Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ENGENHARIA ELÉTRICA
ÁLGEBRA LINEAR
DAVI FERREIRA
JAIR VIGNOLLE DA SILVA
LISIANE MENESES
MARIA DA GRAÇA PERAÇA
ODAIR ANTONIO NOSKOSKI
PELOTAS
2010
1
EMENTA
Matrizes, determinantes e sistemas lineares. Espaços vetoriais. Espaços
vetoriais Euclidianos. Transformações Lineares. Autovalores e autovetores.
Diagonalização de operadores. Forma canônica de Jordan.
PROGRAMA
UNIDADE I: MATRIZES, DETERMINANTES E SISTEMAS LINEARES
UNIDADE II: ESPAÇOS VETORIAIS
UNIDADE III: ESPAÇOS VETORIAIS EUCLIDIANOS
UNIDADE IV: TRANSFORMAÇÕS LINEARES
UNIDADE V: AUTOVALORES A AUTOVETORES
UNIDADE VI: DIAGONALIZAÇÃO DE OPERADORES
UNIDADE VII: POLINÔMIO MINIMAL E FORMA CANÔNICA DE JORDAN
BIBLIOGRAFIA:
STEINBRUCH, A. e WINTERLE, p., Álgebra Linear.
HOFFMAN, K., Álgebra Linear.
POOLE, D., Álgebra Linear.
LIPSCHUTZ, S., Álgebra Linear. São Paulo: Makron Books, 1994. - (Coleção
Schaum)
ANTON, H., Álgebra Linear.
CALLIOLI, C. A., Álgebra Linear.
http://pessoal.sercomtel.com.br/matematica/index.html
2
1 – Matrizes, Determinantes e Sistemas
1.1 MATRIZES
As linhas de uma matriz são enumeradas de cima para baixo, e as colunas são
enumeradas da esquerda para a direita.
Exercícios:
i j , se i j
(b) m = 3, n = 3, sabendo que aij =
2ij , se i j
i, se i j
(c) m = 3, n = 3, sabendo que aij = ij , se i j
i j , se i j
3
1.1.1 Classificação de Matrizes:
2
1
Ex: A = , matriz 4x1
0
4
Matriz Zero (Nula): é a matriz com todas suas entradas nulas. Uma matriz
zero sempre será denotada por 0.
0 0
Ex: 02x2 =
0 0
2 3
Ex: A = , matriz de ordem 2
4 7
Matriz Diagonal: é toda matriz quadrada em que todos os elementos que não
pertencem à diagonal principal são nulos.
2 0 0
Ex: A = 0 7 0 , aij não nulo, se i = j, e aij = 0, se i j.
0 0 2
1 0 0
Ex: I3 = 0 1 0 , aij = 1, se i = j, e aij = 0, se i j.
0 0 1
4
Matriz Transposta: é a matriz que se obtém transformando ordenadamente
cada linha de A em coluna. Denota-se At.
1 2 3 1 6 5
Ex: A = 6 8 4 , At = 2 8 9
5 9 7 3 4 7
Obs:
(A B)t = At Bt
Exemplos:
a b c
e é uma matriz triangular superior
S = 0 d e
0 0 f
x 0 0
F = y z 0 uma matriz triangular inferior
w r s
Obs: Neste caso, a parte superior é uma “reflexão” da parte inferior, em relação
à diagonal principal
4 3 1
Exemplo: 3 5 7
1 7 0
5
Igualdade de Matrizes: Duas matrizes do mesmo tipo m x n são iguais, se e
somente se, os elementos correspondentes são iguais.
a b 2 3
Exemplo: Se c d = 4 7 então,
---------------------------------------------------------------------------------------
Exercícios:
2i j
1. Se A3x2, com aij = , determine as matrizes A e At.
2
3 1
2. Dadas as matrizes A = 2 e B = 4 , calcular a matriz:
5 2
1
(2.3) X que seja solução da equação matricial 2X – A + B = 0.
2
8 2 3
(3.1) W = , X = , Y=
0 4 2
0 4 1 2 0 0 2 0 0 0
W = , X= , Y= , Z= , R= ,
6 7 0 0 3 1 0 3 2 0
Resposta: (3.1) a=-1, b=2, (3.2) a=3, b=-4; (4) a=2, b=-4, c=1, d=3
---------------------------------------------------------------------------------------
6
Produto de Matriz por Matriz
O número de colunas da primeira matriz tem que ser igual ao número de linhas
da segunda matriz.
(f) a(B C) = aB aC
(g) (a b)C = aC bC
Cuidado! Em geral AB BA
7
1 1 1 1 2 3
Exercício 5: Sejam A = 3 2 1 , B = 2 4 6
2 1 0 1 2 3
Outras propriedades:
(k) (A B)t = At Bt
(m) AI = IA = A
Matriz Inversa
Uma matriz quadrada A de ordem n é inversível se, e somente se, existir uma
matriz B tal que
1 2 3 2
Exercicio: Verifique que as matrizes A = e B = são
1 3 1 1
inversíveis entre si.
8
Propriedades da Matriz Inversa:
(i) (A-1)-1 = A
6 2
Exemplo: Determine a inversa da matriz A =
11 4
Esta matriz tem inversa pois det A 0. Procuremos sua inversa tal que
A.B = I e B.A = I
6 2 a b 1 0
Impondo a primeira condição temos, 11 4 . c d = 0 1
6a 2c 6b 2d 1 0 6a 2c 1 6b 2d 0
11a 4c 11b 4d = 0 1 . Portanto, e
11a 4c 0 11b 4d 1
a = 2, b = -1, c = -11/ 2, d = 3
6 2 2 1 1 0
Teremos então, A.B = 11 4 . 11 = , ou seja, A.B = I.
3
2 0 1
2 1
Portanto, B = 11
2 3 é a matriz inversa de A.
9
Exercícios:
2 4 3 2 1 1
1) Sejam B = 3 6 , A = e C= 3 2
1 5
(a) Justifique que B é uma matriz não inversível e A é inversível.
8 15n 8 75
a) A e B
12 n 3 6 3
m2 40 n2 4 41 13
b) A eB
6 3 6 3
7 8 7 8
c) A 2 e B
4 x 4 10 x 25
1 2 1 7 3 8
3 1
A , B 1 3 5 7, C 2 4 e D 3 1 1 3 , calcular:
7 4 6 2 8 3 3 5 4 1 9 0
5 9 5 3 2 3
2 3 8 5 7 9 0 9 8
04) Sejam as matrizes A , B C , calcular:
4 1 6 0 4 1 1 4 6
g) X= 4A – 3B + 5C h) X = 2B – 3A – 6C
10
0,5 1,5 1 12 4 14
a) A 0,5 2,5 0,5 e B 2 0 2
0,5 2 1 2 2 4
2 4 6 1,5 2 1,5
b) A 4 6 6 e B 2 2,5 1,5
4 4 2 1 1 0,5
4 2 0 1 1 0,5
c) A 2 6 2 e B 1,5 2 1
10 8 4 5,5 6,5 3,5
5 0 6
8 0 1 3 2 4
3
06) Sejam as matrizes A , B 7 8 5 9 ,
2 2 7
0 6 3 8
1 1 5
5 0 3 2
2 3 0 8 1 2 4
C 1 1 8 e D , calcule:
3 2 1 5
3 5 4
0 1 0 2
2 7 1 0 9 3 4 3 5
07) Dadas as matrizes A 3 4 2, B 4 8 1 e C 1 2 7 ,
5 9 6 7 3 1 8 1 9
a) A + AT b) B + BT c) AAT d) B - BT e) C - CT
1 2 2
0 1
A B 3 3
1 0 2 2 1
3 3
11
3 3 3
1 2 6
3 3 3
5 5 sen cos 6 6 6
C D E
2 6 1 cos sen 3 6 6
2 2
5 5 0
2 2
1 5
2
2
1
6 9 12 16 1 1
F G H 1
4 6 9 12 2 2
3 3
3
2 2
1 2 6
5 10 6 10
J L M 3 2 9
2 4 3 5 2 0 3
a) AAT f) F2 l) M2
b) BBT g) G2
c) CCT h) H3
d) DDT i) J2
e) EET j) L2
3 4 1 4 1 3 2 6 8
10) Dadas as matrizes A 5 2 9 , B 3 0
1
C3 9 12 ,
7 8 6 7 2 4 1 2 3
12
2 3 1 1
0 1 2 3
11) Calcular o determinante da matriz H , usando o processo
1 1 1 2
4 3 5 1
4 6 x x 3 x 1 x 4 12 x 1 1
a) 5 2 x 128 b) 4 5 3 7 c) 18 2x 3 2 0
7 4 2x 9 10 7 15 2x 0 1
3 4 5 1 0 2
3 5
a) A b) B 0 1 2 c) C 2 2 2
1 2 3 5 4 3 0
2
1 0 0 0
2 2 2 2 0 0 5
1 0 0
d) D e) E 3 4 7 f) F 0 6 0
3 2 1 0 9 0 0
1 2 5
4 3 2 1
5x 8y 34
a) Rta: Sistema Incompatível S
10 x 16 y 50
4 x y 3z 15
b) 3x 2y 5z 7 Rta: S.L.C.D S 3, 3,2
2 x 3 y 4 z 7
2x 3y 2z 2
c) 3x 5y 4z 5 Rta: S.L.C.D. S 1, 2, 3
x 2y 7z 24
x 4 y 6z 0
d) 3 Rta: S.L.C.I. S 4y 6z, y, z , y, z IR
x 6y 9z 0
2
13
4 x 3 y 18
e) 2y 5z 8 Rta: S.L.C.D. S (0, 6, 4)
x 2y 3z 0
x 4y 6z 11
3 2z 13 8z
f) 2x 3y 4z 9 Rta: S.L.C.I. S , , z , z IR
3x 2y 2z 7 5 5
x y 0
g) 2y 4z 6 Rta: S.L.C.I. S 3 2z, 3 2z, z z IR
x y 4z 6
7x 2y 4z 15
h) 9x 3y 3z 0 Rta: S.L.C.D. S 1, 2, 1
x 4y z 8
15) Estabelecer a condição que deve ser satisfeita pelos termos independentes
para que os seguintes sistemas sejam compatíveis:
4 x 12 y 8z a x y z a
a) 2x 5y 3z b b) x 2z b
4 y 4 z c y z c
Rta: 2a – 4b + c = 0 Rta: a + b –c = 0
1.2 Determinante
a b
A= det A = ay - bx
x y
14
Exemplo:
3 8
1) Se A = então, det A = (- 3) . ( 4) – (- 5) . (8) det A = - 12 +
5 4
40 det A = 28
a b c
A= p q r
x y z
a b c a b
det(A) = p q r p q = ( aqz + brx + cpy) - ( cqx + ary + bpx ).
x y z x y
Exemplo:
1 1 0 1 1 0 1 1
Se B = 3 3 7 então, det B = 3 3 7 3 3
5 2 0 5 2 0 5 2
det B = (1)(3)(0)+(-1)(7)(5)+(0)(3)(-2)–(0)(-3)(5)–(1)(7)(-2)–(-1)(3)(0)
det B = 0 – 35 + 0 – 0 + 14 – 0 det B = - 21
onde
15
Exemplos de equações lineares
1. 4x+3y-2z=0
2. 2 x - 3 y + 0 z - w = -3
3. x1 - 2 x2 + 5 x3 = 1
4. 4i x + 3 y - 2 z = 2-5i
1. 3x + 3y = -4
2. x2 + y2 = 9
3. x+2y-3zw=0
4. x2 + y2 = -9
16
onde
2x + y = 4
x + 3y = 2
x + 5y = 2
17
EXEMPLOS
x + 2y = -1
2x - y = 8
4x + 2y = 100
8x + 4y = 200
x + 3y = 4
x + 3y = 5
Sistemas equivalentes
3x + 6y = 42 1x + 2y = 14
S1 S2
2x - 4y = 12 1x - 2y = 6
Existem três tipos de operações elementares que podem ser realizadas sobre
um sistema linear de equações de forma a transformá-lo em um outro sistema
18
equivalente mais simples que o anterior. Na sequência trabalharemos com um
exemplo para mostrar como funcionam essas operações elementares sobre
linhas. O segundo sistema (o que aparece à direita) já mostra o resultado da
ação da operação elementar. Nas linhas iniciais de cada tabela, você encontra a
operação que foi realizada.
x + 2y - z = 2 4x + y - 5z = 9
2x-3y+2z=0 ~ 2x-3y+2z=0
4x + y - 5z = 9 x + 2y - z = 2
x + 2y - z = 2 3x + 6y - 3z = 6
2x-3y+2z=0 ~ 2x-3y+2z=0
4x+y-5z=9 4x+y-5z=9
x+2y-z=2 3x+6y-3z=6
2x -3y + 2z = 0 ~ 2x-3y+2z=0
4x + y - 5z = 9 6x - 2y - 3z = 9
Com o auxílio das três Operações Elementares sobre linhas, podemos resolver
sistemas lineares. Vamos mostrar como funciona este processo através de um
exemplo.
19
Exemplo: Consideremos o sistema com 3 equações e 3 incógnitas.
3x + y + z = 20
2x - y - z = -15
-4x + y -5z = -41
Passo 1: L1-L2->L1
3x + 1y + 1z = 20 1x + 2y + 2z = 35
2x - 1y - 1z = -15 ~ 2x-1y-1z=-15
-4x+1y-5z=-41 -4x+1y-5z=-41
Passo 2: L2-2.L1->L2
1x + 2y + 2z = 35 1x+2y+2z=35
2x - 1y - 1z = -15 ~ 0x - 5y - 5z = -85
-4x+1y-5z=-41 -4x+1y-5z=-41
Passo 3: L3+4.L1->L3
1x + 2y + 2z = 35 1x+2y+2z=35
0x-5y-5z=-85 ~ 0x-5y-5z=-85
-4x + 1y - 5z = -41 0x + 9y + 3z = 99
Passo 4:(-1/5)L2->L2,(1/3)L3->L3
1x+2y+2z=35 1x+2y+2z=35
0x - 5y - 5z = -85 ~ 0x + 1y + 1z = 17
0x + 9y + 3z = 99 0x + 3y + 1z = 33
20
Passo 5: L3-3.L2->L3
1x+2y+2z=35 1x+2y+2z=35
0x + 1y + 1z = 17 ~ 0x+1y+1z=17
0x + 3y + 1z = 33 0x + 0y - 2z = -18
Passo 6: (-1/2)L3->L3
1x+2y+2z=35 1x+2y+2z=35
0x+1y+1z=17 ~ 0x+1y+1z=17
0x + 0y - 2z = -18 0x + 0y + 1z = 9
Passo 7: L2-L3->L2
1x+2y+2z=35 1x+2y+2z=35
0x + 1y + 1z = 17 ~ 0x + 1y + 0z = 8
0x + 0y + 1z = 9 0x+0y+1z=9
Passo 8: L1-2.L2-2.L3->L1
1x + 2y + 2z = 35 1x + 0y + 0z = 1
0x + 1y + 0z = 8 ~ 0x+1y+0z=8
0x + 0y + 1z = 9 0x+0y+1z=9
1x + 0y + 0z = 1 x=1
0x + 1y + 0z = 8 ~ y=8
0x + 0y + 1z = 9 z=9
21
Sistemas lineares homogêneos
Exemplo: O sistema
2x - y + 3z = 0
4x + 2y - z = 0
x - y + 2z = 0
Regra de Cramer
22
an1 an2 ... anj ... ann
Matriz Aumentada
Matriz da incógnita xj
xj = det(Aj) / det(A)
2x + 3y + 4z = 27
1x - 2y + 3z = 15
3x + 1y + 7z = 40
23
2 3 4 2 3 4 27
1 -2 3 1 -2 3 15
3 1 7 3 1 7 40
2 3 27
1 -2 15
3 1 40
2x + 3y + 4z = 27
1x - 2y + 3z = 15
3x + 1y + 7z = 42
2 3 4 2 3 4 27
1 -2 3 1 -2 3 15
3 1 7 3 1 7 42
24
2x + 3y + 4z = 27
1x - 2y + 3z = 15
3x + 1y + 6z = 40
2 3 4 27
1 -2 3 15
3 1 6 40
Como det(A)=7, o sistema admite uma única solução que depende dos
determinantes das matrizes Ax, Ay e Az, e tais matrizes são obtidas pela
substituição 1a., 2a. e 3a. colunas da matriz A pelos termos independentes das
três equações, temos:
27 3 4 2 27 4 2 3 27
40 1 6 3 40 6 3 1 40
x = det(Ax)/det(A) = 65/7
y = det(Ay)/det(A) = 1/7
z = det(Az)/det(A) = 14/7
25
2 - Espaços Vetoriais
A, B V temos: A + B V e,
A V e temos: A V
(A1) (A + B) + C = A + (B + C)
(A2) A + B = B + A
A+O=O+A=A
(M1) ( . )A = ( A)
(M2) ( + )A = A + A
(M3) (A + B) = A + B
(M4) 1A = A
26
Exemplos:
x y
1) V = conjunto das matrizes 2x2 ou V = M(2x2) = : x , y , z , w .
z w
Em V é definido as operações:
a a2 b b2
Sejam A, B V onde A = 1 , B = 1 e
a3 a 4 b3 b4
a b a 2 b2 .a .a 2
Operações: A + B = 1 1 e A = 1
a3 b3 a 4 b4 .a3 .a 4
Para essas operações assim definidas, podem ser verificadas facilmente que
valem os 8 axiomas. Portanto, neste exemplo, V = M(2x2) é um espaço
vetorial.
Operações definidas:
Verificando os axiomas:
A1) (A + B) + C = A + (B + C) ?
= a1 a2 a3 + c1 c2 c3
= a1 a2 a3
27
A + (B + C) = a1 a2 a3 + ( b1 b2 b3 + c1 c2 c3 )
= a1 a2 a3 + b1 b2 b3
= a1 a2 a3
O Axioma A1 é satisfeito.
A 2) A + B = B + A ?
Atenção !!! Basta que um dos axiomas falhe, para que o conjunto (com as
oper. definidas) não seja um espaço vetorial.
Como a adição é uma operação usual, vamos verificar se falha algum axioma
em relação à multiplicação por escalar.
M1) ( . )u = ( u) ?
( . )u = ( . )(a, b) = ( 2 2 a, 2 2 b)
O Axioma M1 é satisfeito.
M2) ( + )u = u + u ?
28
( + )u = ( + )(a,b) = (( + )2.a, ( + )2.b)
u + u = (a,b) + (a,b) = ( 2 a, 2 b) + ( 2 a, 2 b) =
e (a,b)= ( a, 0)
e (a,b)= ( a, b)
Já para V2, todos os axiomas devem ser verificados para ser um espaço vetorial.
Outros exemplos:
29
a11 a12 ... a1n
a a 22 ... a 2 n
Obs: Se A M(mxn) então A = 21
. . ... .
a m1 am2 ... a mn
p1(x) + p2(x) = (a0 + b0)+ (a1 + b1)x + (a2 + b2)x2 + (a3 + b3)x3
-----------------------------------------------------------------------------------------
Por exemplo,
a b c
A= , v = (a, b, c, d, e, f),
d e f
30
A M(2,3), v 6 , p(x) P5
Exemplo:
S V = 2
x
S = ( x, y) : y x = ( x, ); x
1
2 2
(i) 0 S
(ii) u, v S u + v S
(iii) e u S u S
31
OBSERVAÇÕES:
Exemplos:
S pode ser representada por uma reta que passa pelos pontos (-1,0) e (0,1).
S
(0,1)
(-1,0)
S = (x, x ) : x 2
u+v
S S
v u
32
(3) V = 3 (com as operações usuais).
S é um subespaço de V ?
Solução:
( i ) (0,0,0) S pois a0 + b0 + c0 = 0.
Então,
Daí, u +v S.
Exercícios:
33
Intersecção e Soma de Subespaços
Então,
(i) S1 S2 é um subespaço de V.
(ii) S1 + S2 é um subespaço de V.
OBS:
S1 S2 = {v V : v S1 e v S2}
S1 + S2 = { v = u + w / u S1 e w S2}.
Exemplos:
(a) V = M(3 x 3)
a1 a2 a3 a1 0 0
S1 = 0 a5 a6 ; ai S2 = a 4 a5 0 ; ai
0 0 a9 a a8 a9
7
a1 0 0
Logo, S1 S2 = 0 a5 0 é um subespaço de V = M(3 x 3)
0 a9
0
(b) V = 3 S1 S1 + S2
S1 + S2 é um subespaço de V = 3 .
34
SOMA DIRETA DE SUBESPAÇOS
Definição:
Se V = S1 + S2 e S1 S2 = { 0 }.
Exemplo: V = M(2 x 2)
a b 0 0
S1 = e S2 = onde a, b, c, d .
0 0 c d
a b 0 0
S1 + S2 = = M(2 x 2) e S1 S2 = .
c d 0 0
35
3. ESPAÇOS VETORIAIS EUCLIDIANOS
EXEMPLOS
1) No espaço vetorial V=R2, a aplicação (função) que associa cada par de
vetores u=(x1,y1) e v=(x2,y2), o número real u.v = 2x1x2 + 5y1y2, é um produto
interno.
Mostrar:
36
2) Se u=(x1,y1,z1) e v=(x2,y2,z2) são vetores quaisquer do R3, o número real
u.v=x1x2+y1y2+z1z2 define o produto interno usual do R3.
De forma análoga, se u=(x1,x2,...,xn) e v=(y1,y2,...,yn), o número real
u.v=x1y1+x2y2+...+xnyn define o produto interno usual no Rn.
b) u=(4,8) e v=(0,0)
37
||v||=
Se ||v||=1, isto é, v.v=1, o vetor é chamado vetor unitário.
O vetor é unitário, de mesma direção e sentido de v (versor de v). Diz-se,
2. Dado o espaço vetorial V=R3, munido do produto interno usual, calcular “m”
do vetor v=(6,-3,m) de modo que ||v||=7
38
3.3.2 PROPRIEDADES DO MÓDULO DE UM VETOR
Dem.:
Interpretação Geométrica no R2 ou R3
“A soma das medidas de dois lados de um triângulo é
||u||
39
4. No espaço vetorial das matrizes quadradas V=M(2x2), dadas duas matrizes
se , então
Se u1 v e u2 v, então (u1+u2) v
40
EXEMPLOS:
1) Os vetores u=(2,7) e v=(-7,2) de R2, munido do produto interno usual, são
ortogonais: (2,7).(-7,2)=-14+14=0
2) Os vetores u=(-3,2) e v=(4,3) são ortogonais no espaço vetorial V=R2 em
relação ao produto interno (x1,y1).(x2,y2)=x1.x2+2y1y2
EXEMPLO:
No R3, o conjunto {(1,2-3),(3,0,1),(1,-5,-3)} é ortogonal em relação ao produto
interno usual.
41
Se dim V = n, qualquer conjunto de n vetores não-nulos e dois a dois
ortogonais, constitui uma base ortogonal. O conjunto B={(1,2-3),(3,0,1),(1,-5,-
3)}, é uma base ortogonal de R3.
EXEMPLOS:
1) As bases canônicas do R2, R3, ... Rn são bases ortonormais em relação ao
produto interno usual.
interno usual.
3) Uma base ortonormal sempre pode ser obtida de uma base ortogonal,
normalizando cada um de seus vetores. Assim, da base ortogonal
B={(1,2-3),(3,0,1),(1,-5,-3)} do R3, relativamente ao produto interno usual,
pode-se obter a base ortonormal B’={u1,u2,u3}.
42
A base ortogonal {w1,w2,...,wn} é assim obtida:
w1 = v1
w2 = v2 - <v2,v1>.u1 onde
EXEMPLO:
Sejam v1=(1,1,1), v2=(0,1,1) e v3=(0,0,1) vetores do R3. Esses vetores
constituem uma base B={v1,v2,v3} não ortogonal em relação ao produto interno
usual. Agora vamos obter uma base B’ que seja ortonormal.
43
4. TRANSFORMAÇÕES LINEARES
4.1 FUNÇÕES VETORIAIS
São funções onde o domínio e o contradomínio são espaços vetoriais reais.
Assim, tanto a variável dependente quanto a independente são vetores.
Para dizer que T é uma transformação do espaço vetorial V no espaço vetorial
EXEMPLO
do R3. Se a lei que define T é tal que a=3x, b=-2y e c=x-y, a imagem de cada
vetor (x,y) será representada por T(x,y)=(3x,-2y,x-y)
z
y
x y
44
EXEMPLOS
T: R2 R2, T(x,y)=(-3x+y,2x+3y)
45
isto é, T(u+v)=T(u)+T(v). Diz-se, nesse caso, que T representa a adição de
vetores.
A figura a seguir, mostra que, ao se multiplicar o vetor u por 2, por exemplo,
sua imagem T(u) também fica multiplicada por 2, isto é, T( u)= T(u). Diz-se
que nesse caso, que T preserva a multiplicação de um vetor por um escalar.
W.
Esta propriedade decorre da condição II da definição de transformação linear,
para =0.
T( u)= T(u)
T(0)=0.T(u)
T(0)=0
EXEMPLO
T(0,0)=(0,0,0)
T(0,0,0)=(3,0) 0
46
Isto é, a imagem de uma combinação linear de vetores v1 e v2 é uma
combinação linear das imagens T(v1) e T(v2) com os mesmos coeficientes a1 e
a2 .
T(a1v1+a2v2+...+ anvn)=a1T(v1)+a2T(v2) +...+anT(vn)
Resolver em aula:
b) T(x,y,z)
47
4.3 NÚCLEO DE UMA TRANSFORMAÇÃO LINEAR
N(T)={v V|T(v)=0}
N(T) V
EXEMPLOS:
1) O núcleo da transformação linear
Im(T) ou T(v).
48
EXEMPLOS:
1) Seja a projeção ortogonal do sobre o plano
xoy. A imagem de T é o próprio plano xoy.
I) T(v1)=0 T(v2)=0
I) 0 Im(T)
III) 1 Im(T)
49
T(u)= T( v1)= T(v1)= w1
linear, dimN(T)+dimIm(T)=dimV
a) No exemplo 1, o núcleo (eixo dos z) tem dimensão 1 e a imagem (plano xoy)
tem dimensão 2, enquanto que o domínio R3, tem dimensão 3.
b) No exemplo 2, da transformação identidade, tem-se dim(N(T))=0, logo,
dim(Im(T))=dimV.
Para resolver.
1. Dado o operador linear
a) Determinar o núcleo de T, a dimensão do núcleo e uma de suas bases.
50
COROLÁRIOS
4.6 ISOMORFISMO
V= x1v1+x2v2 ou VA=(x1,x2)
T(v)=T(x1v1+x2v2)=x1T(v1)+x2T(v2)
51
Sendo T(v1) e T(v2) vetores de W, eles são combinação lineares dos vetores de
B:
T(v)=T(x1v1+x2v2)=x1(a11w1+a21w2+a31w3)+x2(a12w1+a22w2+a32w3)
Ou na forma matricial:
y1 a11 a12
y a x
a22 1
2 21 x
y3 a31 a32 2
Ou, simbolicamente:
Sendo a matriz T A
B denominada matriz de T em relação às bases A e B.
Observações:
52
d) No caso de A e B serem as bases canônicas, representa-se a matriz
simplesmente por [T], que é chamada matriz canônica de T, e tem-se:
[T(v)]=[T].[v]
e) Calcular T(v) pela matriz [T] é o mesmo que fazê-lo pela fórmula que define
T.
ADIÇÃO
COMPOSIÇÃO
53
Se A e B e C são bases de V, W e U, tem-se:
Problemas do livro.
REFLEXÕES:
Essa transformação linear leva cada ponto (x,y) para sua imagem (x,-y),
simétrica em relação ao eixo dos x.
Gráfico:
Gráfico:
54
c) Reflexão na origem
Gráfico:
Gráfico:
Gráfico:
55
DILATAÇÕES E CONTRAÇÕES
Observação:
se , T é a identidade I
56
CISALHAMENTO
desloca paralelamente ao eixo dos x até chegar em x+ y,y), com exceção dos
pontos do próprio eixo dos x, que permanecem em sua posição, pois para eles
y=0. Com isso está explicado porque o retângulo e o paralelogramo da figura
têm mesma base AO.
57
ROTAÇÃO
x +y )
5. AUTOVALORES E AUTOVETORES
T(v)
T(v) = .v
v
Definição:
Observe que pode ser o número 0, embora v não possa ser o vetor nulo.
58
Exemplos:
autovetor de T.
autovetor de T.
________________________________________________________
59
5.1 Autovalores e Autovetores de uma matriz
Lembre-se que toda transf. Linear T: n n está associada a uma matriz A(n
x n) em relação à base canônica, isto é, T(v) = A .v.
Exemplo:
3 4
Dado A= , vamos procurar vetores v=(x,y) não nulo e escalares tais
1 2
que
A.v =( I)v
Matriz nula
60
Explicitamente temos:
3 4 0 x 0 3 4 x 0
1 2 0 y 0 ou 1
2 y 0
3 4
det
1 2 0
3 1 4 x 0
1 2 em
2 1 y 0
(i) Substituindo temos:
1
1 4 x 0 x 4 y 0
1 4 y 0 x=4y
x 4 y 0
61
O autovetor associado a 1 é v1=(4y,y), y 0, ou
v1=(x,x/4), x 0
3 2 4 x 0
(ii) Substituindo 2 1 em
2 2 y 0
temos:
1
4 4 x 0 4 x 4 y 0
1 1 y 0 x=y
xy 0
Teorema
inteiros.
Todas as soluções inteiras (se houver) desta equação são divisores do termo cn.
p() ( 2).(2 3)
3
62
Considerando raízes no campo complexo, temos i 3 .
6. Semelhança e Diagonalização
1 2 1 0
Exemplo: As matrizes A e B são semelhantes.
0 1 2 1
1 1 3 1
Tome P . Então, AP=PB= .
1 1 1 1
Teorema
a) det A = det B.
b) A é invertível B é invertível.
63
Definição: O posto de uma matriz é o número de linhas não nulas de qualquer
uma de suas formas escalonadas por linhas.
6.2 Diagonalização
P-1AP=D.
1 3 1 3 4 0
Exemplo: A matriz A é diagonalizável, pois, se P e D
2 2 1 2 0 1
4 3
, então AP=PD= .
4 2
Teorema
Em outras palavras:
Existem P invertível e uma matriz diagonal D tal que P-1AP=D se, e somente se,
as colunas de P forem n autovetores de A, LI, e os elementos da diagonal de D
forem os autovalores correspondentes aos autovetores.
0 1 0 1 0 1
a) A 0 0 1 b) A 3 0 3
2 5 4 1 0 1
64
Soluções:
a) det(A- I)=0 4 5 2 0 1 2 0
3 2 2
Os autovalores são 1 2 1 e 3 2 .
Como não é possível existir 3 autovetores LI, pelo teorema anterior, A não é
diagonalizável.
b) det(A- I)=0 2 2 0
0 1 1 0 0 0
P v1 v 2 v3 1 0 3 é invertível. Além disso, P AP=D= 0 0 0 , ou que,
-1
0 1 1 0 0 2
AP=PD.
3 0 0
Obs: Se P v3 v1 v2 então P-1AP=D= 0 1 0
0 0 2
65
Obs: 1 0 tem multiplicidade algébrica igual a 2 e 3 2 tem
Teorema
Teorema da Diagonalização
i) A é diagonalizável.
Exemplos
0 1 0
geométrica igual a 1, logo A 0 0 1 não é diagonalizável, de acordo com
2 5 4
66
1 0 1
b) A matriz A 3 0 3 tem dois autovalores distintos 1 2 0 e 3 2 .
1 0 1
Exercícios resolvidos:
5 2 3 4
a) A b) A
2 5 1 1
3 1 0 1 0 1 1 0 0
c) A 0 3 1 d) A 0 1 1 e) A 2 2 1
0 0 3 1 1 0 3 0 1
2 0 0 2 2 0 0 4
1 2 1 0 1 0 0
f) A 1 0 1
3 2 2 0
g) A h) A
0 0 3 0 0 0 2 0
1 1 0
0 0 0 1 0 0 0 2
Gabarito:
1 1 3 0
a) P , D
1 1 0 7
67
c) Para 3 temos apenas o autovetor (1,0,0). Como não é possível
determinar P com 1 vetor então A não é diagonalizável.
1 1 1 2 0 0
d) P 1 1 1 , D 0 1 0
1 2 0 0 0 1
f) O polinômio característico de A é 1 0 .
2
1 0 0 1 2 0 0 0
0 1 0 0 0 2 0 0
h) P , D
0 0 1 0 0 0 2 0
0 0 0 1 0 0 0 2
68
Exercícios:
de n .
2 2 v2 = (- 2 y, y), y 0
2 1 2 v2 = (x, - 2 x), x 0
1 2
(a) A = R: 1 1 v1 = (x, 0), x 0
0 1
2 1 v2 = (-y, y), y 0
1 1
(b) A = R: 1 0 v1 = (x, -x), x 0
1 1
2 2 v2 = (x, x), x 0
69
4) Encontre as equações características e os autovalores.
1 4
(a) A = R: 1 1 2 2 i
2 1
2 4 3 31 i
(b) A = R:
2 1 2
1 2 3 23 i
(c) A = R:
3 2 2
3 4 5 73 i
(d) A = R:
4 2 2
3 0
(a) A = R: 1 3 v1 = (x, 2x), x 0
8 1
2 1 v2 = (0, y), y 0
10 9
(b) A = R: = 4 v = (3x, 2x), x 0
4 2
0 3
(c) A = R: 1 2 3 v1 = (3x, 2 3 x), x 0
4 0
1 2 3 v1 = (-3x, 2 3 x), x 0
1 0
(d) A = R: = 1, autovetor qualquer v = (x,y) tal que x, y 0
0 1
70
2 1 0 3 0 4
a) A = 0 1 1 b) A = 0 3 5
0 2 4 0 0 1
5
2 3, v2 = (x, x, -2x), x 0 2 -1, v2 = (z, - z, z), z 0
4
3 3 4 1 2 3
c) A = 0 3 5 d) A = 0 1 2
0 0 1 0 0 1
z 5
2 -1, v2 = ( , - z, z), z0
16 4
1 0 2 1 1 0
e) A = 1 0 1 f) A = 1 1 2
1 1 2 2 1 1
x
R: 1 1, v1 = (x, -x, 0), x 0 R: 1 -1, v1 = (x, -2x, ), x 0
2
x 0
1 1 2
g) A = 1 2 1
2 1 1
3 4 v3 = (x, x, x), x 0
T: n m tal que:
71
a) n=2, m=3, T(1,2) = (1,3,-3), T(2,1) = (2,3,0)
c) n=3, m=2, T(1,0,0) = (1, 2), T(1,1,1) = (2, 1), T(2,3,0) = (5,4)
7. POLINÔMIO MINIMAL
Se então
72
Definição: Seja A uma matriz quadrada. O polinômio minimal de A é um
polinômio tal que
Estes dois últimos teoremas juntos nos dizem como achar o polinômio minimal
de um operador linear . O polinômio minimal deve ser de grau menor ou
no máximo igual ao do polinômio característico e ainda deve ter as mesmas
raízes.
Exemplo:
73
Como o polinômio minimal é o de menor grau que anula , verificamos
primeiramente se . Em caso afirmativo, será o polinômio
minimal. Se , testamos e assim sucessivamente. Na pior das
hipóteses o polinômio minimal será o próprio polinômio característico.
matriz é diagonalizável.
Teorema 1:
O polinômio mínimo m(t) de A divide todo polinômio que tem A como zero. Em
particular, m(t) divide o polinômio característico (t ) de A.
Teorema 2:
74
Este teorema, não nos diz que m(t ) (t ) , e sim que qualquer fator irredutível
Teorema 3:
Exemplo 1:
2 2 5
Ache o polinômio mínimo m(t) de A 3 7 15 .
1 2 4
Teorema 4:
75
0 1 0 0 0
0 0 1 0 0
N
0 0 0 0 1
0 0 0 0 0
Observemos que a matriz N acima é ela própria nilpotente, e que seu índice de
nilpotência é igual à sua ordem. Note-se que a matriz N de ordem 1 não é mais
do que a matriz zero 1x1(0).
76
Teorema 5:
i 1 0 0 0
0 1 0 0
i
J ij
0 0 0 i 1
0 0 0 0 i
T.
i 1 0 0 0 i 0 0 0 0 0 1 0 0 0
0 1 0 0 0 0 0 0 0 0 1 0 0
i i
0 0 0 i 1 0 0 0 i 0 0 0 0 0 1
0 0 0 0 i 0 0 0 0 i 0 0 0 0 0
77
Isto é J ij i I N , onde N é o bloco nilpotente que aparece no Teorema 4
Exemplo 2:
2 1 2 1
0 2 0 2
2 1 2
0 2 ou 2
3 1 3 1
0 3 0 3
3 3
Exemplo 3:
Exemplo 4:
78
Exercícios:
2 1 1
1) Determine o polinômio mínimo m(t) da matriz A 6 3 4 .
3 2 3
0
2) Determine o polinômio mínimo m(t) da matriz (onde 0 ): B 0 .
0 0
4 1 0 0 0
0 4 1 0 0
3) Ache o polinômio mínimo m(t) da matriz M 0 0 4 0 0 .
0 0 0 4 1
0 4
0 0 0
(a) f (t ) t 3 8t 2 5t 7 (b) f (t ) t 4 3t 3 4t 2 5t 6
79
Respostas:
1) m(t ) t 2t 1 t 2 3t 2
3) m(t ) t 43
0 0 0 6
0 0 7 1 0 5
(a) A 1 0 5
0
4) (b) A
0 1 0 4
0 1 8
0 0 1 3
2 1 2 1
2 2
5) (a)
2 1 2
2 2
3 1 3 1
3 3
7 1 7 1
7 7
(b)
7 1 7
7 7
7 7
2 1 2 1 2 1 2 1
2 1 2 1 2 1 2 1
(c)
2
2
2 2
2 1 2 1 2 1 2
2 1 2 2 2
2 2 1 2 2
2 2 2 2
3 1 3 1 3 1 3 1
3 3 3 3
(d)
3 1
3 1
3
3
3 3 3 3
5 1 5 1 5 1 5 1
5 5 5 5
5 1 5 5 1 5
5 5 5 5
80