Mat

eri
als
upl
ement
arpar
aAc
ompanhar
 Materiais de Revisão e Provas

Primeira Prova – A
Instruções: Comece cada grupo de oito problemas em uma nova página em seu caderno de respostas.
Mostre seus cálculos e mencione teoremas quando apropriado.
1. [15 pontos] Encontre a solução geral do sistema de equações homogêneas a seguir. Expresse sua
resposta usando notação vetorial. Use o método desenvolvido em aula. Qual é a figura geométrica
(mental) apropriada para este conjunto solução?

2. [15] Determine quais dos conjuntos de vetores a seguir são linearmente independentes. Justifique
suas respostas.

3. [15] Sejam , e defina T : ℝ2 → ℝ3 por T(x) = Ax.

a. Determine se y está na imagem de T. (Verifique sua aritmética.)

b. T é sobrejetora de ℝ2 em ℝ3? Por quê? (Explique.)
4. [18] a. Complete a definição em palavras: “Se A for uma matriz m × n e x for um vetor em ℝn,
então Ax será ____________________________________________________.”
b. Suponha que A, B e C sejam matrizes n × n com B invertível e I – BAB −1 = C. Resolva essa
equação para A. (Mostre seus cálculos.)
c. Seja T : ℝ2 → ℝ2 uma transformação linear. Suponha que T leve u = em e

T leve v = em . Use essa informação para calcular T(3u + v).

5. [10] Prove o teorema: Se um conjunto {v1, …, vk} em ℝn contiver mais vetores que coordenadas
em cada vetor (ou seja, se k > n), então o conjunto será linearmente dependente.
6. [10] Use a lei de Ohm e a lei de voltagem de Kirchoff para montar uma equação matricial que de-
termine a corrente no circuito, no sistema à direita. (Coloque os elementos da matriz e as coorde-
nadas dos vetores.) Não resolva a equação.

5 volts 10 volts 15 volts

4 ohms 3 ohms 2 ohms 1 ohm

I1 I2 I3

7. [5] Durante cada período de dez anos, 8% das pessoas em determinada cidade se mudam para os
subúrbios adjacentes e o restante permanece na cidade. Além disso, 3% dos moradores nos subúr-
bios se mudam para a cidade e o restante permanece nos subúrbios. Em 1990, existiam 100 mil
residentes na cidade e 200 mil residentes nos subúrbios. Monte uma matriz de migração e use-a
para calcular o vetor população para o ano 2000 (um período de 10 anos).
8. [12] Escreva afirmações oriundas do Teorema da Matriz Invertível, cada uma delas equivalente à
afirmação de que uma matriz A n × n é invertível. Use os seguintes conceitos, um em cada afirma-
ção: (i) a equação Ax = 0, (ii) a transformação x ↦ Ax, (iii) espaço gerado, (iv) posição de pivô.
 Segunda Prova – A
1. [15 pontos] Suponha que A = [a1 a2 … a5] e B = [b1 b2 … b5] sejam equivalentes por linha, em que

a. Encontre uma base para o espaço coluna de A.

b. Diga a dimensão de Lin A, a dimensão de Nul A e o posto de A.
2. [10] Determine se os conjuntos a seguir são subespaços. Justifique suas respostas.

3. [15] Suponha que duas matrizes em bloco satisfaçam a equação a seguir e tenham a forma mostra-
da, na qual A11 e B11 sejam matrizes quadradas. Encontre fórmulas para B11 e B12 em termos de A11
e A12. Mostre os detalhes de seu trabalho e mencione qualquer fato que você use.

4. [20] a. Use informação do escalonamento de A dada a seguir para encontrar a fatoração LU de A.

b. Calcule det A para A como no item (a). Mencione o(s) fato(s) usado(s) sobre determinante para
você obter sua resposta.
c. Como você pode usar a fatoração LU de A para resolver o sistema Ax = b? (Diga as equações
que têm de ser resolvidas e a ordem na qual têm de ser resolvidas.)
5. [15] a. Complete a afirmação do Teorema de Representação Única:

Seja ℬ = {b1, …, bn} uma base para um espaço vetorial V. Então______________.

b. Prove o teorema: O espaço nulo de uma matriz A n × n é um subespaço de ℝn. (Se você não
conseguir começar a demonstração, dê a definição de espaço nulo e as propriedades de um
subespaço.)
6. [10] Explique por que um conjunto linearmente independente de quatro vetores em ℙ3 é uma base
para ℙ3. [Mencione os fatos apropriados do Capítulo 4. Pode ser dada uma resposta aceitável e
curta que não mencione o conceito de isomorfismo.]
7. [15] Escreva um produto de matrizes 3 × 3 que giram pontos de ℝ2 em torno do ponto (−2, 4) de
um ângulo de 60° (no sentido trigonométrico) usando coordenadas homogêneas. Não calcule esse
produto de matrizes, mas escreva-as na ordem apropriada.

2
Terceira Prova – A
1. [15 pontos] Encontre uma base para todos os sinais em tempo discreto que satisfazem

Explique como você sabe que encontrou, de fato, uma base. (Mencione um teorema.)
2. [10] Considere um sistema homogêneo com nove equações lineares e dez incógnitas escrito na
forma Ax = 0. Suponha que existam duas soluções desse sistema que não são múltiplas uma da
outra e todas as outras soluções são combinações lineares dessas duas. O sistema não homogêneo
associado Ax = b terá solução para todas as escolhas possíveis das constantes no vetor à direita do
sinal de igualdade? Justifique sua resposta cuidadosamente. Mencione qualquer teorema usado.
3. [15] Suponha que uma matriz A 2 × 2 tenha autovalores 1,1 e 0,4, com autovetores correspondentes
v1 = e v2 = . Seja {xk} uma solução da equação de diferenças xk+1 = Axk, x0 = .

a. Encontre uma fórmula para xk envolvendo k e os vetores v1 e v2.

b. A origem é um atrator, um repulsor ou um ponto de sela para o sistema dinâmico xk+1 = Axk?
Por quê?
c. Qual é a direção e qual o sentido de maior atração para esse sistema dinâmico?
4. [10] Mostre que, se duas matrizes A e B n × n forem semelhantes, então A2 e B2 também serão se-
melhantes.

5. [10] Seja A = . Explique por que A tem de ser diagonalizável, citando um teorema ou

mais de um. Depois, sem fazer cálculo algum, enuncie parte de um teorema que diz como construir
matrizes P e D que diagonalizam A, e forneça a equação que envolve A, P e D.
6. [10] Encontre a projeção ortogonal de sobre a reta que contém o ponto e a origem.

7. [15] Suponha que A = aja em ℂ2. Um autovetor de A é , correspondente ao

autovalor 2 + 2i. Encontre uma matriz mudança de coordenadas P e use-a para mostrar que A é
semelhante a uma matriz da forma

8. [15] Sejam A = e ℬ = {b1, b2}, em que b1 = e b2 = . Defina T : ℝ2 → ℝ2

por T(x) = Ax. Encontre a matriz de T relativa à base ℬ.

3
 Folha de Revisão para a Primeira Prova – A
A prova será sobre o material discutido em sala e estudado em trabalhos para casa, da Seção 1.1 à Se-
ção 2.3. A lista a seguir mostra as definições e teoremas mais importantes.

Definições:
A definição de Ax, tanto em palavras quanto em símbolos.
ℒ{v}, ℒ{u, v} e interpretação geométrica em ℝ2 ou ℝ3.
ℒ{v1, …, vp}.
Linearmente independente e linearmente dependente.
Transformação linear.
Injetora e sobrejetora (transformação linear).
A definição de um produto matricial AB.

Teoremas:
Capítulo 1:
Teorema 2 (Teorema de Existência e Unicidade).
Teorema 3 (Equação matricial, equação vetorial, sistema de equações lineares).
Teorema 4 (Quando as colunas de A geram ℝm?)
Teorema 5 (Propriedades do Produto Matriz-Vetor Ax).
Teoremas 7, 8, 9 (Propriedades de conjuntos linearmente dependentes).
   Saber as demonstrações dos Teoremas 8 e 9.
Teoremas 11 e 12 (Transformações lineares injetoras e sobrejetoras).

Capítulo 2: Teoremas 4, 5, 6 e 7.
   Saber a demonstração do Teorema 5.
O Teorema da Matriz Invertível.

Habilidades Importantes:
Determinar quando um sistema é consistente. Escrever a solução geral em forma paramétrica vetorial.
Determinar os valores dos parâmetros que tornam um sistema consistente ou tornam a solução única.
Descrever existência ou unicidade de soluções em termos de posições de pivô.
Determinar quando um sistema homogêneo tem uma solução não trivial.
Determinar quando um vetor está em um subespaço gerado por vetores especificados.
Exibir um vetor como combinação linear de vetores especificados.
Determinar se as colunas de uma matriz m × n geram ℝm.
Determinar se as colunas são linearmente independentes.
Escrever as equações paramétricas de uma reta contendo o ponto p e paralela ao vetor a.
Escrever as equações paramétricas de uma reta contendo os pontos p e q.
Escrever a equação de uma reta ou de um plano em forma vetorial paramétrica.
Usar a linearidade da multiplicação matricial para calcular A(u + v) ou A(cv).
Determinar se um conjunto de vetores é linearmente independente. Conhecer diversos métodos que
   podem, às vezes, produzir uma resposta “por inspeção” (sem muitos cálculos).
Determinar se um vetor especificado está na imagem de uma transformação linear.
Encontrar a matriz canônica de uma transformação linear.
Determinar se uma transformação linear T : ℝn → ℝm é injetora ou sobrejetora.
Usar uma matriz inversa para resolver um sistema de equações lineares.
Usar álgebra matricial para resolver equações envolvendo matrizes.

Aplicações:
Usar combinações lineares de vetores para descrever problemas variados.
(Veja o Exemplo 7 e os Exercícios 27 e 28 na Seção 1.3, os Exercícios 5 a 10 na Seção 1.6 e o Exem-
plo 6 na Seção 1.8.)
Montar uma matriz de migração e escrever as equações de diferença xk+1 = Mxk (k = 0, 1, …) que des-
crevem o movimento populacional em uma região (supondo que não há nascimentos/mortes, nem
migração). Calcular x1 ou x2 quando x0 estiver especificado.

4
Folha de Revisão para a Segunda Prova – A
A prova será sobre o material discutido em sala e estudado em trabalhos para casa, das Seções 2.4, 2.5,
2.7, 2.8, de 3.1 a 3.3 e de 4.1 a 4.6. A lista a seguir mostra as definições e teoremas mais importantes.

Definições:
Fatoração LU.
Subespaço, espaço nulo, espaço colunas.
Transformação linear.
Independência linear, dependência linear, relação de dependência linear (para espaços vetoriais).
Conjunto gerador, base, vetor de coordenadas.
Dimensão de um espaço vetorial.
Posto de uma matriz.

Teoremas:
Capítulo 2:
O Teorema da Matriz Invertível (incluindo as novas afirmações nas Seções 3.2 e 4.6).
Teorema 10 (expansão Coluna por Linha de AB).
Capítulo 3:
Teoremas 2, 3, 4, 5, 6 (propriedades de determinantes).
A fórmula para det A como um produto de pivôs (Seção 3.2).
Teorema 7 (Regra de Cramer).
Teoremas 9 e 10 (determinantes como área ou volume).
Capítulo 4:
Teoremas de 1 a 4, 5 (Teorema do Conjunto Gerador), 6.
Teorema 7 (Teorema da Representação Única), de 8 a 10.
Teorema 12 (Teorema da Base), 13, 14 (Teorema do Posto).
Saber as demonstrações dos Teoremas 2 e 7.

Habilidades Importantes:
Escrever AB usando uma expansão coluna por linha.
Fazer cálculos com matrizes em bloco, como no Exemplo 5 e nos Exercícios 1 a 10, na Seção 2.4.
Construir uma fatoração LU de uma matriz, usar uma fatoração LU para resolver Ax = b.
Veja os Exercícios 1 a 16 e 22 a 26 (outras fatorações) na Seção 2.5.
Construir uma matriz 3 × 3 para fazer transformações com coordenadas homogêneas em ℝ2.
Construir uma matriz 4 × 4 para fazer transformações lineares e translações (mas não projeções pers-
pectivas) com coordenadas homogêneas em ℝ3.
Calcular um determinante 3 × 3 ou de uma matriz triangular.
Calcular um determinante usando os Teoremas 3, 4, 5, 6.
Resolver um sistema 2 × 2 usando a Regra de Cramer.
Determinar se um conjunto de vetores gera ℝn (ou forma uma base para ℝn).
Determinar se um conjunto é um subespaço (usando os Teoremas 1, 2 ou 3 no Capítulo 4).
Determinar se um vetor está em Nul A ou em Col A.
Encontrar um vetor não nulo em Nul A ou em Col A.
Determinar se um conjunto é uma base para um subespaço.
Encontrar uma base para Nul A ou Col A, ou para outros subespaços.
Encontrar o vetor de coordenadas de um vetor em relação a uma base.
Encontrar a matriz de mudança de coordenadas.
Usar vetores de coordenadas para verificar se um conjunto é linearmente independente.
Encontrar a dimensão de um subespaço.
Encontrar uma base para Lin A.

Aplicações:
Interpretar o que representam as colunas de uma matriz de flexibilidade ou de rigidez.
Compreender coordenadas homogêneas e saber a forma geral das transformações matriciais 4 × 4 usa-
das em computação gráfica.
Calcular áreas ou volumes de objetos simples usando determinantes.

5
 Folha de Revisão para a Terceira Prova – A
A prova será sobre o material discutido em sala e estudado em trabalhos para casa, das Seções de 4.6
a 4.9, de 5.1 a 5.6, 6.1 e 6.2. A lista a seguir mostra as definições e teoremas mais importantes.

Definições:
Posto.
Matriz mudança de coordenadas (Teorema 15 na Seção 4.7).
Vetor probabilidade (vetor de estado), matriz estocástica, vetor estado estacionário.
Matriz de Casorati (para um conjunto de sinais em tempo discreto).
Autovalor, autovetor, autoespaço, diagonalizável.
Matrizes semelhantes.
Matriz de uma transformação linear T em relação a uma base ℬ, [T]ℬ.
Vetores ortogonais, conjunto ortogonal, base ortogonal.

Teoremas:
Capítulo 4: Teoremas 14 (Teorema do Posto), 15, 17.
Capítulo 5: Teoremas 1, 2, 4, 5, 6 e 8.
Capítulo 6: Teorema 2 (O Teorema de Pitágoras), Teorema 3.
    Saber a demonstração do Teorema de Pitágoras.

Habilidades Importantes (lista parcial):

Usar o Teorema do Posto como nos Exercícios 19 a 25 na Seção 4.6.
Encontrar uma matriz de mudança de coordenadas, usar essa matriz para achar um vetor de coordenadas.
Determinar se um número (vetor) é um autovalor (autovetor) de uma matriz.
Encontrar a equação característica e os autovalores de uma matriz 2 × 2. Encontrar os autovalores de
uma matriz triangular, listados de acordo com suas multiplicidades.
Encontrar uma base para um autoespaço.
Se A for diagonalizável, encontrar P e D tais que A = PDP−1. Mostrar como calcular potências maiores
de uma matriz diagonalizável.
Encontrar a matriz [T]ℬ de uma transformação linear T : V → V em relação a uma base ℬ para V.
Verificar proposições envolvendo semelhança de matrizes.
Encontrar autovalores complexos e autovetores correspondentes. Encontrar uma fatoração de uma
matriz 2 × 2 com um autovalor complexo, A = PCP −1, em que a transformação x ↦ Cx é uma
composição de uma rotação com, possivelmente, uma mudança de escala. Determinar o ângulo da
rotação e o fator de mudança de escala.
[Material dos Exercícios 23 a 28 na Seção 5.5 não cairá na prova.]
Encontrar a solução de uma equação de diferença xk+1 = Axk em termos dos autovetores de A e descre-
ver a evolução discreta do sistema dinâmico. Usar autovetores para descrever as direções e senti-
dos da maior atração e da maior repulsão. Ser capaz de classificar a origem como um atrator, um
repulsor ou um ponto de sela.
Descrever como uma mudança de variável pode desacoplar um sistema de equações de diferenças.
Calcular o comprimento de um vetor e a distância entre vetores. Normalizar um vetor.
Verificar se um conjunto é ou não ortogonal.
Calcular a projeção ortogonal sobre uma reta (contendo 0). Decompor um vetor em uma componente
na direção de u e uma componente ortogonal a u.

Aplicações:
Verificar que um conjunto de sinais é linearmente independente.
Encontrar uma base para o espaço solução de uma equação de diferença homogênea (cuja equação
auxiliar tem raízes reais distintas).
Encontrar a solução geral de uma equação de diferença não homogênea, dada uma solução particular
da equação (não homogênea).
Montar uma matriz estocástica para uma cadeia de Markov. Determinar um vetor de estado em um ou
dois períodos depois de um estado inicial. Descrever as probabilidades no longo prazo (encontran-
do o vetor estado estacionário).

6
Folha de Revisão para a Prova Final – A

A prova final é sobre toda a matéria, mas focaliza nos conceitos e tópicos principais estudados ao lon-
go do semestre. Como muitos tópicos dependem de material anterior, a maior parte das questões
irá envolver ideias dos Capítulos 4, 5, 6 e das Seções 7.1 e 7.2.
A prova pode ter algumas definições. As definições mais importantes incluem: o produto Ax, o pro-
duto AB, transformações lineares, independência e dependência linear (em um espaço vetorial ge-
ral), conjuntos geradores, base, subespaço, dimensão, posto, base ortogonal, autovetor, autovalor,
solução de mínimos quadráticos.
Fatorações matriciais: fatoração LU, fatoração QR, diagonalização, diagonalização ortogonal. Saber
as propriedades das matrizes na fatoração. Saber onde essas fatorações são usadas.
Algumas questões vão pedir que você dê razões para suas respostas. Essas razões envolverão, muitas
vezes, referência a algum teorema. Os teoremas que têm um nome descritivo associado são bons
candidatos para uma questão. Exemplos: Teorema da Base, Teorema do Posto, Teorema de Melhor
Aproximação, Teorema de Decomposição Ortogonal, Teorema de Diagonalização, Teorema dos
Eixos Principais. Particularmente importante é o Teorema da Matriz Invertível (Seções 2.3, 2.9,
3.2, 4.6 e 5.2).
O tema dos dois primeiros capítulos é considerar sistemas de equações de diversos pontos de vista (sis-
tema de equações, equações vetoriais, equações matriciais e transformações lineares). Pode ajudar
rever as diversas questões que envolvem existência e unicidade de soluções.
Reveja as provas anteriores e as folhas de revisão dadas para essas provas. Preste bastante atenção a
qualquer questão que você achou difícil quando fez as provas.

7
 Lista de Revisão para o Capítulo 6
Definições:
Comprimento de um vetor, conjunto ortogonal.
Projeção ortogonal de y sobre uma reta contendo 0.
Projeção ortogonal de y sobre um subespaço W.
Fatoração QR.
Solução de mínimos quadráticos de Ax = b.
Equações normais, matriz de projeto, vetor de parâmetro, vetor de observação.

Teoremas:
Teorema 2 (Teorema de Pitágoras) – saber a demonstração.
Teorema 4.
Teorema 8 (Teorema da Decomposição Ortogonal).
Teorema 9 (Teorema da Melhor Aproximação).
Teorema 12 (Fatoração QR).
Teorema 13 (Equações Normais).
Teoremas 15 e 16. Saber o cálculo básico para a demonstração do Teorema 14.

Habilidades Importantes:
Determinar se um conjunto é ortogonal, normalizar um vetor; construir um conjunto ortonormal a
partir de um conjunto ortogonal. Saber que ||x||2 = xTx = x ⋅ x.
Calcular a projeção ortogonal de um vetor sobre outro. Decompor um vetor na soma de um vetor na
direção de u e um vetor ortogonal a u.
Calcular a projeção ortogonal de um vetor sobre um subespaço, encontrar o ponto mais próximo em
um subespaço, encontrar a distância de um vetor a um subespaço, decompor um vetor como no
Teorema de Decomposição Ortogonal.
Fazer o processo de Gram-Schmidt, usar o processo de Gram-Schmidt para calcular uma fatoração
QR (e saber o que é uma fatoração QR).
Encontrar uma solução de mínimos quadráticos para Ax = b, encontrar o erro de mínimos quadráticos
associado a essa solução, conhecer as equações normais.

Aplicações:
Encontrar a reta de mínimos quadráticos que se ajusta a um conjunto de dados, montar uma matriz de
projeto para um ajuste de mínimos quadráticos a dados por uma “equação de previsão” especifica-
da, identificar o vetor de parâmetros e o vetor de observação. Escrever as equações normais para o
modelo y = Xβ + ε (a saber, XTXβ = XTy).

8
Lista de Revisão para o Capítulo 7

Definições:
Matriz simétrica, matriz diagonalizável por matriz ortogonal.
Forma quadrática, forma positiva definida, forma negativa definida, forma quadrática indefinida.

Teoremas:
Teoremas 1 e 2.
Teorema 3 (O Teorema Espectral para Matrizes Simétricas).
Teorema 4 (O Teorema dos Eixos Principais).
Teorema 5 (Formas Quadráticas e Autovalores).

Habilidades Importantes:
Diagonalizar por matriz ortogonal uma matriz simétrica, fornecendo P, D e a equação A = PDP −1, em
que P é uma matriz ortogonal, ou seja, P−1 = PT.
Encontrar a matriz de uma forma quadrática, encontrar uma mudança de variáveis que elimina os ter-
mos cruzados em uma forma quadrática, encontrar a nova forma quadrática, classificar uma forma
quadrática examinando os autovalores.

9
 Revisão das Aplicações Principais para a Prova Final – A
A prova final incluirá três problemas com vários itens sobre aplicações, escolhidos entre as cinco prin-
cipais aplicações do curso, dadas a seguir. Você terá de escolher dois dos três problemas. Cada um
valerá de 10 a 15 pontos. Se você tentar todos os três problemas, precisará indicar quais deles você
quer que valham para a nota. (Se tentar todos os três e não especificar quais deseja que valham, serão
corrigidos os dois primeiros.)
1. Movimento Populacional e Cadeias de Markov (Seções 1.9, 4.9 e 5.2)
a. Conhecer os termos: vetor de probabilidade, matriz estocástica, vetor estado estacionário, ma-
triz estocástica regular.
b. Montar uma matriz de migração (ou matriz estocástica) e uma equação de diferença que des-
creve o movimento populacional (ou uma cadeia de Markov).
c. Dada uma condição inicial, calcular um ou dois vetores que descrevem o comportamento no
curto prazo da população (ou cadeia de Markov).
d. Para uma cadeia de Markov, escrever a equação que define o vetor estado estacionário e mostrar
a álgebra matricial que leva a uma equação homogênea a ser resolvida. Encontrar o vetor estado
estacionário e usá-lo para descrever o comportamento no longo prazo da cadeia de Markov.
2. Computação Gráfica (Seção 2.8)
a. Saber como um modelo de arame é armazenado em um programa de computador, por que ob-
jetos gráficos são descritos por coleções de segmentos de reta e como é calculada a imagem de
um objeto sob uma transformação.
b. Explicar o que são coordenadas homogêneas para objetos bidimensionais e por que elas são
úteis.
c. Ser capaz de escrever uma matriz que produz uma transformação gráfica especificada (uma
reflexão, uma translação ou uma rotação em torno de um ponto).
d. Escrever um produto de matrizes, na ordem apropriada, que gera uma transformação com-
posta 2D ou 3D usando coordenadas homogêneas.
3. Equações de Diferença e Sinais em Tempo Discreto (Seção 4.8)
a. Usar uma matriz de Casorati para verificar a independência linear de um conjunto de sinais.
b. Saber o que é uma solução de uma equação de diferença (linear de primeira ordem) e o que
significa resolver tal equação.
c. Encontrar um conjunto fundamental de soluções de uma equação de diferença linear homogênea
de segunda ordem.
d. Ser capaz de explicar por que n soluções linearmente independentes de uma equação de dife-
rença linear homogênea de ordem n formam uma base para o conjunto de todas as soluções.
(Veja o Exemplo 5 na Seção 4.8.)
4. Evolução Discreta de um Sistema Linear (Seção 5.6)
a. Encontrar autovalores e autovetores de uma matriz A 2 × 2 e usá-los para descrever a solução
geral da equação de diferença xk+1 = Axk (k = 0, 1, …). Encontrar a solução (única) quando x0
for especificado.
b. Determinar se a origem é um atrator, um repulsor ou um ponto de sela.
c. Determinar as direções e sentidos de maior atração e maior repulsão.
d. Em determinados modelos populacionais (como no Exemplo 1 e nos Exercícios 5 e 18 na Se-
ção 5.6), usar o autovalor dominante para descrever a taxa de crescimento da população no
longo prazo; usar um autovetor associado para descrever a distribuição da população no longo
prazo.
5. O Modelo Linear em Estatística (Seção 6.6)
a. Conhecer os termos: matriz de projeto, vetor de parâmetro, vetor de observação, modelo linear,
vetor residual, reta de mínimos quadráticos, subespaço de projeto.
b. Conhecer as equações normais para o vetor de parâmetros de mínimos quadráticos. Saber quan-
do as equações normais têm uma única solução.
c. Encontrar a equação da reta de mínimos quadráticos que se ajusta a um conjunto de dados.
d. Montar a matriz de projeto quando for dada uma “equação de previsão” específica.

10
Prova Final – A
Instruções: Mostre seus cálculos.
1. [10 pontos] As matrizes A e B a seguir são equivalentes por linhas.

a. Encontre uma base para Nul A.

b. Qual é a dimensão do subespaço W de ℝ4 gerado pelas colunas de A? Mencione um teorema
para justificar sua resposta.

2.

a. Encontre a fatoração LU de A.
b. Descreva rápido um modo de usar a fatoração LU em um trabalho prático.
c. Use um cálculo já efetuado para calcular det A, sem praticamente outros cálculos. [Muito pouco
crédito por usar uma expansão em cofatores ou um método especial que funciona para matrizes
3 × 3, mas não para matrizes 4 × 4.] Explique como você encontrou sua resposta. [Se você não
conseguiu resolver (a), diga como encontraria det A se tivesse a fatoração LU.]

3. [10] Sejam v1 = v2 = ey=

a. Verifique que y não pertence ao plano gerado por v1 e v2. Explique como seus cálculos apoiam
sua conclusão.
b. Use uma fórmula para calcular a projeção ortogonal de y sobre o plano gerado por v1 e v2.
4. [15] Considere a forma quadrática Q(x1, x2) = x12 – 10x1x2 + x22.
a. Encontre os autovalores da matriz A da forma quadrática.
b. Encontre uma mudança de variável ortogonal x = Pu tal que a nova forma quadrática não tenha
termos cruzados.
c. Mostre a álgebra que transforma xTAx na nova forma quadrática e escreva a nova forma usando
as variáveis u1 e u2.
d. Classifique o tipo de forma quadrática: positiva definida, negativa definida ou indefinida.
5. [10] a. Complete as definições:
i. Um conjunto {v1, …, vp} de vetores em um espaço vetorial V é linearmente dependente
se …
ii. Se A for uma matriz m × n e x for um vetor em ℝn, então Ax é … (Você pode usar palavras para
completar a definição. Se usar símbolos, explique-os.)
iii. Uma base para um espaço vetorial V é um …
iv. Sejam V e W espaços vetoriais. Uma aplicação T : V → W é uma transformação linear se …
b. Liste seis afirmações, cada uma delas equivalente à afirmação de que uma matriz A n × n é in-
vertível. Os seguintes conceitos devem ser incluídos, um em cada afirmação: (i) a equação Ax =
0, (ii) o posto de A, (iii) as colunas de A, (iv) det A, (v) “injetora”, (vi) a matriz identidade In.
6. [10] a. Enuncie cuidadosamente a definição de um subespaço H em um espaço vetorial V.
b. Enuncie dois teoremas que descrevem os dois tipos básicos de subespaços em ℝn.
Escolha dois entre os três problemas a seguir. Se você tentar todos os três, marque os que você quer
corrigidos para a nota. Se você tentar todos os três e não indicar quais devem ser corrigidos, será
dada nota nos Problemas 7 e 8.
7. [15] Um experimento produziu os seguintes dados (x, y): (1, 3), (0, 1), (−1, 2), (1, 1).
a. Escreva a versão matricial abstrata das equações normais para um problema de mínimos qua-
dráticos.
b. Encontre a equação da reta de mínimos quadráticos y = β0 + β1x que se ajusta aos dados.
c. Monte uma matriz de projeto, baseada nos dados anteriores, que seria usada para ajustar os
dados por uma equação da forma y = β1x + β2x2 + β3x3.
8. [15] Um caixa de banco é observado a cada três minutos. Se o funcionário estiver ocupado aten-
dendo um cliente em um instante de observação, existe uma chance de 80% de que ele também
estará ocupado no próximo instante de observação. Se o funcionário não estiver ocupado em um
instante de observação, existe uma chance de 60% de que ele também não estará ocupado no pró-
ximo instante de observação.

11
 a. Monte uma matriz estocástica para descrever essa cadeia de Markov. Denote os estados possíveis
desse local de atendimento por “O” (o caixa está ocupado) e por “NO” (o caixa não está ocu-
pado).
b. Suponha que haja uma chance de 50% de que o caixa estará ocupado no primeiro instante de
observação. Qual a probabilidade de que o caixa estará ocupado no próximo instante de obser-
vação?
c. Escreva uma equação algébrica para o vetor estado estacionário de uma matriz estocástica P.
Depois, mostre os passos de álgebra matricial que levam a uma equação homogênea que se
resolve, em geral, para obter o vetor estado estacionário.
d. Suponha que as probabilidades de transição permaneçam válidas durante todo o dia. Qual é a
probabilidade de que o caixa estará ocupado em alguma hora específica mais tarde no dia?
9. [15] a. Quais são as coordenadas homogêneas dos pontos (3, 5) e (2, 0) em ℝ2 e por que elas são
úteis?
b. Escreva um produto de matrizes (na ordem apropriada) que gera a seguinte transformação
em ℝ2 (use coordenadas homogêneas):
Reflete pontos em relação ao eixo dos y, depois gira de 30° e, depois, translada pelo vetor (2, 5).
c. Qual o vetor em ℝ3 que tem coordenadas homogêneas ?

12
 Soluções da Primeira Prova – A

Uma figura geométrica apropriada para o conjunto solução é um plano contendo a origem.
2. a. Linearmente dependente porque os vetores são múltiplos um do outro.
b. Linearmente dependente porque o conjunto contém o vetor nulo.
c. Estude Ax = 0 para determinar se o conjunto é linearmente independente.

Neste ponto, a falta de uma posição de pivô na coluna 3 mostra que a equação Ax = 0 tem uma
variável livre e, portanto, tem uma solução não trivial. Logo, as colunas de A são linearmente de-
pendentes.
3. a. Determine se a equação Ax = y tem solução.

A equação é consistente; logo, y pertence à imagem da transformação linear T.
b. Os cálculos em (a) mostram que A não tem um pivô em cada linha. Por um teorema (Teorema
4 na Seção 1.4), as colunas de A não geram ℝ3. Por outro teorema (Teorema 12 na Seção 1.8),
T não é uma aplicação sobrejetora de ℝ2 em ℝ3. (Você não precisa mencionar os números dos
teoremas.)
4. a. … uma combinação linear das colunas de A usando as coordenadas (correspondentes) de x
como pesos.
b. I − BAB −1 = C ⇒ I = C + BAB −1 ⇒ BAB −1 = I – C. Multiplique à esquerda por B −1 para obter B –1B
B–1−1BB = B −1 ( I − C ) B ⇒ A = B −1 ( I −
AB –1 = B –1(I – C) ⇒ AB –1 = B –1(I – C). Multiplique à direita por B: AAB
I
B −1B = B −1 ( I − C
A ) B ⇒ A = B −1 ( I − C ) B . Outras resoluções são possíveis. Uma resposta equivalente é A = I − B −1CB.
I
c. T(3u + v) = T(3u) + T(v) = 3T(u) + T(v)

5. Veja a demonstração do Teorema 8 na Seção 1.6.

6. . O segundo vetor r2, por exemplo, lista em sua se-

gunda coordenada a resistência total no laço 2; as outras coordenadas em r2 mostram as resistências

nos laços adjacentes, com sinais negativos porque as correntes nesses laços fluem contra a corrente
no laço 2. A voltagem no laço 1 é negativa porque a corrente flui do lado negativo (mais curto) da
bateria para o lado positivo.

7.

Depois de um período de dez anos, a população será

x1 = Mx0 =

13
 8. (i) A equação Ax = 0 tem apenas a solução trivial.
(ii) A transformação x ↦ Ax é injetora.
Ou: A transformação x ↦ Ax é sobrejetora.
(iii) As colunas de A geram ℝn.
(iv) A tem n posições de pivô.

14
Soluções da Segunda Prova – A
1. a. A matriz B mostra que as colunas dos pivôs de A (e de B) são as colunas 1, 2 e 4. Logo, uma
base para Col A é {a1, a2, a4}.
b. dim Lin A = 3, dim Nul A = 2, posto A = 3.
2. a. Se v for um vetor não nulo em H, então um múltiplo negativo de v não pertencerá a H; logo, H
não é um subespaço.

b. A equação mostra que H = ℒ Por um

teorema, H é um subespaço.
3. A multiplicação de matrizes em bloco mostra que:
(i) A11B11 + A120 = I. Como A11 é quadrada, a equação A11B11 = I mostra que A11 é invertível pelo
Teorema da Matriz Invertível. Então A11−1A11B11 = A11−1I e B11 = A11−1.
(ii) A11B12 + A12I = 0. Isto leva a: A11B12 = −A12, A11−1A11B12 = −A11−1A12 e B12 = −A11−1A12.

4. a. U = Para L, copie as colunas dos pivôs (dos pivôs para baixo) que foram

encontrados no escalonamento até U;

Divida cada coluna pelo pivô no topo e coloque na parte triangular inferior de L:

Coloque zeros acima da diagonal, se quiser.

b. Por um teorema, det A = det LU = (det L)(det U) = 1 ⋅ (3 ⋅ 2 ⋅ 3 ⋅ 5) = 90, já que o determinante
de uma matriz triangular é o produto de seus elementos na diagonal.
Segundo método: U foi obtida de A sem trocas de linha e sem mudanças de escala; logo, det
A = det U = (3 ⋅ 2 ⋅ 3 ⋅ 5) = 90, já que o determinante de uma matriz triangular é o produto de
seus elementos na diagonal.
c. Ax = b ⇒ LUx = b. Defina y = Ux. Resolva Ly = b para y e, depois, resolva Ux = y para x.
5. a. Veja a Seção 4.4.
b. Veja a demonstração do Teorema 2 na Seção 4.2.
6. dim ℙ3 = 4. Por um teorema, um conjunto de quatro vetores linearmente independentes em um
espaço vetorial V de dimensão quatro é uma base para V. Aqui V = ℙ3.
7. A matriz que age primeiro em um vetor fica à direita no produto:

15
 Soluções da Terceira Prova – A
1. r2 + 8r + 15 = (r + 5)(r + 3) = 0, o que implica r = −5 ou r = −3.
As duas soluções são (−5)k e (−3)k. Elas são linearmente independentes porque não são múltiplas uma
da outra. Por um teorema, os sinais (−5)k e (−3)k são sequências linearmente independentes. Como a
equação de diferença é de ordem 2, o espaço solução é bidimensional, por um teorema. Como existem
dois vetores linearmente independentes em um espaço bidimensional, eles formam uma base para o
espaço, pelo Teorema da Base.
Você também pode usar uma matriz de Casorati para verificar a independência linear de (−5)k e (−3)k.
2. A matriz de coeficientes é 9 × 10. A afirmação sobre as soluções implica o espaço de soluções ser
bidimensional. Então posto A = 10 – dim Nul A = 8. Logo, Col A é um subespaço de dimensão 8
de ℝ9. Portanto, Ax = b não pode ter solução para todo b.
Solução usando ideias do Capítulo 1: Duas das dez colunas não são colunas dos pivôs, o que deixa
apenas oito colunas dos pivôs. Logo não existe uma posição de pivô em todas as linhas. Por um
teorema, a equação Ax = b não tem solução para todo b.

3. a. x0 = c1v1 + c2v2. Encontre c1, c2: ; logo, x0 = 3v1 + 2v2.

Para k ≥ 0, xk = c1(λ1)kv1 + c2(λ2)kv2 = 3(1,1)k + 2(0,4)k .

b. A origem é um ponto de sela porque um autovalor é maior que 1 (em módulo) e outro autova-
lor é menor que 1 (em módulo).
c. A direção e o sentido de maior atração são dados por v2 = , o autovetor associado ao menor
autovalor. Todos os vetores múltiplos de v2 são atraídos para a origem.
4. Se A for semelhante a B, então A = PBP −1 para alguma matriz invertível P. Logo, A2 = (PBP −1)
(PBP −1) = PBP −1PBP −1 = PBBP −1 = PB2P −1, o que mostra que A2 é semelhante a B2.
5. A matriz é triangular; logo, seus autovalores estão na diagonal: 3, −5 e 2. Como os autovalores são
distintos, um conjunto de três autovetores correspondentes a esses autovalores será linearmente in-
dependente, por um teorema. Mas três vetores linearmente independentes em ℝ3 formam uma base
para ℝ3 (pelo Teorema da Matriz Invertível ou pelo Teorema da Base). De modo alternativo, o fato
de que uma matriz 3 × 3 tem três autovalores distintos implica diretamente A ser diagonalizável,
por um teorema. A diagonalização de A é A = PDP−1, em que os elementos na matriz diagonal são
os autovalores de A e as colunas de P são os autovetores correspondentes. Em algum lugar (aqui ou
no argumento anterior), você deve mencionar que os autovetores são linearmente independentes;
logo, P é invertível.
6.

7. Um autovetor é x = . Seja P = [Re x Im x] = . Calcule

8. Seja P = [b1 b2]. A matriz de T em relação à base ℬ é

16
Soluções da Prova Final – A
1. Resolva Bx = 0 para encontrar uma base para Nul A. [B 0] está quase em forma escalonada redu-
zida:

Solução geral de Ax = 0:

b. dim Col A = 3 porque há três colunas dos pivôs, e as colunas dos pivôs de A formam uma base
para Col A.

Logo, L = . Os outros elementos em L são iguais a zero.

b. A fatoração LU é usada para resolver equações Ax = b mais rápido que usando A−1.
Se A = LU, então LUx = b será equivalente a Ly = b e Ux = y. Resolva Ly = b primeiro para y e, depois,
resolva Ux = y.
c. A = LU, de modo que det A = (det L)(det U), por um teorema. Então det A = 1 ⋅ (−135) = −135,
já que o determinante de uma matriz triangular é o produto dos elementos na diagonal.
3. a. Estude c1v1 + c2v2 = y. Se não for consistente, então y não estará no plano gerado por v1 e v2.

b. É fácil ver que v1 e v2 são mutuamente ortogonais. (Apenas afirme isso ou faça um cálculo.)
Logo, por uma fórmula,

4.

Os autovalores são λ = 6 e λ = −4.

b. Para obter a mudança de variável x = Pu, precisamos de autovetores para as colunas de P.

Para λ = 6, v1 λ = −4, v2 =

c. Use o fato de que A = PDP−1 = PDPT. Melhor ainda, mencione que PTAP = D.

17
 d. a forma quadrática é indefinida porque um autovalor é positivo e o outro é negativo.
5. a. 4 pontos, um ponto para cada definição. Veja o texto. Uma definição tem de estar essencialmente
completa e correta para ganhar ponto.
b. 6 pontos, um para cada afirmação.
i) A equação Ax = 0 tem apenas a solução trivial.
ii) posto A = n.
iii) As colunas de A são linearmente independentes, ou: geram ℝn, ou: formam uma base para ℝn.
iv) det A ≠ 0.
v) A transformação x ↦ Ax é injetora.
vi) A é equivalente por linhas a I, ou: AB = I para alguma matriz β, ou: CA = I para alguma
matriz C.
Será tirado um ponto (total) se uma ou mais afirmações estiverem escritas como teoremas
que são verdadeiros sempre, mas o teorema contém a afirmação adequada que pertence ao
Teorema da Matriz Invertível.
6. a. 3 pontos, um para cada parte da definição. Veja o texto.
b. 4 pontos para qualquer teorema enunciado primeiro, 3 para o segundo teorema.
i) O espaço coluna de uma matriz é um subespaço, ou: o conjunto de todas as combinações
lineares de um conjunto de vetores é um subespaço.
ii) O espaço nulo de uma matriz é um subespaço, ou: o conjunto solução de um sistema de
equações lineares homogêneas é um subespaço.
7. a. X T Xβ = X Ty, ou: AT Ax = ATb.

b.

Escalone

Ou calcule

Reta de mínimos quadráticos:

c. Matriz de projeto para a equação de previsão y = β1x + β2x2 + β3x3:

8. a. Matriz estocástica

b.

Resposta: 60% de probabilidade que o caixa está ocupado.

c.

d. Resolva ; logo, x1 = 2x2 com x2 livre.

Assim, x = x2 . Escolha x = , faça a soma das coordenadas igual a 1 e obtenha

q= .
Resposta: A probabilidade de que o caixa esteja ocupado muito mais tarde é de 2/3.

9. a. As coordenadas homogêneas para (3, 5) e (2, 0) são e . Elas são úteis porque a trans-

lação pode ser representada como uma transformação linear, além das transformações lineares
usuais em ℝ2.

18
b.

c. O ponto com coordenadas homogêneas é (x, y, z), em que

19
 Primeira Prova – B
Instruções: Comece cada um dos oito problemas em uma página nova, no seu caderno de respostas.
Mostre seus cálculos.
1. [18 pontos] Para cada matriz a seguir, determine se suas colunas formam um conjunto linearmente
independente. Justifique suas respostas. (Faça o menor número possível de cálculos.)

2. [18] Para cada matriz no Problema (1), determine se suas colunas geram o ℝ3. Justifique suas res-
postas. (Faça o menor número possível de cálculos.)
3. [10] Suponha que A, B, C e X sejam matrizes n × n invertíveis e A(X + B) = CA. Resolva essa equa-
ção para X. Mostre seus cálculos.
4. [10] Seja T : ℝ2 → ℝ2 a transformação linear que gira pontos em torno da origem de um ângulo de
3π/2 radianos. Encontre a matriz canônica de T.
5. [12] Suponha que as colunas de uma matriz A 5 × 5 sejam linearmente independentes. O que você
pode dizer sobre equações da forma Ax = b? (Diga tudo que puder sobre Ax = b.) Justifique sua
resposta.
6. [12] Suponha que A seja uma matriz 6 × 6 tal que a equação Ax = b não tenha solução para al-
gum b em ℝ6. O que você pode dizer sobre a transformação x ↦ Ax? (Diga tudo que puder sobre
x ↦ Ax.) Justifique sua resposta.
7. [10] Sejam C uma matriz m × n e D uma matriz n × p. Dê a definição de CD. Depois, suponha que
a primeira coluna de D seja a soma das colunas 2 e 3 de D. O que você pode dizer sobre as colunas
do produto CD? Diga tudo que puder. Justifique sua resposta.
8. [10] Seja A uma matriz m × n com colunas a1, …, an (com m e n inteiros maiores que 1). Explique
por que as colunas de A são linearmente independentes se e somente se a equação Ax = 0 só tiver a
solução trivial. Sua explicação deve mostrar que você sabe a definição de Ax e a definição de inde-
pendência linear. (Se você tiver dificuldade neste problema, comece escrevendo qual o significado
de os vetores a1, …, an serem linearmente independentes.)

20
Segunda Prova – B
Comece cada um dos sete problemas em uma página nova, no seu caderno de respostas. Mostre seus
cálculos.
1. a. [4 pontos] Suponha que uma matriz A tenha uma fatoração LU. Descreva como usar L e U
para resolver a equação Ax = b. (Mencione apenas os passos básicos na solução; não escreva
um exemplo nem faça cálculos aritméticos.)
b. [12] Suponha que uma matriz A foi colocada em forma escalonada como a seguir. Use esta in-
formação para construir a fatoração LU de A. (Mostre L e U.)

c. [4] Encontre a dimensão do espaço nulo da matriz A anterior e justifique sua resposta. (Não
faça muitos cálculos.)
2. [15] Sejam A, B, C, X, Y e Z matrizes n × n tais que . Encontre fór-
mulas para X, Y, Z em termos de A, B, C. Se você usar uma matriz inversa, explique como sabe que
a matriz é invertível. Mostre seus cálculos.

3. [15] Sejam v1 = , v2 = , v3 = , v4 = . Encontre uma base para o subespaço

de ℝ4 gerado por {v1, v2, v3, v4}. Qual é a dimensão desse subespaço?

4. [20] A matriz A = tem um autovetor v1 = (associado a um autovalor que você

terá de encontrar). Além disso, λ = 2 é um autovalor de A. Use esta informação para diagonalizar
A. Construa matrizes P e D e escreva a equação que as relaciona com A. (Se tiver dificuldade, des-
creva cuidadosamente o método de construção de P e D.)
5. [10] Seja ℬ = {b1, b2}, em que b1 = , b2 = , e seja x = . Encontre o vetor de coorde-
nadas de x em relação a ℬ.
6. [12] Complete as lacunas nas definições a seguir.
a. Um subespaço de ℝn é um conjunto H em ℝn com as seguintes propriedades: _______.
b. Uma base para um subespaço H é um conjunto tal que _________________.
c. A dimensão de um subespaço H é __________________.
7. [8] Complete as lacunas nos enunciados dos teoremas a seguir.
a. Seja A uma matriz n × n. Então 0 não é um autovalor de A se e somente se A for ______.
b. Uma matriz A n × n é diagonalizável se e somente se A tiver _______. (Não descreva a fatora-
ção de A quando A é diagonalizável.)

21
 Terceira Prova – B
1. [15 pontos] Considere a equação diferencial matricial x(t) = Ax(t), em que A é uma matriz real
2 × 2 com um autovalor complexo λ = −3 + 5i e autovetor associado (complexo) v = .
a. Escreva a solução geral complexa de x = Ax.
b. Escreva a solução geral real de x = Ax.
c. Descreva (em palavras) a aparência de trajetórias típicas de uma solução real. Se a origem for
um atrator ou ponto de sela, forneça a direção e o sentido de maior atração; se a origem for um
repulsor, forneça a direção e o sentido de maior repulsão; se a origem for um ponto espiral, diga
se a espiral se aproxima da origem ou se afasta dela ou se tem uma trajetória elíptica.
2. [10] Seja A uma matriz 5 × 4 com colunas ortonormais. Faça cálculos apropriados para mostrar
que, quaisquer que sejam x, y em ℝ4:
a. Ax ⋅ Ay = x ⋅ y
b. ||Ax|| = ||x||

3. [15] Sejam u = ,v= eb= . Note que u ⋅ v = 0. Encontre a distância de b ao

subespaço ℒ{u, v}.

4. [10] Considere uma decomposição QR, A = QR, na qual A é uma matriz 5 × 3 com colunas linear-
mente independentes. Descreva as propriedades de Q e R, como descritas em um teorema no texto.
Inclua o tamanho das matrizes.
5. [20] Faça uma mudança de variável que transforma a forma quadrática 2x12 + 10x1x2 + 2x22 em uma
forma quadrática sem termo cruzado. Forneça a mudança de variável em forma matricial (e mostre
a matriz), mostre os cálculos algébricos que levam à nova forma quadrática e escreva a nova forma
quadrática.
6. [15] Considere a seguinte decomposição em valores singulares:

a. Escreva uma base ortonormal para Col A.

b. Escreva uma base ortonormal para (Col A)⊥.
c. Qual é outro nome para (Col A)⊥? (Use um teorema para responder.)
d. Escreva uma base ortonormal para Nul A.
e. Escreva o maior autovalor de ATA.

7. [10] Sejam A = eb= . Encontre a solução de mínimos quadráticos de Ax = b.

8. [5] O que é uma matriz ortogonal? Dê duas maneiras diferentes, mas equivalentes, de definir uma
matriz ortogonal.

22
Prova Final – B
Instruções: Por favor, comece cada problema numerado em que você vai trabalhar em uma página nova
de seu caderno de respostas. Use a frente e o verso de cada folha. Mostre seus cálculos.
1. [10 pontos] Suponha que as matrizes A e B dadas a seguir sejam equivalentes por linhas.

a. Qual é o posto de A? Como você encontrou isto?

b. Encontre uma base para o subespaço gerado pelas colunas de A.
2. [15] Considere a forma quadrática Q(x) = x12 + 12x1x2 + 10x22, em que x = (x1, x2).
a. Determine se Q é positiva definida, negativa definida ou indefinida. Mostre como você en-
controu sua resposta.
b. Encontre uma mudança de variável x = Pu, com u = (u1, u2), que produz uma forma quadráti-
ca sem termo cruzado. (Encontre P.) Mostre os cálculos algébricos que levam a essa nova
forma quadrática e escreva a nova forma em termos de u1 e u2.

3. [10] Sejam u1 = , u2 = ey= . Calcule a distância de y ao subespaço W gerado

por u1 e u2.

4. [6] Suponha que A = QR = [q1 q2 q3 q4] , em que Q é uma matriz 5 × 4

com colunas q1, …, q4. Mostre que você sabe a definição de multiplicação de matrizes escrevendo
uma expressão que fornece a terceira coluna de A.
5. [6] Complete as lacunas nas definições:
i. Um conjunto {v1, …, vp} em um espaço vetorial V é linearmente dependente se…
ii. “Uma base para um espaço vetorial V é…”
iii. “Sejam V e W espaços vetoriais. Uma função T : V → W é uma transformação linear se…”
6. [15] Seja A uma matriz n × n. Escreva cinco sentenças, cada uma delas equivalente à afirmação de
que A é invertível. Use os termos a seguir, um em cada sentença: (i) a equação Ax = b, (ii) a equa-
ção Ax = 0, (iii) autovalor, (iv) equivalente por linha, (v) posto.
7. [8] Suponha que A seja uma matriz m × n cujas colunas são linearmente independentes.
a. Se a solução de Ax = b existir para algum b, a solução será única? Por quê?
b. O que você pode dizer sobre a relação entre os números m e n para essa matriz A?
c. O que você pode dizer sobre m e n se a equação Ax = b tiver solução para todo b em ℝm?

Aplicações:
Escolha dois dos quatro problemas a seguir. Se você tentar mais de dois, diga quais deles você quer
que sejam avaliados. Caso contrário, serão avaliados os dois primeiros problemas que você tentou.

a. Verifique que v1 e v2 são autovalores de A.

b. Encontre a solução do sistema dinâmico xk+1 = Axk (k = 0, 1, …) com x0 = w. Classifique a ori-
gem como sendo um repulsor, um atrator ou um ponto de sela do sistema.
c. Encontre a solução do sistema dinâmico x(t) = Ax(t), t ≥ 0, com x(0) = w. Classifique a origem
como sendo um repulsor, um atrator, um ponto de sela ou um ponto espiral. Forneça a direção
e o sentido de maior repulsão e/ou atração.
9. [15] Seja V o espaço C[0, 1] munido do produto interno definido por

em que f, g pertencem a V.
a. Calcule a norma da função f em V, na qual f (t) = t.

23
 b. Seja W o subespaço de V gerado pela função f (t) = t. Decomponha a função g(t) = t2 na soma
de duas funções, uma em W e outra ortogonal a W.
[Sugestão: Use a abordagem em ℝn que decompõe um vetor na soma de duas componentes
ortogonais.]
10. [15] Considere a equação de diferenças yk+3 – yk+2 – 4yk+1 + 4yk = 0 (k = 0, 1, 2, …).
a. Escreva a solução geral dessa equação de diferença.
[Você pode usar o fato de que r3 – r2 – 4r + 4 = (r2 – 4)(r – 1).]
b. Mostre como escrever a equação de diferença como um sistema (matricial) de primeira ordem
da forma xk+1 = Axk. (Construa A e xk.)
c. Explique por que um conjunto de n soluções linearmente independentes de uma equação de
diferença linear homogênea de ordem n gera, de fato, o conjunto de todas as soluções.
11. a. [4] Suponha que A seja uma matriz 8 × 10 que admite uma fatoração LU. Quais as formas
das matrizes L e U e que propriedades elas têm? Descreva um problema em álgebra linear
para o qual ajudaria conhecer a fatoração LU de A, e explique como usar a fatoração LU para
resolver o problema.
b. [6] Suponha que A seja uma matriz 20 × 5 com colunas linearmente independentes. Então
A admite uma fatoração QR. Quais as formas das matrizes Q e R e que propriedades elas têm?
Descreva um problema em álgebra linear [diferente do problema no item (a)] para o qual
ajudaria conhecer a fatoração QR de A, e explique como usar a fatoração QR para resolver o
problema.
c. [5] Suponha que A seja uma matriz 3 × 5. Descreva a decomposição em valores singulares de
A escrevendo a fatoração de A, fornecendo os tamanhos das matrizes na fatoração e listando
as propriedades especiais dessas matrizes. (Você não tem de descrever uma base para Nul A,
para Col A etc.) Como você pode determinar o posto de A a partir de uma análise da decom-
posição em valores singulares?

24
Folha de Revisão para a Primeira Prova – B
A prova versará sobre o material discutido em aula e estudado nos trabalhos para casa, da Seção 1.1
até a Seção 2.3. A lista a seguir mostra as definições e os teoremas mais importantes.

Definições:
A definição de Ax, tanto em palavras quanto em símbolos.
ℒ{v}, ℒ{u, v} e interpretação geométrica em ℝ2 ou ℝ3.
ℒ{v1, …, vp}
Linearmente independentes e linearmente dependentes.
Transformação linear.
Matriz canônica de uma transformação linear.
A definição de um produto matricial AB.

Teoremas:
Capítulo 1: Teoremas de 3 a 10, 12.
Capítulo 2: Teoremas de 3 a 7, 8 (o Teorema da Matriz Invertível).

Habilidades Importantes:
Determinar quando um sistema é consistente. Escrever a solução geral em forma vetorial paramétrica.
Determinar valores dos parâmetros que tornam um sistema consistente ou fazem com que a solução
seja única. Descrever existência ou unicidade de solução em termos de posições de pivôs. Deter-
minar quando um sistema homogêneo tem solução não trivial.
Determinar quando um vetor pertence a um subespaço gerado por vetores especificados. Exibir um
vetor como combinação linear de vetores especificados.
Determinar se as colunas de uma matriz m × n geram ℝm. Determinar se as colunas são linearmente
independentes.
Usar a linearidade da multiplicação matricial para calcular A(u + v) ou A(cv).
Determinar se um conjunto de vetores é linearmente independente. Conhecer diversos métodos que
podem, algumas vezes, produzir uma resposta “por inspeção” (sem muitos cálculos).
Encontrar a matriz canônica de uma transformação linear.
Determinar se uma transformação linear é injetora e se a transformação é sobrejetora.
Usar uma matriz inversa para resolver um sistema de equações lineares.
Conhecer a fórmula para a inversa de uma matriz 2 × 2.
Usar álgebra matricial para resolver uma equação envolvendo diversas matrizes.
Usar o TMI (Teorema da Matriz Invertível) para ligar várias propriedades de uma matriz quadrada.

25
 Folha de Revisão para a Segunda Prova – B
A prova cobrirá o material nas Seções 2.4, 2.5, 2.9, de 5.1 a 5.3 e 5.5.

Definições:
Fatoração LU.
Subespaço, espaço nulo, espaço coluna.
Independência linear, conjunto gerador, base.
Vetor de coordenadas em relação a uma base.
Dimensão de um subespaço.
Posto de uma matriz.
Autovalor, autovetor, autoespaço, diagonalizável, semelhança.

Teoremas:
Capítulo 2: Teorema da Matriz Invertível (mais: det A ≠ 0 e 0 não é um autovalor).
Teorema 10 (expansão Coluna por Linha de AB).
Teoremas 12, 13, 14 (Teorema do Posto) e 15 (Teorema da Base) (na Seção 2.9).
  Saber a demonstração do Teorema 12.
Capítulo 5: Teoremas 1, 2, 4.
Teorema 5 (o Teorema da Diagonalização), Teorema 6, Teorema 9.
Saber a demonstração do Teorema 6.

Habilidades (lista parcial):

Deduzir a função transferência de um sistema ITL (invariante no tempo e linear), começando com a
transformada de Laplace de um sistema de equações diferenciais na forma do espaço de estados.
(Exercício 19 na Seção 2.4.)
Construir uma fatoração LU de uma matriz; usar uma fatoração LU para resolver Ax = b.
Determinar se um conjunto de vetores gera (ou é uma base para) ℝn.
Determinar se um vetor pertence a Nul A ou a Col A.
Encontrar um vetor não nulo em Nul A ou Col A.
Determinar se um conjunto é uma base para um subespaço.
Encontrar uma base para Nul A ou para Col A.
Encontrar o vetor de coordenadas de um vetor em relação a uma base.
Encontrar a dimensão de um subespaço.
Determinar se um número (vetor) é um autovalor (autovetor) de uma matriz.
Encontrar uma base para um autoespaço.
Encontrar a equação característica e os autovalores de uma matriz 2 × 2. Encontrar os autovalores de
uma matriz triangular.
Se A for diagonalizável, encontrar P e D tais que A = PDP −1. Mostrar como calcular potências altas
de uma matriz diagonalizável. Encontrar uma fórmula para Ak.
Encontrar uma fatoração de uma matriz A 2 × 2 que exibe a rotação associada a um autovalor complexo.
Determinar se A é diagonalizável.

26
Folha de Revisão para a Terceira Prova – B
A prova cobrirá o material nas Seções 5.6, 5.7, de 6.1 a 6.5, 7.1, 7.2 e 7.4.

Definições:
Vetores ortogonais, conjunto ortogonal, base ortogonal, complemento ortogonal.
Projeção ortogonal sobre um subespaço.
Fatoração QR.
Solução de mínimos quadráticos, equações normais.
Matriz simétrica, diagonalizável por matriz ortogonal.
Eixos principais de uma forma quadrática.
Formas quadráticas positivas definidas, negativas definidas, indefinidas.
Valores singulares, decomposição em valores singulares, número de singularidade.

Teoremas:
Capítulo 6: Teorema 2 (Teorema de Pitágoras), Teoremas 3, 4, 5, 6, 7.
Saber a demonstração de 7 (partes a e b).
Teorema 8 (Teorema da Decomposição Ortogonal).
Teorema 9 (Teorema da Melhor Aproximação).
Teorema 12 (Fatoração QR), Teoremas 13 e 15.
Capítulo 7: Teoremas 1, 2, 4 (Teorema dos Eixos Principais), 5, 9, 10.

Habilidades (lista parcial):

Encontrar a equação característica e os autovalores de uma matriz 2 × 2. Encontrar uma base para um
autoespaço.
Fazer uma mudança de variável para desacoplar um sistema dinâmico xk+1 = Axk ou x(t) = Ax(t).
Se {xk} for uma solução da equação de diferença xk+1 = Axk (ou se x(t) satisfizer x = Ax), usar uma
decomposição de x0 em autovetores para calcular o que acontece com xk quando k → ∞.
Calcular o comprimento de um vetor e a distância entre vetores. Normalizar um vetor.
Verificar se um conjunto é ou não ortogonal.
Calcular a projeção ortogonal sobre uma reta (contendo 0) ou sobre um subespaço. Decompor um ve-
tor em uma componente na direção de u e uma componente ortogonal a u. Decompor um vetor na
soma de um vetor em um subespaço W com um vetor em W⊥.
Encontrar o vetor em um subespaço W mais próximo a um vetor especificado.
Encontrar a distância de um subespaço a um vetor especificado.
Efetuar o processo de Gram-Schmidt em um conjunto linearmente independente de vetores.
Calcular a fatoração QR de uma matriz com colunas linearmente independentes.
Encontrar a solução de mínimos quadráticos de Ax = b. Calcular o erro de mínimos quadráticos.
Diagonalizar uma matriz simétrica A por uma matriz ortogonal.
Escrever a matriz de uma forma quadrática.
Fazer uma mudança de variável que transforma uma forma quadrática em uma sem produtos cruzados.
Especificar os eixos principais de uma forma quadrática.
Classificar uma forma quadrática usando os autovalores da matriz associada.
Construir uma DVS para uma matriz A.
Saber como se relacionam os subespaços fundamentais de uma matriz.

Aplicações:
Para um sistema dinâmico xk+1 = Axk, quando A é uma matriz 2 × 2, determinar se 0 é um atrator, um
repulsor ou um ponto de sela. Encontrar a direção e o sentido de maior atração ou repulsão.
Para um sistema dinâmico x = Ax (quando A é uma matriz 2 × 2), encontrar a solução geral, encontrar
soluções reais quando os autovalores são complexos e determinar se 0 é um atrator, um repulsor,
um ponto de sela ou um ponto espiral. Encontrar a direção e o sentido de maior atração ou repulsão.
Construir uma fatoração QR de uma matriz, usar uma fatoração QR para produzir uma solução de
mínimos quadráticos de Ax = b.

27
 Folha de Revisão para a Prova Final – B
A prova final é sobre toda a matéria, mas focaliza nos conceitos e tópicos principais estudados ao lon-
go do semestre. Como muitos tópicos se baseiam em conceitos anteriores, a maioria das questões
envolverá ideias dos Capítulos 4, 5, 6 e 7.
Podem cair algumas definições na prova. As definições mais importantes incluem:
O produto Ax, o produto AB, transformação linear, independência e dependência lineares, conjun-
to gerador, base, subespaço, dimensão, posto, base ortogonal, autovetor, autovalor, solução de
mínimos quadráticos.
Fatorações de uma matriz A: fatoração LU, fatoração QR, diagonalização, diagonalização por matriz
ortogonal, decomposição em valores singulares. Saber as propriedades das matrizes na fatoração.
Saber onde essas fatorações são usadas.
Número de singularidade.
Diversas questões irão pedir que você justifique suas respostas. Essas justificativas envolverão, muitas
vezes, referência a um teorema. Os teoremas que têm um nome descritivo são, em geral, bons can-
didatos para uma questão. O Teorema da Matriz Invertível é particularmente importante.
O tema dos dois primeiros capítulos é olhar sistemas de equações sob muitos pontos de vista diferentes
(sistemas de equações, equação vetorial, equação matricial e transformações lineares). Pode ajudar
rever as diversas questões que envolvem existência e unicidade de soluções.
Observações variadas:
Reveja as provas de três horas e as folhas de revisão dadas para elas.
As Seções 2.8 e 2.9 contêm muitos conceitos importantes do Capítulo 4.
A prova irá incluir material das Seções 7.1, 7.2, 7.4, 4.1, 4.3, 4.8, 6.7 e 6.8.

Aplicações:
Aplicações Principais (cerca de 20% da prova):
Seção 2.5 Fatorações de Matrizes.
Seção 4.8 Equações de Diferença.
Seção 5.6 Sistemas Dinâmicos Discretos.
Seção 5.7 Aplicações a Equações Diferenciais.
Seção 7.2 Formas Quadráticas.
Seção 6.8 Séries de Fourier.
Explicar o significado físico das colunas de uma matriz de flexibilidade ou de uma matriz de rigidez
(Seção 2.2).
Construir uma fatoração LU de uma matriz, usar uma fatoração LU para resolver Ax = b. Veja os Exer-
cícios 1 a 15 e 22 a 26 (outras fatorações) na Seção 2.5.
Encontrar uma mudança de variável que desacopla um sistema de equações de diferença (ou diferencial).
Encontrar um conjunto fundamental de soluções de uma equação diferencial homogênea.
Encontrar soluções reais no caso de autovalores complexos.
Construir uma fatoração QR de uma matriz, usar uma fatoração QR para produzir uma solução de
mínimos quadráticos de Ax = b.
Encontrar uma mudança de variável que transforma uma forma quadrática em outra sem termos cru-
zados.
Saber como calcular normas e produtos internos em C[a, b].
Encontrar aproximações de Fourier de terceira ou quarta ordem de uma função.

28
Lista de Estudo para o Capítulo 4 e as Seções 6.7 e 6.8

Definições:
Conjunto linearmente independente (dependente), base para um subespaço.
Dimensão de um subespaço.
O produto interno em C [a, b] (Seção 6.7).

Teoremas:
Seção 4.1, Teorema 1.
Seção 4.5, Teorema 12 (O Teorema da Base).
Seção 4.8, Teorema 17.

Habilidades:
Explicar por que um conjunto de n soluções linearmente independentes de uma equação de diferença
linear homogênea de ordem n (ou de uma equação diferencial linear de ordem n) é uma base para
o conjunto de todas as soluções.
Calcular || f || e ⟨ f, g ⟩ para f e g em C [a, b].
Encontrar uma base ortogonal para um conjunto de polinômios em C [a, b].
Explicar como a fórmula para uma aproximação de Fourier está relacionada com a projeção ortogonal
de um vetor sobre um subespaço, e por que essa aproximação fornece a melhor aproximação de
uma função no espaço C [0, 2π].

29
 Soluções da Primeira Prova – B
1. a. Os vetores são linearmente independentes porque não são múltiplos. (De forma mais precisa,
nenhum dos vetores é múltiplo do outro.)

b. . O conjunto de três vetores

é linearmente dependente porque a equação Ax = 0 tem uma variável livre e, portanto, tem uma
solução não trivial. Veja 1.6: Exercícios 7 a 24.
c. As colunas são linearmente dependentes porque uma coluna é o vetor nulo.

2. a. O conjunto de dois vetores não pode gerar ℝ3, por um teorema, pois a matriz pode

ter, no máximo, duas posições de pivô e, portanto, não pode ter uma posição de pivô em cada
linha. Veja o Teorema 4, Seção 1.4.
b. O escalonamento em 1(b) mostra que a matriz não tem uma posição de pivô na terceira linha.
Por um teorema, as colunas da matriz não geram ℝ3.

c. . Cada linha tem uma posi-

ção de pivô. Por um teorema, as colunas geram ℝ3.

Veja 1.4: Exercícios 23 a 28; 1.8: Exercício 27.
3. A(X + B) = CA. Como A é invertível, podemos multiplicar à esquerda por A−1 para obter
, de modo que X + B = A−1CA e X = A−1CA – B. Veja 2.2: Exercícios

17 e 19.
4. Rotação de 3π/2 radianos leva e1 em e leva e2 em . Por um teorema, a matriz canônica

de T é . Veja 1.8: Exercícios 5 a 14.

5. Como A é uma matriz quadrada com colunas linearmente independentes, A é invertível pelo TMI.
Por outro teorema, a equação Ax = b tem uma única solução para todo b em ℝ5. (Outra justifica-
tiva, por exemplo, poderia omitir o TMI e a menção de outro teorema e explicar, simplesmente,
que toda coluna de A tem de ser uma coluna pivô, já que a equação Ax = 0 só tem a solução trivial.
Então, como A é quadrada, os pivôs têm de estar na diagonal principal de A. Como cada linha tem
um pivô, a equação Ax = b tem solução para todo b, por um teorema. A solução é única porque não
podem existir variáveis livres.) Veja 2.3: Exercício 19.
6. A condição dada implica A não ser invertível. Logo, todas as afirmações no TMI são falsas. Por-
tanto, a transformação x ↦ Ax não pode ser sobrejetora de ℝ6 em ℝ6 e também não pode ser in-
jetora. (Não há necessidade de mencionar que a transformação não é invertível, já que o conceito
de transformação invertível está na parte do livro que foi especificamente excluída da matéria da
prova.) Veja 2.3: Exercício 21.
7. A primeira coluna de CD é a soma das colunas 2 e 3 de CD. Seja D = [d1 … dp]. Pela definição de
multiplicação de matrizes, C[d1 … dp] = [Cd1 … Cdp]. Como d3 = d1 + d2 por hipótese, uma pro-
priedade da multiplicação de matrizes por vetores mostra que Cd3 = C(d1 + d2) = Cd1 + Cd2. (Você
também poderia dizer que as colunas de CD são linearmente dependentes, mas o ponto principal
que eu queria era mostrar como as colunas de CD estão relacionadas.) Veja 2.1: Exercício 19.
8. As colunas a1, …, an são linearmente independentes se e somente se a equação x1a1 + x2a2 + … +
xnan = 0 só tiver a solução trivial. Essa equação pode ser escrita na forma Ax = 0, pela definição
de Ax. Logo, as colunas de A são linearmente independentes se e somente se a equação Ax = 0 só
tiver a solução trivial.

30
Soluções da Segunda Prova – B
1. a. Para resolver Ax = b quando A = LU, resolva primeiro Ly = b para y e depois resolva Ux = y.
b. Coloque a última matriz mostrada em forma escalonada reduzida, obtendo U =

. Para L, copie as colunas dos pivôs (dos pivôs para baixo) encontradas

durante o escalonamento para chegar a U: . Divida cada coluna pelo

pivô no topo e coloque-a na parte triangular inferior de L; depois, preencha a coluna de L que

falta com a última coluna da matriz identidade 4 × 4: L = .

c. dim Nul A = 2, já que a equação Ax = 0 tem duas variáveis livres.

2. A equação matricial implica XA + 0B = I, YA + ZB = 0 e Y0 + ZC = I. A primeira equação, XA =
I, implica A ser invertível pelo Teorema da Matriz Invertível, já que A é quadrada. Então XAA−1 =
IA−1 e X = A−1. Pelas mesmas razões, a terceira equação, ZC = I, implica C ser invertível e Z = C −1.
Finalmente, usando Z = C −1 na segunda equação, temos YA = −C −1B. Multiplicando à direita por
A−1, obtemos YAA−1 = −C −1BA−1 e Y = −C−1BA−1.
3. Escalone a matriz A = [v1 v2 v3 v4] para localizar as colunas dos pivôs de A:

Os pivôs estão nas colunas 1, 2 e 4; logo, {v1, v2, v4} forma uma base em ℝ4 para o espaço gerado
por {v1, v2, v3, v4}.

4. Calcule Av1 = = −9v1, de modo que λ1 = −9 é um autovalor de

A. A seguir, use o autovalor dado λ2 = 2 para encontrar uma base para o autoespaço associado, ou
seja, resolva (A – 2I)x = 0:

. Uma base para o autoespaço:

Uma solução: , em que

5. [x]ℬ = , em que a e b satisfazem , ou .

Escalone a matriz ou use a inversa de para encontrar [x]ℬ = .

6. e 7. Veja o texto.

31
 Soluções da Terceira Prova – B
1. a. x(t) = c1 e(–3+5i)t + c2 e(–3–5i)t (com c1 e c2 números complexos).

b. Encontre as partes real e imaginária de uma das duas soluções básicas em (a):

A solução real geral tem a forma c1 Re x(t) + c2 Im x(t), ou seja,

c. A origem é um ponto espiral. Como a parte real de −3 + 5i é negativa, a exponencial negativa

e−3t puxa a espiral na direção da origem.
2. Como A tem colunas ortonormais, ATA = I. A folha de revisão dizia para saber a demonstração do
Teorema 7, veja o Exercício 25.

3. A distância de b a ℒ{u, v} é o número b  bˆ , em que b̂ é a projeção ortogonal de b sobre ℒ{u,

v}. Como u e v são ortogonais,

4. A = QR, em que Q é 5 × 3 com colunas ortonormais e R é 3 × 3, triangular superior, com elementos

positivos em sua diagonal.
5. xTAx, com A = . det = λ2 − 4λ + 4 – 25 = (λ − 7)(λ + 3).

Autovalores: λ = 7, v1 = ; λ = −3, v2 = . Normalize v1 e v2, e defina

A mudança de variável é x = Py, com P como anteriormente. Substituindo e usando PTP = I, temos

6. Dado que A = UΣVT, escreva U = [u1 … u4] e V = [v1 … v5]. Note que A tem três valores singulares
não nulos e Av1 = 16,70u1, Av2 = 14,36u2, Av3 = 2,44u3 e Av4 = Av5 = 0.
a. Os vetores unitários u1, u2, u3 formam uma base ortonormal para Col A.
b. A quarta coluna, u4, é uma base para (Col A)⊥.
c. (Col A)⊥ = Nul AT.
d. Como Av4 = Av5 = 0, {v4, v5} é uma base ortonormal para Nul A. Para mostrar que você sabe
quais são esses vetores, liste suas coordenadas: v4 = (−0,35, −0,13, 0,11, 0,23, −0,89) e v5 =
(0,34, 0,72, 0,27, 0,53, −0,6).
e. O maior autovalor de AT A é σ12 = (16,7)2 = 278,89.

Nota:

O número de linhas em A é determinado por U.

O número de colunas em A é determinado por V.
A forma de A fica clara analisando-se Σ.

32
7. Resolva AT Ax̂ = ATb, x̂ = . As operações nas linhas ⇒ x̂ = .
8. Uma matriz U é ortogonal se U for invertível e U = U .
T −1

Equivalentemente, U é uma matriz ortogonal se U for quadrada e tiver colunas ortonormais.

33
 Soluções da Prova Final – B
1. a. Posto A = 3, pois a matriz B mostra que A tem três colunas de pivôs.
b. As colunas 1, 3 e 5 de A formam uma base para Col A.
2. a. A matriz para a forma quadrática xTAx é A = . Para encontrar a equação característica,

calcule det = λ2 – 11λ – 26 = (λ – 13)(λ + 2). Os autovalores de A são 13 e –2.

A forma quadrática é indefinida porque A tem um autovalor positivo e outro negativo.
b. Efetuando os cálculos usuais, vemos que os autovetores para λ = 13 e –2 são, respectivamen-
te, v1 = e v2 = . Normalizando, obtemos P = .
[Opcional: Então A = PDP −1, em que D = diag(13, –2) e P −1 = PT. Logo, PTAP = D.]
A mudança de variável x = Pu é

3. Note que u1 e u2 são ortogonais, de modo que o ponto mais próximo de y em W é a projeção orto-
gonal ŷ de y sobre W, e a distância de y a W é y  yˆ .

4. Se A = QR, então a terceira coluna de A é Q vezes a terceira coluna de R.

Logo, (usando a definição de Qx).

6. Veja o Teorema da Matriz Invertível.

7. a. Toda coluna de A é uma coluna de pivô, pois as colunas de A são linearmente independentes.
Logo, a equação Ax = b não tem variáveis livres. Portanto, se Ax = b tiver solução, a solução
será única. (Existem outros argumentos possíveis.)
b. m ≥ n, já que as colunas de A seriam linearmente dependentes se A tivesse mais colunas que
linhas.
c. A equação Ax = b tem solução para todo b se e somente se m = n.

b. A solução geral é xk = c1(−0,2)kv1 + c2(0,6)kv2. Para fazer x0 = w, resolva [v1 v2]x = w.

A solução é xk = −3(−0,2)kv1 + 5(0,6)kv2. A origem é um atrator.
[Não é necessário: A direção de maior atração é determinada por v2 (ou seja, é dada pela reta
paralela a v2 contendo a origem), pois (−0,2)k → 0 mais depressa que (0,6)k → 0.]
c. A solução geral é x(t) = c1e−0,2tv1 + c2e0,6tv2. Para fazer x(0) = w, use os mesmos coeficientes
que o item (a). Então a solução é x(t) = −3e−0,2tv1 + 5e0,6tv2. A origem é um ponto de sela. A
direção de maior atração é determinada por v1 (porque e−0,2t → 0 quando t → ∞) e a direção
de maior repulsão é determinada por v2 (porque e0,6t → ∞ quando t → ∞).
9.

b. A projeção ortogonal de g sobre Q = ℒ{ f } é

34
10. a. A equação auxiliar é r3 – r2 – 4r + 4 = 0. Da sugestão: (r2 – 4)(r – 1) = 0, de modo que r = ±2, 1.
A solução geral é yk = c12k + c2(−2)k + c3 ⋅ 1k.
b. Escreva yk+3 = −4yk + 4yk+1 + yk+2 (mas não é necessário).

c. O conjunto solução de uma equação de diferença linear homogêneo de ordem n é um espaço
vetorial de dimensão n. Pelo Teorema da Base, qualquer conjunto de n vetores linearmente
independentes em um espaço de dimensão n é, de forma automática, uma base para o espaço.
11. a. A = LU, em que L é uma matriz 8 × 8, triangular inferior com todos os elementos diagonais
iguais a 1, e U é uma matriz 8 × 10 triangular superior. A equação Ax = b pode ser escrita como
L(Ux) = b. Escalone [L b] até [I y] e, depois, escalone [U y] para obter a descri-
ção de todas as soluções x. Ou mencione resolver Ly = b e depois Ux = y.
b. A = QR, em que Q é uma matriz 20 × 5 com colunas ortonormais e R é 5 × 5, triangular su-
perior e invertível. O problema de mínimos quadráticos Ax = b pode ser resolvido por meio
da solução de Rx = UTb obtida via substituição de trás para frente (já que R é triangular).
c. A = UΣVT, em que U é 3 × 3, ortogonal, V é 5 × 5, ortogonal, e Σ é uma matriz 3 × 5 “diago-
nal”, com os valores singulares não nulos de A na diagonal. O número de valores singulares
não nulos de A é o posto de A.

35
 Primeira Prova – C
Instruções: Comece cada um dos sete problemas numerados em uma página nova de seu caderno de
respostas. Mostre seus cálculos.
1. [20 pontos] Encontre a solução geral do sistema homogêneo de equações a seguir. Expresse sua
resposta em forma vetorial paramétrica. Use o método desenvolvido em sala de aula.

2. Sejam

a. Dê uma descrição geométrica de ℒ{u, v}. (Com o que ele se parece?)

b. Determine se w pertence a ℒ{u, v}.
c. Dê uma descrição de ℒ{u, v, w}. Justifique sua resposta.
Sugestão: Considere a matriz A cujas colunas são u, v e w.
3. [10] Nos itens (a) e (b), decida por inspeção se as colunas da matriz A são linearmente independen-
tes. Não efetue operações nas linhas. Justifique suas respostas. (Você pode citar fatos ou teoremas
bem conhecidos.)

4. [15] Complete as definições a seguir.

a. Se A for uma matriz n × n e x for um vetor em ℝn, então Ax _____. (Complete com palavras,
se possível.)
b. Um conjunto {v1, …, vp} em ℝn é linearmente independente se _____. (Leia com cuidado.)
c. Uma transformação linear T : ℝn → ℝm é uma função que satisfaz as seguintes propriedades: ___.
5. [5] Quantas linhas e colunas uma matriz A precisa ter de modo a definir uma transformação linear
T : ℝ5 → ℝ7 pela regra T(x) = Ax?
6. [15] Suponha que A seja uma matriz 4 × 3. As colunas de A podem gerar ℝ4? Por quê? (Se apro-
priado, mencione um teorema em sua discussão.)
7. [15] Uma companhia de mineração possui duas minas. Um dia de operação da mina #1 produz
minério que contém 20 toneladas de cobre e 550 quilos de prata, enquanto um dia de operação da
mina #2 produz minério que contém 30 toneladas de cobre e 500 quilos de prata. Suponha que a
companhia tenha pedidos para 150 toneladas de cobre e 2825 quilos de prata.
   Considere o problema: Quantos dias a companhia deve operar cada mina para produzir exata-
mente as quantidades nesses pedidos?
a. Monte (mas não resolva) uma equação vetorial que descreve esse problema. Inclua uma frase
sobre o que as variáveis na equação representam.
b. Escreva uma equação matricial equivalente para esse problema. (Não resolva.)

36
Segunda Prova – C
1. [15 pontos] a. Seja A uma matriz n × n invertível. O que você pode dizer sobre equações da forma
Ax = b? [Mencione afirmação (ou afirmações) de teorema(s).]
b. Dê a definição do produto matricial AB quando A é uma matriz m × n e B é uma matriz n × p.
Introduza qualquer notação necessária para a definição. (Não dê a regra linha por coluna para
o cálculo de AB.)
c. Dê a definição (em palavras, se possível) do espaço coluna de uma matriz m × n.
2. [10] Suponha que A, B e C sejam matrizes invertíveis que satisfazem a equação B(A + I)B –1 = C.
Resolva a equação para A em termos das outras matrizes. Mostre seus cálculos.
3. [15] Suponha que as colunas de uma matriz G 6 × 6 não gerem ℝ6. O que você pode dizer sobre a
equação Gx = 0? Explique sua resposta (em uma ou duas frases).
4. [15] As matrizes A e B a seguir são equivalentes por linhas. Use este fato para encontrar uma base
para o espaço nulo de A.

5. [15] Explique por que o conjunto H a seguir é um subespaço de ℝ3.

6. [15] a. O conjunto gera ℝ3? Por quê?

b. O conjunto em (a) é uma base para ℝ3? Por quê?

7. [15] Considere uma economia com dois setores, Bens e Serviços. Para cada unidade de produção,
o setor de Bens usa como insumo 0,40 de unidade de sua própria produção e 0,30 de unidade do
setor de Serviços. Para cada unidade de produção, o setor de Serviços usa como insumo 0,10 de
unidade de sua própria produção e 0,20 de unidade do setor de Bens. Suponha que exista uma de-
manda externa de 170 unidades para o setor de Bens e de 75 unidades para o setor de Serviços.
a. Escreva em símbolos o modelo abstrato de produção de Leontief para esta situação e, depois,
preencha com os valores numéricos apropriados retirados dos dados anteriores.
b. Mostre os passos algébricos que levam a uma fórmula para a solução da equação de produção
de Leontief. Não calcule os valores numéricos.
c. Suponha que a solução da equação de produção seja o vetor . O que as coordenadas desse vetor
representam?

37
 Terceira Prova – C

1. [20 pontos] Sejam e seja W = ℒ{u, v}. É claro que

{u, v} é uma base ortogonal para W.

a. Escreva y como a soma de dois vetores, um em W e outro ortogonal a W.
b. Calcule a distância de y ao subespaço W.

2. [10] A matriz A = é diagonalizável? (Não faça cálculos numéricos.) Mencione um ou

mais teoremas que justificam sua resposta.

3. [25] A matriz A = tem autovalores 2 e 3.

a. Use esta informação para encontrar P e D que diagonalizam A e escreva a equação (em símbo-
los) que relaciona A às matrizes P e D.
b. Enuncie uma fórmula matricial que mostra um modo simples de calcular A8 (mas não efetue
cálculo numérico algum).
4. [20] Considere um sistema dinâmico xk+1 = Axk (k = 0, 1, 2, …) que modela um sistema predador-
presa de falcões e ratos, em que xk = (Hk, Mk) fornece o número de falcões e o número (em milha-
res) de ratos no k-ésimo censo anual. Suponha que A tenha autovalores λ1 = 1,05 e λ2 = 0,75, com
autovetores correspondentes v1 = e v2 = , respectivamente.

a. Dado o vetor inicial x0 = , use uma decomposição de x0 em autovetores para obter uma
fórmula específica para xk para k > 0.
b. O que os autovalores e autovetores lhe dizem sobre o comportamento no longo prazo desse
sistema dinâmico e a distribuição final de falcões e ratos?
5. [10] A solução geral de determinado sistema homogêneo com oito equações e dez variáveis pode
ser descrita usando-se três parâmetros livres. Qual o menor número de equações homogêneas ne-
cessário para determinar completamente esse conjunto solução? Dê uma explicação curta de como
encontrou sua resposta.
6. [15] a. Considere uma matriz m × n A e um vetor b em ℝn. Explique o que significa uma solução
de mínimos quadráticos de Ax = b.
b. Seja A uma matriz n × n. Escreva quatro afirmações do Teorema da Matriz Invertível que
são equivalentes à proposição “A é invertível”. Cada afirmação tem de usar um dos termos
ou símbolos a seguir, um diferente em cada afirmação: (i) Nul A; (ii) dimensão; (iii) posto;
(iv) autovalor.

38
Prova Final – C
Por favor, comece cada problema numerado em uma página diferente de seu caderno de respostas.

1. [15 pontos] Suponha que A = é equivalente por linhas a

B= .

a. Encontre uma base para o subespaço gerado pelas colunas de A.

b. Qual é a dimensão do subespaço em (a)?
c. Encontre uma base para o espaço linha de A.
d. Dê a definição de um subespaço: “Um subconjunto W de um espaço vetorial V é um subespaço
se ….”
2. Seja

a. [12] Encontre as matrizes P e D que diagonalizam A por matriz ortogonal. Escreva a equação
que relaciona A às matrizes P e D. Não calcule inversa alguma.
b. [2] Escreva a forma quadrática (usando as variáveis x1 e x2) associada à matriz A.
c. [3] A forma quadrática xTAx é positiva definida? Por quê?
d. [3] Encontre o vetor unitário x que maximiza o valor de xTAx sujeita à restrição xTx = 1. Qual
é esse valor máximo?
e. [5] Escreva a equação de uma mudança de variável que elimina os termos cruzados na forma
quadrática xTAx. Depois, mostre os cálculos matriciais que transformam xTAx nesta forma qua-
drática nova. Encontre a forma quadrática nova proveniente da mudança de variável.

3. [4] Explique por que a matriz A = é diagonalizável.

4. [6] Sejam A uma matriz m × n e b em ℝm.

a. Explique por que b pertence a Col A se e somente se a equação Ax = b tiver solução.
b. Suponha que a equação Ax = b tenha solução para todo b em ℝm. O que você pode dizer sobre
uma forma escalonada de A?
5. [5] Resolva a equação AX + B = CA para X supondo que A, B, C, X sejam matrizes n × n com A, B
e C invertíveis.
6. [15] a. Descreva a imagem mental que você tem de um subespaço bidimensional de ℝ4.

b. Sejam v1 = , v2 = ,y= e W = ℒ{v1, v2}. Encontre a projeção ortogonal ŷ de y

sobre W.
c. Diga as duas propriedades que o vetor ŷ em (b) tem, como descritas no Teorema da Decompo-
sição Ortogonal e no Teorema da Melhor Aproximação.
d. Encontre a distância de y a W em (b).
Resolva dois dos três problemas a seguir. Se tentar todos os três, indique quais dois deles de-
vem ser corrigidos.
7. [15] Suponha que uma economia tenha dois setores, Bens e Serviços. Uma unidade de produção do
setor de Bens usa como insumo 0,2 de unidade de sua própria produção e 0,6 de unidade do setor
de Serviços. Uma unidade de produção do setor de Serviços usa como insumo 0,5 de unidade do
setor de Bens e 0,3 de unidade de sua própria produção. A demanda do “setor aberto” é de 400
unidades de Bens e 300 unidades de Serviços.
a. Escreva o modelo de produção abstrato de Leontief e determine a matriz e os vetores específi-
cos para esta economia.
b. Forneça os passos algébricos abstratos que levam à solução teórica da equação de Leontief.
Mostre todos os detalhes.
c. Determine os níveis numéricos de produção nessa economia que satisfarão exatamente a de-
manda do setor aberto. Use a inversa de uma matriz para fazer o cálculo final.

39
 8. [15] Considere um modelo predador-presa para populações de lobos e coelhos. Suponha que, no
ano k, o vetor xk = (Lk, Ck) forneça o número de lobos e de coelhos (em milhares). Suponha que,
para k = 0, 1, 2, …,

Você pode supor os seguintes fatos: Se A A == 0,06, 6 0,08,8,v, v= = 44,ev, v= = 44  , então v será um
 –0–,015,15 1, 14,4  1 1  33  2 2  11  1

autovetor associado a λ = 1,2, e v2 será um autovetor associado a λ = 0,8.

Suponha que, inicialmente (k = 0), haja 20 lobos e 11 mil coelhos.
a. Encontre uma fórmula para o número de lobos e de coelhos previstos para o ano k.
b. Estime o crescimento ou decaimento, no longo prazo, das populações e a razão final entre o nú-
mero de lobos e o de coelhos (em milhares).
9. [15] Um pesquisador deseja fazer um ajuste de mínimos quadráticos aos pontos (t, y) de dados usan-
do uma equação da forma

(Os dois primeiros termos fornecem uma tendência afim e o terceiro fornece uma flutuação anual,
em que o tempo t está medido em meses.) Os dados são (0, 6), (1, 4), (2, 3) e (4, 5).
a. Forneça a matriz de projeto, o vetor de observação e o vetor de parâmetros para esta situação.
(Coloque, também, os dados anteriores.)
b. Forneça a equação normal em símbolos abstratos. Não deduza a equação normal.
c. Que propriedade a matriz de projeto deve ter para que exista apenas uma solução de mínimos
quadráticos de Xβ = y? (Não faça cálculo algum para verificar essa propriedade.)

40
Folha de Revisão para a Primeira Prova – C
Esta prova será sobre o material discutido em sala de aula e estudado nos deveres para casa, das Seções
de 1.1 a 1.8 e 1.10. A lista a seguir mostra as definições e os teoremas mais importantes.

Definições:
A definição de Ax, tanto em palavras quanto em símbolos.
ℒ{v}, ℒ{u, v} e interpretação geométrica em ℝ2 ou ℝ3.
ℒ{v1, …, vp}.
Linearmente independentes e linearmente dependentes.
Transformação linear.

Teoremas:
Capítulo 1:
Teorema 2 (Teorema de Existência e Unicidade).
Teorema 3 (Equação matricial, equação vetorial, sistema de equações lineares).
Teorema 4 (Quando as colunas de A geram ℝm?).
Teorema 5 (Propriedades do Produto Matriz-Vetor Ax).
Teoremas 6, 7, 8 (Propriedades de conjuntos linearmente dependentes).

Habilidades Importantes (lista parcial):

Determinar quando um sistema é consistente. Escrever a solução geral em forma paramétrica vetorial
como uma combinação linear de vetores usando as variáveis livres como parâmetro.
Determinar valores de parâmetros que tornam um sistema consistente ou fazem com que a solução
seja única. Descrever existência ou unicidade de soluções em termos das posições dos pivôs. De-
terminar quando um sistema homogêneo tem uma solução não trivial.
Determinar quando um vetor pertence ao subespaço gerado por vetores específicos. Exibir um vetor
como uma combinação linear de vetores específicos.
Determinar se as colunas de uma matriz m × n geram ℝm.
Usar a linearidade da multiplicação matricial para calcular A(u + v) ou A(cv).
Determinar quando um conjunto de vetores é linearmente independente. Conhecer diversos métodos
que, algumas vezes, podem produzir uma resposta “por inspeção” (sem muitos cálculos).

Aplicações:
Construir uma tabela de trocas para uma economia fechada. Escrever o sistema de equações de equi-
líbrio. (Veja o Exemplo 1 na Seção 1.6.)
Usar combinações lineares de vetores para descrever problemas variados. (Veja o Exemplo 7 e os
Exercícios 27 e 28 na Seção 1.3, e o Exemplo 6 na Seção 1.8.)
Montar uma matriz de migração e escrever a equação de diferença xk+1 = Mxk que descreve o movi-
mento populacional em uma região (supondo que não haja nascimentos/mortes nem migração).

41
 Folha de Revisão para a Segunda Prova – C
A prova será sobre o material discutido em sala de aula e estudado nos deveres para casa, das Seções
2.4, 2.6, de 3.1 a 3.3 e de 4.1 a 4.4. A lista a seguir mostra as definições e os teoremas mais importantes.

Definições:
O produto AB de duas matrizes.
Produto externo.
Determinante.
Subespaço, espaço nulo e espaço coluna.
Independência linear, dependência linear, relação de dependência linear.
Conjunto gerador, base, vetor de coordenadas.

Teoremas:
Capítulo 2: Teoremas 4, 5, 6(b), 8 (Teorema da Matriz Invertível).
Teorema 11.
Saber a demonstração do Teorema 5.
Capítulo 4: Teoremas de 1 a 4, 5 (Conjunto Gerador), 6.
Teorema 7 (Representação Única).
Saber as demonstrações dos Teoremas 2 e 7.

Habilidades (lista parcial):

Saber a fórmula especial para a inversa de uma matriz 2 × 2.
Usar A–1 para resolver um sistema de equações.
Resolver equações matriciais usando álgebra matricial.
Usar o Teorema da Matriz Invertível para ligar fatos sobre uma matriz, uma equação matricial, uma
equação vetorial, as colunas de uma matriz etc. (Omitir os itens f e i do Teorema 8.)
Encontrar elementos em uma matriz em blocos, dada uma equação envolvendo a matriz.
Resolver um sistema 2 × 2 usando a Regra de Cramer.
Determinar se um conjunto de vetores gera (ou forma uma base para) ℝn.
Determinar se um conjunto é um subespaço (usando os Teoremas 1, 2 ou 3 no Capítulo 4).
Determinar se um vetor pertence a Nul A ou a Col A.
Encontrar um vetor não nulo em Nul A ou Col A.
Determinar se um conjunto é uma base para um subespaço.
Encontrar o vetor de coordenadas de um vetor em relação a uma base.

Aplicação:
Montar o modelo de produção de Leontief: x = Cx + d, identificando cada elemento na equação.
Mostrar a álgebra matricial que leva à solução. Resolver um caso numérico 2 × 2. Saber o signifi-
cado econômico dos elementos em (I – C)–1.

42
Folha de Revisão para a Terceira Prova – C
A prova será sobre o material discutido em sala de aula e estudado nos deveres para casa, das Seções
4.5, 4.6, 4.9, de 5.1 a 5.3, 5.6 e de 6.1 a 6.3. A lista a seguir mostra as definições e os teoremas mais
importantes.

Definições:
Dimensão, posto.
Vetor de probabilidade, matriz estocástica.
Autovalor, autovetor, autoespaço, diagonalizável.
Vetores ortogonais, conjunto ortogonal, base ortogonal.
Problema abstrato de mínimos quadráticos, solução de mínimos quadráticos (começando na Seção 6.5).

Teoremas:
Capítulo 4: Teoremas 9, 12, 13.
Teorema 14 (Teorema do Posto), Teorema da Matriz Invertível.
Capítulo 5: Teorema 1, 2, 5 (Teorema da Diagonalização).
Capítulo 6: Teoremas 2 (Teorema de Pitágoras), 4, 5.
Teorema 8 (Teorema da Decomposição Ortogonal).
Teorema 9 (Teorema da Melhor Aproximação).

Habilidades (lista parcial):

Encontrar uma base para Nul A, Col A e Lin A.
Ou encontrar as dimensões desses espaços.
Usar o Teorema do Posto para relacionar dimensões de subespaços e fatos sobre equações matriciais.
Determinar se um número (vetor) é um autovalor (autovetor) de uma matriz.
Encontrar a equação característica e os autovalores de uma matriz 2 × 2. Encontrar os autovalores de
uma matriz triangular. Encontrar uma base para um autoespaço.
Se A for diagonalizável, encontrar P e D tais que A = PDP–1. Mostrar como calcular potências altas
de uma matriz diagonalizável.
Calcular comprimento de um vetor, distância entre vetores.
Verificar se um conjunto é ortogonal.
Calcular a projeção ortogonal de um ponto sobre uma reta (contendo 0) ou sobre um subespaço. De-
compor um vetor em uma componente na direção de u e uma componente ortogonal a u. Decompor
um vetor em uma soma de um vetor em W com um vetor em W⊥.
Encontrar o vetor em um subespaço W mais próximo de um vetor específico. Encontrar a distância
de um vetor a W.

Aplicações:
Montar uma matriz estocástica para um problema aplicado, determinar o vetor estado estacionário e
usá-lo para descrever o comportamento, no longo prazo, do sistema modelado pela cadeia de Markov.
Usar uma decomposição em autovetores de um vetor x0 para determinar o comportamento, no longo
prazo, da solução de uma equação de diferença xk+1 = Axk (k = 0, 1, 2, …). Conhecer as duas equa-
ções básicas (6) e (7) na Seção 5.6 (para o caso em que λ1 é um autovalor dominante e os outros
autovalores são menores que 1 em módulo) e usá-las para descrever o comportamento de um sis-
tema dinâmico no longo prazo.

43
 Folha de Revisão para a Prova Final – C
A prova final é sobre toda a matéria, mas focaliza nos conceitos e tópicos principais estudados ao longo
do semestre. Como muitos tópicos se baseiam em conceitos anteriores, a maioria das questões envol-
verá ideias dos Capítulos 4, 5, 6 e 7. A matéria para a prova inclui material das Seções 7.1, 7.2 e 7.3.
O tema dos três primeiros capítulos é considerar sistemas de equações de diversos pontos de vista
diferentes (sistema de equações, equação vetorial, equação matricial e transformações lineares). Pode
ajudar rever as várias questões envolvendo existência e unicidade de soluções.
Podem cair algumas definições na prova. As definições mais importantes incluem: o produto Ax,
o produto AB, transformação linear, independência e dependência lineares, conjunto gerador, base,
subespaço, dimensão, posto, base ortogonal, autovetor, autovalor, solução de mínimos quadráticos.
Diversas questões irão pedir que você justifique suas respostas. Essas justificativas envolverão,
muitas vezes, referência a um teorema. Em geral, teoremas que têm um nome descritivo associado são
bons candidatos para uma questão. Particularmente importantes são o Teorema da Matriz Invertível,
o Teorema do Posto e o Teorema da Melhor Aproximação.

Aplicações Principais (de 25% a 30% da prova):

Seção 2.7 O Modelo Entrada-Saída de Leontief.
Seção 4.9 Cadeias de Markov.
Seção 5.6 Aplicações a Sistemas Dinâmicos.
Seção 6.6 Modelos Lineares em Estatística.

Uma boa maneira de começar sua revisão é estudar as provas de três horas e as folhas de revisão
correspondentes. Preste bastante atenção a qualquer questão que você tenha achado difícil quando fez
as provas. Eis uma lista de revisão para o material dado após a terceira prova.

LISTA DE ESTUDO PARA O MATERIAL DEPOIS DA TERCEIRA PROVA

Material nas Seções 6.5, 6.6, 7.1, 7.2 e 7.3.

Definições:
Matriz ortogonal.
Solução de mínimos quadráticos de Ax = b, equações normais, erro de mínimos quadráticos.
Um modelo linear (em estatística).
Matriz simétrica, diagonalizável por matriz ortogonal.

Teoremas:
Capítulo 6: Teoremas 6, 7 e 14.
Capítulo 7: Teoremas 1, 2, 4 (Teorema do Eixo Principal), 6.

Habilidades (lista parcial):

Calcular a solução de mínimos quadráticos, encontrar o erro de mínimos quadráticos.
Montar a matriz de projeto, o vetor de parâmetros e o vetor de observação para diversos tipos de pro-
blemas de mínimos quadráticos em aplicações. Encontrar o vetor de parâmetros de mínimos qua-
dráticos quando a matriz XTX é 2 × 2.
Diagonalizar, por matriz ortogonal, uma matriz simétrica com autovalores distintos.
Escrever a matriz de uma forma quadrática.
Encontrar uma mudança de variáveis que transforma uma forma quadrática em outra sem termos cru-
zados.
Encontrar o valor máximo de uma forma quadrática em um conjunto de vetores unitários.

44
Soluções da Primeira Prova – C

2. a. ℒ{u, v} é um plano em ℝ3 contendo u, v e a origem.

b. Queremos saber se a equação x1u + x2v = w tem solução. Escalone a matriz aumentada para
essa equação:

. A equação 0x1 + 0x2 = 2 é impossível.

Então, a equação vetorial x1u + x2v = w não tem solução e w não está em ℒ{u, v}.
c. O conjunto ℒ{u, v, w} é maior que ℒ{u, v}, já que ele contém w, e w não está em ℒ{u, v}.
De fato, se A = [u v w], então o escalonamento anterior mostra que A tem três posições
de pivô, um em cada linha. Por um teorema, as colunas de A geram ℝ3.
3. a. Por inspeção, nenhuma das colunas de A é múltipla da outra; logo, as colunas são linearmente
independentes.
b. Uma coluna de A é o vetor nulo. As colunas são linearmente dependentes, por um teorema que
diz que um conjunto que contém o vetor nulo é linearmente dependente.
4. a. … é uma combinação linear das colunas de A usando as coordenadas correspondentes de x
como pesos.
b. … a equação x1v1 + ⋯ + xpvp = 0 só tem a solução trivial.
c. (i) T(u + v) = T(u) + T(v) para todo u, v em ℝn e
(ii) T(cv) = cT(v) para todo v em ℝn e todo escalar c.
5. Se T(x) = Ax e T : ℝ5 → ℝ7, então A terá de ter 7 linhas e 5 colunas.
6. Uma matriz 4 × 3 pode ter no máximo três posições de pivô porque só tem 3 colunas. Logo, A não
pode ter uma posição e pivô em cada uma de suas 4 linhas. Por um teorema, as colunas de A
não geram ℝ4.
7.

Sejam x1 os dias de operação da mina #1 e x2 os dias de operação da mina #2. Então o problema
é encontrar x1 e x2 que satisfazem a equação vetorial

b. A equação matricial equivalente é (existem diversas respostas possíveis):

Nota: Uma resposta incorreta comum é a matriz aumentada , que representa um

sistema de duas equações lineares, mas não é o que chamamos de “equação matricial”. Veja o Teore-
ma 3, Seção 1.4.

45
 Soluções da Segunda Prova – C
1. a. Como A é invertível, o Teorema da Matriz Invertível mostra que a equação Ax = b tem uma
única solução para todo b em ℝn. Outro teorema diz isso também e continua afirmando que a
única solução é x = A–1b.
b. Se as colunas de B forem b1, …, bp, então AB será a matriz m × p cujas colunas são Ab1, …,
Abp. Em símbolos: AB = [Ab1 … Abp].
c. O espaço coluna de A é o conjunto de todas as combinações lineares das colunas de A.
2.

Finalmente, A = B–1CB – I. (A sequência de operações pode ser mudada ligeiramente, mas a res-
posta final não pode ser simplificada para “C – I ”. A resposta pode ser escrita de maneira diferente
como A = B–1(C – I)B, se você preferir.)
3. Se as colunas de G não gerarem ℝ6, então G não será invertível, pelo TMI. E, de acordo com o
TMI, a equação Gx = 0 tem solução não trivial.
4. a. De Bx = 0, obtemos x1 – 2x2 + 5x4 – 4x5 = 0, x3 – 3x4 + 2x5 = 0 e x6 = 0. A solução geral de
Ax = 0 é

Essa equação mostra que o espaço nulo de A é gerado por {v1, v2, v3}. Como esse conjunto é, de
forma automática, linearmente independente por construção, ele é uma base para Nul A.

5. Como e como a e b são arbitrários na descrição de H, o conjunto

H é o conjunto gerado por , e então H é um subespaço de ℝ3 por um teorema.

6. a. O conjunto dado gera ℝ3 porque a matriz formada pelos quatro vetores tem uma posição de
pivô em cada linha.
b. O conjunto em (a) não é linearmente independente porque o conjunto tem mais vetores que o
número de coordenadas em cada vetor. Logo, o conjunto não é uma base para ℝ3.

7. a.

b.
c. As coordenadas de x representam as quantidades que cada setor deve produzir para satisfazer
a demanda externa. O setor de Bens deve produzir 350 unidades, e o de Serviços, 200 unidades.

46
Soluções da Terceira Prova – C

1. a. Primeiro calcule ŷ = . A decomposição de-

sejada é

b. A distância de y a W é a distância de y a ŷ, que é || y – ŷ || = 3.
2. Por um teorema, os autovalores de uma matriz triangular estão na diagonal. Logo os autovalores são
1, 4, 6. Como autovetores correspondentes a autovalores diferentes são linearmente independentes,
A tem três autovetores linearmente independentes. Como A é 3 × 3, A é diagonalizável, por um teo-
rema. (Uma vez que você observe que os autovalores são distintos, você também poderia mencionar
um teorema que diz que uma matriz n × n com n autovalores distintos é diagonalizável.)

3. a. Autovalor autovetor:

Logo, em que e

b.

4. a. v1 = , v2 = , x0 = . Para escrever x0 na forma c1v1 + c2v2, escalone a matriz au-

mentada [v1 v2 x0] para encontrar c1 = 5, c2 = 3. Da decomposição em autovetores

x0 = 5v1 + 3v2, temos

b. Para valores grandes de k, xk é aproximadamente igual a 5(1,05)kv1. O autovalor λ = 1,05 nos

diz que, para valores grandes de k, ambas as populações de falcões e de ratos aumentam por
um fator de 1,05 (ou seja, cerca de 5%) a cada ano. O autovetor correspondente v1 nos diz que,
para valores grandes de k, há cerca de 2 (mil) ratos vivendo para cada falcão.
5. Seja A a matriz de coeficientes. O problema implica A ser uma matriz 8 × 10 com um espaço nulo
tridimensional. Logo, apenas 7 das 10 colunas conterão uma posição de pivô. Portanto, uma forma
escalonada de A terá 7 linhas não nulas. Então são necessárias somente 7 equações homogêneas
para determinar o conjunto solução. (Você também pode usar o Teorema do Posto para parte do
argumento.)
6. a. Uma solução de mínimos quadráticos de Ax = b é um vetor x que torna Ax o mais próximo
possível de b (ou: um vetor x que minimiza ||Ax – b||).
b. Nul A = {0}, dim Col A = n, posto A = n, 0 não é um autovalor de A.

47
 Soluções da Prova Final – C
1. A segunda matriz mostra que as colunas pivôs de A são 1, 3 e 5, de modo que uma base para Col
A é formada pelas colunas 1, 3 e 5 de A. A dimensão é 3. Uma base para Lin A consiste nas linhas
não nulas de B. Veja a Seção 4.1 para a definição de subespaço.
2. a.

b. .
c. A forma quadrática xTAx não é positiva definida porque nem todos os autovalores são positivos.
d. O vetor unitário que maximiza xTAx é . O valor máximo é 9.

e.

3. Os autovalores de A estão na diagonal, já que A é uma matriz triangular. Esses autovalores são to-
dos distintos; logo, por um teorema, A é diagonalizável.
4. a. A equação Ax = b pode ser escrita como x1a1 + ⋯ + xnan = b. Essa equação vetorial tem solução
se e somente se b for uma combinação linear das colunas de A, ou seja, se e somente se b per-
tencer ao espaço coluna de A.
b. Se Ax = b tiver solução para todo b, então toda forma escalonada de A terá um pivô em cada
linha.
.
6. a. Um plano contendo a origem.

b.

c. Veja o texto. ; logo,

7. a. x = Cx + d, em que x é o vetor de produção, d é a demanda do setor aberto e C é a matriz de

consumo.

8. Para escrever x0 = c1v1 + c2v2 escalone .

Logo, x0 = 3v1 + 2v2. Como v1 e v2 são autovetores de A,

a. No longo prazo, xk se aproximará de um múltiplo de v1, xk ≈ 3(1,2)kv1 e xk+1 ≈ 1,2xk. Então, no
longo prazo, ambas as populações de predador e de presa crescerão por um fator de 1,2 a cada
ano (cerca de 20% ao ano) e a razão entre lobos e ratos (em milhares) estará na mesma razão,
4 para 3, que as coordenadas de v1.

48
9. a.

.

b. X T Xβ = X Ty.
c. As colunas de X precisam ser linearmente independentes para que exista apenas uma solução de
mínimos quadráticos de Xβ = y.

49