Upload
g4199216
View
216
Download
0
Embed Size (px)
Citation preview
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
1/362
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
2/362
Introduç ˜ ao à ´Algebra LinearUm Curso de Nivelamento
Jorge Delgado Katia FrenselDepto. de Matem ática Aplicada Depto. de Geometria
Instituto de Matem áticaUFF
Março de 2005
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
3/362
J. Delgado - K. Frensel ii Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
4/362
Conte´udo
Noç ˜ oes Preliminares 1
1. Corpos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2. Sistemas de Equaç ões Lineares . . . . . . . . . . . . . . . 3
3. Operaç ões Elementares . . . . . . . . . . . . . . . . . . . . 4
4. Multiplicaç ão de Matrizes . . . . . . . . . . . . . . . . . . . 14
5. Matrizes Invertı́veis . . . . . . . . . . . . . . . . . . . . . . . 19
Espaços Vetoriais 29
1. Espaço Vetorial - deniç ões e propriedades b ásicas . . . . 29
2. Subespaço Vetorial . . . . . . . . . . . . . . . . . . . . . . . 33
3. Bases e Dimens ão . . . . . . . . . . . . . . . . . . . . . . . 38
4. Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5. Equival ência por Linhas – resumo . . . . . . . . . . . . . . 55
Transformaç ˜ oes Lineares 61
1. Transformaç ão Linear - noç ões b ásicas . . . . . . . . . . . 61
2. Funcionais Lineares . . . . . . . . . . . . . . . . . . . . . . 83
Polin ômios 97
1. Álgebras - generalidades . . . . . . . . . . . . . . . . . . . 97
2. Interpolaç ão de Lagrange . . . . . . . . . . . . . . . . . . . 104
3. Ideais de Polin ômios . . . . . . . . . . . . . . . . . . . . . . 108
4. Decomposiç ão de um polin ômio em fatores primos . . . . . 117
iii
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
5/362
5. Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . 122
6. Propriedades dos Determinantes . . . . . . . . . . . . . . . 134
Formas Can ônicas - Preliminares 139
1. Formas Can ônicas Elementares . . . . . . . . . . . . . . . 139
2. Polin ômios Anuladores . . . . . . . . . . . . . . . . . . . . . 149
3. Subespaços Invariantes . . . . . . . . . . . . . . . . . . . . 156
4. Triangulaç ão Simult ânea e Diagonalizaç ão Simult ânea . . . 167
5. Decomposiç ão em Soma Direta . . . . . . . . . . . . . . . 170
6. Somas Diretas Invariantes . . . . . . . . . . . . . . . . . . . 178
7. O Teorema da Decomposiç ão Prim ária . . . . . . . . . . . 183
Forma Can ônica Racional 193
1. Subespaços c ı́clicos e anuladores . . . . . . . . . . . . . . 193
2. Decomposiç ão C ı́clica e a Forma Racional . . . . . . . . . 197
Forma Can ônica de Jordan 2171. Forma Can ônica Racional dos Operadores Nilpotentes . . 217
2. Cálculo da Forma Can ônica dos Operadores Nilpotentes . 219
3. Forma Can ônica de Jordan . . . . . . . . . . . . . . . . . . 233
4. Forma Can ônica de Jordan Real . . . . . . . . . . . . . . . 242
5. Operadores Semi-Simples . . . . . . . . . . . . . . . . . . . 264
Espaços Vetoriais com Produto Interno 269
1. Produto Interno - Deniç ões b ásicas . . . . . . . . . . . . . 269
2. Funcionais Lineares e Adjuntos . . . . . . . . . . . . . . . . 288
3. Operadores Unit ários . . . . . . . . . . . . . . . . . . . . . 298
4. Operadores Normais . . . . . . . . . . . . . . . . . . . . . . 307
5. Diagonalizaç ão simult ânea de uma famı́lia comutativa deoperadores normais . . . . . . . . . . . . . . . . . . . . . . 336
6. Formas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 341
J. Delgado - K. Frensel iv Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
6/362
7. Formas Positivas . . . . . . . . . . . . . . . . . . . . . . . . 348
8. Resumo sobre matrizes positivas . . . . . . . . . . . . . . . 354
J. Delgado - K. Frensel 0 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
7/362
Noç ˜ oes Preliminares
1. Corpos
Para saber mais ...Da hist ória da Álgebra Linear,
consulte as p áginas:http://www-history.
mcs.st-andrews.ac.uk/history/HistTopics/
Matrices_and_ determinants.html
ehttp://www-history.
mcs.st-andrews.ac.uk/history/HistTopics/
Abstract_linear_ spaces.html
Um corpo comutativo é um conjunto K, cujos elementos s ão chama-dos escalares , com um par de operaç ões:
+ x ∈K e y ∈K =⇒
x + y ∈K (adiç ão)· x ∈K e y ∈K =
⇒xy = x · y ∈K (multiplicaç ão)
que satisfazem as seguintes propriedades:
1. A adiç ão é comutativa : x + y = y + x , ∀x, y ∈K.2. A adiç ão é associativa : x + ( y + z ) = ( x + y) + z , ∀x,y,z ∈K.3. Existe um único elemento 0 ∈K (zero ), tal que x + 0 = x , ∀x ∈K.4. A cada x ∈ K corresponde um ´ unico elemento − x ∈ K, tal que
x + (− x) = 0.
5. A multiplicaç ão é comutativa : x · y = y ·x , ∀x, y ∈K.6. A multiplicaç ão é associativa : x ·( y ·z ) = ( x · y) ·z , ∀x,y,z ∈K.7. Existe um único elemento 1 ∈K− {0} (um ), tal que x ·1 = x , ∀x ∈K.8. A cada x ∈K − {0} (x não-nulo) corresponde um ´ unico elemento x− 1
ou 1x
em K, tal que x ·x− 1 = 1.
9. A multiplicaç ão é distributiva em relaç ão à adiç ão:
x ·( y + z ) = x · y + x ·z , ∀x,y,z ∈K.1
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
8/362
Corpos
Deniç ˜ ao 1.1
Um subcorpo de K é um subconjunto F de K que é um corpo com asoperaç ões de adiç ão e multiplicaç ão de K.
Assim, dizer que F é um subcorpo do corpo K signica que 0 e 1est ão em F e que se x e y s ão elementos de F , ent ão, x + y, xy , − x e x− 1(caso x = 0) s ão tamb ém elementos de F .Exemplo 1.1
O conjunto dos n úmeros complexos C = {a + ib | a, b ∈ R} é um corpocom as operaç ões de adiç ão e multiplicaç ão usuais.
Exemplo 1.2
O conjunto dos n´ umeros reais R é um subcorpo de C.
Exemplo 1.3
O conjunto dos n úmeros racionais Q = { pq
| p ∈ Z , q ∈ Z − {0}} é umsubcorpo de R e de C . Mais ainda, é fácil vericar que todo subcorpo deC deve conter Q.
Exemplo 1.4
O conjunto {x + y√ 2 | x, y ∈Q} é um subcorpo de C.
Exemplos ...Os corpos Z p = Z / (p Z ) com
p > 0 inteiro primo t êmcaracterı́stica p .
Observaç ˜ ao 1.1
Num corpo K pode ser possı́vel adicionar uma quantidade nita de parce-las iguais a 1 e obter 0, isto é, 1 + 1 + 1 + · · ·+ 1 = 0.Quando esse fato acontece, o menor natural k , tal que a soma de k par-celas 1 é igual a 0, é chamado a caracterı́stica de K. Quando tal n´ umeronatural n ão existe, dizemos que o corpo tem caracterı́stica zero .
Em todo o seguinte, vamos considerar apenas corpos de caracteŕısticazero.
J. Delgado - K. Frensel 2 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
9/362
Sistemas de Equaç ˜ oes Lineares
2. Sistemas de Equaç ˜ oes Lineares
Seja K um corpo (como sempre, de caracteŕıstica zero) e seja osistema de m equaç ˜ oes lineares a n inc ́ ognitas
A11 x1 + A12 x2 + · · · + A1n xn = y1A21 x1 + A22 x2 + · · · + A2n xn = y2... ... ... ...Am1 x1 + Am2 x2 + · · · + Amn xn = ym ,
( )
onde y 1 , . . . , y m e A ij , 1 ≤ i ≤ m e 1 ≤ j ≤ n , s ão elementos de K.
Deniç ˜ ao 2.1
• Uma n − upla (x1 , x2 , . . . , x n ) ∈ Kn que satisfaz o sistema é chamadauma soluç ˜ ao do sistema .
•Se ( y1 , y 2 , . . . , y m ) = ( 0 , 0 , . . . , 0 ) , dizemos que o sistema é homog ˆ eneo .• se c1 , c 2 , . . . , c m ∈ K, dizemos que
(c1A11 + c2A21 + · · ·+ cm Am1 )x1+( c1A12 + c2A22 + · · ·+ cm Am2 )x2
+
· · ·+ (
c1A1n +
c2A2n +
· · ·+
cm Amn)xn
= c1 y1
+c2 y2
+
· · ·+
cm ymé uma combinaç ˜ ao linear das equaç ões do sistema.
Note que toda soluç ão do sistema é, tamb ém, uma soluç ão desta novaequaç ão.
• Dizemos que dois sistemas de equaç ões lineares s ão equivalentes secada equaç ão de um dos sistemas é combinaç ão linear das equaç ões dooutro sistema.
Em particular, sistemas de equaç ões lineares que s ão equivalentes pos-suem exatamente as mesmas soluç ões.
J. Delgado - K. Frensel 3 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
10/362
Operaç ˜ oes Elementares
3. Operaç ˜ oes Elementares
Podemos escrever o sistema ( ) na forma matricialAX = Y ,
onde
A =
A11 A12 · · · A1nA21 A22 · · · A2n... ... . . . ...Am1 Am2 · · · Amn m × n
é a matriz dos coecientes do sistema,
X =
x1x2...
xn n × 1
e Y =
y1 y2
... ym m × 1
.
Vamos considerar tr ês operaç ˜ oes elementares sobre as linhas damatriz A que correspondem a formar combinaç ões lineares das equaç õesdo sistema AX = Y :
1. multiplicaç ão de uma linha de A por um escalar n ão-nulo;
2. substituiç ão da p− ésima linha de A pelo resultado da soma da linha p− ésima mais c vezes a linha q − ésima, sendo c ∈ K − {0} e p = qnúmeros entre 1 e m ;
3. transposiç ão de duas linhas de A .
Uma operaç ão elementar sobre linhas é uma funç ão e que a cadamatriz A de tamanho m ×n associa outra matriz e(A) de mesmo tamanho.Para as tr ês operaç ões elementares acima, temos:
1. e(A) ij = A ij se i = p , e (A)pj = c A pj .2. e(A) ij = A ij se i = p , e (A)pj = A pj + c A qj .
3. e(A) ij = A ij se i = p , e i = q , e (A)pj = A qj e e (A)qj = A pj .J. Delgado - K. Frensel 4 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
11/362
Operaç ˜ oes Elementares
Teorema 3.1
Para cada operaç ão elementar e existe uma operaç ão elementar e1 do
mesmo tipo, tal que, e 1(e (A)) = e (e 1 (A)) = A .
Prova.De fato,
• Se e é a multiplicaç ão da p− ésima linha por c (c = 0), ent ão e1 é amultiplicaç ão da p− ésima linha por c− 1 .
• Se e é a operaç ão que substitui a p− ésima linha de A pela p− ésimalinha mais c vezes a q− ésima linha, ent ão e 1 é a operaç ão que substitui a p− ésima linha de A pela p− ésima linha de A mais − c vezes a q− ésimalinha de A .
• Se e é a operaç ão que transp õe as linhas p e q de A , ent ão e 1 = e .
Deniç ˜ ao 3.1
Sejam A e B matrizes m ×n sobre o corpo K. Dizemos que B é equiva- lente por linhas a A se B pode ser obtida de A por uma seq¨ uência nitade operaç ões elementares sobre as linhas de A .
Observaç ˜ ao 3.1
A equival ência por linhas no conjunto das matrizes m ×n é uma relaç ãode equival ência.
Teorema 3.2
Se A e B s ão matrizes m ×n equivalentes por linhas, ent ão os sistemashomog êneos AX = 0 e BX = 0 têm exatamente as mesmas soluç ões.
Prova.Podemos passar de A para B por meio de uma seq üência nita de operaç õeselementares sobre as linhas.
A = A 0 →A1 →A2 →· · ·→Ak = B .Basta ent ão observar que uma operaç ão elementar sobre linhas n ão al-tera o conjunto de soluç ões.
De fato. Sejam C e D matrizes m ×n tais que e (C) = D .Ent ão, toda linha de D é uma combinaç ão linear das linhas de C. Como
C = e 1(e (C)) = e 1 (D ) , toda linha de C é, tamb ém, uma combinaç ão linear
J. Delgado - K. Frensel 5 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
12/362
Operaç ˜ oes Elementares
das linhas de D . Logo, C e D são matrizes equivalentes e, portanto, ossistemas homog êneos associados a tais matrizes possuem as mesmassoluç ões.
Exemplo 3.1
Seja A a matriz 3 × 4
A =2 − 1 3 21 4 0 − 12 6 − 1 5
sobre o corpo Q.Vamos efetuar uma seq¨ uência nita de operaç ões elementares sobre aslinhas de A :
A =2 − 1 3 21 4 0 − 12 6 − 1 5
(2)
−→0 − 9 3 41 4 0 − 12 6 − 1 5
(2)
−→0 − 9 3 41 4 0 − 10 − 2 − 1 7
(1)
−→0 − 9 3 41 4 0 − 10 1 1/2 − 7/2
(2)
−→0 − 9 3 41 0 − 2 130 1 1/2 − 7/2
(2)
−→0 0 15/2 − 55/21 0 − 2 130 1 1/2 − 7/2
(1)
−→0 0 1 − 11/31 0 − 2 130 1 1/2 − 7/2
(2)
−→0 0 1 − 11/31 0 0 17/30 1 1/2 − 7/2
(2)
−→0 0 1 − 11/31 0 0 17/30 1 0 − 5/3
= B
Como as matrizes 3 × 4 A e B são equivalentes por linhas, os sistemaslineares homog êneos
2x1 − x2 + 3x3 + 2x4 = 0x1 + 4x2 − x4 = 0
2x1 + 6x2 − x3 + 5x4 = 0
e
x3 − 113 x4 = 0x1 + 173 x4 = 0x2 − 53 x4 = 0
têm as mesmas soluç ões. Logo, toda soluç ão do sistema é da forma
− 173 x4 , 53 x4 ,
113 x4 , x4 , x4∈R.
J. Delgado - K. Frensel 6 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
13/362
Operaç ˜ oes Elementares
Ou seja, toda soluç ão é um m últiplo da soluç ão (− 17,5,11,3 ) .
Deniç ˜ ao 3.2
Uma matriz R de tamanho m × n é dita linha-reduzida ou reduzida por linhas se:
a. a primeira entrada n ão-nula de cada linha n ão-nula de R é igual a 1;
b. toda coluna de R que cont ém a primeira entrada n ão-nula de algumalinha tem todos as suas outras entradas nulas;
Exemplo 3.2
A matriz B obtida no exemplo anterior é reduzida por linhas.
Em alguns textos ...A matriz identidade é tamb ém
chamada matriz unidade,pois, como veremos mais
adiante, atua como unidademultiplicativa para as
matrizes.
Exemplo 3.3
A matriz identidade n ×n I cujas entradas s ão:
I ij = δij = 1 , se i = j0 , se i = j .
Exemplo 3.4
As matrizes
1 0 0 00 1 − 1 00 0 1 0
e0 2 11 0 − 30 0 0
não s ão reduzidas por linhas.
Teorema 3.3
Toda matriz m × n com entradas sobre um corpo K é equivalente porlinhas a uma matriz reduzida por linhas.
Prova.Seja A uma matriz m × n . Se toda entrada na primeira linha de A é0, a condiç ão a. est á satisfeita no que diz respeito à primeira linha.
Se a primeira linha tem uma entrada n ão-nula, seja k o menor inteiro
positivo j para o qual A 1j
= 0. Multiplicando a linha 1 por A − 11j , a condiç ão
a. ca satisfeita em relaç ão à linha 1.
J. Delgado - K. Frensel 7 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
14/362
Operaç ˜ oes Elementares
Para cada i ≥ 2, somamos − A ik vezes a linha 1 à linha i, para tornar asoutras entradas na k − ésima coluna iguais a zero.
Consideremos agora a matriz que resultou das operaç ões acima. Se todaentrada da linha 2 é nula, nada fazemos a essa linha. Mas se algumaentrada da linha 2 é diferente de zero, multiplicamos essa linha por umescalar de modo que a primeira entrada n ão-nula seja 1.
No caso em que a linha 1 tenha uma primeira entrada n ão-nula na colunak , a primeira entrada n ão-nula na linha 2 aparece numa coluna k , ondek = k . Somando m´ ultiplos adequados da linha 2 às diversas linhas, po-demos fazer com que todas as entradas da coluna k , com exceç ão do 1na linha 2, sejam nulas.
Observe que ao efetuarmos essas últimas operaç ões, n ão alteramos asentradas da linha 1 nas colunas 1, . . . , k e nenhuma entrada da colunak . Além disso, se a linha 1 fosse nula, as operaç ões com a linha 2 nãoafetariam a linha 1.
Trabalhando com uma linha de cada vez da maneira acima, chegaremosa uma matriz reduzida por linhas ap ós um n úmero nito de etapas.
Deniç ˜ ao 3.3Uma matriz R de tamanho m ×n é dita linha-reduzida ` a forma em escada ou reduzida por linhas ` a forma em escada , se:
a. R é reduzida por linhas;
b. toda linha de R cujas entradas s ão todas nulas ocorre abaixo detodas as linhas que possuem uma entrada n ão-nula;
c. se as linhas 1, . . . , r são as linhas n ão-nulas de R e se a primeiraentrada n ão-nula da linha i ocorre na coluna k i , i = 1, . . . , r , ent ãok 1 < k 2 < . . . < k r .
Isto é, existe um inteiro positivo r, 1 ≤ r ≤ m e r inteiros positivosk 1 , k 2 , . . . , k r com 1 ≤ k i ≤ n , tais que:
a. Rij = 0, para i > r e 1 ≤ j ≤ n ;b. Rij = 0, para j < k i e 1 ≤ i ≤ r ;
J. Delgado - K. Frensel 8 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
15/362
Operaç ˜ oes Elementares
c. Rik j = δij , para 1 ≤ i ≤ r e 1 ≤ j ≤ r ;d. k 1 < . . . < k r .
Exemplo 3.5
A matriz identidade n ×n e a matriz nula m ×n s ão matrizes reduzidaspor linhas à forma em escada.
Exemplo 3.6
A matriz
0 1 − 3 0 1/2
0 0 0 1 20 0 0 0 0
é uma matriz reduzida por linhas à forma em escada.
Teorema 3.4
Toda matriz é equivalente por linhas a uma matriz reduzida por linhas à
forma em escada.
Prova.Sabemos que toda matriz A é equivalente por linhas a uma matriz re-duzida por linhas R. Efetuando um n úmero nito de transposiç ões daslinhas de R, obtemos uma matriz equivalente por linhas a R, e portanto aA , que é reduzida por linhas à forma em escada.
Exemplo 3.7
A matriz A do exemplo 3.1 é equivalente por linhas à matriz B que est á
na forma reduzida por linhas. Essa matriz é, por sua vez, equivalente porlinhas à matriz
C =1 0 0 17/30 1 0 − 5/30 0 1 − 11/3
que é a forma reduzida por linhas à forma em escada.
Seja R uma matriz m × n reduzida por linhas à forma em escadae sejam 1, . . . , r as linhas n ão-nulas de R. Suponhamos que o primeiroelemento n ão-nulo da linha i , 1 ≤ i ≤ r , ocorra na coluna k i .J. Delgado - K. Frensel 9 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
16/362
Operaç ˜ oes Elementares
Ent ão, o sistema RX = 0 consiste de r equaç ões n ão-triviais. Al émdisso, a inc ógnita xk i aparecer á, com coeciente n ão-nulo, apenas na
i− ésima equaç ão. Se indicarmos por u 1 , . . . , u n − r as n − r incógnitas ques ão diferentes de xk 1 , . . . , x k r , ent ão as r equaç ões n ão triviais do sistema
s ão da forma:
xk 1 +n − r
j= 1
C1j u j = 0
... ...
...
xk r +n − r
j= 1
C rj u j = 0
(1)
Todas as soluç ões do sistema RX = 0 são obtidas atribuindo valores ar-bitrários às inc ógnitas u 1 , . . . u n − r e calculando os valores corresponden-tes de xk 1 , . . . , x k r por meio de ( 1).
Exemplo 3.8
Seja R a seguinte matriz 3 ×5 reduzida por linhas à forma em escada
R =0 1 − 3 0 1/20 0 0 1 2
0 0 0 0 0Neste caso, temos r = 2, k 1 = 2 e k 2 = 4.
As equaç ões n ão-triviais do sistema RX = 0 s ão
x2 − 3x3 + 12 x5 = 0 ⇐⇒ x2 = 3x3 − 12 x5
x4 + 2x5 = 0 ⇐⇒ x4 = − 2x5Atribuindo valores arbitr ários x1 = a , x3 = b e x5 = c, vemos que qualquersoluç ão do sistema RX = 0 é da forma a,3b − 12 c,b, − 2c,c .
Observaç ˜ ao 3.2
Seja R uma matriz m ×n reduzida por linhas à forma em escada. Se onúmero r de linhas n ão-nulas é menor que n , o sistema RX = 0 possuisoluç ões n ão-triviais, isto é, soluç ões (x1 , . . . , x n ) em que nem todo xj é
nulo.
Teorema 3.5
Se A é uma matriz m
×n com m < n , ent ão o sistema homog êneo AX = 0
admite soluç ões n ão-triviais.
J. Delgado - K. Frensel 10 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
17/362
Operaç ˜ oes Elementares
Prova.Seja R uma matriz m × n reduzida por linhas à forma em escada queseja equivalente por linhas à matriz A. Ent ão, os sistemas AX = 0 eRX = 0 possuem as mesmas soluç ões.
Se r é o n úmero de linhas n ão-nulas em R, ent ão r ≤ m . Como m < n ,temos r < n . Logo, pela observaç ão acima, RX = 0 e, portanto, AX = 0admite soluç ões n ão-triviais.
Teorema 3.6
Se A é uma matriz quadrada n ×n , ent ão, A é equivalente por linhas àmatriz identidade n ×n se, e somente se, o sistema AX = 0 possui apenasa soluç ão trivial.Prova.( =
⇒) Se A é equivalente por linhas à matriz identidade I, ent ão, os sis-
temas AX = 0 e IX = 0 possuem as mesmas soluç ões. Logo, AX = 0possui apenas a soluç ão trivial.
(
⇐
= ) Suponhamos agora que AX = 0 possua apenas a soluç ão trivial
X = 0 = ( 0 , 0 , . . . , 0 ) .
Seja R uma matriz reduzida por linhas à forma em escada equivalente porlinhas à matriz A e seja r o número de linhas n ão-nulas de R.
Como RX = 0 possui apenas a soluç ão trivial, temos que r ≥ n . Mascomo R possui n linhas, temos que r = n .
Além disso, como k 1 < k 2 < . . . < k n e R possui n colunas, temos quek i = i para cada 1 ≤ i ≤ n .Logo, R é a matriz identidade.
Consideremos agora o sistema n ão-homog êneo de equaç ões linea-res AX = Y .
A matriz completa A do sistema AX = Y é a matriz m ×(n + 1) cujasn primeiras colunas s ão as colunas de A e cuja última coluna é Y . Isto é,
A ij = A ij , se j ≤ n
A i (n + 1) = Y i .
J. Delgado - K. Frensel 11 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
18/362
Operaç ˜ oes Elementares
Efetuando uma seq¨ uência nita de operaç ões elementares sobre aslinhas de A, obtemos uma matriz R reduzida por linhas à forma em es-cada. Efetuando a mesma seq¨ uência de operaç ões elementares sobre amatriz completa A , obteremos uma matriz R cujas primeiras n colunass ão as colunas de R e cuja última coluna
Z =
z 1z 2...
z m
resulta de aplicar a mesma seq¨ uência de operaç ões sobre as linhas da
matriz Y .Da mesma forma que no caso homog êneo, podemos mostrar que
os sistemas AX = Y e RX = Z s ão equivalentes e, portanto, admitem asmesmas soluç ões.
Se R possui r linhas n ão-nulas, com a primeira entrada n ão-nula dalinha i ocorrendo na coluna k i , 1 ≤ i ≤ r, ent ão as r primeiras equaç õesde RX = Y exprimem xk 1 , . . . , x k r em termos das (n − r ) incógnitas restan-
tes e dos escalares z 1 , . . . , z r . Além disso, as (m − r ) últimas equaç ões
s ão:0 = z r + 10 = z r + 2...
...0 = z m .
Portanto, a condiç ão para o sistema ter uma soluç ão é que z i = 0para r < i ≤ m .
Se tal condiç ão é satisfeita, todas as soluç ões do sistema s ão obti-das atribuindo-se valores arbitr ários às (n − r ) incógnitas xi , 1 ≤ i ≤ n ,i ∈ {k 1 , . . . , k r }, e calculando xk i a partir da i− ésima equaç ão.
Exemplo 3.9
Seja K o corpo dos n úmeros racionais, e seja A a matriz
A =1 − 2 12 1 10 5 − 1
.
J. Delgado - K. Frensel 12 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
19/362
Operaç ˜ oes Elementares
Para resolver o sistema AX = Y , para Y = y1 y2 y3
dado, devemos apli-
car uma seq üência de operaç ões elementares sobre as linhas da matrizcompleta A que torne A reduzida por linhas:
1 − 2 1 y12 1 1 y20 5 − 1 y3
(2)
−→1 − 2 1 y10 5 − 1 y 2 − 2y 10 5 − 1 y 3
(2)
−→1 − 2 1 y10 5 − 1 y 2 − 2y 10 0 0 y3 − y2 + 2y 1
(1)
−→1 − 2 1 y10 1 − 1/5 ( y2 − 2y 1) /5
0 0 0 y 3 − y2 + 2y 1
(2)
−→1 0 3/5 ( y1 + 2y 2)/50 1 − 1/5 ( y2 − 2y 1)/5
0 0 0 y3 − y2 + 2y 1
A condiç ão para que o sistema tenha uma soluç ão é y 3 − 2y 2 + 2y 1 = 0.
Se os escalares y 1 , y 2 , e y 3 satisfazem essa condiç ão, todas as soluç õess ão obtidas atribuindo-se um valor c a x3 e depois calculando:
x1 = 35 c + 1
5 ( y1 + 2y 2 )x2 = − 15 c +
15 ( y2 − 2y 1) .
Observaç ˜ ao 3.3
Suponhamos que as entradas da matriz A e os escalares y1 , . . . , y m es-
tejam num subcorpo F do corpo K.Se o sistema AX = Y admite uma soluç ão com x1 , . . . , x n em K, ele admiteuma soluç ão com x1 , . . . , x n em F.
De fato, a condiç ão para o sistema admitir uma soluç ão, sobre cada umdos dois corpos, é que sejam v álidas certas relaç ões entre y 1 , . . . , y m em
F (a saber as relaç ões z i = 0, para i > r ).Por exemplo, se AX = Y é um sistema de equaç ões lineares no qualos escalares yk e Aij são n úmeros reais e, se existe uma soluç ão na
qual x1 , . . . , x n são n úmeros complexos, ent ão existe uma soluç ão comx1 , . . . , x n números reais.
J. Delgado - K. Frensel 13 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
20/362
Multiplicaç ˜ ao de Matrizes
4. Multiplicaç ˜ ao de Matrizes
Deniç ˜ ao 4.1
Seja A uma matriz m ×n sobre o corpo K e seja B uma matriz n × p sobreo corpo K. O produto AB é a matriz C de tamanho m × p sobre o corpoK, cujas entradas s ão
C ij =n
k = 1
A ik Bkj .
Observaç ˜ ao 4.1
Se β 1 , . . . , β n são as linhas da matriz B e γ 1 , . . . , γ m s ão as linhas damatriz C , ent ão
γ i = A i1 β 1 + A i2 β 2 + · · ·+ A in β n .Isto é, as linhas de C s ão combinaç ões lineares das linhas de B.
De fato,
γ i = (C i1 , C i2 , . . . , C ip )
= n
k = 1
A ik Bk1 ,n
k = 1
A ik Bk2 , . . . ,n
k = 1
A ik Bkp
=n
k = 1
A ik (Bk1 , Bk2 , . . . , B kp )
=n
k = 1
A ik β k .
Exemplo 4.1
a.5 − 1 20 7 2
2× 3
= 1 0− 3 1
2× 2
5 − 1 215 4 8
2× 3
.
Neste caso: γ 1 = ( 5, − 1, 2 ) = 1 ·(5, − 1, 2 ) + 0 ·(15,4,8 ) γ 2 = ( 0,7,2 ) = − 3 ·(5, − 1, 2 ) + 1 ·(15,4,8 ) .
b.− 2 − 46 12
2× 2
=− 13
2× 1
2 41× 2
.
Neste caso:
γ 1 = (− 2, − 4) = − 1
·(2, 4 )
γ 2 = ( 6,12 ) = 3 ·(2, 4 ) .J. Delgado - K. Frensel 14 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
21/362
Multiplicaç ˜ ao de Matrizes
c.0 1 00 0 00 0 0
3× 3
1 − 5 22 3 49 − 1 3
3× 3
=2 3 40 0 00 0 0
3× 3
.
Neste caso:
γ 1 = ( 2,3,4 ) = 0 ·(1, − 5, 2 ) + 1 ·(2,3,4 ) + 0 ·(9, − 1, 3 ) γ 2 = ( 0,0,0 ) = 0 ·(1, − 5, 2 ) + 0 ·(2,3,4 ) + 0 ·(9, − 1, 3 ) γ 3 = ( 0,0,0 ) = 0 ·(1, − 5, 2 ) + 0 ·(2,3,4 ) + 0 ·(9, − 1, 3 ) .
Observaç ˜ ao 4.2
• O produto de matrizes n ão é comutativo.De fato, considere o seguinte exemplo:
Sejam A =1 02 1
e B =2 11 1
.
Ent ão
AB =2 15 3
= 4 13 1
= BA .
•Se I é a matriz identidade m ×m e A é uma matriz m ×n , ent ão IA = A .•Se I é a matriz identidade n ×n e A é uma matriz m ×n , ent ão AI = A .• Se Ok,m é a matriz nula k × m , ent ão, para toda matriz A m × n equalquer matriz B p ×k , temos Ok,m A = Ok,n e BOk,m = Op,m .
Se B é uma matriz n × p , as colunas de B são as n × 1 matrizesβ 1 , . . . , β p dadas por:
β j =
B1jB2j
...Bnj
n × 1
, 1 ≤ j ≤ p .
A matriz B é a sucess ão dessas p colunas:B = ( β 1 , β 2 , . . . , β p ) .
Seja A uma matriz m
×n . Ent ão Aβ j é a j− ésima coluna da matriz
C = AB , pois como
J. Delgado - K. Frensel 15 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
22/362
Multiplicaç ˜ ao de Matrizes
C ij =n
k = 1
A ik Bkj ,
ent ão
C j =
C1jC2j
...Cmj m × 1
=
n
k = 1
A1k Bkj
n
k = 1
A2k Bkj
...n
k = 1
Amk Bkj
= Aβ j .
Assim, AB = (Aβ 1 , Aβ 2 , . . . , A β p )m × p .
Teorema 4.1
Se A, B e C são matrizes sobre o corpo K tais que os produtos BC eA(BC ) são denidos, ent ão est ão denidos os produtos AB e (AB )C .
Além disso,A(BC ) = ( AB )C .
Prova.Suponhamos que B é uma matriz n × p , que A é uma matriz com m linhas e que C é uma matriz com l colunas.
Como os produtos BC e A (BC ) est ão denidos, temos que C é uma matriz
p ×l e que A é uma matriz m ×n , já que BC é uma matriz n ×l .Assim, o produto AB existe e é uma matriz m × p , e o produto (AB )Cexiste e é uma matriz m ×l .Além disso, usando a deniç ão, temos:
[A (BC )]ij =n
k = 1
A ik (BC )kj =n
k = 1
A ikp
r = 1
Bkr C rj
=n
k = 1
p
r = 1
A ik Bkr C rj =p
r = 1
n
k = 1
A ik Bkr C rj
=p
r = 1
(AB ) ir C rj
= [( AB ) C ]ij .
Como querı́amos demonstrar.
J. Delgado - K. Frensel 16 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
23/362
Multiplicaç ˜ ao de Matrizes
Observaç ˜ ao 4.3
• Devido à propriedade associativa da multiplicaç ão de matrizes, se Aé uma matriz quadrada, o produto A
· A
· . . .
· A , de k fatores iguais a
A , est á denido sem ambig üidade e indicaremos esse produto por Ak ,
convencionando A 0 = I.
• A relaç ão A (BC ) = ( AB )C implica que combinaç ões lineares de combi-naç ões lineares das linhas de C são, ainda, combinaç ões lineares daslinhas de C.
Deniç ˜ ao 4.2
Uma matriz m ×m é uma matriz elementar se ela pode ser obtida da matrizidentidade m × m por meio de uma ´ unica operaç ão elementar sobre aslinhas.
Exemplo 4.2
As matrizes elementares 2 ×2 s ão:0 11 0
;1 c0 1
;1 0c 1
;c 00 1
com c = 0;1 00 c
com c = 0.
Teorema 4.2
Seja e uma operaç ão elementar sobre linhas e seja E a matriz m × m elementar E = e (I) . Ent ão, para toda matriz A m ×n , temos:
e (A) = EA .
Prova.
Analisemos, separadamente as tr ês operaç ões elementares.a. Seja e a operaç ão “substituiç ão da linha r por c vezes a linha r, comc = 0”. Então,
Eik = δik , se i = rcδ rk , se i = r
Logo, (EA ) ij =m
k = 1
Eik Akj = Aij , se i = rcA rj , se i = r
, isto é, EA = e (A) .
b. Seja e a operaç ão “transposiç ão das linhas r e s , r = s”. Então,J. Delgado - K. Frensel 17 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
24/362
Multiplicaç ˜ ao de Matrizes
Eik =δik , se i = r e i = sδrk , se i = sδsk , se i = r .
Logo, (EA ) ij =m
k = 1
Eik Akj =A ij , se i = r e j = sA rj , se i = sA sj , se i = r
, isto é, EA = e (A) .
c. Seja e a operaç ão “substituiç ão da linha r pela soma de c vezes a linhas mais a linha r”. Então,
Eik = δik , se i = rδrk + cδ sk , se i = r .
Logo, (EA ) ij =m
k = 1
Eik Akj = Aij , se i = rA rj + cA sj , se i = r
, isto é, EA = e (A) .
Corol ário 4.1
Sejam A e B matrizes m ×n sobre o corpo K. Ent ão, B é equivalente porlinhas a A se, e somente se, B = PA , onde P é um produto de matrizes
elementares m ×m .Prova.Suponhamos que B = PA , onde
P = Es ·. . . ·E2 ·E1 ,e as Ej s ão matrizes elementares m ×m . Ent ão,• E1A é equivalente por linhas à matriz A ;• E2E1A = E2 (E1A) é equivalente por linhas à matriz E1A , e portanto a A ;Continuando o racioc ı́nio indutivamente, obtemos que (Es · . . . · E1 )A éequivalente por linhas à matriz A .
Suponhamos agora que B é equivalente por linhas à matriz A. Sejame 1 , . . . , e s operaç ões elementares sobre linhas que aplicadas consecuti-vamente sobre a matriz A dão como resultado B. Se E1 , . . . , E s são asmatrizes elementares correspondentes, ent ão
B = e s (e s − 1 ( . . . (e 1 (A)) . . . )) = ( Es ·Es− 1 · . . . ·E1) ·A .Como querı́amos demonstrar.
J. Delgado - K. Frensel 18 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
25/362
Matrizes Inver tı́veis
5. Matrizes Invertı́veis
Deniç ˜ ao 5.1
Seja A uma matriz quadrada, n ×n , sobre o corpo K.
•uma matriz B n ×n tal que BA = I é dita uma inversa de A pela esquerda .• uma matriz B n ×n tal que AB = I é dita uma inversa de A pela direita .• uma matriz B n ×n tal que AB = BA = I é dita uma inversa de A . Nestecaso, dizemos que A é invert́ıvel .
Lema 5.1
Se A possui uma inversa B pela esquerda e uma inversa C pela direita,
ent ão B = C e A é invert ı́vel.
Prova.Suponhamos que BA = I e que AC = I . Ent ão,
B = BI = B(AC ) = ( BA )C = IC = C .
Como BA = AB = I, A é invert ı́vel.
Observe que Se A possui inversa pela direita e pela esquerda, ent ãoA é invert ı́vel e a inversa (bilateral) é única.
Se A é invert ı́vel, designamos por A − 1 a única matriz que é inversa (bilateral) de A .
Teorema 5.1
Sejam A e B matrizes n ×n sobre o corpo K.
1. Se A é invert ı́vel, ent ão A − 1 é invert ı́vel e (A− 1)− 1 = A .
2. Se A e B s ão invert ı́veis, ent ão AB é invert ı́vel e (AB )− 1 = B− 1A− 1 .
Prova.
• Como A − 1A = AA − 1 = I , temos que A − 1 é invertı́vel e (A− 1)− 1 = A .• Como (AB )( B− 1A− 1 ) = ( B− 1A− 1 )( AB ) = I, temos que AB é invert ı́vel e(AB )
− 1
= B− 1
A− 1
.
J. Delgado - K. Frensel 19 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
26/362
Matrizes Invertı́veis
Corol ário 5.1
Um produto A 1A2 · · ·Ak , k ∈ N, de matrizes invert ı́veis n ×n é, tamb ém,invertı́vel.
Teorema 5.2
As matrizes elementares s ão invertı́veis e suas inversas s ão matrizes ele-
mentares do mesmo tipo.
Prova.Seja E uma matriz elementar correspondente à operaç ão elementar
sobre linhas e. Se e1 é a operaç ão inversa de e , e E1 é a sua matriz
elementar associada, ent ãoEE1 = e(E1) = e(e 1(I)) = I ,E1E = e1(E) = e1 (e (I)) = I ,
de modo que E é invertı́vel e E1 = E− 1 .
Exemplo 5.1
As inversas das matrizes elementares 2 ×2 s ão:0 11 0
− 1
= 0 11 0
; 1 c0 1
− 1
= 1 − c0 1
;
1 0c 1
− 1
= 1 0− c 1
;c 00 1
− 1
=1/c 0
0 1 , c = 0;
1 00 c
− 1
=1 00 1/c
, c = 0.
Teorema 5.3
Se A é uma matriz n ×n , as seguintes armaç ões s ão equivalentes:
1. A é invert ı́vel;
2. A é equivalente por linhas à matriz identidade;
3. A é um produto de matrizes elementares.
J. Delgado - K. Frensel 20 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
27/362
Matrizes Inver tı́veis
Prova.Seja R uma matriz reduzida por linhas à forma em escada que seja equi-valente por linhas à matriz A .
Ent ão, existem matrizes elementares E1 , . . . , E k , tais que,R = Ek ·. . . ·E1 ·A .
Como cada Ei , 1 ≤ i ≤ k , é invertı́vel, temos que,A = E− 11 ·. . . ·E− 1k ·R.
Sendo o produto de matrizes invertı́veis uma matriz invertı́vel, temos queA é invertı́vel se, e somente se, R é invertı́vel.
J á que R é uma matriz quadrada que é reduzida por linhas à forma em
escada, R é invertı́vel se, e somente se, cada linha de R cont ém umaentrada n ão-nula, isto é, se, e somente se, R = I .
Assim, A é invert ı́vel se, e somente se, R = I , isto é, se, e somente se, Aé equivalente por linhas à matriz identidade. Logo, as armaç ões 1. e 2.s ão equivalentes.
Se R = I , temos que A = E− 11 ·. . . ·E− 1k , isto é, A é um produto de matrizeselementares. E se A é um produto de matrizes elementares, ent ão A éinvertı́vel, pois toda matriz elementar é invertı́vel. Logo, as armaç ões 1.e 3. s ão equivalentes.
Corol ário 5.2
Se A é uma matriz n × n invert ı́vel e se uma seq üência de operaç õeselementares sobre linhas reduz A à matriz identidade I, ent ão a mesmaseq üência de operaç ões sobre linhas, quando aplicada à matriz identi-
dade I, produz A − 1 .
Corol ário 5.3
Sejam A e B matrizes m ×n . Ent ão, B é equivalente por linhas a A se, esomente se, B = PA , onde P é uma matriz invertı́vel m ×m .Teorema 5.4
Seja A uma matriz n ×n . As seguintes armaç ões s ão equivalentes:
1. A é invertı́vel.
2. O sistema homog êneo AX = 0 possui apenas a soluç ão trivial X = 0.
J. Delgado - K. Frensel 21 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
28/362
Matrizes Invertı́veis
3. O sistema de equaç ões AX = Y possui uma ´ unica soluç ão X paracada matriz Y n ×1.
Prova.Pelo teorema 3.6 , a armaç ão 2. é equivalente a que a matriz A sejaequivalente por linhas à matriz identidade I. Ent ão, pelo teorema 5.3 , asarmaç ões 1. e 2. são equivalentes.
Se A é invers ı́vel, a única soluç ão do sistema AX = Y é X = A − 1Y .
Suponhamos, agora, que AX = Y possui uma soluç ão para cada Y . Seja
R uma matriz reduzida por linhas à forma em escada que seja equivalentepor linhas à matriz A .
Para mostrar que R = I , basta mostrar que a ´ ultima linha de R não é nula.
Seja E =
00...01
e seja P uma matriz n ×n invertı́vel, tal que R = PA . Como,
por hip ótese, o sistema AX = P− 1E tem soluç ão, o sistema RX = PAX = Etem soluç ão. Logo, a ´ultima linha de R não é nula. Isto é, R = I.
Assim, pelo teorema 5.3 , A é invertı́vel.
Corol ário 5.4
Uma matriz quadrada com inversa à esquerda ou à direita é invertı́vel.
Prova.Seja A uma matriz n × n . Suponhamos que A possui uma inversa à
esquerda, isto é, uma matriz B tal que BA = I. Ent ão, o sistema AX = 0possui somente a soluç ão trivial, pois X = IX = ( BA )X = B(AX) = B0 = 0.
Portanto, A é invertı́vel.
Suponhamos agora que A possui uma inversa à direita, isto é, uma matriz
C tal que AC = I. Ent ão C possui uma inversa à esquerda e é, portanto,
invert ı́vel, com inversa A = C− 1 . Logo, A é invert ı́vel com inversa C .
Corol ário 5.5
Seja A = A1A2
· · ·Ak , onde A1 , . . . , A k s ão matrizes n
× n . Ent ão, A é
invertı́vel se, e somente se, cada A j é invertı́vel.
J. Delgado - K. Frensel 22 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
29/362
Matrizes Inver tı́veis
Prova.J á provamos que o produto de duas matrizes invert ı́veis é invert ı́vel. Ent ão,por induç ão, podemos provar que o produto de um n´ umero nito de matri-zes invertı́veis é invertı́vel.
Suponhamos agora que A é invertı́vel e que X é uma soluç ão do sistema
Ak X = 0. Ent ão, AX = ( A1A2 · · ·Ak − 1)Ak X = 0.Como A é invert ı́vel, temos que X = 0. Logo, o sistema Ak X = 0 possuiapenas a soluç ão trivial e A k é, portanto, invertı́vel.
Como A1 · · ·Ak − 1 = AA − 1k é invert ı́vel, temos, usando o argumento ante-rior, que A k − 1 é invertı́vel.
Assim, podemos provar por induç ão, que cada matriz A j é invertı́vel.
Seja R uma matriz reduzida por linhas à forma em escada equiva-lente por linhas à matriz A e seja P uma matriz invertı́vel tal que R = PA .Ent ão, X é uma soluç ão do sistema AX = Y se, e somente se, X é umasoluç ão do sistema RX = PY .
Seja A a matriz completa do sistema AX = Y com escalares ar-bitrários y 1 , . . . , y m na última coluna.
Se efetuarmos sobre A uma seq üência de operaç ões elementaressobre linhas que reduza A a R, torna-se- á evidente o que é a matriz P.
Em particular, se A é uma matriz quadrada, esse processo mostrar áse A é invertı́vel ou n ão e, se for invertı́vel, qual é a inversa P .
Exemplo 5.2
Seja K o corpo dos n úmeros racionais e seja A = 2 − 11 3
.
Ent ão,
2 − 1 y 11 3 y2
(3)
−→1 3 y22 − 1 y1
(2)
−→1 3 y20 − 7 y 1 − 2y 2
(1)
−→1 3 y20 1 (− y1 + 2y 2 )/7
(2)
−→1 0 (3y 1 + y2) /70 1 (− y1 + 2y 2 )/7
Ent ão, A é invers ı́vel e A− 1
= 3/7 1/7− 1/7 2/7
J. Delgado - K. Frensel 23 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
30/362
Matrizes Inver tı́veis
Como P = Ek · . . . · E1 é o produto das matrizes elementares quecorrespondem às operaç ões elementares efetuadas sobre as linhas de Apara se obter R, podemos trabalhar com duas seq¨ uências de matrizes,uma descrevendo a reduç ão de A à matriz R e a outra registrando o efeitoda mesma seq üência de operaç ões sobre a matriz identidade para obtera matriz P.
Exemplo 5.3
Determinemos a matriz P tal que R = PA é reduzida por linhas à forma
em escada, onde
A =
1 1/2 1/3
1/2 1/3 1/41/3 1/4 1/5 .
Aplicando operaç ões elementares à matriz A e à matriz identidade simul-taneamente, obtemos:
1 1/2 1/31/2 1/3 1/41/3 1/4 1/5
1 0 00 1 00 0 1
↓ (2) + ( 2)
↓1 1/2 1/3
0 1/12 1/120 1/12 1/45
1 0 0
− 1/2 1 0− 1/3 0 1
↓ (2) ↓1 1/2 1/30 1/12 1/120 0 1/180
1 0 0− 1/2 1 01/6 − 1 1
↓ (1) + ( 1) ↓1 1/2 1/30 1 10 0 1
1 0 0− 6 12 030 − 180 180
↓ (2) + ( 2) ↓1 1/2 00 1 00 0 1
− 9 60 − 60− 36 192 − 18030 − 180 180
↓ (2) ↓R = 1 0 00 1 00 0 1
= I P =9 − 36 30
− 36 192 − 18030 − 180 180
Logo, A é invertı́vel e P = A− 1
.
J. Delgado - K. Frensel 27 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
31/362
Matrizes Invertı́veis
J. Delgado - K. Frensel 28 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
32/362
Espaços Vetoriais
1. Espaço Vetorial - deniç ˜ oes e propriedadesb ásicas
Deniç ˜ ao 1.1
Um espaço vetorial sobre o corpo K é um conjunto E, cujos elementoss ão chamados vetores , e um par de operaç ões:
Lembre que ...Os elementos do corpo K s ão
chamados escalares .adiç ão: + x ∈ E , y ∈ E =
⇒
x + y ∈ Emultiplicaç ão por escalares: · λ ∈K , x ∈ E =
⇒
λ ·x ∈ E,com as seguintes propriedades:
1. (x + y) + z = x + ( y + z ) , ∀x,y,z ∈ E (propriedade associativa da adiç ão).2. x + y = y + x , ∀x, y ∈ E (propriedade comutativa da adiç ão).3. Existe 0 ∈ E, tal que x + 0 = x , ∀x ∈ E (0 é o vetor nulo).4. Para cada x ∈ E, existe (− x) ∈ E, tal que, x + (− x) = 0 (o vetor (− x) é
o sim étrico ou inverso aditivo de x).
5. (λ + µ )x = λx + µx , ∀x ∈ E, ∀λ, µ ∈K.6. λ(x + y) = λx + λy , ∀x, y ∈ E, ∀λ ∈K.7. 1 ·x = x, ∀x ∈ E.8. (λµ )x = λ(µx ) , ∀x ∈ E, ∀λ, µ ∈K.
Observaç ˜ ao 1.1
1. O vetor nulo 0 é único, isto é, se 0
∈
E é tal que 0 + x = x,
∀x
∈ E,
ent ão 0 = 0.
29
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
33/362
Espaço Vetorial - deniç ˜ oes e propriedades b ásicas
De fato, 0 = 0 + 0 = 0.
2. λ ·0 = 0, para todo λ ∈K.Com efeito,
λ0 = λ(0 + 0) = λ0 + λ0=
⇒ 0 = λ0 + (− λ0) = ( λ0 + λ0) + (− λ0) = λ0 + ( λ0 + (− λ0))
=
⇒ 0 = λ0 + 0 = λ0.
3. 0 ·x = 0, ∀x ∈ E.Note que ...0 representa o zero do corpoK , enquanto 0 é o vetor nulo
do espaço vetorial E . De fato,
0
·x = ( 0 + 0)
·x = 0
·x + 0
·x
=
⇒ 0 = 0 ·x + (− 0 ·x) = ( 0 ·x + 0 ·x) + (− 0 ·x)
= 0 ·x + ( 0 ·x + (− 0 ·x)) = 0 ·x + 0 = 0 ·x.4. Sejam λ ∈ K e x ∈ E. Ent ão, λx = 0 se, e somente se, λ = 0 ou
x = 0.
Para vericar essa armaç ão, suponha que λx = 0, com λ = 0.Ent ão,
0 = λ− 1 (λx ) = ( λ− 1λ)x = 1 ·x = x.5. Para cada x ∈ E existe um ´unico vetor y ∈ E, tal que x + y = 0.
De fato, y = y + 0 = y +( x +(− x)) = ( y + x)+(− x) = 0 +(− x) = − x .
6. (− 1)x = − x, ∀x ∈ E.Para vericar essa armaç ão, considere a seguinte cadeia de igual-dades:
0 = 0x = ( 1 + (− 1)) x = 1x + (− 1)x = x + (− 1)x =
⇒
(− 1)x = − x .
Deniç ˜ ao 1.2
Designamos por x − y o vetor x + (− y) .
Exemplo 1.1
1. Seja K um corpo. O conjuntoKn = {(x1 , x2 , . . . , x n ) | x1 , x2 , . . . , x n ∈K},
é o espaço vetorial das n − úplas sobre K, com as operaç ões deadiç ão e multiplicaç ão por escalares de K denidas por:
J. Delgado - K. Frensel 30 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
34/362
Espaço Vetorial - deniç ˜ oes e propriedades b ásicas
+ : (x1 , . . . , x n ) + ( y1 , . . . , y n ) = ( x1 + y1 , . . . , x n + yn )
· : λ ·(x1 , . . . , x n ) = ( λx 1 , . . . , λ x n ) .Neste espaço, o vetor nulo é 0 = ( 0 , . . . , 0 ) .Se K = R, ent ão Kn = Rn , se K = C, ent ão Kn = Cn etc.
2. O conjunto das matrizes m ×n com entradas no corpo K:Km × n = {A | A = ( A ij ) ij é uma matriz com A ij ∈K}
Note que ...K 1 × n se identica com K n .é um espaço vetorial com as operaç ões:
+ : (A + B) ij = A ij + Bij
· : (λ ·A) ij = λA ij .
3. Seja S um conjunto n ão-vazio e K um corpo. O conjunto das funç ˜ oes de S em K:
F (S, K) = {f : S →K}é um espaço vetorial com as operaç ões dadas por:+ : (f + g)( p) = f ( p) + g( p) , ∀ p ∈ S· : (λ ·f )( p) = λ ·f ( p) , ∀λ ∈K, ∀ p ∈ S .
Em geral ...Voc ê pode vericar que se S é
um conjunto n ão-vazio e E éum espaço vetor ial, ent ão o
conjunto F (S,E ) que consistedas aplicaç ões
f : S →Eé um espaço vetorial com asoperaç ões de adiç ão e
multiplicaç ão por escalares
herdadas das operaç õescorrespondentes que fazemde E um espaço vetorial.
Neste caso, o vetor nulo é a funç ão zero:
O( p) = 0,
∀ p
∈ S e, para
cada f ∈ F (S, K) , a funç ão − f ∈ F (S, K) que a cada p ∈ S fazcorresponder o escalar (− f )( p) = −( f ( p)) , é o inverso aditivo de f .
Observe que os espaços vetoriais dos itens 1. e 2. são casos parti-culares deste exemplo (item 3.). De fato,
• no item 1. o conjunto S é {1 , 2 , . . . , n };• no item 2. o conjunto S é {( i, j ) | 1 ≤ i ≤ m , e 1 ≤ j ≤ n }.
4. O conjunto das funç ões polinomiais na indeterminada x com coeci-entes sobre o corpo KK[x ] = { p(x) = c0 + c1x + . . . c n xn | c0 , c 1 , . . . , c n ∈K , n ∈N},
é um espaço vetorial com as operaç ões denidas como no item 3.
Atividade.1. O conjunto K n [x ] que
consiste das funç õespolinomiais na indeterminadax , grau menor ou igual a n e
com coecientes sobre ocorpo K é um espaço
vetorial?2. O conjunto K [x,y ] que
consiste dos polin ômios nasindeterminadas x e y com
coecientes no corpo K é umespaço vetorial? O que podedizer sobre o caso em que o
grau é menor ou igual a n ?
3. Generalize as conclus õesde 2. para o conjunto dos
polinômios com umaquantidade nita deindeterminadas.
Justique suas respostas.
5. Se F é um subcorpo de K, ent ão K é, de maneira natural, umespaço vetorial sobre F . Em particular, todo corpo é um espaçovetorial sobre si mesmo.
Por exemplo
J. Delgado - K. Frensel 31 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
35/362
Espaço Vetorial - deniç ˜ oes e propriedades b ásicas
•C é um espaço vetorial sobre R,•R é um espaço vetorial sobre Q,
•C é um espaço vetorial sobre Q,•C é um espaço vetorial sobre C etc.
Observaç ˜ ao 1.2
As propriedades associativa e comutativa da adiç ão de vetores implicam
que uma soma envolvendo um certo n úmero de vetores independe damaneira pela qual estes vetores est ão combinados ou associados. Logo,se v1 , . . . , v n s ão vetores em E, a soma deles pode ser escrita, sem am-bigüidade, como
v1 + v2 + · · ·+ vn .Deniç ˜ ao 1.3
Um vetor β do espaço vetorial E é uma combinaç ˜ ao linear dos vetores
v1 , v2 , . . . , v n ∈ E, se existem escalares c1 , c 2 , . . . , c n ∈K, tais que
β = c1 v1 + c2 v2 + . . . + cn vn ˙
Observaç ˜ ao 1.3
Usando as propriedades associativa e comutativa da adiç ão e as proprie-
dades distributivas da multiplicaç ão por escalares, obtemos:n
i = 1
c i vi +n
i = 1
d i vi =n
i = 1
(c i + d i ) vi ,
cn
i = 1
c i vi =n
i = 1
(cc i ) vi .
J. Delgado - K. Frensel 32 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
36/362
Subespaço Vetorial
2. Subespaço Vetorial
Deniç ˜ ao 2.1
Seja E um espaço vetorial sobre o corpo K. Um subconjunto F ⊂ E éum subespaço vetorial de E se F for um espaço vetorial sobre K com asoperaç ões de adiç ão de vetores e multiplicaç ão de vetores por escalaresque fazem de E um espaço vetorial. Ou seja, F ⊂ E é um subespaçovetorial de E se:
1. 0 ∈ F;2. v ∈ F =⇒
− v ∈ F;3. u ∈ F e v ∈ F =
⇒ u + v ∈ F;
4. λ ∈K e v ∈ F =⇒
λv ∈ F.Proposiç ˜ ao 2.1
Um subconjunto n ão-vazio F ⊂ E é um subespaço vetorial de E se, esomente se, λv + w
∈ F,
∀ v, w
∈ F,
∀λ
∈K.
Prova.( =
⇒) é evidente.
(
⇐= ) Como F = ∅, seja v ∈ F. Logo, (− 1) v + v = 0 ∈ F.
Sejam w ∈ F e λ ∈K. Ent ão, λw + 0 = λw ∈ F .Em particular, − w = (− 1) w ∈ F.Finalmente, se v, w
∈ F, ent ão 1v+ w = v+ w
∈ F. Logo, F é um subespaço
vetorial de E.
Exemplo 2.1
1. E é um subespaço de E.
2. F = {0} é um subespaço de E, denominado o subespaço nulo de E.
3. O espaço K[x ] das funç ões polinomiais com coecientes no corpo Ké um subespaço do espaço de todas as funç ões de K em K.
J. Delgado - K. Frensel 33 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
37/362
Subespaço Vetorial
4. Uma matriz n ×n A sobre o corpo K é dita sim ´ etrica se Aij = Aji ,∀i, j ∈ {1 , . . . , n }.
As matrizes sim étricas formam um subespaço do espaço vetorialKn × n das matrizes n ×n sobre o corpo K.
5. Uma matriz n ×n A sobre o corpo C dos n úmeros complexos é her- mitiana se Ajk = Akj , ∀j, k ∈ {1 , . . . , n }. Se A é uma matriz hermiti-ana, todas as entradas da diagonal A 11 , A22 , . . . , A nn , s ão n úmerosreais.
• O conjunto das matrizes hermitianas n ×n não é um subespaçodo espaço das matrizes n ×n sobre o corpo C, pois, por exemplo, amatriz identidade I é hermitiana, mas iI não é.• O conjunto das matrizes hermitianas n ×n é um espaço vetorialsobre o corpo R dos n úmeros reais.
Lema 2.1
Se A é uma matriz m
× n sobre K e B, C são matrizes n
× p sobre K,
ent ãoA(λB + C) = λ(AB ) + AC ,
onde λ ∈K é um escalar qualquer.Prova.
[A(λB + C)]ij =n
k = 1
A ik (λB + C)kj
=n
k = 1A ik (λB kj + Ckj )
=n
k = 1
(λA ik Bkj + A ik Ckj )
= λn
k = 1
A ik Bkj +n
k = 1
A ik Ckj
= λ[AB ]ij + [ AC ]ij .
J. Delgado - K. Frensel 34 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
38/362
Subespaço Vetorial
Exemplo 2.2
Seja A uma matriz m ×n sobre K.
O subconjunto {X ∈Kn × 1
| AX = 0} é um subespaço de Kn × 1
.De fato:
• Se AX = AY = 0, ent ão A (λX + Y ) = λAX + AY = 0, ∀λ ∈K.• Se X = 0, ent ão AX = 0.Proposiç ˜ ao 2.2
A interseç ão de uma coleç ão arbitr ária {Fα }α∈I de subespaços de E é um
subespaço de E.
Prova.Seja F = ∩α∈I Fα . Como 0 ∈ Fα , ∀α ∈ I , temos que 0 ∈ F. Logo, F = ∅.Se v, w ∈ F, ent ão v, w ∈ Fα , ∀α ∈ I .Logo, λv + w ∈ Fα , ∀α ∈ I , ou seja, λv + w ∈ F, ∀λ ∈K e ∀ v, w ∈ F.
Deniç ˜ ao 2.2
Seja S
⊂ E um subconjunto. O subespaço de E gerado por S é a interseç ão
de todos os subespaços de E que cont ém S.
Isto é, o subespaço de E gerado por S é o menor subespaço de E quecont ém S.
Observaç ˜ ao 2.1
O subespaço gerado por S = ∅ é o subespaço nulo. O ´ unico vetor desse
subespaço é o vetor nulo, 0.
Proposiç ˜ ao 2.3
Seja S ⊂ E um subconjunto n ão-vazio. Ent ão o subespaço F gerado por Sé o conjunto de todas as combinaç ões lineares de vetores em S.
Prova.Seja W o conjunto de todas as combinaç ões lineares de vetores de S.Seja λ ∈K e consideremos as combinaç ões lineares:
v = α 1 v1 + . . . + α k vk , w = β 1 w1 + . . . + β l w l ∈ W,
onde vi ∈ S, ∀i ∈ {1 , . . . , k } e w j ∈ S, ∀j ∈ {1 , . . . , l }.J. Delgado - K. Frensel 35 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
39/362
Subespaço Vetorial
Ent ão, para λ ∈K, temosλv + w = λα 1 v1 + . . . + λα k vk + β 1 w1 + . . . + β l w l ∈
W ,
pois λv + w é uma combinaç ão linear de vetores em S.
Como W = ∅, já que S ⊂ W e S = ∅, temos que W é um subespaço deE que cont ém S. Logo, F ⊂ W .Seja v ∈ W . Ent ão,
v = α 1 v1 + . . . + α k vk ,
onde vi ∈ S, ∀i ∈ {1 , . . . , n }. Como S ⊂ F e F é um subespaço de E, temosque v ∈ F. Logo, W ⊂ F. Assim, F = W .
Exemplo 2.3
Seja E = K[x ] o espaço vetorial das funç ões polinomiais de K em K e sejaS = {f n (x) = xn | n ∈N}. Ent ão, E é o subespaço gerado por S.Deniç ˜ ao 2.3
Sejam S1 , . . . , S k subconjuntos do espaço vetorial E. O conjunto formado
por todas as somas da forma v1 + v2 + . . . + vk , vi
∈ Si , i = 1, . . . , k .
é chamado a soma dos subconjuntos S1 , . . . , S k , e se designa porS1 + S2 + . . . + Sk .
Proposiç ˜ ao 2.4
Se W 1 , . . . , W k s ão subespaços do espaço vetorial E, ent ão W 1 + . . . + W k
é um subespaço de E.
Além disso, W 1 + . . . + W k é o subespaço gerado pelo conjunto
S =k
i = 1
W i .
Prova.Sejam v, w ∈ W 1 + . . . + W k .Ent ão, existem vetores vi , w i ∈ W i , 1 ≤ i ≤ k , tais que
v = v1 + . . . + vk e w = w 1 + . . . + wk .
Logo, o vetor
λv + w = ( λv 1 + w1) + . . . + ( λv k + wk )
J. Delgado - K. Frensel 36 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
40/362
Subespaço Vetorial
pertence a W 1 + . . . + W k , já que λv i + w i ∈ W i , ∀i = 1, . . . , k . Alémdisso, como W 1 + . . . + W k = ∅, já que 0 ∈ W 1 + . . . + W k , temos queW 1 + . . . + W k é um subespaço de E.
Seja W o subespaço gerado pelo conjunto S =k
i = 1
W i . Ent ão, W é o
conjunto de todas as combinaç ões lineares de vetores em S.
Como
S =k
i = 1
W i ⊂ W 1 + . . . + W k
e W 1 + . . . + W k é um subespaço, temos queW ⊂ W 1 + . . . + W k .
Além disso, como todo vetor em W 1 + . . . + W k é uma combinaç ão linearde vetores em S, temos que
W 1 + . . . + W k ⊂ W .
Logo, W = W 1 + . . . + W k .
J. Delgado - K. Frensel 37 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
41/362
Bases e Dimens ˜ ao
3. Bases e Dimens ˜ ao
Deniç ˜ ao 3.1
Seja E um espaço vetorial sobre o corpo K. Dizemos que um subcon- junto S ⊂ E é linearmente dependente (LD) se existem vetores distintos v1 , . . . , v n em S e escalares λ1 , . . . , λ n ∈
K, não todos nulos, tais queλ1 v1 + . . . + λn vn = 0.
Um conjunto S que n ão é linearmente dependente é dito linearmente in- dependente (LI). Isto é, S é LI se para toda coleç ão de vetores distintos v1 , . . . , v n em S e escalares λ1 , . . . , λ n em K, vale a implicaç ão:
λ1 v1 + . . . + λn vn = 0 =
⇒ λ1 = λ2 = . . . = λn = 0.
Observaç ˜ ao 3.1
• Todo subconjunto S ⊂ E que cont ém o vetor nulo é LD, pois 1 ·0 = 0.
• Todo conjunto que cont ém um conjunto LD é LD.• Todo subconjunto de um conjunto LI é LI.
Deniç ˜ ao 3.2Seja E um espaço vetorial. Uma base de E é um conjunto linearmente
independente de vetores em E que geram o espaço E.
Deniç ˜ ao 3.3
Dizemos que um espaço vetorial tem dimens ˜ ao nita se ele possui uma
base nita.
Verique a armaç ão! −→Observaç ˜ ao 3.2
Um subconjunto { v1 , . . . , v n } ⊂ E é uma base de E se, e somente se, todovetor v ∈ E se expressa, de modo ´ unico, como combinaç ão linear dosvetores v1 , . . . , v n , ou seja, existem escalares únicos λ1 , . . . , λ n ∈ E, taisque v = λ1 v1 + . . . + λn vn .
Exemplo 3.1
Seja K um corpo e seja S o subconjunto de Kn formado pelos vetores
J. Delgado - K. Frensel 38 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
42/362
Bases e Dimens ˜ ao
e1 = ( 1 ,0 ,0 , . . . , 0 ,0 )e2 = ( 0 ,1 ,0 , . . . , 0 ,0 )...
...en = ( 0 ,0 ,0 , . . . , 0 ,1 ) .
Se x1 , . . . , x n s ão escalares em K, o vetorx1e1 + . . . + xn en é o vetor (x1 , . . . , x n ) .
Assim, S gera Kn . Comox1e1 + . . . x n en = ( 0 , . . . , 0 )
se, e somente se, x1 = x2 = . . . = xn = 0, S é LI. Logo, S é uma base deKn , conhecida como a base can ˆ onica de Kn .
Exemplo 3.2
Seja K um corpo e Km × n o espaço das matrizes m ×n com entradas nocorpo K.
Considere as matrizes A ij que tem 1 na entrada i, j e zero nas demais.
Se B ∈Km × n , ent ãoB =
i,j
Bij A ij .
Logo, o conjunto {A ij | 1 ≤ i ≤ m e 1 ≤ j ≤ n } é LI e gera o espaço Km × n .
Exemplo 3.3
Seja P uma matriz invert ı́vel n × n sobre o corpo K. Ent ão, as colunasP1 , . . . , P n formam uma base do espaço das matrizes colunas Kn × 1 .
De fato, se X é uma matriz coluna n
×1, ent ão
PX = x1P1 + . . . + xn Pn .
Como PX = 0 admite apenas a soluç ão trivial X = 0, {P1 , . . . , P n } é LI.
Seja Y ∈Kn × 1 e seja X = P− 1Y . Ent ão,Y = PX = x1P1 + . . . + xn Pn , onde X =
x1...
xn.
Assim, {P1 , . . . , P n } gera o espaço Kn × 1 .
Portanto, {P1 , . . . , P n } é uma base nita de Kn × 1 .
J. Delgado - K. Frensel 39 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
43/362
Bases e Dimens ˜ ao
Exemplo 3.4
Seja A uma matriz n ×n com entradas no corpo K e sejaS = {X
∈Kn × 1 | AX = 0},
o conjunto de todas as soluç ões do sistema linear homog êneo AX = 0.
Seja R uma matriz reduzida por linhas à forma em escada que seja equi-valente por linhas à matriz A . Ent ão,
Verique que ...O conjunto S é um subespaço
de K n × 1 conhecido como o
espaço soluç ˜ ao ou espaço das soluç ˜ oes do sistemalinear homog êneo AX = 0.
S = {X ∈Kn × 1 | RX = 0}.Seja r o número de linhas n ão-nulas da matriz R, e suponhamos queas primeiras entradas n ão-nulas das linhas n ão-nulas de R ocorram nascolunas k 1 < . . . < k r .
Seja J = {1 , . . . , n } − {k 1 , . . . , k n } o conjunto dos n − r ı́ndices distintos dek 1 , . . . , k r .
Ent ão, o sistema RX = 0 tem a forma
xk1 +j∈J
c1j x j = 0
... ...
xkr +j∈J
c rj xj = 0,
onde c ij ∈K.Todas as soluç ões s ão obtidas atribuindo valores arbitr ários aos xj com
j ∈ J e calculando os valores correspondentes de xk1 , . . . , x kr .Para cada j ∈ J, seja Ej a soluç ão obtida colocando xj = 1 e xi = 0 paratodo i ∈ J − {j}.Armaç ˜ ao: os vetores Ej , j ∈ J, formam uma base de S.Como a matriz coluna E
j possui um 1 na linha j e zero nas outras linhas
indexadas por elementos de J, temos que {Ej | j ∈ J} é um conjunto LI, j áque
j∈J
x j Ej = 0 se, e somente se, xj = 0 ∀j ∈ J .
Seja T =t 1. . .t n
uma matriz coluna que est á no espaço soluç ão S. Ent ão,
N =
j∈J
t j Ej ,
J. Delgado - K. Frensel 40 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
44/362
Bases e Dimens ˜ ao
tamb ém est á no espaço soluç ão e é uma soluç ão tal que t j ocupa a
j− ésima linha, para todo j ∈ J.
Como s ó existe uma soluç ão tal que xj = t j para todo j ∈ J, temos queT = N .Logo, {Ej | j ∈ J} gera S.Com isso provamos que {Ej | j ∈ J} é uma base de S e que esse espaçotem dimens ão nita.
Deniç ˜ ao 3.4
Seja E um espaço vetorial de dimens ão nita e seja { v1 , . . . , v n } uma base
de E. Ent ão, por deniç ão, a dimens ˜ ao de E, designada por dim (E) , é
dim E def= n .
Demonstremos que o n úmero dim E est á bem denido, isto é, todasas bases de E possuem a mesma quantidade de vetores.
Lema 3.1
Seja { u 1 , . . . , u } um conjunto LI de vetores do espaço vetorial E tal que
todo u i é combinaç ão linear dos vetores w 1 , . . . , w m de E. Ent ão, ≤ m .Prova.Vamos provar o lema usando induç ão em m .
1. Se m = 1, existem λ1 , . . . , λ ∈ K, tais que u i = λi w1 , para todo1 ≤ i ≤ .Como u i = 0 para todo i, pois { u 1 , . . . , u } é LI, temos que λi = 0 paratodo i ∈ {1 , . . . , }.Suponhamos, por absurdo, que > 1.
Ent ão,1
λ1 u 1 + −
1λ2
u 2 + 0u 3 + . . . + 0u = w 1 + (− w1) = 0,
o que é um absurdo, j á que { u 1 , . . . , u } é LI.
2. Suponhamos que o lema vale para m − 1 e vamos provar que vale,tamb ém, para m .
Cada vetor u i do conjunto linearmente independente { u 1 , . . . , u } é combinaç ão
J. Delgado - K. Frensel 41 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
45/362
Bases e Dimens ˜ ao
linear dos vetores w1 , . . . , w m , isto é, existem λ( j)i ∈ K, 1 ≤ i ≤ m ,
1 ≤ j ≤ , tais que
u 1 = λ(1)
1 w1 + . . . + λ(1)
m wm u 2 = λ
(2)1 w1 + . . . + λ
(2)m wm
... ...
u = λ( )1 w1 + . . . + λ( )m wm
Se λj1 = 0 para todo j = 1, . . . , , temos que todo u i , i = 1, . . . , , é
combinaç ão linear dos vetores w2 , . . . , w m . Logo, pela hip ótese de induç ão,
≤ m − 1 ≤ m .Podemos supor ent ão, sem perda de generalidade, que λ11 = 0.
Sejam a = 1
λ (1)1e
vj = u j − aλj1 u 1 , j = 2, . . . , .
Ent ão, vj = β(j )2 w2 + . . . + β
( j)m wm , onde β
(j )i ∈K, i = 2, . . . , m e j = 2, . . . , .
Isto é, cada vj é uma combinaç ão linear de w 2 , . . . , w m .
Se provarmos que { v2 , . . . , v } é LI teremos, pela hip ótese de induç ão,− 1 ≤ m − 1 =
⇒ ≤ m .
Sejam µ 2 , . . . , µ ∈K tais que
µ 2 v2 + . . . + µ v = 0 .
Ent ão,
0 = µ 2 u 2 + . . . + µ u − a (µ 2λ(2)1 + . . . + µ λ
( )1 ) u 1 .
Como { u 1 , . . . , u } é LI, temos que µ 2 = . . . = µ = 0.
Logo, { v2 , . . . , v } é LI.
Como conseq¨ uência do lema anterior, temos o seguinte lema.
Lema 3.2
Sejam { w1 , . . . , w m } um conjunto gerador e { u 1 , . . . , u } um conjunto LI do
espaço vetorial E. Ent ão ≤ m .Teorema 3.1
Sejam { v1 , . . . , v n } e { w1 , . . . , w m } bases de um espaço vetorial E. Ent ão,m = n .
J. Delgado - K. Frensel 42 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
46/362
Bases e Dimens ˜ ao
Prova.Como { v1 , . . . , v n } é um conjunto LI de vetores de E e { w1 , . . . , w m } é umconjunto gerador de E, temos n
≤ m .
Analogamente, como { v1 , . . . , v n } é um conjunto gerador de E e { w1 , . . . , w m }
é um conjunto LI de vetores de E, temos n ≥ m .Portanto, n = m .
Exemplo 3.5
1. O espaço vetorial Kn sobre o corpo K tem dimens ão n : dim Kn = n .
Em particular, o espaço Cn sobre o corpo C tem dimens ão n e oespaço Rn sobre o corpo R tem dimens ão n .
2. O espaço vetorial Km × n das matrizes m ×n com entradas no corpoK tem dimens ão mn .
3. Se A é uma matriz m ×n , ent ão o espaço soluç ão do sistema ho-mog êneo AX = 0 tem dimens ão n − r , onde r é o n úmero de linhasnão-nulas de uma matriz linha reduzida à forma em escada e equi-valente por linhas a A .
Exemplo 3.6
Seja S um conjunto qualquer e F (S, K) o conjunto de todas as funç ões deS em K.
Sabemos, pelo item 3. do exemplo 1.1 , que F (S, K) é um espaço vetorialsobre o corpo K.
Armaç ˜ ao: F (S, K) tem dimens ão nita se, e somente se, S é um con- junto nito. Nesse caso, dim F (S, K) = #S, onde # S é o n úmero de ele-mentos de S.
De fato,
(
⇐= ) Suponhamos que S = { p1 , . . . , p n } é um conjunto nito.
Sejam f i : S
→K, i = 1, . . . , n , as funç ões denidas por:
f i ( p j ) = δij , j = 1, . . . , n .
Se f ∈ F (S, K) , ent ão,J. Delgado - K. Frensel 43 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
47/362
Bases e Dimens ˜ ao
f = f ( p1)f 1 + . . . + f ( pn )f n .
E se f = λ1f 1 + . . . + λn f n , ent ãof ( p
i) = λ
1f
1( p
i) + . . . + λ
nf
n( p
i) = λ
if
i( p
i) = λ
i,
para todo i = i, . . . , n .
Logo, todo f ∈ F (S, K) se escreve de modo ´ unico como combinaç ão lineardas funç ões f 1 , . . . , f n .
Assim, {f 1 , . . . , f n } é uma base de F (S, K) e dim F(S, K) = n = #S.( =
⇒
) Se F (S, K) tem dimens ão nita, todo subconjunto LI de F (S, K)tem um n´umero nito de elementos.
Suponhamos, por absurdo, que S tem uma innidade de elementos.Consideremos o conjunto
T = {f p : S →K | f p ( p) = 1 e f p (q ) = 0 , ∀q ∈ S − { p}}.O conjunto T é LI, pois, se p 1 , . . . , p n ∈ S s ão elementos distintos em S eλ1 , . . . , λ n s ão escalares em K tais que λ1f p 1 + . . . + λn f p n = 0, ent ão
λ1f p 1 ( p i ) + . . . + λn f p n ( p i ) = 0,,
para i = 1, . . . , n . Como
λ1f p 1 ( p i ) + . . . + λn f p n ( p i ) = λ i f p i ( p i ) = λ i ,temos que λ i = 0, para todo i = 1, . . . , n .
Assim, T é innito e LI, que contradiz o fato de F (S, K) ter dimens ão nita.
Exemplo 3.7
Seja K um subcorpo do corpo dos n úmeros complexos C, e seja E oespaço vetorial das funç ões polinomiais sobre K. Isto é, E é o conjuntodas funç ões f : K→K da formaf (x) = c0 + c1x + . . . + cn xn ,onde n ∈N e c0 , . . . , c n ∈K.Observe que E é um subespaço vetorial do espaço F (K, K) de todas asfunç ões de K em K.
Considere as funç ões polinomiais fk (x) = xk , k ∈ N. O conjunto innito {f 0 , f 1 , . . . , f k , . . . } é uma base de E.
De fato, dado f (x) = c0 + c1x + . . . + cn xn em E, temos que
J. Delgado - K. Frensel 44 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
48/362
Bases e Dimens ˜ ao
f = c0f 0 + c1f 1 + . . . + cn f n .
Ent ão, o conjunto {f k | k ∈N} gera o espaço E.Além disso, conjunto {f k | k ∈N} é LI, pois se c0f 0 + c1f 1 + . . . + cn f n = 0,ou seja,
c0 + c1x + . . . + cn xn = 0, ∀x ∈K,temos que c0 = c1 = . . . = cn = 0, já que um polin ômio de grau n comcoecientes complexos tem no m áximo n raı́zes.
Observamos que o espaço E não tem uma base nita, pois se tivesse,todo conjunto LI de vetores de E teria uma quantidade nita de elementos.
Assim, E tem dimens ão innita.
Observaç ˜ ao 3.3
Convencionamos que o espaço nulo {0} (gerado pelo conjunto vazio) tem
dimens ão zero.
Lema 3.3
Seja { w1 , . . . , w m } ⊂ E um conjunto LI e seja w ∈ E.Ent ão, { w, w 1 , . . . , w m } é LI se, e somente se, w não é combinaç ão lineardos vetores w 1 , . . . , w n .
Prova.( =
⇒) Suponhamos que w é uma combinaç ão linear de w1 , . . . , w m . Ent ão,
existem λ1 , . . . , λ m ∈K tais que w = λ1 w1 + . . . + λm wm , ou seja,
1 · w + (− λ1) w1 + . . . + (− λn ) wm = 0 ,Como o coeciente 1 de w é diferente de zero, o conjunto { w, w 1 , . . . , w m }
é LD.
(
⇐= ) Suponhamos que o conjunto { w, w 1 , . . . , w m } é LD. Ent ão, existem
escalares λ, λ 1 , . . . , λ m , não todos nulos, tais queλw + λ1 w1 + . . . + λm wm = 0 .
Se λ = 0, ent ão λ1 w1 + . . . + λm wm = 0, onde os coecientes λ 1 , . . . , λ mnão s ão todos nulos, o que é um absurdo, j á que { w1 , . . . , w m } é LI.
Logo, λ = 0 e w = − λ1
λ w1 + . . . + − λmλ wm ,
J. Delgado - K. Frensel 45 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
49/362
Bases e Dimens ˜ ao
isto é, w é uma combinaç ão linear dos vetores w 1 , . . . , w m .
Teorema 3.2Seja E um espaço vetorial n ão-nulo e seja { u 1 , . . . , u n } um conjunto de
geradores de E. Ent ão { u 1 , . . . , u n } cont ém uma base de E.
Prova.Vamos provar que existe { u i 1 , . . . , u i } ⊂ { u 1 , . . . , u n } tal que:
I. { u i 1 , . . . , u i } é LI.
II. { u j , u i 1 , . . . , u i } não é LI,
∀j
∈ {1 , . . . , n }.
Seja i1∈ {1 , . . . n } tal que u i 1 = 0. Ent ão { u i 1 } é LI.
Se { u i 1 } satisfaz II. o processo termina.
Se { u i 1 } não satisfaz II., ent ão existe i 2∈ {1 , . . . , n } tal que { u i 1 , u i 2 } é LI.
Como esse processo é nito, com no m áximo n etapas, podemos obter { u i 1 , . . . , u i } ⊂ { u 1 , . . . , u n } que satisfaz I. e II..Vamos provar agora que { u i 1 , . . . , u i } é uma base de E.
Como { u j , u i 1 , . . . , u i } não é LI, existem escalares λ (j )1 , . . . , λ ( j)n tais que
u j = λ( j)1 u i 1 + . . . + λ
( j)n u i , para todo j = 1, . . . , n .
Seja v ∈ E. Como { u 1 , . . . , u n }gera o espaço E, existem escalares λ1 , . . . , λ n ,tais que
v = λ1 u 1 + . . . + λn u n .
Logo,
v =n
j= 1
λ j u j =n
j= 1
λ jk = 1
λ ( j)k u i k =k = 1
n
j= 1
λ j λ(j )k u i k ,
isto é, v é uma combinaç ão linear dos vetores u i 1 , . . . , u i .
Logo, { u i 1 , . . . , u i } é uma base de E.
Teorema 3.3
Seja E um espaço vetorial de dimens ão nita n e seja { w1 , . . . , w m } ⊂ Eum subconjunto LI. Ent ão { w1 , . . . , w m } est á contido numa base de E:
{ w1 , . . . , w m , w m + 1 , . . . , w m + k }.
J. Delgado - K. Frensel 46 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
50/362
Bases e Dimens ˜ ao
Prova.Vamos provar que existe um conjunto de vetores { w1 , . . . , w m , w m + 1 , . . . , w m + k }
tal que:
I. é linearmente independente;
II. { w1 , . . . , w m , w m + 1 , . . . , w m + k , w } não é LI, ∀ w ∈ E.• Se o conjunto LI { w1 , . . . , w m } não satisfaz II., existe wm + 1 ∈ E tal que { w1 , . . . , w m , w m + 1} é LI.
Se { w1 , . . . , w m , w m + 1} não satisfaz II., ent ão existe wm + 2 ∈ E tal que { w1 , . . . , w m , w m + 1 , w m + 2} é LI.
Este processo é nito, com no m áximo n − m etapas, pois todo subcon- junto LI de E tem no m áximo n = dim E elementos.
•Como { w1 , . . . , w m , w m + 1 , . . . , w m + k } satisfaz I. e II., temos que este con- junto é LI e { v, w 1 , . . . , w m + k } não é LI, ∀ v ∈ E.Assim, todo v ∈ E é uma combinaç ão linear dos vetores w 1 , . . . , w m + k .Logo, { w1 , . . . , w m , w m + 1 , . . . , w m + k } é uma base de E que cont ém o con-
junto LI { w1 , . . . , w m }.
Corol ário 3.1
Seja E um espaço vetorial sobre o corpo K.
• Se { v1 , . . . , v n } é um conjunto de vetores LI e E tem dimens ão nita,ent ão n ≤ dim E.•Se { v1 , . . . , v n } gera o espaço E, ent ão E tem dimens ão nita e n ≥ dim E.Corol ário 3.2
Seja E um espaço vetorial de dimens ão nita n .
Se { v1 , . . . , v n } é um conjunto de vetores LI ou um conjunto gerador de E,
ent ão é uma base de E.
Prova.
• Suponhamos que { v1 , . . . , v n } é um conjunto LI. Se { v1 , . . . , v n } não geraE, existe w ∈ E tal que { w, v 1 , . . . , v n } é LI. Ent ão, n + 1 ≤ dimE = n , oque é um absurdo.
•Se { v1 , . . . , v n }gera o espaço E, ent ão existe um subconjunto { vi 1 , . . . , v i k }J. Delgado - K. Frensel 47 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
51/362
Bases e Dimens ˜ ao
de { v1 , . . . , v n } que é uma base de E. Como dim E = n = k , temos que { v1 , . . . , v n } é uma base de E.
Teorema 3.4
Seja F um subespaço vetorial de um espaço E de dimens ão nita. Ent ão,
F tem dimens ão nita e dim F ≤ dim E.Além disso, dim F = dim E se, e somente se, F = E.
Prova.Podemos supor que F = {0}.Vamos provar que existem vetores vi
∈
F, i = 1, . . . , k tais que:
I. { v1 , . . . , v k } é LI.
II. { v, v 1 , . . . , v k } não é LI, ∀ v ∈ F.Como F = ∅, existe v1 = 0 em F.Ent ão o conjunto { v1} é LI. Se { v1} não satisfaz II., existe v2 ∈ F tal que { v1 , v2} é LI.
Como todo conjunto LI de E tem no m áximo dim E = n elementos, o
processo p ára em algum k ≤ n .Logo { v1 , . . . , v k } é uma base de F e dim F = k ≤ dim E.Se dim F = dim E = n e { v1 , . . . , v n } é uma base de F, temos que { v1 , . . . , v n }
é uma base de E. Logo E = F.
Teorema 3.5
Sejam F1 e F2 subespaços vetoriais de dimens ão nita de um espaço ve-
torial E. Ent ão F1 + F2 é um subespaço vetorial de dimens ão nita de E,e
dim (F1 + F2 ) = dim F1 + dim F2 − dim(F1 ∩F2) .Prova.Como F1 ∩F2 é um subespaço dos espaços F1 e F2 , F1 ∩F2 tem dimens ãonita.
Se { v1 , . . . , v k } é uma base de F1 ∩F2 , existem w 1 , . . . , w m em F1 , tais que { v1 , . . . , v k , w 1 , . . . , w m } é uma base de F1 e existem u 1 , . . . , u , tais que
{ v1 , . . . , v k , u 1 , . . . , u } é uma base de F2 .
J. Delgado - K. Frensel 48 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
52/362
Bases e Dimens ˜ ao
Armaç ˜ ao: { v1 , . . . , v k , w 1 , . . . , w m , u 1 , . . . , u } é uma base de F1 + F2 .
É claro que o conjunto acima gera o espaço F1 + F2 . Basta, ent ão, vericar
que o conjunto é LI.Sejam λ1 , . . . , λ k , µ 1 , . . . , µ m , δ 1 , . . . , δ escalares tais que
k
i = 1
λ i vi +m
j= 1
µ j w j +s = 1
δs u s = 0 (1)
Como
s= 1
δs u s = − k
i = 1
λ i vi +m
j= 1
µ j w j ∈ F1 ∩F2 ,
existem escalares ρ1 , . . . , ρ k tais que,
s= 1
δs u s =k
i = 1
ρ i vi , ou sejak
i = 1
ρ i vi −s = 1
δs u s = 0.
Ent ão, ρ1 = . . . = ρk = δ1 = . . . = δ = 0, já que { v1 , . . . , v k , u 1 , . . . , u } éuma base de F2 .
Como δ1 = . . . = δ = 0, temos, por (1), quek
i = 1λ i vi +
m
j= 1µ j w j = 0 .
Logo, λ1 = . . . = λk = µ 1 = . . . = λm = 0, já que { v1 , . . . , v k , w 1 , . . . , w m } éuma base de F1 .
Provamos, assim, que { v1 , . . . , v k , w 1 , . . . , w m , u 1 , . . . , u } é uma base deF1 + F2 .
Ent ão,dim (F1 + F2) = k + m + = ( k + m ) + ( k + ) − k ,
ou seja,dim (F1 + F2 ) = dim F1 + dim F2 − dim(F1 ∩F2 ) .
J. Delgado - K. Frensel 49 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
53/362
Coordenadas
4. Coordenadas
Note que...Na deniç ão ao lado, a
palavra seq üência é crucial,pois o seu signicado implicanuma relaç ão de preced ênciaentre os vetores da base. Isto
é, h á o primeiro vetor, osegundo, e assim
sucessivamente e semambig üidade.
Deniç ˜ ao 4.1Se E é um espaço vetorial de dimens ão nita, uma base ordenada de E é
uma seq¨ uência nita de vetores LI que geram E.
Se a seq¨ uência v1 , . . . , v n é uma base ordenada de E, ent ão o con- junto { v1 , . . . , v n } é uma base de E.
Notaç ˜ ao. B = { v1 , . . . , v n }.Dado um vetor v ∈ E, existem escalares únicos λ1 , . . . , λ n ∈K, denomina-dos as coordenadas de v em relaç ˜ ao ` a base ordenada B, tais que
v = λ1 v1 + . . . + λn vn .
• Designamos por [ v ]B a matriz n ×1 cujas entradas s ão as coordenadasde v em relaç ão à base ordenada B. Isto é,
[ v ]B =λ1...
λn
Seja agora B= { v1 , . . . , v n } uma outra base ordenada de E. Ent ão,para cada j = 1, . . . , n , existem escalares A ij ∈K, tais que
vj =n
i = 1
A ij vi .
Sejam λ1 , . . . , λ n as coordenadas de um vetor v em relaç ão à base
ordenada B, isto é, v = λ1 v1 + . . . + λn vn .
Ent ão,
v =n
j= 1
λ j vj
=n
j= 1
λ jn
i = 1
A ij vi
=n
j= 1
n
i = 1
A ij λ j vi
=
⇒ v =
n
i = 1
n
j= 1 A ij λ j vi .
J. Delgado - K. Frensel 50 Instituto de Matem ática - UFF
8/9/2019 Introducción à Álgebra Linear - Delgado & Frensel.pdf
54/362
Coordenadas
Pela unicidade das coordenadas de um vetor em relaç ão a umabase, temos que
λ i =nj= 1 A ij λ j , para todo 1
≤ i
≤ n .
Logo,[ v ]B = A [ v ]B ,
onde A = ( A ij )1≤ ij ≤ n é a matriz cuja j− ésima coluna é A j = [ vj ]B . A
matriz A é chamada matriz de mudança da base B para a base B.Armaç ˜ ao. A matriz A é invert ı́vel.
Com efeito,
• basta mostrar que o sistema homog êneo AX = 0 possui somente asoluç ão trivial.
Se AX = 0, seja v = x1 v1 + . . . + xn vn , onde X =x1...
xn. Ent ão,
[ v ]B = A [ v ]B = AX = 0.
Logo, v = x1 v1 + . . . + xn vn = 0. Como { v1 , . . . , v n } é LI, temos quex1 = . . . = xn = 0, ou seja, X = 0.
Observaç ˜ ao 4.1
Como A é invertı́vel, temos que:
[ v ]B = A − 1 [ v ]B .
Logo, [ vj ]B = A− 1[ vj ]B = A
− 1e j = j− ésima coluna da matriz A − 1 .
Isto é, A − 1 é a matriz de mudança da base Bpara a base B.
Teorema 4.1Sejam B uma matriz n ×n invert ı́vel sobre o corpo K, E um espaço vetorialsobre o corpo K e B = { v1 , . . . , v n } uma b