Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Catalogao na fonte Universidade Federal de Alagoas Biblioteca Central Diviso de Tratamento Tcnico
ii
Apresentao
............... Captulo 1 Sistemas lineares e matrizes . Respostas das Atividades-propostas . . . Captulo 2 Espaos vetoriais . . . . . . Respostas das Atividades-propostas . . . Captulo 3 Bases e dimenso . . . . . . Respostas das Atividades-propostas . . . Captulo 4 Transformaes lineares . . . Respostas das Atividades-propostas . . .
. . . . . . . . . Captulo 5 Espaos com produto interno . Respostas das Atividades-propostas . . . . Anexo Determinantes . . . . . . . . . . . Referncias Bibliogrcas . . . . . . . . . . iii
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
4 5 18 20 29 31 46 50 68 73 87 91 99
APRESENTAO
Dando sequencia a seu curso de EAD Licenciatura em Matemtica , o Instituto de Matemtica da UFAL nos honrou com o convite de elaborar um texto introdutrio de lgebra Linear, com a nalidade de alicerar as variadas aplicaes dessa extraordinria disciplina. O autor snior, que escolheu o setor de estudos de lgebra para suas atividades acadmicas e de pesquisas, vem acompanhando os trabalhos da jovem professora Ana Paula, cuja atrao pelas diciplinas de Mtodos Quantitativos, a includa a lgebra Linear, permitiu a redao a quatro mos dessas notas. O texto procura preparar o leitor, futuro licenciado, para bem realizar seu mister, ilustrando a participao crescente da matemtica em todas as atividades do desenvolvimento cognitivo, independentemente da viso terica ou aplicada, do tratamento exato dos conceitos bem acabados ou dos mtodos heursticos de resultados renovados. Nesse sentido, procuramos descartar a apresentao vertical, de sabor dogmtico e pouco eciente, a nosso ver, no atual estgio do curso. Optamos por um enfoque mais informativo, sem descuidar, claro, das condies de validade da teoria subjacente. Tambm procuramos explicitar os mtodos numricos efetivos, eventualmente com o auxlio de algoritmos computacionais, ferramenta indispensvel nas atuais aplicaes. Os exerccios propostos ao longo do texto objetivam treinar os conceitos apresentados de modo direto e amigvel. Nossa armao absolutamente sincera: no h armadilhas intencionais nem resultados de algibeira, que poderiam exigir conhecimentos outros que no os apresentados nas notas. Por experincia prpria, os autores no acreditam em semelhante metodologia. Gostaramos de receber de vocs, prezados alunos, seu retorno sobre a eccia e adequao das notas para realizar os objetivos propostos; os exerccios e suas solues; o detalhamento das solues. So informaes fundamentais para a correo de rumos e de contedos. Bom trabalho!
Ana Paula Lima Marques Fernandes Antonio Carlos Marques da Silva
iv
Objetivos do Captulo 1
(a) Resolver sistemas lineares pelo mtodo de Gauss; (b) Classicar os sistemas lineares; (c) Representar sistemas lineares com o auxlio de matrizes; (d) Estudar as operaes algbricas com matrizes; (e) Caracterizar as matrizes inversveis pelo mtodo de Gauss-Jordan; (f ) Descrever os sistemas de Cramer.
INTRODUO
A ocorrncia de sistemas de equaes lineares em variadas situaes, desde aplicaes envolvendo um nmero pequeno de equaes e de variveis, ao tratamento de sistemas de grande porte, vem provocando o aprimoramento de algoritmos numricos e que possam ser implementados em computadores. Os fundamentos desses mtodos tem origem no MTODO DE GAUSS (de eliminao sistemtica de variveis), posteriormente complementado por JORDAN, no que hoje conhecido como o mtodo de Gauss-Jordan. De uma simplicidade estonteante (inclusive computacional!), esse algoritmo possui muitos outros desdobramentos, tanto toricos como aplicados.
1.1
PRIMEIROS RESULTADOS
(a) Comeando do comeo, j sabemos como calcular as possveis solues de uma equao
a = 0, ento x = da equao considerada. Por exemplo, se 3x = 21, ento x = 7 a soluo da equao dada. Agora se a = 0 e c = 0, ento qualquer x R soluo, pois 0 x = 0 para todo x. Enm, se a = 0 e c = 0, ento a equao no possui soluo
real. (b) Generalizando um pouco, dados os reais
a1 c
os valores reais de
para os quais
ax = c.
a, b
c,
(x, y)
de
nenhum
ax + by = c? Inspirados na discusso anterior, podemos logo o caso a = b = 0, em que, se c = 0, todos os pares (x, y) so solues, e se c = 0, ento par (x, y) verica a equao dada. Assim, suponhamos a e b no simultaneamente nulos.
Nesse caso, sabemos que a equao dada representa uma reta do plano Portanto, cada soluo
R2 .
(x, y)
innidade de solues.
a = 0, ento, explicitando a varivel x, temos x = a1 (c by), 1 (c by), y), onde y arbitrrio em R. Enm, todo par (x, y) o que nos permite escrever (x, y) = (a da forma considerada ponto da reta ax + by = c, e reciprocamente. Por exemplo, partindo de x + 2y = 4, vem x = 4 2y , donde (x, y) = (4 2y, y), expresso que tambm pode ser escrita (x, y) = (4, 0) + (2y, y) = (4, 0) + y(2, 1), y R, o que nos d todas
as solues. (c) Como proceder no caso em que so dadas duas equaes nas variveis reais
(x, y)?
Tal
2 como antes, podemos supor que cada equao representa uma reta no plano R . Temos, ento, um
sistema da forma
ser tratados diretamente. Desconsiderando esses casos, seja, por exemplo, o sistema O mtodo gaussiano permite eliminar a varivel equao por
e somar o resultado
escalonado),
x y=2 . 5y = 5
Ora, vemos
y = 1. Esse valor de y levado na primeira equao nos d x 1 = 2, donde x = 3. Assim, (x, y) = (3, 1) soluo tanto do sistema escalonado como do original,
Mas (...) ser que no h outra soluo? Em outras palavras, como podemos garantir que os
sistemas dado e o novo, escalonado, tem as mesmas solues? Pois bem, a operao que zemos (somar a uma equao um mltiplo conveniente de outra) e outras duas operaes que ainda iremos descrever (permutar duas equaes; multiplicar uma equao por um nmero real no nulo) preservam as solues do sistema original. Mais ainda: essas operaes so todas
reversveis!
original. Esses dois fatos nos garantem que as solues dos dois sistemas so as mesmas: os sistemas obtidos so sempre
equivalentes.
Em denitivo, o sistema dado tambm possui uma mente, esse ponto corresponde interseo das retas
Geometrica-
xy =2
3x + 2y = 11.
Atividade-proposta 1.2
(a) Complete a discusso dos casos particulares esboados em no quadro (c) acima.
x y = 2 3x 3y = 6
(1)
x y = 2 x y = 5
(2)
x y = 2 3x + 2y = 11 4x + y = 13
(3)
Verique a caracterstica de cada sistema: (1) possui innitas solues; descreva o conjunto-soluo; (2) no possui soluo; (3) possui soluo nica. Interprete geometricamente cada resposta com o auxlio da representao grca das retas envolvidas.
A eliminao gaussiana consiste no algoritmo que transforma um sistema linear em um outro, equivalente ao primeiro, mas com um formato muito simples, denominado sistema
gular superior, a partir do qual as solues podem ser escritas por retro-substituio. Esse algoritmo usa, inicialmente, as chamadas operaes elementares sobre as equaes do
sistema
escalonado ou trian-
S,
(1) multiplicar uma equao de S por um nmero real = 0; (2) somar a uma das equaes uma outra equao multiplicada por um nmero real; (3) permutar duas equaes.
Exemplo 1.4
Partindo do sistema abaixo, e indicando suas equaes por indicadas:
E1 , E2
E3 ,consideremos
as operaes
x + y =0 E2 +E3 3y + 3z = 3 3y z = 3
x + y =0 3y + 3z = 3 4z = 0
equao, Tambm
Encerrado o trabalho bruto com a obteno da forma escalonada, segue o valor das variveis: a ltima
z = 0, valor que, na segunda equao, fornece y = 1; enm, na primeira vemos que x = 1. Assim, X = (x, y, z) = (1, 1, 0) a nica soluo do sistema escalonado.
a nica soluo do sistema inicial, como segue do prximo resultado.
Um dos pontos-chave do mtodo de Gauss a preservao das solues dos sistemas original e do sistema de
obtido a partir de
S.
Na realidade, os sistemas
S S
obtido de .
(2) Para obter a recproca, isto , que toda soluo de que cada operao elementar
tambm soluo de em
S,
observemos
S = e(S),
ento, se
e1
o sistema inicial
S. e E1
e
E3 , ento e1 permuta E1 e E3 ; se e consiste na multiplicao da equao E2 pelo nmero = 0, ento e1 multiplica a equao E2 por 1/; se e da forma E3 + E1 , ento e1 calcula E3 E1 .
(3) Enm, por exemplo, se a operao elementar Em resumo,
e1
vericando
e1 (e(S)) =
e(e1 (S)).
O algoritmo de Gauss termina na obteno de um
sistema escalonado ,
cuja caracterizao
a seguinte: em cada equao de um sistema, chamaremos de a primeira varivel com coeciente no nulo. Pois bem:
ou da forma triangular superior se cada varivel lider est direita da variavel lider da equao imediatamente superior (excetuando a varivel lder da primeira equao). Cada varivel no lider uma varivel
livre.
Exemplo 1.5
Depois de escalonar cada sistema, indique, se possvel, todas as solues; classique os sistemas. (1)
x+ y= 2 . 5y = 10
y = 2, donde, da primeira,
x = 0.
X = (0, 2)
possvel determinado.
x + y + z = 1 y+z=0 0=0 x+y+z=1 y+z=0
x + y + z = 1 E2 +E3 y + z = 0 y+z=0
y + z = 0,
vemos
y ; z uma varivel livre. Cada soluo ser explicitada em funo de z . que x = 1 e y = z , donde X = (x, y, z) = (1, z, z) = (1, 0, 0) + z(0, 1, 1),
e
z R. O sistema dado possvel indeterminado: h uma innidade de solues. Observemos que X descreve uma reta do R3 , que passa pelo ponto (1, 0, 0) e paralela ao vetor (0, 1, 1). x+ y+ z=1 x + y + z = 1 x + y + z = 1 E1 +E2 E2 +E3 (3) x + 2y + 2z = 1 y+z=0 y+z=0 2E1 +E3 2x + 3y + 3z = 4 y+z=2 0=2 O sistema impossvel; no possui soluo real. Observe o sistema central: as equaes E2 e E3 so,
manifestamente, incompatveis. Mesmo que isso tenha passado desapercebido, o sistema da direita no deixa dvidas, quando anuncia que
0=2
(!).
Atividade-proposta 1.6
(1) Use o escalonamento gaussiano para achar todas as solues e classicar os sistemas.
2x + 3y = 13 x y = 1
(i)
x + 3y = 1 2x + y = 3 x+ y = 0 x y = 1 3x 3y =
(ii)
x + 2y =4 y z =0 x + 2z = 4
(iii)
4x + y z = 1 2x + 2y + z = 5 x y z = 4
(iv)
, onde
um parmetro real.
= 3,
= 3,
f (x) = ax2 + bx + c
(2, 3).
1.7
Partindo de um sistema
(1) S
da forma
Descartadas as equaes
equaes e variveis e contendo apenas variveis lderes ao longo da diagonal. Por retro substituio, vemos que o sistema possui uma nica soluo sistema possvel determinado.
que, no sistema escalonado, o nmero de equaes no nulas menor do que o nmero de incgnitas. (3) Ao longo do processo de escalonamento, a presena de uma equao da forma 0 = d = 0 indica
que o sistema impossvel ou incompatvel.
x e y so variveis lderes e z livre. Logo, haver um innidade de (x(z), y(z), z), z R, e o sistema indeterminado. Esse caso ocorre sempre
a1 x + b1 y + c1 z = d1 , b2 y + c2 z = d2 solues X = (x, y, z) =
Comprove a discusso anterior, vericando, detalhadamente, os resultados numricos dos sistemas j resolvidos.
1.8
H uma forte conexo entre sistemas lineares e matrizes, no sentido de que suas propriedades so imbricadas e revelam extraordinria repercusso nas duas categorias de objetos. Como sabemos, matrizes de nmeros reais so quadros ordenados de nmeros reais, dispostos em linhas e em colunas. Se matriz
de ordem
A denota um tal quadro, que possui m linhas e n colunas, diremos que a m n e indicaremos Amn . Na parte inicial desse trabalho, quase sempre
usaremos
1 m, n 3.
Por exemplo:
1 1 0 1 3 1 1 A= uma matriz quadrada 2 2, B = 2 1 uma matriz 3 2, C = 2 1 3 uma matriz 3 2 1 2 1 1 1 1 1 1 0 uma matriz 2 3, X = 1 uma matriz 3 1. quadrada 3 3, D = 2 1 3 0
Nosso objetivo imediato associar a um dado sistema sua representao matricial, como, por exemplo,
a1 x + b1 y + c1 z = d1 a x + b2 y + c2 z = d2 2 a3 x + b3 y + c3 z = d3
A matriz
a1 b1 c1 x d1 A = a2 b2 c2 , X = y , Y = d2 AX = Y a3 b3 c3 z d3 X
o vetor (matriz
3 1)
das variveis e
o vetor segundo-
AX o produto-linha-por-coluna (na realidade, o produto escalar), onde cada linha de A, digamos [a1 b1 c1 ] multiplicada pelo vetor X , fornecendo a primeira equao a1 x + b1 y + c1 z , posteriormente igualada a d1 , isto , a1 x + b1 y + c1 z = d1 .
membro. O produto No difcil imaginar a simplicao que temos em mente: ao escalonar um sistema linear, operamos sobre suas equaes, isto , sobre as fazer o segundo membro mais uma coluna de
linhas
da matriz
de seus coecientes.
S que necessrio
como
1.4:
Atividade-proposta 1.9
Reescrever a Atividade
10
1.10
Um sistema linear homogneo quando da forma j que, pelo menos, possui a chamada
soluo
em decidir quando o sistema possui apenas a soluo trivial, ou quando possui uma innidade de solues. Em qualquer caso, dada de
Amn ,
{X Rn ; AX = O}
ncleo
A,
notado
N (A).
Exemplo 1.11
AX = 0 abaixo, o escalonamento revela apenas a soluo trivial X = 0. 1 1 0 1 1 0 1 1 0 1 1 0 2L +L2 L2 +L3 (1/3)L2 A = 2 1 3 1 0 3 3 0 3 3 0 1 1 L1 +L3 (1/4)L3 1 2 1 0 3 1 0 0 4 0 0 1
No sistema
Atividade-proposta 1.12
Encontre todas as solues de cada sistema homogneo
AX = 0: 1 1 0 2 1 3
(1)
A=
1 1 1 1
; (2)
1 1 A = 1 1 ; 1 2
(3)
A=
(4) Mostre que a operao elementar de permutar duas linhas pode ser realizada com o auxlio das duas outras operaes elementares.
1.13
Soma
A e B de mesma ordem podem ser somadas: a soma A + B uma matriz, A e B , obtida pela soma dos elementos correspondentes de A e de B . Amn ,
notaremos ainda
Dados
a matriz
mn
de cada elemento de
A.
B)
(2) Existncia de elemento neutro aditivo. Dada so todos iguais a zero) a nica matriz tal que (3) Existncia de elemento oposto aditivo. Dada um de seus elementos por (4) A soma comutativa:
Omn
(cujos elementos
1,
de cada
A + B = B + A. (A + B) = A + B
(5) Distributividade em relao soma de matrizes: (6) Distributividade em relao soma de reais: (7) Associatividade: (8) Invarincia por
( + )A = A + B
(A) = ()A
1 R : 1 A = A.
espao vetorial real,
de que nos ocuparemos no prximo captulo.
Esse conjunto de propriedades, na realidade, caracteriza uma das mais fundamentais estruturas da Matemtica, a saber, a de um
11
A=
213 2 0 0
B=
813 042 =
. Temos, sucessivamente:
(1)
A+B = 3A B =
10 2 6 2 4 2 2 2 6 6 4 2
ento
(2)
(3) Se a matriz
6X + 3A = 4X + B ,
2X = B 3A;
logo, temos
X=
1 1 3 . 3 2 1
(c)
Produto de matrizes
AB
das matrizes,
O produto coluna de
Amn m
e
B,
por
B,
ABmp .
Outras propriedades
(1) Distributividades: (2) Associatividade:
A(B + C) = AB + AC ; (A + B)C = AC + BC
A(BC) = (AB)C
Exemplo 1.15
(1) As matrizes
A23
B34 ,
AB24 ;
entretanto, o produto
BA
no est denido.
A23 e C32 podem ser multiplicadas na ordem AC22 e na ordem CA33 ; entretanto, AC = CA. A, B
quadradas e de mesma ordem, poderiam coincidir os produtos
AB
BA.
AB = BA. = 0 0 1 1
1 0 1 0
0 0 1 1
0 0 0 0
0 0 2 0
1 0 1 0
no comutativo.
AB = O,
com
A=O
B = O.
que
A
e
AO = O
OA = O.
Cuidado com o
abuso de notao,
Amn
Onp ,
Omp .
Apenas no
AO = OA = O.
1.16
A matriz identidade I uma matriz quadrada em que os elementos da diagonal (principal) so iguais a 1, e so nulos todos os demais elementos. Se particular, se
AI = A
IA = A.
Em
AI = IA = A. Amn ,
ento a igualdade
AI = A
vale para
Inn . J em IA = A, temos Imm . Como essas identidades so distintas, no AI = IA = A, a no ser no caso particular j considerado (matrizes quadradas de
12
Observao
Vrias propriedades das operaes com nmeros reais tambm comparecem nas ma-
Ann : A1 = A; Ap = A A A
p
Exemplo 1.17
(1) Em cada caso, ache todas as potncias
(a)
A=
1 a 0 1
(b)
A=
1 0 0 1
A2 , A3 , . . . , Ap , . . . (p 1 0 1 1 (c) A = 0 0 1 0 0 0 A2 , A3 , . . .
inteiro):
Nesse exemplo, uma idia calcular potncias sucessivas formao. (a) Temos
A2 =
1 a 0 1
1 a 0 1 Ap =
= 1 pa 0 1
1 2a 0 1
; em seguida,
A3 = A2 A =
1 2a 0 1
1 a 0 1 p.
1 3a 0 1
Assim, se
, sugerindo que
A2 = I
(verique!), vem
p>0
A3 = A2 A = IA = A, A4 = A2 A2 = I I = I , Ap = I , e se p mpar, ento Ap = A. Ap = O
e se
etc.
A2 = O
A3 = O ,
donde
p 3.
podemos armar que
A, B, C ,
tais que
A=O
AB = AC ;
B = C?
A=
(3)
1.15 (4):
escolhemos as matrizes
1 2 A = 0 3 = tA = 4 1
1 0 4 2 3 1
1 ; X = 0 = tX = 4
1 0 4
; P =
a b b a
= tP =
a b . b a
Propriedades
(a)
t (t A)
Atividade-proposta 1.18
(1) Dadas as matrizes
A=
1 4
3 2
; B=
0 1
2 1 3 0
2 ; C= 0 2
0 3 3
.
1 2 0 ; D = 0 1 3
4 0 ; 3
E=
1 1
1 0
2A + E ,
(ii)
AB ,
(iii)
BC ,
(iv)
EA,
(v)
DB
13
A=
a x 1 2 3 AX = Y , A = 3 1 2 , X = y e Y = b . c z 1 5 4
a, b
1 2 Y = 1; Y = 1. 1 5
1.19
MATRIZES INVERSVEIS
AB = BA = I . Na realidade, uma tal matriz B unicamente determinada por A; de fato, se C alguma matriz tal que AC = CA = I , ento C = CI = C(AB) = (CA)B = IB = B . Assim, se A 1 a nica matriz tal que A A1 = A1 A = I . Dessa unicidade, segue inversvel, notaremos por A 1 )1 = A. que, se A inversvel, ento (A
diremos que inversvel se existe uma matriz tal que
A,
Exemplo 1.19
(1) A matriz identidade
inversvel, pois
I I = I,
donde
I 1 = I . B,
temos
O B = O = I.
0 0 1 0
em que
0 0 1 0
a b c d
0 0 a b
=I
. Na realidade, decidir
se uma matriz inversvel e exibir sua inversa uma potente aplicao do mtodo de Gauss-Jordan. (4) Se
= t (A1 ) .
De fato, se
A A1 = A1 A = I
ento
= A AeB
AeB =
A(BB 1 )A1
AA1
= = I;
(AB)(B 1 A1 )
AB =
(B 1 A1 )(AB) = I , AB
[cf.
donde a concluso.
so inversveis ento
inversvel.
inversvel. Se
AB = AC ,
B=C
Exemplo 1.17(2) ].
A1 ,
segue:
A1 (AB) = A1 (AC),
donde
(A1 A)B
(A1 A)C , ou
IB = IC
B = C.
A uma matriz inversvel, ento o sistema homogneo AX = 0 s possui X = 0. Mais precisamente, o sistema AX = Y possui a nica soluo X = A1 Y .
Nada
AB = I ,
ento j ocorra
BA = I
para matrizes! Como veremos posteriormente, basta a inversibilidade de um lado qualquer para que o outro se realize [cf.
1.33].
14
Atividade-proposta 1.20
1 1 0 1
= A
1 1 0 1
2 1 1 1
se
1 1 1 2
idempotente
com
A2 = A.
B = 2A I
C = I A. B2 = I
e
C2 = C,
AC = CA = 0; A = I,
ento
no inversvel.
= I. A
nula, ento
no inversvel.
1.21
O MTODO DE GAUSS-JORDAN
Vimos no 1.2 que o escalonamento de um sistema corresponde a realizar operaes elementares sobre as linhas da matriz (aumentada) que o representa. Na realidade, vamos exigir algo mais: nosso sistema (ou sua matriz) alm de escalonado, dever estar sob Um sistema
forma reduzida.
um e os demais elementos da coluna correspondente ao lider so todos nulos. Como anteriormente, linhas nulas (se houver) ocorrem aps todas as linhas no nulas. Observemos que transformar um sistema (ou sua matriz) da forma escalonada para a forma reduzida no oferece grandes diculdades: basta dividir a equao pelo elemento lder, o que o far unitrio, e, por mltiplos convenientes dessa linha, anular os demais elementos da coluna do lder.
Exemplo 1.21
Exemplo 4 1 1 0 0 1 1 00 1 1 00 1 1 0 0 2L +L2 L2 +L (1/3)L2 L2 +L A = 2 1 3 3 1 0 3 3 3 3 0 3 3 3 0 1 1 1 1 L1 +L3 (1/4)L3 1 2 1 3 0 3 1 3 0 0 4 0 0 0 1 0 10 1 1 100 1 L3 +L2 0 1 1 1 0 1 0 1 . Segue a nica soluo X = (x, y, z) = (1, 1, 0). L3 +L1 00 1 0 001 0
(1) Retomando o
1 11 1 1010 1 1 0 1 A = 2 1 2 1 0 1 0 1 0 1 0 1 . 1 2 1 2 0 10 1 0000
(3) As possveis matrizes
Enm,
X = (x, y, z) = (z, 1, z) z R.
22
00 00
1.22
1a 00
, onde
a R;
01 00
10 01
Matrizes elementares
I,
isto ,
15
E1 , E2
E3
multiplicando
E2
1 0 0 1 0 0 0 0 1 E1 = 0 4 0 , E2 = 0 1 0 , E3 = 0 1 0 . 0 0 1 5 0 1 1 0 0
1.23 Propriedades das matrizes elementares
E ? 3
pela
a1 b1 c1 1 0 0 a1 b1 c1 1 0 0 a1 b1 c1 E = e(I) = 0 0 1 , A = a2 b2 c2 , EA = 0 0 1 a2 b2 c2 = a3 b3 c3 = e(A). a2 b2 c2 a3 b3 c3 a3 b3 c3 0 1 0 0 1 0
(b) Toda matriz elementar inversvel.
e uma operao elementar, seja e1 a operao elementar que reverte e [cf. Prop. 1.2], isto , se E = e(I) e E1 = e1 (I), ento e1 (E) = e1 (e(I)) = I , isto , E1 E = I . De modo anlogo, E E1 = I .
De fato, se Por exemplo, fcil vericar as seguintes inversas de matrizes elementares:
1 1 1 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 1 0 0 0 0 1 = 0 0 1 ; 0 4 0 = 0 1 0 ; 0 1 0 = 0 1 0 . 4 0 0 1 0 1 0 5 0 1 0 1 0 5 0 1 0 0 1
1.24 Matrizes equivalentes por linhas
No mesmo contexto de
[1.3], diremos que duas matrizes de mesma ordem A e B (no necessariamente quadradas) so equivalentes por linhas, e notaremos A B , se a matriz B obtida de A por um
nmero nito de operaes elementares sobre as linhas de
A.
A),
simtrica
A B (A B =
B A)
e transitiva (A
B , B C = A C ).
A B , ento existem matrizes elementares E1 , E2 , . . . , Et tais que Et Et1 . . . E2 E1 A = B . Pondo P = Et Et1 . . . E2 E1 I , vemos que B = P A. Alm disso, a mesma sequncia de operaes elementares que transforma A em B , tambm transforma I ei em P : [A | I] [B | P ]. Resumindo um pouco, destaquemos o seguinte resultado fundamental:
Tendo em conta a Propriedade 1.23(a), se
1.25
Sejam
matrizes
m n; A B B = P A,
onde
um produto de matrizes
mm
elementares.
Exemplo 1.26
Consideremos a sequncia de escalonamento e reduo por linhas:
1 1 1 1 0 0 1 1 1 1 0 0 1 0 0 2 1 0 (A|I) = 1 2 2 0 1 0 0 1 1 1 1 0 0 1 1 1 1 0 = (B|P ). 2 3 3 0 0 1 0 1 1 2 0 1 0 0 0 1 1 1
Observemos que
A B, I P
B = P A.
16
Em seguida, podemos examinar uma aplicao especial em que um sistema homogneo possui soluo no trivial.
1.27
Seja
Aplicao
com
Amn ,
m < n.
AX = 0
possui
soluo no trivial.
RX = 0.
Se
nr
1.7(2)].
Pratique um pouco
O resultado acima garante soluo incgnitas.
X = O
22
e de uma matriz
32
1.28
Seja
Corolrio
uma matriz quadrada
n n.
Temos:
A I
o sistema
AX = 0
trivial. Se
A I,
ento os sistemas
AX = 0
IX = 0
so equivalentes.
Reciprocamente, seja
R A
R. Como RX = 0 no admite soluo no trivial, vem r n; por outro lado, R possui n linhas, ou seja r = n. Ora, ento R possui elemento lider igual a 1 em cada uma de suas n linhas, isto R = I .
escalonada reduzida, com o nmero de linhas no nulas de
1.29
Teorema.
em
I,
tambm
A I . Nesse 1 . transforma I em A
A B , ento B = P A, onde P um produto de matrizes elementares, portanto inversvel. Logo, se A I , ento I = P A, com P = Et . . . E2 E1 . Segue 1 I bem inversvel e A = E 1 E 1 . . . E 1 I . Enm, A1 = E . . . E E I , que A = P t 2 1 t 1 2 ei o que garante a ltima armao do teorema, isto , [A | I] [I | A1 ]. Reciprocamente, se A inversvel, ento AX = 0 s possui a soluo trivial. Segue, ento, do Corolrio 1.28, que A I .
que, se
[1.25]
1.30
Sejam
Corolrio
matrizes
m n.
Ento
A B B = P A,
onde
uma matriz
mm
inversvel.
Exemplo 1.31
Vericar se a matriz dada inversvel e achar, quando possvel, sua inversa, usando o mtodo de reduo-escalonada
[A | I] i [I | A1 ].
1 0 3 1 0 0 1 0 3 1 0 0 1 0 3 1 0 0 1 0 0 2 3 3 [A|I] = 0 1 4 0 1 0 0 1 4 0 1 0 0 1 4 0 1 0 0 1 0 4 5 4 1 1 2 0 0 1 0 1 5 1 0 1 0 0 1 1 1 1 0 0 1 1 1 1
inversvel e
A1
No
exemplo 1.26, com o mesmo procedimento acima, vemos que a matriz A l considerada no
2 3 3 = 4 5 4 . 1 1 1
inversvel.
17
[A | I] i [I | A1 ]
inversvel; em
(1)
1 1 3 A = 0 2 4 ; 1 1 2
(2)
1 2 6 A = 0 1 5 . 2 3 7
1.33
B uma matriz inversa esquerda da matriz A, ento BA = I , donde o sistema homogneo AX = 0 possui apenas a soluo trivial, pois B(AX) = B0 = (BA)X = 0 ou IX = 0 e X = 0. 1 e B 1 = A. Por outro lado, se C uma inversa direita de Segue que A inversvel, B = A A, ento AC = I , donde C possui uma inversa esquerda e, portanto, C inversvel. Enm, como A = C 1 , vem que A inversvel e A1 = C .
De fato, se
1.34
Sistemas de Cramer
AX = Y um 1 Y . soluo X = A
sistema de Cramer se
Exemplo 1.35
No
um sistema de Cramer.
Dado
2 3 3 1 8 X = A1 Y = 4 5 4 1 = 11 . 1 1 1 3 3
Outro mtodo poderia ser usado, o de realizar um escalonamento mais ampliado, e obtendo maior nmero de informaes relevantes
Pratique um pouco.
Verique a validade do escalonamento do exemplo anterior.
18
x + 2y x + 2y x + 2y =4 =4 =4 (iii) y z=0 y z=0 yz=0 x + 2z = 4 2y + 2z = 0 0=0 Sistema indeterminado X = (4 2z, z, z), z R. 4x + y z = 1 (iv) 2x + 2y + z = 5 . Soluo nica: X = (1, 4, 1). Verique x y z = 4
com um escalonamento.
= 3,
= 3,
o sistema
X = (x, y) = (1 + y, y), y R.
fornecem o sistema:
c = 3, b = 2
a = 1,
donde o trinmio
f (x) = x2 2x + 3.
1.9
1 2 4
1.6 ((1)iv).
1 1 4 1 L2 +L3 4 3 13 0 5 3 17 0
1 1 4 4 3 13 1 0 4
1.12
X = (0, 0); (3) X = (z, z, z) = z(1, 1, 1), z R. linhas L1 e L3 , podemos proceder como abaixo:
L1 L3
1.18
3 1 1 3 3
L L L3
L L L1
L1
L3 L1
4 16 2 3 5 3 7 1 2 3 1 5 1 2A + E = ; AB = ; BC = ; EA = ; DB = 0 0 0 7 4 2 14 4 2 9 1 1 3 3 3 3
(2)Seja
X=
a c
19
1 2 3 a 1 2 3 a 1 2 3 a (3) A = 3 1 2 b 0 7 7 b 3a 0 7 7 b 3a , 1 5 4 c 0 7 7 ca 0 0 0 2a b + c donde a condio 2a b + c = 0 de possibilidade. O vetor Y = (1, 1, 1) no verica essa condio; por outro lado, o vetor Y = (2, 1, 5) satisfaz mesma 0 1 0 1 equao, donde o escalonamento nal 0 1 1 1 e as solues X = (z, 1 + z, z), z R. 0 0
1.20
(1) Para
AP = P A =
vericar que uma dada matriz P a inversa de uma matriz A, basta testar a denio I . J para decidir se uma dada matriz inversvel, e exibir sua inversa, dispomos
Entretanto, nesse caso particular
2 2,
PA =
a b 1 1 c d 0 1
1 0 0 1
, ento
a = 1, a + b = 0, c = 0, AP = I .
Analogamente,
c + d = 1,
donde
P =
1 1 0 1 2 1 1 1
.
calculamos a inversa de
B = 2A I , temos B 2 = (2A I) (2A I) = 4A2 2A 2A + I = I pois A2 = A. 2 2 Se C = I A, temos C = (I A) (I A) = I A A + A I A = C e AC = A (I A) = A A2 = A A = 0; analogamente, CA = 0. 2 1 = B . Agora, se A = I , ento A no (b) Como B = B B = I , claro que B inversvel, com B 2 1 (A A) = A1 A = A = I , contrariando a hiptese. inversvel; do contrrio, seria A = A = A
(2) (a) Com (3) Seja
A=
a b c d
tal que
A2 = I .
a2 + bc = 1 ab + bd = 0 2 + bc ab + bd a b a b a 1 0 2 = = = segue que De A ca + dc = 0 c d c d ca + dc cb + d2 0 1 cb + d2 = 1 2 2 A segunda e terceira equaes mostram que, se a + d = 0, ento b = 0 e c = 0, donde a = 1 e d = 1, e a = d = 1 ou a = d = 1, isto , I e I vericam a condio exigida. Por outro lado, se a + d = 0, a b 2 ento todas as matrizes tais que a + bc = 1, tambm vericam a condio. Observe que c a
as matrizes
1 0 0 1
1 0 0 1
a + d = 0,
na realidade,
tambm so solues, vericando o segundo formato das solues. (4) Basta observar que, por exemplo, se a primeira linha de
AB
B,
ou seja
A nula, ento a primeira linha do produto AB nunca poder coincidir com a identidade I .
1.32
(1)
(2)
20
Objetivos do Captulo 2
(a) Conceituar a estrutura de espao vetorial; (b) Estudar suas propriedades operacionais; (c) Exemplicar a ocorrncia de espaos vetoriais; (d) Descrever os subespaos vetoriais e suas operaes booleanas; (e) Conceituar subespaos nitamente gerados; (f ) Aplicar os novos conceitos aos sistemas lineares.
INTRODUO
Os espaos vetoriais reais e complexos fornecem um primeiro exemplo de uma estutura matemtica bem acabada, cuja aplicabilidade a outros campos do conhecimento realimenta e integra cenrios multidisciplinares. Iniciando com muita determinao essa fantstica aventura, usaremos os espaos reais como um primeiro modelo.
2.1
PRIMEIRAS DEFINIES
V um conjunto no vazio, munido de uma lei de composio interna denominada soma + : V V V , (v, u) v + u, e de uma lei de composio externa denominada multiplicao escalar : R V V , (a, v) a v, vericando os seguintes axiomas: v ,u v
e e
(1) [Associatividade da soma] Quaisquer que sejam (2) [Comutatividade da soma] Quaisquer que sejam
em
V,
vale
u O
em
V,
vale
v + u = u + v;
em V tal que
em
V; v
em
V,
tal que
v + (v) =
(v) + v = O;
(5) [Associatividade] Quaisquer que sejam (6) [Distributividade] Quaisquer que sejam (7) [Distributividade] Quaisquer que sejam (8)
a a a
e e
b b
em em
R R
e
e e
v v
em em
V, V,
em
em
V,
a(v + u) = av + au;
1 v = v,
para todo
em
V.
Espaos vetoriais
Exemplo 2.2
(1) (2)
21
2.1.
vetores do plano [veja o curso de Geometria Analtica], possui uma estrutura de espao vetorial sobre
R,
(3)
e a multiplicao escalar
cado as vetores do espao tridimensional [veja o curso de Geometria Analtica], possui uma estrutura de espao vetorial sobre multiplicao escalar
e a
(4) O prximo exemplo uma generalizao natural dos exemplos anteriores. Consideremos o con-
Rn das n-uplas de nmeros reais, onde, por denio, colocaremos: (a1 , a2 , . . . , an ) + (b1 , b2 , . . . , bn ) = (a1 + b1 , a2 + b2 , . . . , an + bn ) a (a1 , a2 , . . . , an ) = (aa1 , aa2 , . . . , aan ).
junto (5) Generalizando ainda um pouco mais, temos o espao
Mmn (R)
das matrizes
operaes de soma de matrizes e multiplicao de um escalar por uma matriz (6) Fixado um conjunto
f : E R denidas em E um espao vetorial real com as operaes pontuais (f + g)(x) = f (x) + g(x), (af )(x) = af (x), para todo x de E , onde f e g so funes de E em R e a R. Observe que o vetor nulo desse espao a funo constante nula O : E R, em que O(x) = 0, para todo x de E . Na realidade, esse um
a coleo de todas as funes reais espao vetorial sucientemente amplo para conter toda sorte de exemplos especcos, variando com a escolha um domnio
E = ,
F(E, R)
R[X]
das funes polinomiais reais um espao vetorial Tambm, xado o inteiro mais o polinmio nulo.
n 0,
Rn [X]
n,
Pratique um pouco.
Rever as estruturas do Exemplo 2.2, pois sero fundamentais para nossa sequncia de trabalho. No exemplo (7) acima, os polinmios do espao os polinmios de grau
Rn [X]
possuem grau
n;
exatamente
igual a
2.3
Seja
PROPRIEDADES OPERACIONAIS
R.
Valem as relaes:
em
V,
temos
Da unicidade do oposto, a de
mostra que
o oposto de
v,
e que
o oposto
(v). v, u w
em
V,
se
v + u = v + w,
ento
u=w
(lei do cancelamento da
0v = O.
22
a R e todo v V , vale (a)v = a(v) = (av). Notando que av + (a)v = (a + (a))v = 0v = O , vemos que (a)v = (av). a(v) = (av).
(f ) Quaisquer que sejam Se
Analogamente,
a=
0, ento a1 (av)
ou
v = O.
Atividade-proposta 2.4
Seja
R.
Verique as relaes.
v V, aR u
em
vale
(1)v = v . v V, v
e vale
e todo
(a)(v) = av . wV
tal que
V,
e indicado por em
v u;
portanto,
u + w = v . Esse v u = v + (u).
vetor
V,
valem as relaes:
w = (4, 1, 1).
Ache o vetor
tal que
3u + 2X = v + w.
2.5 SUBESPAOS VETORIAIS
H certos subconjuntos
de um espao vetorial
induzem uma
W V
um subespao vetorial de
V.
Para que tal ocorra, bastante considerar o resultado abaixo. Suponhamos que (a)
O W; v a
e
(b) Quaisquer que sejam (c) Quaisquer que sejam Nessas condies,
em
W,
em
temos
v + u W [W av W [W
V ]; V ].
em
R, v
W,
vale
= v W ,
Exemplo 2.6
(1) Dado um espao vetorial triviais de (2) No
V , os subconjuntos {O} e V
so subespaos de
V , os chamados subespaos
V.
o plano
W = {(x, y, z); x y = 0} um subespao, que contem o eixo OZ pontos (0, 0, z) e a reta (x, x, 0). Veriquemos as trs condies da prop. 2.5. (a) O = (0, 0, 0) W , pois 0 0 = 0; (b) se v = (x, y, z) W , ento x y = 0, e se u = (a, b, c) W , ento a b = 0; logo, v + u = (x + a, y + b, z + c) W pois (x + a) (y + b) = (x y) + (a b) = 0 + 0 = 0; (c) se v = (x, y, z) W , ento v W , pois v = (x, y, z) = (x, y, z) verica x y = (x y) = 0 = 0.
(3) No espao das matrizes quadradas
R3 ,
t que A
= A,
um subespao de
V;
V = Mnn (R) o conjunto S das matrizes simtricas A, tais t conjunto A das matrizes anti-simtricas, tais que A = A,
um subespao de
V.
1.18.
f : [0, 1] R
[0, 1]
em
R.
Espaos vetoriais
2.7 APLICAO AOS SISTEMAS LINEARES
23
Amn , o conjunto N (A) dos vetores X Rn que so as solues do sistema homogneo AX = O um subespao do Rn (na realidade, o ncleo de A). De fato, como AO = O , vem O N (A); se X1 e X2 esto em N (A), ento A(X1 +X2 ) = AX1 +AX2 = O + O = O, donde X1 + X2 est em N (A); de modo anlogo, vemos que, se X N (A), ento aX N (A) para todo a real.
Amn ,
AX = Y ,
com
Y = O,
no
formam um subespao;
O no soluo. Entretanto, vale o seguinte resultado fundamental. m ; existe X Rn talque AX = Y } o conjunto dos segundos Seja I(A) = {Y R AX = Y que tornam esse sistema compatvel. Ento, I(A) um subespao do Rm .
basta ver que Com efeito, claro que
membros de
O I , pois A0 = O; se Y1 , Y2 I , temos: AX1 = Y1 e AX2 = Y2 , ento Y1 + Y2 = AX1 + AX2 = A(X1 + X2 ), donde (Y1 + Y2 ) I ; enm, se AX = Y , ento Y = A(X), para cada R. AX = Y
abaixo, onde j formamos a matriz aumen-
1 0 3 y1 1 0 3 y1 [A|Y ] = 2 1 5 y2 0 1 1 y2 2y1 , 1 0 3 y3 0 0 0 y3 y1
Observemos, ainda, que esses possveis
donde
Y = (y1 , y2 , y3 ) I(A) y1 = y3 .
Y correspondem exatamente ao subespao gerado pelos vetores v3 = (3, 5, 3). Voltaremos a essas consideraes no Captulo 3.
Atividade-proposta 2.8
(1) Determine quais dos seguintes conjuntos de vetores (a) (c) (e)
X X X
x 0; x y = 2z ; x=0
ou
do
R3 .
X X
xyz = 0; z = y2;
y = 0; V = M33 (R):
(b) (d)
AV AV pV pV
e e
inversvel;
AV AV
e e
e e
no inversvel; se
A2 = 0; V = R2 [X]:
(b) (d)
Ai,j = 0
i j. x R;
p(0) = 0; p(0) = 2;
pV pV
p(x) 0
para todo
p (0) = 2p(1); R2 .
(4) Refazer o problema (3) da Atividade (5) Mostre que os nicos subespaos de (6) Dada uma matriz qualquer (7) Sejam (8) O reais
1.18 do Captulo 1.
e
{O}.
Descreva os subespaos do
Bmn ,
S = B tB AB
simtrica. simtrica
AB = BA. V
das matrizes
No espao
verique que o conjunto das matrizes de trao nulo formam um subespao vetorial de
V.
24
2.9
Sejam (1)
V.
O W U , pois O W e O U . Se v W U , ento v W e v U ; se u W U , ento u W e u U ; asssim, com v e u em W , vem v + u W ; do mesmo modo, v + u U ; enm v + u W U . De modo anlogo, se a R e v W U , ento av W U .
De fato, (2) A unio
W U
no , em geral, um subespao de V .
Por exemplo, no
R2 , sejam W = {(x, y); x = 0} e U {(x, y); y = 0}; temos (0, 1) W W U e (1, 0) U W U , mas (0, 1) + (1, 0) = (1, 1) no pertence unio W U , pois (1, 1) no pertence 2 a W nem a U , isto , W U no fechado em relao soma de R .
Para contornar essa diculdade, consideraremos o conjunto de ser um subespao de
V,
apresenta as mesmas
U.
do espao
V,
seja
W + U = {w + u; w W, u U }
a soma de
U.
W +U
um subespao de e
V;
de
W +U W
W + U U; V
que contem
U,
isto , se
T V
um subespao,
T W
O = O + O W + U ; se w1 + u1 e w2 + u2 so vetores de W + U , ento (w1 + u1) + (w2 + u2 ) = (w1 + w2 ) + (u1 + u2 ) est em W + U ; enm, se a R, ento a(w + u) = (aw) + (au). Em (b), as somas w = w + O e u = O + u mostram que W W + U e U W + U . (c) Se W e U esto contidos em T , ento uma soma w + u de W + U possui as parcelas em T , donde W + U T .
2.11
Um caso particular fundamental ocorre na soma
soma direta,
e notaremos
W e U do espao V ; T = W U t = w + u, com w W e u U .
t T
t = w1 + u1 = w2 + u2 so duas decomposies, ento w1 w2 = u2 u1 mostra que w1 w2 W U = {O} donde w1 = w2 e, portanto, u1 = u2 . Reciprocamente, seja t W U ; temos t + O = O + t, donde t = O em virtude da unicidade desta decomposio.
Exemplo 2.12
(1) No
R3 , consideremos os subespaos W = {(x, y, 0); x, y R} e U = {(x, x, z); x, z R}. Temos R3 = W + U , pois todo vetor do R3 da forma (x, y, z) = (x, y, 0) + (0, 0, z), com (x, y, 0) W e (0, 0, z) U . A soma no direta, pois W U = {(x, x, 0); x R} a reta y = x e z = 0.
(2) Os subespaos uma vez que
W = {(x, 0, 0); x R} e U = {(0, y, z); y, z R} do R3 so tais que R3 = W + U , (x, y, z) = (x, 0, 0) + (0, y, z). Na realidade, R3 = W U , pois W U = (O). V = Mnn (R),
consideremos o subespao
S das matrizes V = S A.
Espaos vetoriais
Partindo da relao
25
1 A = 2 (A + tA) + 1 (A tA), basta ver que a primeira parcela simtrica, e a 2 1 1t 1 t t 1 t tt t segunda, anti-simtrica. Ora, [ (A + A)] = 2 2 (A + A) = 2 (A + A) = 2 (A + A), isto , a primeira parcela bem simtrica. Verique que a segunda anti-simtrica. Assim, j temos V = S +A. Enm, S A = {O}, pois se t( A) = A = A, ento 2A = O, donde A = O. Em denitivo, V = S A.
Observao
modo nico, como a soma de uma matriz simtrica com uma matriz anti-simtrica. Na realidade, a pista dessa decomposio a expresso que usamos:
1 A = 1 (A + tA) + 2 (A tA). 2
partindo de
2 A = 2 6
4 0 3
8 1 , 5
com
2 t A= 4 8
2 6 0 3 , 1 5
obtemos
2 A= 1 7
,
1 0 2
0 3 7 2 + 3 0 1 1 5
1 1 . 0
.
4) Seja
V = M22 (R), V = W + U, x 0 0 0
e os subespaos
W =
+
x y ; x, y, z R z 0 0 0 0 d
U =
x 0 ; x, y R 0 y W U
Temos
pois
a b a b = c d c 0
formado
pelas matrizes
Atividade-proposta 2.13
(1) Sejam
V.
W U
subespao de
W U
ou
U W.
onde
R2 = W U , R3
W = {(x, 0); x R}
T = {(x, y, z); x = z}
Verique que
W = {(x, y, z); x + y + z = 0}
e
U = {(x, y, z); x = y = 0}
T + W = R3 , T + U = R3 V = M33 (R)
W + U = R3 .
considere os subespaos
W = {B V ; Bij = 0 , i j } ,
Mostre que
U = {C V ; Cij = 0 , i < j } .
V =W U.
V, consideremos o conjunto [S] = {a1 v1 +a2 v2 + +an vn } das combinaes lineares de v1 , v2 , . . . , vn . Na realidade, fcil ver [S] um subespao de V , denominado subespao gerado por S ,ou pelos vetores v1 , v2 , . . . , vn .
um espao vetorial real. Fixado um conjunto nito de vetores de
S = {v1 , v2 , . . . , vn }
Exemplo 2.15
(1) Fixado escalares (a) No
v = O em V , o subespao [v] = {av; a R} gerado por v o conjunto de v . Diremos que [v] reta vetorial gerada por v (ou de direo v ).
vemos que
dos mltiplos
R2 ,
[(1, 0)]
o eixo OX,
[(0, 1)]
o eixo OY,
[(1, 2)]
a reta
y = 2x.
[(1, 1, 1)] do R3 a reta x = y e y = z . M33 (R), o subespao gerado pela identidade [I] a 0 0 0 a 0. 0 0 a
escalares,
que so matrizes diagonais, em que os elementos diagonais so todos iguais entre si:
26
(2) No
R3 ,
se
v = (1, 0, 0)
u = (1, 1, 0),
[v, u] = {av + bu; a, b R} = {(a + b, b, 0); a, b R} representado pela condio [v, u] = {(x, y, 0); x, y R}.
ento
Para a mudana de variveis"apontada, ver o conhecido argumento de a+b=x b = y compatvel, para todo x, y R, desde que seja z = 0. 0=z (3) No problema anterior, vale a igualdade De fato, claro que
2.7(b):
o sistema
onde
w = (0, 1, 0).
w = u v,
temos
[v, u] [v, u, w], via av + bu = av + bu + 0w. Reciprocamente, observando que av + bu + cw = av + bu + c(u v) = (a c)v + (b + c)u, isto , [v, u, w] [v, u].
{v1 , v2 , . . . , vn } e {u1 , u2 , . . . , um }, suponhamos que cada v1 , . . . , vn combinao linear de [u1 , . . . , um ], e que cada u1 , . . . , um combinao linear de [v1 , . . . , vn ]. Ento, os respectivos subespaos gerados so iguais: [v1 , v2 , . . . , vn ] = [u1 , u2 , . . . , um ].
Atividade-proposta 2.16
(1) No
R3 ,
(1, 1, 0)
no pertence ao subespao
X, Y
do
2.15
Rn ,
sejam os subespaos
U = [X + Y, X Y ]. 0 0 0 1 0 1 1 0
W = U.
gerado pelas matrizes , e .
M22
2.7(b) se A inversvel.
nito
S V
de
V,
isto ,
V = [S].
Exemplo 2.18
(1) Os espaos De fato, temos
Rn
so nitamente gerados. e
e3 = (0, 0, 1);
R = [1], R2 = [(1, 0), (0, 1)], R3 = [e1 , e2 , e3 ], onde e1 = (1, 0, 0), e2 = (0, 1, 0) assim por diante. Os vetores e1 , e2 , e3 , . . . so os vetores unitrios cannicos. 1 0 0 1 0 0 0 0 , , , 0 0 0 0 1 0 0 1
.
(2) A construo se generaliza sem diculdade para o espao das matrizes. Por exemplo,M22 (R) nitamente gerado; um sistema gerador formado por
S =
a, b, c, d R, S22
vale
a b 1 0 0 1 0 0 0 0 =a +b +c +d c d 0 0 0 0 1 0 0 1
Analogamente, o subespao
1 0 0 0
0 0 0 1
, e
0 1 1 0
Espaos vetoriais
(3) O subespao
27
Rn [X] dos polinmios reais de grau n nitamente gerado pelo sistema de n + 1 2 n geradores [f0 , f1 , f2 , . . . , fn ], onde f0 (x) = 1, f1 (x) = x, f2 (x) = x , . . . , fn (x) = x , uma vez que, se f Rn [X], ento f (x) = a0 + a1 x + a2 x2 + . . . + an xn , isto , f = a0 f0 + a1 f1 + . . . + an fn .
2.19 LINHAS E COLUNAS DE UM PRODUTO DE MATRIZES
Dada uma matriz (real)
Amn ,
as colunas (vetores do
Rm )
sero notadas
A1
. . .
(por linhas) e
A=
Am
e
(a) Escrevendo
isto , as linhas de
AB
so dadas por
B = (B 1 , . . . , B p ),
AB
so dadas por
Em particular,
Exemplo 2.20
3 5 1 1 2 0 1 9 3 , B = 2 7 2 , AB = Sejam A = . Por exemplo, consideremos: 3 4 5 6 3 5 1 2 0 3 5 1 (AB)2 = A2 B = (3, 4, 5) 2 7 2 = (6, 3, 5) [aqui o produto usual, linha coluna] 1 2 0 (AB)2 = A2 B = 3B1 + (4)B2 + 5B3 = (9, 15, 3) + (8, 28, 8) + (5, 10, 0) = (6, 3, 5). 5 1 2 0 9 (AB)2 = AB 2 = [aqui o produto usual, linha coluna] 7 = 3 4 5 3 2 (AB)2 = AB 2 = A1 (5) + A2 (7) + A3 (2) =
Pratique um pouco
Usando o exemplo anterior como modelo, efetue vrios produtos de matrizes de diferentes ordens. Comprove os resultados de
5 15
14 28
0 10
9 3
28
A32
B23 .
Mostre que
AB
A33 ,
suponhamos que
X = (1, 2, 3)
AX = O.
inversvel? Justique.
Amn e considere o sistema real AX = B , para o qual existem duas solues distintas X1 = X2 . X1
e
Mostre que o sistema possui uma innidade de solues reais. Sugesto. Considere a reta denida por
X2 .
(4) Uma indstria produz trs produtos, X, Y e Z, utilizando dois tipos de insumo, A e B. Para a manufatura de cada kg de X so utilizados 1 grama do insumo A e 2 gramas do insumo B; para cada kg de Y, 1 grama de insumo A e 1 grama do insumo B e, para cada kg de Z, 1 grama de A e 4 gramas de B. O preo de venda do kg de cada um dos produtos X, Y e Z R$ 2,00, R$ 3,00 e R$ 5,00, respectivamente. Com a venda de toda a produo de X, Y e Z, quando foram usados 1 kg do insumo A e 2 kg de B, essa indstria arrecadou R$ 2500,00. Determinar quantos kg de cada um dos produtos X, Y e Z foram vendidos. (5) Seja (6) Se
Rnn
R = I,
ento
A=I B
AX = O = X = O.
Suponhamos que, para cada
Amn .
A = O.
que
Espaos vetoriais
RESPOSTAS DAS ATIVIDADES PROPOSTAS
29
2.4
(1) Basta fazer
a=1
em 2.3(e).
u + w = u + w1 = v ,
w = w1 .
Analogamente,
X = (2, 0, 4).
2.8
(1) Apenas (c) subespao. Dispomos de dois procedimentos: vericar as trs condies de observar, por exemplo, que a condio com
2.5,
ou
x y 2z = 0
AX = 0,
A = (1 1 2).
Os vetores
AX = O.
em (f ), a condio
A especicao (a) no estvel pela multiplicao escalar; (b) no contem o vetor nulo; (d) e (e) no fechados em relao soma: por exemplo, linear!
z = y2
no
1 0 0 1
1 0 01
O;
(c) no
01 00
00 10
01 10
p(0) = 0 aplicada em p = a0 + a1 x + a2 x2 signica a0 = 0; em (d), a condio p (0) = 2p(1) aplicada em p = a0 + a1 x + a2 x2 signica a1 = 2(a0 + a1 + a2 ), ou 2a0 + a1 + 2a2 = 0; em ambos os casos resultam condies lineares.
(3) So subespaos (a) e (d); em (a) a condio A condio (b) no estvel pela multiplicao escalar; (c) no contem o polinmio nulo. (5) Seja
e dado
x R,
temos
x = a1 (ax),
com
m m,
temos:
tS
= t (B t B) = t( t B) t B = B t B = S .
t( AB)
= AB tB tA = AB BA = AB .
e
x y a+x b+y , ento A + B = ; se tr(A) = a + d = 0 e tr(B) = z t c+z d+t x + t = 0, ento tr(A + B) = (a + x) + (d + t) = (a + d) + (x + t) = 0 + 0 = 0; analogamente, tr(A) = a + d = (a + d) = 0 = 0. Enm, claro que a matriz nula tem trao nulo. A = B =
a b c d
2.13
W U subespao de V , com W U e U W ; ento existe v U com v W , e existe u W com u U ; claro que v e u pertencem unio W U . Como W U um subespao de V , deve ser v + u W U , donde v + u W ou v + u U ; se fosse v + u = w W , ento seria v W pois u W , contradizendo a escolha de v , que no pertence a W ; analogamente, no pode ser v + u U . Assim, em qualquer caso, chegamos a uma contradio.
(1) Por absurdo, suponhamos que (2) Para estabelecer a soma
R2 = W + U , consideremos a decomposio (x, y) = a(1, 0) + b(1, 1), donde x = a + b e y = b, ou a = x y , isto , (x, y) = (x y)(1, 0) + y(1, 1). Tal soma direta pois, se a(1, 0) = b(1, 1), ento (a, 0) = (b, b), donde a = b = 0 e W U = [(0, 0)].
30
(3) Vale
T U = R3
W U = R3 . A soma T + W no direta, poi T W = [(1, 2, 1)]. a11 a12 a13 0 a12 a13 a11 0 0 que a21 a22 a23 = 0 0 a23 + a21 a22 0 . a31 a32 a33 0 0 0 a31 a32 a33
e ento
2.16
(1) Se
a=b=1
a + b = 0,
W +U = (x, y, z) = (x, 0, 0) + (0, y, z), (x, 0, 0) = x(1, 0, 0) W , e (0, y, z) = y(0, 1, 0) + z(0, 0, 1) U . Para escrever um sistema gerador da interseo, seja v W U , temos: v = a(1, 0, 0) + b(1, 1, 1) = c(0, 1, 0) + d(0, 0, 1), donde a + b = 0, b = c, b = d e v = b(1, 0, 0 + b(1, 1, 1) = b(0, 1, 1); logo, W U = [(0, 1, 1)].
(2) claro que (3) Como
X+Y
Reciprocamente,
[X + Y, X Y ].
(4) Temos (5) Pondo
10 00
00 01
+ c
01 10
ac c b
2 2.
f0 = 1, f1 = x e f2 = x2 , temos, por denio, R2 [X] = [f0 , f1 , f2 ]. Por outro lado, 1 = f0 , 1 + x = f0 + f1 , (1 + x)2 = 1 + 2x + x2 = f0 + 2f1 + f2 , donde [1, 1 + x, (1 + x)2 ] = [f0 , f1 , f2 ] = R2 [X].
(6) Se
dada por
X = A1 Y ;
assim,
AX = Y I(A) = Rm .
Y Rm ,
2.21
(1) O sistema com
BX = O possui soluo no trivial, pois 2 < 3. X = O, o que impede a hiptese de AB ser inversvel. A
inversvel, ento
A(BX) = (AB)X = O,
vem que
(2) Se
AX = O = X = O.
Como
X = O
AX = O,
no
inversvel. (3) Se
X = X1 + (1 )X2 , R, ento AX = A(X1 + (1 )X2 ) = (AX1 ) + (1 )(AX2 ) = Y + (1 )Y = Y . 1 1 1 1000 gramas de A usados 1 0 0 700 2 1 4 2000 gramas de B usados 0 1 0 200 2 3 5 2500 quantia arrecadada 0 0 1 100
(4) Organizando os dados na matriz abaixo, basta usar o escalonamento para o clculo da soluo:
Portanto, foram vendidos 700 kg do produto (5) Observar que o piv de uma linha linha de
X,
200 kg do produto
e 100 kg do produto
Z.
com
j i.
Portanto, ou a ltima
AX = (I B)X = O, ento X = BX , donde tX X = tX BX . Formando a transposta t t t t t t t t t em ambos os membros, vem ( X BX) = ( X X), donde X B X = X X , ou X (B) X = X X e tX BX = tX X = tX BX . Assim, tX X = tX X , donde tX X = 0. Enm, com X = t [x1 , . . . , xn ], t 2 2 obtemos X X = x1 + + xn = 0, donde x1 = 0, . . . , xn = 0, isto , X = O . X = E1 , onde E1 tal que sua primeira coordenada vale 1 e as demais so nulas, ento AE1 = A1 a primeira coluna de A, que ser nula, por hiptese. Em seguida, escolha X = E2 , cuja segunda 2 coordenada 1 e as demais nulas; temos AE2 = A a segunda coluna de A, tambm igual a zero, por 3 4 hiptese. Assim, por diante, escolhendo E3 , E4 , . . . veremos que as colunas A , A , . . . so todas nulas. Logo, vem A = O . Enm, se para todo X , vale AX = BX , ento (A B)X = O , donde, como vimos, A B = O, ou A = B .
(7) Se
Base e Dimenso
31
Objetivos do Captulo 3
(a) Estudar conjuntos nitos linearmente dependentes e independentes; (b) Conceituar base de um espao vetorial nitamente gerado; (c) Comparar critrios caractersticos de dimenso nita; (d) Calcular explicitamente a dimenso de subespaos vetoriais; (e) Denir matrizes de mudana de bases e suas propriedades; (f ) Descrever e comparar subespaos associados a matrizes e sistemas;
INTRODUO
Fatos e propriedades da geometria de posio (colinearidade, coplanaridade, incidncia) so estudados pelos espaos vetoriais: num primeiro momento, so incorporados os conceitos intuitivos, pouco a pouco ampliados em toda sua generalidade.
3.1
Seja
S = {v1 , v2 , . . . , vn }
de vetores de
V.
(a) O conjunto
linearmente independente (LI), ou os vetores {v1 , v2 , . . . , vn } so linearmente independentes se a combinao linear nula a1 v1 + a2 v2 + + an vn = O s pode ocorrer com os coecientes escalares todos nulos a1 = a2 = . . . = an = 0.
(b) O conjunto
linearmente dependente
(LD), ou os vetores
dependentes
Exemplo 3.2
(1) O vetor nulo
O linearmente dependente, pois, por exemplo, 1 O = O. Na realidade, se S = {O, v2 , . . . , vn } um conjunto nito de vetores de V , ento S LD: 1 O + 0 v2 + + 0 vn = O.
(2) Todo vetor (3) Sejam
v=O
linearmente independente: se
aR v
e e
av = O, u
ento
a = O,
pois
v = O.
v, u V
32
u no sejam LI, ento existiria alguma combinao linear av + bu = O a = 0, donde v = (b/a)u seria mtiplo escalar de u, contra a hiptese. Por outro a R tal que v = au, ento v au = O mostra que v e u so LD, isto , vetores
e
v, u
w,
coplanares e so LD quando forem coplanares. (5) A idia geomtrica da dependncia linear signicando algum vetor dependendo linearmente (sendo combinao linear) dos demais reforada pelo seguinte resultado. Se os vetores
{v1 , v2 , . . . , vn } a1 = 0,
a1 , a2 , . . . , an tais que a1 v1 + a2 v2 + + an vn = O. relao que v1 = (a2 /a1 )v2 + (an /a1 )vn .
Supondo,
Exemplo 3.3
(1) Os vetores unitrios cannicos
e1 = (1, 0, 0), e2 = (0, 1, 0) ae1 + be2 + ce3 = (a, b, c) = (0, 0, 0), ento a = b = c = 0. M22 (R), R3 , 1 0 0 0 0 1 0 0
e3 = (0, 0, 1)
so LI no
R3 ,
pois se
Em outros espaos vetoriais, conjuntos de vetores com lei de formao semelhante, permanecem LI, como em onde as matrizes cannicas , ,
0 0 0 0 , 1 0 0 1
so LI.
x(1, 2, 3) + y(1, 4, 9) + z(1, 8, 27) = (0, 0, 0), (x, 2x, 3x) + (y, 4y, 9y) + (z, 8z, 27z) = (0, 0, 0), (x + y + z, 2x + 4y + 8z, 3x + 9y + 27z) = (0, 0, 0),
x + y + z =0 1 2x + 4y + 8z = 0 ; A = 2 3x + 9y + 27z = 0 3
O escalonamento nos d so LI. (b)
1 4 9
1 1 8 0 27 0
1 2 6
1 1 6 0 24 0
1 1 1
1 1 3 0 4 0
0 1 0
2 1 3 0 1 0
0 1 0
0 0 . 1
x(1, 1, 0) + y(1, 4, 5) + z(3, 6, 5) = (0, 0, 0), (x, x, 0) + (y, 4y, 5y) + (3z, 6z, 5z) = (0, 0, 0), (x + y + 3z, x + y + x + 4y + 5y + x + 4y + 6z, 5y + 5z) = (0, 0, 0), 3z = 0 1 1 3 1 1 3 1 1 3 1 0 2 6z = 0 ; A = 1 4 6 0 3 3 0 1 1 0 1 1 5z = 0 0 5 5 0 5 5 0 0 0 0 0 0
X = O; na realidade, h uma innidade de solues X = z(2, 1, 1), z R, cujo subespao a reta [(2, 1, 1)]. Tambm vemos uma combinao linear nula e no trivial: 2v1 v2 + v3 = O .
Assim, o escalonamento mostra que existe soluo
Observao.
na coluna
da matriz
dos coecientes
A.
Base e Dimenso
33
R2 [X], os vetores {1, x, x2 } so LI, pois se a0 + a1 x + a2 x2 = 0 (polinmio identicamente nulo), ento a0 = a1 = a2 = 0. O mesmo argumento mostra que os vetores {1, x, x2 , (1 + x)2 } so LD: a + bx + cx2 + d(1 + x)2 = 0 a + bx + cx2 + d(1 + 2x + x2 ) = 0 a + d + (b + 2d)x + (c + d)x2 = 0 a + d = 0, b + 2d = 0, c + d = 0, donde as solues (a, b, c, d) = (d, 2d, d, d), d R; em particular, com d = 1, temos a = 1, b = 2 e c = 1, e a 2 2 combinao linear nula e no trivial 1 + 2x + x (1 + x) = 0.
(3) No espao das funes polinomiais
Atividade-proposta 3.4
(1) Verique, no (a)
(c)
se o conjunto
{v, u, w}
{v + u, v + w, u + w}
LD?
o conjunto de vetores
2 2:
1 1 0 0
1 0 1 0
0 0 0 1
em
{2x, x2 + 1, x + 1, x2 1}
R3 [X].
um espao vetorial nitamente ge-
3.5
Seja
um subconjunto nito
BV
vericando as condies:
B B
gera
V,
isto ,
V = [B];
linearmente independente.
Exemplo 3.6
e1 = (1, 0) e e2 = (0, 1) formam uma base do R2 ; os vetores e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1) formam uma base do R3 ; os vetores e1 = (1, 0, 0, 0), e2 = (0, 1, 0, 0), e3 = (0, 0, 1, 0) e e4 = (0, 0, 0, 1) formam uma base do R4 e assim por diante.
(1) Os vetores (2) Os
n+1
polinmios
1, x, x2 , . . . , xn 0 1 0 0 0 0 1 0
Rn [X]. 2 2.
(3) As matrizes
1 0 0 0
0 0 0 1
Observao . As bases dos exemplos (1), (2) e (3) so as chamadas bases cannicas (naturais) dos
respectivos espaos.
(4) Seja
W R3
v3 = (1, 1, 2).
Esses
W ? Ora, para tal, deve ser LI o conjunto-gerador considerado. Temos: 1 0 1 1 0 1 A = 0 1 1 0 1 1, donde os vetores so LD. Do escalonamento, seguem as solues 1 1 2 0 0 0 X = (z, z, z), z R. Escolhendo z = 1, vemos que v3 = v1 + v2 . Descartando v3 , camos com W = [v1 , v2 ]. Como esses dois vetores so LI (no colineares), segue que {v1 , v1 } uma base de W .
vetores formam uma base de
Observao. O exemplo ilustra um fato geral: num dado espao, uma base seleciona o menor
nmero de geradores, ou o maior nmero de vetores LI, como passaremos a caracterizar.
3.7
Proposio. Seja
V = [v1 , v2 , . . . , vn ] n
gerado por
vetores. Ento:
(a) Todo conjunto que tenha mais de (b) Todo conjunto LI de vetores em
vetores em
LD.
contm no mximo
elementos.
34
m > n,
ento os vetores
w1 , w2 , . . . , wm so LD. Decompondo esses vetores nas direes v1 , v2 , . . . , vn , obtemos w1 = a11 v1 + + an1 vn ,. . ., wm = a1m v1 + + anm vn . Para m escalares quaisquer temos: x1 w1 + + xm wm = x1 (a11 v1 + + an1 vn ) + + xm (a1m v1 + + anm ) x1 w1 + + xm wm = (a11 x1 + + a1m xm )v1 + + (an1 x1 + + anm xm )vn . (*) Como n < m, existe X = O tal que AX = O ; enm, (*) mostra que, para esse vetor X , dependncia linear x1 w1 + + xm wm = O .
3.8 Teorema da invarincia . Se um espao vetorial
vale a
B = {v1 , . . . , vn } com
contm tambm
elementos.
B1 = {u1 , . . . , um }
outra base de
gera
B1
B1
gera
V , segue V e B LI,
m n, pois B n m. Assim, m = n. V
um espao vetorial
3.9
Seja
dimenso nita quando admite uma base com um nmero Esse nmero, o mesmo para todas as bases de V a dimenso de V , indicado
V
tem colocaremos, por extenso, dim
dimV .
Se
V = {O},
V = 0.
Tendo em conta os exemplos que estudamos anteriormente (ver extensa coleo de bases em espaos de dimenso nita. (1) Temos dim
2.17, 2.18
3.3),
j temos uma
R = 1;
dim
R2 = 2;
dim
R3 = 3,
dim
R4 = 4.
Rn = n.
(2) No espao das matrizes, temos dim (3) Para as funes polinomiais de
3.10
seja
N (A)
solues so determinadas pelo mtodo de Gauss-Jordan, como vimos no captulo matriz reduzida escalonada, equivalente por linhas matriz de
R,
1),
e as correspondentes
nr 1
N (A)
nr
variveis,
r = n,
apenas da soluo
Simplicando a notao, suponhamos que os pivs ocorrem nas primeiras abaixo, onde
1 0 . . . R = 0 0 . . . 0
lderes e
Segue
xr+1 , . . . , xn as variveis livres: b1 r+1 x1 b1n . . . . . . . . . br r+1 xr + + xn brn = xr+1 que 0 1 x r+1 . . . . . . . . . 1 0 xn = xr+1 X1 + + xn Xnr
nr vetores que descrevem as solues so LI e, por construo, geram o conjuntoX1 , X2 , . . . , Xnr formam uma base do conjunto-soluo e temos bem dimN (A) =
n r.
Base e Dimenso
Exemplo 3.10
1.
35
A =
1 2 1 2 R = 2 4 0 0 y ).
Da equao
Temos
r = 1
vem
x)
nr = 21 = 1
(uma
varivel livre,
x + 2y = 0,
x = 2y ,
isto ,
X=
x 2y 2 = =y y y 1
. Assim,
dim N (A)
= 1.
X1 =
2 1
y = 1 e calcular o valor correspondente de x, usando a matriz reduzida R; vem x + 2 = 0, donde x = 2; assim (x, y) = (2, 1) forma a base do espao das solues N (A). 1 2 1 0 2. A = 3 4 R = 0 1. Aqui, r = 2 e n = r = 2, isto , no h varivel livre. Ocorre s a 2 3
soluo trivial 3.
0 0 (0, 0).
A = 1 2 3 ou x + 2y + 3z = 0. Escolhendo x como lider, as variveis y e z so livres. Temos X = (x, y, z) = (2y 3z, y, z) = y(2, 1, 0) + z(3, 0, 1), y, z R. Pondo X1 = (2, 1, 0) e X2 = (3, 0, 5), segue que {X1 , X2 } base de N (A), com dim N (A) = 2. Alternativamente, com y = 1 e z = 0 em x + 2y + 3z = 0, vem x = 2, donde o vetor X1 = (2, 1, 0); do mesmo modo, z = 1 e y = 0 fornecem x = 3 e o vetor X2 = (3, 0, 1). A = (a1 , . . . , an ) = O, o subespao H dos X Rn tais que A X = a1 x1 + a2 x2 + + an xn = 0 possui dimenso n 1. De fato, supondo, por exemplo, a1 = 0, temos x1 = (a2 /a1 )x2 + + (an /a1 )xn = b2 x2 + + bn xn , isto , X = (x1 , x2 , . . . , xn ) = x2 X1 + + xn Xn1 , onde os vetores X1 = (b2 , 1, 0, . . . , 0), . . . , Xn1 = (bn , 0, 0, . . . , 1) so LI e n geram H . O subespao H denominado hiperplano do R . 1 1 1 1 0 0 5. A = 1 2 1 R = 0 1 0. Nesse caso, h trs pivs (r = 3), logo no h variveis livres
4. Generalizao do exemplo anterior. Fixado
1 1 2
(n
0 0 1 X = O.
Observe, como conrmao, que
= 3).
inversvel.
1 2 0 3 1 2 0 3 6. A = 1 2 1 1 R = 0 0 1 5. Temos r = 2, com x e z lderes, e 4 2 = 2 variveis 2 4 1 1 0 0 0 0 livres, y e w . Com y = 1 e w = 0, vem de R que x = 2 e z = 0, ou X1 = (2, 1, 0, 0); j fazendo w = 1 e y = 0, vem x = 3 e z = 5, ou X2 = (3, 0, 5, 1). Desse modo, dimN (A) = 2; uma base desse espao {X1 , X2 }.
Observao.
1 n,
n 1.
saibamos exatamente qual o procedimento que est envolvido! Ainda como aplicao da Proposio
3.11
Proposio. Seja
contendo menos de
V. W V
passaremos
ou da dimenso de subespaos
36
3.12
(a) Se (b) Se
Lema. Seja
SV
v V.
v [S], / S {v}
ento
S {v}
LD, ento Se
v [S].
S = {v1 , . . . , vn } e x1 v1 + + xn vn + xv = 0, ento deve ser x = 0, do contrrio seria v = (x1 /x)v1 (xn /x)vn um vetor de [S]. Logo, vale a combinao linear x1 v1 + + xn vn = 0, donde x1 = . . . = xn = 0, pois S LI. Assim, S {v} LI.
Proposio. Seja
3.13
(a) Se (b) Se
de dimenso nita e
n, V; V.
SV
um subconjunto com
n = dim V
vetores.
LI, ento
V = [S] S
S S
V = [S],
ento
LI e
vV
S,
em 3.2(5) que um de seus vetores combinao linear dos demais, o que nos daria um conjunto de geradores com
n1
Exemplo 3.14
Sabemos que
V = R2 V,
como
No
R3 ,
de dimenso 3, os vetores LI
V = [O] e S um conjunto nito de geradores de V . Como h vetores no nulos em S , podemos escolher B S um subconjunto LI com o nmero mximo possvel de elementos, cuja cota superior dada pela proposio 3.7. Armamos que B uma base de V , ou seja, que V = [B]. Inicialmente, temos S [B], pois se existisse algum vetor v S que no fosse combinao linear de B ento, pelo Lema 3.8, o conjunto B {v} S seria LI, o que contraria a escolha maximal de B . Enm, de S [B], vem V = [S] [B], donde V = [B].
Seja
3.16 3.17
LI
Corolrio Se
de
{v1 , . . . , vm }
est contido em uma base. um conjunto LI maximal contendo os vetores dados, com cota
Seja
[B] = V ;
do contrrio, se
vV
v [B], /
ento
B.
3.18
Seja (a)
Dimenso de um subespao
um espao vetorial de dimenso nta possui dimenso nita e dim W
V W
e seja
W V
um subespao.
n; W = {O}, [B] = W , do
(b) Se dim W
= n,
ento
W =V.
(a) Supondo
B = {w1 , . . . , wm } de W que LI e maximal. Segue que contrrio, se w W e w [B], ento B {w} W seria LI, pelo Lema 3.12, contrariando a escolha / maximal de B . Assim B uma base de W e W tem dim nita m. claro que m n, dada a limitao da proposio 3.7. (b) Se dim W = dim V = n, ento toda base de W um subconjunto LI com n elementos em V , logo gera V pela proposio 3.13. Assim, W = V .
Base e Dimenso
37
Observao. Comparando as proposies 3.18 e 3.15, vemos que, na realidade, vericamos um resultado mais completo, a saber, que
nitamente gerado.
3.19
Seja
ento
A vericao requer uma certa dose de pacincia com ndices ... uma base de
Sejam, ento,
B1 = {v1 , . . . , vk }
W U , B2 = {v1 , . . . , vk , w1 , . . . , wp } uma base de W obtida por completamento de B1 e B3 = {v1 , . . . , vk , u1 , . . . , uq } uma base de U obtida por completamento de B1 . Mostraremos que B = {v1 , . . . , vk , w1 , . . . , wp , u1 , . . . , uq } base de W + U , onde dim W U = k , dim W = k + p, dim U = k + q e dim(W + U ) = k + p + q . Se v = w + u W + U , ento, vem, sucessivamente: w = a1 v1 + + ak vk + b1 w1 + + bp wp , u = c1 v1 + + ck vk + d1 u1 + + dq uq , v = (a1 + c1 )v1 + + (ak + ck )vk + b1 w1 + + bp wp + d1 u1 + + dq uq ,
Supondo donde vem
[B] = W + U .
1 v1 + + k vk + b1 w1 + + bp wp + d1 u1 + + dq uq = 0 (),
donde
1 v1 + + k vk + b1 w1 + + bp wp = (d1 u1 + + dq uq ) W U
Logo, Como
(d1 u1 + + dq uq ) = f1 v1 + + fk vk , B3
LI, segue que
f1 v1 + + fk vk + d1 u1 + + dq uq = 0.
em (*),
nalmente, completam
3.20
Corolrio.
(W U ) = dim W + dim U
Exemplo 3.21
(1) Vamos indicar uma base e a dimenso dos seguintes subespaos do (a)
R3 :
com
W : vetores cujas coordenadas so todas iguais. Um vetor tpico de W da forma (a, a, a), a R; como (a, a, a) = a(1, 1, 1), vemos que B = {(1, 1, 1)} uma base de W e dim W = 1.
(b)
U : vetores cuja soma das coordenadas nula. Um vetor genrico v de U v = (a, b, c), onde a + b + c = 0, donde a = b c, logo v = (b c, b, c) = b(1, 1, 0) + c(1, 0, 1). Assim, B = {(1, 1, 0), (1, 0, 1)} uma base de U e dim U = 2.
(2) Para indicar uma base
do hiperplano
z(3, 0, 1, 0) + t(1, 0, 0, 1). Como as particulares solues so automaticamente LI, segue uma base B = {(2, 1, 0, 0), (3, 0, 1, 0), (1, 0, 0, 1)} de H e dim H = 3. 4 Podemos completar a base B a uma base do R : basta escolher qualquer vetor v H , isto , que / no satisfaz condio linear que dene H , por exemplo, v = (0, 0, 0, 1); desse modo os vetores (2, 1, 0, 0), (3, 0, 1, 0), (1, 0, 0, 1), (0, 0, 0, 1) so LI, logo formam uma base do R4 . O completamento,
como claro, no nada nico. (3) Sejam os subespaos do
R4 , W = {(a, b, c, d); a + c + d = 0} e U = {(a, b, c, d); a + b = 0 e c = 2d}. Para calcular as dimenses de W e U , podemos usar nossa experincia com hiperplanos: dim W = 3 4 e dim U = 2. Em particular, vemos que W + U = R . Logo, dim (W U ) = 1. Para explicitar algum vetor-gerador da interseo, iremos resolver o sistema homogneo formado pelas equaes de W e U : 1 0 1 1 1 0 0 3 0 0 1 0 3 . Como a = 3d, b = 3d, c = 2d, temos W U = [(3, 3, 2, 1)]. 1 1 0 0 0 1 2 0 0 1 2
38
Atividade-proposta 3.22
(1) Sejam Mostre (2) No
considere os vetores
v1 = w2 w3 , v2 = w1 w3
v 3 = w1 w2 .
R3 ,
(a) Indique
W?
(b) Determine alguma equao linear que caracterize (c) Extenda a base
W;
tal que
W U = R3 . p
de
(3) Indique uma base do subespao dos polinmios (4) No espao das matrizes
R3 [x]
tais que
p(1) = 0.
3 3,
(a) escalares; (b) diagonais; (c) simtricas; (d) antisimtricas (e) superiormente triangulares. Generalize seus resultados para o espao das matrizes
n n.
[v1 , . . . , vm ] V
elenco de operaes elementares que j aplicamos s linhas (ou equaes) de uma matriz. Obteremos um novo conjunto de geradores,
[w1 , . . . , wm ],
que so
[v1 , . . . , vm ] = [w1 , . . . , wm ].
Na realidade, nosso objetivo essencialment o mesmo que usamos nos sistemas, a saber, obter uma congurao escalonada, mais simples, para melhor descrever o subespao em questo.
= [v1 , v2 , v3 ],
com
v3 = (3, 1, 8). R:
A,
cujas linhas so
1 0 3 1 0 3 A = 3 1 8 R = 0 1 1 . As linhas da matriz escalonada R e as linhas da matriz A 1 1 2 0 0 0 geram o mesmo subespao W , mas as linhas no-nulas de R so LI, pois R escalonada! Em outras palavras, achamos uma base de W , donde sua dimenso dim W = 2.
Associados a cada matriz (1)
v1 , v2 , v3 ,
Amn ,
linhas de
A,
cuja dimenso
L (A)
Subespao-coluna o subespao C(A) Rm gerado pelas n colunas de A; sua dimenso C (A) Subespao-ncleo
Esse nosso velho conhecido! Trata-se do subespao
nulidade de A.
3.10).
N (A) Rn
formado
Sua dimenso a
O escalonamento-linha de Gauss-Jordan a pea chave para estudar os subespaos mencionados, inclusive o caso do subespao-coluna (?!). Tais aplicaes so frutos dos trabalhos de Gauss.
Base e Dimenso
3.24 Proposio. Seja
39
Amn
escalonada
(reduzida), e seja
R.
Ento:
L(A)
L(R) R
e
so iguais;
Rn ,
as
linhas pivs de
so LI. Em particular,
(iii) Os subespaos-ncleo
N (A)
N (R)
A vericao dessas propriedades no difcil: (i) decorre do que apresentamos no pargrafo introdutrio, isto ,
L(R) = [w1 , . . . , wr ],
nada no nula de cada vetor possui ndice menor do que a primeira coordenada no nula dos vetores seguintes. Uma tal congurao exige vetores LI; (iii) Os sistemas cf.
AX = O
RX = O
N (A);
3.10.
Exemplo 3.25
I=
1 0 0 1
A=
1 2 2 4
B=
1 2 3 0 0 4
1 3 0 1 M = 2 6 1 1 1 3 2 3
y = 2x
do
R2 ;
A2 = 2A1 ; L (A) = 1;
R3 ; L (B) = 2. 1 3 0 1 Para estudar L(M ), escalonamos M , obtendo R = 0 0 1 1 , donde L (M ) = 2, pois as duas 0 0 0 0 linhas no nulas de R so LI.
gerado por dois vetores LI, logo um plano do
(b) Subespaos-coluna
C(I) = R2 , C (I) = 2; C(A) = [1 2] a reta y = 2x do R2 ; observe as colunas colineares A2 = 2A1 ; C (A) = 1; C(B) gerado por dois vetores LI, logo C(B) = R2 ; C (B) = 2.
Para estudar colunas de
C(M ),
M,
uma idia que j deu bons resultados anteriormente (ver matriz aumentada:
2.7).
1 3 0 1 y1 1 3 0 1 y1 2 6 1 1 y2 0 0 1 1 y2 2y1 . A compatibilidade procurada dada pela 1 3 2 3 y3 0 0 0 0 5y1 2y2 + y3 3 condio 5y1 2y2 + y3 = 0, o que caracteriza um plano do R . Segue, ento, que C (M ) = 2. Na realidade, usando y3 = 2y2 5y1 , podemos escrever Y = (y1 , y2 , y3 ) = (y1 , y2 , 2y2 5y1 ) = y1 (1, 0, 5) + y2 (0, 1, 2). Assim, C(M ) = [(1, 0, 5), (0, 1, 2)].
Observao
40
C(M ).
Amn . O sistema AX = Y compatvel Y C(A). Em outras palavras, os vetores Y que tornam o sistema AX = Y compatvel so, precisamente, os que so combinaes lineares das colunas da matriz A. a11 a1n x1 . . . . . . . De fato, o sistema AX = Y , ou . . . . = Y pode ser escrito como a combinao . am1 amn xn a11 a1n . . 1 n linear . x1 + + . xn = Y , ou A x1 + + A xn = Y . [Se for o caso, reler o 2.7]. . . am1 amn
Seja
3.26
Proposio
3.27
Corolrio 1
Se o sistema homogneo
AX = O
X = O,
ento os vetores-coluna
3.28
Se
Corolrio 2
ento as mesmas combinaes lineares das colunas so nulas, tanto para
A R,
como para
R.
Em outras palavras:
AX = O exatamente
quando
RX = O.
Exemplo motivador
Retomemos a matriz
colunas-pivs
R4 R1
(primeira e terceira) de
R,
so LI, en-
M 3 so LI em
= = + 2 = 3M 1 e M 4 = M 1 +M 3 !! Moral: com esse resultado M , enquanto M interessa de C(M ) j foi decidido logo no primeiro (e nico) escalonamento.
3R1 e
AB
matrizes
Ento
como os postos-coluna de
C (A) = C (B). A e de B .
Y C(A), ento existe X Rn tal que Y = AX . Sendo A B , existe uma matriz inversvel P tal que B = P A, ou BX = (P A)X = P (AX) = P Y , isto , P Y C(B). Alm disso, se Y1 , . . . , Yr so LI em C(A), ento P Y1 , . . . , P Yr tambm so LI em C(B): de a1 P Y1 + +ar P Yr = O segue P (a1 Y1 + +ar Yr ) = O , donde (P inversvel!) a1 Y1 + +ar Yr = O e, como os Yj so LI, vem a1 = = ar = 0. Portanto, se r = C (A), exibimos r vetores LI (os P Yj ) em C(B), o que signica que C (B) C (A). Permutando os papis de A e B (P inversvel!), temos C (A) C (B); enm, C (A) = C (B).
Podemos resumir esses vrios resultados.
Amn
escalonada
R.
Ento:
colunas-pivs so LI;
so LI;
L (A) = C (A) = r.
posto de A, (A).
Base e Dimenso
Do corolrio 2, decorrem
41
(a) e (b); tambm, vimos em 3.29a que C (R) = C (A). Para comparar as dimenses L (A) e C (A), vamos partir de (a): h r colunas (pivs) LI em R, donde C (R) r , ou t seja, para toda matriz A, C (A) L (A) (*). Enm, usando matrizes transpostas, vale C ( A) L (t A), donde L (A) C (A), o que, juntamente com (*), mostra que L (A) = C (A) = r.
Observao. O escalonamento-linha, como vimos, preserva os espaos-linhas de
as
R,
bem como
dimenses
dos espaos-coluna.
alterar os espaos-
colunas.
tes), mas
A=
2 4 3 6
R=
1 2 0 0
(A) = (R) = 1.
o posto de
(A)
a nulidade de
A,
isto ,
Ento
(A) = r,
sabemos que
(A) = n r.
Observao O teorema acima, se bem que apresentado de uma forma algo simplria, uma das verses de um resultado extremamente importante de lgebra Linear, o chamado Teorema do Ncleo e da Imagem, que ser visto e revisto ao longo dos prximos captulos.
Atividade-proposta 3.30
(1) Indique uma matriz cujo espao-linha contm os vetores
(1, 2)
(2, 5),
e cujo espao-coluna
1 1 0
3 1 3
0 0. 1 L
(das linhas) e
1 A = 2 3
1 4 7; B = 0 1 5
2 1 1; D = 2 2
1 0 0 1 4 ; G = 2 1 0 ; H = 0 8 1 2 1 0 0 1 2 A = 0 0 0. 0 0 0 2 4
1 1 0
1 1 1 0 . 2 2
A23
(1, 2, 0)
(2, 3, 0).
Qual o posto de
A?
Exemplo 3.25.
N (A) = [(2, 2, 1, 0), (3, 1, 0, 1)]; (b) N (A) = [(4, 3, 2, 1)]; N (A) = [(1, 1, 1, 1)] e (1, 1, 1) C(A).
(1) Sejam A e B
A= 1 1 1 1
e
AB = O.
Em particular,
(AB)j = AB j = O.
o espao-coluna de
A.
B=
1 1 1 1
, onde
42
(2)
No espao
R3 ,
consideremos os subespaos
(0, y, z) = y(0, 1, 0) + z(0, 0, 1), donde {(0, 1, 0), (0, 0, 1)} uma base de U (os geradores so LI!), dim U = 2. Por outro lado, os geradores (1, 2, 0), (3, 1, 2) de W tambm so LI (no paralelos), formam uma base de W e dim W = 2. U + W , inicialmente vamos escalonar todos os geradores. 0 1 0 0 0 1 0 1 3 0 0 1, donde U + W = [(1, 0, 0), (0, 1, 0), (0, 0, 1)] = R . 0 2 0 0 0
Para caracterizar
Temos
0 1 0 0 1 2 3 1
dim (U + W ) = dim U + dim W dim (U W ), segue que dim (U W ) = 1. Como foi solicitada uma base de U W , uma soluo redenir o plano W atravs de sua equao linear, 1 0 x (3z/2) 1 3 x obtida pela matriz aumentada: 2 1 y 0 1 z/2 , 0 2 z 0 0 y 2x + (5z/2)
Da relao donde a equao vetor-gerador
4x 2y 5z = 0 (0, 5, 2). v3
e
de
W.
Na interseo
U W,
como
z = 0,
vem
2y + 5z = 0
e o
Vamos
v4
para os quais
{v1 , v2 , v3 , v4 }
que os dois vetores dados so LI, ainda assim usaremos o escalonamento para melhor posicionar os novos vetores e garantir os quatro LI: podemos acrescentar os vetores
(4) No R4 , sejam os vetores v1 = (1, 0, 1, 0), v2 = (0, 1, 1, 1), v3 = (1, 1, 0, 0) e v4 = (1, 0, 1, 0).
inspeo, os quatro vetores so LI (ou, se preferir, escalone os vetores), logo formam uma base do Pondo
R4 .
W = [v1 , v2 ] e U = [v3 , v4 ], fcil ver que R4 = W U . De fato, temos W U = {O}, pois se xv1 +yv2 = zv3 +tv4 , ento xv1 +yv2 zv3 v4 = O, donde x = y = z = t = 0, uma vez que os vetores v1 , v2 , v3 , v4 so LI. Por outro lado, de dim (W + U ) = dim W + dim U dim (W U ) = 2 + 2 = 4, 4 4 vemos que W + U = R . Assim, temos bem R = W U . Observao Tambm claro que todo vetor v R4 da forma v = av1 + bv2 + cv3 + dv4 , ou v = w + u, com w W e u U , o que acarreta R4 = W + U .
(5)
W = {(x, y, z, t); x y = 0 e z t = 0 } do R4 , vamos encontrar algum 4 4 subespao U R que seja suplementar de W , isto , tal que W U = R . Iniciemos por achar a dimenso de W . Ora, um vetor tpico de W da forma (x, y, z, t) = (y, y, t, t), logo W = [(1, 1, 0, 0), (0, 0, 1, 1)] e dim W = 2. Basta, ento, escolher o subespao U = [(1, 0, 0, 0), (0, 0, 0, 1)] dos (x, y, z, t) tais que x = t, de dim U = 2. A concluso segue do mesmo argumento que usamos no
Dado o subespao
Prob.(4).
Atividade-proposta 3.32
(1) Dados os subespaos do
R4
U = {(x, y, z, t); x + y = 0 e z 2t = 0} ,
(a) Calcule
W:
Base e Dimenso
43
1 1 0 0 x 0 1 2 0 y . Escalonando M , mostre que Y = (x, y, z, t) W y +z +t = 0. M = 0 1 1 1 z 0 0 1 1 t (c) Conclua uma base de U W . x x (2) Seja W1 o subespao das matrizes reais 2 2 da forma e W2 o subespao das matrizes y z ab a c
3.33
Seja . Determine as dimenses de
W1 , W2 , W1 + W2
W1 W2 .
Mudana de base
V um espao vetorial de dimenso nita n, e B = {v1 , v2 , . . . , vn } uma base de V . Dado v V , como B gera V , existem escalares x1 , x2 , . . . , xn tais que v = x1 v1 + x2 v2 + + xn vn . Na realidade, esses escalares so unicamente determinados por v , isto , se so iguais as duas combinaes lineares x1 v1 + + xn vn = y1 v1 + + yn vn , ento (x1 y1 )v1 + + (xn yn )vn = 0, donde, como os vetores so LI, x1 y1 = 0, . . . , xn yn = 0, logo x1 = y1 . . . xn = yn . As coordenadas do vetor v em relao base B so os (nicos) escalares (x1 , x2 , . . . , xn ) tais que x1 . v = x1 v1 + x2 v2 + + xn vn ; usaremos a notao (v)B = . para indicar essas coordenadas. . xn
Exemplo 3.34
R3 , em 2 (v)B = 4. 1
(1)No
B = {e1 , e2 , e3 },
se
v = (2, 4, 1),
ento
v = 2e1 + 4e2 + e3
C dada por w1 = (1, 0, 1), w2 = (1, 1, 1), w3 = (0, 0, 1)? Chamando v = y1 w1 + y2 w2 + y3 w3 , vem (2, 4, 1) = y1 (1, 0, 1) + y2 (1, 1, 1)+y3 (0, 0, 1) ou (2, 4, 1) = (y1 , 0, y1 )+(y2 , y2 , y2 )+(0, 0, y3 ) = (y1 +y2 , y2 , y1 y2 +y3 ); 2 segue, ento que y1 = 2, y2 = 4, y3 = 3, que indicaremos por (v)C = 4 . Analogamente, se 3 3 (w)C = 2 , ento w = 3w1 2w2 + w3 = (3, 0, 3) + (2, 2, 2) + (0, 0, 1) = (1, 2, 0). v
em relao base
1 p = 2 + 4x + x2 em relao base B = {1, 1 + x, 1 + x2 } de R2 [x] o terno (a, b, c) tal que 2 + 4x + x2 = a + b(1 + x) + c(1 + x2 ) = (a + b + c) + bx + cx2 , donde c = 1, b = 4 e 3 2 a = 3. Assim, escreveremos (p)B = 4 . Do mesmo modo, as coordenadas (q)B = 2 indicam 1 2 2 ) ou q = 6 + 2x + 2x2 . que o polinmio q vale q = 2 + 2(1 + x) + 2(1 + x
(2) As coordenadas de
Atividade-proposta 3.35
Encontrar as coordenadas da matriz
2 2:
M=
1 1 2 0
B=
1 0 0 1
0 1 0 0
0 0 2 0
0 0 1 2
44
V
e
de dimenso
n,
X = (v)B
em relao
B = {v1 , . . . , vn } e C = {w1 , . . . , wn }; sejam um mesmo vetor v V em relao base B e w1 = a11 v1 + + an1 vn w2 = a12 v1 + + an2 vn
. . .
wj
da base
em relao a
B,
vem
()
wn = a1n v1 + + ann vn
w1 , . . . , wn da | P = (w1 )B |
P , colocando em suas colunas as coordenadas em relao a B de cada base C . Tal matriz a matriz de passagem da base B para a base C : | (wn )B . O fato que a matriz P far a relao entre as coordenadas: X = PY. | X = PY
meio tediosa (...) Seja
v = y1 w1 + + yn wn ; substituindo cada w pela combinao linear de (*), vem v = y1 (a11 v1 + + an1 vn ) + + yn (a1n v1 + + ann vn ), donde v = (a11 y1 + + a1n yn )v1 + + (an1 y1 + + ann yn )vn . Ora, tambm vale v = x1 v1 + +xn vn , donde, x1 = 11 y+ +a1n yn , . . . , xn a y1 + +ann yn . a 1 = n1 x1 a11 a1n y1 . . . . . . Esse ltimo pacote, em termos matricias, se escreve . = . . . , ou X = P Y . . . xn an1 ann yn
A vericao da relao
Exemplo 3.36
(1) Seja
B = {e1 , e2 , e3 }
a base cannica do
R3
a base
(0, 0, 1).
A matriz de passagem de
1 1 0 dos wj , ou seja 0 1 0 ; se X denota as coordenadas cannicas (base B) e Y indica as 1 1 1 coordenadas em relao a C , ento X = P Y ; observe a ordem: P a matriz de B para C e P escreve X (em B ) dependendo de Y (em C ). No exemplo 3.22(1), partindo de X = (2, 4, 1), achamos Y = (2, 4, 3), usando diretamente combinaes lineares em cada base. S para conrmar, verique que X = P Y . 2 2 2 (2) A matriz de mudana da base B = {1, t, t } de R para a base C = {1, 1 + t, 1 + t } a 1 1 1 matriz P = 0 1 0; j da base C para a base B teramos de decompor B em C (felizmente, P = 0 0 1
h alternativa mais direta...):
para
a matriz
3.34(2).
3.37 Proposio
da base
para a base
de
para e
B. Y = QX ,
donde
(cordenadas em
B)
(em
C)
temos
X = PY
X = (P Q)X
para
X,
o que obriga
PQ = I
(ver o
Exerccio 2.21(7)).
Base e Dimenso
Observemos que a infomao nova dessa proposio no que
45
pois suas colunas so coordenadas de vetores LI! O que nos interessa para agilizar o processo que
Q = P 1
Exemplo 3.38
Consideremos as bases
B = {v1 , v2 , v3 }
C = {u1 , u2 , u3 }
assim relacionadas:
u1 = v1 v2 v3 , u2 = 2v2 + 3v3 , u3 = 3v1 + v3 . Vamos determinar as matrizes de mudana da base B para C , e de C para B . Como foram dadas as coordenadas em relao base B , segue, de imediato a matriz P de mudana de B para C . Determinada P , sua inversa Q (que muda de C para B ) segue do mtodo de Gauss: 1 0 3 6 1 0 3 1 0 0 1 0 0 2 9 P = 1 2 0 [P |I] = 1 2 0 0 1 0 0 1 0 1 4 3 = [I|Q] 1 3 1
Se
1 3 1 0 0 1
como achar
0 0 1
3 2
Atividade-proposta 3.39
(1) Dadas as matrizes
2 3 7 P = 1 0 3 , 0 2 1
considere as bases do (a) Se
Q = P 1
(cannica) e
6 11 9 = 1 2 1 , 2 4 3 Y
de
R3 , B = {e1 , e2 , e3 }
C = {v1 , v2 , v3 }. v = (a, b, c) R3
em
para
C,
ache as coordenadas
relao base
C; v1 , v2 , v3 ;
dada a matriz de passagem
D = {u1 , u2 , u3 },
da base
para a base
D,
1 0 1 M = 1 3 1 . 0 1 1
(2) No subespao
W = 1 1 0 0
x y z t , 1 0 1 0 W
; xyz =0 0 0 0 1 B
para
22
consideremos as bases
B=
C= C
1 0 1 0
para
0 1 1 0 B
0 0 0 1
e de
B; D
para seja a matriz
de
1 1 0 G = 0 0 2 . 0 3 1
46
3.4
(1)(a) No difcil vericar que, se
ento
x=y=z=0
(veja o Exemplo
1 3 1
LI.
Exerccio-brinde 1 Dentre os trs vetores LD acima considerados, algum deles combinao linear
dos outros dois. Estabelecer a dependncia linear
(c) Os vetores so LD, pois, por exemplo, vale a combinao linear (2) Suponhamos que os vetores
v, u, w sejam LI; ento se a(v + u) + b(v + w) + c(u + w) = O, segue que (a + b)v + (a + c)u + (b + c)w = O , donde, da hiptese LI, a + b = 0, a + c = 0 e b + c = 0 e, enm, a = b = c = 0. Assim, so LI os vetores v + u, v + w, u + w.
(3) Como os vetores so colineares, deve ser (4) Supondo
2 + 2 = 6, =
donde
2 = 4 0 0 0 0
= 2. x = y = z = 0,
1 1 1 0 0 0 +y +z 0 0 1 0 0 1
x+y x y z
, vemos que
a(2x) + b(x2 + 1) + c(x + 1) + d(x2 1) = 0, isto , (b + c d) + (2a + c)x + (b + d)x2 = 0, ento a = d, b = d e c = 2d; fazendo d = 1, vem a = 1, b = 1 e c = 2 e a dependncia linear 2x + (x2 + 1) 2(x + 1) (x2 1) = 0.
3.22
(1) De fato, temos (2) (a)
v1 v2 + v3 = O .
w1 = (1, 2, 3) e w2 = (0, 0, 4); esses vetores no so paralelos, logo, so LI. Segue-se que formam uma base B de W , isto , dim W = 2. 1 0 x 1 0 x (b) Escalonando a matriz aumentada 2 0 y 0 4 z 4x , donde a condio linear de
gerado pelos vetores compatibilidade (c) O vetor
y 2x = 0,
que
3 4 z caracteriza W .
0 0 y 2x w3 W ; / B.
segue-se que os trs vetores
w3 = (1, 0, 0) no
U = [w3 ], claro que W + U = R3 pois todo vetor v do R3 da forma v = aw1 + bw2 + cw3 = (aw1 + bw2 ) + (cw3 ) W + U . Enm, a soma direta pois W U = {O}.
Exerccio-brinde 2 Vericar que
diretamente que todo vetor (3) Se
R3
isto , mostrando
p = a + bx + cx2 + dx3 e p(1) = a + b + c + d = 0, ento a = b c d; usando as coordenadas cannicas, vem: (a, b, c, d) = (b c d, b, c, d) = b(1, 1, 0, 0) + c(1, 0, 1, 0) + d(1, 0, 0, 1), o que 2 3 indica os polinmios x 1, x 1 e x 1; tais polinmios so LI e geram o subespao considerado.
(4) Sejam
E , D, S , A
St
simtricas e superiormente triangulares). Para calcular cada dimenso, basta contar quantas matrizes descrevem cada base cannica.
Base e Dimenso
No espao
47
das matrizes
3 3, de dimenso 9, vemos que dim E = 1 (E gerado pela diagonal 1, as demais posies sendo nulas); dim D = 3 (a diagonal envolve trs
elementos quaisquer e so necessrios trs 1 para gerar toda a diagonal, as demais posies sendo
9 3 = 6 elementos fora da diagonal, dois a dois iguais, ou seja 3 posies fora da diagonal; total de 3 + 3 = 6 posies cannicas; dim A = 3 (basta considerar as 3 posies fora da diagonal); dim St = 6 (muito semelhante contagem do caso simtrico).
nulas); dim
S=6
(3 posies na diagonal e
E = 1;
dim
D = n;
dim
S = n+
n n n(n 1) = ; 2 2
n(n + 1) n2 n = ; 2 2
dim
A=
dim
St =
n(n + 1) . 2
0 0, 1
3.30
(1) Basta considerar
1 A = 1 0
em que
C(A)
o posto
(A) = 2.
(2)(a)No caso
1 A = 2 3
4 7,vemos 5
que
C(A)
ser dim
L(A) = 2,
L(A) = [A1 , A2 ],
A3 = 11A1 + 7A2 .
1 B = 0 1 3 1 3 1 2 0 1 0 2 3 1 0 2 1. 0
L(B) = 2, (B) = 2: B1
e
C(B)
B3,
j que
B2 = B1 + B3.
e
D=
colunas so (d)
1 2 4 , vemos que as linhas so vetores paralelos, L(D) = [D1 ], 2 4 8 1 2 1 3 1 geradas por D . Observe que D = 2D e D = 4D . G
inversvel;
(D) = 1.
As
G I,
isto ,
L = C = R3 , (G) = 3.
h trs linhas LI no
1 0 0 1 H 0 1 0 1 ; 0 0 1 1
R4 ; = 3;
h trs colunas
LI no
R3 .
0 A = 0 0 1 0 0 2 0, 0
se
(3) Dada
AX = O,
com
x X = y , z
ento
y + 2z = 0,
e
ou
y = 2z ,
donde
Assim
(A) = 2.
w1 = (1, 2, 0)
1 1
w2 = (2, 3, 0).
Se
N (A) = [w1 , w2 ],
A=
0 0
0 0
, observando que
Aw1 = O
Aw2 = O.
0 1 0 0 5 2 0 0 ,
obtemos duas linhas LI, isto , duas colunas
(5) Escalonando tM
1 3 0 1
2 1 1 0 6 3 0 1 2 1 3 0
M . Observe de C(M ).
48
(6)(a) Sendo
N (A) = [(2, 2, 1, 0), (3, 1, 0, 1)], observemos que dentre as variveis (x1 , x2 , x3 , x4 ) que descrevem as solues, as variveis x3 e x4 so livres, isto , x1 = 2x3 + 3x4 e x2 = 2x3 + x4 .( conveniente
reler a formao das solues,
3.10(4)).
A= 0 1 0
1 0 0 0 1
apenas
x4
1 A= 0 0
0 2 3 1 2 1 4 3 . 2
em
C(A)
do vetor
(1, 1, 1)
1 A= 1 1
1 0 0 0 1 0 . 0 0 1
3.32
U , temos (x, y, z, t) = (y, y, 2t, t) = y(1, 1, 0, 0) + t(0, 0, 2, 1), isto , dois donde dim U = 2. Para calcular a dimenso de W , vamos escalonar a matriz cujas geradores de W :
(1)(a) Em geradores LI, linhas so os
1 0 0 0
0 0 0 1 1 0 2 1 1 0 1 1
1 0 0 0 0 1 1 0 0 0 1 1 0 0 0 0
,
donde dim
W = 3.
Para
U + W,
1 0 0 1 0 0 1 1 0 0
1 0 0 0 1 0 1 1 0 0 0 0 0 2 1
0 1 0 0 0
0 0 1 0 1 0 , 0 1 0 0
donde dim
U + W = 4,
isto ,
U + W = R4 .
Da, pelo
(U W ) = 1.
1 0 0 0 1 0 0 1 2 0 1 1 1 0 1 1 x y z t 1 0 0 0 1 0 0 1 2 0 0 1 1 0 0 0 x y y+z y+z+t .
Segue, ento,
Em seguida, escalonando
M =
que
Y = (x, y, z, t) W y + z + t = 0.
(b) Quanto a
U W , temos trs equaes: x + y = 0 , z 2t = 0 ; y + z + t = 0, iso , (x, y, z, t) = (3t, 3t, 2t, t), donde a base de U W = [(3, 3, 2, 1)], conrmando a dimenso igual
a 1. (2) Uma matriz tpica de
W1
da forma
A1 = x
1 1 0 0
+y
W1 = 3. Analogamente, vemos que dim a a W1 W2 da forma , logo, dim W1 W2 = 2. a c dim W1 + W2 = 3 + 3 2 = 4, isto , W1 + W2 = M22 .
3.35
Usando uma matriz aumentada conveniente e indicando coordenadas em relao base cannica, temos:
1 0 0 0 0 1 0 0 0 0 2 1 1 0 0 2
1 1 2 0
1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1
1 1 5/4 1/2
, donde MC =
1 1 5/4 1/2
49
vj : u1 = v1 v2 = (5, 1, 2), u2 =
PB,C
0 1 0 1 1 0 = 1 1 0 ; QC,B = P 1 = 1 0 0 . 0 0 1 0 0 1 P 1 . G1 :
Dada a simplicidade numrica, no usamos o mtodo de Gauss para achar (b) Como , exatamente, a base
Pondo
1 1 u3 = b1 + b2 . 3 3
vale
1 1 0 0
0 1/3 1/3 0
BX = 0 so da forma X = (a, a, 2a), a R, vemos que (1, 1, 2) soluo, donde a relao v1 v2 + 2v3 = 0. y y , y, z + x , 0, 0 , com w W e u U . 2. Verique que v = (x, y, z) = w + u = 2 2 3. Basta obter a condio de possibilidade do sistema AX = Y , dada pelo escalonamento: 1 4 a 1 0 7 + 4b 2 7 b 0 1 b 2a 3 5 c 0 0 11a 7b + c
1. Observando que as solues de Assim, temos bem
11a 7b c = 0.
50
Objetivos do Captulo 4
(a) Conceituar aplicaes lineares entre espaos vetoriais; (b) Determinar uma aplicao linear; (c) Descrever os subespaos ncleo e imagem de uma aplicao linear; (d) Caracterizar isomorsmo entre espaos vetoriais; (e) Representar aplicaes lineares e matrizes; (f ) Interpretar os novos conceitos no clculo de solues de sistemas lineares.
INTRODUO
Aplicaes (ou transformaes) lineares) entre dois espaos vetoriais permitem descrever e relacionar inmeras propriedades desses espaos. O caso particularmente fundamental dado pelos isomorsmos, que so transformaes bijetivas. Oferecem ainda, essas aplicaes lineares, novas interpretaes
4.1
Sejam
TRANSFORMAES LINEARES
V
e
f : V U
uma
v1 , v 2 V
R,
valem as relaes
No caso em que
em
denominada
operador linear em V .
4.2
Primeiras propriedades.
(1)
Seja
f : V U
f (O) = O; v V , f (v) = f (v); v1 , v2 V , f (v1 v2 ) = f (v1 ) f (v2 ); v1 , . . . , vp em V e a1 , . . . , ap em R, vale f (a1 v1 + + ap vp ) = a1 f (v1 ) + + ap f (vp )
f (O) = f (O + O) = f (O) + f (O) e do cancelamento aditivo; j (2) resulta de v + (v) = O , logo de f (v) + f (v) = f (O) = O e da unicidade do oposto; (3) usa (2): f (v1 v2 ) = f (v1 + (v2 )) = f (v1 ) + f (v2 ) = f (v1 ) f (v2 ); (4) generaliza a denio 4.1.
Aplicaes lineares
51
Exemplo 4.3
(1) A aplicao
O : V U
denida por
O(v) = 0 = 0 = O(v).
V a aplicao I : V V dada por I(v) = v , para todo v V . I(v1 + v2 ) = v1 + v2 = I(v1 ) + I(v2 ); (b) I(v) = v = I(v).
(3) As funes
f : R2 R2 , f (x, y) = (x, 0), e g : R2 R2 , g(x, y) = (x, y) so lineares. Veriquemos a linearidade de f . Pondo v1 = (x1 , y1 ) e v2 = (x2 , y2 ), vem f (v1 + v2 ) = f (x1 + x2 , y1 + y2 ) = (x1 + x2 , 0) = (x1 , 0) + (x2 , 0) = f (v1 ) + f (v2 ); por outro lado, com v = (x, y), temos f (v) = f (x, y) = (x, 0) = (x, 0) = f (v). Geometricamente, f representa a projeo de X = (x, y) sobre o eixo dos x, paralelamente ao eixo dos y ; a aplicao g a simetria em relao ao eixo dos x, paralelamente ao eixo dos y . Observe que g = 2f I .
(4) linear a aplicao como sabemos,
D : Rn [x] Rn [x], tal que D(p) = p D(p + q) = D(p) + D(q) e D(p) = D(p).
linear, pois
a derivada do polinmio
p,
pois,
(5) A funo
h(0) = 1 = 0.
Tambm no linear
Atividade-proposta 4.4
(1) Identique quais das seguintes aplicaes so operadores lineares (a) (c)
f : R3 R3
(b) (d)
2 2.
f : V V , g : V R,
f (A) =
tA;
(soma dos elementos diagonais de
dada por
A).
(2) Com o mesmo argumento, podemos descrever todas as funes lineares de R num espao V :
cada vetor linear de
para
v V , arbitrariamente xado, a aplicao dada por f (x) = xv R em V tal que f (1) = v , pois f (x) = f (x 1) = xf (1) = xv .
e
U , V de dimenso nita, vamos descrever as aplicaes lineares de V em U . Fixada uma base B = {v1 , . . . , vn } de V , e dados os vetores u1 , . . . , un de U , existe uma nica aplicao linear f : V U tal que f (v1 ) = u1 , . . . , f (vn ) = un . Se v V possui a decomposio v = a1 v1 + + an vn , ento a aplicao f dada por f (v) = a1 u1 + + an un .
52
Com efeito, se
w = b1 v1 + + bn vn e f (w) = b1 u1 + + bn un ento, de v + w = (a+ b1 )v1 + + (an + bn )vn , segue f (v + w) = (a1 + b1 )u1 + + (an + bn )un = f (v) + f (w). Analogamente, vemos que f (av) = af (v). Assim, f linear. Por construo, f (v1 ) = u1 , . . . , f (vn ) = un . Quanto unicidade, se g outra aplicao linear tal que g(v1 ) = u1 , . . . , g(vn ) = un , ento g(v) = g(a1 v1 + + an vn ) = a1 u1 + + an un , isto , para todo v V , vale g(v) = f (v).
Exemplo 4.6
f : R2 R3 a aplicao linear tal que f (1, 0) = (2, 1, 0) e f (0, 1) = (0, 0, 1). Calcular f (X) = f (x, y). Pondo e1 = (1, 0), e2 = (0, 1) (base cannica do R2 ), temos X = xe1 + ye2 , donde f (X) = xf (e1 ) + yf (e2 ), ou f (X) = x(2, 1, 0) + y(0, 0, 1) = (2x, x, y).
(1) Seja (2) Mesmo enunciado para
g : R2 R3
g(1, 2) = (3, 2, 1)
X = (x, y) na base v1 = (1, 2), v2 = (0, 1): (x, y) = av1 + bv2 , ou (x, y) = a(1, 2) + b(0, 1) = (a, 2a + b); segue que a = x e b = y 2x. Assim, X = x(1, 2) + (y 2x)(0, 1), donde g(X) = xg(1, 2) + (y 2x)g(0, 1) = x(3, 2, 1) + (y 2x)(0, 1, 0) = (3x, y, x).
(3) No existe Com efeito,
f : R2 R2 linear tal que f (2, 6) = (1, 0) e f (1, 3) = (0, 1). deveria ser f (2, 6) = f (2(1, 3)) = 2f (1, 3), condio no compatvel
com os dados da
4.5(3)?
Explique!
Atividade-proposta 4.7
(1) Determine (a)
f : R2 R2
f (1, 0) = (2, 0) e f (0, 1) = (0, 2); (b) f (1, 4) = (3, 2) e f (0, 1) = (1, 0).
(2) Determine (a)
f : R3 R3
f (1, 1, 1) = (3, 1, 2), f (0, 1, 1) = (2, 1, 1) e f (0, 0, 1) = (2, 1, 1); (b) f (1, 1, 1) = (1, 2, 3), f (1, 2, 3) = (1, 4, 9) e f (2, 3, 4) = (2, 1, 1). V
das matrizes
(3) No espao
2 2, 1 0 0 0
,
v1 =
Determine o operador linear indicando
v2 =
0 1 0 0
v3 =
0 0 1 0
v4 =
0 0 0 1
e
T (A)
para cada
T (v4 ) = v4 ,
4.8
Amn , podemos associar a aplicao LA : Rn Rm , dada por LA (X) = AX . Uma tal aplicao LA linear, pois LA (X1 + X2 ) = A(X1 + X2 ) = AX1 + AX2 = LA (X1 ) + LA (X2 ) e LA (X) = A(X) = (AX) = LA (X). Para uso posterior, observemos que LA (e1 ) = Ae1 = A1 , . . . , LA (en ) = Aen = An , onde e1 , . . . , en so os vetores cannicos e A1 , . . . , An as colunas da matriz A. n m Reciprocamente, dada a funo linear f : R R , seja X = x1 e1 + +xn en a decomposio 1 n = f (e ). Ora, a cannica. Consideremos a matriz Amn cujas colunas so A = f (e1 ), . . . , A n 1 n aplicao LA verica LA (e1 ) = A , . . . , LA (en ) = A (ver a observao acima). Assim, tanto f como LA so aplicaes lineares que coincidem na base cannica. Logo, de 4.5(3), temos f = LA .
A cada matriz
Aplicaes lineares
Abaixo, resumimos as operaes matriciais utilizadas.
53
. . .
a1n . . . amn
Exemplo 4.9
Amn , indicar a aplicao linear LA : Rn Rm . 3x 3 0 3 0 x 2 R3 , L (X) = AX = =y (a) A = 0 1; LA : R 0 1 A y x 1 0 1 0 Observao Por abuso de notao, s vezes, escreveremos LA (x, y) = (3x, y, x). 1 0 0 1 0 0 x x 3 R3 ,L (X) = AX = (b) A = 0 1 0; LA : R 0 1 0 y = y A 0 0 0 0 0 0 z 0
(1) Partindo da matriz (2) Em cada caso, dada a funo linear cannicas), isto , tal que (a)
que representa
(bases
LA = f .
Calculando as imagens dos vetores cannicos:
f (e1 ) = f (1, 0, 0) = (0, 1); f (e2 ) = f (0, 1, 0) = (0, 1); f (e3 ) = f (0, 0, 1) = (1, 0); A =
Verique, que, de fato, vale (b)
0 0 1 1 1 0
f (X) = AX . 1 0 0 1
. Em particular,
g : R2 R2 , g(e1 ) = e1 , g(e2 ) = e2 , A =
D : R3 [x] R3 [x], tal que D(p) = p . Em relao D(1) = 0, D(x) = 1, D(x2 ) = 2x, D(x3 ) = 3x2 , donde a matriz A
que representa
0 0 D: A = 0 0
1 0 0 0
0 2 0 0
0 0 3 0
Atividade-proposta 4.10
(1) Dada
A = (1 2 3)13 , Amn
indique
LA : R3 R.
1 A = 2, LA : R R3 . 3
Vericar, tambm, que
f : Rn Rm .
f (X) = AX .
(a) (b) (c)
e e
(3) No espao
das matrizes
v1 =
Dado o operador linear a matriz
v2 =
onde
0 1 0 0
v3 =
0 0 1 0
v4 =
0 0 0 1
e
A44
que
T : V V , representa T .
T (v4 ) = v4 ,
indique
54
f : V U .
ncleo de f o subconjunto de V dado por N (f ) = {v V ; f (v) = O}; (b) A imagem de f o subconjunto de U dado por I(f ) = f (V ) = {f (v) ; v V }.
4.12 Proposio.
(a) O ncleo
N (f ) I(f )
um subespao vetorial de
V; U;
sua dimenso a
nulidade de f , (f ); posto de f , (f );
f : V U f : V U
N (f ) = {O}; I(f ) = U .
um subespao vetorial de
sua dimenso o
O N (f ) pois f (O) = O; se v1 , v2 N (f ), ento f (v1 ) = f (v2 ) = O, donde f (v1 + v2 ) = f (v1 ) + f (v2 ) = O + O = O e v1 + v2 N (f ); em seguida, dados R e v N (f ), temos f (v) = f (v) = O = O e v N (f ).
(b) Supondo
v N (f ): temos f (v) = O; como f (O) = O, ento f (v) = f (O), donde v = O , pela injetividade de f , logo N (f ) = {O}. Reciprocamente, se o ncleo de f trivial, suponhamos f (v1 ) = f (v2 ), ou f (v1 ) f (v2 ) = O , donde f (v1 v2 ) = O , logo v1 v2 N (f ) = {O}, e v1 = v2 , isto , f injetiva. f
injetiva, seja
O = f (0), ento O I(f ). Se u1 , u2 I(f ), com u1 = f (v1 ) e u = f (v2 ), v1 , v2 V , ento u1 +u2 = f (v1 +v2 ), logo u1 +u2 I(f ); enm, se R e u = f (v) I(f ),ento u = f (v) = f (v), ou u I(f ).
(c) Como (d) Essa propriedade de sobrejeo vale para qualquer tipo de funo.
4.13 Corolrio.
Uma aplicao linear pendentes de Seja
f : V U
em vetores LI de
W.
v1 , . . . , vn so LI em V e mostremos que f (v1 ), . . . , f (vn ) permanecem LI: se a1 f (v1 ) + + an f (vn ) = O , ento f (a1 v1 + + an vn ) = O , donde, pela injetividade de f , a1 v1 + + an vn = O , logo a1 = . . . = an = 0. Reciprocamente, dado v = O em V , isto , {v} LI, ento deve ser {f (v)} LI, isto , f (v) = O , logo N (f ) = {O} e f bem injetiva.
injetiva; suponhamos que os vetores
4.14 Proposio.
Seja a funo linear De fato, todo vetor
f : V U .
Se
W = [v1 , . . . , vp ],
ento
+ ap vp ,
evidente.
donde
u f (W ) da forma u = f (v), com v W = [v1 , . . . , vp ], isto , v = a1 v1 + u = a1 f (v1 ) + + ap f (vp ), isto , f (W ) [f (v1 ), . . . , f (vp )]. A incluso recproca
Exemplo 4.15
(1) Em cada caso, determinar o ncleo e a imagem.
(a)
f : R2 R, f (x, y) = x + y .
Assim, o ncleo a reta temos
N (f ) = {(x, y) ; f (x, y) = 0} = {(x, y) ; x + y = 0}. N (f ) = [(1, 1)]. A funo sobrejetiva, pois dado a R,
f (a, 0) = a,
isto ,
x + y = 0, I(f ) = R.
ou
Aplicaes lineares
(b)
55
N (f ) = {(0, y) ; y R}
o eixo-y.
f : R3 R2 , f (x, y, z) = (x + y, 2x + 3y + z).
como vemos do
A=
1 2
1 3
0 1
1 0 0 1
1 1
I(f ) = [f (e1 ), f (e2 ), f (e3 )] = [(1, 2), (1, 3), (0, 1)]; logo, 2 podemos xar dois geradores LI, (1, 2) e (1, 3), concluindo que I(f ) = R . Observe, tambm, que o 2 2 escalonamento conrma I(f ) = R , pois o sistema AX = Y compatvel para cada Y R .
Temos, ainda, e, por (4.14),
I(f ) R2
: Rn Rm .
Se
injetiva, ento
n m. Rm
que (Corolrio 4.13). Em
Rn ,
em
vetores LI do
R2 . g
no injetiva, pois Existe algum conito com
g : R2 R3 , g(x, y) = (x, 2x, 0). Observe N (g) = {(0, y) ; y R}. Tambm no sobrejetiva, pois I(g) = [(1, 2, 0)].
o resultado (2) acima?
Atividade-proposta 4.16
(1) Em cada caso, determinar o ncleo e a imagem. (a) (b) (c)
f : R3 R3 , f (x, y, z) = (x, 2y, 0); f : R3 R3 , f (x, y, z) = (x + z, x z, y); f : R3 R4 , f (x, y, z) = (x, x y, y z, z). g : R2 [x] R3 [x]
tal que
g(p) = p + x2 p .
Decreva,
I(g). f : Rn Rm .
Se
sobrejetiva, ento
n m.
f:
R3
R2 no sobrejetiva.
f : V U
f . Pelo teorema do completamento, essa base pode ser estendida a uma base de V , B2 = {v1 , . . . , vk , u1 , . . . , up }. O resultado enunciado resultar de que B = {f (u1 ), . . . , f (up )} uma base da imagem de f . Ora, da proposio 4.13, vemos que os vetores-imagem por f de B2 geram I(f ); na realidade, temos I(f ) = [f (u1 ), . . . , f (up )], pois os outros vetores de B2 esto no ncleo e tem imagem nula por f . S nos falta ver, ento, que os vetores f (u1 ), . . . , f (up ) so LI. Se a1 f (u1 ) + + ap f (up ) = 0, ento f (a1 u1 + + ap up ) = 0, donde a1 u1 + + ap up N (f ). Logo, existe alguma combinao linear a1 u1 + + ap up = b1 v1 + + bk vk , donde b1 v1 + + bk vk + (a1 )u1 + + (ap )up = 0; como B2 LI, todos esses coecientes so nulos, em particular, a1 = . . . = ap = 0.
Seja uma base do ncleo de
B1 = {v1 , . . . , vk }
56
4.18 Corolrio.
Sejam
V = dim U .
Se
f : V U
uma
f f f f
de
em uma base
f (B)
de
U. V = dim N (f ) + N (f ) = O, isto , f
(a)=(b) Se
sobre, ento
I(f ) = U ;
dim I(f ),
V = dim U ,
temos dim
N (f ) = 0,
ou
injetiva. Ento
bijetiva.
B = {v1 , . . . , vn }
uma base de
injetiva, os vetores
U, n.
B = {v1 , . . . , vn } U,
logo
V,
ento
U.
gera
V,
ento
f (B)
uma base de
I(f ) = U ,
ou seja,
sobrejetiva.
g uma funo inversa de f e, quando existe, unicamente determinada. De fato, se h : U V tambm fosse inversa de f , teramos h = IV h = (gf )h = g(f h) = gIU = g . A unicidade da funo inversa tambm mostra os papis simtricos de f e g : se g inversa de f , ento f inversa de g .
As condies da denio acima acarretam:
f : V U e g : U V bijetiva. Consideremos, por exemplo, a funo f . Se f (v1 ) = f (v2 ), ento g(f (v1 )) = g(f (v2 )) e I(v1 ) = I(v2 ), ou v1 = v2 , donde a injetividade de f . Quanto sobrejetividade, dado u U , seja v = g(u); temos f (v) = f (g(u))) = I(u) = u.
(1) Cada uma das funes (2) Em consequencia, vale a seguinte construo:
g(u) = v f (v) = u, u U , v V .
Na construo acima, usamos apenas os vamos logo validar o prximo resultado.
conjuntos
Proposio Seja f : V
inversa
g : U V
linear.
g(u1 ) = v1 e g(u2 ) = v2 , isto , u1 = f (v1 ) e u2 = f (v2 ), donde u1 + u2 = f (v1 ) + f (v2 ), ou u1 + u2 = f (v1 + v2 ), donde g(u1 + u2 ) = v1 + v2 = g(u1 ) + g(u2 ). De modo anlogo, se g(u) = v e f (v) = u, ento f (av) = af (v) = au, donde g(au) = av , ou g(au) = ag(u).
mais usual representar a funo inversa de
pela notao
f 1 .
Aplicaes lineares
57
4.20 Teorema
f 1 : U V
inversa
vetoriais,
Proposio Sejam V
somente se, De fato, se
so isomorfos se, e
N (f ) = {O} e I(f ) = U , donde, do Teorema do ncleo e da imagem, dim V = dim N (f ) + dim I(f ), vemos que dim V = dim U . Reciprocamente, se dim V = dim U , consideremos as bases B = {v1 , . . . , vn } de V e C = {u1 , . . . , un } de U , e denamos a funo f : V U linear por f (v1 ) = u1 . . . , f (vn ) = un (4.5(3)); por construo, ento, a funo f leva a base B na base C , logo (4.18) bijetiva.
um isomorsmo, ento
f : V U
Exemplo 4.21
(1) Seja dim
V = n e B = {v1 , . . . , vn } uma base de V , arbitrariamente xada. Dado v V , se v = x1 v1 + + xn vn , seja X = (v)B = (x1 , . . . , xn ) as (nicas) coordenadas de v em B . A aplicao n linear f : V R , f (v) = X , um isomorsmo de espaos vetoriais, pois, por exemplo, f injetiva, 1 (a , . . . , a ) = a v + + a v . logo bijetiva (ver 4.18). Observe que f 1 n 1 1 n n
Consideremos os casos particulares: (a)
V = R2 [x], V = S22 ,
Base:
2;
base cannica
{1, x, x2 }.
22 f : S22 R3 , f = a b b c = (a, b, c)
v1 =
1 0 0 0
v2 =
0 1 1 0
v3 =
0 0 0 1
(2) Mostre que a aplicao linear e explicite a funo inversa Basta vericar que
f 1
f,
AX = O
inversvel e
Y = AX , isto , X =
(A, I)
1 0 0 0 1 0
(I, A1 ).
2 0 1 1 0 0 1 = [I, A1 ]; f 1 (x, y, z) = (2xy; z; x+y). 1 0
1 0 1 [A, I] = 1 0 2 0 1 0
(3) No espao
0 1 0 0 0 = 0 1 0 1 0 0 1
T : V V o operador linear dado por T (X) = BX . Veriquemos que T um automorsmo linear de V (isomor1 (BX) = B 1 O , ou (B 1 B)X = O , smo de V em V ). Como B inversvel, se BX = O , ento B IX = O, X = O, isto , N (T ) = {O}; assim, T injetiva, donde bijetiva (4.18). V = M22
das matrizes reais de ordem, xada a matriz inversvel
B,
seja
V = Mnn o espao real das matrizes reais de ordem n, e aplicaao linear f : V R tal que f (A) = trao(A). Como f = O, pois h matrizes de trao no nulo, vemos que I(f ) = R, pois R s 2 possui os subespaos triviais. Pelo teorema do ncleo e da imagem, vem que dim N (f ) = n 1, pois 2 dim V = n . Mostramos, ento, que o conjunto W = {A V ; trao(A) = 0} = N (f ) subespao 2 de V e de dimenso n 1.
(4) Seja
58
Atividade-proposta 4.22
(1) Em cada caso, decida se o operador linear
T : R3 R3 : R3 R3 .
(2) Seja
(1, 2, 1).
Calcule
T (x, y, z)
para todo
T (e2 ) =
A = (a1 , . . . , an ) um vetor no nulo do Rn , seja a aplicao linear f : Rn R tal que f (X) = A X = a1 x1 + a2 x2 + + an xn . Mostre que a imagem I(f ) = R e que o ncleo de f o n n Hiperplano H = {X R ; AX = 0}. Conclua, ento que H um subespao do R e dim H = n1.
(4) No espao
V = M22
B=
2 3
4 6
, seja
T : V V
T (X) = BX .
Calcule o ncleo
N (T )
e a imagem
I(T ).
U,
consideremos o conjunto
L(V, U )
em
U.
U,
foi acrescentada
linearidade,
isto , partindo de
f, g : V U
lineares,
f + g : V U
(i)
f : V U
(f + g)(v) = (f + g)(v)
(ii)
(i)
(f + g)(v1 + v2 ) = f (v1 + v2 ) + g(v1 + v2 ) = f (v1 ) + f (v2 ) + g(v1 ) + g(v2 ) = f (v1 ) + g(v1 ) + f (v2 ) + g(v2 ) = (f + g)(v1 ) + (f + g)(v2 )
O(v) = 0,
f : V U que L(V, U )
O : V U , F(V, U ).
V, U
funo composta
(i)
(g f )(v1 + v2 ) = g(f (v1 + v2 ))) = g(f (v1 ) + f (v2 )) = g(f (v1 )) + g(f (v2 ) = (g f )(v1 ) + (g f )(v2 )
59
L(V )
em
V.
f : V V e g : V V , podem ser calculadas as duas compostas g f : V V f g : V V , embora, em geral, os resultados sejam diferentes: g f = f g , permanecendo
(1) Dados no-comutatividade. Em particular, podemos compor
e a
com
e usar a notao
fn = f . . . f
n
(para
n1
f = O,
coloca-se
f2 = f
m natural nula f
=O
so operadores
nilpotentes.
(2) Alm da propriedade associativa (que vale para quaisquer aplicaes) temos as seguintes relaes entre operadores: (a) (b) (c)
f I = I f,
onde
I : V V
a identidade de
V;
f (g + h) = f g + f h; (f + g) h = f h + g h; (f g) = (f ) g = f (g), R.
(c)
Exemplo 4.24
(1) Dados os operadores (a)
encontrar:
2f + 3g ; f g; g f;
note que
f g =gf g
g2;
note que
g2 = g,
isto ,
um operador idempotente;
(g + I) f ;
p : V V
(I p)2 = (I p) (I p) = I p p + p2 = I p, pois p2 = p. Assim, I p um operador 2 2 idempotente. Por outro lado, s = (2p I) (2p I) = 4p 2p 2p + I = 4p 4p + I = I ; assim, s inversvel, com inversa s1 = s.
Temos Um operador
tal que
s2 = I
denominado
involuo ou simetria.
60
Atividade-proposta 4.25
(1) Sejam
f, g, h L(R2 ),
dados por
f + 4g ; g f; f g
e
(f g)2 ; 1 (s + I) 2
h (f + g); s : V V
um operador involutivo, isto , vericando
(2) Seja
s2 = I .
Mostre que
p=
2 um operador idempotente (p
= p).
p(x, y, z) = (x, y, 0)
vV
N (p) = U , pois se p(v) = p(w + u) = w = O, ento v = u U e N (p) U ; a recproca evidente: todo vetor u U da forma O + u W U , e, portanto, O + u N (p).
(a) (b) (c) (d) (e) (f )
I(p) = W , p2 = p, s2 = I , s = 2p I ,
pois todo
p(v)
est em
isto ,
idempotente, pois
pois
W = {v V ; s(v) = v}
U = {v V ; s(v) = v};
caracterizam
V,
ento:
s.
2 operador idempotente p
(i)
=p
do espao
V = N (p) I(p), pois, escrevendo v V sob a forma v = [v p(v)] + p(v), vemos que a primeira parcela v p(v) est em N (p), j que p(v p(v) = p(v) p(p(v)) = p(v) p(v) = O ; como a outra parcela p(v) est em I(v), segue que V = N (p) + I(p); enm, a soma direta: se v I(p) N (p), ento v = p(v1 ) = p(v) e p(v) = O, logo v = O, isto , I(p) N (p) = {O}.
(ii) Assim,
a projeo sobre
I(p)
paralelamente ao
N (p).
Aplicao numrica
Vamos explicitar a construo acima num exempo concreto. Partindo do plano o vetor-diretor
W : 2x + y z = 0 e da reta U = [(1, 1, 2)], temos V = R3 = W U , pois u = (1, 1, 2) no verica a equao do plano, donde W U = {O}, o que identica W
paralelamente a
corretamente as dimenses.
U , consideremos a reta-am que passa por um ponto genrico X = (x, y, z) e paralela a u = (1, 1, 2); essa reta fura o plano W no ponto Q(a, b, c), o qual, por denio, a projeo de X sobre W .
Para obter a projeo sobre
Aplicaes lineares
Assim,
61
X Q = u ou Q = X u = (x, y, z) (, , 2), donde (a, b, c) = (x , y + , z 2). Para achar , levamos esses valores de a, b, c na equao do plano: 2a + b c = 0, donde = 2x y + z , que, de volta aos valores de a, b, c, nos d, enm, a = 3x + y z , b = 2x + z , c = 4x + 2y z .
O projetor
procurado se escreve:
ou
3 A = 2 4
1 0 2
1 1 . 1
1 D = 0 0
Ano
um projetor. Era de se
0 1 0
0 0, 0
I(p)
possui dimenso
2, um plano, e o ncleo
N (p)
uma reta do
R3 !
A.
existe uma mudana de bases que torna a matriz nal mais simples, como a matriz diagonal
D.
V = W U , estudamos o projetor p : V V , p(v) = p(w+u) = w (projeo sobre W paralelamente a U ). Ora, nada impede uma projeo anloga, sobre o subespao U e paralelamente a W : basta tomar q : V V , q(v) = q(w + u) = u.
Partindo de Verique as propriedades: (a)
Atividade-proposta 4.27
I(q) = U = q;
N (q) = W ;
2 (b) q
(c)
p + q = I ; p q = q p = O; s
a simetria associada a
q vale : V V , (v) = (u + w) = u w. p;
Mostre que
+ s = O,
s(x, y, z),
que o operador
inversvel.
base de
U,
C,
nas coordenadas de
f (v), Y = (f (v))C ,
Y = AX ;
assim, teremos [v
sero as
colunas da
a1n . . . . amn
A:
| = (f (v1 )C | a11 | . (f (vn )C = . . | am1
f (v1 )
= a11 u1 + + am1 um . . . f (v ) = a u + + a u n 1n 1 mn m
A = (f )B,C
62
B
de
C : se v = x1 v1 + xn vn , f (v1 ), . . . , f (vn ) na base C , vem f (v) = x1 (a11 u1 + + am1 um ) + + xn (a1n u1 + + amn um ), f (v) = (a11 x1 + + a1n xn )u1 + + (am1 x1 + + amn xn )um (*)
v V com as de f (v) U , vamos decompor esses vetores nas bases ento f (v) = x1 f (v1 ) + + xn f (vn ); tendo em conta as expresses
por
, isto ,
Y = AX .
onde
A1 , . . . , A m
so as linhas da matriz
A.
Desse modo,
A1 X
donde
. Y = . , . Am X
Y = AX .
Exemplo 4.29
(1) Escrever a matriz de f
(a)
: R3 R2 , f (x, y, z) = (x + y, y + z) B = {v1 , v2 , v3 }, C = {u1 , u2 } ambas cannicas. f (v1 ) = f (1, 0, 0) = (1, 0) = u1 f (v2 ) = f (0, 1, 0) = (1, 1) = u1 + u2 f (v3 ) = f (0, 0, 1) = (0, 1) = u2
em relao s bases:
(f )B,C =
1 1 0 0 1 1
(b)
B = {v1 , v2 , v3 }
cannica,
(f )B,D =
1 0 1 01 1 (f )B,C = M ,
onde
1 0
2 1
3 0
, achar
f : R3 R2
tal que
B = {v1 = (1, 0, 0), v2 = (0, 1, 0), v3 = (0, 1, 1)}, C = {u1 = (1, 0); u2 = (1, 1)}. f (v1 ) = u1 = (1, 0), f (v2 ) = 2u1 + u2 = (2, 0) + (1, 1) = (3, 1), f (v3 ) = 3u1 = (3, 0). Para achar f (x, y, z), podemos escrever (x, y, z) na base B : (x, y, z) = (x, 0, 0) + (0, y z, 0) + (0, z, z) = xv1 + (y z)v2 + zv3 .
Enm,
Observao.
(x, y, z)
em relao base
B,
por
comparao direta das bases. Lembre que o mtodo geral usa uma matriz de mudana de base.
V ;
o mesmo espao
(I)B,C ? I(B) = B
em
Ora, por construo, as colunas dessa matriz so as coordenadas dos vetores outro lado, no para
C.
Por
3.3,
matriz de passagem
de
em
C ).
Aplicaes lineares
63
Atividade-proposta 4.30
(1) Sejam
bases de
R2
R3 .
Dada a matriz
2 (f )B,C = 4 0
C = {(1, 2), (2, 3)}. B = {v1 , v2 , v3 } e C = {u1 , u2 } bases de R3 e R2 , respectivamente, linear tal que f (v1 ) = u1 + u2 , f (v2 ) = u1 u2 e f (v3 ) = 3u2 . A
de e
f : R3 R2
em relao s bases
C;
onde
V = n,
dim U
= m, B
bases de
U,
respectivamente.
(1) Soma de funes lineares e produto de uma funo linear por um escalar.
(a) A matriz da soma de duas funes lineares a soma das matrizes de cada uma; (b) A matriz do produto de uma aplicao linear por um escalar esse nmero multiplicado pela matriz da funo:
(f )B,C = (f )B,C .
(f + g)
(f )B,C = mn
dim L(V, U )
injetiva: Sejam
A = (f )
B = (g);
se
A = B,
ento as colunas de
coincidem com
as correspondentes colunas de
B,
coincidem na base
de
V,
4.5(3).
(ii) A funo
sobrejetiva: dada a matriz Jmn , ento, para cada v V , a matriz da funo linear f (v) = (J1 X)u1 + + (Jm X)um igual a J , como vimos em 4.28(b) (com as mesmas notaes).
(iii) A funo
ndices
B, C, D
indicam bases de
V, U, W ,
(g f )B,D = (g)C,D (f )B,C . v V , sejam X = (v)B , Y = (f (v))C , Z = (g(f (v)))D = ((gf )(v))D , M = (f )B,C , N = (g)C,D , e K = (g f )B,D . Ora, temos Y = M X , Z = N Y , donde Z = N (M X) = (N M )X ; mas, tambm, Z = KX , donde K = M N , dada a unicidade da representao matricial(!).
Com efeito, para cada
64
Caso particular
Com as mesmas notaes do item anterior, se
f : VB UC
A=
(f )B,C inversvel e A1 f = IV
e
(f 1 ) f 1
C,B .
1 De fato, temos f
= IU ;
Exemplo 4.31
f : R V ca dada unicamente pelo vetor f (1) V . Em outras palavras, h um isomorsmo linear : L(R, V ) V , (f ) = f (1), que identica as funes lineares f : R V com os vetores de V .
Seja
4.5(2)
plano
R3 que consideramos na aplicao numrica 4.26. Trata-se da projeo W = [v1 , v2 ] = [(1, 0, 2), (0, 1, 1)] e paralela ao vetor v3 = (1, 1, 2). Vimos que
o projetor do representado pela matriz
sobre o
3 A = 2 4
1 0 2
1 1 . 1
representa
C = {v1 , v2 , v3 }, p
ser representado
pela matriz
D,
p(v1 ) = Av1 = v1 = (1, 0, 0), p(v2 ) = Av2 = v2 = (0, 1, 0), p(v3 ) = Av3 = O = (0, 0, 0)
claro que a matriz diagonal
1 D = (p)C = 0 0
0 1 0
0 0 0
que a matriz
D?
4.32 Proposio.
f : V U , consideremos as bases B e B1 de V , C e C1 A1 = (f )B1 ,C1 . J vimos a ao de A: transformar coordenadas Y = AX ; ao anloga de A1 , Y1 = AX1 .
Dada Por outro lado, de de
B1
em
B ),
X = P X1 , onde P = (IV )B1 ,B a matriz de passagem de B para B1 Y = QY1 , onde Q = (IU )C1 ,C a passagem de C para C1 (coordenadas
C1
em
C ).
A1 = Q1 AP
VB UC I I VB1 UC1
f
Aplicaes lineares
65
f : V V D=
e as bases
D = (f )C C
em
de
em
C,
e a matriz de passagem
matrizes para a
A = (f )B de f em B , base C (ccordenadas de
B ).
Vale a relao
P 1 AP .
Exemplo 4.33
Seja o operador
Dadas as bases
1 0 1 (cannica) e C P a matriz de passagem de B para C , isto , P = (I)C,B = 0 1 1 . 2 1 2 (a) Identicar os vetores da base C = {v1 , v2 , v3 }. Ora, por denio, as colunas de P so as coordenadas de C em B , isto , v1 = (1, 0, 2), v2 = (0, 1, 1) e v3 = (1, 1, 2), pois B a base cannica.
3 do R , seja
(b) Achar a matriz de
na base
C.
1 D = (T )C = 0 0
Temos (verique!)
0 0 1 0 0 1 2 2 1 2 =A 4 3
D = P 1 AP ,
1 0 2 0 1 1
vem que
P DP 1 = A.
0 3 0 2 1 2
1 1 1 0 2 0
0 1 0
1 1 5 0 1 = 4 1 1 8
(d) A ao de
na base
W = [v1 , v2 ]
invariante por
T,
e os vetores da reta
U = [v3 ]
a simetria em relao a
W,
paralela a
U.
Atividade-proposta 4.34
f : R3 R2 a funo linear dada por f (x, y, z) = (2x + 3y + z, x + 2y z). Considere 3 2 as bases do R : B cannica; B1 = {(1, 1, 1), (1, 2, 1), (0, 1, 1)}; tambm,as bases do R : C cannica, C1 = {(3, 2), (2, 1)}. Determine:
(1) Seja (a)
A = (f )B,C ;
(b)
D = (f )B1 ,C ;
(c)
K = (f )B,C1 ;
de
(d)
L = (f )B1 ,C1
e
para
B1 ,
de
para
C1 ,
indique as relaes
existentes entre os pares das matrizes obtidas em (a), (b), (c) e (d). (2) Dado o operador linear (a) a matriz
encontre:
de
na base cannica; do
B = {v1 , v2 }
R2 A
tal que e
D = (T )B =
. Sugesto.
D.
semelhana
rador) que so independentes de uma particular representao, como, por exemplo, posto, trao, determinante. Essa noo foi sugerida pela frmula de mudana de base de um operador
D = P 1 AP .
66
nn A
so
semelhantes
tal
B=
P 1 AP . A
e
Na realidade,
No difcil vericar que a semelhana de matrizes uma relao de equivalncia (reexiva,simtrica e transitiva) no conjunto das matrizes quadradas de uma dada ordem. Na mesma ordem de idias, vejamos como tratar da (2) Uma matriz quadrada (3) Um operador matriz de
diagonalizao.
T :V
diagonalizvel se A semelhante a uma matriz diagonal D. V , dim V = n, diagonalizvel se existe uma base B de V na qual a
A
diagonal.
No iremos desenvolver esse tpico. Apenas como motivao, vejamos como abordar a diagonalizao. A idia muito simples: semelhante a uma matriz se uma matriz diagonal
T,
ou ser
A,
ento,
{v1 , v2 , v3 },
deve ser,
por construo,
1 0 0 D = 0 2 0 0 0 3
A ao de
homotetia. Os vetores so os
autovetores de T
T
e os coecientes
os
autovalores.
T (!).
Em outras palavras,
Exemplo 4.36
(1) Veriquemos que a matriz A =
X = O,
solues do sistema
4 4 1 4
AX = X ,
ou
deve ser no
2 +812 = 0, ou 2 8+12 = 0: o primeiro membro o polinmio caracterstico, cujas razes so os autovalores = 6 e = 2. O primeiro caso indica a equao x 2y = 0 e X = (x, y) = (2y, y) = y(2, 1); o segundo nos d x+2y=0, donde X = (x, y) = (2y, y) = y(2, 1). Assim , escolhendo v1 = (2, 1) e v2 = (2, 1), obtemos Av1 = 6v1 ,
Ora, como procuramos soluo no trivial, deve ser
Av2 = 2v2 ,
D=
6 0 0 2
P =
2 2 1 1
, e verica
D = P 1 AP .
que o trao linear. Alm disso, vale uma interessante propriedade: tr(AB) matrizes no comutem entre si. Por exemplo
= tr(BA)
mesmo que as
A=
a b c d
B=
x y z w
AB =
ax + bz ay + bw cx + dz cy + dw
BA =
xa + yc xb + yd za + wc zb + wd
= tr(B)
Aplicaes lineares
De fato, existe alguma matriz inversvel tr(A)
67
tal que
A = P 1 BP ;
logo,
tr(A), onde a
representa
emqualquer base de
V,
tambm representa
T,
ento
tal que
D(p) = p .
Em
0 0 A= 0 0
1 0 0 0
0 2 0 0
0 0 ; 3 0
logo, tr(D)
= tr(A) = 0.
0 1 0 0
1 1 0 0
(3)
Sejam
A e B inteiro n > 0,
A = P 1 BP .
An
semelhante a
Bn.
An
semelhante a
Bn,
com a
tambm nilpotente.
numa base
LA : Rn Rm , Y = LA (X) = AX .
A imagem
I(LA ) formada pelos vetores Y Rm para os quais o sistema AX = Y possui soluo 1 n 1 n em X ; como AX = A x1 + + A xn , onde A , . . . , A so os vetores-coluna de A, vemos que I(LA ) = C(A) coincide com o subespao das colunas de A, isto , (LA ) = C (A) ().
Por outro lado, sabemos que imagem, usando (*) e (**),
Do teorema do ncleo e da
Esse resultado j nosso conhecido. Agora, ser que vale (*) para qualquer (2)
A = (f )B,C ? f
o posto-coluna de
Proposio
matriz
f : V U ,
ento o posto de
qualquer
A = (f )B,C
B = {v1 , . . . , vn } e C = {u1 , . . . um } so bases quaisquer de V e U , ento, por construo, m de f (B) em C . Como B gera V , sabemos que f (B) cada vetor-coluna A so as coordenadas no R gera a imagem I(f ), isto , I(f ) C(A). Enm, (f ) = C (A).
De fato, se (3) Observemos, em particular, que a recproca).
68
temos
f (v1 + v2 ) = f (x1 + x2 , y1 + y2 , z1 + z2 ) = (x1 + x2 + y1 + y2 , x1 + x2 y1 y2 , z1 + z2 ) = (x1 + y1 , x1 y1 , z1) + (x2 + y2 , x2 y2 , z2 ) = f (v1 ) + f (v2 ) f (av) = f (ax, ay, az) = (ax + ay, ax ay, az) = a(x + y, x y, z) = af (v)
(b) funo linear; a vericao tal qual a que zemos acima. (c) no linear, devido ao termo (d) no linear, pois
xy ,
(x1 + x2 )(y1 + y2 ) = x1 y1 + x2 y2 ;
B=
x y z w
A+B =
A =
a b c d
4.7
1(a) Temos (b) Pondo
f (X) = f (x, y) = f (xe1 + ye2 ) = xf (e1 ) + yf (e2 ) = x(2e1 ) + y(2e2 ) = 2(xe1 + ye2 ) = 2X ;
e
v1 = (1, 4) = e1 + 4e2 e v2 = (0, 1) = e2 , vem e1 = v1 4v2 f (e1 ) = f (v1 ) 4f (e2 ) = (3, 2) 4(1, 0) = (1, 2) e f (e2 ) = (1, 0). Logo, f (x, y) = xf (e1 ) + yf (e2 ) = x(1, 2) + y(1, 0) = (y x, 2x);
2)(a) Mesmo raciocnio: usando
e 2 = v2 ;
segue, ento,
v1 = (1, 1, 1), v2 = (0, 1, 1), v3 = (0, 0, 1), vemos que e1 = v1 v2 , e2 = v2 v3 , e3 = v3 , logo f (e1 ) = f (v1 ) f (v2 ) = (1, 0, 3), f (e2 ) = f (v2 ) f (v3 ) = (0, 0, 0), f (e3 ) = (2, 1, 1). Enm, f (x, y, z) = xf (e1 ) + yf (e2 ) + zf (e3 ) = x(1, 0, 3) + z(2, 1, 1) = (x + 2z, 0, 3x z)).
2(b) Impossvel. Deve ser
mas
(1, 2, 3) +
A=
a b c d
, temos
A = av1 +bv2 +cv3 +dv4 , logo T (A) = aT (v1 )+bT (v2 )+cT (v3 )+dT (v4 ) =
; assim
a c b d
T (A) = t (A).
1 x 1. LA (X) = AX = (1, 2, 3).(x, y, z) = x + 2y + 3z ; LA (x) = 2 .x = 2x 3 3x 2.(a) Basta colocar f (1, 0) = f (e1 ) = (2, 0) e f (0, 1) = f (e2 ) = (0, 2) nas colunas A=
(b) Temos de calcular matriz
4.10
da matriz
A,
isto ,
2 0 0 2
D=
1 1 2 0
(veja 4.7;1(b)), obtendo a
acima.
Aplicaes lineares
2.(c) Ler a matriz diretamente de
69
f (x, y, z),
1 1 1
3 A = 2 4
3. As colunas de direita.
1 0 2
1 0 A= 0 0
0 0 1 0
0 1 0 0
0 0 0 1
e
so as coordenadas de
T (v4 ) = v4
acima,
4.16
1.(a) ,
Ncleo:
y = 0;
logo
N (f ) = {(0, 0, z) ; z R},
dim I(f )
isto
Imagem:
vemos que
= 2.
podemos
e usar escalonamento:
1 A= 1 0
1 0 1 0 1 0 0 1 0
0 1 0
logo,
N (f ) = {O}
I(f ) = R3 .
1.(c) Usando
1 0 1 1 A= 0 1 0 0
2.
1 0 0 0 0 1 0 1
segue que
N (f ) = {O}
= 3.
Esse exemplo , essencialmente,o mesmo da funo 1.(c) acima, se usarmos as bases cannicas
{1, x, x2 } e {1, x, x2 , x3 }: pondo p = a + bx + cx2 , temos g(p) = p + x2 p = a + bx + cx2 + x2 (b + 2cx) = a + bx + (c + b)x2 + 2cx3 . Assim, se g(p) = 0, vemos que deve ser: a = 0, b = 0, c + b = 0 e 2c = 0, donde a = b = c = 0 e p = O , logo N (g) = O . Considerando, agora, os geradores da imagem I(g), g(1) = 1, g(x) = x + x2 e g(x2 ) = x2 + 2x3 , que so LI, vemos que dim I(g) = 3.
Alternativamente, o escalonamento da matriz de
1 0 A= 0 0
3. Se
0 1 1 0
0 1 0 0 0 1 2 0
0 1 0 0
0 0 . 1 0
I(f ) = Rm . Por outro lado, temos o domnio gerado pelos n vetores cannicos: Rn = [e1 , . . . , en ], donde I(f ) = [f (e1 ), . . . , f (en )], por 4.14. Assim, temos o Rm = I(f ) = [f (e1 ), . . . , f (en )] gerado por n vetores, o que obriga m n.
sobrejetiva, ento Seja a funo linear sobrejetiva.
f : Rn Rm
g : R3 R2
associada matriz
A=
1 0
1 0
1 0
= 1,
logo
no
4.22
1.(a)(b) O escalonamento das matrizes que representam cada funo resolve o exerccio.
(a)
(b)
2 1 2 1 0 0 [A, I] = 1 0 1 0 1 0 3 1 1 0 0 1 1 3 11 1 0 [A, I] = 0 1 4 0 1 0 0 1 0 0
1 0 1 0 1 0 4 0 3 1 0 1 0 0 0 1 1 1 1 0 0 1 3 1 0 0 0 1 0 0 1 4 = [I, A1 ] 1 0 0 1 0 0 1
70
No primeiro caso, o escalonamento revelou a terceira linha formada de zeros, donde inversvel. Para conrmar, O caso (b) ilustra
(logo
T)
no
N (T ) = [(1, 4, 1)]
= 2. A1 .
inversvel, com
T 1 (x, y, z) = (x 3y z, y 4z, z)
3 a 0 b , 1 c
com
associado matriz
2.
A matriz de
da forma
2 A = 1 1
AX = O
X = (1, 2, 1),
e
o que nos d,
c = 1.
Conhecida
A,
f (X) = AX . Como A = O, ento I(f ) = O, pois, por exemplo, f (A) = AA = a2 + +a2 = 0. n 1 n Assim I(f ) = R e dim I(f ) = 1. Ento, H = N (f ) um subespao do R . Alm disso, do Teorema do ncleo e da imagem, segue que dim H = n 1.
4. Ncleo: achar as matrizes
tais que
T (X) = BX = O, a + 2c = 0
0 2 0 1
e
ou
2 4 3 6
a b 2a + 4c 2b + 4d = = O, c d 3a + 6c 3b + 6d
isto , as matrizes procuradas
b + 2d = 0, =2
X=
2c 2d c d
=c
2 0 1 0
+d
; dim N (T )
I(T ) = a
2 0 0 2 +b ; dim I(T ) = 2. 3 0 0 3
Observao.
adhoc
O mtodo que aplicamos, usando as matrizes das aplicaes lineares para calcular, por
exemplo, o ncleo e a imagem, vale sempre em dimenso nita; dependendo da situao, um mtodo pode ser mais popular, ou mais sugestivo, como o que acabamos de usar no exerccio acima. Refazer o problema anterior, usando o isomorsmo
Exerccio suplementar.
: V R4 ,
a b (a, b, c, d) c d
que representa
2 0 T: M = 3 0
0 2 0 3
4 0 6 0
0 4 . 0 6
4.25
1.(a) (b) (c)
(g f )(x, y) = g(f (x, y)) = g(0, x) = (0, 0); (f g)(x, y) = f (g(x, y)) = f (x, 0) = (0, x);
(f g)2 = (f g)(f g)(x, y) = (f g)(0, x) = f (g(0, x)) = f (0, 0) = 0; (h (f + g))(x, y) = h(f (x, y) + g(x, y)) = h((0, x) + (x, 0)) = h(x, x) = (x, x). 1 1 1 1 (s + I), ento p2 = (s + I)(s + I) = (s2 + s + s + I) = (2s + 2I) = p. 2. Se p = 2 4 4 4 O operador p(x, y, z) = (x, y, 0) a projeo sobre o plano z = 0, paralela ao eixo-z; s(x, y, z) = (x, y, z) a simetria em relao ao plano z = 0, paralela ao eixo-z.
(d)
4.27
Com
V = W U,
sejam os projetores
p, q : V V ,
com
p(v) = p(w + u) = w
q(v) = q(w + u) = u.
(p + q)(v) = (p + q)(w + u) = p(w + u) + q(w + u) = w + u = v , logo, p + q = I . (p q)(v) = p(q(v)) = p(u) = 0 pois U = N (p); (q p)(v) = q(p(v)) = q(w) = 0 pois W = N (q);
(c)
Como
s(v) = s(w + u) = w u,
Aplicaes lineares
(e) Temos
71
q(x, y, z) = (2x y + z, 2x + y z, 4x 2y + 2z); s(x, y, z) = (5x + 2y 2z, 4x y + 2z, 8x + 4y 3z); (x, y, z) = (5x 2y + 2z, 4x + y 2z, 8x 4y + 3z).
(f ) Seja
V = W1 + W2 . Dado v V , faamos a decomposio v = (1/2)(v + s(v)) + (1/2)(v s(v)); pondo v1 = (1/2)(v + s(v)) e v2 = (1/2)(v s(v)), temos, s(v1 ) = (1/2)(s(v)+s2 (v)) = (1/2)(s(v)+v) = v1 e s(v2 ) = (1/2)(s(v)s2 (v) = (1/2)(s(v)v) = v2 . Assim v1 W1 , v2 W2 e como v = v1 + v2 , concluimos que V = W1 + W2 . Para vericar que a soma direta, falta ver que W1 W2 = {O}: se v est interseo, ento s(v) = v = v , donde v = O .
(g) Inicialmente, veriquemos que
4.30
1.Sejam
v1 = (0, 2), v2 = (2, 1), u1 = (1, 1, 0), u2 = (0, 0, 1), u3 = (1, 0, 1). Por denio de (f )B,C , temos f (v1 ) = 2u1 + 4u2 + 0u3 = (2, 2, 0) + (0, 0, 4) = (2, 2 4) e f (v2 ) = 4u3 = 4(1, 0, 1) = (4, 0, 4); por outro lado, sendo P a matriz de passagem da base cannica {e1 , e2 }
para a base Segue
B,
temos
P =
0 1 2 1
e P 1 = (1/2)
1 1 2 0
, donde
e1 = (1/2)(v1 + 2v2 )
e2 = (1/2)v1 .
f (e1 ) = (3, 1, 6), f (e2 ) = (1, 1, 2), f (x, y) = (3x + y, x + y, 6x 2y). {e1 , e2 }, temos T (e1 ) = (3, 1) e T (e2 ) = (4, 5), donde a matriz A = C;
de
3 4 1 5
Seja
P =
1 2 2 3
P 1 =
3 2 2 1
, vem
e1 = 3v1 +
e .
2v2 e2 ,
e2 = 2v1 v2 .
concluimos
T (v2 ) = Av2 = 6e1 + 17e2 , substituindo e1 37 52 T (v2 ) = 52v1 29v2 , donde a matriz D = (T )C = 21 29
e
f (B)
em
em
C,
segue
A = (f )B,C =
A1
f (B1 )
C1 ;
tambm, temos
1 1 0 . 1 1 3 u1 = z2 z1 e u2 = z1 .
Assim:
f (w1 ) = 2f (v1 ) f (v2 ) + f (v3 ) = 2(u1 + u2 ) (u1 u2 ) + 3u2 = u1 + 6u2 = z2 z1 + 6z1 = 5z1 + z2 ; f (w2 ) = f (v1 ) + f (v2 ) f (v3 ) = u1 + u2 + u1 u2 3u2 = 2u1 3u2 = 2z2 2z1 3z1 = 5z1 + 2z2 ; f (w3 ) = 2f (v1 ) f (v3 ) = 2u1 + 2u2 u2 = 2u1 u2 = 2z2 2z1 z1 = 3z1 + 2z2 .
Enm
A1 = (f )B1 ,C1 =
5 5 3 1 2 2
2 1 2 P = 1 1 0 , Q = 1 1 1
0 1 , Q1 = 1 1
1 1 1 0
; ento
A1 = Q1 AP .
4.34
1.(a)
A = (f )B,C =
2 3 1 1 2 1
lida diretamente de
(b) Se
B1 = {v1 , v2 , v3 )},
calculemos
f (B1 )
em
C:
segue, ento
f (v1 ) = A (1, 1, 1) = (6, 2), f (v2 ) = A (1, 2, 1) = (9, 4), f (v3 ) = A (0, 1, 1) = (4, 1); D = (f )B1 ,C =
6 9 4 2 4 1
.
72
f (B)
em
C1 = {u1 , u2 }:
donde
0 1 3 1 0 5
f (B1 )
en
C1 ,
temos segue
f (v1 ) = (6, 2) = 2u1 + 6u2 , f (v2 ) = (9, 4) = u1 + 6u2 , f (v3 ) = (4, 1) = 2u1 + 5u2 ; L = (f )B1 ,C1 =
(e) As matrizes de passagem so
2 1 2 . 6 6 5
1 1 1 1 1 0 P = 1 2 1 , P 1 = 0 1 1 , Q = 1 0 1 1 1 1
Em relao s matrizes de
3 2 , Q1 = 2 1
1 2 2 3
D = AP , K = Q1 A, L = Q1 AP .
2. (a) Segue diretamente da denio de
T (x, y): A =
4 4 1 4
X = (a, b) tal que T (X) = 6X , temos: 4a + 4b = 6a e a + 4b = 6b, donde a nica equao a = 2b e X = (2b, b) = b(2, 1); escolhendo v1 = (2, 1), temos T v1 = 6v1 . Analogamente, se T (X) = 2X , ento 4a + 4b = 2a e a + 4b = 2b, donde a = 2b e X = (2b, b) = b(2, 1); pondo v2 = (2, 1), ento T v2 = 2v2 . 6 0 Assim, na base {v1 , v2 }, o operador T representado por D = . 0 2
(b) Para achar (c) As matrizes
P =
2 2 1 1
, na expresso
D = P 1 AP .
73
Objetivos do Captulo 5
(a) Conceituar espaos euclidianos; (b) Estabelecer as caractersticas do produto interno e da norma; (c) Descrever as propriedades mtricas e angulares; (d) Caracterizar bases ortonormais e o processo de Gram-Schmidt; (e) Representar operadores simtricos e matrizes ortogonais; (f ) Estender os novos conceitos s aplicaes matriciais.
INTRODUO
Espaos euclidianos so espaos vetoriais reais munidos de um
produto interno.
Trata-se de acrescen-
tar estrutura original mais uma operao capaz de estudar as propriedades mtricas e angulares. Assim redesenhado, o novo quadro epistemolgico, por ser mais prximo da vivncia cognitiva habitual, o ambiente propcio para o desenvolviento da geometria euclidiana, da qual, alis, o nome foi emprestado. Por isso, tambm sugere aprofundamentos em vrios tpicos multidisciplinares.
V,
< , >: V V R
(a) (b) (c) (d)
v, u V
um escalar
< v, u >,
vericando as
v, u, w V
a R:
< v + w, u >=< v, u > + < w, u >; < av, u >= a < v, u >; < v, u >=< u, v >; < v, v > 0
e
< v, v >= 0 v = O.
Observao
Na denio acima, as condies (a) e (b) signicam que
< , > linear em relao primeira varivel; devido simetria (c), tambm linear em relao segunda varivel. Portanto, < , >: V V R
uma forma bilinear simtrica. A condio (d) expressa pela denominao: o produto interno estritamente positivo.
74
(1)
No
Rn ,
se
X = (x1 , . . . , xn )
Y = (y1 , . . . , yn ),
ento
< X, Y >= x1 y1 + + xn yn
de
um
produto interno. De fato, a vericao da linearidade (em relao primeira varivel) e da simetria no oferecem diculdade. Quanto positividade, se nula, logo, a soma de quadrados reais
< X, X >=
x2 1
no
Exemplo:
No
R3 ,
com
o produto de duas matrizes, xada uma delas, linear na outra, assim como a transposio uma operao linear. Vamos examinar a positividade. O produto feito por produtos de linhas de
A t AA
por linhas de
A.
Exemplo:
A tB = 1 0
V = M22 ,
4 1 2 2
sejam as matrizes
A=
1 0
1 ,B= 1
4 2
1 2
. Temos:
1 1
5 1
0 2
. Logo,
(3)
Seja
V = C[0, 1]
[0, 1].
Um
< f, g >=
0
f (x)g(x)dx.
Novamente, a
linearidade e a simetria so imediatas. Para a positividade, se uma funo contnua positiva no nula em um certo ponto que
x0 [0, 1], 0=
J
h J
for tal
h(x)dx
0
h(x)dx.
Em outras palavras, se
f = O,
ento
1 0
qualquer
intervalo fechado
[a, b]
Exemplo:
Se
1
Dadas
f (x) = 4x
g(x) = x2 ,
temos:
< f, g >=
0
4x x2 dx =
0 1
4x3 dx = x4
0 1
= 1. = 0.
0
2 (2x 1) dx =
0
(4x 2) dx = 2x2 2x
v V,
vale
< v, O >= 0.
[
v V;
u V,
vale
< v, u >= 0, v = O,
ento
v = 0.
no-degenerado].
De fato, fazendo
u = v,
temos
< v, v >= 0,
donde
C,
(1, i)(1, i) = 1 + i2 = 1 1 = 0.
75
NORMA
real
(V, <>)um espao euclidiano. Para cada v V , a norma de v o nmero Um vetor v V unitrio se v = 1.
v =
< v, v >.
v V, v 0 vV
e
v = 0 v = O;
.
R, v = || v
2
2.
v, u V u
Podemos,
| < v, u > | v
De fato, se ento,
u = O, supor u = O
2
ento
< v, u >= 0
e considerar a norma
0 v + tu
= < v + tu >< v + tu >=< v, v > + < v, tu > + < tu, v > + < tu, tu > = v
2
= t2 u
+ 2 < v, u > t + v t
< v, u
>2
2 , ou
0, | < v, u > | v u .
Corolrio 1
Na desigualdade de Cauchy-Schwarz, vale a igualdade se, e s se, Na vericao acima, essa igualdade signica que o discriminante
so L.Dependentes.
do trinmio considerado nulo, ou seja, o trinmio possui uma raiz (dupla) t0 tal que v + t0 u = 0, donde vemos que v e u so LD, sempre supondo u no nulo, nossa hiptese inicial; se fosse u = 0, claro que v e u ainda seriam LD. Reciprocamente, supondo v e u LD, digamos da forma v = au, ento fcil ver que | < v, u > | = v u .
v, u V ,
vale
v+u v + u
Desenvolvendo a norma
v+u
2:
v+u
+ 2 < v, u > + u
+2 v
u + u
( v + u )2
Valendo
v+u
( v + u )2 ,
segue o resultado
v+u v + u
76
(2) Distncia
A norma induz uma
, vericando
v = u,
v u = (1)(u v) = | 1| u v = u v
usando
v u = (v w) + (w u) v w + w u
Observao
No
Rn , com X = (x1 , . . . , xn ) e Y = (y1 , . . . , yn ), as expresses da norma X = x2 + + x2 e da n 1 distncia d(X, Y ) = (y1 x1 )2 + + (yn xn )2 , constituem generalizao natural das expresses 2 3 que j encontramos em R e R .
Exemplo:
no
(3) ngulo
Sejam
v e u vetores no nulos de um espao euclidiano V ; da | < v, u > | v u , temos v u < v, u > v u , donde 1
Ento, existe um nico Diremos, ento, que
desigualdade de Cauchy-Schwarz
< v, u > 1 v u
tal que
R,
0
e
cos =
v v
u; u
observemos
u cos ,
< v, u >= 0.
Exemplo 5.5
(1) No Rn , os vetores {e1 , . . . , en } da base cannica so unitrios e dois a dois ortogonais, isto , formam uma base ortonormal. (2) No espao das matrizes 2 2, fcil ver que as matrizes cannicas formam uma base ortonormal
1 0 0 0
,
0 1 0 0 A=
0 0 1 0
0 0 0 0
, com o produto
2 1 0 2
, temos
A =
< A, A > =
tr(A tA) =
9 = 3,
pois
A tA =
5 2 2 4
tr(A tA) = 5 + 4 = 9.
Por exemplo:
< x, x2 >=
0
x x2 dx =
0 1
x3 dx =
1 2
x4 4
=
0
1 ; 4
1 0
=< x, x >=
0
x x dx =
0
x3 x dx = 3
1 = , 3
donde
x = v v 3x
3 . 3
(4)
Dado um vetor
v=O v v
em um espao euclidiano
V,
ento o vetor
unitrio.
De fato, temos
v = 1. v
unitrio em
R2 [x].
77
v+u
+ vu
= 2( v
2
+ u 2)
4 < v, u >= v + u
2 2
vu
v+u vu
=< v + u, v + u >=< v, v > + < v, u > + < u, v > + < u, u >= v =< v u, v u >=< v, v > < v, u > < u, v > + < u, u >= v
2 2
2 2
Somando membro a membro, obtemos (a); subtraindo a segunda igualdade da primeira, segue (b).
(6)
No
R3 ,
como o vetor
D = (a, a, a),
ache o ngulo
entre
d = (a, a, 0),
isto , o ngulo
como
D =
3a e d =
< D, d > , D d
isto ,
cos =
sendo
d = (a, . . . , a)
k
k -dimensional:
cos =
k . n
Atividade-proposta
(1) Seja (a)
V = R4 ;
(b)
considere os vetores
v = (1, 1, 1, 1)
entre
w = (1, 1, 1, 1).
(d) a distncia
Determine:
< v, w >;
; (c) o ngulo
w;
(2) Seja
V = M22 , A=
Calcule a distncia
as matrizes
1 1 0 1
B=
1 0 0 0
(3) (a) No
R3 ,
como o vetor
D = (a, a, a),
ache o ngulo
entre
e a aresta
= (0, 0, a),
ndimensional,
mostrando que
teremos
n = 60 ?
dados
1 cos(n ) = . n
e o ngulo
Para que
V,
v = 1, w = 1
v w = 2,
ache
< v, w >
entre
w.
2.
so
(5) Verique a seguinte verso do teorema de Pitgoras: (6) No espao ortogonais. (7) Mostre que vale a igualdade no-negativo do outro. (8) Dados
< v, w >= 0 v + w
= v
e
+ w
R2 [x],
ache o valor de
f (x) = mx2 1
g(x) = x
v+u = v + u
v, u
mltiplo
Y = (y1 , y2 ) no R2 , mostre que [X, Y ] = x1 y1 2x1 y2 2x2 y2 + 5x2 y2 2 2 dene um produto interno no R . Compare a norma de v = (1, 2) R em relao ao produto interno X = (x1 , x2 )
e cannico e em relaao ao produto interno acima considerado.
78
5.7
Ortogonalidade
a1 v1 + + ap vp = O, multiplicando por v1 , obtemos a1 < v1 , v1 >= 0, donde a1 = 0, pois < v1 , v1 >= v1 2 = 0. Assim por diante, multiplicando sucessivamente por todos os vetores v2 , . . . , vp , anulamos cada um dos coecientes a2 = = ap = 0.
Corolrio Todo conjunto S = {v1 , . . . , vp } de vetores ortonormais LI. (1) Coordenadas em bases ortogonais e ortonormais
v = x1 v1 + + xn vn a decomposio de v B , muito prtico achar as coordenadas (x1 , . . . , xn ): < v, v1 > < v, v1 >=< x1 v1 + + xn vn , v1 >=< x1 v1 , v1 >= x1 < v1 , v1 >= x1 v1 2 x1 = v1 2
Se
em
v = x1 v1 + + xn vn =
Cada coordenada
componente
< v, vi > denominada coeciente de Fourier de v em relao a vi . vi 2 < v, vi > xi vi = vi a projeo ortogonal de v sobre vi , como veremos a seguir. vi 2 xi = g1 , . . . , gn ,
(b)
xi =< v, gi >= v
se
gi cos i = v cos i .
e
v = x1 g1 + + xn gn
u = y1 g1 + + yn gn ,
Rn .
Observemos que no foi usado nenhum sistema linear, que o processo usual para uma base arbitrria.
v, w V ,
com
w = O.
A projeo ortogonal de
sobre a reta
[w]
o vetor
p(v; w) =
< v, w > w. w 2
Outra forma, se
u=
w w
o unitrio de
w,
ento
O vetor-projeo a garantir
(v cw) w.
79
sobre
[w]
o vetor
w = (4, 2).
=O
A demonstrao descreve um processo explcito de construo que transforma uma base qualquer em uma outra, ortonormal, garantindo o mesmo subespao gerado. ortogonais Supondo j conhecidos os vetores
v1 , . . . , v m ,
acrescentamos um gerador
tores j determinados.
Abaixo, um resumo da
um+1 e subtraimos desse vetor sua projeo sobre vetor vm+1 , necessariamente ortogonal aos ve{v1 , v2 , v3 , v4 },
partindo de uma base
{u1 , u2 , u3 , u4 }.
Notemos, por exemplo, que o vetor
v4
v1 , v2
v3 .
v1 = u1 v2 = u2 v3 v4 < u2 , v1 > v1 v1 2 < u3 , v1 > < u3 , v2 > = u3 v1 v2 2 v1 v2 2 < u4 , v1 > < u4 , v2 > < u4 , v3 > = u4 v1 v2 v3 2 2 v1 v2 v3 2
{g1 , g2 , g3 , g4 },
vi
Exemplo Dada a base B = {u1 , u2 , u3 } do R3 , u1 = (1, 1, 0), u2 = (2, 0, 2) e u3 = (3, 3, 3), apliquemos o processo de Gram-Schmid, encontrando, inicialmente, uma base ortogonal
C = {v1 , v2 , v3 }:
v1 v2 v3
= u1 = (1, 1, 0); 2 < u2 , v1 > v1 = u2 v1 = (2, 0, 2) (1, 1, 0) = (1, 1, 2) = u2 2 2 v1 < u3 , v1 > < u3 , v2 > 6 6 = u3 v1 v2 = u3 v1 + v2 = (3, 3, 3) 3(1, 1, 0) + (1, 1, 2) = (1, 1, 1) 2 2 2 6 v1 v2
B,
para
C;
P 1 de
para
C:
1 1 4 P = 0 1 1 0 0 1
P 1
1 1 3 = 0 1 1 0 0 1
80
um espao euclidiano e
W V
um subespao de
V,
w W,
temos
< O, w >= 0,
logo
O W ;
ento
0,
donde
(c) Analogamente, se
v W .
Exemplos
(a) Temos (b) No
{O} = V
se
V = {O}.
ento
R3 ,
W = {(x, y, 0) ; x, y R},
no
(c) Fixado
A=O
Rn ,
o complemento ortogonal de
H = {X Rn ; AX = 0}. W
em
Proposio 2.
Se
W V
um subespao, ento
um suplementar de .
V,
isto ,
V = W W
De fato, xada uma base ortonormal
B = {g1 , . . . , gk } de W e dado v V , o vetor u = v < v, g1 > g1 < v, gk > gk ortogonal a cada vetor de B , logo, ortogonal a W . Assim, podemos escrever: v = w + u, com w =< v, g1 > g1 + + < v, gk > gk em W e u em W , = {O}. donde V = W + W . Agora, se v W W , ento < v, v >= 0, donde v = O e W W
W V , vimos no item anterior que V = W W : todo v V se escreve, de forma v = w + u, com w W e u W . Das propriedades das projeoes 4.26 V
o projetor
seguem os resultados. A
p : V V
sobre
e paralelamente
a W , denido por
G = {g1 , . . . , gk }
W.
p : V V
um operador idempotente:
p2 = p;
(b)
I(p) = W ;
(c)
N (p) = W
v p(v) = v w = u W , fcil vericar que, dentre os vetores h W , a projeo w o mais prximo de v ; com efeito, de v h = (v w) + (w h), como w h W e (v w) W , segue, de Pitgoras, que v h 2 = v w 2 + w h 2 , ou seja, v w 2 v h 2 , donde v w v h . O resultado motiva a seguinte denio:
Alm dessas propriedades, como (d) A distncia de
vV
ao subespao
de
dada por
d(v, W ) = v w
, onde
w = p(v).
s = 2p I ,
isto
81
Amn ,
A1 , . . . , Am
do
Rn ,
observemos que o
AX = O
< A1 , X >= 0
. < A , X >= 0 m . .
(**)
AX = O descrevem o ncleo N (A), enquanto as equaes (**) informam n que X ortogonal s linhas A1 , . . . , Am da matriz A. Notando L(A) R o subespao gerado pelas linhas de A, vemos, assim que L(A) = N (A).
As solues do sistema (2) Seja o subespao base de
U .
Os
U R4 dado por U = [u1 = (1, 2, 0, 1), u2 = (0, 1, 3, 2)]. Encontremos uma vetores X = (x, y, z, t) ortogonais a U so os vetores ortogonais a u1 e u2 , isto ,
Escalonando
as solues de
AX = O.
e
A=
1 0
2 1
0 3
1 2
1 0 0 1
6 5 3 2
, obtemos a base de
U , f1 = (6, 3, 1, 0)
(3) No
R3 ,
seja o subespao
w1 = (2, 5, 1)
w2 = (2, 1, 1).
Observando que
os geradores
w1 , w2
W; A
na base cannica e a equao de
d(v, W ); p(x, y, z)
sobre
W,
sua matriz
W .
e dim W
= 1.
w1 , w2 so ortogonais (logo LI), vemos que formam uma base de W , dim W = 2 projeo de v sobre W calculada sem maiores esforos: p(v, W ) =
< v, w2 > < v, w1 > w1 + w2 (*) 2 v1 v2 2 9 3 1 p(v, W ) = (2, 5, 1) + (2, 1, 1) = (2, 10, 1) 30 6 5 distncia de v a W
(**)
w1 e w2 !
Logo, vem
v = (x, y, z)
p(x, y, z) =
(***)
4 0 2 1 A= 0 5 0 5 2 0 1
Para calcular
u = (1, 0, 2) gera esse subespao unidimensional, que tambm pode ser interpretado como o ncleo N (p): nesse caso, podemos ainda usar (***) ou recorrer = [(1, 0, 2)]. ao sistema AX = O . De todo modo, concluimos que W
conrmamos em (**) que usemos o processo de Gram-Schmidt para ortonormalizar a base cannica
W ,
V = R2 [x], p1 = 1, p2 = x e p3 = x2 .
(4) No espao
q1 , q2 , q3 .
82
Escolhendo
q1 = p1 = 1,
1
temos
q2 = p 2
1
onde usamos
< p2 , q1 >=
0
Continuando:
x2 x dx = 2
=
0
1 . 2
onde usamos
< p3 , q1 >=
0 1
x3 x dx = 3
2
=
0
1 3 1 2
1
< p3 , q2 >=
0
(2x3 x2 )dx =
0
1 12
q2
1 4
(2x 1)2 dx =
0
1 12 1 1 (2x 1), q3 = x2 x + 2 6
Base ortogonal q1 = 1, q2 =
Normalizando cada vetor: Em seguida
Enm,
q3
q1 = 1, donde g1 = 1. 1 q2 1 q2 2 = = q2 = , donde g2 = = 3(2x 1). 12 q2 2 3 1 1 2 1 1 q3 = (x2 x + ) dx = = q3 = .Logo, g3 = = 5(6x2 6x + 1) 6 180 q3 6 5 0 2 6x + 1) Base ortonormal g1 = 1, g2 = 3(2x 1), g3 = 5(6x
Atividade-proposta 5.9
(1) Se
Mostre que
onde
u=
w w
= R2 . v = (1, 1)
sobre a reta
W = [w]
gerada por
w = (1, 3),
calculando o
p(v; w)
p : V V
ortogonal sobre
W,
V,
o ncleo
N (p)
e a imagem
I(p); q = I p, N (q)
e
(c) Indique a matriz do operador (2) No espao euclidiano projeo ortogonal de (3) Seja base a
I(q).
V = R2 [x], dados f (x) = 2x 1 e g(x) = x, calcule o polinmio h = p(f, [g]) f sobre [g]. Indique tambm a distncia d(f, [g]) e o ngulo entre f e [g].
Determinar uma base ortonormal de
e completar essa
R4 :
a matriz (5) No
B = {v1 , v2 , v3 } de um subespao v1 = (1, 1, 0, 1), v2 = (1, 2, 0, 0), v3 = (1, 0, 1, 2). Obtida a base C = {q1 , q2 , q3 }, indique de passagem de B para C e a matriz de C para B .
considere o subespao
V = R4 ,
W = [w1 , w2 ], w1 = (3, 4, 4, 1), w2 = (0, 1, 1, 2). < w2 , u1 > u1 ; {u1 , u2 } de W tal que u1 = w1 e u2 = w2 u1 2 p(v, W ).
Conclua a distncia
d(v, W )
e o ngulo
83
Um operador , isto ,
T : V V
v V , T (v) = v
Exemplos Seja V
(b) O operador uma rotao
= R2 . I : V V , I(v) = v ,
uma isometria. onde
T : V V , tal que T (x, y) = (x cos y sen ; x sen + y cos ), de ngulo ; na realidade, uma isometria, pois
0 < 2 ,
T (x, y)
= x2 cos2 + y 2 sen2 2xy sen cos + x2 sen2 + y 2 cos2 + 2xy sen cos = x2 (cos2 + sen2 ) + y 2 (cos2 + sen2 ) = x2 + y 2 = (x, y)
2
donde
T (x, y) = (x, y)
uma isometria:
s(x, y) = (x, y) =
x2
y2
= (x, y) .
um isomorsmo.
T (v) = O,
ento
T (v) = 0,
donde
v = 0,
v = O.
Assim,
N (T ) = {O},
um
isomorsmo.
5.12 Proposio
Se
T : V V
(a)
uma isometria;
V.
(a) (b)
4 < v, u >= v + u
vu T
2 ,isto ,
T (v) T (u)
2,
donde, como as normas dos segundos membros, por hiptese, so preservadas, o mesmo ocorre com os primeiros membros: logo, preserva o produto interno.
(b) (c) O isomorsmo T leva uma base B = {v1 , . . . , vn } de V em uma base C = {T (v1 ), . . . , T (vn )} de V . Alm disso, por hiptese, < T (vi ), T (vj ) >=< vi , vj >, o que nos mostra que T preserva a ortonormalidade: B ortonormal C ortonormal. (Na realidade, vale a recproca...). (c) (a) Consideremos as bases ortonormais B = {v1 , . . . , vn } e C = {T (v1 ), . . . , T (vn )} de V ; dado v V temos as decomposies v = x1 v1 + + xn vn e T (v) = x1 T (v1 ) + + xn T (vn ), com as 2 = x2 + + x2 = T (v) 2 (contas em bases ortonormais!), logo mesmas coordenadas, donde v n 1 T (v) = v .
84
MATRIZES ORTOGONAIS
Uma matriz inversvel ortogonal quando A condio
A1 = tA
ou, equivalentemente,
A tA = tA A = I
A tA = tA A = I
Rn .
Assim, temos:
A tA = I
tA A
(linha
de
A)
(coluna
j j
de de
t( A))= (linha
i i
de de
A) A)
(linha
de
A)=Ii j A)=Ii j
(*) (**)
= I
(linha
de
t( A)) (coluna
A)=
(coluna
(coluna
de
I , temos Ii j =
1, 0,
se se
i=j i=j A
; em outras palavras,
so
(b) As linhas de
so vetores ortonormais do
Rn ; Rn .
(c) As colunas de
so vetores ortonormais do
Observao Apenas com o recurso s denies gerais, uma abordagem direta de (b) (c) pode ser
complicada!
Exemplo
1 0 0 M = 0 1 0 , N = 0 0 0 1
0
0 1 2 3 2
3 2 1 2
, A=
1 2 1 2 0
1 6 1 6 2 6
1 3 1 3 1 3
5.14 Proposio
O operador ortonormal
A = (T )B
de
numa base
A = (T )B ortogonal T preserva o produto interno < T (v), T (u) >=< v, u >. Sejam as coordenadas X = (v)B e Y = (w)B ; como vimos n em 5.7(1), < v, w >=< X, Y > (produto cannico do R ), pois a base B ortonormal. Por denio, as coordenadas de T (v) em B valem AX , e as de T (w) so AY ; de novo, como B ortonormal, vem < T (v), T (w) >=< AX, AY >. Enm, veriquemos que < AX, AY >=< X, Y > (vetores-coluna do Rn ); temos < X, Y >= tX Y ;
Como por outro lado,
Exemplo
V = R3 ;
o operador
T : V V
T (x, y, z) =
A do exemplo acima: x y z x y z 2y z + + ; + + ; + 2 6 3 2 6 3 6 3
85
B = {v1 , . . . , vn }
matriz de passagem da
V.
Ento, a
P so as coordenadas de C em B ; por outro lado, sabemos que existe um nico operador linear tal que T (v1 ) = u1 , . . . , T (vn ) = un , isto , vericando T (B) = C , o que signica que T uma isometria. Mas a matriz de T em B , precisamente, a matriz P : (T )B = (I)C,B = P , logo P ortogonal.
Por construo, as colunas de
Exemplo 5.15
(1) Complementando as propriedades das matrizes ortogonais, veriquemos que: (a) Se (b) Se
A A
ortogonal, ento e
A1
ortogonal;
AB
ortogonal.
tA
= A1 ,
(tA)1 = (A1 )1 ,
t (A1 )
= A.
(2) Seja
a simetria ortogonal do
R2
em relao reta
w = (1, 2).
Vamos calcular
s(x, y). p
sobre
W : p(x, y) =
s = 2p I .
x + 2y (1, 2), 5
s em relao a w = (1, 2). Se s(X) = Y , com X = (x, y) e Y = (x1 , y1 ), ento X + Y ponto de [w], isto , X + Y paralelo a w = (1, 2), e Y X ortogonal a w. Assim, X + Y = (x + x1 , y + y1 ) = (1, 2) = (, 2), logo 2(x + x1 ) = y + y1 (*); tambm, < Y X, w >= 0, ou (x1 x) + 2(y1 y) = 0 (**). Portanto, recaimos no sistema (*) e (**), onde x1 , y1 so as incgnitas: x = 3x + 4y 1 x1 + 2y1 = x + 2y 1 3 4 5 = A = ; observe que A uma matriz = 5 2x1 y1 = 2x + y 4 3 y1 = 4x + 3y 5 V = R3
para as
(3) Consideremos as matrizes abaixo, que denem mudanas da base cannica do bases
C,
respectivamente:
2 2 1 1 P = 2 1 2 3 1 2 2
(a) Observemos que bases
2 6 3 1 Q= 3 2 6 7 6 3 2
tambm so ortonormais;
para base
C?
X , Y , Z suas coordenadas na base cannica, na base B e na base C , respectivamente: temos X = P Y e X = QZ , donde Y = P 1 QZ = tP QZ . Desse modo, a matriz t de passagem de B para C realizada pela matriz G = P Q. Tal matriz ortogonal e, no nosso caso,
um vetor qualquer,e vale:
vV
16 13 4 1 G= 11 16 8 . 21 8 4 19
86
Atividades-propostas 5.16
(1) No
V = R2 ,
considere a reta
W = {(x, y) ; 5x 2y = 0}
e a simetria ortogonal
s : V V
em
relao a essa reta. Indique a matriz da simetria na base cannica de (2) Considere o operador
V.
do
R3
dado por
T (x, y, z) =
(a) Mostre que
2x 2y + z 2x y + 2z x + 2y + 2z ; ; 3 3 3
, para cada
T (x, y, z = (x, y, z)
X = (x, y, z).
uma
de
(c) Mostre que a simetria possui um plano invariante em relao a (d) Seja
W.
W. T.
Mostre que
N (p) = W
e que
I(p) = W .
Como a simetria
atua em W ?
87
v = (1, 1, 1, 1)
w = (1, 1, 1, 1),
temos:
< v, w >= 1 1 1 1 = 2; (b) v = 1 + 1 + 1 + 1 = 2; w = 1 + 1 + 1 + 1 = 2; 1 2 = 2 2 cos , cos = , = 120 ; 2 12 = 2 3. (d) d(v, w) = v w = (0, 2, 2, 2) = < A B, A B >, onde < A B, A B >= tr ((A B) t (A B)). (2) Temos d(A, B) = A B =
(c) De
< v, w >= v
w cos ,
vem
Assim,
AB =
1 1 1 0 0 1 0 0
Enm
0 1 0 1 2.
Logo,
< A B, A B >=
tr
0 1 0 1
0 0 1 1
tr
1 1 = 1 + 1 = 2. 1 1
AB =
(3) (a)
tambm
< D, >=
cos 3 ;
como
a2 1 , 2 = n a n
1 cos n = . n
O ngulo de
60
tal que
n = 4.
v w 2 =< v w, v w >=< v, v > < v, w > < w, v > + < w, w >, isto , v w 2 = v 2 2 < v, w > + w 2 , donde, substituindo os valores dados: 4 = 1 2 < v, w > +1, 1 = 1, ou = . < v, w >= 1. Por outro lado, de < v, w >= v w cos , segue cos = 1 2 =< v + w, v + w >= v 2 + w 2 + 2 < v, w >; logo, vale (5) Resulta do desenvolvimento v + w v + w 2 = v 2 + w 2 se, e somente se, < v, w >= 0.
(4) Desenvolvendo
1
(6) Temos Logo,
< f, g >=
0
f (x)g(x) dx =
0
(mx2 1)x dx =
0
(mx3 x) dx =
mx4 x2 4 2
=
o
m 1 . 4 2
< f, g >= 0
equivalente a
m = 2.
v + u = v + u equivalente a < v, u >= v u , o que tambm 2 =< v +tu >< v +tu >= t2 u 2 +2 < v, u > t+ v 2 signica, supondo u = O , que o trinmio v +tu 2 2 u 2 = 0 (rever a demonstrao de Cauchy-Schwarz). possui um discriminante = 4 < v, u > 4 v < v, u > Assim, existe t R tal que t < 0 e v + tu = O , dado por t = . u 2
(7) Observemos que a igualdade
[X, Y ] = x1 y1 2x1 y2 2x2 y1 + 5x2 y2 bilinear e simtrica. Quanto positividade, temos: [X, X] = 2x1 x2 2x2 x1 + 5x2 = x2 4x1 x2 + 4x2 + x2 = (x1 2x2 )2 + x2 . Segue, ento, 2 1 2 2 2 2 2 que [X, X] 0; alm disso, [X, X] = (x1 2x2 ) + x2 = 0 equivalente a x1 2x2 = 0 e x2 = 0, isto , x1 = x2 = 0, ou X = (0, 0). 1 + 4 = 5, enquanto a norma do produto Enm, se v = (1, 2), ento a norma natural vale v = interno em estudo vale [|v|] = 13 (verique!).
(8) fcil ver que
x2 1
5.9
Temos
< v, w > w w e p(v; w) =< v, u > u, sendo u = 2 w w w w < v, w > w < v, w > < v, u > u =< v, > = = w. w w w w w 2 p(v; w) =
88
Na base cannica do
R2 ,
temos
A=
1 1 3 10 3 9
N (p) = {(x, y) ; x + 3y = 0}
e que
q = I p vale B = I A =
f (x) = 2x 1, g(x) = x;
1
a projeo
de
sobre
vale
h=
< f, g > g g 2
1
(*). Temos:
< f, g >=
0 1
f (x)g(x) dx =
0
(2x2 x) dx =
2x3 x2 3 2 h= x . 2
=
0
1 6
=
0
x2 dx =
x 3
3 1
=
0
1 . 3
d(f, h) = f h = 2x 1
1 0
3x x = 1 2 2
3x 1 2
dx =
0
9 2 x + 1 3x 4 f
e
dx =
1 ; 4
assim,
d(f, h) = f h =
1 1 = . 4 2
h: cos =
1 0
< f, h > f h
(**)
< f, h >=
1 0 2
t (2t 1) dx = 2
t 1 (t2 ) dx = 2 12
h
Enm (!) (3) Se
X = (x, y, z) W , com x = 2y , temos X = (2y, y, z) = y(2, 1, 0)+z(0, 0, 1); pondo w1 = (2, 1, 0) e w2 = (0, 0, 1), esses vetores j formam uma base ortogonal de W ; basta ento sua normalizao 1 w1 = 5 e w2 = 1, donde a base ortonormal de W : g1 = (2, 1, 0) e g2 = (0, 0, 1). 5 3 Para completar essa base de W a uma base do R , inicialmente acrescentamos o vetor w = (1, 0, 0), que est fora de W (observe que essa escolha, nem com reza braba, j nos daria a base ortonormal procurada!). A seguir, com o processo de Gram-Schmidt, faremos os ajustes necessrios. Basta descontar de w as projees ortogonais sobre w1 e w2 : w3 = w < w, w2 > < w, w1 > w2 2 w1 w1 w2 2
w3 ,
obtemos
1 g3 = (1, 2, 0). 5
Assim,
{g1 , g2 , g3 }
R3 .
89
42 3 57 ; 7
1 1 1 q1 = (1, 1, 0, 1); q2 = (4, 5, 0, 1); q3 = (4, 2, 1, 6). 3 42 57 Para obter a matriz de passagem P , da base original B para a base ortonormal C , inicialmente, comparamos B com os vetores ortogonais w1 , w2 , w3 e, logo em seguida com a base ortonormal: 1 1 1 w1 = v1 = q1 = v1 ; w2 = v1 + v2 = q2 = (v1 + 3v2 ); 3 3 42 8 3 1 w3 = v1 v2 + v3 = q3 = (8v1 3v2 + 7v3 ) 7 7 57
Seguem as matrizes de passagem
P,
P 1 ,
de
para
B.
3 = 0 0 1 3 42 3 0 3 42 7 57 7
1 3 0 P = 0
(5)
1 42 3 42 0
8 57 3 57 7 57
P 1
sobre
< v, u1 > < v, u2 > 9 12/7 3 1 1 2 u1 + 2 u2 = 42 u1 + 36/7 u2 = 14 u1 + 3 u2 = 2 (1, 2, 2, 1) u1 u2 1 30 Distncia d(v, W ) = p v = (3, 2, 4, 1) = 2 2 5/2 1 ngulo < v, p >= v p cos = cos = = 2 10 10/2 p=
5.16
(1) Para achar a simetria ortogonal em relao reta sobre
W : 5x 2y = 0,
Exemplo 5.15).
W
vale
w = (2, 5)
um
gerador de
W.
p=
< v, w > w, w 2
v = (x, y),
temos
Enm, calculando
2x + 5y 1 (2, 5) = (4x + 10y; 10x + 25y) 29 29 s = 2p I , s(x, y) = 2p(x, y) (x, y), obtemos 21 21 20 20 21 29 s(x, y) = x + y; x + y = A = 20 29 29 29 29 29 p(x, y) =
20 29 21 29
90
T (X) = X
(2x 2y + z)2 = 4x2 + 4y 2 + z 2 8xy 4yz + 4xz (2x y + 2z)2 = 4x2 + y 2 + 4z 2 + 4xy 4yz 8xz (x + 2y + 2z)2 = x2 + 4y 2 + 4z 2 + 4xy + 8yz + 4xz 9x2 + 9y 2 + 9z 2 = T (x, y, z) 2 = = x2 + y 2 + z 2 = X 9
T (X)
Logo,
uma isometria.
2 2 1 1 (b) A matriz de T se escreve A = 2 1 2 , e vemos que A uma matriz ortogonal. 3 1 2 2 (c) Veriquemos quando vale T (X) = X , ou seja, determinemos o ncleo de T I : 1 2 1 1 2 1 1 A I = 2 4 2 0 0 0 ; logo, o plano W : x + 2y z = 0 invariante 3 1 2 1 0 0 0
(d) Seja o projetor ortogonal
por
T.
Todas essa relaes so bem conhecidas: aqui, a novidade, a interpretao da ortogonalidade! Em particular, vemos bem que e
I(p) = W .
Restrita a
temos
Anexo Determinantes
91
ANEXO DETERMINANTES
Objetivos
(a) Conceituar determinante como forma multilinear alternada; (b) Descrever as propriedades dos determinantes; (c) Apresentar a Regra de Cramer e suas limitaes numricas; (d) Estabelecer as relaes entre determinantes de operadores e semelhana.
INTRODUO
A evoluo da matemtica ocidental, no estudo dos sistemas lineares, determinantes e matrizes (nessa ordem!), tardou em assimilar vrias tcnicas de soluo numrica efetiva, j conhecidas, por exemplo, dos chineses, desde os anos 180A.C. Os tabalhos de Gauss sobre eliminao, a partir de 1809, foram estabelecidos para permitir (sua) soluo de problemas de mnimos quadrados. Os determinantes ocorreram mais cedo: no Japo, por Kowa(1683) e no Ocidente por Leibniz(1693), ambos na resoluo de sistemas lineares. Mais tarde, Cramer(1750), Laplace(1771) e Cauchy(1812) fundamentaram a teoria essencialmente o que usamos hoje. A destacar, tambm, a contribuio de Lagrange(1790) na classicao das formas quadrticas e dos pontos extremantes, dosando a eliminao gaussiana com a teoria clssica dos determinantes num tratamento denitivo. Atualmente, claro, a evoluo dos mtodos computacionais abre novos horizontes para todas essas aplicaes.
Antes de estudar as propriedades dos determinantes de ordem n, consideremos um caso particular. Seja a matriz real 2 2
A=
a b c d
Indicaremos seu determinante pelo nmero real: D(A) = Det(A) = D(A1 , A2 ) = ad bc, em que a notao D(A1 , A2 ) enfatiza a dependncia das linhas A1 e A2 . Exigiremos a validade de vrias propriedades, cuja vericao no oferece qualquer diculdade.
92
Det Det
a+a c
b+b d
= Det
a b a + Det c d c
b (a , b R) d
ta tb a b = t Det (t R) c d c d
I=
ento Det(I) = 1.
1 0 , 0 1
Na realidade, a funo D(A) ca caracterizada pelas condies (a),(b) e (c). Valem, ainda, as seguintes propriedades adicionais. (d) Se adicionarmos a uma linha um mltiplo da outra, ento o determinante no se altera. Em outras palavras, para cada t R, o determinante da matriz
a + tc b + td c d
igual a D(A), e analogamente, quando um mltiplo da primeira linha adicionado segunda. (e) Se as duas linhas de A so permutadas, ento o determinante muda de sinal: Det
a b c d = Det c d a b
a c a b = Det = Det(A) b d c d
(g) Os vetores-linha (a, b) e (c, d) so linearmente dependentes se e somente se nulo o determinante ad bc = 0. (h) Dadas as matrizes A e B , vale D(AB) = D(A) D(B). Faamos uma vericao direta: de
a b c d
p q ap + br aq + bs = vemos que r s cp + dr cq + ds
D(A)D(B) = (ad bc)(ps qr) = (ap + br)(cq + ds) (aq + bs)(cp + dr) = D(AB)
Exemplo A1
A matriz A =
d b c a
De fato, se A inversvel e AB = I , ento, por (h), D(A)D(B) = D(I) = 1, donde, D(A) = 0. Reciprocamente, supondo D(A) = 0, basta multiplicar as matrizes acima para obter a identidade I . Assim, por exemplo, a inversa da matriz A = no inversvel, pois D(B) = 0.
2 1 A1 = 3 1
1 1 3 2
; j a matriz B =
1 1 1 1
Anexo Determinantes
93
Para generalizar as propriedades anteriores, vamos nos xar nas matrizes A33 , para tornar mais leve a apresentao. Manteremos as notaes usuais: a11 a12 a13 A = a21 a22 a23 , A1 = [a11 a12 a13 ] A2 = [a21 a22 a23 ] A3 = [a31 a32 a33 ]
D(A1 , A2 , tA1 + A3 ) = D(A1 , A2 , tA1 ) + D(A1 , A2 , A3 ) = t D(A1 , A2 , A1 ) + D(A1 , A2 , A3 ) = D(A1 , A2 , A3 ) [acima, a primeira parcela nula!] = D(A)
A terminologia forma (linear) alternada resulta da propriedade (b); esta acarreta a propriedade (e). Na realidade, (d) tem maior abrangncia: D(A) muda de sinal quando so permutadas duas linhas quaisquer de A. De todo modo, comum chamar de funo determinante uma forma multilinear alternada que verica (a), (b) e (c) acima.
Observao Exemplo A3
(1) Sempre que alguma linha de A nula, temos D(A) = 0. a conhecida propriedade de uma aplicao linear f , f (O) = O, aplicada linha de A em questo. (2) Observe o signicado da multilinearidade:
5 0 0 1 0 0 (a) 0 1 0 = 5 0 1 0 = 5D(I) = 5 ; 0 0 1 0 0 1
94
5 0 0 1 0 0 1 0 0 1 0 0 (b) D(5I) = 0 5 0 = 5 0 5 0 = 5 5 0 1 0 = 5 5 5 0 1 0 = 53 D(I) = 53 = 125 0 0 5 0 0 5 0 0 5 0 0 1 1 2 3 1 0 0 0 2 3 (c) 0 1 0 = 0 1 0 + 0 1 0 = D(I) + 0 = 1 ; 0 0 1 0 0 1 0 0 1 a1 b1 c1 a1 b1 c1 (d) Seja a matriz triangular superior T = 0 b2 c2 ; D(T ) = c3 0 b2 c2 ; usando o '1' como 0 0 c3 0 0 1 a1 0 0 a1 b1 0 piv da terceira linha, podemos eliminar c2 e c1 : D(T ) = c3 0 b2 0 = b2 c3 0 1 0 ; agora, 0 0 1 0 0 1 a1 0 0 eliminamos b1 com o '1' da segunda linha, donde D(T ) = b2 c3 0 1 0 = a1 b2 c3 D(I) = a1 b2 c3 . 0 0 1
Observemos que o resultado se aplica, diretamente, a uma matriz diagonal.
A4 Proposio
(a) Se as linhas A1 , A2 , A3 da matriz A so LIN. DEP., ento D(A) = 0; (b) Se D(A) = 0 ento os vetores-linha A1 , A2 , A3 da matriz A so LIN. INDEP. De fato, veriquemos (a): se x1 A1 + x2 A2 + x3 A3 = O e, por exemplo, x1 = 0, ento dividindo por x1 toda a equao e passando para o segundo membro, obtemos A1 = y2 A2 + y3 A3 , logo
D(A1 , A2 , A3 ) = D(y2 A2 + y3 A3 , A2 , A3 ) = y2 D(A2 , A2 , A3 ) + y3 D(A3 , A2 , A3 ) = 0 + 0 = 0, pois so nulas as duas parcelas do segundo membro.
A5 Permutaes
Para sistematizar o clculo dos determinantes, til perceber sua lei de formao.
Caso 1 - matrizes
22
Sejam e1 = [1 0] e e2 = [0 1] as linhas da matriz identidade. Pondo A1 = [a b] = ae1 + be2 e A2 = [c d] = ce1 + de2 , temos
D(A) = D(A1 , A2 ) = D(ae1 + be2 , ce1 + de2 ) = acD(e1 , e1 ) + adD(e1 , e2 ) + bcD(e2 , e1 ) + bdD(e2 , e2 ) [quatro determinantes] = adD(e1 , e2 ) + bcD(e2 , e1 ) [apenas dois no nulos] = adD(e1 , e2 ) bcD(e1 , e2 ) [observe a mudana de sinal!] = (ad bc)D(I) = (ad bc) = ad bc
Acima, comparecem a identidade D(e1 , e2 ) (nenhuma inverso) e D(e2 , e1 ) = 1 (obtido de I por uma inverso), o que explica o sinal negativo.
1 0 0 1
Anexo Determinantes
95
Caso 2 - matrizes
33
Seguindo o mesmo padro, consideremos cada linha de A decomposta nas linhas da matriz identidade e1 = (1, 0, 0), e2 = (0, 1, 0) e e3 = (0, 0, 1); a multilinearidade de D(A) fornece um total de 33 = 27 parcelas, das quais apenas 3! = 6 so no nulas e mostram as inverses das linhas da identidade I :
D(A) = D(A1 , A2 , A3 ) = D(a11 e1 + a12 e2 + a13 e3 , a21 e1 + a22 e2 + a23 e3 ; a31 e1 + a32 e2 + a33 e3 ) = a11 a22 a33 D(e1 , e2 , e3 ) + a12 a23 a31 D(e2 , e3 , e1 ) + a13 a21 a32 D(e3 , e1 , e2 ) + a11 a23 a32 D(e1 , e3 , e2 ) + a12 a21 a33 D(e2 , e1 , e3 ) + a13 a22 a31 D(e3 , e2 , e1 ) 1 = a11 a22 a33 1 a11 a23 a32 1 1 + a12 a21 a33 1 1 1 1 + a12 a23 a31 1 1 + a13 a22 a31 1 1 1 1 + a13 a21 a32 1 1 1 1 +
Oservemos a numerao das permutaes (1,2,3),(2,3,1),(3,1,2),(1,3,2),(2,1,3),(3,2,1). As ltimas trs so permutaes mpares (uma inverso), com determinante negativo; as trs primeiras so permutaes pares (0 ou 2 inverses), com determinante positivo. Enm, temos
D(A) = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a11 a23 a32 a12 a21 a33 a13 a22 a31
A memorizao dessa expresso penarosa; podem ser usadas regras como a de Sarrus.
Observao
Toda funo f : R33 R trilinear alternada verica f (A) = det(A) f (I). Aplicaremos esse fato para vericar a propriedade fundamental:
D(AB) = D(A)D(B)
Com efeito, xando a matriz B , seja f (A) = det(AB). Temos f (A1 , A2 , A3 ) = det(A1 B, A2 B, A3 B), o que mostra, por ser det trilinear, que f tambm o ; agora, se, por exemplo, A1 = A3 , ento A1 B = A3 B , e como det alternada, vem f (A1 , A2 , A3 ) = 0. Em outras palavras, f multilinear alternada; segue do resultado destacado que f (A) = det(A)f (I), mas f (I) = det(IB) = det(B), logo det(AB) = det(A) det(B).
A6 Proposio
D(tA) = D(A)
O resultado segue do esquema das permutaes. Assim sendo, todas as propriedades relativas s linhas valem, sem delongas, para as colunas!!
A7 Regra de Cramer
Dado o sistema linear AX = B , ou x1 A1 + x2 A2 + x3 A3 = B , se D(A) = 0, ento o sistema possui soluo nica, dada por
D(B, A2 , A3 ) D(A1 , B, A3 ) D(A1 , A2 , B) , x2 = , x3 = D(A) D(A) D(A) De fato, desenvolvendo, por exemplo, x1 =
D(A1 , A2 , B) = D(A1 , A2 , x1 A1 + x2 A2 + x3 A3 ) = D(A1 , A2 , x1 A1 ) + D(A1 , A2 , x2 A2 ) + D(A1 , A2 , x3 A3 )
96
Exemplo A7
8 1 1 2 8 1 2 1 8 B1 = 11 1 0 = 16 ; B2 = 4 11 0 = 24 ; B3 = 4 1 11 = 8 . 3 2 1 2 3 1 2 2 3 x1 = 24 8 16 = 2; x2 = = 3; x3 = = 1. 8 8 8
A8 Proposio
A matriz A inversvel se, e somente se, D(A) = O. (a) Se A inversvel e AB = I , ento D(AB) = D(A)D(B) = D(I) = 1, donde D(A) = 0. (b) Reciprocamente, suponhamos que D(A) = 0. Vimos em A4 que as colunas de A so LI; ento, A inversvel. S que aqui queremos mais: exibir uma frmula para a matriz inversa A1 . Pois bem, usando a Regra de Cramer, sucessivamente, encontramos os vetores-solues X1 , X2 e X3 : 1 0 0 1 = , AX = E 2 = , AX = E 3 = AX1 = E 0 1 0 2 3 0 0 1 Ora, se denirmos a matriz X com colunas X1 , X2 e X3 , ento, por construo, temos | | | | | | | | | 1 0 0 AX = A X1 X2 X3 = AX1 AX2 AX3 = E 1 E 2 E 3 = 0 1 0 = I | | | | | | | | | 0 0 1
Exemplo motivador A9
2 1 1 1 1 1 1 Partindo da matriz A = 4 1 0 , e obtida sua inversa A1 = 4 4 4 veriquemos 8 2 2 1 10 6 2 x11 a construo da primeira coluna X1 = x21 tal que AX1 = E 1 . Como D(A) = 8, vemos que, x31
[acompanhe as contas!] 8x11
O resultado surpreendente (Laplace) que cada determinante que calculou essa primeira coluna, na realidade, representa os cofatores da primeira linha de A!
Exatamente da mesma maneira, a segunda coluna da inversa so os cofatores da segunda linha de A, cada um dividido por D(A). Idem, relativamente terceira coluna da inversa e os cofatores da terceira linha da matriz.
Anexo Determinantes
Em resumo, notando por a11 a12 a21 a22 a31 a32
97
cofatora, temos [observe a transposio dos ndices!]: C21 C31 detA 0 0 C22 C32 = 0 detA 0 = (detA) I C23 C33 0 0 detA
A1 =
C detA
Para matrizes A n n, vale o mesmo roteiro: decompomos D(A) em nn parcelas, das quais, em geral, n! so no nulas, permitindo explicitar uma soma de produtos da forma a1(1) an(n) , onde cada elemento da matriz escolhido em uma linha e uma coluna e indica uma permutao dos ndices {1, . . . , n} das linhas; tais permutaes esto agrupadas em dois tipos, de mesmo tamanho, as permutaes pares (com nmero par de transposies), cujos determinantes so positivos e as mpares, que afetam os produtos de sinal negativo. Embora de grande importncia terica, claro que essa denio no conveniente para clculos explcitos, pois o nmero de termos envovidos (n!) muito grande. Um sisteminha 11 11 envolve cerca de 40 milhes de termos (na realidade, um pouco menos, 39.916.800...). Mas, e se usssemos um computador parrudo? Ledo engano: no estgio atual da tecnologia, no h mquinas capazes de enfrentar o crescimento de n!...E nem preciso, j que o mtodo de Gauss, alm de conversar com qualquer sistema (bem, quase todos...), ainda calcula, de lambuja, o determinante associado! De fato, vimos que um determinante no se altera por combinaes lineares de suas linhas. Ora, esta essncia do mtodo de Gauss! Moral: escalonamos a matriz dada, preservando os pivs, anotando as eventuais permutaes das linhas (que podem alterar o sinal do determinante); a matriz nal triangular superior, cujo determinante o produto dos (pivs) elementos diagonais.
Exemplo A11
Observe os escalonamentos.
a)A =
3 5 2 2 4 7 4 4 4 9 3 7 2 6 3 2 2 1 3 5 6 3 9 6
4 5 2 2 b)B = 6 3 4 1
4 0 0 0
3 5 2 1 4 0 3 3 0 0 9 0 0 0 5 2 6 1 0 0 2 ; 0 3 0 0 0 0
2 20 3 51 3
; D(A) = 27;
D(B) = 0.
8 4 5 5 3 5 8 5 1 0 3 4 5 2 1 9
98
1 0 0 10
(2) Seja V um espao vetorial de dimenso nita e T : V V um operador linear. Fixadas as bases
C e D de V , sabemos que so semelhantes as matrizes A = (T )C e B = (T )D de T em relao s bases xadas. Logo, como vimos acima, det(A) = det(B). Tal igualdade sugere, ento, a seguinte denio.
O determinante de um operador linear T : V V o determinante da matriz A que representa T numa base C arbitrariamente xada em V : det(T ) = det(A), onde A = (T )C .
2 4 2 A= 1 2 2 . 6 2 1
Temos det(T ) = det(A) = 60.
Anexo Determinantes
99
REFERNCIAS BIBLIOGRFICAS
CALLIOLI, Carlos Alberto & al. lgebra Linear e Aplicaes. 4. ed. So Paulo: Atlas, 1980. HOFFMAN, K. & KUNZE, R. lgebra Linear. 2. ed. Rio de Janeiro: LTC, 1980. JACY MONTEIRO, L.H. lgebra Linear, v.1, v.2. 4. ed. So Paulo: NOBEL, 1969. LANG, Serge. Linear Algebra. New York: Addison-Wesley, 1966. STRANG, Gilbert. Introduction to Linear Algebra. 3rd. ed. Wellesley: Wellesley-Cambridge Press, 2005. STRANG, Gilbert. Linear Algebra and its Applications. New York: Academic Press, 1976.