · cn dn . Encontre DA e BD. 3. Se A = [ 2 4 1 3 ] , B = [ −2 1 0 4 ] e C = [ 3 1 2 1 ] , verifique que: (a) (A+B) + C = A+ (B + C) (b) (AB)C = A(BC) (c) A(B + C) = AB + AC (d) (A+B)C = AC +BC (e) (A+B)T = AT +BT (e) (AB)T = BTAT 4. Seja uma matriz de ordem m × n. Explique por que as multiplicac¸o˜es ATA e AAT sa˜o poss´ıveis. 5. Seja A = [ 1 2 0 3 −1 4 ] . Determine AAT e ATA. 6. Sejam as matrizes A = 4 11 −90 3 2 −3 1 1 e B = 1 0 5−4 6 11 −6 4 9 . Encontre o elemento c23 da matriz C, em que C = (5A) · (2B). 7. Considere as matrizes A = [aij]4×7 definida por aij = i − j, B = [bjk]7×9 definida por bjk = j, C = [cij]4×7 definida por cij = i, D = AB e E = A+C. Resolva os itens a seguir. (a) Determine o elemento dik da matriz D. (b) Determine o elemento eij da matriz E. 8. Sejam as matrizes A = [aij]3×3, B = [bij]3×3, C = [cij]3×3 e D = [djk]3×2, defini- das, respectivamente, por aij = i − j, bij = { 1, se i = j 0, se i 6= j , cij = { 1, se i+ j = 4 0, se i+ j 6= 4 e djk = { 1, se j = k j2, se j 6= k . Determine, sem calcular os produtos das respectivas matrizes, os seguintes elementos: (a) Os elementos e13, e21 e e33 da matriz E = AB. (b) Os elementos f22, f12 e f31 da matriz F = BA. (c) Os elementos g11, g32 e g12 da matriz G = CD. 11 9. Considerando o enunciado do exerc´ıcio anterior, verifique se o produto matricial DC esta´ definido. Justifique. 10. Seja A uma matriz 2 × 2 com a11 6= 0 e seja α = a21 a11 . Mostre que A pode ser fatorada como um produto da forma [ 1 0 α 1 ] · [ a11 a12 0 b ] . Qual o valor de b? 11. Seja a matriz M que apresenta as quantidades de vitaminas A,B e C, obtidas em cada unidade dos alimentos I e II, M= A B C[ 4 3 0 5 0 1 ] Alimento I Alimento II. Supondo que um indiv´ıduo consuma x unidades do alimento I e y unidades do alimento II, represente em uma matriz a quantidade de cada vitamina consumida. 12. Em uma pesquisa sobre dieta participam adultos (Ad) e crianc¸as (Cri) de ambos os sexo. A distribuic¸a˜o dos participantes no projeto e´ dada pela matriz A= Ad Cri[ 80 120 100 200 ] Sexo Masculino Sexo Feminino. O nu´mero de gramas dia´rio de prote´ınas (P), gorduras (G) e carboidratos (C) consumido pelas crianc¸as e adultos e´ dado pela matriz B= P G C[ 20 20 20 10 20 30 ] Ad Cri. (a) Quantos gramas de prote´ına sa˜o consumidos diariamente por homens no projeto? (b)Quantos gramas de carboidrato sa˜o consumidos diariamente por mulheres no projeto? 13. Uma companhia manufatura teˆs produtos. Suas despesas de produc¸a˜o sa˜o divididas em treˆs categorias. Em cada categoria e´ feita uma estimativa do custo de produc¸a˜o de um item de cada produto. Essas estimativas sa˜o dadas nas Tabelas 1 e 2. Na reunia˜o dos acionistas, a companhia gostaria de apresentar uma simples tabela mostrando o custo total para cada trimestre em cada uma das treˆs categorias: mate´rias-prima, ma˜o de obra e outras despesas. Tabela 1.1: Custo de Produc¸a˜o por Item (R$) Produto Despesas A B C Mate´rias-primas 0, 10 0, 30 0, 15 Ma˜o de Obra 0, 30 0, 40 0, 25 Outras despesas 0, 10 0, 20 0, 15 14. Descreva todas as poss´ıveis matrizes de ordem 2 × 2 que esta˜o na forma escalonada reduzida. 12 Tabela 1.2: Quantidade Produzida Por Trimestre Estac¸a˜o Produto Vera˜o Outono Inverno Primavera A 4000 4500 4500 4000 B 2000 2600 2400 2200 C 5800 6200 6000 600015. Quais das matrizes a seguir esta˜o na forma escalonada reduzida e quais esta˜o na forma escalonada? (a) [ 1 2 3 4 0 0 1 2 ] (b) 1 0 00 0 0 0 0 1 (c) 1 3 00 0 1 0 0 0 (d) 0 10 0 0 0 (e) 1 1 10 1 2 0 0 3 (f) 1 4 60 0 1 0 1 3 (g) 1 0 0 1 20 1 0 2 4 0 0 1 3 6 (h) 0 1 3 40 0 1 3 0 0 0 0 16. Determine o posto e a nulidade de cada matriz a seguir. (a) A = 1 2 1 3 2 1 −4 −5 7 8 −5 −1 10 14 −2 8 (b) B = 1 2 1 3 2 1 −4 −5 1 1 0 0 0 0 1 1 (c) C = 1 2 3−1 2 1 3 1 2 (d) D = 1 −2 −12 −1 3 7 −8 3 13 Cap´ıtulo 2 Sistemas de Equac¸o˜es Lineares Uma equac¸a˜o linear nas varia´veis x1, x2, · · · , xn e´ uma equac¸a˜o da forma a1x1 + a2x2 + a3x3 + · · ·+ anxn = b1, em que a1, a2, · · · , an e b1 sa˜o constantes reais. Exemplo 30. (a) Sa˜o exemplos de equac¸o˜es lineares: 3x1+4x2−5x3−x4 = 5 e 2x2−x2−x3 = 0. (b) Sa˜o exemplos de equac¸o˜es na˜o lineares: 2x21 + 4x2 + x3 = 0 e 2x1x2 + x3 + x4 = 3. Dizemos que a n− upla ordenada (α1, α2, · · · , αn) e´ uma soluc¸a˜o da equac¸a˜o lineaar a1x1 + a2x2+a3x3+· · ·+anxn = b1 se a1α1+a2α2+a3α3+· · ·+anαn = b1 for uma sentenc¸a verdadeira. Exemplo 31. Deˆ um exemplo de uma equac¸a˜o linear e apresente uma soluc¸a˜o dessa equac¸a˜o, caso exista. Um sistema de equac¸o˜es lineares (ou simplesmente sistema linear) com m equac¸o˜es nas varia´veis x1, x2, · · · , xn e´ um conjunto de equac¸o˜es da forma: a11x1 + a12x2 + a13x3 + · · · + a1nxn = b1 a21x1 + a22x2 + a23x3 + · · · + a2nxn = b2 a31x1 + a32x2 + a33x3 + · · · + a3nxn = b3 ... ... = ... am1x1 + am2x2 + am3x3 + · · · + amnxn = bm (2.1) em que aij e bk sa˜o constantes reais com i, k = 1, 2, 3, · · · ,m e j = 1, 2, 3, · · · , n. Dizemos que a n− upla ordenada (α1, α2, · · · , αn) e´ uma soluc¸a˜o do sistema linear (2.1) se for soluc¸a˜o de todas as equac¸o˜es de (2.1). Notac¸a˜o Matricial O sistema de equac¸o˜es lineares acima pode ser escrito como uma equac¸a˜o matricial AX = B, em que A = a11 a12 · · · a1n a21 a22 · · · a2n ... ... ... ... am1 am2 · · · amn e´ chamada a matriz dos coeficientes, X = x1 x2 x3 ... xn e´ a matriz das varia´veis e B = b1 b2 b3 ... bm e´ a matriz dos termos independentes. 14 Se a n − upla ordenada (α1, α2, · · · , αn) for uma soluc¸a˜o do sistema linear (2.1), esta tambe´m pode ser escrita na forma matricial S = α1 α2 ... αn . O conjunto de todas as soluc¸o˜es de uma sistema linear e´ chamado conjunto soluc¸a˜o ou soluc¸a˜o geral do sistema. Observac¸a˜o 6. (i) No caso em que B = 0 0 0 ... 0 , o sistema (2.1) sera´ chamado de sistema linear homogeˆneo. Uma outra matriz que associaremos ao sistema (2.1) e´ matriz ampliada do sistema (2.1), representada a seguir M = a11 a12 · · · a1n b1 a21 a22 · · · a2n b2 ... ... ... ... ... am1 am2 · · · amn bm . Exemplo 32. O sistema x + y + z = 6 2x + y − z = 1 3x − y + z = 4 pode ser escrito como 1 1 12 1 −1 3 −1 1 · xy z = 61 4 . A soluc¸a˜o geral do sistema e´ S = 12 3 . A matriz ampliada desse sistema e´ 1 1 1 62 1 −1 1 3 −1 1 4 . 2.1 Soluc¸a˜o de Um Sistema de Equac¸o˜es Lineares Definic¸a˜o 15. (i) Um sistema linear e´ poss´ıvel (ou compat´ıvel) quando admite soluc¸a˜o. (ii) Um sistema linear e´ imposs´ıvel (ou incompat´ıvel) quando na˜o admite soluc¸a˜o. Definic¸a˜o 16. Um sistema linear compat´ıvel classifica-se em: (i) determinado quando admite uma u´nica soluc¸a˜o; (ii) indeterminado quando admite mais de uma soluc¸a˜o. Resumidamente, 15 Determinado: possui u´nica soluc¸a˜o Poss´ıvel Indeterminado: possui mais de uma soluc¸a˜o Sistema Linear Imposs´ıvel Sem soluc¸a˜o Exemplo 33. Classifique e resolva os sistemas lineares a seguir. (a) { 2x + 3y = 18 3x + 4y = 25 (b) { 4x + 2y = 100 8x + 4y = 200 (c) { 3x + 9y = 12 3x + 9y = 15 Teorema 2. Sejam os sistemas lineares na forma matricial AX = B e CX = D. Se a matriz ampliada de CX = D e´ obtida aplicando-se uma operac¸a˜o elementar na matriz ampliada de AX = B, enta˜o os sistemas lineares AX = B e CX = D sa˜o equivalentes, isto e´, possuem o mesmo conjunto soluc¸a˜o. 2.1.1 Soluc¸a˜o de Um Sistema Linear - Me´todo de Gauss-Jordan O me´todo de Gauss-Jordan consiste em aplicar operac¸o˜es elementares a`s linhas da matriz ampliada do sistema linear em questa˜o, ate´ que a matriz equivalente obtida esteja na forma escalonada reduzida. Exemplo 34. Resolva os sistemas lineares a seguir. (a) x+ y + z = 1000 2x+ y + 4z = 2000 2x+ 3y + 5z = 2500 (b) y + z = 1 x+ z = 2 −x+ z = 3 y + z = 4 (c) x+ 2y + 1 = 9 2x+ y − z = 3 3x− y − 2z = −4 Veremos a seguir quais concluso˜es obteremos apo´s aplicar o me´todo de Gauss-Jordan. 16 Considere o sistema linear de m equac¸o˜es e n inco´gnitas a11x1 + a12x2 + a13x3 + · · · + a1nxn = b1 a21x1 + a22x2 + a23x3 + · · · + a2nxn = b2 a31x1 + a32x2 + a33x3 + · · · + a3nxn = b3 ... ... = ... am1x1 + am2x2 + am3x3 + · · · + amnxn = bm (2.2) e siga sucessivamente os passos a seguir. 1o Passo: Aplicar o me´todo de Gauss-Jordan no sistema (2.2). 2o Passo: Verificar se o posto matriz da ampliada, denotado por pa, e´ igual ao posto da matriz dos coeficientes, denotado por pc. Caso isso ocorra, significa que o sistema (2.2) tem soluc¸a˜o e enta˜o deve-se ir ao passos 3 e 4. Caso isso na˜o ocorra (isto e´, caso ocorra pa > pc), significa que o sistema (2.2) e´ imposs´ıvel (na˜o admite soluc¸a˜o). 3o Passo: Determinar em quais dos itens a seguir o sistema equivalente a` (2.2) se encaixa. (i) posto matriz ampliada, denotado por pa, e´ igual ao posto da matriz dos coeficientes, deno- tado por pc e pc = n = pa, em que n e´ o nu´mero de inco´gnitas. (ii) posto matriz ampliada, denotado por pa, e´ igual ao posto da matriz dos coeficientes, deno- tado por pc e pa = pc < n, em que n e´ o nu´mero de inco´gnitas. 4o Passo: Concluso˜es do passo 3. (i) Se ocorre pc = n = pa, enta˜o o sistema (2.2) possui u´nica soluc¸a˜o. (ii) Se ocorre pa = pc < n, enta˜o o sistema (2.2) possui mais de uma soluc¸a˜o. Nesse caso, escolhe-se n− p inco´gnitas e as outras p inco´gnitas sera˜o dadas em func¸a˜o destas. Exemplo 35. Classifique e resolva os sistemas lineares a seguir. (a) { 2x− 3y = 4 6x− 9y = 15 (b) 3x+ 2y − 5z = 8 2x− 4y − 2z = −4 1x− 2y − 3z = −4 (c) 2x+ 4y + 6z = −6 3x− 2y − 4z = −38 x+ 2y + 3z = −3 (d) x+ y − z = 0 2x− 3y + z = 0 4x− 4y − 2z = 0 (e) x+ 3z = −8 2x− 4y = −4 3x− 2y − 5z = 26 (f) x− z = 0 3x+ y + 2z = 0 4x+ 2y + 2z = 0 (g) { 6x+ 2y + 4z = 0 −9x− 3y − 6z = 0 (h) 3x+ 6y = 0 12x+ 24y = 0 3 2 x+ 3y = 0 3 4 x+ 3 2 y = 0 17 (i) x− y = 0 2y + 4z = 6 x+ y + 4z = 6 (j) x+ 2y = 4 −3x+ 4y = 3 2x− y = −6 Exemplo 36. Estabelec¸a a condic¸a˜o que deve ser satisfeita pelos termos independentes x, y e z para que os sistemas sejam compat´ıveis. (a) a1 + 2a2 = x −3a1 + 4a2 = y 2a1 − a2 = z (b) a+ 2b = x −2a+ b = y −a+ b = z (c) −a+ 3b = x 2a− b = y −2a+ b = z 3a+ b = t Exemplo 37. Calcule, se poss´ıvel, o valor de k para que o sistema a seguir seja compat´ıvel. (a) x+ 2y = −1 −3x+ 4y = k 2x− y = −7 Exemplo 38. Determine, se poss´ıvel, o valor de k para que o sistema a seguir admita soluc¸a˜o na˜o trivial. (a) x− y − z = 0 x− 2y − 2z = 0 2x+ ky + z = 0 Exemplo 39. Determine, se poss´ıvel, os valores de a de modo que o sistema a seguir tenha: (i) nenhuma soluc¸a˜o,(ii) u´nica soluc¸a˜o, (iii) infinitas soluc¸o˜es. x+ y − z = 1 2x+ 3y + az = 3 x+ ay + 3z = 2. Exemplo 40. Determine se o sistema homogeˆneo a seguir possui soluc¸a˜o na˜o nula x+ 2y − 3z = 0 2x+ 5y + 2z = 0 3x− y − 4z = 0. 18 2.2 Exerc´ıcios Complementares 1. Escreva o sistema de equac¸o˜es que corresponde a cada uma das seguintes matrizes am- pliadas a seguir. (a) A = [ 3 2 | 8 1 5 | 7 ] (b) B = 2 1 4 | −14 −2 3 | 4 5 2 6 | −1 (c) C = 4 −3 1 2 | 4 3 1 −5 6 | 5 1 1 2 4 | 8 5 1 3 −2 | 7 2. Use o me´todo de Gauss-Jordan para resolver os sistemas lineares do exerc´ıcio (1). 3. Seja um sistema linear cuja matriz ampliada e´ 1 2 1 | 1−1 4 3 | 2 2 −2 a | 3 . Para qual valor de a o sistema possui u´nica soluc¸a˜o? 4. Considere um sistema linear cuja matriz ampliada e´ 1 2 1 | 02 5 3 | 0 −1 1 β | 0 . (a) Verifique se o sistema em questa˜o e´ incompat´ıvel. Justifique. (b) Para quais valores de β o sistema tera´ infinitas soluc¸o˜es? 5. Seja um sistema linear cuja matriz ampliada e´ 1 1 3 | 21 2 4 | 3 1 3 a | b . (a) Para quais valores de a e b o sistema possui infinitas soluc¸o˜es? (b) Para quais valores de a e b o sistema e´ imposs´ıvel? 6. Determine os valores de k de modo que o sistema a seguir, nas varia´veis x, y e z tenha: (i) nenhuma soluc¸a˜o; (ii) mais de uma soluc¸a˜o; (iii) u´nica soluc¸a˜o. (a) kx+ y + z = 1 x+ ky + z = 1 x+ y + kz = 1 (b) { x+ 2y + kz = 1 2x+ ky + 8z = 3 (c) x+ y + kz = 2 3x+ 4y + 2z = k 2x+ 3y − z = 1 19 (d) x− 3z = −3 2x+ ky − z = −2 x+ 2y + kz = 1 7. Determine se cada sistema linear homogeˆneo a seguir tem soluc¸a˜o na˜o nula. (a) x− 2y + 2z = 0 2x+ y − 2z = 0 3x+ 4y − 6z = 0 3x− 11y + 12z = 0 (b) 2x− 4y + 7z + 4v − 5w = 0 9x+ 3y + 2z − 7v + w = 0 5x+ 2y − 3z + v + 3w = 0 6x− 5y + 4z − 3v − 2w = 0 8. Resolva o sistema x + 2y − 3z = 4 x + 3y + z = 11 2x + 5y − 4z = 13 2x + 6y + 2z = 22 . 9. Determine a inversa de cada matriz abaixo: (a) A = 1 1 01 0 1 0 1 1 (b) B = 1 0 11 2 3 1 2 4 (c) C = 1 9 53 1 2 6 4 4 10. A fo´rmula para a Dieta de Cambridge apresentada na segunda tabela, uma dieta popular nos anos 80, foi desenvolvida por uma equipe chefiada pelo Dr. Alan H. Howard, da Universidade de Cambridge, apo´s oito anos de trabalho com pacientes obesos. Com base nas informac¸o˜es das tabelas a seguir determine, se poss´ıvel, uma combinac¸a˜o de leite desnatado, farinha de soja e soro de leite, de modo a obter as quantidades dia´rias exatas de prote´ınas, carboidratos e gordura para a dieta apresentada pelo Dr. Alan H. Howard. Tabela 2.1: Quantidade de nutrientes (em gramas) por unidade de alimento (100 g) Quantidade (Gramas) Fornecidas por 100 g de Ingrediente Nutriente (Gramas) Leite Desnatado Farinha de Soja Soro de Leite Prote´ına 36 51 13 Carboidrato 52 34 74 Gordura 0 7 1,1 Tabela 2.2: Quantidade de nutrientes (em gramas) Fornecidas pelo Dr. Alan H. Howard em Um Dia Nutriente Gramas por dia Prote´ına 33 Carboidrato 45 Gordura 3 20 11. Considere uma sociedade simples, constitu´ıda de um fazendeiro, de um carpinteiro e de um alfaiate. Cada um deles produz um produto: o fazendeiro produz a comida, o carpin- teiro constro´i casa e o alfaiate confecciona roupas. Por convenieˆncia, podemos considerar nossas unidades onde cada indiv´ıduo produz uma unidade de cada artigo por ano. Su- ponha que, durante o ano, a porc¸a˜o de cada produto consumida por cada indiv´ıduo e´ dada conforme a tabela a seguir. Sejam p1, p2 e p3, respectivamente, os prec¸os por uni- dade de comida, de uma casa e de uma pec¸a de roupa e suponha ainda que todos os indiv´ıduos paguem o mesmo prec¸o por um produto. Determine os prec¸os p1, p2 e p3, de modo a obter um estado de equil´ıbrio, definido como ”Ningue´m ganha ou perde dinheiro.” Bens Produzidos por Bens Consumidos Por Fazendeiro Carpinteiro Alfaiate Fazendeiro 7 16 1 2 3 16 Carpinteiro 5 16 1 6 5 16 Alfaiate 1 4 1 3 1 2 12. No processo de fotoss´ıntese, as plantas usam a energia radiante do Sol para converter dio´xido de carbono (CO2) e a´gua (H2O) em glicose (C6H12O6) e oxigeˆnio (O2). A equac¸a˜o qu´ımica da reac¸a˜o e´ da forma x1CO2 + x2H2O → x3O2 + x4C6H12O6. Determine x1, x2, x3 e x4 para balancear a equac¸a˜o acima. 13. Um modelo simples para estimativa da distribuic¸a˜o de temperatura em uma chapa qua- drada e´ obtido a partir de um sistema de equac¸o˜es lineares. Para construir o sistema linear apropriado, usamos as seguintes informac¸o˜es. A chapa quadrada esta´ perfeitamente iso- lada em ambas as faces, sendo que o u´nico fluxo de calor percorre a pro´pria placa. As quatro laterais sa˜o mantidas a va´rias temperaturas. Para estimar a temperatura no ponto central da placa e´ usada a regra de que ela e´ igual a me´dia das temperaturas de seus pon- tos vizinhos nas direc¸o˜es da bu´ssola, ou seja, oeste, norte, leste e sul. Sendo assim, estime as temperaturas Ti, i = 1, 2, 3 e 4 em quatro pontos interiores equidistantes da chapa mostrada na figura a seguir. 21 Cap´ıtulo 3 Determinantes Definic¸a˜o 17. Sejam as matrizes A = [a11] e B = [bij]2×2. Definimos a seguir o determinante de cada matriz A e B, com a notac¸a˜o det, como segue: (i) detA = det[a11] = a11; (ii) detB = det[bij]2×2 = b11 · b22 − b12 · b21. Podemos escrever tambe´m detB = det [ b11 b12 b21 b22 ] = ∣∣∣∣ b11 b12b21 b22 ∣∣∣∣ = b11 · b22 − b12 · b21. Para definir o determinante de uma matriz quadrada A = [aij]n×n, n ≥ 2 sobre K vamos definir os conceitos de cofator do elemento aij e submatriz Aij da matriz A. Consideremos A = a11 a12 · · · a1n a21 a22 · · · a2n ... ... ... ... an1 an2 · · · ann . Definimos, (i) Aij e´ matriz obtida ao retirarmos a linha i e a coluna j da matriz A. A ordem de Aij e´ (n− 1)× (n− 1); (ii) ∆ij = (−1)i+j · detAij e´ o cofator do elemento aij. Exemplo 41. Seja a matriz M = 2 3 −21 4 8 7 5 3 . Determine: (a) ∆11 (b) ∆12 (c) ∆13 (d) ∆21 Definic¸a˜o 18. O determinante de uma matriz quadrada A = [aij]n×n e´ definido por detA = ai1∆i1 + ai2∆i2 + · · ·+ ain∆in = n∑ j=1 aij∆ij = n∑ j=1 aij(−1)i+j · detAij. Observe que a expressa˜o para o determinante foi desenvolvida pela i−e´sima linha da matriz A. De maneira ana´loga, desenvolve-se a expressa˜o anterior pela coluna j da matriz A. Esse me´todo e´ conhecido como desenvolvimento de Laplace. Exemplo 42. Seja a matriz A = 3 1 2 −2 0 2 0 4 0 4 1 −2 0 1 3 3 . Determine detA de duas maneiras: (a) escolher uma linha e usar a definic¸a˜o anterior; (b) escolher uma coluna e usar a definic¸a˜o anterior. 22 Exemplo 43. Calcule o determinante de cada matriz a seguir. (a) A = 1 3 2 0 3 1 0 2 2 3 0 1 0 2 1 3 (b) B = x 0 0 0 0 0 a y 0 0 0 0 l p z 0 0 0 m n p x 0 0 b c d e y 0 a b c d e z (c) C = 0 a b 1 0 1 0 0 a a 0 b 1 b a 0 Propriedades dos Determinantes Sejam as matrizes A = [aij]n×n e B = [bij]n×n. (i) detA = detAT ; (ii) Se os elementos de uma linha (ou coluna) de A sa˜o todos nulos, enta˜o detA = 0; (iii) Se B e´ obtida de A multiplicando-se uma linha de A por um escalar α, enta˜o detB = αdetA; (iv) Se B e´ obtida de A pela troca da posic¸a˜o de duas linhas k 6= l, enta˜o detB = −detA; (v) det(AB) = detA · detB; (vi) Se A possui dua linhas (ou colunas) iguais, enta˜o detA = 0. Exemplo 44. Verifique com exemplos as propriedades anteriores. Exemplo 45. (a) Calcule o valor de x tal que det2A = x−97, em que A e´ uma matriz quadrada de ordem 4 e detA = −6. (b) Se detA = −3, determine: detA2, detA3 e detAT . (c) Sejam A e B matrizes quadradas. Verifique-se det(A+B) = detA+ detB. (d) Resolvaa equac¸a˜o ∣∣∣∣∣∣ x− 2 x+ 3 x− 1 2 1 3 3 2 1 ∣∣∣∣∣∣ = 60 usando o me´todo de Laplace. 3.1 Determinante e Matriz Inversa O objetivo aqui e´ estabelecer condic¸o˜es sobre o determinante de uma matriz quadrada A para que A possua inversa. E caso a inversa de A exista, encontrar a matriz inversa de A usando o determinante de A. Dada a matriz A = a11 a12 · · · a1n a21 a22 · · · a2n ... ... ... ... an1 an2 · · · ann , vimos que ∆ij = (−1)i+j · detAij e´ o cofator do elemento aij. Definimos a seguir, (i) A¯ = [∆ij]n×n e´ a matriz dos cofatores de A (que e´ obtida substituindo cada elemento de A pelo seu cofator); (ii) A¯T e´ a matriz adjunta de A, denotada por AdjA. A matriz adjunta de A e´ a matriz transposta da matriz dos cofatores de A. Exemplo 46. Seja A = 2 1 0−3 1 4 1 6 5 . (a) Determine AdjA; (b) Verifique se A · AdjA = (detA) · I3. Teorema 3. Seja a matriz A = [aij]n×n. Enta˜o A · (AdjA) = (AdjA) · A = (detA) · In. 23 Seja a matriz A = [aij]n×n e suponha que A possua inversa, isto e´, existe u´nica matriz A−1 tal que A ·A−1 = In. Usando a propriedade do determinante det(A ·A−1) = det(A) ·det(A−1) = det(In). Mas det(In) = 1. Logo, det(A) · det(A−1) = 1 e dessa igualdade segue que detA 6= 0 e detA−1 = 1 detA . Agora considere a situac¸a˜o em que a matriz quadrada A = [aij]n×n e´ tal que detA 6= 0. Queremos saber se com essa condic¸a˜o a matriz A possui inversa. Do teorema anterior temos que A·AdjA = (detA)·In e usando o fato de detA 6= 0, segue enta˜o que A· 1 detA ·adjA = In. Mas quando a inversa de uma matriz quadrada existe, essa inversa e´ u´nica, logo A−1 = 1 detA ·AdjA. Teorema 4. Uma matriz quadrada A = [aij]n×n admite inversa se, e somente se, detA 6= 0. E nesse caso, A−1 = 1 detA · adjA. Exemplo 47. Seja a matriz A = 2 3 −40 −4 2 1 −1 5 . Verifique se a matriz A possui inversa. Em caso afirmativo, use o teorema aterior para determinar a matriz inversa de A. 3.2 Matriz Inversa e Soluc¸a˜o de Um Sistema Linear de n Equac¸o˜es e n Inco´gnitas. Considere o sistema linear a seguir de n equac¸o˜es e n inco´gnitas. a11x1 + a12x2 + a13x3 + · · · + a1nxn = b1 a21x1 + a22x2 + a23x3 + · · · + a2nxn = b2 a31x1 + a32x2 + a33x3 + · · · + a3nxn = b3 ... ... = ... an1x1 + an2x2 + an3x3 + · · · + annxn = bn (3.1) Vimos que podemos representar este sistema da forma a seguir A ·X = B, em que A e´ a matriz dos coeficientes, X e´ a matriz das varia´veis e B e´ a matriz dos termos independentes. Suponha que A possua inversa, isto e´, que detA 6= 0. Observe A ·X = B A−1 · (A ·X) = A−1 ·B (A · A−1) ·X = A−1 ·B In ·X = A−1 ·B X = A−1 ·B Observac¸a˜o 7. A igualdade anterior fornece a soluc¸a˜o u´nica de um sistema linear de n equac¸o˜es e n inco´gnitas, no caso em que a matriz dos coeficientes desse sistema possui in- versa. Apresentaremos a seguir a Regra de Cramer, que e´ um me´todo de resoluc¸a˜o de sistema linear de n equac¸o˜es e n inco´gnitas que so´ pode ser aplicado no caso em que a matriz dos coeficientes desse sistema possui inversa. Voltando a expressa˜o X = A−1 ·B e considerando as 24 mesmas condic¸o˜es enunciadas anteriormente sobre o sistema linear e sua matriz dos coeficientes, segue que X = 1 detA · adjA ·B x1 x2 ... xn = 1detA · ∆11 ∆21 · · · ∆n1 ∆12 ∆22 · · · ∆n2 ... ... ... ... ∆1n ∆2n · · · ∆nn · b1 b2 ... bn . Da´ı, xj = b1∆1j + b2∆2j + · · ·+ bj∆nj detA = detAj detA , onde Aj e´ a matriz obtida de A substituindo a j-e´sima coluna de A pela coluna b1 b2 ... bn , para j = 1, 2, · · ·n. Exemplo 48. Use a Regra de Cramer para resolver os sistemas lineares a seguir. (a) x+ y + z = 6 x− y − z = −4 2x− y + z = 1 . (b) 3x− y + z = 1 2x+ 3z = −1 4x+ y − 2z = 7 Considere agora os sistema linear homogeˆneo a seguir, de n equac¸o˜es e n inco´gnitas. a11x1 + a12x2 + a13x3 + · · · + a1nxn = 0 a21x1 + a22x2 + a23x3 + · · · + a2nxn = 0 a31x1 + a32x2 + a33x3 + · · · + a3nxn = 0 ... ... = ... an1x1 + an2x2 + an3x3 + · · · + annxn = 0 (3.2) A forma matricial desse sistema e´ A ·X = O˜ em que O˜ e´ a matriz nula de ordem n. Do que foi tratado sobre a Regra de Cramer, podemos observar que: (i) o sistema linear homogeˆneo (3.2) tem soluc¸a˜o trivial (soluc¸a˜o nula) se detA 6= 0, e ainda, a soluc¸a˜o trivial e´ u´nica; (ii) o sistema linear homogeˆneo (3.2) tem soluc¸a˜o na˜o trivial se detA = 0. Exemplo 49. Considere a matriz A = 2 2 20 2 0 0 1 3 . Determinar os valores de λ ∈ R tais que existe X = xy z 6= O˜, em que O˜ e´ a matriz nula de ordem 3, que satisfaz A ·X = λ ·X. 25 3.3 Exerc´ıcios Complementares 1. Calcule o determinante das matrizes a seguir. (a) A = 2 5 −3 −2 −2 −3 2 −5 1 3 −2 2 −1 −6 4 3 (b) B = 3 −2 −5 4 −5 2 8 −5 −2 4 7 −3 2 −3 −5 8 (c) C = t+ 3 −1 15 t− 3 1 6 −6 t+ 4 (d) D = i 3 2 −i 3 −i 1 i 2 1 −1 0 −i i 0 1 2. Seja a matriz A = 1 2 22 3 4 1 5 7 . (a) Calcule detA; (b) Encontre AdjA; (c) Verifique que A · AdjA = detA · I3; (d) Encontre A−1. 3. Seja a matriz A = [ a b c d ] . (a) Encontre AdjA; (b) Mostre que Adj(AdjA) = A. 4. Use a Regra de Cramer para resolver os sistemas lineares a seguir. (a) −x+ y − z = 5 x+ 2y + 4z = 4 3x+ y − 2z = −3 (b) { ax− 2by = c 3ax− 5by = 2c , em que ab 6= 0. 5. Considere a matriz a segui. A = [aij]4×4 = 3 −2 −5 4 −5 2 8 −5 −2 4 7 −3 2 −3 −5 8 (a) Use o desenvolvimento de Laplace para explicar o que deve ser feito para calcular o determinante da matriz A. (b) Determine o cofator ∆21 do elemento a21. (c) Explique o que e´ matriz adjunta da matriz A. Explique como determinar a matriz inversa de matriz A, a partir do conceito da matriz adjunta da matriz A e sabendo que det A 6= 0. 6. Seja a matriz A = [aij]n×n. E´ sempre verdade que detAij < detA? 7. Use a Regra de Cramer para resolver o sistema a seguir. Caso tenha que calcular algum determinante, use o desenvolvimento de Laplace. 3y + 2x = z + 1 3x + 2z = 8 − 5y 3z − 1 = x − 2y 26 Cap´ıtulo 4 Vetores no Plano e no Espac¸o Va´rias grandezas f´ısicas como pressa˜o e temperatura podem ser completamente descritas pelo seu valor nume´rico (magnitude). Outras grandezas como forc¸a e acelerac¸a˜o, para serem comple- tamente descritas precisam, ale´m da sua magnitude, precisam tambe´m de uma direc¸a˜o e sentido. Estas grandezas podem ser representadas por setas (segmentos orientados) e sa˜o chamadas de vetores. Todos os segmentos orientados que possuem a mesma direc¸a˜o, o mesmo sentido e o mesmo comprimento (magnitude) sa˜o representantes de um mesmo vetor. Notac¸a˜o: Usaremos letras minu´sculas da seguinte forma, ~v, para indicar vetores e letras maiu´sculas para indicar pontos no plano e no espac¸o. 4.1 Vetores em Rn O conjunto R2 = R × R = {(x, y)|x, y ∈ R} e´ interpretado geometricamente como o plano cartesiano xOy. Qualquer vetor ~AB nesse plano tem sempre um representante ~OP cuja origem e´ a O = (0, 0) e P = (a, b), com O,P ∈ R2 o que significa que vetores em R2 sa˜o determinados exclusivamente pelo seu ponto final, pois o ponto inicial e´ fixo na origem. � � �� ~v 6 y - x Um vetor ~v em R2 e´ da forma ~v = (x1, y1), em que x1 e y2 sa˜o chamados de componentes do vetor ~v. O vetor ~v = (x1, y1) tambe´m pode ser representado por um matriz coluna como segue, ~v = [ x1 y2 ] . Exemplo 50. Represente no plano cartesiano os vetores a seguir. (a) ~v = (1, 3) (b) ~v = (2,−5) (c) ~v = (−1, 3) (d) ~v = (2,−2) (d) ~v = (1, 3) (e) ~u = (2, 6) O conjunto R3 = {(x, y, z)|x, y, z ∈ R} e´ interpretado geometricamente como o espac¸o cartesianotridimensional Oxyz (ou sistema de coordenadas dado por teˆs retas orientadas, perpendiculares duas a duas). Da mesma forma que em R2, os vetores em R3 sa˜o dados por 27 seguimentos orientados, com ponto inicial em O = (0, 0, 0) e ponto final P = (x1, y1, z1) e dessa forma, o vetor ~OP costuma ser denotado pelas coordenadas de P. Um vetor ~v em R3 e´ da forma ~v = (x1, y1, z1), em que x1, y1 e z1 sa˜o chamados de componentes do vetor ~v. O vetor ~v = (x1, y1, z1) tambe´m pode ser representado por um matriz coluna como segue, ~v = x1y1 z1 . Exemplo 51. Represente no sistema cartesiano tridimensional os pontos a seguir. (a) P = (1, 2, 3) (b) B = (−1, 2, 1) (c) C = (0, 1, 2) Exemplo 52. Represente no sistema cartesiano tridimensional os seguintes vetores. (a) ~v = (1, 2, 3) (b) ~u = (2, 2, 6) (c) ~v = (−1,−2,−3) Definimos Rn = {(x1, x2, x3, · · · , xn)|x1, x2, x3, · · · , xn ∈ R}, cuja interpretac¸a˜o geome´trica feita para R2 e R3 foge do nosso alcance. Um vetor ~v em Rn e´ da forma ~v = (x1, x2, x3, · · · , xn), em que x1, x2, x3, · · · , xn sa˜o as componentes de ~v e da mesma forma que em R2 e R3, ~v pode ser representado na forma matricial ~v = x1 x2 x3 ... xn . Sejam ~u,~v ∈ Rn com ~u = (x1, x2, x3, · · · , xn) e ~v = (y1, y2, y3, · · · , yn) definimos a soma e a multiplicac¸a˜o por escalar k, respectivamente, como segue: (i) ~u+ ~v = (x1 + y1, x2 + y2, · · · , xn + yn) (ii) k · ~u = (kx1, kx2, · · · , kxn). E ainda, −~u = −1 · ~u e ~u− ~v = ~u + (−~v). Definimos tambe´m a igualdade entre os vetores ~u e ~v se ~u e ~v possuem a mesma quantidade de componentes e se as componentes correspondentes sa˜o iguais. Exemplo 53. (a) Suponha que (x− y, x+ y, z − 1) = (4, 2, 3). Determine x, y e z. (b) Sejam ~u = (1,−3, 2, 4) e ~v = (3, 5,−1,−2). Determine ~u+ ~v, 5~u e 2~u− 3~v. Observac¸a˜o 8. Considere a situac¸a˜o em que um vetor ~v ∈ R2 e´ representado por um segmento de reta orientado em que a origem do vetor na˜o coincide com O = (0, 0), isto e´, ~v = ~AB e A = (x1, y1) 6= (0, 0) e B = (x2, y2) 6= (0, 0). Nesse caso, as componentes de ~v sa˜o determinadas como segue, ~v = (x2 − x1, y2 − y1). Assim o vetor ~v = (x2 − x1, y2 − y1) tambe´m pode ser representado com ponto inicial O = (0, 0) e ponto final B” = (x2 − x1, y2 − y1). O racioc´ınio e´ ana´logo para vetores em Rn. Exemplo 54. Determine as componentes do vetor ~v que tem um representante com ponto inicial P = (5 2 , 1, 2 ) e final Q = ( 0, 5 2 , 5 2 ) Teorema 5. Sejam os vetores ~u,~v, ~w ∈ Rn e os escalares α, β ∈ R. Enta˜o: (i) (~u+ ~v) + ~w = ~u+ (~v + ~w) (ii) ~u+ ~o = ~u, em que ~o = (0, 0, · · · , 0) ∈ Rn e´ o vetor nulo (iii) ~u+ (−~u) = ~o em que −~u e´ chamado de elemento sime´trico de ~u (iv) ~u+ ~v = ~v + ~u (v) α(~u+ ~v) = α · ~u+ α · ~v (vi) (α + β) · ~u = α · ~u+ β · ~u (vii) (α · β) · ~u = α · (β · ~u) (viii) 1 · ~u = ~u 28 Exemplo 55. Verifique o teorema anterior para os vetores ~u = (−2, 1, 3), ~v = (−1, 5, 6) e ~w = (−3,−2, 1) e para os escalares α = 2 e β = −1. Observac¸a˜o 9. Sejam os vetores ~u,~v vetores em Rn e o escalar na˜o nulo α ∈ R, tal que ~u = α · ~v. Dizemos que ~u tem o mesmo sentido de ~v se α > 0 e sentido oposto se α < 0. Exemplo 56. Sejam os pontos A = (0, 1,−1) e B = (1, 2,−1) e os vetores ~u = (−2,−1, 1), ~v = (3, 0,−1) e ~w = (−2,−2, 2). Verifique se existem escalares a1, a2 e a3 tais que ~w = a1 ~AB + a2~u+ a3~v. Exemplo 57. Sejam os pontos P1 = (1, 2, 4), P2 = (2, 3, 2), P3 = (2, 1,−1) e P4 = (x1, y1, z1). Determine x1, y1, z1 tais que P1, P2, P3 e P4 sejam ve´rtices de um paralelogramo. Exemplo 58. Determine as coordenadas do ponto me´dio do segmento reta de extremidades A = (x1, y1) e B = (x2, y2). 4.2 Produto entre Vetores 4.2.1 Produto Escalar Definic¸a˜o 19. Seja ~u = (x1, x2, · · · , xn) vetor de Rn. A norma de ~u (ou comprimento de ~u) e´ definida por ||~u|| = √ x21 + x 2 2 + · · ·+ x2n. No caso em que ||~u|| = 1, diz-se que ~u e´ um vetor unita´rio. E´ usual dizer tambe´m, neste caso, que ~u esta´ normalizado. Definic¸a˜o 20. Sejam os pontos de Rn P1 = (x1, x2, · · · , xn) e P2 = (y1, y2, · · · , yn). A distaˆncia do ponto P1 ao ponto P2, denotada por d e´ a norma do vetor −−→ P1P2, isto e´, d = √ (y1 − x1)2 + (y2 − x2)2 + · · ·+ (yn − xn)2. Exemplo 59. Defina: (a) Norma para um vetor ~v ∈ R2. (b) Distaˆncia entre dois pontos P1 e P2 de R2. (c) Norma para um vetor ~v ∈ R3. (d) Distaˆncia entre dois pontos P1 e P2 de R3. Exemplo 60. Determine: (a) ||~u||, onde ~u = (1,−2, 3). (b) A distaˆncia entre os pontos P1 = (2,−1,−5) e P2 = (4,−3, 1). Observac¸a˜o 10. (i) Se ~u = (x1, x2, · · · , xn) e´ um vetor de Rn e α e´ um escalar enta˜o ||α~u|| = ||(αx1, αx2, · · · , αxn)|| = √ (αx1)2 + (αx2)2 + · · ·+ (αxn)2 ||α~u|| = √ α2(x21 + x 2 2 + · · ·+ x2n) = |α|||~u||. (ii) Dado um vetor ~u = (x1, x2, · · · , xn) na˜o nulo de Rn, o vetor ~v = ( 1 ||~u|| ) ~u e´ um vetor unita´rio na direc¸a˜o de ~u. 29 Exemplo 61. Mostre que o vetor ~v = ( 1 ||~u|| ) ~u e´ um vetor unita´rio, onde ~u = (x1, y1, z1) e´ um vetor na˜o nulo de R3. Definic¸a˜o 21. Sejam ~u e ~v vetores de Rn. O produto escalar (ou produto interno) de ~u e ~v e´ definido por ~u · ~v = { 0, se ~u = ~o ou ~v = ~o ||~u||||~v||cos(θ), se ~u 6= ~o e ~v 6= ~o , onde 0 ≤ θ ≤ pi e´ o aˆngulo entre os vetores ~u e ~v. No caso em que ~u · ~v = 0 diz-se que ~u e ~v sa˜o ortogonais ou perpendiculares. Da expressa˜o ~u · ~v = ||~u|| · ||~v||cos(θ), para ~u e ~v vetores na˜o nulos de Rn, define-se que: (i) ~u e ~v sa˜o ortogonais se cos(θ) = 0; (ii) ~u e ~v sa˜o paralelos se cos(θ) = ±1. Neste caso, ~u e ~v possuem o mesmo sentido se cos(θ) = 1 e sentidos contra´rios se cos(θ) = −1. Exemplo 62. Sejam os vetores ~u = (0, 0, 1) e ~v = (0, 2, 2) e θ = 45o o aˆngulo formado entre ~u e ~v. Determine ~u · ~v. No caso em que e´ conhecido apenas as componentes de ~u e ~v, o produto interno de ~u e ~v e´ dado pelo teorema a seguir. Teorema 6. Sejam ~u = (x1, x2, · · · , xn) e ~v = (y1, y2, · · · , yn) vetores de Rn. O produto escalar de ~u e ~v e´ o nu´mero ~u · ~v obtido multiplicando as componentes correspondentes e efetuando a soma dos produtos obtidos: ~u · ~v = x1 · y1 + x2 · y2 + · · ·+ xn · yn. Exemplo 63. Defina ~u · ~v para o caso em que ~u e ~v sa˜o vetores de R3. Exemplo 64. Sejam os vetores ~u = (1, 0, 0), ~v = (0, 1, 0) e ~w = (0, 0, 1). Determine o aˆngulo formado entre os vetores ~u e ~m, onde ~m = ~u+ ~v + ~w e´ uma diagonal de um cubo. Exemplo 65. Verifique se os vetores ~u = (1,−2, 3) e ~v = (7, 1,−2) sa˜o ortogonais. Teorema 7. (Desigualdade de Cauchy-Schwarz) Se ~u e ~v sa˜o vetores em Rn, enta˜o |~u · ~v| ≤ ||~u|| · ||~v||. Teorema 8. (Desigualdade Triangular) Se ~u e ~v sa˜o vetores em Rn, enta˜o ||~u+ ~v|| ≤ ||~u||+ ||~v||. Exemplo 66. Sejam os vetores ~u = (1, 0, 0, 1), ~v = (0, 1, 1, 0) e ~w = (3, 0, 0, 3). (a) Verifique se ~u e ~v sa˜o ortogonais. (b) Verifique se ~u e ~w sa˜o ortogonais. (c) Verifique os teoremas 7 e 8 para ~v e ~w. 30 4.2.2 Produto Vetorial O produto vetorial trata-se se uma operac¸a˜o que so´ faz sentido para vetores em R3. Antes de introduzir este conceito e´ necessa´rio definir uma outra forma de representar um vetor ~u ∈ R3. Considere os vetores unita´rios ~u = (1, 0, 0), ~v = (0, 1, 0) e ~w = (0, 0, 1) e observe que estes vetores esta˜o no sentido positivo dos eixos x, y e z, respectivamente. Estes vetores (~u,~v e ~w) sa˜o representados, respectivamente, por ~i, ~j e ~k e assim, qualquer vetor ~m = (x1, y1, z1) ∈ R3 pode ser representado por ~m = x1 ·~i+ y1 ·~j + z1 · ~k ou seja, ~m = x1 · (1, 0, 0) + y1 · (0, 1, 0) + z1 · (0, 0, 1). Exemplo 67. Sabendo que ~i = (1, 0, 0), ~v = (0, 1, 0) e ~j = (0, 0, 1). Determine ~i ·~i, ~j ·~j, ~i ·~j, ,~k · ~k e ~i · ~k. Exemplo 68.Sejam ~u = 3~i+ 6~j − 2~k e ~v = 4~i− 3~j − ~k. Determine: (a) −2~u+ 5~v (b) ~u · ~v Definic¸a˜o 22. Sejam os vetores ~u = x1~i+y1~j+z1~k e ~v = x2~i+y2~j+z2~k. O produto vetorial e´ o vetor denotado por ~u×~v, que e´ obtido pelo ca´lculo do determinante da matriz ~i ~j ~kx1 y1 z1 x2 y2 z2 . ~u× ~v = det ~i ~j ~kx1 y1 z1 x2 y2 z2 . Exemplo 69. Sejam os vetores ~u = 4~i+ 3~j + 4~k e ~v =~i+ ~k. Determine: (a) ~u× ~v (b) ~v × ~u Definic¸a˜o 23. Sejam os vetores ~u = x1~i+ y1~j+ z1~k, ~v = x2~i+ y2~j+ z2~k e ~w = x3~i+ y3~j+ z3~k. O produto escalar triplo ou produto misto de ~u, ~v e ~w, dados nessa ordem e´ (~u× ~v) · ~w, ou seja, e´ o produto escalar entre o vetor ~u× ~v e o vetor ~w. Observac¸a˜o 11. O vetor ~u × ~v e´ ortogonal simultaneamente aos vetores ~u e ~v, onde ~u = x1~i+ y1~j + z1~k e ~v = x2~i+ y2~j + z2~k. 4.3 Exerc´ıcios Complementares 1. Esboce os vetores a seguir. (a) ~u = (3, 4, 5) (b) ~u = (−3, 4, 5) (c) ~u = (3,−4, 5) (d) ~u = (3, 4,−5) (e) ~u = (−3,−4, 5) (f) ~u = (−3, 4,−5) (g) ~u = (3,−4,−5) (h) ~u = (−3,−4,−5) (i) ~u = (3,−7, 2) (j) ~u = (−1, 0, 2) (k) ~u = (0,−1, 0) (l) ~u = (2, 5,−4) 2. Determine as componentes do vetor de ponto inicial P1 e ponto final P2. Depois, em cada caso, esboce cada vetor no seu respectivo espac¸o. (a) P1 = (4, 8) e P2 = (3, 7) (b) P1 = (3,−5) e P2 = (−4,−7) (c) P1 = (−5, 0) e P3 = (−3, 1) (d) P1 = (3,−7, 2) e P2 = (−2, 5,−4) (e) P1 = (−1, 0, 2) e P3 = (0,−1, 0). 31 3. Sejam os vetores ~u = (−3, 1, 2), ~v = (4, 0,−8) e ~w = (6,−1,−4). Encontre os vetores: (a) ~v − ~w (b) 6~u+ 2~v (c) (2~u− 7~w)− (8~v + ~u) (d) o vetor ~x que satisfac¸a 2~u− ~v + ~x = 7~x+ ~w. 4. Sejam os vetores ~u = (−3, 1, 2), ~v = (4, 0,−8) e ~w = (6,−1,−4). Encontre os escalares a1, a2 e a3 tais que a1~u+ a2~v + a3 ~w = ~m, onde ~m = (2, 0, 4). 5. Sejam os vetores ~u = (1, 2, 0), ~v = (2, 1, 1), ~w = (0, 3, 1) e ~m = (0, 0, 0). Mostre que existem escalares a1, a2 e a3 tais que a1~u+ a2~v + a3 ~w = ~m. 6. Sejam os vetores ~u = (−2, 9, 6), ~v = (−3, 2, 1), ~w = (1, 7, 5) e ~m = (0, 5, 4). Mostre que na˜o existem escalares a1, a2 e a3 tais que a1~u+ a2~v + a3 ~w = ~m. 7. Sejam os pontos P1 = (2, 3,−2) e P2 = (7,−4, 1). (a) Determine o ponto me´dio do segmento de reta com extremidades P1 e P2. (b) Determine o ponto no segmento de reta com extremidades P1 e P2 que esta´ a 3 4 do caminho de P1 a P2. 8. Sejam os vetores ~u = (5, 4, 1), ~v = (3,−4,−1) e ~w = (1,−2, 3). Determine: (a) (~u+ ~v) · ~w (b) (~u · ~w) + (~v · ~w) (c) α(~u · ~w), onde α = −5 9. Sejam os vetores ~u = (3,−7, 2,−3), ~v = (−1, 0, 4, 9) e ~w = (2,−20, 1 2 , 0). Quais os pares de vetores perpendiculares? 10. Determine k para que os vetores ~u = (1, k,−3) e ~v = (2,−5, 4) sejam ortogonais. 11. Seja θ o aˆngulo entre os vetores ~u e ~v. Determine cos(θ) em cada caso. (a) ~u = (−2, 9, 6) e ~v = (−3, 2, 1) (b) ~u = (1, 7, 5) e ~v = (0, 5, 4). 12. Determine um vetor unita´rio na direc¸a˜o do vetor ~u em cada caso. (a) ~u = (−2, 3,−1,−1) (b) ~u = (2, 5,−4) ~u = (0, 0, 2) 13. Determine o valor de k para que o vetor ~u = ( k, 2 5 , 4 5 ) seja unita´rio. 14. Determine k sabendo que o aˆngulo entre os vetores ~u = (2, 1,−1) e ~v = (1,−1, k + 2) e´ θ = pi 3 . 15. Sejam os vetores ~u = (0, 1,−1), ~v = (2,−2,−2) e ~w = (−3, 4,−5). Determine: (a) um vetor perpendicular a ~u e a ~v (b) um vetor unita´rio perpendicular a ~u e a ~w (c) (~u× ~v) · ~w (d) (~v × ~w) · ~u 16. Sejam os vetores ~u = a~i + 5b~j − c 2 ~k e ~v = −3a~i + x~j + y~k. Determine x e y tais que ~u× ~w = ~o. 32 Cap´ıtulo 5 Espac¸o Vetorial 5.1 Espac¸o Vetorial Definic¸a˜o 24. Seja V um conjunto na˜o vazio, sobre o qual esta˜o definidas as operac¸o˜es de adic¸a˜o e multiplicac¸a˜o por escalar α, respectivamente, ~u+ ~v ∈ V, para quaisquer ~u,~v ∈ V ; α~u ∈ V, para qualquer ~u ∈ V e qualquer escalar α ∈ K. Dizemos que V e´ um espac¸o vetorial sobre K se, para quaisquer ~u,~v, ~w ∈ V e escalares α, β ∈ K o seguintes axiomas forem satisfeitos: (i) Comutatividade ~u+ ~v = ~v + ~u; (ii) Associatividade (~u+ ~v) + ~w = ~u+ (~v + ~w) e (αβ)~u = α(β~u); (iii) Vetor Nulo existe um vetor ~o ∈ V, chamado vetor nulo tal que ~v + ~o = ~v = ~o+ ~v para todo ~v ∈ V ; (iv) Inverso Aditivo (Sime´trico) para cada vetor ~v ∈ V, existe um vetor −~v ∈ V, chamado inverso aditivo de ~v, tal que ~v+(−~v) = ~o; (v) Distributividade (α + β)~u = α~u+ β~u e α(~u+ ~v) = α~u+ α~v (vi) Multiplicac¸a˜o por 1 1~u = ~u para qualquer ~u ∈ V. Observac¸a˜o 12. Os elementos de um espac¸o vetorial sa˜o chamados de vetores, independente da natureza dos seus elementos. Exemplo 70. Verifique que os conjuntos a seguir sa˜o espac¸os vetoriais. (a) V = R2 = {(x, y)|x, y ∈ R}, com as operac¸o˜es de adic¸a˜o e multiplicac¸a˜o por escalar usuais. (b) V = M(3, 3) = {A|Ae´ matriz quadrada de ordem 3}, com as operac¸o˜es de adic¸a˜o e multi- plicac¸a˜o por escalar usuais. (c) V = P2 = {a2x2 + a1x+ a0|ai ∈ R}, com as operac¸o˜es de adic¸a˜o e multiplicac¸a˜o por escalar usuais. (d) V = {f : R −→ R|f e´ func¸a˜o} com a operac¸a˜o de soma e multiplicac¸a˜o por escalar usuais. (e) V = {(x, x2)|x ∈ R)} com as respectivas operac¸o˜es de adic¸a˜o e multiplicac¸a˜o por escalar, (x1, x 2 1)+˜(x2, x 2 2) = (x1 + x2, (x1 + x2) 2) e α ∗ (x, x2) = (αx, α2x2). (f) V = {(x, y)|x, y ∈ R∗+} com as respectivas operac¸o˜es de adic¸a˜o e multiplicac¸a˜o por escalar, (x1, y1)+ˆ(x2, y2) = (x1 × x2, y1 × y2) e α ∗ (x, y) = (xα, yα). Exemplo 71. Verifique que os conjuntos a seguir na˜o sa˜o espac¸os vetoriais. (a) V = {(a, b)|a, b ∈ R} com as respectivas operac¸o˜es de soma e multiplicac¸a˜o por escalar, 33 (a, b) + (c, d) = (a+ c, b+ d) e α(a, b) = (αa, b). (b) V = {(a, b)|a, b ∈ R} com as respectivas operac¸o˜es de soma e multiplicac¸a˜o por escalar, (a, b) + (c, d) = (a+ c, b+ d) e α(a, b) = (αa, 0). Propriedades do Espac¸o Vetorial Seja V um espac¸o vetorial. Sa˜o va´lidas as seguintes propriedades. (i) Existe um u´nico elemento neutro ~o em V (elemento neutro em relac¸a˜o a operac¸a˜o de adic¸a˜o definida em V ); (ii) Para cada vetor ~u ∈ V existe apenas um, e somente um, elemento sime´trico em V ; (iii) Para quaisquer ~u,~v, ~w ∈ V, se ~u+ ~v = ~v + ~w, enta˜o ~u = ~w; (iv) O elemento sime´trico do sime´trico do vetor ~u e´ o pro´prio ~u, isto e´, −(−~u) = ~u; (vi) Para qualquer ~u ∈ V tem se 0~u = ~o; (vii) Para α ∈ K escalar qualquer, tem-se α~o = ~o; (viii) Para qualquer escalar α ∈ K e para qualquer ~u ∈ V, (−α)~u = α(−~u) = −α~u. 5.2 Subespac¸o Vetorial Definic¸a˜o 25. Seja V um espac¸o vetorial. Um subconjunto S na˜o vazio de V e´ chamado subespac¸o vetorial de V se S tambe´m e´ um espac¸o vetorial com relac¸a˜o as operac¸o˜es soma e multiplicac¸a˜o por escalar definidas em V. Teorema 9. Sejam V um espac¸o vetorial e S um subconjunto de V. S e´ um subespac¸o vetorial de V se, e somente se: (i) S e´ na˜o vazio; (ii) S e´ fechado para a operac¸a˜o de adic¸a˜o definida em V, isto e´, para quaisquer ~u,~v ∈ S tem-se ~u+ ~v ∈ S. (iii) S e´ fechado para a operac¸a˜o de multiplicac¸a˜o por escalar definida em V, isto e´, para qualquer ~u ∈ S e qualquer escalar k ∈ K tem-se k~u ∈ S. Exemplo 72. Mostre que: (a) W = {(a, b, 0)|a, b ∈ R} e´ subespac¸o vetorial do espac¸o vetorial V = R3. (b) W = {(a, b, c)|a+ b+ c = 0, a, b, c ∈ R} e´ subespac¸o vetorial do espac¸o vetorial V = R3. (c) W = {(x, y)|y = 2x, x ∈ R} e´ subespac¸o vetorial do espac¸o vetorial V = R2. Exemplo 73. Mostre que: (a) S = {(x, 4− 2x)|x ∈ R} na˜o e´ subespac¸o vetorial de V = R2. (b) S = {(a, b, c)|a ≥ 0, a, b, c ∈ R} na˜o e´ subespac¸o vetorial do espac¸o vetorial V = R3. (c) S = {(a, b, c)|a2+b2+c2 ≤ 1, a, b, c ∈ R} na˜o e´ subespac¸o vetorial do espac¸o vetorial V = R3. Observac¸a˜o 13. Todo espac¸o vetorial V admite, pelo menos, dois subespac¸os vetoriais, S = {~o}, em que ~o e´ o elementoneutro de V e W = V. Estes sa˜o chamados de subespac¸os triviais de V. Os outros subespac¸os de V, caso existam, sa˜o chamados de subespac¸os pro´prios de V. Exemplo 74. Sejam S e W subespac¸os vetoriais de um espac¸o vetorial V. Mostre que S ∩W tambe´m e´ um subespac¸o vetorial de V. Exemplo 75. Seja o espac¸o vetorial V = {[ a b c d ] ∣∣∣a, b, c, d ∈ R} . Verifique se os conjuntos a seguir sa˜o subespac¸os de V. (a) S1 = {[ a 0 c 0 ] ∣∣∣a, c ∈ R} . 34 (b) S2 = {[ a b 0 0 ] ∣∣∣a, b ∈ R} . (c) S = S1 ∩ S2. Exemplo 76. Seja o espac¸o vetorial V = {(a, b, c)|a, b, c ∈ R}. Verifique se os conjuntos as seguir sa˜o subespac¸os vetoriais de V. (a) S1 = {(a, b, 0)|a, b ∈ R}. (b) S2 = {(0, 0, c)|c ∈ R} (c) S1 ∩ S2. 5.3 Combinac¸a˜o Linear Definic¸a˜o 26. Sejam os vetores ~v1, ~v2, · · · , ~vn do espac¸o vetorial V sobre e os escalares α1, α2, · · · , αn ∈ K. Qualquer vetor em V da forma ~v = α1~v1 +α2~v2 + · · ·+αn~vn e´ chamado de combinac¸a˜o linear dos vetores ~v1, ~v2, · · · , ~vn. Exemplo 77. Considere o espac¸o vetorial R3. O vetor ~m = (2,−3, 5) e´ combinac¸a˜o linear dos vetores ~u = (1, 0, 0), ~v = (0, 1, 0) e ~w = (0, 0, 1) de R3. Sejam V o espac¸o vetorial e S = {~v1, ~v2, · · · , ~vn|~vi ∈ V, i = 1, 2, · · · , n}. Temos o seguinte: (i) O conjunto W de todos os vetores de V que sa˜o combinac¸a˜o linear dos elementos de S e´ um subespac¸o de V, isto e´, W = {~u|~u e´ combinac¸a˜o linear de ~v1, ~v2, · · · , ~vn} e´ subespac¸o de V. (ii) Se U e´ qualquer subespac¸o de V contendo S enta˜o W ⊂ U. O conjunto W e´ o menor subespac¸o de V contendo S e dessa forma, W e´ chamado subespac¸o gerado por S e usamos a notac¸a˜o W = [~v1, ~v2, · · · , ~vn]. Exemplo 78. Os vetores ~e1 = (1, 0, 0), ~e2 = (0, 1, 0) e ~e3 = (0, 0, 1) geram o espac¸o vetorial R3. Exemplo 79. Os polinoˆmios 1, t, t2, t3 geram o espac¸o vetorial V dos polinoˆmios de grau ≤ 3. Exemplo 80. Determine se o vetor ~v = (3, 9,−4,−2) e´ combinac¸a˜o linear dos vetores ~u1 = (1,−2, 0, 3), ~u2 = (2, 3, 0,−1) e ~u3 = (2,−1, 2, 1). Exemplo 81. Considere o espac¸o vetorial dos polinoˆmios de grau ≤ 2. Verifique se o vetor ~v = 7x2 + 11x− 26 e´ combinac¸a˜o linear dos polinoˆmios ~v1 = 5x2− 3x+ 2 e ~v2 = −2x2 + 5x− 8. 5.4 Somas e Somas Diretas Definic¸a˜o 27. Sejam U e W subespac¸os do espac¸o vetorial V. Definimos a soma de U e W como sendo o conjunto U +W = {~u+ ~w|~u ∈ U, ~w ∈ W}. Exemplo 82. Determine S1 + S2 nos exemplos 75 e 76. Teorema 10. Sejam U e W subespac¸os do espac¸o vetorial V. Enta˜o U+W tambe´m e´ subespac¸o de V. Pense no exemplo anterior. Definic¸a˜o 28. Sejam U e W subespac¸os do espac¸o vetorial V. Dizemos que V e´ soma direta de U e W, com a notac¸a˜o V = U ⊕W, se V = U +W e U ∩W = {~o}, em que ~o e´ o elemento neutro de V. 35 Teorema 11. Se V e´ soma direta de Ue W, enta˜o todo vetor ~v ∈ V e´ escrito de maneira u´nica da forma ~v = ~u+ ~w, em que ~u ∈ U e ~w ∈ W. Exemplo 83. Verifique nos exemplos 75 e 76 se V e´ soma direta de S1 e S2. Exemplo 84. Seja o espac¸o vetorial V = R3. (a) Verifique que U = {(a, b, 0)|a, b ∈ R} e´ subespac¸o de V. (b) Verifique que W = {(0, b, c)|b, c ∈ R} e´ subespac¸o de V. (c) Verifique que U +W e´ subespac¸o de V. (d) Verifique se V e´ soma direta de U e W. Exemplo 85. Sejam U = {(a, b, 0)|a, b ∈ R} e W = {(0, 0, c)| ∈ R} subespac¸os do espac¸o vetorial V = R3. Verifique se V = U ⊕W. 5.5 Dependeˆncia e Independeˆncia Linear Definic¸a˜o 29. Sejam V um espac¸o vetorial e S = {~v1, ~v2, · · · , ~vn|~vi ∈ V ; i = 1, 2, · · · , n}. Dize- mos que o conjunto S e´ Linearmente Independente (ou que ~v1, ~v2, · · · , ~vn sa˜o Linearmente Independentes), com a abreviac¸a˜o L.I, se nenhum vetor ~v de S e´ combinac¸a˜o linear dos outros elementos de S. Teorema 12. Sejam V um espac¸o vetorial e S = {~v1, ~v2, · · · , ~vn|~vi ∈ V ; i = 1, 2, · · · , n}. O conjunto S sera´ L.I (ou os vetores ~v1, ~v2, · · · , vn sera˜o L.I) se, e somente se, a equac¸a˜o α1 ·~v1 +α2 ·~v2 + · · ·+αn ·~vn = ~o, em que ~o e´ o vetor nulo de V, implicar que α1 = · · · = αn = 0. Exemplo 86. (a) Mostre que os vetores ~e1 = (1, 0, 0, 0), ~e2 = (0, 1, 0, 0), ~e3 = (0, 0, 1, 0) e ~e4 = (0, 0, 0, 1) sa˜o L.I. (b) Mostre que os vetores ~v1 = (1, 0, 1), ~v2 = (0, 1, 1) e ~v3 = (1, 1, 1) de R3 sa˜o L.I. Definic¸a˜o 30. Um subconjunto S = {~v1, ~v2, · · · , ~vn} de um espac¸o vetorial V sera´ Linearmente Dependente (ou ~v1, ~v2, · · · , ~vn sera˜o Linearmente Dependentes), com a abreviac¸a˜o L.D, se na˜o for L.I (ou se ~v1, ~v2, · · · , ~vn na˜o forem L.I). Exemplo 87. (a) Os vetores ~v1 = (1,−1), ~v2 = (1, 0) e ~v3 = (1, 1) de R2 sa˜o L.D, pois 1 2 (1,−1)− 1(1, 0) + 1 2 (1, 1) = (0, 0). (b) Mostre que os vetores ~v1 = (1, 2, 5), ~v2 = (7,−1, 5) e ~v3 = (1,−1,−1), vetores de R3 sa˜o L.D. 5.6 Base de Um Espac¸o Vetorial Definic¸a˜o 31. Um subconjunto S = {~v1, ~v2, · · · , ~vn} de um espac¸o vetorial V sera´ uma base de V se as condic¸o˜es a seguir forem satisfeitas: (i) S = {~v1, ~v2, · · · , ~vn} e´ L.I. (ii) [~v1, ~v2, · · · , ~vn] = V. Exemplo 88. (a) Sejam os vetores ~e1 = (1, 0) e ~e2 = (0, 1). O conjunto {~e1, ~e2} e´ uma base do espac¸o vetorial R2. (b) Mostre que o conjunto {(1, 1), (0, 1)} e´ uma base de R2. Exemplo 89. Quais dos seguintes conjuntos a seguir sa˜o L.D? (a) {(1, 1, 2), (1, 0, 0), (4, 6, 12)} (b) {(1,−2, 3), (−2, 4,−6)} (c) {(1, 1, 1), (2, 3, 1), (3, 1, 2)} (d) {(4, 2,−1), (6, 5,−5), (2,−1, 3)} 36 Exemplo 90. Determine se os vetores a seguir formam uma base do espac¸o vetorial R3. (a) ~u = (1, 1, 1) e ~v = (1,−1, 5) (b) ~u = (1, 2, 3), ~v = (1, 0,−1), ~w = (3,−1, 0) e ~z = (2, 1,−2) (c) ~u = (1, 1, 1), ~v = (1, 2, 3) e ~w = (2,−1, 1). 5.7 Espac¸o Linha e Espac¸o Coluna de Uma Matriz Seja a matriz A = [aij]m×n em que aij ∈ R, A = a11 a12 · · · a1n a21 a22 · · · a2n ... ... ... ... am1 am2 · · · amn . Considere as linhas de A, L1 = (a11, a12, · · · , a1n), L2 = (a21, a22, · · · , a2n), · · · , Lm = (am1, am2, · · · , amn) como vetores em Rn. Com essa considerac¸a˜o as linhas da matriz A, L1, L2, · · · , Lm geram um subespac¸o de Rn, chamado de subespac¸o das linhas de A. Do mesmo modo, as colunas de A consideradas como vetores em Rm, geram um subespac¸o de Rm chamado de espac¸o das colunas de A. Lembremos que podemos aplicar operac¸o˜es elementares nas linhas da matriz A e obter a matriz B, que e´ a matriz equivalente por linhas a matriz A, em que cada linha li, com i = 1, 2, · · · ,m, de B e´ obtida por operac¸o˜es elementares nas linhas de A. Temos de forma resumida o seguinte: (i) O subespac¸o gerado pelas linhas da matriz A e´ igual ao subespac¸o gerado pelas linhas de B. Teorema 13. Matrizes escalonadas reduzidas por linhas tem o mesmo espac¸o de linhas se, e somente se, elas tem as mesmas linhas na˜o nulas. Teorema 14. As linhas na˜o nulas de uma matriz na forma escalonada reduzida sa˜o linearmente independentes. Exemplo 91. Mostre que o espac¸o U gerado pelos vetores ~u1 = (1, 2,−1, 3), ~u2 = (2, 4, 1,−2) e ~u3 = (3, 6, 3,−7) e o espac¸o V gerado pelos vetores ~v1 = (1, 2,−4, 11) e ~v2 = (2, 4,−5, 14) sa˜o iguais. Exemplo 92. Determine se as seguintes matrizes tem o mesmo espac¸o de linhas. A = [ 1 1 5 2 3 13 ] , B = [ 1 −1 −2 3 −2 −3 ] e C = 1 −1 −14 −3 −1 3 −1 3 . 5.8 Dimensa˜o de Um Espac¸o Vetorial Definic¸a˜o 32. Seja V um espac¸o vetorial. Dizemos que V e´ um espac¸o vetorial de di- mensa˜o finita n ou n − dimensional, com a notac¸a˜o dim V = n, se V admite uma base β = {~v1, ~v2, · · · , ~vn} com um nu´mero finito n de elementos. Exemplo 93. Seja o espac¸o vetorial U = {A|A = [aij]; i = 1, 2 e j = 1, 2, 3; aij ∈ R}. O conjunto β = {[ 1 0 0 0 0 0 ] , [ 0 1 0 0 0 0 ] , [ 0 0 1 0 0 0 ] , [ 0 0 0 1 0 0 ] , [ 0 0 0 0 1 0 ] , [ 1 0 0 0 0 1 ]} e´ uma base de U (Verifique!)Temos, dim U = 6. 37 Exemplo 94. Seja Pn o espac¸o vetorial dos polinoˆmios de grau ≤ n, na varia´vel t. O conjunto β = {1, t, t2, · · · , tn} e´ uma base de Pn. (Verifique). Temos, dim Pn = n+ 1. Exemplo 95. (a) Determine a dimensa˜o do espac¸o vetorial V = {(x1, x2, · · · , xn)|xi ∈ R; i = 1, 2, · · · , n}. (b) Seja W o espac¸o gerado pelos vetores ~v1 = (1,−2, 5,−3), ~v2 = (2, 3, 1,−4) e ~v3 = (3, 8,−3,−5). Encontre uma base e a dimensa˜o de W. Teorema 15. Seja V um espac¸o vetorial de dimensa˜o finita n. Enta˜o todas as bases de V tem n elementos. Exemplo 96. (a) Os conjuntos {(1, 0), (0, 1)} e {(1, 1), (0, 1)} sa˜o bases de R2 e dim R2 = 2. (Verifique!) (b) Os conjuntos {(1, t, t2, t3, · · · , tn−1, tn)} e {(1, 1 − t, (1 − t)2, · · · , (1 − t)n−1, (1 − t)n)} sa˜o bases do espac¸o vetorial dos polinoˆmios de grau ≤ n, Pn e dim Pn = n+ 1. Observac¸a˜o 14. Define-se dim {~o} = 0, em que ~o e´ o elemento neutro do espac¸o vetorial V. Teorema 16. Seja V um espac¸o vetorial gerado por um conjunto finito de vetores ~v1, ~v2, · · · , ~vn. Enta˜o: (i) Dentre esses vetores ~v1, ~v2, · · · , ~vn podemos extrair uma base de V. (ii) Qualquer conjunto com mais de n vetores e´ necessariamente L.D (e portanto, qualquer conjunto L.I tem no ma´ximo n vetores). Veja o item (b) do exemplo 95 como exemplo. Teorema 17. Seja V um espac¸o vetorial de dimensa˜o finita n. Enta˜o: (i) Qualquer conjunto linearmente independente e´ parte de uma base , isto e´, pode ser estendido a uma base. (ii) Um conjunto linearmente independente com n elementos e´ uma base. Exemplo 97. (a) Seja V = R4. O conjunto S = {(1, 1, 1, 1), (0, 1, 1, 1), (0, 0, 1, 1), (0, 0, 0, 1)} e´ linearmente independente (Verifique!). Como dim R4 = 4, segue que S e´ uma base de R4. Teorema 18. Seja V um espac¸o vetorial de dimensa˜o finita e sejam U e W subespac¸os de V . Enta˜o: (i) dim U ≤ dim V e dim W ≤ dim V. (ii) dim (U +W ) = dim U + dim W − dim (U ∩W ). Exemplo 98. Verifique o teorema anterior para o caso em que V = R3, U = {(a, b, 0)|a, b ∈ R} e W = {(0, b, c)|b, c ∈ R}. 5.9 Coordenadas de Um Vetor em Relac¸a˜o a Uma Base Seja V um espac¸o vetorial n − dimensional e considere uma base de V, α = {~e1, ~e2, · · · , ~en}. Observe que um vetor ~v ∈ V e´ uma combinac¸a˜o linear dos vetores da base α, ou seja, existem escalares a1, a2, · · · , an tais que ~v = a1~e1 + a2~e2 + · · ·+ an~en. Definimos enta˜o as coordenadas do vetor ~v em relac¸a˜o a base α, como sendo os escalares a1, a2, · · · , an. Usamos a notac¸a˜o: [~v]α = a1 a2 ... an ou [~v]α = (a1, a2, · · · , an). 38 Exemplo 99. (a) Encontre as coordenadas do vetor ~v = (4, 3) em relac¸a˜o a base β = {(1, 0), (0, 1)} do R2. Soluc¸a˜o: Para determinar as coordenadas do vetor ~v = (4, 3) em relac¸a˜o a base β, escreva ~v como combinac¸a˜o linear dos vetores da base β, usando as varia´veis escalares a, b, isto e´, escreva ~v como segue, (4, 3) = a(1, 0)+b(0, 1). Dessa igualdade temos, (4, 3) = (a, b) =⇒ a = 4 e b = 3. Portanto, [~v]β = (4, 3). (b) Encontre as coordenadas do vetor ~v = (4,−3, 2) em relac¸a˜o a base α = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} do R3. Soluc¸a˜o: Para determinar as coordenadas do vetor ~v em relac¸a˜o a base α, escreva ~v como com- binac¸a˜o linear dos vetores da base α usando as varia´veis escalares a, b, c, isto e´, escreva ~v como segue, (4,−3, 2) = a(1, 1, 1) + b(1, 1, 0) + c(1, 0, 0). Dessa igualdade temos (4,−3, 2) = (a+ b+ c, a+ b, a). Ao resolvermos o sistema a + b + c = 4 a + b = −3 a = 2 encontraremos a = 2, b = −5 e c = 7. Portanto, [~v]α = (2,−5, 7). (c) Encontre as coordenadas do vetor ~v = [ 2 3 4 −7 ] em relac¸a˜o a base γ = {[ 1 1 1 1 ] , [ 0 −1 1 0 ] , [ 1 −1 0 0 ] , [ 1 0 0 0 ]} do espac¸o vetorial V das matrizes de ordem 2× 2. Soluc¸a˜o: Para determinar as coordenadas do vetor ~v em relac¸a˜o a base γ, escreva ~v como combinac¸a˜o linear dos vetores da base γ usando as varia´veis escalares a, b, c, d isto e´, escreva ~v como segue,[ 2 3 4 −7 ] = a [ 1 1 1 1 ] + b [ 0 −1 1 0 ] + c [ 1 −1 0 0 ] + d [ 1 0 0 0 ] . Da´ı,[ 2 3 4 −7 ] = [ a a a a ] + [ 0 −b b 0 ] + [ c −c 0 0 ] + [ d 0 0 0 ] = [ a+ c+ d a− b− c a+ b a ] . Ao resolvermos o sistema a + c + d = 2 a − b − c = 3 a + b = 4 a = −7 , encontraremos a = −7, b = 11, c = −21 e d = 30. Portanto, [~v]γ = (−7, 11,−21, 30). A seguir, trataremos de forma resumida os conceito de matriz de mudanc¸a de uma base β para uma base α. Para mais detalhes, consulte [1] [6]. Sejam agora α = {~u1, ~u2, · · · , ~un} e β = {~w1, ~w2, · · · , ~wn} duas bases de um espac¸o vetorial V de dimensa˜o finita n. Considere ~v um vetor de V e observe que: (i) Podemos escrever ~v como combinac¸a˜o linear dos vetores da base α e obter [~v]α. (ii) Podemos escrever ~v como combinac¸a˜o linear dos vetores da base β e obter [~v]β. Em particular, para cada vetor ~wi da base β podemos escrever (∗) ~w1 = a11~u1 + a12~u2 + · · ·+ a1n~un ~w2 = a21~u1 + a22~u2 + · · ·+ a2n~un ... = ... ~wn = an1~u1 + an2~u2 + · · ·+ ann~un 39 e obter a matriz dos coeficientes do sistema (∗), A = a11 a12 · · · a1n a21 a22 · · · a2n ... ... ... ... an1 an2 · · · ann e a transposta da matriz A, AT = a11 a21 · · · an1 a12 a22 · · · an2 ... ... ... ... a1n a2n · · · ann . Definimos enta˜o a matriz de mudanc¸a da base β para a base α, com a notac¸a˜o [A]βα, como sendo a matriz [A] β α = A T = a11 a21 · · · an1 a12 a22 · · · an2 ... ... ... ... a1n a2n · · · ann . Chegamos tambe´m as seguintes relac¸o˜es: (i) [~v]α = [A] β α[~v]β (ii) [~v]β = [A] α β [~v]α (iii) ([A]βα) −1 = [A]αβ Exemplo 100. Sejam α = {(2,−1), (3, 4)} e β = {(1, 0), (0, 1)} bases de R2 e um vetor ~v de R2. Determine [A]βα, [~v]α para ~v = (5,−8). 5.10 Exerc´ıcios Complementares 1. Seja o conjunto V = {(a, b)|a, b ∈ R}. Mostre que V na˜o e´ espac¸o vetorial sobre R em relac¸a˜o a cada uma das seguintes operac¸o˜es de adic¸a˜o em V e multiplicac¸a˜o por escalar em V : (a) (a, b) + (c, d) = (a+ c, b+ d) e k(a, b) = (ka, b); (b) (a, b) + (c, d) = (a, b) e k(a, b) = (ka, kb); (c) (a, b) + (c, d) = (a+ c, b+ d) e k(a, b) = (k2a, k2b) 2. Mostre que: (a) W = {(x1, x2, x3)|x1, x3 ∈ R e x2 = 0} e´ um subespac¸o do espac¸o vetorial V = R3. (b) U = {(x, y, z) ∈ R3|ax + by + cz = 0, a, b, c ∈ R} e´ um subespac¸o do espac¸o vetorial V = R3. (c) S = {[ a b 0 0 ] ∣∣∣a, b ∈ R} e´ um subespac¸o do espac¸o vetorial V = M(2, 2) = {[ a b c d ] ∣∣∣a, b, c, d ∈ R} . 3. Mostre que: (a) S = {(a, b, c)|a, b, c ∈ Q} na˜o e´ subespac¸o vetorial do espac¸o vetorial V = R3. (b) S = {(x, |x|)|x ∈ R} na˜o e´ subespac¸o do espac¸o vetorial V = R2. 4. Seja o espac¸o vetorial V = M(2, 2) = {[ a b c d ] ∣∣∣a, b, c, d ∈ R} . Mostre que W na˜o e´ subespac¸o vetorial onde: (a) W = {A ∈M |det A = 0}. (b) W = {A ∈M |A2 = A}. 5. Escreva o vetor ~v = (1,−2, 5) como combinac¸a˜o linear dos vetores ~e1 = (1, 1, 1), ~e2 = (1, 2, 3) e ~e3 = (2,−1, 1). 40 6. Verifique se o vetor ~v = (2,−5, 3) e´ combinac¸a˜o linear dos vetores ~e1 = (1,−3, 2), ~e2 = (2,−4,−1) e ~e3 = (1,−5, 7). 7. Para qual valor de k sera´ o vetor ~u = (1,−2, k) em R3 uma combinac¸a˜o linear dos vetores ~v = (3, 0,−2) e ~w = (2,−1,−5)? 8. Escreva o polinoˆmio ~v = t2+4t−3 como combinac¸a˜o linear dos polinoˆmios ~e1 = t2−2t+5, ~e2 = 2t 2 − 3t e ~e3 = t+ 3. 9. Escreva a matriz [ 3 1 1 −1 ] como combinac¸a˜o linear das matrizes [ 1 1 1 0 ] , [ 0 0 1 1 ] e[ 0 2 0 −1 ] . 10. Mostre que os vetores ~u = (1, 2, 3), ~v = (0, 1, 2) e ~w = (0, 0, 1) geram R3. 11. Mostre que W = {(a, b, 0)|a, b ∈ R} e´ gerado
Compartilhar