T´
opicos de ´
Algebra Linear
Isabel Maria Teixeira de Matos
Sec¸c˜
ao de Matem´
atica
Departamento de Engenharia de Electr´
onica
e Telecomunica¸c˜
oes e de Computadores (DEETC-ISEL)
1 de Dezembro de 2007
Conte´
udo
1 MATRIZES 1
1.1 Conceitos Gerais . . . 1
1.2 Algebra das Matrizes . . . .´ 5
1.3 Opera¸c˜oes elementares. Caracter´ıstica de uma matriz . . . 10
1.4 Sistemas de Equa¸c˜oes Lineares . . . 12
1.5 Inversa de uma Matriz Quadrada . . . 17
2 DETERMINANTES 21 2.1 Conceitos Gerais . . . 21
2.2 Defini¸c˜ao de Determinante . . . 22
2.3 Propriedades dos Determinantes . . . 22
2.4 O Teorema de Laplace . . . 24
2.5 Aplica¸c˜oes dos Determinantes . . . 25
2.5.1 C´alculo da Inversa de uma Matriz . . . 25
2.5.2 Resolu¸c˜ao de Sistemas Lineares Poss´ıveis e Determinados . . . 26
3 ESPAC¸ OS VECTORIAIS 29 3.1 Defini¸c˜ao e Exemplos . . . 29
3.2 Dependˆencia e Independˆencia Lineares . . . 31
3.2.1 Caracter´ıstica de uma Matriz . . . 35
3.3 Subespa¸cos vectoriais . . . 36
3.3.1 Subespa¸co gerado . . . 39
3.4 Base e dimens˜ao . . . 41
3.5 Matriz de Mudan¸ca de Base . . . 45
4 APLICAC¸ ˜OES LINEARES 49 4.1 N´ucleo e Imagem. Classifica¸c˜ao de um Morfismo . . . 52
4.2 Soma, Multiplica¸c˜ao por Escalar, Composta e Inversa de Aplica¸c˜oes Lineares 58 4.3 Matriz de uma Aplica¸c˜ao Linear . . . 60 4.3.1 Rela¸c˜ao entre as diferentes Matrizes de uma Aplica¸c˜ao Linear . . 66 5 VECTORES e VALORES PR ´OPRIOS 71 5.1 Defini¸c˜ao e Exemplos . . . 71 5.2 Subespa¸cos Pr´oprios . . . 78 5.3 Endomorfismos Diagonaliz´aveis . . . 80
Cap´ıtulo 1
MATRIZES
1.1
Conceitos Gerais
Defini¸c˜ao 1 Seja F um conjunto n˜ao vazio onde est˜ao definidas duas opera¸c˜oes bin´arias1: uma adi¸c˜ao e uma multiplica¸c˜ao, denotadas por + e ×, respectivamente.
Diz-se que (F, +, ×) ´e um corpo se:
(A1) A adi¸c˜ao ´e comutativa: ∀x, y ∈ F x + y = y + x;
(A2) A adi¸c˜ao ´e associativa: ∀x, y, z ∈ F (x + y) + z = x + (y + z); (A3) A adi¸c˜ao tem elemento neutro 0: ∃0 ∈ F ∀x ∈ F x + 0 = 0 + x = x; (A4) Todo o elemento x de F tem sim´etrico (−x) em F:
∀x ∈ F ∃(−x) ∈ F x + (−x) = (−x) + x = 0.
(M1) A multiplica¸c˜ao ´e comutativa: ∀x, y ∈ F x × y = y × x;
(M2) A multiplica¸c˜ao ´e associativa: ∀x, y, z ∈ F (x × y) × z = x × (y × z); (M3) A multiplica¸c˜ao tem elemento neutro 1: ∃1 ∈ F ∀x ∈ F x × 1 = 1 × x = x; (M4) Todo o elemento x de F \ {0} tem inverso x−1 em F \ {0}:
∀x ∈ F \ {0} ∃x−1
∈ F \ {0} x × x−1 = x−1× x = 1.
(D) A multiplica¸c˜ao ´e distributiva em rela¸c˜ao `a adi¸c˜ao: ∀x, y, z ∈ F x × (y + z) = x × y + x × z.
Observa¸c˜oes
1 — Identifica-se o corpo (F, +, ×) com o conjunto suporte F, sabendo que est˜ao sempre impl´ıcitas as duas opera¸c˜oes nele definidas.
2 — A adi¸c˜ao e a multiplica¸c˜ao usuais de n´umeros reais verificam as propriedades referidas na Defini¸c˜ao 1, pelo que, R ´e um corpo – o corpo dos n´umeros reais.
1Uma opera¸c˜ao bin´
aria em F ´e uma aplica¸c˜ao que faz corresponder a cada par ordenado de elementos de F um (e um s´o) elemento deste conjunto.
3 — A adi¸c˜ao e a multiplica¸c˜ao usuais de n´umeros complexos satisfazem as pro-priedades referidas na Defini¸c˜ao 1, por isso, C ´e um corpo – o corpo dos n´umeros complexos. 4 — F = {0, 1} com as opera¸c˜oes + 0 1 0 0 1 1 1 0 e × 0 1 0 0 0 1 0 1 ´e um corpo – o menor
dos corpos finitos. Designa-se por Z2 e ´e o corpo dos inteiros m´odulo 2.
5 — Neste cap´ıtulo, bem como em todos os que se seguem, trabalhar-se-´a nos corpos R e C (com as opera¸c˜oes usuais). No entanto, toda a teoria apresentada desenvolve-se da mesma maneira em qualquer corpo.
Defini¸c˜ao 2 Sejam m e n dois n´umeros naturais. Uma matriz do tipo m × n (com elementos num corpo) ´e um quadro de mn n´umeros (desse corpo) distribuidos em m linhas e n colunas.
A cada um dos n´umeros que forma a matriz d´a-se o nome de entrada.
Para referenciar (e localizar) uma entrada utilizam-se dois ´ındices, por esta ordem: o ´ındice de linha e o ´ındice de coluna.
Uma matriz real (resp.: complexa) ´e uma matriz cujas entradas s˜ao n´umeros reais (resp.: complexos).
Exemplo
A =h 1 0 −1 2 i
´
e uma matriz do tipo 1 × 4 (matriz linha). A sua entrada (1, 3) ´
e (−1).
Mais geralmente, qualquer matriz do tipo 1 × n diz-se uma matriz linha.
B = 3 2 1
´e uma matriz do tipo 3 × 1 (matriz coluna). A sua entrada (2, 1) ´e 2. A qualquer matriz do tipo m × 1 chama-se matriz coluna.
C = "
1 2 3 4 5 6
#
´e uma matriz do tipo 2 × 3 e ´e uma matriz rectangular (2 6= 3). Em geral, qualquer matriz do tipo m × n, com m 6= n, diz-se uma matriz rectan-gular. D = " 1 −1 0 −4 # ´
e uma matriz do tipo 2 × 2. Tamb´em se diz uma matriz quadrada de ordem 2.
Mais geralmente, qualquer matriz do tipo n × n denomina-se matriz quadrada de ordem n.
Nota¸c˜ao
Se A ´e uma matriz do tipo m × n escreve-se,
A = a11 a12 · · · a1n a21 a22 · · · a2n .. . ... ... ... am1 am2 · · · amn
ou, abreviadamente, A = [aij]m×n, onde i ∈ {1, · · · , m} ´e o ´ındice de linha e
j ∈ {1, · · · , n} ´e o ´ındice de coluna.
O conjunto das matrizes do tipo m × n com elementos em R (resp.: C) denota-se por Rm×n (resp.: Cm×n), Rm,n (resp.: Cm,n) ou ainda por Mm×n(R) (resp.: Mm×n(C)).
Defini¸c˜ao 3 Uma submatriz de uma matriz A, do tipo m × n, ´e uma matriz do tipo p × q, com 1 ≤ p ≤ m, 1 ≤ q ≤ n, obtida por supress˜ao de alguma(s) linha(s) e/ou alguma(s) coluna(s)de A.
Nota¸c˜ao
Se i1 < i2 < . . . < ip s˜ao elementos distintos de {1, 2, . . . , m} e j1 < j2 < . . . < jq
s˜ao elementos distintos de {1, 2, . . . , n} A[i1, . . . , ip|j1, . . . , jq] representa a submatriz de
A formada pelos elementos que pertencem `a intersec¸c˜ao das linhas i1, i2, . . . , ip e das
colunas j1, j2, . . . , jq de A; A(i1, . . . , ip|j1, . . . , jq) representa a submatriz de A que se
obt´em eliminando as linhas i1, i2, . . . , ip e as colunas j1, j2, . . . , jq de A.
Exemplo Seja A = 1 2 3 4 5 6 7 8 9 10 11 12 . Ent˜ao A[1, 3|1, 2, 4] = " 1 2 4 9 10 12 # = A(2|3) e A[2|1, 3] = h 5 7 i = A(1, 3|2, 4).
Defini¸c˜ao 4 Seja A = [aij]n×n uma matriz quadrada de ordem n.
Os elementos diagonais (ou principais) de A s˜ao os n elementos que tˆem ´ındices de linha e coluna iguais, ou seja, a11, a22, . . . , ann. Ao seu conjunto d´a-se o nome de
diagonal principal de A. A sua soma constitui o tra¸co de A, que se denota por tr(A) (tr(A) = a11+ a22+ · · · + ann).
A matriz diz-se:
diagonal principal);
• Triangular inferior se ∀i < j aij = 0 (s˜ao nulas todas as entradas ”acima”da
diagonal principal);
• Triangular se for triangular superior ou triangular inferior;
• Diagonal se ∀i 6= j aij = 0 (s˜ao nulas todas as entradas n˜ao diagonais);
• Escalar se ∀i 6= j aij = 0 (´e Diagonal) e ∃c ∈ F ∀i aii= c (c constante);
• Identidade se ∀i 6= j aij = 0 e ∀i aii = 1 (´e Escalar com elemento diagonal igual a
1). Denota-se por In e ´e tamb´em chamada Identidade de ordem n. Frequentemente,
escreve-se In = [δij]n×n, onde δij = 1 se i = j e δij = 0 se i 6= j (δij ´e o chamado
s´ımbolo de Kr¨onecker).
• Nula se ∀i∀j aij = 0 (´e Escalar com elemento diagonal igual a 0). Denota-se por
0n e ´e tamb´em chamada matriz nula de ordem n. Observe-se que uma matriz do
tipo m × n com todas as entradas iguais a zero tamb´em se designa por matriz nula, denotando-se por 0m×n. Exemplo A = 1 −1 2 0 0 1 0 0 3 ´e triangular superior. B = 1 0 0 0 −1 2 0 0 −2 0 1 0 3 2 1 1 ´e triangular inferior. C = 1 0 0 0 0 2 0 0 0 0 3 0 0 0 0 4 ´ e diagonal. D = 5 0 0 0 5 0 0 0 5 ´e escalar.
Defini¸c˜ao 5 Seja A = [aij] uma matriz do tipo m × n. A matriz transposta de A,
At, ´e a matriz do tipo n × m cuja entrada (j, i) ´e a ij. Exemplo A = " 1 −1 # At= h 1 −1 i . 4
B = h 2 2 2 2 i Bt = 2 2 2 2 . C = 1 2 3 4 5 6 7 8 9 10 11 12 C t= 1 5 9 2 6 10 3 7 11 4 8 12 . D = 1 2 3 2 3 4 3 4 5 D t= 1 2 3 2 3 4 3 4 5 . E = " 0 −1 1 0 # Et = " 0 1 −1 0 # . Propriedade
Resulta facilmente da defini¸c˜ao que, para qualquer matriz A, (At)t= A.
1.2
Algebra das Matrizes
´
• Igualdade
Sejam A = [aij], B = [bij] matrizes do mesmo tipo.
A = B se e s´o se ∀i, j aij = bij.
• Adi¸c˜ao
Sejam A = [aij], B = [bij] matrizes do tipo m × n.
A matriz soma A + B ´e uma matriz do tipo m × n, A + B = [cij], onde
∀i, j cij = aij + bij.
Propriedades
Sejam A, B, C matrizes do tipo m × n. Ent˜ao: (A1) A + B = B + A;
(A2) (A + B) + C = A + (B + C);
(A3) Sendo 0m×n a matriz nula (matriz com todas as entradas nulas) do tipo m × n,
A + 0 = 0 + A = A;
(A4) Se −A ´e a matriz do tipo m × n cujas entradas s˜ao sim´etricas das entradas de A, −A = [−aij], A + (−A) = (−A) + A = 0m×n;
(At) (A + B)t= At+ Bt.
Defini¸c˜ao de Subtrac¸c˜ao A − B = A + (−B) = [sij], onde
∀i, j sij = aij − bij.
• Multiplica¸c˜ao de uma matriz por um escalar
Sejam A uma matriz real (complexa) do tipo m × n, A = [aij] e λ ∈ R (C). O produto
escalar de A por λ, λA, ´e uma matriz do tipo m × n, λA = [dij], onde ∀i, j dij = λaij.
Propriedades
Sejam A, B matrizes do tipo m × n com entradas em R (C) e α, β ∈ R (C). Ent˜ao: (Pe1) α(A + B) = αA + αB;
(Pe2) (α + β)A = αA + βA; (Pe3) (αβ)A = α(βA); (Pe4) 1A = A;
(Pet) (αA)t = αAt.
Observa¸c˜ao
• Se E ´e uma matriz escalar de ordem n com elemento diagonal a, ent˜ao E = aIn.
• Uma express˜ao do tipoP
iλiAi chama-se (como veremos no Cap´ıtulo 3) uma
com-bina¸c˜ao linear das matrizes Ai.
Exemplo Sejam A = 1 2 −1 0 −3 4 e B = −1 5 7 −1 3 −8 . Calculemos 3A − 2B. 3A = 3 6 −3 0 −9 12 , −2B = 2 −10 −14 2 −6 16 e 3A − 2B = 3A + (−2B) = 5 −4 −17 2 −15 28 . • Multiplica¸c˜ao de matrizes
Sejam A uma matriz do tipo m × n, A = [aij] e B uma matriz do tipo n × p,
B = [bjk]. O produto de A por B, AB, ´e a matriz do tipo m × p, AB = [pik] onde,
∀i, k pik = ai1b1k+ ai2b2k+ · · · + ainbnk.
Observa¸c˜oes
1 — O produto de duas matrizes s´o ´e poss´ıvel se o n´umero de colunas do primeiro factor
for igual ao n´umero de linhas do segundo factor.
2 — A matriz produto tem o n´umero de linhas do primeiro factor e o n´umero de colunas do segundo factor.
3 — Cada entrada da matriz produto ´e soma de multiplica¸c˜oes de todos os elementos de uma linha do primeiro factor pelos elementos convenientes (correspondentes) de toda uma coluna do segundo factor.
Propriedades
. Sejam A, B, C matrizes reais (complexas) compat´ıveis para a multiplica¸c˜ao (isto ´e, tais que (AB)C existe) e λ um n´umero real (complexo). Ent˜ao:
(P1) (AB)C = A(BC);
(P2) λ(AB) = (λA)B = A(λB);
(P3) Am×nIn = ImAm×n = A. Em particular, se A ´e uma matriz quadrada de ordem
n, AIn = InA = A;
(Pt) (AB)t= BtAt.
. Sejam B e C matrizes do mesmo tipo e A uma matriz tal que os produtos que se seguem s˜ao poss´ıveis. Ent˜ao:
(PDe) A(B + C) = AB + AC; (PDd) (B + C)A = BA + CA. Exemplo a) Sejam A = 1 2 −1 0 −3 4 e B = " −1 5 2 0 −1 1 # . Calculemos AB e BA. AB = 1 2 −1 0 −3 4 " −1 5 2 0 −1 1 # = = 1 × (−1) + 2 × 0 1 × 5 + 2 × (−1) 1 × 2 + 2 × 1 (−1) × (−1) + 0 × 0 (−1) × 5 + 0 × (−1) (−1) × 2 + 0 × 1 (−3) × (−1) + 4 × 0 (−3) × 5 + 4 × (−1) (−3) × 2 + 4 × 1 = −1 3 4 1 −5 −2 3 −19 −2 e BA = " −1 5 2 0 −1 1 # 1 2 −1 0 −3 4 = = " (−1) × 1 + 5 × (−1) + 2 × (−3) (−1) × 2 + 5 × 0 + 2 × 4 0 × 1 + (−1) × (−1) + 1 × (−3) 0 × 2 + (−1) × 0 + 1 × 4 # = " −12 6 −2 4 # .
b) Sejam A = " 1 0 1 0 # e B = " 0 0 1 1 # . Calculemos AB e BA. AB = " 1 0 1 0 # " 0 0 1 1 # = " 0 0 0 0 # e BA = " 0 0 1 1 # " 1 0 1 0 # = " 0 0 2 0 # . c) Sejam A = " 1 0 1 0 # e B = " 1 0 −1 2 # . Calculemos AB e BA. AB = " 1 0 1 0 # " 1 0 −1 2 # = " 1 0 1 0 # e BA = " 1 0 −1 2 # " 1 0 1 0 # = " 1 0 1 0 # . Observa¸c˜oes
1 — Do exemplo anterior conclui-se que o produto de matrizes n˜ao ´e comutativo, isto ´e, em geral, AB 6= BA.
Se A e B s˜ao matrizes quadradas de ordem n tais que AB = BA diz-se que A e B s˜ao permut´aveis. ´E o caso das matrizes em c).
2 — Tamb´em do exemplo anterior pode concluir-se que, na multiplica¸c˜ao de matrizes, n˜ao ´e v´alida a lei do anulamento do produto. Com efeito, em b), as matrizes A e B consideradas s˜ao ambas n˜ao nulas mas AB ´e a matriz nula.
Defini¸c˜ao 6 Seja A uma matriz quadrada de ordem n. As potˆencias de expoente inteiro n˜ao negativo de A definem-se da seguinte forma:
(
A0 = I n
Am+1 = AmA, ∀m ≥ 0 .
Defini¸c˜ao 7 Seja A = [aij] uma matriz quadrada. Diz-se que A ´e:
• sim´etrica se At = A, ou seja, se ∀i, j a
ji = aij;
• anti-sim´etrica (ou hemi-sim´etrica) se At= −A, ou seja, se ∀i, j aji = −aij.
Observa¸c˜oes
Resulta imediatamente da defini¸c˜ao que:
. uma matriz sim´etrica tem elementos diagonais arbitr´arios e elementos opostos em rela¸c˜ao `a diagonal principal (correspondem `as entradas (i, j) e (j, i) da matriz) iguais;
. uma matriz real ou complexa anti-sim´etrica tem elementos diagonais nulos 2 e
elementos opostos em rela¸c˜ao `a diagonal principal sim´etricos. Exemplo A matriz A = −1 2 3 2 0 4 3 4 1 ´e sim´etrica e B = 0 2 3 −2 0 −4 −3 4 0 ´e anti-sim´etrica como facilmente se comprova calculando as transpostas respectivas.
Defini¸c˜ao 8 Seja A = [aij] uma matriz complexa do tipo m × n.
• A matriz conjugada de A, A, ´e a matriz complexa do tipo m × n cujos elementos s˜ao os complexos conjugados dos elementos de A : A = [aij];
• a matriz transconjugada de A, A∗, ´e a transposta da matriz conjugada de A (ou,
o que ´e o mesmo, a conjugada da transposta de A): A∗ = (A)t= At.
Defini¸c˜ao 9 Seja A = [aij] uma matriz complexa quadrada. Diz-se que A ´e:
• herm´ıtica (hermitiana) se A∗ = A, ou seja, se ∀i, j aji= aij;
• hemi-herm´ıtica (hemi-hermitiana, anti-herm´ıtica) se A∗ = −A, ou seja, se ∀i, j aji = −aij.
Observa¸c˜oes
Resulta da defini¸c˜ao que:
. uma matriz herm´ıtica tem elementos diagonais reais e elementos opostos em rela¸c˜ao `
a diagonal conjugados;
. uma matriz hemi-herm´ıtica tem elementos diagonais nulos e/ou imagin´arios puros e elementos opostos em rela¸c˜ao `a diagonal principal com mesma parte imagin´aria e partes reais sim´etricas.
Exemplo
2Isto n˜ao ´e v´
alido em todos os corpos. Por exemplo, no corpo Z2da observa¸c˜ao 4 da p´agina 2, tem-se
A matriz A = −1 2 + i 3i 2 − i 0 4 −3i 4 1 ´e herm´ıtica e B = i 2 + i 3i −2 + i −2i −4 3i 4 0 ´e hemi-herm´ıtica como facilmente se comprova calculando as transconjugadas respectivas.
Observa¸c˜oes
A transconjuga¸c˜ao goza de propriedades an´alogas `as da transposi¸c˜ao, excepto para a transconjuga¸c˜ao de uma multiplica¸c˜ao por escalar. Tem-se (admitindo que as matrizes tˆem tipos adequados para efectuar as opera¸c˜oes indicadas e que α ∈ C):
(A∗)∗ = A;
(A ± B)∗ = A∗± B∗;
(AB)∗ = B∗A∗; (αA)∗ = αA∗.
1.3
Opera¸
c˜
oes elementares. Caracter´ıstica de uma
matriz
Defini¸c˜ao 10 S˜ao opera¸c˜oes elementares sobre as linhas (colunas) de uma matriz:
(OE1) Trocar duas linhas (colunas);
(OE2) Multiplicar uma linha (coluna) por um escalar diferente de zero;
(OE3) Somar a uma linha (coluna) outra multiplicada por um escalar qualquer.
Exemplo Seja A = 2 −2 0 4 1 0 −1 3 1 0 0 0 .
Troca das linhas 1 e 3 : A −−−−→
L1↔L3 1 0 0 0 1 0 −1 3 2 −2 0 4 .
Multiplica¸c˜ao da linha 1 por 12 : A −−−−−→
L01=12L1 1 −1 0 2 1 0 −1 3 1 0 0 0 .
Soma da linha 2, multiplicada por (−1), `a linha 3 : A −−−−−−→
L0 3=L3−L2 2 −2 0 4 1 0 −1 3 0 0 1 −3 . 10
Defini¸c˜ao 11 Diz-se que uma matriz tem as linhas em escada se: (i) As linhas nulas (caso existam) ocorrem depois das linhas n˜ao nulas;
(ii) O primeiro elemento n˜ao nulo de cada linha (pivot) situa-se numa coluna mais `
a esquerda que todos os pivots das linhas seguintes (ou seja, o ´ındice de coluna do pivot de cada linha ´e menor que os ´ındices de coluna dos pivots das linhas seguintes).
Exemplo As matrizes A = 0 −1 3 0 −2 4 0 0 0 5 −2 1 0 0 0 0 3 1 0 0 0 0 0 0 e B = 2 −1 1 0 1 2 0 0 −3 tˆem as linhas em escada.
Defini¸c˜ao 12 A caracter´ıstica de uma matriz com as linhas em escada ´e igual ao n´umero de linhas n˜ao nulas da matriz.
Proposi¸c˜ao 1.3.1 Seja A uma matriz qualquer. Ent˜ao A pode ser transformada numa matriz do mesmo tipo com as linhas em escada efectuando opera¸c˜oes elementares sobre as suas linhas.
Defini¸c˜ao 13 Seja A uma matriz qualquer. A caracter´ıstica de A, que se denota por c(A) ou r(A), ´e igual `a caracter´ıstica da matriz com linhas em escada que se obt´em efectuando opera¸c˜oes elementares sobre as linhas e/ou colunas de A.
Exemplo A = 2 −2 0 4 0 1 −1 3 1 1 0 −3 0 0 −1 2 0 0 2 1 −−−−−→ L01=12L1 1 −1 0 2 0 1 −1 3 1 1 0 −3 0 0 −1 2 0 0 2 1 −−−−−−→ L0 3=L3−L1 −→ 1 −1 0 2 0 1 −1 3 0 2 0 −5 0 0 −1 2 0 0 2 1 −−−−−−−→ L0 3=L3−2L2 1 −1 0 2 0 1 −1 3 0 0 2 −11 0 0 −1 2 0 0 2 1 L05=L5−L3 −−−−−−−→ L04=L4+12L3
−→ 1 −1 0 2 0 1 −1 3 0 0 2 −11 0 0 0 −7 2 0 0 0 12 −−−−−−→ L04=−27L4 1 −1 0 2 0 1 −1 3 0 0 2 −11 0 0 0 1 0 0 0 12 −−−−−−−→ L0 5=L5−12L4 −→ 1 −1 0 2 0 1 −1 3 0 0 2 −11 0 0 0 1 0 0 0 0
, pelo que, c(A) = 4.
B = 0 0 −2 −1 1 −1 1 −1 3 −−−−→L 1↔L2 −1 1 −1 0 0 −2 1 −1 3 −−−−−−→L0 3=L3+L1 −1 1 −1 0 0 −2 0 0 2 −−−−−−→L0 3=L3+L2 −→ −1 1 −1 0 0 −2 0 0 0 , por isso, c(B) = 2.
Propriedades da Caracter´ıstica de uma Matriz Sejam A ∈ Fm×n e α ∈ F \ {0}. Ent˜ao:
(C1) c(A) ≤ m e c(A) ≤ n; (C2) c(αA) = c(A);
(C3) Se B ∈ Fn×p, c(AB) ≤ c(A) e c(AB) ≤ c(B);
(Ct) c(At) = c(A).
1.4
Sistemas de Equa¸
c˜
oes Lineares
Defini¸c˜ao 14 Um sistema de m equa¸c˜oes lineares a n inc´ognitas x1, . . . , xn ´e da
forma (dita can´onica) a11x1+ a12x2+ · · · + a1nxn = b1 a21x1+ a22x2+ · · · + a2nxn = b2 .. . ... ... am1x1+ am2x2 + · · · + amnxn = bm , (1.1)
onde aij, bi ∈ R(C) i = 1, . . . , m , j = 1, . . . , n s˜ao, respectivamente, os coeficientes e
os termos independentes do sistema.
Defini¸c˜ao 15 Associadas ao sistema (1.1) est˜ao as seguintes matrizes: A = a11 a12 · · · a1n a21 a22 · · · a2n .. . ... ... ... am1 am2 · · · amn ,
que ´e a matriz simples ou matriz dos coeficientes do sistema;
X = x1 x2 .. . xn ,
que ´e matriz coluna das inc´ognitas;
B = b1 b2 .. . bm ,
que ´e matriz coluna dos termos independentes;
[A|B] = a11 a12 · · · a1n b1 a21 a22 · · · a2n b2 .. . ... ... ... ... am1 am2 · · · amn bm ,
que ´e a matriz ampliada ou matriz completa do sistema.
Nota¸c˜ao Matricial do Sistema (1.1):
AX = B. (1.2)
Defini¸c˜ao 16 Chama-se solu¸c˜ao do sistema (1.1) a uma lista de n´umeros reais (complexos) (c1, c2, . . . , cn) tal que, substituindo cada xi pelo respectivo valor ci (i =
1, . . . , n), as m equa¸c˜oes do sistema transformam-se em proposi¸c˜oes verdadeiras.
Defini¸c˜ao 17 O sistema (1.1) diz-se poss´ıvel se tem, pelo menos, uma solu¸c˜ao e imposs´ıvel caso contr´ario.
Sendo poss´ıvel, (1.1) ´e determinado quando tem uma ´unica solu¸c˜ao e indetermi-nado quando tem mais de uma solu¸c˜ao (se o corpo considerado for infinito, como ´e o caso do corpo dos reais e do corpo dos complexos, quando indeterminado, o sistema tem uma infinidade de solu¸c˜oes).
Defini¸c˜ao 18 Dois sistemas de equa¸c˜oes lineares com o mesmo n´umero de inc´ognitas dizem-se equivalentes se tˆem as mesmas solu¸c˜oes.
Proposi¸c˜ao 1.4.1 Dado o sistema (1.1), obt´em-se um sistema equivalente quando se efectuam opera¸c˜oes elementares sobre as linhas da sua matriz completa [A|B] e/ou troca de colunas na sua matriz simples A (desde que se efectue a correspondente troca nas inc´ognitas respectivas).
Observa¸c˜ao
De acordo com as Proposi¸c˜oes 1.3.1 e 1.4.1, qualquer sistema de equa¸c˜oes lineares ´e equivalente a um sistema cuja matriz ampliada tem as linhas em escada.
Proposi¸c˜ao 1.4.2 O sistema (1.2) ´e: • imposs´ıvel sse c(A) 6= c([A|B]);
• poss´ıvel determinado sse c(A) = c([A|B]) = n; • poss´ıvel indeterminado sse c(A) = c([A|B]) < n.
Defini¸c˜ao 19 Se o sistema (1.2) ´e poss´ıvel, o n´umero inteiro n˜ao negativo g = n − c(A) chama-se grau de indetermina¸c˜ao do sistema.
Exemplo 1 — Consideremos o sistema x + y − z = −2 x − 2y + z = 5 −x + 2y + z = 3 .
Vamos efectuar opera¸c˜oes do tipo referido na Proposi¸c˜ao 1.4.1 na sua matriz ampliada at´e a transformarmos numa matriz com linhas em escada (fazemos a condensa¸c˜ao de [A|B]). 1 1 −1 −2 1 −2 1 5 −1 2 1 3 L03=L3+L1 −−−−−−→ L0 2=L2−L1 1 1 −1 −2 0 −3 2 7 0 3 0 1 −−−−−−→L0 3=L3+L2 1 1 −1 −2 0 −3 2 7 0 0 2 8 . Como c(A) = c([A|B]) = 3 o sistema ´e poss´ıvel e determinado (SPD). Dado que a matriz com linhas em escada obtida ´e a matriz ampliada de um sistema equivalente ao dado, s´o temos que resolver agora
x + y − z = −2 −3y + 2z = 7 2z = 8 . 14
x + y − z = −2 −3y + 2z = 7 2z = 8 ⇔ x + y = −2 + 4 −3y = 7 − 8 z = 4 ⇔ x = 53 y = 13 z = 4 . 2 — Consideremos o sistema x + 2y + 3z = 0 x + y + z = 10 y + 2z = 0 . Ent˜ao [A|B] = 1 2 3 0 1 1 1 10 0 1 2 0 −−−−−−→L0 2=L2−L1 1 2 3 0 0 −1 −2 10 0 1 2 0 −−−−−−→L0 3=L3+L2 1 2 3 0 0 −1 −2 10 0 0 0 10 .
Como c(A) = 2 6= 3 = c([A|B]) o sistema ´e imposs´ıvel (SI).
3 — Consideremos o sistema x + 2y + z + w = 4 2x + 4y − z + 2w = 11 x + y + 2z + 3w = 11 . Ent˜ao [A|B] = 1 2 1 1 4 2 4 −1 2 11 1 1 2 3 11 L0 3=L3−L1 −−−−−−−→ L02=L2−2L1 1 2 1 1 4 0 0 −3 0 3 0 −1 1 2 7 −−−−→L 2↔L3 −→ 1 2 1 1 4 0 −1 1 2 7 0 0 −3 0 3 .
Como c(A) = c([A|B]) = 3 < 4 o sistema ´e poss´ıvel e indeterminado (SPI) de grau 1. x + 2y + z + w = 4 −y + z + 2w = 7 −3z = 3 ⇔ x + 2y + w = 5 −y + 2w = 8 z = −1 ⇔ x = 21 − 5w y = −8 + 2w z = −1 w = w , w ∈ R. 4 — Consideremos o sistema x + y + z = 1 x − y + 2z = a 2x + bz = 2
. Vamos discuti-lo em fun¸c˜ao dos
parˆametros reais a e b.
[A|B] = 1 1 1 1 1 −1 2 a 2 0 b 2 L03=L3−2L1 −−−−−−−→ L0 2=L2−L1 1 1 1 1 0 −2 1 a − 1 0 −2 b − 2 0 −−−−−−→L0 3=L3−L2 −→ 1 1 1 1 0 −2 1 a − 1 0 0 b − 3 1 − a .
Discuss˜ao:
• Se b 6= 3, c(A) = c([A|B]) = 3, ∀a ∈ R, logo, SPD;
• b = 3 e a = 1, c(A) = c([A|B]) = 2 < 3, donde, SPI (de grau 1); • b = 3 e a 6= 1, c(A) = 2 6= 3 = c([A|B]). Por isso, SI.
Defini¸c˜ao 20 Um sistema de equa¸c˜oes lineares diz-se homog´eneo se s˜ao nulos todos os seus termos independentes, isto ´e, se quando escrito matricialmente ´e da forma AX = 0.
A todo o sistema de equa¸c˜oes lineares AX = B est´a associado o sistema homog´eneo AX = 0.
Exemplo
O sistema homog´eneo associado a x + 2y + z + w = 4 2x + 4y − z + 2w = 11 x + y + 2z + 3w = 11 ´e x + 2y + z + w = 0 2x + 4y − z + 2w = 0 x + y + 2z + 3w = 0 . Observa¸c˜ao
Um sistema homog´eneo ´e sempre poss´ıvel pois admite sempre a solu¸c˜ao nula. Se ´e determinado (basta que a caracter´ıstica da matriz simples coincida com o n´umero n de inc´ognitas) essa ´e a sua ´unica solu¸c˜ao. Se ´e indeterminado (a caracter´ıstica da matriz simples ´e menor que o n´umero de inc´ognitas), para al´em da solu¸c˜ao nula (que existe sempre), admite solu¸c˜oes n˜ao nulas (recorde-se que o produto de duas matrizes n˜ao nulas pode ser nulo).
Proposi¸c˜ao 1.4.3 Seja Xp uma solu¸c˜ao particular do sistema de equa¸c˜oes lineares
AX = B. Ent˜ao, X0 ´e solu¸c˜ao do sistema se e s´o se existe uma solu¸c˜ao Xh do sistema
homog´eneo associado, AX = 0, tal que X0 = Xp+ Xh.
Demonstra¸c˜ao
Por hip´otese, AXp = B (uma vez que Xp ´e uma solu¸c˜ao particular de AX = B)
(⇒) Supondo que X0´e (tamb´em) solu¸c˜ao de AX = B, isto ´e, que AX0 = B, provamos
que X0− Xp ´e solu¸c˜ao do sistema homog´eneo associado. Tem-se,
A(X0 − Xp) = AX0− AXp = B − B = 0,
logo, Xh = X0− Xp ´e solu¸c˜ao de AX = 0.
(⇐) Suponhamos que Xh ´e uma solu¸c˜ao do sistema homog´eneo associado ao dado,
AX = 0. Mostramos que X0 = Xp+ Xh ´e solu¸c˜ao de AX = B. Temos,
AX0 = A(Xp+ Xh) = AXp+ AXh = B + 0 = B,
como queriamos.
Observa¸c˜ao
Resulta da proposi¸c˜ao anterior que, a solu¸c˜ao geral de um sistema de equa¸c˜oes linea-res pode ser obtida somando a uma sua solu¸c˜ao particular a solu¸c˜ao geral do sistema homog´eneo associado.
1.5
Inversa de uma Matriz Quadrada
Defini¸c˜ao 21 Seja A uma matriz quadrada de ordem n. Diz-se que A ´e invert´ıvel (ou que A tem inversa) se existe uma matriz quadrada de ordem n, B, tal que
AB = BA = In.
Proposi¸c˜ao 1.5.1 A inversa de uma matriz quadrada A, quando existe, ´e ´unica. Demonstra¸c˜ao Suponhamos que B e C s˜ao inversas de A, ou seja, que
AB = BA = In e AC = CA = In.
Tem-se B = BIn = B(AC) = (BA)C = InC = C , logo, B = C.
Defini¸c˜ao 22 Se A ´e invert´ıvel, a matriz B referida na Defini¸c˜ao 3.1 chama-se inversa de A e representa-se por A−1. Assim, AA−1 = A−1A = In.
Defini¸c˜ao 23 Seja A uma matriz quadrada de ordem n. Diz-se que A ´e n˜ao sin-gular (resin-gular) se c(A) = n.
Proposi¸c˜ao 1.5.2 Se A ´e uma matriz quadrada de ordem n ent˜ao A ´e invert´ıvel se e s´o se ´e regular.
Observa¸c˜ao
Dada uma matriz A, quadrada de ordem n, tal que c(A) = n (logo, invert´ıvel), a inversa de A ´e a solu¸c˜ao da equa¸c˜ao matricial AX = In. Podemos, por isso, calcular
facilmente A−1. Basta considerar a matriz [A|In] e efectuar opera¸c˜oes elementares (s´o)
sobre linhas at´e a transformar na matriz [In|A−1].
Exemplo 1 — Consideremos a matriz A = 3 1 0 2 1 1 0 1 1 , de caracter´ıstica 3. Calculamos A −1
pelo m´etodo descrito (condensa¸c˜ao, operando s´o sobre linhas).
[A|I3] = 3 1 0 1 0 0 2 1 1 0 1 0 0 1 1 0 0 1 −−−−−−→L0 1=L1−L2 1 0 −1 1 −1 0 2 1 1 0 1 0 0 1 1 0 0 1 −−−−−−−→L0 2=L2−2L1 −→ 1 0 −1 1 −1 0 0 1 3 −2 3 0 0 1 1 0 0 1 −−−−−−→L0 3=L3−L2 1 0 −1 1 −1 0 0 1 3 −2 3 0 0 0 −2 2 −3 1 −−−−−−→ L0 3=−12L3 −→ 1 0 −1 1 −1 0 0 1 3 −2 3 0 0 0 1 −1 3 2 − 1 2 L0 1=L1+L3 −−−−−−−→ L02=L2−3L3 1 0 0 0 12 −1 2 0 1 0 1 −3 2 3 2 0 0 1 −1 32 −1 2 . A−1 = 0 12 −1 2 1 −3 2 3 2 −1 3 2 − 1 2 .
(O resultado obtido pode ser confirmado usando a defini¸c˜ao de inversa. Basta verificar que AA−1 = In.) 2 — Se B = 3 0 0 0 0 −1 0 0 0 0 2 0 0 0 0 −4
, ´e muito f´acil concluir que B−1 = 1 3 0 0 0 0 −1 0 0 0 0 12 0 0 0 0 −14 . Propriedades
Se A e B s˜ao matrizes reais (complexas) quadradas de ordem n, invert´ıveis e α ∈ R \ {0}(C \ {0}) ent˜ao:
(I1) A−1 ´e invert´ıvel e (A−1)−1 = A; (I2) αA ´e invert´ıvel e (αA)−1 = α−1A−1;
(I3) ∀m ∈ N, Am ´e invert´ıvel e (Am)−1 = (A−1)m;
(I4) At ´e invert´ıvel e (At)−1 = (A−1)t;
(I5) (A)−1 = A−1;
(I6) (A∗)−1 = (A−1)∗;
(I7) AB ´e invert´ıvel e (AB)−1 = B−1A−1. Justifica¸c˜ao
(I1) Da igualdade A−1A = AA−1= In, da defini¸c˜ao e da unicidade da inversa resulta
que A−1 ´e a matriz inversa de A e A ´e a matriz inversa de A−1.
(I2) (αA)(α−1A−1) = (αα−1)(AA−1) = In e (α−1A−1)(αA) = (α−1α)(A−1A) = In.
(I3) A prova rigorosa faz-se por indu¸c˜ao em m. (I4) At(A−1)t = (A−1A)t= It
n= In e (A−1)tAt= (AA−1)t= Int = In.
(I5) A A−1 = AA−1 = I
n= In e A−1 A = A−1A = In= In.
(I6) A∗(A−1)∗ = (A−1A)∗ = In∗ = In e (A−1)∗A∗ = (AA−1)∗ = In∗ = In.
(I7) (AB)(B−1A−1) = A(BB−1)A−1 = AInA−1 = AA−1 = In e
Cap´ıtulo 2
DETERMINANTES
2.1
Conceitos Gerais
Defini¸c˜ao 24 Dados os n´umeros naturais 1, 2, . . . , n, uma sua permuta¸c˜ao ´e uma lista desses n n´umeros apresentados por uma qualquer ordem.
Por exemplo, n, n − 1, n − 2, . . . , 3, 2, 1 ´e uma permuta¸c˜ao dos n´umeros 1, 2, . . . , n. Nota¸c˜ao
O conjunto de todas as permuta¸c˜oes de 1, 2, . . . , n denota-se por Sn.
Oserva¸c˜ao
Existem n! permuta¸c˜oes de 1, 2, . . . , n.
Defini¸c˜ao 25 Seja i1, i2, . . . , inuma permuta¸c˜ao dos n´umeros 1, 2, . . . , n. Diz-se que
um par (ik, ij) faz uma invers˜ao se k < j e ik > ij, ou seja, ik e ij aparecem na
permuta¸c˜ao por ordem decrescente.
Defini¸c˜ao 26 Uma permuta¸c˜ao i1, i2, . . . , in ´e par (resp.: ´ımpar) quando o n´umero
total de invers˜oes que nela ocorrem ´e par (resp.: ´ımpar).
Exemplos 1) n = 2
Permuta¸c˜ao Total de Invers˜oes Paridade
1,2 0 par
2) n = 3
Permuta¸c˜ao Total de Invers˜oes Paridade
1,2,3 0 par 2,3,1 2 par 3,1,2 2 par 3,2,1 3 ´ımpar 2,1,3 1 ´ımpar 1,3,2 1 ´ımpar
2.2
Defini¸
c˜
ao de Determinante
Defini¸c˜ao 27 Seja A = [aij] uma matriz quadrada de ordem n com elementos
em R (C). O determinante de A, que se denota por det(A) ou |A|, ´e o n´umero real (complexo):
det(A) = X
i1,...,in∈Sn
(−1)σa1i1a2i2· · · anin,
onde σ = 0, se i1, i2, . . . , in ´e par e σ = 1, se i1, i2, . . . , in ´e ´ımpar.
Observe-se que o somat´orio anterior tem n! parcelas. Resulta imediatamente da defini¸c˜ao que:
• det[a11] = a11; • det " a11 a12 a21 a22 # = a11a22− a12a21; • det a11 a12 a13 a21 a22 a23 a31 a32 a33 = a11a22a33+ a12a23a31+ a13a21a32− a13a22a31− a12a21a33− a11a23a32.
2.3
Propriedades dos Determinantes
Seja A = [aij] uma matriz quadrada de ordem n.
(P1) Se A tem uma linha (resp.: coluna) de zeros, ent˜ao det(A) = 0.
(P2) Se A tem duas linhas (resp.: colunas) iguais ou proporcionais, ent˜ao det(A) = 0. (P3) Se trocarmos entre si duas linhas (resp.: colunas) de A, o valor do determinante de A muda de sinal. (Opera¸c˜ao elementar do tipo 1)
(P4) Se A ´e triangular ent˜ao det(A) = a11a22· · · ann.
(P5) a11 a12 · · · a1n .. . ... ... αai1 αai2 · · · αain
.. . ... ... an1 an2 · · · ann = α a11 a12 · · · a1n .. . ... ... ai1 ai2 · · · ain .. . ... ... an1 an2 · · · ann . (Opera¸c˜ao elementar do tipo 2) (P6) det(αA) = αndet(A). (P7) det(A) = det(At).
(P8) Se A ´e complexa, det(A∗) = det(A) = det(A).
(P9) a11 a12 · · · a1n .. . ... ... ai1+ bi1 ai2+ bi2 · · · ain+ bin .. . ... ... an1 an2 · · · ann = a11 a12 · · · a1n .. . ... ... ai1 ai2 · · · ain .. . ... ... an1 an2 · · · ann + a11 a12 · · · a1n .. . ... ... bi1 bi2 · · · bin .. . ... ... an1 an2 · · · ann .
(P10) Se a uma linha (resp.: coluna) de A somarmos um m´ultiplo qualquer de outra linha (resp.: coluna), o valor do determinante de A n˜ao se altera. (Opera¸c˜ao elementar do tipo 3)
(P11) N˜ao se altera o valor do determinante de A se a uma linha (resp.: coluna) de A adicionarmos uma soma de m´ultiplos quaisquer de outras linhas (resp.: colunas). (uso repetido de (P9))
(P12) Se B ´e uma matriz quadrada de ordem n, det(AB) = det(A)det(B). Em particular, ∀n ∈ N det(An) = (det(A))n.
(P13) A ´e invert´ıvel se e s´o se det(A) 6= 0. (P14) Se A ´e invert´ıvel ent˜ao det(A−1) = det(A)1 .
Exemplo
Sejam A e B matrizes reais quadradas de ordem 3 tais que det(A) = −2 e det(B) = 14. Ent˜ao:
• det(3A) = 33det(A) = 27(−2) = −54;
• det(AB−1At) = det(A)det(B−1)det(At) = det(A) 1
det(B)det(A) = (−2)
2× 4 = 16;
• det(−B) = det((−1)B) = (−1)3det(B) = −1 4;
• det(B−1A4B) = det(B−1)det(A4)det(B) = 1
det(B)(det(A)) 4det(B) = (−2)4 = 16; • det(−1 2(B t)−1) = (−1 2) 3det((Bt)−1) = (−1 8) 1 det(Bt) = (− 1 8) 1 det(B) = (− 1 8) × 4 = − 1 2.
2.4
O Teorema de Laplace
Defini¸c˜ao 28 Seja A = [aij] uma matriz quadrada de ordem n. Recorde-se que
A(i|j) denota a submatriz de A que se obt´em desta matriz por supress˜ao da linha i e da coluna j. Chama-se complemento alg´ebrico (ou cofactor) de aij ao n´umero
Aij = (−1)i+jdet(A(i|j)).
Teorema 2.4.1 (Teorema de Laplace)
Seja A = [aij] uma matriz quadrada de ordem n. Ent˜ao:
det(A) = n X j=1 aijAij = n X r=1 arsArs, ∀i, s ∈ {1, 2, . . . , n}. Exemplo 2 4 6 8 3 6 5 9 2 1 4 7 1 2 2 2 =1 2 1 2 3 4 3 6 5 9 2 1 4 7 1 2 2 2 =2 2 1 2 3 4 0 0 −4 −3 0 −3 −2 −1 0 0 −1 −2 =3 2×1×(−1)2 0 −4 −3 −3 −2 −1 0 −1 −2 =4 2 × (−3) × (−1)3 −4 −3 −1 −2 = 6((−4)(−2) − (−1)(−3)) = 6 × 5 = 30.
1Pela Propriedade (P5)aplicada `a linha 1 2Efectuando as opera¸c˜oes elementares L0
2= L2− 3L1; L03= L3− 2L1; L04= L4− L1 3Teorema de Laplace na coluna 1
4Teorema de Laplace na coluna 1
2.5
Aplica¸
c˜
oes dos Determinantes
2.5.1
C´
alculo da Inversa de uma Matriz
Defini¸c˜ao 29 Seja A = [aij] uma matriz quadrada de ordem n. A matriz
comple-mentar de A, que se denota por ˆA, ´e a matriz quadrada de ordem n cujos elementos s˜ao os complementos alg´ebricos dos elementos de A, isto ´e, ˆA = [Aij].
Defini¸c˜ao 30 Seja A = [aij] uma matriz quadrada de ordem n. A matriz adjunta
de A, que se denota por adj(A), ´e a transposta da matriz complementar: adj(A) = ˆAt. Do Teorema de Laplace resulta que, para qualquer matriz quadrada A de ordem n,
A adj(A) = adj(A) A = det(A)In.
Donde, se A ´e invert´ıvel (det(A) 6= 0),
A−1 = 1 det(A)adj(A). Exemplo Seja A = " 1 2 3 4 # .
|A| = 1 × 4 − 2 × 3 = −2 6= 0, pelo que, A tem inversa. Calculamos A−1 a partir da
matriz adj(A). A11= (−1)2× 4 = 4; A12= (−1)3 × 3 = −3; A21= (−1)3× 2 = −2; A22= (−1)4 × 1 = 1. ˆ A = " A11 A12 A21 A22 # = " 4 −3 −2 1 # adj(A) = ˆAt= " 4 −2 −3 1 # A−1= det(A)1 adj(A) = −12 " 4 −2 −3 1 # = " −2 1 3 2 − 1 2 # .
2.5.2
Resolu¸
c˜
ao de Sistemas Lineares Poss´ıveis e Determinados
Regra de Cramer
Dado o sistema de n equa¸c˜oes lineares a n inc´ognitas a11x1 + a12x2+ · · · + a1nxn = b1 a21x1 + a22x2+ · · · + a2nxn = b2 .. . ... ... an1x1+ an2x2 + · · · + annxn = bn ,
seja A a sua matriz simples, B a matriz coluna dos termos independentes e Ci a
matriz que se obt´em de A substituindo a sua coluna n´umero i por B. Se det(A) 6= 0, ent˜ao ∀i ∈ {1, 2, · · · , n}, xi = det(Ci) det(A). Exemplo Consideremos o sistema x + y − z = −2 x − 2y + z = 5 −x + 2y + z = 3 . A = 1 1 −1 1 −2 1 −1 2 1 e B = −2 5 3 . |A| = 1 1 −1 1 −2 1 −1 2 1 = 1 1 −1 1 −2 1 0 0 2 = 2 1 1 1 −2 = 2(−2 − 1) = −6. x = −2 1 −1 5 −2 1 3 2 1 |A| = −10 −6 = 5 3 ; y = 1 −2 −1 1 5 1 −1 3 1 |A| = −2 −6 = 1 3 26
z = 1 1 −2 1 −2 5 −1 2 3 |A| = −24 −6 = 4.
Cap´ıtulo 3
ESPAC
¸ OS VECTORIAIS
3.1
Defini¸
c˜
ao e Exemplos
Defini¸c˜ao 31 Um espa¸co vectorial (ou espa¸co linear) sobre um corpo F ´e uma estrutura alg´ebrica formada por um conjunto n˜ao vazio E = {−→a ,−→b , . . . , −→u , −→v , −→w , . . .}, com uma opera¸c˜ao bin´aria designada por adi¸c˜ao, e denotada por + e, para cada elemento α ∈ F, uma aplica¸c˜ao de E para E (designada por multiplica¸c˜ao por escalar) que a cada −→x ∈ E faz corresponder o elemento α−→x ∈ E (multiplica¸c˜ao de α por −→x ), de tal modo que s˜ao satisfeitas as seguintes propriedades, para quaisquer −→u , −→v , −→w ∈ E e quaisquer α, β ∈ F:
(A1) −→u + −→v = −→v + −→u (comutatividade da adi¸c˜ao)
(A2) (−→u + −→v ) + −→w = −→u + (−→v + −→w ) (associatividade da adi¸c˜ao) (A3) ∃−→0 ∈ E :−→u +−→0 = −→u (existˆencia de elemento neutro) (A4) ∃(−−→u ) ∈ E :−→u + (−−→u ) = −→0 (existˆencia de sim´etricos) (M1) (α + β)−→u = α−→u + β−→u (distributividade)
(M2) α(−→u + −→v ) = α−→u + α−→v (distributividade) (M3) α(β−→u ) = (αβ)−→u (associatividade)
(M4) 1−→u = −→u
Defini¸c˜ao 32 Se E ´e um espa¸co vectorial sobre F, os elementos de E designam-se vectores e os de F escalares.
O elemento neutro da adi¸c˜ao em E toma o nome de vector nulo e denota-se por −→0 ou −→0E.
Exemplos
1– S˜ao espa¸cos vectoriais reais: a) E = R2, com as opera¸c˜oes:
(x1, x2) + (y1, y2) = (x1 + y1, x2+ y2) e α(x1, x2) = (αx1, αx2); − → 0R2 = (0, 0) e − (x1, x2) = (−x1, −x2) b) E = Rn(n ∈ N), com as opera¸c˜oes: (x1, x2, . . . , xn) + (y1, y2, . . . , yn) = (x1+ y1, x2+ y2, . . . , xn+ yn) e α(x1, x2, . . . , xn) = (αx1, αx2, . . . , αxn); − → 0Rn = (0, 0, . . . , 0) e − (x1, x2, . . . , xn) = (−x1, −x2, . . . , −xn)
c) E = Rm×n(m, n ∈ N), com as opera¸c˜oes de adi¸c˜ao de matrizes e de multiplica¸c˜ao de uma matriz por um escalar definidas no Cap´ıtulo 1.
− →
0Rm×n = 0m×n e − [aij]m×n = [−aij]m×n
2– S˜ao espa¸cos vectoriais complexos: a) E = C2, com as opera¸c˜oes:
(z1, z2) + (z01, z 0 2) = (z1+ z10, z2+ z20) e α(z1, z2) = (αz1, αz2); − → 0C2 = (0, 0) e − (z1, z2) = (−z1, −z2) b) E = Cn(n ∈ N), com as opera¸c˜oes: (z1, z2, . . . , zn) + (z01, z 0 2, . . . , z 0 n) = (z1+ z10, z2+ z20, . . . , zn+ zn0) e α(z1, z2, . . . , zn) = (αz1, αz2, . . . , αzn); − → 0Cn = (0, 0, . . . , 0) e − (z1, z2. . . , zn) = (−z1, −z2. . . , −zn)
c) E = Cm×n(m, n ∈ N), com as opera¸c˜oes de adi¸c˜ao de matrizes e de multiplica¸c˜ao de uma matriz por um escalar definidas no Cap´ıtulo 1.
− →
0Cm×n = 0m×n e − [zij]m×n = [−zij]m×n
Proposi¸c˜ao 3.1.1 Seja E um espa¸co vectorial sobre F. Ent˜ao, para quaisquer vec-tores e quaisquer escalares, tem-se:
a) 0−→u =−→0 b) α−→0 =−→0 c) α−→u =−→0 ⇒ α = 0 ou −→u =−→0 d) (−α)−→u = −(α−→u ) = α(−−→u ) e) α(−→u − −→v ) = α−→u − α−→v f ) (α − β)−→u = α−→u − β−→u .
Demonstra¸c˜ao de algumas afirma¸c˜oes
a) 0 + 0 = 0 ⇒ (0 + 0)−→u = 0−→u ⇒ 0−→u + 0−→u = 0−→u ⇒
(0−→u + 0−→u ) + (−0−→u ) = 0−→u + (−0−→u ) ⇒ 0−→u + (0−→u + (−0−→u )) =−→0 ⇒ 0−→u =−→0 b) tem prova idˆentica a a)
c) Suponhamos que α−→u = −→0 . Se α = 0 nada mais h´a a provar. Se α 6= 0 vamos mostrar que −→u =−→0 .
α−→u =−→0 ⇒ α−1(α−→u ) = α−1−→0 ⇒ α−1(α−→u ) = −→0 (por b)) ⇒ −→u =−→0 d) (−α)−→u = −(α−→u ) porque
(−α)−→u + α−→u = (−α + α)−→u = 0−→u =−→0 (por a)).
3.2
Dependˆ
encia e Independˆ
encia Lineares
Defini¸c˜ao 33 Seja E um espa¸co vectorial sobre F.
Diz-se que um vector −→v ∈ E ´e combina¸c˜ao linear dos vectores −→u1, −→u2, . . . , −→uk ∈ E
se existem escalares α1, α2, . . . , αk ∈ F tais que
− →v = α
1−→u1+ α2−→u2 + . . . + αk−→uk.
Exemplos
1) Em R3, o vector (−2, 2, 5) ´e combina¸c˜ao linear de (1, 1, 1), (1, 1, 0) e (1, 0, 1) se
existem n´umeros reais α1, α2 e α3 tais que
ou seja, se o sistema −2 = α1+ α2 + α3 2 = α1+ α2 5 = α1+ α3 ´
e poss´ıvel. Na forma matricial, 1 1 1 −2 1 1 0 2 1 0 1 5 L02=L2−L1 −−−−−−→ L0 3=L3−L1 1 1 1 −2 0 0 −1 4 0 −1 0 7 −−−−→L 2↔L3 1 1 1 −2 0 −1 0 7 0 0 −1 4 ´
e um sistema poss´ıvel (e determinado), logo, (−2, 2, 5) ´e combina¸c˜ao linear de (1, 1, 1), (1, 1, 0) e (1, 0, 1). Podemos calcular os escalares α1, α2 , α3 resolvendo-o:
1 1 1 −2 0 −1 0 7 0 0 −1 4 −−−−−−−−−−→L0 1=L1+(L2+L3) 1 0 0 9 0 −1 0 7 0 0 −1 4 L02=−L2 −−−−−→ L0 3=−L3 1 0 0 9 0 1 0 −7 0 0 1 −4 , logo, α1 = 9 α2 = −7 α3 = −4 , donde, (−2, 2, 5) = 9(1, 1, 1) + (−7)(1, 1, 0) + (−4)(1, 0, 1).
2) Em R3, o vector (−2, 2, 5) n˜ao ´e combina¸c˜ao linear de (1, 1, 0), (0, 0, 1), j´a que o sistema cuja matriz ampliada ´e
1 0 −2 1 0 2 0 1 5 −−−−−−→L0 2=L2−L1 1 0 −2 0 0 4 0 1 5 ´ e imposs´ıvel. Observa¸c˜ao
O vector nulo de E,−→0 , ´e sempre combina¸c˜ao linear de quaisquer vectores −→u1, −→u2, . . . , −→uk ∈
E. Com efeito,
0−→u1+ 0−→u2 + . . . + 0−→uk =
− →
0 .
A esta combina¸c˜ao linear nula (isto ´e, cujo resultado ´e o vector nulo) d´a-se o nome de combina¸c˜ao linear nula trivial.
Defini¸c˜ao 34 Seja E um espa¸co vectorial sobre F. Diz-se que os vectores −→u1, −→u2, . . . , −→uk ∈ E s˜ao:
(i) linearmente independentes se α1−→u1+ α2→−u2+ . . . + αk−→uk =
− →
0 ⇒ α1 = α2 = . . . = αk = 0.
Ou seja, a ´unica combina¸c˜ao linear nula poss´ıvel dos vectores −→u1, −→u2, . . . , −→uk´e a trivial
(a que tem os escalares todos nulos). (ii) linearmente dependentes se
∃β1, β2, . . . , βk ∈ F n˜ao todos nulos (isto ´e, com pelo menos um diferente de zero) tais
que
β1−→u1+ β2→−u2+ . . . + βk−→uk=
− →
0 .
Ou seja, para al´em da combina¸c˜ao linear nula trivial (que existe sempre), existem out-ras combina¸c˜oes lineares nulas (com, pelo menos, um escalar n˜ao nulo) dos vectores −
→u
1, −→u2, . . . , −→uk.
Exemplos
1) Em R3, verificamos se os vectores (1, 1, 1), (1, 1, 0) e (1, 0, 1) s˜ao linearmente
de-pendentes ou indede-pendentes:
α1(1, 1, 1) + α2(1, 1, 0) + α3(1, 0, 1) = (0, 0, 0),
equivale a resolver o sistema homog´eneo (sempre poss´ıvel), α1+ α2+ α3 = 0 α1+ α2 = 0 α1+ α3 = 0 .
Se o sistema for determinado os vectores s˜ao linearmente independentes, se for in-determinado os vectores ser˜ao linearmente dependentes. Na forma matricial,
1 1 1 1 1 0 1 0 1 L02=L2−L1 −−−−−−→ L03=L3−L1 1 1 1 0 0 −1 0 −1 0 −−−−→L 2↔L3 1 1 1 0 −1 0 0 0 −1 ,
donde, os vectores s˜ao linearmente independentes (a caracter´ıstica da matriz ´e igual ao n´umero de vectores, logo, de escalares a determinar).
2) Em R4, estudamos os vectores (1, 2, 2, 0), (1, 1, 3, 1) e (0, 2, −2, −2) quanto `a
equa¸c˜oes α1+ α2 = 0 2α1+ α2+ 2α3 = 0 2α1+ 3α2 − 2α3 = 0 α2 − 2α3 = 0 . 1 1 0 2 1 2 2 3 −2 0 1 −2 L02=L2−2L1 −−−−−−−→ L0 3=L3−2L1 1 1 0 0 −1 2 0 1 −2 0 1 −2 L04=L4+L2 −−−−−−→ L0 3=L3+L2 1 1 0 0 −1 2 0 0 0 0 0 0 ,
donde, os vectores s˜ao linearmente dependentes (a caracter´ıstica da matriz ´e menor que o n´umero de vectores, logo, de escalares a determinar).
Proposi¸c˜ao 3.2.1 Seja E um espa¸co vectorial sobre F. Ent˜ao: (i) O vector nulo, −→0 , ´e linearmente dependente.
(ii) Se −→v ∈ E, −→v ´e linearmente independente se e s´o se −→v 6=−→0 .
(iii) Os vectores −→v 1, −→v2, . . . , −→v k (k ≥ 2) s˜ao linearmente dependentes se e s´o se
algum deles ´e combina¸c˜ao linear dos restantes.
Em particular, 2 vectores −→v1, −→v2 s˜ao linearmente dependentes se e s´o se um deles
´
e combina¸c˜ao linear do outro (e, consequentemente, s˜ao linearmente independentes se e s´o se nenhum deles ´e combina¸c˜ao linear do outro).
(iv) Se os vectores −→v 1, −→v 2, . . . , −→vns˜ao linearmente independentes ent˜ao −→v1, −→v2, . . . , −→v n, −→x
s˜ao linearmente dependentes se e s´o se −→x ´e combina¸c˜ao linear de −→v 1, −→v2, . . . , −→v n.
(v) Se os vectores do conjunto {−→v 1, −→v 2, . . . , −→vn} s˜ao linearmente independentes
ent˜ao os vectores de qualquer seu subconjunto s˜ao linearmente independentes.
(vi) Se os vectores da sequˆencia s = (−→v 1, −→v 2, . . . , −→vn) s˜ao linearmente dependentes
ent˜ao os vectores de qualquer sequˆencia que contenha s s˜ao linearmente dependentes. (vii) Os vectores −→v1, −→v2, . . . , −→vi, . . . , −→v n s˜ao linearmente independentes se e s´o se
∀α 6= 0 −→v 1, −→v2, . . . , α−→vi, . . . , −→vn s˜ao linearmente independentes.
(viii) Os vectores −→v 1, −→v 2, . . . , −→vi, . . . , −→v j, . . . , −→vn s˜ao linearmente independentes se
e s´o se −→v1, −→v2, . . . , −→vi, . . . , −→v i+ −→vj, . . . , −→vn s˜ao linearmente independentes.
Demonstra¸c˜ao de algumas das afirma¸c˜oes
(i) 1 6= 0 e 1−→0 =−→0 , o que prova que −→0 ´e linearmente dependente.
(ii) Seja −→v ∈ E. Atendendo a (i), tudo o que h´a a mostrar ´e que se −→v 6=−→0 , −→v ´e linearmente independente.
Suponhamos que −→v 6= −→0 , α−→v = −→0 e que, com vista a um absurdo, α 6= 0. Ent˜ao α−1(α−→v ) = α−1−→0 ⇔ (α−1α)−→v = −→0 ⇔ −→v =−→0 , o que contradiz a hip´otese.
(iii) (⇒) Suponhamos que −→v1, −→v2, . . . , −→v k(k ≥ 2) s˜ao linearmente dependentes. Por
defini¸c˜ao, ∃β1, β2, . . . , βk ∈ F n˜ao todos nulos tais que
β1−→v 1+ β2→−v2+ . . . + βk−→v k=
− →
0 . Sem perda de generalidade, suponhamos que β1 6= 0. Ent˜ao,
β1−→v1 = −β2−→v 2− . . . − βk−→v k⇔ −→v1 = −β2β1−1−→v 2− . . . − βkβ1−1−→v k,
donde, −→v 1 ´e combina¸c˜ao linear dos restantes vectores.
(⇐) Por hip´otese, um dos vectores dados ´e combina¸c˜ao linear dos restantes. Sem perda de generalidade, −→v 1 = α2−→v2 + . . . + αk−→v k ⇔ 1−→v 1− α2−→v 2− . . . − αk−→v k =
− →
0 , ou seja, os vectores s˜ao linearmente dependentes.
(vii) (⇒) α1−→v 1+ α2−→v2 + . . . + αi(α−→v i) + . . . + αn−→v n= − → 0 ⇒ α1−→v1+ α2−→v2+ . . . + (αiα)−→vi+ . . . + αn−→v n= − → 0 ⇒ (−→v1, . . . , −→v i, . . . , −→vnl.i.) α1 = α2 = · · · = ααi = · · · = αn = 0 ⇒ (α 6= 0) α1 = α2 = · · · = αi = · · · = αn = 0. (⇐) α1−→v 1+ α2−→v 2+ . . . + αi−→vi+ . . . + αn−→v n= − → 0 ⇒ α1−→v1+ α2−→v2+ . . . + αi(α−1α)−→vi + . . . + αn−→v n= − → 0 ⇒ α1−→v1+ α2−→v2+ . . . + (αiα−1)(α−→vi) + . . . + αn−→v n= − → 0 ⇒ (−→v1, . . . , α−→v i, . . . , −→vn l.i.) α1 = α2 = · · · = αiα−1 = · · · = αn = 0 ⇒ (α−1 6= 0) α1 = α2 = · · · = αi = · · · = αn = 0.
3.2.1
Caracter´ıstica de uma Matriz
Seja A uma matriz do tipo m × n com entradas num corpo F. Cada uma das m linhas de A identifica-se com um vector de Fn e cada uma das n colunas de A identifica-se com um vector de Fm.
Por exemplo, dada a matriz real 1 2 3 4 2 3 4 5 3 4 5 6
, as suas linhas identificam-se com os vectores (1, 2, 3, 4), (2, 3, 4, 5), (3, 4, 5, 6) de R4 e as suas colunas com os vectores
(1, 2, 3), (2, 3, 4), (3, 4, 5), (4, 5, 6) de R3.
Todos os resultados enunciados `acerca da dependˆencia e independˆencia lineares de vectores s˜ao, por isso, aplic´aveis `as linhas e `as colunas de A.
Atendendo `a Proposi¸c˜ao 3.2.1, efectuar opera¸c˜oes elementares sobre as linhas (resp.: colunas) de A n˜ao altera a dependˆencia/independˆencia linear das linhas (resp.: colunas) da matriz.
Tendo em conta que:
(i) A pode ser transformada numa matriz com linhas em escada, U , efectuando opera¸c˜oes elementares sobre as suas linhas (como foi visto no Captulo 1),
(ii) s˜ao linearmente independentes as linhas de A correspondentes `as linhas n˜ao nulas de U ,
(iii) s˜ao linearmente independentes as colunas de A correspondentes `as colunas com pivots de U ,
a caracter´ıstica de A, n´umero de linhas n˜ao nulas de U , coincide com o n´umero m´aximo de linhas linearmente independentes de A e com o n´umero m´aximo de colunas linearmente independentes de A.
3.3
Subespa¸
cos vectoriais
Defini¸c˜ao 35 Sejam E um espa¸co vectorial sobre F e E1 um subconjunto n˜ao vazio
de E. Diz-se que E1 ´e um subespa¸co vectorial de E, e escreve-se E1 ≤ E, se E1 ´e um
espa¸co vectorial sobre F com as opera¸c˜oes de adi¸c˜ao e multiplica¸c˜ao por escalar definidas em E.
Proposi¸c˜ao 3.3.1 (Crit´erio de Subespa¸co) Sejam E um espa¸co vectorial sobre F e E1 um subconjunto de E. E1 ´e um subespa¸co vectorial de E se e s´o se:
(i) E1 6= ∅
(ii) ∀−→x , −→y ∈ E1, −→x + −→y ∈ E1
(iii) ∀α ∈ F, ∀−→x ∈ E1, α−→x ∈ E1.
Proposi¸c˜ao 3.3.2 Sejam E um espa¸co vectorial sobre F e E1 um subespa¸co vectorial
de E. Ent˜ao: a) −→0 ∈ E1
b) −→x ∈ E1 ⇒ −−→x ∈ E1
c) −→x , −→y ∈ E1 ⇒ −→x − −→y ∈ E1.
Demonstra¸c˜ao
Como E1 6= ∅, seja −→x ∈ E1. Dado que F ´e um corpo, 0 ∈ F e −1 ∈ F, logo, pela
condi¸c˜ao (iii) do Crit´erio de Subespa¸co, 0−→x =−→0 ∈ E1 e (−1)−→x = −−→x ∈ E1.
Por ´ultimo, se −→x , −→y ∈ E1, por b), −−→y ∈ E1 e, pela condi¸c˜ao (ii) do Crit´erio de
Subespa¸co, −→x + (−−→y ) = −→x − −→y ∈ E1.
Observa¸c˜ao
Atendendo `a proposi¸c˜ao anterior, a condi¸c˜ao (i) do Crit´erio de Subespa¸co pode ser substituida pela condi¸c˜ao (i’): −→0 ∈ E1.
Proposi¸c˜ao 3.3.3 Sejam E um espa¸co vectorial sobre F e E1 um subconjunto de E.
E1 ´e um subespa¸co vectorial de E se e s´o se:
(i) −→0 ∈ E1
(ii) ∀α, β ∈ F, ∀−→x , −→y ∈ E1, α−→x + β−→y ∈ E1.
Exemplos
1 — Se E ´e um espa¸co vectorial, E1 = {
− →
0 } e E1 = E s˜ao subespa¸cos vectoriais de E,
designados por subespa¸cos triviais.
2 — Em R2, E1 = {(0, 0)} e E1 = R2 s˜ao os subespa¸cos triviais. ´E um subespa¸co n˜ao
trivial qualquer recta que passe na origem. Com efeito, se a) E1 ´e uma recta n˜ao vertical que passa na origem ent˜ao
E1 = {(x, y) ∈ R2 : y = mx} = {(x, mx) : x ∈ R}.
Usamos o Crit´erio de Subespa¸co, enunciado na proposi¸c˜ao 3.3.1, para mostrar que E1 ´e um subespa¸co vectorial de R2.
(i) Como x ´e livre, tomando x = 0, y = mx = m0 = 0, logo, (0, 0) ∈ E1;
(ii) Sejam (x1, mx1), (x2, mx2) ∈ E1
(x1, mx1) + (x2, mx2) = (x1 + x2, mx1 + mx2) = (x1+ x2, m(x1+ x2)) ∈ E1;
(iii) Sejam (x, mx) ∈ E1 e α ∈ R
α(x, mx) = (αx, α(mx)) = (αx, m(αx)) ∈ E1.
b) E1 ´e a (´unica) recta vertical que passa na origem ent˜ao
E1 = {(x, y) ∈ R2 : x = 0} = {(0, y) : y ∈ R}.
(i) Como y ´e livre, tomando y = 0, conclui-se que (0, 0) ∈ E1;
(ii) Sejam (0, y1), (0, y2) ∈ E1
(iii) Sejam (0, y) ∈ E1 e α ∈ R
α(0, y) = (α0, αy) = (0, αy) ∈ E1.
3 — Em R3, E
1 = {(0, 0, 0)} e E1 = R3 s˜ao os subespa¸cos triviais. Os subespa¸cos n˜ao
triviais s˜ao qualquer recta que passe na origem e qualquer plano que passe na origem, isto ´e, qualquer subconjunto da forma
E1 = {(x, y, z) ∈ R3 : a1x + b1y + c1z = 0 ∧ a2x + b2y + c2z = 0} (recta que passa na
origem) ou
E1 = {(x, y, z) ∈ R3 : ax + by + cz = 0} (plano que passa na origem).
Verificamos que E1 = {(x, y, z) ∈ R3 : ax + by + cz = 0} ´e um subespa¸co vectorial de
R3, quaisquer que sejam a, b, c ∈ R. (i) (0, 0, 0) ∈ E1 pois a0 + b0 + c0 = 0;
(ii) Sejam (x1, y1, z1), (x2, y2, z2) ∈ E1 ⇒ ax1+ by1+ cz1 = 0 e ax2+ by2+ cz2 = 0
(x1, y1, z1)+(x2, y2, z2) = (x1+x2, y1+y2, z1+z2) e a(x1+x2)+b(y1+y2)+c(z1+z2) =
(ax1+ ax2) + (by1+ by2) + (cz1+ cz2) = (ax1+ by1+ cz1) + (ax2+ by2+ cz2) = 0 + 0 = 0
⇒ (x1, y1, z1) + (x2, y2, z2) ∈ E1;
(iii) Sejam (x, y, z) ∈ E1 e α ∈ R ⇒ ax + by + cz = 0
α(x, y, z) = (αx, αy, αz) e a(αx) + b(αy) + c(αz) = α(ax + by + cz) = α0 = 0, logo, α(x, y, z) ∈ E1. 4 — J´a os subconjuntos de R3 a) H1 = {(x, y, z) ∈ R3 : y = 1}, b) H2 = {(x, y, z) ∈ R3 : x ∈ Q}, c) H3 = {(x, y, z) ∈ R3 : |z| ≤ 1}, d) H4 = {(x, y, z) ∈ R3 : x ≥ y}, e) H5 = {(x, y, z) ∈ R3 : y = 0 ou z = 0}, n˜ao s˜ao subespa¸cos vectoriais de R3. Com efeito, a) (0, 0, 0) /∈ H1 (ver Prop. 3.3.2), b) α =√2 ∈ R, (1, 0, 0) ∈ H2 e √
2(1, 0, 0) = (√2, 0, 0) /∈ H2 (falha condi¸c˜ao (iii) da
Prop.3.3.1),
c) α = 7 ∈ R, (1, 1, 1) ∈ H3 e 7(1, 1, 1) = (7, 7, 7) /∈ H3 (falha condi¸c˜ao (iii) da
Prop.3.3.1. Observe-se que tamb´em falha a condi¸c˜ao (ii)),
d) α = −1 ∈ R, (2, 1, 0) ∈ H4 e (−1)(2, 1, 0) = (−2, −1, 0) /∈ H4 (falha condi¸c˜ao (iii)
da Prop.3.3.1),
e) (0, 0, 1) ∈ H5, (0, 1, 0) ∈ H5 e (0, 0, 1) + (0, 1, 0) = (0, 1, 1) /∈ H5 (falha condi¸c˜ao
(ii) da Prop.3.3.1).
Proposi¸c˜ao 3.3.4 Sejam E um espa¸co vectorial sobre F e E1, E2 subespa¸cos
vecto-riais de E. Ent˜ao: a) E1∩ E2 ´e um subespa¸co vectorial de E; b) E1+ E2 = { − → f + −→g : −→f ∈ E1, −→g ∈ E2} ´e um subespa¸co vectorial de E;
c) E1∪ E2 ´e um subespa¸co vectorial de E se e s´o se E1 ⊆ E2 ou E2 ⊆ E1.
Demonstra¸c˜ao a) (Usamos a Proposi¸c˜ao 3.3.3) (i) −→0 ∈ E1 e − → 0 ∈ E2, donde, − → 0 ∈ E1∩ E2; (ii) Sejam −→x , −→y ∈ E1∩ E2 e α, β ∈ F.
Por defini¸c˜ao de intersec¸c˜ao, −→x , −→y ∈ E1 e −→x , −→y ∈ E2.
Logo, α−→x + β−→y ∈ E1 e α−→x + β−→y ∈ E2 ⇒ α−→x + β−→y ∈ E1∩ E2.
b) Fica ao cuidado do leitor efectuar a prova (muito simples), usando a Prop. 3.3.1 ou a Prop. 3.3.3.
c) (⇐) Trivial, j´a que, se E1 ⊆ E2, E1∪ E2 = E2 e se E2 ⊆ E1, E1∪ E2 = E1.
(⇒) Suponhamos que E1∪ E2 ´e um subespa¸co vectorial de E e que (com vista a um
absurdo) E1 * E2 e E2 * E1.
Ent˜ao, ∃−→e1 ∈ E1 tal que −→e1 ∈ E/ 2 e ∃−→e2 ∈ E2 tal que −→e2 ∈ E/ 1.
Como E1 ⊆ E1∪E2 e E2 ⊆ E1∪E2, −→e1, −→e2 ∈ E1∪E2 ⇒(E1∪E2 ≤ E)−→e1+−→e2 ∈ E1∪E2
⇒ (por defini¸c˜ao de uni˜ao de conjuntos) −→e1+ −→e2 ∈ E1 ou −→e1+ −→e2 ∈ E2.
Se −→e 1+ −→e2 ∈ E1, como −→e1 ∈ E1, −−→e1 ∈ E1, donde, (−−→e1) + (−→e1+ −→e2) = −→e2 ∈ E1,
o que contradiz a hip´otese.
Se −→e1+ −→e2 ∈ E2 conclui-se, de forma an´aloga, que −→e1 ∈ E2, ou seja, um absurdo.
3.3.1
Subespa¸
co gerado
Proposi¸c˜ao 3.3.5 Sejam E um espa¸co vectorial sobre F e −→v 1, −→v 2, . . . , −→v n vectores
de E. Ent˜ao o conjunto G = {λ1−→v 1+ λ2−→v 2 + . . . + λn−→vn : λ1, λ2, . . . , λn ∈ F} ´e um
subespa¸co vectorial de E, designado por subespa¸co gerado por −→v1, −→v2, . . . , −→v n.
(i) Pondo λ1 = λ2 = . . . = λn= 0, tem-se 0−→v1 + 0−→v 2+ . . . + 0−→v n=
− →
0 ∈ G; (ii) Sejam −→x , −→y ∈ G e α, β ∈ F.
Ent˜ao, ∃λ1, λ2, . . . , λn, γ1, γ2, . . . , γn∈ F tais que −→x = λ1−→v 1+ λ2−→v2+ . . . + λn−→vn e
− →y = γ 1−→v 1+ γ2−→v 2+ . . . + γn−→v n. Tem-se, α−→x +β−→y = α(λ1−→v1+λ2−→v 2+. . . +λn−→v n) +β(γ1−→v 1+γ2→−v 2+. . . +γn−→v n) = (αλ1+ βγ1)−→v 1+ (αλ2+ βγ2)−→v 2+ . . . + (αλn+ βγn)−→vn ∈ G. Nota¸c˜ao
O subespa¸co gerado por −→v 1, −→v2, . . . , −→v n denota-se por < −→v1, −→v2, . . . , −→v n > ou
L(−→v 1, −→v 2, . . . , −→v n).
Exemplos
1 — Em R3, determinamos o subespa¸co gerado por (1, 1, 1), (1, 0, 1).
(x, y, z) ∈< (1, 1, 1), (1, 0, 1) > sse (x, y, z) = α1(1, 1, 1) + α2(1, 0, 1) sse 1 1 x 1 0 y 1 1 z ´
e a matriz ampliada de um sistema linear poss´ıvel. 1 1 x 1 0 y 1 1 z L0 2=L2−L1 −−−−−−→ L03=L3−L1 1 1 x 0 −1 y − x 0 0 z − x O sistema ´e poss´ıvel sse z − x = 0, pelo que,
< (1, 1, 1), (1, 0, 1) >= {(x, y, z) ∈ R3 : z = x} (um plano de R3). 2 — Em R4, determinamos o subespa¸co gerado por (1, −1, 0, 2), (0, 1, 2, 3).
(x, y, z, w) ∈< (1, −1, 0, 2), (0, 1, 2, 3) > sse (x, y, z, w) = α1(1, −1, 0, 2) + α2(0, 1, 2, 3) sse 1 0 x −1 1 y 0 2 z 2 3 w ´
e a matriz ampliada de um sistema linear poss´ıvel. 1 0 x −1 1 y 0 2 z 2 3 w L0 2=L2+L1 −−−−−−−→ L04=L4−2L1 1 0 x 0 1 y + x 0 2 z 0 3 w − 2x L0 3=L3−L2 −−−−−−−→ L04=L4−3L2 1 0 x 0 1 y + x 0 0 z − 2x − 2y 0 0 (w − 2x) + (−3x − 3y) 40
O sistema ´e poss´ıvel sse z − 2x − 2y = 0 e w − 5x − 3y = 0, pelo que,
< (1, −1, 0, 2), (0, 1, 2, 3) >= {(x, y, z, w) ∈ R4 : z = 2x + 2y e w = 5x + 3y}. 3 — Em R3, determinamos o subespa¸co gerado por (1, 1, 1), (1, 0, 1), (1, 2, 0).
(x, y, z) ∈< (1, 1, 1), (1, 0, 1), (1, 2, 0) > sse (x, y, z) = α1(1, 1, 1)+α2(1, 0, 1)+α3(1, 2, 0) sse 1 1 1 x 1 0 2 y 1 1 0 z ´
e a matriz ampliada de um sistema linear poss´ıvel. 1 1 1 x 1 0 2 y 1 1 0 z L02=L2−L1 −−−−−−→ L0 3=L3−L1 1 1 1 x 0 −1 1 y − x 0 0 −1 z − x
O sistema ´e sempre poss´ıvel, quaisquer que sejam os valores reais de x, y, z. Logo, < (1, 1, 1), (1, 0, 1), (1, 2, 0) >= R3.
3.4
Base e dimens˜
ao
Defini¸c˜ao 36 Seja E um espa¸co vectorial sobre F. Diz-se que os vectores−→u1, −→u2, . . . , −→up ∈
E geram o (s˜ao geradores do) espa¸co, e escreve-se E =< −→u1, −→u2, . . . , −→up >, se
qualquer vector de E se pode escrever como combina¸c˜ao linear de −→u1, −→u2, . . . , −→up.
Defini¸c˜ao 37 Um espa¸co vectorial E diz-se finitamente gerado se existe um n´umero finito de vectores −→u1, −→u2, . . . , −→up ∈ E tais que E =<−→u1, −→u2, . . . , −→up >.
Exemplo
Do que vimos no exemplo anterior, R3 ´e finitamente gerado, j´a que R3 =< (1, 1, 1), (1, 0, 1), (1, 2, 0) > .
Mais geralmente, para qualquer n ∈ N,
Rn=< (1, 0, 0, . . . , 0), (0, 1, 0, . . . , 0), . . . , (0, 0, 0, . . . , 1) >, pelo que Rn ´e finitamente gerado.
Defini¸c˜ao 38 Seja E um espa¸co vectorial finitamente gerado. Diz-se o conjunto B = {−→e1, −→e2, . . . , −→en} ⊆ E ´e uma base de E se:
(i) B ´e um conjunto de vectores linearmente independentes;
(ii) B ´e um conjunto de geradores de E, ou seja, E =< −→e1, −→e2, . . . , −→en>.
Proposi¸c˜ao 3.4.1 Todo o espa¸co vectorial finitamente gerado tem uma base. Observa¸c˜oes
1 — O espa¸co nulo, E = {−→0 }, ´e finitamente gerado, uma vez que {−→0 } =< −→0 >, mas n˜ao possui vectores linearmente independentes. Por isso, convenciona-se que a sua base ´e o conjunto vazio, ∅.
2 — Se se atribuir uma certa ordem aos vectores da base B, diz-se que B ´e uma base ordenada de E, e escreve-se B = (−→e1, −→e2, . . . , −→e n).
3 — Qualquer subespa¸co vectorial de um espa¸co finitamente gerado ´e um espa¸co finitamente gerado, logo, tem uma base.
Proposi¸c˜ao 3.4.2 Duas quaisquer bases de um mesmo espa¸co vectorial tˆem o mesmo n´umero de vectores.
Defini¸c˜ao 39 Chama-se dimens˜ao de um espa¸co vectorial E, e denota-se por dim(E), ao n´umero de vectores de uma base qualquer de E.
Um espa¸co finitamente gerado diz-se de dimens˜ao finita, enquanto que um espa¸co que n˜ao seja finitamente gerado tem dimens˜ao infinita.
Proposi¸c˜ao 3.4.3 Sejam E um espa¸co vectorial sobre F de dimens˜ao n e B = (−→e1, −→e2, . . . , −→en) uma base de E. Ent˜ao, qualquer vector −→x ∈ E escreve-se de forma
´
unica como combina¸c˜ao linear dos vectores de B, ou seja, existem escalares ´unicos a1, a2, . . . , an∈ F tais que −→x = a1−→e1+ a2−→e2+ . . . + an−→en.
Demonstra¸c˜ao
Suponhamos que −→x = a1−→e 1+a2−→e2+. . .+an−→ene que −→x = b1−→e1+b2→−e2+. . .+bn−→en.
Ent˜ao, a1−→e1+ a2−→e2+ . . . + an−→en = b1−→e1+ b2−→e2+ . . . + bn−→en ⇒
⇒ (a1− b1)−→e1+ (a2− b2)−→e2+ . . . + (an− bn)−→en =
− →
0 ⇒ (os vectores de B s˜ao linearmente independentes)
a1− b1 = a2− b2 = . . . = an− bn = 0 ⇒ a1 = b1, a2 = b2, . . . , an = bn.
Defini¸c˜ao 40 Sejam E um espa¸co vectorial sobre F de dimens˜ao n, −→x ∈ E e B = (−→e1, −→e2, . . . , −→en) uma base (ordenada) de E. Os escalares ´unicos a1, a2, . . . , an ∈ F
tais que −→x = a1−→e1+ a2→−e2+ . . . + an−→en designam-se por coordenadas de −→x na base
B e escreve-se −→x = (a1, a2, . . . , an)B para o traduzir.
Exemplo
Em R3, j´a vimos que os vectores (1, 1, 1), (1, 0, 1), (1, 2, 0) geram o espa¸co. E s˜ao linearmente independentes porque
1 1 1 1 0 2 1 1 0 L02=L2−L1 −−−−−−→ L03=L3−L1 1 1 1 0 −1 1 0 0 −1 , tem caracter´ıstica 3.
Por isso, B = ((1, 1, 1), (1, 0, 1), (1, 2, 0)) ´e uma base de R3.
Tem-se (1, 1, 1) = (1, 0, 0)B, (1, 0, 1) = (0, 1, 0)B, (1, 2, 0) = (0, 0, 1)B,
(3, 3, 2) = (1, 1, 1)B, (x, y, z) = (−2x + y + 2z, 2x − y − z, x − z)B.
Proposi¸c˜ao 3.4.4 Seja E um espa¸co vectorial de dimens˜ao n. Ent˜ao:
(I) Quaisquer n vectores linearmente independentes de E formam uma base de E. (II) Quaisquer n geradores de E formam uma base de E.
(III) Qualquer sistema com mais de n vectores ´e sempre linearmente dependente. (IV) Se E1 ≤ E, 0 ≤ dim(E1) ≤ n, tendo-se:
dim(E1) = 0 ⇔ E1 = {
− →
0 } e dim(E1) = n ⇔ E1 = E.
Observa¸c˜ao
Num espa¸co vectorial de dimens˜ao n, n ´e o n´umero m´aximo de vectores linearmente independentes e o n´umero m´ınimo de geradores do espa¸co.
Exemplos de bases Prova-se facilmente que:
a) Bc = ((1, 0), (0, 1)) ´e uma base de R2— a base can´onica de R2. Logo, dim(R2) = 2.
Tendo em conta que (x, y) = x(1, 0) + y(0, 1), (x, y) = (x, y)Bc.
b) Seja n ∈ N. Bc = ((1, 0, . . . , 0), (0, 1, . . . , 0), . . . , (0, 0, . . . , 1)) ´e uma base de Rn —
a base can´onica de Rn. Logo, dim(Rn) = n.
Tendo em conta que (x1, x2, . . . , xn) = x1(1, 0, . . . , 0)+x2(0, 1, . . . , 0)+. . .+xn(0, 0, . . . , 1),
(x1, x2, . . . , xn) = (x1, x2, . . . , xn)Bc.
c1) Bc = ((1, 0), (0, 1)) ´e uma base de C2 como espa¸co vectorial complexo — a base
can´onica de C2 sobre C. Logo, dim(C2 C) = 2.