Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
I' ALGEBRA LINEAR RIO DE JANEIRO SÃO PAULO 2� EDIÇÃO KENNETH HOFFMAN jssociate Professor of Mathematics Massachusetts lnstitute of Technology RAY KUNZE Associate Professor of Mathematics Washington University St. Louis, Mo. Tradução de RENATE WATANABE Professora .de Matemática da Universidade Mackenzie 0t LIVROS TÍCNICOS E Clf Nlf HCOS EDITORA COPYRIGHT © 197 9, Kenneth Hoffman e Ray K unze Proibida a reprodução, mesmo parcial, e por qualquer process'i, sem autorização expressa dos Autores e Editor. 11!- edição - 1971 Reirnpressões - 1973 e 1976 21!- edição - 1979 CIP-Brasil. Catalogação-na-fonte Sindicato Nacional dos Editores de Livros, RJ. Hoffman, Kenneth. H647a Álgebra linear / Kenneth Hoffman [e) Ray Kunze; tra- 79-0363 dução de Renate Watanabe. - 2. ed. - Rio de Janeiro: Livros Técnicos e Científicos, 1979. Tradução de: Linear a1gebra Apêndice Bibliografia 1. Álgebra linear 1. Kunze, Ray 1. Título · . · CDD - 512.5 CDU - 512.8 ISBN 85-216-0062�3 · ( DireitOs desta edição reservados: LIVROS Tf'.CNICOS E CIENTIFICOS EDITORA S. A. Av. Venezuela, 163 -Centro 20220 - Rio de Janeiro - RJ i979 Impresso no Brasil PREFÁCIO Nosso propósito original ao escrever este livro foi fornecer um texto para o curso de graduação em Álgebra Linear no M assachu setts Jnstitute of Technology. Esse curso se destinava ao terceiro ano dos que optassem por Matemática, embora três quartos dos estu dantes que o freqüentavam se especializassem em outras disCiplinas tecnológicas e cientificas e variassem desde calouros até estudantes de pós�graduação. Essa descrição da audiência do M.I.T. para o texto permanece, em linhas gerais, correta até hoje. Os dez anos decorridos desde a primeira edição viram a proliferação de cursos de Álgebra Linear por todo o país e ofereç,elam a um dos Autores a oportunidade de lecionar essa matéria básica para diversos grupos na Brandeis University, Washington University (St. Louis) e Univer sity of California (lrvine). Nosso objetivo principal ao revisar o livro Álgebra linear foi adaptá-lo p,ara uma maior variedade de cursos. De um lado, estruturamos os capítulos, principalmente os mais difíceis, de tal modo que existis6em, ao longo do caminho, vários pontos naturais de parada, possibilitando ao instrutor escolher de diversas ma neiras os tópicos para um curso trimestral ou, semestral. Por outro lado, aumentamos a· quantidade da matéria para que o texto pudesse ser usado em um curso de Álgebra Linear mais amplo, de um ano, ou mesmó como um livro de referência para matemáticos. As maiores alterações ocorreram no nosso tratamento . de formas canônicas e· espaços com produto interno. No Cap. 6 não mais começamos com a teoria espacial geral que fundamenta a teoria das formas canônicas. Tratamos inicialmente os valores característicos em relação com teoremas de triangulação e diagona lização e em seguida escalamos o caminho para a teoria geral. VIII - PREFACIO Separamos o Cap. 8 em dois, de modo que os tópicos fundamentais sobre espaços com produto interno e diagonalização unitária fos sem seguidos de um novo Cap. 9, que, por sua vez, trata de formas sesquilineares e das propriedades mais sofisticadas de operadores normais, incluindo operadores normais sobre espaços com pro duto interno. Introduzimos também pequenas alterações e melhoramentos na primeira edição, porém a filosofia subjacente do texto perma neceu inalterada. Concessão alguma foi feita ao fato de a maioria dos alunos não estar interessada primordialmente em Matemática, porque acreditamos que um curso de Matemática não deveria fornecer a estudantes de Ciências, Engenharia ou Ciências Sociais um amon toado de métodos, e sim proporcionar a eles uma compreensão dos conceitos matemáticos fundamentais. Por outro lado, estávamos profundamente conscientes da grande variação de conhecimentos que os estudantes poderiam possuir e, em particular, do fato de terem eles tido muito pouca experiência com· o raciocínio matemático abstrato. Por essa razão, evitamos a introdução de muitas idéias abstratas logo no início do livro. Como complemento incluímos um Apêndice, onde são apresen tadas idéias básicas tais como conjunto, função e relação de equi valência. Achamos mais proveitoso não insistir nessas idéias inde pendentemente, e sim aconselhar os estudantes a ler o Apêndice à medida que elas surgissem. Em todo o livro incluímos uma grande diversidade de exem plos dos conceitos importantes que ocorrem. O estudo de tais exemplos é de fundamental importância e tende a minimizar o número de estudantes que conseguem repetir definições, teoremas e demonstrações em ordem lógica, sem apreender o significado dos conceitos abstratos. O livro contém também uma ampla gama de exercícios graduados (em torno de seiscentos), que variam desde aplicações rotineiras aos que desafiarão até os melhores alunos. Pretendemos que esses exercícios sejam parte importante do texto. O Cap. 1 trata de sistemas de equações lineares e sua reso lução por meio de operações elementares sobre linhas de matrizes. Tem sido nosso costume despender seis aulas nessa matéria, o que proporciona ao estudante um esboço das origens da Álgebra Linear e das técnicas de cálculo computacionais necessárias ao entendi mento de exemplos das idéias mais abstratas ocorrentes nos capítulos PREFÁCIO - IX posteriores. O Cap. 2 discorre sobre espaços vetoriais, subespaços, bases e dimensão. O Cap. 3 trata <;tas transformações lineares, sua álgebra, sua representação por matrizes, bem como de isomor fismo, funcionais lineares e espaços duais. O Cap. 4 define a álgebra dos polinômios sobre um corpo, os ideais naquela álgebra e a decomposição de um polinômio em fatores primos. Nele também são tratadas as raízes, a fórmula de Taylor e a fórmula de interpolação de Lagrange. O Cap. 5 desen volve determinantes de matrizes quadradas, sendo o determinante encarado como uma função n-linear alternada das linhas de uma i;natriz, e prossegue com o estudo das funções multilineares spbre módulos e o anel de Grassman. A matéria sobre módulos coloca o conceito de determinante em um contexto mais amplo e abran gente do que o normalmente encontrado em livros elementares. Os Caps. 6 e 7 contêm uma discussão dos conceitos funda mentais para a análise de uma só transformação linear sobre um espaço vetorial de dimensão finita; a análise de valores caracte rísticos, transformações trianguláveis e diagonalizáveis; os conceitos de partes diagonalizáveis e nilpotentes de uma transformação mais geral e as formas racional e canônica de Jordan. Os teoremas da decomposição primária e cíclica desempenham um papel central, chegando-se a este último por meio do estudo de subespaços admis síveis. O· Cap. 7 inclui a discussão de matrizes sobre um domínio de polinômios, o cálculo de fatores invariantes e divisores elemen tares de uma matriz e o desenvolvimento da forma canônica de Smith. O capítulo termina com uma discussão sobre operadores semi-simples, para completar a análise de um só operador. O Cap. 8 trata, com algum detalhe, dos espaços de dimensão fini,ta com produto interno. Desenvolve· a geometria básica, rela cionando o conceito de ortogonalização à idéia de "melhor apro ximação de um vetor" e passando aos conceitos de projeção orto gonal de um vetor sobre um subespaço e o suplementar ortogonal de um subespaço. O capítulo ainda trata dos operadores unitários e culmina com a diagonalização de operadores normais e auto adjuntos. O Cap. 9 introduz as formas sesquilineares, relaciona-as com os operadores positivos e auto-adjuntos sobre um espaço côm produto interno, prossegue com a teoria espectral de operadores normais e, em seguida, com resultados mais sofisticados a respeito de operadores normais sobre espaços reais ou complexos com produto interno. X-PREFACIO . O Cáp. JO discute as formas bilineares, ressaltando as formas canônicas para formas simétricas e anti-simétricas, bem como grupos que conservam formas não-degeneradas, .principalmerite os grupos ortogonal, unitário, pseudo-ortogonal e de Lorentz. Acreditamos que qualquer curso que use este texto deva desen volver completamente os Caps. 1, 2 e 3 com a possível exclusão das Seçs. 3.6 e 3.7, que tratam do bidual e Q.a transposta de urna trans formação linear. Os Caps. 4 e 5, sobre .polinômios e determinantes, podem ser tratados com diversos graus de profundidade: . Ideais de polinômios e as propriedades fundamentais dos determinantes podem ser apenas esboçados, sem maior prejuízo do fluxo de lógica do texto; no entanto, sentimo-nos inclinados a desenvolver cuida dosamente esses capítulos (salvo os resultado.s sobre módulos), porque o seu conteúdo ilustra· muito bem as idéias básicas da Álgebra Linear. Um curso elementar pode então ser satisfatoria mente concluído com as quatro .Primeiras seções do Cap. 6; junta mente com o (novo) Cap. 8. Se as formas racionais e as de Jordan forem incluídas, então será necessário desenvolver mais extensiva me11te o Cap. 6. N.osso reconhecimento permanece para com aqueles que con tribuíram na primeira edição, principalmente os Profs. Harry Furst enberg, Louis Howard, Daniel Kan, Edward l horp, Sta. Judith Bowers, Sra. Bettx Ann (Sargent) Rose e Sra. Phyllis Ruby. Que remos acrescentar nossos agradecimentos aos muitos estudantes e colegas cujos comentários perspícuos nos levaram a esta revisão e à equipe da Prentice"Hall, pela paciente colaboração .com dois autores envolvidos nas agonias da administração. acadêmica. Por último, nossos agradecimentos à Sra. Sophia Koulouras pela sua habilidade e incansável esforço na datilografia do manuscrito revisado. K.M.H. / R.A.K. SUMÁRIO CAPÍTULO 1. EQUAÇÕES LINEARES ............................... . l.i". Corpos Comutativos .............. : ......................... . 1.2. Sistemas de Equações Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.3. Matrizes e Operações Elementares sobre Linhas...... . . . . . . . . . . 7 1.4. Matrizes Linha-Reduzidas à Forma: em Escada .. . . . . . . . . . . . . . . 1 4 1.5. Multiplicação de Matrizes ......................... , . . . . . . . . . . 20 1.6. Matrizes Inversíveis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 CAPÍTULO 2. ESPAÇOS VETORIAIS.................................. 3 5 2.1. Espaços Vetoriais. . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . .. . . . . . . . . 3 5 2.2 . . ·subespaços ........................... : .... · ................ .". 43 2.3. Bases e' Dimensão . . . . . . . . . . . .. . . . . . . . . . . . . . . . . ·. . . . . . . . . . . . . .. 50 2.4. Coordenadas.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 2.5. Resumo de Linha-equivalência .. _ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 2.6. Cálculos Concernentes a Subespaços. . . . . . . . . . . . . . . . . . . . . . . . . . 7 4 CAPÍTULO 3. TRANSFORMAÇÕES LINEARES....................... 85 3 .1. Transformações Lineares. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 3.2. A Álgebra das Transformações Lineares...... . . . . . . . . . . . . . . . . . 94 3.3 Isomorfismo ........................ : .............. : .......... 107 3.4. Representação de Transformações por Matrizes. . . . . . . . . . . . . . . . 109 3.5. Funcionais Lineares . . . . . . . • . . . . : . . . . . . . . . . . . . . . . . . . . . . . . . . . . · 1 23 3.6. O Bidual. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 6 3.7. A Transposta de uma Transformação Linear .................. : 14 2 CAPÍTULO 4. POLINÔMIOS ............ : . . . . . .. . . . . . . . . . . . . . . . . . . . . . . 148 4.1. Álgebras..................................................... 148 4.2. A Algebra dos Polinômios................................... 1 49 4.3. Interpolação de Lagrange .................. ·.... . . . . . . . . . . . . . . 1 5 7 4.4. Ideais de Polinômios ................................... : . . . . 1 6 1 4.5. A Decomposição de um Polinômio em Fatores Primos......... 170 CAPÍTULO 5. DETERMINANTES ....................... . .. ,.......... 178 �i".I. Anéis Comutativos . .............. . :........................ 178 5.2. Funções Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179 XII - SUMARIO 5.3. Permutações e a Unicidade dos Determinantes... . . . . . . . . . . . . . . 190 5.4. Propriedades Adicionais dos Determinantes.... . . . . . . . . . . . . . . . . 198 5.5. Módulos........ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208 5.6. Funções Multilineares........................................ 210 5.7. O Anel de Grassman........................................ 221 CAPÍTULO 6. FORMAS CANÔNICAS ELEMENTARES................ 2 32 6.1. Introdução. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 32 6.2. Valores Característicos....................................... 2 3 3 6:3. Polinômios Anuladores....... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 44 6.4. Subespaços Invariantes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 5 4 6.5. Triangulação Simultânea; Diagonalização Simultânea . . . . . . . . . . . 264 6.6. Decomposições em Soma Direta.............. . . . . . . . . . . . . . . . . 2 67 6. 7. Somas Diretas Invariantes..... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 3 6.8. O Teorema da Decomposição Primária.......... . . . . . . . . . . . . . . 280 CAPÍTULO 7. AS FORMAS RACIONAL E DE JORDAN.. . . . . . . . . . . . . 290 7.1. Subespaços Cíclicos e Anuladores............................. 290 7.2. Decomposições Cíclicas e a Forma Racional................... 2 9 5 7.3. A Forma d e Jordan........... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311 7.4. Cálculo dos Fatores Invariantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321 7.5. Resum.o; ·Operadores Semi-Simples............................ 3 3 5 CAPÍTULO 8. ESPAÇOS COM PRODUTO INTERNO............ . . . . . . 3 45 8.1. Produtos Internos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 45 8.2. Espaços com Produto Interno................................ 3 5 4 8.3. Funcionais Lineares e Adjuntos....... . . . . . . . . . . . . . . . . . . . . . . . . 371 8.4. Operadores Unitários.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 3 8.5. Operadores Normais... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 398 CAPÍTULO 9. ·OPERADORES SOBRE ESPAÇOS COM PRODUTO INTERNO.............................................. 40 6 9.1. Introdução.................................................. 40 6 9.2. Formas so . \:>�e. Espaços com Produto Interno................... 40 6 9.3. Formas Positivas.... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 3 9.4. Mais sobre Formas..... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 422 9.5. Teoria Espectral..... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 427 9.6. ,Outras Propriedades dos Operadores Normais.......... . . . . . . . . 444 CAPÍTULO 10. FORMAS BILINEARES................................ 457 10.1. Formas Bilineares........................................... 457 10.2. Formas Bilineares Simétricas ......................... '...... . . 468 10.3. Formas Bilineares Anti-Simétricas.... . . . . . . . . . . . . . . . . . . . . . . . . . 478 10.4. Grupos que Conservam Formas Bilineares.... . . . . . . . . . . . . . . . . . 48 3 APÊNDICE................................................ 491 A. l. Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 492 A.2. Funções.................................................... 49 3 A.3. Relações de Equivalência...... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 498 A.4. Espaços Quocientes.................... . . . . . . . . . . . . . . . . . . . . . . 501 SUMÁRIO - XIII A.5. Relações de Equivalência em Álgebra Linear. . . . . . . . . . . . . . . . . . 506 A.6. O Axioma da Escolha.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 508 BIBLIOGRAFIA............................................ 510 ÍNDICE.................................................... 511 1.1 Çorpos Comutativos Capítulo 1 EQUAÇÕES LINEARES Supomos que o leitor tenha familiaridade com a álgebra ele mentar dos· números reais e complexos. Para uma grande parte deste livro as propriedades algébricas dos números que usaremos podem ser facilmente deduzidas da pequena lista abaixo de pro priedades da adição e da multiplicação. Indicamos por F o con junto dos números reais ou o conjunto dos números complexos. \ . 1. A adição é comutativa, para todos x e y em F. 2. A adição é associativa, x + (y + z) = (x + y) + z para todos x, y e z em F. 3. Existe um único elemento O (zero) em F tal que x +O= x, para todo x em F. 4. A cada x em F corresponde um único elemento ( - x) em F tal que x + ( - x) = O. 5. A multiplicação é comutativa, xy = yx para todos x e y em F. 6. A multiplicação é associativa, x(yz) = (xy) z para todos x, y e z em F. 2 - ALGEBRA LINEAR 7. Existe um único elemento não-nulo 1 (um) em F tal que xl = x, para todo x em F. 8. A cada x não-nulo em F corresponde um único x -1 (ou 1/x) em F tal que xx-1 = 1. 9. A multiplicação é distributiva em relação à adição; isto é, x(y + z) = xy + xz, para todos x, y e z em F. Suponhamos que se tenha um conjunto F de objetos x, .l::j__Z, • • • e duas operações sobre os elementos de F como segue. A primeira operação, denominada adição, associa a cada par de elementos x, y em F um elemento (x + y) em F; a segunda operação, denominada multiplicação, associa a cada par x, y um elemento xy em F; e estas duas operações satisfazem as condições (1)-(9) acima. O conjunto F, munido destas duas operações, é então denominado um corpo comutativo*. A grosso modo, um corpo é um conjunto munido de algumas operações sobre seus objetos, as quais se comportam como a µ<lição, subtração, multiplicação e divisão usuais de nú meros no sentido de que elas obedecem às nove regras de álgebra acima relacionadas. Com as propriedades usuais da adição e multi plicação, o conjunto C dos números complexos é um corpo, como o é o conjunto R dos números reais. Na maior parte deste livro, os "números" que usamos podem ser os elementos de qualquer corpo F. Para permitir esta generali zação, usaremos a palavra "escalar" ao invés de "número':. O leitor não perderá muito se supuser sempre que o corpo de escalares seja um subcorpo do corpo dos números complexos. Um subcorpo do corpo C é um conjunto F de números complexos que é um corpo em relação às operações usuais de adição e multiplicação de nú meros complexos. Isto significa que O e 1 estão no conjunto F e que se x e y são elementos de F então (x + y), - x, xy e x-1 (se x #-O) também o são. Um exemplo de um subcorpo desta natureza é o corpo R dos números reais; de fato, se identificarmos os números reais com os números complexos (a+ ib) para os quais b = O, o O e o 1 do corpo complexo são números reais e, se -:X e y são reais, (x + y), - x, xy, e x-1 (se x #- O) també.m o são. Daremos outros (*) Neste livro, sempre teremos corpos comutativos, portanto abreviaremos a denominação escrevendo simplesmente corpos (N. do T.) EQUAÇÔES LINEARES - 3 exemplos abaixo. O objetivo de nossa discussão sobre subcorpos é essencialmente o seguinte: quando trabalhamos com escalares de um certo subcorpo de C, a realização das operações de adição, subtração, multiplicação ou divisão sobre estes escalares não nos tira daquele subcorpo. Exemplo 1. O conjunto dos inteiros positivos: 1, 2, 3, ... , não é um subcorpo de C, por diversas razões. Por exemplo, O não é um inteiro positivo; para qualquer inteiro positivo n; - n não é um inteiro positivo; para qualquer inteiro n, exceto 1, 1/n não é um inteiro positivo. Exemplo 2. O conjunto dos inteiros: ... , -2, -1, O, 1, 2, ... , não é um subcorpo de C, pois para um inteiro n, 1/n não é um inteiro a menos que n seja 1 ou - 1. Com as operações usuais de adição e multiplicação, o conjunto dos inteiros satisfaz todas as condições (1)-(9) com exceção da condição (8). Exemplo 3. O conjunto dos números racionais, isto é, núme ros da forma p/q, onde p e q são inteiros e q =F O, é um subcorpo do corpo dos números complexos. A divisão, que não é possível dentro do conjunto dos inteiros, pode ser feita dentro do conjunto dos números racionais. O leitor interessado deve verificar que qualquer subcorpo de C contém todos os números racionais. Exemplo 4. O conjunto de todos os números complexos da forma x + y J2, onde x e y são racionais, é um subcorpo de C. Deixamos a cargo do leitor a verificação deste fato. Nos exemplos e exercícios deste livro, o leitor deve supor que o corpo em questão é um subcorpo dos números complexos, a não ser que seja explicitamente declarado que o corpo é mais geral. Não queremos nos estender sobre esse ponto mas, devemos indi car por que adotamos tal convenção. Se F é um corpo, pode ser possível adicionar um número finito de parcelas iguais à unidade 1 e obter O (veja o exercício 5 após a seção 1.2): 1+1 + ... + 1 =o. Isto não acontece no corpo dos números complexos (ou em qual quer de seus subcorpos). Quando este fato acontecer em F, o menor n, tal que a soma de n l's é O, é chamado característica do 4 -. ALÓEBRA LINEAR corpo F. Se este fato não acontecer em F, então (por alguma estranha razão) F se diz um corpo de característica zero. Freqüen temente quando supomos que F é um subcorpo de C, queremos é garantir que F seja um corpo de característica zero; mas, num primeiro contato com álgebra linear, é melhor, em geral, não nos preocuparmos muito com a característica de corpos. 1.2 Sistemas de Equações Lineares Suponhamos que F seja um corpo. Consideremos o problema da determinação de n escalares (elementos de F) xi> ... , xn que satisfaçam as condições (1-1) Â11X1 + Â12X2 + ... + A1nXn = Y1 Â21X1 + Â22X2 + · · · + A2nXn = Y2 Aml X1 + Am2X2 + · · · + AmnXn = Ym onde y , , ... , Ym e Aii' 1 � i � m, 1 �j � n, .são elementos dados de F. Denominamos (1-1) um sistema de m equações lineares a n incógnitas. Toda n- upla ( (x 1, • • • , xn) de elementos de F que satis� faz a cada uma das equações em (1-1) é dita uma solução do sis tema. Se y1 = y2 = . . . = Ym = O, dizemos que o sistema é homo gêneo, ou que cada uma ·das equações é homogênea. O método mais importante para determinar as soluções de um sistema de equações lineares é talvez o método de eliminaÇão. Podemos ilustrar este método com o sistema homogêneo 2x1 - x2 + x3 = Ü x1 + 3x2 + 4x3 = O. Somando ( - 2) vezes a segunda equação à primeira equação obtemos ou x2 = ..,. x3. Somando 3 vezes a primeira equação à segunda equação, obtemos ou x1 = - x3. Assim, concluímos que se (x1, x2, x3) é uma solução então x1 = x2 = - x3. Reciprocamente, pode-se verificar pronta- ÉQUAÇÔES LINEARES - 5 mente que toda terna deste tipo é uma solução. Assim, o conjunto de soluções consiste de todas as ternas (-a, -a, a) .. Determinamos as soluções deste sistema de equações "elimi nando incógnitas", isto é, multiplicando equações por escalares e daí somando-as para obter equações em que alguns dos xj não estejam presentes. Queremos formalizar ligeiramente este processo para que possamos compreender por que ele funciona e para que possamos efetuar os cálculos necessários para resolvermos um sistema de uma maneira organizada. Para o sistema arbitrário (1-1), suponhamos selecionar m esca lares, multiplicar a j-ésima equação por c.1 e daí somar. Obtemos a equação (c1A11 + . . . + cmAml) X1 + ... + (c1A1n + .. . + cmAmn) xn = = C1Y1 + ··· + CmYm· Tal equa.ção será por nós denominada uma combinação linear das. equações em (1-1). Evidentemente, toda solução do sistema de equações (1-1) também será uma solução desta nova equação. Esta é a idéia fundamental do processo de eliminação. Se temos outro sistema de equações lineares (1-2) no qual cada uma das k equações é uma combinação linear das equações em (1-1), então toda solução de (1-1) é uma solução deste novo sistema. É claro que pode acontecer que algumas soluções de (1-2) não sejam soluções de (1-1). Isto obviamente não acontece se cada equação do sistema original é uma combinação linear das equações do novo sistema. Diremos que dois sistemas de equações lineares. são equivalentes se· cada equação de cada sistema for uma combinação linear das equações do outro sistema. Podemos então enunciar formalmente nossas observações como segue. Teorema 1. Sistemas equivalentes de equações lineares têm exa tamente as mesmas soluções. Para o processo de eliminação ser eficiente na determinação das soluções de um sistema como (1-1), é necessário que se saiba, 6 - ALGEBRA LINEAR formando combinações lineares das equações dadas, como pro duzir um sistema equivalente de equações que seja mais fácil de resolveu Na próxima seção discutiremos um método para con seguir isto. Exercícios 1. Verificar que o conjunto de números complexos descrito no Exemplo 4 é um subcorpo de e. 2. Seja F o corpo dos números complexos. Os dois seguintes sistemas de equa ções lineares são equivalentes? Em caso afirmativo, exprimir cada equação de cada sistema como uma combinação linear das equações do outro sistema. X1 - X2 = 0 2x1 + X2 = 0 3x1 + X2 = 0 X1 + X2 = 0 3. Repetir o Exercício 2 para os seguintes sistemas de equações: -X1 + X2 + 4x3 = 0 x1 + 3x2 + 8x3 =O !x' + X2 + !x3 = O 4. Repetir o Exercício 2 para os sistemas seguintes: 5. Seja F um conjunto que contém exatamente dois elementos, O e 1. Definamos uma adição e uma multiplicação pelas tábuas: + o o o 1 1 1 o � o o o 1 . Verificar que o conjunto F, munido destas duas operações, é um corpo. 6. Demonstrar que se dois sistemas homogêneos de equações lineares a duas incógnitas têm as mesmas soluções, então eles são equivalentes. 7. Demonstrar que todo subcorpo do corpo dos números complexos contém todos os números racionais. 8. Demonstrar que todo corpo de característica zero contém uma cópia do corpo dos números racionais. EQUAÇÔES LINEARES - 7 1.3 Matrizes e Operações Elementares sobre Linhas Não podemos deixar de observar que, ao formarmos combi nações lineares de equações lineares, não há necessidade de conti nuarmos escrevendo as "incógnitas" xl' . . . , x., uma vez que, na realidade, fazemos cálculos ap�nas com os coeficientes A;1 e os escalares Y;· Abreviaremos o sistema (1-Í) por AX = Y onde Denominamos A a matriz dos coeficientes do sistema. Rigo rosamente falando, a tabela retangular acima exibida não é uma matriz, mas sim uma representação de uma matriz. Uma m X n matriz sobre o corpo F é umà função A do conjunto dos pares de inteiros (i, j), 1 :::;; i :::;; m, 1 :::;;j:::;; n, no corpo F. Os elementos da matriz A são os escalares A(i,j) = A;1 e, com bastante freqüência, o mais conveniente é descrever a matriz exibindo seus elementos numa tabela retangular com m linhas e n colunas, como acima. Assim X (acima) é, ou define uma n x 1 matriz e Y é uma m x 1 matriz. Por ora, AX = Y nada mais é. que uma notação taqui gráfica para o nosso sistema de equações lineares. Posteriormente, quando houvermos definido uma multiplicação de matrizes, aquilo significará que Y é o produto de A por X. Queremos agora considerar operações sobre linhas da matriz A que correspondam a formar combinações lineares das equações do sistema AX = Y. Restringiremos nossa atenção a três operações elementares sobre as linhas de uma m x n matriz A sobre o corpo F: 1. multiplicação de uma linha de A por um escalar e não-nulo; 2. substituição da r-ésima linha de A pela linha r mais e vezes a linha s, sendo e um escalar arbitrário e r # s; 3. transposição de duas linhas de A. 8 -'- ALGEBRA LINEAR Uma operação elementar sobre linhas é assim um tipo particular de função (regra) e que associa a cada m x n matriz A uma m x n matriz e (A). Pode-se descrever e com precisão nos três casos acima como segue: 1. e(A);j = Aij se i # r, e(A),i = cA,r 2. e(A)ij = Aij se i # r, e(A),i = A,i + cA,r 3. e(A)ij = A;, se i é diferente de r e de s, e(A),i = A•i' e(A),i = A,r Ao definirmos e(A) não importa muito o número de colunas de A, mas o número de linhas de A é crucial. Por exemplo, deve-se tomar cuidado ao decidir o que significa trocar as linhas 5 e 6 de uma 5 x 5 matriz. Para evitar tais complicações, convencionaremos que uma operação elementar e sobre as linhas é definida sobre a classe das m x n matrizes sobre F, para um certo m fixo mas para n arbi trário. Em outras palavras, um e particular é definido sobre a classe das matrizes com m linhas sobre F. Uma razão para nos restringirmos a estes três tipos simples de operações sobre linhas é que, tendo efetuado um.a tal operação e sobre uma matriz A, podemos voltar a A efetuando uma operação do mesmo tipo sobre e(A). Teorema 2. A cada operação elementar sobre linhas e corres ponde uma operação elementar sobre linhas e tal que, do mesmo tipo que e, e1 (e(A)) = e(e1(A)) =A para qualquer A. Em outras palavras, a operação U'unção) inversa de uma operação elementar sobre linhas' existe e é uma operação elementar sobre linhas do mesmo tipo. Demonstração. (1) Suponhamos que e seja a operação que mul tiplica a r-ésima linha de uma matriz pelo escalar não-nulo e. Seja e1 a operação que multiplica a linha r por c 1 • (2) Suponhamos que e seja a operação que substitui a linha r pela linha -r mais e vezes a linhas, r # s. Seja e1 a operação que substitui a linha r pela linha r mais ( - e) vezes a linha s. (3) Se e transpõe as linhas r e s, seja e 1 = e. Em cada um destes três casos temos evidentemente e1(e(A)) = e(e1(A)) =A para cada A. Definição. Se A e B são m x n matrizes sobre o corpo F, dizemos que B é linha-equivalente a A se B pode ser obtida de A por uma seqüência finita de operaçães. elementares sobre linhas. EQUAÇÔES LINEARES - 9 Usando o Teorema 2, o leitor deverá achar fácil verificar o que segue. Toda matriz é linha-equivalente a si mesma; se B é linha-equivalente a A, então, A é linha-equivalente a B; se B é linha equivalente a A e C é linha-equivalente a B, então C é linha-equi valente a A. Em outras palavras, a linha-equivalência é uma relação de equivalência (ver Apêndice). Teorema 3. Se A e B são m x n matrizes linha-equivalentes, os sistemas homogêneos de equações lineares AX = O e BX = O têm exatamente as mesmas soluções. Demonstração. Suponhamos passar de A para B por meio de uma seqüência finita de operações elementares sobre linhas: A = A0 --> A2 --> ... --> Ak = B. Basta demonstrar que os sistemas AjX =O e Aj+1X =O têm as mesmas soluções, isto é, que uma operação elementar sobre linhas não altera o conjunto das soluções. Assim, suponhamos que B seja obtida de A por uma única operação elementar sobre linhas. Qualquer que seja o tipo da ope ração, (1), (2) ou (3), cada equação dos sistemas BX =O será uma combinação linear das equações do sistema AX =O. Como a in versa de uma operação elementar sobre linhas é uma operação elementar sobre linhas, cada equação em AX =O também será uma combinação línear das equações em BX =O. Logo estes dois sis temas são equivalentes e, pelo Teorema 1, têm as mesmas soluções. Exemplo 5. Suponhamos que F seja o corpo dos números racionais e que -1 4 6 Efetuaremos uma seqüência finita de operações elementares sobre as linhas de A, indicando por números entre parênteses o tipo de operação efetuada. -1 4 6 � - �] -8 r� -1 5 l 2 -9 3 4 o 6 -1 10 - ALGEBRA LINEAR [! -9 3 - �] Ql [! 4 o -2 -1 [! -9 3 'i] m [! o -2 1 !. 2 [! o 1 -;�] m [! o -2 1 !. 2 l! o 1 o o 1 o -9 4 1 o o 1 o o 1 - 'i� !.1 3 5 -3 3 o l 2 ..Ll. 2 2 !. 2 1 o !. 2 = i]m "] -,{ Ql "] - 137 (2) 3 -- ]_ 2 A linha-equivalência de A com a matriz final na seqüência acima nos diz em particular que as soluções de e 2x1 - x2 + 3x.i + 2x4 = O x1 + 4x2 - x4 = O 2x1 + 6x2 - x3 + 5x4 = O X3 - \1 X4 = Ü X1 + \7 X4 = Ü X2 - � x4 = Ü são exatamente as mesmas. No segundo sistema é evidente que atribuindo um valor racional arbitrário e a x4, obtemos uma solu ção ( -137 e, �e, \1 e, e), e também que toda solução é desta forma. Exemplo 6. Suponhamos que F seja o corpo dos· números complexos e que [- 1 i ] À= -i 3 . . . 1 2 EOUAÇÔES LINEARES - 11 Ao efetuarmos operações sobre linhas freqüentemente convém com binar várias operações do tipo (2). Com isto em mente [.-� -z 1 Assim o sistema de equações - X1 + ix2 = Ü -ix1 + 3x2 = O ix1 + 2x2 = O possui apenas a solução trivial x1 = x2 = O. Nos Exemplos 5 e 6 é óbvio que não efetuamos operações sobre linhas ao acaso. Nossa escolha de operações sobre linhas foi motivada por um desejo de simplificar a matriz dos coeficientes de uma maneira análoga à "eliminação de incógnitas" no sistema de equações lineares. Coloquemos agora uma definição formal do tipo da matriz à qual estávamos tentando chegar. Definição. Uma m x n matriz R é dita linha-reduzida se: (a) o primeiro elemento não-nulo em cada linha não-nula de R é igual a 1; (b) cada coluna de R que contém o primeiro elemento não-nulo de alguma linha tem todos os seus outros elementos nulos. Exemplo 7. Um exemplo de uma matriz linha-reduzida é a n X n matriz (quadrada) unidade J. Esta é a n x n matriz definida por {1, se i=j Iii = ôii = O, se i # j. Esta é a primeira de muitas ocasiões em que usaremos o símbolo de Kronecker (ô). ' Nos Exemplos 5 e 6, as matrizes finais nas seqüências apre sentadas são matrizes linha-reduzidas. Dois exemplos' de matrizes que não são linha-reduzidas são: 12 - ALGEBRA LINEAR [1. o o 1 o o -� �] [� � - �] . 1 o o o o A segunda matriz não satisfaz a condição (a) porque o primeiro elemento não-nulo da primeira linha não é 1. A primeira matriz satisfaz a condição (a) mas não satisfaz a condição (b) na coluna 3. Demonstraremos agora que podemos passar de uma matriz arbitrária a uma matriz linha-reduzida por meio de um número finito de operações elementares sobre linhas. Combinado com o Teorema 3, isto nos fornecerá um instrumento eficiente pa�a a resolução de sistemas de equações lineares. Teorema 4. Toda m x n matriz sobre o corpo F é linha-equi valente a uma matriz linha-reduzida. Demonstração. Seja A uma m x n matriz sobre F. Se todo elemento na primeira linha de A é O, então a condição (a) está satisfeita no que diz respeito à linha l. Se a linha 1 tem um elemento não-nulo, seja k o menor inteiro positivo j para o qual A1j ::/=O. Multipliquemos a linha 1 por A�/ e então a condição (a) está satisfeita em relação à linha l. Agora, para cada i ;;:::: 2, some mos ( - Aik) vezes a linha 1 à linha i. Agora o primeiro elemento não-nulo da linha 1 ocorre na coluna k, este elemento é 1, e todos os outros elementos na coluna k são nulos. Consideremos agora a matriz que resultou das operações acima. Se todo elemento na linha 2 é nulo, nada fazemos à linha 2. Se algum elemento na linha 2 é diferente de O, multiplicamos a linha 2 por um escalar de modo que o primeiro elemento não-nulo seja 1. No caso em que a linha 1 tenha um primeiro elemento não nulo; na coluna k, este primeiro elemento não-nulo na linha 2 não pode ocorrer na coluna k; digamos que ele aparece na coluna k' ::/= k. Somando múltiplos adequados da linha 2 às diversas linhas, podemos fazer com que todos os elementos na coluna k' sejam nulos, com exceção do 1 na linha 2. O fato importante a ser notado é este: ao efetuarmos estas últimas operações, não alteramos os elementos da linha 1 nas colunas 1, ... , k; além disso, não altera mos nenhum elemento da· coluna k. É claro que, se a linha 1 fosse identicamente nula, as operações com a linha 2 não afetariam a linha l. EQUAÇÕES LINEARES - 13 Trabalhando com uma linha de cada vez da maneira acima, é evidente que, com um número finito de passos, chegaremos a uma matriz linha-reduzida. Exercícios 1. Determinar todas as soluções do sistema de equações 2. Se (1 - i) X1 - ix2 = 0 2x1 + (l - i)x2 =O. determinar todas as soluções de AX =O, tornando A linha-reduzida. 3. Se A= [ : -1 -4 º] -2 o o 3 determinar todas as soluções de A.X = 2X e todas as soluções de AX = 3X. (O símbolo cX indica a matriz cujos elementos são e vezes os elementos correspondentes de X.) 4. Encontrar uma matriz linha-reduzida que seja linha-equivalente a -(1 + i) -2 2i �]· -1 5. Demonstrar que as duas matrizes seguintes não são linha-equivalentes: [� ·-! �] [-� � -!] 6. Seja A=[: �] uma 2 x 2 matriz com elementos complexos. Suponhamos que A seja linha reduzida e também que a + b + e + d = O. Demonstrar que existem exata mente três destas matrizes. 14 - ALGEBRA LINEAR 7. Demonstrar que a transposição de duas linhas de uma matriz pode ser conse guida por uma seqüência finita de operações elementares sobre linhas dos outros dois tipos. 8. Consideremos o sistema de equações AX = O onde é uma 2 x 2 matriz sobre o corpo F. Demonstrar o que segue. (a) Se todo elemento de A é nulo, então todo par (x,, x2) é uma solução de AX =O. (b) Se ad - bc � O, o sistema AX = O possui apenas a solução trivial X1 = X2 = Ü. (e) Se ad - bc =O e algum elemento de A é diferente de O, então existe uma solução (x�, x�) tal que (x 1' x2) é uma· solução se, e somente se, existe um escalar y tal que x1 = yx�, x2 = yxg. 1.4 Matrizes Linha-reduzidas à Forma em Escada Até agora, nosso trabalho com sistemas de equações lineares foi motivado por uma tentativa de determinar as soluções de um tal sistema. Na Seção 1.3 estabelecemos um método padronizado para determinar estas soluções. Desejamos agora obter algum conhecimento que seja um pouco mais teórico, e para tal propósito é conveniente ir um pouco além de matrizes linha-reduzidas. Definição. Uma m x n matriz R é dita uma matriz linha-redu zida à forma em escada se (a) R é linha-reduzida; (b) toda linha de R cujos elementos são todos nulos ocorre abaixo de todas as linhas que possuem um elemento não-nulo; ( c) se as linhas 1, . . . , r são as linhas não-nulas de R 'e se o pri meiro elemento não-nulo da linha i ocorre na coluna k;, i = 1, ... , r, .então k1 < k2 < . . . < k,. Pode-se também descrever uma m x n matriz R linha-reduzida à forma em escada como segue. Todo elemento em R é nulo ou então existe um inteiro positivo r, 1 :::;; r:::;; m, e r inteirosº positivos kl' ... , k, com 1 :::;; k;:::;; n e (a) Rii =O para i > r, e Rii =O se j < k;. (b) Riki =Ô;;• 1 :::;; i:::;; r, 1 :::;;j:::;; r. (c) k1 < ... <k,. EQUAÇÔES LINEARES - 15 Exemplo 8. Dois exemplos de matrizes linha-reduzidas à forma em escada são n x n matriz unidade e a m x n matriz nula om·", na qual todos os elementos são nulos. O leitor não deverá encontrar nenhuma dificuldade para encontrar outros exemplos, mas gosta ríamos de dar mais um exemplo não-trivial: [o 1 o o o o -� � �]· . o o o Teorema 5. Toda m x n matriz A é linha-equivalente a uma matriz linha-reduzida à forma em escada. Demonstração. Sabemos que A é linha-equivalente a uma matriz linha-feduzida. Portanto, basta observar que, efetuando um número finito de permutações das linhas de uma matriz linha reduzida, podemos transformá-la numa matriz linha-reduzida à forma em escada. Nos Exemplos 5 e 6, vimos a importância de matrizes linha reduzidas na solução, de sistemas homogêneos de equações lineares. Discutamos rapidamente o sistema RX = O, no caso em que R é uma matriz linha-reduzida à forma em escada. Sejam as linhas 1, ... , r as linhas não-nulas de R e suponhamos que o primeiro elemento não-nulo da linha i ocorra na coluna ki. O sistema RX =O consiste então de r equações não-triviais. Além disso, a incógnita xki aparecerá (com coeficiente não-nulo) apenas na i-ésima equação. Se indicarmos por u1, .. ., un-r as. (n -r) incógnitas que são diferentes de xk1, .. ., xk,• então as r equações não-triviais em RX = O são da forma (1-3) n-r xk1 + L Ctpj = O .i= 1 n-r xk + " C .u = O. r _L.i YJ J j=l Todas as soluções dos sistemas de equações RX = O são obtidas atribuindo-se valores arbitrários a ul' . . ., un-r e calculando os va lores correspondentes de xk1, ... , xk, por meio de (1-3). Por exem- 16 - ALGEBRA LINEAR pio, se R é a matriz do exemplo 8 acima, então r = 2, k1 = 2, k2 = 4, e as duas equações não-triviais do sistema RX =O são x2 - 3x3 + !x5 = O ou x4 + 2x5 = O ou Xz = 3x3 - !xs X4 = 2x5• Assim, podemos atribuir valores arbitrários a x1, x3 e x5, digamos x1 =a, x3 = b, x5 =e, e obter a solução (a,3b - !e, b, - 2c, e). Observemos mais um fato sobre o sistema de equações RX =0. Se o número r de linhas não-nulas de R é menor que n, então o sistema RX =O admite uma solução não-trivial, isto é, uma solução (x1, . .. , x,,) em que nem todo xj é nulo. De fato, como r < n, podemos tomar algum xj que não esteja entre as r incógnitas xk,, ... , xk, e daí construir uma solução como acima na qual este xj é 1. Esta observação nos leva a um dos conceitos mais funda mentais relativos a sistemas de equações lineares homogêneas. Teorema 6. Se A é uma m x n matriz e m :f. n, então o sistema homogêneo de equações lineares AX =O admite uma solução não trivial. Demonstração. Seja R uma matriz linha-reduzida à forma em escada que seja linha-equivalente a A. Então os sistemas AX = O e RX = O possuem, pelo Teorema 3, as mesmas soluções. Se r é o número de linhas não-nulas em R, então certamente r � m e como m < n, temos r < n. Decorre imediatamente de nossas observações ac�ma que AX =O admite uma solução não-trivial. r Teorema 7. Se A é uma n x n matriz (quadrada), então A é linha equivalente a n x n matriz unidade se, e somente se, o sistema de equações AX = O possuir apenas a solução trivial. Demonstração. Se A é linha-equivalente a J, então AX = O e IX = O têm as mesmas soluções. Reciprocamente, suponhamos que AX = O admita somente a solução trivial X = O. Seja R uma n x n matriz linha-reduzida à forma em escada que seja linha-equivalente a A, e seja r o número de linhas não nulas de R. Então RX = O não admite solução não-trivial. Assim, r 2 n. Mas como R possui n linhas, certamente r � n e temos r = n. Como isto significa que R possui na verdade um primeiro elemento não-nulo igual a 1 em cada uma de suas n linhas e como estes 1 ocorrem cada um numa das n colunas, R é, necessariamente, a n x n matriz unidade. EQUAÇÔES LINEARES - 17 Perguntemos agora que operações elementares sobre linhas efe tuar para resolver um sistema de equações lineares AX = Y que não seja homogêneo. De início, devemos observar uma diferença básica entre este caso e o caso homogêneo, a saber, que enquanto o sistema homogêneo sempre admite a solução trivial x1 = . .. = = x" = O, um sistema não-homogêneo pode não ter nenhuma solução. Formemos a matriz completa A' do sistema AX = Y. Esta é a m x (n + 1) matriz cujas n primeiras colunas são as colunas de A e cuja última coluna é Y. Mais precisamente A;1 = AiJ' se j � n A;<n+1> = Y; Suponhamos que efetuemos uma seqüência de operações elemen tares sobre as linhas de A, obtendo uma matriz R linha-reduzida à forma em escada. Se efetuarmos esta mesma seqüência de opera ções sobre a matriz completa A', obteremos uma matriz R' cujas n primeiras colunas são as colurias de R e cuja última coluna contém certos escalares z 1, ... , zm. Os escalares z; são os elementos da m x 1 matriz que resulta de se aplicar a seqüência de operações sobre as linhas da matriz Y. Deve ser evidente ao leitor que, como na demons tração do Teorema 3, os sistemas AX = Y e RX = Z são equiva lentes e portanto admitem as mesmas soluções. É bem fácil saber se o sistema RX = Z possui soluções e em caso afirmativo deter minar todas as soluções. De fato, se R possuir r linhas não-nulas, com o primeiro elemento não-nulo da linha i ocorrendo na co luna k;, i = 1, ... , r, então as r primeiras equações de RX = Z expri mem realmente xk·' . . . ,xk em termos dos (n-r)x restantes e dos escalares zl' . . ., :,. As (� - r) últimas equações �ão O = z,+ 1 18 - ALGEBRA LINEAR portanto a condição para o sistema ter uma solução é que z; = O para i > r. Se esta condição é satisfeita, todas as soluções deste sistema podem ser determinadas, como no caso homogêneo, atri buindo-se valores arbitrários a (n - r) dos x.1 e daí calculando xk; por meio da i-ésima equação. Exemplo 9. Seja F o corpo dos números racionais e -2 1 5 e suponhamos que se deseje resolver o sistéma AX = Y para certos y1, y2 e y3• Efetuemos uma seqüência de operações sobre as linhas da matriz completa A' que torne A linha-reduzida: rn -2 1 1 1 5 -1 Y,] [1 Y2 _@ O y3 O [� [8 [1 o o -2 5 5 -2 5 o -2 1 o o 1 o 1 y, ] -1 (Y2 - 2y1) _@ -1 Y3 1 Y, ] -1 (Y2 - 2y1) Ql o (y3 - Y2 + 2y1). 1 y, ] 1 HY2 - 2yl) Ql -õ (Y3 - Y2 + 2y1) d_ t(y, + 2y,). ] 5 1 i(Y2 - 2y1) . -5 o (y3 - Y2 + 2y1) A condição para que o sistema AX = Y tenha uma solução é por tanto e se os escalares y. dados satisfazem esta condição, todas as solu ções são obtidas atribuindo-se um valor e a x3 e depois calculando X1 = te + t(y1 + 2y2) Xz = te + HY2 - 2y1). EQUAÇÔES LINEARES - 19 Façamos uma observação final sobre o sistema AX = Y. Supo nhamos que os elementos da matriz A e os escalares y1, ... , Ym estejam num subcorpo F 1 do corpo F. Se o sistema de equações AX = Y admite uma solução com xl' . . . , x,, em F, ele admite uma solução com x 1' . . . , x,, em F 1. De fato, sobre qualquer um dos dois corpos, a condição para o sistema admitir uma solução é que valham certas relações entre yl' . . . , Ym em F1 (a saber, as relações Z; =O para i > r, acima). Por exemplo, se AX = Y é um sistema de e4uac;ôes lineares no qual os escalares yk e A,i são números reais e, se existe uma solução na qual x 1, • . . , x,, são nú meros complexos, então existe uma solução com xl' .. . , x,, núme ros reais . . Exercicios 1. Determinar todas as soluções do seguinte sistema de equações linha-reduzindo a matriz dos coeficientes: tx1 + 2x2 - 6x3 = O -4x1 + 5x3 = O -3x1 + 6x2 - 13x3 = O -1x1 + 2x2 - �x3 = O 2. Determinar uma matriz linha-reduzida à forma em escada que seja equiva lente a [1 - i ] A= 2 2 · i 1 + i Quais são as soluções de AX = O? 3. Descrever explicitamente todas as 2 x 2 matrizes linha-reduzidas à forma em escada. 4. Consideremos o sistema de equações X1 - X2 + 2x3 = 1 2x1 + 2x3 = 1 x1 - 3xi + 4x3 = 2. Este sistema admite solução? Em caso afirmativo, descrever 'explicitamente todas as soluções. • 5. Dar um exemplo de um sistema de duas equações lineares a duas incógnitas que não admite solução. 20 - ÁLGEBRA LINEAR 6. Mostrar que o sistema não admite solução. x1 - 2x2 + x3 + 2x4 = l X1 + X2 - X3 + x4 = 2 x1 + 7x2 - 5x3 - x4 = 3 7. Determinar todas as soluções de 8. Seja 2x1 - 3x2 - 7x3 + 5x4 + 2x5 = -2 x1 - 2x2 - 4x" + 3x4 + x 5 = -2 2x1 - 4x3 + 2x4 + x5 = 3 x1 - 5x2 - 7x3 + 6x4 + 2x5 = -7. Para que ternas (yl'y,,y3) o sistema AX = Y admite solução? 9. Seja [ 3 -6 2 -1] A= -2 4 l 3 . o o l l l - 2 l o Para que (yl' y,, y3, y4) o sistema de equações AX = Y admite solução? 10. Suponhamos que R e R', sejam 2 x 3 matrizes linha·reduzidas à forma em escada e que os sistemas RX = O e R' X = O admitam as mesmas soluções. Demonstrar que R = R'. 1.5 Multiplicação de Matrizes É evidente (ou, de qualquer modo, deveria ser) que o processo de formar combinações lineares das linhas de uma matriz é um processo fundamental. Por esta razão é vantajoso introduzir um esquema sistemático para indicar exatamente que operações devem ser efetuadas. Mais especificamente, suponhamos que B seja uma n x p matriz sobre um corpo F com linhas {31, . . • , {30 e que a partir de B construamos uma matriz C com linhas y 1, • • • , y m formando certas combinações lineares ( 1-4) EQUAÇÔES LINEARES - 21 As linhas de C são determinadas pelos mn escalares A;; que são os elementos de uma m x n matriz A. Se (1-4) é desenvolvido como n ( ci1 · · · cip) = I (A;,.B,1 ... A;,B,p) r= 1 vemos que os elementos de C são dados por li cij = L A;,.B,r r=1 Definição. Seja A uma m x n 111a1riz sobre o corpo F e seja B uma n x p matriz sobre F. O produto AB é a m x p mairiz C cujo elemento ij e n cij == I A;,B,r r= 1 Exemplo 10. Eis alguns produtos de matrizes com elementos racionais. Neste caso Y1 = (5 -1 2) = 1 . (5 -1 2) + o . (15 4 8) Yz =(O 7 2)= -3(5 -12)+1. (15 4 8) (b) Neste caso (c) [1� 6 _:] [-� �J 12 [� 6 _;J 62 -3 8 8 -2 Y2 = ( 9 12 -8) = -2 (O 6 1) + 3 (3 8 -2) Y3 =(12 62 -3)= 5(0 6 1)+4(3 8 -2) 22 - ALGEBRA LINEAR (d) Neste caso 1'2 = (6 12) = 3 (2 4) (e) [2 4] [-;J = [10] (f ) rn 1 �] D -5 1] rn 3 �] o 3 o o -1 o (g) [� -5 �][g 1 g] rn 1 �] 3 o 2 -1 o 9 É importante observar que o produto de duas matrizes pode não estar definido; o produto é definido se, e somente se, o número de colunas da primeira matriz coincide com o número de linhas da segunda matriz. Assim, não faz sentido trocar a ordem dos fatores em (a), (b) e (c) acima. Freqüentemente escreveremos produtos como AB sem mencionar explicitamente as dimensões dos fatores e, em tais casos, estará subentendido que o produto está definido. De (d), (e), (f), (g) vemos que mesmo quando ambos os produtos AB e BA estão definidos não é necessariamente ver dade que AB = BA; em outras palavras a multiplicação de ma trizes não é comutativa. Exemplo 11. (a) Se 1 é a m X m matriz unidade e A é uma m X n matriz, IA=A. (b) Se I é a n x n matriz unidade e A é uma m x n matriz, AI= A. ( c) Se <f·m é a k x m matriz nula, 01'·11 = <f·m A. Analogamente, AO"·P = om·P. Exemplo 12. Seja A uma m X n matriz sobre F. Nossa notação taquigráfica anterior, AX = Y, para sistemas de equações lineares, é coerente com nossa definição de produtos de matrizes. De fato, se EQUAÇÔES LINEARES - 23 X= com xi em F, então AX é a m x 1 matriz Y= Y,,. tal que yi = Ai1x1 + Ai2x2 + ... + Ainxn. O uso de matrizes-coluna sugere uma notação que freqüen temente é útil. Se B for uma n x p matriz, as colunas de B são as l . . x n matrizes B�, ... , BP definidas por 11;•.;:L. A matriz B é a sucessão destas colunas: B = [Bl' ... ,B P]. O elemento i, j da matriz produto AB é formado a partir da i-ésima linha de A e a j-ésima coluna de B. O leitor deve verificar que a j-ésima coluna de AB é ABJ: AB = [ABl' ... , ABP]. A despeito do fato de que um produto de matrizes depende da ordem em que os fatores são escritos, ele é independente da maneira pela qual elas são associadas, como o próximo teorema mostra. 24 - ÁLGEBRA LINEAR Teorema 8. Se A, B, C são matrizes sobre o corpo F tais que os produtos BC e A(BC) são definidos, então estão definidos os pro dutos AB, (AB)C e A(BC) = (AB)C. Demonstração. Suponhamos que B seja uma n x p matriz. Como BC está definida, C é uma matriz com p linhas e BC tem n linhas. Como A(BC) está definido podemos supor que A é uma m x n matriz. Assim, o produto AB existe e é uma m x p matriz, do que segue que o produto (AB)C existe. Mostrar que A(BC) = = (AB) C significa mostrar que para cada i, j. Por definição, [A (BC)];j = L A;.(BC),., r r S = L L Ai,BrsC.rj s r = � ( � Ai,Brs) Csi = L (AB)isCsj s = [(AB) C];r Quando A é uma n x m matriz (quadrada), o produto AA está definido. Indicaremos esta matriz por A 2• Pelo Teorema 8, (AA) A = A(AA) ou A2A = AA2, de modo que o produto AAA está definido sem ambigüidade. Indicaremos este produto por A 3. Em geral, o produto AA ... A (k vezes) está definido sem ambigüidade e indicaremos este produto por Ak. Notemos que a relação A(BC) = (AB)C implica, entre outras coisas, que combinações lineares de combinações lineares das linhas de C são novamente combinações 'lineares das linhas de C. EQUAÇÔES LINEARES - 25 Se B é uma dada matriz e C é obtida de B por. meio de uma operação elementar sobre linhas, então cada linha de C é uma combinação linear das linhas de B, logo existe uma matriz A tal que AB = C. Em geral, existem muitas dessas matrizes A e, dentre elas todas, é conveniente e possível escolher uma que tenha um número de propriedades especiais. Antes de passar a isto preci samos introduzir urna classe de matrizes. Definição. Uma rn x rn matriz é dita uma matriz elementar se ela pode ser obtida da rn x m matriz unidade por meio de uma única operação elementar sobre linhas. Exemplo 13. Uma 2 x 2 matriz elementar é necessariamente uma das seguintes: [1 e ] [1 º] O 1 ' e 1 [� �l e # O, [� �l e # O. Teorema 9. Seja e uma operação elementar sobre linhas e seja E a m x m matriz elementar E= e(I). Então, para toda m x n matriz A, e(A) = EA. Demonstração. O ponto-chave da demonstração é que o elemento da í-ésima linha e j-ésima coluna da matriz produto EA é obtido da i-ésirna linha de E e da j-ésirna coluna de A . . Os três tipos de operações elementares sobre linhas devem ser tratados separadamente. Daremos uma demonstração detalhada para uma operação do tipo (2). Os outros dois casos são de tratamento ainda mais simples que este, e serão deixados como exercícios. Suponhamos r # s e seja e a operação "substituição da linha r pela linha r mais e vezes a linha s". Então, Portanto, E - {ôik• i # r ik - ô,k + cô,.k• i = r. 26 - ALGEBRA LINEAR (EA) . = f E A . = {A'k' i =1=· r '1 ik kJ A . + cA . i = r. · k=l TJ SJ' Em outras palavras, EA = e(A). Corolário. Sejam A e B m x n matrizes sobre o corpo F. Então B é linha-equivale111e a A se, e somente se, B = PA, onde Pé um pro duto de m x m matrizes elementares. Demonstração. Suponhamos que B = P A, onde P = E • ... E2E 1 e as E; são m x m matrizes elementares. Então E 1 A é linha equivalente a A e E2(E1A) é linha-equivalente a E1A. Assim E2E1A é linha-equivalente a A; continuando desta maneira, vemos que (E • . . . E1) A é linha-equivalente a A. Suponhamos agora que B seja linha-equivalente a A. Sejam El' E2' ... , E. as matrizes elementares correspondentes a alguma seqüência de operações elementares sobre linhas que levam A em B. Então B =(E • . . . E1) A. Exerci cios 1. Sejam e= [1 -1]. Calcular ABC e CAB. 2. Sejam Verificar diretamente que A(AB) = A2B. 3. Determinar duas 2 x 2 matrizes A distintas tais que A2 =O mas A #O. 4. Para a matriz A do Exercício 2, determinar matrizes elementares EI' Ev ... , E1 tais que 5. Sejam -1] 2 , o B = [ 3 1]. -4 4 EQUAÇÔES LINEARES - 27 Existe alguma matriz C tal que CA = lf? 6. Seja A uma m x n matriz e B uma n x k matriz. Mostrar que as colunas de C = AB são combinações lineares das colunas de A. Se °'" .. ., °'• são as colunas de A e y1, ··:· yk são as colunas de C, então n Y; = I B,,.11.,. r=l 7. Sejam A e B duas 2 x 2 matrizes tais que AB = 1. Demonstrar que BA = 1. 8. Seja uma 2 x 2 matriz. Perguntamos quando é possível encontrar 2 x 2 matrizes A e B tais que C = AB - BA. Demonstrar que tais matrizes podem ser encontradas se, e somente se, C 11 + C 22 = O. /,\?' . il.6 Matrizes Inversíveis Suponhamos que P seja uma m x m matriz que seja um pro duto de matrizes _elementares. Para cada m x n matriz A, a matriz B = P A é linha-equivalente a A; logo A é linha-equivalente a B e existe um produto Q de matrizes elementares tal que A = QB. Em particular, isto é válido quando A é a m x m matriz unidade. Em outras palavras, existe uma m x m matriz Q, que é um produto de matrizes elementares, tal que QP = I. Como logo veremos, a exis tência de uma Q tal que QP = I é equivalente ao fato de P ser um produto de matrizes elementares. Definição. Seja A uma n x n matriz (quadrada) sobre o corpo F. Uma n x n matriz B tal que BA = I é dita uma inversa à esquerda de A; uma n x n matriz B tal que AB = I é dita uma inversa à di reita de A. Se AB = BA = I, então A é dita inversível. Lema. Se A possui uma inversa à esquerda B e uma inversa à direita C, então B = C. Demonstração. Suponhamos que BA = I e AC= I. Então B = BI = B(AC) = (BA)C = IC = C. Assim, se A possui uma inversa à esquerda e uma à direita, A é inversível e possui uma única inversa bilateral, que indica remos por A - i e denominaremos simplesmente a inversa de A. 28 - ALGEBRA LINEAR Teorema 10. Sejam A e B n x n matrizes sobre F. ( i ) Se A é inversível, A-1 também o é e (A-1)-1 =A. (ii) Se A e B são inversíveis, AB também o é e (AB)-1 = B -1 A -1 . Demonstração. A primeira afirmação é evidente pela simetria da definição. A segunda decorre da verificação das relações Corolário. Um produto ·de matrizes inversíveis é inversível. Teorema 11. Uma matriz elementar é inversível. Demonstração. Seja E uma matriz elementar correspondente à operação elementar sobre linhas e. Se e1 é a operação inversa de e (Teorema 2) e E 1 = e 1 (J), então EE1 = e(E1) = e(e1(1)) = 1 E1 E = e1(E) = e1(e(I)) = 1 de modo que E é inversível e E1=E - 1 • Exemplo 14. (a) (b) (c) [� �rl [� �J [� �rl [� -�J [1 º ] -l [ 1 º ] e 1 -e 1 (d) Quando e"# O, [ e º ] -1 = [ c-1 º ] e [ 1 o]-1 [1 O_ J. 01 O 1 Oc Oc1 Teorema 12. Se A é uma n x n matriz, as seguintes afirmações são equivalentes: (i) A é inversível. EQUAÇÔES LINEARES - 29 (ii) A é linha-equivalente a n x n matriz unidade. (iii) A é um produto de matrizes elementares. Demonstração. Seja R uma matriz linha-reduzida à forma em escada que seja linha· equivalente a A. Pelo Teorema 9 (ou seu corolário), R = Ek ... E2E1A onde El' ... , Ek são matrizes elementares. Cada Ei é inversível e, portanto, Como produtos de matrizes inversíveis são imcr-;Í\'eis. vemos que A é inversível se, e somente se, R é invers1vel. Como R é uma matriz (quadrada) linha-reduzida à forma em escada, R será inver sível se, e somente se, cada linha de R contiver um elemento não nulo, isto é. se, e somente se, R = I. Mostramos assim que A é inversível se, e somente se, R = I, e, se R = I então A= E;: 1 ... E� 1. Deve ser evidente agora que \i), (ii) e (iii) são afirmações equiva lentes sobre A. ·Corolário. Se A é uma n x n matriz inversível e se uma se qüência de operações elementares sobre linhas reduz A a unidade, então aquela mesma seqüência de operações sobre linhas quando apli cada a 1 produz A-1. Corolário. Sejam A e B m x n m atrizes. Então B é linha equivalente a A se, e somente se, B = PA onde Pé uma m X m matriz inversível. Teorema 13. Para uma n x n matriz A, as seguintes afirmações são equivalentes: (i) A é inversível. (ii) O sistema homogêneo AX = O possui somente a solução trivial X = O. (iii) O sistema de equações AX = Y possui uma solução X para toda n x 1 matriz Y. Demonstração. De acordo com o Teorema 7, a condição (ii) é equivalente ao fato de que A é linha-equivalente a matriz unidade. Pelo Teorema 12, (i) e (ii) são, portanto, equivalentes. Se A for 30 - ALGEBRA LINEAR inversível, a solução de AX = Y é X = A - 1 Y. Reciprocamente, suponhamos que AX = Y possua uma solução para cada Y. Seja R uma matriz linha-reduzida à forma em escada que seja linha equivalente a A. Queremos mostrar que R = 1. É suficiente mostrar que a última linha de R não é (identicamente) nula. Seja E= r o o o 1 Se o sistema RX = E puder ser resolvido em X, a última linha de R não pode ser nula. Sabemos que R = P A, onde P é inversível. Assim RX =E se, e somente se, AX = p-1 E. De acordo com (iii) este último sistema tem uma solução. Corolário. Uma matriz quadrada com inversa à esquerda ou à direita é inversível. Demonstração. Seja A uma n x n matriz. Suponhamos que A possua uma inversa à esquerda, isto é, uma matriz B tal que BA = 1. Então AX = O possui somente a solução trivial porque X= IX= B(AX). Portanto, A é inversível. Por outro lado, supo nhamos que A tenha uma inversa à direita, isto é, uma matriz C tal que AC= 1. Então C possui uma inversa à esquerda e é, por tanto, inversível. Segue daí que A= C 1 e portanto A é inversível com inversa C. Corolário. Seja A = A1 A2, • . • , Ak, onde AI' . . . , Ak são n x n matrizes (quadradas). Então A é inversível se, e somente se, cada Aj é inversível. Demonstração. Já demonstramos que o produto de duas ma trizes inversíveis é inversível. A partir disto vê-se facilmente que se cada A. é inversível então A é inversível. Suponhamos agora que A seja inversível. Demonstremos pri meiro que Ak é inversível. Suponhamos que X seja uma n x 1 ma triz e AkX = O. Então AX = (A1 ·'· Ak_1)AkX =O. Como A é inver sível temos X = O. Desta maneira, o sistema de equações AkX = O EOUAÇÔES LINEARES - 31 não possui soluções não-triviais, portanto, Ak é inversível. Mas então A 1 • • • Ak _ 1 = AAk 1 é inversível. Pela razão anterior Ak- 1 é inversível. Prosseguindo desta forma, concluímos que cada Ai é inversível. Gostaríamos de fazer um comentário final sobre a resolução de equações lineares. Suponhamos que A seja uma m x n matriz e que desejamos resolver o sistema de equações AX = Y. Se R é uma matriz linha-reduzida à forma em escada que é equivalente a A, então R = P A, onde P é uma m x n matriz inversível. As soluções do sistema AX = Y são exatamente as soluções do sistema RX = = PY( = Z). Na prática, não é muito mais difícil determinar a ma triz P do que linha-reduzir A a R. De fato, suponhamos que for memos a matriz completa A' do sistema AX = Y, com escalares arbitrários y1, • • • , Ym na última coluna. Se agora efetuarmos sobre A' uma seqüência de operações elementares sobre linhas que re duza A a R, tornar-se-á evidente o que é a matriz P. (O leitor deve consultar o Exemplo 9 onde, em essência, aplicamos este processo.) Em particular, se A é uma matriz quadrada, este processo mostrará claramente se A é inversível ou não e, se A for inversível, qual é a inversa P. Como já apresentamos o núcleo de um exemplo deste tipo de cálculo, contentar-nos-emos com um exemplo 2 x 2. Exemplo 15. Suponhamos que F seja o corpo dos números racionais e Então A- [2 - 1 - �l 3 -1 Y2] (2l [1 Y1 ___, O 3 Y2 J (ll -7 y1-2y2 onde se vê claramente que A é inversível e que 32 _;__ ALGEBR.4 LINEAR Pode parecer muito trabalhoso continuar escrevendo os esca lares arbitrários y1, y2, • • • , no cálculo da inversa. Algumas pessoas acham mais simples trabalhar com duas seqüências de matrizes, uma descrevendo a redução de A à matriz unidade e a outra, registrando o efeito da mesma seqüência de operações, começando com a matriz unidade. O leitor deverá julgar por si mesmo qual é o melhor processo. Exemplo 16. Vamos determinar a inversa de A �[i !_ !] 2 1 3 1 4 [i !_ '] [1 o �] 2 � ' � 1 1 3 1 o 4 [� "] 2 3 1 _L. ii 12. ' 1 1 ii ' 45 [ 1 o º] -t 1 o -1 o 1 [� [� [� 1 2 1 o [� o 1 o !_ q H o 2 ..L 1 12 o 180 -1 !_ 2 1 o i] [ 1 1 ' -6 1 30 gl [- 9 -36 1 30 gl [-3: 1 30 o 12 -180 60 192 -180 - 36 192 -180 �] º] o 180 - 60] -180 180 30] ·-180 . 180 Deve ter ocorrido ao leitor que fizemos uma longa discussão sobre linhas de matrizes e pouco dissemos sobre colunas. Concen- EQUAÇÔES LINEARES - 33 tramas nossa atenção sobre as linhas porque isto pareceu mais na tural do ponto de vista de equações lineares. Como não existe evi dentemente nada sagrado sobre linhas, a discussão das últimas seções poderia muito bem ter sido feita usando-se colunas em vez de linhas. Se se define· uma operação elementar sobre colunas e uma coluna equivalência de maneira análoga à operação elementar sobre linhas e à linha-equivalência é evidente que cada m x n matriz será coluna equivalente a uma matriz "coluna-reduzida à forma em escada". Além disso, cada operação elementar sobre colunas será da forma A � AE, onde E é uma n x n matriz elementar e assim por diante. Exercícios 1. Seja 2. 3. A = [-1 1 1 � ! �]. -2 1 1 Determinar uma matriz R linha-reduzida à forma em escada que seja linha equivalente a A e uma 3 x 3 matriz inversível P tal que R = PA. Fazer o Exercício 1, com A= [! o -�l -3 1 Para cada uma das matrizes [2 5 4 -1 6 4 -�] [� - � ;] 1 o 1 -2 usar operações elementares sobre linhas para descobrir se é inversível e, em caso afirmativo, determinar a inversa. 4. Seja l5 o ºJ A= 1 5 O · o 1 5 Para que X existe um escalar e tal que AX = cX? 34 - ALGEBRA LINEAR 5. Descobrir se [1 2 3 4] A= O 2 3 4 o o 3 4 o o o 4 é inversível e determinar A - 1 caso exista. 6. Suponhamos que A seja uma 2 x 1 matriz e que B seja uma 1 x 2 matriz. Demonstrar que C = AB não é inversível. 7. Seja A uma n x n matriz (quadrada). Demonstrar as duas afirmações se guintes: (a) Se A é inversível e AB = O para alguma n x n matriz B, então B = O. (b) Se A não é inversível, então existe uma n x n matriz B tal que AB = O mas B "#O. 8. Seja A= [� �l Demonstrar, usando operações elementares sobre linhas, que A é inversível se, e somente se, (ad - bc) "# O. 9. Urna n x n matriz A se diz triangular-superior se A;; = O para i > j, isto é, se cada elemento abaixo da diagonal principal for O. Demonstrar que uma matriz (quadrada) triangular superior é inversível se, e somente se, cada elemento da sua diagonal principal for diferente de O. 10. Demonstrar a seguinte generalização do Exercício 6. Se A é uma m x n matriz, B é uma n x m matriz e n < m, então AB não é inversível. 11. Seja A uma m x n matriz. Mostrar que, por meio de um número finito de operações elementares sobre linhas e/ou colunas, pode-se passar de A a uma matriz R, "linha-reduzida à forma em escada" e "coluna-reduzida à forma em escada", isto é, Ri; = O se i "# j, R;; = 1, 1 ::;; i ::;; r, Ru = O Se i > r. Mostrar que R = P AQ, onde P é uma m x m matriz inversível e Q é uma n x n matriz inversível. 12. O resultado do Exemplo 16 sugere que a matriz .l. 2 A= .l. n .! 2 1 3 1 n+l .l. 1 ;;+1 1 rn=-r é inversível e que A - 1 possui elementos inteiros. Você saberia demonstrar este fato? 2.1 Espaços Vetoriais Capítulo 2 ESPAÇOS VETORIAIS Em várias partes da matemática, defrontamo-nos com um con junto, tal que é, ao mesmo tempo; significativo e interessante lidar com "combinações lineares" dos objetos daquele conjunto. Por exemplo, em nosso estudo de equações lineares, foi bastante na tural considerar combinações lineares das linhas de uma matriz. É provável que o leitor tenha estudado cálculo e tenha já lidado com combinações lineares de funções; isto certamente ocorreu se ele estudou equações diferenciais. Talvez o leitor tenha tido alguma experiência com vetores no espaço euclidiano tridimensional e, em particular, com combinações lineares de tais vetores. A grosso modo, a álgebra linear é o ramo da matemática que trata das propriedades comuns a sistemas algébricos constituídos por um conjunto mais uma noção razoável de uma "combinação linear" de elementos do conjunto. Nesta seção definiremos o objeto matemático que, como a experiência mostrou, é a abstração mais útil deste tipo de sistema algébrico. Definição. Um espaço vetorial (ou espaço linear) consiste do seguinte: (1) um corpo F de escalares; (2) um corpo V de objetos, denominados vetores; (3) uma regra (ou operação), dita adição de vetores, que associa a cada par de vetores a, f3 em V um vetor a + f3 em V, denominado a soma de a e {3, de maneira tal que: (a) a adição é comunicativa, a+ f3 = p +a; (b) a adição é associativa, a+ (/3 + y) =(a+ p) + y; (c) existe um único vetor O em V, denominado o vetor nulo, tal que a + O = a para todo a em V; 36 - ALGEBRA LINEAR (d) para cada vetor <X em V existe um único vetor -a em V tal que a + ( - oc) =O; (4) uma regra (ou operação), dita multiplicação escalar, que associa a cada escalar· c em F e cada vetor IX em V um vetor CIX em V, denominado o produto de c por IX de maneira tal que: (a) 1 IX =IX para todo <X em V; (b) (c1c2)1X = c1(C21X); (c) c(IX + p) = CIX + cp; (d) (c1 + c2)1X = C1<X + C21X. É importante observar, como afirma a definição, que um es paço vetorial é um objeto composto de um corpo, um conjunto de "vetores" e duas operações com certas propriedades especiais. O mesmo conjunto de vetores pode ser parte de diversos espaços vetoriais (ver Exemplo 5 abaixo). Quando não há possibilidade de confusão, podemos simplesmente nos referir ao espaço vetorial por V ou, quando for desejável especificar o corpo, dizer que V é ·um espaço vetorial sobre o corpo F. O noma, vetor" é aplicado aos elementos do conjunto V mais por conveniência. A origem do nome é encontrada no Exemplo 1 abaixo, mas não se deve em prestar muita importância ao nome ·uma vez que a variedade de objetos que aparecem como sendo os vetores em V podem não apre.sentar muita semelhança com qualquer conceito de vetor adqui rido a priori pelo leitor. Tentaremos indicar esta variedade através de uma lista de exemplos; nossa lista será consideravelmente am pliada assim que iniciarmos o estudo de espaços vetoriais. Exemplo 1. O espaço das n-upl_as, F. Seja F um corpo arbi trário e seja V o conjunto de todas as n-uplas IX= (xl' x2, • • • , xn) de escalares xi em F. Se f3 = (y 1' Yi, . . . , y n) com · yi em F, a soma de a e f3 é definida por O produto de um escalar c por um vetor IX é definido por (2-2) O fato de. que esta adição de vetores e multiplicação escalar satis fazem as condições (3) e (4) é fácil de verificar, usando as proprie dades semelhantes da adição e multiplicação de elementos de F. ESPAÇOS VETORIAIS - 37 Exemplo 2. O espaço das m x n matrizes, pm x ". Seja F um corpo arbitrário e sejam m e n inteiros positivos. Seja pm x" o conjunto de todas as m x n matrizes sobre o corpo F. A soma de dois vetores A e B em pm x • é definida por (2-3) O produto de um escalar e pela matriz A é definido por (2-4) Observar que F1 X n = F". Exemplo 3. O e�paço das funções de um conjunto· em· um corpo. Seja F um corpo arbitrário e seja S um conjunto não-vazio arbitrário. Seja V o conjunto das funções do conjunto S em F. A soma de dois vetores f e g em V é o wtor f + q. isto é, a função de S em F, definida por (2-5) ( f + g) (s) = f (s) + g(s). O produto do escalar e pela função f é a função cf definida por (2-6) (cf) (s) = cf (s). Os exemplos anteriores são os casos particulares deste. De fato, uma n-upla de elementos de F pode ser considerada como uma função do conjunto S dos inteiros 1, . . .. , n em F. Analogamente, uma m x n matriz sobre o corpo F é uma função do conjunto S de pares de inteiros (i, j), 1 ::;; i ::;; 111, 1 �j::;; n, no corpo F. Para este terceiro exemplo indicaremos como se faz para verificar que as operações por nós definidas satisfazem as condições (3) e (4). Para a adição de vetores: (a) Como a adição em F é comutativa, f(s) + g(s) = g(s) + f (s) para cada s em S, portanto as funções f + g e g + f são idênticas. (b) Como a adição em F é associativa, f (s) + [g(s) + h(s)] = [! (s) + g(s)] + h(s) 38 - ALGEBRA LINEAR para cada s, portanto f + (g + h) e (f + g) + h são a mesma função. ( c) O único vetor nulo é a função nula que associa a cada elemento de S o escalar O em F. (d) Para cada f em V, (-f) é a função dada por ( -/) (s) = -f (s) . O leitor deverá achar fácil verificar que a multiplicação escalar satisfaz as condições de (4), fazendo como fizemos para a adição de vetores. Exemplo 4. O espaço das funções polinomiais sobre um corpo F. Seja F um corpo e seja V o conjunto das funções f de F em F que são da forma (2-7) f (x) = �o + c1x + . . . + cnx" onde cw .... e,, são escalares fixos em F (independentes de x). Uma função deste tipo é denominada uma função polinomial sobre F. Sejam a adição e multiplicação escalar definidas como no Exem plo 3. Deve-se observar aqui que se f e g são funções polinomiais e e está em F, então f + g e cf são também funções polinomiais. Exemplo 5. O corpo C dos números complexos pode ser con siderado como um espaço vetorial sobre o corpo R dos números reais. De maneira mais geral, seja F o corpo dos números reais, e seja V o conjunto das n-uplas ex = (x1, ... , x11) onde x1, ... , x11 são números complexos. Definamos a adição de vetores e a multipli cação escalar por (2-1) e (2-2), como no Exemplo i.' Desta forma obtemos um espaço vetorial sobre o corpo R que é bem diferente do espaço C" e do espaço R". , Há alguns fatos simples que decorrem quase imediatamente da definição de um espaço vetorial e que passamos a deduzir. Se e é um escalar e O é o vetor nulo, então, por 3 (e) e 4 (e), cO = c(O +O) = cO + cO. Somando -(cO) e usando 3(d) obtemos (2-8) cO =O. ESPAÇOS VETORIAIS' - 39 Analogamente, para o escalar O e qualquer vetor oc temos que (2-9) Ooc =O. Se c é um escalar não-nulo e oc é um vetor tal que coe= O, então por (2-8), c-1(coc) = O. Mas c - 1(cex) = (c-1c)oc = lex = oc logo, ex = O. Assim, vemos que se c é um escalar e ex um vetor tal que ca. = O, então c é o escalar nulo ou oc é o vetor nulo. Se ex é um vetor arbitrário em V, então O = Oex = (1 - l)a. = la + ( - l)a. = a + ( - l)ex do que segue que (2-10) ( - l)a. = - ()(. Finalmente, as propriedades associativa e comutativa da adição de vetores implicam que uma soma envolvendo um certo número de vetores é independente da maneira pela qual estes vetores são com binados ou associados. Por exemplo, se °'1' °'2' oc3, oc4 são vetores em V, então e esta pode ser escrita sem confusão como Definição. Um vetor f3 em V é dito uma combinação linear dos vetores a.1' .. ., °'n em V se existem escalares cl' .. ., c0 em F tais que n = L cioci. i= 1 Outras extensões da propriedade associativa da adição de ve tores e das propriedades distributivas 4 (e) e 4 ld) da multiplicação escalar aplicam-se a combinações lineares: 40 - ALGEBRA LINEAR n n n L C/L; + L d;rx; = L (e;+ d;)ct; i=l i=l i=l n n e L C;ct; = L (cc)ct;. i= 1 i= 1 Certas partes da álgebra linear são intimamente relacionadas com a geometria. A própria palavra "espaço" sugere algo geomé trico, como o faz a palavra "vetor" à maioria das pessoas. À me dida que prossigamos nosso estudo de espaços vetoriais, o leitor observará que grande parte da terminologia possui uma conotação geométrica. Antes de concluirmos esta seção introdutória sobre espaços vetoriais, vamos considerar a relação dos espaços veto riais com a geometria até um ponto que indique pelo menos a origem do nome "espaço vetorial". Esta será uma discussão breve e intuitiva. Consideremos o espaço vetorial R3. Na geometria analítica, identificamos as ternas (x1, x2' x3) de números reais com os pontos do espaço euclidiano tridimensional. Naquele contexto, um vetor é usualmente definido como sendo um segmento de reta orientado PQ, que vai de um ponto P do espaço a outro ponto Q. Jsto signi� fica uma formulação cuidadosa da idéia da "flecha" de P a Q. Da forma como os vetores são usados, pretende-se que eles sejam determinados por seu comprimento, direção e sentido. Assim, é necessário identificar dois segmentos de reta orientados se eles têm o mesmo comprimento, direção e sentido. O segrnento de reta orientado PQ, que vai do ponto P = (xl' x2' x3) ao ponto Q = (yl' y2' y3), tem o mesmo comprimento, di reção e sentido que o segmento de reta orientado que vai da ori gem O= (O, O, O) ao ponto (y1 - xl' y2 - x2, y3 - x3). Além disso, este é o único segmento que emana da origem e tem o mesmo comprimento, direção e sentido que PQ. Assim, se resolvermos estudar apenas os vetores que emanam da origem, existe exata mente um vetor associado a cada comprimento, direção e sen tido dados. O vetor OP, que vai da origem a P = (x1, x2, x3), é comple tamente determinado por P, portanto é possível identificar este vetor com o ponto P. Em nossa definição do espaço vetorial R3, os vetores são definidos como sendo simplesmente as ternas (xl' X2, x3). ESPAÇOS VETORIAIS - 41 * Dados pontos P = (xl' x2, x3) e Q = (yl' y2, y3), a definição soma dos vetores OP e OQ pode ser dada geometricamente. os vetores não são paralelos, então os segmentos OP e OQ terminam. um plano e estes segmentos são dois dos lados de um paralelogramo naquele plano (ver Figura 1). Uma diagonal deste paralelogramo estende-se de O a um ponto S e a soma de Figura 1 OP e OQ é definida como sendo o vetor OS. As coordenadas do ponto S são (x1 + y1, x2 + y2' x3 + y3), logo esta definição geomé trica da adição de vetores é equivalente à definição algébrica do Exemplo 1. A multiplicação escalar tem uma interpretação geométrica mais simples. Se e é um número real, então, o produto de e pelo vetor OP é o vetor que parte da origem, tem comprimento lei vezes o comprimento de OP, mesma direção que OP e um sêntido que concorda com o de OP se e>- O e é oposto ao de OP se e< O. Esta multiplicação escalar produz exatamente o vetor OT onde
Compartilhar