Prévia do material em texto
1 2 PRESIDENTE DA REPÚBLICA Luiz Inácio Lula da Silva MINISTRO DA EDUCAÇÃO Fernando Haddad GOVERNADOR DO ESTADO Wellington Dias REITOR DA UNIVERSIDADE FEDERAL DO PIAUÍ Luiz de Sousa Santos Júnior SECRETÁRIO DE EDUCAÇÃO DO ESTADO DO PIAUÍ Antonio José Medeiros SECRETÁRIO DE EDUCAÇÃO A DISTÂNCIA DO MEC Carlos Eduardo Bielschowsky DIRETOR DE POLITICAS PUBLICAS PARA EaD Hélio Chaves COORDENADORIA GERAL DA UNIVERSIDADE ABERTA DO BRASIL Celso Costa COORDENADOR GERAL DO CENTRO DE EDUCAÇÃO ABERTA A DISTÂNCIA DA UFPI Gildásio Guedes Fernandes SUPERITENDÊNTE DE EDUCAÇÃO SUPERIOR NO ESTADO Eliane Mendonça COORDENADOR DO CURSO DE FÍSICA NA MODALIDADE EAD Miguel Arcanjo Costa COODENADORA DE MATERIAL DIDÁTICO DO CEAD/UFPI Cleidinalva Maria Barbosa Oliveira 3 Este texto é destinado aos estudantes do Curso de Licenciatura em Física – Modalidade a Distância e tem a pretensão de se tornar o primeiro contato deles com o estudo de Álgebra Linear . O texto é composto de quatro unidades, contendo itens e subitens, que discorrem sobre: sistemas lineares, matrizes, determinantes, espaços vetoriais de dimensão finita, subespaços vetoriais, subespaços vetoriais gerados, dependência linear, bases, dimensão, transformações lineares, espaços com produto interno, complemento ortogonal, produto vetrial,. autovalores autovetores , diagonalização de matrizes. Na primeira unidade abordaremos todos os conceitos indispensáveis para o desenvolvimento dos demais assuntos e para isto iniciaremos com o estudo das equações lineares, seguido de sistemas lineares, matrizes , determinantes além do estudo de inversa de matrizes e métodos para a obtenção destas inversas. Na unidade dois, introduziremos os conceitos envolvendo espaços vetoriais, que são os sistemas matemáticos envolvendo soma e multiplicação por escalar. Nesta unidade além do conceito de espaço vetorial veremos também os conceitos de subespaços, dependência linear, bases , transformações lineares. Vale destacar que nosso estudo será restrito a espaços de dimensão finita e sempre que possivel usaremos o espaço IR2 e IR3 para as representações e interpretações geométricas. Na unidade três abordaremos os conceitos de produto interno, complemento ortogonal, projeção ortogonal e produto vetorial.Tais conceitos serão usados no cálculo do módulo de 4 um vetor, na determinação da distância entre pontos, na identificação de vetores ortogonais, na determinação do complemento ortogonal de um subespaço, no cálculo da projeção ortogonal de um vetor, na identificação de vetores paralelos, no calculo do ângulo de dois vetores, na determinação da área de paralelogramos e triângulos além da determinação de volume de paralelepípedos e de tetraedros. Na quarta unidade estudaremos os conceitos de autovalores e autovetores, isto é estudaremos conceitos que determinam a ação de um operador linear vAv→ em vetores cuja imagem preserva a direção.,isto é, vetores tais que vvA rr λ= e nossa pretensão nesta unidade são as aplicações na diagonalização de matrizes, no cálculo de potência de matrizes e dar condições para outras aplicações tais como: equações diferenciais e sistemas dinâmicos contínuos. 5 1. MATRIZES E SISTEMAS DE EQUAÇÕES 10 1.1 Definição: Equação linear 10 1.2 Solução de uma equação linear 10 1.3 Definição : Sistema Linear 11 1.4 Solução de um sistema de equações lineares 12 1.5 Classificação 13 1.6 Sistemas 2x2 : Interpretação Geométrica 14 1.7 Sistemas Equivalentes 14 1.8. Definição: Sistema Triangular 17 1.9 Lista de exercícios 18 1.10 Matrizes de um sistema Linear 19 1.11 Definição: Forma Escada 21 1.12 Definição: Método de Gauss 21 1.13 Definição: forma escada reduzida por linhas 22 1.14 Definição: Método de Gauss-Jordan 23 1.15 Lista de exercícios 24 1.16 Definição: Matriz 27 1.17 Definição: Igualdade de Matrizes 27 1.18 Definição: Multiplicação de uma matriz por um escalar 28 1.19 Definição: Soma de Matrizes 28 1.20 Definição: Diferença de matrizes 28 1.21 Definição: Multiplicação de matrizes 28 1.22Teorema 29 1.23 Definição: Transposta de uma matriz 30 1.24 Propriedades 30 1.25 Definição: Matriz simétrica e matriz anti-simétrica 30 1.26 Lista de Exercícios 30 1.27 Tipos de Matrizes 32 1.28 Definição: Matriz Invertível 33 1.29 Definição: Matriz não-Invertivel 33 1.30 Método para o cálculo de A-1 35 1.31 Lista de exercícios 36 1.32 Determinantes 38 1.33 Definição : Menor e Cofator 40 1.34 Definição( Caso Geral ) 41 1.35 Teorema 42 1.36 Teorema 43 1.37 Teorema 43 1.38 Lista de Exercícios 44 1.39 Propriedades 45 1.40 Teorema 46 1.41 Teorema 47 1.42 Lista de Exercícios 48 1.43 Definição: Matriz Adjunta 49 1.44 Lista de Exercícios 49 2 ESPAÇOS VETORIAIS 54 2.1 Definição 54 2.2 Propriedades de um Espaço Vetorial 55 6 2.3 Subespaços Vetoriais 56 2.4 Casos Particulares 57 2.5 Lista de exercícios 59 2.6 Aplicação 61 2.7 Teorema 61 2.8 Teorema (Interseção de Subespaço) 63 2.9 Teorema ( Soma de subespaços ) 64 2.10 Definição 68 2.11Teorema 69 2.12 Definição 70 2.13 Definição 71 2.14 Definição 73 2.15 Casos Particulares 74 2.16 Lista de exercícios 77 2.17 Teorema 78 2.18 Teorema 78 2.19 Propriedades 80 2.20 Definição 81 2.21. Teorema 83 2.22 Corolário 84 2.23. Teorema 84 2.24. Corolário 84 2.25. Definição 84 2.26. Teorema 86 2.27. Teorema 86 2.28. Definição 87 2.29 Definição (Transformações ) 89 2.30 Definição(Transformações lineares) 89 2.31 Propriedades das T L 90 2.32 Casos Particulares 91 2.33 Definição( Imagem de uma TL) 94 2.34 Propriedade de Im( A ) 94 2.35 Definição( Núcleo de uma TL) 94 2.36 Definição ( Injetora e Sobrejetora ) 95 2.37Propriedades do N(A) 95 2.38Teorema. 96 3 PRODUTO ESCALAR E PRODUTO VETORIAL 100 3.1 Produto Escalar no Espaço IRn 100 3.2 Propriedades 100 3.3 Módulo de um vetor 101 3.4Definição 102 3.5 Definição 102 3.6 Distância entre dois pontos 102 3.7 Paralelismo e Ortogonalidade de dois vetores 103 3.8Teorema 104 3.9 Lista de Exercícios 104 3.10 Ângulo de dois vetores 105 3.11 Teorema 105 3.12 Lista de Exercícios 106 3.13 Definição 108 3.14 Definição 108 7 3.15 Definição 109 3.16Teorema 109 3.17 Definição 109 3.18 Projeção 0rtogonal: Caso Particular 110 3.19 Cálculo de = onde 110 3.20 Projeção Ortogonal : Caso Geral 111 3.21 Lista de Exercícios 112 3.22 Produto Vetorial 113 3.23 Propriedades3.24. Produto Misto 114 3.25 Cálculo do produto misto dos vetores 117 3.26 Propriedades 118 3.27 Vetores Coplanares 118 3.28 Lista de Exercícios 120 3.29 Áreas 121 3.29.1 Área de um paralelogramo 121 3.29.2 Área de um triângulo 122 3.30 Volumes 123 3.30.1 Volume de um paralelepípedo 123 3.30.2 Volume de um tetraedro 124 3.31 Lista de Exercícios 125 4 AUTOVETORES E AUTOVALORES 129 4.1 Definição 129 4.2 Teorema 130 4.3 Definição 131 4.4 Exercícios resolvidos 131 4.5 Afirmação 132 4.6 Observação 135 4.7 Lista de exercícios 136 4.8 Definição( Matriz Semelhante ) 141 4.9 Definição 141 4.10Teorema 142 4.11 Teorema 143 4.12 Diagonalizando matrizes n x n 143 4.13 Teorema 145 4.14 Teorema 146 4.15 Nota 147 4.16 Teorema 147 4.17 Lista de exercícios 150 4.18 Observação 156 8 9 1. MATRIZES E SISTEMAS DE EQUAÇÕES 10 1.1 Definição: Equação linear 10 1.2 Solução de uma equação linear 10 1.3 Definição : Sistema Linear 11 1.4 Solução de um sistema de equações lineares 12 1.5 Classificação 13 1.6 Sistemas 2x2 : Interpretação Geométrica 14 1.7 Sistemas Equivalentes 14 1.8. Definição: Sistema Triangular 17 1.9 Lista de exercícios 18 1.10 Matrizes de um sistema Linear 19 1.11 Definição: Forma Escada 21 1.12 Definição: Método de Gauss 21 1.13 Definição: forma escada reduzida por linhas 22 1.14 Definição: Método de Gauss-Jordan 23 1.15 Lista de exercícios 24 1.16 Definição: Matriz 27 1.17 Definição: Igualdade de Matrizes 27 1.18 Definição: Multiplicação de uma matriz por um escalar 28 1.19 Definição: Soma de Matrizes 28 1.20 Definição: Diferença de matrizes 28 1.21 Definição: Multiplicação de matrizes 28 1.22Teorema 29 1.23 Definição: Transposta de uma matriz 30 1.24 Propriedades 30 1.25 Definição: Matriz simétrica e matriz anti-simétrica 30 1.26 Lista de Exercícios 30 1.27 Tipos de Matrizes 32 1.28 Definição: Matriz Invertível 33 1.29 Definição: Matriz não-Invertivel 33 1.30 Método para o cálculo de A-1 35 1.31 Lista de exercícios 36 1.32 Determinantes 38 1.33 Definição : Menor e Cofator 40 1.34 Definição( Caso Geral ) 41 1.35 Teorema 42 1.36 Teorema 43 1.37 Teorema 43 1.38 Lista de Exercícios 44 1.39 Propriedades 45 1.40 Teorema 46 1.41 Teorema 47 1.42 Lista de Exercícios 48 1.43 Definição: Matriz Adjunta 49 1.44 Lista de Exercícios 49 10 10 1. MATRIZES E SISTEMAS DE EQUAÇÕES 1.1 . Definição: Equação linear Uma equação linear em n incógnitas é uma equação da forma bxaxaxa nn =+++ ...2211 ( 1 ) onde naaa ,...,, 21 e b são números reais e nxxx ,...,, 21 são as variáveis Exemplos São equações lineares a) x1 + x2 + 3x3 = 0 b) 2x1 – x2 + 0x3 – 4x4 = 5 Não são equações lineares a) x 21 + x2 + 3x3 = 0 b) 2 1 21 x x + = 5 1.2 . Solução de uma equação linear Entendemos por solução de uma equação linear da forma ( 1 ), a toda n-úpla ( nααα ,...,, 21 ) de números reais tal que baaa nn =+++ ααα ...2211 Exemplos ( -1, 3 ) é uma solução da equação linear 2x1 + x2 = 1 pois 2( - 1 ) + 3 = 1 ( 1, 2, -1) é uma solução da equação x1 + x2 + 3x3 = 0 11 pois 1 + 2 + 3 ( -1 ) = 0 ( 0, -5, 7, 0 ) é uma solução da equação 2x1 – x2 + 0x3 – 4x4 = 5 pois 2.0 – ( -5) + 0.7 – 4.0 = 5 1.3 . Definição : Sistema Linear Um sistema linear de m equações em n incógnitas ou um sistema linear m x n é um sistema da forma ( ) ⎪⎪⎩ ⎪⎪⎨ ⎧ =+++ =+++ =+++ mnmnmm nn nn bxaxaxa bxaxaxa bxaxaxa ... 2.......................................... ... ... 2211 22222121 11212111 onde os ija e os ib são números reais Exemplos a) é um sistema linear 2x2, isto é, um sistema linear contendo duas equações e cada uma com duas incógnitas. b) é um sistema linear 3x2, isto é, um sistema linear contendo duas equações e cada uma com três incógnitas. c) ⎪⎩ ⎪⎨ ⎧ =++ =++− =+− 4573 053 832 321 321 321 xxx xxx xxx é um sistema linear 3x3, isto é, um sistema linear contendo três equações e cada uma com três incógnitas. ⎩⎨ ⎧ =+ =− 1032 5 21 21 xx xx ⎩⎨ ⎧ =++ =++ 7642 532 321 321 xxx xxx 12 ) }⎩⎨ ⎧⎜⎝ ⎛ ∈+−− IRαααα ;, 3 1139, 3 49 1.4 Solução de um sistema de equações lineares Uma solução do sistema linear (2) é toda n-úpla ( nααα ,...,, 21 ) que é solução de todas as equações que o compõe, isto é, ⎪⎪⎩ ⎪⎪⎨ ⎧ =+++ =+++ =+++ mnmnmm nn nn baaa baaa baaa ααα ααα ααα ... ............................................ ... ... 2211 22222121 11212111 NOTA: Conjunto solução do sistema (2) é o conjunto S formado por todas as suas soluções. Exemplos a) ( 5, 0 ) é solução de ⎩⎨ ⎧ =+ =− 1032 5 21 21 xx xx , pois ⎩⎨ ⎧ =+ =− 100.35.2 505 S = { ( 5,0 ) } é o conjunto solução deste sistema b) ( 1, 2, -3 ) é solução de ⎩⎨ ⎧ −=+− =−+ 165 72 321 321 xxx xxx , pois ⎩⎨ ⎧ −=−+− =−−+ 16)3(521 7)3(21.2 S = é o conjunto solução deste sistema c) ( 2, -1, 1 ) é solução do sistema ⎪⎩ ⎪⎨ ⎧ =++ =++− =+− 4573 053 832 321 321 321 xxx xxx xxx pois, ⎪⎩ ⎪⎨ ⎧ =+−+ =+−+− =+−− 41.5)1(72..3 01.5)1(32 81.3)1(12.2 13 1.5 . Classificação Um sistema (2) é dito homogêneo se bi = 0 para todo i = 1, 2, ..., m e não-homogêneo se bi ≠ 0 para algum i = 1, 2, ... , m O sistema (2) é dito compatível se tiver pelo menos uma solução. O sistema (2) é dito incompatível se não admitir solução. Exemplos a) ⎩⎨ ⎧ =+ =− 032 05 21 21 xx xx é um sistema linear homogêneo b) ⎩⎨ ⎧ =+− =−+ 0723 1532 321 321 xxx xxx é um sistema linear não homogêneo NOTA: Um sistema compatível é dito determinado se admitir solução única, e indeterminado se admitir mais de uma solução. Exemplos ⎩⎨ ⎧ =+ =− 1032 5 21 21 xx xx é compatível e determinado pois ( 5, 0 ) é a única solução possível. ⎩⎨ ⎧ −=+− =−+ 165 72 321 321 xxx xxx é compatível e indeterminado pois ( 1, 2, -3 ) e ( -3, 13, 0 ) são duas soluções deste sistema. ⎩⎨ ⎧ =++ =++ 7642 532 321 321 xxx xxx é incompatível, isto é, tal sistema não admite solução. Saiba mais: veja http://www.cefetflo.edu .br/floriano/PDF/Siste mas%20Lineares.pdf 14 1.6 . Sistemas 2x2 : Interpretação Geométrica O sistema da forma ⎩⎨ ⎧ =+ =+ 2222121 1212111 bxaxa bxaxa é tal que cada equação pode ser representada graficamente por uma reta no plano e o par ordenado ( 21,αα ) vai ser uma solução se e somente se pertencer a ambas as retas. Daí temos x y rs = Sistema indeterminado x y r Sistema incompatível s 1.7 . Sistemas Equivalentes Diz-se que dois sistemas de equações m x n envolvendo as mesmas incógnitas são equivalentes se têm o mesmo conjunto solução Exemplo Os sistemas (I) ⎩⎨ ⎧ −=− =+ 1 52 21 21 xx xx (II) ⎩⎨ ⎧ =+ −=− 52 1 21 21 xx xx (III) ⎩⎨ ⎧ −=− =+ 333 52 21 21 xx xx (IV) ⎩⎨ ⎧ =+ =+ 1454 52 21 21 xx xx são equivalentes pois em cada caso o conjunto solução é {( 1, 2 )} x y r s Sistema Determinado 15 Observação I. O sistema (II) foi obtido de (I) trocando a ordem de duas linhas ( L2 → L1 ) II. O sistema (III) foi obtido de (I) multiplicando-se os dois ladosde uma equação por um número diferente de zero ( L2 → 3L2 ) III. O sistema ( IV) foi obtido de (I) substituindo uma linha por sua soma com um múltiplo de outra linha ( L2 →L2 + 3L1 ) Exercícios resolvidos a) Usando as operações descritas na observação anterior, obter um sistema linear triangular equivalente ao sistema abaixo ⎪⎩ ⎪⎨ ⎧ =++ =++− =+− 4573 053 832 321 321 321 xxx xxx xxx Solução Passo 1: Substituir a L2 por (-1)L2 Passo 2: Trocar a L2 pela L1 ⎪⎩ ⎪⎨ ⎧ =++ =+− =−− 4573 832 053 321 321 321 xxx xxx xxx Passo 3: Substituir a L2 por L2 + (-2)L1 e L3 por L3 + (-3)L1 Passo 4: Substituir a L2 por 25 1 L e L3 por - 316 1 L ⎪⎩ ⎪⎨ ⎧ =+ =+ =−− 42016 8135 053 32 32 321 xx xx xxx ⎪⎪ ⎪ ⎩ ⎪⎪ ⎪ ⎨ ⎧ −=−− =+ =−− 16 4 16 20 5 8 5 13 053 32 32 321 xx xx xxx ⎪⎩ ⎪⎨ ⎧ =++ =−− =+− 4573 053 832 321 321 321 xxx xxx xxx 16 Passo 5: Substituir a L3 por L2 + L3 Passo 6: Substituir a L2 por 25L e L3 por 327 20 L b) Os sistemas ( S`) ⎩⎨ ⎧ =+ =− 42 12 21 21 xx xx e (S``) ⎩⎨ ⎧ =+ =− 62 1 21 21 xx xx são equivalentes? Justifique Solução Para respondermos esta questão devemos obter o conjunto solução de ( S`) e ( S``). Deste modo temos ⎩⎨ ⎧ =+ =− 42 32 21 21 xx xx passo 1: L1 → L2 ⎩⎨ ⎧ =− =+ 32 42 21 21 xx xx passo 2: L2 → L2 + (-2) L1 ⎩⎨ ⎧ −=− =+ 55 42 2 21 x xx Daí temos 5x2 = 5 ou x2 = 1 e substituindo em L1 , fica x1 + 2 = 4 ou x1 = 2 . Deste modo temos que S = {(2, 1)}. E assim sendo S` e S`` serão equivalentes se ( 2, 1 ) e somente ele for solução de S``. Verificando temos ⎩⎨ ⎧ =+ =− 614 112 e como 4 + 1 ≠ 6 podemos dizer que eles não são equivalentes pois possuem soluções diferentes. ⎪⎪ ⎪ ⎩ ⎪⎪ ⎪ ⎨ ⎧ = =+ =−− 20 27 20 27 5 8 5 13 053 3 32 321 x xx xxx ⎪⎩ ⎪⎨ ⎧ = =+ =−− 1 8135 053 3 32 321 x xx xxx 17 1.8. Definição: Sistema Triangular Diz-se que um sistema n x n está em forma triangular se, na k-ésima equação, os coeficientes das k-1 primeiras variáveis são todos nulos e o coeficiente de xk , é diferente de zero ( k = 1, ... , n ) Exemplo ⎪⎩ ⎪⎨ ⎧ = =+ =−− 1 8135 053 3 32 321 x xx xxx Exercícios resolvidos a) Resolva o sistema ⎪⎩ ⎪⎨ ⎧ = =+ =−− 1 8135 053 3 32 321 x xx xxx Solução: Temos que x3 = 1. Por substituição na linha L2 , temos 5x2 + 13.1 = 8 ou x2 = -1. E novamente por substituição na linha L1 temos x1 – 3 (–1 ) – 5.1 = 0 ou x1 = 2 . Daí a solução é ( 2, –1, 1 ) b) Resolva o sistema ⎪⎩ ⎪⎨ ⎧ =++ =++− =+− 4573 053 832 321 321 321 xxx xxx xxx Solução: Como vimos no exercício anterior, a solução de um sistema na forma triangular é imediata. Desta forma para obtermos a solução devemos primeiramente escrevê-lo na forma triangular. No caso deste sistema,este procedimento nos leva ao sistema do exercício resolvido na subunidade 1.8. e como eles são equivalentes temos que a solução procurada é ( 2, -1, 1 ) Saiba mais: veja http://pessoal. sercomtel.com.br/ma tematica/medio/matri zes/sistemas.htm 18 NOTA: As operações usadas para escrever um sistema na forma triangular são chamadas de operações elementares sobre as linhas e são as seguintes: I. Trocar duas linhas II Multiplicar uma linha por um número real não-nulo III Substituir uma linha por sua soma com um múltiplo de outra linha 1.9. Lista de exercícios 1. Resolva a) ⎩⎨ ⎧ = =+ 63 52 2 21 x xx b) ⎪⎩ ⎪⎨ ⎧ = −=− =++ 3 2473 932 3 32 321 x xx xxx 2.Nos sistemas a seguir, interprete geometricamente cada equação como uma reta no plano, faça o gráfico dessas retas e determine geometricamente o número de soluções a) ⎩⎨ ⎧ =− =+ 1 3 21 21 xx xx b) ⎩⎨ ⎧ =+− =− 442 42 21 21 xx xx c) ⎩⎨ ⎧ =+ =+ 624 32 21 21 xx xx d) ⎪⎩ ⎪⎨ ⎧ =+− =− =+ 33 1 1 21 21 21 xx xx xx Solução da Lista 1.12. 1.a) Como o sistema já está na forma triangular, tiramos o valor da incógnita da equação mais simples e em seguida substituímos na seguinte menos simples e assim sucessivamente. Desta forma temos 3x2 = 6 e portanto temos x2 = 2 e daí a outra equação fica x1 + 4 = 5 e x1 = 1. Solução : ( 1, 2 ). 19 ⎩⎨ ⎧ =− =+ )(1 )(3 21 21 sxx rxx ⎩⎨ ⎧ =+− =− )(442 )(42 21 21 sxx rxx ⎪⎩ ⎪⎨ ⎧ =+− =− =+ )(33 )(1 )(1 21 21 21 txx sxx rxx ⎩⎨ ⎧ =+ =+ )(624 )(32 21 21 sxx rxx Y X ( S ) ( R ) 1.b) De modo análogo temos x3 = 3 e substituindo na equação 2 fica 3x2 – 21 = - 24 e daí tiramos x2 = - 1 e fazendo nova substituição na equação 1 temos x1 –2 + 9 = 9 e x1 = 2. Solução:( 2, - 1, 3 ) 2a) 2b) S Y X2 1 ( R ) R. uma solução R. nenhuma solução 2c) 2d) x y 1 1 3 r = s x y 1 1 r s t -3 -1 R. infinitas soluções R. nenhuma solução pois as três retas não são concorrentes. 1.10. Matrizes de um sistema Linear AFIRMAÇÃO Ao sistema linear 20 ⎪⎪⎩ ⎪⎪⎨ ⎧ =+++ =+++ =+++ mnmnmm nn nn bxaxaxa bxaxaxa bxaxaxa ... ........................................... ... ... 2211 22222121 11212111 podemos associar as seguintes matrizes: I) ⎥⎥ ⎥⎥ ⎦ ⎤ ⎢⎢ ⎢⎢ ⎣ ⎡ mnmm n n aaa aaa aaa ... .................... ... ... 21 22221 11211 chamada matriz dos coeficientes II) ⎥⎥ ⎥⎥ ⎦ ⎤ ⎢⎢ ⎢⎢ ⎣ ⎡ mb b b M 2 1 chamada matriz dos termos independentes III) ⎥⎥ ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢⎢ ⎢ ⎣ ⎡ mmnmm n n b b b aaa aaa aaa .... ... ................... ... ... 2 1 21 22221 11211 chamada matriz aumentada Exemplo As matrizes aumentadas dos sistemas a) ⎪⎩ ⎪⎨ ⎧ =−+− =+− =++ 5 543 753 321 321 321 xxx xxx xxx b) ⎪⎩ ⎪⎨ ⎧ =+ =− =+ 723 4 5 21 21 21 xx xx xx são: a) ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ −− − 5 5 7 111 413 531 b) ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − 7 4 5 23 11 11Exercícios resolvidos Escreva por extenso o sistema de equações correspondente a cada uma das matrizes aumentadas a seguir. 21 a) ⎥⎦ ⎤⎢⎣ ⎡ − 7 3 23 51 b) ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 5 1 2 110 013 121 Solução a) ⎩⎨ ⎧ −=+ =+ 723 35 21 21 xx xx b) ⎪⎩ ⎪⎨ ⎧ =+ =+ =++ 5 13 22 32 21 321 xx xx xxx 1.11. Definição: Forma Escada Diz-se que uma matriz está em forma escada se: ( i ) O primeiro elemento não nulo de cada linha não nula é igual a 1 ( II ) Se a k-ésima linha não consiste apenas de zeros, o número de zeros no início da linha k+1 é maior do que o número de zeros no início da linha k ( iii ) Se existirem linhas com todos os elementos iguais a zero, elas ficam abaixo de todas as linhas não-nulos Exemplos a) ⎥⎦ ⎤⎢⎣ ⎡ 10 21 b) ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 100 210 101 c) ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 000 210 031 d) ⎥ ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢⎢ ⎣ ⎡ 0000 1000 3100 0121 1.12. Definição: Método de Gauss Método de Gauss é o processo de usar as operações elementares para transformar um sistema linear em outro cuja matriz aumentada está em forma escada. Exemplo Usando o método de Gauss resolva o sistema 22 ⎢⎢ ⎢ ⎣ ⎡ ⎥⎥ ⎥ ⎦ ⎤ 8 5 3 210 110 101 ⎪⎩ ⎪⎨ ⎧ =++ =++ =+ 1753 1132 3 321 321 31 xxx xxx xx Solução A matriz aumentada do sistema é ⎢⎢ ⎢ ⎣ ⎡ ⎥⎥ ⎥ ⎦ ⎤ 17 11 3 513 312 101 Devemos usar as operações elementares e obter uma matriz em forma escada a partir da matriz aumentada acima Passo 1 L2 → L2 + (-2) L1 e L3 → L3 + (-3) L1 passo 2 L3 → L3 + ( -1 ) L2 Daí, o sistema equivalente obtido é E desta forma a solução é obtida a partir de L3 , isto é, x3 = 3 e substituindo em L2 temos x2 + 3 = 5 ou x2 = 2 e finalmente substituindo em L1 temos x1 + 3 = 3 ou x1 = 0. Solução ( 0, 2, 3 ) 1.13. Definição: forma escada reduzida por linhas Uma matriz está em forma escada reduzida por linhas se: ( i ) a matriz está em forma escada ( ii ) o primeiro elemento não-nulo de cada linha é o único elemento diferente de zero na sua coluna ⎢⎢ ⎢ ⎣ ⎡ ⎥⎥ ⎥ ⎦ ⎤ 3 5 3 100 110 101 ⎢⎢ ⎢ ⎣ ⎡ = =+ =+ 3 5 3 3 32 31 x xx xx 23 1.14. Definição: Método de Gauss-Jordan O processo de usar operações elementares para colocar uma matriz em forma escada reduzida por linhas é chamado de método de Gauss-Jordan Exercício resolvido Resolva o sistema abaixo, usando o método de Gauss- Jordan. Solução: Tomamos a matriz aumentada ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − − −− −− − 1 6 1 1 1 1 742 411 321 e aplicamos as operações elementares . Passo 1: Fazemos L2 → L2 + L1 e L3 → L3 + 2L1 Passo 2 : Fazemos L1 → L1 + (-2)L2 Passo 3: Fazemos L1 → L1 + 5.L3 e L2 → L2 +(-1)L3 Daí temos 3 4 26 4 4 4 3 2 1 =+ =− =+ ⎪⎩ ⎪⎨ ⎧ x x x x x x Assim sendo, fazendo x4 = α ( denominada variável livre ), temos ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − 3 7 1 1 0 1 100 110 321 ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − 3 4 2 1 1 6 100 010 001 ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ −− 3 7 13 1 0 1 100 110 501 ⎪⎩ ⎪⎨ ⎧ =−+−− =−+−− =+−+ 1742 64 132 4321 4321 4321 xxxx xxxx xxxx Saibamais:veja http://www.mat.u fmg.br/~israel/E nsino/AlgLinII/sis t_lineares.html 24 x1 = 2 – 6α ; x2 = 4 + α ; x3 = 3 – α ; Portanto , as soluções são as quádruplas da forma ( 2 – 6α, 4 + α , 3 – α , α ), α ∈ IR. 1.15. Lista de exercícios 1. A matriz A = ⎥⎦ ⎤⎢⎣ ⎡ 31 32 00 11 está em forma escada? E em forma escada reduzida por linhas? Justifique. 2. O sistema tendo A = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 1 2 4 0 1 1 0 0 1 como matriz aumentada é compatível? Justifique. 3. Determine o conjunto solução do sistema tendo como matriz aumentada a matriz ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − 1 3 2 100 010 001 4. Use o método de Gauss-Jordan para resolver o sistema abaixo 0 03 0 2 2 4 4 4 321 321 321 =+ =+ =+ ⎪⎩ ⎪⎨ ⎧ +− −+ ++ x x x xxx xxx xxx 5. Suponhamos que um sistema linear tem a seguinte matriz aumentada: (a) Determine os valores de a e b para que o sistema seja compatível e indeterminado. (b) Para que valores de a e b o sistema é incompatível ? 6. Determine o conjunto solução do sistema tendo uma matriz aumentada a seguinte matriz ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ ba 3 2 31 421 311 ⎢⎢⎣ ⎡ ⎥⎦ ⎤ 3 3 1 2 00 11 25 Solução da Lista 1. Sim, pois o primeiro elemento não nulo de cada linha é igual a 1 e na linha L2 o número de zeros no inicio da mesma é maior que o número de zeros no inicio da Linha L1 . Não está em forma escada reduzida por linhas porque o primeiro elemento não nulo da segunda linha acontece na segunda coluna e além dele tem outro não nulo na mesma coluna . 2. Não, pois o sistema que tem esta matriz é: ⎪⎩ ⎪⎨ ⎧ = = =+ 10 2 4 2 21 x xx e podemos observar o absurdo 0 = 1 na equação L3 . 3. Escrevendo o sistema equivalente obtemos ⎪⎩ ⎪⎨ ⎧ = = −= 1 3 2 3 2 1 x x x e daí a solução é o terno ordenado ( -2, 3, 1 ) . 4. Para obtermos a solução deste sistema devemos usar as operações elementares e obter um sistema na forma mais simples possível. 0 03 0 2 2 4 4 4 321 321 321 =+ =+ =+ ⎪⎩ ⎪⎨ ⎧ +− −+ ++ x x x xxx xxx xxx Passo 1 : L2 → L2 + ( - 2 ) L1 L3 → L3 + ( - 1 ) L1 Passo 2 : L3 → L3 + ( - 3 ) L2 03 0 0 9 3 4 4 4 3 32 321 =− =+ =+ ⎪⎩ ⎪⎨ ⎧ −− ++ x x x x xx xxx Passo 3 : L2 → ( - 1 ) L2 0 0 0 3 3 4 4 2 32 321 = =+ =+ ⎪⎩ ⎪⎨ ⎧ − −− ++ x x x xx xxx 0 3 1 0 0 3 4 4 4 3 32 321 =− =− =+ ⎪⎩ ⎪⎨ ⎧ + ++ x x x x xx xxx 26 L3 → 9 1 L3 Passo 4 : L1 → L1 + ( -1 )L2 Passo 5 : L1 → L1 + 2L3 L2 → L2 + ( - 3 ) L3 Desta modo obtemos um sistema em forma escada reduzida por linhas tendo uma variável livre x4 e fazendo x4 = α o sistema fica e a solução são as quádruplas da forma ( - α 3 4 , 0, α 3 1 , α ) , ∈α IR 5. a) Como no exercício anterior usaremos as operações elementares para obter um sistema equivalente e mais simples, para isso faremos: Passo 1: L2 → L2 + ( - 1 )L 1 L3 → L3 + ( - 1 )L 1 Passo 2 : L3 → L3 + ( - 2 )L 2 0 3 1 0 02 3 2 4 4 4 3 32 31 =− =− =+ ⎪⎩ ⎪⎨ ⎧ + − x x x x xx xx 0 3 1 0 0 3 4 4 4 3 2 1 =− = =+ ⎪⎩ ⎪⎨ ⎧ x x x x x α α 3 1 0 3 4 3 2 1 = = −= ⎪⎩ ⎪⎨ ⎧ x x x ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ −− 2 12 320 110 311 ba ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ −− 4 1 2 500 110 311 ba 27 Desta forma temos ⎪⎩ ⎪⎨ ⎧ −=− =+ =++ 4)5( 1 23 3 32 321 bxa xx xxx e podemos observar que o sistema será compatível e indeterminado se a = 5 e b = 4 e neste caso as soluções serão da forma ( 1 – 2α , 1–α , α ) . b) Será incompatível se a = 5 e b ≠ 4 6. Da matriz ⎢⎢⎣ ⎡ ⎥⎦ ⎤ 3 3 1 2 00 11 obtemos o seguinte sistema ⎩⎨ ⎧ = =++ 3 32 3 321 x xxx e podemos observar que x2 é uma variável livre. Fazendo x2 = α e reescrevendo o sistema temos ⎩⎨ ⎧ = −=+ 3 32 3 31 x xx α Como o sistema está na forma triangular sua solução é obtida facilmente como segue: x3 = 3 e substituindo na linha 1 temos x1 + 6 = 3 - α ou x1 = -3 - α . Daí o conjunto solução é S = { ( -3 - α , α , 3 ); α ∈ IR } 1.16. Definição: Matriz Matriz de ordem m x n é uma tabela retangular de números, contendo m linhas horizontais e n colunas verticais. Exemplos A = ⎥⎦ ⎤⎢⎣ ⎡ 43 21 é uma matriz de ordem 2x2 e B = [ ]542 é de ordem 1x3 1.17. Definição: Igualdade de Matrizes Duas matrizes m x n, A = ( aij )mxn e B = ( bij )mxn, são ditas iguais se aij = bij para todos os i e j, A = B ⇔ aij = bij , ji ∀∀ , 28 1.18. Definição: Multiplicação de uma matriz por um escalar Dados a matriz A = ( aij )mxn e um número real α , então a matriz αA é a matriz obtida multiplicando-se cada elemento de A por α αA = ( xij )mxn onde xij = αaij para todos os i e j. Exemplo Sendo A = ⎥⎦ ⎤⎢⎣ ⎡ 2 1 13 21 e α = 2 temos 2A = ⎥⎦ ⎤⎢⎣ ⎡ 4 2 26 42 1.19. Definição: Soma de Matrizes Sendo A = ( aij )mxn e B = ( aij )mxn então a matriz soma A + B = S = ( sij )mxn onde sij = aij + bij para todos os i e j Exemplo Sejam A = ⎥⎦ ⎤⎢⎣ ⎡ 7 3 52 12 e B = ⎥⎦ ⎤⎢⎣ ⎡ 2 1 12 13 então A + B = ⎥⎦ ⎤⎢⎣ ⎡ 9 4 64 25 1.20. Definição: Diferença de matrizes Sendo A = ( aij )mxn e B = ( bij )mxn então a matriz diferença A – B = D = ( dij )mxn onde dij = aij – bij para todos os i e j Exemplo Sejam A = ⎥⎦ ⎤⎢⎣ ⎡ 7 3 52 12 e B = ⎥⎦ ⎤⎢⎣ ⎡ 2 1 12 13 então A – B = ⎥⎦ ⎤⎢⎣ ⎡− 5 2 40 01 1.21. Definição: Multiplicação de matrizes Dados A = ( aij )mxn e B = ( bij )nxq , a matriz P = AB é a matriz ( pij )mxq onde cada pij é dado por ∑ = n k kjikba 1 , isto é, pij = ai1b1j + ai2b2j + ... + ainbnj 29 Exemplo Sejam A = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 1 5 2 2 3 1 e B = ⎥⎦ ⎤⎢⎣ ⎡ 3 0 15 12 . Então P = AB é a matriz P = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 339 15831 6312 Observe que p11 = a11 b11 + a12b21 = 1.2 + 2.5 = 12 p12 = a11 b12 + a12b22 = 1.1 + 2.1 = 3 ...................................................... p33 = a31 b13 + a32b23 = 2.0 +1.3 = 3 NOTA: O produto AB das matrizes A e B só é possível se o número de colunas da matriz A coincidir com o número de linhas da matriz B. 1.22.Teorema As afirmações a seguir são válidas para quaisquer que sejam os escalares βα e e quaisquer que sejam as matrizes A, B e C para as quais as operações indicadas estão definidas I) A + B = B + A II) ( A + B ) + C = A + ( B + C ) III) ( AB )C = A ( BC ) IV) A( B + C ) = AB + AC V) (A + B )C = AC + BC VI) ( )αβ A = )( Aβα VII)α (AB) = (α A)B = A(α B) VIII) (α + β )A = α A + β A IX)α ( A + B ) = α A + α B Observação: Em geral AB ≠ BA, isto é, a multiplicação de matrizes não é Comutativa Exemplo Sendo A= ⎥⎦ ⎤⎢⎣ ⎡ 31 21 e B= ⎥⎦ ⎤⎢⎣ ⎡ 24 13 temos AB = ⎥⎦ ⎤⎢⎣ ⎡ 715 511 e BA = ⎥⎦ ⎤⎢⎣ ⎡ 146 94 1.23. Definição: Transposta de uma matriz 30 A transposta de uma matriz A = ( aij )mxn é uma matriz de ordem nxm, indicada por At= ( bij )nxm e definida por bij = aji para i = 1, 2, ... , n e j = 1, 2, ... , m Exemplos A transposta de A = ⎥⎦ ⎤⎢⎣ ⎡ 2 3 53 21 é a matriz At = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 23 52 31 A transposta de B = ⎥⎦ ⎤⎢⎣ ⎡ 53 12 é a matriz Bt = ⎥⎦ ⎤⎢⎣ ⎡ 51 32 1.24 Propriedades (I) (At)t = A (II) (α A)t = α At (III) (A + B)t = At + Bt (IV) (AB)t = BtAt 1.25 Definição: Matriz simétrica e matriz anti-simétrica Uma matriz A = ( aij )nxn é dita simétrica se At = A Uma matriz A = ( aij )nxn é dita anti-simétrica se At = -A Exemplo A matriz A = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 753 521 312 é simétrica e a matriz B = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − − − 053 502 320 é anti-simétrica 1.26. Lista de Exercícios 1. Se A = ⎥⎦ ⎤⎢⎣ ⎡ 53 12 e B = ⎥⎦ ⎤⎢⎣ ⎡ 42 30 , calcule: a) A + B b) AB c) A + Bt d) 2A – 3B e) (AB)t f) BtAt 31 2. Sendo A = ⎥⎥ ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢⎢ ⎢ ⎣ ⎡ − − 2 1 2 1 2 1 2 1 calcule A2, A3 e An , n ∈ IN 3. Encontre matrizes A = ( aij )2 x 2 e B = ( bij )2 x 2 C = ( cij )2 x 2 tais que a) AB = BA b) AB ≠ BA c) AB = 0 e A≠ 0 e B ≠ 0 d) AC = BC e A ≠ B ( A≠0, B≠0 e C≠0 ) 4. Sendo A = (aij )3 x 2 com aij = 2i + j , B = ( bij )3 x 2 com bij = i + 3j e C = ( cij )2 x 2 com cij = i2 + j + 1 , calcule: a) A + B b) A – B c) At d) ( A + B )t e) Ct Solução Lista 1.31 1. a) A + B = ⎥⎦ ⎤⎢⎣ ⎡ 95 42 b) AB = ⎥⎦ ⎤⎢⎣ ⎡ 2910 102 c) A + Bt = ⎥⎦ ⎤⎢⎣ ⎡ 96 32 d) 2A + 3B = ⎥⎦ ⎤⎢⎣ ⎡ 2212 114 e) (AB)t = ⎥⎦ ⎤⎢⎣ ⎡ 2910 102 f) BtAt = ⎥⎦ ⎤⎢⎣ ⎡ 2910 102 2. A2 = ⎥⎥ ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢⎢ ⎢ ⎣ ⎡ − − 2 1 2 1 2 1 2 1 = A ; A3 = A2A = AA = A2 = A ; An = A 3. a) A = ⎥⎦ ⎤⎢⎣ ⎡ 10 21 ; B = ⎥⎦ ⎤⎢⎣ ⎡ 20 32 pois AB = ⎥⎦ ⎤⎢⎣ ⎡ 20 72 = BA b) A = ⎥⎦ ⎤⎢⎣ ⎡ 10 21 ; B = ⎥⎦ ⎤⎢⎣ ⎡ 23 02 pois AB = ⎥⎦ ⎤⎢⎣ ⎡ 23 48 e BA = ⎥⎦ ⎤⎢⎣ ⎡ 83 42 ; c) A = ⎥⎦ ⎤⎢⎣ ⎡ 00 01 ; B = ⎥⎦ ⎤⎢⎣ ⎡ 30 00 pois AB = ⎥⎦ ⎤⎢⎣ ⎡ 00 00 e A ≠ 0 e B ≠ 0 32 d) A = ⎥⎦ ⎤⎢⎣ ⎡ 00 01 ; B = ⎥⎦ ⎤⎢⎣ ⎡ 02 00 ; C = ⎥⎦ ⎤⎢⎣ ⎡ 30 00 . AC = ⎥⎦ ⎤⎢⎣ ⎡ 00 00 = BC e A ≠ B ( A≠0, B≠0 e C≠0 ) 5. a) A + B = ( Sij )3 x 2 onde sij = 3i + 4j b) A – B = ( dij )3 x 2 onde dij = i – 2j c) At = ( xij )2 x 3 onde xij = i + 2j d) ( A + B )t = ( yij )2 x 3 onde yij = 4i + 3j e) Ct = ( zij )2 x 2 onde zij = i + j2 + 1 1.27. Tipos de Matrizes Matriz identidade é a matriz In = ( ijδ )n x n onde ijδ = ⎩⎨ ⎧ ≠ = jise jise 0 1 Exemplo A matriz identidade de ordem 2 é a matriz I2 = ⎥⎦ ⎤⎢⎣ ⎡ 10 01 Matriz triangular superior é a matriz A = ( aij )n x n tal que aij = 0 se i > j Exemplo A = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 100 230 312 Matriz triangular inferior é a matriz A = ( aij )n x n tal que aij = 0 se i < j Exemplo 33 A = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 315 001 002 Matriz diagonal é a matriz A = ( aij )n x n tal que aij = 0 se i ≠ j Exemplo A = ⎥⎦ ⎤⎢⎣ ⎡ 3002 , B = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 100 000 003 1.28. Definição: Matriz Invertível Uma matriz A n x n é dita invertível ou não-singular se existe uma matriz B nxn chamada inversa multiplicativa de A tal que AB = BA = In Exemplo a) A = ⎥⎦ ⎤⎢⎣ ⎡ 31 52 é invertível pois B = ⎥⎦ ⎤⎢⎣ ⎡ − − 21 53 é tal que AB = BA = ⎥⎦ ⎤⎢⎣ ⎡ 10 01 = I2 b) A = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 341 230 231 é invertível pois B = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ −− − − 313 212 011 é tal que AB = BA = I3 1.29. Definição: Matriz não-Invertivel Uma matriz Anxn é dita singular ou não-invertível se ela não tem inversa multiplicativa Exemplo 34 A= ⎥⎦ ⎤⎢⎣ ⎡ 00 32 é singular pois ⎥⎦ ⎤⎢⎣ ⎡ 00 32 ⎥⎦ ⎤⎢⎣ ⎡ dc ba = ⎥⎦ ⎤⎢⎣ ⎡ ++ 00 3232 dbca ≠ ⎥⎦ ⎤⎢⎣ ⎡ 10 01 = I Notação Sendo A uma matriz invertível, indicaremos por A-1 a inversa multiplicativa de A Afirmação Sendo A e B matrizes n x n invertíveis, temos: I. (A-1)-1 = A II. (AB)-1 = B-1A-1 III. (At)-1 = (A-1)t Exemplo Dado A = ⎥⎦ ⎤⎢⎣ ⎡ 31 52 A-1 = ⎥⎦ ⎤⎢⎣ ⎡ − − 21 53 B = ⎥⎦ ⎤⎢⎣ ⎡ − − 57 23 e B-1 = ⎥⎦ ⎤⎢⎣ ⎡ − − 37 25 Calculando a) AB temos AB = ⎥⎦ ⎤⎢⎣ ⎡ 31 52 . ⎥⎦ ⎤⎢⎣ ⎡ − − 57 23 = ⎥⎦ ⎤⎢⎣ ⎡ − − 1724 2941 b) ( AB )-1 temos ( AB )-1 = ⎥⎦ ⎤⎢⎣ ⎡ − − 4124 2917 c) At temos At = ⎥⎦ ⎤⎢⎣ ⎡ 35 12 d) ( At )-1 temos ( At )-1 = ⎥⎦ ⎤⎢⎣ ⎡ − − 25 13 e) B-1 A-1 temos B-1 A-1 = ⎥⎦ ⎤⎢⎣ ⎡ − − 37 25 . ⎥⎦ ⎤⎢⎣ ⎡ − − 21 53 = ⎥⎦ ⎤⎢⎣ ⎡ −− − 4124 2917 f) ( A-1 )t temos ( A-1 )t = ⎥⎦ ⎤⎢⎣ ⎡ − − 25 13 35 e constate que I) ( AB )-1 = B-1 A-1 II) ( At )-1 = ( A-1 )t Para constatar, basta comparar os itens b) e e) e os itens d) e f) g) B-1 A-1 temos B-1 A-1 = ⎥⎦ ⎤⎢⎣ ⎡ − − 37 25 . ⎥⎦ ⎤⎢⎣ ⎡ − − 21 53 = ⎥⎦ ⎤⎢⎣ ⎡ −− − 4124 2917 1.30 Método para o cálculo de A-1 Dado A uma matriz nxn. 1º Parte: Escreva a matriz aumentada [A|I] 2º Parte: Use as operações elementares de modo a transformar [A|I] em [I|B] Assim sendo matriz B obtida desta forma é tal que B = A-1 Exemplo Obter a inversa de A = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 341 230 231 1º Parte: Escrever a matriz aumentada ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 100 010 001 341 230 231 2º Parte: Usar as operações elementares na matiz aumentada Passo1: L3 → L3 + (-1)L1 ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − 101 010 001 110 230 231 Passo 2: L2 → L3 ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − 010 101 001 230 110 231 Passo 3; L3 → L3 + (-3)L2 ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − − − 313 101 001 100 110 231 36 Passo 4: L3 → (-1)L3 ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ −− − 313 101 001 100 110 231 Passo 5: L1 →L1 + (-2)L3 L2 →L2 + (-1)L3 Passo 6: L1 → L1 + (-3)L2 ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ −− − − 313 212 011 100 010 001 Daí A-1 = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ −− − − 313 212 011 Exercício resolvido Verifique se A = ⎥⎦ ⎤⎢⎣ ⎡ 62 31 é singular ou não invertível . 1º Parte :Seja [ A | I ] = ⎥⎦ ⎤⎢⎣ ⎡ 10 01 62 31 a matriz aumentada 2º Parte : Usar as operações elementares na matiz aumentada Passo 1: L2 → L2 + ( -2 )L1 ⎥⎦ ⎤⎢⎣ ⎡ − 12 01 00 31 Daí de acordo com a observação anterior, podemos concluir que a matriz A é singular ou não invertível 1.31. Lista de exercícios 1. Usando o método acima, determine A-1 sendo A = ⎥⎦ ⎤⎢⎣ ⎡ 31 52 . 2. Verifique se A-1 = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − − 100 110 011 onde A = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 100 110 111 ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ −− − − 313 212 627 100 010 031 Observação Se a aplicação das operações elementares na matriz [ A | In ] resultar em alguma linha nula não sendo possivel a obtenção de [ In | B ] significa que a matriz A é singular ou não invertível. 37 3. Sendo A, B, C matrizes n x n onde A é invertível, resolva as equações a) AX + B = C b) XA + B = C 4. Sendo A = ⎥⎦ ⎤⎢⎣ ⎡ 31 52 , B = ⎥⎦ ⎤⎢⎣ ⎡ 73 32 e C = ⎥⎦ ⎤⎢⎣ ⎡ 127 00 Resolva a equação AX + B = C Solução da Lista 1.31 1. 1ª Parte: Escrever a matriz aumentada ⎥⎦ ⎤⎢⎣ ⎡ 10 01 31 52 2ª Parte : Usar as operações elementares na matiz aumentada Passo 1: L2 → L1 ⎥⎦ ⎤⎢⎣ ⎡ 01 10 52 31 Passo 2: L2 → L2 + ( -2 ) L1 ⎥⎦ ⎤⎢⎣ ⎡ −− 21 10 10 31 Passo 3: L1 → L1 + ( 3 ) L2 ⎥⎦ ⎤⎢⎣ ⎡ − − − 21 53 10 01 Passo 4: L2 → ( -1 ) L2 ⎥⎦ ⎤⎢⎣ ⎡ − − 21 53 10 01 . Daí, A-1 = ⎥⎦ ⎤⎢⎣ ⎡ − − 21 53 2. Devemos usar a definição de produto de matrizes e verificar se AA-1 = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 100 110 111 ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − − 100 110 011 = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 100 010 001 . E isto é fácil de constatar. Saiba mais: veja http://www.interaula. com/matweb/medio/ 206/mod206a.htm 38 3. a) AX + B = C ou AX = C – B. Como existe A-1 podemos multiplicar à esquerda os membros da igualdade e usar as propriedades da multiplicação de matrizes. A-1( AX ) = A-1( C – B ) ( A-1 A)X = A-1( C – B ) IX = A-1( C – B ) ou X = A-1( C – B ) b) XA + B = C ou XA = C - B . De modo análogo ao anterior, ( produto à direita ) obtemos ( XA ) A-1 = ( C - B ) A-1 X( A A-1) = ( C - B ) A-1 XI = ( C - B ) A-1 ou X = ( C - B ) A-1 4. De acordo com a solução da equação 3.a) anterior temos x = A-1 ( C – B ) e daí temos x = ⎥⎦ ⎤⎢⎣ ⎡ − − 21 53 ⎟⎟⎠ ⎞ ⎥⎦ ⎤⎢⎣ ⎡−⎥⎦ ⎤ ⎜⎜⎝ ⎛ ⎢⎣ ⎡ 73 32 127 00 x = ⎥⎦ ⎤⎢⎣ ⎡ − − 21 53 . ⎥⎦ ⎤⎢⎣ ⎡ −−=⎥⎦ ⎤⎢⎣ ⎡ −− 1310 3426 54 32 1.32. Determinantes A apresentação da definição de determinantes de uma matriz A = ( aij ) n x n será feita através de casos particulares. Analisaremos para os casos n = 1, n = 2 , n = 3 e em seguida estenderemos para um n inteiro positivo qualquer. Definição 01. Casos Particulares Se A = ( aij ) 1 x1 então o determinante de A, denotado por det A, é o número real 11a , isto é, det A = 11a 39 Exemplo Se A = [ 3 ], então det A = 3 Se B = [ -5 ], então det B = -5 Se A= 11 12 21 22 a a a a ⎡ ⎤⎢ ⎥⎣ ⎦ então o determinante de A é o número real dado por 11 22 12 21a a a a− , isto é, det A = 11 22 12 21a a a a− Exemplos: Se A = 2 3 4 8 ⎡ ⎤⎢ ⎥⎣ ⎦ então det A = 2 . 8 – 4 . 3 = 4 Se B = 3 2 5 6 ⎡ ⎤⎢ ⎥−⎣ ⎦ então det B = 3 . 6 – 2 . (-5) = 18 + 10 = 28 Se = 11 12 13 21 22 23 31 32 33 a a a a a a a a a ⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦ então o determinante de A é o número real dado por det A = −++ )( 133221312312332211 aaaaaaaaa )( 113223332112312213 aaaaaaaaa ++ Exemplos Se A = 1 2 3 3 2 1 1 5 3 ⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦ então det A = ( 1.2.3 + 2.1.1 + 3.5.3 ) – ( 3.2.1 + 1.5.1 + 3.3.2 ) = ( 6 + 2 + 45 ) – ( 6 + 5 + 18 ) = 53– 29 = 24 Se B = 2 0 5 3 1 1 2 2 0 ⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥−⎣ ⎦ então det B = ( 0 + 0 + 30 ) – (–10 + 0 + 4 ) = 30 + 6 = 36 1.33. Definição : Menor e Cofator Dado A = ( aij )n x n , seja Mij a matriz [ n – 1 ] x [ n – 1 ] obtido de A retirando-se a linha e a coluna que contém aij. Chamamos de Saiba mais:veja http://www.mat.uc.pt/~ meresa/ALGA(Civil)05 -06/cap1.pdf 40 determinante menor de aij o determinante de Mij e chamamos de cofator Aij de aij o produto do determinante menor por (-1)i+j, isto é , Aij = (-1)i+j det Mij Exemplo Sendo A = 2 3 4 7 ⎡ ⎤⎢ ⎥⎣ ⎦ temos M11 = [ 7 ] ; M12 = [ 4 ] ; M21 = [ 3 ] ; M22 = [ 2 ] A11 = (-1)2.7 = 7 ; A12 = (-1)3.4 = – 4 ; A21 = (-1)3.3 = –3 ; A22 = (- 1)4.2 = 2 NOTA: Sendo A = 11 12 21 22 a a a a ⎡ ⎤⎢ ⎥⎣ ⎦ vimos que det A = a11a22 – a12a21 e daí podemos observar que det A = a11.A11 + a12A12 Sendo A = 11 12 13 21 22 23 31 32 33 a a a a a a a a a ⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦ temos que M11 = 22 23 32 33 a a a a ⎡ ⎤⎢ ⎥⎣ ⎦ M12 = 21 23 31 33 a a a a ⎡ ⎤⎢ ⎥⎣ ⎦ e M13 = 21 22 31 32 a a a a ⎡ ⎤⎢ ⎥⎣ ⎦ A11= (-1)2 ( 22 33 23 32a a a a− ) = 22 33 23 32a a a a− ; A12 = (-1)3 ( 21 33 23 31a a a a− ) = - 21 33 23 31a a a a+ A13 = (-1)4 ( 21 32 22 31a a a a− ) = 21 32 22 31a a a a− . Sabemos que det A = ( a11a22a33 + a12a23a31 + a13a32a21 ) – ( a13a22a31 + a12a21a33 +a11a32a23 ) reagrupando temos det A = ( a11a22a33 - a11a32a23 ) + (a12a23a31 - a12a21a33 ) + (a13a32a21 - a13a22a31 ) colocando em evidencia os termos comuns, temos det A = a11( a22a33 - a32a23 ) + a12 ( a23a31 - a21a33 ) + a13 ( a32a21 - a22a31 ) e daí podemos observar que det A = 11 11 12 12 13 13a A a A a A+ + 41 1.34. Definição( Caso Geral ) Sendo A = ( aij )nxn , o determinante de A é o número real, denotado por det A , e definido por: det A = 11 11 11 12 12 1 1 1 ... 1n n a se n a A a A a A se n =⎧⎨ + + + >⎩ onde A1j = (-1)1+jdet M1j, j = 1, 2, ... , n , são os cofatores associados aos elementos da primeira linha de A. OBSERVAÇÃO: Na definição anterior a expansão em cofatores feita pela linha 1 pode ser feita por qualquer outra linha ou coluna de A obtendo-se em todos os casos o mesmo valor.. Exemplo Se A = ⎥⎥ ⎥⎥ ⎦ ⎤ ⎢⎢ ⎢⎢ ⎣ ⎡ − − − 3122 4011 3520 2431 então det A = 1.A11 + 3.A12 + 4.A13 + 2.A14 , onde A11 = ( -1 )2 det ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − − 312 401 352 = 66; A12 = ( -1 )3det ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − − 312 401 350 = – 22; A13 = ( -1 )4 det ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − − − 322 411 320 = – 22; A14 = ( -1 )5det ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − − 122 011 520 = 22 Daí temos , det A = 1.A11 + 3.A12 + 4.A13 + 2.A14 = 1. 66 + 3 (–22 ) + 4 (–22 ) + 2.22 = – 44 Fazendo agora a expansão pela coluna 1, temos: 42 A11 = ( -1 )2 det ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − − 312 401 352 = 66; A21 = ( -1 )3det ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − 312 401 243 = – 34; A31 = ( -1 )4 det ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − − 312 352 243 = -78; A41 = ( -1 )5det ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − 401 352 243 = – 94; Daí, det A = 1.A11 + 0.A21 + ( -1 ).A31 + 2.A41 = 1.66 + 0( – 34 ) + (-1 ) (– 78 ) + 2 (– 94 ) = – 44 1.35 . Teorema Se A = ( aij )nxn então det A = det (At ) Exemplos Se A = 1 3 5 7 ⎡ ⎤⎢ ⎥⎣ ⎦ então A t = 1 5 3 7 ⎡ ⎤⎢ ⎥⎣ ⎦ e det A = det A t = 1.7 – 5.3 = 7 – 15 = – 8 1.36. Teorema Se A = ( aij )nxn é triangular, então o determinante de A é igual ao produto dos elementos da diagonal de A, isto é, det A = a11a22 ... ann Exemplo Se A = 1 3 2 0 5 0 0 0 2 ⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦ então det A = 1.5.2 = 10 1.37. Teorema 43 Seja A = ( aij )nxn então: Se A tem uma linha ou coluna contendo apenas zeros, então det A = 0 Se A tem duas linhas ou duas colunas idênticas, então det A = 0 Exemplo Se A = 3 0 2 5 0 3 7 0 5 ⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥−⎣ ⎦ então det A = 12 12 22 22 32 32a A a A a A+ + = 12 22 320. 0. 0.A A A+ + = 0 Se A = 2 3 2 3 ⎡ ⎤⎢ ⎥⎣ ⎦ então de det A= 2.3 – 2.3 = 0 Se A = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 5`22 522 531 então det A = 1( -1)2.det ⎥⎦ ⎤⎢⎣ ⎡ 52 52 + 3( -1 )3det ⎥⎦ ⎤⎢⎣ ⎡ 52 52 + 5( -1)4.det ⎥⎦ ⎤⎢⎣ ⎡ 22 22 = 1.0 - 3.0 + 5.0 = 0 1.38. Lista de Exercícios 1. Seja A = 1 3 2 5 4 3 2 1 0 ⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦ a) Encontre M21 , M 2 2 e M23 b) Determine os valores de A21, A22, A23 c) Usando os itens a) e b) calcule o det A. 2. Calcule cada um dos determinantes a seguir a) [-7] 44 b) 3 5 1 2 ⎡ ⎤⎢ ⎥− −⎣ ⎦ c) 8 1 7 1 −⎡ ⎤⎢ ⎥−⎣ ⎦ d) 3 1 2 4 5 3 1 2 0 ⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦ 3. Determine os valores de λ para os quais o determinante abaixo é igual a zero λ λ − − 33 42 Solução lista 1.38 1. a) M21 = ⎥⎦ ⎤⎢⎣ ⎡ 01 23 ; M22 = ⎥⎦ ⎤⎢⎣ ⎡ 02 21 ; M23 = ⎥⎦ ⎤⎢⎣ ⎡ 12 31 b) A21 = ( -1 )3 det ⎥⎦ ⎤⎢⎣ ⎡ 01 23 = ( -1 ) ( -2 ) = 2 A22 = ( -1 )3 det ⎥⎦ ⎤⎢⎣ ⎡ 01 23 = 1 . ( -4 ) = -4 A23 = ( -1 )5 det ⎥⎦ ⎤⎢⎣ ⎡ 12 31 = ( -1 ) ( -5 ) = 5 c) det A = a21 A21 + a22 A22 + a23 A23 det A = 5 . 2 + 4 (-4) + 3 . 5 = 9 2. a) det [ -7 ] = – 7 b) det ⎥⎦ ⎤⎢⎣ ⎡ −− 21 53 = 3 ( -2 ) – 5 ( -1 ) = – 6 + 5 = –1 c) det ⎥⎦ ⎤⎢⎣ ⎡ − − 17 18 = 8 . 1 – ( -1 ) ( -7 ) = 8 – 7 = 1 45 d) det ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 021 354 213 = ( 3 . 5 . 0 + 1 . 3 .1 + 2 . 4 . 2 ) – ( 2 .5. 1 + 1 . 4 .0 + 3 . 2 . 3 ) = ( 3 + 16 ) – ( 10 + 18 ) = 19 – 28 = – 9 3. λ λ − − 33 42 = 0 ( 2–λ ) ( 3 – λ ) – 12 = 0 6 - 2λ - 3λ + λ 2 – 12 = 0 λ 2 – 5λ – 6 = 0 λ = – 1 ou λ = 6 1.39. Propriedades i. Trocando-se a ordem de duas linhas ou colunas de uma matriz A= (aij)nxn troca-se o sinal do determinante Exemplo Sendo A = 1 3 2 8 ⎡ ⎤⎢ ⎥⎣ ⎦ temos det A = 1.8 – 3.2 = 2 e sendo B = 2 8 1 3 ⎡ ⎤⎢ ⎥⎣ ⎦ a matriz obtida de A trocando-se as linhas obtemos det B = 2.3 – 8.1 = -2 = - det A II. Multiplicando-se uma única linha ou coluna de uma matriz A=(aij)nxn por um escalar o determinante da nova matriz é igual ao determinante de A multiplicado por este escalar. Exemplo Seja A = 1 2 1 3 1 5 2 7 1 ⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦ então o det A = ( 1 + 20 + 21 ) - ( 2 + 35 + 6 ) = 42 - 43 = – 1. Seja B a matriz obtida de A multiplicando-se a 46 linha 2 por 3. Temos B = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 172 1539 121 e daí, det B = ( 3+ 60 + 63) – ( 6 +105 +18 ) = 126 – 129 = – 3 = 3 det A III. Somando-se um múltiplo de uma linha a uma outra linha de A obtém-se uma matriz B cujo determinante é o mesmo de A Exemplo Sendo A = 1 2 3 3 1 4 5 0 7 ⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦ temos det A = ( 7 + 40 + 0) – ( 15 + 42 + 0) = 47-57 = -10 Seja B a matriz obtida de A somando-se a linha 3 o dobro da linha 1, isto é, seja B = 1 2 3 3 1 4 7 4 13 ⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦ . Daí temos det B = ( 13 + 36+ 56 ) – ( 21 + 16 + 78 ) = 105 – 115 = -10 = det A1.40. Teorema Se A e B são matrizes n x n, então det (AB) = det A det B Exemplos Sendo A = 2 1 3 5 ⎡ ⎤⎢ ⎥⎣ ⎦ e B = 1 3 2 4 ⎡ ⎤⎢ ⎥⎣ ⎦ temos que AB = 4 10 13 29 ⎡ ⎤⎢ ⎥⎣ ⎦ . Daí temos det A = 7, det B = –2 e detAB = – 14 = detA det B NOTA: Se A é uma matriz não singular então existe uma matriz B tal que AB = BA = I e usando o teorema anterior temos que det A det B = det I = 1. Desta forma podemos observar que se A é não-singular então det A ≠ 0 1.41. Teorema 47 Uma matriz é singular se e somente se det A = 0 1.42. Lista de Exercícios 1) Calcule o det A em cada um dos casos a) A = 2 1 4 2 ⎡ ⎤⎢ ⎥⎣ ⎦ b) 1 3 2 2 1 5 3 7 0 ⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦ c) 2 1 3 4 1 0 3 2 2 1 5 1 0 2 1 1 ⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦ 2) Das matrizes da questão anteriores, quais são não-singular? 3) Sabendo que det A = 2, det B = 3 e que A e B são matrizes 3 x 3, calcule: a) det ( AB ) b) det ( 2AB ) c) det ( A-1B ) d) det ( AB )-1 Solução da lista 1.49 1.a) det A = det ⎥⎦ ⎤⎢⎣ ⎡ 24 12 = 2 . 2 – 1 . 4 = 4 – 4 = 0 b) det A = det ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 073 512 231 = 2 . A13 + 5 . A23 + 0 . A33 = 2 ( -1 )4 73 12 + 5 ( -1 )5 73 31 + 0 . ( - 1 )6 12 31 = 2 . 1 ( 11) + 5 ( -1 ) ( -2 ) + 0 . 1 . ( -5 ) = 22 + 10 = 32 c) det 1120 1512 2301 4312 = 2 . A11 + 1 . A21 + 2 . A31 + 0 . A41 48 = 2 ( -1 )2 112 151 230 + 1 ( -1 )3 112 151 431 + 2 ( -1 )4 112 230 431 + 0 ( -1 )5 151 230 431 = 2 . 1 (–-15 ) + 1 . (–1 ) (–29 ) + 2 . 1 . (–11 ) + 0 (–1 ) (–13 ) = – 30 + 29 – 22 + 0 = –23 2. São não-singulares as matrizes dos itens b) e c) pois ambas tem det A ≠ 0 3. a) det ( AB ) = det A det B = 2 . 3 = 6 ( teor 1.40) b) det ( 2AB ) = 23 det ( AB ) = 8 . 6 = 48 ( propriedade II – 1 39 ) c) det ( A-1 B ) = det A-1 det B = 2 33. 2 1 = d) det ( AB )-1 = 6 1 )det( 1 = AB 1.43. Definição: Matriz Adjunta Sendo A = ( aij )nxn , chamamos de adjunta de A a matriz adjA = ( Aij )tnxn onde Aij é o cofator de aij. Exemplo : Dado A = 1 3 2 2 1 5 3 2 3 ⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦ , pede-se : a) adjA b) A( adjA ) c) detA d) A-1 a) Sendo A = 1 3 2 2 1 5 3 2 3 ⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦ então adj A = 7 5 13 9 3 1 1 7 5 − −⎡ ⎤⎢ ⎥− −⎢ ⎥⎢ ⎥−⎣ ⎦ 49 Pois A11 = ( -1 )2 1 5 2 3 = –7 ; A12 = ( -1 )3 2 5 3 3 = 9 A13 = ( -1 )4 2 1 3 2 = 1 ; A21 = ( -1 )3 3 2 2 3 = -5 A22( -1 )4 1 2 3 3 = -3 ; A23 = ( -1 )5 1 3 3 2 = 7 A31 = ( -1 )4 3 2 1 5 = 13 ; A32 = ( -1 )5 1 2 2 5 = –1 A33 = ( -1 )6 1 3 2 1 = – 5 b) A(adjA) = 1 3 2 2 1 5 3 2 3 ⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦ - 7 5 13 9 3 1 1 7 5 − −⎡ ⎤⎢ ⎥− −⎢ ⎥⎢ ⎥−⎣ ⎦ = 22 0 0 0 22 0 0 0 22 ⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦ c) det A = 22 d) A-1 = 1 22 7 5 13 9 3 1 1 7 5 − −⎡ ⎤⎢ ⎥− −⎢ ⎥⎢ ⎥−⎣ ⎦ pois A ( adj A ) = detA I E daí A ( 1 det adj A A ) = I. Desta forma A-1 = 1 det adj A A 1.44. Lista de Exercícios 1. Para cada uma das matrizes a seguir, calcule: a) det A b) adj A c) A-1 i) A = ⎥⎦ ⎤⎢⎣ ⎡ − 31 12 ii) A = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ −−− 122 121 113 50 iii) A = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ 111 011 001 Solução lista 1.44 a) i) det A = 7 ii) det A = 1 iii) det A = 1 b) i) Adj A = ⎥⎦ ⎤⎢⎣ ⎡ − 21 13 ii) adj A = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ −−− −− 542 211 110 iii) adj A = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − − 110 011 001 c) i) A-1 = ⎥⎦ ⎤⎢⎣ ⎡ −= 21 13 7 1 det 1 adjA A ii) A-1 = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ −−− −− = 542 211 110 det 1 adjA A iii) A-1 = ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ − −= 110 011 001 det 1 adjA A Bibliografia Boldrini,José Luis. Álgebra Linear. São Paulo: Ed Harbra e & Row do Brasil, 1980. Lay, David C. . Álgebra linear e Suas Aplicações. Rio de Janeiro: Ed LTC, 1999. Leon, Steven J. Álgebra Linear com Aplicações. Rio de Janeiro: Ed LTC, 1999. 51 Web-Bibliografia http://pessoal.sercomtel.com.br/matematica/medio/matrizes/sistemas. htm http://www.ime.unicamp.br/~asaa/matr.pdf http://www.decom.ufop.br/prof/marcone/Disciplinas/CalculoNumerico/ Sistemas.pdf http://matematiques.sites.uol.com.br/assuntos/segundo/sistematrizes. htm http://www.dcc.ufrj.br/~rincon/Disciplinas/Algebra%20Linear/Aula_00 6.pdf 52 53 2 ESPAÇOS VETORIAIS 54 2.1 Definição 54 2.2 Propriedades de um Espaço Vetorial 55 2.3 Subespaços Vetoriais 56 2.4 Casos Particulares 57 2.5 Lista de exercícios 59 2.6 Aplicação 61 2.7 Teorema 61 2.8 Teorema (Interseção de Subespaço) 63 2.9 Teorema ( Soma de subespaços ) 64 2.10 Definição 68 2.11Teorema 69 2.12 Definição 70 2.13 Definição 71 2.14 Definição 73 2.15 Casos Particulares 74 2.16 Lista de exercícios 77 2.17 Teorema 78 2.18 Teorema 78 2.19 Propriedades 80 2.20 Definição 81 2.21. Teorema 83 2.22 Corolário 84 2.23. Teorema 84 2.24. Corolário 84 2.25. Definição 84 2.26. Teorema 86 2.27. Teorema 86 2.28. Definição 87 2.29 Definição (Transformações ) 89 2.30 Definição(Transformações lineares) 89 2.31 Propriedades das T L 90 2.32 Casos Particulares 91 2.33 Definição( Imagem de uma TL) 94 2.34 Propriedade de Im( A ) 94 2.35 Definição( Núcleo de uma TL) 94 2.36 Definição ( Injetora e Sobrejetora ) 95 2.37Propriedades do N(A) 95 2.38Teorema. 96 54 2 ESPAÇOS VETORIAIS 2.1 Definição Um Espaço Vetorial é um conjunto não-vazio E de objetos , chamados vetores, sobre os quais estão definidas duas operações, chamadas soma e multiplicação por escalar, satisfazendo as seguintes propriedades, para todos os ur , vr e wr de E e todos os α e β reais: A1 : A soma de u r e vr , denotada por vu rr + , pertence a E A2 : uvvu rrrr +=+ A3 : ( ) )( wvuwvu rrrrrr ++=++ A4 : Existe um vetor nulo 0 ∈ E, tal que ur + 0 = ur A5 : Para cada vetor u r ∈E, existe um vetor - ur ∈ E tal que ur + ( - ur ) = 0 M1 : O múltiplo escalar de u r por α , denotado por α ur , pertence a E M2 :α ( vu rr + ) = vu rr αα + M3 : ( ) uuu rrr βαβα +=+ M4 : vv rr )()( βαβα = M5 : 1 v r = vr Exemplos i) IR² = { (x, y ): x ∈ IR e y ∈ IR } é um espaço vetorial real com as operações de adição e multiplicação por escalar definidas por: ( x1, y1 ) + ( x2, y2 ) = ( x1 + x2, y1 + y2 ) α ( x, y ) = (α x, α y ) ii) IRn = { ( x1, x2,..., xn ) : xi ∈ IR, i = 1, 2,…,n } é um espaço vetorial real com as operações de adição e de multiplicação por escalar definidas por: ( x1, x2, …, xn ) + ( y1, y2, … , yn ) = ( x1 + y1, … , xn + yn ) α .( x1, x2, … , xn ) = (α x1, α x2, … , α xn ) Para mais informacões, veja: http://www.dcc.ufrj. br/~rincon/Discipli nas/Algebra%20Li near/Aula_002.pdf 55 iii) O conjunto Mm×n(IR) das matrizes com m linhas e n colunas com elementos de IR, com as operações usuais de adição e multiplicação por um escalar éum espaço vetorial real. iv) O conjunto P[IR] de todas as funções polinomiais da forma: p(x) = a0 + a1 x + a2 x² +…+ an xn onde ai ∈ IR , i = 0, 1, 2, … , n , n ∈ IN, em relação às operações usuais de adição e multiplicação por escalar é um espaço vetorial real. 2.2. Propriedades de um Espaço Vetorial i) Existe um vetor nulo em E, isto porque se 0 e 0’ são vetores nulos de E, temos que 0’ = 0’ + 0 = 0 + 0’ = 0 ii) Cada vetor vr ∈E admite um único simétrico - vr ∈E. iii) Para quaisquer ur , vr e wr de E, se ur + vr = ur + wr , então vr = wr , iv) Qualquer que seja vr ∈E, tem-se – ( - vr ) = vr . v) Qualquer que sela ur , vr de E, existe um e somente um wr de E tal que ur + wr = vr vi) Se v ∈ V, então 0.v = 0. Isto porque 0 = 0.v − 0.v = ( 0 − 0 ).v = 0.v. vii) Se a ∈ K, então a.0 = 0. Isto porque 0 = a.0 − a.0 = a.(0 − 0 ) = a.0. viii) Se v ∈ V, ( − 1).v = − v. Isto porque ( − 1).v + v = ( − 1).v + 1.v = (( − 1) + 1).v = 0.v = 0. ix) Se a ∈ IR e v ∈ V, então a.( − v) = − (a.v ). Isto porque 56 a.( − v ) + a.v = a.( − v + v ) = a.0 = 0. 2.3. Subespaços Vetoriais Definição Seja E um espaço vetorial . Um subconjunto W de E é dito subespaço vetorial de E se ele é tal que são satisfeitas as três seguintes condições: 1ª) o vetor nulo pertence a W 2ª) quaisquer que sejam dois vetores ur e vr de W, a soma ur + vr também pertence a W. 3ª) qualquer que seja o vetor vr de W e qualquer que seja o número real k, o vetor k vr também pertence a W. Exemplos a) Seja E = IR2 e seja o subconjunto W = {( x, x ); x ∈ IR }, isto é, W é formado por todos os pares ordenados que apresentam coordenadas iguais. Graficamente, W é representado pelos pontos das bissetrizes dos quadrantes de números um e três , conforme figura abaixo. y x0 W x x P ( x, x ) W é um subespaço pois : 1º) ( 0, 0 ) ∈ W 2º) Sendo ur = ( m, m ) e vr = ( n, n ) vetores de W,e calculando a soma vu rr + obtemos vu rr + = ( m + n , m + n ) que é um elemento de W. 3º) Multiplicando um número real qualquer k por um elemento ur = ( m, m ) de W o resultado ainda pertence a W, pois k ( m, m ) = ( km, km ) ∈ W 57 b) Seja E = IR3 e seja o subconjunto W = {( x, x, z ); x ∈ IR }, isto é, W é formado por todos os ternos ordenados que apresentam as duas primeiras coordenadas iguais. Graficamente, W é representado pelo plano bissetor dos planos x0z e y0z, conforme figura abaixo. 1 1 u v y x z 0 W é um subespaço pois: 1º) ( 0, 0, 0 ) ∈ W 2º) Sendo ur = ( m, m, p ) e vr = ( n, n, q ) vetores de W,e calculando a soma vu rr + obtemos vu rr + = ( m + n , m + n, p + q ) que é um elemento de W. 3º) Multiplicando um número real qualquer k por um elemento ur = ( m, m, p ) de W o resultado ainda pertence a W, pois k ( m, m, p ) = ( km, km, kp ) ∈ W 2.4. Casos Particulares a) Todo espaço vetorial E admite pelo menos dois subespaços, chamados “triviais” que são: o conjunto { 0 } ( subespaço nulo ) e o próprio espaço E. b) Demonstra-se que os subespaços do IR2 são: Saiba mais: Para maior aprofundamento sobre plano bissetor consulte o livro de Geometria do Autor Aref Antar Neto.ED Moderna 58 i) O subconjunto W = {(0, 0)}, ii) O próprio IR2 iii) Os subconjuntos W = { ( x, y ) ∈ IR2 / y = ax , a ∈ IR } ou x = 0, cujas representações gráficas são retas passando pela origem do sistema cartesiano. x y 0 1 a W Exemplo O conjunto W = {( x, 3x ) / x ∈ IR } é subespaço do IR2 pois sua representação gráfica é a reta de equação y = 3x que passa pela origem do sistema cartesiano e pelo ponto P ( 1, 3 ) . 1 3 x y 0 W c) Demonstra-se que os subespaço do IR3 são: i) O subconjunto W= {(0, 0, 0)} ii) O próprio IR3 iii) Os subconjuntos W = { ( x, y, z ) ∈ IR3 / ( x, y, z ) = t( a, b, c ) , t ∈IR }, ur = ( a, b, c ) chamado vetor diretor da reta ( subconjuntos cujas representações gráficas são retas passando pela origem do sistema cartesiano) Saiba mais Veja: http://www.ucs.br/c cet/deme/vslavier/ alglin/subespaco/s ub_esp.htm 59 x y W z u 0 iv) Os subconjuntos W = {( x, y, z )∈IR3 / ax + by + cz = 0, ( a, b, c )≠ ( 0, 0, 0 )}, ur = ( a, b, c ) chamado vetor normal ao plano ( subconjuntos cujas representações gráficas são planos passando pela origem do sistema cartesiano ). x y z u 0 Exemplos O conjunto W = {(x, y, z)} ∈ IR3 / x = 2t, y = 3t, z = 0, t ∈IR } é um subespaço do IR3, pois é um conjunto cuja representação gráfica é uma reta que passa pela origem e tem ur = ( 1, 2, 0 ) como vetor diretor. O conjunto W = {(x, y, z)} ∈ IR3 / x – y = 0} é subespaço do IR3, pois sua representação gráfica é um plano passando pela origem e tendo ur = ( 1, -1, 0 ) como vetor normal. 2.5. Lista de exercícios 1) Seja W = { ( x, y, z ) ∈ IR3/ x + 2y – z = 0 } um subespaço de IR3. Responda justificando: a) ( 1, -1, 1 ) ∈ W ? 60 b) ( 0, 1, 2) ∈ W ? c) ( 1, 2, 3 ) ∈ W ? d) ( a, b, a + 2b ) ∈ W , a, b ∈ iR ? 2. Dê exemplos de vetores de W = {(x, y, z)} ∈ IR3 / x – y + z = 0} e mostre que a soma e o produto deles por números reais ainda é um vetor de W. 3. O conjunto W = { ( x, y ) ∈ IR2 / y = 2x + 1 } é um subespaço vetorial do espaço IR2 ? Justifique. 4. Mostre que o conjunto W = { ( t, t + 1); t ∈ IR } não é um subespaço de 2 .IR Respostas 1.a) Sim, pois 1 + 2( -1 ) – ( - 1 ) = 0 b) Sim , pois 0 + 2.1 – 2 = 0 c) Não , pois 1 + 2.2 – 3 = 2 ≠ 0 d) Sim , pois a + 2b – ( a + 2b ) = 0 2. ur = ( 1, 2, 1 ), vr = ( 1, 3, 2) e wr = ( -1, 5, 6 ). ur + vr = ( 2, 5, 3 ) pertence a W pois 2 – 5 + 3 = 0 e 3 wr = ( -3, -15, 18 ) pertence a W pois -3 -15 + 18 = 0 3. Não, pois o vetor ( 0, 0 ) ∉ W ou seja a afirmação 0 = 2.0 + 1 é falsa. 4. W não é um subespaço, pois se fosse o vetor nulo de IR2 pertenceria a ele, isto é ( t, t + 1 ) = ( 0, 0 ) . Daí teríamos t = 0 e t + 1 = 0 o que é absurdo ( t = 0 = -1 ). Graficamente temos 61 uma reta que não passa pela origem. 2.6. Aplicação Se uma massa m for presa na extremidade de uma mola e se a mola for puxada para baixo e liberada, o sistema massa mola começará a oscilar. O deslocamento y da massa com relação à sua posição de repouso é dado por uma função da forma ( ) cos sen ty t a t b= ω + ω onde ω é uma constante que depende da mola e da massa. Podemos mostrar que o conjunto de todas as funções desse tipo (com ω fixo e ,a b∈IR arbitrários) é um subespaço vetorial do espaço vetorial das funções reais. 2.7. Teorema Um subconjunto não-vazio W , de um espaço vetorial E é um subespaço vetorial de E se valem as seguintes condições: i) ∈+ vu rr W para todos ur e vr de W y x 1 u v u v+ S Veja Mais www.suporteeducacio nal.com.br/matematica /downloadArquivo.php ?arquivo=/arquivos/20 07/periodo4/algebralin earii_aula01... 62 ii) ∈urλ W para todo λ de IR e todo ur de W Demonstração Devemos mostrar que o vetor nulo de E pertence a W e isto é fácil de ver pois sendo W não vazio existe pelo menos um ur em W epor ii) ( - 1 ) ur = - ur também esta em W e por i) ur + (-ur ) = 0 pertence a W . Daí temos as condições 1ª) , 2ª) e 3ª) da definição de subespaço vetorial Exemplo O subconjunto W = { ( x, y, z ) ∈ IR3 / ( x, y, z ) = t ( a, b, c ), t ∈ IR } onde ( a, b, c ) é um vetor fixo de IR3, é um subespaço vetorial de IR3. Solução De acordo com o teorema 2.7., devemos mostrar que W é não vazio e que i) ∈+ vu rr W para todos ur e vr de W , ii) ∈urλ W para todo λ de IR e todo ur de W. Inicialmente vemos que W é não vazio pois o vetor ( 0, 0, 0 ) ∈W, isto porque ( 0, 0, 0 ) = 0( a, b, c ). Agora se ur e vr estão em W, temos que ur = t1( a, b, c ) e vr = t2( a, b, c ) e assim, ur + vr = (t1 + t2 )( a, b, c ). Logo ur + vr também está em W. Finalmente temos que se ∈ur W e ∈λ IR então λ ur = λ ( t1( a, b, c ) ) = (λ t1 )( a, b, c ) ∈W. Exercício resolvido Mostre que fixados a, b, c números reais tem-se que W = { ( x, y, z ) ∈ IR3 / ax + by +cz = 0, t ∈ IR } É um subespaço vetorial de IR3. 63 Solução Inicialmente observamos que W é não vazio pois a.0 + b.0 + c.0 = 0, isto é, (0, 0, 0 ) ∈W. Na segunda parte devemos mostrar que ∈+ vu rr W para todos ur e vr de W. Então se ur = ( x, y, z ) ∈ W temos ax + by + cz = 0 e se vr = ( x’, y’, z’ ) ∈ W temos ax’ + by’ + cz’ = 0. Daí é fácil ver que ur + vr = ( x + x’, y + y’, z + z’ ) ∈ W pois a( x + x’ ) + b( y + y’ ) + c ( z + z’ ) = ax + by + cz + ax’ + by’ + cz’ = 0 + 0 =0. Na terceira parte mostraremos que se ur ∈ W e λ ∈ IR então urλ ∈W. Então se ur = ( x, y, z ) ∈ W temos ax + by + cz = 0 e urλ = (λ x, λ y, λ z ). Daí, a(λ x) + b(λ y) + c(λ z) =λ ( ax + by + cz ) = λ .0 = 0 , o que mostra que urλ ∈ W. 2.8. Teorema (Interseção de Subespaço) Sejam W1 e W2 subespaços vetoriais de E. A interseção W = W1∩W2 = { w∈E / w ∈ W1 e w∈ W2 } é um subespaço de E. Demonstração Devemos mostrar que: 1º) W é não vazio Isto é imediato pois 0∈ W1 e 0∈ W2 logo 0∈ W ≠ φ 2º) Se ur , vr ∈ W temos ⎩⎨ ⎧ ∈∈ ∈∈ 21 21 WveWv WueWu rr rr WvuWvueWvu ∈+⇒∈+∈+⇒ rrrrrr 21 3º) Se ur ∈ W eλ ∈ IR temos ⎩⎨ ⎧ ∈ ∈∈ IR WueWu λ 2 rr λ⇒ ur ∈ W1 e λ ur ∈W2 λ⇒ ur ∈ W 64 Exemplos a) Sendo W1 = {( x, y, z )} ∈ IR3 / 2x + y - z = 0} e W2 = {( x, y, z )} ∈ IR3 / x - y = 0} . A interseção de W1 com W2 é o subespaço W = W1 ∩W2 ={( t, t, 3t )∈ IR3 } ou W = { t ( 1, 1, 3 ) ; t ∈IR}. Isto porque se ( x, y, z ) ∈ W temos ( x, y, z ) ∈ W1 ⇒ 2x + y – z = 0 e ( x, y, z ) ∈ W2 ⇒ x – y = 0 . O que gera x = y e 2x + x – z = 0 ou z = 3x b) Sejam W1= {( x, y ) ∈ IR2 / x + y = 0} e W2={( x, y ) ∈ IR2 / x – y = 0} A interseção de W1 com W2 é o subespaço W = W1∩W2 = {( 0, 0, 0 )} Isto porque se ( x, y ) ∈ W temos ( x, y ) ∈ W1 ⇒ 2x + y = 0 e ( x, y ) ∈ W2 ⇒ x – y = 0. O que gera x = y e 3x = 0 ou x = y = 0 . 2.9. Teorema ( Soma de subespaços ) Sejam W1 e W2 subespaço vetoriais de um espaço vetorial E. Então o conjunto W = W1 + W2 = { v r ∈ E ; vr = 1wr + 2wr com , 1w r ∈ W1 e 2wr ∈ W2 } é um subespaço vetorial de E. Demonstração Devemos mostrar: 1º) W é não-vazio Isto é imediato pois 0 = 0 + 0, com 0 ∈ W1 e 0 ∈ W2 2º) Se ur , vr ∈ W temos 21 wwu rrr += com ∈1wr W1, 2wr ∈W2 e vr = 21 '' ww rr + com 1'wr ∈ W1 2'w r ∈W2 E daí, ur + vr = ( 21 ww rr + ) + ( 21 '' ww rr + ) = ( 1wr + 1'wr ) + ( 2w r 2'w r+ ). Como 1wr + 1'wr ∈ W1 e 2wr 2'wr+ ∈ W2, temos ur + vr ∈ W. 65 3º) Se ∈ur W temos e ∈λ IR, temos 21 wwu rrr += com ∈1wr W1, 2w r ∈W2 e ∈λ IR. Daí temos urλ = λ ( 21 ww rr + ), e como ∈1wrλ W1 , ∈2wrλ W2 temos que ∈urλ W Exemplos a) Sejam W1 = {( x, y )} ∈ IR2 / x = y } e W2 = {( x, y )} ∈ IR2 / x = 0 }. A soma W = W1 + W2 = IR2, pois se u r = ( a, b ) ∈ IR2 temos que ( a, b ) = ( a, a ) + ( 0, b – a ) e ( a, a ) ∈ W1 e ( 0, b – a ) ∈ W2 b) Sejam W1 = {( x, y, z ) ∈ IR3 / x + y + z = 0 } e W2 = {( x, y, z ) ∈ IR3 / x = y = z } Então a soma W = W1 + W2 = IR3, pois se ( cba ,, ) ∈ IR3 temos ( cba ,, ) = ⎟⎠ ⎞⎜⎝ ⎛ +−−−+−−− 3 2, 3 2, 3 2 cbacbacba + ⎟⎠ ⎞⎜⎝ ⎛ ++++++ 3 , 3 , 3 cbacbacba e ∈⎟⎠ ⎞⎜⎝ ⎛ +−−−+−−− 3 2, 3 2, 3 2 cbacbacba W1 e ∈⎟⎠ ⎞⎜⎝ ⎛ ++++++ 3 , 3 , 3 cbacbacba W2 Lista de Exercícios 1. Dados W1 = {( x, y ) ∈ IR3 / x = 2y } e W2 = {( x, y )∈ IR2 / x + y = 0 } subespaços vetoriais de IR2, pede-se: a) Um vetor (a, b) tal que (a, b)∈ W1∩W2 b) Escreva (5, 7) como soma de ur com vr de modo que ur ∈W1 e vr ∈W2 c) Determine W = W1∩W2 Para novas informacões veja: http://pessoal.serco mtel.com.br/matema tica/superior/algebra/ espvetor/espvetor.ht m 66 d) Mostre que W1 + W2 = IR2 2. Dados W1= {(x, y, z) ∈ IR3/ x + y – z = 0 } e W2 = {(x, y, z ) ∈IR3 / x – y = 0 } subespaços vetoriais de IR3, pede-se: a) Vetores (a, b, c) pertencentes a W1∩W1 b) Escreva o vetor ( 6, 4, 6 ) como soma de vetores ur e vr de modo que ur ∈ W1 e vr ∈W2. c) Determine W = W1∩W2 d) Mostre que IR3 = W1+ W2 Solução da Lista de exercícios 1.a) Se ),( ba ∈ W = W1∩W2 temos ),( ba ∈W1 e ),( ba ∈ W2 , daí ⎩⎨ ⎧ =+ = 0 2 ba ba 003 =⇒=⇒ bb E assim, (a, b) ∈W1∩W2 se a = b = 0, ou seja um vetor (a, b) pertencente a W1 ∩W2 é (0, 0) 1.b) Por definição de W1 e W2, temos que, um vetor u r pertença a W1 se ele for da forma ( bb,2 ), b ∈ IR, e um vetor vr pertence e W2 se for da forma ( aa −, ) , a ∈ IR. Daí, devemos determinar a e b , tal que ( bb,2 ) + ( aa −, ) = ( 5, 7 ).Esta equação gera o sistema linear ⎩⎨ ⎧ =− =+ 7 52 ab ab e resolvendo o sistema obtemos b = 4 e a = -3 Assim sendo, ( 5, 7) = (8, 4) + (-3, 3) 1.c) Observando o item 1.a) temos que W1∩W2= {(0, 0)}. 67 1.d) Devemos mostrar que todo vetor ( yx, ) ∈ IR2 pode ser escrito na forma ur + vr com ur ∈ W1 e vr ∈ W2. Observe que este item é uma generalização do item 1.b) Desta forma temos ( yx, ) = ( bb,2 ) + ( aa −, ) ⇒ ⎩⎨ ⎧ =− =+ yab xab2 e resolvendo o sistema obtemos b = 3 yx + e a = 3 2yx − Daí temos que ( yx, ) = ⎟⎠ ⎞⎜⎝ ⎛ ++ 3 , 3 22 yxyx + ⎟⎠ ⎞⎜⎝ ⎛ +−− 3 2, 3 2 yxyx 2.a) Se ( cba ,, ) ∈ W1∩W2 tem-se ( cba ,, ) ∈ W1 e ( cba ,, )∈ W2 . Desta forma temos o sistema linear ⎩⎨ ⎧ =− =−+ 0