Notas para o acompanhamento das aulas de
´
Algebra Linear
Sum´
ario
1 Sistemas, Matrizes e Determinantes 3
1.1 Sistemas de Equa¸c˜oes Lineares . . . 3
1.2 Matrizes Reais . . . 6
1.3 Determinantes de Matrizes Reais . . . 11
2 Espa¸cos Vetoriais 19 2.1 O conceito de Espa¸co Vetorial . . . 19
2.2 Subespa¸cos Vetoriais . . . 25
2.3 Soma de Dois Subespa¸cos Vetoriais . . . 27
2.4 Combina¸c˜oes Lineares . . . 29
2.5 Subespa¸co Vetorial Gerado por um Conjunto . . . 29
2.6 Espa¸cos Vetoriais Finitamente Gerados . . . 31
2.7 Dependˆencia e Independˆencia Linear . . . 32
2.8 Base e Dimens˜ao de Um Espa¸co Vetorial Finitamente Gerado . . . 34
3 Transforma¸c˜oes Lineares 45 3.1 O Conceito de Transforma¸c˜ao Linear . . . 45
3.2 N´ucleo de uma Transforma¸c˜ao Linear . . . 48
3.3 Isomorfismos e Automorfismos . . . 51
3.4 Matrizes e Transforma¸c˜oes Lineares . . . 52
4 Espa¸cos com Produto Interno 59 4.1 O Conceito de Produto Interno . . . 59
4.2 Autovalores e Autovetores . . . 67
Cap´ıtulo 1
Sistemas, Matrizes e Determinantes
1.1
Sistemas de Equa¸
c˜
oes Lineares
Sejam:
R: conjunto dos n´umeros reais;
C: conjunto dos n´umeros complexos.
Estes conjuntos munidos das opera¸c˜oes de adi¸c˜ao e multiplica¸c˜ao usuais s˜ao chamados decorpos num´ericos.
Sejam a1, . . . , an, b∈R(ou C), sendo n≥1, chama-seequa¸c˜ao linearsobre R(ou C) uma equa¸c˜ao da forma: a1x1+· · ·+anxn=b
sendo:
xk,1≤k≤n,vari´aveisouinc´ognitasem R(ou C). ak,1≤k≤n, s˜ao os coeficientes dexk.
b´e otermo independente.
Dizemos que a n-upla (α1, . . . , αn), ou x1 =α1, . . . , xn = αn,αk ∈R (ou C) ´e solu¸c˜ao da equa¸c˜ao linear acima quando a1α1+· · ·+anαn=bfor verdadeira.
Observa¸c˜ao: xk ser vari´avel significa que xk pode assumir infinitos valores, enquanto que xk ser inc´ognita significa
que xk pode assumir apenas um valor.
Exemplos. As equa¸c˜oes2x1+4x2=2oux2+x3+x4=0 s˜ao equa¸c˜oes lineares sobre R.
Um sistema linear S, mpor n sobre R (ou C) ´e um conjunto de m equa¸c˜oes lineares sobre R(ou C), cada uma com nvari´aveis ou inc´ognitas. Representamos S do seguinte modo:
S=
a11x1 + a12x2 +· · · + a1nxn = b1 a21x1 + a22x2 +· · · + a2nxn = b2
.. .
am1x1+am2x2+· · · +amnxn=bm (m×n)
Se m=ndizemos simplesmente que S´e deordem n.
Dizemos que a n-upla (α1, . . . , αn)´esolu¸c˜aode S quando for solu¸c˜ao de cada uma das mequa¸c˜oes lineares de S.
Observa¸c˜ao: salvo men¸c˜ao contr´aria, trabalharemos apenas comS sobreR.
Exemplo. O sistema
S=
2x1+4x2 =2
x2 +x3+x4=0
´e um sistema linear2×4 sobreR.
Dado um sistema linear S, dizemos que:
S´eincompat´ıvel(ouimposs´ıvel) quandon˜ao admitirsolu¸c˜oes. (SI)
S´ecompat´ıvel determinado (ouposs´ıvel e determinado) quando admitir apenas umasolu¸c˜ao. (SPD)
P´agina 4 UFU Algebra Linear Exemplos.
Exemplo (1)Os sistemas
S=
x1+x2=1
x1+x2=2 eS=
0x1+0x2=3 4x1+2x2=0
s˜ao sistemas lineares imposs´ıveis.
Exemplo (2)O sistema
S=
1x1+0x2+0x3=1 0x1+2x2+0x3=2 0x1+0x2+3x3=3
´e um sistema linear poss´ıvel e determinado. Solu¸c˜ao: x1=x2=x3=1(ou(1, 1, 1)).
Exemplo (3)O sistema
S=
x1 + x2 =1 2x1+2x2=2
´e um sistema linear poss´ıvel e indeterminado.
Seja S um sistema linear. S˜ao chamadas opera¸c˜oes elementaresem Sas seguintes opera¸c˜oes:
(i) permuta de duas linhas de S.
(ii)multiplica¸c˜ao de uma linha de Spor um n´umero real n˜ao nulo.
(iii)soma de uma linha de Scom outra linha que foi multiplicada por um n´umero real n˜ao nulo.
Observemos que opera¸c˜oes elementares n˜ao alteram a(s) solu¸c˜ao(˜oes) do sistema linear.
Um sistema linear S1 ´e equivalente a um sistema linear S2 quando S2 ´e obtido de S1 por opera¸c˜oes elementares. Nota¸c˜ao: S1∼S2.
Exemplo. Os sistemas
S1=
x1+2x2+3x3+4x4=1 2x1+3x2+4x3+5x4=2 3x1+4x2+5x3+6x4=3 .(-1) 4x1+5x2+6x3+7x4=4 +
eS2=
2x1+3x2+ 4x3 + 5x4 =2 x1 +2x2+ 3x3 + 4x4 =1 6x1+8x2+10x3+12x4=6 x1 + x2 + x3 + x4 =1
s˜ao sistemas lineares equivalentes.
Observa¸c˜oes.
(i)A equivalˆencia∼definida acima ´e chamada derela¸c˜ao de equivalˆenciaentre sistemas lineares, ou seja: (a)S1∼S1 (reflexiva);
(b)S1∼S2⇐⇒S2∼S1(sim´etrica);
(c)S1∼S2eS2∼S3=⇒S1∼S3(transitiva).
(ii)Sistemas lineares equivalentes possuem a(s) mesma(s) solu¸c˜ao(˜oes).
Dizemos que um sistema linear m×nest´aescalonadoquando possui o seguinte formato: a1r1xr1 + · · · + a1nxn = b1
a2r2xr2 + · · · + a2nxn = b2
.. .
ajrjxrj + · · · + ajnxn = bj 0xn = bj+1
.. .
0xn = bm
(as linhas nulas podem ser eliminadas)
Exemplos.
Exemplo (1)O sistema abaixo est´a escalonado e ´e um sistema poss´ıvel e indeterminado(SPI):
x1 + 2x2 + 4x4 + 5x5 = 1
4x3 + 5x4 = 2
6x4 + 7x5 = 3
8x5 = 4
Exemplo (2)O sistema abaixo est´a escalonado e ´e um sistema imposs´ıvel(SI):
x1 + x2 = 1 2x2 = 3 0x2 = 5
Exemplo (3)O sistema abaixo est´a escalonado e ´e um sistema poss´ıvel e determinado(SPD):
x1 + x2 = 1
2x2 + 3x3 = 2 6x3 = 3
Proposi¸c˜ao 1. Todo sistema linear ´e equivalente a um sistema linear escalonado.
Classifica¸c˜ao de Sistemas Lineares Via Escalonamento
SejaS um sistema linear escalonadom×ncom linhas nulas e repetidas eliminadas. (i)Se a ´ultima linha deS for da forma0xn =b6=0, ent˜ao o sistema ´e imposs´ıvel(SI).
Caso as linhas da forma0xn=b6=0n˜ao ocorram temos:
(ii)Sem=n, ent˜ao o sistema ´e poss´ıvel e determinado(SPD). (iii)Sem < n, ent˜ao o sistema ´e poss´ıvel e indeterminado(SPI).
Observa¸c˜ao: sem > n, ent˜ao necessariamente ocorrem linhas do tipo0xn=b6=0.
Exemplos. Escalone e classifique. (aqui faremos x1=x,x2=yex3=zpara simplificar a nota¸c˜ao)
Exemplo (1)SejaS1=
x +2y−3z= −1 3x− y +2z= 7 5x+3y−4z= 2
. Temos
S1=
x +2y−3z= −1 .(-3) .(-5)
3x− y +2z= 7 +
5x+3y−4z= 2 +
∼ S2=
x+2y− 3z = −1
−7y+11z= 10 .(-1)
−7y+11z= 7 +
∼ S3=
x+2y− 3z = −1
−7y+11z= 10 0z = −3
Como a ´ultima linha do sistema escalonadoS3´e da forma0z= −36=0, temos que S1´e um sistema imposs´ıvel.
Exemplo (2)SejaS1=
x+ y + z = 6 x− y +2z= 5 x+6y+3z=22
. Temos
S1=
x+ y + z = 6 .(-1) .(-1) x− y +2z= 5 +
x+6y+3z=22 +
∼ S2=
x+ y + z = 6
−2y+ z = −1 .(5/2)
+5y+2z= 16 +
∼ S3=
x+ y + z = 6
−2y+ z = −1
+ 9 2z=
27 2
Como a ´ultima linha do sistema escalonadoS3n˜ao ´e da forma0z=b6=0 em=n=3, temos queS1´e um sistema
P´agina 6 UFU Algebra Linear
Exemplo (3)SejaS1=
x+ y +z= 2 x− y +z= −2
+2y = 4
. Temos
S1=
x+ y +z= 2 .(-1) x− y +z= −2 +
+2y = 4
∼ S2=
x+ y +z= 2
−2y = −4 .(1)
+2y = 4 +
∼ S3=
x+ y +z= 2
−2y = −4
0y = 0
∼
S4=
x+ y +z= 2
−2y = −4
Como a ´ultima linha do sistema escalonado S3 n˜ao ´e da forma 0z = b6= 0 em = 2 < n = 3, temos que S1 ´e um
sistema poss´ıvel e indeterminado, sendo{(a, 2,−a) :a∈R}o conjunto solu¸c˜ao.
1.2
Matrizes Reais
Sejam m, n∈N. Chama-sematriz real m×numa tabela retangular da forma
M=
a11 a12 · · · a1n a21 a22 · · · a2n
..
. ...
am1 am2 · · · amn
sendo aij∈R,i=1, . . . , me j=1, . . . , n.
Nota¸c˜ao: M= [aij]1≤i≤m 1≤j≤n
ou, simplificadamente, M= [aij].
Ao conjunto de todas as matrizes reais m×ndenotamos Mm×n(R).
Quando m=n, chamamos Mde matriz quadrada de ordem ne denotamos o conjunto de todas as matrizes reais de ordem npor Mn(R).
´
E poss´ıvel definir opera¸c˜oes sobre Mm×n(R) que ser˜ao extremamente ´uteis para o desenvolvimento das
trans-forma¸c˜oes lineares que ser˜ao objetos de estudos futuros.
Opera¸c˜oes com matrizes:
(i)Adi¸c˜ao: Sejam A= [aij],B= [bij]∈Mm×n(R). Chama-se soma de Acom B, e indica-se por A+B, a matriz C= [cij]∈Mm×n(R)tal que cij=aij+bij.
Simbolicamente:
+ : Mm×n(R)×Mm×n(R) −→ Mm×n(R)
(A, B) 7−→ A+B
(ii)Multiplica¸c˜ao de matriz por escalar: Sejam A= [aij]∈Mm×n(R)e α∈R. Chama-se produto de αpor A a matriz reais m×ndada por αA= [αaij].
(iii)Multiplica¸c˜ao de matrizes: Sejam A= [aik]∈Mm×p(R)e B= [bkj]∈Mp×n(R). Chama-se produto de A por B, e indica-se por AB, a matriz C= [cij]∈Mm×n(R)tal que cij =
p P
k=1 aikbkj.
Exemplos.
Exemplo (1)Adi¸c˜ao:
1 2 3 4 5 6
3×2
+ 6 5 4 3 2 1
3×2
= 7 7 7 7 7 7
3×2
.
Exemplo (2)Multiplica¸c˜ao por escalar: 2
1 2
3 4
2×2
=
2 4
6 8
2×2
.
Exemplo (3)Multiplica¸c˜ao:
1 2 2 1 2 2
3×2
1 2 3 4
5 6 7 8
2×4
=
11 14 17 20
7 10 13 16
12 16 20 24
3×4
.
Proposi¸c˜ao 2. Propriedades operat´orias:
(a)Da adi¸c˜ao:
Sejam A, B, C∈Mm×n(R).
(1) (A+B) +C=A+ (B+C); (associativa)
(2)A+B=B+A; (comutativa)
(3)Existe O∈Mm×n(R)tal que A+O=A; (elemento neutro aditivo)
(4)Existe −A∈Mm×n(R)tal que A+ (−A) =O. (elemento inverso aditivo)
(b)Da multiplica¸c˜ao por escalar: Sejam α, β∈Re A, B∈Mm×n(R).
(1)α(βA) = (αβ)A; (associativa)
(2)α(A+B) =αA+αB; (distributiva em rela¸c˜ao `a soma de matrizes)
(3) (α+β)A=αA+βA; (distributiva em rela¸c˜ao `a soma de escalares)
(4)1A=A. (elemento neutro da multiplica¸c˜ao por escalar)
(c)Da multiplica¸c˜ao:
(1)A(BC) = (AB)Csendo A∈Mm×p(R),B∈Mp×q(R)e C∈Mq×n(R); (associativa)
(2) A(B+C) = AB+AC; A ∈ Mm×p(R), B, C ∈ Mp×n(R); (distributiva `a direita em rela¸c˜ao `a soma de matrizes)
(3) (A+B)C = AC+BC; A, B ∈ Mm×p(R), C ∈ Mp×n(R); (distributiva `a esquerda em rela¸c˜ao `a soma de matrizes)
Observa¸c˜ao: a propriedade comutativa n˜ao ´e v´alida para a multiplica¸c˜ao de matrizes. Um contra-exemplo:
1 2 3 4 1 1 1 1 = 3 3 7 7 1 1 1 1 1 2 3 4 = 4 6 4 6
Transposta de uma Matriz
A transposta de uma matriz A, denotada por At, ´e a matriz obtida de Aescrevendo as linhas de Acomo colunas de At, ou seja, quando A= [a
ij]∈Mm×n(R), temos At= [bji]∈Mn×m(R) tal que aij=bji. Mais explicitamente: A=
a11 a12 · · · a1n a21 a22 · · · a2n
..
. ...
am1 am2 · · · amn
m×n
⇒At=
a11 a21 · · · am1 a12 a22 · · · am2
..
. ...
a1n a2n · · · amn
n×m
Exemplo. SeA=
1 2 3 4 5 6
3×2
, ent˜ao At=
1 3 5
2 4 6
2×3
P´agina 8 UFU Algebra Linear Proposi¸c˜ao 3. Propriedades da transposta:
(1) (A+B)t=At+Bt, sendo A, B∈M
m×n(R).
(2) (kA)t=kAt, sendo A∈M
m×n(R).
(3) (At)t=A, sendo A∈M
m×n(R).
(4) (AB)t=BtAt, sendo A∈M
m×p(R)e B∈Mp×n(R). Matrizes Invert´ıveis
Consideremos Mn(R)o conjunto das matrizes quadradas de ordem n. Definimos
In=
1 0 · · · 0 0 1 · · · 0
..
. ...
0 0 · · · 1
n×n
como sendo amatriz identidade de ordem n.
´
E f´acil verificar a seguinte propriedade: InA=AIn =Apara qualquerA∈Mn(R).
Dizemos que A∈Mn(R)´einvert´ıvelquando existe B∈Mn(R)tal que AB=BA=In. Nota¸c˜ao: B=A−1; (B´e a inversa de A).
Proposi¸c˜ao 4. Sejam A, B∈Mn(R).
(i) Se Aapresentar uma linha ou coluna nula, ent˜ao An˜ao ´e invert´ıvel.
(ii)Se Afor invert´ıvel, ent˜ao A−1−1
=A; (a inversa da inversa ´e a pr´opria matriz).
(iii)Se Ae Bforem invert´ıveis, ent˜ao AB tamb´em ´e invert´ıvel e (AB)−1=B−1A−1.
Determina¸c˜ao da Inversa de uma Matriz
De modo an´alogo a sistemas lineares, dizemos queA, B∈Mn(R)s˜aoequivalentesquandoBpuder ser obtida de
Avia um n´umero finito de opera¸c˜oes elementares sobre as linhas deA.
Proposi¸c˜ao 5. Uma matriz A∈Mn(R)´e invert´ıvel se, e somente se,A´e equivalente `a In e, neste caso, as mesmas opera¸c˜oes elementares que transformam Aem In, transformam In em A−1.
Exemplos.
Exemplo (1)Verificar seA=
1 0 1
1 1 0
0 2 1
´e invert´ıvel e obter a inversa, caso afirmativo.
Resolu¸c˜ao. Montemos um arranjo com a matrizAeI3lado a lado para aplicarmos as opera¸c˜oes elementares simulta-neamente nas duas matrizes.
A|I3=⇒
1 0 1
1 1 0
0 2 1
1 0 0
0 1 0
0 0 1
.(-1) + =⇒
1 0 1
0 1 −1
0 2 1
1 0 0
−1 1 0
0 0 1
.(-2) + =⇒
1 0 1
0 1 −1
0 0 3
1 0 0
−1 1 0
2 −2 1
.(1/3) =⇒
1 0 1
0 1 −1
0 0 1
1 0 0
−1 1 0
2/3 −2/3 1/3
+ .(1) + .(-1) =⇒
1 0 0
0 1 0
0 0 1
1/3 2/3 −1/3
−1/3 1/3 1/3
2/3 −2/3 1/3
=⇒I3|A−1
Logo,A´e invert´ıvel eA−1= 1 3
1 2 −1
−1 1 1
2 −2 1
Exemplo (2)Verificar seA=
3 −1 0
2 1 −1
1 0 2
´e invert´ıvel e obter a inversa, caso afirmativo.
Resolu¸c˜ao. Montemos um arranjo com a matrizAeI3lado a lado para aplicarmos as opera¸c˜oes elementares simulta-neamente nas duas matrizes.
A| I3=⇒
3 −1 0
2 1 −1
1 0 2
1 0 0
0 1 0
0 0 1
=⇒
1 0 2
2 1 −1
3 −1 0
0 0 1
0 1 0
1 0 0
.(-2) + .(-3) + =⇒
1 0 2
0 1 −5
0 −1 −6
0 0 1
0 1 −2
1 0 −3
.(1) + =⇒
1 0 2
0 1 −5
0 0 −11
0 0 1
0 1 −2
1 1 −5
.(-1/11) =⇒
1 0 2
0 1 −5
0 0 1
0 0 1
0 1 −2
−1/11 −1/11 5/11
+ .(5) + .(-2) =⇒
1 0 0
0 1 0
0 0 1
2/11 2/11 1/11
−5/11 6/11 3/11
−1/11 −1/11 5/11
=⇒I3 |A−1
Logo,A´e invert´ıvel eA−1= 1 11
2 2 1
−5 6 3
−1 −1 5
.
Matrizes Ortogonais
Seja A∈ Mn(R) invert´ıvel. Dizemos que A´e ortogonal quando sua inversa for igual a sua transposta, ou seja, A−1=At. Desta forma, quando A´e ortogonal, temos
AAt=AtA=I n .
Exemplo. A=
1/2 √3/2 √
3/2 −1/2
´e ortogonal poisAt=
1/2 √3/2 √
3/2 −1/2
eAAt=AtA=I2.
Matrizes e Sistemas Lineares
Consideremos o sistema linear
S=
a11x1 + a12x2 +· · · + a1nxn = b1 a21x1 + a22x2 +· · · + a2nxn = b2
.. .
am1x1+am2x2+· · · +amnxn=bm (m
×n) Podemos colocarS na nota¸c˜ao matricial adotando as seguintes matrizes:
A=
a11 a12 · · · a1n a21 a22 · · · a2n
..
. ...
am1 am2 · · · amn
m×n
matriz dos coeficientes deS
X= x1 x2 .. . xn
n×1
matriz das vari´aveis ou inc´ognitas deS eB=
b1 b2 .. . bm
m×1
matriz dos termos independentes deS
Logo,Am×nXn×1=Bm×1(ou, resumidamente, AX=B) ´e uma equa¸c˜ao matricial que representa o sistema linearS.
Exemplo. O sistemaS=
3x−y =1
2x+y− z =0
x +2z=2
possui representa¸c˜ao matricialAX=Btal que
3 −1 0
2 1 −1
1 0 2
3×3
| {z }
A x y z
3×1 | {z }
X = 1 0 2
3×1 | {z }
P´agina 10 UFU Algebra Linear Sistemas de Cramer
Dizemos que um sistema linear S de ordem n´e um Sistema de Cramer quando a matriz A dos coeficientes de S ´e invert´ıvel.
Observa¸c˜oes:
(1)Em um Sistema de Cramer,AX=B⇒A−1AX=A−1B⇒InX=A−1B⇒X=A−1B, o que significa que todo
Sistema de Cramer ´e poss´ıvel e determinado.
(2)Se um sistema linear ´e homogˆeneo (ou seja, a matriz Bdos termos independentes ´e uma matriz coluna nula) e ´e um Sistema de Cramer, ent˜ao a solu¸c˜ao do sistema ´e a solu¸c˜ao trivial (isto ´e, solu¸c˜ao nula). De fato,AX=0⇒X=
A−10⇒X=0. (0´e matriz coluna nula).
Exemplo. Resolva o Sistema de CramerS=
3x−y =1
2x+y− z =0
x +2z=2
invertendo a matriz de coeficientes.
Resolu¸c˜ao.
RepresentandoStemos
AX=B, sendoA=
3 −1 0
2 1 −1
1 0 2
,B=
1 0 2
eX=
x y z
.
Mas vimos em exemplo anterior queA−1= 1 11
2 2 1
−5 6 3
−1 −1 5
. Logo,AX=B⇒X=A−1B, ou seja,
x y z
=
1 11
2 2 1
−5 6 3
−1 −1 5
1 0 2
=
4/11 1/11 9/11
⇒x=
4 11,y=
1 11 ez=
9 11.
Portanto, 114,111,119
´e a solu¸c˜ao procurada.
Observa¸c˜ao: embora a t´ecnica acima seja interessante, normalmente ´e bem mais simples resolver um sistema linear por escalonamento do que invertendo matriz de coeficientes.
Exerc´ıcio. Uma companhia produz 3 tipos de produtos: A, B eC. Esta companhia possui3 f´abricas: F1, F2 eF3
sendo que as f´abricas produzem diariamente as seguintes quantidades: -F1 produz1tonelada de cada produto;
-F2 n˜ao produzA, produz1tonelada deBe2 toneladas deC; -F3 produz2toneladas de A,1 tonelada deBe2toneladas de C.
A companhia recebeu um pedido de 20toneladas deA,22toneladas deBe26toneladas deC.
Quantos dias inteiros cada uma das f´abricas ter´a de trabalhar para que juntas produzam exatamente a quantia solicitada?
Resolu¸c˜ao.
Sejam:
xa quantidade de dias queF1 trabalhar´a.
ya quantidade de dias queF2 trabalhar´a.
za quantidade de dias queF3trabalhar´a.
Quantidade total de produtoAproduzido em F1: 1x.
Quantidade total de produtoAproduzido em F2: 0y.
Quantidade total de produtoAproduzido em F3: 2z.
Queremos1x+0y+2z=20.
Quantidade total de produtoBproduzido emF1: 1x.
Quantidade total de produtoBproduzido emF2: 1y.
Quantidade total de produtoBproduzido emF3: 1z.
Queremos1x+1y+1z=22.
Quantidade total de produtoCproduzido emF2: 2y.
Quantidade total de produtoCproduzido emF3: 2z. Queremos1x+2y+2z=26.
Logo,
S=
x +2z=20
x+ y + z =22 x+2y+2z=26
⇒S′=
x +2z=20
y − z = 2
2y = 6
⇒S′′=
x +2z=20 y− z = 2
2z= 2
⇒z=1, y=3ex=18.
Conclus˜ao: F1trabalhar´a1 dia,F2trabalhar´a3 dias eF3trabalhar´a18dias.
1.3
Determinantes de Matrizes Reais
Toda aplica¸c˜ao bijetiva σ:{1, 2, . . . , n}→{1, 2, . . . , n}´e chamada depermuta¸c˜aodo conjunto {1, 2, . . . , n}. Exemplo. Existem6 permuta¸c˜oes do conjunto{1, 2, 3}. Chamemo-as deσ1, σ2, . . . , σ6. S˜ao elas:
σ1(1) =1 σ1(2) =2 σ1(3) =3
,
σ2(1) =1 σ2(2) =3 σ2(3) =2
,
σ3(1) =3 σ3(2) =1 σ3(3) =2
,
σ4(1) =3 σ4(2) =2 σ4(3) =1
,
σ5(1) =2 σ5(2) =3 σ5(3) =1
e
σ6(1) =2 σ6(2) =1 σ6(3) =3
Vamos adotar a seguinte nota¸c˜ao para uma permuta¸c˜aoσ:{1, 2, . . . , n}→{1, 2, . . . , n}
σ:
1 2 3 · · · n σ(1) σ(2) σ(3) · · · σ(n)
Assim, no exemplo acima as6 permuta¸c˜oes s˜ao denotadas do seguinte modo:
σ1:
1 2 3
1 2 3
;σ2:
1 2 3
1 3 2
;σ3:
1 2 3
3 1 2
;σ4:
1 2 3
3 2 1
;σ5:
1 2 3
2 3 1
eσ6:
1 2 3
2 1 3
´
E f´acil notar que o n´umero de permuta¸c˜oes de um conjunto comnelementos ´en! No exemplo acima,n=3e temos3! =6permuta¸c˜oes.
Seja σuma permuta¸c˜ao de {1, 2, . . . , n}e r a quantidade de vezes que ocorre um decrescimento na imagem de σ, ou seja,
i < j⇒σ(i)> σ(j)
sendo i, j∈{1, 2, . . . , n}.
Definimos a fun¸c˜ao sinal de σ, denotada por sgn(σ), do seguinte modo:
sgn(σ) =1, quandor´e par. sgn(σ) = −1, quandor´e ´ımpar.
Exemplo. Consideremos as permuta¸c˜oes do exemplo anterior Paraσ1 temosr=0. Logo, sgn(σ1) =1.
Paraσ2 temosr=1. Logo, sgn(σ2) = −1. Paraσ3 temosr=2. Logo, sgn(σ3) =1. Paraσ4 temosr=3. Logo, sgn(σ4) = −1. Paraσ5 temosr=2. Logo, sgn(σ5) =1. Paraσ6 temosr=1. Logo, sgn(σ6) = −1.
Seja A= [aij]∈Mn(R) uma matriz real de ordem n. Ao n´umero P
σ
sgn(σ)a1σ(1)a2σ(2)· · ·anσ(n)
chamamos de determinantede Ae indicamos por detA.
P´agina 12 UFU Algebra Linear Exemplos.
Exemplo (1)Sen=1, ent˜aoA= [a11]e existe apenas uma permuta¸c˜aoσ:{1}→{1}que ´eσ(1) =1. Logo,r=0e
sgn(σ) =1. Logo,
detA=P
σ
sgn(σ)a1σ(1)=1a11=a11.
Assim, por exemplo, seA= [7], ent˜ao detA=7.
Exemplo (2)Sen=2, ent˜aoA=
a11 a12 a21 a22
e existem2! =2 permuta¸c˜oesσ1:
1 2
1 2
eσ1:
1 2
2 1
. Logo, para
σ1temosr=0 e sgn(σ1) =1, enquanto que paraσ2temos r=1e sgn(σ2) = −1.
Logo,
detA=P
σ
sgn(σ)a1σ(1)a2σ(2)
=sgn(σ1)a1σ1(1)a2σ1(2)+sgn(σ2)a1σ2(1)a2σ2(2)
=1a11a22+ (−1)a12a21
=a11a22−a12a21.
Assim, por exemplo, seA=
1 2
3 4
, ent˜ao detA=4−6= −2.
Exemplo (3)Sen=3, ent˜ao A=
a11 a12 a13
a21 a22 a23
a31 a32 a33
e existem3! =6permuta¸c˜oes que s˜ao as apresentadas nos dois
primeiros exemplos dessa se¸c˜ao. Logo,
detA=P
σ
sgn(σ)a1σ(1)a2σ(2)a3σ(3)
=sgn(σ1)a1σ1(1)a2σ1(2)a3σ1(3)+· · ·+sgn(σ6)a1σ6(1)a2σ6(2)a3σ6(3)
=1a11a22a33+ (−1)a11a23a32+1a13a21a32+ (−1)a13a22a31+1a12a23a31+ (−1)a12a21a33
= (a11a22a33+a12a23a31+a13a21a32) − (a13a22a31+a11a23a32+a12a21a33).
Assim, por exemplo, seA=
1 2 3
4 5 6
7 8 9
, ent˜ao detA=45+84+96−105−48−72=0.
Exemplo (4)Seja A=
a11 0 0 · · · 0 a21 a22 0 · · · 0
..
. ...
an1 an2 an3 · · · ann
. Seja uma permuta¸c˜ao σde {1, 2, . . . , n} diferente da
identi-dade. Logo, existe i∈{1, . . . , n}tal queσ(i) =j > ie, portanto,a1σ(1). . . aiσ(i). . . anσ(n)=0poisaiσ(i)=0. Logo, detA=P
σ
sgn(σ)a1σ(1)a2σ(2). . . anσ(n)=1a11a22. . . ann. (s´o a permuta¸c˜ao identidade)
Proposi¸c˜ao 6. Propriedades de determinantes:
(1)Linearidade sobre colunas.
(i)det
a11 · · · a1i+a1i′ · · · a1n a21 · · · a2i+a2i′ · · · a2n
..
. ...
an1 · · · ani+ani′ · · · ann
=det
a11 · · · a1i · · · a1n a21 · · · a2i · · · a2n
..
. ...
an1 · · · ani · · · ann
+det
a11 · · · a1i′ · · · a1n a21 · · · a2i′ · · · a2n
..
. ...
an1 · · · ani′ · · · ann
.
(ii)det
a11 · · · ka1i · · · a1n a21 · · · ka2i · · · a2n
..
. ...
an1 · · · kani · · · ann
=kdet
a11 · · · a1i · · · a1n a21 · · · a2i · · · a2n
..
. ...
an1 · · · ani · · · ann
, sendok∈R.
Propriedades an´alogas valem para as linhas (linearidade sobre linhas).
(3) Seja B uma matriz real de ordem n obtida de Apela permuta¸c˜ao de duas linhas ou duas colunas de A. Ent˜ao,
detB= −detA.
(4)det
a11 · · · a1i · · · a1n
..
. ...
an1 · · · ani · · · ann
=det
a11 · · · a1i+ n P
k=1 k6=i
αka1k · · · a1n
..
. ...
an1 · · · ani+ n P
k=1 k6=i
αkank · · · ann
, sendo αk∈R.
A propriedade (4)acima tamb´em vale para linhas.
(5)Se A∈Mn(R), ent˜ao detA=detAt.
(6)Se A, B∈Mn(R), ent˜ao det(AB) =detAdetB.
(7)Se A∈Mn(R)´e invert´ıvel, ent˜ao det A−1= 1 detA.
Da propriedade(1) (i)resulta que se uma matriz real de ordemnpossui uma linha ou uma coluna nula, ent˜ao seu determinante ´e zero.
A propriedade(4)permite fazer escalonamento em matrizes sem alterar o determinante (veja exemplo abaixo). Como det(In) =1, a propriedade(7)´e uma consequˆencia direta da propriedade(6).
Exemplos.
Exemplo (1)det
1 2+3 4 5 6+0 5 4 3+2 1
=det
1 2 4
5 6 5
4 3 1
+det
1 3 4
5 0 5
4 2 1
= −15+75=60.
Exemplo (2)det
1 2.2 3
4 2.5 6
7 2.8 0
=2det
1 2 3
4 5 6
7 8 0
=54.
Exemplo (3)det
1 1 2
3 3 4
5 5 6
=0. (duas colunas iguais)
Exemplo (4)det
1 2 3
4 5 6
7 8 0
= −det
2 1 3
5 4 6
8 7 0
=27.
Exemplo (5)det
1 2 3
4 5 6
7 8 0
=det
1+2.2+5.3 2 3 4+2.5+5.6 5 6 7+2.8+5.0 8 0
=27. (neste exemplo,n=3,i=1,α2=2eα3=5)
Exemplo (6) Calcule o determinante da matrizA =
1 5 2 1
3 4 2 0
1 2 1 2
0 3 1 3
aplicando a propriedade (5) sucessivas vezes,
fazendo um escalonamento.
Resolu¸c˜ao: det
1 5 2 1
3 4 2 0
1 2 1 2
0 3 1 3
.(-5) .(-2) .(-1) =det
1 5+ (−5)1 2+ (−2)1 1+ (−1)1 3 4+ (−5)3 2+ (−2)3 0+ (−1)3 1 2+ (−5)1 1+ (−2)1 2+ (−1)1 0 3+ (−5)0 1+ (−2)0 3+ (−1)0
= det
1 0 0 0
3 −11 −4 −3
1 −3 −1 1
0 3 1 3
.(-4/11) .(-3/11) = det
1 0 0 0
3 −11 0 0
1 −3 1/11 20/11
0 3 −1/11 24/11
.(-20) =det
1 0 0 0
3 −11 0 0
1 −3 1/11 0
0 3 −1/11 4
=1(−11)
1 11
P´agina 14 UFU Algebra Linear
Exerc´ıcio. Mostre que det
1 2 3 4
0 2 3 1
1 1 0 2
0 4 1 2
= −15utilizando opera¸c˜oes elementares sobre linhas ou colunas.
(Proprie-dades(1),(3)e(4))
Regra de Laplace para c´alculo de determinantes
A defini¸c˜ao abaixo ´e fundamental para a introdu¸c˜ao de uma das t´ecnicas mais comuns para c´alculo de determinantes, que ´e aRegra de Laplace, enunciada em seguida.
Sejam
A=
a11 · · · a1n
..
. ...
an1 · · · ann
n×n
e aij uma entrada de A. Ao n´umero Aij= (−1)i+jDij, sendoDij o determinante da matriz (n−1)×(n−1)obtida pela supress˜ao da i-´esima linha e j-´esima coluna de A, chamamos de cofator de aij. Dizemos ainda que Dij ´e o menor complementar de aij.
Proposi¸c˜ao 6. (Regra de Laplace) Seja Amatriz real n×ne aij uma entrada dessa matriz. Ent˜ao,
detA=
n P
i=1 aijAij | {z }
↓
=
n P
j=1 aijAij | {z }
↓
soma dos soma dos produtos produtos dos elementos dos elementos
da colunaj da linhai por seus por seus cofatores cofatores
Exemplo. Calcular o determinante de A=
1 2 3
4 5 6
7 8 9
utilizando a Regra de Laplace.
Resolu¸c˜ao.
Escolhendo a primeira linha deAtemos detA=
3 P
j=1
a1jA1j. Logo,
detA=a11A11+a12A12+a13A13
=a11(−1)1+1D11+a12(−1)1+2D12+a13(−1)1+3D13
=a11(−1)1+1det
5 6
8 9
+a12(−1)1+2det
4 6
7 9
+a13(−1)1+3det
4 5
7 8
=1(1) (45−48) +2(−1) (36−42) +3(1) (32−35) = −3+12−9
=0
Exerc´ıcio. Mostre que det
1 2 3
−1 1 1
2 1 3
=3 utilizando a Regra de Laplace.
Regra de Chi´o para c´alculo de determinantes
Depois, basta a aplicar a Regra de Laplace utilizando essa linha ou coluna. Com isso, precisamos calcular apenas um cofator.
SejaA=
a11 · · · a1n
..
. ...
an1 · · · ann
∈Mn(R)n˜ao nula. Sem perda de generalidade, suponhamos quea116=0.
Da propriedade(1) (ii)podemos escrever
detA=a11det
1 b12 · · · b1n
a21 a22 a2n
..
. ...
an1 an2 · · · ann
sendob1j= aa111j.
Da propriedade(4)podemos escrever
detA=a11 det
1 b12 · · · b1n
a21 a22 a2n
..
. ...
an1 an2 · · · ann
.(-b12) .. . .(-b1n)
=a11det
1 0 · · · 0 a21 a′22 a′2n
..
. ...
an1 a′n2 · · · a′nn
sendoa′
ij =aij−ai1b1j;i=2, . . . , nej=2, . . . , n.
Utilizando a Regra de Laplace:
detA=a11det
1 0 · · · 0 a21 a′22 a′2n
..
. ...
an1 a′n2 · · · a′nn
=a11(1) (−1)1+1det
a′22 a′2n
.. .
a′
n2 · · · a′nn
detA=a11det
a′
22 a′2n
.. .
a′
n2 · · · a′nn
Exemplo. Calcular o determinante de A=
2 2 4
−1 5 7
1 2 1
utilizando a Regra de Chi´o.
Resolu¸c˜ao.
Escolhendo a primeira linha e a primeira entrada:
det
2 2 4
−1 5 7
1 2 1
= 2det
1 1 2
−1 5 7
1 2 1
.(-1) .(-2)
=2det
1 0 0
−1 6 9
1 1 −1
=2det
6 9
1 −1
=2(−6−9) = −30
Exerc´ıcio. Mostre que det
3 6 9
−1 5 7
1 2 1
= −42utilizando a Regra de Chi´o.
Regra de Sarrus para c´alculo de determinantes de matrizes de ordem 3
Este m´etodos´o vale para matrizes de ordem 3. J´a vimos que seA=
a11 a12 a13
a21 a22 a23
a31 a32 a33
, ent˜ao
P´agina 16 UFU Algebra Linear
O m´etodo de Sarrus consiste apenas em enxergar um dispositivo pr´atico com a tabela de entradas da matriz A
que nos conduza ao resultado acima.
Para simplificar, reescrevamos a matrizAdo seguinte modo: A=
a b c
d e f
g h i
. Logo,
detA=aei+bfg+chd−ceg−bdi−ahf.
Observe na figura abaixo o procedimento pr´atico daRegra de Sarrus:
g h i g h d e f d e a b c a b
-ceg-afh bdi aei bfg cdh- + + +
Note que os produtos advindos das setas paralelas `a diagonal principal permanecem inalterados, enquanto que os produtos advindos das setas paralelas `a diagonal secund´aria s˜ao multiplicados por −1 (ou seja, seus “sinais” s˜ao trocados). No final, todos os seis termos s˜ao somados para obtermos o determinante.
Exemplo. Calcular o determinante de A=
1 2 3
3 2 1
1 1 1
utilizando a Regra de Sarrus.
Resolu¸c˜ao.
Temos, de acordo com o dispositivo pr´atico:
1 1 1 1 1
3 2 1 3 2
1 2 3 1 2
-6 - -1 6 +2 +2 +9
Logo, detA=2+2+9−6−1−6=0.
Exerc´ıcio. Mostre que det
1 2 3
4 5 4
3 2 1
= −8 utilizando a Regra de Sarrus.
Matriz Adjunta
Nesta subse¸c˜ao apresentamos um novo m´etodo para calcular a matriz inversa de uma matriz invert´ıvel.
Seja A= [aij] matriz real de ordem n e sejam Aij os cofatores de aij. Definimos a matriz adjunta de Acomo sendo
AdjA= [Aij]t=
A11 A21 · · · An1 A12 A22 · · · An2
..
. ...
A1n A2n · · · Ann
n×n
A importˆancia da matriz adjunta reside no resultado abaixo.
Proposi¸c˜ao 7. Seja Amatriz real n×ntal que detA6=0. Ent˜ao,A´e invert´ıvel e
A−1= 1
detAAdjA
Exemplo. Calcular a matriz inversa deA=
1 2 3
1 1 1
−1 2 −1
utilizando a matriz adjunta.
Precisamos calcular os9cofatores deA:
A11= (−1)1
+1det1 1 2 −1
= −3;A12= (−1)1
+2det 1 1
−1 −1
=0;A13= (−1)1
+3det1 1
−1 2
=3
A21= (−1)2+1det
2 3
2 −1
=8;A22= (−1)2+2det
1 3
−1 −1
=2;A23= (−1)2+3det
1 2
−1 2
= −4
A31= (−1)3+1det
2 3
1 1
= −1;A32= (−1)3+2det
1 1
3 1
=2;A33= (−1)3+3det
1 2
1 1
= −1
Precisamos do determinante deA:
det
1 2 3
1 1 1
−1 2 −1
= −1−2+6+3+2−2=6
Logo,
A−1= 1
detAAdjA= 1 6
−3 8 −1
0 2 2
3 −4 −1
Exerc´ıcio. Mostre que a matriz inversa de A =
1 1 2
2 3 −1
−2 1 −1
´e A−1 = 181
−2 3 −7
4 3 5
8 −3 1
utilizando a matriz
adjunta.
Regra de Cramer para resolu¸c˜ao de Sistemas Poss´ıveis e Determinados
Podemos encontrar solu¸c˜oes de um Sistema de Cramer (portanto, um sistema linear poss´ıvel e determinado) utilizando determinantes, via o seguinte resultado:
Proposi¸c˜ao 8. (Regra de Cramer) Seja AX = B um Sistema de Cramer escrito em forma matricial, sendo A =
a11 · · · a1n
..
. ...
an1 · · · ann
n×n ,B=
b1 .. . bn
n×1 e X=
x1 .. . xn
n×1
. Ent˜ao,
xk=
det∆k
detA sendo
∆k=
a11 · · · a1(k−1) b1 a1(k+1) · · · a1n
..
. ... ... ... ...
an1 · · · an(k−1) bn an(k+1) · · · ann
n×n
(∆k ´e a matriz que se obter de Asubstituindo a k-´esima coluna pela matriz coluna B).
´
E importante enfatizar que a Regra de Cramer possui interesse te´orico apenas. Comparado ao m´etodo de resolu¸c˜ao de sistemas lineares por escalonamento, a Regra de Cramer ´e extremamente ineficiente, devido ao fato de ser necess´ario o c´alculo de diversos determinantes (o que geralmente ´e bem trabalhoso). Quanto maior a ordem do sistema, maior ´e a ineficiˆencia desse m´etodo.
Exemplo. ResolverS=
x +2y+3z= 14 2x − y +3z= 9
−x−2y+ z = −2
utilizando a Regra de Cramer.
Resolu¸c˜ao
TemosA=
1 2 3
2 −1 3
−1 −2 1
; B=
14 9 −2 eX=
x y z
. Temos tamb´em que detA= −1−6−12−3−4+6= −20.
(i)det∆1=det
14 2 3
9 −1 3
−2 −2 1
P´agina 18 UFU Algebra Linear
Portanto,x1=x= detdet∆A1 =
−20
−20 =1.
(ii)det∆2=det
1 14 3
2 9 3
−1 −2 1
=9−42−12+27−28+6= −40.
Portanto,x2=y= detdet∆A2 =
−40
−20 =2.
(iii)det∆3=det
1 2 14
2 −1 9
−1 −2 −2
=2−18−56−14+8+18= −60.
Portanto,x3=z= detdet∆A3 =
−60
−20 =3.
Conclus˜ao: (x, y, z) = (1, 2, 3)´e solu¸c˜ao do sistema.
Exerc´ıcio. ResolverS=
−x+2y− z = 0 2x +5y+3z= 10
−x+2y−4z= −3
utilizando a Regra de Cramer.
Cap´ıtulo 2
Espa¸
cos Vetoriais
2.1
O conceito de Espa¸
co Vetorial
Motiva¸c˜ao:
SejaV3conjunto dos vetores do espa¸co euclidiano.
Podemos definir duas opera¸c˜oes sobreV3: a adi¸c˜ao e a multiplica¸c˜ao por escalar.
u
v
u+v A
B C
u
v
e a multiplica¸c˜ao por escalar.
gv (g - )< 1 v
av (a>1)
bv 0< <1( b )
dv (-1< <0d )
Formalmente:
+ : V3×V3 −
→ V3
(~u,~v) 7−→ ~u+~v ´e a opera¸c˜ao de adi¸c˜ao de vetores.
·: R×V3 − → V3
(α,~u) 7−→ α~u ´e a opera¸c˜ao de multiplica¸c˜ao de escalar por vetor.
O conjuntoV3munido das opera¸c˜oes acima cumpre as seguintes propriedades:
(1)Adi¸c˜ao: sejam~u,~v,w~ ∈V3.
(i)~u+ (~v+w~) = (~u+~v) +w~ (associativa); (ii)~u+~v=~v+~u(comutativa);
(iii)∃~0∈V3tal que~u+~0=~0+~u=~u(elemento neutro aditivo);
(iv)∃−~u∈V3tal que~u+ (−~u) =~0(elemento oposto).
(2)Multiplica¸c˜ao por escalar: sejam~u,~v∈V3eα, β∈R.
(i)α(β~u) = (αβ)~u(associativa);
(ii) (α+β)~u=α~u+β~u(distributiva em rela¸c˜ao `a adi¸c˜ao de escalares); (iii)α(~u+~v) =α~u+α~v(distributiva em rela¸c˜ao `a adi¸c˜ao de vetores); (iv)1~u=~u(elemento neutro multiplicativo).
Nessas condi¸c˜oes, dizemos queV3munido das opera¸c˜oes+e·possuiestrutura vetorial e ´e chamado deespa¸co vetorial sobreR, indicado por V3,+,·
.
Os conjuntos que possuem as mesmas propriedades de V3 ser˜ao chamados de espa¸cos vetoriais. Abaixo segue a
P´agina 20 UFU Algebra Linear Sejam V um conjunto e Kum corpo num´erico (K=Rou K=C).
Dizemos que V ´e umespa¸co vetorialsobre Kquando:
(1)Existe uma opera¸c˜ao de adi¸c˜ao
+ : V×V −→ V
(u, v) 7−→ u+v satisfazendo, para quaisquer u, v, w∈V:
(i) (u+v) +w=u+ (v+w);
(ii)u+v=v+u;
(iii)∃ 0∈V tal que u+0=0+u=u;
(iv)∃ −u∈V tal que u+ (−u) =0.
(2)Existe uma opera¸c˜ao de multiplica¸c˜ao por escalar
·: K×V −→ V
(α, v) 7−→ αv satisfazendo, para quaisquer u, v∈V e α, β∈K:
(i) α(βu) = (αβ)u;
(ii) (α+β)u=αu+βu;
(iii)α(u+v) =αu+αv;
(iv)1u=u.
Os elementos de V s˜ao comumente chamados devetores, independente de sua natureza.
A menos que se diga o contr´ario, trabalharemos com espa¸cos vetoriais sobreK=R(espa¸cos vetoriais reais). Tendo em vista a existˆencia de elemento oposto para qualquer elemento de um espa¸co vetorial, ´e comum escrever
u+ (−v)comou−v, ou seja,u+ (−v) =u−v.
Alguns Exemplos Simples.
Exemplo (1)Mm×n(R)munido das opera¸c˜oes de adi¸c˜ao e multiplica¸c˜ao por escalar usuais de matrizes ´e um espa¸co
vetorial sobre R. J´a vimos as propriedades no cap´ıtulo anterior.
Exemplo (2)V2 ou V3 munidos das opera¸c˜oes de adi¸c˜ao e multiplica¸c˜ao por escalar usuais de vetores s˜ao espa¸cos
vetoriais sobre R. Usamos V3 no exemplo de motiva¸c˜ao acima e a verifica¸c˜ao das propriedades geralmente ´e feita em
um curso deGeometria Anal´ıtica.
Exemplo (3)O pr´oprio conjunto Rdos n´umeros reais munido das opera¸c˜os de adi¸c˜ao e multiplica¸c˜ao usuais ´e um espa¸co vetorial sobreR. Tamb´em o conjuntoCdos n´umeros complexos munido das opera¸c˜oes de adi¸c˜ao e multiplica¸c˜ao usuais ´e um espa¸co vetorial sobreR. A verifica¸c˜ao das propriedades ´e ´obvia.
Alguns Exemplos Importantes.
Exemplo (1)O conjuntoRn={(x1, x2, . . . , xn) :xi∈R}munido das opera¸c˜oes:
+ : Rn×Rn −
→ Rn
((x1, . . . , xn),(y1, . . . , yn)) 7−→ (x1+y1, . . . , xn+yn)
e
·: R×Rn −
→ Rn
(α,(x1, . . . , xn)) 7−→ (αx1, . . . , αxn)
ou seja,
(x1, . . . , xn) + (y1, . . . , yn) = (x1+y1, . . . , xn+yn) α(x1, . . . , xn) = (αx1, . . . , αxn)
´e um espa¸co vetorial sobreR.
Verifiquemos as propriedades:
Adi¸c˜ao: sejamu= (x1, . . . , xn);v= (y1, . . . , yn)ew= (z1, . . . , zn)emRn.
(1i)Associativa:
(u+v) +w= ((x1, . . . , xn) + (y1, . . . , yn)) + (z1, . . . , zn)
= (x1+y1, . . . , xn+yn) + (z1, . . . , zn) = ((x1+y1) +z1, . . . ,(xn+yn) +zn)
= (x1+ (y1+z1), . . . , xn+ (yn+zn)) (∗) = (x1, . . . , xn) + (y1+z1, . . . , yn+zn)
= (x1, . . . , xn) + ((y1, . . . , yn) + (z1, . . . , zn))
=u+ (v+w)
(∗)aqui usamos a propriedade associativa dos n´umeros reais.
(1ii)Comutativa:
u+v= (x1, . . . , xn) + (y1, . . . , yn) = (x1+y1, . . . , xn+yn)
= (y1+x1, . . . , yn+xn) (∗∗) = (y1, . . . , yn) + (x1, . . . , xn)
=v+u
(∗∗)aqui usamos a propriedade comutativa dos n´umeros reais.
(1iii)Elemento neutro:
Seja0= (0, . . . , 0)∈Rn. Temos
u+0= (x1, . . . , xn) + (0, . . . , 0)
= (x1+0, . . . , xn+0) = (x1, . . . , xn) (∗∗∗)
=u
(∗∗∗)aqui usamos a propriedade do elemento neutro aditivo dos n´umeros reais.
(1iv)Elemento oposto:
Seja−u= (−x1, . . . ,−xn)∈Rn. Temos
u+ (−u) = (x1, . . . , xn) + (−x1, . . . ,−xn) = (x1+ (−x1), . . . , xn+ (−xn))
= (0, . . . , 0) (∗∗∗∗) =0
(∗∗∗∗)aqui usamos a propriedade do elemento oposto dos n´umeros reais.
Multiplica¸c˜ao por escalar: sejam u= (x1, . . . , xn)ev= (y1, . . . , yn)emRn eα, β∈R.
(2i)Associativa:
α(βu) =α(β(x1, . . . , xn))
=α(βx1, . . . , βxn) = (α(βx1), . . . , α(βxn))
= ((αβ)x1, . . . ,(αβ)xn) #
= (αβ) (x1, . . . , xn)
P´agina 22 UFU Algebra Linear #
aqui usamos a propriedade associativa dos n´umeros reais.
(2ii)Distributiva em rela¸c˜ao `a adi¸c˜ao de escalares:
(α+β)u= (α+β) (x1, . . . , xn)
= ((α+β)x1, . . . ,(α+β)xn)
= (αx1+βx1, . . . , αxn+βxn) ##
= (αx1, . . . , αxn) + (βx1, . . . , βxn)
=α(x1, . . . , xn) +β(x1, . . . , xn) =αu+βu
##
aqui usamos a propriedade distributiva dos n´umeros reais.
(2iii)Distributiva em rela¸c˜ao `a adi¸c˜ao de elementos deRn:
α(u+v) =α((x1, . . . , xn) + (y1, . . . , yn))
=α(x1+y1, . . . , xn+yn) = (α(x1+y1), . . . , α(xn+yn))
= (αx1+αy1, . . . , αxn+αyn) ###
= (αx1, . . . , αxn) + (αy1, . . . , αyn)
=α(x1, . . . , xn) +α(y1, . . . , yn) =αu+αv
###
aqui usamos a propriedade distributiva dos n´umeros reais.
(2iv)Elemento neutro multiplicativo:
1u=1(x1, . . . , xn) = (1x1, . . . , 1xn)
= (x1, . . . , xn) ####
=u
####
aqui usamos a propriedade do elemento neutro multiplicativo dos n´umeros reais.
Exemplo (2) O conjunto Pn(R) =
anxn+an−1xn−1+· · ·+a1x+a0:ai∈R;x∈Rvari´avel ´e o conjunto dos
polinˆomios de grau menor do que ou igual anacrescido do polinˆomio nulo (que n˜ao tem grau definido), munido das opera¸c˜oes:
+ : Pn(R)×Pn(R) −→ Pn(R)
((anxn+· · ·+a0),(bnxn+· · ·+b0)) 7−→ (an+bn)xn+· · ·+ (a0+b0)
e
·: R×Pn(R) −→ Pn(R)
(α,(anxn+· · ·+a0)) 7−→ (αan)xn+· · ·+ (αa0)
ou seja,
(anxn+· · ·+a0) + (bnxn+· · ·+b0) = (an+bn)xn+· · ·+ (a0+b0) α(anxn+· · ·+a0) = (αan)xn+· · ·+ (αa0)
´e um espa¸co vetorial sobreR.
Por exemplo, paran=2 temos 3x2+x
+ 5x2+3
=8x2+x+3e2(3x+1) =6x+2.
Verifica¸c˜ao das propriedades: exerc´ıcio.
Exemplo (3)O conjuntoF(R) =
f: R −→ R
x 7−→ f(x)
´e o conjunto das fun¸c˜oes reais de uma v´ari´avel real com
dom´ınio R, munido das opera¸c˜oes
+ : F(R)×F(R) −→ F(R)
(f, g) 7−→ f+g: R −→ R
e
·: R×F(R) −→ F(R) (α, f) 7−→ αf: Rx −7−→ R
→ αf(x) ou seja,
(f+g) (x) =f(x) +g(x) (αf) (x) =αf(x)
´e um espa¸co vetorial sobreR.
Por exemplo, paraf(x) =x2;g(x) =ex eα=2temos (f+g) (x) =x2+ex e2f(x) =2x2.
Verifiquemos as propriedades:
Adi¸c˜ao: sejamf, g, hemF(R).
(1i)Associativa:
((f+g) +h) (x) = (f+g) (x) +h(x) = (f(x) +g(x)) +h(x) =f(x) + (g(x) +h(x)) (∗) =f(x) + (g+h) (x)
= (f+ (g+h)) (x) para qualquerx∈R.
(∗)aqui usamos a propriedade associativa dos n´umeros reais. Portanto,(f+g) +h=f+ (g+h).
(1ii)Comutativa:
(f+g) (x) =f(x) +g(x) =g(x) +f(x) (∗∗)
= (g+f) (x) para qualquerx∈R.
(∗∗)aqui usamos a propriedade comutativa dos n´umeros reais. Portanto,f+g=g+f.
(1iii)Elemento neutro:
Seja0=θsendoθ(x) =0para qualquerx∈R(θ´e a fun¸c˜ao nula). Temos
(f+0) (x) = (f+θ) (x) =f(x) +θ(x) =f(x) +0
=f(x) para qualquerx∈R. (∗∗∗)
(∗∗∗)aqui usamos a propriedade do elemento neutro aditivo dos n´umeros reais. Portanto,f+0=f.
(1iv)Elemento oposto:
Seja−f∈F(R)tal que(−f) (x) = −f(x). Temos
(f+ (−f)) (x) =f(x) + (−f) (x) =f(x) + (−f(x))
=0para qualquerx∈R. (∗∗∗∗)
(∗∗∗∗)aqui usamos a propriedade do elemento oposto dos n´umeros reais. Portanto,f+ (−f) =0. (0=θ´e a fun¸c˜ao nula)
Multiplica¸c˜ao por escalar: exerc´ıcio.
P´agina 24 UFU Algebra Linear Exerc´ıcio (1)Verifique seR2munido das opera¸c˜oes
+ : R2×R2 −→ R2
((x1, y1),(x2, y2)) 7−→ (x1+x2, y1+y2)
e
·: R×R2 −
→ R2
(α,(x, y)) 7−→ (αx, 0) ou seja,
(x1, y1) + (x2, y2) = (x1+x2, y1+y2) α(x, y) = (αx, 0)
´e um espa¸co vetorial.
Observe que a adi¸c˜ao ´e a usual, mas a multiplica¸c˜ao por escalar n˜ao ´e a usual
Resolu¸c˜ao.
J´a vimos que as propriedades de adi¸c˜ao se verificam. Quanto `a multiplica¸c˜ao por escalar:
(2i)α(β(x, y)) =α(βx, 0) = ((αβ)x, 0) = (αβ) (x, y)se verifica.
(2ii) (α+β) (x, y) = ((α+β)x, 0) = (αx+βx, 0) = (αx, 0) + (βx, 0) =α(x, y) +β(x, y)se verifica.
(2iii) α((x1, y1) + (x2, y2)) = α(x1+x2, y1+y2) = (α(x1+x2), 0) = (αx1+αx2, 0) = (αx1, 0) + (αx2, 0) = α(x1, y1) +α(x2, y2)se verifica.
(2iv)1(x, y) = (1x, 0) = (x, 0)6= (x, y)quandoy6=0. Portanto,1(x, y) = (x, y)n˜ao se verifica. Conclus˜ao: R2munido das opera¸c˜oes acima n˜ao ´e um espa¸co vetorial.
Exerc´ıcio(2)Mostre que em um espa¸co vetorial(V,+,·), vale aLei do Cancelamentopara a adi¸c˜ao: u+w=v+w⇒ u=v.
Resolu¸c˜ao.
Comow∈V, existe o oposto −w∈V tal que w+ (−w) =0, sendo0o elemento neutro aditivo. Logo,
u+w=v+w⇒(u+w) + (−w) = (v+w) + (−w)⇒ u+ (w+ (−w)) =v+ (w+ (−w))⇒u+0=v+0⇒u=v
Exerc´ıcio (3)Mostre que em um espa¸co vetorial (V,+,·), o oposto de um elemento ´e ´unico.
Resolu¸c˜ao.
Suponhamos queu∈V possua dois elementos opostos: −u1e−u2tais queu+ (−u1) =0eu+ (−u2) =0, sendo 0 o elemento neutro aditivo.
Logo,
u+ (−u1) =u+ (−u2) =0⇒−u1+u= −u2+u⇒−u1= −u2
Exerc´ıcio (4)Mostre que em um espa¸co vetorial (V,+,·), o oposto neutro ´e ´unico.
Resolu¸c˜ao.
Suponhamos que existam dois elementos neutros emV, indicados por 01 e02, tais queu+01=ueu+02=u,
sendou∈V. Logo,
u+01=u+02⇒01+u=02+u⇒01=02
Proposi¸c˜ao 1. (Propriedades de Espa¸cos Vetoriais)Seja (V,+,·)espa¸co vetorial sobre R.
(1)Se α∈Re 0∈V ´e elemento neutro aditivo, ent˜ao α0=0.
(3)Se α∈Re u∈Vs˜ao tais que αu=0, ent˜ao α=0ou u=0. (o primeiro0´e o zero dos n´umeros reais, enquanto que o segundo 0´e o elemento neutro aditivo de V)
(4) Se α∈R e u∈V, ent˜ao (−α)u= α(−u) = − (αu). (geralmente escrevemos de forma simplificada − (αu) = −αu)
(5)Sejamα, β∈Re u∈V, ent˜ao (α−β)u=αu−(βu). (geralmente escrevemos de forma simplificada (α−β)u=
αu−βu)
(6)Sejam α∈Re u, v∈V, ent˜ao α(u−v) =αu− (αv). (geralmente escrevemos de forma simplificada α(u−v) =
αu−αv)
Demonstra¸c˜ao.
(1)0+α0=α0+0=α0=α(0+0) =α0+α0⇒0=α0⇒α0=0.
(2)0+0u=0u+0=0u= (0+0)u=0u+0u⇒0=0u⇒0u=0. (3)Seα=0∈R, o resultado ´e ´obvio.
Seα6=0∈R, ent˜ao existeα−1∈Rtal queα−1α=1.
Assim,αu=0⇒α−1(αu) =α−10⇒ α−1α
u=0⇒1u=0⇒u=0.
(4)Primeira parte: − (αu) =α(−u).
De fato: αu+ (− (αu)) =0=α(u+ (−u)) =αu+α(−u)⇒− (αu) =α(−u). Segunda parte: − (αu) = (−α)u.
De fato: αu+ (− (αu)) =0=0u= (α+ (−α))u=αu+ (−α)u⇒− (αu) = (−α)u.
(5) (α−β)u= (α+ (−β))u=αu+ (−β)u=αu+ (− (βu)) =αu− (βu).
(6)α(u−v) =α(u+ (−v)) =αu+α(−v) =αu+ (− (αv)) =αu− (αv).
Exerc´ıcio. Sendo(V,+,·)espa¸co vetorial eu, v, w∈V, calcule3u+v−3we encontrex∈V tal que u+x 2 −
x−v 3 =w
para os seguintes casos:
(1)V=M3×2(R),u=
1 1
0 0
0 0
,v=
0 1
2 1
1 1
ew=
1 2
1 0
0 −1
;
(2)V=R3,u= (1, 2, 1),v= (2, 3, 1)ew= (1, 1, 1);
(3)V=P2(R),u=x2, v=xew=2x+1;
(4)V=F(R),u=f(x) =2x+2, v=g(x) =3x+3ew=h(x) =sen(x).
2.2
Subespa¸
cos Vetoriais
Sejam V um espa¸co vetorial sobre R e W⊂V. Dizemos que W ´e umsubespa¸co vetorialde V quando:
(i)0∈W;
(ii)∀u, v∈W⇒u+v∈W;
(iii)∀α∈Re ∀u∈W⇒αu∈W. Nota¸c˜ao: W ⊂
seV.
Obviamente,W tamb´em ´e um espa¸co vetorial sobreR.
Exemplos.
Exemplo (1)SejaV espa¸co vetorial, ent˜aoW=V ouW={0}s˜ao subespa¸cos vetoriais deV (triviais).
Exemplo (2) Seja R2 espa¸co vetorial (opera¸c˜oes usuais) sobre R, ent˜ao W = (x, y)∈R2:x+2y=0 ´e um
P´agina 26 UFU Algebra Linear
De fato:
(i)0= (0, 0)∈Wpois 0+2.0=0;
(ii)∀(x1, y1),(x2, y2)∈W⇒x1+2y1=0 ex2+2y2=0⇒(x1+x2) +2(y1+y2) =0⇒(x1+x2, y1+y2)∈ W⇒(x1, y1) + (x2, y2)∈W;
(iii)∀α∈Re(x, y)∈W⇒x+2y=0⇒αx+2αy=0⇒(αx, αy)∈W⇒α(x, y)∈W.
Exemplo (3)SejamMn(R)espa¸co vetorial (opera¸c˜oes usuais) sobreReA∈Mn(R)fixa, ent˜ao W={X∈Mn(R) :AX=XA}´e subespa¸co vetorial deR2.
De fato:
(i)X=0∈W(matriz nula de ordemn), poisAX=A0=0=0A=XA;
(ii)∀X, Y∈W⇒AX=XA eAY=YA⇒AX+AY=XA+YA⇒A(X+Y) = (X+Y)A⇒X+Y∈W; (iii)∀α∈Re∀X∈W⇒A(αX) =α(AX) =α(XA) = (αX)A⇒αX∈W.
Exemplo (4)Sejam F(R)espa¸co vetorial (opera¸c˜oes usuais) sobreR, ent˜aoW={f∈F(R) :f(−x) =f(x)}(fun¸c˜oes pares) ´e um subespa¸co vetorial deF(R).
De fato:
(i)f(x) =0,∀x∈R, (elemento neutro) est´a emW, pois f(−x) =0=f(x);
(ii)∀f, g∈W⇒f(−x) =f(x)eg(−x) =g(x)⇒f(−x) +g(−x) =f(x) +g(x)⇒(f+g) (−x) = (f+g) (x)⇒
f+g∈W;
(iii)∀α∈Re∀f∈W⇒f(−x) =f(x)⇒α(f(−x)) =α(f(x))⇒(αf) (−x) = (αf) (x)⇒αf∈W.
Exerc´ıcios.
Exerc´ıcio(1)Verifique queW={f∈F(R) :f(−x) = −f(x)}(fun¸c˜oes ´ımpares) ´e subespa¸co vetorial deF(R)(opera¸c˜oes usuais).
Exerc´ıcio (2) Verifique que W = {A∈Mn(R) :A=At} (matrizes sim´etricas) ´e subespa¸co vetorial de Mn(R)
(opera¸c˜oes usuais).
Exerc´ıcio (3)Verifique queW={A∈Mn(R) :A= −At}(matrizes antisim´etricas) ´e subespa¸co vetorial deMn(R)
(opera¸c˜oes usuais).
Exerc´ıcio (4)Verifique queW={f∈F(R) :f(3) =0}´e subespa¸co vetorial de F(R)(opera¸c˜oes usuais).
Observemos que os elementos deWs˜ao todas as fun¸c˜oes cujos gr´aficos passam pelo ponto(3, 0)do plano cartesiano.
Exerc´ıcios Diversos.
Exerc´ıcio (1)(Resolvido) Verifique seW=(a, b, c)∈R3:a≥0 ´e subespa¸co vetorial deR3(opera¸c˜oes usuais).
Resolu¸c˜ao.
´
E f´acil perceber que (0, 0, 0) ∈ W e que se (a, b, c),(a′, b′, c′) ∈ W, ent˜ao (a+a′, b+b′, c+c′) = (a, b, c) + (a′, b′, c′)∈W.
No entanto, paraα= −1 e(1, 1, 1)∈W temos que(−1) (1, 1, 1) = (−1,−1,−1)∈/W. Logo,Wn˜ao ´e subespa¸co vetorial deR3.
Exerc´ıcio (2) (Proposto) Verifique se W = {f∈F(R) :f(7) =2+f(1)} ´e subespa¸co vetorial de F(R) (opera¸c˜oes usuais).
Exerc´ıcio(3)(Resolvido) Mostre que seUeWs˜ao subespa¸cos vetoriais do espa¸co vetorialV, ent˜aoU∩W´e subespa¸co vetorial deV.
Resolu¸c˜ao.
(i)0∈Ue0∈W⇒0∈U∩W(obs. vimos que0´e ´unico);
(ii)∀u, v∈U∩W⇒u, v∈Ueu, v∈W⇒u+v∈Ueu+v∈W⇒u+v∈U∩W; (iii)∀α∈Reu∈U∩W⇒α∈R, u∈Ueu∈W⇒αu∈Ueαu∈W⇒αu∈U∩W.
Um exemplo simples: U=(a, 0, 0)∈R3 eW=(0, b, c)∈R3 s˜ao subespa¸cos vetoriais deR3, com opera¸c˜oes
usuais (verifique isso). ´E f´acil ver queU∩W={(0, 0, 0)}´e subespa¸co vetorial deR3.
Exerc´ıcio(4)(Resolvido) Mostre que seUeWs˜ao subespa¸cos vetoriais do espa¸co vetorialV, ent˜aoU∪Wnem sempre ´e subespa¸co vetorial deV.
Trata-se de um exerc´ıcio onde basta exibir um contra-exemplo. De fato:
U=(x, y)∈R2:x+y=0 W=(x, y)∈R2:x−y=0
s˜ao subespa¸cos vetoriais deR2com opera¸c˜oes usuais (verifique isso).
Temos que (−1, 1) ∈ U e(1, 1) ∈ W. Entretanto, (−1, 1) + (1, 1) = (0, 2) ∈/ U ∈ W, pois x = 0 e y = 2 n˜ao satisfazemx+y=0oux−y=0.
0 1
P 0 2( , )
x 1
2 y
W U
2.3
Soma de Dois Subespa¸
cos Vetoriais
Sejam UeWsubespa¸cos vetoriais de V. Definimos asomadeUcom We indicamos porU+Wo seguinte conjunto: U+W={u+w:u∈Ue w∈W}
Proposi¸c˜ao 2. Nas condi¸c˜oes acima U+W ´e um subespa¸co vetorial de V (com as opera¸c˜oes de V).
Demonstra¸c˜ao.
(i) 0∈Ue 0∈W⇒0+0∈U+W⇒0∈U+W.
(ii) v1, v2 ∈ U+W ⇒ v1 = u1+w1 e v2 = u2+w2 com u1, u2 ∈ U e w1, w2 ∈ W ⇒ u1+u2 ∈ U e w1+w2∈W⇒(u1+u2) + (w1+w2)∈U+W⇒(u1+w1) + (u2+w2)∈U+W⇒v1+v2∈U+W.
(iii) α ∈R e v ∈U+W ⇒α ∈ R e v = u+w com u ∈ Ue w∈ W ⇒ αu ∈ U e αw ∈W ⇒αu+αw ∈
U+W⇒α(u+w)∈U+W⇒αv∈U+W.
Observa¸c˜oes:
(1)U+{0}=U;
(2)U⊂U+WeW⊂U+W;
(3)U+W´e o menor subespa¸co de V que cont´emUeW.
Justificativa: sejaL subespa¸co deV tal queU⊂L eW∈L.
Mostremos queU+W⊂L(comoL´e arbitr´ario,U+W ser´a o menor). Sejav∈U+W⇒v=u+wcomu∈U
ew∈W⇒u∈L ew∈L⇒u+w∈L⇒v∈L. Logo,U+W⊂L, como quer´ıamos.
Soma Direta de Dois Subespa¸cos Vetoriais
Dados U e W subespa¸cos vetoriais de V, dizemos que U+W ´e uma soma direta de Ucom W, e indicamos por U⊕W, quando U∩W={0}.
Exemplo. U={(a, 0, 0) :a∈R}eW={(0, b, c) :b, c∈R}s˜ao subespa¸cos vetoriais deR3 (opera¸c˜oes usuais).
ComoU∩W={(0, 0, 0)}temos U⊕W como soma direta.
Exerc´ıcio. Sejam U = (x, y, z)∈R3:x=z e W = (x, y, z)∈R3:x+y+z=0 subespa¸cos vetoriais de R3.
Verifique se U+W´e soma direta de UcomW.
Resolu¸c˜ao.
Seja(x, y, z)∈U∩W⇒
x=z
x+y+z=0 ⇒