Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1
Coligidos por: João Ferreira Alves, Ricardo Coutinho e José M. Ferreira.
1
1.1 Classificação dos sistemas de equações lineares
1. Trocar linhas.
2. Multiplicar uma linha por um número diferente de zero, obtendo-se um múltiplo dessa
linha.
3. Substituir uma linha pela sua soma com o múltiplo de outra linha.
2. Chamando pivô de uma linha à primeira entrada não nula dessa linha, caso exista,
cada pivô de uma linha encontra-se numa coluna à direita da coluna a que pertence o
pivô da linha imediatamente anterior.
Por exemplo,
1 5 0 3 −6 0
0 0 0 −3 0 9
.
0 0 0 0 2 −4
0 0 0 0 0 0
2
1.4 Forma reduzida de uma matriz em escada de linhas
Uma matriz em escada de linhas diz-se na forma reduzida se possuir as seguintes carac-
terísticas adicionais:
Por exemplo,
1 5 0 0 0 −3
0 0 0 1 0 −3
.
0 0 0 0 1 −2
0 0 0 0 0 0
3
1.7 Exercícios
Exercício 1 Quais dos seguintes pares (x, y):
(0, 0) , (−1, 1) , (1, −1) e (1, 1) ,
são soluções do sistema
x+y =0
−x − 2y = 1 ?
2x + 2y = 0
x + 2y + z = 0
2x + 3y + z = 0
c) 4x + 10y + 10z = 0 . d) .
x+y+z =0
x + 3y + 4z = 0
4
Exercício 6 Determine o conjunto das soluções dos seguintes sistemas:
y+z =0
3y − 2z = 0
2x + 3w = 2
2x + 2y − 2z = 0
a) 6x + 3y + 3z + 4w = 6 . b) .
x + 4y − 3z = 0
3x + 2w = 3
x−y+z =2
5x + y + z + 5w = 5
Exercício 11 Indique um sistema de equações lineares que tenha como conjunto de soluções:
a) S = {(3s − 2t + 1, s, 5t − 1, t) : s, t ∈ R} .
b) S = {(3t, 2t, t) : t ∈ R} .
Exercício 12 Determine um polinómio p (t) = a0 +a1 t+a2 t2 cujo gráfico passe pelos pontos
Exercício 14 Quatro números inteiros são dados. Seleccionando três deles, fazendo a res-
pectiva média e adicionando ao quarto obtiveram-se os seguintes valores: 29, 23, 21 e 17.
Determine aqueles números.
5
Exercício 15 Um filamento de espessura negligenciável está representado na Figura 1, onde
são também indicadas as temperaturas em três nós do filamento (30o , 40o e 60o ). Determinar
as temperaturas dos restantes três nós, sabendo que cada uma delas é igual às médias das
temperaturas dos três nós mais próximos.
Figura 1
m = m1 + ... + mp
e o ponto
1
v= (m1 v1 + ... + mp vp )
m
é chamado de centro de gravidade (ou centro de massa) do sistema.
a) Calcule o centro de gravidade de um sistema composto pelos pontos de massa indicados
na seguinte tabela:
Pontos Massas
(5, −4, 3) 2g
(4, 3, −2) 5g
(−4, −3, −1) 2g
(−9, 8, 6) 1g
6
2 Operações com matrizes
Uma matriz m × n é um quadro de números reais ou complexos com m filas horizontais
e n filas verticais
a11 a12 ... a1n
a21 a22 ... a2n
A= .
... ... ... ...
am1 am2 ... amn
Chamaremos linhas às filas horizontais de A e colunas às suas filas verticais. O coeficiente
(ou entrada) de uma matriz A relativo à linha i e coluna j representa-se por aij ou [A]ij .
O conjunto das matrizes m × n com coeficientes reais (resp. complexos) representa-se por
Mm×n (R) (resp. Mm×n (C)).
i) A + B = B + A (comutatividade).
ii) (A + B) + C = A + (B + C) (associatividade).
iii) α (A + B) = αA + αB (distributividade).
iv) (α + β) A = αA + βA (distributividade).
7
2.2 Produto de matrizes
Consideremos duas matrizes A e B, a primeira m × n e a segunda n × p :
a11 a12 ... a1n b11 b12 ... b1p
a21 a22 ... a2n b21 b22 ... b2p
A= ... eB=
... ... ... ... ... ... ...
am1 am2 ... amn bn1 bn2 ... bnp
(note que o número de colunas de A é igual ao número de linhas de B). À matriz AB com
m linhas, p colunas e entradas [AB]ij definidas por
n
[AB]ij = aik bkj
k=1
ai1 ai2 ... ain B = ai1 b11 b12 ... b1p + ai2 b21 b22 ... b2p + ···
8
2.3 Descrição matricial de um SEL
O produto de matrizes permite ainda uma descrição matricial do SEL
a11 x1 + a12 x2 + ... + a1n xn = d1
a21 x1 + a22 x2 + ... + a2n xn = d2
,
...
ap1 x1 + ap2 x2 + ... + apn xn = dp
através da relação
Ax = d,
onde
a11 a12 ... a1n x1 d1
a21 a22 ... a2n x2 d2
A= , x = e d=
... ... ... ... ... ... .
ap1 ap2 ... apn xn dp
ii) (A + B)T = AT + BT .
iii) (αA)T = αAT .
iv) (AB)T = BT AT .
2.5 Exercícios
Exercício 17 Sempre que possível efectue as seguintes operações de matrizes. Justifique os
casos de impossibilidade.
0 2 3 1 0 0 2
a) 1 2 + . b) +2 . c) 2 +3 .
2 8 −5 2 1 6 1
4 9 6 −6 −6 4
1 1 2 3
d) −2 − −3 . e) 9 3 + −4 8 .
2 3 3 2
8 6 −3 12 2 −2
0 8 −7 −6 1 −9 10
f) 3 1 5 4 − −4 2 −8 .
−4 6 −2 −1 6 7 −3
9
Exercício 18 Efectue os seguintes produtos de matrizes. Caso algum deles não seja possível,
explique porquê.
2 −4 2 3 2
2
a) 1 0 2 3 . b) 1 6 −2 . c) 6 .
−1
1 0 1 7 −1
1 1 −5 3 1 2
8 3 −4 1 0
d) 0 . e) −3 −1 4 2 . f) 3 .
5 1 2 0 1
1 2 1 0 1 1
10
Exercício 23 Com a ∈ R qualquer, seja
0 a
A= .
a 0
a) Calcule A2 e A3 .
b) Mostre as seguintes relações:
a2k 0 0 a2k+1
A2k = e A2k+1 = (k = 0, 1, 2, ...) .
0 a2k a2k+1 0
Exercício 25 O traço de uma matriz quadrada A = [aij ]ni,j=1 consiste na soma das entradas
de A que se encontram na diagonal principal. Isto é:
n
trA = ajj .
j=1
T
b) Justifique que: i) AT = A. ii) (A + B)T = AT + BT . iii) (αA)T = αAT . iv) (AB)T =
BT AT .
11
Exercício 28 Uma matriz quadrada, M, é dita de Markov se cada entrada da matriz estiver
entre zero e um e a soma dos elementos de cada coluna for igual a 1.
a) Diga se as seguintes matrizes são de Markov:
0, 2 0 0, 24
1/2 1/3
A= , B = 0, 25 0 0, 37 .
1/2 2/3
0, 55 1 0, 5
3 Inversão de matrizes
Uma matriz A, n × n, diz-se invertível se existir uma matriz C, também n × n, tal que
AC = CA = In ,
• Para o caso n = 2, se
a b
A=
c d
é uma matriz tal que ad − bc = 0, então A é invertível e a sua inversa é
1 d −b
A−1 = .
ad − bc −c a
−1
i) A−1 é invertível e (A−1 ) = A (ver exercício 32 a)).
−1 T
ii) AT é invertível e AT = (A−1 ) .
12
3.2 Teorema da matriz inversa
(1) A é invertível.
Uma matriz elementar (n × n) é uma matriz que se obtém a partir da matriz identi-
dade In por meio de uma única operação elementar sobre as linhas de In .
Estas matrizes possuem as seguintes propriedades:
• Uma matriz elementar é invertível e a sua inversa é também uma matriz elementar.
• A forma reduzida da matriz A pode ser obtida por sucessivas multiplicações de matrizes
elementares.
A−1 = Ek ...E1 In .
13
3.4 Exercícios
Exercício 29 Sempre que possível, calcule a inversa de cada uma das seguintes matrizes:
1 0 0
0 0 1 0 1 2
a) . b) . c) . d) 1 1 0 .
0 0 0 1 2 1
1 1 1
1 2 3 4 1 0 1 0
1 −1 0 1 0 1 0 1 2 3
e) 1 1 −1 . f)
0 1 0 . g) . h) 0 1 0 1 .
0 0 1 2 1 0 2 1
0 1 1 3 3 3
0 0 0 1 1 −1 1 0
Exercício 31 Mostre que a inversa de uma matriz quadrada A, quando existe, é única.
B2 XA−1 = B.
14
Exercício 35 Considere as matrizes A e B, definidas pelas igualdades
1 1 1 1 1 1
A = 0 1 1 e B = 1 1 0 .
0 0 1 1 0 0
cos α − sin α
Rα = .
sin α cos α
Verifique que Rα Rβ = Rα+β e com base nesta igualdade determine a inversa de Rα . Indique
ainda se a relação
T
R−1
α = Rα
é verdadeira ou falsa.
Exercício 37 Uma matriz quadrada diz-se de permutação se cada coluna e cada linha tiver
uma entrada igual a 1 e as restantes entradas iguais a zero. Por exemplo, a matriz identidade
é uma matriz de permutação.
a) Dê exemplo de uma matriz A de permutação, 3×3, que seja diferente da matriz identidade.
b) Verifique que dada uma matriz qualquer B (3 × 3) , a matriz AB procede a uma permu-
tação das linhas de B e a matriz BA resulta de B por uma permutação das suas colunas.
c) Verifique que A é invertível, tendo como inversa a sua transposta.
Exercício 39 Uma matriz diagonal é uma matriz quadrada cujos elementos fora da diagonal
principal são todos nulos:
a11 0 ... 0
0 a22 ... 0
A=
... ... ... ... .
0 0 ... ann
Por exemplo, a identidade é uma matriz diagonal.
4
Tenha em conta que cos (α + β) = cos α cos β − sin α sin β e sin (α + β) = sin α cos β + cos α sin β
15
a) Use o método de indução para mostrar que
k
a11 0 ... 0
0 ak22 ... 0
Ak =
... ...
.
... ...
0 0 ... aknn
b) Mostre que se nenhum dos elementos da diagonal principal de A é zero então A é invertível
e indique a respectiva inversa.
4 Soluções
1) Apenas (1, −1) . 2) Somente (1, −1, 0) e (−2, 0, 1)
3) a) Sistema possível e determinado: S = {(3, −1)}; as duas rectas intersectam-se no ponto
(3, −1) .
b) Sistema indeterminado com uma incógnita livre: S = {(1/2 − 3y/2, y) : y ∈ R} ; as
duas rectas são coincidentes.
c) Sistema impossível: S = ∅; as duas rectas são paralelas.
d) Sistema impossível: S = ∅; as três rectas não são concorrentes num ponto.
e) Sistema indeterminado com uma incógnita livre: S = {(1 − y, y) : y ∈ R} ; equação de
uma recta.
f) Sistema possível e determinado: S = {(3, 2)}; as três rectas são concorrentes no ponto
(3, 2).
4) a) Sistema possível e determinado: S = {(−1, 0, 1)}; os três planos intersectam-se no
ponto (−1, 0, 1) .
b) Sistema impossível: S = ∅; os três planos não se intersectam num ponto.
c) Sistema indeterminado com uma incógnita livre: S = {z (5, −3, 1) : z ∈ R}; os três
planos intersectam-se segundo uma recta.
d) Sistema indeterminado com uma incógnita livre: S = {z (−2, 1, 1) : z ∈ R}; os dois
planos intersectam-se segundo uma recta.
5) a) Sistema indeterminado com duas incógnitas livres:
1 1
S= 1 − x2 − x4 , x2 , −1, x4 : x2 , x4 ∈ R .
2 2
S = {(−y − z, y, z, 1) : y, z ∈ R} .
S = {(−3w, 2 − 2w, w, w) : w ∈ R} .
16
6) a) {(1, −z, z, 0) : z ∈ R} . b) {(1, 2, 3)}.
7) a) Se α = 11 o sistema é possível e determinado; se α = 11 e β = 20 o sistema é
indeterminado; se α = 11 e β = 20 o sistema é impossível.
b) Se α = 0 e α = 6 o sistema é possível e determinado; se α = 0 e β = −2/3 o sistema é
indeterminado; se α = 0 e β = −2/3 o sistema é impossível; se α = 6 e β = −2/63 o sistema
é indeterminado; se α = 6 e β = −2/63 o sistema é impossível.
8) O sistema é possível se e só se 2b1 + b2 − b3 = 0.
9) α = 7 e β = 4.
10) a) x1 + x2 = 2. b) x1 + 0x2 + x3 = 1. c) x1 + 7x2 − 5x3 = −3.
12) p (t) = 7 + 6t − t2 .
13) 3, 4 e 6, respectivamente.
14) 3, 9, 12 e 21.
15) Nó 1: 42,5o ; nó 2: 47,5o ; nó 3: 40o .
16) a) 13 , 9 , 0 . b)
10 10
10
3
, 2, 0 . b) 3,5g pelo vértice (0, 1, 0) , 0,5g pelo vértice (8, 1, 0) e 2g
pelo vértice (2, 4, 0) .
17) a) Não é possível. Uma matriz é 1 × 2 e a outra 2 × 1.
−1 −5 2
8 2 6
b) . c) . d) 0 . e) 0 14 .
−2 22 5
2 1 5
17
20)
5 2 1
0 1 4 −3 −14 0 0 1 2 1
a) . b) . c) 5 1 3 . d) . e) .
0 0 3 −1 −8 1 0 4 1 4
6 3 0
30 4 2 20 30 4 30 4
f) 2 10 . g) 2 10 . h) 2 10 . i) 2 10 .
2 20 30 4 6 60 62 28
21)
4 -2 −1 1 −6 6
a) = .
-3 1 1 −1 4 −4
3 −1 −4 −2
-1 0
b) −2 0 = 2 0 .
1 2
0 1 1 2
1 -1 3 3 -3
0 2 1
c) 2 1 = -3 3 6 .
−3 −1 4
0 3 -9 −3 12
a2 0 0 a3
23) a) A2 = , A3 = .
0 a2 a3 0
1 0
A=B= .
1 1
1 0
3 2 1 −3 0
2
26) a) AT =
−1 4 , B =
T 0 3 4 −1 .
−1 −2 5 1
−3 −2
a 1 2
27) a) A = 1 b 3 . b) Sim, em ambos os casos.
2 3 c
18
1 0 0 2/3 1/3 1/3
1 0 −1/3 2/3
b) . c) . d) −1 1 0 . e) −1/3 1/3 1/3 .
0 1 2/3 −1/3
0 −1 1 1/3 −1/3 2/3
1 −2 1 0 1 1 −1 1
0 1 −2 1 1 0 0 −1
f) A matriz não é invertível. g)
0 0
. h)
.
1 −2 0 −1 1 −1
0 0 0 1 −1 1 0 1
32) a) Sim e a sua inversa é A. b) Sim. Pode usar o método de indução para o mostrar.
c) Se α = 0, (αA)−1 = α1 A−1 . Para α = 0 não há invertibilidade. O mesmo pode acontecer
quando se somam duas matrizes invertíveis. Por exemplo, I e −I são invertíveis (elas próprias
constituem as suas inversas). Mas I + (−I) = 0 não é invertível.
0 −13 −3 0 1 0
33) ABCD = 1 0 0 , (ABCD)−1 = 1/2 0 3/2 .
0 5 1 −5/2 0 −13/2
2 3/2 0 −2 1 2
34) a) A−1 = 2 1 1 ; b) X = −2 0 4
1 1 0 2 0 −3
6 2 1 0 0 1
35) a) X = 2 4 0 ; b) X = 0 1 0
1 0 3 1 0 0
cos α sin α
36) R−1 T
α = R−α = Rα = .
− sin α cos α
0 0 1
37) a) A = 1 0 0 .
0 1 0
a−1
11 0 ... 0
0 a−1 ... 0
39) b) A−1 = 22
... ...
.
... ...
0 0 ... a−1
nn
19
IST - 2o Semestre de 2012/13
LEGM, LMAC, MEFT, MEBiom, MEC
1
x = (x1 , ..., xn ) ,
• Soma em Rn :
u + v = (u1 + v1 , ..., un + vn ) .
• Produto escalar em Rn :
αu = (αu1 , ..., αun ) .
i) (u + v) + w = u + (v + w) (associatividade).
ii) u + v = v + u (comutatividade).
v) α (u + v) = αu + αv (distributividade).
vi) (α + β) u = αu + βu (distributividade).
viii) 1u = u.
1
Coligidos por: João Ferreira Alves, Ricardo Coutinho e José M. Ferreira.
1
Sejam v1 , v2 , ..., vn , vectores de Rm . Um vector v ∈ Rm diz-se uma combinação linear
de v1 , v2 , ..., vn , se existirem números reais x1 , ..., xn, tais que
x1 v1 + x2 v2 + ... + xn vn = v.
L ({v1 , v2 , ..., vn }) ,
e é chamado de conjunto gerado por {v1 , v2 , ..., vn } , o qual toma o nome de conjunto
gerador.
Se L ({v1 , v2 , ..., vn }) = Rm , diremos que {v1 , v2 , ..., vn } é um conjunto gerador de Rm .
Em termos de componentes, v1 = (v11 , v21 , ..., vm1 ) , v2 = (v12 , v22 , ..., vm2 ) , ..., vn =
(v1n , v2n , ..., vmn ) formam um conjunto gerador de Rm se e só se a matriz
v11 v12 ... v1n
v21 v22 ... v2n
,
... ... ... ...
vm1 vm2 ... vmn
pode ser transformada por operações elementares de linhas numa matriz em escada de linhas
com um pivô em cada linha (i .e., sem linhas nulas).
1.1 Exercícios
Exercício 1 Considere em R2 o conjunto G = {(1, 1) , (2, 2)} .
a) Mostre que o vector (−5, −5) é combinação linear dos vectores de G.
b) É também o vector (1, 0) combinação linear dos vectores de G?
c) O conjunto G gera R2 ?
d) Determine a forma geral dos vectores (a, b) ∈ L(G).
2
Exercício 4 Quais dos conjuntos indicados a seguir geram R4 ?
a) {(1, 1, 0, 0) , (0, 0, 1, 1) , (1, 0, 0, 1) , (0, 1, 1, 0) , (0, 1, 1, −1)} .
b) {(1, 1, 1, 1) , (1, 1, 1, 0) , (1, 1, 0, 0) , (1, 0, 0, 0)} .
c) {(1, 1, 1, 1) , (1, 1, 1, 0) , (1, 1, 0, 0) , (1, 1, 0, 1)} .
d) {(11, −12, 1, 1) , (45, 17, 1, 20) , (21, 3, 41, 122)} .
o que sucede se e só se existirem números reais c1 , ..., cj−1 , cj+1 , ..., cn , tais que
ii) Se existe j ∈ {1, ..., n} tal que vj = 0, então v1 , ..., vj , ..., vn , são vectores linearmente
dependentes.
3
Em termos de componentes, v1 = (v11 , v21 , ..., vm1 ) , v2 = (v12 , v22 , ..., vm2 ) , ..., vn =
(v1n , v2n , ..., vmn ) , são linearmente independentes se e só se o sistema homogéneo
v11 v12 ... v1n x1 0
v21 v22 ... v2n x2 0
= ,
... ... ... ... ... ...
vm1 vm2 ... vmn xn 0
nas variáveis x1 , x2 , ..., xn , só tem a solução nula.
iv) v1 = (v11 , v21 , ..., vm1 ) , v2 = (v12 , v22 , ..., vm2 ) , ..., vn = (v1n, v2n , ..., vmn ) , são linear-
mente independentes se e só se a matriz
v11 v12 ... v1n
v21 v22 ... v2n
... ... ... ...
vm1 vm2 ... vmn
pode ser transformada através de operações elementares de linhas numa matriz em
escada de linhas com n pivôs.
vi) Se n > m, v1 , v2 , ..., vn , são vectores linearmente dependentes.
2.1 Exercícios
Exercício 8 Em cada um dos seguintes casos, mostre que os vectores indicados são linear-
mente dependentes:
a) Em R3 , v1 = (1, 1, 2), v2 = (2, 2, 4) .
b) Em R3 , v1 = (1, 1, 1), v2 = (3, 3, 3), v3 = (0, 1, 1) .
c) Em R4 , v1 = (0, 1, 0, 1), v2 = (1, 0, 1, 0), v3 = (2, 3, 2, 3) .
d) Em R4 , v1 = (0, 1, 0, 1), v2 = (1, 0, 1, 0), v3 = (2, 0, 1, 3), v4 = (0, 0, 0, 0) .
Exercício 9 Em cada um dos seguintes casos, analise se vectores indicados são linearmente
independentes:
a) Em R4 , v1 = (1, 1, 0, 0) , v2 = (1, 0, 1, 0) , v3 = (0, 0, 1, 1) , v4 = (0, 1, 0, 1) .
b) Em R3 , v1 = (1, 1, 2) , v2 = (1, 2, 1) , v3 = (3, 1, 1) .
Exercício 10 Quais dos seguintes conjuntos são constituídos por vectores linearmente in-
dependentes?
a) {(1, 1, 1) , (1, 2, 1)} ⊂ R3 .
b) {(1, 1, 1) , (0, 1, 1) , (0, 0, 1)} ⊂ R3 .
c) {(1, 1, 1) , (2, 2, 0) , (0, 0, 1)} ⊂ R3 .
d) {(2, 46, 6) , (23, 2, −123) , (1, 23, 1) , (1, 10, 1)} ⊂ R3 .
e) {(1, 0, −1, 0) , (4, 0, −3, 1) , (2, 0, −1, 1)} ⊂ R4 .
f) {(1, 0, −1, 0) , (4, 0, −3, 1) , (2, 1, −1, 1)} ⊂ R4 .
g) {(1, 1, 1, 1) , (1, 1, 1, 0) , (1, 1, 0, 0) , (1, 0, 0, 0)} ⊂ R4 .
h) {(1, 23, 1, 14) , (1, 12, 1, 0) , (24, −1, 0, 0) , (11, 19, 17, −123) , (101, 119, 1, 1)} ⊂ R4 .
4
Exercício 11 Calcule o único valor de a que faz com que os vectores de R4
3 Bases de Rn
B = {v1 , v2 , ..., vn } diz-se uma base de Rm se L (B) = Rm e se v1 , v2 , ..., vn forem
vectores linearmente independentes.
As bases de Rm possuem as seguintes características:
x = α1 v1 + α2 v2 + ... + αn vn.
passamos de [x]B para [x]En através da multiplicação de uma matriz que representamos por
MEn ←B e a que chamamos matriz de mudança de base:
5
Concretamente, se v1 = (v11 , v21 , ..., vn1 ) , v2 = (v12 , v22 , ..., vn2 ) , ..., vn = (v1n , v2n , ..., vnn ) ,
então
v11 v12 ... v1n
v21 v22 ... v2n
MEn ←B = ...
.
... ... ...
vn1 vn2 ... vnn
A passagem da base En para a base B será feita mediante a matriz
MB←E n = M−1
En ←B .
3.2 Exercícios
Exercício 12 Mostre que qualquer base de Rn tem n vectores.
6
Exercício 16 Seja B = {v1 , v2 } a base de R2 constituída pelos vectores
Exercício 19 Quais das matrizes indicadas a seguir podem ser matrizes de mudança da
base canónica, E2 , para uma outra base B de R2 ? Nos casos afirmativos indique a respectiva
base B.
5 0 2 1 −1 4 1 −1
A= . B= . C= . D= .
0 4 3 1 2 −8 1 1
7
4 Subespaços de Rn
Um subconjunto S ⊂ Rn é dito um subespaço de Rn se satisfizer as seguintes condições:
1) x + y ∈ S, ∀x ∈ S, ∀y ∈ S.
2) αx ∈ S, ∀x ∈ S, ∀α ∈ R.
4.2 Exemplos
U + V = {x + y : x ∈ U e y ∈ V } ,
8
4. Associados a uma matriz m × n,
a11 a12 ... a1n
a21 a22 ... a2n
A=
...
... ... ...
am1 am2 ... amn
são considerados os seguintes subespaços:
(a) Se
a1 = (a11 , a21 , ..., am1 ) , a2 = (a12 , a22 , ..., am2 ) , ..., an = (a1n , a2n , ..., amn ) ,
são as colunas de A, L ({a1 , a2 , ..., an }) é um subespaço de Rm , chamado de su-
bespaço das colunas da matriz A e representado por ColA. Observemos que
y ∈ ColA se e só se existe x ∈ Rn tal que Ax = y.
(b) NulA = {x ∈ Rn : Ax = 0} é um subespaço de Rn , designado por subespaço
nulo da matriz A.
(1) A é invertível.
(2) Para qualquer d ∈ Rn , o sistema Ax = d é possível e determinado.
(3) O sistema homogéneo Ax = 0 só tem a solução nula.
(4) ColA = Rn .
(5) NulA = {0} .
(6) c (A) = n.
(7) n (A) = 0.
9
4.5 Exercícios
a) (1, 3) ∈ ColA?
b) (1, 0, 0) ∈ ColB?
c) Qual a nulidade de A? E de B?
d) Represente geometricamente ColA.
Exercício 25 Determine a característica de cada uma das matrizes indicadas a seguir. Que
conclui sobre a sua invertibilidade?
2 1 3 1 −1 2 1 3 2
a) 1 −1 2 . b) 3 −3 6 . c) 5 1 1 .
1 0 3 −2 2 4 6 4 3
Exercício 26 Para cada uma das matrizes indicadas a seguir, determine bases para o espaço
das colunas e para o espaço nulo. Indique ainda a característica e a nulidade de cada uma
10
delas.
1 1 1 2 1
a) A = 1 0 . b) A = . c) A = .
1 1 1 1 2
1 1 1 0 0 1 −1 1
d) A = 2 1 . e) A = 1 1 0 . f) A = 1
1 3 .
1 2 1 1 1 0 1 1
1 4 2 1 2 3 4
1 4 −2 3 0 2
0 0 1 2 3
g) A = 3 6 0 3 . h) A =
−1 −3 −1
. i) A =
3
.
2 1 2
3 4 2 1
0 1 1 4 3 0 1
Exercício 27 Para a, b, c ∈ R\ {0} quaisquer, que valores deve assumir d para que a matriz
a b
c d
tenha característica 1?
11
5 Espaços e subespaços vectoriais
Um conjunto E = ∅ diz-se um espaço vectorial sobre K = R ou C, se estiver munido
de duas operações, uma entre elementos de E a que chamaremos soma e outra entre elementos
de E e elementos de K a que chamaremos produto escalar,
+ : u, v ∈ E → u + v, . : α ∈ K, v ∈ E → α.v,
vii) Associatividade entre o produto por escalar e a multiplicação em K: α. (β.u) = (αβ) .u,
∀u ∈ E, ∀α, β ∈ K.
1) x + y ∈ S, ∀x ∈ S, ∀y ∈ S.
2) αx ∈ S, ∀x ∈ S, ∀α ∈ K.
Nestas condições, S verifica todos os axiomas i)-viii), constituindo ele próprio um espaço
vectorial sobre K e em particular 0 ∈ S.
x1 v1 + x2 v2 + ... + xn vn = v.
12
• Os elementos de E, v1 , v2 , ..., vn , dizem-se linearmente dependentes sempre que um
deles é combinação linear dos restantes. Em caso contrário diremos que v1 , v2 , ..., vn ,
são linearmente independentes; v1 , v2 , ..., vn são linearmente independentes se e só se
x1 v1 + x2 v2 + ... + xn vn = 0 ⇔ x1 = x2 = ... = xn = 0.
5.1 Exemplos
Vejamos alguns exemplos significativos de espaços vectoriais.
B = {(1, 0, ..., 0) , ..., (0, ..., 0, 1) , (i, 0, ..., 0) , ..., (0, ..., 0, i)}
é uma base de Cn enquanto espaço vectorial real. A sua dimensão será pois 2n.
2. Mas do mesmo modo Cn também constitui um espaço vectorial sobre C, tendo como
base
B = {(1, 0, ..., 0) , ..., (0, ..., 0, 1)} .
A sua dimensão será pois igual a n.
1 0 0 1 0 0 0 0
, , ,
0 0 0 0 1 0 0 1
4. Mm×n (C) , conjunto das matrizes complexas m × n, munido das mesmas operações de
soma de matrizes e de produto de um escalar complexo por uma matriz, forma um
espaço vectorial sobre C, cuja dimensão é igualmente mn.
13
5. Seja F (R) o conjunto de todas as funções reais tendo como domínio R. Consideremos
a soma de duas funções f1 e f2 como sendo a função f1 + f2 dada por
(f1 + f2 ) (t) = f1 (t) + f2 (t) , ∀t ∈ R,
e o produto de um escalar real α por uma função f como sendo a função αf tal que
(αf) (t) = αf (t) , ∀t ∈ R.
Munido destas operações F (R) constitui um espaço vectorial sobre R. Contudo, F (R)
não admite nenhuma base finita, dizendo-se por isso de um espaço de dimensão
infinita.
6. Facilmente se observa que o conjunto dos polinómios de coeficientes reais com grau
não superior a n,
Pn (R) = {a0 + a1 t + ... + an tn : a0 , a1 , ..., an ∈ R}
é um subespaço vectorial de F (R) . Ao contrário de F (R) , Pn (R) tem dimensão finita,
pois
Pn = {1, t, ..., tn }
constitui uma base de Pn (R), sendo portanto dim Pn (R) = n + 1.
7. Também o conjunto de todos os polinómios de coeficientes reais, independentemente
do seu grau,
P (R) = {a0 + a1 t + ... + an tn : n ∈ N, a0 , a1 , ..., an ∈ R} ,
constitui um subespaço vectorial de F (R) , igualmente de dimensão infinita.
5.2 Exercícios
Exercício 31 Indique se os seguintes subconjuntos do espaço vectorial P3 (polinómios com
grau menor ou igual a 3) constituem subespaços de P3 :
U = {p (t) ∈ P3 : p (0) = p (1)} .
V = {p (t) ∈ P3 : p (−1) = p (0) = p (1) = 0} .
W = a + bt + ct2 + dt3 : a, b, c, d ∈ Z .
14
Exercício 34 Seja Mn×n (R) o espaço vectorial das matrizes reais n×n. Quais dos seguintes
subconjuntos de Mn×n (R) são subespaços de Mn×n (R)?
geram P2 .
Exercício 37 Mostre que no espaço vectorial, F, das funções reais de variável real, cada um
dos seguintes conjuntos é constituído por funções linearmente dependentes.
são constituídos por funções linearmente independentes. (Sugestão: no primeiro caso faça
t1 = 0, t2 = 1, t3 = −1; no segundo faça t1 = 0, t2 = π/2, t3 = π).
15
Exercício 40 Seja B = {p1 , p2 , p3 } o subconjunto de P2 constituído pelos polinómios
16
Exercício 45 Considere os seguintes subespaços U e V de R3 e determine uma base do
subespaço soma U + V e uma base do subespaço intersecção U ∩ V .
a) U = {(0, 0, 0)} e V = {(0, 0, 0)} .
b) U = {(0, 0, 0)} e V = L {(1, 1, 1)}..
c) U = L {(1, 0, 0)} e V = L {(0, 1, 0)}.
d) U = L {(1, 0, 0)} e V = L {(1, 0, 0)}.
e) U = L {(1, 0, 0)} e V = L {(0, 1, 0) , (0, 0, 1)}.
f) U = L {(1, 0, 0)} e V = L {(0, 1, 0) , (1, 1, 0)}.
Exercício 49 No espaço vectorial C 2 (R) das funções reais de variável real que são duas
vezes diferenciáveis, considere o subconjunto
S = f ∈ C 2 (R) : f ′′ − 2f ′ + f = 0 .
17
6 Soluções
1) b) Não. c) Não. d) L (G) = {(a, b) ∈ R2 : a = b} .
2) c) G não gera R3 . d) L(G) = {(a, b, c) ∈ R3 : b = c}.
3) a) Não. b) Sim c) Não. d) Não.
4) a) Sim. b) Sim. c) Não. d) Não.
5) a = 3.
6) (a, b) = (0, 1).
7) a = 1.
9) a) L.D. b) L. I.
10)a) L. I. b) L. I. c) L.D. d) L.D. e) L.D. f) L. I. g) L. I. h) L.D.
11) a = 2.
13) a) Sim. b) Sim. c) Não. d) Não. e) Não.
14) a) É base de R3 . b) Não é base de R3 . c) Não é base de R3 . d) Não é base de R3 .
15) a) Não é base de R4 . b) Não é base de R4 . c) É base de R4 . d) Não é base de R4 .
16) a) (4, 2) . b) (−2, 5) . c) (a − b, b).
17) a) (8, 8, 5) . b) (1, −1, 1). c) 1
2
a − 12 b, b − c, c .
19) A, B = {(1/5, 0) , (0, 1/4)} . B, B = {(−1, 3) , (1, −2)} . D, B = {(1/2, −1/2) , (1/2, 1/2)} .
C não é matriz de mudança de base.
−3/7 2/7
20) a) MB1 ←E2 = .
2/7 1/7
10 8
c) MB2 ←B1 = .
7 −7
1 1 −2/3 1/2
21) MB2 ←B1 = e MB1 ←B2 = .
10/3 4/3 5/3 −1/2
22) a) É subespaço de R2 . b) É subespaço de R2 . c) É subespaço de R2 .
d) Não é subespaço de R2 . e) Não é subespaço de R2 .
23) a) É subespaço de R3 . b) Não é subespaço de R3 . c) É subespaço de R3 .
d) Não é subespaço de R3 . e) Não é subespaço de R3 . f) Não é subespaço de R3 .
24) a) Não. b) Sim. c) 1 e 0. d) Recta y = x.
25) a) 3; invertível. b) 2; não invertível. c) 2; não invertível.
26) a) {1} é base de ColA, c (A) = 1, {(0, 1)} é base de NulA, n (A) = 1.
b) {(1, 1)} é base de ColA, c (A) = 1, {(−1, 1)} é base de NulA, n (A) = 1.
c) {(1, 1) , (2, 1)} é base de ColA, c (A) = 2, {(−3, 1, 1)} é base de NulA, n (A) = 1.
18
d) {(1, 2, 1) , (1, 1, 2)} é base de ColA =, c (A) = 2,
27) d = bc/a.
28) a) h = −5. b) n (A) = 2.
29) a) V. b) F. c) F. d) F. e) F.
30) a) {(−1, 1)} é uma base de S, dim S = 1.
b) {(−1, 1, 0) , (−2, 0, 1)} é uma base de S, dim S = 2.
c) {(−1, 1, 0)} é uma base de S, dim S = 1.
d) {(−1, 1, 0, 0) , (−1, −1, 1, 1)} é uma base de S, dim S = 2.
e) {(1, 1) , (1, 2)} é uma base de S, dim S = 2.
f) {(1, −1, 1) , (1, 1, 3)} é uma base de S, dim S = 2.
g) {(1, 4, −2, 3) , (3, 6, 0, 3)} é uma base de S, dim S = 2.
31) U e V são subespaços de P3 . W não.
32) U é subespaço de P3 se e só se a = 0.
33) U, W e X são subespaços de F. V não.
34) W e X são subespaços de Mn×n (R) . U, V e Y não.
35) c) G não gera P2 . d) L(G) = {b − c + bt + ct2 : b, c ∈ R} .
40) b) 4 + 7t − 2t2 ; c) (2, 0, −1) ; d) (2a − b, b − a, c) .
1/2 1/2 0 0
1/2 −1/2 0 0
41) b) MP3 →B = 1/2 −1/2 1 0 .
0 0 0 1
19
44) a) {(−1, 1, 0)} é uma base de S, dim S = 1.
b) {(−2, 1, 1)} é uma base de S, dim S = 1.
c) {(1, 0, 0)} é uma base de S, dim S = 1.
d) {(1, 0, 0) , (0, 0, 1) , (1, 1, 1)} é uma base de S, dim(S) = 3.
e) {(1, 1, 1) , (0, 1, 1) , (−1, 1, 0)} é uma base de S, dim S = 3.
f) {(−1, 1, 0) , (−1, 0, 1) , (3, 0, 1)} é uma base de S, dim S = 3.
45) a) A base de U ∩ V e de U + V é o conjunto vazio.
b) A base de U ∩ V é o conjunto vazio. Uma base de U + V é {(1, 1, 1)}.
c) A base de U ∩ V é o conjunto vazio. Uma base de U + V é {(1, 0, 0) , (0, 1, 0)}.
d) Uma base de U ∩ V e de U + V é {(1, 0, 0)}.
e) A base de U ∩ V é o conjunto vazio. Uma base de U + V é {(1, 0, 0) , (0, 1, 0) , (0, 0, 1)}.
f) A base de U ∩ V é {(1, 0, 0)}. Uma base de U + V é {(1, 0, 0) , (0, 1, 0)}.
46) a) A base de U ∩ V é o conjunto vazio.
Uma base de U + V é {(0, 1, −1, 1) , (1, 0, 1, 0) , (0, 1, 0, 0) , (1, 0, 0, 0)}.
b) Uma base de U ∩ V é {(0, −1, 1, −1)} .
Uma base de U + V é {(0, 1, −1, 1) , (1, 0, 1, 0) , (0, 1, 0, 0) , (1, 0, 0, 0)}.
c) Uma base de U ∩ V é {(1, 1, 0, 0) , (0, 0, 0, 1)}.
Uma base de U + V é {(1, 0, 0, 0) , (0, 1, 0, 0) , (1, 1, 0, 1) , (1, 1, 1, 0)}.
d) Uma base de U ∩ V é {(1, 0, −1, 0) , (0, 1, 0, −1) , (1, 1, 1, 1)} = U = V .
Uma base de U + V é {(1, 1, 0, 0) , (0, 1, 1, 0) , (0, 0, 1, 1)}.
e) Uma base de U ∩ V é {(1, 0, −1, 0) , (0, 1, 0, −1)}.
Uma base de U + V é {(1, 1, 0, 0) , (0, 1, 1, 0) , (0, 0, 1, 1)}.
f) Uma base de U ∩ V é {(1, 1, −1, −1)}.
Uma base de U + V é {(1, 1, 0, 0) , (0, 1, 1, 0) , (0, 0, 1, 1) , (1, 0, −1, 1)}.
g) Uma base de U ∩ V é {(1, 1, 1, 1)}.
Uma base de U + V é {(1, 1, 0, 0) , (1, 1, 1, 1) , (1, 0, 1, 0)}.
47) a) {t, t2 , t3 } é uma base de S. b) {t − 1, t2 − 1, t3 − 1} é uma base de S.
c) {1, t2 − t, t3 − t} é uma base de S.
1 0 0 0 1 0 0 0 1
48) a) , , .
−1 0 0 0 −1 0 0 0 −1
1 0 0 0 0 1
b) , , .
0 0 0 1 1 0
0 0 0 0 1 0 0 0 0 0 0 0
c) 1 0 0 , 0 0 0 , 0 0 0 , 0 0 1 .
0 0 0 0 0 0 0 1 0 0 0 0
20
IST - 2o Semestre de 2012/13
LEGM, LMAC, MEFT, MEBiom, MEC
1 Linearidade
Transformações lineares são funções
T : E1 → E2
A partir destes axiomas pode facilmente mostrar-se que as transformações lineares go-
zam das seguintes propriedades:
• T (−u) = −T (u).
• T (0) = 0.
Dp (t) = p′ (t) ,
ou mais concretamente
1
1.1 Algumas transformações lineares de R2 em R2
Outro exemplo de transformação linear
T : Rn → Rm
é-nos dado pelo produto de uma matriz A, m × n, por um vector coluna x ∈ Rn :
T (x) = Ax.
Entre elas constam as seguintes transformações lineares de R2 em R2 (ver exercícios 8 e 11
da secção seguinte).
1. MUDANÇA DE ESCALA:
r 0 x
Sr (x, y) = (rx, ry) = .
0 r y
(ampliação se r > 1, redução se r < 1).
2
1.2 Exercícios
Exercício 1 T : R4 → R2 é uma transformação linear tal que
a) Calcule
i) T (u1 − 2u2 ) . ii) T (3u1 − u2 ) . iii) T (u1 − u2 + 4u3 ) .
Tk (x, y, z) = (x − y − z, x + y + z) + (k, k) ,
Tm (x, y, z) = xm − y m − z m , y m−1 z .
T (a0 + a1 t) = b0 + b1 t
em que
b0 1 −1 a0
= .
b1 −1 1 a1
a) Calcule T (1 + 2t) .
b) Determine a0 e a1 tais que T (a0 + a1 t) = 1 − t. E tais que T (a0 + a1 t) = 1 − 2t?
c) Mostre que T é uma transformação linear.
3
Exercício 6 Sejam v1 , ..., vp , vectores de Rn e T : Rn → Rm uma transformação linear.
Mostre que se T (v1 ) , ..., T (vp ) são linearmente independentes então o mesmo sucede a
v1 , ..., vp .
4
c) A composição de duas rotações, Rθ2 ◦ Rθ1 , é uma rotação? Em caso afirmativo, qual a
sua amplitude?
d) Mostre que para qualquer θ ∈ R, Rθ admite inversa. Determine-a.
e) Se Cρ ⊂ R2 for a circunferência de centro na origem e raio ρ > 0, mostre que Rθ (Cρ ) =
Cρ , para qualquer θ ∈ R.
f) Seja ra a recta de R2 cuja equação analítica é y = ax (a = 0) . Qual a equação analítica
da recta Rπ/2 (ra )?
x = x1 u1 + ... + xn un
e
T (x) = x1 T (u1 ) + ... + xn T (un) .
Como tal, as coordenadas de [T (x)]B2 de T (x) na base B2 relacionam-se com as coordenadas
[x]B1 de x na base B1 através de uma matriz [T ]B2 B1 (m × n):
em que as colunas de [T ]B2 B1 são as coordenadas na base B2 , [T (u1 )]B2 , ..., [T (un )]B2 , de
T (x) = [T ] x
em que as colunas da matriz [T ] são as coordenadas na base Em dos vectores T (u1 ) , ..., T (un ) .
5
2.1 Composição de transformações lineares
Com E1 , E2 e E3 espaços vectoriais sobre K (R ou C) sejam T1 : E1 → E2 e T2 : E2 → E3
duas transformações lineares. Então facilmente se observa que a composição de T2 com T1 ,
(T2 ◦ T1 ) (x) = T2 (T1 (x))
é uma transformação linear entre os espaços E1 e E3 .
Se E1 , E2 e E3 forem espaços de dimensão finita tais que
dim E1 = n , dim E2 = m e dim E3 = ℓ ,
de bases, respectivamente, B1 , B2 e B3 , T1 admite uma representação matricial através de
uma matriz [T1 ]B2 B1 , m×n, e T2 uma representação matricial por uma matriz [T2 ]B3 B2 , ℓ×m.
Como tal, T2 ◦ T1 terá como representação matricial a matriz [T2 ]B3 B2 [T1 ]B2 B1 (ℓ × n) . Na
verdade,
[(T2 ◦ T1 ) (x)]B3 = [T2 (T1 (x))]B3
= [T2 ]B3 B2 [T1 (x)]B2
= [T2 ]B3 B2 [T1 ]B2 B1 [x]B1 .
onde MB1 ←D1 é a matriz de mudança de base D1 para a base B1 e MD2 ←B2 é a matriz de
mudança de base de B2 para D2 . Ou seja,
[T ]D2 D1 = MD2 ←B2 [T ]B2 B1 MB1 ←D1
2.3 Exercícios
Exercício 12 Considere R2 munido da base B = {v1 , v2 } , onde v1 = (1, 2) , v2 = (2, 1) .
Represente matricialmente na base B as seguintes transformações lineares T : R2 → R2
definidas pelas seguintes relações:
a) T (1, 2) = (2, 1) e T (2, 1) = (1, 2).
b) T (1, 2) = (3, 3) e T (2, 1) = (6, 6).
c) T (v1 ) = v1 + v2 e T (v2 ) = 3v1 − 7v2 .
d) T (v1 + v2 ) = 5v1 + v2 e T (v1 − v2 ) = 3v1 − 7v2 .
6
Exercício 13 Considere uma transformação linear T : R2 → R3 tal que
a b
.
c d
2 1
?
1 2
3 2
,
1 2
7
Exercício 18 Considere a base de R3 , B = {v1 , v2 , v3 } , onde v1 = (1, 0, 0) , v2 = (1, 1, 0)
e v3 = (1, 1, 1) .
a) Sabendo que T : R3 → R3 é uma transformação linear que na base canónica de R3 é
representada pela matriz
1 1 0
1 0 1 ,
0 1 1
determine a sua representação matricial na base B.
b) Supondo que na base B, uma transformação linear T é representada matricialmente pela
matriz
1 2 1
1 0 0 ,
0 1 2
determine analiticamente T (x1 , x2 , x3 ) .
T (w1 ) = v1 + v2 e T (w2 ) = v2 + v3 .
determine a expressão analítica para T ◦ S (x, y, z).
Exercício 21 Seja T : P2 → P2 definida por T (p (t)) = tp′ (t). Determine a matriz que
representa T na base P2 = {1, t, t2 }.
Exercício 22 Seja T : P2 → P4 definida por T (p (t)) = p (t2 )+p (2) t3 . Determine a matriz
que representa T nas bases P2 = {1, t, t2 }, P4 = {1, t, t2 , t3 , t4 }.
8
Exercício 24 T : P2 → P3 é uma transformação linear tal que
F (A) = A + AT .
1 0 0 1 0 0 0 0
, , , .
0 0 0 0 1 0 0 1
Exercício 26 Seja
a b
A=
c d
uma matriz arbitrária do espaço vectorial M2×2 (R) das matrizes reais 2 × 2. Quais das
seguintes transformações de M2×2 (R) em R, são lineares?
Nos casos afirmativos indique a respectiva representação matricial relativamente à base canó-
nica de M2×2 (R) .
9
3 Núcleo e contradomínio de uma transformação linear
Relativamente a uma qualquer transformação linear T : E1 → E2 entre dois espaços
vectoriais E1 e E2 , facilmente se verifica que o contradomínio de T ou conjunto imagem
Im T = {y ∈ E2 : y = T (x) , x ∈ E1 }
x1 = x2 ⇒ T (x1 ) = T (x2 )
T −1 : Im T → E1 ,
T −1 ◦ T (x) = x, ∀x ∈ E1 ,
T ◦ T −1 (y) = y, ∀y ∈ Im T.
Nuc T = {x ∈ E1 : T (x) = 0} ,
T (x) = 0 ⇔ x = 0,
• T : E1 → Im T é invertível.
• T é injectiva.
• Nuc T = {0} .
10
3.1 Núcleo e contradomínio de uma transformação linear entre
espaços de dimensão finita
No caso em que os espaços E1 e E2 são de dimensão finita há a registar algumas particu-
laridades específicas. Na verdade, tomando uma base B1 de E1 , uma base B2 de E2 e a matriz
[T ]B2 B1 que, relativamente a estas bases, representa a transformação linear T : E1 → E2 ,
atendendo a que
[T (x)]B2 = [T ]B2 B1 [x]B1 ,
podemos concluir que
Nuc T = x ∈ E1 : [x]B1 ∈ Nul [T ]B2 B1 .
Do mesmo modo,
Im T = y ∈ E2 : [y]B2 ∈ Col [T ]B2 B1 .
Assim, recordando a nulidade, n (A) , e a característica, c (A) , de uma matriz A, temos
dim (Nuc T ) = dim Nul [T ]B2 B1 = n [T ]B2 B1
dim (Im T ) = dim Col [T ]B2 B1 = c [T ]B2 B1
e
dim (Nuc T ) + dim (Im T ) = dim E1 .
Se dim (E1 ) = dim (E2 ), podemos ainda afirmar que T é uma transformação invertível
(ou bijectiva) se e só se a matriz [T ]B2 B1 for invertível. Nestas condições, relativamente às
bases B1 e B2 , a matriz que representa a transformação inversa, T −1 , é a matriz inversa da
matriz que representa T : TB−1
1 B2
= [T ]−1
B2 B1 .
3.2 Exercícios
Exercício 28 Determine bases para o núcleo e para o contradomínio (ou espaço imagem)
de cada uma das seguintes transformações lineares:
a) T (x1 , x2 ) = (2x1 + x2 , 2x1 + x2 ) .
b) T (x1 , x2 ) = (x1 + x2 , x1 − x2 ) .
c) T (x1 , x2 , x3 ) = (x1 + x2 + x3 , 2x1 + 2x2 + 2x3 , x2 − x3 ) .
d) T (x1 , x2 , x3 ) = (x1 + 2x2 − x3 , 2x1 + 4x2 − 2x3 , −x1 − 2x2 + x3 ) .
e) T (x1 , x2 , x3 ) = (x1 − x3 , x1 + 2x3 , x2 + 3x3 ) .
f) T (x1 , x2 , x3 ) = (x1 − x3 , x2 + x3 ) .
g) T (x1 , x2 ) = (2x1 + x2 , 4x1 + 2x2 , 0) .
11
Exercício 30 Na base formada pelos vectores
2 1 −3
.
−6 −3 9
a) Que polinómio é T (1 + 2t + t2 )?
b) Determine bases do núcleo e do contradomínio de T.
T (x1 , x2 , x3 ) = (x1 + x2 , x1 + x2 − x3 ) .
12
b) Determine uma base para o núcleo de T. A transformação T é injectiva?
c) Determine uma base para o contradomínio de T. T é sobrejectiva?
d) Resolva a equação T (x1 , x2 , x3 ) = (1, 1).
e) Existe algum vector (a, b) ∈ R2 para o qual a equação T (x1 , x2 , x3 ) = (a, b) é impossível?
f) Existe algum vector (a, b) ∈ R2 para o qual a equação T (x1 , x2 , x3 ) = (a, b) é possível e
determinada?
Exercício 36 Na base de R2 formada por v1 = (1, 1), v2 = (1, 0), a transformação linear
T : R2 → R2 é representada pela matriz
2 4
.
1 2
a) Encontre uma base de Nuc T. T é injectiva?
b) Indique uma base de ImT. T é sobrejectiva?
c) Resolva a equação T (x1 , x2 ) = (3, 2).
d) Existe algum vector (a, b) ∈ R2 para o qual a equação T (x1 , x2 ) = (a, b) é impossível?
e) Existe algum vector (a, b) ∈ R2 para o qual a equação T (x1 , x2 ) = (a, b) é possível e
determinada?
13
Exercício 38 T é a transformação linear dada por
T (x1 , x2 ) = (x1 + x2 , x1 + 2x2 ) .
a) Qual a matriz que representa T na base canónica?
b) Mostre que T é bijectiva e calcule T −1 (y1 , y2 ).
c) Resolva a equação linear T (x1 , x2 ) = (1, 1).
Exercício 39 A matriz
1 0 0
0 1 0
0 0 −1
representa a transformação linear T na base de R3 constituída pelos vectores
v1 = (1, 1, 1), v2 = (1, 1, 0), v3 = (1, 0, 0).
a) Mostre que T é bijectiva e calcule T −1 (y1 , y2 , y3 ).
b) Resolva a equação linear T (x1 , x2 , x3 ) = (1, 2, 1).
14
4 Soluções
1) a) i) (−1, −5) . ii) (2, −5) . iii) (−12, −7) . b) α = 6, β = 2.
2) São lineares as transformações das alíneas a), d) e f).
3) k = 0 e m = 1.
4) a) 5t + 4t2 + 3t3 + 2t4 .
5) a) t − 1. b) a0 = a1 + 1. Não existe.
7) a) Recta y = x − 3. b) Recta y = x. c) Região do plano entre as rectas y = x − 1 e
y = x + 1.
8) a) i) T (∆) = ∆; ii) T (Cρ ) = Cρ .
b) i) Triângulo de vértices (−1, 1) , (−1, −1) e (−2, 0) ; ii) T (Cρ ) = Cρ .
c) i) Triângulo de vértices (1, 1) , (−1, 1) e (0, 2) ; ii) T (Cρ ) = Cρ .
d) i) Triângulo de vértices (−1, −1) , (1, −1) e (−2, 0) ; ii) T (Cρ ) = Cρ .
e) i) Triângulo de vértices (r, r) , (r, −r) e (2r, 0) ; ii) T (Cρ ) = Crρ .
9) T (E) é a circunferência de centro na origem e raio 1.
√ √
10) a) (0, 1) , (−1, 0) , (−1, 1) e 1 − 3 /2, 1 + 3 /2 .
b) i) θ = π/2 + 2kπ. ii) θ = −π/2 + 2kπ. iii) θ = 3π/4 + 2kπ. iv) θ = −5π/6 + 2kπ. v)
Não.
c) Sim; θ1 + θ2 . d) R−θ . f) y = −x/a.
11) a) Triângulo de vértices (1, 0, 1) , (−1, −1, 0) e (0, 0, 2) .
b) Triângulo de vértices (−1, 0, 1) , (1, 1, 0) e (0, 0, 2) .
c) Triângulo de vértices (0, 1, 1) , (−1, −1, 0) e (0, 0, 2) .
0 1 1 2 1 3 4 1
12) a) . b) c) d) .
1 0 1 2 1 −7 −3 4
2 1 d c
15) a) . b) .
1 2 b a
3 3
16) a) . b) T (x1 , x2 ) = (4x1 , 4x1 + x2 ) .
0 1
0 1 1 e f d
17) a) 1 1 0 . b h i g .
1 0 1 b c a
15
0 1 0
18) a) 1 0 0 . b) T (x1 , x2 , x3 ) = (2x1 + x2 , x1 + x3 , x2 + x3 ).
0 1 2
2 1 0 2 0 4 4 3 2 4 −1 −1
19) a) . b) . c) . d) .
0 3 1 6 2 0 −2 0 1 −2 2 1
0 0 0 2
16
1 1 0
34) a) .
1 1 −1
b) {(−1, 1, 0)} é base de Nuc T. A transformação T não é injectiva pois dim Nuc T = 0.
c) {(1, 1) , (0, −1)} é base de Im T. A transformação T é sobrejectiva pois dim Im T = 2 =
dim R2 .
d) O conjunto das soluções é {(1, 0, 0)} + Nuc T = {(1, 0, 0) + x2 (−1, 1, 0) : x2 ∈ R} .
e) Não, porque T é sobrejectiva.
f) Não, porque T não injectiva.
35) a) ∅ é base do Nuc T . T é injectiva.
b) {(1, 2, 0) , (2, 1, 0) , (2, 4, 2)} é base de Im T. T é sobrejectiva.
c) A única solução da equação é (1, 1, 0).
d) e e) Como T é bijectiva a equação T (x1 , x2 , x3 ) = (a, b, c) é possível e determinada para
qualquer (a, b, c) ∈ R3 .
36) a) {(1, 2)} é base de Nuc T, logo T não é injectiva.
b) {(3, 2)} é uma base de Im T , pelo que T não é sobrejectiva.
c) O conjunto das soluções é {(0, −1)} + Nuc T.
d) Sim. Por exemplo, T (x1 , x2 ) = (1, 0) é impossível.
e) Não.
37) a) {(1, 1, 2)} é base de Nuc T, logo T não é injectiva.
b) {(8, 6, 2) , (−2, 0, 0)} é uma base de Im T, pelo que T não é sobrejectiva.
d) Sim.
1 1
38) a) . b) T −1 (y1 , y2 ) = (2y1 − y2 , −y1 + y2 ) .
1 2
1 0 0 0 0 1
42) a) Na base , , ,
0 0 0 1 1 0
0 0 2
a matriz que representa T é 0 0 2 .
1 1 0
−1 0 1−a 0
b) é base de Nuc T. c) O conjunto das soluções é :a∈R .
0 1 0 a
17
IST - 2o Semestre de 2012/13
LEGM, LMAC, MEFT, MEBiom, MEC
1
1 Determinantes
Pode-se definir det A, o determinante de uma matriz A ∈ Mn×n (K), como o valor da
função de Mn×n (K) em K que satisfaz as seguintes propriedades:
′
ii) Se a matriz A se obtém da matriz A multiplicando uma das suas linhas por α, então
′
det A = α det A
iii) det A não se altera se uma linha for substituída pela sua soma com outra linha.
iii’) det A não se altera se uma linha for substituída pela sua soma com o múltiplo de outra
linha.
′ ′
iv) Se a matriz A se obtém da matriz A permutando duas das suas linhas, então det A =
− det A
Com base nas propriedades acima descritas é possível calcular qualquer determinante através
do método de eliminação de Gauss. Por exemplo:
1
Coligidos por: João Ferreira Alves, Ricardo Coutinho e José M. Ferreira.
1
2 2 2 2 2 2
det 3 3 8 = det 0 0 5 por iii′ )
2 5 3 0 3 1
2 2 2
= − det 0 3 1 por iv)
0 0 5
1 1 1
= −2 × 3 × 5 × det 0 1 1/3 por ii)
0 0 1
1 0 0
= −30 det 0 1 0
por iii′ )
0 0 1
= −30 por i)
podemos descrever a linearidade do determinante em função das suas linhas nas seguintes
duas primeiras propriedades.
′
a′1 a1 a′1
... ... ...
′
1. det
ai + a
′
= det ai + det
a .
... ... ...
a′n a′n a′n
′
a′1 a1
...
...′
2. det
αai = α det
′
ai (∀α) .
... ...
′
an a′n
3. det AT = det A.
4. O determinante muda de sinal por permutação entre pares de linhas (ou de colunas).
5. det A não se altera se uma linha (ou coluna) for substituída pela sua soma com o
múltiplo de outra linha (respectivamente coluna).
2
6. Se
a11 a12 a13 ··· a1n
0 a22 a23 ··· a2n
0 0 a33 ··· a3n
A=
.. .. ... ..
. . .
0 0 0 · · · ann
é uma matriz triangular superior (ou triangular inferior) então
det A = a11 a22 ...ann .
= ai1 det Ai1 − ai2 det Ai2 + ai3 det Ai3 − ... + (−1)i+n ain det Ain
= ai1 ci1 + ai2 ci2 + ai3 ci3 + ... + ain cin
Para qualquer j = 1, 2, ..., n,
n n
i+j
det A = (−1) aij det Aij = aij cij
i=1 i=1
= a1j det A1j − a2j det A2j + a3j det A3j − ... + (−1)n+j anj det Anj
= a1j c1j + a2j c2j + a3j c3j + ... + anj cnj
onde Aij é a matriz que se obtem de A por supressão da linha i e da coluna j. O
valor cij = (−1)i+j det Aij é chamado de cofactor (i, j) da matriz A.
2
Pierre Simon Laplace, n. Beaumont-en-Ange (Normandia) França, a 23 de Março de 1749, m. Paris, a
5 de Março de 1827.
3
• Expansão permutacional: Designemos por P o conjunto de todas as permutações
σ = (σ1 , ..., σn ) de {1, 2, ..., n} . Obtemos,
4
1.4 Matriz dos cofactores
Considerando os cofactores
A (cofA)T = (det A) In .
1.6 Exercícios
Exercício 1 Use eliminação de Gauss para calcular os determinantes das seguintes matri-
zes:
3 −1 4
1 2 1 1
a) . b) . c) 0 1 −2 .
1 1 1 1
0 5 0
1 0 0 3 0 0 1 −1 1
d) 1 1 0 . e) 0 1 −2 . f) 1 1 3 .
1 1 1 0 5 0 0 1 1
4
Gabriel Cramer, n. a 31 Julho de 1704 em Geneva, m. a 4 de Janeiro de 1752 em Bagnols-sur-Cèze
(França) .
5
Exercício 2 Use eliminação de Gauss para calcular os determinantes das seguintes matri-
zes. Aproveite o resultado para indicar as que são invertíveis.
1 12 22 31 1 2 4 3 1 0 0 3
0 3 11 16 1 1 0 3
a) . b) 1 1 3 3 . c)
0 0 1 10 0 3 0 0 0 3 1 1 .
0 0 0 1 0 2 2 2 0 2 2 2
1 1 0 0 0
1 0 0 2 1 0 0 3 1 4 0 6 0
0 1 2 3 1 1 0 3
d) 0 2 1 2
. e)
0 0 1 1
. f) 1 1 0 3 0 .
0 3 1 1 3
3 3 0 1 −5 2 2 2
0 0 0 2 5
determine
1 2 γ
det δ δγ + δ2 2δ .
δγ γ γ
6
Exercício 6 Calcule o determinante da matriz n × n
λ λ λ ... λ
1 λ+1 1 ... 1
1 1 λ + 1 ... 1
B= .
.. .. .. .. ..
. . . . .
1 1 1 1 λ+1
7
Exercício 13 Calcule os determinantes das matrizes
1 0 1 2 2 2
A = 0 1 5 e B = 0 2 2 .
3 0 1 1 1 2
ii) Caso seja possível, determine a matriz inversa de cada uma destas matrizes.
Exercício 17 Aplicando o exercício anterior, mostre que {1, e−t , t e−t } é constituído por
funções linearmente independentes.
5
Este determinante é conhecido pelo nome de wronskiano das funções f1 , f2 e f3 . Esta condição de
independência linear é devida a Josef-Maria Hoëné Wronski (n. Wolsztyn, Polónia, 23 de Agosto de 1778;
m. Neilly-sur-Seine, França, em 8 de Agosto de 1853).
8
2 Vectores e valores próprios de transformações linea-
res
Dada uma transformação linear T : E → E do espaço vectorial E nele próprio, se com
v ∈ E\ {0} e λ escalar se tem
T (v) = λv,
diremos que v é um vector próprio de T e λ um seu valor próprio.
Designando por I : E → E a transformação linear identidade, ou seja a transformação
tal que I (x) = x, qualquer que seja x ∈ E, temos que
Av = λv.
9
O conjunto dos vectores próprios associados a um mesmo valor próprio de A, é consti-
tuído por todos os vectores não nulos que são solução do sistema homogéneo (A − λI) x = 0,
ou seja Nul (A − λI) \ {0} . O subespaço Nul (A − λI) é também designado por espaço pró-
prio associado ao valor próprio λ e igualmente representado por E (λ) .
A = SDS−1 .
10
• Teorema da diagonalização. Uma matriz A (n × n) é diagonalizável se e só se
admitir n vectores próprios, v1 , v2 , ..., vn , linearmente independentes.
A matriz de semelhança, S, terá como colunas as coordenadas dos vectores próprios
v1 , v2 , ..., vn :
S = [v1 v2 ...vn ] .
A matriz diagonal
λ1 0 0 ... 0
0 λ2 0 ... 0
D=
0 0 λ3 ... 0
... ... ... ... ...
0 0 0 ... λn
será formada de maneira que λj é um valor próprio associado a vj , para j = 1, ..., n.
2.4 Exercícios
Exercício 18 Seja T : R2 → R2 a transformação linear definida por
e considere os vectores v1 = (2, 1), v2 = (−1, 1), v3 = (2, 3) e v4 = (4, 4). Identifique os que
são vectores próprios de T. Nos casos afirmativos, indique os respectivos valores próprios de
T.
Dentre os vectores v1 = (2, 1, 1), v2 = (0, −1, 1), v3 = (1, 0, 0), v4 = (−1, 1, 3) e v5 =
(0, 3, 3), quais são vectores próprios de T ? E que valores próprios de T que lhes estão asso-
ciados?
Verifique se alguns dos vectores v1 = (2, 1, 1), v2 = (1, 1, 1), v3 = (−2, 0, 2), v4 = (−1, 1, 3)
e v5 = (−1, 1, 0) são vectores próprios de T. A que valores próprios de T estão associados?
11
Exercício 21 Seja T : R2 → R2 a transformação linear definida por
T (x1 , x2 ) = (x1 + x2 , x1 + x2 ) .
Mostre que os vectores v1 = (1, −1) e v2 = (1, 1) determinam uma base de R2 constituída
por vectores próprios de T. Nesta base, determine a representação matricial de T.
T (x1 , x2 , x3 ) = (x2 , x2 , x2 ) .
Justifique que os vectores v1 = (1, 0, 0), v2 = (1, 1, 1) e v3 = (0, 0, 1) determinam uma base
de R3 constituída por vectores próprios de T . Qual a representação matricial de T nesta
base?
D = S−1 AS.
2 1
A= .
0 2
a) Determine σ (A) .
b) Calcule os subespaços próprios de T.
c) Mostre que não existe uma base de R2 constituída por vectores próprios de T.
12
b) Calcule os valores próprios e os subespaços próprios de T.
c) Determine uma base de R3 constituída por vectores próprios de T . Qual é a representação
matricial de T nesta base?
d) Designando por A a matriz que representa T na base canónica de R3 , determine uma
matriz S e uma matriz diagonal D tais que D = S−1 AS.
a) Determine σ (A) .
b) Calcule os subespaços próprios de T.
c) Indique uma base de P2 tal que a representação matricial de T nessa base seja diagonal.
13
Exercício 31 Duas matrizes quadradas A e B dizem-se semelhantes se existe uma matriz
S invertível tal que B = S−1 AS. Mostre que:
a) Qualquer matriz quadrada é semelhante a ela própria (A é semelhante a A).
b) Se A e B são semelhantes, então também B e A são semelhantes.
c) Se A e B são semelhantes e se B e C são semelhantes, então A e C são semelhantes.
d) Se A e B são semelhantes e A é diagonalizável, então B é diagonalizável.
e) Se A e B são semelhantes, então têm o mesmo polinómio característico.
v = (v 1 , ..., v n ) ,
3.1 Exercícios
Exercício 32 Resolva as seguintes equações na variável complexa z.
a) z 4 − 1 = 0. b) z 3 + 8 = 0. c) z 4 + 1 = 0. d) z (z − 3)2 + 16z = 0.
14
Exercício 35 Seja T : C3 → C3 a transformação linear definida por
T (z1 , z2 , z3 ) = (z1 + z2 − z3 , z2 , z1 − z2 + z3 ) .
1 1 −1 2 10 −4
A= , B= e C= .
0 2 −4 5 24 −10
1 1 2 1
A= e B= .
−1 1 −4 2
Mostre que as matrizes A e B (não sendo diagonalizáveis enquanto matrizes reais) são
diagonalizáveis enquanto matrizes complexas. Calcule An e Bn , para n ∈ N.
Exercício 38 A matriz
a −b
A=
b a
com a, b ∈ R, b = 0, tem valores próprios complexos λ = a ± ib. Mostre que transformação
linear que A representa consiste na composição de uma rotação seguida de uma mudança de
escala. Ou seja, que
ρ 0 cos θ − sin θ
A= .
0 ρ sin θ cos θ
1 −1
A= .
1 1
15
4 Aplicação à resolução de algumas equações diferen-
ciais
Exercício 40 Seja T : P2 → P2 a transformação linear definida por
Exercício 42 No espaço vectorial C 2 (R) das funções reais de variável real duas vezes dife-
renciáveis, considere a transformação linear T : C 2 (R) → C 2 (R) definida por
T (f ) = f ′′ − 2f ′ + f.
Decida quais dos seguintes pares de funções são soluções deste sistema: (−et , et ), (e3t , e3t ),
(et , e3t ).
Exercício 44 Considere uma matriz A ∈ M2×2 (R) e designe por SA o conjunto das soluções
do sistema
x′1 (t) x1 (t)
′ =A .
x2 (t) x2 (t)
a) Mostre que SA com as operações usuais de adição e multiplicação por escalar tem estrutura
de espaço linear.
16
λ1 0
b) Mostre que se D = , então os pares de funções (eλ1 t , 0) e (0, eλ2 t ) constituem
0 λ2
uma base para SD , e portanto
SD = c1 eλ1 t , c2 eλ2 t : c1 , c2 ∈ R .
Sugestão: mostre que se (x1 (t), x2 (t)) ∈ SD , então x1 (t)e−λ1 t e x2 (t)e−λ2 t são funções
constantes.
λ 1
c) Mostre que se J = , então os pares de funções (eλt , 0) e (teλt , eλt ) constituem
0 λ
uma base para SJ , e portanto
Sugestão: mostre que se (x1 (t), x2 (t)) ∈ SJ então x2 (t)e−λt é uma função constante e
x1 (t)e−λt é um polinómio com grau 1.
d) Mostre que se S é uma matriz de mudança de base e B = S−1 AS, então tem-se:
y1 (t)
SA = S : (y1 (t), y2 (t)) ∈ SB .
y2 (t)
2 1
A= .
1 2
2 1
A= .
−2 5
17
5 Soluções
1) a) −1. b) 0. c) 30. d) 1. e) 30. f) 0. 2) a) 3. b) 6. c) 0. d) 18. e) 15. f) −45
3) a) 5. b) 10. c) 5. d) 10. 4) −δγ.
6) λ , onde n é o número de linhas (e de colunas da matriz).
n
23) a) P (λ) = (λ − 1) (λ − 3) .
b) 1 e 3 são os valores próprios de T. Os subespaços próprios de T são:
E (1) = L {(1, 0)} e E (3) = L {(1, 1)} .
1 0
c) .
0 3
18
−1 0
24) a) σ (A) = {−1, 5} b) E (−1) = L {(−1, 1)} e E (5) = L {(1, 1)} . c) D =
0 5
−1 1
eS= .
1 1
1 0
c) T é representada por D = na base {t − 3/2, t − 1} .
0 2
1 1 0
30) a) A = 0 1 2 . b) (1 − λ)3 .
0 0 1
19
i 0
c) {(i, 1) , (−i, 1)} é base de C2 ; D = .
0 −i
34) a) P (z) = z 2 + 4. b) ±2i são os valores próprios de T ; E (2i) = L {(−i, 1)} e
E (−2i) = L {(i, 1)} .
−2i 0 i −i
c) {(i, 1) , (−i, 1)} é base de C2 ; D = , S= .
0 2i 1 1
1 2n − 1 2 − 3n 3n − 1
36 An = , Bn = e
0 2n 2 − 2 (3n ) 2 (3n ) − 1
1 1 3 0
46) a) S = eD= ; b) (3e3t − 2e4t , 3e3t − 4e4t )
1 2 0 4
20
IST - 2o Semestre de 2012/13
LEGM, LMAC, MEFT, MEBiom, MEC
1
u · v = u1 v1 + ... + un vn .
u · v = uT v.
i) u · v = v · u (comutatividade).
ii) u · (v + w) = u · v + u · w (distributividade).
iii) u · (αv) = α (u · v) , ∀α ∈ R.
iv) u · u 0 e u · u = 0 se e só se u = 0.
u·v = u v cos θ,
1
Coligidos por: João Ferreira Alves, Ricardo Coutinho e José M. Ferreira.
1
onde θ ∈ [0, π] é o (menor) ângulo entre u e v. A distância entre u e v é definida pelo valor
u−v .
São válidas as seguintes propriedades da norma:
i) u 0 e u = 0 se e só se u = 0.
ii) αu = |α| u , ∀α ∈ R.
iii) |u · v| u v (desigualdade de Cauchy2 -Schwarz3 ).
iv) u + v u + v (desigualdade triangular).
• U ⊥ é um subespaço de Rn .
• U e U ⊥ são subespaços ortogonais.
• U ∩ U ⊥ = {0} .
• dim U + dim U ⊥ = n.
• U + U ⊥ = Rn
⊥
• U⊥ = U.
2
Augustin Louis Cauchy, n. em Paris, França, a 21 de Agosto de 1789, m. em Sceaux, França, a 23 de
Maio de 1857.
3
Herman Amandus Schwarz, n. em Hermsdorf, Polónia, a 25 de Janeiro de 1843, m. em Berlim, Alema-
nha, a 30 de Novembro de 1921.
2
1.2 Exercícios
Exercício 2 Os vectores u = (3, −2, 1) e v = (1, −3, 5) constituem os lados dum triângulo
rectângulo? Qual a área do triângulo?
2 2 2 2
u−v + u+v =2 u +2 v .
3
2 Bases ortogonais
U = {u1 , ..., up } ⊂ Rn diz-se um conjunto ortogonal de Rn se os vectores de U forem
ortogonais dois a dois. Isto é, se
uj · uk = 0, ∀j = k.
v1 = u1
v2 = u2 − Projv1 u2
v3 = u3 − Projv1 u3 − Projv2 u3
.................
vp = up − Projv1 up − Projv2 up − ... − Projvp−1 up
4
A partir deste método podemos generalizar o noção de projecção de um vector sobre um
subespaço U de Rn . Se Ω = {u1 , ..., up } for uma base ortogonal de U, com v ∈ Rn chama-se
projecção ortogonal de v sobre U ao vector
ProjU v = Proju1 v + ... + Projup v.
Tem-se que o vector v − ProjU v = ProjU ⊥ v é ortogonal a U e que
distância de v a U = min { v − u : u ∈ U} = v − ProjU v = ProjU ⊥ v .
Em particular, a projecção de v sobre um vector u é tal que
Proju v = ProjL({u}) v.
• A é ortogonal.
• As colunas de A formam um conjunto ortonormado.
• (Ax) · (Ay) = x · y, ∀ x, y ∈ Rn .
• Ax = x , ∀ x ∈ Rn .
• σ (A) ⊂ R.
• Os espaços próprios de A são ortogonais.
• A é ortogonalmente diagonalizável.
5
2.5 Exercícios
Exercício 7 Dos casos seguintes indique aqueles em que Ω = {u1 , u2 , u3 } é uma base orto-
gonal de R3 . Nos casos afirmativos transforme Ω numa base ortonormada.
a) u1 = (−1, 4, −3) , u2 = (5, 2, 1) , u3 = (3, −4, −7) .
b) u1 = (1, −2, 1) , u2 = (0, 1, 2) , u3 = (−5, −2, 1) .
c) u1 = (2, −5, −3) , u2 = (0, 0, 0) , u3 = (4, −2, 6) .
Exercício 10 Verifique que os vectores b1 = (1, 1, 0), b2 = (1, −1, −1), b3 = (1, −1, 2)
formam uma base ortogonal de R3 e determine as coordenadas do vector v = (3, 2, 1) nesta
base.
6
Exercício 14 Em R3 , com o produto interno usual, considere o subespaço
U = (x, y, z) ∈ R3 : x − y = 0 .
7
3 Formas quadráticas
Uma forma quadrática é uma função Q : Rn → R cuja expressão analítica do seguinte
tipo:
Q (x1 , ..., xn ) = aij xi xj ,
i.j=1
Q (x1 , ..., xn ) = xT A x,
xT A x = xT SDST x
8
temos que
xT A x = yT D y.
Isto significa que através da mudança de variável x = Sy, a forma quadrática Q pode ser
descrita, na nova variável, através da expressão
Q (y1 , ..., yn ) = yT D y = λ1 y12 + ... + λn yn2 ,
onde λ1 , ..., λn , são os números reais que constituem o espectro de A, ou seja os seus valores
próprios.
Este facto permite-nos então concluir:
3.3 Exercícios
Exercício 21 Classifique as seguintes matrizes simétricas.
1 1 2 1 −3 1
a) . b) . c) .
1 1 1 2 1 −2
1 2 0 2 0 1
3 2
d) . e) 2 1 0 . f) 0 −2 0 .
2 0
0 0 3 1 0 2
Exercício 23 Para cada uma das formas quadráticas do exercício anterior, à excepção da
c), proceda a uma mudança de variável x = Sy, indicando a respectiva matriz S, de modo a
obter Q sem termos com produtos cruzados.
9
4 Produto interno em espaços vectoriais gerais
Dado um espaço vectorial V sobre R, um produto interno definido em V é uma aplicação
., . : V × V → R que satisfaz as seguintes propriedades válidas para quaisquer u, v, w ∈ V
e α, β ∈ R:
i) u, v = v, u (simetria).
iii) u, u 0 e u, u = 0 se e só se u = 0 (positividade).
i) u, v = v, u (simetria hermiteana).
iii) u, u 0 e u, u = 0 se e só se u = 0 (positividade).
u = u, u .
i) u 0 e u = 0 se e só se u = 0.
ii) αu = |α| u , ∀α ∈ K.
10
Dois vectores u, v ∈ V são ditos ortogonais (u ⊥ v) se u, v = 0.
2 2 2
Se dois vectores u e v são ortogonais, então u + v = u + v (Teorema de
Pitágoras).
Define-se o ângulo θ entre dois vectores u, v do espaço vectorial V sobre R munido
do produto interno ., . de forma a que seja válida a fórmula
u, v
u, v = u v cos θ, ou seja θ = arccos .
u v
u, v = 0, ∀u ∈ U, ∀v ∈ W.
U ⊥ = {w ∈ V : u, w = 0, ∀u ∈ U } .
uj , uk = 0, ∀j = k.
v1 = u1
v2 = u2 − Projv1 u2
v3 = u3 − Projv1 u3 − Projv2 u3
.................
vp = up − Projv1 up − Projv2 up − ... − Projvp−1 up
11
Dado U um subespaço de V de dimensão finita e {u1 , u2 , .., up } uma base ortogonal de
U, então para qualquer u ∈ U é válida a seguinte igualdade:
v, w = xT My (resp. v, w = xT My),
onde
M = [ ui , uj ]1 i,j n
4.3 Exercícios
Exercício 24 Identifique as aplicações ., . : R2 × R2 → R que definem em R2 um produto
interno:
a) (x1 , x2 ) , (y1 , y2 ) = x1 y1 + x2 y2
b) (x1 , x2 ) , (y1 , y2 ) = x1 y1 + x1 y2 + x2 y2
c) (x1 , x2 ) , (y1 , y2 ) = −2x1 y1 + 3x2 y2
d) (x1 , x2 ) , (y1 , y2 ) = 3x1 y1 + 2x2 y1 + 2x1 y2 + 3x2 y2
12
Exercício 26 Considere em R2 o produto interno definido por
x, y = x1 y1 − x2 y1 − x1 y2 + 2x2 y2 .
a) Calcule x , para um qualquer vector x = (x1 , x2 ) ∈ R2 ;
b) Calcule o ângulo determinado pelos vectores (1, 0) e (1, 1);
c) Conclua pelas alíneas anteriores que os vectores v1 = (1, 0) e v2 = (1, 1) constituem uma
base ortonormada de R2 . Calcule as componentes de um vector x = (x1 , x2 ) ∈ R2 em relação
a esta base.
13
5 Geometria dos k-planos
Num espaço euclidiano V , um k-plano é um conjunto da forma
Pk = {p0 } + U,
p − p0 , wj = 0, para j = 1, ..., n − k,
14
5.3 Exercícios
Exercício 31 Para cada uma das rectas de R3 , calcule um ponto p e um subespaço S tais
que r = {p} + S :
a) r é a recta de R3 que passa pelos pontos (1, 1, 1) e (1, 0, 1) ;
b) r é a recta de R3 que passa pelo ponto (1, 0, 2) e tem a direcção do vector (1, 1, 0) ;
c) r é a recta de R3 que passa pelo ponto (1, 3, −1) e é ortogonal aos vectores (1, 2, 1) e
(1, 0, 1).
Exercício 32 Determine uma equação cartesiana para cada uma das rectas do exercício
anterior.
Exercício 34 Determine uma equação cartesiana para cada um dos planos do exercício
anterior.
Exercício 35 Seja r1 a recta de R3 que passa pelos pontos (1, 1, 1) e (1, 0, 1), e r2 a recta
de R3 que passa pelos pontos (2, 5, 1) e (0, 5, 1). Determine a intersecção destas rectas.
Exercício 36 Seja r a recta de R3 que passa pelos pontos (2, −1, 3) e (4, −5, 5), e α o plano
de R3 que passa pelos pontos (1, 0, 0), (2, 1, 1) e (1, 1, 2) . Determine a intersecção da recta
r com o plano α.
Exercício 37 Seja β o plano R3 que passa pelo ponto (0, 1, 0) e é ortogonal ao vector (1, 1, 1).
Determine uma equação cartesiana para a intersecção do plano β com o plano α do exercício
anterior.
Exercício 39 Considere o plano α de R3 que passa pelos pontos (1, 0, 0), (1, 1, 0) e (2, 0, −5).
a) Escreva a equação cartesiana do plano α.
b) Calcule a distância entre o ponto (1, 6, 7) e o plano α.
15
Exercício 40 Mostre que se r1 e r2 são rectas não paralelas de R3 , então existe um único
par de planos paralelos α1 e α2 tais que r1 ⊂ α1 e r2 ⊂ α2 .
Exercício 41 Considere a recta r1 ⊂ R3 que passa pelos pontos (1, 0, 0) e (2, −4, 3), e a
recta r2 definida por
r2 = (x, y, z) ∈ R3 : x = 0 e y = 1 .
P = {(0, 0, 1, 1)}+L {(1, 1, 1, 1) , (1, 2, 0, 0)} e Q = {(0, 1, 3, 0)}+L {(1, 1, 0, 0) , (0, 0, 1, 1)} .
16
6 Soluções
√ √
1) a) u · v = 0, cos θ = 0. b) u · v = 5, cos θ = 15/6. c) u · v = −9, cos θ = −3 21/14.
√
2) Sim. Área = 7 6/2.
5) a) {(−1, 0, 1)} . b) {(0, 1, 0) , (−2, 0, 1)} . c) {(1, 1, −1)} . d) {(1, 0, 1) , (0, 1, 1)} .
6) a) {(0, 1, 0, 0) , (−1, 0, 1, 0) , (−1, 0, 0, 1)} . b) {(1, 2, 1, 2) , (1, 2, −1, 0)} .
c) {(0, 1, 0, 0) , (−1, 0, 1, 0)} . d) {(2, 1, −2, 0)} . e) {(1, −1, 1, −1) , (0, 2, −1, 0)} . f) Conjunto
vazio (porque U ⊥ = {(0, 0, 0, 0)}). g) {(1, 0, 0, 0) , (0, 1, 0, 0) , (0, 0, 1, 0) , (0, 0, 0, 1)} (porque
U ⊥ = R4 ).
7) a) Ω não é conjunto
√ ortogonal.
√ √ b) Ω é uma√ base
√ ortogonal
√ de R . √A respectiva
3
√ base
ortonormada é 1/ 6, −2/ 6, 1/ 6 , 0, 1/ 5, 2/ 5 , −5/ 30, −2/ 30, 1/ 30 .c) Ω
é um conjunto ortogonal, mas não constitui uma base.
√
8) a) (0, 1/2, −1/2) . b) 38/2.
10) (5/2, 0, 1/2) .
0 0 1
11) c) A matriz que representa T é 0 −1 0 .
1 0 0
17
√ √
−1/ 2 1/ 2
23) a) Q(y1 , y2 ) = 2y22 , S = √ √
1/ 2 1/ 2
.
√ √
−1/ 2 1/ 2
b) Q(y1 , y2 ) = y12 + 3y22 , S = √ √
1/ 2 1/ 2
.
√ √
2/ 5 1/ 5
d) Q(y1 , y2 ) = 4y12 − y22 , S = √ √
1/ 5 −2/ 5
.
√ √
1/ 2 0 −1/ 2
√ √
e) Q(y1 , y2 , y3 ) = 3y12 + 3y22 − y32 , S= 1/ 2 0 1/ 2 .
0 1 0
√ √
0 −1/ 2 1/ 2
f) Q(y1 , y2 , y3 ) = −2y12 + y22 + 3y32 , S= 1 0√ 0√ .
0 1/ 2 1/ 2
24) a) Define um produto interno; b) Não define um produto interno; c) Não define um
produto interno; d) Define um produto interno.
25) a) Define um produto interno; b) Não define um produto interno; c) Define um produto
interno.
26) a) (x1 , x2 ) = x21 − 2x1 x2 + 2x22 ; b) α = π2 ; c) (x1 − x2 , x2 ).
27) a) (x1 , x2 , x3 ) = x21 + 4x22 + 5x23 + 4x2 x3 ; b) α = β = γ = π2 ; c) (x1 , 2x2 + x3 , 2x3 ).
28) a) p (t) = p(−1)2 + p(0)2 + p(1)2 ; c) (1, 1, 1).
18