Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Notas de Aula
LGEBRA L INEAR I
Nova Iguau
2016
Prefcio
Este texto, denominado Notas de Aula: lgebra Linear I, um guia das aulas ministra-
das por mim na disciplina IM 429 - lgebra Linear I, do curso de Matemtica, da Universi-
dade Federal Rural do Rio de Janeiro, Campus Nova Iguau. Ele reproduz fielmente todos
os slides apresentados em sala de aula, e por este motivo tomei a liberdade de escrev-lo
coloquialmente, alm de tornar seu texto simples e direto (claramente, nas aulas, as infor-
maes so complementadas com comentrios).
Isto tambm justifica o fato do texto no se encontrar nas normas da ABNT (nada impede
que em um futuro prximo isto seja feito). Mas adianto que diversas figuras foram retiradas
das fontes citadas na Bibliografia, na internet ou feitas pelo autor, utilizando o software
Geogebra, ou similares.
Portanto deixo um aviso ao leitor: o texto no tem a pretenso de ser uma referncia
bibliogrfica. Em nenhum momento deve-se substituir as referncias bibliogrficas do curso.
Seu objetivo principal fazer com que o aluno tenha suporte nas aulas com slides, as quais
reconheo serem mais difceis, talvez pelo seu dinamismo.
Outro aviso: o texto, por no passar por revises, pode conter erros que no foram per-
cebidos. Eu seria imensamente grato se o leitor puder apresent-los, ou trouxer sugestes,
visando a melhoria do texto para futuros leitores.
Bom estudo.
Marcelo Farias
1
APRESENTAO DO CURSO
2. Escalonamento de Matrizes;
4. Independncia Linear;
2
Prof. Marcelo Farias lgebra Linear I Ementa
0.2 BIBLIOGRAFIA
Anton, H., Rorres, C., lgebra Linear com Aplicaes. Rio de Janeiro: Bookman, 2012.
Callioli, C., lgebra Linear e Aplicaes. Rio de Janeiro: Editora Atual, 2013.
Lay, D., lgebra Linear e suas aplicaes. Rio de Janeiro: LTC, 1999.
3
Captulo 1
Aula 01 - Matrizes
Definio 1.1 (Matriz) Uma matriz m n (l-se: m por n) uma tabela com m n elementos
dispostos em m linhas e n colunas.
Exemplo 1 0 1
" #
2 1 5 2 0
A= uma matriz 2 3. B= uma matriz 4 2.
1 10 1 5 9
1 1
4
Prof. Marcelo Farias lgebra Linear I Aula 01
a11 a1j a1n
a21
a2j a2n
.. . ..
..
. .
A=
a
i1 aij ain
. .. .. ..
..
. . .
am1 amj amn
aij = 2i j.
a31 a32 5 4
Definio 1.2 Se uma matriz A tem o mesmo nmero de linhas e colunas ela dita qua-
drada. Se n o nmero de linhas e colunas, dizemos que a ordem de A n.
5
Prof. Marcelo Farias lgebra Linear I Aula 01
1 x y 2
Exemplo 3 (a) 3 2 = b 2 y = 1, b = 3, x = 2 e a = 1; (b)
a 4 1 4
" # " #
1 4 1 3
6=
3 2 4 2
1.2.1 Adio
Pergunta 1 Como fazemos para saber o nmero de unidades vendidas de cada item no
primeiro trimestre, nos anos 2014-15?
25 13 0 23 13 2 25 + 23 13 + 13 0+2
16 10 12 17 8 13 16 + 17 10 + 8 12 + 13
15 9 14 9 19 10 = 15 + 9 9 + 19 14 + 10
+ =
11 10 17 3 15 20 11 + 3 10 + 15 17 + 20
48 26 2
33 18 25
24 28 24
14 25 37
6
Prof. Marcelo Farias lgebra Linear I Aula 01
Ento a tabela que representa o nmero de unidades vendidas na loja fica assim:
Observao 1.4 (I) A adio de matrizes s faz sentido se ambas possuem a mesma ordem,
isto , possuem os mesmos nmeros de linhas e colunas. (II) Se A = (aij ) e B = (bij ) tm
ordem m n, ento A + B tem a mesma ordem.
" # " #
8 2 2 4 6 2
Exemplo 4 Sejam A = eB = . Determine A + B.
0 3 4 3 2 5
7
Prof. Marcelo Farias lgebra Linear I Aula 01
A + (B + C) = (A + B) + C.
A + B = B + A.
8
Prof. Marcelo Farias lgebra Linear I Aula 01
Propriedade 3 (Elemento Neutro) Existe uma matriz O Mmn (R), chamada nula, tal que
aij + (aij ) = 0
9
Prof. Marcelo Farias lgebra Linear I Aula 01
Pergunta 2 Suponha que as vendas tenham dobrado, no mesmo trimestre do ano seguinte.
Qual seria a representao em tabela?
bij = aij .
10
Prof. Marcelo Farias lgebra Linear I Aula 01
( A) = ()A.
D EMONSTRAO : Exerccio.
( + )A = A + A.
D EMONSTRAO : Exerccio.
(A + B) = A + B.
D EMONSTRAO : Exerccio.
D EMONSTRAO : Exerccio.
A B C
Alimento I 4 3 0
Alimento II 5 0 1
Alimento III 2 1 3
11
Prof. Marcelo Farias lgebra Linear I Aula 01
Uma forma rpida de responder este problema utilizar uma notao matricial.
h i
Vamos chamar de matriz consumo a matriz de 1 linha e 3 colunas: 3 2 5 .
As quantidades ingeridas de cada vitamina podem ser vistas na matriz:
h i 4 3 0 h i
3 2 5 5 0 1 = 34+25+52 33+20+51 30+21+53
2 1 3
h i
= 32 14 17 .
Pode parecer que esta nova multiplicao no tenha poupado muito trabalho. Mas ima-
gine este mesmo problema com um nmero muito maior de alimentos e vitaminas. Ao
processo descrito acima damos o nome de multiplicao de matrizes.
a11 a12 a1n b11 b12 b1p
a21 a22 a2n b21 b22 b2p
Sejam A = .
.. .. ..
uma matriz mn e B = .
.. . . ..
. . . . . . . . . .
am1 am2 amn mn bn1 bn2 bnp np
uma matriz de ordem n p.
12
Prof. Marcelo Farias lgebra Linear I Aula 01
onde
c11 = produto linha 1 de A por coluna 1 de B = a11 b11 + a12 b21 + + a1n bn1 .
c12 = produto linha 1 de A por coluna 2 de B = a11 b12 + a12 b22 + + a1n bn2 .
.. .. .. ..
. . . .
cmp = produto linha m de A por coluna p de B = am1 b1p + am2 b2p + + amn bnp .
a11 a12 a1n b11 b12 b1p
a21 a22 a2n b21 b22 b2p
.. .. .. .. .. .. . . ..
. . . .
. . . .
am1 am2 amn bn1 bn2 bnp
a11 a12 a1n b11 b12 b1p
a21 a22 a2n b21 b22 b2p
.. .. .. .. .. .. .. ..
. . . . . . . .
am1 am2 amn bn1 bn2 bnp
" # " #
2 3 4 2 1
Exemplo 9 (a) Sejam A = eB = .
1 4 5 2 0
Note que o nmero de colunas de A igual ao nmero de linhas de B. Ento podemos
calcular A B. " #
c11 c12 c13
AB = ,
c21 c22 c23
13
Prof. Marcelo Farias lgebra Linear I Aula 01
onde
cij = produto da linha i de A por coluna j de B, com i = 1, . . . , 2 e j = 1, . . . , 3.
Vamos calcular o elemento c11 :
" # " #
2 3 4 2 1
1 4 5 2 0
14
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 01
De fato, ! ! !
1 2 5 6 19 22
= ;e
3 4 7 8 43 50
! ! !
5 6 1 2 23 34
= .
7 8 3 4 31 46
A (B C) = (A B) C.
D EMONSTRAO : Exerccio.
A (B + C) = (A B + A C) e (A + B) C = (A C + B C).
Propriedade 11 (Elemento Neutro) Seja A Mn (R) (matriz quadrada de ordem n). Ento
existe uma matriz, denotada por I e chamada matriz identidade, tal que
A I = I A = A.
(
1 se i = j
Esta matriz I = (bij ) tem termo geral I =
0 se i 6= j
1 0 0 " #
1 0
Exemplo 10 I3 = 0 1 0 , I2 = .
0 1
0 0 1
1
(a) Calcule 3A B + C
2
(b) Determine a matriz X M23 tal que 2X A = 2B 3CX
" # " # (
2 0 1 5 X +Y = 3A
2. Considere as matrizes A = eB = . Resolva o sistema
0 4 3 0 X Y = 2B
15
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 01
" # " # 1
1 4 2 0 1 2
3. Considere as matrizes A = ,B = ,C = 1 e D =
2 0 1 0 1 1
3
h i
1 1 .
Determine todos os produtos possveis entre estas matrizes.
6. Dada uma matriz A, dizemos que uma matriz X comuta com A se AX = XA. Deter-
mine todas as matrizes que comutam com
" #
1 0
A= .
0 3
(a) (A + B)t = At + B t .
(b) (k A)t = k At .
(c) Se A uma matriz m n e B uma matriz n p, prove que (A B)t = B t At .
(d) Mostre que (At )t = A, para toda matriz A de ordem m n.
(a) se A tem uma linha nula, ento A B tem uma linha nula;
(b) se B tem uma coluna nula, ento A B tem uma coluna nula; e
16
Captulo 2
Definio 2.1 Uma equao linear nas variveis x1 , x2 , , xn uma equao que pode ser
escrita na forma
a1 x1 + a2 x2 + + an xn = b,
onde a1 , a2 , , an , b R.
(1 , 2 , , n )
a1 1 + a2 2 + + an n = b.
(1) + 4 1 = 3.
2 + 4 (3) = 10 6= 3.
17
Prof. Marcelo Farias lgebra Linear I Aula 02
5 1 2 1 + 0 = 3.
5 2 2 (1) + (1) = 11 6= 3.
Definio 2.3 Um sistema de equaes lineares (ou sistema linear) S uma conjunto de m
equaes lineares nas variveis x1 , x2 , , xn :
a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2n xn = b2
S: .. .. ..
. . .
am1 x1 + am2 x2 + + amn xn = bm
onde aij , bi R, i = 1, , m, j = 1, , n.
(
2x 3y = 1
Exemplo 13 (a) um sistema linear com duas equaes e duas variveis.
x + 4y = 0
(
xy+z = 10
(b) um sistema linear com duas equaes e trs variveis.
2x + y 2z = 5
(
xy = 0
(c) um sistema linear com duas equaes e trs variveis.
2x + y 2z = 2
Definio 2.4 Dado um sistema linear S com m equaes e n variveis, uma nupla de
nmeros reais
(1 , 2 , , n )
uma soluo de S se for soluo das m equaes, simultaneamente.
(
2x y + z = 1
Exemplo 14 (a) S : um sistema linear com duas equaes e trs va-
x + 2y = 6
riveis. (0, 3, 4) uma soluo de S.
Esta soluo no nica, por exemplo, (4, 1, 6) outra soluo. (2, 2, 3) no soluo
de S, embora satisfaa a segunda equao. Assim como (1, 1, 0), que s satisfaz a primeira
equao de S.
onde b R, b 6= 0, no possui soluo. Logo um sistema de equaes lineares que contm tal
equao no possui soluo alguma.
18
Prof. Marcelo Farias lgebra Linear I Aula 02
Um sistema homogneo sempre tem (pelo menos uma) soluo: a nupla (0, 0, , 0).
fcil resolver um sistema linear com duas variveis. Por exemplo, considere
(
x 2y = 1
S1 :
x + 3y = 3
Para que (x, y) seja soluo do sistema, (x, y) deve ser soluo da primeira equao.
Logo x = 2y 1. Substituindo na segunda equao, temos que
(2y 1) + 3y = 3 y+1=3 y = 2.
ax + by = c, onde a, b, c R,
r : x 2y = 1 e s : x + 3y = 3,
Para que (x, y) seja soluo do sistema, (x, y) deve ser soluo da primeira equao. Logo
x = 2y 1.
19
Prof. Marcelo Farias lgebra Linear I Aula 02
(2y 1) + 2y = 3 1 = 3.
Como no existe valor de y tal que a ltima equao seja verdadeira, S2 no possui solu-
o. E, finalmente, considere
x = 2y 1.
2(2y 1) 4y = 2 2 = 2.
Como para todo valor de y R a ltima equao verdadeira, S2 possui infinitas solu-
es.
Toda 2upla da forma (2y 1, y), com y R soluo de S3 .
20
Prof. Marcelo Farias lgebra Linear I Aula 02
Para que (x, y, z) seja soluo do sistema, (x, y, z) deve ser soluo da primeira equao.
Logo
x = 2y z.
Substituindo nas outras duas equaes, temos que (x, y, z) soluo de S4 se, e somente se,
(y, z) soluo de
( (
2y 8z = 8 2y 8z = 8
4(2y z) + 5y + 9z = 9 3y + 13z = 9
Ento y = 4z + 4 = 4 3 + 4 = 16 e x = 2y z = 2 16 3 = 29.
A nica soluo de S4 (29, 16, 3). O que vimos nestes casos acima so as possibilidades
de qualquer sistema linear S com trs variveis:
21
Prof. Marcelo Farias lgebra Linear I Aula 02
(i) trs planos paralelos; (ii) dois planos paralelos e um plano concorrente; (iii) trs
planos concorrentes, sem interseo comum; e (iv) dois planos coincidentes e um paralelo.
(i) trs planos paralelos se intersectam em uma reta; (ii) trs planos coincidem;
Se um sistema linear S tem quatro variveis, fazendo uma substituio de variveis, po-
demos reduz-lo a um sistema linear com trs variveis, que por sua vez pode ser reduzido
a um sistema de duas variveis. E que pode ter: uma nica soluo, ou infinitas solues,
ou nenhuma soluo.
E assim sucessivamente um sistema linear com qualquer nmero de variveis pode ser
classificado em relao existncia de solues.
22
Prof. Marcelo Farias lgebra Linear I Aula 02
23
Prof. Marcelo Farias lgebra Linear I Aula 02
Para isso vejamos que existem alteraes que podem ser realizadas com as equaes de um
sistema linear, sem que sejam alteradas as solues:
(I) Mudana na ordenao das equaes de um sistema:
Claramente os sistemas abaixo possuem as mesmas solues.
x 2y + z = 0
2y 8z = 8
0
S: 2y 8z = 8 e S : x 2y + z = 0
4x + 5y + 9z = 9 4x + 5y + 9z = 9
Os sistemas
a11 x1 + a12 x2 + + a1n xn = b1
a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2n xn a21 x1 + a22 x2 + + a2n xn
= b2
= b2
.. .. .. .. .. ..
. . . . . .
ai1 x1 + ai2 x2 + + ain xn
= bi aj1 x1 + aj2 x2 + + ajn xn
= bj
S: .. .. .. e S0 : .. .. ..
. . .
. . .
a x + aj2 x2 + + ajn xn = bj ai1 x1 + ai2 x2 + + ain xn = bi
j1 1
.. .. ..
.. .. ..
. . . . . .
am1 x1 + am2 x2 + + amn xn = bm am1 x1 + am2 x2 + + amn xn = bm
so equivalentes.
(II) Multiplicao de uma equao por um nmero real no nulo:
Claramente os sistemas abaixo possuem as mesmas solues.
x 2y + z = 0 3x 6y + 3z = 0
S: 2y 8z = 8 e S0 : 2y 8z = 8
4x + 5y + 9z = 9 4x + 5y + 9z = 9
Seja R. Os sistemas
a11 x1 + a12 x2 + + a1n xn = b1
a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2n xn = b2 a21 x1 + a22 x2 + + a2n xn = b2
.. .. ..
.. .. ..
. . . 0
. . .
S: e S :
ai1 x1 + ai2 x2 + + ain xn = bi
a0i1 x1 + a0i2 x2 + + a0in xn = b0i
.. .. .. .. .. ..
. . .
. . .
a x + a x + + a x
= bm a x + a x + + a x
= bm
m1 1 m2 2 mn n m1 1 m2 2 mn n
24
Prof. Marcelo Farias lgebra Linear I Aula 02
Seja R . Os sistemas
a11 x1 + a12 x2 + + a1n xn = b1
a11 x1 + a12 x2 + + a1n xn = b1
a21 x1 + a22 x2 + + a2n xn a21 x1 + a22 x2 + + a2n xn
= b2
= b2
.. .. .. .. .. ..
. . . . . .
ai1 x1 + ai2 x2 + + ain xn
= bi a0 x 1 + a0 x 2 + + a0 x n
= b0i
i1 i2 in
S: .. .. .. e S0 : . .. ..
. . .
.
. . .
aj1 x1 + aj2 x2 + + ajn xn = bj aj1 x1 + aj2 x2 + + ajn xn = bj
.. .. ..
.. .. ..
. . . . . .
am1 x1 + am2 x2 + + amn xn = bm am1 x1 + am2 x2 + + amn xn = bm
so equivalentes, onde a0ik = aik + ajk e b0i = bi + bj (k = 1, , n). Essas trs alteraes
so chamadas de Operaes Elementares sobre as equaes de um sistema linear.
a11 x1 + a12 x2 + + a1n xn
a11 x1 + a12 x2 + + a1n xn = b1
b1
a21 x1 + a22 x2 + + a2n xn b2 a21 x1 + a22 x2 + + a2n xn = b2
=
.. .. .. .. ..
. . . . .
am1 x1 + am2 x2 + + amn xn bm am1 x1 + am2 x2 + + amn xn = bm
25
Prof. Marcelo Farias lgebra Linear I Aula 02
Definio 2.9 A matriz completa do sistema a matriz A aumentada da coluna dos termos
independentes:
a11 a12 a1n b1
a21 a22 a2n b2
A|B = .
.. .. .. .. .
. . . . . .
am1 am22 amn bm
x 2y + z = 0
Exemplo 16 Considere o sistema S : 2y 8z = 8
4x + 5y + 9z = 9
A matriz completa de S :
1 2 1 0
0 2 8 8 .
4 5 9 9
Notemos que as operaes elementares de um sistema linear produzem efeito similar na
matriz completa do sistema:
De fato, considere o sistema S abaixo e sua matriz completa.
x 2y + z = 0 1 2 1 0
S: 2y 8z = 8 0 2 8 8
4x + 5y + 9z = 9 4 5 9 9
26
Prof. Marcelo Farias lgebra Linear I Aula 02
1 2 0 0 0 1 1 2 1
(c) 0 1 2 0 0 (d) 0 1 7 1
0 0 1 2 0 0 0 0 3
Trabalharemos ento com a matriz completa do sistema utilizando as operaes elemen-
tares nas linhas da matriz.
2. A matriz completa de um sistema linear foi alterada, por meio de uma operao ele-
mentar. Determine-a.
1 3 1 1 3 1
(a) 0 2 4 0 1 2
0 0 1 0 0 1
1 1 0 0 5 0 0 1 2 2
0 1 2 0 7 2 0 7
0 1
(b)
0 0
1 2 2
1 0 0 5
1
0 0 0 1 4 0 0 1 4
0
1 2 0 1 3 1 2 0 1 3
(c) 0 1 2 0 0 2 5 2 2 6
0 0 1 2 0 0 0 1 2 0
Vamos realizar o procedimento de simplificao do sistema linear, utilizando somente as
operaes elementares:
x 2y +z = 0 1 2 1 0
S: 2y 8z = 8 0 2 8 8
4x +5y +9z = 9 4 5 9 9
x 2y +z
= 0 1 2 1 0
S1 : 2y 8z = 8 0 2 8 8
3y +13z = 9 0 3 13 9
1
Fazendo E2 E2 obtemos:
2
x 2y +z = 0
1 2 1 0
S2 : y 4z = 4 0 1 4 4
3y +13z = 9 0 3 13 9
27
Prof. Marcelo Farias lgebra Linear I Aula 02
x 2y +z = 0
1 2 1 0
S2 : y 4z = 4 0 1 4 4
3y +13z = 9 0 3 13 9
Fazendo E1 E1 + 2 E2 obtemos:
x
7z = 8 1 0 7 8
S3 : y 4z = 4 0 1 4 4
3y +13z = 9 0 3 13 9
x
7z = 8 1 0 7 8
S3 : y 4z = 4 0 1 4 4
3y +13z = 9 0 3 13 9
Fazendo E3 E3 + 3 E2 obtemos:
x
7z = 8 1 0 7 8
S4 : y 4z = 4 0 1 4 4
z = 3 0 0 1 3
x
7z = 8 1 0 7 8
S4 : y 4z = 4 0 1 4 4
z = 3 0 0 1 3
Fazendo E1 E1 + 7 E3 obtemos:
x
= 8 1 0 0 29
S5 : y 4z = 4 0 1 4 4
z = 3 0 0 1 3
x
= 29 1 0 0 29
S5 : y 4z = 4 0 1 4 4
z = 3 0 0 1 3
Fazendo E2 E2 + 4 E3 obtemos:
x
= 29 1 0 0 29
S6 : y = 16 0 1 0 16
z = 3 0 0 1 3
28
Prof. Marcelo Farias lgebra Linear I Aula 02
5 8 7 1
1
0 1 4 8 L1 L2 2 3 2 1 L1 2
L1
2 3 2 1 0 1 4 8
5 8 7 1 5 8 7 1
1 32 1 1
2
1 23 1 1
2
L1 L1 + 32 L2
0 1 4 8 0 1 4 8
1 3
5 8 7 1 L3 L3 5L1 0 2
2 2
L3 L3 + 12 L2
25
1 0 5 2
0 1 4 8
5
0 0 0 2
A matriz obtida
25
1 0 5 2
0 1 4 8
5
0 0 0 2
29
Captulo 3
Definio 3.1 (Matriz Reduzida Forma Escada) Uma matriz dita reduzida forma es-
cada se ela satisfaz as seguintes propriedades:
2. Cada elemento lder de uma linha o nico elemento no nulo de sua coluna;
3. Cada elemento lder de uma linha est numa coluna direita do elemento lder da
linha anterior;
Propriedade checklist
O primeiro elemento no nulo de cada linha 1. 3
1 5 7 Cada elemento lder de uma linha o nico elemento no
5
A=
0 1 3
nulo de sua coluna.
30
Prof. Marcelo Farias lgebra Linear IAula 03 - Escalonamento de Matrizes
Propriedade checklist
1 1 0 0 O primeiro elemento no nulo de cada linha 1. 5
Cada elemento lder de uma linha o nico elemento no
0 2 2 0 5
B=
0
nulo de sua coluna.
0 1 2 Cada elemento lder de uma linha est numa coluna direita
3
0 0 0 1 do elemento lder da linha anterior.
Propriedade checklist
O primeiro elemento no nulo de cada linha 1. 3
1 2 0 0 5 Cada elemento lder de uma linha o nico elemento no
3
C=
0 0 0 1 0
nulo de sua coluna.
Propriedade checklist
1 0 0 2 5 O primeiro elemento no nulo de cada linha 1. 3
Cada elemento lder de uma linha o nico elemento no
0 1 0 1 0 3
D=
0 0 1 0 3
nulo de sua coluna.
1 0 0 2 5
0 1 0 1 0
D=
0 0 1 0 3
0 0 0 0 0
Uma escada imaginria em que o elemento lder de cada linha deve escalar: a matriz est
escalonada!
31
Prof. Marcelo Farias lgebra Linear IAula 03 - Escalonamento de Matrizes
Propriedade checklist
O primeiro elemento no nulo de cada linha 1. 3
1 0 1 2 5 Cada elemento lder de uma linha o nico elemento no
5
E=
0 1 2 0 0
nulo de sua coluna.
1 0 1 2 5
0 1 2 0 0
E=
0 0 0 1 3
0 0 0 0 0
CUIDADO:
Existe uma escada na qual o elemento lder est subindo mas a matriz no est reduzida
forma escada!
Teorema 3.2 (do Escalonamento) Toda matriz A Mmn (R) linha-equivalente a uma
nica matriz reduzida forma escada.
Ou seja, uma matriz pode ser transformada em uma reduzida forma escada, utili-
zando somente as trs operaes elementares. Veremos agora o procedimento para reduzir
uma matriz sua forma escada:
Definio 3.3 Numa matriz A, uma posio de piv uma posio correspondente a um
elemento lder na forma escalonada. Uma coluna piv uma coluna que contm uma posi-
o de piv.
Exemplo 17
4 0 1 0 5
1 1 2 0 0
0 0 2 0 3
Passo 1 Inicie com a primeira coluna no nula, da esquerda para a direita. Esta uma coluna piv.
A posio piv a primeira de cima.
32
Prof. Marcelo Farias lgebra Linear IAula 03 - Escalonamento de Matrizes
Passo 2 Escolha qualquer elemento no nulo da coluna piv para servir de elemento piv.
Se tal elemento no for 1, divida a linha por um nmero adequado; e se necessrio troque de linhas
para que atinja a posio piv.
Passo 3 Use as operaes necessrias para zerar todas as entradas abaixo (e acima) do piv.
Passo 4 Escolha nova coluna piv e refaa os passos (1)-(2)-(3), at obter a matriz reduzida forma
escada.
Propriedade checklis
O primeiro elemento no nulo de cada linha 1. 5
0 1 4 8 Cada elemento lder de uma linha o nico elemento no
5
2 3
Exemplo 18 Considere a matriz 2 1 nulo de sua coluna.
5 8 7 1 5 8 7 1
1 32 1 1
2
1 23 1 1
2
L1 L1 + 32 L2
0 1 4 8 0 1 4 8
1 3
5 8 7 1 L3 L3 5L1 0 2
2 2
L3 L3 + 12 L2
1 0 5 25
2
1 0 5 25
2
L1 L1 25
2
L3
0 1 4 8 0 1 4 8 L2 L2 8 L3
0 0 0 52 L3 25 L3 0 0 0 1
E assim chegamos matriz reduzida forma escada:
Propriedade checklist
O primeiro elemento no nulo de cada linha 1. 3
1 0 5 0
Cada elemento lder de uma linha o nico elemento no
3
0 1 4 0 nulo de sua coluna.
Cada elemento lder de uma linha est numa coluna direita
0 0 0 1 do elemento lder da linha anterior.
3
33
Prof. Marcelo Farias lgebra Linear IAula 03 - Escalonamento de Matrizes
Passo 4 Classifique o sistema de acordo com a existncia de solues; e determine as relaes entre
elas.
4 5 9 9
Vamos escalonar:
1 2 1 0 1 2 1 0
1
0 2 8 8 0 2 8 8 L2 L
2 2
4 5 9 9 L3 L3 + 4L1 0 3 13 9
1 2 1 0 L1 L1 + 2L2 1 0 7 8 L1 L1 + 7L3
0 1 4 4 0 1 4 4 L2 L2 + 4L3
0 3 13 9 L3 L3 + 3L2 0 0 1 3
1 0 7 8 L1 L1 + 7L3 1 0 0 29
0 1 4 4 L2 L2 + 4L3 0 1 0 16
0 0 1 3 0 0 1 3
Obtemos o sistema:
x
= 29
0
S : y = 16
z = 3
34
Prof. Marcelo Farias lgebra Linear IAula 03 - Escalonamento de Matrizes
1 7 0 3
Vamos escalonar:
1 2 1 1 1 2 1 1
2 1 3 0 L2 L2 2L1 0 5 1 2
1 7 0 3 L3 L3 L1 0 5 1 2 L3 L3 + L2
1 2 1 1 1 2 1 1 L1 L1 + 2L2
1 1 2
0 5 1 2 L2 L2 0 1
5 5
5
0 0 0 0 0 0 0 0
7 1
1 2 1 1 L L1 + 2L2 1 0
1 2 1 5 5
1 2
0 1
5 5
0 1
5 5
0 0 0 0 0 0 0 0
Obtemos o sistema:
7 1 1 7
x z =
x = + z
5 5
5 5
S0 :
1 2
2 1
y z = y = + z
5 5 5 5
Para cada z R, a tripla
1 7 2 1
+ z, + z, z
5 5 5 5
uma soluo do sistema. Logo S possvel indeterminado.
Observao 3.4 (I) Note que para fabricarmos solues podemos atribuir varivel z qual-
quer valor real. Por isso dizemos que a varivel z independente.
(II) Os valores das variveis x e y dependem do valor escolhido para z. Por isso dizemos
que as variveis x e y so dependentes.
35
Prof. Marcelo Farias lgebra Linear IAula 03 - Escalonamento de Matrizes
Note que para cada valor real dados s variveis y e t, produzimos uma soluo do
sistema:
1 5 1 1
y t, y, t, t .
2 2 2 2
Logo o sistema possvel indeterminado, cujo conjunto soluo :
1 5 1 1
y t, y, t, t ,
2 2 2 2
onde y, t R. Este sistema possui duas variveis independentes e duas dependentes.
(d) Resolva o sistema
x +y +z = 1
S: x y z = 2
2x +y +z = 3
A matriz completa de S :
1 1 1 1
1 1 1 2
2 1 1 3
Escalonando, obtemos:
1 1 1 1 1 1 1 1
1 1 1 2 L2 L2 L1 0 2 2 1 L2 L3
2 1 1 3 L3 L3 2L1 0 1 1 1
1 1 1 1 1 1 1 1
0 1 1 1 L2 L2 0 1 1 1
0 2 2 1 0 2 2 1 L3 L3 + 2L2
36
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 03
1 1 1 1 1 1 1 1
0 1 1 1 0 1 1 1
0 2 2 1 L3 L3 + 2L2 0 0 0 1
Note que a ltima linha da matriz gera a seguinte equao linear:
h i
0 0 0 1 0x +0y +0z = 1
que claramente no possui soluo. Logo o sistema impossvel.
RESUMO DA DISCUSSO:
Suponhamos que um sistema tenha sido escalonado e, retiradas as equaes do tipo
0 = 0, restam p equaes com n variveis.
(I) Se alguma equao restante da forma:
0 0 1 0 0 1 0 0 1
1 1 0 0 5 0 0 1 2 2 0 0 1 2 2
0 1 2 0 7 0 1 2
0 7
0 1 2 0 7
(b)
0
0 1 2 2
1 1 0
0 5
1 1 0 0 5
0 0 0 1 4 0 0 0 1 4 0 0 2 3 0
1 2 0 1 3 1 0 4 1 3
(c) 2 5 2 2 6 ? 0 1 2 0 0
0 0 1 2 0 0 0 1 2 0
2. Verifique se as matrizes abaixo esto reduzidas forma escada. Caso contrrio expli-
cite as propriedades que no so satisfeitas pela matriz. Depois indique a sequncia
de operaes elementares que colocam a matriz na forma escada.
37
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 03
1 0 0 0 1 1 2 2 0 4
(a) 0 0 (c) 0 1 0 2 (e) 0 0 1 4
0 1 1 0 0 3 0 1 0 2
0 1 0 0 3 0
2 0 0 2 1 2 0 1 0 0 0 1 2 0
(f)
(b) 0 3 0 6 (d) 0 1 0 2 0 0 0 0 0 1
0 0 1 3 0 0 1 4 0 0 0 0 0 0
escreva a matriz ampliada associada ao sistema, e reduza-a forma escada para clas-
sificar o sistema.
38
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 03
admita soluo.
39
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 03
12. Um concurso com 50 questes tem a seguinte regra: o candidato ganha 5 pontos por
exerccio que acerta; e perde 3 pontos por exerccio que erra. Sabendo que Joozinho
tinha 130 pontos, quantos exerccios acertou?
13. Um motorista abasteceu seu carro Flex num posto com 10 litros de lcool e 30 litros de
gasolina pagando R$90, 00. Na semana seguinte, no mesmo posto, abasteceu com 30
litros de lcool e 20 litros de gasolina pagando R$102, 00. Se no houve alterao nos
preos, calcule o preo do lcool nesse posto?
14. Em uma pastelaria, dois pastis mais trs caldos de cana custam R$5, 40. Cinco pastis
mais dois caldos custam R$9, 10. Qual o preo de quatro pastis e quatro caldos?
15. Um comerciante deseja totalizar a quantia de R$500, 00 utilizando cdulas de um, cinco
e dez reais, num total de 92 cdulas, de modo que as quantidades de cdulas de um
e de dez reais sejam iguais. Neste caso, qual a quantidade de cdulas de cinco reais o
comerciante precisar?
16. Ao descontar um cheque, recebi somente notas de R$10 e R$50 em um total de 14 notas.
Quando fui conferir, descobri que o caixa havia se enganado, pois recebi tantas notas
de R$50 quanto as de R$10 que deveria ter recebido e vice-versa. Percebido o erro,
verifiquei que se gastasse R$240 da importncia recebida, ainda ficaria com o valor do
meu cheque. Qual era o valor do cheque?
17. Um fazendeiro est decidido a plantar trs diferentes gros: feijo, milho e soja, utili-
zando todos os seus 1.200 hectares. O custo do plantio das sementes de cada gro por
hectare dado pelo quadro abaixo
(a) Use as informaes acima para montar um sistema linear com duas equaes e
trs incgnitas e o resolva.
(b) Cada soluo do sistema uma escolha que o fazendeiro pode tomar. D duas
possveis solues.
(c) Suponha que na colheita o preo de revenda da soja seja de R$100 por hectare; do
milho R$300 por hectare; e de trigo R$100 por hectare
40
Captulo 4
Veremos com mais detalhes este modelo, quando tivermos mais teoria e melhor notao.
Neste momento veremos o modelo de de troca mais simples, tambm devido a Leontif.
Suponhamos que a economia de uma nao seja dividida em muitos setores, como co-
municao, minerao, servios, entretenimento, etc.
Suponhamos que saibamos a produo de cada setor durante um ano, e como se d a
diviso da produo entre todos os setores da economia.
Leontif provou o seguinte resultado:
Resultado 1 Existem preos de equilbrio que podem ser atribudos s produes totais dos
diversos setores de modo que a receita de cada setor se equilibre com seus gastos.
41
Prof. Marcelo Farias lgebra Linear I Aula 04
Cada proprietrio deve pagar aos outros e a ele mesmo, um salrio dirio e pelos servios
prestados em sua casa.
Os salrios dirios normais so, aproximadamente, R$100, 00, mas eles concordam em
ajustar estes salrios de tal modo que o total pago por cada um seja igual ao total recebido.
Determine os salrios de cada um.
Sejam p1 o salrio dirio do pedreiro, p2 o salrio dirio do eletricista e p3 o salrio dirio
do hidrulico.
Para satisfazer a condio de equilbrio, isto , de tal modo que o total dos gastos seja
igual ao total recebido para cada um dos proprietrios pelo perodo de dez dias, tem-se:
2p1 +p2 +6p3 = 10p1
8p1 1p2 6p3 = 0
S: 4p1 +5p2 +p3 = 10p2 4p1 +5p2 p3 = 0
4p1 +4p2 +3p3 = 10p3 4p1 4p2 +7p3 = 0
4 4 7 0 4 4 7 0
1
8 1 6 0 8 1 6 0 L1 8
L1
0 0 0 0 L2 L3 4 4 7 0
4 4 7 0 0 0 0 0
1 3
1 3
1 0
1 0 8 4
8 4
9
2
L2 L2 + 4 L1
L2 L2
4 4 7 0 0 4 0
2 9
0 0 0 0 0 0 0 0
1 3 31
1 0 L1 + 8 L2 1 0 36 0
1
8 4 L1
0 1 8 0 0 1 8 0
9 9
0 0 0 0 0 0 0 0
Temos ento o seguinte sistema:
31 31
p1 p3 = 0 p1 = p3
36 36
8 8
p2 p3 = 0
p2 = p3
9 9
42
Prof. Marcelo Farias lgebra Linear I Aula 04
onde s R.
Podemos reescrever as solues da seguinte forma:
onde s R.
Como queremos um salrio em torno de R$100, 00 para cada um, podemos escolher s = 3
e obteremos
p1 31 93
p2 = 3 32 = 96 .
p3 36 108
43
Prof. Marcelo Farias lgebra Linear I Aula 04
Perguntas:
v1 = Av0
v2 = Av1 = A(Av0 ) = A2 v0
v3 = Av2 = AA2 v0 = A3 v0
..
.
vt = Avt1 = At v0 .
p = 0, 136 e q = 0, 998.
44
Prof. Marcelo Farias lgebra Linear I Aula 04
p(x) = ax + b, onde a, b R,
45
Prof. Marcelo Farias lgebra Linear I Aula 04
mas a configurao dos pontos pode ser uma reta, ou uma parbola, etc. , que recairia no
caso de um polinmio de grau no mximo n 1.
Teorema 4.1 Dados n pontos do plano com primeiras coordenadas distintas, existe uma
nica funo polinomial de grau menor ou igual a n 1 cujo grfico passa por estes pontos.
D EMONSTRAO : Sejam (x1 , y1 ), (x2 , y2 ), (x3 , y3 ), , (xn , yn ) n pontos com primeiras co-
ordenadas distintas.
E considere o problema da determinao de um polinmio de grau n 1:
1 x1 x21 x31 xn1
1 y1
1 x2 x22 x32 xn1
2 y2
1 x3 x23 x33 xn1
3 y 3
.. .. .. .. ..
. . . . .
1 xn x2n x3n xn1
n y n
46
Prof. Marcelo Farias lgebra Linear I Aula 04
Exemplo 20 (a) Determine uma funo polinomial de grau menor ou igual a 2 que passa
pelos pontos
(1, 3), (2, 2), (1, 4).
Queremos obter um polinmio p(x) = a0 + a1 x + a2 x2 que passa pelos pontos dados.
Ento as variveis a0 , a1 e a2 devem satisfazer ao seguinte sistema:
2
a 0 +a 1 x 1 +a 2 x 1 = y 1 a0
+a1 1 +a2 12 = 3
2 2
a0 +a1 x2 +a2 x2 = y2 = a0 +a1 2 +a2 2 = 2
a0 +a1 x3 +a2 x23 = y3 a0 +a1 (1) +a2 (1)2 = 4
1 1 1 4 L3 L3 L1 0 2 0 1 L3 L3 + 2L2
1 0 2 8 1 0 2 8
0 1 3 5 0 1 3 5
0 0 6 9 L3 61 L3 0 0 1 32
1 0 2 8 L1 L1 + 2L3 1 0 0 5
0 1 3 5 L2 L2 3L3 0 1 0 12
0 0 1 32 0 0 1 32
Passando ao sistema:
a0
= 5
1 3
a1 = 12 5, , a nica soluo.
2 2
a2 = 23
47
Prof. Marcelo Farias lgebra Linear I Aula 04
Portanto o polinmio de grau 2 que passa por (1, 3), (2, 2), (1, 4) :
1 3
p(x) = a0 + a1 x + a2 x2 = 5 x x2 .
2 2
Figura 4.1: Polinmio de grau 2 que passa por (1, 3), (2, 2), (1, 4).
(b) Determine uma interpolao polinomial cbica cujo grfico passa pelos pontos
fazendo (x1 , y1 ) = (1, 3), (x2 , y2 ) = (2, 2), (x3 , y3 ) = (3, 5) e (x4 , y4 ) = (4, 0).
Obtemos o sistema:
a0 +a1 +a2 +a3 = 3 1 1 1 1 3
a +2a
0 1 +4a2 +8a3 = 2 1 2 4 8 2
a0 +3a1 +9a2 +27a3 = 5 1 3 9 27 5
a +4a +16a +64a = 0
0 1 2 3 1 4 16 64 0
48
Prof. Marcelo Farias lgebra Linear I Aula 04
(c) (Uma Integral Aproximada por Interpolao Polinomial) Podemos utilizar a inter-
polao polinomial para aproximarmos o valor de uma integral, sem resolv-la. Por exem-
plo, considere a integral
1
x2
Z
sen dx.
0 2
Consideremos a interpolao polinomial com 5 pontos que dividem o intervalo de integra-
o [0, 1] em partes iguais:
(0, 0), (0.25, 0.098), (0.5, 0.382), (0.75, 0.773) e (1, 1).
Observao: Nem sempre a interpolao polinomial boa. Ver arquivo: aula 04 - integral
e interpolao polinomial.ggb
49
Prof. Marcelo Farias lgebra Linear I Aula 04
50
Captulo 5
Definio 5.1 Seja A uma matriz quadrada de ordem n. Dizemos que A invertvel se existe
uma matriz B Mn (R) tal que
A B = In e B A = In ,
Observao 5.2 Pela definio, no faz sentido perguntar se uma matriz A de ordem m n,
com m 6= n, invertvel.
Proposio 5.3 Seja A uma matriz quadrada de ordem n. Se A for invertvel a matriz B ser
a nica com a propriedade:
A B = In e B A = In ,
B = B In = B (A C) = (B A) C = In C = C.
A X = In e X A = In .
" # " #
2 5 7 5
Exemplo 21 (a) Sejam A = eB = . Temos que
3 7 3 2
" # " # " #
2 5 7 5 1 0
AB = = e
3 7 3 2 0 1
51
Prof. Marcelo Farias lgebra Linear I Aula 05
0 0 0
Qualquer que seja a matriz B de ordem 3, a matriz A B ter a linha 3 tambm nula:
1 4 1 a b c 1 0 0
AB = 3 2 2 d e f = 6 0 1 0 = I3
=
0 0 0 g h i 0 0 0 0 0 1
(c) Analogamente, uma matriz quadrada (de qualquer ordem) com uma coluna nula no
possui inversa. Por exemplo, considere a matriz
0 4 1
A= 0 2 2
0 1 2
Qualquer que seja a matriz B de ordem 3, a matriz B A ter a coluna 1 tambm nula:
a b c 0 4 1 0 1 0 0
B A = d e f 0 2 2 = 0 6= 0 1 0 = I3
g h i 0 1 2 0 0 0 1
52
Prof. Marcelo Farias lgebra Linear I Aula 05
Deixamos como exerccio a demonstrao de que o sistema possui uma nica soluo:
x = 3, y = 2, z = 1 e w = 1.
" # " #
1 2 3 2
Logo A = possui inversa A1 = .
1 3 1 1
" #
1 2
Exerccio: Utilize este mtodo para mostrar que a matriz B = no invertvel.
2 4
Vimos que para obter a inversa de uma matriz, no caso mais simples possvel, o de ordem
2, este mtodo muito trabalhoso.
Quanto maior a ordem da matriz, mais trabalhoso se torna o problema.
Se a ordem da matriz 3, recaremos no estudo de um sistema linear com 18 equaes e
9 incgnitas.
Veremos mais adiante um mtodo mais eficaz na obteno da matriz inversa, caso ela
exista.
(A1 )1 = A.
A1 X = In e X A1 = In .
(k A)1 = k 1 A1 .
53
Prof. Marcelo Farias lgebra Linear I Aula 05
k A X = In e X (k A) = In .
X (A B) = In e (A B) X = In .
(B 1 A1 ) (A B) = B 1 (A1 A) B = B 1 In B = B 1 B = In .
Teorema 5.6 Sejam A Mn (R) e R a matriz de ordem n reduzida forma escada equiva-
lente a A. Ento uma (e somente uma) das afirmaes verdadeira:
54
Prof. Marcelo Farias lgebra Linear I Aula 05
Suponha que (i) no seja verdadeira. Como toda linha de R no nula, existem n termos
lderes iguais a 1.
A cada linha os termos lderes devem vir direita do lder da linha anterior. E isto implica
que os n termos lderes so:
Alm disso, abaixo ou acima de cada termo lder s podem constar entradas nulas, ou
seja rij = 0, se i 6= j.
Logo R = In .
Seja S um sistema com n equaes e n variveis:
a11 x1 +a12 x2 + +a1n xn = b1
a21 x1 +a22 x2 + +a2n xn = b2
S: . .. .. .. ..
..
. . . .
an1 x1 +an2 x2 + +ann xn = bn
Sabemos que S pode ser visto como sendo uma equao matricial
a11 a12 a1n x1 b1
a21 a22 a2n x2 b2
AX =B .. .. ..
..
=
..
. . . . .
an1 an2 ann xn bn
Teorema 5.7 Se a matriz A dos coeficientes do sistema S invertvel, ento o sistema pos-
svel determinado. Sua nica soluo a nupla:
1
x1 a11 a12 a1n b1
x2 a21 a22 a2n b2
1
X=A B, ou seja, ..
=
.. .. .. ..
..
.
. . . . . .
xn an1 an2 ann bn
D EMONSTRAO : Se A X = B, ento
A1 (A X) = A1 B (A1 A) X = A1 B In X = A1 B X = A1 B .
55
Prof. Marcelo Farias lgebra Linear I Aula 05
(I) Nem sempre um sistema linear tem um mesmo nmero de equaes e incgnitas;
(II) Nem sempre um sistema linear tem a matriz A de seu coeficientes invertvel, o que
impossibilita o clculo; e
(III) Encontrar a matriz inversa um processo mais trabalhoso do que resolver o sistema,
utilizando escalonamento.
Teorema 5.8 Uma matriz A Mn (R) invertvel se, e somente se, A linha-equivalente
matriz In . Alm disso, a mesma sequncia de operaes elementares que transforma A em
In tambm transforma In em A.
56
Prof. Marcelo Farias lgebra Linear I Aula 05
forma:
h i
In B .
Neste caso, A1 = B.
Exemplo 24 (a) Determine se a matriz abaixo invertvel, e d a sua inversa, caso exista.
0 1 2
1 0 3 .
4 3 8
4 3 8 0 0 1 4 3 8 0 0 1 L3 L3 4 L1
1 0 3 0 1 0 1 0 3 0 1 0
0 1 2 1 0 0 0 1 2 1 0 0
1
0 3 4 0 4 1 L3 L3 + 3 L2 0 0 2 3 4 1 L3 L
2 3
1 0 3 0 1 0 L1 L1 3L3 1 0 0 92 7 32
0 1 2 1 0 0 L2 L2 2L3 0 1 0 2 4 1
3
0 0 1 2
2 12 0 0 1 32 2 12
1 0 0 29 7 2 3
0 1 0 2 4 1
0 0 1 32 2 1
2
0 2 0
0 2 0 0 0 1 0 2 0 0 0 1 L3 L3 L2
1 0 1
1 0 0
1 0 1 1 0 0
1
1 1
0 2 0 1 1 0 L2 L2
0 1 0 2 2 0 .
2
0 0 0 1 1 1 0 0 0 1 1 1
Como a matriz esquerda est reduzida forma escada, e no aparece a matriz In , a matriz
A no invertvel.
b 1
" #
1 1 0
a b 1 0 L1 a
L1
a a
c d 0 1
c d 0 1 L2 L2 c L1
b 1 b 1
1 0 1 0
a a
a a
ad cb c
a
c a
0 1 L2 adcb
L2 0 1
a a ad cb ad cb
58
Prof. Marcelo Farias lgebra Linear I Aula 05
b 1 d b
1 0 L1 L1 L2 1 b0
a a
a ad cb ad cb
c a c a
0 1 0 1
ad cb ad cb ad cb ad cb
d b
ad cb ad cb
" #
1 d b
Logo a matriz inversa = .
c a ad cb c a
ad cb ad cb
" #
a11 a12
Definio 5.10 Seja A = . Chamamos de determinante de A o nmero real
a21 a22
a a
11 12
det(A) = = a11 a22 a12 a21 .
a21 a22
" #
1 2
Exemplo 25 Seja A = . Ento
3 4
Para estender este interessante fato para matrizes de ordem maior, veremos o que ocorre
quando uma matriz invertvel de ordem 3 escalonada.
Seja A = (aij ) M3 (R), com a11 6= 0. Escalonando A:
a11 a12 a13 a11 a12 a13
a21 a22 a23 L2 a11 L2 a11 a21 a11 a22 a11 a23 L2 L2 a21 L1
a31 a32 a33 L3 a11 L3 a11 a31 a11 a32 a11 a33 L3 L3 a31 L1
59
Prof. Marcelo Farias lgebra Linear I Aula 05
a11 a12 a13
0 a11 a22 a12 a21 a11 a23 a13 a21
Obteremos
a11 a12 a13
0 a11 a22 a12 a21 a11 a23 a13 a21 ,
0 0 a11
onde
det(A) = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a11 a23 a32 a12 a21 a33 a13 a22 a31
60
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 05
= a11 a22 a33 +a12 a23 a31 +a13 a21 a32 a11 a23 a32 a12 a21 a33 a13 a22 a31 =
" # " # " #
a22 a23 a21 a23 a21 a23
a11 det a12 det +a13 det
a32 a33 a31 a33 a31 a33
Definio 5.14 Seja A = (aij ) uma matriz de ordem n. Para cada i, j {1, , n}, definimos
a submatriz Aij como sendo a matrizes obtidas de A, eliminando a isima e a jsima
coluna de A.
1 2 2 " #
1 2
Exemplo 26 Seja A = 2 40 . Temos que a submatriz A22 igual a .
1 3
1 0 3
det(A) = a11 det(A11 ) a12 det(A12 ) + + (1)i+j a1j det(Aij ) + + (1)1+n a1n det(A1n )
61
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 05
0 0 2 0 1 0 0 0
" # " # 1 2 0 1 3 4
1 4 2 1 1 0 0 1 1 3 0 0
, , 2 1 2 , 2 4 1 , ,
2 7 4 2 0 1 3 0 1 3 5 0
0 2 1 4 2 9
2 1 5 3 1 3 5 7
1 1 a 0 1 b
Vimos em sala de aula o seguinte resultado, que serve como base do processo de deter-
minao da matriz inversa por meio de escalonamento:
Teorema 5.16 Seja A Mn (R). A invertvel se, e somente se, sua reduzida forma escada
In . Alm disso, a sequncia de operaes elementares que transformam A em In tambm
transforma In em A1 .
Definio 5.17 Dizemos que uma matriz A Mn (R) elementar se for obtida fazendo uma
nica operao elementar em In .
0 0 1 0 0 1 0 0 1 1 0 0
8. Consideremos as matrizes
" # " # " # " #
1 0 0 1 1 0 1 0
A= , E1 = , E2 = e E3 = .
2 1 1 0 0 3 4 1
62
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 05
10. Mostre que toda operao elementar possui uma operao elementar inversa.
Operao Elementar sobre In que produz E Operao Elementar sobre E que produz In
Li Lj Li Lj
1
Li c Li Li c
Li
Li Li + c Lj Li Li c Lj
11. Mostre que se E uma matriz elementar ento existe uma matriz elementar F tal que
E F = In e F E = In . Ou seja, toda matriz elementar invertvel.
12. Seja A Mn (R) qualquer. E suponha que existam k operaes elementares que re-
duzem A sua forma escada R. Vimos nos exerccios anteriores que existem matrizes
elementares E1 , E2 , , Ek tais que
R = (Ek . . . E2 E1 ) A.
63
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 05
Dica: Para provarmos a volta, denote por Ei1 a matriz elementar gerada pela operao
inversa que gera Ei . Ento
o que implica A1 = Ek . . . E2 E1 .
(a) A invertvel;
(b) O sistema linear homogneo com representao matricial AX = 0 tem somente a
soluo trivial X = 0;
(c) A tem como reduzida forma escada In .
64
Captulo 6
deslocamento: alm de saber o quanto foi deslocado um objeto, temos que saber em
que direo e sentido se deu tal translao;
65
Prof. Marcelo Farias lgebra Linear I Aula 06
B r extremidade
AB
A r
origem
Definio 6.2 Dois vetores ~u e ~v so ditos iguais se possuem mesmos direo, sentido e
comprimento.
B D F
AB CD EF
A C E
Temos que AB=CD e que AB6=EF .
(~u + ~v ) + w
~ = ~u + (~v + w).
~
66
Prof. Marcelo Farias lgebra Linear I Aula 06
w
~
~u + (~v + w)
~
~v + w
~
~v
~u
Logo (~u + ~v ) + w
~ = ~u + (~v + w).
~
(II) COMUTATIVA: Para todos ~u, ~v vale:
~u + ~v = ~v + ~u.
~v
~vu + ~u
v ~u
~u
~v
(III) ELEMENTO NEUTRO: Existe um vetor, chamado vetor nulo, e denotado por ~0, tal
que:
~u + ~0 = ~u e ~0 + ~u = ~u, para todo vetor ~u.
Este vetor tem origem e extremidade iguais, ou seja, se resume a um ponto do plano (ou
espao).
(IV) ELEMENTO SIMTRICO: Para todo vetor ~u existe um vetor chamado simtrico, e
denotado por ~u, tal que:
~u + (~u) = ~0.
67
Prof. Marcelo Farias lgebra Linear I Aula 06
Este vetor ~u tem a mesma direo e comprimento de ~u, mas sentido oposto.
Sejam ~u um vetor do plano (ou do espao) e R. O produto de por ~u o vetor tal
que:
(I) se > 0, ~u o vetor que tem mesma origem, mesma direo e mesmo sentido de ~u e
comprimento vezes o de ~u.
(II) se < 0, ~u o vetor que tem mesma origem, mesma direo e sentido oposto de ~u
e comprimento kk vezes o de ~u.
(~u) = ()~u.
( + )~u = ~u + ~u.
(~u + ~v ) = ~u + ~v .
1~u = ~u.
68
Prof. Marcelo Farias lgebra Linear I Aula 06
~0 + ~u = ~u + ~0 = ~u;
1 (IV) (elemento simtrico) Para todo vetor ~u existe um vetor, chamado simtrico, e deno-
tado por ~u, tal que
~u + (~u) = ~u + ~u = ~0;
(V) (associativa) (~u) = ()~u. (VI) (distributiva direita) ( + )~u = ~u + ~u. (VII)
(distributiva esquerda) (~u + ~v ) = ~u + ~v . (VII) (elemento neutro da multiplicao)
~ e , R.
1~u = ~u, para todos ~u, ~v , w
69
Prof. Marcelo Farias lgebra Linear I Aula 06
Definimos a multiplicao de pontos (ou vetores) do plano por um nmero real da se-
guinte maneira:
Sejam ~u = (x1 , y1 ) e k R.
Multiplicao por escalar:
fcil verificar que valem as oito propriedades que caracterizam um espao vetorial so
satisfeitas.
Logo R2 , munido destas duas operaes, um espao vetorial.
Note que
~0 = (0, 0);
70
Prof. Marcelo Farias lgebra Linear I Aula 06
~u = (x1 , y1 , z1 ) = (x1 , y1 , z1 ).
Rn = {(x1 , x2 , , xn ); x1 , x2 , , xn R}.
71
Prof. Marcelo Farias lgebra Linear I Aula 06
Adio:
~u = (x1 , x2 , , xn ) = (x1 , x2 , , xn ).
72
Prof. Marcelo Farias lgebra Linear I Aula 06
(1 + 10 , 2 + 20 , , n + n0 ) e (1 , 2 , , n )
so solues de S, para todo R.
(e) O conjunto das matrizes
(" de ordem
# 2 )
a b
O conjunto M2 (R) = ; a, b, c, d R , munido da adio de matrizes e da
c d
multiplicao por escalar, claramente um espao vetorial.
Adio: " # " # " #
a11 a12 b11 b12 a11 + b11 a12 + b12
+ = .
a21 a22 b21 b22 a21 + b21 a22 + b22
Multiplicao por escalar:
" # " #
a11 a12 a11 a12
= .
a21 a22 a21 a22
" #
0 0
Note que o vetor nulo a matriz ~0 = ;
0 0
" #
a b
e dado um vetor ~u = , ento
c d
" #
a b
~u = .
c d
de ordem m n
(f) O conjunto das matrizes
a11 a12 a1n
a21 a22 a2n
O conjunto Mmn (R) = .
.. .. .. ; aij R, munido da adio de ma-
.. . . .
am1 am2 amn
trizes e da multiplicao por escalar, claramente um espao vetorial.
Propriedades da
Propriedades da Adio checklist Multiplicao
checklist
A adio uma A multiplicao
operao
3 uma operao
3
associativa 3 associativa 3
comutativa 3 distributiva direita 3
elemento neutro 3 distributiva esquerda 3
elemento simtrico 3 elemento neutro 3
73
Prof. Marcelo Farias lgebra Linear I Aula 06
Exerccio: Defina operaes de adio e multiplicao por escalar que tornem o conjunto
um espao vetorial.
(i) Seja V = {x R; x > 0}.
Se considerarmos em V as operaes usuais de + e , V no um espao vetorial.
x y = x y e x = x
74
Prof. Marcelo Farias lgebra Linear I Aula 06
Propriedades da
Propriedades da Adio checklist Multiplicao
checklist
A adio uma A multiplicao
operao
3 uma operao
3
associativa 3 associativa 3
comutativa 3 distributiva direita 3
elemento neutro 3 distributiva esquerda 3
elemento simtrico 3 elemento neutro 3
F(R) = {f ; f : R R}.
75
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 06
Propriedades da
Propriedades da Adio checklist Multiplicao
checklist
A adio uma A multiplicao
operao
3 uma operao
3
associativa 3 associativa 3
comutativa 3 distributiva direita 3
elemento neutro 3 distributiva esquerda 3
elemento simtrico 3 elemento neutro 5
~ = (3, 2, 7) em R3 . Verifique se
3. Considere os vetores ~u = (1, 2, 3), ~v = (3, 2, 1) e w
existem x, y R tais que:
x~u + y~v = w.
~
76
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 06
~ = (2, 0, 0) em R3 . Determine x, y, z
4. Considere os vetores ~u = (1, 2, 3), ~v = (3, 2, 0) e w
R tais que:
x~u + y~v + z w
~ = (1, 1, 1).
P1 (R) = {a0 + a1 x; a0 , a1 R}
77
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 06
12. Mostre que R2 no um espao vetorial em relao a cada uma das seguintes operaes
de adio e multiplicao por escalar abaixo, explicitando quais das condies no so
satisfeitas:
14. Seja V um espao vetorial sobre R. Mostre que (u) = u para todo vetor u V.
78
Captulo 7
~0 + ~u = ~u + ~0 = ~u;
(IV) (elemento simtrico) Para todo vetor ~u existe um vetor, chamado simtrico, e deno-
tado por ~u, tal que
~u + (~u) = ~u + ~u = ~0;
(V) (associativa) (~u) = ()~u. (VI) (distributiva) (+)~u = ~u+~u. (VII) (distributiva)
(~u + ~v ) = ~u + ~v .
(VII) (elemento neutro da multiplicao) 1~u = ~u,
~ e , R.
para todos ~u, ~v , w
~0 = ~0 + ~00 = ~00 .
79
Prof. Marcelo Farias lgebra Linear I Aula 07
~u0 = ~u0 + ~0 = ~u0 + (~u + (~u)) = (~u0 + ~u) + (~u) = ~0 + (~u) = ~u.
~0 = ~0.
D EMONSTRAO : De fato,
0 ~u = ~0.
D EMONSTRAO : De fato,
0 ~u = (0 + 0) ~u = 0 ~u + 0 ~u.
() ~u = ~u = ( ~u).
x + ~u = ~0.
Definio 7.2 Sejam E um espao vetorial e ~u, ~v E. A diferena de~u e ~v definida como
sendo:
~u ~v = ~u + (~v ).
80
Prof. Marcelo Farias lgebra Linear I Aula 07
~u ~v
~v
~u
~u ~v
~v
(b) (~u ~v ) = ~u ~v ;
D EMONSTRAO : Exerccio.
81
Prof. Marcelo Farias lgebra Linear I Aula 07
Logo ~u + ~v V.
V = {(x, y) R2 ; x + y = 0}
C
A
B
A
C
x1 + y1 = x1 + y1 = (x1 + y1 ) = 0 = 0.
|{z} |{z}
1a coordenada 2a coordenada
Logo ~u V.
Como (I) e (II) so satisfeitas V um subespao de R2 .
V = {(x, y) R2 ; x + y = 0}
~u
C
A
~u
~u B
82
Prof. Marcelo Farias lgebra Linear I Aula 07
(II) Sejam ~u V e R.
Note que a(x1 ) + b(y1 ) = (ax1 + by1 ) = 0 = 0.
| {z } | {z }
1a coordenada 2a coordenada
Logo ~u V.
Ento V um subespao de R2 .
Observao 7.5 Nem toda reta do plano um subespao vetorial. Na verdade, uma reta s
um subespao se passa pela origem (0, 0).
C
U = {(x, y) R2 ; x + 3y = 6}
y1 = x21 e y2 = x22 .
C
B
U = {(x, y) R2 ; y = x2 }
83
Prof. Marcelo Farias lgebra Linear I Aula 07
(e) Subespaos de R3 .
(I) Retas que passam pela origem.
Observao 7.6 (I) Nem toda reta do espao um subespao vetorial. Na verdade, uma reta s um
subespao se passa pela origem (0, 0, 0).
(II) Nem todo plano do espao um subespao vetorial. Na verdade, um plano s um subespao
se passa pela origem (0, 0, 0).
84
Prof. Marcelo Farias lgebra Linear I Aula 07
(I) Se A, B T , A + B T ? Sim.
(II) Se A T e R, A T ? Sim.
(I) Se A, B S, A + B S? No.
(II) Se A S e R, A S? No.
" # " #
a1 b 1 a1 b1
= 6 S,
c1 1 c1
se 6= 1.
85
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 07
P2 (R) = {p(t) = a0 + a1 t + a2 t2 ; a0 , a1 , a2 R}
86
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 07
(a) A = {a0 + a1 t + a2 t2 + a3 t3 ; a0 = 0} 0 e a2 = 0}
(b) B = {a0 + a1 t + a2 t2 + a3 t3 ; a3 = 1}
(e) E = {a0 + a1 t + a2 t2 +
2
(c) C = {a0 + a1 t + a2 t +
a3 t3 ; a0 , a1 , a2 , a3 Z}
3
a3 t ; a0 , a1 , a2 , a3 0}
(d) D = {a0 + a1 t + a2 t2 + a3 t3 ; a0 = (f) F = {a0 + a1 t + a2 t2 ; a0 , a1 , a2 Z}
87
Captulo 8
D EMONSTRAO :
~u, ~v U e ~u, ~v V.
~u + ~v U V
~u U e ~u V.
~u U V.
Exemplos:
(a) Considere a equao linear de n variveis:
a1 x1 + a2 x2 + + an xn = 0.
a1 1 + a2 2 + + an n = 0 e a1 1 + a2 2 + + an n = 0.
88
Prof. Marcelo Farias lgebra Linear I Aula 08
De fato
a1 (1 + 1 ) + a2 (2 + 2 ) + + an (n + n ) = (a1 1 + a2 2 + + an n )
+ (a1 1 + a2 2 + + an n )
= 0+0 = 0
(8.1)
Logo ~u + ~v S.
(II) Sejam ~u = (1 , 2 , , n ) S e R.
Queremos provar que ~u = (1 , 2 , , n ) S:
a1 (1 + a2 (2 ) + + an (n ) = (a1 1 + a2 2 + + an n ) = 0 = 0.
Logo ~u S.
Portanto S um subespao vetorial de Rn .
S = S1 S2 Sm ,
U = {~0};
U = R3 .
89
Prof. Marcelo Farias lgebra Linear I Aula 08
3
Sejam V e W dois planos que so subespaos("de R . #Ento V W ) um subespao.
a b
(d) Considere no espao vetorial M2 (R) = ; a, b, c, d R os subespaos
c d
(" # ) (" # )
a b 0 0
T = ; a, b R e S= ; a, b R .
0 0 c d
(" #)
0 0
Ento T S = .
0 0
A unio de dois subespaos no necessariamente um subespao.
90
Prof. Marcelo Farias lgebra Linear I Aula 08
Ento existem v V, v 6 W e w W, w 6 V .
Ento v + w 6 V W , o que um absurdo.
D EMONSTRAO : Exerccio.
Exemplos:
(a) Considere o espao vetorial R2 .
Seja ~u = (x1 , y1 ) R2 um vetor no nulo.
O conjunto U = {~u; R} = {(x1 , y1 ); R} um subespao de R2 . (Por qu?)
91
Prof. Marcelo Farias lgebra Linear I Aula 08
Logo R2 = U + V.
Exemplos:
(a) Sejam U = {(2, 1); R} e V = {(3, 1); R}.
Queremos mostrar que R2 = U + V.
Seja (1, 3) R2 . Vamos exibir nmeros , tais que
92
Prof. Marcelo Farias lgebra Linear I Aula 08
(" # )
a b
(c) Considere no espao vetorial M2 (R) = ; a, b, c, d R os subespaos
c d
(" # ) (" # )
a b 0 0
T = ; a, b R e S= ; a, b R .
0 0 c d
(a, b, c) = ~u + ~v .
(i) E = V + W ;
93
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 08
(ii) Se V W = {~0}.
u = v + w.
u = v1 + w1 e u = v2 + w2 .
v1 v2 = w2 w1 .
Como v1 v2 V W , ento v1 v2 = ~0 v1 = v2 .
Analogamente w2 = w1 , o que prova o teorema.
~ = (2, 3) U + V , se U = {(1, 0)} e V = {(0, 2)}.
1. Verifique se o vetor w
~ = (2, 3, 1) U + V , se U = {(1, 0, 0)} e V = {(0, 2, 1)}.
2. Verifique se o vetor w
94
Captulo 9
Uma das caractersticas mais importantes de um espao vetorial a noo de gerar novos
vetores a partir de um conjunto de vetores dado.
Veremos mais adiante que a partir do conhecimento de um conjunto pequeno de veto-
res conseguimos construir todo o espao.
Chamaremos este conjunto de base do espao.
Vimos na aula passada a noo de que a partir de dois vetores no nulos do plano, que
no so mltiplos um do outro, geram todo vetor de R2 .
95
Prof. Marcelo Farias lgebra Linear I Aula 09
3y + x 2y x
Este sistema linear nas variveis , possui soluo = e= .
5 5
Logo
3y + x 2y x
(x, y) = (2, 1) + (3, 1).
5 5
Dizemos neste caso que todo vetor w~ R2 escrito como combinao linear de ~u e ~v .
Este sistema impossvel. Logo no existem , R de forma que a equao seja ver-
dadeira.
Portanto w
~ no combinao linear de ~u e ~v .
96
Prof. Marcelo Farias lgebra Linear I Aula 09
" #
1 2
(c) Verifique se a matriz A = pode ser escita como combinao linear de B =
2 1
" # " #
0 2 3 1
eC = .
1 0 0 1
Temos que verificar a existncia de , R tais que
0 + 3 = 1
" # " # " #
1 2 0 2 3 1 2 = 2
= +
2 1 1 0 0 1
1 + 0 = 2
0 + = 1
Este sistema impossvel. Logo no existem , R de forma que a equao seja ver-
dadeira.
Portanto A no combinao linear de B e C.
(d) Verifique se o polinmio q(t) = 9 7t 15t2 pode ser escrito como combinao
linear de
p1 (t) = 2 + t + 4t2 , p2 (t) = 1 t + 3t2 e p3 (t) = 3 + 2t + 5t2 .
Temos que verificar a existncia de a, b, c R tais que
2a + b + 3c = 9
ap1 (t) + bp2 (t) + cp3 (t) = q(t) a b + 2c = 7
4a + 3b + 5c = 15
possui soluo.
Resolvendo o sistema:
2 1 3 9 L1 L2 1 1 2 7
1 1 2 7 2 1 9 L2 L2 2L1
3
4 3 5 15 4 3 5 15 L3 L3 4L1
1 1 2 7 1 1 2 7
0 3 1 5 0 3 1 5
0 7 3 13 L3 L3 2L2 0 1 1 23 L3 L2
1 1 2 7 L1 L1 + 3L1 1 0 1 30
0 1 1 23 0 1 1 23
0 3 1 5 L3 L3 3L2 0 0 2 74 L3 12 L3
1 0 1 30 L1 L1 L3 1 0 0 67 a = 67
0 1 1 23 L2 L2 + L3 0 1 0 14 b = 14
0 0 1 37 0 0 1 37 c = 37
Logo
97
Prof. Marcelo Farias lgebra Linear I Aula 09
[v1 , v2 , , vn ] = {a1 v1 + a2 v2 + + an vn ; a1 , a2 , an R}
w1 + w2 = (a1 v1 + a2 v2 + + an vn ) + (b1 v1 + b2 v2 + + bn vn )
= (a1 + b1 )v1 + (a2 + b2 )v2 + + (an + bn )vn
[v1 , v2 , , vn ] (9.1)
w1 = (a1 v1 + a2 v2 + + an vn )
= (a1 )v1 + (a2 )v2 + + (an )vn
[v1 , v2 , , vn ] (9.2)
[v1 , v2 , , vn ]
Exemplos:
(a) Seja ~u R2 no nulo.
[~u, ~v ] = {~u + ~v ; , R} = R2 .
98
Prof. Marcelo Farias lgebra Linear I Aula 09
1, t, t2 , t3 , , tn .
Claramente
Pn (R) = [1, t, t2 , t3 , , tn ].
Exerccios:
1. Considere ~u = (1, 2, 1) e ~v = (6, 4, 2) em R3 . Verifique se:
~ = (9, 2, 7) [~u, ~v ].
(a) w
~ = (4, 1, 8) [~u, ~v ].
(b) w
99
Prof. Marcelo Farias lgebra Linear I Aula 09
tem soluo.
Resolvendo o sistema:
1 0 0 x 1 0 0 x
0 1 1 y 0 1 1 y
1 0 2 z L3 L3 L1 0 0 2 zx L3 12 L3
1 0 0 x
1 0 0 x
0 x + 2y + z
1 0
0 1 1 y
L2 L2 L1 2
xz
0 0 1 xz
2 0 0 1
2
1 0 0 x
0 1 0 x + 2y + z
2 ,
xz
0 0 1
2
que est reduzida forma escada.
Note o sistema acima sempre ter soluo uma nica soluo:
x + 2y + z xz
a = x; b = ; c= .
2 2
Isto significa que todos os vetores de R3 podem ser escritos como combinao linar dos
~ = (0, 1, 2).
vetores ~u = (1, 0, 1), ~v = (0, 1, 0) e w
x + 2y + z xz
(x, y, z) = |{z}
x (1, 0, 1) + (0, 1, 0) + (0, 1, 2)
2 2 }
a | {z } | {z
b c
Logo todo vetor de R3 pode ser escrito como combinao linear de ~u, ~v e w.
~
Ou seja, R3 = [~u, ~v , w].
~
~ = (2, 1, 3) em R3 .
(b) Agora considere ~u = (1, 1, 2), ~v = (1, 0, 1) e w
Queremos determinar se R3 = [~u, ~v , w].
~
100
Prof. Marcelo Farias lgebra Linear I Aula 09
Isso ocorrer se todo vetor (x, y, z) puder ser escrito como combinao linear de ~u, ~v , w.
~
Isto , se existem a, b, c R tais que
a +b +2c = x
(x, y, z) = a(1, 1, 2) + b(1, 0, 1) + c(2, 1, 3) a +c = y
2a +b +3c = z
tem soluo.
Resolvendo o sistema:
1 1 2 x 1 1 2 x
1 0 1 y L2 L2 L1 0 1 1 y x
2 1 3 z L3 L3 2 L1 0 1 1 z 2x L3 L3 L2
1 1 2 x 1 1 2 x L1 L1 L2
0 1 1 yx L2 L2 0 1 1 xy
0 0 0 x y + z 0 0 0 x y + z
1 0 1 y 1 0 1 y
0 1 1 xy 0 1 1 xy
0 0 0 x y + z 0 0 0 x y + z
O sistema associado a esta matriz escalonada:
1 0 1 y
0 1 1 xy
0 0 0 x y + z
V = {(x, y, z) R3 ; x y + z = 0}
101
Prof. Marcelo Farias lgebra Linear I Aula 09
Temos
a(1, 1, 0) + b(1, 0, 1) = c(1, 0, 4) + d(0, 1, 2).
a b c
= 0
Que nos leva ao sistema linear: a d = 0
b +4c +2d = 0
1 1 1 0 0 L1 L2 1 0 0 1 0
1 0 0 1 0 1 1 1 0 0 L2 L3
0 1 4 2 0 0 1 4 2 0
1 0 0 1 0 1 0 0 1 0
0 1 4 2 0 0 1 4 2 0
1 1 1 0 0 L3 L3 + L1 0 1 1 1 0 L3 L3 + L2
1 0 0 1 0 1 0 0 1 0
0 1 4 2 0 0 1 4 2 0 L2 L2 4L3
0 0 3 1 0 L3 31 L3 0 0 1 31 0
1 0 0 1 0 a
d = 0
2
0 1 0 3 0 b + 2d = 0
3
1 d
0 0 1 3 0 c +3 = 0
O sistema
a
d = 0
b + 2d
3
= 0
d
c +3 = 0
2d d
a = d, b = , c= .
3 3
Ento (x, y, z) U V se, e somente se,
2d 2d 2d 1 2
(x, y, z) = d(1, 1, 0) (1, 0, 1) = d + , d, = d , 1, .
3 3 3 3 3
1 2
Logo U V o espao gerado por , 1, .
3 3
1. Mostre que o espao gerado pelos vetores ~u = (1, 1, 2) e ~v = (3, 0, 1) o mesmo
espao gerado por ~u = (1, 2, 3) e ~v = (3, 3, 4).
102
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 09
(x, y, z) V 2x y + 4z = 0 y = 2x + 4z.
Ou seja,
(x, y, z) = (x, 2x + 4z, z) = (x, 2x, 0) + (0, 4z, z) = x(1, 2, 0) + z(0, 4, 1).
Resumindo: um vetor (x, y, z) V se, e somente se, uma combinao linear dos vetores:
(1, 2, 0) e (0, 4, 1).
Logo V = [(1, 2, 0), (0, 4, 1)].
(b) Seja W = {(x, y, z, t) R4 ; 2x 4y = 0}. Obtenha um conjunto de geradores de W .
(x, y, z, t) W 2x 4y = 0 x = 2y.
Ou seja,
(x, y, z, t) = (2y, y, z, t) = (2y, y, 0, 0) + (0, 0, z, 0) + (0, 0, 0, t) =
Resumindo: um vetor (x, y, z, t) W se, e somente se, uma combinao linear dos
vetores: (2, 1, 0, 0), (0, 0, 1, 0) e (0, 0, 0, 1).
Logo V = [(2, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)].
(c) Seja W = {(x, y, z, t) R4 ; x y = 0 e z + t = 0}. Obtenha um conjunto de geradores
de W .
(x, y, z, t) W x y = 0 e z + t = 0 x = y e z = t.
Ou seja,
(x, y, z, t) = (x, x, t, t) = (x, x, 0, 0) + (0, 0, t, t) =
Resumindo: um vetor (x, y, z, t) W se, e somente se, uma combinao linear dos
vetores: (1, 1, 0, 0) e (0, 0, 1, 1).
Logo W = [(1, 1, 0, 0), (0, 0, 1, 1)].
103
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 09
10. Seja V um subespao de R3 gerado pelos vetores ~u = (1, 1, 1) e ~v = (1, 1, 1). De-
~ = (x, y, z) V . D exemplo de vetores
termine sob qual(is) condio(es) um vetor w
~1 V e w
w ~ 2 6 V.
104
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 09
(a) ~u = (0, 0), ~v = (1, 1) e (b) ~u = (1, 0) e ~v = (0, 2) (c) ~u = (1, 2) e ~v = (3, 1)
w
~ = (2, 2)
14. Mostre que os polinmios p(t) = 1 t, q(t) = (1 t)2 e r(t) = (1 t)3 no geram P3 (R).
Verifique se os polinmios 2t3 + t 1 e 2t3 7t2 + 6t 1 pertencem ao espao gerado
por p(t), q(t) e r(t).
" # " # " # " #
1 0 1 1 0 0 0 1
15. Verifique se , , , geram o espao M2 (R).
0 1 0 0 1 1 1 2
( ! )
x y
16. Considere o subespao vetorial de M2 (R) dado por U = /xyz =0 .
z t
Determine um sistema de geradores para U .
17. Sejam ~u1 = (1, 6, 4), ~u2 = (2, 4, 1), ~u3 = (1, 2, 5), ~v1 = (1, 2, 5) e ~v2 = (0, 8, 9)
vetores de R3 . Mostre que
[~u1 , ~u2 , ~u3 ] = [~v1 , ~v2 ].
18. Sejam U = [(1, 0, 0), (1, 1, 1)] e W = [(0, 1, 0), (0, 0, 1)] subespaos de R3 .
(a) Verifique se R3 = U + V ;
(b) Determine um sistema de geradores de U V ;
(c) Vale R3 = U V ?
105
Captulo 10
U + V = {u + v; u U e v V } = [u1 , u2 , , un , v1 , v2 , , vm ].
w = u + v.
u = a1 u1 + a2 u2 + + an un .
v = b1 v1 + b2 v2 + + bm vm .
Logo
w = u+v
= (a1 u1 + a2 u2 + + an un ) + (b1 v1 + b2 v2 + + bm vm )
[u1 , u2 , , un , v1 , v2 , , vm ].
Exemplo: Sejam
U = (x, y, z) R3 ; x + z = 0 e x 2y = 0 e V = (x, y, z) R3 ; x + 2y 3z = 0
subespaos de R3 .
Queremos obter um conjunto de geradores do subespao U + V .
Para isso determinaremos conjuntos de geradores de U e V , separadamente.
Um conjunto de geradores de U :
(
x +z = 0
(x, y, z) U
x 2y = 0
106
Prof. Marcelo Farias lgebra Linear I Aula 10
z
Logo x = z e y = .
2
n z o 1
Podemos concluir que U = z, , z ; z R = 1, , 1 .
2 2
Um conjunto de geradores de V :
(x, y, z) V x + 2y 3z = 0
Logo x = 2y + 3z e y, z R.
Podemos concluir que V = {(2y + 3z, y, z); y, z R} = [(2, 1, 0), (3, 0, 1)].
Pelo Teorema anterior, o subespao U + V gerado por
1
1, , 1 , (2, 1, 0), (3, 0, 1) .
2
Sejam
U = [(1, 0, 0), (1, 1, 1)] e V = [(0, 1, 0), (0, 0, 1))]
subespaos de R3 .
Um vetor w U V w U e w V . Ento existem a, b, c, d R tais que
1a +1b = 0c +0d
a(1, 0, 0) + b(1, 1, 1) = c(0, 1, 0) + d(0, 0, 1) 0a +1b = 1c +0d
0a +1b = 0c +1d
a = b, c = b e d = b.
D EMONSTRAO : De fato,
para todos a, a1 , a2 , , an R.
Propriedade 22 (II) [~v1 , , ~vi , , ~vj , , ~vn ] = [~v1 , , ~vj , , ~vi , , ~vn ] .
D EMONSTRAO : Exerccio.
107
Prof. Marcelo Farias lgebra Linear I Aula 10
Propriedade 23 (III) Se 6= 0,
D EMONSTRAO : Evidente.
Propriedade 24 (IV) Se 6= 0,
D EMONSTRAO : Exerccio.
Utilizamos estas quatro propriedades para simplificar ao mximo um conjunto de gera-
dores de um subespao.
Exemplo: Considere em R3 o subespao
1 1 3 L4 L4 + L1 0 1 4 L4 L4 + L2
1 0 1
0 1 4
0 0 0
0 0 0
As propriedades enunciadas mostram que:
V = [(1, 0, 1), (3, 1, 1), (4, 1, 0), (1, 1, 3)] = [(1, 0, 1), (0, 1, 4)] .
108
Prof. Marcelo Farias lgebra Linear I Aula 10
10.2 Independncia
Sejam ~u e ~v vetores do plano, onde ~v = ~u, para algum R.
Ao fazermos uma alterao em ~u, automaticamente ocorre uma alterao semelhante em
~v .
c1 ~u + c2 ~v = ~0?
1 ~v = ~0.
~u + |{z}
|{z}
c1 c2
~ = ~0?
c1 ~u + c2 w
109
Prof. Marcelo Farias lgebra Linear I Aula 10
Se c1 6= 0, ento teremos:
c2
~u =
w.
~
c1
E a w
~ seria mltiplo de ~u, o que um absurdo.
Sejam ~u e ~v vetores do plano, onde ~v no um mltiplo de ~u, e seja
w
~ = ~u + ~v .
Definio 10.2 Sejam ~v1 , ~v2 , , ~vn vetores de um espao vetorial E. Dizemos que v1 , v2 , , vn
so linearmente independentes (ou LI) se a equao
(a) Dois vetores ~u, ~v em um espao vetorial so linearmente independentes se, e somente
se, no so mltiplos um do outro.
(b) Dois vetores ~u, ~v em um espao vetorial so linearmente dependentes se, e somente
se, so mltiplos um do outro.
(c) Em R3 , considere
(a, b, c) = (0, 0, 0) a = b = c = 0,
110
Prof. Marcelo Farias lgebra Linear I Aula 10
(d) Em Rn , considere
~ = ~0
a~u + b~v + cw
a(1, 1, 0) + b(1, 4, 5) + c(3, 6, 5) = (0, 0, 0)
a +b +3c = 0
(a + b + 3c, a + 4b + 6c, 5b + 5c) = (0, 0, 0) a +4b +6c = 0
5b +5c = 0
1 4 6 0 L3 L3 L1 0 3 3 0 L3 L3 3L2
1 1 3 0 L1 L1 L2 1 0 2 0
0 1 1 0 0 1 1 0
0 0 0 0 0 0 0 0
E isto nos leva ao sistema (
a +2c = 0
b +c = 0
que possui infinitas solues: {(2c, c, c); c R}.
Logo a equao
~ = ~0
a~u + b~v + cw
possui solues diferentes da soluo trivial a = b = c = 0, o que nos mostra que o conjunto
{~u, ~v , w}
~ linearmente dependente.
(f) Em R3 , considere
111
Prof. Marcelo Farias lgebra Linear I Aula 10
~ = ~0
a~u + b~v + cw a(3, 1, 6) + b(4, 1, 7) + c(2, 1, 5) = (0, 0, 0)
3a 4b 2c = 0
(3a 4b 2c, a + b + c, 6a + 7b + 5c) = (0, 0, 0) a +b +c = 0
6a +7b +5c = 0
6 7 5 0 6 7 5 0
1 1 1 0 1 1 1 0
0 7 5 0 0 7 5 0
6 7 5 0 L3 L3 + L2 6 0 0 0 L3 16 L3
1 1 1 0 L1 L3 1 0 0 0 1 0 0 0
0 7 5 0 0 7 5 0 L2 L3 1 1 1 0
1 0 0 0 1 1 1 0 0 7 5 0
1 0 0 0 1 0 0 0
1 1 1 0 L2 L2 L1 0 1 1 0
0 7 5 0 0 7 5 0 L3 L3 + 7L2
1 0 0 0 1 0 0 0
0 1 1 0 0 1 1 0 L2 L2 L3
1
0 0 2 0 L3 L
2 3
0 0 1 0
1 0 0 0
0 1 0 0
0 0 1 0
E isto nos leva ao sistema
a
= 0
b = 0
c = 0
112
Prof. Marcelo Farias lgebra Linear I Aula 10
~ = ~0
a~u + b~v + cw a(1, 1, 0, 0) + b(0, 2, 1, 0) + c(0, 0, 0, 3) = (0, 0, 0, 0)
a = 0
a +2b = 0
(a, a + 2b, b, 3c) = (0, 0, 0, 0)
b = 0
3c = 0
que possui uma nica soluo: a = b = c = 0.
Logo a equao
~ = ~0
a~u + b~v + cw
possui somente a soluo trivial a = b = c = 0, o que nos mostra que o conjunto {~u, ~v , w}
~
linearmente independente.
(h) Em P2 (R), considere
0 1 1 0 0 1 1 0
1 0 1 0 1 0 1 0
0 1 1 0 0 1 1 0
1 2 0 0 L3 L3 L1 0 2 1 0 L3 L3 2L2
1 0 1 0 L1 L1 L3 1 0 0 0
0 1 1 0 L2 L2 + L3 0 1 0 0
0 0 1 0 0 0 1 0
E isto nos leva ao sistema
a
= 0
b = 0
c = 0
113
Prof. Marcelo Farias lgebra Linear I Aula 10
possui somente a soluo trivial a = b = c = 0, o que nos mostra que o conjunto {p(t), q(t), r(t)}
L.I..
(i) Em P2 (R), considere
0 2 1 0 0 2 1 0 L3 L3 + 14 L2
1 5 1 0
1 5 1 0 1 L1 L1 5L2
0 8 4 0 L2
1
L
0 1 0
2
8 2
0 0 0 0
0 0 0 0
3
1 0 2 0
0 1 1 0
2
0 0 0 0
114
Prof. Marcelo Farias lgebra Linear I Aula 10
1 0 1 0 1 0 1 0 1 0 1 0
0 1 1 0 0 1 1 0 0 1 1 0
1 1 0 0 L L L 0 1 1 0 L L L 0 0 2 0
3 3 1 3 3 2
0 0 0 0 0 0 0 0 0 0 0 0
1 0 1 0 L1 L1 L3 1 0 0 0
0 1 1 0 L2 L2 L3 0 1 0 0
L3 12 L3
0 0 1 0
0 0 1 0
0 0 0 0 0 0 0 0
O sistema linear
a
= 0
b = 0
c = 0
115
Prof. Marcelo Farias lgebra Linear I Aula 10
Propriedade 26 (II) Se um conjunto X = {~v1 , ~v2 , , ~vn } contm um vetor que combinao
linear dos outros, ento X L.D..
Propriedade 27 (III) Se um conjunto X = {~v1 , ~v2 , , ~vn } L.D., ento um dos vetores de X
combinao linear dos outros.
116
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 10
ou seja, Y L.D..
Teorema 10.3 (Operaes Elementares e Independncia Linear) Seja X = {~v1 , , ~vi , , ~vj , , ~vn }
um conjunto L.I. . Ento:
117
Captulo 11
Propriedade 31 (II) Se um conjunto X = {~v1 , ~v2 , , ~vn } contm um vetor que combinao
linear dos outros, ento X L.D..
Propriedade 32 (III) Se um conjunto X = {~v1 , ~v2 , , ~vn } L.D., ento um dos vetores de X
combinao linear dos outros.
118
Prof. Marcelo Farias lgebra Linear I Aula 11
ou seja, Y L.D..
Teorema 11.1 Seja X = {~v1 , ~v2 , , ~vm } um conjunto de m vetores de Rn . Se m > n, ento
X LD.
Na notao de vetores:
x1 (a11 , a21 , , an1 ) + x2 (a12 , a22 , , an2 ) + + xm (a1m , a2m , , anm ) = (0, 0, , 0)
119
Prof. Marcelo Farias lgebra Linear I Aula 11
Exemplo: Em R4 , os vetores
~u = (1, 2, 3, 4) e ~v = (2, 4, 6, 8)
Corolrio 11.3 Seja X = {~v1 , ~v2 , , ~vm } um conjunto de m vetores de Rn . Se X LI, ento
m n.
Teorema 11.4 (Operaes Elementares e Independncia Linear) Seja X = {~v1 , , ~vi , , ~vj , , ~vn }
um conjunto L.I. . Ento:
1 1 1
3 2 1
1 4 1
Ao escalonar a matriz acima no alteramos a independncia linear:
1 1 1 1 1 1
3 2 1 L2 L2 3L1 0 5 4
1 4 3 L3 L3 + L1 0 5 4 L3 L3 + L2
1 1 1 1 1 1 L1 L1 + L2
1 4
0 5 4 L2 5 L2 0 1 5
0 0 0 0 0 0
120
Prof. Marcelo Farias lgebra Linear I Aula 11
1
1 0 5
0 1 54
0 0 0
Note que o conjunto 1, 0, 51 , 0, 1, 54 , (0, 0, 0) LD.
Observao 11.5 Vistas como coordenadas de vetores, as linhas no nulas de uma matriz
na forma escada so LI.
2 1 5 2 1 5 L3 L3 + 2L1
1 13 2 1 11
3
0
0 73 1 L2 L2 + L3 0 4 0 L2 14 L2
0 53 1 L1 L1 + 2L3 0 53 1
1 11
3
0 L1 L1 11
3
L2 1 0 0
0 1 0 0 1 0
5
0 3
1 L3 L3 35 L2 0 0 1
Como o conjunto {(1, 0, 0), (0, 1, 0), (0, 0, 1)} LI, o mesmo ocorre com Y .
121
Prof. Marcelo Farias lgebra Linear I Aula 11
Teorema 11.6 Sejam ~v1 , , ~vn vetores linearmente independentes de um espao vetorial E.
Se ~v [~v1 , , ~vn ], ento existem nicos a1 , a2 , , an R tais que
Ento
(a1 b1 )~v1 + (a2 b2 )~v2 + + (an bn )~vn = ~0.
O que demonstra a1 = b1 , , an = bn .
Definio 11.7 Seja E um espao vetorial. Um conjunto {~v1 , , ~vn } de vetores dito ser
uma base de E se:
122
Prof. Marcelo Farias lgebra Linear I Aula 11
uma base de Rn :
(i) Rn = [(1, , 0, 0), (0, 1, 0, , 0), , (0, 0, , 0, 1)]:
De fato, se (x1 , x2 , , xn ) Rn ,
(ii) J vimos que {(1, 0, , 0), (0, 1, 0, , 0), (0, , 0, 1)} LI.
(e) O conjunto {1, t, t2 } uma base de P2 (R).
(i) P2 (R) = [1, t, t2 ];
De fato,
p(t) = a0 + a1 t + a2 t2 = a0 1 + a1 t + a2 t2 .
123
Prof. Marcelo Farias lgebra Linear I Aula 11
x +2y
= a0
x +z = a1
y z = a2
0 1 1 a2 0 1 1 a2
1 0 1 a1 1 0 1 a1
0 1 1 a2 0 1 1 a2
1 2 0 a0 L3 L3 L1 0 2 1 a0 a1 L3 L3 2L2
1 0 1 a1 L1 L1 L3 1 0 0 a0 + 2a1 + 2a2
0 1 1 a2 L2 L2 + L3 0 1 0 a0 a1 a2
0 0 1 a0 a1 2a2 0 0 1 a0 a1 2a2
1 4 5 x 1 4 5 x L1 L1 4L2
2 9 8 y L2 L2 2L1 0 1 2 y 2x
2 9 9 z L L 2L 0 1 1 z 2x L L L
3 3 1 3 3 2
1 4 5 w L4 L4 + L1 0 0 0 x+w
124
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 11
1 0 13 9x 4y L1 L1 13L3 1 0 0 9x + 9y 13z
0 1 2 y 2x
L2 0 1 0 2x y + 2z
L2 + 2L3
0 0 1
zy
0 0 1
zy
0 0 0 x+w 0 0 0 x+w
Obtemos a matriz:
1 0 0 9x + 9y 13z
a = 9x + 9y 13z
0 1 0 2x y + 2z b = 2x y + 2z
0 0 1
zy
c = zy
0 0 0 x+w 0a +0b +0c = x+w
(x, y, z, w) [(1, 2, 2, 1), (4, 9, 9, 4), (5, 8, 9, 5)] se, e somente se, x + w = 0.
1 0 0 0 1 0 0 0 0
. .. .. .. . .. .. .. . .. .. ..
. . .
= E11 = , E12 = . , , Emn = .
.
. . . . . . . . . .
0 0 0 0 0 0 0 0 1
125
Captulo 12
Uma das caractersticas teis de uma base de um espao vetorial V de dimenso finita
essencialmente que ela nos permite introduzir coordenadas em V de maneira anloga s
coordenadas naturais xi de um elemento
~u = (x1 , . . . , xn )
~u = 1 (1, 0) + 2 (0, 1)
1a coordenada 2a coordenada
Agora considere em R2 a base = {(1, 2), (1, 1)}.
O vetor ~u = (1, 2) escrito como combinao linear dos vetores da base acima:
1a coordenada 2a coordenada
Definio 12.2 Uma base ordenada de um espao vetorial V de dimenso finita uma base
de V, com ordenao fixa de seus elementos.
Exemplo: As bases ordenadas de R2 = {(1, 0), (0, 1)} e = {(0, 1), (1, 0)} so diferentes,
embora do ponto de vista da Teoria de Conjuntos sejam iguais.
126
Prof. Marcelo Farias lgebra Linear I Aula 12
Teorema 12.3 Sejam V um espao vetorial de dimenso finita e = {v1 , , vn } uma base
ordenada de V . Ento todo elemento de V escrito de modo nico como uma combinao
linear dos elementos de . Isto , dado o elemento u V existem nicos c1 , , cn R tais
que
u = c1 v1 + c2 v2 + + cn vn .
u = c1 v1 + c2 v2 + + cn vn = d1 v1 + d2 v2 + + dn vn .
c1 d1 = c2 d2 = = cn dn = 0,
u = c1 v1 + c2 v2 + + cn vn
Exemplos:
(a) Considere o espao vetorial real Rn e o elemento u = (x1 , , xn ) Rn .
Se = {e1 , , en } a base ordenada cannica de Rn , a matriz de coordenadas do ele-
mento u em relao base dada por:
x1
x2
[u] = ..
,
.
xn
pois u = x1 e1 + x2 e2 + + xn en .
(b) Considere o espao vetorial real P2 (R) e o elemento
p(t) = 2 3t + 2t2 .
127
Prof. Marcelo Farias lgebra Linear I Aula 12
p(t) = a0 + a1 t + a2 t2 + + an tn .
128
Prof. Marcelo Farias lgebra Linear I Aula 12
e determinarmos a, b e c.
Assim, obtemos o seguinte sistema linear nas incgnitas a, b e c:
a +b +c = 2
a = 1
a +b c = 4
(f) Podemos verificar facilmente que = {1, 1 + t, 1 + t2 } uma base ordenada para o
espaco vetorial P2 (R).
Determine as coordenadas do elemento p(t) = 2 + 4t + t2 em relao base ordenada .
Inicialmente, escrevemos o polinmio p(t) como uma combinao linear dos elementos
da base ordenada:
(g) Considere no espao vetorial real M2 (R) a base ordenada = {A1 , A2 , A3 , A4 }, onde
" # " # " # " #
1 1 1 1 1 0 0 1
A1 = , A2 = , A3 = e A4 = .
1 0 0 1 1 1 1 1
129
Prof. Marcelo Farias lgebra Linear I Aula 12
" #
4 6
Determine as coordenadas da matriz A = em relao base .
5 6
Inicialmente, escrevemos a matriz A como uma combinao linear dos elementos da base
ordenada:
" # " # " # " # " # " #
4 6 1 1 1 1 1 0 0 1 a+b+c a+b+d
=a +b +c +d = .
5 6 1 0 0 1 1 1 1 1 a+c+d b+c+d
(h) Sejam V um espao vetorial e = {~v1 , ~v2 , ~v3 , ~v4 } uma base ordenada para V . Pedese:
(i) Mostre que = {~v1 , ~v1 + ~v2 , ~v1 + ~v2 + ~v3 , ~v1 + ~v2 + ~v3 + ~v4 } uma base de V .
(ii) Se o elemento ~v V tem como coordenadas em relao base
4
3
[~v ] =
1 ,
2
determine [~v ] .
(i) Vamos considerar a combinao linear nula
a~v1 + b(~v1 + ~v2 ) + c(~v1 + ~v2 + ~v3 ) + d(~v1 + ~v2 + ~v3 + ~v4 ) = ~0.
Ento:
(a + b + c + d)~v1 + (b + c + d)~v2 + (c + d)~v3 + d~v4 = ~0,
e utilizando a hiptese que = {~v1 , ~v2 , ~v3 , ~v4 } LI, obtemos o seguinte sistema linear:
a +b +c +d = 0
b +c +d = 0
c +d = 0
d = 0
130
Prof. Marcelo Farias lgebra Linear I Aula 12
Desse modo, temos que a = b = c = d = 0. O que implica ser LI. E como dim V = 4,
tambm uma base de V .
(b) Vamos obter as coordenadas
de ~v em relao base .
a
b
Considerando [~v ] =
c ,
d
temos que
a~v1 + b(~v1 + ~v2 ) + c(~v1 + ~v2 + ~v3 ) + d(~v1 + ~v2 + ~v3 + ~v4 ) = ~v .
4
3
Como [v] =
1 ,
2
temos que ~v = 4~v1 + 3~v2 + ~v3 + 2~v4 .
Ento:
a~v1 + b(~v1 + ~v2 ) + c(~v1 + ~v2 + ~v3 ) + d(~v1 + ~v2 + ~v3 + ~v4 ) = ~v
se, e somente se,
131
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 12
132
Captulo 13
13.1 Funes
Definio 13.1 Sejam A e B dois conjuntos no vazios. Uma funo f de A em B uma lei
a qual para cada elemento x de A faz corresponder exatamente um elemento chamado f (x),
em B.
A denominado de domnio e B de contradomnio da funo f .
Exemplo:
f :R R
x 7 2x
f (0) = 2 0 = 0
f (2) = 2 2 = 4
133
Prof. Marcelo Farias lgebra Linear I Aula 13
3
3
2 2
f (e )=2e
f () = 2
Definio 13.2 A imagem de uma funo o conjunto de todos os valores que ela pode
assumir. Mais precisamente, a imagem de uma funo f : A B o subconjunto de pontos
y B para os quais existe pelo menos um x A tal que f (x) = y:
f :R R
x 7 2x
Definio 13.3 A imagem de uma funo o conjunto de todos os valores que ela pode
assumir. Mais precisamente, a imagem de uma funo f : A B o subconjunto de pontos
y B para os quais existe pelo menos um x A tal que f (x) = y:
f :R R
x 7 2x
Definio 13.4 A imagem de uma funo o conjunto de todos os valores que ela pode
assumir. Mais precisamente, a imagem de uma funo f : A B o subconjunto de pontos
y B para os quais existe pelo menos um x A tal que f (x) = y:
f :R R
x 7 2x
134
Prof. Marcelo Farias lgebra Linear I Aula 13
f :R R
x 7 x2
Definio 13.5 Sejam V e W espaos vetoriais. Uma funo T : V W dita ser uma
transformao linear se:
T (u + v) = T (u) + T (v).
Exerccio:
I(v) = v,
135
Prof. Marcelo Farias lgebra Linear I Aula 13
T (v) = ~0,
T (x, y, z) = (z, x)
linear.
De fato, sejam R, ~u = (x1 , y1 , z1 ) e ~v = (x2 , y2 , z2 ).
(i) T (~u + ~v ) = T (x1 + x2 , y1 + y2 , z1 + z2 ) = (z1 + z2 , (x1 + x2 )) = (z1 , x1 ) + (z2 , x2 ) =
T (~u) + T (~v ).
(ii) T (~u) = T (x1 , y1 , z1 ) = (z1 , x1 ) = (z1 , x1 ) = T (~u).
(d) Considere a aplicao T : R3 R2 definida por
Note que
T (1, 1, 1) = (1, 1) e T (2, 2, 2) = (2, 4) 6= 2T (1, 1, 1).
T (x, y) = (x + y, x + 1)
T (~u)+T (~v ) = (x1 +y1 , x1 +1)+(x2 +y2 , x2 +1) = ((x1 +x2 )+(y1 +y2 ), (x1 +x2 )+2) 6= T (~u +~v ).
T (x) = a x,
onde a R linear.
De fato, sejam x, y, R:
(i) T (x + y) = a(x + y) = a x + a y = T (x) + T (y).
(ii) T (x) = a (x) = (a x) = T (x).
Na verdade, toda transformao linear de R em R da forma T (x) = a x, onde a R.
136
Prof. Marcelo Farias lgebra Linear I Aula 13
T (x) = T (1 x) = T (1) x.
T (x) = x2 ,
no linear.
De fato, se x, y R:
T (a0 + a1 t + a2 t2 ) = (a0 , a1 , a2 ),
linear.
De fato, se
p(t) = a0 + a1 t + a2 t2 , q(t) = b0 + b1 t + b2 t2 P2 (R) :
Teorema 13.6 Seja A uma matriz m n real. Ento a funo TA : Rn Rm por TA (v) = Av
(produto matriz-vetor) uma transformao linear.
137
Prof. Marcelo Farias lgebra Linear I Aula 13
!
1 2 3
(h)
4 5 6
2 3
(i) 5 6
3 1
(j) A funo T : Rn Rm definida por
T (x1 , x2 , , xn ) =
linear.
a11 a12 a1n
a21 a22 a2n
De fato, considere a matriz A = .. .. ... ..
. . .
am1 am2 amn mn
Note que T (x1 , x2 , , xn ) = TA (x1 , x2 , , xn ).
Logo T linear.
T : R2 R2
(x, y) 7 a(x, y) = (ax, ay)
!
a 0
Considere a matriz A = .
0 a
Note que a funo T acima pode ser expressa da seguinte maneira:
! ! ! !
x a 0 x ax
T (x, y) = A = = .
y 0 a y ay
Considere a funo:
T : R2 R2
(x, y) 7 (x, y)
138
Prof. Marcelo Farias lgebra Linear I Aula 13
!
1 0
Considere a matriz B = .
0 1
Note que a funo T acima pode ser expressa da seguinte maneira:
! ! ! !
x 1 0 x x
T (x, y) = B = = .
y 0 1 y y
Considere a funo:
T : R2 R2
(x, y) 7 (x, y)
!
1 0
Considere a matriz C = .
0 1
Note que a funo T acima pode ser expressa da seguinte maneira:
! ! ! !
x 1 0 x x
T (x, y) = C = = .
y 0 1 y y
Considere a funo:
T : R2 R2
(x, y) 7 (x, y)
!
1 0
Considere a matriz D = .
0 1
Note que a funo T acima pode ser expressa da seguinte maneira:
! ! ! !
x 1 0 x x
T (x, y) = D = = .
y 0 1 y y
139
Prof. Marcelo Farias lgebra Linear I Aula 13
140
Prof. Marcelo Farias lgebra Linear I Aula 13
(e) (Rotao)
Considere a funo:
T : R2 R2
(x, y) 7 (cos()x sen()y, sen()x + cos()y)
!
cos() sen()
Considere a matriz E = . Note que a funo T acima pode ser
sen() cos()
expressa da seguinte maneira:
! ! !
cos() sen() x cos()x sen()y
T (x, y) = = .
sen() cos() y sen()x + cos()y
T : R3 R3
(x, y, z) 7 a(x, y, z) = (ax, ay, az)
a 0 0
Considere a matriz A = 0 a 0 .
0 0 a
Note que a funo T acima pode ser expressa da seguinte maneira:
x a 0 0 x ax
T (x, y, z) = A y = 0 a 0 y = ay .
z 0 0 a z az
Considere a funo:
T : R3 R3
(x, y, z) 7 (x, y, z)
141
Prof. Marcelo Farias lgebra Linear I Aula 13
1 0 0
Considere a matriz B = 0 1 0 .
0 0 1
Note que a funo T acima pode ser expressa da seguinte maneira:
x 1 0 0 x x
T (x, y, z) = B y = 0 1 0 y = y .
z 0 0 1 z z
Exerccio:
Considere a funo:
T : R3 R3
(x, y, z)
7 (x, y, z)
1 0 0
Considere a matriz B = 0 1 0 .
0 0 1
Note que a funo T acima pode ser expressa da seguinte maneira:
x 1 0 0 x x
T (x, y, z) = B y = 0 1 0 y = y .
z 0 0 1 z z
Exerccios:
Considere a funo:
T : R3 R3
(x, y, z) 7 (cos()x sen()y, sen()x + cos()y, z)
cos() sen() 0
Considere a matriz T = sen() cos() 0 . Note que a funo T acima pode ser
0 0 1
expressa da seguinte maneira:
cos() sen() 0 x cos()x sen()y
T (x, y, z) = sen() cos() 0 y = sen()x + cos()y .
0 0 1 z z
142
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 13
Exerccios:
0 sen() cos()
143
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 13
4. Determine a transformao linear T : R2 R2 tal que T (1, 0) = (1, 1) e T (0, 1) = (3, 1).
7. Existe uma transformao linear T : R2 R2 tal que T (2, 1) = (6, 1), T (1, 1) = (1, 2)
e T (7, 1) = (3, 2)?
8. Existe uma transformao linear T : R3 R4 tal que T (1, 1, 1) = (2, 0, 0, 0), T (1, 1, 0) =
(1, 1, 1, 1) e T (1, 0, 0) = (0, 0, 0, 1)?
10. Considerando que T : R3 R3 a transformao linear tal que T (1, 1, 1) = (2, 1, 4), T (1, 1, 0) =
(3, 0, 1) e T (1, 0, 0) = (1, 5, 1), determine T (x, y, z). Qual o valor de T (2, 4, 1)?
11. Seja T : R3 R3 a transformao linear tal que T (1, 0, 0) = (1, 1, 0), T (0, 1, 0) = (1, 1, 2)
e T (0, 0, 1) = (0, 0, 2). Determine uma base para =(T ).
(a) (0, 0, 6)
(b) (1, 3, 0)
(c) (2, 4, 1)
T (a0 + a1 t + a2 t2 ) = a0 t + a1 t2 + a2 t3 .
144
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 13
145
Captulo 14
T (~0U ) = ~0V .
U
V
~0U T
~0V
Exemplo: A funo
T : R2 R3
(x, y) 7 (x, y, 1)
146
Prof. Marcelo Farias lgebra Linear I Aula 14
T (~0U ) = ~0V
conclumos que T no pode ser uma transformao linear. Ou seja, T (~0U ) = ~0V uma
condio necessria para que T : U V seja uma transformao linear.
E no uma condio suficiente!
Por exemplo, a funo:
T : R2 R3
(x, y) 7 (x, xy, 0)
T (u v) = T (u) T (v).
147
Prof. Marcelo Farias lgebra Linear I Aula 14
Se {~u1 , ~u2 , , ~un } uma base de U e ~v1 , ~v2 , , ~vn V ento existe uma nica transfor-
mao linear T : U V tal que
T (~u1 ) = ~v1 , T (~u2 ) = ~v2 , , T (~un ) = ~vn .
Exemplos:
(a) Determine a transformao linear T : R2 R2 tal que
T (1, 0) = (2, 1) e T (0, 1) = (3, 1).
R2
R2
~u1 = (1, 0)
T ~v1 = (2, 1)
148
Prof. Marcelo Farias lgebra Linear I Aula 14
Como {(1, 1), (0, 1)} uma base de R2 , temos que descobrir as coordenadas de um vetor
genrico (x, y) em relao a esta base:
(
a = x
(x, y) = a(1, 1) + b(0, 1)
a+b = y
Usando a linearidade de T :
Logo T (x, y) = 3y x.
(c) Determine se existe uma transformao linear T : R3 R3 tal que
Inicialmente, verifiquemos se = {(1, 1, 1), (1, 2, 3), (2, 3, 4)} uma base de R3 :
1 1 1 1 1 1 1 1 1
1 2 3 0 1 2 0 1 2 .
2 3 4 0 1 2 0 0 0
Logo no LI, e consequentemente no base de R3 .
Notemos que
(2, 3, 4) = 1 (1, 1, 1) + 1 (1, 2, 3).
o que falso, pois T (2, 3, 4) = (1, 8, 27). Logo no existe tal transformao linear.
(d) Determine a transformao linear T : R2 P2 (R) tal que
T (1, 0) = 1 t e T (0, 1) = 1 t2 .
149
Prof. Marcelo Farias lgebra Linear I Aula 14
Como {(1, 0), (0, 1)} uma base de R2 e (a, b) = a(1, 0) + b(0, 1), usando a linearidade de T :
T (1, 1) = t e T (1, 1) = t t3 .
Inicialmente, como = {(1, 1), (1, 1)} uma base de R2 , temos que descobrir as coordena-
das a e b de um vetor genrico (x, y) em relao a esta base:
(
ab = x
(x, y) = a(1, 1) + b(1, 1)
a+b = y
x+y yx
O sistema possui como soluo a = ;b = . Ou seja,
2 2
x+y yx
(x, y) = (1, 1) + (1, 1).
2 2
Usando a linearidade de T , devemos ter:
x+y yx
T (x, y) = T (1, 1) + (1, 1)
2 2
x+y yx
= T (1, 1) + T (1, 1)
2 2
x+y yx
= t+ (t t3 )
2 2
xy 3
= yt + t.
2
xy
Logo T (x, y) = yt + t3 .
2
dito a imagem de T .
150
Prof. Marcelo Farias lgebra Linear I Aula 14
151
Prof. Marcelo Farias lgebra Linear I Aula 14
um subespao vetorial de V .
T (u1 ) = v1 e T (u2 ) = v2 .
Sejam v1 Im(T ) e R.
Ento existe u1 U tal que
T (u1 ) = v1 .
D EMONSTRAO : Seja v Im(T ). Existe u U tal que T (u) = v. Como uma base de
U , u pode ser escrito como combinao linear de seus vetores:
u = 1 u1 + 2 u2 + + n un .
Pela linearidade de T ,
T (u) = T (1 u1 + 2 u2 + + n un )
= 1 T (u1 ) + 2 T (u2 ) + + n T (un )
152
Prof. Marcelo Farias lgebra Linear I Aula 14
Logo todo vetor de Im(T ) pode ser escrito como combinao linear de T (u1 ), , T (un ),
isto
Im(T ) = [T (u1 ), , T (un )].
(a) I : V V definida por I(v) = v para todo v V , chamada de identidade. Ento
Im(I) = V.
Logo Im(T ) = [(0, 1), (0, 0), (1, 0)] = [(0, 1), (1, 0)] = R2 .
(d) Seja T : P2 (R) R3 , definida por T (a0 + a1 t + a2 t2 ) = (a0 , a1 , a2 ). Sabemos que o
conjunto = {1, t, t2 } uma base de P2 (R). Temos que:
(I) Forma-se uma matriz cujas linhas so formadas pelos vetores geradores vi ;
T (0, 0, 1) 1 2 0 1 0 0
153
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 14
1 1 1 1 1 1 1 1 0 1 0 1 0 0 0 0
154
Captulo 15
um subespao vetorial de V .
155
Prof. Marcelo Farias lgebra Linear I Aula 15
Sejam v1 ker(T ) e R. Ento T (v1 ) = ~0W . Como T (v1 ) = T (v1 ) = ~0W = ~0W ,
temos que v1 ker(T ). Logo ker(T ) um subespao de V .
Sabemos que (x, y) ker(T ) se, e somente se, T (x, y) = ~0R , ou seja, se T (x, y) = 0. Temos
que:
3x
T (x, y) = 0 3x + 2y = 0 y = .
2
3x 3 3
Logo ker(T ) = x, ; x R = x 1, ;x R = 1, = [(2, 3)].
2 2 2
(d) T : R3 R2 definida por
Sabemos que (x, y, z) ker(T ) se, e somente se, T (x, y, z) = (0, 0) R2 . Temos que:
(
z = 0
T (x, y, z) = (0, 0) (z, x) = (0, 0) z = 0 e x = 0.
x = 0
156
Prof. Marcelo Farias lgebra Linear I Aula 15
Logo p(t) ker(T ) se, e somente se, p(t) = 0 (polinmio nulo). Ou seja, ker(T ) = {0}.
(f) T : R3 R2 definida por
Sabemos que (x, y, z) ker(T ) se, e somente se, T (x, y, z) = (0, 0) R2 . Temos que:
(
x 3y + 5z = 0
T (x, y, z) = (0, 0) (x 3y + 5z, x + 4y z) = (0, 0)
x + 4y z = 0
Resolvendo o sistema:
! ! !
1 3 5 0 1 3 5 0 1 0 17 0
1 4 1 0 0 1 4 0 0 1 4 0
157
Prof. Marcelo Farias lgebra Linear I Aula 15
Resolvendo o sistema:
! !
1 1 1 0 1 1 1 0
2 2 2 0 0 0 0 0
Logo uma base para ker(T ) o conjunto {(1, 1, 0), (1, 0, 1)} .
seja uma base de V . Basta mostrar que {T (u1 ), , T (um )} uma base de Im(T ). J vimos
que um conjunto gerador de Im(T )
158
Prof. Marcelo Farias lgebra Linear I Aula 15
Para que {T (u1 ), , T (um )} seja base de Im(T ) basta mostrar a independncia linear. Sejam
a1 , a2 , , am R tais que
a1 u1 + a2 u2 + + am um = b1 v1 + b2 v2 + + bn vn .
O que implica
a1 u1 + a2 u2 + + am um b1 v1 b2 v2 + bn vn = ~0W .
a1 = a2 = = am = 0 = b 1 = b 2 = = b n .
Ento
dim ker(I) = 0 e dim Im(T ) = n.
n = 0 + n
(b) Sejam V e W espaos vetoriais, com dim V = n, e T : V W definida por T (v) = 0W
para todo v V , a transformao nula.
Ento
dim ker(T ) = n e dim Im(T ) = 0.
159
Prof. Marcelo Farias lgebra Linear I Aula 15
n = n + 0
(c) T : R2 R definida por
T (x, y) = 3x + 2y.
Ento
dim ker(T ) = 1 e dim Im(T ) = 1.
2 = 1 + 1
(d) T : R3 R2 definida por
Ento
dim ker(T ) = 1 e dim Im(T ) = 2.
3 = 1 + 2
(e) Seja T : P2 (R) R3 , definida por T (a0 + a1 t + a2 t2 ) = (a0 , a1 , a2 ).
Ento
dim ker(T ) = 0 e dim Im(T ) = 3.
3 = 0 + 3
(f) T : R3 R2 definida por T (x, y, z) = (x 3y + 5z, x + 4y z).
ker(T ) = [(17, 4, 1)] e Im(T ) = [(1, 1), (3, 4), (5, 1)] = [(1, 0), (0, 1)].
Ento
dim ker(T ) = 1 e dim Im(T ) = 2.
160
Prof. Marcelo Farias lgebra Linear I Aula 15
3 = 1 + 2
(g) Seja T : R3 R2 , definida por T (x, y, z) = (x y z, 2x 2y 2z).
Ento
dim ker(T ) = 2 e dim Im(T ) = 1.
3 = 2 + 1
Teorema 15.5 Seja T : V W uma transformao linear. Ento T uma funo injetora se,
e somente se,
ker(T ) = {0V }.
161
Prof. Marcelo Farias lgebra Linear I Aula 15
T (v) = 0W = T (0V ),
ker(I) = {0V }.
Logo I injetora.
(b) T : V W definida por T (v) = 0W para todo v V , chamada de transformao
nula. Ento
ker(T ) = V 6= {0V }.
Logo T no injetora.
(c) T : R2 R definida por
T (x, y) = 3x + 2y.
Sabemos que (x, y) ker(T ) se, e somente se, T (x, y) = 0 R. Temos que:
3x
T (x, y) = 0 3x + 2y = 0 y = .
2
3x
Ento ker(T ) = x, ; x R 6= {0R2 }.Logo T no injetora.
2
162
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 15
Sabemos que (x, y, z) ker(T ) se, e somente se, T (x, y, z) = (0, 0) R2 . Temos que:
(
z = 0
T (x, y, z) = (0, 0) (z, x) = (0, 0) z = 0 e x = 0.
x = 0
Logo p(t) ker(T ) se, e somente se, p(x) = 0 (polinmio nulo). Ou seja, ker(T ) = {0}. Logo
T injetora.
(f) T : R3 R2 definida por
Sabemos que (x, y, z) ker(T ) se, e somente se, T (x, y, z) = (0, 0) R2 . Temos que:
(
x 3y + 5z = 0
T (x, y, z) = (0, 0) (x 3y + 5z, x + 4y z) = (0, 0)
x + 4y z = 0
Temos que ker(T ) = {(17z, 4z, z); z R} = [(17, 4, 1)] 6= {(0, 0, 0)}. Logo T no
injetora.
T (a0 + a1 t + a2 t2 ) = a0 t + a1 t2 + a2 t3 .
163
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 15
3. Determine uma base do ncleo ker(T ) de cada uma das transformaes lineares abaixo:
164
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 15
T (x, y, z) = (x + y, x + y z).
165
Captulo 16
Aula 16 - Isomorfismos
166
Prof. Marcelo Farias lgebra Linear I Aula 16
Sabemos que Im(T ) = [T (1, 0), T (0, 1)] = [3, 2] = [1]. Ento dim Im(T ) = 1 = dim R.
Portanto T sobrejetora.
(b) T : R3 R2 definida por
Sabemos que Im(T ) = [T (1, 0, 0), T (0, 1, 0), T (0, 0, 1)] = [(0, 1), (0, 0), (1, 0)]. Uma base
para Im(T ) {(0, 1), (1, 0)}. Ento dim Im(T ) = 2 = dim R2 . Portanto T sobrejetora.
(c) Seja T : P2 (R) R3 , definida por T (a0 + a1 t + a2 t2 ) = (a0 , a1 , a2 ). Sabemos que
Im(T ) = [T (1), T (t), T (t2 )] = [(1, 0, 0), (0, 1, 0), (0, 0, 1)]. Ento dim Im(T ) = 3 = dim R3 .
Portanto T sobrejetora.
(d) T : R3 R2 definida por
Sabemos que Im(T ) = [T (1, 0, 0), T (0, 1, 0), T (0, 0, 1)]= [(1, 1), (3, 4), (5, 1)]. Uma base
para Im(T ) {(1, 0), (0, 1)}. Ento dim Im(T ) = 2 = dim R2 . Portanto T sobrejetora.
(e) Seja T : R3 R2 , definida por T (x, y, z) = (x y z, 2x 2y 2z). Sabemos que
Im(T ) = [T (1, 0, 0), T (0, 1, 0), T (0, 0, 1)] = [(1, 2), (1, 2), (1, 2)] = [(1, 2)]. Ento dim Im(T ) =
1 6= 2 = dim R2 . Portanto T no sobrejetora.
167
Prof. Marcelo Farias lgebra Linear I Aula 16
Teorema 16.4 Sejam V e W espaos vetoriais com dimenso finita e suponha dim V = dim W =
n. Se T : V W uma transformao linear, ento:
D EMONSTRAO : (i) Se T injetora, ento ker(T ) = {0V }. Logo dim ker(T ) = 0. Pelo
Teorema do Ncleo e da Imagem
n = 0 + n
Logo T sobrejetora.
D EMONSTRAO : (ii) Se T sobrejetora, ento T injetora. Se T sobrejetora, ento
Im(T ) = W . Logo dim Im(T ) = dim W = n. Pelo Teorema do Ncleo e da Imagem
n = 0 + n
16.2 Isomorfismos
Definio 16.5 Sejam X e Y conjuntos no vazios e f : X Y . Dizemos que f bijetora se
f injetora e sobrejetora.
168
Prof. Marcelo Farias lgebra Linear I Aula 16
radical grego = igual radical grego = forma
Exemplos:
(a) Sejam V um espao vetorial com dim V = n e I : V V definida por I(v) = v para
todo v V , chamada de identidade.
Ento I um isomorfismo de V em V .
Concluso: Todo espao vetorial isomorfo a si mesmo.
(b) Seja T : P2 (R) R3 , definida por T (a0 + a1 x + a2 x2 ) = (a0 , a1 , a2 ).
Logo ker(T ) = {(0, 0)} e T injetora. Como dim R2 = 2 = dim P1 (R), T um isomorfismo.
(d) T : R3 R2 definida por
Ento dim ker(T ) = 1 e dim Im(T ) = 2. Como ker(T ) 6= {0}, T no injetora e portanto no
um isomorfismo.
(e) T : R2 R3 definida por T (x, y) = (x 3y, x + 4y, x + y).
2 = 0 + 2
169
Prof. Marcelo Farias lgebra Linear I Aula 16
dim V = 0 + dim W
D EMONSTRAO : () Suponha que dim V = dim W = n. Consideremos ento uma base
= {v1 , , vn } de V e = {w1 , , wn } de W. Seja T : V W a nica transformao
linear tal que
T (v1 ) = w1 , T (v2 ) = w2 , T (vn ) = wn .
Ento dim Im(T ) = n, e consequentemente T sobrejetora. Pelo Teorema do Ncleo e da
Imagem
dim V = dim ker(T ) + dim Im(T )
n = 0 + n
Logo T injetora.
Exemplos:
(a) Pn (R) e Rn+1 so isomorfos pois:
T : Pn (R) Rn+1
a0 + a1 x + + an xn 7 (a0 , a1 , , an )
(b) M2 (R) e R4 so isomorfos pois:
T : M2 (R) R4
!
a b
7 (a, b, c, d)
c d
(c) Mmn (R) e Rmn so isomorfos pois:
170
Prof. Marcelo Farias lgebra Linear I Aula 16
dim Rn = n 6= m = dim Rm .
Teorema 16.8 Seja A uma matriz m n real. Ento a funo TA : Rn Rm por TA (v) = Av
(produto matriz-vetor) uma transformao linear.
Ou seja, a toda matriz est associada uma nica transformao linear. Nosso objetivo
agora passa a ser demonstrar a recproca deste fato, isto , a cada transformao linear entre
espaos de dimenso finita fica associada uma matriz. Veremos que se T : Rn Rm uma
transformao linear qualquer, ento existe uma matriz real A de ordem m n tal que
171
Prof. Marcelo Farias lgebra Linear I Aula 16
Exemplos:
(a) Sejam V um espao vetorial e = {v1 , v2 , , vn }. Considere a transformao linear
dada por
I : V V definida por I(v) = v para todo v V .
Queremos obter a matriz de [I] com relao base . Para isso temos que calcular as
coordenadas das imagens de I(v1 ), I(v2 ), , I(vn ) em relao base . Temos que
I(v1 ) = v1 = 1 v1 + 0 v2 + + 0 vn .
Ento as coordenadas
1
0
[I(v1 )] = ..
.
.
0
172
Prof. Marcelo Farias lgebra Linear I Aula 16
Temos que
I(v2 ) = v2 = 0 v1 + 1 v2 + + 0 vn .
Ento as coordenadas
0
1
[I(v2 )] = ..
.
.
0
E assim sucessivamente, temos que
I(vn ) = vn = 0 v1 + 0 v2 + + 1 vn .
Ento as coordenadas
0
0
[I(vn )] = ..
.
.
1
Ento
1 0 0
0 1 0
[I] = I(v1 ) I(v2 ) I(vn ) =
.. .. . . ..
. . . .
0 0 1
(b) Sejam V um espao vetorial e = {v1 , v2 , , vn }. Considere a transformao linear
dada por
T : V V definida por T (v) = 0V para todo v V .
Queremos obter a matriz de [T ] com relao base . Para isso temos que calcular as
coordenadas das imagens de T (v1 ), T (v2 ), , T (vn ) em relao base . Como
T (v1 ) = 0V = 0 v1 + 0 v2 + + 0 vn ,
as coordenadas
0
0
[T (v1 )] = ..
.
.
0
Como
T (v2 ) = 0V = 0 v1 + 0 v2 + + 0 vn ,
as coordenadas de
0
0
[T (v2 )] = ..
.
.
0
173
Prof. Marcelo Farias lgebra Linear I Aula 16
T (vn ) = 0V = 0 v1 + 0 v2 + + 0 vn ,
as coordenadas de
0
0
[T (vn )] = ..
.
.
0
Ento
0 0 0
0 0 0
[T ] = T (v1 ) T (v2 ) T (vn ) =
.. .. . . ..
. . . .
0 0 0
Consideremos as bases = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de R3 e = {(1, 0), (0, 1)} de R2 .
Queremos obter a matriz de [T ] . Para isso temos que calcular as coordenadas das imagens
de
T (1, 0, 0), T (0, 1, 0) e T (0, 0, 1)
em relao base .
Como
174
Prof. Marcelo Farias lgebra Linear I Aula 16
Ento
" #
0 0 1
[T ] = T ((1, 0, 0)) T ((0, 1, 0)) T ((0, 0, 1)) =
1 0 0
Consideremos as bases = {(1, 0), (0, 1)} de R2 e = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de R3 .
Queremos obter a matriz de [T ] . Para isso temos que calcular as coordenadas das imagens
de T (1, 0) e T (0, 1) em relao base . Como
1
1 3
[T ] = T ((1, 0, 0)) T ((0, 1, 0)) = 1 4
1 1
T (a0 + a1 t + a2 t2 ) = (a0 , a1 , a2 ).
Consideremos as bases = {1, t, t2 } de P2 (R) e = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de R3 .
Queremos obter a matriz de [T ] . Para isso temos que calcular as coordenadas das imagens
de T (1), T (t) e T (t2 ) em relao base .
Como
T (1) = (1, 0, 0)
= 1 (1, 0, 0) + 0 (0, 1, 0) + 0 (0, 0, 1),
175
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 16
1
as coordenadas [T (1)] so 0 . Como
T (t) = (0, 1, 0)
= 0 (1, 0, 0) + 1 (0, 1, 0) + 0 (0, 0, 1)
0
as coordenadas de [T (t)] so 1
0
Como
T (t2 ) = (0, 0, 1)
= 0 (1, 0, 0) + 0 (0, 1, 0) + 1 (0, 0, 1),
0
as coordenadas de [T (t2 )] so 0 .
1
Ento
1 0 0
[T ] = T (1) T (t) T (t2 ) = 0 1 0
0 0 1
176
Captulo 17
Exemplos (continuao):
(f) T : R2 R3 definida por
Consideremos as bases = {(1, 0), (0, 1)} de R2 e = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de R3 .
Queremos obter a matriz de [T ] . Para isso temos que calcular as coordenadas das imagens
de
T (1, 0) e T (0, 1)
em relao base . Como
1
Como
1
Ento
1 3
[T ] = T ((1, 0, 0)) T ((0, 1, 0)) = 1 4
1 1
177
Prof. Marcelo Farias lgebra Linear I Aula 17
Consideremos as bases cannicas = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de R3 e = {(1, 0), (0, 1)}
de R2 . Queremos obter a matriz de [T ] . Para isso temos que calcular as coordenadas das
imagens de
T (1, 0, 0), T (0, 1, 0) e T (0, 0, 1)
em relao base .
Como
178
Prof. Marcelo Farias lgebra Linear I Aula 17
Consideremos, agora, as bases 0 = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} de R3 e 0 = {(1, 3), (1, 4)}
0
de R2 . Queremos obter a matriz de [T ] 0 . Para isso temos que calcular as coordenadas das
imagens de
T (1, 1, 1), T (1, 1, 0) e T (1, 0, 0)
em relao base 0 .
Como
(
a+b = 3
a (1, 3) + b (1, 4) = (3, 1) a = 11 e b = 8.
3a + 4b = 1
" #
11
Logo as coordenadas [T ((1, 1, 0))] 0 so . Como
8
(
a+b = 2
a (1, 3) + b (1, 4) = (2, 3) a = 5 e b = 3.
3a + 4b = 3
" #
5
Logo as coordenadas [T ((1, 0, 0))] 0 so . Ento
3
" #
0 3 11 5
[T ] = T ((1, 1, 1)) T ((1, 1, 0)) T ((1, 0, 0)) =
0
1 8 3
179
Prof. Marcelo Farias lgebra Linear I Aula 17
em relao base 0 resolvemos sistemas lineares somente com termos independentes dife-
rentes?
( ( (
a+b = 2 a+b = 3 a+b = 2
e
3a + 4b = 5 3a + 4b = 1 3a + 4b = 3
Podemos resolver os trs sistemas simultaneamente da seguinte maneira:
" # " #
1 1 2 3 2 1 1 2 3 2 L1 L1 L2
3 4 5 1 3 L2 L2 3L1 0 1 1 8 3
" #
0 3 11 5
[T ] 0 =
1 8 3
(h) Considere T : R2 R3 definida por
Consideremos as bases = {(1, 1), (0, 2)} de R2 e = {(1, 0, 1), (0, 1, 2), (1, 2, 0)} de
R3 . Queremos obter a matriz de [T ] . Para isso temos que calcular as coordenadas das
imagens de
T (1, 1) e T (0, 2)
em relao base .
1 2 0 1 0 L3 L3 + L1 0 2 1 3 4 L3 L3 2L2
1 0 1 2 4 1 0 1 2 4 L1 L1 L3
0 1 2 2 2 0 1 2 2 2 L2 2L3
1 7
0 0 3 7 8 L3 3 L3 0 0 1 3
83
180
Prof. Marcelo Farias lgebra Linear I Aula 17
13
3
20
3
[T ] = 83 10
3
7
3
83
(i) Seja T : R2 R3 a transformao linear que possui coomo matriz:
1 0
[T ] = 1 1 ,
0 1
considerando as bases = {(1, 1), (0, 2)} de R2 e = {(1, 0, 1), (0, 1, 2), (1, 2, 0)} de R3 .
Obtenha T (x, y). As colunas da matriz da transformao so formadas pelas coordenadas
de T (1, 1) e T (0, 2), em relao base . Vamos descobrir tais valores.
Como
1 0
[T ] = 1 1 ,
0 1
temos que:
Ou seja,
x+y
(x, y) = a(1, 1) + b(0, 2) = x(1, 1) + (0, 2).
2
Usando a linearidade de T :
x+y x+y
T (x, y) = T x(1, 1) + (0, 2) = xT (1, 1) + T (0, 2)
2 2
x+y xy xy
= x(1, 1, 1) + (1, 1, 2) = , , 2x + y .
2 2 2
Logo T (x, y) = xy xy
2
, 2
, 2x + y .
181
Prof. Marcelo Farias lgebra Linear I Aula 17
182
Prof. Marcelo Farias lgebra Linear I Aula 17
b1 a11 + b2 a12 + + bn a1n
b1 a21 + b2 a22 + + bn a2n
[T (v)] = ..
.
b1 am1 + b2 am2 + + bn amn
a11 a12 a1n b1
a21 a22 a2n b2
=
.. .. .. .. ..
. . . . .
am1 am2 amn bn
= [T ] [v]
0 0 1
183
Prof. Marcelo Farias lgebra Linear I Aula 17
E temos que
0 0 1 z
x
= y
E temos que
T (a0 + a1 t + a2 t2 ) = (a0 , a1 , a2 ).
184
Prof. Marcelo Farias lgebra Linear I Aula 17
Consideremos as bases = {1, t, t2 } de P2 (R) e = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de R3 .
Vimos que a matriz [T ]
1 0 0
[T ] = T (1) T (t) T (t2 ) = 0 1 0
0 0 1
Note que se p(t) = a0 + a1 t + a2 t2 P2 (R), ento
a0
[p(t)] = a1 .
a2
E temos que
[T (p(t))] = [T ] [p(t)]
1 0 0 a0
= 0 1 0 a1
0 0 1 a2
a0
= a1
a2
(d) Seja T : R2 P1 (R), definida por
T (a, b) = a + (a + b)t.
Consideremos as bases = {(1, 0), (0, 1)} de R2 e = {1, t} de P1 (R). Vimos que a matriz
[T ]
" #
1 0
[T ] = T ((1, 0)) T ((0, 1)) =
1 1
185
Prof. Marcelo Farias lgebra Linear I Aula 17
Consideremos as bases = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de R3 e = {(1, 0), (0, 1)} de R2 .
Vimos que a matriz [T ]
" #
0 0 1
[T ] = T ((1, 0, 0)) T ((0, 1, 0)) T ((0, 0, 1)) =
1 0 0
E temos que
Consideremos as bases = {(1, 0), (0, 1)} de R2 e = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de R3 .
Vimos que a matriz [T ]
1 3
[T ] = 1 4
1 1
E temos que
186
Prof. Marcelo Farias lgebra Linear I Aula 17
x+y
(g) Considere a mesma T : R3 R2 definida por
Consideremos, agora, as bases 0 = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} de R3 e 0 = {(1, 3), (1, 4)}
0
de R2 . Vimos que a matriz [T ] 0
" #
0 3 11 5
[T ] 0 = T ((1, 1, 1)) T ((1, 1, 0)) T ((1, 0, 0)) =
1 8 3
z
Temos que obter as coordenadas do vetor (x, y, z) em relao base 0 :
a+b+c = x
a = z
a (1, 1, 1) + b (1, 1, 0) + c (1, 0, 0) = (x, y, z) a+b = y b = yz .
a = z c = xy
xy
0
[T (x, y, z)] 0 = [T ] 0 [(x, y, z)]0
" # z
3 11 5
= yz
1 8 3
xy
" # " #
3z + 11(y z) + 5(x y) 5x + 6y 8z
= =
1z 8(y z) 3(x y) 3x 5y + 7z
187
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 17
(a) = = {(1, 0), (0, 1)} (c) = {(1, 1), (1, 0)} e =
(b) = {(1, 0), (0, 1)} e = {(1, 0), (0, 1)}
{(1, 1), (1, 0)} (d) = = {(1, 1), (1, 0)}
3. Seja T : R2 R2 tal que T (1, 0) = (1, 1) e T (0, 1) = (3, 1). Determine a matriz [T ] da
transformao linear quando:
(a) = = {(1, 0), (0, 1)} (c) = {(1, 1), (3, 1)} e = {(1, 0), (0, 1)}
(b) = {(1, 0), (0, 1)} e = {(1, 1), (3, 1)} (d) = = {(1, 1), (3, 1)}
(a) = {(1, 0), (0, 1)} e = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
(b) = {(1, 0), (0, 1)} e = {(1, 1, 1), (2, 2, 0), (3, 0, 0)}
(c) = {(1, 3), (2, 4)} e = {(1, 1, 1), (2, 2, 0), (3, 0, 0)}
188
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 17
T (a0 + a1 t + a2 t2 ) = a0 t + a1 t2 + a2 t3 .
10. Seja = {v1 , v2 , v3 , v4 } uma base de um espao vetorial V . Determine a matriz [TA ] da
transformao linear T : V V tal que
11. Considere as bases = {(1, 3), (1, 4)} de R2 e = {(1, 1, 0), (0, 0, 1), (1, 0, 1)} de R3
e seja T : R2 R3 a transformao linear cuja matriz
2 0
[T ] = 4 0 .
0 4
189
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 17
12. Dada a transformao linear T : R3 R3 tal que T (x, y, z) = (x2y +z, x+4y 2z, x)
em R3 , com base = {(1, 0, 1), (0, 1, 2), (1, 2, 0)}, encontre uma base de R3 tal que
1 0 1
[T ] = 1 1 0
0 2 1
(a) T + U (d) F G
(b) 4T (e) G F
(c) 2T 5U (f) F F
1 0 0 1 0 0
15. Sejam
0 1 0 0 0
A = 0 2 e B = 1 2 1 .
0 1 1 0 0
190
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 17
16. Considere em R2 a base = {(1, 1), (1, 1)}. A matriz mudana de base de para uma
base = {v1 , v2 } dada por " #
1 2
.
1 1
0 0 1
(a) Determine uma base = {v1 , v2 , v3 } de modo que P = I , ou seja, P matriz
mudana de base de para .
(b) Dado o vetor ~v = (3, 2, 2) , determine [~v ] .
19. (Projeo ortogonal sobre uma reta) A reta y = ax o conjunto dos pontos (x, ax)
R2 . Consideremos a transformao linear P : R2 R2 que faz corresponder a cada
v = (x, y) R2 o vetor P (v) = (x0 , ax0 ), cuja extremidade o p da perpendicular
baixada de v sobre a reta y = ax, como mostrado na figura abaixo.
d((x, y), (0, 0))2 = d((x0 , ax0 ), (0, 0))2 + d((x, y), (x0 , ax0 ))
191
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 17
20. (Reflexo em torno de uma reta) Seja S : R2 R2 a reflexo em torno da reta y = ax.
Para todo v = (x, y) R2 , a reta y = ax a bissetriz do ngulo entre v e S(v) e
perpendicular reta que liga v a S(v). Seja P : R2 R2 a projeo ortogonal sobre a
reta y = ax. A figura abaixo mostra que, para todo v R2 , tem-se v + S(v) = 2P (v).
(a) Use o exerccio anterior para determinar S(x, y) para todo v = (x, y) R2 .
(b) Fixada a base cannica = {(1, 0), (0, 1)} de R2 , determine [S] .
192
Captulo 18
= {v1 , v2 , , vn } e = {w1 , w2 , , wn }
de V .
Dado um vetor v V sabemos que existem maneiras nicas de escrevermos v como
combinao linear dos vetores de e de .
Ou seja, existem nicos b1 , b2 , , bn , c1 , c2 , , cn R tais que:
v = b1 v1 + b2 v2 + + bn vn ; e v = c1 w1 + c2 w2 + + cn wn .
e sua matriz [I] , em relao s bases e . Pela propriedade vista na ltima aula, temos
que se v V :
Concluso:
A partir de [v] , ao multiplicarmos [I] e [v] , obtemos [v] .
193
Prof. Marcelo Farias lgebra Linear I Aula 17
D EMONSTRAO : Decorre da relao [T (v)] = [T ] [v] , que vale para toda transforma-
o linear, no caso em que T = I, com sendo a base considerada no domnio de I; e
sendo a base do contradomnio de I.
Observaes
Exemplos: (a) Considere as bases = {(1, 1), (2, 0)} e = {(1, 0), (0, 1)} do espao
vetorial R2 . Obtenha a matriz mudana de base para .
A base antiga e a nova . Devemos considerar a aplicao
Temos que I((1, 1)) = (1, 1) = 1(1, 0)+1(0, 1) e I((2, 0)) = (2, 0) = 2(1, 0)+0(0, 1)
" #
1 2
[I] = I(1, 1) I(2, 0) =
1 0
(b) Considere as bases = {(1, 1), (2, 0)} e = {(1, 0), (0, 1)} do espao vetorial R2 .
Obtenha a matriz mudana de base para .
194
Prof. Marcelo Farias lgebra Linear I Aula 17
0 1
[I] = I(1, 0) I(0, 1) = 1
1
2 2
(c) Considere as bases = {(1, 1), (2, 0)} e = {(1, 0), (0, 1)} do espao vetorial R2 . Se
o vetor v R2 tem coordenadas em relao base :
" #
3
[v] = ,
4
determine [v] .
A relao entre as coordenadas de v nas diferentes bases dada por:
Logo
" # " #
0 1 3 4
[v] = [I] [v] = 1 1 = 7
4 2
2 2
" #
3
Vamos verificar a igualdade. Como [v] = ,
4
demonstrando a igualdade.
(d) Obtenha a matriz mudana de base da base cannica = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
para = {(1, 1, 0), (0, 1, 0), (0, 0, 3)} do R3 .
A base antiga e a nova . Devemos considerar a aplicao
195
Prof. Marcelo Farias lgebra Linear I Aula 17
0 0 3 0 0 1 L3 13 L3 0 0 1 0 0 13
Logo
1 0 0
[I] = 1 1 0
0 0 13
(e) Obtenha a matriz mudana de base de = {(1, 1, 1), (1, 2, 0), (3, 1, 0)} para = {(1, 2, 1), (0, 3, 2), (1, 1
do R3 .
A base antiga e a nova . Devemos considerar a aplicao
1 2 4 1 0 0 L3 L3 L1 0 2 3 0 1 3
1 0 1 1 1 3 1 0 1 1 1 3
0 1 4 1 2
1 0 1 4 1 1 2
0 2 3 0 1 3 L3 L3 2L2 0 0 11 2 3 1
9 14 30
1 0 1 1 1 3 L1 L1 L3 1 0 0 11 11 11
0 1 4 1 1 2 L2 L2 + 4L3 0 1 0 3 1 18
11 11 11
2 3 1 2 3 1
0 0 1 11
11 11 0 0 1 11 11 11
196
Prof. Marcelo Farias lgebra Linear I Aula 17
Logo
9 14 30
11 11 11
[I] = 3 1
11 18
11 11
2 3 1
11
11 11
F +G:V W
Logo F + G linear.
F + (G + H) = (F + G) + H.
F + G = G + F.
197
Prof. Marcelo Farias lgebra Linear I Aula 17
Teorema 18.5 Sejam V e W espaos vetoriais de dimenso finita, uma base de V e uma base de
W . Sejam F, G : V W transformaes lineares. Consideremos as matrizes [F ] e [G] . Ento a
matriz da transformao linear [F + G] satisfaz a seguinte relao:
[F + G] = [F ] + [G] .
198
Prof. Marcelo Farias lgebra Linear I Aula 17
= [F ] + [G]
" #
6 3 1
[F + G] =
8 2 1
" # " #
2 1 1 4 2 2
= + = [F ] + [G]
3 2 4 5 4 3
5 5
[F + G] = 3 1
3 3
199
Prof. Marcelo Farias lgebra Linear I Aula 17
Como F (x, y) = (x 3y, x + 4y, x + y) e G(x, y) = (4x 2y, 2x 3y, 2x 4y), temos
que
1 3 4 2
[F ] = 1 4 e [G] = 2 3 .
1 1 2 4
Note que
5 5
[F + G] = 3 1
3 3
1 3 4 2
= 1 4 + 2 3 + [F ] + [G]
1 1 2 4
Logo F linear.
( )F = (F ).
( + )F = F + F.
200
Prof. Marcelo Farias lgebra Linear I Aula 17
(F + G) = F + G.
1 F = F.
(2 F )(x, y, z) = 2 F (x, y, z)
= 2 (2x + y z, 3x 2y + 4z)
= (4x + 2y 2z, 6x 4y + 8z).
(3 F )(x, y) = 3 F (x, y)
= 3 (x 3y, x + 4y, x + y)
= (3x + 9y, 3x 12y, 3x 3y).
Teorema 18.8 Sejam V e W espaos vetoriais de dimenso finita, uma base de V e uma base de
W . Sejam F : V W uma transformao linear e R. Consideremos a matriz [F ] . Ento a
matriz da transformao linear [F ] satisfaz a seguinte relao:
[ F ] = [F ] .
= [F ]
201
Prof. Marcelo Farias lgebra Linear I Aula 17
(2 F )(x, y, z) = 2 F (x, y, z)
= 2 (2x + y z, 3x 2y + 4z)
= (4x + 2y 2z, 6x 4y + 8z).
3 3 1 1
= 3 [F ]
Definio 18.9 Sejam V e W espaos vetoriais. Definimos L(V, W ) como sendo o conjunto de todas
as transformaes lineares de V em W . Munindo este conjunto das operaes
202
Prof. Marcelo Farias lgebra Linear I Aula 17
Logo F G linear.
F (G H) = (F G) H.
Determine F G.
203
Prof. Marcelo Farias lgebra Linear I Aula 17
Teorema 18.12 Sejam U, V e W espaos vetoriais de dimenso finita, uma base de U , uma base
de V , de W . Sejam F : U V e G : V W transformaes lineares. Consideremos as matrizes
associadas a elas
[F ] , [G] .
[G F ] = [G] [F ] .
204
Prof. Marcelo Farias lgebra Linear I Aula 17
" #
0 3
[F G] =
10 13
" # 1 3
2 1 1
= 1 4 = [F ] [G]
3 2 4
1 1
Ento
7 7 13
[G F ] = 10 9 17
5 1 3
7 7 13
[G F ] = 10 9 17
5 1 3
1 3 " #
2 1 1
= 1 4
3 2 4
1 1
= [G] [F ]
Teorema 18.13 Seja T : U V uma transformao linear bijetora. Ento a funo inversa
T 1 : V U
linear.
205
Prof. Marcelo Farias lgebra Linear I Aula 17
Como T linear,
T (~u1 + ~u2 ) = T (~u1 ) + T (~u2 ) = ~v1 + ~v2 .
Logo
T 1 (~v1 + ~v2 ) = ~u1 + ~u2 = T 1 (~v1 ) + T 1 (~v2 ),
Teorema 18.14 Sejam uma base de U e uma base de V e T : U V linear bijetora. Ento a
matriz
[T ] invertvel.
Alm disso,
1
[T ] = [T 1 ] .
[T ] e [T ] .
[IU ] = [T 1 T ] = [T 1 ] [T ] ; e
[IV ] = [T T 1 ] = [T ] [T 1 ] .
[T 1 ] e [T ]
206
Prof. Marcelo Farias lgebra Linear I Aula 17
5 4 2 0 5 4 2 0 L3 L3 5L1
1 5 3 0 1 5 3 0 L1 L1 5L2
1 9
0 14 9 0 L2 14 L2 0 1 14 0
0 21 13 0 0 21 13 0 L3 L3 + 21L2
3
3
3
1 0 14 0 1 0 14 0 L1 L1 14 L3
9 9 9
0 1 14 0 0 1 14 0 L2 L2 + 14 L3
0 0 12 0 L3 2L3 0 0 1 0
Obtemos
1 0 0 0 x
= 0
0 1 0 0 y = 0
0 0 1 0 z = 0
Logo ker(T ) = {(0, 0, 0)}, e T injetora. Mostremos que T sobrejetora. Sabemos que
Im(T ) = [T (1, 0, 0), T (0, 1, 0), T (0, 0, 1)] = [(3, 2, 5), (1, 4, 4), (0, 3, 2)].
3 2 5 L1 L2 1 4 4
1 4 4 3 2 5 L2 L2 3L1
0 3 2 0 3 2
1 4 4 1 4 4 L1 L1 + 4L2
0 14 7 L2 L2 + 5L3 0 1 3
0 3 2 0 3 2 L3 L3 3L2
1 0 8 1 0 8 L1 L1 + 8L3 1 0 0
0 1 1 0 1 1 L2 L2 + L3 0 1 0 .
0 0 7 L3 71 L3 0 0 1 0 0 1
Como Im(T ) = [(3, 2, 5), (1, 4, 4), (0, 3, 2)] = [(1, 0, 0), (0, 1, 1), (0, 0, 1)] = R3 , T so-
brejetora.
Vejamos agora que a matriz de T com relao s bases cannicas de R3 invertvel.
Denotemos por = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}. Como
207
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 18
3 1 0
[T ] = 2 4 3 .
5 4 2
Vamos deteminar a matriz inversa de [T ] .
3 1 0 1 0 0 1 5 3 1 1 0
L1 L1 L2
2 4 3 0 1 0 2 4 3 0 1 0 L2 L2 2L1
5 4 2 0 0 1 5 4 2 0 0 1 L3 L3 5L1
1 5 3 1 1 0 1 5 3 1 1 0 L1 L1 5L2
1 9 1 3
0 14 9 2 3 0 L2 14 L2 0 1 14 14 0
7
0 21 13 5 5 1 0 21 13 5 5 1 L3 L3 + 21L2
3 2 1
3 2 1
3
1 0 14 7 14
0 1 0 14 7 14
0 L1 L1 14 L3
9 1 3 9 1 3 9
0 1 14 14 0 0 1 14 14 0 L2 L2 + 14 L3
7 7
0 0 12 2 1
2
1 L3 2L3 0 0 1 4 1 2
Obtemos
1 0 0 47 2
7
3
7
0 1 0 19 6 9 .
7 7 7
0 0 1 4 1 2
4 2 3
7 7 7
1
1
19 6 9
Logo a matriz de [T ] = 7 7 7 A partir da matriz [T ] podemos deter-
4 1 2
1
minar T (x, y, z) para todo (x, y, z) R3 , utilizando a propriedade
Temos que
4x + 2y + 3z
47 2
7
3
7
x 7
1
19x 6y 9z
19 6 9
[T (x, y, z)] = 7
7 7 y =
,
7
4 1 2 z 4x y 2z
ou seja,
1 4x + 2y + 3z 19x 6y 9z
T (x, y, z) = , , 4x y 2z .
7 7
208
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 18
1 1 0 2 3 0
209
Prof. Marcelo Farias lgebra Linear I Lista de Exerccios 18
210