Documente Academic
Documente Profesional
Documente Cultură
tica
Departamento de Fsica e Matema
Algebra
Linear
Engenharia Informatica
Curso Europeu de Informatica
2014/2015
Jo
ao Cardoso
Conte
udo
1 Matrizes e Sistemas de Equac
oes Lineares
1.1 Definicoes e Exemplos . . . . . . . . . . . . . . . . . . . . . .
1.2 Operacoes com Matrizes . . . . . . . . . . . . . . . . . . . . .
1.3 Propriedades das operacoes com matrizes . . . . . . . . . . . .
1.4 Transposicao de matrizes . . . . . . . . . . . . . . . . . . . . .
1.5 Eliminacao de Gauss . . . . . . . . . . . . . . . . . . . . . . .
1.6 Caracterstica de uma matriz . . . . . . . . . . . . . . . . . .
1.7 Sistemas de equacoes lineares . . . . . . . . . . . . . . . . . .
1.7.1 Definicao e Classificacao . . . . . . . . . . . . . . . . .
1.7.2 Representacao matricial de sistemas . . . . . . . . . . .
1.7.3 Interpretacao geometrica de um sistema 2 2 . . . . .
1.7.4 Metodo de eliminacao de Gauss para sistemas lineares
1.7.5 Sistemas homogeneos . . . . . . . . . . . . . . . . . . .
1.8 Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.9 Matrizes em Blocos . . . . . . . . . . . . . . . . . . . . . . . .
1.10 Exerccios Resolvidos . . . . . . . . . . . . . . . . . . . . . . .
1.11 Exerccios . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 Determinantes
2.1 Definicao de Determinante . . . . . . .
2.2 Propriedades do Determinante . . . . .
2.3 Matriz Adjunta . . . . . . . . . . . . .
2.4 Regra de Cramer . . . . . . . . . . . .
2.5 Aplicacao `a Codificacao de Mensagens
2.6 Exerccios Resolvidos . . . . . . . . . .
2.7 Exerccios . . . . . . . . . . . . . . . .
3 Vectores em IRn
3.1 Vectores em IR2 e IR3 . .
3.1.1 Generalidades . .
3.1.2 Produto Vectorial
3.1.3 Rectas em IR2 . .
.
.
e
.
. . . . . . .
. . . . . . .
Aplicacoes
. . . . . . .
iii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
2
3
4
5
7
7
7
9
9
10
11
12
14
16
20
.
.
.
.
.
.
.
27
27
29
31
32
33
36
39
.
.
.
.
43
43
43
45
47
Indice
3.2
3.3
3.4
4 Valores e Vectores Pr
oprios
4.1 Definicoes e Exemplos . . . . . . . .
4.2 Calculo de valores e vectores proprios
4.3 Propriedades dos valores proprios . .
4.4 Diagonalizacao de matrizes . . . . . .
4.5 Exerccios Resolvidos . . . . . . . . .
4.6 Exerccios . . . . . . . . . . . . . . .
iv
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
47
49
54
54
56
57
58
61
68
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
75
75
76
77
80
81
84
Captulo 1
Matrizes e Sistemas de Equac
oes
Lineares
1.1
Definico
es e Exemplos
Notac
ao: IK = IR ou IK = C; os elementos de IK designam-se por escalares.
Definic
ao. Chama-se matriz do tipo m n ao conjunto de mn elementos de IK
dispostos da seguinte forma rectangular:
A=
a11
a21
..
.
a12
a22
..
.
am1 am2
a1n
a2n
..
..
.
.
amn
= [aij ]
i = 1, 2, , m
j = 1, 2, , n
1 0
1 4
A = 2 3 4 5
,
6 5
0 1
temos a22 = 3, a13 = 1, a34 = 1, ...
Mais Exemplos de Matrizes.
4 5/2
2i
5 0
(b) B = 1 3i
4i 5
(matriz 3 3 com entradas em C)
i 2 3i 1
(c) u =
u1
u2
..
.
un
(vector coluna n 1)
Definic
ao. Duas matrizes A e B dizem-se iguais se sao do mesmo tipo e se aij = bij ,
para cada i e j.
1.2
Operaco
es com Matrizes
Adic
ao
Se A = [aij ] e B = [bij ] sao matrizes m n, define-se A + B como sendo a matriz
m n cuja entrada (i, j) e aij + bij , para cada i e j.
Multiplicac
ao por um escalar
Se A = [aij ] e uma matriz m n e e um escalar, define-se A como sendo a matriz
m n cuja entrada (i, j) e aij , para cada i e j.
Notac
ao: A := (1)A;
Exerccio 1.2.1
Dadas as matrizes A =
(a) A + B
(b) 3A B
"
A B := A + (1)B
3
2 1
4 5 0
eB=
"
2 2 2
, determine
1 3
4
Produto de matrizes
Sejam A = [aij ] uma matriz m n e B = [bij ] uma matriz n p. O produto de A
por B, denotado por AB, e a matriz AB = C = [cij ] do tipo m p, onde
cij =
n
X
aik bkj
k=1
Exerccio 1.2.2
Dadas as matrizes
#
"
#
"
2
3 2
3 4
2 1 3
,
, C = 0 , D =
A= 2
4 , B =
1 2
4 1 6
1
1 3
determinar, se possvel:
(a) AB
(b) BA
(c) AC
(d) BC
(e) D 2
Exerccio 1.2.3
(a) Quando e que o produto de duas matrizes A e B esta definido?
(b) Sera que o produto de duas matrizes e comutativo?
Chama-se matriz nula a uma matriz O com todas as entradas iguais a zero;
chama-se matriz identidade a uma matriz quadrada com 1s na diagonal e zeros nas
restantes entradas. Por exemplo, a matriz identidade de ordem 3 (isto e, 3 3) e
1 0 0
I= 0 1 0
.
0 0 1
Diz-se que uma matriz quadrada e triangular superior (respectivamente, triangular
inferior se todos os elementos situados abaixo (resp., acima) da diagonal sao nulos.
1.3
Propriedades da adic
ao: Sejam A, B e C matrizes m n. Entao:
(i) A + B = B + A (comutativa)
(ii) (A + B) + C = A + (B + C) (associativa)
(iii) a matriz nula O do tipo m n e a u
nica matriz tal que
A + O = A,
para toda a matriz A.
3
2. AB = AC 6 B = C
(isto e, a lei do corte nao e valida para matrizes)
Por exemplo, se
3 1
A = 6
2
,
3
1
B=
"
3 1
2 2
C=
"
2 1
1 4
temos AB = AC mas B 6= C.
1.4
Transposic
ao de matrizes
Definic
ao. Seja A uma matriz m n. Chama-se transposta de A, e escreve-se
A> , `a matriz n m que se obtem escrevendo ordenadamente as linhas de A como
colunas.
4
Dadas as matrizes
#
"
3 2
h
i
2 1 3
, C = 2 0 1 ,
A= 2
4 , B =
4 1 6
1 3
1.5
Eliminac
ao de Gauss
Definic
ao. Consideremos as seguintes operacoes definidas sobre as linhas de uma
matriz:
OE1 Troca de duas linhas;
OE2 Multiplicacao de uma linha por um escalar nao nulo;
OE3 Adicao a uma linha de um m
ultiplo escalar de outra linha.
A estas tres operacoes da-se o nome de operacoes elementares sobre as linhas de A.
Exerccio 1.5.1
Escolha uma matriz 3 4 e efectue cada uma das tres operacoes elementares.
Definic
ao. Diz-se que uma matriz U esta na forma de escada se se verificarem as
seguintes condicoes:
(i) Abaixo do primeiro elemento nao nulo de cada linha, e na mesma coluna, todas
as entradas sao nulas
(ii) Abaixo de linhas nulas nao ha linhas nao nulas
(iii) O primeiro elemento nao nulo de uma linha esta situado numa coluna a` direita
do primeiro elemento nao nulo da linha anterior.
5
?
0
0
0
0
0
0
?
0
0
?
0
0 1 0
A=
0 0 1 ,
1 0 0
D=
0
1
0
0
0
2
1
0
0
3
2
1
B=
"
0 1 2 0
0 0 0 0
1 1 0
C=
0 1 2
1 0 0
1 2 3
E= 0 0 1
0 0 0
Definic
ao. Diz-se que U e equivalente por linhas a A se for possvel obter U a
partir de A usando somente operacoes elementares sobre as linhas de A.
Determinar a forma de escada de uma dada matriz significa obter uma matriz em
forma de escada que seja equivalente por linhas a A.
Exerccio 1.5.3 Obter uma forma de escada das seguintes matrizes:
A=
0 1 2 1
1 0 1 0 , B =
0 1 2 1
0
1 0 2
0 2 1 3
0
1 1 9
0
0 2 4
O metodo usado para obter a forma de escada das matrizes anteriores chama-se
metodo de eliminac
ao de Gauss. Podemos esquematiza-lo na seguinte forma:
1. Se a matriz e a matriz nula, stop ela esta em forma de escada
2. Caso contrario, encontrar a primeira coluna (da esquerda para a direita) que
contem uma entrada nao nula (digamos, a) e mover a linha que contem essa
entrada para o topo da matriz
3. Multiplicar essa linha por 1/a para obter 1 (pivo)
4. Subtraindo m
ultiplos dessa linha `as linhas abaixo, tornar todas as entradas
abaixo do pivo iguais a zero.
Estes 4 passos completam a primeira linha.
5. Repetir os passos 1 4 na matriz formada pelas restantes linhas. Quando se
esgotarem as linhas o processo termina.
6
1.6
4 1
2
6
A = 1
5 1 3
.
3
4
1
3
1.7
1.7.1
Sistemas de equa
co
es lineares
Defini
c
ao e Classifica
c
ao
Definic
oes.
(i) Chama-se equacao linear nas variaveis x1 , x2 , . . . , xn a uma equacao da forma:
a1 x1 + a2 x2 + + an xn = b,
(?)
onde a1 , . . . , an , b IK.
7
4x1 x2 + 3x3 = 1
,
3x1 + x2 + 9x3 = 4
x+y = 4
,
2x + 2y = 6
1.7.2
Representa
c
ao matricial de sistemas
a11
a21
..
.
a12
a22
..
.
am1 am2
a1n
a2n
..
..
.
.
amn
X=
x1
x2
..
.
xn
b=
b1
b2
..
.
bm
[A|b] =
a11
a21
..
.
a12
a22
..
.
am1 am2
a1n b1
a2n b2
..
..
..
.
.
.
amn bm
Exerccio 1.7.4
Dado o sistema linear
4x1 x2 + 3x3 = 1
,
3x1 + x2 + 9x3 = 4
1.7.3
1 8 1
i>
1 2 1
i>
Interpreta
c
ao geom
etrica de um sistema 2 2
Num sistema linear 2 2, podemos associar a cada equacao uma recta no plano:
(
ax + by = c recta r1
.
a x + b0 y = c0 recta r2
0
6
\
r1
\
(
(
(
(
(( \
(((
\
\
\
\
6
r1
((
((((
(((((((((
r2 (((
6
r1 r2
((
((((
(((
x
r2
r1 e r2 paralelas
r1 e r2 concorrentes
1.7.4
r1 e r2 coincidentes
M
etodo de eliminac
ao de Gauss para sistemas lineares
x + 2y + z =
3
3x y 3z = 1 .
2x + 3y + z =
4
Para resolver este sistema, vamos considerar a sua matriz completa e seguidamente
determinar a sua forma de escada:
3
1
2
1
[A|b] =
3 1 3 1 L2 3L1 + L2
L3 2L1 + L3
4
2
3
1
1
2
1
3
0 1 1
2
L 7L + L
3
2
3
0 7 6 10
1
2
1
3
0 7 6 10
L L
2
3
0 1 1 2
1
2
1
3
0 1 1 2
4
0
0
1
x + 2y + z =
y z = 2 .
z =
4
x + y + 3z = 1
.
2x + 2y + 6z = 1
x1 + 3x2 2x3 = 7
Exerccio 1.7.6 Resolver o sistema linear
4x1 + x2 + 3x3 =
5 .
2x 5x + 7x = 19
1
2
3
1.7.5
Sistemas homog
eneos
x1 x2 + 2x3 + x4 = 0
2x1 + 2x2
x4 = 0 ,
3x + x + 2x + x = 0
1
2
3
4
basta resolver o sistema e atribuir valores particulares `as variaveis livres. Vamos
comecar por formar a matriz completa do sistema e determinar a sua forma de
escada.
1 1
2
1 0
1 1 2
1 0
0
[A|0] =
2 0 1 0
4 4 3 0
2
L2 2L1 + L2
L3 3L1 + L3
3
1 2
1 0
0
4 4 2 0
L3 L2 + L3
1 1
2
1 0
0
4 4 3 0
0
0
0
1 0
x1 x2 + 2x3 + x4
4x2 4x3 3x4
x3
x4
=
=
=
=
0
0
x1
x2
x3
x4
=
=
=
0
( IR)
(x1 , x2 , x3 , x4 ) = (1, 1, 1, 0)
que e uma solucao nao trivial do sistema homogeneo.
1.8
Matriz Inversa
Definic
ao. Seja A uma matriz quadrada n n. Diz-se que B e a inversa de A se
AB = BA = I. (?)
Se existir uma matriz B nas condicoes de (?), diz-se que A e invertvel ou nao singular;
caso contrario, A diz-se nao invertvel ou singular.
12
n IN;
13
1 2 3
1.9
Matrizes em Blocos
A=
14
L1
L2
..
.
Lm
A=
onde Cj =
i>
C1 C2 Cn
Quest
ao: Como multiplicar matrizes quando estas estao subdivididas em blocos?
Suponhamos que A IRmn
forma:
A11 A12
A21 A22
A= .
..
..
.
As1 As2
B=
B11 B12
B21 B22
..
..
.
.
Br1 Br2
B1t
B2t
.
..
. ..
Brt
A matriz A tem s r blocos e B tem r t. Se o produto dos blocos Aik Bkj estiver
definido para cada i, j, k, entao o produto AB obtem-se efectuando o produto de
linhas por colunas, como na multiplicacao usual. Isto e, o bloco (i, j) de AB e
Ai1 B1j + Ai2 B2j + + Air Brj .
A multiplicacao de matrizes em blocos tem particular vantagem quando as matrizes
A e B tem uma estrutura especial; por exemplo, quando incluem a identidade I ou
a matriz nula O como submatrizes.
Exerccio 1.9.1 Considere as seguintes matrizes particionadas em blocos:
1
3
1
0
A=
C=
1
1
1
2
4
0
1
0 0
0 0
2 2
1
0
0
0
0
1
0
0
B=
3 3 3
3 3 3
0 0 0
1
0
1
3
D=
Determinar AB e CD.
0
1
2
4
0
0
1
3
1
0
0
1
1
1
0
0
2
4
1
0
0
2
2
2
A C
O B
#1
15
1.10
Exerccios Resolvidos
2x + y + z + w =
1
1. Resolva o sistema de equacoes lineares 4x + 2y + 3z + 4w =
3
6x 3y z + w = 1
Resoluc
ao. Vamos comecar por formar a matriz completa do sistema e determinar
a sua forma de escada.
2
1
1 1
[A|b] = 4
3 L2 2L1 + L2
2
3 4
6 3 1 1 1
L3 3L1 + L3
L3 2L2 + L3
2 1 1 1 1
0 0 1 2 1
0 0 2 4 2
2 1 1 1 1
0 0 1 2 1
0 0 0 0 0
Como car(A) = 2 = car([A|b]) o sistema tem pelo menos uma solucao (possvel).
Atendendo a que n car A = 4 2 = 2 > 0, concluimos que o sistema e indeterminado, havendo n car A = 2 variaveis livres. Vamos escolher y e w como variaveis
livres porque estas correspondem a colunas sem pivos. Passando entao a matriz
completa ao sistema correspondente e fazendo y = e w = , obtemos
2x + y + z + w
y
z + 2w
w
=
=
=
=
x
y
z
w
+
=
2
=
= 1 2
=
(, IR)
+
, , 1 2, : , IR .
2
x + y z =
1
2. Discuta o sistema linear
x + y + z = 2 em funcao dos parametros reais
x + y = 2
e .
Resoluc
ao. Comeca-se por formar a matriz completa e determina-se a sua forma
de escada.
16
1 1
[A|b] = 1
2 L2 L1 + L2
1
0 2
L3 L1 + L3
L3 L2 + L3
1
1
0 1 2 3
0 1
3
1
1
1
0 1 2 3
0
0
(?)
Interessa-nos agora saber quais sao os valores de e que influenciam as caractersticas de A e de [A|b]. Normalmente estes valores anulam as entradas da diagonal
da matriz em escada. No caso particular deste sistema, esses valores sao = 1 e
= 0 e tem um papel importante na discussao do sistema.
1o caso: = 1 = 0
Substituindo e por estes valores na matriz (?), obtemos
1
1 1 0
0 0 0 3 ,
0
0 0 0
1 1
1
[A|b] = 0 0 2 3
L 1L + L
3
3
2 2
0 0
0
1 1
1
0 0 2
3
0 0
0 3/2
1
1
1
0 1
0 3
.
0
0
0
0
17
1 6
4
1 6
4 1 0 0
[A|I] = 2 4 1 0 1 0 L2 2L1 + L2
L3 L1 + L3
1 2
5 0 0 1
L3 L2 + L3
1
6
4
1 0 0
0 8 9 2 1 0
1 0 1
0
8
9
1
6
4
1 0 0
0 8 9 2 1 0 .
0
0
0 1 1 1
Como a u
ltima linha do bloco esquerdo da matriz e nula, e impossvel obter a matriz
identidade. Isto significa que a matriz em causa nao e invertvel. Tambem se pode
observar que car(A) = 2 6= n = 3, o que, de acordo com o teorema 3, se traduz na
nao existencia de inversa.
4. Sejam A e B matrizes quadradas da mesma ordem, invertveis. Determine a matriz
X que verifica a equacao matricial
(AB 1 )> X = I.
Resoluc
ao. Para determinar X, e necessario multiplicar ambos os membros da
equacao `a esquerda pela inversa da matriz que esta a multiplicar por X e usar
propriedades da inversao e transposicao de matrizes:
(AB 1 )> X = I
(AB 1 )>
1
X = (AB 1 )>
1
X = (AB 1 )1
>
X = (B 1 )1 A1
18
>
1
X = BA1
X = A1
>
>
B>
19
1.11
Exerccios
1. Dadas as matrizes
1 2 3
B= 1 3 4
,
1 4 3
1 0 2
A= 0 3 1
,
4 2 0
C=
1 1 2
D= 2
.
3
Calcule, se possvel:
(a) A + B
2. Sejam A =
(b) 3B 2A
"
2 4 2
1 2
1
(c) BC
A=
1 0
eB= 0 1
1 2
3. Considere as matrizes
(d) CB
(e) CD
(g) A2
(f) DC
2 1 1 1
1 4 1 0
1 3 2
2 1 3 , B = 2 1 1 1 , C = 3 2 1 2 , D =
2 5 1 3
1 2 1 2
4 3 1
2
1
0
1
BD = CD B = C
"
1 0 1
1 1 1
, B=
"
1 1
1 1
, C=
"
1
2
1 0
, D= 0 1
.
1 1
Escolha uma maneira de as ordenar por forma a que o produto das quatro matrizes
esteja definido, e calcule esse produto.
5. Em cada uma das alneas seguintes, obtenha uma expressao para Ak (k IN).
(a) A =
"
1 1
0 1
(b) A =
"
2 1
3 2
(c) A =
"
cos sin
sin cos
( IR)
(A + B)(A B) = A2 B 2 ,
(AB)2 = A2 B 2 ,
1.11. Exerccios
conhecidas por casos notaveis, nem sempre sao verdadeiras. Verifique esta
afirmacao para as matrizes
A=
"
1 1
0 2
, B=
"
1 0
1 2
(b) Transforme os segundos membros daquelas identidades por forma a obter identidades sempre validas quando A e B sao matrizes quadradas da mesma ordem.
7. Que diferenca se da no produto AB das matrizes A e B se:
(a) trocarmos as linhas i e j de A?
(b) trocarmos as colunas i e j de B?
(c) Considere duas matrizes A e B de ordem 3 `a sua escolha, e confirme as respostas
dadas nas duas alneas anteriores.
1 0 0
1 0 0
ao permutaveis, isto e, EF =
8. Mostre que E = 2 1 0 e F = 0 1 0
s
1 0 1
0 0 1
F E.
1 3 4
1 3 4
1 3
5
2 3 5
ao idempotentes, isto
10. Mostre que A = 1 4
5 e B = 1 3 5
s
1 3
5
1 3 4
e, A2 = A e B 2 = B.
1 2 6
3 2
2
0 3
12. Prove que se B e uma matriz quadrada entao as matrizes BB T e B + B T sao
simetricas.
"
cos sin
sin cos
1
1 + i 2 + 3i
e hermtica, isto e, A = A.
16. Averigue se A = 1 i
2
i
2 3i
i
0
17. Averigue se as seguintes matrizes estao em forma de escada:
(e)
1
0
0
0
2
0
0
0
0
3
0
0
3
1
0
0
0
0
1
0
1 0 0 5
(f) 0 0 1 3
0 1 0 4
1 3 0 2 0
(g) 1 0 2 2 0
0 0 0 0 1
1 3 2 1
1 2 0 4
#
"
1 2 3
2 4 1 2
2 1
(a) 4 5 6
(c)
(b)
8 7
0 1 5 1
5 7 8
3 1 6 1
2
1 1 5
(d) 4 6 0 2
2 7 2 4
(a)
1 2 3 4
1 3 2 1
4 1 1 3
(b)
1 2
0
0 3
2 5 3 2 6
0
5 15 10 0
2
6 18
8 6
(c)
1
2
0
3
2
1
2
1
1
3
1
3
3
2
1
4
22. Estude, segundo os valores do parametro real , a caracterstica das seguintes matrizes:
22
1 1 0
(d) 0 1 0
0 0 0
0 1 0
(c) 1 0 0
0 0 0
1 2 3
(b) 0 0 0
0 0 0
1 0 0
(a) 0 0 0
0 0 1
1.11. Exerccios
(a)
1 1 1
1 2 1
1 1
(b)
1
1
1 1
1 1 1
(c)
"
1 2
2 3
(d)
0 1
1 0 1
2 0
1 1
1
23. Dos seguintes sistemas, identifique aqueles que sao lineares, sendo k uma constante
real:
(a)
x + 3y = 7
y = 2x + 3z + 1
(d) 3x + y z + t = 4/5
(b)
x1 2x2 3x3 + x4 = 4
x1 + x2 + x3 = 1
2x1 + 3x2 = 3
(e)
3x + 2y + xz = 4
2x + z = 2
(c)
x + 3y 2 = 9
y sin x = 0
(f)
x1 + x2 + x3
kx1 + x2
=
=
cos k
x3
x + y + 2z = 9
2x + 4y 3z = 1
3x + 6y 5z = 0
(d)
x1 + 2x2 3x3 + x4 = 1
x1 x2 + 4x3 x4 = 6
2x1 4x2 + 7x3 x4 = 1
(g)
x1 x2 = 2
5x1 + 2x3 + 2x4 = 1
3x1 2x2 + x3 + x4 = 0
(j)
x + 2y + 2z = 2
3x 2y z = 5
2x 5y + 3z = 4
x + 4y + 6z = 0
(b)
x1 + x3 = 1
x1 + 2x2 x3 = 3
(e)
x1 + x2 = 0
2x1 + 3x2 = 0
3x1 2x2 = 0
(h)
x+yz = 2
xyz = 1
x+y+z = 0
(k)
2a + 6b + c 3d = 1
3a 2b c + d = 2
a + 4b + 2c 2d = 3
3a 4b 4c + 2d = 2
(c)
x 2y = 0
3x + 4y = 1
2x y = 3
(f)
x 2y + z 4w = 1
x + 3y + 7z + 2w = 2
x 12y 11z 16w = 5
(i)
x+yz = 1
2x y + 3z = 2
4x + y + z = 4
(l)
x+y+z+w = 0
2x + y z + 3w = 0
x 2y + z + w = 0
25. Discuta, para todos os valores reais dos parametros, os seguintes sistemas de equacoes
lineares:
(a)
x + 3y + 2z = 8
x+z =2
3x + 3y + az = b
(b)
x + ay z = 1
x + (a 2)y + z = 1
2x + 2y + (a 2)z = 1
(c)
x + 2y 3z = 4
3x y + 5z = 2
4x + y + (a2 14)z = a + 2
xy = 3
:
2x 2y =
x + 3y + z = a
x 2y + z = b
3x + 7y z = c
(b)
2x + y z = a
2y + 3z = b
xz =c
"
2 0
0 3
(b) A =
"
1
2
1 1
"
1 2
3 4
X=
"
3 0
7 2
(b) X
1
"
1
2
3
2 4 5
3 2
5 4
"
1 2
5 6
3 2 1
= 4 1 1
.
2
0
1
"
2 2
1 3
(b) A =
"
2 1
6 3
"
#
#
3 4
. Determine A.
5 6
1 2 3
(b) 1 3 3
2 4 3
1 2 4
(a) 3 1 0
2 2 1
1 1 2
(c)
5 7 11
2 3 5
(d)
1 4
5
2
0
0
0 1
1 2 2 0
0 1 1 5
1.11. Exerccios
(a) A X B = B > ;
(b) AXA1 = (A + B)> .
"
"
"
1 2
4 7
. Determine A, A3 e
2 3
.
5 7
17 6
. Calcule A5 usando a igualdade
35 12
A=P
"
"
2 0
0 3
P 1.
cos sin
, IR.
sin cos
1 1 0
(d) [A I] [A I]
(b)
"
A
I
A1
(e)
"
A
I
[A I]
(c) [A I]T [A I]
43. Sejam
I=
C=
"
"
1 0
0 1
1 0
1 1
E=
"
0 1
1 0
D=
"
2 0
0 2
O=
"
0 0
0 0
25
"
B11 B12
B21 B22
1
1
3
3
1
2
1
2
1
1
1
1
1
1
1
2
"
O I
I O
#"
B11 B12
B21 B22
(c)
"
D O
O I
#"
B11 B12
B21 B22
(b)
"
C O
O C
#"
B11 B12
B21 B22
(d)
"
E O
O E
#"
B11 B12
B21 B22
44. Seja
A=
"
A11 A12
O A22
"
O I
B O
26
Captulo 2
Determinantes
2.1
Definic
ao de Determinante
Definic
ao.
(i) Dada uma matriz 1 1, A = [a], define-se det[a] = a;
(i) Dada uma matriz 2 2, A =
"
a b
c d
, define-se
a b
= ad cb.
det A =
c d
Exemplo. Sejam A = [3] e B =
"
3 5
2 4
det A = det[3]
= | #3| = 3
"
3 5
det B = det
= 3 4 (2) 5 = 22.
2 4
O determinante de uma matriz quadrada nn sera definido a partir do determinante
de uma matriz quadrada (n 1) (n 1). Isto e, o determinante de matrizes 2 2
(ja definido) permitira definir o determinante de matrizes 3 3, que por sua vez
permitira definir o determinante de matrizes 4 4 e assim sucessivamente ate ao
determinante de matrizes n n.
Definic
ao. Seja n 2 e suponhamos que o determinante de matrizes (n1)(n1)
esta definido. Seja A uma matriz n n e seja Mij o determinante da submatriz que
se obtem a partir de A pela supressao da linha i e da coluna j. Ao n
umero Mij
umero
chama-se menor do elemento aij e ao n
Cij = (1)i+j Mij
27
2. Determinantes
chama-se complemento algebrico ou cofactor da entrada aij .
Definic
ao. Seja n 2 e suponhamos que o determinante de matrizes (n1)(n1)
esta definido. Se A e uma matriz n n, chama-se determinante de A ao n
umero
det A = |A| = a11 C11 + a21 C21 + + an1 Cn1 .
3 1 4
Exemplo. Seja A = 2 5
6
.
1 4
8
=
=
=
5
4
1
4
1
5
6
= 40 24 = 16
8
4
= 8 + 16 = 24
8
4
= 6 + 20 = 26
6
C11 =
(1)1+1 M11
=
= (1)2+1
= (1)3+1
(1)1+1
5
4
1
4
1
5
6
= 16
8
4
= 24
8
4
= 26
6
=
=
=
1
4
3
1
3
1
4
= 8 + 16 = 24
8
4
= 24 + 4 = 28
8
1
= 12 1 = 11
4
C21 =
(1)2+1 M21
=
= (1)2+2
= (1)2+3
(1)2+1
1
4
3
1
3
1
4
= 24
8
4
= 28
8
1
= 11
4
28
3
1
0
2 4
3 eB=
5
4 2
1
1
1
0
2
1
2
1
0
0
3
0
1
5
4
5
2.2
Propriedades do Determinante
Exerccio 2.2.1
Suponha que se pretende calcular o determinante de uma matriz quadrada A, com
todas as entradas nao nulas, usando somente o teorema de Laplace. Se A for uma
matriz 4 4, quantos determinantes 2 2 tem de calcular para obter det A? E se
A for 5 5?
O teorema seguinte permite obter um metodo que vai permitir uma reducao significativa do n
umero de operacoes envolvidas no calculo do determinante.
Teorema. Seja A uma matriz n n.
(i) Se A tem uma linha ou coluna de zeros entao det A = 0;
(ii) Se trocarmos duas linhas (ou duas colunas) de A, entao o determinante muda
o sinal;
(iii) Multiplicar o determinante de A por um n
umero corresponde a multiplicar
uma qualquer linha ou coluna de A por ;
(iv) Se A tem duas linhas (ou duas colunas) iguais, entao det A = 0;
(v) Se uma linha (respectivamente, coluna) de A e soma de m
ultiplos escalares de
outras linhas (respectivamente, colunas) entao det A = 0;
(vi) A operacao elementar OE3 nao altera o valor do determinante, isto e, se a uma
linha (respectivamente, coluna) adicionarmos um m
ultiplo escalar de outra
linha (respectivamente, coluna) entao o valor de det A nao se altera;
29
2. Determinantes
(vii) Se A =
L1
..
.
Li + L0i
..
.
Lm
+ det
Lm
L1
.
.
.
L1
.
.
.
L0i
..
.
Lm
(ii)
(iii)
(iv)
(v)
(vi)
(vii)
3 1 0
2
5 0 = 0
0
1 0
8 1
2
3 0
9
1 2 1
Se
1
2
3
7 5 4
5
1 2
1 2 9
2 5 2
3 1 1
1
2
3
7 5 4
5
1 2
2
3
1
= 0 (L2 = 2L1 L3 )
L2
1
=
0
2L1 + L2
3
2
2
1
7 5 7 +
5
1 1
2 9
9 20
1 1
1
2
1
7 5
3
5
1 1
3x
3y
3z
p q r =6eA=
, calcule det A.
p
q
r
x y z
Exerccio 2.2.3
30
5 1 3 1
2
0 1 8
1
1 5 2
1
2 1 3
2 1 2
4 0 4 = 0 (C1 = C3 )
1 3 1
Exerccio 2.2.2
=
8 1
3 1 0
1 2
3 1
5 1
1
0
2 8
5
1 1 2
1
2 1 3
0
1
2
3
1
1
1
1
2 2
3
3
1
2 2 3
1
;
det(A)
Observac
oes.
1. det(A B) 6= det(A) det(B);
2. det(2A) 6= 2 det(A);
3. Vimos anteriormente que A e invertvel se e so se car(A) = n. Usando a alnea
(ii) do teorema anterior temos o seguinte resultado importante:
A invertvel car A = n det(A) 6= 0.
Exerccio 2.2.4
1. Calcular det(A3 B 1 A> B 2 ), sabendo que det(A) = 2 e det(B) = 5
2. Sabendo que det(A) = 3 e que A tem ordem 4, qual o valor de det(2A) ?
3. Sabendo que B nao tem inversa, averiguar se o produto AB tem ou nao inversa.
2.3
Matriz Adjunta
` matriz
Definic
ao. Seja A uma matriz n n e seja Cij o cofactor do elemento aij . A
31
2. Determinantes
cof(A) =
C11 C12
C21 C22
..
..
.
.
Cn1 Cn2
C1n
C2n
..
..
.
.
Cnn
1
adj(A).
det(A)
Demonstrac
ao. Do teorema anterior sabe-se que
A adj(A) = det(A) I.
Multiplicando ambos os membros desta equacao matricial pelo n
umero 1/ det(A),
obtem-se
!
1
A
adj(A) = I,
det(A)
donde se conclui que a inversa de A resulta da multiplicacao do inverso do determinante pela adjunta.
Exerccio 2.3.1
1
3 2
es da matriz adjunta.
Sendo A =
1
5
, calcule a sua inversa atrav
0
2 6
7
2.4
Regra de Cramer
32
det(Ai )
,
det(A)
x1 + 2x2 + x3 = 5
2x1 + 2x2 + x3 = 6
x + 2x + 3x = 9
1
2
3
2.5
Aplica
c
ao `
a Codifica
c
ao de Mensagens
Uma maneira que pode ser usada para enviar uma mensagem codificada e fazendo
corresponder a cada letra do alfabeto um determinado n
umero. Assim, a mensagem
enviada sera uma sequencia de n
umeros. Por exemplo, a mensagem
SEND MONEY
pode ser codificada por
5, 8, 10, 21, 7, 2, 10, 8, 3,
onde S e representado por 5, E por 8 e assim sucessivamente. A chave deste codigo
pode ser facil de quebrar, uma vez que numa mensagem longa podera ser facil descobrir qual e a correspondencia letra-n
umero, bastando para isso analisar a frequencia
com que cada n
umero ocorre. Por exemplo, se 8 for o n
umero que aparece mais
vezes na mensagem codificada e provavel que ele represente a letra E, no caso da
mensagem ser em ingles (letra que ocorre mais vezes na lngua inglesa) ou a letra
A, no caso da mensagem ser em portugues (letra mais usada na lngua portuguesa).
Usando o produto de matrizes e os determinantes e possvel encontrar uma forma
de codificar mensagens por forma a que alguem que nao conheca o codigo nao as
consiga decifrar.
Se A e uma matriz com entradas inteiras e determinante 1, entao, como A1 =
adj(A), as entradas de A1 serao tambem n
umeros inteiros. Podemos usar esta
matriz para contruir a mensagem que chega ao destinatario. O objectivo e que a
mensagem seja difcil de decifrar. Por exemplo, seja
1 2 1
C= 2 5 3
2 3 2
(matriz do codigo o seu determinante e 1). A mensagem SEND MONEY, codificada usando apenas a correspondencia letra-n
umero, vai ser colocada nas colunas
33
2. Determinantes
da matriz MI (mensagem inicial):
5 21 10
MI = 8 7 8
.
10 2 3
1 2 1
31 37 29
5 21 10
MF = CMI =
7 8
2 5 3 8
= 80 83 69 ,
10 2 3
2 3 2
54 67 50
5 21 10
31 37 29
1 1
1
C MF = 2
0 1 80 83 69 = 8 7 8
= MI
10 2 3
54 67 50
4
1
1
Note-se que
C 1 MF = C 1 (CMI ) = MI
Como construir matrizes de codigo (como a matriz C acima) que tem de ter determinante igual a 1?
Basta considerar a matriz identidade (de qualquer ordem) e efectuar varias operacoes
elementares do tipo OE3 (adicionar a uma linha um m
ultiplo escalar de outra linha);
tambem se podem trocar linhas. A matriz resultante C tera entradas inteiras e,
atendendo a que
det C = det(I) = 1,
a sua inversa C 1 tambem tera entradas inteiras.
Resumo.
Codificacao da Mensagem
frase sequencia de n
umeros Matriz MI MF = CMI sequencia de
n
umeros a enviar
34
35
2. Determinantes
2.6
Exerccios Resolvidos
1 2 1
1. Considere a matriz A = 1 0 1
.
3 2 3
1 2
2 1
det(A) = 1 (1)
+ 0 + 1 (1)2+3
3 2
2 3
= (1)(6 2) + (1)(2 + 6)
= 8
2+1
1
8
1
= 8
=
= 1.
>
det(A )
det(A)
8
(c) Vimos acima que det(A) = 8. De seguida vamos calcular a matriz dos cofactores.
+
cof(A) =
1 0
1 1
0 1
+
3 2
3 3
2 3
2 1
2 3
1 1
3 3
1 1
2 1
1 1
0 1
Assim, a adjunta de A e
1 2
3 2
1 2
1 0
2 4
2
>
adj(A) = (cof(A)) =
0
2
6
2 4 2
36
2 6
2
= 4
0 4
.
2
2 2
=
adj(A) = 3/4
0 1/4
.
8
1/4 1/2
1/4
1 1 1
2. Considere a matriz C = 1 0
1
.
1 0
0
(a) Justifique que C pode ser considerada uma matriz de codigo.
(b) Sendo C a matriz de codigo (considere o alfabeto ingles1 ) usada no envio de
mensagens, decifre a mensagem recebida, sabendo que ela e dada pela sequencia
de n
umeros
16, 35, 23, 8, 16, 12, 24, 20, 15.
(c) De um exemplo de uma matriz 3 3 com pelo menos seis entradas nao nulas
e com determinante igual a 1.
Resoluc
ao.
(a) Basta mostrar que det(C) = 1, para assim se garantir que a inversa de C
tenha entradas inteiras. Com efeito, escolhendo a segunda coluna para efectuar
o desenvolvimento de Laplace, temos
det(C) =
1 (1)1+2
1 1
+ 0 + 0 = 1.
1 0
16 8 24
MF = 35 16 20
.
23 12 15
C = 1
0
(Confirme os calculos!). Assim,
0
1
1 2
.
1 1
23 12 15
16 8 24
0 0
1
MI = C MF = 1 1 2 35 16 20 = 5 0 14
12 4 5
23 12 15
0 1 1
a,b,c,d,e,f,g,h,i,j,k,l,m,n,o,p,q,r,s,t,u,v,w,x,y,z
37
2. Determinantes
obtendo-se a sequencia inicial (aquela que foi enviada)
23, 5, 12, 12, 0, 4, 15, 14, 5.
Atendendo `a correspondencia letra-n
umero usada, conclui-se que a mensagem
enviada e Well done.
(c) A matriz triangular superior
1 2 23
0 1 2
0 0
1
satisfaz os requisitos pretendidos. Recorde-se que o determinante de uma matriz triangular superior e igual ao produto dos elementos da diagonal.
3. Usando um metodo apropriado, calcule o determinante da matriz
A=
1
2 3
4
2 2
5 6
.
1
3 4
6
6
5 3
6
Resoluc
ao. Como A e 4 4 e nao tem entradas nulas, o melhor processo para
calcular o determinante e usar a eliminacao de Gauss em conjunto com o teorema
de Laplace. Assim, efectuando a eliminacao na primeira coluna, temos
1
2 3
4
2 2
5 6
1
3 4
6
6
5 3
6
=
L2 2L1 + L2
L3 L1 + L3
L4 6L1 + L4
1
2 3
4
0 6 11 14
0
5 7
10
0 7 15 18
det(A) =
6
1+1
1 (1)
5
7
7
6 (1)1+1
15
+(14) (1)1+3
= 0
38
11 14
7
10 + 0 + 0 + 0
15 18
10
18
5
7
+ 11 (1)1+2
7
15
5
10
7 18
2.7. Exerccios
2.7
Exerccios
1. Dada a matriz
4
0 4
1
0 1
1 3 0
6
3 14
4
1
3
2
determine:
(b) a 1a coluna
(c) a 2a linha
(d) a 2a coluna
(e) a 3a linha
(c) a 3a coluna
(a)
(d)
ab
a
a
a+b
5
1
0
0
0
6
5
1
0
0
0
6
5
1
0
0
0
6
5
1
0
0
0
6
5
(b)
(e)
1 1
2
3
4 5
0 2 3
(c)
3
0
7 2
0
1 3
0
4
5
2 3
1 2
0
7
(f)
0
1
2
3
1
2
3
0
2
3
3 1
0 1
2 1
1
1 1
0
0
1
1 1 0
2
2
2
0
0 0 1 1
1
0
0 1
4
1
2
0
1 0
0
1
2
0
1 1 1
0 1
(a) det(BA1 B)
5. Sejam A e B matrizes n n.
det(A1 BA).
6. Sabendo que
nantes:
(a)
(c) det(ABC)
(d) det(3AT B 1 )
1 2 4
1 3 9 = 12, calcule, sem desenvolver, os seguintes determi
1 1 1
10 20 40
1
3 9
1 1 1
(b)
6
4 8
3
3 9
3 1 1
(c)
1 2 4
1 3 9
2 2 10
39
2. Determinantes
7. Suponha que
(a)
a b c
d e f = 5. Determine:
g h i
a b c
2d 2e 2f
g h i
(b)
(c)
a
b
c
d 3a e 3b f 3c
2g
2h
2i
(a)
3 1 4
2
1 0
0
2 1
(b)
2 4 3
0 1
1
2 2 1
(c)
1 a
0
0
0
1 a
0
0
0
1 a
0
0
0
1
10. Use determinantes para determinar os valores de para os quais o seguinte sistema
possui uma u
nica solucao:
3
x
1
0
0 1 1 x = 4 .
2
7
x3
0
1
11. Seja A uma matriz quadrada em que todas as entradas sao n
umeros inteiros. Explique porque e que a adjunta de A tambem tem entradas inteiras.
12. Mostre que se |A| = 1 e as entradas de A sao n
umeros inteiros, entao todas as
1
entradas de A sao tambem n
umeros inteiros.
13. Considere det(A) = 8. Calcule det(B), justificando convenientemente a sua resposta, sendo:
(a) B a matriz obtida de A trocando a 1a e a 4a linhas.
(b) B = 2A e A e de ordem 3.
2 0
1
2.7. Exerccios
(ii) Usando a inversa de A, determine a solucao do sistema de equacoes lineares
Ax = 2
.
1
15. Usando a regra de Cramer, resolva os seguintes sistemas lineares:
(a)
x1 + 2x2 = 3
3x1 x2 = 1
2x1 + x2 3x3 = 0
(b)
4x1 + 5x2 + x3 = 8
2x x + 4x = 2
1
2
3
x + 3y + z = 1
(c)
2x + y + z = 5
2x + 2y z = 8
1 1
2
0
1
1 1
0
.
0 1
1
0
1
0
0 1
(a) Sabendo que a sequencia de n
umeros que chegou ao receptor foi
19, 19, 25, 21, 0, 18, 18, 15, 3, 10, 8, 3, 2, 20, 7, 12,
qual e a frase contida na mensagem?
(b) Suponha agora que a sequencia recebida foi
16, 4, 1, 16, 17, 4, 13, 4, 1, 6, 2, 4, 18, 19, 1, 2.
Qual e a frase da mensagem?
17. (a) Encontre duas matrizes 3 3 com entradas inteiras e determinante 1.
(b) Encontre duas matrizes 5 5 com entradas inteiras e determinante 1.
(c) Usando uma das matrizes 5 5 da alnea anterior como matriz de codigo,
escolha uma frase para enviar a alguem que conheca e diga qual e a sequencia
de n
umeros que chegou ao receptor.
41
42
Captulo 3
Vectores em IRn
3.1
3.1.1
IR e o conjunto dos n
umeros reais;
os n
umeros reais podem ser representados numa recta, denominada recta real.
IR2 = {(a, b) : a, b IR} e o conjunto dos pares ordenados de n
umeros reais. a e
a abcissa e b e a ordenada. A cada par ordenado podemos fazer corresponder um
ponto do plano ou o respectivo vector posicao. Na figura, esta representado o ponto
P (2, 3) e o seu vector posicao u.
3. Vectores em IRn
Os elementos de IR2 e IR3 serao designados por vectores, embora, como vimos, eles
tambem possam ser usados para representar pontos.
Do ponto de vista geometrico, a adicao de vectores no plano e no espaco, ou seja,
em IR2 e IR3 , respectivamente, faz-se atraves da regra do paralelogramo.
44
kuk =
3.1.2
Definic
ao. Sejam u = (u1 , u2 , u3 ) e v = (v1 , v2 , v3 ) dois vectores de IR3 . Chama-se
produto vectorial de u por v ao vector
u u
u u
u2 u3
2
1
3
1
k.
j+
i
uv =
v1 v2
v1 v3
v2 v3
3. Vectores em IRn
Para efeitos computacionais, podemos escrever u v como um pseudo-determinante
(porque pseudo?):
i j k
u v = u1 u2 u3 .
v1 v2 v3
Aplicac
oes do produto vectorial:
1. C
alculo da
area de um tri
angulo: A area do triangulo de vertices P1 , P2
e P3 e dada por
1
AT = k u v k,
2
onde u = P1 P2 e v = P1 P3 .
2. C
alculo da
area de um paralelogramo: A area do paralelogramo com
lados adjacentes u e v e dada por
AP = k u v k.
3. C
alculo do volume de um paraleleppedo: O volume do paraleleppedo
(nao necessariamente rectangulo) com um vertice na origem e arestas u, v e
w e dado por
V =
46
det
u1 u2 u3
v1 v2 v3
.
w1 w2 w3
3.1.3
Rectas em IR2
Seja r a recta em IR2 que contem o ponto P0 (x0 , y0 ) e e paralela ao vector u = (u1, u2 ).
Supondo que u1 6= 0 e u2 6= 0, a equacao da recta r pode ser escrita na forma
y y0
x x0
=
,
u1
u2
que e chamada de equacao cartesiana. No caso particular em que u1 = 0, a recta e
vertical e a sua equacao sera da forma
x = x0 ;
se u2 = 0, a recta e horizontal e a sua equacao sera da forma
y = y0 .
Se r nao for vertical, a sua equacao pode ser escrita na chamada forma reduzida
y = mx + b,
onde m e o declive e b a ordenada na origem.
Exerccio 3.1.1 Determine as equacoes cartesiana e reduzida da recta que contem
os pontos P0 (3, 4) e P1 (3, 5). Represente geometricamente a recta.
3.1.4
Seja r a recta que contem o ponto P0 (x0 , y0, z0 ) e e paralela ao vector u = (u1 , u2, u3 ).
Seja P (x, y, z) um ponto qualquer da recta.
47
3. Vectores em IRn
r
1
a
u P
P0
u
1
Se u1 6= 0, u2 6= 0, u3 6= 0, as equacoes de r sao
x x0
y y0
z z0
=
=
.
u1
u2
u3
Se alguma das componentes de u for nula, por exemplo, u1 = 0, u2 6= 0, u3 6= 0,
entao as equacoes da recta r sao
x = x0
z z0 .
y y0
u2
u3
Se u tiver duas componentes nulas, por exemplo, u1 = u2 = 0, entao as
equacoes da recta r sao
(
x = x0
y = y0
(subentende-se que z e qualquer).
48
P P0 P w = 0
(x x0 , y y0 , z z0 ) (w1 , w2 , w3 ) = 0
Ax + By + Cz + D = 0
onde A = w1 , B = w2 , C = w3 , D = w1 x0 w2 y0 w3 z0
3.1.5
Transformac
oes Lineares: Aplica
c
ao `
a Computac
ao Gr
afica
Definic
ao. Uma transformacao T de IRn para IRm ,
T : IRn IRm
u 7 v = T (u)
e uma correspondencia que a cada vector u IRn faz corresponder um u
nico vector
m
v IR .
Definic
ao. Sejam u e v vectores de IRn e um escalar. Uma transformacao
T : IRn IRm diz-se linear se
T (u + v) = T (u) + T (v)
T ( u) = T (u),
IR, u, v IRn .
49
3. Vectores em IRn
A=
"
1
0
0 1
2. Simetria em relac
ao ao eixo dos yy: T : IR2 IR2 ,
T (u) = Au,
50
A=
"
1 0
0 1
"
r 0
0 r
u = ru
T dilatacao
T contraccao
Aplicac
ao `
a Computac
ao Gr
afica
A computacao grafica estuda a criacao e a manipulacao de figuras com a ajuda
do computador. Usam-se tecnicas de computacao grafica na concepcao de jogos de
vdeo, na arquitectura, na ind
ustria automovel, na biologia molecular, etc.. A manipulacao de figuras faz-se atraves do uso de sequencias de transformacoes matriciais,
onde se incluem, por exemplo, as rotacoes, simetrias, dilatacoes e as contraccoes.
De seguida serao apresentados alguns exemplos de manipulacao de figuras no plano.
Exemplo 1.
Simetria de um triangulo relativamente ao eixo xx:
T (u) = Au,
A=
"
1
0
0 1
v2 = (3, 1),
v3 = (2, 6).
Vamos formar uma matriz em que cada coluna contem as coordenadas dos vertices:
[v1 v2 v3 ] =
"
1 3 2
4 1 6
"
1
3
2
4 1 6
3. Vectores em IRn
simetria
10
original
transformado
8
6
4
2
0
2
4
6
8
10
10
10
Exemplo 2.
Rotacao de angulo (sentido contrario ao dos ponteiros do relogio):
T (u) = Au,
A=
"
cos sin
sin
cos
v1 = (2, 4),
v2 = (1, 1),
v3 = (0, 0),
1 1
,
,
v4 =
2 4
v5 = (3, 9).
A [v1 v2 v3 v4 v5 ] =
"
(4.3498, 1.0391), (1.4088, 0.1233), (0, 0), (0.1299, 0.5437), (4.9660, 8.0832);
Interligando estes pontos obtem-se a curva `a direita na figura.
52
rotao da parbola y = x
14
original
transformado
12
10
8
6
4
2
0
2
4
6
10
10
Exemplo 3.
Shear (tosquiadela) na direccao do eixo xx:
T (u) = Au,
A=
"
1 k
0 1
Como T (x, y) = (x + ky, y), podemos ver que o ponto (x, y) se move paralelamente
ao eixo dos xx em ky unidades.
Dado um rectangulo R com vertices
(0, 0), (0, 2), (4, 0), (4, 2),
a sua imagem por uma shear com k = 2 e
(0, 0), (4, 2), (4, 0), (8, 2),
e a sua imagem por uma shear com k = 3 e
(0, 0), (6, 2), (4, 0), (2, 2),
53
3. Vectores em IRn
Shear
10
original
k=2
k = 3
8
6
4
2
0
2
4
6
8
10
10
10
O espa
co vectorial IRn
3.2
3.2.1
Defini
c
oes
Os vectores de IRn tambem podem ser interpretados como vectores coluna, isto e,
como matrizes n 1:
n
IR =
u1
u2
..
.
un
: u1, u2 , . . . , un IR}.
Propriedades da adic
ao e da multiplicac
ao por um escalar: Sejam u, v e
n
w vectores quaisquer de IR e e escalares. Entao:
(A1) u + v e um vector de IRn (isto e, IRn e fechado para a adicao de vectores)
(A2) u + v = v + u
(A3) (u + v) + w = u + (v + w)
(A4) Existe um vector 0 IRn tal que 0 + u = u,
(existencia de um zero em IRn )
u IRn
3. Vectores em IRn
3.2.2
Definic
ao. Seja S um subconjunto de IRn . Diz-se que S e um subespaco vectorial
de IRn se e so se forem verificadas as tres condicoes seguintes:
(i) S 6= {} ;
(ii) S e fechado para a adicao, isto e,
u, v S u + v S;
(iii) S e fechado para a multiplicacao por um escalar, isto e,
IR, u S u S.
Teorema.
(i) Os subespacos vectoriais de IR2 sao:
rectas que contem a origem
IR2 e {(0, 0)}
3.2.3
Combina
c
oes Lineares
Definic
ao. Sejam w, v1 , v2 . . . , vr IRn . Diz-se que w e combinacao linear de
v1 , v2 , . . . , vr se existirem escalares 1 , 2 , . . . , r IR tais que
w = 1 v1 + 2 v2 + + r vr .
Definic
ao. Seja S um subconjunto de IRn e sejam v1 , v2 , . . . , vr S. Se todo o
vector de S se puder escrever como combinacao linear de v1 , v2 , . . . , vr , diz-se que
estes vectores geram S e escreve-se
S = hv1 , v2 , . . . , vr i.
Teorema. Sejam v1 , v2 , . . . , vr vectores de IRn . O conjunto de todas as combinacoes lineares de v1 , v2 , . . . , vr , isto e, o conjunto
hv1 , v2 , . . . , vr i = {v IRn : v = 1 v1 + 2 v2 + + r vr , i IR}
e um subespaco de IRn . A este subespaco da-se o nome de subespaco gerado pelos
vectores v1 , v2 , . . . , vr .
Exemplos.
1. Em IR2 , seja v 6= 0. O subespaco gerado por v,
hvi = {w IR2 : w = v, IR}
e a recta que contem (0, 0) e tem a direccao de v.
2. Em IR3 , sejam v1 , v2 vectores nao colineares. O subespaco gerado por v1 , v2 ,
hv1 , v2 i = {w IR3 : w = v1 + v2 , , IR}
e o plano que contem (0, 0, 0) e e paralelo aos vectores v1 , v2 .
57
3. Vectores em IRn
Exerccio 3.2.4 Determinar uma condicao que caracterize os subespacos gerados
por cada uma dos conjuntos indicados:
(a) C = {u = (1, 1, 0, 1), v = (2, 1, 1, 3)} em IR4 ;
3.2.4
Depend
encia Linear. Bases e Dimens
ao.
Definic
ao. Se B = {v1 , v2 , . . . , vr } e um subconjunto de vectores do espaco
vectorial IRn , entao a equacao vectorial
1 v1 + 2 v2 + + r vr = 0
tem pelo menos uma solucao que e
1 = 2 = = r = 0.
Se esta for a u
nica solucao, diz-se que B e linearmente independente; se existirem
mais solucoes, diz-se que B e linearmente dependente.
Exerccio 3.2.5 Estudar a dependencia linear dos seguintes subconjuntos de vectores B do espaco vectorial IRn indicado.
(a) B = {(2, 6, 2), (3, 1, 2), (8, 16, 3)}, em IR3 ;
(i) Dois vectores em IR2 (ou em IR3 ) sao linearmente dependentes se e so se sao
paralelos;
(ii) Tres vectores em IR3 sao linearmente dependentes se e so se sao complanares.
Definic
ao. Seja B um conjunto de vectores de um subespaco vectorial S de IRn .
Diz-se que B e uma base de S se:
(i) O subespaco gerado por B coincide com S;
(ii) B e linearmente independente.
58
=
=
(1, 0, . . . , 0)
(0, 1, . . . , 0)
en = (0, 0, . . . , 1),
e uma base de IRn , que se designa por base canonica.
2. No caso particular de IR3 , a base canonica e
B = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}.
Exerccio 3.2.6 Mostrar que C = {(1, 0, 0), (1, 1, 0), (1, 1, 1)}, tambem e uma
base de IR3 .
Teorema. Se {v1 , v2 , . . . , vn } e uma base do subespaco S, entao:
(i) Qualquer subconjunto de S com mais de n vectores e linearmente dependente.
(ii) Qualquer outra base de S tem exactamente n vectores.
Exemplos.
1. Como B = {e1 = (1, 0), e2 = (0, 1)} e uma base de IR2 , pelo teorema anterior,
quaisquer tres vectores (ou mais) de IR2 sao linearmente dependentes. Por
exemplo,
B 0 = {(1, 2), (1, 3), (0, 5)}
e linearmente dependente. Tambem podemos concluir que qualquer base de
IR2 tem de ter exactamente 2 vectores.
2. Qualquer base de IRn tem exactamente n vectores.
Definic
ao. Se um subespaco vectorial S admitir uma base com n vectores, diz-se
que S tem dimensao n e escreve-se dim S = n; no caso particular S = {0}, diz-se
que dim S = 0.
Exerccio 3.2.7 Indicar uma base e a dimensao do espaco vectorial
V = {(x, y, z) IR3 : x = 0 y + z = 0}.
59
3. Vectores em IRn
Quando a dimensao de um subespaco vectorial e conhecida, podemos utilizar o
teorema seguinte para averiguar se um dado conjunto de vectores desse subespaco
e uma base.
Teorema. Se S e um subespaco vectorial com dimensao n, entao:
(i) Quaisquer n vectores de S que sejam linearmente independentes formam uma
base de S.
(ii) Quaisquer n vectores que geram S constituem uma base de S.
Exemplo. Como dim IR3 = 3, quaisquer 3 vectores de IR3 que sejam linearmente
independentes formam uma base deste espaco.
60
3.3
Exerccios Resolvidos
v = i + 3j + k
w = 2i + j + 2k.
Resoluc
ao. Basta calcular o modulo do determinante cujas linhas sao as componentes dos vectores u, v e w:
V =
det
1 2 3
1 3 1
= | 10| = 10.
2 1 2
i j k
u v = 1 2 2 = (8 8, (4 6), 4 6) = (0, 2, 2).
3 4 4
1
1q 2
A = ku vk =
0 + 22 + (2)2 = 2.
2
2
(ii) Como os vectores u e v considerados na alnea anterior sao paralelos ao plano,
o seu produto vectorial w = u v, ja calculado acima, e normal ao plano.
Sendo assim, a equacao do plano sera da forma
0x + 2y 2z = D,
onde D e uma constante a determinar. Para determinar D basta escolher
um ponto do plano, por exemplo, o ponto A, e substituir x, y e z pelas suas
coordenadas:
0 0 + 2 1 2 2 = D,
61
3. Vectores em IRn
isto e, D = 2. Logo a equacao do plano que contem os pontos A, B e C e
0x + 2y 2z = 2,
ou seja, y z = 1.
3. Escreva a equacao de uma recta que contenha o ponto (1, 1, 1) e seja paralela ao
plano de equacao x 2y + 2z = 1.
Resoluc
ao. O vector w = (1, 2, 2) e perpendicular ao plano. Para a recta ser
paralela ao plano, o seu vector director tera de ser perpendicular a w. Consideremos
por exemplo o vector u = (0, 1, 1). O vector u e ortogonal a w, porque
u w = 1 0 + (2) 1 + 2 1 = 0.
A equacao de uma recta nas condicoes pedidas podera ser
x = 1
y
1
z1 .
1
1
4. Dadas as transformacoes
T1 : IR2 IR2
e T2 : IR3 IR2 ,
definidas por
T1 (x, y) = (x y, 3x) e T2 (x, y, z) = (xy, z),
(a) Determinar T1 (2, 1) e T2 (1, 1, 3).
(b) Averiguar se sao lineares.
Resoluc
ao.
(a)
T1 (2, 1) = (2 1, 3 2) = (1, 6)
T2 (1, 1, 3) = (1 1, 3) = (1, 3).
(b) Sejam u = (u1 , u2) e v = (v1 , v2 ) dois vectores de IR2 e um escalar real.
Como
T1 (u + v) = T1 (u1 + v1 , u2 + v2 )
= ((u1 + v1 ) (u2 + v2 ), 3(u1 + v1 ))
= (u1 u2 + v1 v2 , 3u1 + 3v1 )
62
verifica-se a identidade
T1 ( u) = T1 (u).
Como sao verificadas as duas condicoes da definicao de transformacao linear,
concluimos que T1 e linear.
Analisemos agora a linearidade de T2 . O facto de a definicao de T2 envolver o
produto de duas variaveis, leva-nos a suspeitar que T2 nao e de facto linear. De
qualquer modo temos de apresentar um contra-exemplo que mostre que uma
das condicoes que definem uma transformacao linear nao se verifica. Consideremos, por exemplo, os vectores tridimensionais u = (1, 2, 3) e v = (1, 1, 1).
Atendendo a que
T2 (u + v) = T2 (2, 3, 4) = (2 3, 4) = (6, 4)
e
T2 (u) + T2 (v) = T2 (1, 2, 3) + T2 (1, 1, 1)
= (1 2, 3) + (1 1, 1)
= (2, 3) + (1, 1)
= (3, 4),
3. Vectores em IRn
Resoluc
ao. Para determinar a imagem do rectangulo dado, colocamos as coordenadas dos seus vertices como colunas de uma matriz e multiplicamos esta matriz a`
esquerda por A:
"
# "
#
"
#
0 1
1 2 2
0 0 1
=
.
1
0
0 0 1
1 2
2
A imagem do triangulo por f e o triangulo de vertices (0, 1), (0, 2) e (1, 2).
(3.3)
u = ( u1 , u2 , u3 ) V
isto e, que
u1 + 2 u2 + u3 = 0.
(3.4)
Para mostrar que (3.4) e verdadeira, basta usar (3.3) e atender a que
u1 + 2 u2 + u3 = (u1 + 2u2 + u3 )
= 0
= 0.
y, z IR.
Designando B := {(2, 1, 0), (1, 0, 1)}, fica mostrado que B gera V . A forma
como se efectuou a separacao dos vectores garante a independencia linear dos
vectores de B. Logo, B e uma base de V .
7. Considere os vectores
v1 = (1, 0, 2), v2 = (0, 1, 1), v3 = (1, 1, 1)
e o subespaco S = hv1 , v2 , v3 i.
(a) Averigue se o vector u = (0, 3, 3) e combinacao linear de v1 , v2 e v3 .
(b) Diga, justificando, se o vector u pertence a S.
(c) Averigue se {v1 , v2 , v3 } e uma base de S.
(0, 3, 3) = ( + , , 2 + + )
65
3. Vectores em IRn
obtemos o sistema
Resolvendo o
[A|b] = 0
2
sistema
0
1
1 1
1
1
+ = 0
= 3 .
2 + + = 3
obtemos
3
.
1 0
1 0
0 1 1 3
L3 L2 + L3
0 0
0 0
Passando a matriz completa ao sistema correspondente, obtemos
(
1
0
0
3
L3 2L1 + L3
3
0
+ = 0
= 3
=
= 3+
Gauss,
0
1
1 1
1 1
( IR)
+ = 0
= 0 .
2 + + = 0
+ = x
= y .
2 + + = z
1 0
1 x
1 0
1
x
0 1 1
[A|b] =
y
0 1 1 y L 2L + L
3
1
3
2 1
1 z
0 1 1 2x + z
.
1 0
1
x
0 1 1
y
L3 L2 + L3
0 0
0 2x + y + z
Concluimos entao que o sistema linear e possvel se e so se car[A|b] = car(A)
se e so se 2x + y + z = 0. Logo
S = {(x, y, z) IR3 : 2x + y + z = 0}.
67
3. Vectores em IRn
3.4
Exerccios
u = 2
,
3
v = 1
,
3
(b) w + v = u
w = 1
,
b
x= c
.
2
(c) w + x = v
(b) v = (0, 1, 4)
(c) w = (0, 0, 1)
b) u (v 2w) ;
c) (u v) 3w .
b) (v w) u;
c) (u w) v .
3.4. Exerccios
12. Dados os pontos A(1, 1, 1), P (2, 1, 3) e Q(1, 3, 2) e o vector v = (2, 1, 0), escreva
as equacoes da:
(a) recta que contem A e tem a direccao de v;
(b) recta que contem A e P ;
(c) recta OA;
(d) recta que contem A e Q;
T (x, y) = (x + 1, y, x + y)
T (x, y) = (x2 + x, y y 2 )
T (x, y) = (x + y, 0, 2x)
(b) T : IR IR ,
(d) T : IR3 IR3 ,
T (x, y, z) = (x + y, y, x z)
19. Seja L : IR2 IR2 uma transformacao linear tal que L(i) = (2, 3) e L(j) = (1, 2).
Determine:
69
3. Vectores em IRn
(a) L(4, 3)
(b) L(x, y)
20. Seja L : IR3 IR3 uma transformacao linear tal que L(i) = (1, 2, 1), L(j) =
(1, 0, 2) e L(k) = (1, 1, 3). Determine:
(a) L(2, 1, 3)
21. Nas alneas seguintes, represente geometricamente o vector u e a sua imagem pela
transformacao matricial dada.
2
"
x
y
#!
"
1
0
0 1
#"
x
y
u=
"
2
3
IR3
f
y
z
;
u=
2
x
1 0 1
1 1 0 y ;
z
0 0 1
"
0 1
1 0
(b) A =
"
0 1
1
0
(c) A =
"
0 0
0 1
23. Seja T : IR2 IR2 a transformacao linear definida por T (u) = Au, onde
A=
"
cos sin
sin
cos
3.4. Exerccios
(b) Shear com k = 3 na direccao do eixo dos xx;
(c) Shear com k = 2 na direccao do eixo dos yy, isto e, a transformacao
matricial f : IR2 IR2 definida por f (v) = Av, onde
A=
"
1 0
k 1
= {(x, y, z) IR3
= {(x, y, z) IR3
= {(x, y, z) IR3
= {(x, y, z) IR3
= {(x, y, z) IR3
= {(x, y, z) IR3
:
:
:
:
:
:
x = y}
2x + y z = 0}
x + 5y = 0 z = 1}
y 2 z 2 = 0}
x + y + z = 0 x y + z = 0}
x 0}.
(a) Escolha dois elementos de cada subconjunto e averigue se a sua soma ainda lhe
pertence. Escolha tambem um escalar e um vector e averigue se a multiplicacao
do vector pelo escalar ainda pertence ao subconjunto.
(b) Descreva geometricamente cada um dos subconjuntos.
(c) Averigue se cada subconjunto e um subespaco de IR3 .
27. Mostre que o subconjunto S, definido por cada uma das condicoes seguintes, e um
subespaco de IR4 (supoe-se que (x, y, z, t) representa um vector generico de IR4 ):
(a) 2x = y + t
(b) x + y = z t
(c) x = 0 z + t = 0
28. Escreva, se possvel, cada um dos seguintes vectores como combinacao linear dos
vectores v1 = (1, 2) e v2 = (1, 1) de IR2 :
(a) (5, 4)
(b) (1, 3)
(c) (0, 1)
(d) (2, 3)
(b) (1, 2, 4)
(d) (5, 2, 0)
71
3. Vectores em IRn
30. Averigue se IR2 e ou nao gerado por cada um dos seguintes pares de vectores:
(a) (1, 1), (2, 2)
31. Determine, se possvel, uma condicao que caracterize o subespaco gerado pelos
seguintes vectores e averigue se esses vectores geram IR3 :
(a) (1, 1, 1), (2, 2, 0), (3, 0, 0)
(b) (2, 1, 3), (4, 1, 2), (8, 1, 8)
(c) (3, 1, 4), (2, 3, 5), (1, 4, 1)
32. Determine:
(a) a equacao do plano gerado pelos vectores u = (1, 1, 1) e v = (2, 3, 5) e que
passa em (0, 0, 0);
(b) a equacao da recta gerada pelo vector u = (2, 7, 1) e que passa em (0, 0, 0).
33. Sem efectuar calculos, explique porque e que os vectores seguintes sao linearmente
dependentes:
(a) u = (1, 2) e v = (3, 6) em IR2
(b) u = (2, 3), v = (5, 8) e w = (6, 1) em IR2
(c) u = (1, 2, 1) e v = (2, 4, 2) em IR3 .
34. Estude a dependencia linear dos seguintes vectores:
(a) (2, 1, 4), (3, 6, 2) e (2, 10, 4) (b) (3, 1, 1), (11, 1, 5) e (4, 0, 3)
(c) (6, 0, 1) e (1, 1, 4)
(d) (1, 3, 3), (0, 1, 4), (5, 6, 3) e (7, 2, 1)
35. Verifique se os seguintes vectores de IR3 sao complanares:
(a) (1, 0, 2), (3, 1, 2) e (1, 1, 0)
36. Sem efectuar calculos, explique porque e que os seguintes conjuntos de vectores nao
sao bases dos conjuntos indicados:
(a) (1, 2), (0, 3) e (2, 7) para IR2
37. Quais dos seguintes conjuntos de vectores sao bases para os conjuntos indicados?
(a) (2, 1) e (3, 0) para IR2
(c) (3, 1, 4), (2, 5, 6) e (1, 4, 8) para IR3
3.4. Exerccios
(b) (1, 0, 2), (0, 1, 3);
40. Determine uma base de IR4 que inclua os vectores (1, 0, 1, 0) e (0, 1, 1, 0).
41. Determine todos os valores de a para os quais {(a2 , 0, 1), (0, a, 2), (1, 0, 1)} e formam
uma base de IR3 .
42. Seja A uma matriz m n. Mostre que o conjunto solucao de um sistema homogeneo
AX = 0 e um subespaco vectorial de IRn .
43. Determine a dimensao e uma base para o conjunto solucao dos seguintes sistemas
homogeneos:
2x + y + 3z = 0
(a) x + 2y = 0
y+z =0
(b)
3x + y + z + t = 0
5x y + z t = 0
(c)
x+y+z =0
3x + 2y z = 0
2x 4y + z = 0
4x + 8y 3z = 0
2x + y 2z = 0
73
74
Captulo 4
Valores e Vectores Pr
oprios
4.1
Definico
es e Exemplos
Definic
ao. Seja A IRnn . Um vector nao nulo u IRn diz-se um vector proprio
de A se existir IK tal que
Au = u.
Ao escalar chama-se valor proprio de A; tambem se diz que u e um vector proprio
de A associado ao valor proprio .
Exemplo. Sejam u =
"
Como
Au =
"
1
2
A=
"
3
0
8 1
# "
1
2
3
6
3
0
8 1
"
=3
"
1
2
= 3u ,
Au = u
O
>1
Au = u
b
O
0<<1
75
<0
4.2
C
alculo de valores e vectores pr
oprios
1 0 3
A= 1 2 1
.
3 0 1
Observac
ao. Suponhamos que o polinomio caracterstico c() tem grau 3. Se
nao conseguirmos decompor c() em factores (nestas condicoes nao podemos aplicar
a lei do anulamento do produto!), podemos ainda tentar o seguinte resultado:
Se um polinomio p(x) tiver razes inteiras, entao elas sao divisores do termo
independente de p(x).
Definic
oes.
(i) Seja c() o polinomio caracterstico de A. Diz-se que e um valor proprio de
A com multiplicidade algebrica k se e uma raz de c() com multiplicidade
k; escreve-se ma() = k.
(ii) diz-se um valor proprio de multiplicidade geometrica l se dim E() = l;
escreve-se mg() = l.
Teorema. 1 mg() ma().
Exerccio 4.2.3 Verificar este teorema para a matriz do exerccio anterior.
4.3
= det(P BP 1 I)
= det(P BP 1 P P 1)
= det P (B I)P 1
= det(B I)
= cB ()
1 0 3
= det (A I)>
= det(A> I)
= cA> ()
78
Aplicac
oes do teorema de Cayley-Hamilton: c
alculo de Ak e A1
Basicamente, o teorema de Cayley-Hamilton diz que uma matriz quadrada anula o
seu polinomio caracterstico. Uma das implicacoes mais importantes deste teorema
e a possibilidade de escrever uma potencia Ak , onde k e um inteiro positivo, como
uma combinacao linear de potencias de A com expoente inferior a n. Por exemplo,
relativamente `a matriz
"
#
1 1
A=
,
1 3
cujo polinomio caracterstico e
c() = 2 4 + 4,
o teorema garante que
A2 4A + 4I = 0,
isto e,
A2 = 4A 4I.
A 4I
A 4A = 4I A(A 4I) = 4I A
4
donde se conclui que
1
A1 = (A 4I).
4
2
= I,
79
4.4
Diagonaliza
c
ao de matrizes
Chama-se matriz diagonal a uma matriz quadrada cujas entradas fora da diagonal
sao todas nulas.
Definic
ao. Diz-se que uma matriz n n e diagonalizavel se existirem matrizes D
diagonal, e P invertvel, tais que
A = P DP 1.
5 0 0
1 0 1
3 2 0
Exemplo. A = 2
3 0 , P = 1 0 1 , D = 0 5 0
.
0 0 1
0 1 0
0
0 5
A e diagonalizavel, porque A = P DP 1 (basta fazer os calculos!)
Como averiguar se A
e diagonaliz
avel?
Teorema 1. Seja A uma matriz n n. Se A tem n valores proprios distintos entao
A e diagonalizavel.
Teorema 2. Seja A uma matriz n n. A matriz A e diagonalizavel se e so se,
para cada valor proprio de A, as multiplicidades algebrica e geometrica coincidem:
ma() = mg().
Se A for diagonaliz
avel, como determinar P e D?
1o ) Determinar uma base para cada espaco proprio de A; denotemos os vectores que
constituem essas bases (num total de n) por p1 , p2 , ..., pn .
3 2 0
e diagonalizavel e, em caso
Exerccio 4.4.1 Averiguar se A =
3 0
2
0
0 5
afirmativo, determinar P e D na decomposicao A = P DP 1.
80
4.5
Exerccios Resolvidos
0 1 1
1. Considere a matriz A = 1 0 1
.
1 1 0
(a) Determine os valores proprios de A e indique as respectivas multiplicidades
algebricas.
(b) Determine os subespacos proprios da matriz A.
(c) Averigue se A e diagonalizavel e, em caso afirmativo, determine uma matriz
invertvel P e uma matriz diagonal D tais que P 1 AP = D.
Resoluc
ao.
(a)
c() = det(A I)
1
1
= det 1
1
1
1
= (2 1) 1( 1) + 1( + 1)
= ( 1)( + 1) + 2( + 1)
= ( + 1) [( 1) + 2]
= ( + 1)(2 + + 2)
ma(2) = 1.
0
u
1 1 1
(A + I)u = 0
1 1 1 u2 = 0
0
u3
1 1 1
u1 + u2 + u3 = 0
u1 + u2 + u3 = 0
u +u +u = 0
1
2
3
1 1 1 0
1 1 1 0
[A|0] = 1 1 1 0 L2 L1 + L2 0 0 0 0
.
1 1 1 0
0 0 0 0
L3 L1 + L3
Como
u1 =
u2 = (, IR) .
u =
3
(u1 , u2 , u3 ) = ( , , )
= (, , 0) + (, 0, )
= (1, 1, 0) + (1, 0, 1),
, IR,
temos
E(1) = h (1, 1, 0), (1, 0, 1) i.
Para o valor proprio = 2, temos
E(2) = {u IR3 : (A 2 I)u = 0}.
0
u
2
1
1
(A 2 I)u = 0
1
u2 = 0
1 2
0
u3
1
1 2
82
2u1 + u2 + u3 = 0
u1 2u2 + u3 = 0
u + u 2u = 0
1
2
3
2 1
1 0
1 2
1 0
,
1 1 2 0
obtemos a matriz
1 2 1 0
0 1 1 0 .
0 0 0 0
u1 2u2 + u3 = 0
u2 + u3 = 0
Como
(u1 , u2 , u3 ) = (, , )
= (1, 1, 1),
u1 =
u2 = ( IR) .
u =
3
IR,
temos
E(2) = h (1, 1, 1) i.
(c) Como
mg(1) = dim E(1) = 2 = ma(1)
e
mg(2) = dim E(2) = 1 = ma(2),
a matriz A e diagonalizavel. As matrizes
P 1 AP = D sao
1 1
P = 1
0
0
1
e
1
0
D=
0 1
0
0
0
.
2
83
4.6
Exerccios
1. Para cada matriz, encontre todos os valores proprios e os respectivos espacos proprios:
(a)
"
2 2
1 3
(b)
"
4 2
3 3
1 2
2
(c) 1 2 1
1 1
4
2 0
1
(d) 1 0 1
0 1 1
"
3 8
2
3
(b)
"
1 1
2 3
4. Mostre que:
(a) Os valores proprios de um matriz triangular sao os elementos da diagonal da
matriz.
(b) Se A e nao singular e e um valor proprio de A entao 1/ e um valor proprio
de A1 .
(c) Se B = S 1 AS e u e um vector proprio de B associado ao valor proprio ,
entao Su e um vector proprio de A associado a .
5. Duas matrizes n n, A e B, dizem-se semelhantes se existir uma matriz invertvel
P tal que B = P 1 AP . Supondo que A e B sao semelhantes, mostre que:
(a) AT e B T tambem sao semelhantes;
(b) A3 e B 3 tambem sao semelhantes;
(c) tr(A) = tr(B);
(d) det(A) = det(B).
4 0 2
ao e diagonalizavel.
6. Mostre que A = 0 1
0
n
5 1
3
1 1
3
IR sejam vectores proprios da matriz A =
84
1 1 0
(e) 0 1 0
0 0 1
(1, 1,
1), (1, 0, 1) e (1, 1, 0) de
1
4.6. Exerccios
9. Uma matriz quadrada com valores proprios distintos e
diagonalizavel.
1
1
1
Mostre
que
1 1 1
A=
3
1
.
1
1 1
1
Verifique que 1 e valor proprio de A associado ao vector proprio (1, 1, 1). Alem
do valor proprio 1, a matriz A possui o valor proprio 2 com multiplicidade algebrica
igual a 2. Indique uma matriz invertvel P tal que P 1 AP seja diagonal, caso tal
matriz exista.
12. Para cada uma das seguintes matrizes use a factorizacao SDS 1 para calcular A6 .
1 0
0
(a) 2 1
3
1 1 1
1 2 1
(b) 2 4 2
3 6 3
4
"
1 1
.
1 3
4 1 2
(b) Determine os espacos proprios de A e determine uma base para cada um deles.
(c) Calcule, aplicando o teorema de Cayley-Hamilton, A4 + 6A3 11A2 + 4I.
85