Sei sulla pagina 1di 153

Coleção Licenciatura em Matemática Álgebra Linear I

Dedicatória

À minha esposa Fernanda, meus pais, José Raimundo e Joana,

meus irmãos, Ricardo e Bárbara, e sobrinhos (muitos), e aos meus filhos, Fábio Hugo e Fabiana, em especial, pois o estudo é o ali- cerce da vida.

(F.F.F.)

À minha querida esposa Tatiana Abreu, meus familiares e amigos. (B.F.M.)

A Jaqueline, Ana Clara e Caroline em retribuição ao amor, cari-

nho, dedicação e paciência que vocês tem me dispensado. Vocês fazem a diferença.

(H.N.P.)

Coleção Licenciatura em Matemática Álgebra Linear I

Fábio Freitas Ferreira

Licenciado em Matemática pela FFP/UERJ, Mestre e Doutor em Matemática Aplicada e Modelagem Computacional pelo IPRJ/UERJ. Foi professor substituto da FFP/UERJ e do GEM/UFF. Atualmente é Coordenador e Professor do curso de Licenciatura em Matemática da FACNEC-ITA.

Bruno da Fonseca Monteiro

Licenciado em Matemática pela FFP/UERJ, Mestre em Engenha- ria Civil pela COPPE/UFRJ. Foi professor de cursos pré- vestibulares e colégios da rede privada. Atualmente é professor da rede estadual de ensino do Rio de Janeiro e do curso de Licencia- tura em Matemática da FACNEC-ITA.

Herivelto Nunes Paiva

É bacharel em estatística pela FACEN/UNIVERSO, Licenciado em Matemática pela UNIVERSO, Pós-graduado em Matemática e Estatística pela UFLA, e Mestre em Ensino de Ciências da Saúde e do Ambiente pela UNIPLI. Mais de 22 anos como Professor das redes públicas e privadas de ensino. Atualmente, leciona na FACNEC nos cursos de Administração, Matemática e Pedagogia.

Sumário

1 Matrizes

1

1.1 Igualdade entre matrizes

4

1.2 Tipos especiais de matrizes

5

1.3 Operações com matrizes

8

1.4 Adição de matrizes

9

1.5 Propriedades da adição de matrizes

10

1.6 Exercícios

11

1.7 Multiplicação de uma matriz por um escalar

13

1.8 Propriedades

14

1.9 Transposta de uma matriz

16

1.10 Propriedades que envolvem matrizes transpostas

16

1.11 Multiplicação de matrizes

17

1.12 Propriedades da multiplicação de matrizes

22

1.13 Matriz Inversa

25

1.14 Propriedades da Matriz Inversa

26

1.15 Questões de vestibular

27

2 Sistemas Lineares

56

2.1 Introdução

56

2.2 Equações lineares

57

2.3 Solução das equações lineares

57

2.4 Sistemas de equações lineares

58

2.5 Solução do sistema linear

61

2.6 Sistemas Lineares Homogêneos

66

2.7 Matriz escalonada

67

2.8 Solução do sistema por retro-substituição

71

2.9 Solução do sistema pelo método de Gauss – Jordan

75

2.10 Solução do sistema pelo método da Matriz Inversa

79

2.12

Exercícios

83

2.13 Questões de vestibular

86

2.14 Resposta dos exercícios propostos

98

2.15 Questões de vestibular

99

3 Espaço Vetorial

100

3.1 Combinação linear

102

Subespaço

3.2 vetorial

103

3.3 Exercícios

105

3.4 Dependência e independência linear

107

3.5 Base de um espaço vetorial

109

3.6 Dimensão

111

3.7 Exercícios

112

3.8 Os quatro subespaços fundamentais

112

3.9 Exercícios

118

4 Transformações Lineares

127

4.1 Transformações do plano no plano

131

4.2 Exercícios

137

4.3 Questões de vestibular

141

Prefácio

Desde os tempos de graduação e agora lecionando para cur- sos de licenciatura em matemática sentimos a carência de livros voltados exclusivamente para este fim. Em sua maioria são livros de conteúdo extremamente teóricos, pouco explicativos e de difí- cil leitura, ou livros voltados para os cursos de engenharia, não sendo assim adequados à formação de novos professores para os ensinos fundamentais e médios. Partindo deste prisma surgiu o desejo de escrever uma cole- ção para satisfazer as necessidades deste seguimento. Este, então, vem a ser o primeiro livro deste projeto. Álgebra Linear I traz um texto claro e auto-explicativo que vai de encontro às necessidades tanto do professor quanto do aluno. Tornando-se um livro útil para a vida acadêmica e para as ativida- des profissionais. Este primeiro livro se desenvolve em 4 capítulos: Matrizes, Sistemas Lineares, Espaço Vetorial, Transformações Lineares, todos com exemplos resolvidos passo a passo além de exercícios propostos. Fica aqui o desejo de suprir este vácuo. Os autores.

1

Matrizes

A quantidade de informações que são geradas nos dias de ho- je é enorme. Apesar do enorme esforço em como gerá-las ou obtê-las, outra grande questão está em como tratá-las. Não basta gerar ou obter dados de forma aleatória. É necessário organizá-los, ordená-los, e dar significados a eles. A maior parte destes dados (informações) está organizada em forma de tabelas, ou pode ser organizada desta forma. Temos como exemplos pesquisas quanti- tativas (pesquisas eleitorais, por exemplo), ou resultados de pes- quisas científicas (distribuição de temperatura em superfícies, por exemplo), entre outros. Isto nos motiva a entender melhor estas tabelas. Assim, introduzimos a idéia de matriz.

Um exemplo simples é dado a seguir: podemos organizar as informações pertinentes aos vértices de um icosaedro regular, de raio unitário, cujos dois vértices opostos estão fixados nos pontos

(0,0,1) e (0,0, 1) , veja a Figura 1.1, em forma de uma tabela,

veja a Tabela 1.

2

Álgebra Linear 1

2 Álgebra Linear 1 Figura 1.1: Icosaedro regular Tabela 1: Vértices do icosaedro regular de raio

Figura 1.1: Icosaedro regular

Tabela 1: Vértices do icosaedro regular de raio unitário.

 

x

y

z

V01

0

0

1

V02

0,89

0

0,45

V03

0,28

0,85

0,45

V04

-0,72

0,53

0,45

V05

-0,72

-0,53

0,45

V06

0,28

-0,85

0,45

V07

0,72

0,53

-0,45

V08

-0,28

0,85

-0,45

V09

-0,89

0

-0,45

Álgebra Linear 1

3

V10

-0,28

-0,85

-0,45

V11

0,72

-0,53

-0,45

V12

0

0

-1

Fazendo uma análise mais detalhada desta tabela, temos as

coordenadas x dispostas na coluna um, as coordenadas

postas na coluna dois, e as coordenadas z

três. Os vértices referem-se às linhas da tabela. Assim, se quiser-

mos saber qual a coordenada y do vértice onze do icosaedro, basta eu ir até a linha onze, e até a coluna dois. Desta forma, numa no- tação mais formal, que veremos mais adiante, a matriz A repre- senta as coordenadas do icosaedro descrito.

dispostas na coluna

y dis-









A =

 

0

0,89

0,28

-0,72

-0,72

0,28

0,72

-0,28

-0,89

-0,28

0,72

0

0

0,85

0,53

-0,53

-0,85

0,53

0,85

0

-0,85

-0,53

0 0

1

0,45

0,45

0,45

0,45

0,45

-0,45

-0,45

-0,45

-0,45

-0,45

1

 

4

Álgebra Linear 1

Motivados pelo exemplo dado anteriormente, a matriz que contém os vértices do icosaedro, observamos que cada elemento

da matriz A pode ser representado por

j = 1, ,3 . De forma genérica, usando a notação matemática,

representamos uma matriz de m linhas por n colunas por

a ij

,

onde i = 1, ,12 e

A

=

a

11

a

m

1

a

1 n

a

mn

 

onde a letra maiúscula A representa a matriz, m é quantidade de

linhas da matriz, n é quantidade de colunas da matriz, m × n é a

ordem da matriz, e

elemento da matriz.

, i = 1, , m , j = 1, , n , representa cada

a ij

Podemos representar as matrizes, também, através de parên- teses e barras, como nos exemplos a seguir.

A =

a

11

a

m

1

a

1 n

a

mn

, ou

A =

a

11

a

m

1

a

1 n

a

mn

.

1.1 Igualdade entre matrizes

são ditas iguais se elas têm o

mesmo número de linhas e o mesmo número de colunas, e todos os seus elementos correspondentes (elementos que estão posicio-

Duas matrizes

A

e

B

m

×

n

m

×

n

Álgebra Linear 1

5

nados na mesma linha e na mesma coluna de ambas as matrizes) são iguais. A seguir vemos um exemplo.

3

2

2

1

2

2

log1

5

=

9

2

sen 90

4

0

0

5

1.2 Tipos especiais de matrizes

Vários problemas de engenharia podem ser representados por equações matriciais. Nestes casos, geralmente, as matrizes associadas aos problemas aparecem de uma forma especial, facili- tando assim a interpretação do comportamento destes problemas. Assim, veremos a seguir alguns tipos especiais de matrizes.

Matriz nula é toda matriz onde o elemento

i

= 1, , m ,

A

=

0

0

j = 1, , n .

0

0

 

.

a

ij

=

0

para todo

Matriz quadrada é toda matriz onde m = n . Neste caso, di-

zemos que a matriz tem ordem n , isto é, i = 1, , n e

A


=

 

a 11

a

n

1

a

a

1 n

nn

 

.

j = 1, , n .

6

Álgebra Linear 1

Matriz diagonal é toda matriz quadrada de ordem n onde

a ij

=

0 sempre que i j .

A =

a

11

0

0

0

0

0

0

a

nn

.

a ij

=

Matriz identidade é toda matriz diagonal de ordem n onde

1 sempre que i = j . Usamos a letra I para denotar a matriz

identidade.

I

=

1

0

0

1

 

.

Matriz triangular superior é toda matriz quadrada de or-

dem n onde

A

=

a

11

0

0

a

a

12

22

0

a

ij

=

0

sempre que i > j .

a

a

1 n

2 n

a

nn

.

Matriz triangular inferior é toda matriz quadrada de ordem

n onde

a

ij

=

0

sempre i < j .

Álgebra Linear 1

7


A =

 

a

11

a 21

a

n

1

a

a

22

n

2

0

0

0

a

nn

.

Matriz coluna é toda matriz onde n = 1 . Assim, um vetor ou uma n -upla também é uma matriz coluna.

A

=   a

ij

 

m

×

1

=

a

a

11

n 1

 

.

Matriz linha é toda matriz onde m = 1 .

A

=

 

a

ij

 

1 × n

=

[

a

11

a

1

n

]

.

Matriz simétrica é toda matriz quadrada de ordem n onde

a

ij

A

= a .

ji

=

a

a

11

12

a

1

n

a

a

12

22

a

2

n

a

a

1 n

2 n

a

nn

.

Matriz antissimétrica é toda matriz quadrada de ordem n

onde

A

=

a

ij

= −a

ji

.

0

a

a

12

1

n

a

12

0

a

2

n

a

a

1 n

2 n

0

.

8

Álgebra Linear 1

, que a dia-

gonal principal tem que ser nula, e os elementos simétricos com relação à diagonal principal são opostos.

Podemos observar, pelo fato de termos

a

ij

= −a

ji

1.3 Operações com matrizes

Voltamos ao exemplo dado anteriormente: a matriz que ar- mazena informações sobre os vértices do icosaedro regular. Se quisermos transladar este icosaedro sobre o eixo x três unidades para a direita, basta somarmos três unidades na coordenada x , isto é,

0

0,89

0,28

-0,72

-0,72

0,28

0,72

-0,28

-0,89

-0,28

0,72

0

0

0

0,85

0,53

-0,53

-0,85

0,53

0,85

0

-0,85

-0,53

0

1

0,45

0,45

0,45

0,45

0,45

-0,45

-0,45

-0,45

-0,45

-0,45

1

+

 


 

3

3 0

3 0

3 0

3 0

3 0

3 0

3 0

3 0

3 0

3 0

3 0

0

0

0

 

0

0

0

0

0

0

0

0

0

0

=


3

3,89

3,28

-3,72

-3,72

3,28

3,72

-3,28

-3,89

-3,28

3,72

3

0

0 0,45

0,45

0,45

0,45

0,45

1

0,85

0,53

-0,53

-0,85

0,53

0,85

0

-0,85

-0,53

0

-0,45

-0,45

-0,45

-0,45

-0,45

1




.

Podemos observar na Figura 1.2 os dois icosaedros: o original e o transladado em três unidades no eixo x .

Álgebra Linear 1

9

Neste exemplo dado, vimos como é importante a soma de matrizes. Existem outras operações que envolvem matrizes, e as veremos, numa notação formal, a partir deste momento.

e as veremos, numa notação formal, a partir deste momento. Figura 1.2: Icosaedro transladado 1.4 Adição

Figura 1.2: Icosaedro transladado

1.4 Adição de matrizes

Sejam

trizes é

A

+

A

m

B

×

n

=  

=  

a

ij

a

ij

+

 

m

b

ij

×

n

m

×

e

n

B

m

×

n

=  

b

ij

 

m

×

n

, então a adição de ma-

. Notamos que para somarmos matri-

zes é necessário que as mesmas tenham o mesmo número de li- nhas e de colunas, o que já foi introduzido na notação de forma implícita. Veja um exemplo a seguir.

10

Álgebra Linear 1

=

2

1

2

1

0

2

2

+

+

7

4

5

0

+

+

5

2

+

0

2

7

4

5

5

0

+

1

3

1

3

=

=

4

8

5

2

3

8

1.5 Propriedades da adição de matrizes

Veremos nesta seção, com exemplos, as propriedades que envolvem a adição de matrizes. Sejam então A , B e C matrizes de mesma ordem m × n .

2

1

2

7

Comutativa: A + B = B + A .

Com efeito, pois

0

2

5

0

4

5

1

3

+

+

2

7

2

1

A

5

0

0

2

+

B

=  

a

1

3

4

5

=

=

ij

+

4

8

4

8

b

ij

m

×

5

2

5

2

n

=

3

8

3

8

b

ij

.

.

+

a

ij

 

m

×

n

=

B

+

A

.

Associativa: A + (B + C) = ( A + B) + C .

(

a

ij

1

2

Com

+

b

ij

)

+

c

ij

efeito,

pois

= (A+ B)+ C .

2

2

 

+

 

2

1

0

2

+

 

4

8

3

8



 

=

A

+

 

1

2

(

B

2

2

+

C

)

=

 

+

 

6

9

a

ij

3

6

 

+

=

(

 

b

ij

7

7

+

c

ij

5

8

.

)

 

=

Álgebra Linear 1

11





1

2

2

2

 

+

 

2

1

0

2

 

+

 

4

8

3

8

 

=

 

3

1

Elemento neutro da adição:

matriz nula.

2

0

 

+

 

4

8

3

8

 

7

=

 

7

5

8

A + 0 = A , onde 0

É fácil de verificar, pois A+ 0 = a + 0   = a
É fácil de verificar, pois
A+
0
= a
+
0
  = a    = A
.
ij
ij
5
senπ
0 0
5
+
0
senπ
+
0
5
+
=
=
cos
π
0
0 0
cos
π
+
0
0
+
0
cos
π
1.6
Exercícios

.

denota a

senπ

0

.

1)

ra?

2)

Qual o valor de k para que a igualdade a seguir seja verdadei-


sen

kπ

0

0 1

=

1

0

0

1

.

3)


0

0

4)

Quais

0

2

x

=

os

0

0

valores

0

2

?

de

Quais os valores de x e

seja uma matriz identidade?

x

que

satisfazem

y para que a matriz

a

x

+

0

igualdade

y

x

0

y

12

Álgebra Linear 1

A =

2

0

5

1

B

=

7

0

0

7

.

5)

Sejam

e

Faça

a)

A + B ;

b)

B + A ;

k

para

que

a

matriz

c)

A + A ; d) B + B ; e) A A ; e f) B B .

6)

Quais

1

cos

k

0

π

2

são

2

x

+

3

2

2

os

x

valores

4

   5  

5

1

de

x

e

seja uma matriz triangular superior?

7)

Responda quais os possíveis resultados das adições a seguir.

a)

Duas matrizes triangulares superior.

b)

Duas matrizes onde uma é oposta a outra.

c)

De uma matriz diagonal com uma matriz nula.

d)

De uma matriz identidade com uma matriz triangular inferior.

e)

De uma matriz simétrica com uma matriz diagonal.

f)

Duas matrizes simétricas.

g)

De uma matriz triângulo inferior com uma matriz triangular

superior.

h) De uma matriz simétrica com uma matriz cheia qualquer.

Álgebra Linear 1

13

1.7 Multiplicação de uma matriz por um escalar

Se multiplicarmos cada componente dos vértices do icosaedro que está sendo utilizado como exemplo por dois, então a distância da origem do sistema cartesiano para cada vértice do icosaedro tam- bém será multiplicada por dois.

cartesiano para cada vértice do icosaedro tam- bém será multiplicada por dois. Figura 1.3: Icosaedro regular

Figura 1.3: Icosaedro regular expandido.

14

Álgebra Linear 1

2

0

0,89

0,28

-0,72

-0,72

0,28

0,72

-0,28

-0,89

-0,28

0,72

0

0

0

0,85

0,53

-0,53

-0,85

0,53

0,85

0

-0,85

-0,53

0

1

0,45

0,45

0,45

0,45

0,45

-0,45

-0,45

-0,45

-0,45

-0,45

1

 

=

0

1,79

0,56

-1,44

-1,44

0,56

1,44

-0,56

-1,79

-0,56

1,44

0

0

0

1,70

1,06

-1,06

-1,70

1,06

1,70

0

-1,70

-1,06

0

2

0,90

0,90

0,90

0,90

0,90

-0,90

-0,90

-0,90

-0,90

-0,90

2

 

Sejam uma matriz A e um escalar k , então

5

5
5

2

10

1

0  

=

 

5

5

⋅ 5
5

2

10

5 1

5

0

 

=

5

5
5

1

5

0

.

1.8

res.

Propriedades

Sejam A e B matrizes de

i) k ( A + B) = kA + kB

Temos que

k

(

A

+

B

)

=  

k

(

a

ordem m × n e

ij

+

b

ij

)

  =  

ka

ij

+

kA = ka

ij

.

k ,

kb

ij

k

1

  =

k

2

+

e

kA

escala-

kB

.

Álgebra Linear 1

15

3

3





1

1

1 1

1 1

1

1

 

2

+

 

1

+

3

2

1

1

2

1

2



 

=

=

3

3

3

 

3

2

3

3

2

3

 

+

=

6

3

 

9

6

3

6

6

9

=

.

9

6

6

9

.

ii) ( k + k ) A = k A+ k A. 1 2 1
ii) (
k
+ k
)
A = k A+ k A.
1
2
1
2
Com efeito, pois (
k
+ k
)
A =
(
k
+ k
1
2
 
1
k A+ k
A .
1
2
3 5
−
3
5
−
21
35
(
2
+ )
5
−
=
7
=
8
15
8
15
56
105
 .
3
5
−
3
5
−
3
5
(
2
+ )
5
−
=
2
+
5
=
8
15
8
15
8
15
−
6 10
 + −
15
25
−
21
35
=
=
16
30
40
75
56
105
 .
iii) 0A = 0 . 1
Com efeito, 0
A =  
0
⋅a
0 .
ij
  =
−
3 1
0 0
0 
3
π
=
 
.
0 0
 
iv)
(
k
A
)
=
(
k
⋅k
)
A .
k 1
2
1
2

2

)

a   =

ij

k a + k a   =

1

ij

2

ij

1 Note que o símbolo 0 disposto no lado esquerdo da igualdade refere-se ao escalar zero, e o símbolo 0 que aparece no lado direi- to da igualdade refere-se à matriz nula.

16

Álgebra Linear 1

Com efeito, pois

k

2

5

3

8

5

15



 

(

2

5

)

 

 

3

8

5

15

=

=

2

 

15

40

10

3

8

1

(

k

2

25

75

5

15

A

 

)

=

=

=  

k

1

(

 

30

80

30

80

k a

2

ij

)

  =  

50

150

50

150

.

.

(

k k

1

2

)

a

ij

  =

(

k k

1

2

)

A

.

1.9 Transposta de uma matriz

Seja

A

m

tal que

T

m

A

×

n

×

n

=  

a

ij

=  

a

ji

 

 

n

×

m

m

×

n

. A transposta da matriz A é a matriz

A

T

. Em outras palavras, o que é linha se torna

coluna, e o que é coluna se torna linha.

Se

A

=

3

8

4

2

7

4

, então

A

t

=

3

4

7

8

2

4

 

.

1.10 Propriedades que envolvem matrizes transpostas

que

i) Uma matriz é simétrica se e somente se

A = A

Com efeito, como em uma matriz simétrica,

A

T

= a

ji

  =

a    = A

ij

.

a

T

ij

.

= a

ji

, temos

Álgebra Linear 1

17

A

A

=

=

2

8

ii) (

A

8

3

T

)

=

T

A

T

.

= A .

Com efeito, pois

A

T

3

4

7

iii) (

8

2

4

 

,

A+ B

)

A

T

=

3

8

T

= A

T

+ B

= a

ji

. Assim, (

4

2

7

4

, e (

A

T

T

.

A

)

T

T

) T

= a

=