Академический Документы
Профессиональный Документы
Культура Документы
lgebra Linear
Fbio Henrique de Carvalho
Copyright
c 2013
www.univasf.edu.br
Todos os direitos reservados. Nenhuma parte desta publicao poder ser reproduzida ou transmitida
de qualquer modo ou por qualquer outro meio, eletrnico ou mecnico incluindo fotocopia, gravao ou
qualquer outro tipo de sistema de armazenamento e transmisso de informao, sem previa autorizao,
por escrito dos autores.
Editorao Eletrnica: Pedro Henrique Arajo Sobral, Thiago Bonfim e Caque Veras de Menezes
R938v
Carvalho, Fbio Henrique
Fbio Henrique Carvalho
Juazeiro, Univasf. 2013
Inclui bibliografia
ISBN 658-62-6235-254-0
1. Calculo Diferencial e Integral. 2. Algebra Linear.
3. Calculo Numerico. 4. Geometria Analitica.
04-0357.
Sumrio
1 Espaos Vetoriais 23
1.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.2 Definio de Espao Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.3 Subespaos Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.4 Dependncia e Independncia Linear.
Base de um espao vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
iii
0
Preliminares: Sistemas Lineares,
Matrizes e Eliminao Gaussiana
X
n
a1 x1 + a2 x2 + . . . + an xn = b aj xj = b (0.1.1)
j=1
Exemplo 0.1.2
Quando consideramos o plano cartesiano R2 ,
a1 x + a2 y = b, onde a1 , a2 , b R, com a21 + a22 6= 0, (0.1.2)
a equao de uma reta ortogonal ao vetor (a1 , a2 ).
Encontrar um ponto (1 , 2 ) sobre tal reta determinar uma soluo da equao linear a1 x +
a2 y = b. Obviamente, esta equao apresenta uma infinidade de solues. Para ilustrar, considere
a1 = 2, a2 = 3 e b = 6; isto , a reta r : 2x + 3y = 6.
fcil verificar (verifique!) que (0, 2) , (3, 0) , (6, 2) , (3/2, 3) , (1/2, 5/3), so algumas das solues
da equao linear e, portanto, pontos sobre a reta r.
2 0. Preliminares: Sistemas Lineares, Matrizes e Eliminao Gaussiana
Exemplo 0.1.3
Dados a, b, c Z, uma equao da forma ax + by = c chamada equao diofantina linear (em
homenagem ao matemtico grego Diofanto) quando consideramos apenas suas solues no conjunto
dos nmeros inteiros Z. No estudo de tais equaes, um primeiro resultado garante que ax + by = c
tem soluo em Z se e somente se MDC (a, b) divide c. No nosso exemplo anterior, 2x + 3y = 6 possui
soluo em Z.
Exemplo 0.1.4
Consideremos o espao tridimensional R3 . Dados a1 , a2 , a3 , b R com a21 + a22 + a23 6= 0, a equao
linear
a1 x + a2 y + a3 z = b (0.1.3)
a equao de um plano. Tal plano ortogonal ao vetor (a1 , a2 , a3 ) (tambm chamado vetor normal
ao plano).
Uma soluo da Equao (0.1.3) um ponto pertencente ao plano : a1 x + a2 y + a3 z = b. No caso
particular em que a1 = a2 = a3 = b = 1, (1, 0, 0), (0, 1, 0), (0, 0, 1), (3, 1, 1), (2, 4, 1) so alguns
dos (infinitos) pontos sobre o plano : x + y + z = 1 e, consequentemente, tais trincas ordenadas so
algumas das (infinitas) solues da equao linear x + y + z = 1.
Antes de estabelecermos mais alguns exemplos, revisemos a noo de matriz, estudada no ensino
mdio.
Na notao A = aij mn , evidentemente, 1 6 i 6 m e 1 6 j 6 n.
A matriz A = aij mn nula quando aij = 0 para todos i, j (representamos por Omn ). Quando
m = n, A = aij mn chamada matriz quadrada; neste caso, (1) se aij = 0, i > j, a matriz chamada
triangular superior e (2) se aij = 0, i < j, a matriz chamada triangular inferior.
Ainda sobre matrizes quadradas, os elementos da forma aii constituem a diagonal (ou diagonal prin-
cipal da matriz); a outra diagonal chamada diagonal secundria. Se uma matriz quadrada no nula ,
ao mesmo tempo, triangular superior e tambm triangular inferior, diremos que A = aij mn uma
matriz diagonal.
Evidentemente,
1 1 0 2
1 5 3
1 2 0 1 2 1
, 0 2 4 , so matrizes reais triangulares superiores 22, 33
0 1 0 0 3 1
0 0 0
0 0 0 4
e 44, respectivamente.
1 0 0
0 0
, 2 1 0 so matrizes triangulares inferiores 22 e 33, respectivamente.
1 2
0 1 2
0 0
0 0
0 2
0 0
0
uma matriz diagonal.
0
0 0
0 0
0 0
Quando A = aij mn uma matriz diagonal e aii = 1 para todo i, a matriz chamada matriz identidade
de ordem n e representada por In .
Obviamente,
1 0 0 0
1 0 0
1 0 0 1 0 0
I1 = [1] , I2 = , I3 = 0 1 0 , I4 =
0 0 1 0 , . . .
0 1
0 0 1
0 0 0 1
As operaes mais elementares com matrizes so definidas a seguir:
Definio 0.1.3 (Produto por Escalar) Dado um escalar c e uma matriz A = aij defi- mn
nimos a matriz cA pondo cA = caij mn , produto da matriz A pelo escalar c. Isto significa que
multiplicamos cada um dos elementos de A por c.
Definio 0.1.4 (Adio de Matrizes) Dadas duas matrizes de mesma ordem A = aij mn
e
B = bij mn
definimos a matriz A + B pondo A + B = aij + bij mn
.
Assim,
1 3 1 5 2 3 6 1 4
+ =
2 1 4 2 0 5 0 1 1
e
1 2 1 1 2 1 0 0 0
0 3 5 + 0 3 5 = 0 0 0
1 1 2 1 1 2 0 0 0
A matriz A = aij mn a matriz oposta da matriz A = aij mn . Temos A + (A) = Omn .
Posteriormente, estudaremos mais algumas propriedades e tipos de matrizes.
Voltemos s equaes lineares com mais um exemplo.
Exemplo 0.1.5
5 3
Considere a matriz B = . A equao 2X + 3Y = B s pode admitir, de acordo com as
3 1
operaes acima, solues no conjunto das matrizes 22. De fato, uma soluo para a equao dada
pelo par ordenado
1 0 1 1
, (verifique!).
0 1 1 1
0.1 Exerccios
0.1.1 Encontre coordenadas de 4 pontos sobre a reta r1 : 4x 3y = 1, contida em R2 .
c) Ache as equaes paramtricas de uma reta t, perpendicular a 1 , que passa pelo ponto (3, 6, 2).
0.1.4 Considere a equao linear a1 x1 + a2 x2 + + an xn + an+1 xn+1 = b. Se, por exemplo, an+1 6= 0,
podemos reescrever a equao na forma
b a1 an
xn+1 = x1 xn . (0.1.4)
an+1 an+1 an+1
Neste caso, dizemos que a equao tem grau de liberdade n e que as incgnitas x1 , x2 , . . . , xn so as
variveis livres (xn+1 a varivel dependente).
Escreva cada uma das equaes lineares abaixo na forma descrita na Equao (0.1.4), determine o
grau de liberdade e as variveis livres. Fixe alguns valores para as variveis livres obtendo assim solues
(destaque-as) para a equao linear.
a) 2x 4y + 2z w = 5
1 2
b) A + 3B 2C = (aqui, com valores entenda-se valores matriciais)
1 1
c) 4x + 5y = 1
d) x + y + z = 3
X
p
cij = aik bkj = ai1 b1j + ai2 b2j + + aip bpj .
k=1
Ou seja, o elemento da i-sima linha e j -sima coluna de C obtido atravs da soma dos produtos
de cada um dos elementos da linha i, ordenadamente, da matriz A por cada um dos elementos, que
esto na mesma posio, da j -sima coluna de B.
Observe que s possvel definir o produto entre duas matrizes quando o nmero de colunas do
primeiro fator igual ao nmero de linhas do segundo fator. Evidentemente, AB pode existir sem que
BA exista, e vice-versa; e, mesmo que ambos os produtos coexistam, no necessariamente so iguais.
Exemplo 0.2.1
4
2 1 3
Sejam A = e B = 3 . Observe que a ordem de A 23 e a ordem de B 31,
1 0 2
1
portanto possvel determinar a matriz produto C e sua ordem 21. De fato,
2 4 + (1) (3) + 3 1 8 + 3 + 3 14
C= = = .
14 + 0 (3) + 21 4 + 0 + 2 6
E por outro lado, observe que no possvel obter o produto de B por A (nesta ordem). Ao
contrrio do produto usual, o produto entre matrizes no se preserva a alterao da ordem dos fatores;
isto , aqui no vale a comutatividade do produto.
Exemplo 0.2.2
3 7 5 2 2 1 2 4
1 1 2 4 1 1 1 2
Considere as matrizes A = 5
e B= .
1 1 3 3 1 3 3
1 3 1 2 5 1 3 1
fcil verificar que
6 11 8 11 9 27 6 22
25 2 19 12 5 13 6 13
AB = 6= = BA.
1 10 17 22 26 8 13 5
8 5 14 15 22 30 25 1
Exemplo 0.2.3
1 0 0 2 1 2 4
Tomando I3 = 0 1 0 e M = 1 2 3 4 imediato que I3 M = M (verifique) e que
0 0 1 4 1 5 1
no existe o produto de M por I3 .
se A tem n linhas, In A = A;
Fazendo uma nova analogia com o conjunto dos nmeros reais, dizemos que um nmero real x possui
inverso multiplicativo quando existe um nmero real y tal que xy = 1. Evidentemente, o nmero real
0 no pode possuir inverso multiplicativo. Alm disso h reflexividade nesta relao; isto , y inverso
multiplicativo de x se, e s se, x inverso multiplicativo de y. Todo nmero real no nulo possui inverso
multiplicativo e este nico, por isso denotamos y = x1 , quando xy = 1.
Para matrizes temos o seguinte.
Definio 0.2.2
a) Dizemos que A = aij kp uma inversa esquerda de B = bij pk quando AB = Ik .
b) Dizemos que N = nij pn uma inversa direita de M = mij np quando MN = In .
Exemplo 0.2.6
2 1
1 2 1
Observe que A = uma inversa direita de B = 1 1 (e, reciprocamente, B
1 4 2
3 3
1 0
uma inversa esquerda de A) j que AB = . Porm A no a nica inversa direita de B
0 1
1 8 3
j que M = outro exemplo de inversa direita de B.
1 1 1
Exemplo 0.2.7
2 1 1 3 1
A matriz M = e a matriz N = 5 so tais que MN = NM = I2 (verifique!).
1 3 1 2
Podemos escrever N = M1 .
0.2 Exerccios
0.2.1 Considere as matrizes A = aij , B = bij 22 e C = cij 22 definidas por aij = 2i 3j,
22
bij = i + j2 e cij = i j. Escreva de modo explcito as matrizes A, B e C e determine as matrizes.
a) A 2B + 3C b) AB e BA c) AC e CA d) BC e CB e) ABC
a11 a12
0.2.3 Seja A = . Verifique que, se a11 a22 a21 a12 6= 0, a matriz
a21 a22
1 a22 a12
a11 a22 a12 a21 a21 a11
a inversa de A.
0.2.4 Mostre que o produto de duas matrizes triangulares (superiormente ou inferiormente), 3 3,
ainda uma matriz triangular.
0.2.5 Encontre exemplos de matrizes no nulas 22, A e B, satisfazendo
a) AA = 0; 0 0
d) AB = BA com AB 6= ;
0 0
b) A 6= I2 tal que A2 C = C, para toda matriz 22
C;
0 0
c) BB = I2 ; e) AB = com A e B no nulas.
0 0
0.2.6 Usamos a notao A2 = AA, A3 = AA2 , . . . , An+1 = AAn . Com base nisso,
1 2 4
a) ache A2 sabendo que A = 2 .
1 2
b) Calcule A () A ().
c) Mostre que A (1 + 2 ) = A (1 ) A (2 ).
Exemplo 0.3.1
Se a renda mensal de uma famlia onde apenas dois integrantes contribuem R$ 3.500, 00, a
informao de que um dos integrantes recebe R$ 700, 00 a mais do que outro torna possvel conhecer
a renda pessoal de cada um dos mantenedores. De fato, o problema simples transforma-se no sistema
linear
x + y = 3.500
x y = 700,
onde x a renda mensal pessoal de um dos integrantes e y a renda pessoal do outro. Problemas como
esse, abordados no ensino fundamental, so banais. fcil verificar que x = 2.100 e y = 1.400.
A forma matricial do sistema
1 1 x 3500
= .
1 1 y 700
Exemplo 0.3.2
Suponha x, y e z nmeros reais tais que
x + 2y z = 2
x+ y z=0.
2x 3y + 4z = 8
Sem muita dificuldade, possvel verificar que (1, 2, 3) uma soluo do sistema linear; isto ,
Exemplo 0.3.3
Para x, y, z, t R, o sistema linear
x 2y + z + t = 4
x + y z + 2t = 8
tem uma infinidade de solues. fcil verificar que (6, 0, 2, 0), (1, 2, 3, 4) e (3, 0, 1, 2) so algumas
das solues (encontre outras!). A forma matricial
x
1 2 1 1 y = 4 .
1 1 1 2 z 8
t
Exemplo 0.3.4
No caso do sistema linear
x+y +t=6
,
y+zt=1
podemos escrev-lo, por exemplo, na forma:
x=6yt
z=1y+t
Fixando-se valores arbitrrios para as variveis independentes y e t possvel obter solues distintas
para o sistema linear. Algumas possibilidades so: (6, 0, 1, 0), (4, 1, 1, 1), (1, 3, 0, 2) e (3, 5, 0, 4). No
caso acima dizemos que o sistema linear tem grau de liberdade 2, j que esse o maior nmero possvel
de variveis independentes do sistema. Sempre que o sistema linear tiver grau de liberdade maior ou
igual a 1 diremos que o sistema possvel e indeterminado.
Exemplo 0.3.5
imediato verificar que o sistema linear
2x + y = 2
2 1 x 2
=
6 3 y 1 6x + 3y = 1
0.3 Exerccios
Por qu?
0.3.4 possvel encontrar nmeros reais x, y e z tais que
2x + y + z = 3
x 2y + 3z = 6 ?
x + 3y 2z = 9
Definio 0.4.1 Seja A uma matriz. As operaes elementares sobre (as linhas de) A so:
1a ) troca de posio entre duas linhas distintas;
O fato fundamental a respeito das operaes elementares sobre linhas que elas no alteram a na-
tureza de um sistema linear. Dizemos que dois sistemas lineares so equivalentes quando um obtido a
partir do outro atravs de operaes elementares. Evidentemente, como matrizes aumentadas so apenas
representaes de sistemas lineares, o mesmo vale para matrizes: matrizes equivalentes diferem umas das
outras apenas por operaes elementares (sobre linhas).
Para encontrar (quando possvel) a soluo (ou as solues) de um sistema linear, utilizaremos as
operaes elementares de acordo com o seguinte algoritmo:
(I) encontramos o 1o elemento no nulo de cada linha no nula, que chamaremos piv da linha (em
geral, usaremos as operaes de modo a obter o piv de cada linha igual a 1);
(II) fixado o piv da linha, transformamos todos os demais elementos da coluna em que ele se encontra
em zeros;
(III) repetimos o procedimento para a prxima linha;
(IV) linhas nulas sero dispostas abaixo das linhas no nulas.
O algoritmo descrito acima ser utilizado de modo sequencial, primeiramente com a 1a linha no nula
da matriz, depois com a 2a linha, e assim sucessivamente. As linhas em que, dentre os elementos relativos
aos coeficientes aij do sistema, no for possvel encontrar um piv, sero deixadas (atravs da operao
de troca de posio) nas ltimas posies de linhas da matriz.
Quando for possvel transformar a matriz do sistema linear (A = aij ) linear em uma matriz identi-
dade, o sistema linear ter soluo nica (sistema possvel e determinado). Em caso contrrio, o sistema
linear ou ter infinitas solues (possvel e indeterminado), ou ainda no ter soluo alguma (sistema
linear impossvel).
Vamos a alguns exemplos ilustrativos:
Exemplo 0.4.1
x 2y = 7
Encontre a soluo do sistema linear , atravs de operaes elementares sobre sua
x+ y=1
matriz aumentada.
Trata-se de um sistema linear de duas equaes a duas incgnitas cuja soluo evidente (3, 2);
isto ,
x= 3
.
y = 2
A matriz aumentada do sistema
1 2 | 7
,
1 1 | 1
e o piv da 1a linha 1. Para anular os demais elementos da coluna do piv da primeira linha, basta
somar segunda linha a 1a linha multiplicada por (1) com a segunda linha. Para representar isso,
frente da segunda linha escrevemos L2 L2 + (1) L1 (ou L2 L2 L1 ), obtendo
1 2 | 7 1 2 | 7
(Passo 1)
1 1 | 1 L2 L2 + (1) L1 0 3 | 6
Agora, partindo para a 2a linha, possvel determinar seu piv, para simplificar clculos futuros,
multiplicamos a 2a linha por 31 obtendo:
1 2 | 7 1 2 | 7
(Passo 2)
0 3 | 6 L2 13 L2 0 1 | 2
Para finalizar, basta anular os demais elementos da coluna do piv da 2a linha. Basta substituir a
linha 1a linha pela soma dela com a 2a linha multiplicada por 2.
1 2 | 7 L1 L1 + 2L2 1 0 | 3
(Passo 3)
0 1 | 2 0 1 | 2
x= 3
Assim a soluo do sistema linear (j sabamos!). Observe que, em cada passo, possvel
y = 2
visualizar um sistema linear equivalente ao original, sendo que o ltimo tem soluo visualmente bvia.
x 2y = 7 x 2y = 7 x 2y = 7 1x + 0y = 3
.
x+ y=1 0x + 3y = 6 0x + 1y = 2 0x + 1y = 2
(Passo 0) (Passo 1) (Passo 2) (Passo 3)
Para facilitar a visualizao das operaes elementares realizadas, geralmente representamos, frente
da linha que protagoniza a situao as notaes de referncia:
(iii) Lj Lj + kLi : substituio da j -sima linha pela soma desta com k vezes a i-sima linha.
Exemplo 0.4.2
Resolva o sistema linear
x 2y + z = 6
3x + y + z = 6 .
2x y + 2z = 6
Aqui a matriz aumentada do sistema :
1 2 1 | 6
3 1 1 | 6 .
2 1 2 | 6
Desenvolvendo as operaes elementares sobre a matriz aumentada, de acordo com as notaes
acima, obtemos
1 2 1 | 6 1 2 1 | 6
3 1 1 | 6 L2 L2 3L1 0 7 2 | 24 L2 L3
2 1 2 | 6 L3 L3 2L1 0 3 0 | 6
(Passo 0) (Passo 1)
1 2 1 | 6 1 2 1 | 6 L1 L1 + 2L2
0 3 0 | 6 L2 13 L2 0 1 0 | 2
0 7 2 | 24 0 7 2 | 24 L3 L3 7L2
(Passo 2) (Passo 3)
1 0 1 | 2 1 0 1 | 2 L1 L1 L3
0 1 0 | 2 0 1 0 | 2
0 0 2 | 10 L3 12 L3 0 0 1 | 5
(Passo 4) (Passo 5)
1 0 1 | 3
0 1 0 | 2
0 0 1 | 5
(Passo 6)
x= 3
Portanto, a soluo do sistema (3, 2, 5); isto , y = 2 .
z = 5
Evidentemente, se a nica motivao fosse a soluo do sistema (e no a descrio do mtodo),
poderamos t-la obtido em alguns dos passos intermedirios. Aps o passo 5, por exemplo, o sistema
equivalente
1x + 0y + 1z = 2
0x + 1y + 0z = 2.
0x + 0y 2z = 10
Sem muita dificuldade, observamos que y = 2 e z = 5 e, de x + z = 2, segue imediante x = 3.
A segurana do mtodo, e a simplicidade na resoluo dos sistemas lineares em poucos passos (alguns
deles, inclusive, possveis de serem omitidos ou condensados), nos garantem a observao da validade (ou
no, no caso de algum clculo ter sido efetuado incorretamente) em quaisquer dos sistemas equivalentes
obtidos nos passos intermedirios.
Quando duas matrizes A e B so equivalentes por linhas (isto , uma obtida da outra atravs de
operaes elementares), escrevemos A B.
Exemplo 0.4.3
Resolva o sistema linear
2x y + 3z w = 5
x+ y z+ w=3
.
3x y + z 2w = 2
x + 2y + z + w = 0
A matriz aumentada do sistema
2 1 3 1 | 5
1
1 1 1 | 3
.
3 1 1 2 | 2
1 2 1 1 | 0
Temos:
2 1 3 1 | 5 1 1 1 1 | 3 1 0 1 |
1/3 2
1
1 1 1 | 3 0 3
5 3 | 1 0 1
0 2/3 | 1
3 1 1 2 | 2 0 4 4 5 | 7 0 0 4 7/3 | 3
1 2 1 1 | 0 0 3 0 2 | 3 0 0 5 1 | 2
1 0 0 2/15 | 12/5 1 0 0 0 | 2
0
1 0 2/3 | 1 0
1 0 0 | 1
.
0 0 1 1/5 | 2/5 0 0 1 0 | 1
0 0 0 23/15 | 23/5 0 0 0 1 | 3
x= 2
y = 1
Portanto, a (nica) soluo do sistema linear (2, 1, 1, 3); isto .
z= 1
w= 3
Assim,
xy+ z=4 x + 23 z = 13
2 x= 13
2 32 z
.
x + y + 2z = 9 y + 12 z = 5
2 y= 5
2 12 z
Fixando-se valores reais arbitrariamente, os valores de x, y obtidos partir das duas ltimas
equaes (juntamente com o valor de z fixado) formam solues do sistema linear. Por exemplo,
z = 3 x = 11 e y = 8
z = 1 x=5 ey=3
13 5
z=0 x= 2 ey= 2
7
z=2 x= 2 e y = 23
Em sistemas lineares que possuem mais de uma soluo sempre possvel escolher uma (ou mais)
incgnita(s), que chamaremos de varivel independente ou varivel livre, escrevendo cada uma das demais
incgnitas apenas em funo desta (ou destas). A quantidade de variveis livres em um sistema linear
chamada grau de liberdade do sistema.
No exemplo anterior, temos um sistema linear de grau de liberdade 1. Claramente, no nosso sistema
linear anterior, quaisquer das outras duas incgnitas poderiam (caso tivssemos seguido outros procedi-
mentos) ser utilizadas como a varivel livre.
Exemplo 0.4.5
2x 3y + z = 3
O sistema linear 3x 2y + 4z = 1 tem uma infinidade de solues.
x + y + 3z = 4
De fato,
2 3 1 | 3 1 1 3 | 4 1 0 2 | 9/5
3 2 4 | 1 0 5 5 | 11 0 1 1 | 11/5
1 1 3 | 4 0 5 5 | 11 0 0 0 | 0
(Observe que, fazendo z = t, os pontos (x, y, z) descritos na soluo acima esto sobre a reta
9
x = 5 2t
y = 11
5 t
z= 0+ t
contida em R3 ).
Exemplo 0.4.6
x + y + 3z 2t = 3
x y + 5z 4t = 1
O sistema linear tem grau de liberdade 2.
x 2y + 6z 5t = 0
x + 2y + 2z t = 4
Temos:
1 1 3 2 | 3 1 1 3 2 | 3 1 0 4 3 | 2
1 1 5 4 | 1 0 2 2 2 | 2 0 1 1 1 | 1
1 2 6 5 | 0 0 3 3 3 | 3 0 0 0 0 | 0
1 2 2 1 | 4 0 1 1 1 | 1 0 0 0 0 | 0
Observe que as linhas nulas na matriz do sistema A correspondem na matriz aumentada [A | B] a termos
independentes nulos. Caso uma linha nula de A tenha em [A | B] termo independente correspondente nulo,
o sistema ser impossvel.
Exemplo 0.4.7
x + 3y = 7
O sistema linear , evidentemente, impossvel.
2x + 6y = 16
Temos
1 3 | 7 1 3 | 7
,
2 6 | 16 0 0 | 2
x + 3y = 7
que representa um sistema linear sem soluo alguma.
0x + 0y = 2
Exemplo 0.4.8
x+ yz+t=2
2x y + z + t = 3 um sistema possvel e indeterminado.
x + 2y z + t = 4
De fato, todo sistema possvel que apresenta uma quantidade de incgnitas maior que o nmero
de equaes apresenta pelo menos uma varivel livre.
No nosso caso particular,
1 1 1 1 | 2 1 1 1 1 | 2 1 0 1 1 | 0
2 1 1 1 | 3 0 1 0 0 | 2 0 1 0 0 | 2
1 2 1 1 | 4 0 3 3 1 | 1 0 0 3 1 | 5
1 0 0 2/3 | 5/3
0 1 0 0 | 2
0 0 1 1 /3 | 5/3
5 2
x = 3 3t
Assim, a soluo geral do sistema y = 2 .
z = 53 + 13 t
Observe porm, que uma ligeira modificao nos coeficientes produz um sistema
x+yz+t=2
2x y + z + t = 3
x+yz+t=4
impossvel (verifique!).
Exemplo 0.4.9
2x y + 3z = 9
O sistema linear x + 2y z = 2 no tem soluo.
x + 3y 2z = 5
2 1 3 | 9 1 2 1 | 2 1 0 1 | 4
1 2 1 | 2 0 5 5 | 5 0 1 1 | 1
1 3 2 | 5 0 1 1 | 3 0 0 0 | 2
e a ltima linha suficiente para sustentar a afirmao.
Para concluir estas consideraes iniciais, vale ressaltar algumas propriedades importantes.
A prpria natureza das equaes elementares nos d margem a afirmar que a matriz equivalente obtida
ao final do processo (que chamamos matriz linha reduzida forma escada) nica.
A partir desta matriz na forma escada definimos dois conceitos adicionais, que retomaremos no decorrer
deste texto.
Definio 0.4.2 Seja A = aij mn
uma matriz.
(i) O posto de A o nmero de linhas no nulas da matriz linha reduzida forma escada obtida
partir de A.
Denotamos:
1 2 2 1
Observao 0.4.1.
1) Quando o sistema possvel, a nulidade igual ao nmero de variveis livres no sistema linear;
2) O sistema linear no possui soluo quando o posto da matriz aumentada [A | B] maior que o posto
da matriz dos coeficientes A;
3) O sistema linear possui soluo nica quando o nmero de incgnitas n, o posto de A e o posto de
[A | B] so iguais;
4) O sistema linear no apresenta soluo quando posto (A) 6= posto ([A | B]).
0.4 Exerccios
0.4.1 Utilizando operaes elementares, classifique cada um dos sistemas lineares abaixo quanto ao
nmero de solues. Caso o sistema seja possvel, determine sua soluo geral:
x 2y = 8
2x y + z = 0 3x 4y + z t = 2
a) g)
4x + 3y = 1 d) x y + 2z = 12 2x + 3y 2z + t = 4
x+y+ z= 9
x+ y+z=6
4x + 5y = 6 x 3y + 2z = 3
h) 4x y + z = 5
b) e) 3x + y z = 3
2x y = 4
2x 3y z = 4
x y + 3z = 3
2x y + 3z = 1
x + y t=1
2x y = 10 f) 3x + y + 4z = 2 i) x + z =3
c)
6x 3y = 30 6x + 7y + 7z = 5 x 2z + t = 2
0.4.3 Calcule o posto e a nulidade tanto da matriz do sistema quanto da matriz aumentada em cada um
dos casos abaixo e, atravs disso, classifique o sistema quanto ao nmero de solues:
x + 2y z + t = 1
x+ y z=1
2x 3y + z t = 2 b) 2x + y z = 2
a)
3x y + z + 2t = 3 3x 2y + 2z = 3
4x + y 2z + 3t = 4
0.4.5 Considere a equao linear 2f + 3g = et + sin t onde f e g so funes reais de uma varivel t.
Encontre 5 solues distintas para a equao.
0.4.6 Repita o exerccio anterior para a equao linear 3f 4g + 5h = 2t2 t + 1.
0.4.7 Dados dois nmeros inteiros x e y, se y 6= 0 sempre possvel encontrar inteiros q e r tais que
x qy = r, r = 0, 1, 2, . . . , |y| 1. (r o resto)
(ii) 1|x, x Z;
(iv) Um nmero inteiro p > 1 primo quando seus nicos divisores so 1 e p. Mostre que, se p1 e p2
so primos e y|p1 p2 ento y|p1 ou y|p2 .
b) 7x 5y = 2 , 2x + y = 3 e x+y=2
c) x+y=2 , 2x+3y = 7 e 3x + y = 0
d) xy=1 , x + 2y = 2 e 2x + 3y = 3
0.4.11 Verifique se os seguintes trios de plano em R3 possuem interseo em comum. Caso possuam,
descreva a interseo.
a) x 2y + z = 0 , 2x + y z = 2 e 3x y + 2z = 4
b) 2x 3y + z = 0 , xy+z=2 e x+y+z=4
c) x + 2y + 3z = 1, x + y z = 3 e x + 10y + 5z = 9
Descreva um sistema linear (com sua respectiva soluo, caso seja possvel) que esteja representado
pela matriz acima.
0.4.13 Verifique a validade da seguinte afirmao:
Todo sistema linear homogneo possui pelo menos uma soluo.
0.4.14 Encontre a soluo geral dos seguintes sistemas lineares:
x 2y + z = 0
x + y z + 2t = 0
a)
2x y + 3z + t = 0
2x + y z = 0
b)
x + 2y z + t = 0
3x y + 2z t = 0
Reviso Captulo 0: 12 de novembro de 2013
20 0. Preliminares: Sistemas Lineares, Matrizes e Eliminao Gaussiana
x1
0.4.15 Considere o sistema linear homogneo (na forma matricial) A ... = O, onde A = aij mn e
xn
O a matriz coluna nula. Mostre que se a e b so escalares e = (1 , 2 , . . . , n ) e = (1 , 2 , . . . , n )
so solues do sistema, ento
(a1 + b1 , . . . , an + bn )
soluo do mesmo sistema.
0.4.16 Resolva cada sistema usando operaes elementares nas equaes ou na matriz associada:
x + 7y = 4
x1 5x2 + x3 + x4 = 8
a)
2x 4x + x x = 6
2x 9y = 2 1 2 3 4
e)
x + x + 2x + x4 =5
2x + 6y = 6
1 2 3
b) x1 x2 + x3 x4 = 1
5x + 7y = 1
a+ b c+ d=2
x 5y + 4z = 3 3a 2b + 2c d = 1
c) 2x 7y + 3z = 2 f)
8a b + 7c d = 1
2x + y + 7z = 1
5a + 2b + 7c 4d = 2
x + y 2z = 3
d) 5x 2y + z = 4
2x + y z = 2
0.4.17 Utilize o algoritmo de eliminao gaussiana a fim de encontrar a matriz inversa de:
1 2 2 2 1
a) A =
2 2 d) D = 2 1 1
3 2 1
1 0 1 0
2 6 1 1 0 1
b) B =
1 3 e) E =
0 0 1 1
1 1 1 1
0 1 2 0 1 0
c) C = 1 0 3 f) F = 1 0 0
4 3 8 0 0 1
x + 2y + 3z + 4t = 1
x + 3y + z = 1
c) 5x + 6y + 7z + 8t = 2 e) 2x + 6y + 9z = 7
9x + 10y + 11z + 12t = 3 2x + 8y + 8z = 6
x+ y+w= 0
x + 2y + z + w = 1
x + 2y + 3z + w = 2 f)
d) 3x + 4y + 5z + 3w = 4
3x + 3y + z + 2w = 1
x z+ w= 0 y + 3z w = 3
0.4.19 Encontre uma condio, envolvendo a,b e c, para que o sistema linear
x+ y+ z+ t=a
5y + 2z + 4t = b
3x 2y + z t = c
1.1 Introduo
Em linhas gerais, um espao vetorial um conjunto no qual definimos duas operaes simples, que devem
manter certas propriedades. Tanto as operaes quanto as propriedades so semelhantes quelas que
acostumamos a observar desde os primrdios da vida escolar; no caso das operaes, adio de elementos
do conjunto e multiplicao por escalar, temos uma gama enorme de comparaes; no captulo anterior,
por exemplo, lidamos com ambas as operaes tanto em equaes lineares quanto com matrizes. De fato,
voltaremos nossa ateno a essas duas estruturas constantemente. Os elementos de um espao vetorial
sero chamados vetores.
: R E E
(ii) A multiplicao por escalar, , que a cada nmero real r (escalar) e
(r, v) 7 r.v = rv
cada v V, associa o vetor rv E (E fechado na multiplicao por escalar).
r(u + v) = ru + rv
(f) (distrubutividade da adio em relao multiplicao por escalar)
(r + s)w = rw + sw
24 1. Espaos Vetoriais
Como em nossa definio o escalar foi escolhido no conjunto dos nmeros reais (R), podemos tambm
chamar E de espao vetorial real. Ressalta-se que o escalar r poderia ser escolhido no conjunto dos
complexos. Mais geralmente, dado um corpo K (vr apndice), tomando r K e definindo a multiplicao
por escalar com as propriedades acima, E passa a ser um espao vetorial sobre K.
Observamos ainda que as escolhas das notaes nas propriedades (c) e (d) no so apenas capricho
(retomaremos a necessidade num exemplo adiante); no entanto, j possivel verificar que tais elementos
so nicos, o que faremos como exerccio (exerccios 1.3.4 e 1.3.5). Por conta da unicidade, podemos
lanar mo da notao 0 para o elemento neutro da adio em E e v para o elemento oposto de v E.
Exemplo 1.2.1
Considere E = R. O prprio conjunto R, com as operaes de adio e multiplicao (as operadas
usualmente) um espao vetorial. De fato, as propriedades associativa, comutativa e distributiva em
R so usadas como modelo para os demais espaos vetoriais.
Exemplo 1.2.2
Considere em R2 = (x, y); x, y R as operaes de adio
+ : R2 R2 : R R2 R2
e de modo que, se u = (x1 , y1 , z1 ) e
(u, v) 7 u + v (r, u) 7 ru,
v = (x2 , y2 , z2 ), ento u + v = (x1 + x2 , y1 + y2 , z1 + z2 ) e ru = (rx1 , ry1 , rz1 )
(rx1 , ry1 )
(r > 1)
y1 + y2 (x2 , y2 ) (x1 + x2 , y1 + y2 )
y2 (x1 , y1 )
(rx1 , ry1 )
(0 < r < 1)
y1 (x1 , y1 )
x1 x2 x1 + x2
(rx1 , ry1 )
(r < 0)
e vale a comutatividade em R2 .
Deixamos a cargo leitor a verificao que (0, 0) o (nico!) elemento neutro da adio em R2
e que o elemento oposto da adio de (x, y) R2 (x, y) (e nenhum outro!), bem como as
demais propriedades restantes. (Ver exerccio 1.3.1)
Exemplo 1.2.3
Analogamente ao exemplo anterior, em R3 = {(x, y, z); x, y, z R} definimos a adio
+ : R3 R3 R3
e a multiplicao por escalar
(u, v) 7 (u + v)
: R R3 R3
de modo que, se u = (x1 , y1 , z1 ) e v = (x2 , y2 , z2 ),
(r, u) 7 (ru),
Exemplo 1.2.4
Seja n N = {1, 2, 3, 4, } e considere Rn = {x1 , x2 , , xn ; xi R}.
Defina para (x1 , x2 , , xn ), (y1 , y2 , , yn ) Rn e para r R
de simples verificao que Rn com as operaes acima um espao vetorial. (Ver exerccio 1.3.2)
Exemplo 1.2.5
Seja n N e considere Pn = a0 + a1 x + a2 x2 + + an xn ; ai R e x uma indeterminada ,
o conjunto dos polinmios de grau menor ou igual que n (includo o polinmio identicamente nulo)
na indeterminada x. Usualmente, na adio de polinmios, somamos os coeficientes dos termos seme-
lhantes (de mesmo grau) repetindo a indeterminada e seu respectivo expoente e na multiplicao por
uma constante, usamos a distributividade. Isto ,
1.2 Exerccios
Nos exerccios a seguir, e no restante destas notas, a no ser que faamos meno expressa em contrrio,
as operaes em Rn , Pn e M(m,n) sero sempre as usuais.
1.2.1 Complete a demonstrao do exemplo 1.2.2
1.2.2 Idem para o exemplo 1.2.3
1.2.3 Mostre que, se w = (2, 1, 1) ento possvel obter escalares x, y, z tais que
(b) Determine um w, em V, e algum escalar c tal que cw no pertena a V. (Isso suficiente para mostrar
que V no um espao vetorial).
1.2.7 Construa uma figura geomtrica que ilustre por que uma reta em R2 , que no passa pela origem,
no fechada em relao soma de vetores.
1.2.8 Seja W o conjunto de todos os vetores da forma (5b + 2c, b, c), onde b e c so escalares arbitrrios.
Determine vetores u e v tais que W = {w; w = bu + cv}
1.2.9 Mostre que em um espao vetorial E valem:
(i) o vetor nulo de E nico;
1.2.10 Quais dos seguintes subconjuntos de R3 so fechados na adio e na multiplicao por escalar
definidas em R3 ? Justifique.
onde a, b, c, d R.
(iii) Sob as condies dos nmeros a, b, c, d, os vetores coluna da matriz representada acima formam um
conjunto linearmente independente?
(ii) Encontre um espao vetorial com 8 elementos cujos elementos sejam matrizes com, no mnimo, trs
linhas.
Definio 1.3.1 Seja E um espao vetorial e seja S um subconjunto no vazio de E. Diz-se que S
um subespao vetorial de E quando, com as mesmas operaes definidas em E, para todos u, v S
e para todo r R tem-se:
Observamos que, dado qualquer espao vetorial E, S = {0} (subespao vetorial nulo) e S = E so subespaos
vetoriais de E, chamados subespaos vetoriais triviais. imediato verificar que se E = R, os nicos
subespaos vetoriais possveis so os triviais.
Exemplo 1.3.1
Seja E = R2 com as operaes usuais.
Considere, para cada a R fixado, os conjuntos da forma Sa = {(x, ax); x R} R2 . No caso
particular a = 0 temos S0 = {(x, 0); x R} que o eixo x (ou seja, a reta y = 0).
Dados u1 = (x1 , ax1 ) e u2 = (x2 , ax2 ) em Sa e r R temos:
(i) u1 + u2 = (x1 , ax1 ) + (x2 , ax2 ) = (x1 + x2 , ax1 + ax2 ) = (x1 + x2 , a {x1 + x2 }).
e
Sa
S1
(a > 1)
Sa
(0 < a < 1)
S0
x
Sa
(a < 0)
Observamos que os conjuntos da forma Sa , com a R, juntamente com o eixo y ({(a, y); y R})
formam o conjunto de todas as retas que passam pela origem em R2 . Deixamos como exerccio a
verificao de que, alm dos subespaos vetoriais triviais, os nicos subespaos vetoriais de R2 so as
retas que passam pela origem.
Exemplo 1.3.2
E = M(3,3)
Considere o espao vetorial das matrizes 3 3 com as operaes usuais. O subconjunto
a11 a12 a13
ra11 ra12 ra13
(ii) para todo r R, rA = 0 ra22 ra23 so matrizes triangulares superiores.
0 0 ra33
Analogamente, possvel mostrar que as (1) matrizes triangulares inferiores e (2) matrizes diago-
nais formam dois outros subespaos vetoriais de M2,2 .
Exemplo 1.3.3
Considere o espao vetorial dos polinmios de grau menor ou igual a 3 na indeterminada x
P3 = a0 + a1 x + a2 x2 + a3 x3 ; a0 , a1 , a2 , a3 , a4 R .
O conjunto S = a0 + a3 x3 ; a0 , a3 R um subespao vetorial de P3 pois se p = a0 + a3 x3 e
q = b0 x3 ento
Exemplo 1.3.4
Em R3 , alm dos subespaos vetoriais triviais, {0, 0, 0} e R3 , temos os seguintes subespaos vetoriais:
S
p
y
n
m
(i) w1 + w2 = (t1 + t2 )v S e
(ii) r R, rw1 = r(t1 v) = (rt1 )v S
Acabamos de mostrar que toda reta que passa pela origem subespao vetorial de R3 .
Quando u e v so ambos nulos, S = {(0, 0, 0)}. Se apenas um deles nulo, S uma reta que passa
pela origem.
No caso em que u e v so ambos no nulos em R3 S representa o plano que passa pela origem e
tem a direo dos vetores u e v (chamados vetores diretores do plano).
Obviamente, se w1 = s1 u + t1 v, w2 = s2 u + t2 v e r R ento
Pelo que acabamos de mostrar, qualquer plano que passa pela origem subespao vetorial de R3 .
H = {w E; w = t1 u1 + t2 u2 + + tk uk , ti R}
Portanto, S = [(1, 0, 3), (0, 1, 1)], o que mostra imediatamente que S subespao vetorial de R3 .
A saber, S o plano pela origem cujos vetores diretores so (1, 0, 3) e (0, 1, 1) ou, equivalentemente,
o plano pela origem cujo vetor normal (3, 1, 1).
Finalizamos esta seo com algumas observaes complementares. Dados dois conjuntos A e B de-
notamos por A B o conjunto de elementos comuns (a interseo) e por A B a reunio de todos os
elementos (a unio). Alm disso definimos a soma A + B, cada um dos elementos de A com todos os
elementos de B.
Mais formalmente, sejam U e V subespaos vetorias do espao vetorial E. Definimos
(i) U V = {w E; w U e w V}
(ii) U V = {w E; w U ou w V}
(iii) U + V = {w E; w = u1 + v2 com u U e v V}
1.3 Exerccios
1.3.1 Em cada um dos itens abaixo, use a definio para mostrar que S um subespao vetorial do
espao vetorial E indicado. A seguir obtenha um conjunto de geradores para S e escreva S como espao
vetorial gerado por tal conjunto.
(a) E = R2 ; S = (x, y) R3 ; 3x 2y = 0
a b
(b) E = M2,2 ; S = M2,2 ; a + b c + d = 0
c d
(c) E = R3 ; S = (x, y, z) R3 ; 2x 3y + z = 0
1.3.5 Seja Q o primeiro quadrante do plano xy, isto , Q = {(x, y); x > 0, y > 0}.
(a) Se u, v Q, u + v Q? Justifique.
1.3.6 Repita o exerccio anterior para o conjunto T = {(x, y); x > 0}. Represente T geometricamente.
1.3.7 Represente W = (x, y) R2 ; xy > 0 geometricamente. W espao vetorial? Justifique sua
resposta.
1.3.8 Mostre que o conjunto
a a a a
a b b b ; a, b, c, d R
U=
a b c c
a b c d
um espao vetorial.
1.3.9 Seja E um espao vetorial e considere v1 , v2 , , vx E. Mostre que H = [v1 , v2 , , vx ] um
espao vetorial.
1.3.10 Seja F = {f : R R; f funo}.
Mostre que U = {f F; f(1) = 0} um espao vetorial.
a1 v1 + a2 v2 + + ak vk = 0 a1 = a2 = = ak = 0.
No caso contrrio, isto , quando existe alguma combinao linear nula de v1 , , vk em que nem
todos os coeficientes so nulos, dizemos que o conjunto {v1 , , vk } linearmente dependente (LD).
Exemplo 1.4.1
Seja E um espao vetorial e seja v E. O conjunto {v} LI se v 6= 0 e LD quando v = 0.
Exemplo 1.4.2
Seja E = R2 e considere u = (1, 0) e v = (0, 1). Do exemplo anterior, {u} e {v} so conjuntos
LI. Dados a, b R, au + bv = (0, 0) a(1, 0) + b(0, 1) = (0, 0) (a, 0) + (0, b) = (0, 0).
Evidentemente, a = 0 e b = 0 e, portanto {u, v} tambm conjunto LI.
Ainda em E = R2 , considere u = (2, 1) e v = (1, 4). Se a, b R so tais que
au + bv = (0, 0) ento
2a + b = 0 a=0
a + 4b = 0 b=0
Assim, {u, v} um conjunto linearmente independente em R2 .
Exemplo 1.4.3
1 1 0 1 0 0 1 0
Sejam A1 = , A2 = , A3 = , A4 = matrizes de M(2,2) .
0 1 1 1 1 1 0 1
0 0
Se x, y, z, t so nmeros reais tais que xA1 + yA2 + zA3 + tA4 = ento
0 0
xt=0
x=0
x + y = 0 y=0
y+z=0
z=0
x+y+z+t=0 t=0
Exemplo 1.4.4
1 1 0 1 2 1
Ainda em M(2,2) , o conjunto , , linearmente dependente. De fato,
2 1 1 2 1 4
a combinao nula
1 1 0 1 2 1 0 0
2 +3 1 =
2 1 1 2 1 4 0 0
suficiente para mostrar a dependncia linear.
Exemplo 1.4.5
Em E = R3 so linearmente independentes os seguintes conjuntos (por exemplo):
com mais incgnitas que equaes. Portanto, tem uma infinidade de solues. De fato, fcil ver que
x = 3t, y = 43 t e z = 83 t com t R satisfaz o sistema linear acima.
1.4 Exerccios
1.4.1 Verifique se o conjunto dado ou no linearmente independente no espao vetorial E em cada item
abaixo.
1 1 1 3 2 1 2 6 6
(e) 2 2 1 , 0 1 1 ,
8 6 2
2 1 1 1 2 4 6 0 4
1 2 1 1 1 1 2 1 0 1
(f) , , , ,
1 5 1 1 2 1 1 1 1 0
1.4.6 Considere {v1 , v2 , , vn } base do espao vetorial E e sejam 0 < k < n < m nmeros inteiros.
Justifique
(i) Qualquer conjunto linearmente indepentente {u1 , u2 , , uk } E pode ser completado at obter-se
uma base em E.
(ii) Qualquer subconjunto {w1 , w2 , , wm } de E linearmente dependente.
(iii) Todas as bases de E tem a mesma quantidade (n) de elementos (o que chamamos dimenso do
espao vetorial E).
1.4.7 Quais dos seguintes vetores pertecem ao espao vetorial [(2, 1, 0, 3), (3, 1, 5, 2), (1, 0, 2, 1)]?
(a) (2, 3, 7, 3)
(b) (0, 0, 0, 0)
(c) (1, 1, 1, 1)
(d) (4, 6, 1, 4)
1.4.9 Considere 1 = {u1 , u2 , u3 } uma base de um espao vetorial E e seja 2 = {v1 , v2 , v3 } E de modo
que v1 = 3u1 2u2 + 4u3 , v2 = u1 + u2 u3 e v3 = u1 + 5u2 u3 .