Livro ALGLIN PDF

Curso de lgebra Linear
u+v
u+v
u+v
u
0
u+v
v
u
0
v
u+v
u
u+v
u
v
u+v
u+v
Cpias so autorizadas e bem vindas: divulgue nosso trabalho!
ii
Curso de lgebra Linear

Primeira Edio
Mar o A. P. Cabral
Paulo Goldfeld
PhD Indiana University

Prof. IM - UFRJ
map abralufrj.br
PhD Courant Institute

Prof. IM - UFRJ
goldfeldlabma.ufrj.br
www.labma.ufrj.br/alglin
Departamento de Matemti a Apli ada

Instituto de Matemti a
Universidade Federal do Rio de Janeiro
Rio de Janeiro - Brasil
Julho/2008
ii
Este trabalho
muito provavelmente ser
li en iado sob uma Li ena
Atribuio-Uso No-Comer ial-Compartilhamento pela mesma Li ena 2.5 Brasil.
Para ver
uma pia desta li ena, visite
http:// reative ommons.org/li enses/by-n -sa/2.5/br/

ou envie uma arta para Creative Commons, 171 Se ond Street, Suite 300, San Fran is o,
California 94105, USA.
Fi ha Catalogr a
Cabral, Mar o A. P. e Goldfeld, Paulo
Curso de lgebra Linear / Mar o Cabral e Paulo Goldfeld - Rio de Janeiro: Instituto
de Matemti a, 2008.
1. lgebra Linear
I. Ttulo
CDD: 512.5
516.3
ISBN XX-XXXX-XXX-X
Sobre os Autores
Mar o Cabral fez o Ba harelado em Informti a na UFRJ, o Mestrado em Matemti a Apli ada na UFRJ e o doutorado em Matemti a na Indiana University (Bloogminton, EUA).
professor no Instituto de Matemti a na UFRJ. Sua rea de interesse equaes diferen iais
par iais (EDP).
Paulo Goldfeld fez Ba harelado em Enhenharia Me ni a na UFRJ, o Mestrado em Matemti a Apli ada na UFRJ e o doutorado em Matemti a no Courant Institute (Nova Iorque,
EUA). professor no Instituto de Matemti a na UFRJ. Sua rea de interesse mtodos
numri os em equaes diferen iais par iais (EDP).
iii
iv
SOBRE OS AUTORES
Agrade imentos
Primeiro aos programas (e programadores) que permitiram a produo deste material. Este
produto herdeiro da ultura GPL (Gnu Publi Li ense), que permite o reuso de digo
fonte.
Agrade emos em primeiro lugar a Douglas Knuth pelo TEX (e Leslie Lamport pelo
AT X), software que permite que este material seja to bonito; Linus Torvalds (e milhares de
L
E
outras pessoas) pelo sistema opera ional Linux, Bram Moolenaar pelo
Till Tantau pelo Beamer (slides do urso) e pelo
TikZ
PGF
vim
(editor de texto),
(guras do texto), Ri hard
Stallman (responsvel pelo projeto GNU) e milhares de pessoas por dezenas de softwares
tar ( ompa tao de arquivos), make (geren iador de

ghostview, xpdf, . . . Agrade emos tambm a Jim Heeron, ujo
utilizados:
li ena
programa),
grep, find,
livro Linear Algebra, em
. ajudou a inspirar este trabalho.
Ajudaram na preparao deste trabalho: Beatriz Malajovi h ( om gabarito dos exer ios),
Prof. Felipe A ker da UFRJ (sugesto de morsmo). Esperamos em breve a res entar seu
nome aqui.
vi
AGRADECIMENTOS
Pref io
Para o estudante
Este livro teve omo fo o o aluno e suas di uldades. Ele fartamente ilustrado, om er a
de 270 exemplos, muitos deles exer ios resolvidos. Pro uramos desta ar no texto os erros
mais omuns dos alunos.
parte fundamental do urso resolver exer ios, tantos quanto for possvel. Ao nal de
ada aptulo existem exer ios divididos em 4 grupos:
exer ios de xao: Devem ser feitos imediatamente aps a leitura do texto. So de
resposta imediata (mental). No saber resposta orreta sugere um retorno ao texto.
Deve-se fazer todos antes de seguir adiante.
problemas: So os prin ipais exer ios do aptulo. Todos (ou quase) devem ser feitos.
problemas extras: Caso o aluno tenha feito todos os problemas e deseje mais prti a.
desaos: Para se aprofundar na dis iplina. So op ionais.
Todos os exer ios de xao e todos os problemas tem respostas no nal do livro. Vrios
problemas extras e desaos tambm possuem respostas.
Porque um novo livro?
Este livro poder ser aperfeioado daqui por diante por ser disponibilizado atravs
da li ena
, que permite o re-uso do material.
Para detalhes onsulte:
http:// reative ommons.org.
Permitir aos alunos de todo o Brasil a esso f il (internet) a material gratuito e de
Ne essidade do nosso departamento, responsvel pelo ensino de lgebra Linear na UFRJ,
Produzir um material om ontedo que ser efetivamente utilizado em sala de aula
qualidade.
de apli ar prova uni ada e, onsequentemente, riar um material padro para o urso.
pelo aluno.
Na nossa experin ia, os alunos preferem livros nos, que so f eis de
transportar e estimulam a leitura.
Produzir transparn ias para sala de aula diretamente a opladas a um livro.
Criamos um pa ote ompleto, om livro texto, exer ios ( om respostas) e transparn ias
para um urso de lgebra Linear. Tudo isto est disponvel em
vii
www.labma.ufrj.br/alglin.
viii
PREFCIO
Como foi es olhido o material?

Determinamos os tpi os tomando por base o urso usualmente ministrado na UFRJ. Alm
disso o omponente estti o foi fundamental: os alunos devem per eber a beleza da Matemti a. Algumas es olhas importantes foram feitas:
Captulo ini ial apresenta ontedo prin ipal do urso sem grande formalismo: vetores
n
e operaes no R , espaos gerados (retas e planos), dependn ia e independn ia linear, bases e oordenadas. Estes temas so retomados no aptulo de Espaos Vetoriais,
mas a reditamos que importante uma exposio, logo no in io, destes on eitos.
soluo de sistemas lineares
feita atravs da eliminao de Gauss. A regra de
Cramer uma seo op ional do aptulo de Determinantes.
Espaos vetoriais de polinmios e funes
no so meros exemplos, so entrais
para a formao de engenheiros, matemti os e fsi os. Algumas apli aes importantes
so: equaes diferen iais, aproximao de funes por polinmios e mtodos numri os omo elementos nitos. Introduzimos a visualizao deste espao apresentando,
n
alm das setinhas, outra representao geomtri a para vetores do R . Apresentamos
morsmo de imagens omo exemplo de reta em espao vetorial de funes.
Matriz
apare e, ini ialmente, somente omo forma onveniente de resolver sistemas.
Mais tarde, aps apresentar transformaes lineares (TLs) e operaes de soma e omposio de TLs, apresentamos operaes entre matrizes.
Desta forma, ao invs de
apresentar, por exemplo, o produto de matrizes de forma arti ial, motivamos sua denio. Fi a laro que o produto de matrizes no omutativa pois a omposio de
funo no omutativa. A matriz inversa al ulada por es alonamento, e sua frmula
expl ita uma seo op ional do aptulo de Determinantes.
Determinante
apresentado desde o in io rela ionado om rea (volume) om sinal,
para depois ser apresentado omo funo multilinear (alternada). Optamos por fo ar
no algoritmo de l ulo utilizando operaes elementares por ser mais e iente e ligada
diretamente aos on eitos.
Apresentamos a onexo om mudana de variveis na
integrao mltipla.
Enfatizamos ao longo do texto ( aptulos de Sistemas Lineares, Matrizes, Determinante,

Autovalores e Autovetores) a viso moderna de uma
matriz por blo os, fundamental
para a omputao ient a. Apresentamos duas interpretaes (e onseqn ias) do

produto matriz-vetor e trs interpretaes do produto matriz-matriz.
No aptulo de
produto interno,
fo amos em projees e no mtodo de mnimos
quadrados. Apresentamos projeo ortogonal de funes omo forma de aproxim-las,

preparando o aluno para mtodos numri os em engenharia.
es alonamento
o algoritmo prin ipal do urso, pois atravs dele:
resolvemos
sistema, determinamos se vetores so linearmente dependentes, determinamos oordenadas de vetores, mudamos de base, invertemos matriz, al ulamos determinante,
en ontramos autovetores, al ulamos soluo de mnimos quadrados, al ulamos projeo ortogonal.
Assim esto em sees op ionais as frmulas para: resolver sistema (regra de Cramer),
al ular inversa, al ular determinante (Leibiniz ou Lapla e), ortogonalizar base (GramS hmidt).
ix
Alguns nmeros deste livro: so er a de 270 exemplos, 60 observaes, 100 denies,

20 teoremas, 15 orolrios, 50 lemas e 420 exer ios, sendo que 80 deles de xao de leitura
do texto (para serem feitos mentalmente) e 120 de problemas que esperamos que todo o
aluno resolva.
PREFCIO
Sumrio
Sobre os Autores
iii
Agrade imentos
Pref io
vii
1 Introduo lgebra Linear

1.1
1.2
Vetores e Operaes Bsi as . . . . . . . . . . . . . . . . . . . . . . . . . .

n
1.1.1
Vetores do R
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
n
1.1.2
Operaes em R
. . . . . . . . . . . . . . . . . . . . . . . . . . .
Espaos Gerados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1
Denies
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.2
Espao Gerado por 1 Vetor
1.2.3
Espao Gerado por 2 Vetores
1.2.4
2
3
. . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . .
12
Espao Gerado por 3 ou Mais Vetores . . . . . . . . . . . . . . . . .
14
1.3
Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
1.4
Exer ios de Introduo lgebra Linear . . . . . . . . . . . . . . . . . . .
17
1.4.1
Exer ios de Fixao
. . . . . . . . . . . . . . . . . . . . . . . . .
17
1.4.2
Problemas
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
1.4.3
Extras
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
2 Sistemas Lineares
21
2.1
Apli aes de Sistemas Lineares . . . . . . . . . . . . . . . . . . . . . . . .
22
2.2
Interpretao Geomtri a
. . . . . . . . . . . . . . . . . . . . . . . . . . .
24
Na Reta (R) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2
No Plano (R ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
25
2.2.1
2.2.2
25
2.3
Operaes Elementares
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
2.4
Es alonamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
34
2.5
Resolvendo Sistema aps Es alonamento
. . . . . . . . . . . . . . . . . . .
37
2.6
Produto Matriz-Vetor e Sistemas Lineares . . . . . . . . . . . . . . . . . . .
41
2.7
Casos Espe iais
44
2.8
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.7.1
Sistemas Homogneos, Soluo Geral e Parti ular
2.7.2
Mesma Matriz de Coe ientes . . . . . . . . . . . . . . . . . . . . .
Exer ios de Sistemas Lineares
. . . . . . . . . .
44
46
. . . . . . . . . . . . . . . . . . . . . . . .
46
. . . . . . . . . . . . . . . . . . . . . . . . .
46
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
48
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
2.8.1
Exer ios de Fixao
2.8.2
Problemas
2.8.3
Desaos
2.8.4
Extras
xi
xii
SUMRIO
3 Espaos Vetoriais
3.1
53
Denio e Exemplos
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
53
3.2
Combinao Linear e Espao Gerado
. . . . . . . . . . . . . . . . . . . . .
59
3.3
Dependn ia e Independn ia Linear
. . . . . . . . . . . . . . . . . . . . .
62
3.4
Base e Coordenadas
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
65
3.5
Dimenso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
69
3.6
Exer ios de Espaos Vetoriais
. . . . . . . . . . . . . . . . . . . . . . . .
71
. . . . . . . . . . . . . . . . . . . . . . . . .
71
3.6.1
Exer ios de Fixao
3.6.2
Problemas
3.6.3
Desaos
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
72
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
75
3.6.4
Extras
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
77
4 Transformaes Lineares
79
4.1
Fundamentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
79
4.2
N leo e Imagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
83
4.3
Composio e Inversa
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
87
4.4
Exer ios de Transformaes Lineares . . . . . . . . . . . . . . . . . . . . .
91
4.4.1
91
Exer ios de Fixao
4.4.2
Problemas
4.4.3
Desaos
4.4.4
Extras
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
92
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
93
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
94
5 Matrizes
97
5.1
Denies e Operaes Bsi as
. . . . . . . . . . . . . . . . . . . . . . . .
97
5.2
N leo e Imagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
101
5.3
Produto e Inversa
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
103
5.4
Matriz em Blo os
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
108
5.5
Transformaes Geomtri as . . . . . . . . . . . . . . . . . . . . . . . . . .
109
5.6
Mudana de Base
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
110
5.7
Exer ios de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
113
5.7.1
113
Exer ios de Fixao
5.7.2
Problemas
5.7.3
Desaos
5.7.4
Extras
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
114
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
116
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
117
6 Determinante
6.1
121
Motivao Geomtri a . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.1.1
R2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.1.2
R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
122
6.2
Denio e Propriedades Bsi as
. . . . . . . . . . . . . . . . . . . . . . .
127
6.3
Como Cal ular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
131
6.4
Mais Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
133
6.5
Apli aes
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
137
6.5.1
Transformaes Lineares . . . . . . . . . . . . . . . . . . . . . . . .
137
6.5.2
Mudana de rea
138
. . . . . . . . . . . . . . . . . . . . . . . . . . .
122
125
6.8
Sinal do Determinante em R2 e R3
Frmula de Lapla e . . . . . . . . .
Regra de Cramer e Matriz Inversa .
. . . . . . . . . . . . . . . . . . . . .
143
6.9
Exer ios de Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . .
145
6.6
6.7
. . . . . . . . . . . . . . . . . . . . .
139
. . . . . . . . . . . . . . . . . . . . .
141
SUMRIO
xiii
6.9.1
Exer ios de Fixao
. . . . . . . . . . . . . . . . . . . . . . . . .
145
6.9.2
Problemas
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
146
6.9.3
Desaos
6.9.4
Extras
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
148
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
151
7 Autovalores, Autovetores e Diagonalizao

7.1
155
Autovalores e Autovetores . . . . . . . . . . . . . . . . . . . . . . . . . . .
155
7.2
Diagonalizao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
159
7.3
Exemplos Geomtri os em 2D e 3D . . . . . . . . . . . . . . . . . . . . . .
163
7.4
Apli aes
168
7.5
Multipli idade
Algbri a e Geomtri a . . . . . . . . . . . . . . . . . . . .
171
7.6
Exer ios de Autovalores, Autovetores e Diagonalizao . . . . . . . . . . .
172
7.6.1
172
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Exer ios de Fixao
7.6.2
Problemas
7.6.3
Desaos
7.6.4
Extras
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
173
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
176
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
178
8 Produto Interno
181
Rn
8.1
Produto Interno em
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
181
8.2
Produto Interno em Espaos Vetoriais . . . . . . . . . . . . . . . . . . . . .
183
8.3
Ortogonalidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
185
8.3.1
Denies
185
8.3.2
Projees Ortogonais
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
188
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
193
8.4
Mnimos Quadrados
8.5
8.6
Cau hy-S hwarz e ngulo .

Pro esso de Ortogonalizao
8.7
Produto Interno
. . . . . . . . . . . . . . . . . . . . . . . . .
199
de Gram-S hmidt
. . . . . . . . . . . . . . .
200
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
204
8.7.1
Exer ios de Fixao
8.7.2
Problemas
. . . . . . . . . . . . . . . . . . . . . . . . .
204
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
205
8.7.3
Desaos
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
207
8.7.4
Extras
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
209
A Notao
A.1
213
Bsi a
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
213
A.2
Espaos
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
213
A.3
Bases e Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
213
A.4
Matrizes
214
A.5
Produto Interno e Norma
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . .
B Respostas dos Exer ios

B.1
B.2
215
Introduo lgebra Linear . . . . . . . . . . . . . . . . . . . . . . . . . .

B.1.1
Exer ios de Fixao
B.1.2
Problemas
B.1.3
Extras
214
215
. . . . . . . . . . . . . . . . . . . . . . . . .
215
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
215
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
216
Sistemas Lineares
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
B.2.1
Exer ios de Fixao
B.2.2
Problemas
B.2.3
Desaos
B.2.4
Extras
216
. . . . . . . . . . . . . . . . . . . . . . . . .
216
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
217
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
218
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
218
xiv
SUMRIO
B.3
B.4
B.5
Espaos Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
219
B.3.1
219
B.3.2
Problemas
B.3.3
Desaos
B.3.4
Extras
219
221
221
222
B.4.1
222
Exer ios de Fixao
B.4.2
Problemas
B.4.3
Desaos
B.4.4
Extras
Matrizes
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
222
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
224
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
225
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
226
Exer ios de Fixao
B.5.2
Problemas
B.5.3
Desaos
B.5.4
. . . . . . . . . . . . . . . . . . . . . . . . .
226
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
226
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
228
Extras
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
228
Determinantes
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
230
Exer ios de Fixao
B.6.2
Problemas
B.6.3
Desaos
B.6.4
Extras
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
230
231
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
231
Exer ios de Fixao
B.7.2
Problemas
B.7.3
Desaos
B.7.4
Extras
Produto Interno
233
236
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
237
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
238
B.8.2
Problemas
Desaos
Extras
232
232
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Exer ios de Fixao
B.8.3
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
B.8.1
B.8.4
230
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Autovalores, Autovetores e Diagonalizao

B.7.1
B.8
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
B.6.1
B.7
. . . . . . . . . . . . . . . . . . . . . . . . .
Transformaes Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . .
B.5.1
B.6
Exer ios de Fixao
. . . . . . . . . . . . . . . . . . . . . . . . .
238
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
239
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
241
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
241
Refern ias Bibliogr as
243
ndi e Remissivo
244
Captulo 1
Introduo lgebra Linear
Este aptulo apresenta, de forma rpida e direta, on eitos entrais da lgebra Linear que
sero retomados em aptulos seguintes. Cone tamos estes on eitos om assuntos do ensino
mdio: geometria analti a bsi a no plano e espao, matrizes e soluo de sistemas lineares.
O aluno deve retornar a este aptulo ao longo do urso at domin-lo ompletamente. Embora
no seja esperado que o aluno aprenda tudo deste aptulo em uma semana de estudo, til
exp-lo imediatamente todos estes on eitos.
So objetivos deste aptulo introduzir:
(a) vetores e operaes bsi as no
Rn :
soma e multipli ao por es alar (produto es alar-
vetor);
(b) ombinao linear, espao gerado, dependn ia e independn ia linear;
( ) espaos gerados por 1, 2, 3 ou mais vetores, asso iando-os om pontos, retas, planos e
generalizaes;
(d) base e dimenso; outras bases e a oordenadas de um vetor numa base;
At o nal do aptulo apresentaremos os seguintes termos t ni os
fundamentais
da
lgebra Linear:
Rn ;
vetores e es alares do
espao vetorial;
ombinao linear;
espao gerado (span); (sub)espao am;
dependn ia e independn ia linear;
dimenso, base, base anni a;
oordenadas de um vetor numa base;
Estes termos sero reapli ados (no Captulo Espao Vetorial) em ontextos onde os vetores
podero ser polinmios ou, de forma mais geral funes, matrizes, ou elementos abstratos.
O aluno per eber, ao longo deste aptulo, que, embora sistemas lineares apaream
diversas vezes na hora de apli ar os on eitos, o urso de lgebra Linear no ex lusivamente
0 Verso 11.jul.2008 16h
CAPTULO 1.
INTRODUO LGEBRA LINEAR
um urso de omo resolver sistemas lineares, assunto que o aluno, om muita freqn ia,
pensa que domina.
O aluno per eber na primeira aula a beleza e di uldade dos on eitos e a ne essidade
de estudar bastante desde o prin pio. Se omessemos om a resoluo de sistemas o aluno
teria a sensao, no in io, de que se trata de um urso f il, em parte de reviso, de t ni as
para resoluo de sistemas lineares.
1.1 Vetores e Operaes Bsi as

1.1.1 Vetores do Rn
O que um vetor? Podemos responder isto, de forma abstrata, formalizando a idia de segmentos orientados (informalmente, setinhas) equivalentes. Este aminho bom para ertas
generalizaes em Matemti a (no ontexto da Geometria Diferen ial por exemplo), para a
visualizao de vetores no plano e no espao tridimensional e para interpretao Fsi a (for-
vetores geomtri os. Mas deniremos vetores por

aminho bem mais urto, hamado em alguns livros de vetores algbri os. Esta passagem
as). So hamados em alguns livros de
da viso algbri a para geomtri a e vi e-versa ser feita em diversas partes deste aptulo.
A viso geomtri a (vetores geomtri os), embora mais intuitiva, limitante pois no
onseguimos visualizar mais do que trs dimenses. Alm disso a formalizao do onjunto
de setinhas deli ada, pois um vetor uma lasse de equivaln ia de segmentos orientados
equipolentes .
Teramos que omear denindo lasse de equivaln ia, depois segmentos
orientados e depois a relao de equipoln ia entre segmentos orientados.

Por ontraste, a viso algbri a (vetores algbri os) de vetores bem mais simples mas no
apresenta nenhuma motivao geomtri a. Como no dependemos de intuio geomtri a,
2
30
trabalhamos om a mesma fa ilidade em R omo em R .
Denio 1 (Rn e vetores)
Denimos
Rn
elementos) ordenadas de nmeros reais. Um

Desta forma, o
R2
omo o onjunto das
vetor
n-
R3
o onjunto das
(uma lista de
n
um elemento do onjunto R .
o onjunto das duplas ordenadas de nmeros, o
tripla ordenadas de nmeros, et .

n
Dizemos que o R um
espao vetorial,
vetores.
n-uplas
isto , um onjunto ujos elementos so
Por ontraste, um nmero real, hamado de
es alar.
Esta linguagem vem da
Fsi a, que distingue grandezas vetoriais (foras por exemplo) de grandezas es alares (massa
e temperatura por exemplo).
Observao 1
R
ou
C)
De forma mais geral, es alares so um onjunto de nmeros (usualmente
no qual esto bem denidas as operaes de soma, subtrao, multipli ao e
diviso (por no-nulos). Neste urso, entenderemos sempre por es alar um nmero real
(R).
A notao que utilizaremos para determinar um vetor olo ar parnteses em torno e

separar os elementos da lista ordenada de nmeros reais por vrgula. Assim, utilizando a
n
notao v para representar um vetor em R , es revemos que v = (a1 , . . . , an ) om ai R.
Os nmero
ai 's
Exemplo 1
so hamados de
entradas do vetor v.
2
So vetores de R : (6, 8), (1, 2).
4
So vetores de R : (1, 2, 3, 4), (2, 7/4, 1, 2/3).
5
So vetores de R : (1, 2, 4, 6, 8), (1, 2, 7/4, 1/3, 3).
1.1.
VETORES E OPERAES BSICAS
Note que um vetor uma lista
ordenada de
nmeros e no um onjunto om nmeros,
(1, 2) e (2, 1) so distintos;

distintos entre si os vetores (1, 2, 3), (2, 3, 1), (3, 1, 2), . . .
Observao 2 Porque Rn om n > 3?
onde a ordem no importa. Portanto os vetores
ou ainda, so
Entes geomtri os usuais omo quadrados e r ulos so generalizados para dimenses

maiores. Assim uma esfera, generalizao de um r ulo, denido omo o lugar geomtri o
(x, y, z) R3 tais que x2 + y 2 + z 2 = 1. Dene-se ento a hiperesfera o
4
4
2
2
2
2
sub onjunto do R dos pontos (x, y, z, w) R tais que x + y + z + w = 1.
4
De forma anloga, o ubo generaliza o quadrado e pode-se denir o hiper ubo em R .
de pontos
Mais sobre isto pode ser visto (entre inmeros outros livros) em O que Matemti a?;
R. Courant., H. Robbins; Editora Cin ia Moderna.
Embora nossa (humana) per epo esteja restrita a trs dimenses, a teoria geral da
relatividade de Einstein admite 4 dimenses para expli ar os fenmenos fsi os. Na Fsi a
moderna, segundo ltimos boatos, onsidera-se 11 dimenses para expli ar os fenmenos
fsi os.
De todo modo a importn ia de dimenses maiores (1000 ou mesmo 10 mil) est nas
simulaes omputa ionais de diversos modelos. Para se entender as foras atuantes na
estrutura de um prdio ou uma pea me ni a e se fazer um bom projeto, a pea dividida
pelo omputador em bloquinhos. Cada bloquinho uma varivel de um sistema linear.
Quanto maior o nmero de bloquinhos mais pre isa ser a simulao. Um outro exemplo
uma tomograa, onde ada bloquinho esta asso iado a uma varivel que determina a
densidade do te ido, que ser transformada numa es ala de inza para depois ser impressa
e interpretada por um mdi o.
Esta uma das reais ne essidade do estudo de lgebra
Linear em engenharia, o entendimento e resoluo de sistemas om milhares ou dezenas

de milhares de variveis.
1.1.2 Operaes em Rn
O espao vetorial
Rn
possui uma operao bem denida hamada de
soma de vetores, uja
entrada so dois vetores e a sada um outro vetor.
Denio 2 (Soma)
R
, denimos o vetor
u = (u1 , u2 , . . . , un )
v, denotado por u + v, por
Dados dois vetores
soma de u e
v = (v1 , v2 , . . . , vn )
em
u + v = (u1 + v1 , u2 + v2 , . . . , un + vn ).
Assim para somar dois vetores basta somar as entradas orrespondentes de ada vetor.
Exemplo 2
R4 (1, 1, 1/4, 2/3) + (2, 2, 3/4, 5/3) = (1 2, 1 +

2, 1/4 + 3/4, 2/3 + 5/3) = (1, 1, 1, 1).
A soma dos vetores do
Observao 3
Note que o sinal + (mais) em u + v e (u1 + v1 , . . . , un + vn ) possui
signi ado distinto em ada expresso: soma de vetores, num aso, e de soma de nmeros
reais (es alares) no outro.
Denio 3 (origem ou ou vetor nulo)

tado por
o vetor
0 = (0, . . . , 0)(todas
elemento neutro da soma de vetores pois
Denimos omo
origem ou vetor nulo, deno-
as entradas so nulas).
v+0=0+v =v
Note que este vetor o

n
para qualquer v R .
CAPTULO 1.
O espao vetorial
por es alar
Rn
possui uma outra operao bem denida hamada de
produto es alar-vetor,
ou
multipli ao
ujas entradas so um vetor e um es alar (um
nmero) e a sada um outro vetor.
Denio 4 (multipli ao por es alar ou produto es alar-vetor)

u = (u1 , u2 , . . . , un )
ku, por
e o es alar
k,
denimos o vetor multipli ao de
Dados
por
u,
vetor
denotado por
ku = (ku1 , ku2 , . . . , kun ).

Assim para multipli ar um vetor por um es alar
es alar
basta multipli ar ada entrada do vetor pelo
k.
Exemplo 3
Considere
u = (1, 3, 1, 2, 3/2), ento 2u = 2(1, 3, 1, 2, 3/2)= (2, 6, 2, 4, 3).

w = (4, 6, 1, 3). Ento 1/2w = 1/2(4, 6, 1, 3) = (2, 3, 1/2, 3/2).
Se
Observao 4
logramo.
Na viso geomtri a de vetores, a soma denida pela
regra do parale-
Fazer isto em dimenso maior que trs no intuitivo. Em ontraste, a denio
a ima, feita de forma algbri a, no depende de visualizao geomtri a e muito simples.

Esta mesma observao vale para a multipli ao de um vetor por um es alar. Apesar disso
til interpretar geometri amente os vetores e as operaes no plano e espao.
Os vetores e operaes podem ser representados geometri amente para vetores em
n 3.
Rn om
Isto importante em apli aes (Fsi a por exemplo) e para desenvolver a intuio e
visualizao interna para vetores em espaos de dimenses maiores. Para isto identi amos,
2
3
da maneira usual, uma reta om R, um plano om R e o espao om R utilizando o sistema
de oordenadas artesiana, om eixos ortogonais entre si .

Representamos os vetores omo setinhas (daqui por diante sem aspas e utilizado omo
sinnimo de segmentos orientados) nas guras. Mostramos na Figura 1.1 os vetores
R2 e (1, 3, 2) R3 .
(3, 2)
2
3
2
1
(3, 2)
(1, 3, 2)
3
Figura 1.1: Vetores no Plano e no Espao

Duas setinhas
u e v (podem ter ponto ini ial distinto) representam
o mesmo vetor (te ni-
amente so equipolentes, isto , segmentos orientados equivalentes) se quando deslo armos

paralelamente
de
para que os pontos ini iais oin idam, o ponto nal (ponta da setinha)
tambm oin ida.
Por exemplo, todas as setinhas representadas na Figura 1.2

2
representam o mesmo vetor (3, 2) R .
A soma de dois vetores no plano e no espao pode ser feita, geometri amente, atravs
da regra do tringulo ou regra do paralelogramo. Considere a Figura 1.3, no lado esquerdo,

onde dois vetores so representados om suas omponentes no eixo-x e
y.
Pela
regra do
tringulo representamos o primeiro vetor om ponto ini ial na origem e o segundo om ponto
1 note que embora sejam teis para a intuio, nada do que fazemos depende desta interpretao geomtri a
1.1.
VETORES E OPERAES BSICAS
(3, 2)
3
Figura 1.2: Vetores Equivalentes
Figura 1.3: Regra do Tringulo e do Paralelogramo
ini ial na ponta da seta do primeiro. O vetor resultante unindo a origem at a ponta da seta
do segundo o vetor soma. Pela
regra do paralelogramo, apli amos
a regra do tringulo
aos dois vetores, onforme apresentado nesta mesma gura.

A interpretao geomtri a do produto por es alar depende do mdulo e do sinal do es alar.
1 preservamos o vetor
Comeando por valores positivos inteiros, observe que multipli ando por
(e o tamanho), por
dupli amos seu tamanho, por
lado, multipli ando por
1/2
tripli amos seu tamanho. Por outro
reduzimos seu tamanho pela metade.
De forma geral, multipli ando por valor positivo om mdulo maior que
1 obtemos um vetor
om mesmo sentido mas om tamanho maior; multipli ando por valor positivo om mdulo
menor que
1 obtemos
um vetor om mesmo sentido mas om tamanho menor. Multipli ando
por valor negativo obtemos vetor om sentido revertido e om tamanho maior ou menor de
a ordo om mdulo ser maior ou menor que
1, 5v, 0, 5v
1.
Veja o vetor
v = (3, 2)
v, 32 v, 21 v
e a representao de
da Figura 1.4.
Figura 1.4: Vetores
Portanto, variando o valor do es alar e multipli ando-o por um vetor xo

reta passando pela origem. Assim
kv
hamada de
{kv| k R}
v R2
ou
R3 ,
que passa pela origem.
existe um es alar
Exemplo 4
Dizemos que
u + kv.
mltiplo de (ou paralelo a) w
se
v = kw.
(2, 4, 6, 1) e (1, 2, 3, 1/2)

(1, 2, 3, 1/2) = 1/2(2, 4, 6, 1).
So paralelos entre si:
2(1, 2, 3, 1/2)
Exemplo 5
tal que
A motivao
v Rn . Se
mas ontinuamos hamando de reta om
somarmos um vetor xo obteremos a equao paramtri a geral de uma reta:
Denio 5 (mltiplo ou paralelo)
obtemos uma
uma reta passando pela origem. A equao
equao paramtri a da reta
geomtri a vem quando
pois
(2, 4, 6, 1) =
A mesma reta pode ser gerada por vetores distintos, basta que eles sejam parale-
los entre si. Por exemplo os onjuntos
{k(1, 1, 1)| k R} e {m(4, 4, 4)| m R} representam
CAPTULO 1.
a mesma reta. De fato o vetor
(k, k, k) pode ser es rito omo k/4(4, 4, 4).
Tomando
m = k/4
observamos que formam o mesmo onjunto.
Exemplo 6
O vetor
Exemplo 7
Podemos apli ar a regra do tringulo em seqn ia para obter a soma de mais
multiplo de qualquer outro pois
0 = 0w
para qualquer
w.
de dois vetores. Por exemplo onsidere os quatro vetores representados no lado esquerdo da
Figura 1.5. Con atenando de forma su essiva os vetores obtemos sua soma onforme indi ado
na mesma gura no lado direito.
z
u
u+v+w+z
v
w
Figura 1.5: Soma de
Exemplo 8
vetores
Um truque de mgi a bem onhe ido a fuga de uma aixa ompletamente

R4 .
fe hada. Vamos ver omo isto possvel em em
No plano impossvel fugir de dentro de um quadrado sem atravessar uma das arestas. No
3
entanto, em R , podemos fugir do quadrado subindo (na direo perpendi ular ao quadrado);
andando paralelamente ao quadrado para fora dele; e des endo(na direo perpendi ular ao
quadrado) retornando ao plano que ontm o quadrado mas no lado de fora dele. Desta forma
saimos de dentro do quadrado sem atravessar nenhuma das arestas.
4
Do mesmo modo, se estivermos dentro de uma aixa em R podemos andar na direo
perpendi ular aixa, andar paralelamente para fora e retornar do lado de fora da aixa sem
atravessar nenhuma das laterais da aixa. Estas idias esto des ritas num roman e lssi o
da era vitoriana da Inglaterra do s ulo XIX: Flatland; Edwin A. Abbott; Dover Pub.
1.2 Espaos Gerados

1.2.1 Denies
A idia de um vetor ser mltiplo (ou paralelo) de outro generalizada pela denio abaixo.
Denio 6 ( ombinao linear)

se
Dizemos que
v ombinao linear de v1 , v2 , . . . , vp
pode ser expresso omo
v = 1 v1 + 2 v2 + + p vp =
onde
i 's
p
X
i vi ,
i=1
so es alares.
Exemplo 9
O vetor
v = (2, 2)
ombinao linear de
mltiplo). O signi ado geomtri o que
u = (1, 1)
pois
v = 2u
( um
esto na mesma reta passando pela origem.
1.2.
ESPAOS GERADOS
A generalizao da idia de mltiplos se d no seguinte sentido.
Exemplo 10
Considere
Exemplo 11
O mesmo vetor ombinao linear de uma innidade de vetores distintos. Por
v = (0, 1, 0) em R3 . Qualquer outro vetor no plano

z = 0 ser ombinao destes dois pois (a, b, 0) = a(1, 0, 0)+b(0, 1, 0). Ou seja, por exemplo,
o vetor w = (3, 2, 0) ombinao linear de u e v. O signi ado geomtri o que w est
no plano passando pela origem determinado por u e v.
exemplo
u = (1, 0, 0)
(3, 3) = 3(1, 1) + 0(2, 2) = 1(1, 1) 2(2, 2).
Por outro lado alguns vetores no podem ser obtidos omo ombinao linear de ertos
(3, 4) no ombinao linear de (1, 1) e (2, 2) pois (3, 4) 6=

(1, 1)+(2, 2) para todo , R. De fato, igualando omponente a omponente, obtemos
o sistema

+ 2 = 3
+ 2 = 4
vetores. Por exemplo o vetor
que laramente ( omo
Exemplo 12
+ 2
pode ser
ao mesmo tempo?) sem soluo.
u = (2, 3, 4) ombinao linear de v = (1, 0, 0) e w = (1, 0, 1).

, R tais que (2, 3, 4) = (1, 0, 0) + (1, 0, 1). Para isto pre isa
+ = 2
0 = 3 .
= 4
Determine se
Pre isamos determinar

mos resolver o sistema
Como o sistema laramente ( omo podemos ter

no ombinao linear de
Exemplo 13
0 = 3?)
sem soluo, on lumos que
w.
u = (1, 3, 4) ombinao linear de v = (1, 1, 0) e w = (1, 0, 1).

, R tais que (1, 3, 4) = (1, 1, 0) + (1, 0, 1). Para isto pre isa
+ = 1
= 3 .
= 4
Determine se

mos resolver o sistema
Por inspeo o sistema possui soluo ni a om
= 3 e = 4.
Portanto,
u = 3v + 4w.
Os exemplos anteriores mostram a onexo entre ombinaes lineares e sistemas. Para saber
se um vetor ombinao linear de outros vetores (ou no) pre isamos resolver um sistema
linear.
Denio 7 (espao gerado)
espao
gerado
{v1 , v2 , . . . , vp }, denotado por hv1 , v2 , . . . , vp i ou

por span {v1 , v2 , . . . , vp }, o onjunto de todas as
pelo
onjunto
de
vetores
ainda (em ingls e em diversos livros)

ombinaes lineares de
v1 , v2 , . . . , vp .
Portanto,
hv1 , v2 , . . . , vp i = span {v1 , v2 , . . . , vp } =
Denio 8 ( onjunto gerador)

de)
se
W = hv1 , v2 , . . . , vp i.
O onjunto
p
X
i=1

)

i vi i R, i = 1, 2, . . . , p .

{v1 , v2 , . . . , vp } gera ( onjunto gerador
CAPTULO 1.
Exemplo 14
O onjunto gerado por
(a, b) R , (a, b) = a(1, 0) +
Exemplo 15
(0, 1)
so todos os elementos de
b(0, 1). Es revemos que h(1, 0), (0, 1)i = R2 .
R2
pois dado
(1, 1, 1) e (1, 1, 1) igual ao onjunto gerado por

(1, 1, 1). Neste aso dizemos que o vetor
redundante (no a res enta nada) ao onjunto gerador {(1, 1, 1), (1, 1, 1)}.
notao temos que h(1, 1, 1), (1, 1, 1)i = h(1, 1, 1)i = h(1, 1, 1)i.
(1, 1, 1), a reta

(1, 1, 1)
Utilizando a
(1, 0)
passando pela origem om direo
Observao 5
n
O espao gerado por um onjunto de vetores do R um sub onjunto do
n
espao vetorial R . Deste modo natural dizer que o espao gerado um subespao do
n
R . Utilizaremos omo sinnimos neste aptulo os termos
e
.
espao subespao
Denio 9 (linearmente dependente/independente)
armente dependente
Um onjunto de vetores
line-
(abreviamos por LD) se um dos vetores ombinao linear dos
demais. Dizemos (informalmente) que este vetor redundante no onjunto. Caso ontrrio,
dizemos que o onjunto
linearmente independente (abreviamos por LI).
v S ombinao linear dos demais vetores de S , ento o espao gerado por

S {v} ( onjunto S sem o vetor v) o mesmo. Ou seja, o vetor v redundante
S pois no a res enta nada a S . Dizemos neste aso que o onjunto S LD.
Se um vetor
e por
em
Exemplo 16
S = {(1, 2, 1), (1, 0, 1), (1, 1, 1)}. O vetor (1, 2, 1)

S pois (1, 2, 1) = 3(1, 0, 1) 2(1, 1, 1). Desta
forma h(1, 2, 1), (1, 0, 1), (1, 1, 1)i = h(1, 0, 1), (1, 1, 1)i.
Neste mesmo onjunto, o vetor (1, 1, 1) redundante pois (1, 1, 1) = 1/2(1, 2, 1) +
3/2(1, 0, 1). Portanto, h(1, 2, 1), (1, 0, 1), (1, 1, 1)i = h(1, 2, 1), (1, 0, 1)i.
Considere o onjunto
linearmente dependente (ou redundante) em
Exemplo 17
Considere a aixa retangular e os vetores
u, v, w, x, y, z,
representados na
Figura 1.6.
{u, v, w}, {w, z}, {v, y, z}, {v, z}.

{u, y} pois u = 2y, {v, x, y} pois x + v = 2y, {v, w, z}
w + 2z = v, {u, v, y} pois u = 2y, {u, v, w, x} pois v + u + x = 0.
So LIs os onjuntos
So LDs os onjuntos
z
y
x
v
Figura 1.6: Vetores em um Cubo
pois
1.2.
ESPAOS GERADOS
Denio 10 (espao am)

H
Dizemos que
um
espao am ou subespao am se
for a translao do espao gerado por um onjunto de vetores. Mais pre isamente, dado o
vetor de translao
e vetores
v1 , v2 , . . . , vp ,
H = w + hv1 , v2 , . . . , vp i .
O espao gerado por um onjunto de vetores , geometri amente, reta, plano e generalizaes passando pela origem. O espao am , geometri amente, reta, plano e generalizaes
passando por um ponto qualquer. Exploramos estas idias na seqn ia desta seo.
Denio 11 (dimenso)
Dizemos que um subespao am
H = w + hv1 , v2 , . . . , vp i
dimenso p se o onjunto {v1 , v2 , . . . , vp} LI. Em parti ular dizemos que um espao
gerado por p vetores possui dimenso p se estes p vetores formam um onjunto LI.
possui
1.2.2 Espao Gerado por 1 Vetor

Uma reta
pode ser denida omo o onjunto dos pontos uja diferena at um ponto
u. Esta reta representada na forma paramtri a por

t R um parmetro varivel, tal qual mostrado na Figura 1.7. Isto signi a
que o onjunto r = {w + tu; t R}, obtido quando se varia t, igual ao onjunto dos pontos
da reta r .
forma um vetor paralelo a direo xa
w + tu,
onde
r
w + 2u
w + 1u
2u
u
w + 0u = w
w 1u
0
u
w 2u
2u
Figura 1.7: Reta
r = {w + tu; t R}
Utilizando a notao de espao gerado, uma reta um subespao am da forma

Como basta um vetor (no-nulo) no espao gerado, dizemos que uma reta um
am de dimenso 1.
por
u.
Quando
w = 0,
a reta passa pela origem e igual ao espao gerado
Dizemos que a reta passando pela origem um
Observao 6
Quando o vetor
w + hui.
subespao
u = 0
subespao de dimenso 1.
(o vetor nulo), o subespao am
w + hui =
subespao de dimenso 0.
Quando o ponto w = 0 o espao am igual a origem, um subespao de dimenso 0.
w + {0} = w
Exemplo 18
Colo ando
um ponto. Dizemos que um ponto um
r uja
(1, 2) r .
Determine pontos da reta
t=0
obtemos o ponto
(1, 2) + t(4, 6).

t = 1 obtemos o ponto (1, 2) +
equao paramtri a
Colo ando
10
CAPTULO 1.
1(4, 6) = (5, 8) r . Colo ando t = 0, 5 obtemos o ponto (1, 2) + 0, 5(4, 6) = (3, 5) r .

Colo ando t = 1 obtemos o ponto (1, 2) 1(4, 6) = (3, 4) r . Colo ando t = 0, 5
obtemos o ponto (1, 2) 0, 5(4, 6) = (1, 1) r .
Exemplo 19
R4 ):
(1, 1, 1, 1);
Determine equaes paramtri as para a reta (em
(2, 3, 4, 5) e paralela ao vetor

A reta (2, 3, 4, 5) + t(1, 1, 1, 1).
(b) que ontm os pontos (1, 2, 1, 2) e (3, 4, 3, 4);
Cal ulando u = (3, 4, 3, 4) (1, 2, 1, 2) = (2, 2, 2, 2), paralelo reta. Assim a reta
(1, 2, 1, 2) + t(2, 2, 2, 2). Note que poderamos ter al ulado u = (1, 2, 1, 2) (3, 4, 3, 4) =
(2, 2, 2, 2) e obteramos a mesma reta, embora om representao distinta,
(1, 2, 1, 2) + t(2, 2, 2, 2). Utilizamos w = (1, 2, 1, 2) mas poderamos ter tomado
(3, 4, 3, 4). Assim, fazendo todas as ombinaes, representam ainda a mesma reta, (3, 4, 3, 4)+
t(2, 2, 2, 2) e (3, 4, 3, 4) + t(2, 2, 2, 2).
(a) que ontm o ponto
Exemplo 20
(1, 1, 1, 2) perten e a reta (1, 0, 1, 0) + h(2, 1, 2, 1)i.

t R tal que (1, 1, 1, 2) = (1, 0, 1, 0)+t(2, 1, 2, 1). Isto determina
1 + 2t = 1
t = 1
.
1 + 2t = 1
t = 2
Determine se o ponto
Queremos saber se existe

o sistema
Como ele no possui soluo (t
Exemplo 21
=1
t = 2?),
Determine se os espaos ans
representam a mesma reta.

Queremos saber se para ada
t(1, 3, 2).
o ponto no perten e a reta.
(1, 2, 1)+h(2, 6, 4)i e (0, 5, 1)+h(1, 3, 2)i
dado, existe
tal que
Isto determina o sistema linear
(1, 2, 1) + s(2, 6, 4) = (0, 5, 1) +
1 + 2s
t =
3t = 3 6s .
2t =
2 + 4s
Da primeira equao obtemos que
t = 1 2s.
Verique que isto satisfaz as outras duas
equaes. Portanto a mesma reta.
Uma reta no plano possui omo equao geral
ax + by + c = 0.
Para determinar uma
equao paramtri a partindo da equao artesiana, basta olo ar uma das

tambm utilizado em lgebra Linear
variveis (termo
in gnita) omo o parmetro e determinar o valor da
outra varivel em funo do parmetro.
Exemplo 22
Coloque
y = t.
Exemplo 23
Coloque
R2 2x 3y = 6.
(x, y) = (3, 0) + t(3/2, 1).
Determine uma equao paramtri a para a reta em

Agora
x = 3 + 3/2y = 3 + 3/2t.
Logo,
Determine a equao paramtri a da reta em
x = t, y = 7.
Observao 7
Logo
(x, y) = (0, 7) + t(1, 0).
Se olo armos
teremos valor para
x!
R2 y = 7 .
y = t
no exemplo anterior obteremos que
A es olha de quem vai ser o parmetro
importante.
t = 7
e no
Aprenderemos
a fazer a es olha erta de forma sistemti a no (prximo) Captulo de Sistemas Lineares.

Veja Observao 9.
1.2.
ESPAOS GERADOS
11
Um sistema om duas equaes lineares em
R3
determina, de forma geral, uma reta em
, pois representam a interseo de dois planos. Para se obter equaes paramtri as de
sistemas simples oloque uma das variveis omo parmetro e es reva as outras em funo
desta.
3
Exemplo 24 Determine
equaes paramtri as para a reta (em R ) om equaes artesia
2z y = 1
x+y+z =0
nas dadas por:
y = 2t 1. Substitua z = t e y = 2t 1
na ter eira, obtendo x + (2t 1) + t = 0. Logo x = 3t + 1. Portanto, (x, y, z) =
t(3, 2, 1) + (1, 1, 0). Outra soluo omear om y = t, obtendo z = t/2 + 1/2 da
primeira. Substituindo na segunda, obtemos x = 3/2t 1/2. Portanto, outra resposta
(x, y, z) = t(3/2, 1, 1/2) + (1/2, 0, 1/2).
Coloque
z = t
na primeira equao, obtendo
Observao 8
y e z
1)/3)
possvel no exemplo anterior olo ar
x = s. Obteremos um sistema em
z = (1 s)/3, y = (2s
que pode ser resolvido ( onvido leitor a resolv-lo:
embora om mais trabalho que no exemplo. A resposta nal, apesar de diferente
(x, y, z) = (1, 2/3, 1/3)s + (0, 1/3, 1/3). a

mesma reta pois os vetores que multipli am o parmetro ((3, 2, 1), (3/2, 2, 1/2) e
(1, 2/3, 1/3)) so paralelos entre si e, por exemplo, o ponto (0, 1/3, 1/3) pode ser
obtido tomando t = 1/3 na ltima equao do exemplo. Cheque os outros pontos.
das anteriores tambm orreta:
3
Exemplo 25 Determine
equaes paramtri as para a reta (em R ) om equaes artesia
z=1
y+z =0
nas dadas por:
z = 1, substtituindo na segunda equao obtemos que y + 1 = 0. Logo y = 1.

Note que x pode assumir qualquer valor. Portanto x = t, y = 1 e z = 1. Logo,
(x, y, z) = t(1, 0, 0) + (0, 1, 1).
Como
Observao 9
(em funo de
Se olo armos
t)
para
Observao 10
z = t
no exemplo anterior no onseguiremos equaes
(tente fazer isso!). Veja Observao 7.
Note que a ara terizao de reta atravs de equaes paramtri as in-
depende da dimenso do espao ambiente. Desta forma uma reta no plano ou espao
da forma
w + tv.
Por ontraste, a equao artesiana de uma reta no plano tem que ser
substituda por um sistema de duas equaes para ara terizar uma reta no espao.
Observao 11
no ni a.
r = {w +
tu; t R} podemos substituir u por um mltiplo no-nulo qualquer v = 3u ou v = 6u
e obter a mesma reta r = {w + sv; s R}. Por outro lado, dado z r qualquer, omo
z w paralelo ao vetor u (faa um desenho), r = {z + tu; t R} (podemos substituir
w r por outro vetor qualquer que pertena reta.
Note que a forma paramtri a
Assim dada reta
12
CAPTULO 1.
1.2.3 Espao Gerado por 2 Vetores

A ombinao linear de dois vetores LIs (no-paralelos)
origem de a ordo om a regra do paralelogramo.
gera um plano passando pela
Adi ionando um vetor
obtemos a equao paramtri a geral de um plano.
a este plano
Este plano representado na forma
paramtri a por w+tu+sv, onde s, t R so dois um parmetros variveis independentes e
u, v no so paralelos entre si. Isto signi a que o onjunto = {w+tu+sv; s, t

R}, obtido quando se varia t e s, igual ao onjunto dos pontos de um plano.
os vetores
w + tu + sv
tu + sv
tu
u
v
sv
0
Figura 1.8: Plano
= {w + tu + sv; s, t R}
Utilizando a notao de espao gerado, um plano um subespao am da forma

Como bastam dois vetores LIs no espao gerado, dizemos que um plano um
am de dimenso 2.
por
2.
{u, v}.
Quando
w+hu, vi.
subespao
w = 0, o plano passa pela origem e igual ao espao gerado
Dizemos que um plano passando pela origem um
subespao de dimenso
hu, vi
(e portanto um subespao)
Na Figura 1.8 mostramos o plano passando na origem
e sua translao
Exemplo 26
w + hu, vi.
Determine pontos do plano uja equao paramtri a
(1, 1, 2, 0) + t(1, 2, 1, 1) + s(1, 1, 1, 1).

Colo amos t = s = 0 para obter o ponto (1, 1, 2, 0). Colo ando t = 0, s = 1 obtemos (1, 1, 2, 0) + (1, 1, 1, 1) = (2, 2, 3, 1). Colo ando t = 1, s = 0 obtemos (1, 1, 2, 0) +
(1, 2, 1, 1) = (0, 3, 1, 1). Colo ando t = 1, s = 1 obtemos (1, 1, 2, 0) + (1, 2, 1, 1)
(1, 1, 1, 1) = (1, 2, 0, 0).
Exemplo 27
u = (1, 2, 1, 1, 1), v = (2, 2, 0, 1, 1). O subespao am

R5 pois {u, v} um onjunto LIs (um no mltiplo
veri ar isto omparando a primeira entrada dos vetores u e v; um teria
Considere
(1, 2, 3, 4, 5) + hu, vi
do outro). Podemos
um plano em
que ser o dobro do outro. Mas as outras entradas no so o dobro entre si. Logo, eles so
LIs.
Exemplo 28
Determine se o ponto
(2, 2, 2, 2) + h(1, 0, 1, 0), (0, 1, 0, 1)i.
(1, 1, 1, 1)
perten e ao plano
1.2.
ESPAOS GERADOS
Queremos saber se existe

Isto determina o sistema
13
s, t R tal
Por inspeo vemos que a soluo
Exemplo 29
lelo aos eixos
O espao gerado por
z,
o plano
x = 0.
que
(1, 3, 1, 3) = (2, 2, 2, 2) + s(1, 0, 1, 0) + t(0, 1, 0, 1).
2+s
2+t
2+s
2+t
s = 1
=
=
=
=
1
3
.
1
3
t = 1.
Portanto o ponto perten e ao plano.
{(0, 0, 1), (0, 1, 0)}
o plano passando pela origem para-
Isto verdade pois dado um ponto qualquer deste plano
(0, a, b)
temos que
(0, a, b) =
a(0, 1, 0) + b(0, 0, 1)
Exemplo 30
eixos
O espao gerado por
(0, 1, 1)
(0, 1, 0)
o plano passando pela origem aos
z.
Isto verdade pois dado um ponto qualquer deste plano
(0, a, b)
temos que
(0, a, b) =
a(0, 1, 1) + (b a)(0, 0, 1).
Exemplo 31
Determine equaes paramtri as para o plano (em
(a) que ontm o ponto
(0, 1, 0, 1)
(1, 2, 3, 4)
R4 ):
e simultaneamente paralelo aos vetores
(2, 3, 5, 7)
(1, 2, 3, 4) + t(2, 3, 5, 7) + s(0, 1, 0, 1).

(b) que ontm os pontos (2, 2, 2, 2), (3, 3, 3, 3) e (4, 0, 4, 0).
Tomando w = (2, 2, 2, 2), v = (3, 3, 3, 3) w = (1, 1, 1, 1) e w = (4, 0, 4, 0) w =
(1, 2, 1, 2). Logo o plano w + tu + sv.
( ) que ontm os pontos (1, 1, 1, 1) e (2, 3, 4, 5) e paralelo ao vetor (2, 3, 4, 5).
Tomando w = (1, 1, 1, 1), v = (2, 3, 4, 5) w = (1, 4, 3, 6) e w = (2, 3, 4, 5).
Logo o plano w + tu + sv.
O plano
Um plano em
R3
possui omo equao geral
ax + by + cz = d.
Para determinar equao
paramtri a partindo da equao artesiana, basta olo ar duas das variveis omo os dois
parmetros e determinar o valor da ter eira varivel em funo dos parmetros.
Exemplo 32
Determine a equao paramtri a do plano em
Exemplo 33
Determine a equao paramtri a do plano em
R3 : 2x 3y + 10z = 16.
Coloque y = s e z = t. Ento x = 8 + 3/2y 5z = 8 + 3/2s 5t.
Logo o plano (x, y, z) = (8, 0, 0) + s(3/2, 1, 0) + t(5, 0, 1). Isto , o plano o subespao
am (8, 0, 0) + h(3/2, 1, 0), (5, 0, 1)i.
R3 : 3y + 2z = 6.
x no apare e na equao, olo amos x = s (um dos parmetros). Fixando Colo ando
y = t obtemos que z = 3 3/2y = 3 3/2t.
Logo o plano (x, y, z) = (0, 0, 3) + s(1, 0, 0) + t(0, 1, 3/2). Isto , o plano o subespao
am (0, 0, 3) + h(1, 0, 0), (0, 1, 3/2)i.
Como
Observao 12
A passagem de equaes artesianas para paramtri as feita resolvendo-
se um sistema linear. A generalizao destas idias para um nmero maior de equaes

e variveis bem omo a investigao
sistemti a (
ne essrio uidado na seqn ia de
operaes realizadas nas equaes de um sistema) da parametrizao do onjunto-soluo

de um sistema linear tema entral do
no Captulo Sistemas Lineares.
in io do urso de lgebra Linear que exploraremos
14
CAPTULO 1.
Um onjunto de dois vetores pode gerar um plano ou no dependendo se eles so paralelos

entre si (o onjunto LD) ou no.
Exemplo 34
{(1/2, 2, 1), (1, 4, 2)} a reta passando pela origem paralela ao vetor (1/2, 2, 1) (ou (1, 4, 2), que a mesma reta). Neste aso o
espao gerado possui dimenso 1. Portanto, h(1/2, 2, 1), (1, 4, 2)i = h(1/2, 2, 1)i =
h(1, 4, 2)i .
O espao gerado por
1.2.4 Espao Gerado por 3 ou Mais Vetores

p
vetores LIs u1 , u2 , . . . , up gera um subespao passando pela origem. Adi ionando um vetor w
a este subespao obtemos uma equao paramtri a da forma w + t1 u1 + t2 u2 + + tp vp ,
onde ti R, om i = 1, . . . , p, so p parmetros variveis independentes e os vetores
u1 , u2 , . . . , up so LIs. Como so p vetores LIs dizemos que um subespao am de
dimenso p.
Utilizando a notao de espao gerado, um subespao am representado por w +
hu1 , u2 , . . . , up i. Quando w = 0, o subespao am passa pela origem e igual ao espao
gerado por {u1 , u2 , . . . , up }. Dizemos neste aso (subespao am passando pela origem) que
um subespao de dimenso p.
O que apresentamos at aqui se generaliza para
ou mais vetores. A ombinao linear de
Exemplo 35
o
O espao gerado por (1, 0, 0), (0, 1, 0) e (0, 0, 1) de dimenso

3
pois dado (a, b, c) R , (a, b, c) = a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1).
Exemplo 36
Exemplo 37
Desta forma
(0, 1, 0, 0), (0, 0, 1, 0) e (0, 0, 0, 1)

R4 perpendi ular ao eixo x.
O espao gerado por
a um subespao de dimenso
igual a todo
(1, 1, 1), (1, 0, 1) e (0, 1, 0) possui dimenso 2 pois

h(1, 1, 1), (1, 0, 1), (0, 1, 0)i = h(1, 0, 1), (0, 1, 0)i.
O espao gerado por
(1, 1, 1) = (1, 0, 1) + (0, 1, 0).
3,
do
de dimenso
3,
igual
Para se determinar a dimenso do espao gerado deve-se eliminar os vetores dependentes

(redundantes) do onjunto de vetores.
Exemplo 38
pao de dimenso
(LDs) dos outros, digamos que

ser igual a
hu, vi.
u, v, w
no
R3 .
Se eles forem LIs eles geraro um subes3

que ser ne essariamente igual a todo o R . Se um for ombinao linear
Considere trs vetores
w = u + v,
ele ser redundante; desta forma
hu, v, wi
Agora, onforme anlise anterior, o espao gerado ser reduzido a um
plano, reta ou ponto.
Exemplo 39
O subespao am (2, 3, 5, 7) + h(1, 1, 1, 1), (2, 2, 2, 2), (3, 3, 3, 3), (4, 4, 4, 4)i
R4 embora possua 4 vetores.
Isto porque (2, 2, 2, 2) = 2(1, 1, 1, 1), (3, 3, 3, 3) = 3(1, 1, 1, 1), (4, 4, 4, 4) = 4(1, 1, 1, 1).
Desta forma, h(1, 1, 1, 1), (2, 2, 2, 2), (3, 3, 3, 3), (4, 4, 4, 4)i = h(1, 1, 1, 1)i.
uma reta em
Exemplo 40
O subespao am
(1, 2, 3, 4, 5) + h(0, 0, 0, 0, 0), (0, 0, 0, 0, 0)i
Portanto a ara terizao geomtri a de

de
p,
S = w + hu1 , u2 , . . . , up i
mas de quantos vetores so LIs. Assim se:
p = 0, S
um ponto;
um ponto.
depende no do valor
1.3.
BASES
15
p = 1, S
uma reta ou ponto;
p = 2, S
um plano, uma reta ou um ponto;
p = 3, S
um subespao am de dimenso
p = k, S
um subespao am de
intuitivamente bvio que em
R2
3,
um plano, uma reta ou um ponto;
no mximo dimenso k.
3
vetores ser LD pois aso

3
ontrrio geraria um subespao de dimenso 3. Do mesmo modo em R , qualquer onjunto
om
4 ou mais vetores
qualquer onjunto de
LD pois aso ontrrio geraria um subespao de dimenso maior que
4.
Por outro lado, para que um onjunto de vetores gere todo o
R2
deve ter pelo menos 2

R3 deve ter
vetores, aso ontrrio gerar somente uma reta ou ponto. Para que gere todo o
pelo menos
vetores, aso ontrrio gerar somente plano, reta ou ponto.

n
Con lumos que em R :
um onjunto om mais de
um onjunto om menos de
um onjunto de
vetores LD;
vetores gera
vetores no gera
Rn
Rn ;
se, e s se, LI.
1.3 Bases
Uma notao muito utilizada denir os seguintes vetores de
e1 = (1, 0, 0, . . . , 0, 0) Rn
e2 = (0, 1, 0, . . . , 0, 0) Rn
..
..
.
.
=
en = (0, 0, 0, . . . , 0, 1) Rn
n
Note que qualquer vetor do R pode ser expresso omo
Rn :
ombinao linear ni a dos

n
vetores e1 , e2 , . . . , en . Por isso dizemos que este onjunto forma uma base do R . Por ser a
n
base padro dizemos que a base anni a do R , que denotada por = {e1 , e2 , . . . , en }.
Denio 12 (base)
ni a omo ombinao linear dos elementos
Exemplo 41
A base anni a do
e4 = (0, 0, 0, 1).
S
de S .
Um onjunto ordenado
R4
Isto verdade pois dado
base se todo vetor se expressa de forma
e1 = (1, 0, 0, 0), e2 = (0, 1, 0, 0), e3 = (0, 0, 1, 0),

(a, b, c, d) R4 , (a, b, c, d) = ae1 + be2 + ce3 + de4
Exemplo 42
Considere o onjunto {(1, 0), (1, 1), (0, 1)}.

2
2
Ele gera todo o R pois dado (a, b) R , (a, b) = a(1, 0) + 0(1, 1) + b(0, 1), mas no base
2
de R pois no onjunto LI: (1, 1) = (1, 0) + (0, 1).
Exemplo 43
{(1, 0), (1, 1)} base do R2 . De fato eles so LIs (um no

2
2
geram o R pois dado (a, b) R , (a, b) = a(1, 0) + (b a)(1, 1).
O onjunto
mltiplo do outro) e
Exemplo 44 = {(1, 1, 1, 1), (0, 1, 1, 1), (0, 0, 1, 1), (0, 0, 0, 1)} base do R4 .
De fato, dado
(a, b, c, d) R4 , (a, b, c, d) = a(1, 1, 1, 1) + (b a)(0, 1, 1, 1) + (c b a)(0, 0, 1, 1) + (d

c b a)(0, 0, 0, 1).
16
CAPTULO 1.
Denio 13 ( oordenadas)
so os oe ientes
vetores
bi 's
i 's
As
oordenadas do vetor v na base = {b1 , b2 , . . . , bn },
(ni os pela denio de base) usados para ombinar linearmente os

n
X
de forma a gerar
v,
isto ,
v=
i bi .
Denotamos
i=1
1
2
[v] = .. .
.
n
Desta forma, as oordenadas so es ritas omo uma matriz de uma oluna.
Exemplo 45
omo
Rn = {e1 , e2 , . . . , en }, e um
vetor v = (v1 , v2 , . . . , vn ),
v1
v2
v = v1 e1 + v2 e2 + + vn en on lumos que [v] = .. .

.
vn
Dada a base anni a do
Exemplo 46 Considere
o vetor v = (2, 4) e as bases = {(1, 0), (0, 1)} e = {(1, 1), (0, 1)}.

Ento
[v] =
2
4
2
2
[v] =
, omo ilustramos na Figura 1.9. Observe que o
mesmo
vetor pode possuir oordenadas distintas em bases distintas.
Figura 1.9: Vetor
Exemplo 47 Considere
Ento
1
[v] = 2
2
Exemplo 48
w = (1, 1, 0).
Ento
mas
= {(1,
1, 1), (0, 1, 1), (0, 0, 1)} e
1
[v] = 1 .
0
1
[w] = [v] = 1 .
0
das em bases distintas.
em bases distintas
a base
Considere a base
v = (2, 4)
= {(1, 1, 1), (0, 1, 1), (0, 0, 1)} e
o vetor
v = (1, 2, 2).
os vetores
v = (1, 2, 2)
Portanto vetores distintos podem possuir as mesmas oordena-
1.4.
EXERCCIOS DE INTRODUO LGEBRA LINEAR
17
Embora oordenadas sem indi ao da base no determinem um vetor, existe uma onveno (dizemos que um abuso de notao, isto , um uso da notao diferente do onven ionado) que assumir que a base anni a. Assim, temos trs formas equivalentes de
n
determinar o mesmo vetor v R :
onsidere o vetor
onsidere o vetor
onsidere o vetor
v = (1 , . . . , n ) (uso orreto);
[v] = ... (uso orreto);

n
v = ... (abuso de notao);

n
De fato, o ltimo uso to omum que muitos livros usam omo denio de vetor do
Rn :
um vetor uma matriz om uma oluna e
matriz linha, mas a onveno utilizada em
linhas. Note que um vetor poderia ser uma
todos os livros omo uma matriz oluna.
1.4 Exer ios de Introduo lgebra Linear

1.4.1 Exer ios de Fixao
Exer io 1. Determine
se ponto, reta ou plano o onjunto representado pela(s) equa-
o(es):
x = 4 em R2 ;
2
(d) x + y = 2 em R ;

x=5
2
em R ;
(f )
y = 2
(a)
(b)
(g)
Exer io 2. Quando representamos
x = 1
x = 5
y=2
em
em
R;
R3 ;
k > 1
( oin identes,
( ) fazendo produto por

(d) fazendo produto por
(e) fazendo produto por
tamanho e om
obtemos vetor om
k < 1
obtemos vetor om
(mesmo
tamanho e om
k,
om
paralelos);
maior, menor)
(mesmo,
sentido, sentido oposto).
k = 1
(mesmo
tamanho e om
maior, menor)
obtemos vetor om
(mesmo
tamanho e om
(h)
vetores omo setinhas:
(a) dois vetores iguais so ne essariamente

(b) fazendo produto por
y = 3 em R3 ;
3
(e) x y = 1 em R ;
x y = 5
3
em R ;
y=2
( )
(mesmo,
maior, menor)
(mesmo,
maior, menor)

1 < k < 0,
obtemos vetor om
(mesmo
(mesmo,
se ponto, reta ou plano:
h(1, 2, 0, 0), (2, 4, 0, 0)i + (2, 1, 2, 2);

(b) h(1, 2, 0, 0), (0, 1, 0, 0)i + (0, 0, 0, 0);
( ) h(1, 1, 1, 1)i + (0, 0, 0, 0);
(d) h(0, 0, 0, 0)i + (1, 1, 1, 1);
Exer io 4. Se u ombinao linear de v e w ento, ne essariamente u perten e:
(b) ao plano gerado por v e w ?
(a) reta gerada por w ?
n
Exer io 5. Seja S um onjunto om 5 vetores em R . Determine se V ou F:
4
(a) se n = 3, ento S sempre LD;
(b) se n = 4, ento S sempre gera R .
(a)
1 Verso 17.Mar.2008 17h
18
CAPTULO 1.
Exer io 6. Complete
as la unas:
5
(a) a base anni a do R :
= {w1 , w2 , w3 , w4 }

(b) se
[u] =
Exer io 7. Considere S
={
base do
};
u = w4 + 2w3 + 3w2 + 4w1 ,
um onjunto ordenado de vetores. Determine se V ou F:
(a) se todo vetor de um espao pode ser es rito omo ombinao linear de elementos de
ento
(b) se
base;
base ento
um onjunto linearmente dependente de vetores;
( ) as oordenadas de um vetor so sempre as mesmas, independente de base.
1.4.2 Problemas
Problema 1. Sabendo que u = (2, 3), v = (1, 4) e w = (2, 1), determine:
(a)
u + 2v
(b)
Problema 2. Cal ule:

(a)
(b)
(1, 2, 3, 2, 1) + (1, 2, 3, 4, 0) =
3(1, 2, 3, 2, 1) =
;
Problema 3. Determine
(a)
uv
y 2x = 5;
(a)
zx=1
x+y+z =0
3u 2v + w
equaes paramtri as para as retas (em
R2 ):
(b)
equaes paramtri as para as retas (em
sianas dadas por:
( )
(b)
x+y = 1
xy =1
) om equaes arte-
equaes paramtri as para a reta (em
y = 1.
( )
R3 ):
(2, 3, 1) e (1, 2, 1);

(1, 2, 1) e paralela ao vetor (0, 0, 1);
( ) que perten e ao plano x y = z 1 e ao plano 3x y + 1 = z .
Problema 6. Determine equaes paramtri as para os planos (em R3 ) om
x=y
z=0
(a) que ontm os pontos

(b) que ontm o ponto
equao arte-
siana dada por:

(a)
x + y z = 2;
(b)
equaes paramtri as para o plano (em
(1, 0, 1), (0, 1, 1) e (1, 0, 0).

(3, 0, 1) e simultaneamente
):
y z = 0.
(a) que ontm os pontos

(b) que ontm o ponto
(0, 1, 1)
( ) que ontm os pontos

(d) que ontm o ponto
Problema 8. Considere
(1, 3, 2)
(3, 1, 0)
(1, 2, 1)
paralelo aos vetores
e paralelo ao vetor
e a reta de equao paramtri a
(2, 1, 1)
(1, 1, 1).
x=t+1
y = 1t
z =t1
r = (1, 2, 0, 0) + t(0, 1/2, 1, 1). Determine:

r;
(b) se (1, 4, 4, 4) r ;
(d) se r = (1, 4, 3, 2) + s(0, 1/2, 1, 1);
( ) se (1, 4, 3, 2) r ;
(e) se r = (1, 4, 4, 4) + s(0, 2, 4, 4).
Problema 9. Considere o plano = (1, 1, 2, 0) + t(1, 2, 1, 2) + s(1, 1, 1, 1) em R4 . Dea reta
(a) trs pontos distintos de
termine:
1.4.
EXERCCIOS DE INTRODUO LGEBRA LINEAR
(a) quatro pontos distintos de

( ) se
(1, 1, 3, 3) ;

(a)
{(x, y, z, w) R |

(a)
( )
19
(2, 5, 3, 4) ;
= (1, 1, 3, 3) + h(1, 2, 1, 2), (1, 1, 1, 1)i.
(b) se
(d) se
uma equao paramtri a para o subespao am:

x y + 3z 2w = 4}; (b) {(x, y, z, w, u) R5 |
por inspeo se LI:
{(1, 2, 2, 3), (2, 4, 4, 5)};

{(1, 2), (2, 1), (3, 3)};
z 3u = 5}.
{(1, 2, 1, 3), (3, 6, 3, 9};

{(1, 2, 3, 4, 5), (0, 0, 0, 0, 0), (5, 4, 3, 2, 1)}.
(b)
(d)
se:
(1, 2, 3, 5) h(1, 2, 3, 4)i;

(b) (1, 0, 0) h(2, 1, 1), (3, 1, 1)i;
3
(1, 0, 2) h(2, 1, 1), (3, 1, 1)i;
(d) R = h(0, 1, 0), (1, 0, 1), (0, 0, 1)i;
(e) h(2, 1, 2)i = h(2, 1, 2)i.
Problema 13. Considere v = (4, 1, 1) e = {(1, 1, 0), (0, 1, 1), (0, 0, 1)};
(a) es reva v omo ombinao linear dos vetores de ;
(b) determine [v] (base anni a);
( ) determine [v] ;
2
(d) sabendo que [w] = 3 ; determine [w] .
2
(a)
( )
1.4.3 Extras
Extra 1. Seja S
(a) se
n = 7,
um onjunto om
ento
Extra 2. Determine
(a)
x=3
( )
x 2y = 1
em
vetores em
sempre LI;
Rn .
Determine se V ou F:
(b) se
(b)
R3 ;
se ponto, reta ou plano:
(1, 2, 1, 2, 1) + h(0, 0, 0, 0, 0), (1, 2, 1, 2, 1))i;

(b) (1, 2, 1, 1) + h(1, 2, 1, 3), (1, 2, 1, 4))i;
( ) (1, 2, 1, 1) + h(1, 1, 1, 1), (0, 2, 0, 2), (1, 3, 1, 3))i;
(d) (2, 0, 2, 0) + h(1, 2, 0, 0), (1, 1, 1, 0), (0, 0, 0, 0)i;
(e) (0, 0, 0, 0) + h(0, 0, 0, 0))i;
(f ) v + hu, u, 3ui om u 6= 0.
(a)
n = 3,
equaes paramtri as para os onjuntos:
em
Extra 3. Determine
ento
pode gerar o
2x 3y + 5z = 1
x+y =1
(d) 3x 2z 5 = 0
em
em
R3 ;
R3 ;
R3 ;
20
CAPTULO 1.
Captulo 2
Sistemas Lineares
Ao longo deste aptulo aprenderemos a determinar quando um sistema possui soluo ni a,
innitas solues ou nenhuma soluo. Mais ainda determinaremos qual a soluo (se ni a)
ou sua frmula geral (se innitas). So objetivos deste aptulo introduzir:
(a) interpretao geomtri a da soluo de sistemas (embora sirva mais para motivao,
pois no pre isamos dela para resolver sistemas);
(b) operaes elementares na matriz aumentada do sistema e sistemas equivalentes;
( ) algoritmo da eliminao de Gauss (forma es alonada) e Gauss-Jordan (forma totalmente
es alonada)
(d) novas interpretaes do produto matriz-vetor impli ando em novas interpretaes de
solues de um sistema linear.
(e) soluo simultnea de sistemas lineares om mesma matriz de oe ientes;
At o nal do aptulo apresentaremos os seguintes termos t ni os:
matriz aumentada, de oe ientes e lado direito de sistema linear;
matriz diagonal, triangular superior (e inferior);
sistemas equivalentes, operaes elementares, pivs, forma es alonada e totalmente
variveis dependentes e livres,
eliminao de Gauss e de Gauss-Jordan;
sistema om soluo ni a, innitas solues e nenhuma soluo;
produto es alar ou interno;
hiperplano;
soluo trivial, parti ular e geral ( onjunto-soluo) de sistema linear, sistema homog-
es alonada,
neo.
0 Verso 14.jul.2008 09h
21
22
CAPTULO 2.
SISTEMAS LINEARES
2.1 Apli aes de Sistemas Lineares

Sistemas lineares apare em em diversos tipos de apli aes na Fsi a, Qumi a e Engenharia
e dentro de diversos problemas da prpria Matemti a. Vamos apresentar diversos exemplos
que servem de motivao para este estudo.
O Exemplo 49 tpi o do ensino mdio: no
sugere ne essidade de muitas (milhares de) variveis. Foi in luido somente para ontrastar
om os outros.
Exemplo 49
H dois tipos de moeda indistinguveis, ex eto pelo peso.
As de material X
pesam 10 g ada e as de material Y, 20 g ada. Se um onjunto de 100 moedas pesa 1.25

Kg, quantas so do material X?
Exemplo 50
e
x +
y = 100
.
10x + 20y = 1250
A ombusto do propano produz dixido de arbono e gua. En ontre
a, b, c
a C3 H8 + b O2 c CO2 + d H2 O.
8a = 2d, balano de O: 2b = 2c + d,
de forma a balan ear a equao da reao:
Balano de C:
3a = c,
balano de H:
3a +0b 1c +0d = 0
8a +0b +0c 2d = 0 .
0a +2b 2c 1d = 0
Exemplo 51
Existe uma ni a parbola
(0, 1), (1, 3), (2, 4)
(3, 9)?
da forma
y = ax2 + bx + c
passando pelos pontos
Caso no exista, qual a parbola que melhor aproxima estes
pontos?
(0, 1)
(1, 3)
(2, 4)
(3, 9)
Obtemos um sistema om
Exemplo 52
1 = a(02 ) + b(0) + c
3 = a(12 ) + b(1) + c
4 = a(22 ) + b(2) + c
9 = a(32 ) + b(3) + c
equaes e 3 variveis (a, b, c):
0a
1a
4a
9a
+0b
+1b
+2b
+3b
+1c
+1c
+1c
+1c
=
=
=
=
1
3
.
4
9
f (x) = ax3 + bx2 + cx + d que melhor

i = 1, . . . , N (N to grande quanto se queira).
Determine a funo bi a da forma
aproxima a funo
cos(x)
nos pontos
ki
om
Observe o exemplo anterior para obter:
ak1
.
.
.
+bk12
.
.
.
+ck1
.
.
.
+d = cos(k1 )
.
.
.
.
.
.
ak 3 +bk 2 +ck
+d
=
cos(k
N
N)
N
N
2.1.
APLICAES DE SISTEMAS LINEARES
Exemplo 53
23
Queremos determinar a distribuio de temperatura no interior da pla a re-
presentada na Figura 2.1 sabendo a temperatura em volta desta pla a, onforme indi ado
na gura.
Para isto vamos utilizar um prin pio fsi o que garante (de forma aproximada)
que a temperatura em um vrti e igual a mdia das temperaturas dos quatro vrti es mais
prximos. Deste modo, a temperatura
por exemplo igual a
(20 + 25 + b + d)/4.
Pro-
edendo desta forma vamos obter 6 equaes orrespondendo a ada uma das 6 variveis
(a, b, c, d, e, f ):
4a b d
4b a c e
4c b f
4d e a
4e b d f
4f c e
10o
15o
20o
=
=
=
=
=
=
15o
20o
25o
30o
45
15
25
.
55
20
35
15o
20o
25o
Figura 2.1: Pla a Aque ida

Neste ltimo exemplo poderamos utilizar, ao invs de uma malha
100 100 (em torno de 10 mil variveis).
4 5,
pea slida, om trs dimenses espa iais. Neste aso, utilizando um malha de
hegamos a er a de
de sistemas om
uma malha
Ou ento onsiderar a distribuio de alor em uma
100100100,
milho de variveis. Desta forma surge, naturalmente, a resoluo

n
equaes e o R om n arbitrariamente grande. Dimenses muito
muitas
grandes surgem pela mesma razo em diversos problemas da Fsi a: foras atuantes em uma
pea ou prdio, uxo de gua em um ano ou rio, et . Em todos estes asos o meio ontnuo
dis retizado em malhas bi ou tridimensionais, levando o nmero de variveis fa ilmente para
dezenas de milhares ou mesmo milhes de variveis.
Exemplo 54
Determinar o uxo de arros em ruas faz parte do planejamento urbano de
uma idade. Outros uxos importantes so de gua, energia, mer adoria, ou bytes (internet).
Nesses sistemas existem vias (ruas, anos, estradas ou os) que transportam estes uxos e
que devem ser planejados de forma a suportar as apa idades. Estes problemas so traduzidos
em sistemas lineares que devem ser resolvidos. Consulte livros de lgebra linear (por exemplo
Lay ou Leon ou Anton) para mais detalhes sobre estes modelos.
Exemplo 55
Foram realizadas medies de dados bidimensionais (por exemplo distn ia
per orrida e onsumo de ombustvel de um automvel) obtendo-se
pontos
(xi , yi)
no
plano. Sabendo-se que a relao deve ser linear, qual a equao da reta que melhor aproxima
esta relao?
24
CAPTULO 2.
a, b R
SISTEMAS LINEARES
y = ax + b passe o mais perto possvel (em

(xi , yi), omo indi ado na Figura 2.2. A reposta
tal que a reta
sentido a ser pre isado) de todos os pontos
dada atravs do hamado mtodo de mnimos quadrados, que bus a a melhor soluo ( om
menor erro) do sistema om 2 variveis (a, b) e
equaes:
ax1 + b = y1
.
.
..
= ..
ax + b = y .
N
N
y
Figura 2.2: Reta Aproximada
Exemplo 56
O vetor
(0, 6, 10)
Pre isamos saber existem
ombinao linear de
, ,
tais que
(1, 2, 3), (2, 1, 1)
(4, 1, 3)?
(1, 2, 3) + (2, 1, 1) + (4, 1, 3)

= (, 2, 3) + (2, , ) + (4, , 3)
= ( + 2 + 4, 2 + , 3 + 3)
= (0, 6, 10).
1 +2 +4 = 0
2 +1 1 = 6
3 +1 3 = 10
Desta forma observamos que:
sistemas lineares modelam muitos problemas distintos;
problemas da lgebra Linear re aem na resoluo de sistemas lineares de modo que as
fa ilmente os sistemas podem ter milhares de variveis neste aso a teoria ser fun-
t ni as para resolv-los nos a ompanharo por todo o urso;
damental para se entender as solues que sero geradas por softwares de omputao
ient a.
2.2 Interpretao Geomtri a

Vamos dis utir e interpretar geometri amente solues de sistemas lineares em R (reta) e em
R2 (plano). Na Seo 2.6 retomamos a interpretao geomtri a, generalizando-a para Rn .
3
Deixamos para os alunos (e para os exer ios) a apli ao em R (espao) destas idias.
2.2.
INTERPRETAO GEOMTRICA
25
2.2.1 Na Reta (R)

11
Vamos omear om o sistema mais simples que existe que o sistema

equao): determine
xR
tal que:
(1 varivel e 1
ax = b .
Para resolv-lo, onsideramos trs asos:

(a) se
a 6= 0
(b) se
a=b=0
( ) se
a=0
ento
x = a1 b:
ento qualquer
b 6= 0
Observao 13
sistema
om soluo ni a;
xR
ento nenhum
soluo: sistema
xR
om innitas solues;
soluo: sistema
utilizado omo sinnimo de
sem soluo.
varivel o termo in gnita.
Classi aremos os sistemas lineares omo sem soluo, om soluo ni a ou om innitas solues. No ensino mdio utiliza-se outro vo abulrio (que no utilizaremos) para
lassi ar, segundo o nmero de solues, os sistemas lineares. Para um sistema linear:
sem soluo: in ompatvel ou impossvel ou in onsistente;

om soluo: ompatvel ou possvel ou onsistente;
om soluo ni a:
( ompatvel ou onsistente ou possvel e)
om innitas solues:
determinado
( ompatvel ou onsistente ou possvel e)
indeterminado;
No ensino mdio aprendemos a fazer esta anlise para sistemas 2 2 e 3 3 da forma

2
3
om b R ou R . Se det(A) 6= 0 (similar a ondio a 6= 0 a ima), ento existe
x = A1 b. Caso ontrrio, dependendo de ondies que rela ionam A e b,
Ax = b,
soluo ni a
o sistema possui
innitas solues ou no existe soluo.
2.2.2 No Plano (R2 )

No sistema
a11 x + a12 y = b1 (r1 )

a21 x + a22 y = b2 (r2 ),
ada equao representa uma reta (r1 e
r2 ).
Re-
solver o sistema equivale a bus ar intersees destas retas. Por outro lado o sistema pode ser
es rito omo
x
Denindo vetores
v1 =
a11
a21
a11
a21

+y
, v2 =
a12
a22

resolver o sistema orresponde a perguntar se

existem
x, y R
Exemplo 57
a12
a22
b
b1
b2
,b =
b1
b2
=

Considere o sistema
ombinao linear de
tais que
xv1 + yv2 = b.

1x +1y = 2 (r1 )
.
1x 1y = 0 (r2 )
v1
v2 ,
isto , se
26
CAPTULO 2.
Dena
v1 =
1
1
, v2 =
1
1
,b =
2
0
es para a soluo deste sistema, que possui
. A Figura 2.3 apresenta as duas interpreta-
soluo ni a igual ao ponto (1, 1):
esquerdo a interseo de duas retas, no lado direito observe que

de
v1
v2
(mais exatamente, neste aso
SISTEMAS LINEARES
no lado
ombinao linear ni a
b = 1v1 + 1v2 ).
y
r2
(0, 2)
v1
(1, 1)
(0, 0)
x
(2, 0)
r1
v2
Figura 2.3: Soluo ni a
1x 2y = 2 (r1 )
.
2x
+4y
2 (r2 )

=

2
2
1
. A Figura 2.4
,b =
, v2 =
v1 =
2
4
2
Exemplo 58
Dena
Considere o sistema
apresenta as duas inter-
sem soluo:
no lado esquerdo duas retas
paralelas (portanto sem interseo), no lado direito observe que
b no ombinao linear de
pretaes para a soluo deste sistema, que
v1
v2
pois ambos esto na mesma reta. Portanto qualquer ombinao deles ar nesta
mesma reta.
y
r2
v2
r1
(0, 1/2)
(2, 0)
x
(1, 0)
x
v1
(0, 1)
Figura 2.4: Sem Soluo
1x 2y =
2 (r1 )
.

2x
+4y = 4
(r2 )
1
2
2
v1 =
, v2 =
,b =
. A Figura
2
4
4
Exemplo 59
Dena
Considere o sistema
interpretaes para a soluo deste sistema, que possui

duas retas oin identes, no lado direito observe que
2.5 apresenta as duas
innitas solues:
no lado esquerdo
pode ser es rito de innitas formas
2.2.
INTERPRETAO GEOMTRICA
27
v1 e v2 pois os trs esto na mesma reta. Por exemplo, b =

0v1 v2 = 2v1 + 0v2 = v1 1/2v2 . O onjunto-soluo nesse aso ser {(x, y) | x + y =
2} = {(t, 2 t) = (0, 2) + t(1, 1) | t R}. Na linguagem do Captulo 1, o onjunto-soluo
o subespao am (0, 2) + h(1, 1)i.
omo ombinao linear de
y
y
v2
r1 = r2
(2, 0)
x
x
v1
(0, 1)
b
Figura 2.5: Innitas Solues
Em resumo, o onjunto-soluo de um sistema
ou
uma ni a soluo;
ou
nenhuma soluo;
ou
innitas solues.
Compare om o aso
linear de equaes tem sempre:
no-linear representado Figura 2.6.
Caso se busquem as intersees
de duas urvas quaisquer no plano, poderemos ter um nmero nito de solues maior que
um, no aso
solues.
Figura 2.6: Sistema No-linear
28
CAPTULO 2.
SISTEMAS LINEARES
2.3 Operaes Elementares

Denio 14 (matriz de oe ientes, matriz aumentada e lado direito)
o sistema, om
equaes em
Considere
variveis:
a11 x1 +a12 x2 +a1n xn = b1
a21 x1 +a22 x2 +a2n xn = b2

.
.
.
.
..
.
.
.
.
.
.
.
.
.
a x +a x +a x = b
m1 1
m2 2
mn n
m
Denimos omo matriz de oe ientes, matriz aumentada e o lado direito do sistema a ima
as matrizes indi adas na gura abaixo.
a11
a21
..
.
matriz aumentada
}|
m1
a12
a22
..
.
a1n
a2n
..
..
.
am2 amn
b1
b2
..
.
bm
} | {z }
{z
matriz de oe ientes lado direito

Note que a matriz de oe ientes possui
em
m linhas e n olunas que orrespondem as m equaes
variveis do sistema.
Observao 14
pliada.
matriz aumentada o termo matriz am-
omum o abuso de linguagem onsidere o sistema
A, onde A a matriz aumentada do
sistema a ser onsiderado.
Quando a matriz de oe ientes possui algumas formas parti ulares, o sistema se torna
extremamente f il de ser resolvido.
diagonal.
O primeiro aso quando a matriz de oe ientes
Denio 15 (matriz diagonal) A diagonal se aij = 0 para todo i 6= j.

Exemplo 60
So matrizes diagonais:
3
0
0
0

10 0
0
0 5 0
1 0
0
.
0 3
0 ,
,
0 3
0
0 5
0
0 0 5
0
0 0 3
No aso de matriz de oe iente diagonal a soluo do sistema imediata.
Exemplo 61
Considere o sistema
5
3
0 0
0 2 0
4 .
0
0 1 2
3x1 =
5
2x2 =
4
x3 = 2
uja matriz aumentada
Neste aso f il ver que o onjunto-soluo

5
, 2, 2
3

2.3.
OPERAES ELEMENTARES
29
Outro aso f il quando matriz de oe ientes
Denio 16 (matriz triangular superior) A

todo
triangular.
triangular superior
se
aij = 0
para
i > j.
Exemplo 62
So triangulares superiores:
Observao 15
3
12
0
3

1 1
7
0 5 3
5 2
0
.
0 3
2 ,
,
0
0 3
0 5 1
0 0 1
0
0 0 3
Existe o on eito similar de matriz
triangular inferior,
uja denio
deixamos para o leitor.
Quando a matriz
para trs.
triangular superior
a soluo al ulada atravs da
substituio
Comeando-se da ltima equao, onde se determina a ltima varivel, determina-
se ada varivel, su essivamente, de trs para frente.
Exemplo 63
:
Considere o sistema
2
3
1 3
0 2 1 5 .
0
0 2 2
3x1
+x2 +3x3 =
2
2x2 +x3 = 5
2x3 = 2
Fazendo a Substituio para trs, al ulamos primeiro
equao. Substitumos seu valor na segunda equao e obtemos
x1
x2
uja matriz aumentada
x1 :
x2 .
x3
da ltima
Finalmente, substituindo
na primeira equao, al ulamos
3x1
2x3 = 2
2x2 +(1) = 5
+(2) +3(1) =
2
x3 = 1
x2 =
2 .
x1 =
1
Vamos ver omo podemos transformar um sistema qualquer num sistema diagonal que
possua o mesmo onjunto-soluo, isto , omo transformar num sistema diagonal
equiva-
Denio 17 (sistemas equivalentes)
equiva-
lente.
lentes se tm o mesmo onjunto-soluo.

Exemplo 64
Dois sistemas (nas mesmas variveis) so
Os dois sistemas da Figura 2.7 so equivalentes, embora om nmero de equa-
es distintas, pois possuem o mesmo onjunto-soluo
{(1, 1)}.
A estratgia para Soluo de Sistemas Lineares bus ar um sistema equivalente f il:
na
forma es alonada (tipo
na
forma totalmente es alonada (tipo
triangular) ou
diagonal).
Para isto pre isamos ver omo gerar sistemas equivalentes utilizando as
mentares, que
operaes ele-
so efetuadas na matriz aumentada de um sistema. Estas operaes podem
ser vistas tambm omo operaes nas equaes do sistema, embora quando efetuamos os
l ulos fazemos as operaes diretamente na matriz aumentada.
30
CAPTULO 2.
1
2 3
1 1 0
3
1 4
1
1 2
1 1 0
SISTEMAS LINEARES
(0, 2)
(1, 1)
0,
3
2
(1, 1)

(2, 0)
4
,0
3
(3, 0)
Figura 2.7: Sistemas equivalentes
Denio 18 (operaes elementares)
So
operaes elementares numa matriz:
l2 ):

b1
l2
b2
l1
(a) tro ar a ordem das linhas: (denotado l1
l1
l2
b2
b1
;
l2 ):

;
(b) multipli ar uma linha por um es alar no-nulo: (denotado l2
l1
l2
b1
b2
l1
l2
b1
b2
( ) substituir linha por sua soma om mltiplo de outra (denotado l2
l1
l2
b1
b2
l1
l2 + l1
b1
b2 + b1
l2 + l1 ):
;
(d) des artar ou a res entar linhas s de zeros:
l1
0 0 0
Denio 19 (matriz equivalente)
b1
0
l1
b1
A equivalente a B se
elementares. Denotamos A B .
Uma matriz
por meio de uma seqn ia de operaes
Lema 1 (sistemas e matrizes equivalentes)
Sejam
AeB
pode ser obtida
matrizes aumentadas de dois
sistemas (nas mesmas variveis). Se as matrizes so equivalentes (A
B ), ento os sistemas
orrespondentes so equivalentes (possuem mesmo onjunto-soluo).
Prova:
A ada uma das operaes elementares efetuadas na matriz aumentada de um
sistema orresponde uma operao nas equaes desse sistema que no altera o onjuntosoluo:
(a) tro ar a ordem das linhas: substituir o sistemas
altera o onjunto-soluo;
A = B
C = D
por
C = D
A = B
no
2.3.
OPERAES ELEMENTARES
31
(b) multipli ar uma linha por um es alar no-nulo: substituir o sistemas
A = B
C = D
A =
B
. Se C = D ento laro que C = D . Note que isto verdade
C = D
in lusive se = 0. Por outro lado, se C = D , utilizando o fato que 6= 0, multipli amos
1
1
1
1
os dois lados por , obtendo C = D . Logo, omo = 1, C = D . Portanto
por
no alteramos o onjunto-soluo.
( ) substituir linha por sua soma om mltiplo de outra: substituir o sistema

A = B
A =
B
por
. Se C = D , omo A = B , A = B para
C = D
C + A = D + B
qualquer (mesmo = 0). Somando esta equao nos dois lados de C = D obtemos que
C + A = D + B . Por outro lado, suponha que C + A = D + B . Como A = B ,
A = B para qualquer . Logo subtraindo A dos dois lados de C + A = D + B ,
obtemos C = D + B A = D .

A = B
por
(d) des artar (ou a res entar) linhas s de zeros: substituir o sistema
0 = 0

A = B (ou vi e-versa) no altera o onjunto-soluo pois uma linha nula orresponde
a uma equao sempre verdadeira (0 = 0).
Observao 16
Dessas operaes podemos deduzir outras omo por exemplo:

se duas

linhas so iguais, uma delas pode ser des artada.

equivale a
o sistema
Isto porque o sistema
B = C
B = C
B =
C
tomando = 1 na operao ( ). Portanto
BB = C C

B = C
B = C .
. Pela operao (d) este equivalente a
0 = 0
obtemos
Deve-se tomar uidado pois nem toda operao gera sistemas equivalentes. No prximo
exemplo ilustramos um erro que no omum mas serve para ajudar a entender o exemplo
depois desse.
Exemplo 65
Embora se possa substituir uma linha pela soma dela om outra, no se
simultaneamente om duas linhas pois seno transformaramos o sistema

A=B
A+C =B+D
em
. Mas este sistema equivalente a
C
=
D
A
+
C
=
B
+
D

A + C = B + D pela observao anterior.

x+y = 3
Vamos ver num aso parti ular. Considere
ujo onjunto-soluo
2x y = 0

3x = 3
{(1, 2)}. Somando as duas linha obtemos
ujo onjunto-soluo {(x, y) =
3x = 3
(1, t); t R}.
pode fazer isto

Note
que isto diferente de substituir a primeira linha pela soma dela om a segunda
obtendo
obtendo
3x
2x y

3x
5x y
=
=
=
=
3
0
3
3
e depois substituir a segunda linha pela soma dela om a primeira
. Note que agora preservamos o onjunto-soluo
O erro apresentado no exemplo anterior di ilmente ometido.
{(1, 2)}.
No prximo exemplo
apresentamos um erro que o orre om erta freqn ia om alunos que no apli am uma
operao elementar de ada vez.
32
CAPTULO 2.
SISTEMAS LINEARES
x+y+z
y+z
Exemplo 66 Considere o sistema
x
+y
1 1
1. Na forma matri ial ele orresponde a 0 1

1 1
l1 l1 l2
ao sistema
, l2
l2 l3
l3 l3 l1 ,
x =
1
x + z =
0
z = 1
= 3
= 2 uja soluo ni a x = y = z =
= 2
1 3
1 2 . Vamos fazer simultaneamente
0 2
1
1 0
0
1
0 . Isto orresponde
obtendo 1 0
0 0 1 1
uja soluo
x=z=1
pode assumir qualquer valor.
{(x, y, z) = (1, t, 1) = (1, 0, 1) + t(0, 1, 0), t R}. Na

onjunto-soluo o subespao am (1, 0, 1) + h(0, 1, 0)i. Note
Portanto o onjunto-soluo
linguagem do Captulo 1, o
que o onjunto-soluo foi modi ado.
O ltimo exemplo mostra a importn ia de sermos
extremamente
uidadosos quando
apli amos as operaes elementares, apli ando uma de ada vez.

Antes de apresentar um algoritmo para resolver sistemas lineares, vamos apresentar, atravs
sistema linear qualquer, utilizando somente as

sistema equivalente diagonal, que pode ser fa ilmente
de um exemplo, a transformao de um
operaes elementares,
resolvido.
num
2
1 2 4
Exemplo 67 Considere o sistema 0 7 11 25 . Fazendo l3 l3 + 3l1 , al u3 13
4
16
3 13
4 16
3 13
4 16
3 6 12 6
lamos
= +
e obtemos
+ 3 ( 1 2 4 2 )
0
7 8 22
0 7 11 25
2
1 2 4
0 7 11 25 . Fazendo l3 l3 + l2 al ulamos +
0
7 8
22
e
0
7 8
22
0
3 3
2
2
1 2 4
1 2 4
1
0 7 11 25 . Fazendo l3 l3 , obtemos
0 7 11 25 .
obtemos
3
0
0
3 3
0
0
1 1
1 2 4
2
0
0
4 4 . Para fazer l2 l2
Para fazer l1 l1 + 4l3 al ulamos +
1 2
0 2
0 7
11 25
1 2 0 2
0
0 11
11 . Obtemos ento 0 7 0 14 . Fa11l3 al ulamos +
0
0 1 1
0 7 0 14
1 2 0 2
1
0
1 0
2 . Fazendo l1 l1 + 2l2 al ulamos
zendo l2 l2 , obtemos
7
0
0 1 1
1 2 0 2
1 0 0
2
+
0
2 0
4
0 1 0
2 . Finalmente fazendo l1 l1
e obtemos
0 0 1 1
1
0 0
2
1 0 0 2
2 .
obtemos o 0 1 0
0 0 1 1
2.3.
OPERAES ELEMENTARES
Agora o sistema
o onjunto-soluo
33
diagonal e pode ser fa ilmente resolvido:
{(2, 2, 1)}.
x1 = 2
x2 =
2 .
x3 = 1
Portanto
O plano de ao para a soluo de sistemas lineares :
forma es alonada
forma totalmente es alonada
denir o que a
apresentar o
estudar omo resolver um sistema uja matriz ampliada est na forma es alonada ou
de uma
matriz;
algoritmo de eliminao de Gauss
que transforma uma matriz
qualquer para forma es alonada ou totalmente es alonada;
totalmente es alonada.
Denio 20 (forma es alonada)
Diz-se que uma matriz est (na forma)
es alonada
(tipo triangular superior) se
o nmero de zeros no in io de ada linha aumenta estritamente de uma linha

para outra e
no h linhas s de zeros.
Exemplo 68
A matriz abaixo est na forma es alonada.
Exemplo 69
A matriz abaixo
4
4 7 0 14
0
0 4
0 1
0
0 0 13
6
no est na forma es alonada.
4
4 7 0 14
3
0 4
0 1
0
0 0 13
6
Denio 21 (piv)
So denominados
pivs
os primeiros elementos no nulos de ada
linha de uma matriz es alonada.
Exemplo 70
Na matriz abaixo so pivs (indi ados em negrito)
4 7 0 14
4
0
0 5
0 1
0
0 0 13
6
Denio 22 (forma totalmente es alonada)
es alonada ou es alonada reduzida (tipo
4, 5, 13.
Uma matriz es alonada est
diagonal) se os seus pivs
so todos 1's e
so os ni os elementos no-nulos de suas olunas.
totalmente
34
CAPTULO 2.
Exemplo 71
SISTEMAS LINEARES
A matriz abaixo est na forma totalmente es alonada.
Exemplo 72
A matriz abaixo
1 7 0 0
4
0
0 1 0 1
0
0 0 1
6
no est na forma totalmente es alonada.
1 7 2
0
4
0
0 1
0 1
0
0 0 1
6
2.4 Es alonamento
Vamos agora des rever o algoritmo de
Eliminao de Gauss, que dividido em duas partes.
Denio 23 (Eliminao de Gauss Parte I: Forma Es alonada)

(a) Des arte linhas s de zeros.
(b)
p (no
( )
k 1.
de linhas).
(d) Enquanto
k < p,
repita:
Considere apenas as linhas lk , lk+1 , . . . , lp .

Identique a oluna no nula mais esquerda.
Troque linhas para obter piv no nulo.
Des arte linhas s de zeros.
Anule entradas abaixo do piv subtraindo de lk+1 , . . . , lp mltiplos de lk .
p (no
de linhas).
k k + 1.
Denio 24 (Eliminao de Gauss Parte II: Forma Totalmente Es alonada)

(a) Exe ute a Parte I do algoritmo.
(b) Repita, para
Divida lk pelo seu piv, tornando-o 1.

Anule entradas a ima do piv subtraindo de l1 , . . . , lk1 mltiplos de lk .
Observao 17
Parte II de
k = p, p 1, . . . , 1:
Alguns livros hamam a Parte I de
eliminao de Gauss-Jordan.
eliminao de Gauss e a Parte I +
Vamos agora apli ar o algoritmo em detalhes na matriz
2
6
3
1
4
2
6
3 2
10
.
4 12 7
0 10
6
18 11
0
14
2.4.
ESCALONAMENTO
35
(a) Des arte linhas s de zeros (no tem nenhuma).

(b)
( )
p 4.
k 1.
(d) In io do primeiro lao.
Considere apenas as linhas l1 , l2 , l3 e l4 (ou seja, todas as linhas).
Identique a oluna no nula mais esquerda:
Troque linhas para obter
Anule as entradas abaixo do
piv
2
6
3
1
4
2
6
3 2
10
.
4 12 7
0 10
6
18 11
0
14
no nulo ( omo o piv no nulo, no pre isa fazer
nada).
piv 2 , subtraindo de l2 , l3 , l4
l2 l2 l1 , l3 l3 + 2l1 ,l4 l4 3l1

Des arte
p 4.
k 2.
obtemos:
2
0
0
0
linhas s de zeros (no tem nenhuma).
(d) In io do segundo lao.
mltiplos de l1 . Fazendo
6
3
1
4
0
0 3
6
.
0 1
2 2
0
2 3
2
2 6
3
1
4
0 0
0 3
6
.
Considere apenas as linhas 2, 3 e 4 (ignore a primeira):
0 0 1
2 2
0 0
2 3
2
2 6
3
1
4
0 0 0 3
6
.
Identique a oluna no nula mais esquerda:
0 0 1
2 2
0 0
2 3
2
2 6
3
1
4
0 0 1
2 2
.
Troque linhas para obter piv no nulo:
0 0
0 3
6
0 0
2 3
2
Anule as entradas abaixo do piv 1, subtraindo de l3 e de l4 mltiplos de l2 . Fazendo
2 6
3
1
4
0 0 1
2 2
.
l4 l4 +2l2 (l3 j est om entrada zerada abaixo do piv) obtemos:
0 0
0 3
6
0
1 2
0 0
Des arte linhas s de zeros (no tem nenhuma).
p 4.
k 3.
(d) In io do ter eiro lao.
Considere apenas as linhas 3 e 4 (ignore a primeira e a segunda):
2
0
0
0
6
3
1
4
0 1
2 2
.
0
0 3
6
0
0
1 2
36
CAPTULO 2.
Identique a oluna no nula mais esquerda.
Troque linhas para obter
Anule as entradas abaixo do
piv
2
0
0
0
6
3
0 1
0
0
0
0
SISTEMAS LINEARES
1
4
2 2
3
6
1 2
no nulo ( omo o piv no nulo, no pre isa fazer
nada).
l4 l4 + 1/3l3
obtemos:
p 3.
subtraindo de l4 um mltiplo de l3 . Fazendo
6
3
1
4
0 1
2 2
.
0
0 3
6
0
0
0
0
2 6
3
1
4
2 2 .
zeros: 0 0 1
0 0
0 3
6
2
0
0
0
Des arte linhas s de
piv 3,
k 4.
(d) Fim do lao pois k p. Fim da Parte I: matriz j est es alonada.
Vamos agora fazer o es alonamento total da matriz.
(b) In io do primeiro lao. k 3.
Divida l3 pelo seu
piv 3 obtendo:
2 6
3
0 0 1
0 0
0
Anule as entradas a ima do piv , subtraindo de l1 , l2
2 6
3 0
6
2 .
l2 l2 2l1 obtendo: 0 0 1 0
0 0
0 1 2
(b) In io do segundo lao. k 2.
piv 1 obtendo:
Divida l2 pelo seu
Anule as entradas a ima do
obtendo:
2 6
0 0
0 0
2 6
0 0
0 0
1
4
2 2 .
1 2
mltiplos de l3 . Faa l1
3 0
6
1 0 2 .
0 1 2
piv , subtraindo de l1
mltiplos de l2 . Faa l1
0 0 12
1 0 2 .
0 1 2
(b) In io do ter eiro lao. k 1.

piv 2 obtendo:
Divida l1 pelo seu
Anule as entradas a ima do
piv 1.
l1 l3
l1 3l2
6
1 3 0 0
0 0 1 0 2 .
0 0 0 1 2
No tem nada a fazer (nenhuma linha est a ima
da primeira).
(b) Fim do lao pois k = 1.
Chegamos ao m e a matriz est totalmente es alonada.
2.5.
RESOLVENDO SISTEMA APS ESCALONAMENTO
37
2.5 Resolvendo Sistema aps Es alonamento

Para estudar omo resolver o sistema aps o es alonamento, introduzimos a seguinte notao
para elementos da matriz:
0
1
Com esta notao, um sistema

formas:
forma:
.. .. . . .. ..
. .
.
.
.

0 0 0 1
zero
um
no-zero
totalmente es alonado possuir somente uma das trs
sistema
sem soluo.
A ltima linha do sistema orresponde a equao
forma:
0 = 1 no ser verdade
1 0 0
0 1 0
.. .. . . .. ..
. .
.
.
.
0 0 1
0x1 + 0x2 + + 0xn = 1.
Como
nun a, o onjunto-soluo vazio.
sistema
O sistema orrespondente
qualquer nmero
om soluo ni a.
x1 =
x2 =
..
..
.
.
x =
n
forma: nenhuma das anteriores sistema
. O onjunto-soluo
{(, , . . . , )}.
om innitas solues.
O onjunto-soluo ser innito onforme veremos na seqn ia.
1 0 0
1 3 0 5 0
Exemplo 73 (sem soluo) 0 1 0 , 0 0 1 2 0 .
0 0 1
0
0 0 0 1
1 0 0
1 0 0 2
0 1 0
Exemplo 74 ( om soluo ni a) 0 1 0 0 ,
0 0 1
0 0 1 11
0 0 0
Exemplo 75 ( om innitas solues)
Considere o sistema:
1 3 0 5 0
4
0
0 .
0 1 2 0
0
0 0 0 1 2
7
0
0 4
.
0 3
1 13
x2 e x4 , digamos x2 = r
= 4 + 3r 5s
.
=
2s
=
2
Suponha onhe idos

os valores de
rees rito omo:
1x1
1x3
1x5
Agora este um sistema em 3 variveis:
x1 , x3
x5
da forma:
x4 = s.
O sistema pode ser
1 0 0 4 + 3r 5s
0 1 0
2s
0 0 1
2
38
CAPTULO 2.
Sabemos resolver esse sistema, que est no 1
SISTEMAS LINEARES
aso. Ele possui soluo ni a:
(x1 , x3 , x5 ) = (4 + 3r 5s, 2s, 2). Como x2 = r e x4 = s, obtemos o onjunto-soluo

(x1 , x2 , x3 , x4 , x5 ) = {(4 + 3r 5s, r, 2s, s, 2) | r, s R} ou ainda:
{(4, 0, 0, 0, 2) + r(3, 1, 0, 0, 0) + s(5, 0, 2, 1, 0) | r, s R}.
Na linguagem do Captulo 1, o onjunto-soluo o subespao am
(4, 0, 0, 0, 2) + h(3, 1, 0, 0, 0), (5, 0, 2, 1, 0)i .

5
Neste exemplo o sistema possui um total de

la ionando-as, ou om somente
A essas duas variveis (x2 e
x4 )
53 = 2
variveis e, por possuir
equaes re-
variveis livres para assumir qualquer valor.
foram atribudos os dois parmetros
r, s
e, utilizando as
equaes remanes entes do sistema foram obtidas solues em funo destes parmetros.
Para o mesmo nmero total de variveis, quanto maior o nmero de linhas (equaes) no
sistema es alonado menor o nmero de variveis livres.
Observao 18
A eliminao de linhas a operao mais importante no pro esso de
es alonamento de uma matriz pois reduz o nmero de equaes do sistema.
O fato de
uma equao ser eliminada signi a que era ombinao linear das outras, sendo, portanto,
redundante para a resoluo do sistema.
Ao nal do es alonamento saberemos quantas
equaes so independentes entre si. Em termos de variveis, zero equaes signi a que
todas variveis esto livres, e ada equao a mais introduz uma restrio em alguma
varivel, reduzindo o nmero de variveis livres.
Denio 25 (varivel livre e varivel (in)dependente)

de um sistema obteremos uma matriz om
Aps o es alonamento total
olunas ( orrespondendo ao total de
pivs ou de equaes aps o es alonaChamamos de varivel livre ou independente aquela asso iada a oluna sem piv.
variveis) e
mento).
n+1
Como so
linhas ( orrespondendo ao nmero de
variveis no total e
equaes, so
np
variveis livres. A ada varivel livre
parmetro varivel (usualmente denotado por t, r, s, . . .) que pode assumir

qualquer valor. Chamamos de varivel dependente as que no so livres pois seu valor
depende de parmetros. Em resumo temos que:
atribudo um
n = no total de variveis,
p = no de equaes = no de linhas = no de pivs = no de
n p = no de variveis livres = no de parmetros.

0 1 0
0 0 1
{z
}
|
variveis dependentes,
Observao 19
varivel dependente o termo varivel
lder pois esto asso iadas a pivs (lderes).

Alguns livros hamam o nmero de variveis livres, que igual ao nmero de parmetros, de grau de liberdade ou grau de indeterminao do sistema linear.
Exemplo 76
Considere o sistema
0
0
0
0
1
0
0
0
2
0
0
0
0
1
0
0
0
0
1
0
0
0
0
1
1
0
3
4
.
0 1
3
2
2.5.
RESOLVENDO SISTEMA APS ESCALONAMENTO
39
n = 7 e p = 4 so 7 4 = 3 variveis livres. Como as olunas sem piv so 1, 3, 7, so

variveis livres x1 , x3 , x7 . So 4 variveis dependentes: x2 , x4 , x5 , x6 . Introduzindo parmetros
r, s, t e atribuindo-os as variveis livres obtemos que x1 = r, x3 = s, x7 = t. Das equaes
obtemos que x2 = 2x3 + x7 = 2s + t, x4 = 4 3x7 = 4 3t, x5 = 1, x6 = 2 3x7 =
2 3t. Portanto (x1 , x2 , x3 , x4 , x5 , x6 , x7 ) = (r, 2s + t, s, 4 3t, 1, 2 3t, t), ou
Como
ainda, o onjunto-soluo
{(0, 0, 0, 4, 1, 2, 0) + r(1, 0, 0, 0, 0, 0, 0) + s(0, 2, 1, 0, 0, 0, 0) + t(0, 1, 0, 3, 0, 3, 1)},

om
r, s, t R.
Na linguagem do Captulo 1, o onjunto-soluo o subespao am
(0, 0, 0, 4, 1, 2, 0) + h(1, 0, 0, 0, 0, 0, 0), (0, 2, 1, 0, 0, 0, 0), (0, 1, 0, 3, 0, 3, 1)i .
Exemplo 77
Considere o sistema
0 1 3 0 7
0 0 0 1
4
p = 2 so 4 2 = 2 variveis livres. Como as olunas sem piv so 1, 3, so

variveis livres x1 e x3 . So 2 variveis dependentes: x2 , x4 . Introduzindo parmetros r, s e
atribuindo-os as variveis livres obtemos que x1 = r e x3 = s. Das equaes obtemos que
x2 = 7 3x3 = 7 3s e x4 = 4. Portanto (x1 , x2 , x3 , x4 ) = (r, 7 3s, s, 4), ou ainda,
o onjunto-soluo {(0, 7, 0, 4) + r(1, 0, 0, 0) + s(0, 3, 1, 0) | r, s R}. Na linguagem do
Captulo 1, o onjunto-soluo o subespao am (0, 7, 0, 4) + h(1, 0, 0, 0), (0, 3, 1, 0)i.
Como
n=4
Retomando o exemplo anterior, podemos
gerar solues
fazendo variar os parmetros
r, s. Por exemplo, tomando r = 0 e s = 0, obtemos a soluo (0, 7, 0, 4) + 0(1, 0, 0, 0) +

0(0, 3, 1, 0) = (0, 7, 0, 4). Obtemos outra soluo tomando r = 3 e s = 2: (0, 7, 0, 4)+
3(1, 0, 0, 0) 2(0, 3, 1, 0) = (3, 1, 2, 4). Podemos obter innitas solues pois para
ada es olha de valores para os parmetros r e s, uma nova soluo gerada.
Vamos resumir tudo que dissemos nesse aptulo atravs de dois teoremas e um orolrio.
Teorema 1 ( onjunto-soluo de sistema linear)

vazio)
onjunto-soluo
(quando
no-
de um sistema linear sempre um subespao am. Pode portanto ser es rito na
forma paramtri a
S = {v0 + t1 v1 + + tq vq , vi Rn , ti R},
ou, em termos de espao gerado
S = v0 + hv1 , . . . , vq i .
Observao 20
Este Teorema provado om outra t ni a, utilizando propriedades (li-
nearidade) do produto matriz-vetor, sem determinar expli itamente o subespao am, no

Teorema 3 da pgina 45.
Observao 21
Resolver um sistema linear pelo mtodo de eliminao de Gauss signi a
obter a parametrizao do espao am
de forma expl ita: determinar quantos par-
metros so ne essrios (na notao da Denio 25,
v0 , v1 , v2 , . . . , vq .
q = n p)
e quais so os vetores
40
CAPTULO 2.
SISTEMAS LINEARES
Teorema 2 (existn ia e uni idade pela forma totalmente es alonada)
Da
forma
totalmente es alonada determinamos se o sistema possui soluo e, aso possua, se ela

ni a:
.. .. . . .. ..
.
.
.
. .

0 0 0 1
1 0 0
0 1 0
.. .. . . .. ..
. .
.
.
.
0 0 1
aso ontrrio
sistema sem soluo;
sistema om soluo ni a;
sistema om innitas solues
f il ver que podemos transformar um sistema na forma es alonada para a forma totalmente es alonada onforme indi amos nos diagramas abaixo:

0
0 1 0 0
0 0 0
0 0 0 1 0
0 0 0 0
0 0 0 0 1

1 0 0
0
0 1 0
0 0 0
0 0 0 1

1 0
0

0 1

0 0
0 0

0 0 0
0 0
0
0
1
0
0
0
0
1
Isto prova o prximo orolrio.
Corolrio 1 (existn ia e uni idade pela forma es alonada)
Da
forma
determinamos se o sistema possui soluo e, aso possua, se ela ni a:
.. .. . . .. ..
.
.
.
. .

0 0 0
.. .. . . .. ..
. .
.
.
.
0 0
aso ontrrio
sistema sem soluo;
sistema om soluo ni a;
sistema om innitas solues
es alonada
2.6.
PRODUTO MATRIZ-VETOR E SISTEMAS LINEARES
Con luimos que
no pre isamos
41
fazer a forma totalmente es alonada para determinar se
um sistema possui soluo e se ela ni a: para isto basta a forma es alonada. Mas, para
al ular a soluo, re omendamos fortemente que se es alone totalmente a matriz ao invs
de se fazer a substituio para trs na matriz es alonada. A prti a mostra que se reduzem
erros nmeri os desta forma.
Portanto, use a forma es alonada somente para de idir se o sistema possui soluo: no
use-o para al ul-la.
6
0 3 0
1
9 : sem soluo devido a linha: 0 = 311.
Exemplo 78 0 0 0
0
0 0
0 311
13
2 0 6 33
Exemplo 79 0 107 2 9 1 : om innitas solues (1 varivel livre).
0
0 0
3 0
0
2 2
8 12
1
0 e3
11 1
2 : om soluo ni a pois todos os nmeros 2, e3 ,
Exemplo 80
0 0 log(3) 2
0
0 0
0 77 3
log(3), 77 so no-nulos.
2.6 Produto Matriz-Vetor e Sistemas Lineares

Ini iamos re ordando o produto es alar entre dois vetores. Retomaremos este assunto bem
mais adiante no texto (veja Denio 94 da pgina 183) generalizando-o.
No momento
queremos somente utilizar a notao para apresentar o produto matriz-vetor.
Denio 26 (produto es alar ou interno)

(v1 , . . . , vn ) Rn
denotamos o
um nmero denido por
uv =
Exemplo 81
Sejam
Dados dois vetores
u = (u1 , . . . , un ), v =
produto es alar (ou produto interno) entre eles por u v,

n
X
uivi .
i=1
u = (1, 2, 3, 4, 5), v = (1, 2, 1, 3, 0) R5 .
Ento
u v = (1)(1) + (2)(2) + (3)(1) + (4)(3) + (5)(0) = (1) + (4) + (3) + (12) = 10.
Vamos agora rela ionar a operao de produto matriz-vetor om sistemas lineares. Considere o sistema
Denimos
a11 x1 + a12 x2 + a1n xn
a21 x1 + a22 x2 + a2n xn

.
.
.
..
..
..
..
.
a
m1 x1 + am2 x2 + amn xn
a11
x1
b1
a21
x = ... , b = ... e a matriz A = ..

.
xn
bm
am1
= b1
= b2
.
..
= bm
a12
a22
..
.
am2
a1n
a2n
.
..
..
.
.
amn
Sabemos
da denio usual do produto matriz-vetor que podemos es rever este sistema omo
Ax = b.
42
CAPTULO 2.
SISTEMAS LINEARES
Existem duas interpretaes do produto matriz-vetor que impli aro duas interpretaes
para solues do sistema linear a ima:
(a) (produto es alar om linhas da matriz) Denimos
forma geral
aj1
aj2
uj = .. .
.
ajn
das linhas do sistema.
a11
a21
a12
a22
u1 = .. , u2 = ..
.
.
a1n
a2n
Desta forma os vetores
Temos que
A =
uj
u1
..
.
um
e de
so formados pelos oe ientes
( ada linha um vetor).
Se
lermos o sistema da maneira natural, linha por linha, observamos que o lado esquerdo
de ada linha possui a estrutura de produto es alar do vetor
vetor formado por ada linha da matriz
A.
x = (x1 , . . . , xn )
om o
Portanto podemos rees rev-lo omo
u1 x = b1
u2 x = b2
.
.
.
.
.
.
.
u x = b
m
m
Isto pode ser representado pelo esquema:
.
.
Ax =
x =
.
um
u1
u1 x
.
.
.
um x
b1
.
.
.
bm
= b.
(b) ( ombinao linear das olunas da matriz) Agrupando as olunas dos oe ientes segundo o esquema
b a do lado direito,

a12
a1n
b1
a11
a22
a2n b2
a21
x1 .. +x2 .. + + xn .. = .. ,
.
. .
.
am1
am2
amn
bm
| {z }
| {z }
| {z } | {z }
v1
v2
vn
b
X
equao vetorial
xj vj = b. Es revendo que A = v1 vn
j=1
e hamando
v1 ,
a11 x1 + a12 x2 + a1n xn = b1
a21 x1 + a22 x2 + a2n xn = b2

.
.
.
.
..
.
.
.
.
.
.
.
.
.
a
x
+
a
x
+
a
x
=
b
m1
1
m2
2
mn
n
m
...,
obtemos a
vn
as olunas do lado esquerdo e de
( ada
2.6.
PRODUTO MATRIZ-VETOR E SISTEMAS LINEARES
43
oluna um vetor), isto pode ser representado pelo esquema:
x
1
Ax = v1 vn ... =
xn
X
=
xj vj =
j=1
=b
Para interpretar pre isamos de uma denio.
Denio 27 (hiperplano)
Um
hiperplano
em
Rn
um subespao am de dimenso
n 1.
Exemplo 82
Em
R3
reta possui dimenso
41=3
3 1 = 2 e um hiperplano.
4
hiperplano. Em R um subespao am
um plano possui dimenso
21 =1
e um
Em
R2
uma
de dimenso
um hiperplano.
Se introduzirmos uma equao rela ionando as oordenadas de um vetor
(x1 , . . . , xn ) Rn ,
reduziremos a dimenso em uma unidade pois, utilizando a equao, determinamos uma
n 1 outras. Por isso uma

n 1, isto , um hiperplano.
varivel em funo das

am de dimenso
Exemplo 83
equao linear determina um subespao
Determine parametrizao do subespao am dos pontos
(x, y, z, w, u) R5
x 2y + 3z + w u = 4.
Podemos es rever que x = 2y 3z w + u + 4. Introduzindo parmetros t1 = y, t2 =
z, t3 = w e t4 = u, obtemos que x = 2t1 3t2 t3 + t4 + 4. Portanto o subespao
am parametrizado por quatro parmetros (t1 , t2 , t3 , t4 ) da seguinte forma: (x, y, z, w, u) =
(4, 0, 0, 0, 0) + t1(2, 1, 0, 0, 0) + t2(3, 0, 1, 0, 0) + t3(1, 0, 0, 1, 0) + t4(1, 0, 0, 0, 1). Trata-se
5
5
de um subespao am de dimenso 4 em R , isto , um hiperplano em R .
u1
.
.
Em resumo podemos es rever A = v1 vn ou A =
. Note
.
um
que o nmero de olunas n no ne essariamente o mesmo que o nmero de linhas m.
As duas interpretaes do produto matriz-vetor Ax determinam duas interpretaes para a
tais que
soluo de sistemas lineares:

(a) (produto es alar om linhas da matriz
x = bj
representa um hiperplano
Hj
uj
Rn ).
interseo de hiperplanos) Cada equao
(um subespao am de dimenso

m
\
Hj ,
A interseo de todos estes hiperplanos, representado por
n1
em
determinar solues
j=1
do sistema linear. Esta interpretao possui um sabor geomtri o. a idia usualmente

2
apresentada no ensino mdio para interpretar sistemas. Em R estudamos interseo
2
3
de retas (hiperplanos em R ); em R estudamos interseo de planos (hiperplanos em
R3 ).
Note que a intuio geomtri a fun iona para garantir que, de forma geral, tanto a
3
interseo de duas retas no plano quanto a interseo de trs planos em R um ni o
4
ponto. Mas omo visualizar que, de forma geral, a interseo de 4 hiperplanos em R
um ni o ponto? Para entender sistemas om muitas equaes devemos nos libertar
desta interpretao geomtri a, que no pode ser experimentada em dimenso maior
que
3,
em favor da prxima interpretao.
44
CAPTULO 2.
(b) ( ombinao linear das olunas da matriz

ter soluo se o vetor
b=
xj vj
para alguns
ombinao
SISTEMAS LINEARES
linear das olunas) O sistema
for ombinao linear dos vetores oluna da matriz, isto , se
xj R (b hv1 , . . . , vn i).
Note que se isto o orrer podem
existir diferentes ombinaes dos vetores oluna, isto , o sistema pode ter mais de uma
b no estiver
soluo. Por outro lado, se o vetor
no espao gerado pelos vetores oluna
da matriz, isto , se no for ombinao linear (b

no possuir soluo.
6 hv1 , . . . , vn i),
Esta interpretao possui sabor algbri o.
ento o sistema
a interpretao
importante no urso de lgebra Linear.

Podemos resumir da seguinte forma:
b=
Sistema
sem soluo
xj vj ?
no
Hj 6= ?
no
om soluo ni a
sim (ni a)
sim (1 ponto)
om innitas solues
sim (vrias)
sim (innidade de pontos)
2.7 Casos Espe iais

2.7.1 Sistemas Homogneos, Soluo Geral e Parti ular
Denio 28 (Sistema homogneo)
um sistema ujo lado direito todo igual a zero:
a11 x1 +a12 x2 +a1n xn = 0
a21 x1 +a22 x2 +a2n xn = 0

.
. .
.
.
..
.
.
.
.
.
.
.
.
.
a x +a x +a x = 0
m1 1
m2 2
mn n
Denio 29 (soluo trivial)
O vetor nulo
mogneo. Esta soluo hamada
(0, 0, . . . , 0)
soluo trivial.
sempre soluo do sistema ho-
Observe que num sistema homogneo o lado direito de zeros preservado por operaes
elementares:
0
.
.
.
..
.
.
.
.
.
.
0
.
.
.
..
.
.
.
.
.
.
Por isso a forma es alonada de um sistema homogneo no possui linha da forma
0 0
Isto impli a que um sistema homogneo
ainda, num sistema homogneo om
sempre
variveis, o nmero de pivs
possui soluo.
(equaes) aps o
es alonamento determina se a soluo ni a:
p=n
(b) p < n
(a)
soluo ni a (apenas a trivial);

innitas solues, (n p) variveis livres.
Denio 30 (soluo geral e parti ular)

Chamamos de
Chamamos de
Considere o sistema
soluo geral seu onjunto-soluo S .

soluo parti ular um elemento v0 S
Ax = b.
qualquer.
Mais
2.7.
CASOS ESPECIAIS
Exemplo 84
45
Vamos ver a relao entre solues de um sistema no-homogneo e do sistema
homogneo asso iado. Considere o sistema no-homogneo:
0 1 3 0 7
0 0 0 1
4
Este sistema foi resolvido no Exemplo 77 e obtivemos que o onjunto-soluo
{(0, 7, 0, 4) + r(1, 0, 0, 0) + s(0, 3, 1, 0) | r, s R}.
Na linguagem do Captulo 1, o
onjunto-soluo o subespao am
(0, 7, 0, 4) + h(1, 0, 0, 0), (0, 3, 1, 0)i .

Considere o sistema homogneo asso iado:
0 1 3 0 0
0 0 0 1 0
Resolvendo-o de forma anloga, obtemos o onjunto-soluo
{r(1, 0, 0, 0) + s(0, 3, 1, 0) | r, s R}.
Na linguagem do Captulo 1, o onjunto-soluo
o subespao am
h(1, 0, 0, 0), (0, 3, 1, 0)i .

Note que o onjunto-soluo do sistema no-homogneo e do homogneo asso iado diferem somente pelo vetor
(0, 7, 0, 4), que uma soluo parti ular (dentre as innitas solues)
do sistema no-homogneo.
Teorema 3 (soluo geral de sistema)
A soluo geral (se
6= )
do sistema
no-
homogneo obtida transladando o onjunto-soluo do sistema homogneo asso iado por

uma soluo parti ular
v0
(do sistema no-homogneo).
Mais pre isamente, seja
o onjunto-soluo (soluo geral) do sistema no-homogneo,
o onjunto-soluo do sistema homogneo asso iado e
sistema no-homogneo). Ento
Prova:
Seja
S 6=
S = v0 + V .
v0 S
a soluo geral do sistema no-homogneo
uma soluo parti ular (do
Ax = b
parti ular qualquer (do sistema no-homogneo).

Seja
o onjunto-soluo do sistema homogneo asso iado
Queremos provar que
S = v0 + V .
soluo
Ax = 0.
v0 + V S
Para isto basta provar que
S v0 + V .
Tome v V qualquer. Como A(v0 + v) = Av0 + Av = b + 0 = b,
v0 + V S .
Tome w S qualquer. Como A(w v0 ) = Aw Av0 = b b = 0,
w v0 V e portanto w v0 + V . Logo S w0 + V .
Observao 22
v0 S
e que
on luimos que
on luimos que
Este Teorema provado om outra t ni a, utilizando o algoritmo (m-
todo de Gauss ou Gauss-Jordan) de soluo de sistemas lineares, no Teorema 1 da pgina 39.
soluo geral do sistema Ax = b da forma v0 +v, soma de uma soluo parti ular
soluo do sistema homogneo asso iado Ax = 0.
om uma
A dimenso de
so de
S,
V , onjunto-soluo do sistema homogneo asso iado, que igual a dimen-
determina quantos parmetros so ne essrios para parametrizar todas as solues
46
CAPTULO 2.
do sistema. Ela ara teriza quo grande o onjunto
SISTEMAS LINEARES
de solues. Portanto, so equiva-
lentes:
(a) a dimenso de
igual a zero;
(b) o sistema possui soluo ni a (igual a

( ) a dimenso de
v0 );
igual a zero;
(d) o sistema homogneo asso iado possui soluo ni a (a trivial).
2.7.2 Mesma Matriz de Coe ientes

Podemos resolver de forma
simultnea sistemas
lineares om mesma matriz de oe ientes
mas om lado direito distinto.
Exemplo 85
tema
Suponha que queiramos resolver o sistema
x + 2y = 1
2x + 5y = 3
x + 2y = 4
2x + 5y = 9
e tambm o sis-
. De forma direta poderamos al ular
1 2 4
2 5 9
1 2 4
0 1 1
1 0 2
0 1 1
determinando a soluo do primeiro sistema (x
= 2, y = 1), e depois al ular

1 2 1
1 2 1
1 0
1
,
2 5 3
0 1 1
0 1 1
determinando a soluo do segundo sistema (x
= 1, y = 1).
Podemos evitar retrabalho
aumentando a matriz om vrios lados direitos de uma vez. Desta forma al ulamos
1 2 4 1
2 5 9 3
1 2 4 1
0 1 1 1
1 0 2
1
0 1 1 1
para obter a soluo dos dois sistemas de forma simultnea.
2.8 Exer ios de Sistemas Lineares

Exer io 1. Sem
fazer ontas,
determine se os sistemas abaixo possuem uma ni a, ne-
nhuma
ou innitas solues.
(a)
x+y = 1
2x + 2y = 2
Exer io 2. Considere
(b)
x+y = 1
2x 3y = 2
( )
x+y = 1
2x + 2y = 3
as seguintes operaes em um sistema de quatro equaes:
(a) tro ar duas equaes;

(b) des artar uma equao;
( ) substituir a ter eira equao pela soma da primeira om a segunda;
(d) substituir a quarta equao pela sua soma om um mltiplo da segunda;
(e) multipli ar uma equao por
1;
0 Verso 14.jul.2008 09h

1 Por sem fazer ontas, queremos dizer, neste e em outros exer ios, sem fazer quaisquer ontas que
no possam ser feitas mentalmente om fa ilidade
2.8.
EXERCCIOS DE SISTEMAS LINEARES
(f ) multipli ar uma equao por
0.
nun a alteram e as operaes
As operaes
terar
47
o onjunto-soluo do sistema.
x 2y = 3
3x + y = 1
.
se altera se a res entarmos a equao 2x + 3y =
Exer io 4. Considere um tringulo ABC equiltero
Exer io 3. O onjunto-soluo do sistema
(no resolva o sistema!) no
(a) um sistema formado pelas trs retas que ontm os lados de

(nenhuma;
trs; uma ni a; innitas)
podem al-
ABC
possui
soluo(es);
(nenhuma;
(b) um sistema formado por quaisquer duas destas retas possui
uma ni a; innitas)
trs;
soluo(es).
Exer io 5. Sem fazer ontas, determine, se possvel, a ondio em
para que os sistemas
abaixo no
possuam soluo:
x + y = 3
2x 2y =
(a)
(b)
se verdadeiro ou falso:
x + y = 3
2x + y =
(a) se durante o es alonamento uma linha ar zerada ento o sistema tm innitas

solues;
(b) um sistema homogneo possui sempre soluo;
( ) um sistema no-homogneo no pode possuir innitas solues.
se verdadeiro ou falso:
(a) um sistema om 5 equaes e 3 variveis sempre sem soluo;

(b) um sistema om 3 equaes e 5 variveis possui innitas solues;
( ) um sistema homogneo om 3 equaes e 5 variveis possui innitas solues;
(d) um sistema homogneo om 5 equaes e 9 variveis possui pelo menos 4 variveis
livres;
(e) um sistema homogneo om 9 equaes e 9 variveis possui sempre soluo ni a.
Exer io 8. Sem
fazer ontas, dis uta a existn ia e a uni idade de soluo dos sistemas
abaixo.
No aso de innitas
solues, determine
ainda onmero de variveis livres.
(a)
1 4
0 2
0 0
0 0
6
5
3
0
2
2
;
1
0
(b)
Exer io 9. Em R5 :
1 4
0 2
0 0
0 0
6
5
3
0
2
2
;
1
1
( )
0 1 0 2
0 0 1 2
(retas;
de
planos; hiperplanos);
(b) uma reta um subespao de dimenso
( ) um plano um subespao de dimenso
(d) um hiperplano um subespao de dimenso
Exer io 10. Considere
Dena
o sistema:
x1

.
.
..
Ax =
x = v1 vn .. = b.
um
xn
u1
Hj = {x Rn | uj x = bj }.
(a) o sistema
Ax = b
possui soluo se, e somente se,
m
\
j=1
Hj
(=, 6=)
(unio;
(a) o onjunto-soluo de um sistema linear pode ser visto omo a
interseo)
48
CAPTULO 2.
SISTEMAS LINEARES
Ax = b possui soluo se, e somente se, b

(, 6) hv1 , . . . , vn i;
Exer io 11. Seja S 6= a soluo geral de um sistema no-homogneo om V o onjunto(b) o sistema
soluo do sistema homogneo asso iado. Es olha uma opo. sempre verdade que:
S
(B) S
(C) V
(D) V
= v0 + V
= v0 + V
= v0 + S
= v0 + S
(A)
v0 V ;
om v0 S ;
om v0 S ;
om v0 V ;
om
2.8.2 Problemas
1
x + 3y =
2x + y = 3
Problema 1. Considere o sistema
2x + 2y =
0
. No ensino fundamental um mtodo
de resoluo de sistema resolver uma equao para uma varivel e substituir a expresso
nas outras equaes.
Isto repetido at armos om somente uma varivel.
Com isso,
determinamos uma varivel e, substituindo nas outras equaes, determinamos as outras. Este
mtodo, alm de mais longo que a eliminao de Gauss em termos de operaes ne essrias
induz, freqentemente, ao erro.
(a) resolva a primeira equao para
termine
e substitua a expresso na segunda equao. De-
y;
(b) Novamente resolva a primeira equao para
x,
mas desta vez substitua a expresso
y;
na ter eira equao. En ontre este
( ) qual a soluo orreta para o sistema?
Problema 2. Para ada um dos sistemas abaixo interprete ada equao omo uma reta em
R2 ,
faa o gr o e determine geometri amente o nmero de solues:

(a)
x+y = 3
xy = 1
Problema 3. Suponha
R
(b)
3x y = 6
6x + 2y = 6
que um sistema de trs variveis omposto de trs equaes. Em
ada equao representa um plano. Qual a posio relativa destes trs plano quando o
sistema:
(a) no possui soluo?
(b) possui exatamente uma soluo?
( ) possui innitas solues?
Problema 4. Considere o paralelogramo ABCD

tintos entre si) om lados paralelos
passa por
B, s
passa por
(no-degenerado: todos os pontos so dis-
AB e CD. Denimos quatros retas r, s, t, u de modo que:

C , t passa por A e C , u passa por A e D . Determine a
soluo de ada um dos sistemas abaixo, onde representamos ada equao pela reta que ela
determina:
(a)
s
t
(b)
u
s
( )
r
s
(d)
r
t
Problema 5. Para ada um dos itens abaixo, d um exemplo de um sistema om as ara tersti as pedidas ou explique por que tal exemplo no pode existir:
(a) (n
(b) (n
( ) (n
(d) (n
equaes) = (n
equaes) < (n
equaes) < (n
equaes) > (n
Problema 6. En ontre
o
o
variveis), innitas solues;

variveis), soluo ni a;
variveis), nenhuma soluo;
a forma totalmente es alonada das matrizes abaixo:
2.8.
(a)
1 2 3 4
4 5 6 7 ;
6 7 8 9
49
(b)
Problema
7. Resolva ada um dos sistemas
0 1 2 0 0
0 0
0 1 0 ;
(a)
0 0
0 0 1
1 0 0 1
3 ;
( ) 0 1 0
2
0 0 1
2
6
3
1
4
2
6
3 2
10
(e)
4 12 7
0 10
14
6
18 11
0
Problema 8. Os sistemas
abaixo:
(b)
1 3 5 7
3 5 7 9 .
5 7 9 1
0 1 2 0 0
0 0
0 1 0
(f )
3 4
2 0
9 12 6 0
;
(d)
6
8 4 0
0
0
0 0
0
1
2
1
1
6
0 2 4 2 4 18 .
13
0
1
2
2
3
abaixo so equivalentes (o segundo est totalmente es alonado):
2
1
2
41 0 0
1 0 2 24 0 0
1
0 2 24 0 0 0 1 2 7 0 0 .
1 1
0 17 31 0
0 0
0
0 1 0
D des ries paramtri as dos onjuntos-soluo de ambos. En ontre trs solues distintas
para o primeiro sistema.
Problema 9. Resolva os sistemas lineares abaixo, es revendo o onjunto soluo em equaes

paramtri as:
(a)
2x y + 2z =
1
4x + 2y 4z = 2
(b)
os valores de
para que o sistema
sua:
(a) uma ni a varivel livre;
Problema
11. Determine
x + 2y + 3z = a
5y + 6z = b
cz = d
x + y 2z = 2
xy =
0
2x + y 3z = 3
2x + 8y + 2z = 3
4x + m2 y + mz = 6
pos-
(b) duas variveis livres.
todos os valores possveis para
a, b, c, d R
tais que o sistema
possua:
(a) nenhuma soluo;
(b) innitas solues.
Problema 12. Considere a parbola y(x) = ax2 + bx + c que passa por (1, 2), (2, 4) e (3, 8).
Determine
a, b, c R.
Problema 13. Resolva

6x + 3y = 9
4x + 3y = 5
os dois sistemas
e
simultaneamente olo ando em forma totalmente es alonada a matriz
Problema 14. Cal ule
6 3 9 3
4 3 5
1
1 0 1
2
2 1
3 1
0 4 3
1
6x + 3y = 3
4x + 3y =
1
(produto matriz-vetor) de duas formas:
50
CAPTULO 2.
SISTEMAS LINEARES
(a) omo CL das olunas da matriz (usando omo oe ientes as entradas do vetor);
(b) omo produtos es alares das linhas da matriz pelo vetor.
Problema 15. Seja
1 4 5
A = 2 5 7 .
3 6 9
Note que a ter eira oluna a soma das duas
primeiras. Sem es alonar, en ontre um vetor
tal que
Ax = 0.
2.8.3 Desaos
Desao 1. Embora
no tenha sido denida ainda, todos sabemos omo fazer o produto de
duas matrizes. Seja
uma matriz para ser es alonada. Determine para ada uma das trs
operaes elementares uma matriz
tal que
PA
seja a matriz resultante aps a apli ao
da operao elementar;
Di a: Aplique operao elementar na matriz identidade.
Desao 2. Prove
que as operaes elementares (de es alonamento de uma matriz) so re-
versveis, isto , mostre que se a matriz

a matriz
equivalente a
ento a matriz
equivalente
A.
Desao 3. Um sistema linear om n equaes e n variveis tem a propriedade que os oe ientes, quando lidos linha por linha, da esquerda para direita, forma uma progresso aritmti a.
Prove que o sistema tem soluo ni a. Determine sua soluo. (Heeron)
Desao 4. Considere
um sistema de
equaes em
variveis.
Prove a alternativa de
Fredholm:
(a) ou o sistema possui soluo ni a para todo lado direito;
(b) ou o sistema homogneo asso iado tem soluo no-trivial.
2.8.4 Extras
Extra 1. Para ada um dos sistemas
abaixo interprete ada equao omo uma reta em
R2 ,
faa o gr o e determine geometri amente o nmero de solues:

(a)
2x 3y = 1
6x + 9y =
3
Extra 2. Um
dado omum um ubo ujas 6 fa es
2x + 2y = 6
xy = 1 ;
(b)
x + 3y = 6
apresentam os nmeros de 1 at 6,
distribudos de forma que fa es opostas somam sempre 7 (o 1 oposto ao 6; o 2 oposto ao

5 e o 3 oposto ao 4). Vamos representar por fa e 1 a equao do plano que ontm a fa e
om o nmero 1, por fa e 2 a equao do plano que ontm a fa e om o nmero 2, et .
Determine o nmero de solues de ada
um dos sistemas abaixo:
(a)
fa e2
fa e6
(b)
fa e3
fa e4
( )
fa e1
fa e3 ;
fa e5
(d)
fa e3
fa e5 ;
fa e6
(e)
fa e1
fa e3 ;
fa e6
Extra 3. Para ada um dos itens abaixo, d um exemplo de um sistema om as ara tersti as
pedidas ou explique por que tal exemplo no pode existir:
(a) (n
(b) (n
( ) (n
(d) (n
equaes) = (n
equaes) = (n
equaes) < (n
equaes) > (n
1 Verso 14.jul.2008 09h
2.8.
(e) (n
equaes) > (n
Extra 4. A
2
(x A) +
51
equao geral do r ulo em

(y B)2 = r 2 .
R2
om entro em
(A, B)
e raio
dada por
a, b, c em funo de A, B, r para que a equao do r ulo seja es rita omo

x + ax + y + by + c = 0;
(b) Dados trs pontos (x1 , y1 ), (x2 , y2 ), (x3 , y3 ) por onde passa o r ulo, es reva o sistema
que determina a, b, c.
( ) (Anton) Determine a equao do r ulo que passa em (4, 5), (2, 7) e (4, 3).
Extra 5. Determine ondies nos parmetros (, ) para que o sistema asso iado possua
uma ni a soluo, innitas solues ou nenhuma soluo:

1
x + y + z =
x + 2y = 0
2x y + 3z =
;
(a)
;
(b)
2x + y = 2
x + 3y = 2
x y + z = 1
x + 2y + ( + 1)z =
x+yz =
1
y + 2z = + 1 ;
( )
(d)
;
3x y + z = 1
x + (1 )z =
0
x +y + ( 1)z =
1 1 3 2
x
+
y
z
=
2
y + 5z = 5 .
(f )
(e) 1 2 4 3 ;
1 3
x + 2y + z = 7
Extra
6. En ontre os valores de a tais que o sistema linear abaixo tenha soluo.
xy = a
x+y+z = a ;
2x + z = a
Extra
em b1 , b2 e b3 para que o sistema abaixo possua soluo?
7. (a) Qual a ondio
2 5 8 b1
2
1 0 b2
1 4 6 b3
2
(a) determine
2
(b) Sem refazer todas as ontas, diga se o sistema possue soluo om o lado direito
(3,5,-1).
Extra 8.
dados:
y = 4 x4 + 3 x3 + 2 x2 + 1 x + 0
(a1 , b1 ), (a2 , b2 ), (a3 , b3 ), (a4 , b4 ), e (a5 , b5 ).
Seja
um polinmio que passa por 5 pontos

Es reva a matriz ampliada ( onhe ida
omo matriz de Vandermonde) do sistema que determina as 5 variveis

que os pares
(ai , bi )
4 , 3 , 2 , 1 , 0 .
so dados, e sero oe ientes da matriz ampliada.
Note
52
CAPTULO 2.
SISTEMAS LINEARES
Captulo 3
Espaos Vetoriais
Neste aptulo generalizamos os on eitos do aptulo 1 ( ombinao linear, espao gerado,
n
LI/LD, dimenso, base, oordenadas) para generalizao do R onhe ido omo espao vetorial.
O desao neste aptulo apli ar estes on eitos nos espaos vetoriais de polinmio e
funes (quaisquer, ontnuas, diferen iveis).
3.1 Denio e Exemplos

Denio 31 (es alar)
Es alares so um onjunto de nmeros no qual esto bem denidas
as operaes de soma, subtrao, multipli ao e diviso. Neste urso, entenderemos sempre

por es alar um nmero real (R).
Denio 32 (Espao vetorial)
um onjunto
no qual esto denidos uma operao de
soma vetorial e uma multipli ao por es alar (produto es alar-vetor) satisfazendo os axiomas
detalhados mais abaixo, dividido em trs ategorias:
(a) axiomas da soma vetorial;
(b) axiomas da multipli ao por es alar (produto es alar-vetor);
( ) axiomas distributivos.
Axioma 1 (axiomas da soma vetorial)
Dados vetores
u, v, w V :
omutativa:
u + v = v + u;
asso iativa:
(u + v) + w = u + (v + w), u, v, w;
elemento neutro da soma:
inverso aditivo: dado
u, (u)
t.q.
t.q.
u + 0 = u u;
u + (u) = 0.
Axioma 2 (axiomas da multipli ao por es alar (produto es alar-vetor))

vetor
uV
e es alares
, :
()u = (u), , u;
elemento neutro do produto:
1u = u, u.
0 Verso 14.jul.2008 15h
53
Dados
54
CAPTULO 3.
Axioma 3 (axiomas distributivos)
u, v V
Dados vetores
ESPAOS VETORIAIS
e es alares
, :
(u + v) = u + v, , u, v;
( + )u = u + u, , , u.
O primeiro, e prin ipal exemplo, foi visto em detalhes no Captulo 1, o espao
Rn .
Ele
um exemplo muito importante pois, num erto sentido (ver Lema 7 da pgina 69), todo
espao vetorial de dimenso nita igual a ele.
Exemplo 86 Rn
Espaos de funes tero papel importante neste urso.
So usados (entre inmeras
apli aes) para se entender:

(a) omo aproximar uma funo utilizando polinmios;
(b) mtodos numri os que aproximam derivada ou integral;
( ) espaos de solues de equaes diferen iais.
Denio 33 (espao de polinmios de grau mximo n)
espao dos
Denimos o
polinmios ( om oe ientes em R) de grau at n Pn = {a0 + a1 x + + an xn ; ai R}.

Denimos:
n
X
(a) soma vetorial:
ai x
i=0
(b)multipli ao por es alar:
n
X
i=0
n
X
bi x
!
ai xi
n
X
(ai + bi ) xi ;
i=0
n
X
(ai ) xi .
i=0
i=0
Pode-se veri ar que um espao vetorial om elemento neutro da soma
n
X
0xi .
mio identi amente nulo) denido por 0(x) =
0 Pn
(polin-
i=0
Denio 34 (espao de polinmios)

para
n N.
Assim
Denio 35 (espao de funes)

F (I; R)
Denimos por
a unio de todos os espaos
in lui TODOS os polinmios, de todos os graus possveis.
o onjunto das funes de
Dado onjunto
em
R.
(no-vazio) qualquer, denotamos
Dadas duas funes
denimos:
(a) Soma vetorial:
(b) multipli ao por
f, g F (I; R)
f (x) + g(x) para todo x I ; e

es alar: f por f (x) para todo x I .
f +g
R,
por
Pode-se veri ar que um espao vetorial om elemento neutro da soma

(funo identi amente nula) denido por
Observao 23
Pn
0(x) = 0
para todo
Note que o sinal + (mais) em f
+ g
x I.
0 F (I; R)
e f (x) + g(x) (bem omo de
) possui signi ado distinto em ada expresso: soma de vetores, num aso, e de soma
de nmeros reais (es alares) no outro.
Como entender (e visualizar) que um onjunto de funes om valores em

vetorial?
um espao
3.1.
DEFINIO E EXEMPLOS
55
Vamos omear vendo uma nova representao geomtri a de vetores no
R2
e no
R3 .
J mostramos que podemos representar vetores omo setinhas (segmentos orientados equivalentes).
Agora vamos represent-los omo gr os de funes da seguinte forma.
f F ({1, 2} ; R),
Dado
f : {1, 2} R, ela a inteiramente determinada uma vez xado os valores f (1) e f (2). Portanto asso iamos a f F ({1, 2} ; R)
2
2
o vetor f = (f (1), f (2)) R . Re ipro amente, dado (a1 , a2 ) R , asso iamos a funo
f F ({1, 2} ; R) tal que f (1) = a1 e f (2) = a2 . Por exemplo, o vetor f = (5, 3) R2 pode
ser representado omo o gr o de f F ({1, 2} ; R), omo indi ado na Figura 3.1. De forma
anloga, dada g F ({1, 2, 3} ; R), ou seja, dada uma funo g : {1, 2, 3} R, asso iamos
3
3
o vetor g = (g(1), g(2), g(3)) R . Re ipro amente, dado (a1 , a2 , a3 ) R , asso iamos a
funo g F ({1, 2, 3} ; R) tal que g(1) = a1 , g(2) = a2 e g(3) = a3 . Por exemplo, o vetor
g = (3, 5, 2) R3 pode ser representado omo o gr o de g, omo indi ado na Figura 3.1.
ou seja, dada uma funo
f (1) = 5
g(2) = 5
f (2) = 3
g(1) = 3
g(3) = 2
Figura 3.1: Representando

.
f = (5, 3) R2
g = (3, 5, 2) R3 .
A vantagem deste ponto de vista que os desenhos so bidimensionais, e podemos repref = (2, 4, 3, 4, 1) R5 pelo gr o de f F ({1, 2, 3, 4, 5} ; R)
sentar, por exemplo, o vetor

denida por
f (i) = ai , i = 1, . . . , 5,
pretao geomtri a de setinhas
no
omo indi ado na Figura 3.2. Note que om a intern

tnhamos omo representar vetores do R om n > 3.
y
f (4) = f (2) = 4
f (3) = 3
f (1) = 2
f (5) = 1
1 2 3 4 5
f = (2, 4, 3, 4, 1) R5 .
Generalizando, omo um vetor um nupla de nmeros reais, podemos asso iar a

f = (a1 , . . . , an ) Rn uma funo f : {1, . . . , n} R tal que f (1) = a1 , f (2) =
a2 , . . . , f (n) = an . Assim podemos representar f Rn , para n qualquer, pelo gr o de
f F ({1, . . . , n} ; R). Agora se substituirmos {1, . . . , n} por I om I R qualquer, podemos representar o vetor (elemento do espao de funes) f F (I; R) pelo gr o de
f : I R. Por exemplo f F ([0, ]; R), denido por f (x) = sen(x), pode ser representado
pelo seu gr o, omo indi ado na Figura 3.3.
56
CAPTULO 3.
ESPAOS VETORIAIS
Observao 24
R
Fixemos a notao
f F ([0, ]; R),
In = {1, . . . , n}.
om
f (x) = sen(x).
A representao de vetores do
omo funo oerente no seguinte sentido. Vamos nos on entrar na operao de
soma de vetores (a multipli ao por es alar anlogo). J denimos anteriormente omo

n
somar vetores u, v R : basta somar omponente a omponente. Se interpretarmos
u, v : In R, denimos a funo soma (veja Denio 35)

(u + v)(i) = u(i) + v(i) para i = 1, . . . , n. Note que apesar de ser
estes vetores omo funes
u + v : In R
por
denido de outra forma, obtemos a mesma oisa.
Exemplo 87
f, g F ([0, 1] [0, 1]; R), onde ada funo representa o nvel de

[0, 1] [0, 1]. Desta forma ada funo representa uma
imagem. Agora vamos visualizar os elementos da reta r(t) = tg + (1 t)f , onde r(0.0) = f
e r(1.0) = g . Neste exemplo, onforme mostra a Figura 3.4, a funo f = r(0.0) um
quadrado e g = r(1.0) um r ulo. Observe a transformao de um quadrado em um r ulo,
onde representamos os pontos intermedirios da reta r : r(0.2), . . . , r(0.8).
Considere
inza de ada ponto do quadrado
Em pro essamento de imagem estas transformaes so hamadas de morsmos. Podemos, por exemplo, riar rostos intermedirios entre fotos distintos, misturando ara tersti as.
Ver [Anton.
r(0.0)
r(0.2)
r(0.4)
r(0.5)
r(0.6)
r(0.8)
r(1.0)
Figura 3.4: Quadrado se transforma em r ulo
Denio 36 (subespao vetorial)
Sub onjunto de um espao vetorial que tambm
espao vetorial.
Denio 37 (subespao trivial)

paos vetoriais, hamados de
Exemplo 88 V V
Todo espao vetorial
subespaos triviais, {0} e V .
subespao (trivial) vetorial de
V.
possui pelo menos dois subes-
3.1.
DEFINIO E EXEMPLOS
Exemplo 89 {0} V
57
subespao (trivial) vetorial de
Lema 2 ( ara terizao de subespao) H V
V.
subespao vetorial se
0 H,
H
fe hado para a soma vetorial, isto , se dados
fe hado para a multipli ao por es alar, isto , se dados
Prova:
u H, R, u H .
Deixamos para o leitor.
Exemplo 90
paralela a
De fato,
H.
u, v H , u + v H ,
Dado e
Seja
u V . H = {v V | v = u, R}
subespao de
V,
uma reta
passando pela origem.
0 H e dados v1 , v2 V , v1 = 1 u, v2 = 2 u.
R, v1 = (1 )u1 H .
Exemplo 91 H = {(x, y, 0), x, y R} R3
Logo
v1 + v2 = (1 + 2 )u
subespao. De fato,
(0, 0, 0) H .
Sejam
Sejam
H.
(x1 , y1 , 0), (x2, y2 , 0) H .

(x, y, 0) H
R.
Ento
Ento
(x1 , y1, 0)+(x2 , y2 , 0) = (x1 +x2 , y1 +y2, 0)
(x, y, 0) = (x, y, 0) H .
Para se entender um on eito importante ver ontra-exemplos tambm.
Exemplo 92 H = {(x, y, 1), x, y R} R3 , translao do Exemplo 91 pelo vetor (0, 0, 1),
no subespao.
(0, 0, 0) 6 H .
Sejam
Sejam
H.
(x1 , y1 , 1), (x2, y2 , 1) H .

(x, y, 1) H
Exemplo 93
Uma reta
Exemplo 94
A parbola
dado
R.
Ento
Ento
(x1 , y1, 1)+(x2 , y2 , 1) = (x1 +x2 , y1 +y2, 2) 6
(x, y, 1) = (x, y, ) 6 H ,
v 6 H
Considere
o primeiro quadrante do
Verique que
0 6 r .
no subespao. Embora
R2 .
(0, 0) H ,
No subespao pois dado
(porque?).
Exemplo 96
6= 1.
que no passa pela origem no um subespao pois
H = {(x, x2 ). x R} R2
(1, 1), (2, 4) H , (1, 1) + (2, 4) = (3, 5) 6 H .
Exemplo 95
se
H = {p P3 | p(1) = 0} P3
v H,
subespao.
0 H.
Sejam
p, q H . Como p(1) = q(1) = 0,

(p + q)(1) = p(1) + q(1) = 0.
Sejam
pH
R.
Como
p(1) = 0,
ento
ento
(p)(1) = (p(1)) = (0) = 0.
58
CAPTULO 3.
ESPAOS VETORIAIS
O on eito de subespao am generaliza a idia de retas e planos.
Denio 38 (subespao am)

um
subespao am
se
Seja
um espao vetorial e
H V.
Dizemos que
W V . Mais
W V tal que H =
for a translao de um subespao vetorial
pre isamente, se existe um vetor
h0 + W = {h0 + w | w W }.
Exemplo 97 (retas e planos)
h0 V
e um subespao vetorial
So subespaos vetoriais: retas e planos passando pela ori-
gem. No so subespaos vetoriais, mas subespaos ans: retas e planos que no passam
pela origem.
Exemplo 98 ( onjunto-soluo de sistema linear)
subespao am o onjunto-solu-
o (quando no-vazio) de um sistema linear (veja Teorema 1 da pgina 39 e Teorema 3 da

pgina 45, que provam om t ni as distintas).
O onjunto-soluo um subespao vetorial se, e somente se, o sistema homogneo.
Os prximos exemplos apresentam dois subespaos asso iados a uma matriz que so
muito
importantes para a teoria.
Exemplo 99
Dada uma matriz
matriz, isto ,
W = hv1 , v2 , . . . , vn i.
A M
nm , podemos des rev-la por meio de vetores
v1 , v2 , . . . , vn Rm , A = v1 vn . Denimos dois onjuntos:
n
n
(a) V = {x R | Ax = 0} R , o onjunto-soluo do sistema linear homogneo
Ax = 0;
m
n
(b) W = {b R | b = Ax; x R }. Pelas interpretaes do produto matriz-vetor
( n
)
X
(veja pgina 42), W =
xi vi | xi R , que igual ao espao gerado pelas olunas da
i=1
Ambos so subespaos vetoriais:
pelo Exemplo 98 e
pois o espao gerado pelas
olunas da matriz.
Denio 39 (n leo e imagem de matriz)

da matriz
subespao gerado pelas olunas da matriz
Observao 25
F (I; R)
om
Todo polinmio de
I R.
Pn
Neste sentido,
Ax = 0
A, hamamos de n leo
e de
imagem da matriz o
A.
Vamos ver alguns subespaos vetoriais de
de
Dada uma matriz
o subespao-soluo do sistema homogneo
F (I; R).
pode ser pensado omo um elemento (funo)
Pn
e subespao de
F (I; R).
Este exemplo
importante pois mais adiante no urso responderemos a seguinte questo: dada uma
funo qualquer
f F (I; R),
determine o polinmio
sentido que ser tornado pre iso) de
f.
p Pn
mais perto possvel (num
Denio 40 (espao de funes ontnuas e diferen iveis)
Dado onjunto
I
R
(no-
espao das funes ontnuas de I em e por

espao das funes om k derivadas ontnuas. Finalmente temos o espao
das funes om innitas derivadas ontnuas C (I; R). As operaes de soma e
vazio) qualquer, denotamos

C k (I; R) o
C(I; R)
multipli ao por es alar so iguais as da Denio 35.
3.2.
COMBINAO LINEAR E ESPAO GERADO
Exemplo 100
59
f (x) = cos(x), g(x) = exp(x2 ) perten em a C (R; R). As fun2
es f (x) = 1/x e g(x) = 1/(x 1) perten em ao espao C ((0, 1); R) mas no perten em
a F (R; R) pois no esto denidas no 0 ou no 1.
1
A funo f (x) = |x| perten e a C(R; R) mas no perten e a C (R; R) (no possui derivada
em 0).
As funes
Observao 26
Todo polinmio innitamente diferen ivel; se uma funo possui
derivadas ento ela possui
k1
derivadas; toda funo diferen ivel ontnua; toda
funo ontnua funo. Deste modo temos a su esso de subespaos vetoriais ( ada um
subespao vetorial de todos os que se seguem):
Pn P C (I; R) C k (I; R) C 2 (I; R) C 1 (I; R) C(I; R) F (I; R).

Exemplos importantes de espaos vetoriais apare em na teoria de equaes diferen iais.
Exemplo 101
V = {y(x)| y (x) + 9y(x) = 0} F (R; R).

V subespao vetorial. De fato, dados y1 (x), y2 (x) V (solues), se tomarmos y =
ay1 + by2 , a, b R ( onstantes), omo a derivada da soma igual a soma das derivadas
(linearidade da derivada), al ulamos y +9y = ay1 +by2 +9(y1 +y2 ) = ay1 +9y1 +by2 +9y2 =
0 + 0 = 0.
Note que em parti ular se y1 (x) = sen(3x) e y2 = cos(3x), ento y1 , y2 V . CombiConsidere
naes destas funes tambm sero solues (na realidade TODAS as solues sero desta
forma, mas no provaremos isto). Portanto,
Exemplo 102
V = {y C (R; R)| y (x) + 9y(x) = 9x}.

y1 (x), y2 (x) V , e y = y1 + y2 , y + 9y = 9x + 9x = 18x 6= 9x.
Considere
Observe que se
Portanto
V = {a sen(3x) + b cos(3x); a, b R}.
y 6 V .
Logo no subespao. Na realidade um subespao am, translao do
y0 (x) = x. Verique que y0 V , isto

V = y0 + {a sen(3x) + b cos(3x); a, b R}.
exemplo anterior. Mais pre isamente, seja

(parti ular) da equao. Ento
Exemplo 103
Considere
Exemplo 104
Considere
, soluo
V = {y C (R; R)| y (x) + f (x)y(x) = 0}.

Este onjunto subespao vetorial. De fato, dados y1 (x), y2 (x) V (solues), se
tomarmos y = ay1 + by2 , a, b R ( onstantes), omo a derivada da soma igual a soma
das derivadas (linearidade da derivada), al ulamos y + f y = ay1 + by2 + f (y1 + y2 ) =
ay1 + f y1 + by2 + f y2 = 0 + 0 = 0. Logo y V .

V = {y C (R; R)| y (x) + y 2 (x) = 0}.
Este onjunto no um subespao vetorial. De fato se y soluo, w = ay , ento
w + w 2 = ay + a2 y 2 = ay + ay 2 + ay 2 = 0 + ay 2 6= 0. Note que apesar de homogneo,
existe um termo quadrti o: V no tampou o um subespao am.
3.2 Combinao Linear e Espao Gerado

Vamos revisitar on eitos de ombinao linear e espao gerado j vistos em
Rn
no aptulo 1.
A idia de um vetor ser mltiplo (ou paralelo) de outro generalizada pela denio abaixo.
60
CAPTULO 3.
Denio 41 ( ombinao linear)

v1 , v2 , . . . , vp
se
Dizemos
que
i 's
ombinao linear
(CL)
de
pode ser expresso omo
v = 1 v1 + 2 v2 + + p vp =
onde
ESPAOS VETORIAIS
p
X
i vi ,
i=1
so es alares.
Exemplo 105 (2, 1, 7) ombinao linear de (1, 2, 3), (4, 5, 6) e (7, 8, 7)?
, , R tais que (1, 2, 3) + (4, 5, 6) + (7, 8, 7) =
(( + 4 + 7), (2 + 5 + 8), (3
+ 6 + 7)) = (2, 1, 7).
1 +4 +7 = 2
2 +5 +8 = 1 .
Pre isamos resolver o sistema:
3 +6 +7 =
7
2
1 4 7 2
1
4
7
1 0 0 5.5
2 5 8 1 0 3 6 3 0 1 0
8 .
Es alonando,
3 6 7 7
0
0 2
0 0 1 3.5
7
Temos que veri ar se existem
Como o sistema possui soluo (poderiam ser innitas solues, mas ni a), obtemos
que ombinao linear e que
= 5.5, = 8, = 3.5.
Exemplo 106
v = x2 x,
e v.
3
Considere os vetores de P (espao de todos os polinmios) u = x + x,
w1 = 3x3 x2 + 4x e w2 = x3 + 2x2 + 10. Determine se w1 , w2 so CL de u
w1 = 3x3 x2 + 4x = 3(x3 + x) (x2 x) = 3u v.

3
2
3
Por outro lado, w2 no ombinao linear. Isto pois w2 = x + 2x + 10 = (x + x) +
(x2 x) = x3 + x2 + ( 1)x. Note que para qualquer valor de , , no obteremos o
10. Portanto, w2 6= u + v para todo , R.
De fato,
w1
Exemplo 107
se
w = cos(2x)
CL pois
F (R; R) u = sen2 (x)

u, v.
Considere os elementos de
ombinao linear de
v = cos2 (x)
ombinao pois, por uma identidade trigonomtri a onhe ida,
Denio 42 ( ombinao linear trivial)

lo ando
todos os oe ientes iguais a zero:
Determine
w = v u.
A ombinao linear (CL) trivial obtida o-
0 = 0v1 + 0v2 + + 0vp .

Os exemplos anteriores mostram a onexo entre ombinaes lineares e sistemas. Para
saber se um vetor ombinao linear de outros vetores (ou no) pre isamos resolver um
sistema linear.
Denio 43 (espao gerado)
espao
gerado
{v1 , v2 , . . . , vp }, denotado por hv1 , v2 , . . . , vp i ou

por span {v1 , v2 , . . . , vp }, o onjunto de todas as
pelo
onjunto
de
vetores
ainda (em ingls e em diversos livros)

ombinaes lineares de
v1 , v2 , . . . , vp .
Portanto,
hv1 , v2 , . . . , vp i = span {v1 , v2 , . . . , vp } =
p
X
i=1

)

i vi i R, i = 1, 2, . . . , p .

3.2.
COMBINAO LINEAR E ESPAO GERADO
Denio 44 ( onjunto gerador)
dor de) W
se
Conven ionamos que
vazio de vetores o subespao trivial
gera ( onjunto gera-
O onjunto
{v1 , v2 , . . . , vp }
hi = {0},
isto , o espao gerado por um onjunto

0
X
W = hv1 , v2 , . . . , vp i.
Conveno 1
61
{0}.
i=1
Lema 3 ( onjunto gerado subespao)
subespao vetorial.
Prova:
De fato, seja
Ento tomando
H = hv1 , v2 , . . . , vp i.
ui = 0
Finalmente, dado
on lumos que
R, u =
p
X
i=1
vi = 0.
Isto onsistente om a onveno que
Dados
0 H.
u, v H , u =
A soma
{v1 , v2 , . . . , vp }
p
X
uivi , w =
i=1
u+w =
p
X
i=1
p
X
um
wi vi .
i=1
(ui + wi )vi H .
(ui)vi H .
Exemplo 108 h(1, 0, 0), (0, 1, 0)i = {(x, y, 0) | x, y R} =

6 R2 .
Exemplo 109
ontido em
Prove que subespao e determine base para
P2 .
H = {p P2 | p(2) = p(3)}
subespao pois se dois polinmios possuem mesmo valor em
2 e 3, ombinaes lineares
tambm possuiro o mesmo valor.

2
Seja p(x) = ax + bx + c. Como
p(2) = p(3), 4a + 2b + c = 9a + 3b + c, temos a equao

5a + b = 0. So trs variveis e uma equao. Portanto so duas variveis livres: c = r e
b = s, om a = b/5 = s/5.
2
Logo V = {s/5x + sx + r; r, s R}, um plano (dimenso 2) em P2 . Tomando
r = 0, s = 1 obtemos u = x2 /5 + x, r = 1, s = 0 obtemos v = 1. Logo V = hu, vi.
Exemplo 110
P3 | p(1) = 0} P3 .
Seja p(x) =
0, a + b + c + d = 0. So quatro variveis
e uma equao. Portanto so trs variveis livres: d = r, c = s, b = t, om a = r s t.
3
2
Logo H = {(r s t)x + tx + sx + r}. Colo ando r, s, t om 0 e 1 alternadamente,
3
3
3
2
obtemos u = x + 1, v = x + x, w = x + x . Portanto H = hu, v, wi.
Outra parametrizao possvel tomar omo variveis livres: a = r, b = s, c = t, om
d = r s t. Colo ando r, s, t om 0 e 1 alternadamente, obtemos u = x3 1, v =
x2 1, w = x 1. Portanto H = hu, v, wi.
Exemplo 111
Determine uma base para H = {p

ax3 + bx2 + cx + d. Como p(1) =
Seja
p W , omo p(1) =!0 (1 raiz), podemos dividir o polinmio por (x 1),

n1
n1
X
X

i
p(x) = (x 1)
ai xi (x 1) .
ai x =
De fato, dado
obtendo que
W = {p Pn | p(1) = 0}. Prove que

W = (x 1), x(x 1), . . . , xn1 (x 1) .
i=0
i=0
62
CAPTULO 3.
Exemplo 112
Como
cos(2x) = 2 cos2 (x) 1,
temos que
ESPAOS VETORIAIS
cos(2x) h1, cos(x), cos2 (x)i.
Exemplo 113
Utilizando a identidade do Exemplo 112, que sen(2x) = 2 sen(x) cos(x) e

cos(3x) = cos(x) cos(2x) sen(x) sen(2x), obtemos que cos(3x) = 2 cos3 (x) + 2 cos2 (x)
cos(x) 2.
2
3
Con lumos que cos(3x) h1, cos(x), cos (x), cos (x)i.
n
Generalizando on luiremos que cos(nx) h1, cos(x), . . . , cos (x)i.
O prximo exemplo mais sosti ado. Este tipo de ombinao linear utilizado nos hamados mtodos dos elementos nitos, muito importante no l ulo de estruturas (engenharia
ivil, naval, me ni a et .).
Figura 3.5: Elementos nitos
Exemplo 114
Considere as funes
0 , . . . , 3
mostradas na Figura 3.5. Observe que elas
so ara terizadas omo funes lineares por partes (entre dois inteiros quaisquer elas so
i (j) = ij , onde ij hamado de

i = j e 0 aso ontrrio. Assim 0 (0) = 1 (i = j ) e
1 (1) = 1 (i = j ) e 1 (0) = 1 (2) = 0.
lineares, isto , o gr o um segmento de reta) e que

delta de Kroene ker, denido omo
0 (1) = 0 (2) = 0.
se
Do mesmo modo,
Agora podemos fazer ombinaes lineares destas funes. Poderemos obter uma funo
linear por partes qualquer pois se quisermos que f assuma valores
3
3
X
X
tome
f =
ai i .
Deste modo
f (0) =
i=0
funes
tambm
i=0
1 (0) = 2 (0) = 3 (0) = 0),

f (2) = a2 , f (3) =
f (j) = aj , om j = 0, . . . , 3,
ai i (0) = a0 0 (0) = a0 1 = a0
e de forma anloga,
f (1) =
3
X
(as outras
ai i (1) = a1 ,
i=0
a3 . Desta forma CL das i 's podem gerar qualquer funo linear
por parte:
h0 , . . . , 3i =
funes tipo
3.3 Dependn ia e Independn ia Linear

Vamos revisitar on eitos de LI e LD, j vistos em
Rn
e provar um lema que ara teriza
onjuntos LDs.
Vamos ini iar motivando om dois exemplos o on eito de (in)dependn ia linear.
3.3.
DEPENDNCIA E INDEPENDNCIA LINEAR
Exemplo 115
63
Vamos ilustrar trs asos tpi os de onjuntos gerados por
1, 2
vetores,
que geram, respe tivamente, uma reta, um plano e um espao tridimensional:
1 vetor
Exemplo 116
2 vetores
3 vetores
Pode o orrer, no entanto, de um dos vetores ser redundante (desne essrio),
e o espao gerado por
vetores ser uma reta ou por
2 vetores
vetores ser um plano:
3 vetores
Falamos que um vetor redundante se ele CL dos demais, isto

p
onjunto
{v1 , v2 , . . . , vn }
se
vk =
i vi .
vk
redundante num
Neste aso podemos es rever que
i=1
i6=k
1 v1 + . . . + k1 vk1 1vk + k+1 vk+1 + . . . + p vp = 0.

Portanto,
vi 's.
0 CL no trivial ento um dos vetores redundante?
0 pode ser expresso omo CL no-trivial dos vi 's,
pode ser expresso omo CL no-trivial dos
A questo : Vale a volta, isto , se

A resposta sim. Suponha que
p
X
i vi = 0,
om
i=1
Dividindo-se por
(k )
k 6= 0.
obtemos que
k1 v1 . . .
k1
vk1 1vk
k
e portanto
vk =
p
X
i=1
i6=k
Denio 45 (dependn ia linear)
k+1
vk+1
k
...
p
v
k p
=0
i
vi .
k
Um onjunto de vetores linearmente dependente
(LD)
se existe um vetor que CL dos demais ou, equivalentemente,
se o vetor nulo pode ser expresso omo CL no-trivial destes vetores.
64
CAPTULO 3.
Denio 46 (independn ia linear)
ESPAOS VETORIAIS
Um onjunto de vetores linearmente independente
(LI)
se ele no LD ou, equivalentemente,
se a ni a forma de expressar o vetor nulo omo CL destes vetores om uma CL trivial.
Conveno 2
O onjunto vazio dito LI.
Lema 4 ( ara terizao dos onjuntos LD)
v1 , v
2 , . . . , vp
X
vk =
i vi .
Os vetores
se, existe um vetor que ombinao linear dos anteriores,
so LD se, e s
i<k
Prova: Se: trivial.

S se: seja k 1 mnimo tal que v1 , v2 , . . . , vk so LD. Seja
Se
fosse zero,
k 6= 0
k1
X
vk =
i=1
k1
X
i=1
k
X
i vi = 0 CL no-trivial.
i=1
i vi = 0 seria CL no-trivial, ontrariando a minimalidade de k .
Assim,
i
vi .
k
Exemplo 117 {v1 , v2 , v3 } = {(1, 2, 3), (2, 3, 4), (3, 4, 5)} LD.
De fato,
v1 2v2 + v3 = 0.
Exemplo 118
De fato,
Considere v1 = sen(2x) e v2 = sen(x) cos(x). O onjunto {v1 , v2 , }

v1 2v2 = 0, isto , sen(2x) 2 sen(x) cos(x) = 0 para todo x R.
Exemplo 119
Considere
v1 = sen2 (x), v1 = cos2 (x)
v2 = 1.
O onjunto
LD.
De fato,
v1 + v2 v3 = 0,
isto ,
Exemplo 120 {1, t, . . . , tn } LI.

De fato,
i = 1, . . . , n.
sen2 (x) + cos2 (x) + 1 = 0
a0 + a1 t + + an tn = 0
Exemplo 121
para todo
t R
{v1 , v2 , v3 }
para todo
x R.
se, e somente se,
Retomando as funes da Figura 3.5 da pgina 62. O onjunto
LI.
LD.
ai = 0
para
{0 , . . . , 3 }
f (t) = a0 0 (t) + a3 3 (t) = 0 para todo t R. Portanto

f (0) = a0 0 (0) + a3 3 (0) = a0 1 + a1 0 + + a3 0 = a0 = 0,
on lumos que a0 = 0. De forma anloga, f (1) = a0 0 (1) + a1 1 (1) + a3 3 (1) =
a0 0 + a1 1 + + a3 0 = a1 = 0, on lumos que a1 = 0. Pro edendo desta forma,
on luiremos que a0 = a1 = a2 = a3 = 0, e que a ni a CL de zero trivial.
De fato, suponha que
f (0) = 0.
Como
Exemplo 122 (1, 2, 3), (4, 5, 6) e (7, 8, 7) LI?

, , R no-nulos tais que (1, 2, 3) + (4, 5, 6) +
(7, 8, 7) = (( + 4 + 7), (2 + 5 + 8), (3 + 6 + 7)) = (0, 0, 0).
Temos que veri ar se existem
3.4.
BASE E COORDENADAS
65
1 +4 +7 = 0
2 +5 +8 = 0
Existe soluo no-trivial para o sistema:
3 +6 +7 = 0
1 4 7 0
1
4
7 0
2 5 8 0 0 3 6 0 .
Es alonando par ialmente,
3 6 7 0
0
0 2 0
Con lumos que o sistema possui somente soluo trivial. Portanto o onjunto LI.
Exemplo 123 (1, 2, 3), (4, 5, 6) e (7, 8, 9) LI?

Temos que veri ar se existem , , R no-nulos tais que (1, 2, 3) + (4, 5, 6) +
(7, 8, 9) = (( + 4 + 7), (2 +
5 + 8), (3 + 6 + 9)) = (0, 0, 0).
1 +4 +7 = 0
2 +5 +8 = 0 .
Pre isamos resolver o sistema:
3 +6 +9 = 0
1 4 7 0
1
4
7 0
Es alonando, 2 5 8 0 0 3 6 0 .
3 6 9 0
0
0
0 0
Con lumos que o sistema possui innitas solues. Portanto existe soluo no-trivial do
sistema e o onjunto LD.
Observao 27
Para determinar se LI ou LD basta es alonar matriz om vetores em
ada oluna (veja os dois exemplos anteriores novamente).
No
pre isa ser forma total-
mente es alonada. Isto segue do Corolrio 1 da pgina 40, pois pre isamos saber somente
se o sistema homogneo possui soluo ni a ou innitas solues,
no pre isamos al ular
a soluo.
Surpreendentemente (ver Lema 6 da pgina 66), tambm podemos determinar se LI ou
LD es alonando matriz om vetores em ada linha, que de forma geral um mtodo mais
e iente pois linhas (vetores neste aso) ser menor que o nmero de olunas (dimenso
do espao ambiente).
3.4 Base e Coordenadas

Vamos revisitar on eitos de base e oordenadas, j vistos em
n
Qualquer vetor do R pode ser expresso omo
Rn
no Captulo 1.
ombinao linear ni a
e1 , e2 , . . . , en
(base anni a) dado um vetor
(1 , 2 , . . . , n )
se, e somente se,
Denio 47 (base)
i = vi
v Rn , v = (v1 , . . . , vn ) =
para todo
Um onjunto ordenado
i = 1, . . . , n.
base de V
de forma ni a omo ombinao linear dos elementos de
Exemplo 124 {e1 , e2 }
base de
R2
pois dado
ni a.
Exemplo 125 {(0, 1), (1, 0), (0, 1)}
a(1, 0) + (b + )(0, 1) + (0, 1)
ser expresso porm de diversas formas distintas.
0(0, 1) = 3(1, 0) + 1(0, 1) 1(0, 1).
i ei =
i=1
se expressa
S.
(a, b) R2 , (a, b) = ae1 + be2

R2
R.
no base de
para qualquer
se todo vetor de
dos vetores
n
X
Por
de forma
(a, b) R2 , (a, b) =
2
Ou seja, todo vetor do R pode
exemplo (3, 2) = 3(1, 0) + 2(0, 1) +
pois dado
66
CAPTULO 3.
Exemplo 126
ESPAOS VETORIAIS
O onjunto
n
= {(1, 1, . . . , 1), (0, 1, . . . , 1), . . . , (0, . . . , 0, 1)} = {b
1 , b2 , . . . , bn } R base.
X
n
i bi = (1 , 1 + 2 , 1 + 2 +
De fato, dado um vetor v = (v1 , . . . , vn ) R , v =
3 , . . .) se, e somente se,
1 = v1
=
v
1
1
2 = v2 1 = v2 v1
1 + 2 = v2
1 + 2 + 3 = v3 3 = v3 (1 + 2 ) = v3 v2 .
...
...
Ver outros exemplos em
Rn
na Seo 1.3 da pgina 15.
Exemplo 127 = {1, t, t2 } base de P2
pois dado
vetores da base.
p P2 , p(t) = at2 + bt + c1,
CL dos
Exemplo 128 = {1, t, t2 , . . . , tn } Pn base.
evidente que todo vetor do espao pode ser expresso omo CL destes vetores.
n
n
X
X
i
Uni idade: sabemos que
ai t =
bi ti para todo t R se, e somente se,
i=0
bi , i = 0, 1, . . . , n.
Lema 5 ( ara terizao de base)

(a)
(b)
base de
se, e s se:
LI.
Seja
de representao de
S se:
base de
0,
V.
segue que
Seja LI e gerador.
n
n
X
X
v=
i vi =
i=0
para
O onjunto
V;
gera
Prova: Se:
Suponha
ai =
i=0
i = 0, . . . , n.
Observao 28
i=0
Portanto i
Da denio de base, segue que
gerador. Da uni idade
LI.
Todo vetor pode ser gerado omo CL dos vetores de

n
X
i vi .
= i
Ento,
i=0
para
(i i )vi = 0.
i = 0, . . . , n
Como
LI,
i i = 0
e a representao ni a.
Por este Lema, para que um onjunto seja base ele deve ser:
(a) grande o su iente para gerar todos os vetores;

(b) pequeno o su iente para ser LI.
Dado um espao gerado por uma lista de vetores do
Rn
omo extrair uma base?
Como operaes elementares no alteram o espao gerado, isto pode ser feito es alonando
uma matriz que tem estes vetores omo linhas.
Lema 6 (es alonamento e espao gerado)
Seja
u1

um
v1
matrizes equivalentes, isto , B obtida atravs de operaes elementares
vk
apli adas em A. Ento os espaos gerados hu1 , u2 , . . . , um i e hv1 , v2 , . . . , vk i so iguais.
Alm disso, se B estiver es alonada (no pre isa ser totalmente es alonada) ento
{v1 , v2 , . . . , vk } LI.
3.4.
BASE E COORDENADAS
Prova:
67
Basta veri ar que ada uma das operaes elementares preserva o espao gerado:
(a) Tro ar a ordem das linhas laramente no altera;

(b) Multipli ar uma linha por um es alar no-nulo.
k 6= 0, vamos
w = av hvi. Ento w = a/k(kv) hkvi. Por
w = bk(v) hvi.
gerado por um ni o vetor. Suponha
Vamos provar quando o espao
mostrar que
hvi = hkvi. De fato, seja

w = bv hkvi. Ento
outro lado, se
( ) Substituir linha por sua soma om mltiplo de outra. Podemos veri ar no aso de
hu, vi = hu + av, vi. Seja w = cu+dv

hu, vi. Ento w = c(u+av)+(dac)v hu + av, vi. Por outro lado se w = c(u+av)+dv,
ento, w = cu + (ac + d)v hu + av, vi.
(d) Des artar linhas s de zeros preserva pois 0 sempre um vetor LI.
Se a matriz B estiver es alonada, ento qualquer ombinao linear de {v1 , v2 , . . . , vk }
espao gerado por dois vetores: Vamos provar que
resultar num sistema tipo triangular inferior (similar a forma es alonada, que tipo triangular
superior), uja ni a soluo a trivial.
Exemplo 129
Seja
Determine uma base para o espao gerado por
W = h(1, 2, 1, 1), (2, 1, 0, 2), (3, 3, 1, 1), (4, 5, 2, 0i .
1
2
A =
3
4
1 1
0
2
.
1
1
2
0
2
1
3
5
Es alonando obtemos
B =
1 2
1
1
0 1 2/3 4/3
(duas
linhas foram des artados por onter somente zeros). Assim
W = h(1, 2, 1, 1), (0, 1, 2/3, 4/3)i.
Denio 48 ( oordenadas)
{b1 , b2 , . . . , bn }
de
V,
As
laro que formam base pois a matriz est es alonada.
oordenadas
so os oe ientes
para ombinar linearmente os vetores
bi 's
i 's
do
vetor
na
base
(ni os pela Denio 47 de base) usados

n
X
de forma a gerar
v,
isto ,
v=
i bi .
Denota-
i=1
mos por
1
2
[v] = .. .
.
n
Desta forma, as oordenadas so es ritas omo uma matriz de uma oluna.
Note que
[ ] : V Rn
v 7 [v]
uma funo que asso ia a ada vetor suas oorde-
nadas, que so ni as pela Denio 47 de base.

n
Veja exemplos bsi os em R na Seo 1.3 da pgina 15.
Exemplo 130
do Exemplo 126.
v = (v1 , v2 , . . . , vn ) Rn
Considere a base
f il ver que um vetor
pode ser es rito omo
v = v1 b1 + (v2 v1 )b2 + + (vn vn1 )bn .
68
CAPTULO 3.
Desta forma as oordenadas de
om relao base
ESPAOS VETORIAIS
v1
v2 v1
h
i
[v] = (v1 , v2 , . . . , vn ) =
.
..
.
vn vn1
Os dois exemplo a seguir mostram omo determinar as oordenadas de um vetor numa

base qualquer dadas suas oordenadas na base anni a e vi e-versa. Note que um aso
direto, o outro envolve resolver um sistema linear. Juntando os dois exemplos podemos passar
de uma base
qualquer para outra
bastando passar pela base
Como determinar oordenadas de vetor na base anni a dado suas oordenadas em uma
outra base?
3
Exemplo
131 = {(1, 1, 1), (1, 0, 1), (2, 0, 1)} base de R .
Determine
sabendo que
2
3 .
1
Efetuando, v = 2(1, 1, 1) + 3(1, 0, 1) (2, 0, 1) = (3, 2, 6)
[v] =
Como determinar oordenadas numa base dada sabendo-se suas oordenadas na base anni a?
Resolvendo um sistema linear, onforme prximo exemplo.
Exemplo 132 = {(1, 1, 1), (1, 0, 1), (2, 0, 1)}
Exemplo 133
na base
Dado
[u] , [v] , [w] .

Como
R3 .
Determine as oordena-
[(4, 3, 7)] .
Pre isamos determinar a1 , a2 , a3 R tais que a1 (1, 1, 1) + a2 (1, 0, 1) + a3 (2, 0, 1) =
(4, 3, 7)
. Expandindo, obtemos que (a1 + a2 + 2a3 , a1 , a1 + a2 a3 ) = (4, 3, 7), o sistema
2a3 = 4
1a1 + 1a2 +
1a1 + 0a2 +
0a3 = 3 .
linear:
1a1 + 1a2 + (1)a3 = 7
3
1 1
2 4
1 0 0
0 3 0 1 0
3 .
Es alonando obtemos 1 0
1 1 1 7
0 0 1 1
3
3 .
Portanto a soluo ni a om (a1 , a2 , a3 ) = (3, 3, 1). Portanto, [(4, 3, 7)] =
1
das de
(4, 3, 7)
base de
isto , determine
= {1 + x, 1 x, x2 }, u = 5, v = 6 + 5x2
5/2
5 = 5/2(1 + x) + 5/2(1 x), [u] = 5/2 .
0
w = 8x 2
determine
3
2
2
Como 6 + 5x = 3(1 + x) + 3(1 x) + 5x , [v] = 3 .
5
Queremos 8x 2 = (1 + x) + (1 x) = + + ( )x. Temos que resolver

3
+ = 8
sistema
. Resolvendo obtemos = 3, = 5. Logo [w] = 5 .
= 2
0
3.5.
DIMENSO
Exemplo 134
69
= {sen2 (x), cos2 (x)}, = {1, sen2 (x)}, u = cos2 (x), v = cos(2x)
e w = 1, determine [u] , [v] , [w] , [u] , [v] , [w] .

0
1
2
2
2
, [v] =
,
Como cos(2x) = cos (x) sen (x) = 1 2 sen (x), [u] =
1
1

1
1
1
1
[w] =
, [u] =
, [v] =
, [w] =
.
1
1
2
0
Dados
O prximo lema pode ser omitido numa primeira leitura.
Ele diz que qualquer espao
vetorial om base formada por um nmero nito de vetores essen ialmente igual (mais
n
pre isamente, pode ser representado por) a R . Em linguagem matemti a mais pre isa,
n
dizemos que V e R so espaos vetoriais isomorfos.
Lema 7 (mapeamento vetor oordenadas linear)
om base
om
Considere
[ ] : V Rn
v 7 [v]
vetores. O mapeamento
espao
vetorial
(a) linear, isto , preserva ombinaes lineares
[u + v] = [u] + [v] , R,
(b) injetivo, isto , se
Observao 29
[v] = [w]
ento
u, v V ;
v = w.
Preservar ombinaes lineares o mesmo que preservar soma vetorial e
multipli ao por es alar:
[u + v] = [u] + [v] u, v V,
[u] = [u] R,
Prova:
= {v1 , v2 , . . . , vn }
u V.
base de
i vi ,
n
X
w=
i vi , u +
i=1
1
n
X
[w] = ... , [u + w] =
w =
(i + i )vi . imediato que
i=1
n
1 + 1
1
1
1
.. ..
.
..
= . + . = [u] + [w] . Analogamente, [u] = .. = [u] .

.
n + n
n
n
n
(a) Seja
V, u =
[u] = ... ,
n
n
X
i=1
(b) segue da uni idade da representao de um vetor omo CL de vetores de uma base.
3.5 Dimenso
Nesta seo denimos on eito de dimenso omo o nmero de vetores em uma base. Para
isto temos que provar que este nmero ser sempre o mesmo independente da base. Alm
disso uma seqn ia de resultados provar que se o espao de dimenso nita ento qualquer
onjunto LI pode ser estendido para formar uma base.
Vamos omear distinguindo os espaos de dimenso nita e innita.
Denio 49 (dimenso nita e innita)
menso nita.
Um espao que admite base nita de
Um espao que no admite, dito de
dimenso innita.
di-
70
CAPTULO 3.
ESPAOS VETORIAIS
Exemplo 135 Rn
de dimenso nita, pois
Exemplo 136 Pn
= {e1 , e2 , . . . , en }
de dimenso nita, pois
= {1, x, x2 , . . . , xn }
Exemplo 137 P
De fato, dado
base.
de dimenso innita.
= {p1 , p2 , . . . , pn } P onjunto nito qualquer, dena N = max grau(p)

p
q(x) = xN +1 . Ento q P , mas q 6 hi

todo p . Logo, no base.
Exemplo 138
base.
Os espaos
dimenso innita.
pois
grau(q) = N + 1 > N grau(p)
para
C (I; R), C k (I; R), C 2 (I; R), C 1 (I; R), C(I; R) e F (I; R) so de
De fato todos os espaos a ima ontm o espao
(vide Observao 26 da pgina 59).
O prximo lema fundamental para a denio de dimenso. A demonstrao pode ser

omitida numa primeira leitura.
Lema 8 ( onjunto gerador e LI)

H.
Se
gerador de
Prova:
Sejam
aij
tais que
LI, ento
m
X
vj =
= {u1 , u2 , . . . , um } , = {v1 , v2 , . . . , vn }
m n.
Sejam
aij ui .
Dena
A = [aij ]
i=1
n > m.
Suponha, por absurdo, que
i=1,...,m
j=1,...,n
Portanto o nmero de variveis (n) maior que
o nmero de equaes (m) no sistema homogneo. Neste aso, existe

n
n
X
X
Ax = 0.
m
n
X
X
i=1
xj aj = 0,
Logo
xj aij
j=1
Portanto
n
X
j=1
para todo
i.
tal que
Segue que
j=1
ui = 0.
Con lumos que
Corolrio 2
xj aij = 0
o que impli a que
j=1
x 6= 0
xj
m
X
aij ui
i=1
n
X
xj vj = 0.
j=1
no LI! Como isto absurdo, on lumos que
n m.
Toda base de um subespao vetorial de dimenso nita tem o mesmo nmero
de elementos.
Prova:
= {v1 , v2 , . . . , vm } e = {u1 , u2 , . . . , un } bases. Pelo Lema 8, omo

gerador e LI, ento m n. Tro ando os papis de e , novamente pelo Lema 8, omo
gerador e LI, ento n m. Como m n e n m, on lumos que m = n.
Sejam
Este Corolrio justi a a prxima denio.
Denio 50 (dimenso)
dimenso de um (sub)espao vetorial de dimenso nita o
nmero de vetores em (qualquer) uma de suas bases.

O prximo lema nos diz que podemos eliminar vetores que so CL de outros de um onjunto
sem modi ar o espao gerado.
Lema 9 (eliminando vetores redundantes)

LD, seja
Prova:
k vk =
vk
Temos que
X
i6=k
Dado um onjunto S = {v1 , v2 , . . . , vn }

hv1 , . . . , vk1 , vk+1, . . . , vn i = hSi .
X
X
X
i vi . Dado w hSi, temos w =
i vi +
vk =
i vi =
CL dos demais. Ento
i vi + k
X
i6=k
i6=k
i vi =
X
i6=k
w hv1 , . . . , vk1 , vk+1 , . . . , vn i.
(i + k i )vi .
Logo
w=
X
i6=k
(i + k i )vi
i6=k
e portanto,
3.6.
EXERCCIOS DE ESPAOS VETORIAIS
Corolrio 3
Prova:
71
Todo onjunto gerador ontm uma base.
Se o onjunto LI, nada a fazer. Se LD, h um vetor que ombinao linear
dos demais. Des arte este vetor; o sub onjunto obtido ainda gerador (pelo lema anterior).
Repita o pro edimento at que o sub onjunto obtido seja LI (assumimos ta itamente que o
onjunto ini ial nito).
Finalmente, o resultado abaixo garante que, dado um onjunto de vetores LI em um espao
vetorial de dimenso nita, este pode ser estendido a uma base.
Lema 10 (estendendo onjunto LI em base)

menso nita pode ser estendido a uma base.
vp+1 , . . . , vn
Prova:
tais que
Todo onjunto LI em um espao de di-
Ou seja, se
{v1 , v2 , . . . , vp , vp+1 , . . . , vn }
{v1 , v2 , . . . , vp } LI
{v1 , v2 , . . . , vp , u1 , u2 , . . . , un }
Seja
base.
= {u1 , u2 , . . . , un }
gerador.
{v1 , v2 , . . . , vp }
base. Note que
Aplique o resultado anterior, notando que, en-
quanto o sub onjunto LD, existe um vetor que ombinao linear dos
no pode ser um dos
Corolrio 4
vi 's.
Portanto, os
vi 's
Em um espao de dimenso
um onjunto om mais de
um onjunto om menos de
um onjunto de
LI, existem
anteriores.
Este
no so des artados no pro esso.
n:
vetores no LI;
vetores no gerador; e
vetores gerador se e s se LI.
3.6 Exer ios de Espaos Vetoriais

se so subespaos vetoriais do
Rn :
(a) o onjunto-soluo de um sistema linear homogneo;

(b) o onjunto-soluo de um sistema linear ujo lado direito tem omo entradas inteiros
maiores do que 1;
( ) plano passando pela origem no espao;
(d) reta que no passa pela origem no plano;
(e) parbola que passa pela origem no plano;
(f ) primeiro quadrante do plano;
Exer io 2.
(a) Se o espao gerado por
igual ao espao gerado por
ento ne essariamente
= v, u mltiplo de v, u perpendi ular a v, nenhuma das alternativas)

ento ne essariamente
(v = w, v mltiplo de w, v
perpendi ular a w, nenhuma das alternativas)
(u
(b) Se
hu, vi = hu, wi
( ) Sabendo que o onjunto
{w}
Exer io 3. Es olha uma opo.

(A)
(B)
(C)
LI podemos armar que
{v1 , v2 , . . . , vn }
se 1 = = n = 0, ento 1 v1 + n vn = 0;
1 v1 + n vn = 0 para todo i R;
se 1 v1 + n vn = 0, ento 1 = = n = 0;
0 Verso 16.jul.2008 9h
Dizer que
(no
nulo, nulo).
LI o mesmo que dizer que:
72
CAPTULO 3.
ESPAOS VETORIAIS
vi 6= 0 para todo i = 1, . . . , n;
(E) vi no mltiplo de vk se i 6= k .
Exer io 4. O vetor (2, 1, 5, 3) R4 pode ser representado omo o(a)
imagem, gr o, zero) da funo f F ({1, 2, 3, 4} ; R) denida por f (1) =
f (3) = , f (4) = .
(D)
Exer io 5. O
(domnio,
,
f (2) =
elemento neutro para soma do espao vetorial das funes reais o(a)
(nmero
zero, funo identidade, funo identi amente nula, onjunto vazio).
se so subespaos vetoriais de
(a) onjunto das funes ontnuas;
{f (x) = a sen(x) + 2, a R};

2
( ) {f (x) = ax + b, a, b R};
Exer io 7. Considere W = hu1 , u2 , . . . , um i.
F (R; R):
(b)
multipli ando, zerando, somando)

olunas).
Exer io 8. Seja W
Obtemos base de
(es alonando,
(linhas,
uma matriz que tem estes vetores omo
o subespao-soluo de um sistema linear homogneo om 4 equaes:
(a) eliminando uma equao,
(pode aumentar,
dim(W )
pode diminuir, permane e
a mesma);
(b) a res entando uma equao ( om lado direito igual a zero),
(pode
dim(W )
aumentar, pode diminuir, permane e a mesma);
Exer io 9. Sejam V, W R3
(a)
(0,
dim(W ) =
subespaos vetoriais, om
1, 2, 3);
(b)
Exer io 10. Pode ser base de R

(a)
(b)
um vetor
(perten e,
Exer io 12. Seja R7

(a)
uma reta.
reta, plano, sistema);

( )
vetores?
vetores;
(
w 6 ,
obteremos um onjunto
no perten e, pode perten er)
LI, LD, pode ser LD);

que
( LI, LD,
gerador.
(no
possui
(b) retirando de
vetores LDs?
mximo, exatamente, no mnimo) 7
pode ser LD);
um vetor, obteremos um onjunto que
( ) a res entando a
(d) o vetor
(ponto,
um(a)
LI.
(no
possui
(b) retirando de
um onjunto de:
vetores LIs?
Exer io 11. Seja R

(a)
dim(V ) = 2
mximo, exatamente, no mnimo) 7
vetores;
(
um vetor, obteremos um onjunto que
gerador, no gerador,
pode ser gerador);

( ) a res entando a
um vetor
w 6 ,
obteremos um onjunto que
no gerador, pode ser gerador);

(d) o vetor 0
(perten e, no perten e, pode perten er)
Exer io 13. Se W = hv1 , v2 , . . . , vn i ento:

(a)
(, 6)
W;
6v2 5v3
(, 6)
W;
se subespao vetorial de
R3 :
(b)
3.6.2 Problemas
Subespaos do Rn
{(a, b, c)| a, c R, b = a + c + 1};

(b) {(a, 1, 1)| a R};
( ) {(a, b, c)| a, b R, 2a + 3b = 5c};
(a)
gerador,
.
( )
dim W
(=; <; ; >; )
n.
3.6.
Problema 2. (Shilov p.56 #1,#2)
73
Determine se formam um subespao vetorial do
R2
sub-
onjunto de todos vetores:

(a) om ex eo daqueles paralelos a uma reta dada;
(b) ujas oordenadas so maiores ou iguais a zero.
Problema 3. (Shilov p.57 #9) Considere V
planos distintos ontendo a origem em
R3 .
Determine:
(a)
V W;
(b)
V + W.
se:
(1, 0, 6) h(1, 0, 1), (1, 2, 1)i;

(b) (1, 2, 1) h(1, 0, 1), (1, 2, 1)i;
( ) {(0, 0, 2, 2), (3, 3, 0, 0), (1, 1, 0, 1)}
(a)
LI;
Problema 5.
{(0, 0, 0)} R3
3
(b) {(1, 0, 2)} R
(a)
LI?
LI?
( ) Cara terize, de forma geral, os onjuntos de um ni o elemento que so LI.
Problema 6.
{(0, 0, 0), (1, 0, 2)} R3 LI?
3
(b) {(1, 0, 2), (1, 2, 1)} R LI?
3
( ) {(1, 0, 2), (2, 0, 4)} R LI?
(a)
(d) Cara terize, de forma geral, os onjuntos de dois elementos que so LI.
Problema 7.
{(1, 0, 2), (2, 1, 1), (4, 1, 1)} R3 LI?
3
(b) {(1, 0, 2), (2, 1, 1), (1, 2, 8)} R LI?
(a)
( ) Existe uma ara terizao f il dos onjuntos de trs elementos que so LI? (F il no
sentido de que se possa de idir de abea se o onjunto ou no LI, sem a ne essidade de
se es alonar nada.)
Problema
8. Fazendo
omnimo ne essrio
1
1
1
1
(b)
1
1
( )
1
1
(d)
1
(a)
1
, 2
3

0
, 0
0

1
, 2
3

2
, 2
2
3
0
1
3
0
1
3
0
1
de ontas, diga se so bases de
0
, 1
uma base e a dimenso dos seguintes subespaos de
{(x, y, z, w)
| x + y w = 0};
x+zw =0
(b) onjunto-soluo de
;
z + w = 0

0 1 3 0 0
;
( ) onjunto-soluo de
0 0
0 1 0
(a) hiperplano
R3 :
R4 :
74
CAPTULO 3.
(d)
r + 2s + t
s 2t
2r + s 4t
r 3t

r, s, t R .

o onjunto-soluo do sistema:
ESPAOS VETORIAIS
xy =0
y+w =0
x+w =0
. Queremos retirar
uma equao e a res entar uma equao ao sistema mantendo o mesmo espao soluo.
Determine uma equao que pode ser:
(a) retirada;
(b) a res entada, que seja no-nula e distinta das outras.
Problema 11. Considere v = (0, 5, 1).

base
),
onde
Determine
= {(1, 1, 1), (1, 1, 0), (1, 0, 1)}.
[v]
( oordenadas de
om relao
LI e LD: teri os
Problema 12. Prove
que para qualquer
LD.
u, v, w V
Problema 13. Sejam {v1 , v2 , . . . , vn } vetores

w W ento {w, v1, v2 , . . . , vn }
(b) {v2 , . . . , vn } LI;
( ) hv2 , . . . , vn i =
6 W .
(a) se
LI e
LDs;
o onjunto
{u v, v w, w u}
W = hv1 , v2 , . . . , vn i.
Prove que:
Espaos de Polinmios e Funes

Problema 14. Verique se subespao vetorial de F ([a, b]; R) as funes f : [a, b] R tais
que:
(a)
( )
f (a) = f (b) = 0;
f (x) 0 para todo x [a, b];
f (a) = f (b) = 1;
derivvel e f + 2f = 0.
(b)
(d)
Problema 15. Mostre que LD:
{1 + 2x, 1 + x, 1 x} P2 ;
2
2
(b) {1, sen (x), cos (x)} F (R; R).
(a)

(a)
{1, x , x + 4};
P3 :
{x + 2, x + 3, x2 3};
se so LIs ou LDs em
(b)
( )
{x2 2x, 1 + x, x2 + 2}.
o espao das funes innitamente diferen iveis
C (R; R). Verique que o subespao:
(a) {f C (R; R)| f = 0} gerado por g tal que g(x) = 1;
x
(b) {f C (R; R)| f f = 0} gerado por g tal que g(x) = e ;
denotado por
f : [a, b] R,
Problema 18. Determine se subespao vetorial de P4 (espao dos polinmios de grau menor
ou igual a 4). Em aso armativo determine uma base e dimenso.
(a)
{p P4 | p(2) = 0};
(b)
Problema 19. Considere = {1, 1 x, x 1}.

(a)
[q]
onde
q(x) = x x;
Determine:
(b)
[p]
{p P4 | p(2) = 1}.
onde
p(x) = x2 + x + 1.
Problema 20. Considere as funes 0 , . . . , 3 mostradas na Figura 3.5 da pgina 62.

= {0 , . . . , 3 }
( base).
Seja
f : [0, 3] R
Dena
a funo representada no gr o abaixo.
3.6.
Determine
75
[f ] .
y
5
4
3
2
0 1 2 3 x
3.6.3 Desaos
Desao 1. Prove que se V R1 um subespao vetorial ento V = 0 ou V = R.
Desao 2. (Shilov p.57 #10) Considere W V Rn om dim(W ) = dim(V ). Prove que
W = V.
Desao 3. (Heeron)
em
ento
U V
Prove que se
so ambos subespaos de dimenso
no-trivial (possui pelo menos dimenso
1).
ontidos
Generalize.
Desao 4. (Shilov p.57 #12) Um subspao am H a translao de um subespao vetorial

W , isto , existe um vetor h0 V e um subespao vetorial W V tal que H = h0 + W =
{h0 + w | w W }.
(a) Prove que H um subespao am se, e somente se, para todo u, v H , vale
u + (1 )v H para todo R;
(b) Qual propriedade geomtri a expressa por esta propriedade?
Desao 5. Sejam H, K V
subespaos vetoriais. Introduzimos duas denies, utilizadas
neste exer io e em outros.
Denio 51 (soma e soma direta de subespaos)
os H e K
Denimos a
soma de subespa-
por
H + K = {h + k | h H, k K}.
Se
H K = {0},
dizemos que
soma direta, denotando-a por H K .
H K subespao;
H K no , em geral, subespao;
( ) mostre que H + K subespao;
(d) mostre que H + K o menor subespao ontendo H K ,
om H W e K W , ento H + K W ;
(a) mostre que
(b) mostre que
isto se
subespao
(e) prove que
dim(H + K) = dim(H) + dim(K) dim(H K).
Desao 6. Dados os espaos W1 = {(s + t, t s, s + t, 2s + t) R4 | s, t R} e

W2 = {(x, y, z, w) R4 | y + z = 0 e x w + z = 0}, determine:
(a) base e a dimenso de W1 e W2 ;
(b) base e a dimenso de W1 + W2 .
4
( ) En ontre um subespao W3 de modo que W1 W3 = R (soma
o 51 da pgina 75);
(d) En ontre uma base de
W1 W2 .
direta, veja Deni-
76
CAPTULO 3.
ESPAOS VETORIAIS
Desao 7. Suponha que W1 = hv1 , v2 , . . . , vni e W2 = hw1 , w2 , . . . , wm i.

W1 + W2 ;
al ular W1 W2 ;
Determine omo:
(a) al ular
(b)
( ) en ontrar um subespao
W3
de modo que
o 51 da pgina 75);
(d) veri ar se
(e) veri ar se
W1 W3 = R4
(soma direta, veja Deni-
W1 W2 ;
W1 = W2 .
Desao 8. Sejam p, q C(R; R) e V C 2 (R; R) o onjunto
das solues
f (x)
da equao
f (x) + p(x)f (x) + q(x)f (x) = 0 ( onhe ida omo equao de Sturm-Liouville).
2
(a) Mostre que V um subesepao vetorial de C (R; R);
(b) Dado g C(R; R), seja f0 uma soluo de f0 (x) + p(x)f0 (x) + q(x)f0 (x) = g(x).
Mostre que h = f + g , om f V , soluo tambm, isto , dada uma soluo parti ular
diferen ial
da equao no-homognea e uma soluo qualquer da equao homognea, a soma delas
soluao da no-homognea. Con luimos que o onjunto-soluo da equao no-homognea

um subespao am.
Desao 9. Considere F (R; R), o espao
das funes reais om domnio em
Desao 10. Considere
I[a,b] ,
R. Sejam V1 =
{f F (R; R)| f (x) = f (x)} (funes pares) e V2 = {f F (R; R)| f (x) = f (x)} (fun3
2
n
es impares). Exemplos so sen(x), x, x V2 e cos(x), 1, x V1 . De forma geral x V1
n
( par) se n par e x V2 ( impar) se n impar. Mostre que:
(a) so subespaos vetoriais de F (R; R);
(b) Mostre que V1 V2 = {0};
( ) Mostre que V1 V2 = F (R; R) (soma direta, veja Denio 51 da pgina 75).
as funes reais
I[a,b] (x) = 0 aso ontrrio.

[a, b]. Dena fk = I[k,k+1].
denidas por
I[a,b] (x) = 1
se
x [a, b]
hamada de funo ara tersti a (ou indi adora) do intervalo
{f1 , . . . , fn } LI's para qualquer n.

espao F (R; R) possui dimenso innita.
(a) Prove que o onjunto

(b) Con lua que o
Desao 11. Dado
V e um onjunto I (no-vazio) qualquer, onsidere

F (I; V ), o espao das funes de I em V . Denas as operaes de soma e multipli ao por
es alar utilizando as operaes orrespondentes em V , tal qual na Denio 35. Prove que
F (I; V ) um espao vetorial.
um espao vetorial
Desao 12. Considere V = {p P4 | p(1) = 0}
dimenso e bases para:

(a)
V;
(b)
W = {p P4 | p(1) = 0}.
W;
Determine
( )
V W.
Desao 13. (Shilov p.56 #5) Considere o espao das funes reais no intervalo (a, b).
que as funes
xr1 ,
...,
xrk
formam um onjunto LI om
Desao 14. Seja A matriz m n.

(a) Prove que
de
Ax = b
ri R
tem soluo para todo lado direito
formam um onjunto gerador.
(b) Prove que
Ax = 0 tem
Mostre
distintos.
b Rm ,
soluo ni a se e s se as olunas de
se e s se as olunas
A formam um
onjunto
LI.
Desao 15. (Shilov p.56 #3) Considere P

em
o onjunto dos nmeros reais positivos. Introduza
duas operaes:
x, y P a soma x y por xy ;
x P e R denimos o produto x
(a) dados
(b) dado
por
x .
um espao vetorial om estas operaes? Se for, determine base e dimenso.
3.6.
77
3.6.4 Extras
Subespaos do Rn
Extra 1. Determine
(a)
(b)
( )
se:
(1, 0, 1) h(1, 1, 1), (1, 2, 1)i;

{(k, 1, 1), (1, k, 1), (1, 1, k)} LI para k R;
R3 = h(2, 1, 3), (4, 1, 2), (8, 1, 8), (6, 0, 5)i;
Extra 2.
Fazendo o mnimo ne essrio

(a)
1
1
8
1 , 2 , 5
1
3
4
de ontas, diga se so bases

de
(b)
3
R
:

1
1
8
1 , 2 , 6
1
3
4
Extra 3. Determine uma base e a dimenso dos subespaos do R4 , soluo

do sistema linear:
(a)
( )
x+yw =0
xy+zw =0
x+zw =0
z + w = 0
y
+
z
2w = 0
2x + y z w = 0
x + 2y 2z + w = 0
(b)
(d)
Considere os subespaos a ima:

(e) determine a interseo entre os subespaos (a) e (b);
(f ) a res ente equaes no-nulas a (d) que no alterem o subespao.
Extra 4. Determine
Rn abaixo
(a) h(0, 1, 2, 1), (1, 2, 1, 0), (1, 1, 3, 1), (3, 5, 5, 1)i;
(b) h(1, 0, 1, 1), (2, 3, 3, 0), (1, 3, 2, 1), (0, 3, 1, 2)i;
( ) h(1, 2, 0, 1, 2), (1, 0, 1, 2, 1), (0, 6, 3, 9, 9)i.
para ada subespao do
Extra 5. Um subespao do Rn
a dimenso e base:
pode ser determinado por:
W = hv1 , v2 , . . . , vn i, por exemplo, W = h(1, 0, 1), (1, 2, 1)i;

n
sistema homogneo, W = {w R | Aw = 0}, por exemplo,
(a) espao gerado,

(b) soluo de

xy =0
;
y+z =0
( ) parametrizao, por exemplo,
W = {(2s + 3t, s + t, s t) R3 | s, t R}.
Des reva omo onverter entre estes trs tipos utilizando os exemplos para efetuar as
onverses;
Extra 6. Considere (a, b), (c, d) R2 .
Mostre que eles so LDs se, e somente se,
ad bc = 0.
LI e LD: teri os
Extra 7. Suponha
{v1 , v2 , v3 } um onjunto LI. Prove que {w1 , w2 , w3 } om wi =

v1 + vi ( om i = 1, 2, 3) um onjunto LI.
Extra 8. Suponha que os sistemas lineares Ax = b1 e Ax = b2 tm, ambos, solues ni as.
O que podemos dizer sobre o onjunto-soluo de Ax = c, onde:
(a) c = 3b1 2b1 ?
(b) c qualquer vetor?
que
Extra 9.
= {v1 , v2 , . . . , vn } tal que o sub onjunto = {v1 , v2 , . . . , vk }, om k n,
LD. Mostre que LD.
(b) Mostre que se {v1 , v2 , . . . , vn } LI ento qualquer sub onjunto ser LI tambm.
(a) Seja
78
CAPTULO 3.
Extra 10. Seja = {v1 , v2 , . . . , vn } um onjunto de vetores
ESPAOS VETORIAIS
tal que:
{v1 , v2 , . . . , vn1 } LI;

(b) vn 6 hv1 , v2 , . . . , vn1 i.
Mostre que LI.
(a)
Espaos de Funes ou Polinmios

Extra 11. Considere
o espao das funes innitamente diferen iveis f : [a, b] R, denoC (R; R). Verique que o subespao:
(a) {f C (R; R)| f = 0} gerado por g e h tais que g(x) = 1 e h(x) = x;
(b) {f C (R; R)| f f = 0} gerado por g e h tais que g(x) = sen(x) e h(x) =
cos(x);
Extra 12. Verique se subespao vetorial de F ([a, b]; R) as funes f : [a, b] R tais que:
(a) f uma funo onstante;
(b) f derivvel;
Z b
(d) f ontnua e
f (x) dx = 0.
( ) f no derivvel;
tado por
Extra 13. Determine
se subespao vetorial de
P4
(espao dos polinmios de grau menor
ou igual a 4). Em aso armativo determine uma base e dimenso.
(b) {p P4 | p(x) = p(x)};

(a) {p P4 | p (2) = 0};
2
2
Determine a dimenso de hcos (x), sen (x), cos(2x), sin(2x)i C(R; R).
Extra 14.
Extra 15. Considere
2.
P2 = {1 + x, 1 x, x2 + 1}. Se p(x) = 4 + x x2 .
(a) Determine [p] ( oordenadas de p om relao base .
(b) prove que base de P2 , o espao dos polinmios de grau mximo menor ou igual
a base de
Captulo 4
Transformaes Lineares
Neste aptulo estudamos o objeto entral de um urso de lgebra Linear:
lineares (TLs daqui por diante).
transformaes
Vamos omear revendo on eitos e denies bsi as sobre
funes, in luindo domnio e imagem, injetiva e sobrejetiva, omposio e funo inversa.

Alm disso deniremos espaos vetoriais importantes asso iados a TLs:
(a) o onjunto das TLs;
(b) o n leo de uma TL;
( ) a imagem de uma TL.
Os resultados prin ipais deste Captulo so:
o Teorema
4 da pgina 86 (teorema do n leo-imagem), que rela iona as dimenses
do n leo, imagem e domnio de uma TL; e

o Teorema 5 da pgina 91, que rela iona o n leo om a existn ia de inversa de uma
TL.
Num primeiro urso de l ulo estudamos funes
n
m
funes f : R R
e, de forma ainda mais geral, f :
quaisquer.
f : R R. Vamos agora estudar

V W om V, W espaos vetoriais
Se os espaos vetoriais so de dimenso nita, num erto sentido (ver Lema 7 da pgina 69
n
e Denio 73 da pgina 110 e omentrios antes), estamos de fato om funo de R em
m
R .
4.1 Fundamentos
No ontexto de lgebra linear omum utilizar o termo
funo.
transformao
Denio 52 (domnio, ontradomnio e imagem de funo)

funo. Dizemos (veja Figura 4.1) que:
domnio;
ontra-domnio e
{y B; y = f (x)
para algum
x X}
0 Verso 18.jul.2008 16h
79
Seja
omo sinnimo de
f :X Y
imagem, denotada Im(f ) ou f (X).
uma
80
CAPTULO 4.
TRANSFORMAES LINEARES
f (X)
X
Figura 4.1: Funo
f :X Y
Denio 53 (funo injetiva, sobrejetiva e bijetiva)

Dizemos que
injetiva se f (u) = f (v) impli a que u = v .

domnio atingido no mximo uma vez;
sobrejetiva se f (A) = B .
pelo menos uma vez;
bijetiva se injetiva e sobrejetiva.

atingido exatamente uma vez.
Exemplo 139
Seja
Considere
f : A B
uma funo.
No diagrama, ada elemento do ontra-
No diagrama, ada elemento do ontra-domnio atingido
f : R R2
No diagrama, ada elemento do ontra-domnio
denido por
f (x) = (x, x).
R o domnio, R2
(y, y) x = y . No
y = x.
Exemplo 140
R
Considere
o domnio,
f (x) = f (y)
pois (1, 2) 6= f (x) = (x, x) x R. A
o ontra-domnio.
sobrejetiva
f : R2 R
injetiva pois
Denio 54 (transformao linear)

T :V W
dita
imagem a reta
f (x, y) = x + y .
f (1, 0) = f (0, 1). sobrejetiva
2
existe x R (por exemplo, x = (y, 0)) tal
No injetiva pois
y R (elemento do ontra-domnio),
f (x) = f (y, 0) = y . A imagem de f R.
transformao)
(x, x) =
denido por
R o ontra-domnio.
pois dado
que
Sejam
espaos vetoriais. Uma funo (ou
transformao linear (TL) se
preserva ombinaes
lineares, isto se
T (ku + v) = kT (u) + T (v),

para todo
u, v V
Exemplo 141
es alar.
Determine se
injetiva, sobrejetiva.
T : R3 R2
denido por
T (x1 , x2 , x3 ) = (x3 , x1 )
linear,
T (kx + y) = T (kx1 + y1 , kx2 + y2 , kx3 + y3 ) = (kx3 + y3 , (kx1 + y1 )) =

k(x3 , x1 ) + (y3 , y1 ) = kT (x) + T (y), on lumos que linear.
Se T (x) = T (y), ento (x3 , x1 ) = (y3 , y1 ). Logo x1 = y1 e x3 = y3 mas x2 pode
ser diferente de y2 , e portanto no ne essariamente x = y. Logo no injetiva.
2
sobrejetiva pois para todo (a, b) R , T (b, 0, a) = (a, b).
Como,
4.1.
FUNDAMENTOS
Exemplo 142
81
x = (x1 , . . . , xn ), dena T : Rn Rm por

T (x) = Ax (produto matriz-vetor). Determine se T linear.
Como T (kx + y) = A(kx + y) = kAx + Ay = kT (x) + T (y) on lumos que linear.
Seja
Observao 30
A uma
matriz
m n.
Dado
Por este exemplo, a ada matriz asso iamos uma TL. No prximo Cap-
tulo veremos o pro edimento ontrrio: a ada TL asso iamos uma matriz. Nesse sentido
(explorado no prximo Captulo), toda TL dada por uma matriz e o estudo de TLs pode
ser reduzido ao estudo de matrizes.
Exemplo 143
T : R3 R2
Determine se
T (x, y, z) = (z, xy)
denido por
linear,
T (1, 1, 1) = (1, 1) e T (2, 2, 2) = (2, 4) 6= 2T (1, 1, 1), on lumos que no linear.

T (x, y, z) = T (a, b, c) ento (z, xy) = (c, ab). Logo z = c e xy = ab. Portanto no
injetiva, pois, por exemplo T (2, 3, 1) = T (3, 2, 1) = (1, 6) mas (2, 3, 1) 6= (3, 2, 1).
2
Dado (a, b) R , T (b, 1, a) = (a, b). Logo, sobrejetiva.
Como
Se
Exemplo 144
C 1 (R; R)
o espao das funes ontinuamente diferen iveis e C(R; R)

1
o onjunto das funes ontnuas. Determine se a transformao derivada D : C (R; R)
C(R; R) denida por D(f ) = f linear, injetiva, sobrejetiva.
Como D(kf + g) = (kf + g) = kf + g = kD(f) + D(g), on lumos que linear.
Se D(f ) = D(g) on lumos que f = g , ou seja (f g) = 0, o que impli a f g = C .

Seja
Portanto no ne essariamente
f = g (duas funes uja diferena seja uma onstante possuem
a mesma derivada). Logo no injetiva.
Rx
g C(R; R), dena h(x) = 0 g(s) ds. Pelo
h (x) = g(x), logo T (h) = g . Portanto sobrejetiva.
Dada
Exemplo 145
Determine se
P : F (R; R) R2
Teorema fundamental do l ulo,
denido por
P (f ) = (f (1), f (2))
linear,
Como P (kf + g) = ((kf + g)(1), (kf + g)(2)) = (kf (1) + g(1), kf (2) + g(2)) =
k(f (1), f (2)) + (g(1), g(2)) = kP (f ) + P (g), on lumos que linear.
No injetiva pois se f (x) = (x 1)(x 2) e g(x) = 0 ento P (f ) = P (g) = (0, 0) mas
f 6= g .
2
sobrejetiva pois dado (a, b) R , seja y = f (x) a equao da reta que passa por (1, a)
e (2, b). Logo P (f ) = (a, b).
Note que neste ltimo exemplo denimos uma esp ie de projeo, que asso ia ada
funo ontnua om seus valores em dois pontos. O leitor pode generaliz-lo e denir
F (R; R) Rn por P (f ) = (f (1), . . . , f (n)) e provar que P uma TL.
Exemplo 146
P :
[a, b] e denir uma projeo que

n + 1 pontos equiespaados neste intervalo. Note a semelhana
om a denio de integral, quando dividimos o intervalo [a, b] em partes iguais. Assim, dado n
qualquer, dena x = (ba)/n e x0 = a, x1 = a+x, x2 = a+2x, . . . , xn = a+nx = b
n+1
(so n+1 pontos). Agora dena P : F (R; R) R
por P (f ) = (f (x0 ), f (x1 ), . . . , f (xn )).
Novamente P linear.
Em anlise numri a til xar o intervalo
toma os valores da funo em
Exemplo 147
T : P P , denido por T (p)(x) = (p(x))2 linear,

p(x) = x2 + 1, T (p)(x) = (x2 + 1)2 = x4 + 2x2 + 1.
Determine se
sobrejetiva. Por exemplo se
injetiva,
82
CAPTULO 4.
Embora
T (0) = 0,
p(x) = x, T (kp)(x) = k 2 x2 6= kT (p)(x) = kx2 .
se tomarmos
no linear.
Logo
Por outro lado se tomarmos polinmios onstantes iguais a 1 e (1) observamos que
T (1) = 1 = T (1). Logo no injetiva.
2
Para qual p, T (p)(x) = x? Para isto teramos (p(x)) = x, o que impli aria que p(x) =
x. Mas isto no um polinmio, logo T no sobrejetiva, pois o polinmio q(x) = x
no atingido nun a por T .
Observao 31
f il veri ar que:
Uma funo linear se, e s se, preserva soma vetorial e multipli ao por es alar, isto
, se
T (ku) = kT (u)) (preserva multipli ao por es alar) e T (u+v) = T (u)+T (v)
(preserva a soma);
Se
linear, ento
T (0) = T (0 + 0) = T (0) + T (0) = 0.
Note que a re pro a
no verdadeira: existem funes que satisfazem isto mas no so lineares (veja

Exemplo 143 e Exemplo 147).
Exemplo 148 (rotao em R2 )
A rotao em torno da origem uma transformao linear.
R(u + v) = R(u) + R(v). Na

primeira mostramos u, v e u + v. Na segunda, R(u), R(v) e R(u) + R(v). Na ter eira
mostramos que R(u) + R(v) igual a rotao de u + v, isto que R(u) + R(v) = R(u + v).
Vamos provar atravs da seqn ia da Figura 4.2 que
Argumento anlogo vale para a multipli ao por es alar.
Como a rotao preserva a
soma e o produto por es alar, pela Observao 31, a rotao linear. Na Seo 5.5 vamos
aprender a determinar expli itamente esta rotao por um ngulo qualquer.
R(u) + R(v)
R(u) + R(v)
R
R(u)
u+v
v
R(v)
u+v
u+v
Figura 4.2: Rotao
O prximo lema uma importante ferramenta para determinao de TLs pois mostra que
basta determinar os valores numa base para se determinar em todos os vetores.
Portanto
podemos onstruir exemplos de TLs xando seus valores num nmero nito de vetores.
Lema 11 (determinando uma TL)

{u1 , u2 , . . . , un }
base de
U.
Seja
Se onhe emos
bem determinado para qualquer
: U V transformao linear e
T (ui ) para i = 1, . . . , n, ento T (u) est
u U.
Pn
u U qualquer,
Pn pela denio
Pn de base, existem i s tais que u = i=1 i ui .
Pela linearidade, T (u) = T (
i=1 i ui ) =
i=1 i T (ui ). Como os valores T (ui ) so onhe-
Prova:
Dado
idos, a transformao est determinada de modo ni o.
4.2.
NCLEO E IMAGEM
Exemplo 149
Seja
T(x,y).
83
T : R2 R
uma TL tal que
T (1, 1) = 2
T (0, 1) = 3.
Determine
(1, 1) e (0, 1) so LIs, formam uma base do R2 . Dado (x, y) R2 , (x, y) =

x(1, 1) + (y x)(0, 1). Logo, T (x, y) = xT (1, 1) + (y x)T (0, 1) = 2x + 3(y x) = 3y x.
Como
Denio 55 (espao das TLs)
Dados
espaos vetoriais denimos por
L(U; V )
o espao (pelo Lema 12 este onjunto um espao vetorial) das transformaes lineares
T : U V.
Denio 56 (operaes entre TLs)
Dados
T, S L(U; V )
es alar, denimos a
soma de TLs e a sua multipli ao por es alar por:
T +S : U
V
u 7 T (u) + S(u)
Observao 32
kT : U
V
.
u 7 kT (u)
Note que o sinal + (mais) em T
+ S
e T (u)
+ S(u)
(bem omo
do produto) possui signi ado distinto em ada expresso: soma de TLs, num aso, e de
soma de vetores no outro. Compare estas denies om as da Denio 35 da pgina 54
e veja que so inteiramente anlogas.
Lema 12 (espao vetorial das TLs)
O onjunto
espao vetorial.
Prova:
L(U; V )
om as operaes a ima um
L(U; V ) F (U; V ) (toda transformao linear uma funo). um

exer io f il mostrar que F (U; V ) um espao vetorial (di a: elemento neutro da soma
E : U V denida por E(x) 0). Portanto basta veri ar que L(U; V ) fe hado om
laro que
relao as operaes de soma e produto por es alar (ver Lema 2 na pgina 57).
T, S L(U; V ). Ento (T + S)(u + v) = T (u + v) + S(u + v) =

T e S ) T (u) + T (v) + S(u) + S(v) = T (u) + S(u) + (T (v) + S(v))
= (T + S)(u) + (T + S)(v). Logo T + S uma TL, isto , T + S L(U; V ) (fe hado
De fato, sejam
(linearidade de
pela soma).
(kT )(u+v) = kT (u+v) = (linearidade de T ) = kT (u)+kT (v) =

(kT )(u) + (kT )(v). Logo kT uma TL, isto , kT L(U; V ) (fe hado pelo produto).
Como L(U; V ) fe hado om relao as operaes de soma e produto por es alar um
De forma anloga,
espao vetorial.
Observao 33
A dimenso de
L(U; V )
igual ao produto das dimenses de
Este fato e a determinao expl ita de uma base para

Desao 4.4.3 da pgina 94.
L(U; V )
V.
deixada para o exer io
4.2 N leo e Imagem

Denio 57 (n leo e nulidade)
n leo (ou kernel) de uma transformao linear T ,
denotado por Nu (T ), o onjunto dos vetores do domnio uja imagem por

o vetor nulo:
Nu (T )
A
T :U V
= {u U | T (u) = 0}.
nulidade de uma transformao linear T
a dimenso do seu n leo:
dim(Nu (T )).
84
CAPTULO 4.
Exemplo 150
T : R2 R
T (x, y) = y . O n leo so os elementos

(x, y) R que so levados no zero. Como T (x, y) = 0 = y , o n leo a reta y = 0,
que orresponde ao eixo-x. Mais ainda, T leva a reta y = 1 no 1 e a reta y = 1 no 1,
Considere
denida por
onforme indi ado na Figura 4.3.
R2
y
R
T
1
T
ker T
1
Figura 4.3:
T (x, y) = y
Exemplo 151
2
Considere T : R R denida por T (x, y) = y x.
2
elementos (x, y) R que so levados no zero. Como T (x, y) = 0 = y
reta
y = x.
Mais ainda,
leva a reta
y = x+1
no
e a reta
indi ado na Figura 4.4.
R2
y
R
T
T
x
0
ker T
Figura 4.4:
0
1
Denio 58 (imagem e posto)
O n leo so os
x, o n leo a
y = x 1 no 1, onforme
T (x, y) = y x
imagem
T : U V,
imagem por T de
de uma transformao linear
denotada por Im(T ), o onjunto dos vetores do ontra-domnio que so

algum vetor do domnio:
Im(T )
O
= {v V | v = T (u)
posto de uma transformao linear T
Observao 34
O termo
nulidade
para algum
u U}.
a dimenso da sua imagem

pou o utilizado, mas o termo
dim(Im(T )).
posto
muito o-
mum.
O prximo lema mostra que a ada TL asso iamos dois subespaos vetoriais.
4.2.
NCLEO E IMAGEM
85
Lema 13 (n leo e imagem so subespaos)

V,
o Nu (T ) subespao vetorial de
Dada uma transformao linear
e a Im(T ) subespao vetorial de
V.
T :U
Prova: Deixamos omo exer io para o leitor.

Observao 35 Como obter o n leo e a imagem de T : Rn Rm ?
Para o n leo resolva o sistema
T (x1 , . . . , xn ) = (0, . . . , 0).
Para a imagem, es alone
(no pre isa ser totalmente es alonada, veja Lema 6 da pgina 66) matriz om os vetores
T (e1 ), . . . , T (en )
Exemplo 152
(geram a imagem de
T)
nas linhas para determinar base.
Determine o n leo, a imagem e suas respe tivas dimenses de:
T : R R, T (x, y) = (x + 2y);
T : R2 R5 , T (x, y) = (x, 2y + x, 2x + 2y, 2y x, 2y);
3
5
( ) T : R R , T (x, y, z) = (y + z, y + z, x + z, x + z, x + z).
Para (a), a hamos o n leo resolvendo (o sistema linear) T (x, y) = 0 = x + 2y . Logo
x = 2y e fazendo y = t, x = 2t. Logo Nu (T ) = {(2t, t)} = h(2, 1)i, dimenso 1.
2
Como {(1, 0), (0, 1)} base de R , a imagem gerada por {T (1, 0), T (0, 1)} = {1, 1}. Logo
a imagem todo o R, dimenso 1.
Para (b), a hamos o n leo resolvendo (o sistema linear) T (x, y) = 0 = (x, 2y +
x, 2x + 2y, 2y x, 2y); Da primeira equao obtemos x = 0 e da ltima 2y = 0. Logo a
ni a soluo x = y = 0. Con lumos que o n leo o 0 (dimenso 0). Como {(1, 0), (0, 1)}
2
base de R , a imagem gerada por {T (1, 0), T (0, 1)} = {(1, 1, 2, 1, 0), (0, 2, 2, 2, 2)}.
Logo a imagem (estes vetores so laramente LIs) o h(1, 1, 2, 1, 0), (0, 2, 2, 2, 2)i, dimenso 2.
Para ( ), a hamos o n leo resolvendo (o sistema linear) T (x, y, z) = 0 = (y + z, y +

y+z = 0
. Es alonando e
z, x + z, x + z, x + z); Este sistema equivalente ao sistema
x+z = 0
resolvendo, so duas equaes e trs variveis. Tomando z = t, obtemos y = x = t. Logo
o n leo {(t, t, t)} = h(1, 1, 1)i, dimenso 1. Como {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
3
base de R , a imagem gerada por
{T (1, 0, 0), T (0, 1, 0), T (0, 0, 1)} = {(0, 0, 1, 1, 1), (1, 1, 0, 0, 0), (1, 1, 1, 1, 1)}. Es alonando
(a)
(b)
a matriz om estes vetores em ada linha, observamos que o ltimo ombinao linear dos
outros. Logo a imagem
Exemplo 153
Considere
Nu (D) e Im(D).
h(0, 0, 1, 1, 1), (1, 1, 0, 0, 0i,

D : P2 P2
dimenso
denida por
2.
D(p) = p
(derivada).
Determine
p(x) = ax2 + bx + c, D(p)(x) = 2ax + b = 0 para todo

x impli a que a = b = 0. Logo Nu (D) so os polinmios p(x) = c ( onstantes). Esta
mesma expresso mostra que a imagem so os polinmios de grau 1 (P1 ). Sem fazer ontas,
Para determinar o n leo seja
o onjunto dos polinmios uja derivada a funo identi amente nula so os polinmios
onstantes. A imagem da derivada de polinmios de grau
Exemplo 154
expli itamente
Seja
P,
P : R2 R2
so polinmios de grau
uma projeo ortogonal na reta
x = y.
1.
Sem al ular
somente om argumentos geomtri os, determine o n leo e a imagem de
P.
Como
projeta na reta
x = y , a imagem de P
esta reta. Como a projeo ortogonal,
sero levados no zero os vetores perpendi ulares a esta reta, isto , Nu T a reta
x = y .
86
CAPTULO 4.
Exemplo 155
expli itamente
Seja
R,
R : R2 R2
uma reexo em torno da reta
x = y.
Sem al ular
somente om argumentos geomtri os, determine o n leo e a imagem de
R.
Dada um vetor
qualquer, ele imagem de
(tome
w = R(v)).
Logo a imagem o
Por outro lado, o ni o vetor que reetido vai na origem a prpria origem.
Logo o
n leo somente a origem.
Lema 14 (injetividade e sobrejetividade de TL)
Uma transformao linear
0;
(dim Im(T ))
T :U V
(a) injetiva se, e somente se, seu n leo for igual a

(b) sobrejetiva se, e somente se, seu posto
for igual a
dim(V ).
Prova:
Como T linear, T (u) = T (v) se, e somente se, T (u v) = 0. Agora o onjunto

{u v} = Nu (T ). Logo u = v se, e somente se, o Nu (T ) = 0.
Se T for sobrejetiva, Im(T ) = V e portanto, o posto = dim Im(T ) = dim(V ). Por outro
lado, se o posto dim Im(T ) = dim(V ) ento Im(T ) V um subespao vetorial de V om
mesma dimenso que V . Portanto, Im(T ) = V .
O prximo teorema to importante que onhe ido em alguns livros omo o Teorema
Fundamental da lgebra Linear. Ele rela iona as dimenses do n leo e da imagem om a
dimenso do domnio.
Teorema 4 (Teorema do n leo-imagem TNI)
Seja
menso nita. Ento
T :U V
linear om
de di-
dim(Nu (T )) + dim(Im(T )) = dim(U).

Portanto a soma das dimenses do n leo e da imagem igual a dimenso do domnio.
Prova:
dim(U) = n e que dim(Nu (T )) = k . Tome base u1 , . . . , uk

de Nu (T ). Tome v1 , . . . , vr para que = {u1 , . . . , uk , v1 , . . . , vr } seja base de U . Como
dim(U) = n e toda base possui mesmo nmero de elementos, k+r = n, isto , dim(Nu (T ))+
r = dim(U).
Vamos mostrar que dim(Im(T )) = r , mais pre isamente, vamos mostrar que =
{T (v1 ), . . . , T (vr )} forma uma base para Im(T ):
(a) hi = Im(T ): laro que hi Im(T ). Vamos mostrar que Im(T ) hi. Seja
w Im(T ). Ento, w = T u para algum u U . Como base de U , u = a1 u1 +
ak uk + b1 v1 + br vr . Como u1 , . . . , uk base do n leo, T (uj ) = 0. Logo, w = T u =
b1 T (v1 ) + br T (vr ). Portanto
Pw hi.
P
a
T
(v
)
=
0
(b) LI: Suponha que
. Pela linearidade de T , T (
i
i
i vi ) = 0.
i
i aP
P
Nu (T ). Como u1 , . . . , uk base do n leo, existem bj tais que
Logo
i ai vi P
i ai vi =
P
P
.
Logo
.
Como
LI,
todos
os
oe ientes
so
iguais
a zero.
a
v
b
u
b
u
=
0
i i i
j j j
j j j
Como uma base para Im(T ) e possui r vetores, dim Im(T ) = r .
Suponha que
Observao 36
Podemos ver este teorema da seguinte forma. Caso a TL seja injetiva
(n leo igual a zero), a imagem ser uma pia el do domnio (uma bijeo) e portanto
a imagem possuir a mesma dimenso que o domnio.
Note que esta ser a dimenso
mxima possvel para a imagem. No entanto, se o n leo for no nulo, perdemos dimenso
da imagem.
Como a dimenso da imagem no pode ex eder a dimenso do ontra-domnio, o n leo
pode ter um mnimo maior que zero, onforme veremos nos prximos exemplos.
Sabendo somente a dimenso do n leo determinamos se a TL sobrejetiva ou no: basta
apli ar o TNI.
4.3.
COMPOSIO E INVERSA
Exemplo 156
87
Determine os valores mximos e mnimos possveis para o n leo e imagem
das TLs:
T : R8 R 6 ;
5
5
(b) T : R R ;
4
20
( ) T : R R .
Sejam n = Nu (T ), i = Im(T ).
Em (a) n + i = 8 e i 6. Aqui n
(a)
NO pode ser
ou
pois
impossvel pois ex ederia a dimenso do ontra-domnio, que
i = 6, . . . , 0. Neste aso, dim Nu (T ) no mnimo 2.

Em (b) n + i = 5 e i 5. Assim n = 0, . . . , 5, i = 5, . . . , 0.
Em ( ) n + i = 4 e i 40. Assim n = 0, . . . , 4, i = 4, . . . , 0.
6.
8 ou 7, o que
Assim n = 2, . . . , 8,
seria
Exemplo 157
T
T
( ) T
(d) T
(a)
(b)
:
:
:
:
Explique em ada aso abaixo porque no existe uma TL:

R R3 injetiva;
R2 R3 sobrejetiva;
R11 R11 om posto= dim Nu (T );
R5 R2 om Nu (T ) = h(1, 2, 3, 4, 5), (2, 3, 4, 5, 6)i.
3,
(a) omo ontradomnio tem dimenso

TNI o n leo tem dimenso no mnimo
4.
a imagem tem no mximo dimenso
Para ser injetiva deveria ser igual a
(b) a imagem tem no mximo dimenso
2,
e pelo
0.
igual a dimenso do domnio.
+ dim Nu (T ) = 11. Como 11 mpar, isto impossvel.

tem dimenso 2, pelo TNI a imagem teria dimenso 3, maior
( ) pelo TNI, posto

(d) omo o n leo
que a do
ontradomnio.
Exemplo 158
Em ada tem d um exemplo de TL satisfazendo as ondies dadas.
T : R3 R3 ujo n leo seja o plano x + y + z = 0 e a imagem seja a reta

(x(t), y(t), z(t)) = (0, t, t);
4
3
(b) T : R R ujo n leo seja gerado por (0, 1, 1, 1) e (1, 0, 0, 0) e a imagem seja o
plano y + z = 0.
(a) resolvendo o sistema obtemos que o n leo gerado por {(1, 1, 0), (1, 0, 1)}.
3
laro que a res entando (1, 0, 0) obteremos uma base do R . A imagem deve ser h(0, 1, 1)i.
Utilizando o Lema 11, xamos T (1, 1, 0) = (0, 0, 0) = T (1, 0, 1). Para garantir a imagem
xamos T (1, 0, 0) = (0, 1, 1).
(b) Resolvendo o sistema y + z = 0, a imagem igual ao h(1, 0, 0), (0, 1, 1)i. Comple4
tando o n leo om uma base do R , onsideramos a base
(1, 0, 0, 0), (0, 1, 1, 1), (0, 0, 1, 0), (0, 0, 0, 1). Denimos T (1, 0, 0, 0) = T (0, 1, 1, 1) = (0, 0, 0),
T (0, 0, 1, 0) = (1, 0, 0) e T (0, 0, 0, 1) = (0, 1, 1). a TL est bem denida pelo Lema 11.
(a)
Exemplo 159
T : V V ento T injetiva se, e somente se, T sobrejetiva.

T injetiva ento Nu (T ) = 0. Logo, pelo Teorema 4 (TNI), dim Nu (T )+
dim Im(T ) = 0 + dim Im(T ) = dim V . Logo dim Im(T ) = dim V e, portanto, Im(T ) = V ,
isto , T sobrejetiva.
Se T sobrejetiva ento Im(T ) = V . Como dim Im(T ) = dim V , pelo Teorema 4 (TNI)
dim Nu (T ) = dim V dim Im(T ) = 0. Portanto o Nu (T ) = 0 e T injetiva.
Prove que se
De fato se Se
4.3 Composio e Inversa

Nesta seo re ordamos a operao de omposio de funes e apli amos ao aso parti ular
em que as funes so TLs. Um fato importante que a omposio (de funes e de TLs)
no omutativa de forma geral.
88
CAPTULO 4.
Re ordamos tambm a denio de funo inversa e obtemos propriedades de inversas de

TLs. Note que podemos inverter somente funes (e TLs) que so bijetivas.
Denio 59 ( omposio de funes)
Dadas
f :X Y
g : Y Z,
dene-se
gf : X
Z
x 7 g(f (x))
f
X
g
Y
f
Z
gf
Z
Lema 15 (propriedades da omposio de funes)

Z
X
Considere
h : Z W.
Asso iatividade:
No- omutatividade: em geral,

quando
Z = X,
f : X Y, g : Y
(f g) h = f (g h) = f g h.
gf
Exemplo 160 (no- omutatividade)
f g no est. Mesmo
f g podem diferir.
est bem denido, mas
aso em que ambas esto denidas,
gf
f (x) = x2 e g(x) = x + 1.
2
2
Ento f (g(x)) = (x + 1) = x + 2x + 1 =
6 g(f (x)) = x2 + 1. Portanto,
f g 6= g f .
Considere
neste aso,
Da denio de omposio de funes em geral, denimos a omposio de TLs.
prximo lema mostra que a omposio de TLs gera uma TL. Alm disso, a omposio de
TLs possui propriedades adi ionais.
lema!propriedades da omposio de TLs
Lema 16 (propriedades da omposio de TLs)
Suponha que
S, T, U
so transforma-
es lineares denidas em espaos vetoriais apropriados para que as omposies abaixo faam
sentido.
T S
uma transformao linear ( omposio de TLs uma TL);
(S + T ) U = S U + T U
(distributividade);
S (T + U) = S T + S U
(distributividade);
S (kT ) = k(S T ) = (kS) T ;
De forma geral
Prova:
S T 6= T S .
De fato, (T S)(ku + v) = T (S(ku + v)) = T (kS(u) + S(v)) = kT (S(u)) +

T (S(v)) = k(T S)(u) + (T S)(v).
As outras propriedades podem ser veri adas de maneira semelhante pelo leitor.
Exemplo 161 (no- omutatividade de TLs)

T (x, y) = (y, x) e S(z, w) = (w, z).
S(x, y) = T (y, x) = (x, y).
Ento
T, S : R2 R2 denidos por
S T (x, y) = S(y, x) = (x, y) 6= T
Considere
4.3.
COMPOSIO E INVERSA
Notao 1
89
As distributividade da omposio de TLs motiva a notao multipli ativa para
omposio de TLs:
T S
es rito omo
T S.
Neste sentido podemos dizer que fazemos o
produto de duas TLs quando al ulamos sua omposio.
Exemplo 162
Considere TLs denidas em
R2 :
projeo no eixo
reexo na reta
y = x: R(a, b) = (b, a);
reexo no eixo
y : S(a, b) = (a, b).
Cal ule
P S, SP, P R
x: P (a, b) = (a, 0);
RP .
Quais omposies omutam?
P S(x, y) = P (x, y) = (x, 0), SP (x, y) = S(x, 0) = (x, 0).

P R(x, y) = P (y, x) = (y, 0), RP (x, y) = R(x, 0) = (0, x).
Exemplo 163
Logo
P S = SP .
P R 6= RP
Logo
R uma rotao de graus em torno da origem no plano.

3
(a) Determine (R ) .
n
(b) Determine um n tal que (R60o ) = Id (identidade).
3
(a) rodar 3 vezes 60 graus o mesmo que rodar 180 graus. Logo R (x, y) = (x, y).
(b) rodarmos 6 vezes o mesmo que rodar 6 60 = 360 que o mesmo que no rodar
nada. Logo pode tomar n = 6, 12, 18, . . ..
Seja
Denio 60 (Funo Inversa)
f : X Y uma funo bijetiva. Dado y Y :

(a) sobrejetividade garante que existe x X tal que f (x) = y ;
(b) injetividade garante a uni idade de tal x.
1
Assim, a bem denida a inversa de f , denotada por f
: Y X , denida omo
1
f (y) = x.
Seja
f 1
Como funes bijetivas possuem inversas, usaremos, indistintamente, os termos
invertvel.
Exemplo 164
A inversa NO
Exemplo 165
10
log10 (y)
f (x) = x3
g(x) = 1/x3 .
A inversa de
A inversa de
f 1 (x) =
f (x) = 10x
pois
( 3 y)3 = y
f 1 (x) = log10 (x)
bijetiva
x3 = x.
log10 (10x ) = x
cos(arccos(y)) = y
pois
= y.
Exemplo 166
A inversa de
f (x) = cos(x)
arccos(cos(x)) = x.
A inversa NO
g(x) = 1/ cos(x).
f 1 (x) = arccos(x)
pois
90
CAPTULO 4.
Lema 17 (propriedades da funo inversa)
Seja
f (f (y)) = y para todo y Y ;

f 1 (f (x)) = x para todo x X .
(a)
(b)
Prova:
f :XY
uma funo bijetiva.
Imediata pela denio da inversa.
De fato, estas duas propriedades ara terizam a inversa, onforme veremos no prximo
lema.
Lema 18 ( ara terizao da funo inversa)
Seja
g, h : Y X satisfazendo:
(a) (g f )(x) = x para todo x X e
(b) (f h)(y) = y para todo y Y ,
1
ento f bijetiva e g = h = f
.
Se existem
Prova:
f :X Y
uma funo
qualquer.
IX a identidade em X e IY a identidade em Y .
Note que, se rs injetiva, ento s injetiva. E se rs sobrejetiva, ento r sobrejetiva.
1
est bem
Como IX injetiva, e IY sobrejetiva, podemos on luir que f bijetiva e f
Seja
denida. Assim,
g f = IX
f h = IY
Corolrio 5
Se
g f f 1 = IX f 1
f 1 f h = f 1 IY
bijetiva, ento
f 1
Lema 19 (inversa da omposta)

tambm o e
Prova:
(f g)
=g
Se
.
g = f 1
h = f 1 .
bijetiva e
(f 1 )1 = f .
f :Y Z
g:XY
so invertveis ento
f g
Basta observar o diagrama abaixo.
gf
X
f 1
g 1
f 1 g 1
X
Y
Vamos agora parti ularizar para o aso em que a funo uma TL. Para isto pre isamos
que ela seja uma bijeo.
Lema 20 (propriedades da inversa de TL)

ares bijetivas (ou invertveis), ento:
1
(a) T
tambm linear;
(b)
( )
U e V tm a mesma
(ST )1 = T 1 S 1 .
dimenso;
Sejam
S, T : U V
transformaes line-
4.4.
EXERCCIOS DE TRANSFORMAES LINEARES
91
Prova:
, R e u1 = T 1 (v1 ), u2 = T 1 (v2 ).
Ento, pela linearidade de T , T (u1 + u2 ) = T (u1 ) + T (u2 ) = v1 + v2 .
1
Logo T
(v1 + v2 ) = T 1 (T (u1 + u2 )) = u1 + u2 = T 1 (v1 ) + T 1(v2 ).
(b) Pelo Lema 14, omo T injetiva, dim Nu (T ) = 0; omo T sobrejetiva, dim Im(T ) =
dim(V ). Pelo Teorema 4 (TNI), dim(U) = dim Nu (T ) + dim Im(T ) = 0 + dim(V ) =
dim(V ).
(a) Sejam
v1 , v2 V
( ) segue pelo Lema 19.

O prximo teorema ara teriza as TLs (de
em
V)
que possuem inversa omo aquelas
om n leo trivial. resultado muito importante no urso.
Teorema 5 (inversa e o n leo)
Suponha
possui inversa se, e somente se, Nu (T )
Prova:
Se
de dimenso nita. Se
= 0.
T :V V
ento
possui inversa ento injetiva e pelo Lema 14 o n leo nulo.
Suponha que Nu (T )
= 0. Pelo Lema 14, T injetiva. Pelo Teorema 4 (TNI), dim(V ) =

dim(Nu (T )) + dim(Im(T )) = dim(Im(T )) (pois dim Nu (T ) = 0). Logo T sobrejetiva.
Como T injetiva e sobrejetiva segue que T invertvel.
Exemplo 167
Determine, se for possvel, a inversa das transformaes geomtri as no plano:
(a) rotao de
25
graus;
2x 3y = 0;
5x 2y = 0.
(a) inversa rotao de 360 25 = 335 graus pois
graus equivale a rodar 360 graus, isto , ar parado.
(b) reexo em torno da reta
( ) projeo na reta
rodar
25
graus e depois rodar
(b) inversa reetir novamente em torno da mesma reta (2x3y
335
= 0) pois duas reexes
seguidas an elam uma a outra;

( ) no possui inversa pois os vetores perpendi ulares a reta
n leo; omo ele no-trivial, esta TL no possui inversa.
5y 2y = 0
faro parte do
4.4 Exer ios de Transformaes Lineares

Exer io 1. Considere I : V V
todo
v V.
(a) Nu (I)
=
Nu (T ) =
(V, W, 0);
( )
(V, W, 0);
0 19.jul.2008 16h
T :V W
denidas por
I(v) = v
T (v) = 0
(b) Im(I)
(d)
se so lineares
T (x, y) = (x + 2y, xy);

2
( ) T (x, y) = (x + 2y, y);
(e) T (x, y) = (x + 2, 2x y).
Exer io 3. Seja T : V W uma
(i) a denio de Nu (T ) :
(A) {w W | T (0) = w};
(B) {w W | T (w) = 0};
(C) {v V | T (v) = 0};
(a)
T :R R
=
Im(T ) =
para
(V, W, 0);
(V, W, 0);
:
(b)
T (x, y) = (x + 2y, x y);

(d) T (x, y) = (x + 2y, 0);
TL. Para ada pergunta, es olha uma das opes.
92
CAPTULO 4.
{v V | T (0) = v}.
(ii) a denio de Im(T ) :
(A) {w W | w = T (v) para algum v V };
(B) {w W | v = T (w) para algum w W };
(C) {v V | w = T (v) para algum v V };
(D) {v V | v = T (w) para algum w W };
(iii) T sobrejetora se, e somente se:
(A) dim(V ) = dim(W );
(B) dim(Nu (T )) = dim(V );
(C) dim(Nu (T )) = 0;
(D) dim(Im(T )) = dim(W );
(E) dim(Im(T )) = 0.
(iv) T injetiva se, e somente se:
(A) dim(V ) = dim(W );
(B) dim(Nu (T )) = dim(V );
(C) dim(Nu (T )) = 0;
(D) dim(Im(T )) = dim(W );
(E) dim(Im(T )) = 0.
Exer io 4. Seja T : R7 R10 linear.
(a) se dim(Nu (T )) = 0 ento dim(Im(T )) =
;
(b) se dim(Nu (T )) = 3 ento dim(Im(T )) =
;
;
( ) se dim(Nu (T )) = 5 ento dim(Im(T )) =
Exer io 5. Determine dim(Im(T )) sabendo que:
5
4
(a) T : R R om dim(Nu (T )) = 3.
5
7
(b) T : R R om T injetiva;
Exer io 6. Determine dim(Nu (T )) sabendo que:
(a) T : V W om T sobrejetiva, dim(V ) = 5, dim(W ) = 3;
4
4
(b) T : R R sabendo que existe a inversa de T .
(D)
se so V ou F as seguintes armativas sobre TLs:
T : R5 R4 pode ser injetiva;

3
5
(b) T : R R om dim(Im(T )) = 3 injetiva.
n
m
satisfaz T (0) = 0 ento T linear.
( ) Se T : R R
(d) Se T injetiva ento no existe w 6= 0 tal que T (w) = 0.
(e) se T : V V possui inversa ento dim(Nu (T )) = dim(V ).
Exer io 8. Considere D2 : P3 P3 denido por D2 (f ) = f (duas
2
3
2
2
se fazem parte do Nu (D ): 3x + x ? 3x 4? x ? 5?
(a)
derivadas). Determine
4.4.2 Problemas
Problema 1. Considere T : R3 R2
Determine se:
(a)
(1, 2) Im(T );
(a)
(b)
( )
(b)
dada por
T (x, y, z) = (4x y + 2z, 2x + y/2 z).
(1, 4, 0) Nu (T );
( )
(0, 2, 2) Nu (T ).
o n leo, a imagem e suas respe tivas dimenses de:
T : R R , T (x, y, z) = (x y, y z , y x, y + z);
T : R3 R3 , T (x, y, z) = (x y, z + 2x, 2y + z);
L : R5 R3 , L(a, b, c, d, e) = (a + 3c e, c d + e, a + 4c d).
Problema 3. Cal ule a imagem e o n leo de ada uma das TLs abaixo:
4.4.
T
(b) T
( ) T
(d) T
(a)
93
: P3 P3 , denido por T (p) = p (segunda derivada).

: P2 R denida por T (p) = p(3).
: P2 P3 denido por (T (p))(x) = xp(x) x R.
: C 1 (R; R) C(R; R) denida por T (f ) = f .
Problema 4. Explique em ada aso abaixo porque no existe uma TL:

T
(b) T
( ) T
(d) T
(a)
: R4 R2 ujo n leo seja a origem;

: R4 R2 que seja injetiva;
: R7 R6 ujo n leo seja igual a imagem;
: R4 R3 om Nu (T ) = h(1, 0, 0, 0), (0, 1, 0, 0)i
e Im(T )
= h(1, 1, 2), (2, 2, 4)i.
Problema 5. Em ada item d um exemplo de TL satisfazendo as ondies dadas.

T : R2 R2
(1,0) e (1, 1) em (1, 1);

x+y+z =0
4
3
(b) T : R R tal que o n leo plano
e a imagem h(1, 1, 1), (1, 2, 3)i;
zw = 0
x=s
3
4
y=t
( ) T : R R ujo n leo seja dado pelas equaes paramtri as
e a
z
=
t
+
s
x=0
y=0 .
imagem seja soluo do sistema
zw =0
Problema 6. Seja Pn o espao dos polinmios de grau n. Determine se linear:
(a) L : P4 P4 denida por (L(p))(x) = p(x + 1);
(b) L : P2 P2 denida por (L(p))(x) = p (x) + 1;

2
2
( ) L : P2 P2 denida por (L(p))(x) = cx + ax + b se p(x) = ax + bx + c.
(a)
que leva
(1, 2)
em
Problema 7. Seja W = {p P3 | p(0) = 0}

que
injetiva.
Problema 8. Seja D2 : C 2 (R; R) C 2 (R; R)
Cal ule uma base para o n leo de
D : W P3
denida por
denida por
D 2 f = f
Dp = p .
Mostre
(derivada segunda).
Problema 9. Seja T (f )(x) = f (2x + 2).
Mostre que
S(f )(x) = f (x/2 1)
a TL inversa.
4.4.3 Desaos
Desao 1. (Shilov
x (que um
espao de dimenso innita) onsidere D o operador derivao om relao a x e S o operador
multipli ao por x.
(a) Mostre que DS SD = I ; Isto signi a que DS 6= SD .
p.114 #6 e #15) No espao de todos os polinmios em
(b) Utilize propriedades do trao (soma dos elementos da diagonal da matriz) para mostrar
que em dimenso nita no existem transformaes lineares
Desao 2. (Shilov p.117 #36) Mostre que:

Nu (T 2 ) Nu (T 3 ) .
Im(T ) Im(T 2 ) Im(T 3 ) .
(b) Nu (T )
(b)
Desao 3. Seja T : V V
dim Im T
. Prove que Nu T
linear om
Im T = 0.
Desao 4. Considere T : V W
(a) Nu (T )
A, B
T (V )
tais que
AB BA = I .
se, e somente se,
de dimenso nita. Suponha que
T 2 = 0;
dim Im T =
X V e U W subespaos vetoriais.
(a) Dena T (X) = {T (v) W | v X} (imagem direta de X por T ). Mostre que T (X)
um subespao vetorial de W .
linear,
94
CAPTULO 4.
1
(b) Dena T
(U) = {v V | T (v)
1
T (U) um subespao vetorial de V .
U}
(imagem inversa de
por
T ).
Mostre que
Desao 5. En ontre uma base de L(R2 ; R). Qual a dimenso deste espao?
Desao 6. En ontre uma base de L(R2 ; R2 ). Qual a dimenso deste espao?
Desao 7. (a) Considere T : R2 R2 . Prove que existem a0 , a1 , a2 , a3 , a4 R
2
que no
sejam todos nulos tais que a0 I + a1 T + a2 T + a3 T + a4 T = 0.

2
2
2
3
4
Di a: dim L(R ; R ) = 4, o onjunto {I, T, T , T , T } LI?.
n
n
(b) Considere T : R R . Prove que existe um polinmio p(x) no-degenerado de grau
n2 tal que p(T ) = 0.
k
Obs: Denimos p(T ) da seguinte forma. Se p(x) = a0 + a1 x + + an x , denimos p(T )
k
omo a matriz a0 I + aT + + an T .
Di a: Generalizao de (a).
Desao 8. Dado
formaes lineares de
fun ionais lineares em V .
denotamos por
L(V ; R)
v1 , v2 , . . . , vn
T1 , . . . , Tn L(V ; R) denido
das trans-
formas lineares
J sabemos que este um espao vetorial pois
vetoriais. Suponha que

(a)
V,
o onjunto
em R. Chamamos os elementos de V omo
um espao vetorial
V . Prove que:
Ti (vj ) = ij base
1 se i = j e 0 se i 6= j .
ou
R so espaos
base de
por
de
V .
O smbolo
ij
onhe ido omo delta de Krone ker e vale
(b) dim(V ) = dim(V ). Di a: Use (a).
Desao 9.
Considere
L(U; V ).
Desao 10. (desigualdade
espaos de dimenso nita.
Determine base e dimenso de
T, S : V V
= dim Im(ST ). Prove que
de Sylvester) Sejam
dim Im(T ) , rS = dim Im(S), rST
om
dim(V ) = n, rT =
rS + rT n rST min(rS , rT ).
4.4.4 Extras
Extra 1. Seja T : R7 R10
linear.
dim(Nu (T ))
;
(b) o maior valor possvel para dim(Im(T ))
.
Extra 2. Determine dim(Im(T )) sabendo que:
4
7
(a) T : R R e que a equao T v = w possui uma ni a soluo para um determinado
w.
6
5
(b) T : R R om T sobrejetiva;
Extra 3. Determine dim(Nu (T )) sabendo que:
6
8
(a) T : R R om dim(Im(T )) = 3;
(b) T : V W om T injetiva;
Extra 4. Considere T1 , T2 : R3 R2 denidas por T1 (x, y, z) = (x y + z, 2x y) e
T2 (x, y, z) = (3x 2y + z, x z). Determine uma base para Nu (T1 ) Nu (T2 ).
(a) o maior valor possvel para
Extra 5. Determine
(a)
(b)
a R;
( )
o n leo, a imagem e suas respe tivas dimenses de:
T : R R , T (x, y, z) = (z x, 2y + x, 3z 2x + 2y, 2y x, 2y z);

T : R4 R3 , T (x, y, z, w) = (x + z + w, 2y x, x + 2y + 2z + aw) para
L : R3 R4 , L(x, y, z) = (2x y + z, y z, 4x y + z, 2x 2y + 2z);
todo
4.4.
(d)
L : R4 R3 , L(x, y, z, w) = (x y + z 3w, 2x + y z + w, 3x 2w);
Extra 6. Explique em ada aso abaixo porque no existe

(a)
(b)
( )
95
uma TL:
T : R R que seja sobrejetiva;

T : R3 R2 ujo n leo seja gerado pelo vetor (1, 2, 1);
T : R6 R2 ujo n leo seja igual a imagem;
Extra 7. Em ada item d um exemplo de TL satisfazendo as ondies
dadas.
T : R2 R2 ujo n leo seja a reta x = 2y ;

2
2
(b) T : R R uja imagem seja a reta 2x + y = 0;
3
3
( ) T : R R ujo n leo seja o plano x + y z = 0 e a imagem seja a reta
(x(t), y(t), z(t)) = (t, 0, t);
3
4
(d) T : R R ujo n leo seja gerado por (1, 1, 1) e a imagem seja o hiperplano
x + y + z = 0;
2
2
(e) T : R R tal que T (1, 0) = (1, 1) e ujo n leo seja o eixo y ;
3
3
(f ) T : R R tal que T (1, 0, 0) = T (0, 0, 1) = T (1, 0, 1) = (1, 1, 1);
3
3
(g) T : R R ujo n leo seja gerado por (1, 1, 1) e a imagem seja o plano x+y+z = 0;
3
3
(h) T : R R tal que T (1, 0, 1) = (1, 1, 1) e tenha omo n leo o plano x + z = 0;
3
3
(i) T : R R tal que T (1, 0, 1) = (1, 1, 1) e tenha omo imagem o plano x + z = 0;
4
4
(j) T : R R ujo n leo seja h(1, 0, 1, 0), (1, 2, 0, 1)i e a imagem o plano dado por
(x(s, t), y(s, t), z(s, t), w(s, t)) = (s, t, s, s + t);
3
3
(k) T : R R tal que Nu T = h(0, 1, 0)i e Im T = h(1, 1, 1), (1, 0, 1)i. T injetiva?
(a)
Extra 8. Mostre que a omposio de duas TLs:

(a) uma TL;
(b) injetivas uma TL injetiva.
Extra 9. Seja T : V W
(a)
linear. Prove que:
T (0) = 0;
(b) Nu (T ) subespao vetorial de

( ) Im(T ) subespao vetorial de
(d) se
(e) se
T
T
injetiva,
leva onjunto LI em onjunto LI.
possui inversa,
Extra 10. (Shilov p.
V;
W.
leva base em base.
113 #3) Determine se so lineares as seguintes operaes no espao
de todos os polinmios em
(a) multipli ao por
Extra 11. Determine
x;
x:
(b) multipli ao por
T : Pn Pn+1 ,
x2 ;
x.
T (p)(x) = xp(x)
(multipli a o po2
linmio por x, aumentando seu grau). linear e injetiva. Por exemplo se p(x) = x + 1,
3
T (p)(x) = x + x.
Extra 12. Seja Pn
se
denido por
( ) derivada em relao a
n.
(a) L : P2 R denida por L(p) = (p(0) + p(1))/2.
(b) L : P5 P5 denida por (L(p))(x) = p(x) + 2;
o espao dos polinmios de grau
Determine se linear:
Extra 13. Sejam T, S : F (R; R) F (R; R) denida por T (f )(x) = 1 + f (x) e S(f )(x) =
f (x + 1)
(a) T
so lineares?
(b) Determine, para as que so lineares, o n leo e a imagem.
Extra 14. Sabemos
que se
a, b R
ento
ab = 0
impli a que
a=0
ou
b = 0.
Vamos ver
que para TLs isto no verdade.
Px no eixo x
Px Py = Py Px = 0;
(a) Considere projees

delas seja nula,
Py
no eixo
em
R2 .
Prove que embora nenhuma
96
CAPTULO 4.
(b) Considere
Prove que em
Dxx
nem
Dxxx
P4
Dxx
o operador segunda derivada e
(polinmios de grau mximo igual a
Dxxx o operador
4) Dxx Dxxx = 0
ter eira derivada.

embora nem nem
sejam nulos.
Obs: em lgebra quando a onte e de

um divisor de
0.
ST = 0
om
no-nulos dizemos que existe
Captulo 5
Matrizes
At este momento, matrizes apare eram prin ipalmente omo um artif io para resoluo de
sistemas lineares: ao invs de se tro ar linhas de um sistema, tro am-se linhas da matriz que o
representa, et . Neste aptulo as matrizes omo objetos matemti os independentes. Neste
aptulo apresentamos, para espaos vetoriais de dimenso nita, a asso iao entre:
TLs a matrizes e
matrizes a TLs.
Nesse sentido, toda TL dada por uma matriz e o estudo de TLs pode ser reduzido ao estudo
de matrizes.
A ada operao denida (no aptulo anterior) entre TLs orresponde uma
operao entre matrizes:
multipli ao de TL por es alar
soma de TLs
omposio de TLs
produto es alar-matriz;
soma de matrizes;
produto matriz-matriz.
Desta asso iao, utilizando denies orrespondentes om TLs, podemos ainda denir para
matrizes:
n leo, nulidade, posto e imagem;
inversa.
Prin ipais resultados:

(a) omo determinar n leo e imagem de matrizes;
(b) interpretaes do produto matriz-matriz;
( ) omo al ular a inversa de uma matriz;
(d) matrizes de TLs geomtri as;
(e) representao matri ial de TLs e mudana de base.
5.1 Denies e Operaes Bsi as

Nesta seo denimos matrizes, sua orrespondn ia om TLs, e operaes de soma e produto
por es alar. Mostramos que o onjunto de matrizes um espao vetorial om operaes de
soma e multipli ao por es alar.
0 Verso 21.jul.2008 16h
97
98
CAPTULO 5.
MATRIZES
matriz m n (m linhas e n olunas) sobre um onjunto de
Denio 61 (matriz)
Uma
es alares (aqui neste texto
R) um arranjo de mn elementos aij (i = 1, . . . , m e j = 1, . . . , n)
num retngulo:
A=
A = (aij ),
Es revemos tambm que
a1n
a11
..
.
..
.
am1 amn
onde o nmero de linhas e olunas a subentendido
pelo ontexto.
Observao 37
Para lembrar da onveno que matriz
mn
signi a
linhas e
olunas observe que quando queremos lo alizar uma letra numa pgina (arranjo retangular)
falamos que ela est na linha
m,
oluna
Denio 62 (matriz transposta)

B = (bij ) = AT
n:
transposta
mn
Note que
de uma matriz
A = (aij )
a matriz
dada por
bij = aji ,
Se
natural dizer a linha primeiro.
ento
AT
nm
i, j.
B = AT =
(AT )T = A.
para todo
Denio 63 (espao das matrizes)
an1
a11
.
.
.
.
.
.
a1m anm
Denotamos por
Mmn
o espao (mais adiante, no
Lema 24 da pgina 101, provamos que um espao vetorial) de matrizes om
linhas e
olunas.
Podemos ver uma matriz omo um onjunto de vetores dispostos em olunas ou linhas.
Assim, dado
A Mmn ,
pensando em olunas (so
olunas),
A = v1 vn ,
onde ada oluna o vetor
onde ada linha o vetor
vi Rm .
ui Rn .
Pensando em linhas (so
A=
u1
..
.
um
linhas),
Esta viso das matrizes
muito importante, entre outras
razes (aguarde prximos aptulos), pois as operaes de soma e produto so mais f eis (e
naturais) de serem denidas utilizando este ponto de vista.
Vamos omear revisitando a denio do produto matriz-vetor (j tnhamos visto duas
interpretaes distintas na pgina 42).
5.1.
DEFINIES E OPERAES BSICAS
Denio 64 (produto matriz-vetor)
w1
w2
.. Rn .
.
wn
Denimos
Aw Rm ,
Seja
99
A = v1 vn Mmn
o produto da matriz
Aw =
n
X
pelo vetor
w,
w =
por
wi vi .
i=1
Portanto o produto matriz-vetor a ombinao linear das olunas da matriz om oe ientes
dados pelas oordenadas do vetor.
Lema 21 (linearidade do produto matriz-vetor)

R
e es alar
Dados uma matriz
A,
vetores
k,
u, v
A(u + v) = Au + Av;
A(ku) = kAu.
Prova:
Basta es rever as oordenadas dos vetores
u, v
e apli ar a denio do produto
matriz-vetor omo ombinao linear das olunas da matriz. Deixamos detalhes para o leitor.
Lema 22 (interpretao do produto matriz-vetor)

e
w Rn .
Ento
Aw =
u1 w
..
.
um w
Seja
A=
u1
Mmn
.
.
.
um
Portanto ada entrada do produto matriz-vetor o produto es alar (reveja Denio 26 na

pgina 41) de
Prova:
om ada linha da matriz.
Veri ao deixada para o leitor. Basta expli itar em termos de oe ientes
da matriz e do vetor
w = (wi ).
(aij )
Ver Exemplo 168.
O produto matriz-vetor induz uma bijeo entre matrizes (Mmn ) e TLs (L(R
; R m ))
onforme veremos no Lema 23.
Denio 65 (TL asso iada a uma matriz)

n
L(R ; R )
por
TA (w) = Aw
Dada
(produto matriz-vetor).
A Mmn ,
TA
denimos
linear pelo Lema 21.
TA
Observao 38
Falamos, num abuso de linguagem, dada a matriz A, onsidere a transn

m
formao linear A : R R , utilizando o mesmo smbolo para a matriz e para a TL.
O orreto seria dizer dada a matriz
A,
onsidere a transformao linear
tambm falando no domnio e imagem de

de
TA .
A,
TA .
Abusamos
quando o orreto seria domnio e imagem
100
CAPTULO 5.
Exemplo 168
Considere
B=
1 2 3
4 5 6
. Determine
MATRIZES
TB : R3 R2 .
Utilizando a denio do produto matriz-vetor,

x

x
3
2
1 2 3
1
y =x
=
+z
B y =
+y
6
5
4 5 6
4
z
z
=
x
4x
2y
5y
3z
6z
x + 2y + 3z
4x + 5y + 6z
mais f il (e o que deve ser feito na prti a) usar o Lema 22 e fazer produto es alar
om linhas:
De uma
Observe

x

x
1
2
3
(1,
2,
3)
(x,
y,
z)
x
+
2y
+
3z
y =
B y =
=
.
4 5 6
(4, 5, 6) (x, y, z)
4x + 5y + 6z
z
z
forma ou de outra, on lumos que TB (x, y, z) = (x + 2y + 3z, 4x + 5y + 6z).
que a abamos de demonstrar o Lema 22 para a matriz B .
Lema 23 (bijeo entre matrizes e TLs)

matriz
A Mmn
Prova:
a transformao linear
A funo da Denio 65 que asso ia a ada
TA L(Rn ; Rm )
uma bijeo.
Vamos provar a injetividade. Suponha que TA = TB . Logo, dados vetores da

Rn ei , i = 1, . . . , n, TA (ei ) = Aei = Bei = TB (ei ) para todo i. Agora,
base anni a do
i-sima oluna de A pois na ombinao linear dos vetores olunas de

A vai apare er somente a i-sima oluna. Do mesmo modo, Bei a i-sima oluna de B .
Con lumos que ada oluna de A igual a ada oluna de B , isto , A = B , provando a
laro que
Aei
injetividade.
S L(Rn ; Rm ).
Dena vi = S(ei ), i = 1, . . . , n. Dena
A = v1 vn . Agora, laro que Aei = vi . Logo TA (ei ) = Aei = vi = S(ei ).
Como S e TA so lineares e assumem os mesmo valores em todos os vetores da base, pelo

Lema 11 da pgina 82, S = TA .
Para a sobrejetividade, onsidere
Exemplo 169
T (x, y, z, w) = (x y + 2z, x + y, z + w).

Cal ule T (1, 0, 0, 0) = (1, 1, 0), T (0, 1, 0, 0) = (1, 1, 0), T (0, 0, 1, 0) = (2, 0, 1),
T (0, 0, 0, 1) = (0, 0, 1). Colo ando estes vetores omo olunas da matriz A, obtemos que
Determine a matriz asso iada a
1 1 2 0
A= 1
1 0 0 .
0
0 1 1
Vamos denir as operaes abaixo utilizando as denies orrespondentes (ver Denio 2
Rn : note que o sinal de soma dentro da matriz tem signi ado
e Denio 4 na pgina 3) em
distinto do sinal de soma fora da matriz: trata-se de soma de vetores, num aso, e de soma
de matrizes, no outro.
5.2.
NCLEO E IMAGEM
101
Denio 66 (soma de matrizes e multipli ao por es alar)

A, B Mmn
ujas olunas so ompostas por vetores
A = a1 an
Dene-se
B = b1 bn .
A + B = (a1 + b1 ) (an + bn )
Observao 39
a1 , . . . , an
k um es alar
b1 , . . . , bn , isto ,
Sejam
kA = (ka1 ) (kan ) .
Poderamos ter feito a denio usual equivalente, omponente a om-
ponente,
(A + B)ij = aij + bij
Lema 24 (espao vetorial das matrizes)
O onjunto
denidas a ima espao vetorial.
Prova:
Uma matriz de
Mmn
(kA)ij = kaij .
Mmn
pode ser vista omo um vetor em
munido om as operaes
Rmn
om entradas
(aij ).
Vista deste modo, om operaes denidas omponente a omponente, Mmn igual a

mn
Como j sabemos que R
um espao vetorial, Mmn um espao vetorial.
Rmn .
5.2 N leo e Imagem

Dene-se n leo (ou kernel), imagem, posto e nulidade de uma matriz
mao linear orrespondente
Dada uma matriz

a imagem de
A?
TA
A atravs
da transfor-
da Denio 65.
A = v1 vn ,
omo determinar uma base para o n leo e para
(a) para o n leo temos que resolver o sistema
Ax = 0, o que feito es alonando a matriz
A.
TA (ej ) = Aej = vj , para j = 1, . . . , n ( olunas de A),
A geram Im(A). Uma base da imagem
obtida tomando-se um sub onjunto das olunas de A. Para fazer isto apli amos
o Lema 6 da
v1
.
T
..
pgina 66, es alonando (no pre isa ser totalmente es alonada) a matriz A =
.
vn
Em resumo, para al ular o n leo es alonamos totalmente a matriz A e resolvemos o
(b) para a imagem, o onjunto
gera a imagem.
Con lumos que as olunas de
sistema homogneo, para al ular a imagem es alonamos (no ne essrio es alonar totalT
mente) a matriz A .
102
Exemplo
170
CAPTULO 5.
MATRIZES
Determine uma base e dimenso do n leo e da imagem de
2
2 1 0
1
1 1
2 0
1
.
A=
1
1 2 0 1
0
0
1 0
1
Av = 0. Para isto,

1 1 0 0 1
. So trs variveis livres. Com isso
es alonando totalmente A, obtemos
0 0 1 0 1
sabemos que o n leo tem dimenso 3. Tomando r, s, t omo parmetros, obtemos que o
n leo (x1 , x2 , x3 , x4 , x5 ) = (s t, s, t, r, t). Colo ando r = 1 e s = t = 0 obtemos
(0, 0, 0, 1, 0) no n leo. Colo ando s = 1 e r = t = 0 obtemos (1, 1, 0, 0, 0) no n leo.
Colo ando t = 1 e r = s = 0 obtemos (1, 0, 1, 0, 1) no n leo. Portanto, uma base para
o Nu (T ) {(0, 0, 0, 1, 0), (1, 1, 0, 0, 0), (1, 0, 1, 0, 1)}.
Pelo TNI j sabemos que a dimenso da imagem 5 (nmero de olunas) menos a dimenso do n leo 3. Logo a dimenso da imagem 2. Para al ular uma base (e a dimenso tam
2 1
1 0
2 1
1 0
T
.
1
2
2
1
bm, aso tivssemos omeado por aqui) temos que es alonar A =
0
0
0 0
1
1 1 1

2 1
1 0
Es alonando obtemos,
. Portanto, uma base para o Im(T )
0 3/2 3/2 1
{(2, 1, 1, 0), (0, 3/2, 3/2, 1)}.
Para al ular o n leo temos que resolver o sistema homogneo
Exemplo
171
Determine uma
1
0 1 0
B = 1 1
1 1 .
0 1
0 1
base e dimenso do n leo e da imagem de
Para al ular o n leo temos que resolver o sistema

homogneo
Bv = 0.
Para isto,
1 0 1
0
. So duas variveis livres. Com
0 1
0 1
isso sabemos que o n leo tem dimenso 2. Tomando s, t omo parmetros, obtemos que o
n leo (x1 , x2 , x3 , x4 ) = (s, t, s, t). Colo ando s = 1 e t = 0 obtemos (1, 0, 1, 0) no n leo.
Colo ando t = 1 e s = 0 obtemos (0, 1, 0, 1) no n leo. Portanto, uma base para o Nu (T )
{(1, 0, 1, 0), (0, 1, 0, 1)}.
Pelo TNI j sabemos que a dimenso da imagem 4 (nmero de olunas) menos a
dimenso do n leo 2. Logo a dimenso da imagem 2. Para al ular uma base (e a dimenso
1 1
0
0 1 1
T
.
tambm, aso tivssemos omeado por aqui) temos que es alonar A =
1
1
0
0
1
1

1 1
0
Es alonando obtemos,
. Portanto, uma base para a Im(T )
0 1 1
{(1, 1, 0), (0, 1, 1)}.
es alonando totalmente
B,
obtemos
A relao entre linhas e olunas om n leo e imagem motiva a prxima denio.
Denio 67 (espao-linha e espao- oluna)

A,
espao- oluna de A o espao geespao-linha de A o espao gerado
isto , igual Im(A). O

T
pelas linhas de A, isto , Im(A ).
rado pelas olunas de
5.3.
PRODUTO E INVERSA
103
Lema 25 (dimenso do espao linha e oluna)
O dimenso do espao-linha igual a
dimenso do espao- oluna.
Prova: Considere A om m linhas e n olunas. A dimenso do espao- oluna igual a

dim(Im(A)). A dimenso do espao-linha o nmero k de linhas no-nulas aps es alonar
A. Como o sistema possui n variveis e foi reduzido a k equaes, on lumos que so
n k variveis livres, isto , o Nu (A) possui dimenso n k . Pelo TNI, dim(Im(A)) = n
dim(Nu (A)) = n (n k) = k . Ou seja, dimenso do espao- oluna = dim(Im(A)) = k =
dimenso espao-linha.
Como onseqn ia deste lema, quando se resolve um sistema automati amente obtemos
o posto da matriz, a dimenso de sua imagem, que igual ao nmero de linhas no-nulas da
matriz es alonada.
5.3 Produto e Inversa

A operao de produto entre duas matrizes onhe ida dos alunos. Vamos introduzi-la de
forma bastante distinta para depois re-interpret-la de diversos modos, tal qual zemos om
o produto matriz-vetor na Denio 64 e no Lema 22 deste Captulo.
Denio 68 (produto de matrizes)
A Mmp e B Mpn . Considere TA , TB

p
p
m
as TLs orrespondentes. Por denio TB : R R e TA : R R . Como a omposio
n
m
de TLs uma TL, S = TA TB : R R
TL. Pelo Lema 23, existe C Mmn tal que
S = TC . Denimos AB = C Mmn . Teremos ento que TAB = TA TB .
De forma mais urta, abusando a linguagem, C = A B ( omposio das TLs orrespondentes a A e B ).
Sejam
n
Observao 40
As restries nas dimenses das matrizes
AeB
para que faa sentido
AB
de orrem,
de forma natural, da denio por omposio de TLs: o ontradomnio de

ser igual ao domnio de
deve
B;
A no- omutatividade do produto de matrizes de orre da no- omutatividade da
O produto de matrizes herda todas as propriedades da omposio de TLs: distribu-
Porque no se dene o produto de matrizes omponente a omponente? A resposta
omposio de funes;
tividade, asso iatividade, et .
que, embora se possa fazer isto, por no orresponder a nada espe ial em termos
da TL orrespondente, uma denio estril (sem onseqn ias).
A denio a ima elegante mas no expli ita omo al ular o produto matriz-matriz.
Este o ontedo do prximo lema, que reduz o produto matriz-matriz a produtos matrizvetor.
104
CAPTULO 5.
Lema 26 (produto matriz-matriz)

om
vi Rp .
Prova:
Sejam
A Mmp
Ento,
MATRIZES
B = v1 vn Mpn ,
AB = A v1 vn = Av1 . . . Avn .
AB . Para isto, basta apli ar AB em

um vetor da base anni a ej . Note que TB (ej ) = Bej = vj (j -sima oluna de B ). Pela
Denio 68, TAB (ej ) = TA (TB (ej )) = TA (vj ) = Avj . Logo a j -sima oluna de AB
Avj .
Vamos determina quem so as olunas de
Observao 41
Podemos denir as operaes de soma e produto por es alar do mesmo
modo que zemos om o produto matriz-matriz: utilizando a bijeo entre matrizes e TLs.
A soma de duas matrizes
A, B
seria denida om a matriz
tal que
TC = TA + TB
(a
TC = kTA
(o
soma aqui de TLs!).

O produto do es alar
pela matriz
seria denida om a matriz
tal que
produto aqui om uma TL!).

Desta forma teramos que:
TA+B = TA + TB , TkA = kA, TAB = TA TB .
Vimos que (Denio 64 e Lema 22 deste aptulo) o produto matriz-vetor pode ser visto
omo:
(a) produto es alar om linhas da matriz, ou
(b) ombinao linear das olunas da matriz.
Vamos ver trs interpretaes para o produto matriz-matriz.
5.3.
PRODUTO E INVERSA
105
Lema 27 (interpretaes do produto matriz-matriz)

menses apropriadas para que esteja denido
(a) olunas de
AB
AB ).
Sejam
matrizes (de di-
Ento:
so ombinaes lineares das olunas de
A:
= p
m
n
m
n
(b) linhas de
AB
so ombinaes lineares das linhas de
B:
= p
m
n
m
n
( ) entradas de
AB
so produtos es alares de linhas de
por olunas de
= p
B:
m
n
n
Prova:
(a) segue do Lema 26 que olunas de
olunas de
B.
AB
om
segue o resultado.
(b)
so produto matriz-vetor de
Como produto matriz-vetor CL de olunas de
A,
segue de (a) se apli armos a transposio de matrizes dos dois lados; ( ) segue do Lema 64
e da interpretao do produto matriz-vetor do Lema 22.
Lema 28 (propriedades das operaes om matrizes)

lar
k , sempre que o produto faa sentido, valer

(kA)B = A(kB) = k(AB) (asso iativa),
(AB)C = A(BC) = ABC (asso iativa),
A(B + C) = AB + AC (distributiva),
(A + B)C = AC + BC (distributiva),
AB 6= BA (no- omutativo)
(AB)T = B T AT ,
AB = 0 6 A = 0 ou B = 0
Dadas matrizes
as seguintes propriedades:
A, B, C
e es a-
106
CAPTULO 5.
Prova:
Por ser enfadonha ser omitida.
MATRIZES
Pode ser feito por apli aes apropriadas do
Lema 21 e Lema 26 ou abrindo todas as matrizes em oordenadas. Outra opo utilizar

propriedades orrespondentes de TLs do Lema 16 da pgina 88.
Exemplo 172
Para mostrar que o produto de matrizes no omutativo de forma geral
observe que
1 0
0 0

0 1
0 0
0 1
0 0
6=
0 0
0 0
0 1
0 0

1 0
0 0
Este exemplo tambm mostra que o produto ser zero no impli a que um dos fatores zero,
ao ontrrio do que o orre om nmero reais, onde
ab = 0
impli a que
a=0
ou
b = 0.
Denio 69 (matriz identidade)

responde a TL identidade
I L(R
Denimos omo matriz identidade I a matriz que orn

; R ) denida por I(v) = v para todo v Rn . Em termos
de matriz, para toda matriz quadrada
A, AI = IA = A.
Portanto a matriz identidade o
elemento neutro para o produto de matrizes.

Expli itamente,
ser uma matriz diagonal om
n 1's
na diagonal, ou om os vetores da
base anni a em ada oluna, isto ,
I = e1 . . . en =
..
Denio 70 (matriz inversa e singular)

B
Diz-se que uma matriz

I . Neste aso, denota-se B = A1 .
AB = BA =
A no seja invertvel
tal que
Caso
Observao 42
Se
dizemos que
A invertvel se existe
singular.
quadrada, basta veri ar que
AB = I
ou que
BA = I .
A outra identidade segue.

Isto
falso se
a hiptese de
ser quadrada for relaxada.
O prximo Lema rela iona o n leo de uma matriz om a existn ia de inversa.
Lema 29 (n leo e inversa de matriz)

se, Nu (A)
Prova:
A matriz quadrada
A possui inversa se, e somente
= 0.
Considere
TA
a transformao linear asso iada a matriz
A.
Aplique o Teorema 5 da
pgina 91.
Como al ular a inversa de uma matriz qualquer?
Teorema 6 (algoritmo para al ular matriz inversa)

(a) Monte matriz estendida
Seja
uma matriz quadrada.
[A|I];
(b) Es alone totalmente at obter a matriz identidade no lado esquerdo.

1
Caso isto seja possvel, a inversa apare er do lado direito: [I|A ].
5.3.
PRODUTO E INVERSA
Prova:
Como
107
B = v1 vn
Pela observao a ima basta determinar
I = e1 . . . en ,
tal que
AB = I .
queremos que
AB = A v1 vn = Av1 . . . Avn = I = e1 . . . en .
Para isto temos que resolver
sistemas do tipo
Avi = ei
para
i = 1, . . . , n.
Na Seo 2.7.2
na pgina 46, vimos omo resolver simultaneamente sistemas ujo lado esquerdo o mesmo.
Monte a matriz ampliada
e1 en = [A|I]
e a es alone-a totalmente, obtendo a
matriz identidade esquerda e a soluo dos sistema no lado direito. Desta forma, aps o
es alonamento total, obteremos
e1 en = [A|I] I
v1 vn = [I|B] = [I|A1 ].

1 2
Exemplo 173 Considere A =
.
1
1

1/3 2/3
1 2 1 0
1 0
Es alonando totalmente
, obtemos
.
1
1 0 1
0 1 1/3 1/3

1/3 2/3
.
1/3 1/3

Logo,
A1 =
Finalizamos esta Seo om denies teis para a Seo Autovalores e Autovetores

(matriz simtri a) e para Seo Produto Interno (matriz ortogonal).
Denio 71 (matriz simtri a)
Dizemos que
simtri a se (AT ) = A.
Note que a matriz tem que ser, ne essariamente, quadrada para ser simtri a.
Exemplo 174
So simtri as:
k1 a
a k2
b c
Denio 72 (matriz ortogonal)

Exemplo 175
So ortogonais:
1
b
2
c ,
3
k3
4
Dizemos que
2
5
6
7
3 4
6 7
.
8 9
9 10
Q ortogonal se QT Q = I
(identidade).

1/ 2 0
3/2 0 1/2
sen
cos
0
0
1 0 ,
.
1 ,
cos sen
3/2
1/ 2 0
1/2 0
108
CAPTULO 5.
MATRIZES
5.4 Matriz em Blo os

J haviamos visto uma matriz por olunas ou linhas.
tamanho qualquer. Apresentamos a diviso em
Podemos generalizar para blo os de
blo os mas podemos dividir num nmero
arbitrrio de blo os. muito importante em linguagens de programao moderna (Fortran

2000 e Python por exemplo) e em programas de omputao ient a (S ilab, Matlab por
exemplo) interpretar o produto e soma de matrizes por blo os. Um exemplo onsidere a
matriz
blo os,
abaixo dividido em
A=
A11 A12
A21 A22
blo os:
2
1
2
1
2
2
2
2
2
2
2
3
2
3
2
2
4
2
4
2
2
5
2
5
2
Denindo
Aij
ada um destes
O resultado fundamental apresentado no prximo lema, que mostra que podemos operar
om os blo os omo se fossem nmeros, om o ni o uidade de manter a ordem nos produtos
pois o produto de matrizes no omutativo.
Lema 30 (soma e produto dematrizes

por blo os)
A11 A12
e B =
A
A22
21

kA11 kA12
k R, kA =
.
kA21 kA22
em blo os om
Seja
B11 B12
B21 B22
A=
Sejam
matrizes divididas
Caso o tamanho dos blo os sejam ompatveis para que as somas que apare em na frmula
sejam possveis,
A+B =
A11 + B11 A12 + B12

A21 + B21 A22 + B22
Caso o tamanho dos blo os sejam ompatveis para que os produtos que apare em na
frmula sejam possveis,
Prova:
AB =
A11 B11 + A12 B21 A11 B12 + A12 B22

A21 B11 + A22 B21 A21 B12 + A22 B22
Consulte a literatura.
Exemplo 176
Suponha
A M44
tal que
A=
B 0
0 C
om
B, C M22 .
Note que
aqui signi a
om todas as entradas nulas de tamanho apropriado.

2 uma matriz
1 Ento
B
0
B
0
2
1
A = AA =
=
2 . Suponha que B e C so invertveis. Ento A
1
o
pois
AA1

0 C
I 0
BB 1
0
= I.
=
=
0 I
0
CC 1
A B
Exemplo 177 Suponha A, B, C quadradas, M =
0 C

2
2A 2B
A AB + BD
2
e M =
.
Ento 2M =
0 2C
0
C2
Exemplo 178
Suponha
A, B
quadradas,
. Cal ule
M2
2M .
matriz identidade om a dimenso orreta em
ada aso (qual deve ser? note que usamos mesmo smbolo om signi ado diferente, abuso
omum de linguagem). Seja
Ento
M +N =
M=
A 0
0 I
A+I
0
0
B+I
I
, M =
0
A
MN =
0

0
. Cal ule M + N, MN, NM .
B
0
= NM .
B
5.5.
TRANSFORMAES GEOMTRICAS
109
5.5 Transformaes Geomtri as

Uma apli ao importante de matrizes omputao gr a. Elas so utilizadas para se fazer
transformaes em imagens tais omo ampliaes e redues, reexo e rotao, projeo.
Em todos os exemplos vamos utilizar o resultado que garante que basta saber o valor de uma
TL em vetores da base para se onhe er em todos os vetores (Lema 11 da pgina 82).
Exemplo 179 (matriz de ampli ao ou reduo)

dos os vetores do plano por um fator
Determine a matriz que amplia to-
k.
A(1, 0) = k(1, 0) = (k, 0), A(0, 1) = k(0, 1) = (0, k).

k=2
ilustrao do aso
veja Figura 7.3 na pgina 165.
Exemplo 180 (matriz de reexo no eixo-x)

A(1, 0) = (1, 0), A(0, 1) = (0, 1).
A =
Logo,
gura 7.1 na pgina 164.
Exemplo 181 (matriz de reexo no eixo-y )

do plano em torno do eixo-y .
A(1, 0) = (1, 0), A(0, 1) = (0, 1).
Logo,
A=
y = x.
Com auxlio de um desenho, verique que
A=
0 1
1
1
= kI .
Para
1
0
0 1
Para ilustrao veja Fi-
Determine a matriz que reete os vetores
1 0
0 1
Exemplo 182 (matriz de reexo na reta y = x)

vetores do plano em torno da reta
k 0
0 k
Determine a matriz que reete os vetores
do plano em torno do eixo-x.
A=
Logo,
Determine a matriz que reete os
A(1, 0) = (0, 1), A(0, 1) = (1, 0).
Logo,
Exemplo 183 (matriz de reexo no plano z = 0)
Determine a matriz que reete os
z = 0.
Como os vetores que esto no plano z = 0 tem omo imagem eles mesmo, A(1, 0, 0) =
(1, 0, 0), A(0, 1, 0) = (0, 1, 0). O vetor (0,0, 1) aps reexo
se transformar em (0, 0, 1).
1 0
0
0 .
Logo, A(0, 0, 1) = (0, 0, 1). Logo, A = 0 1
0 0 1
vetores do espao em torno do plano
Exemplo 184 (matriz de rotao)

por um ngulo
Determine a matriz
que roda os vetores do plano
(no sentido trigonomtri o, isto , anti-horrio).
sen
Observe na gura abaixo a imagem de
R(e1 )
R(e1 ) = (cos , sen )
R(e2 )
Para ilustrao de uma rotao de
R(e2 ).
R(e1 )
cos e1
Logo,
e2
cos
sen
R(e2 ) = ( sen , cos ).

23
Logo,
R=
veja Figura 7.2 na pgina 164.
cos sen
sen
cos
110
CAPTULO 5.
Exemplo 185 (matriz de projeo no plano z = 0)

vetores do espao no plano
MATRIZES
Determine a matriz que projeta os
z = 0.
z = 0 tem omo imagem eles mesmo, A(1, 0, 0) =

(0,0, 1) quando projetado valer (0, 0, 0). Logo,
1 0 0
A(0, 0, 1) = (0, 0, 0). Logo, A = 0 1 0 . Para ilustrao veja Figura 7.9 na pgina 169.
0 0 0
Como os vetores que esto no plano
(1, 0, 0), A(0, 1, 0) = (0, 1, 0).

O
vetor
Exemplo 186 (matriz de projeo no plano y = 0)

vetores do espao no plano
Determine a matriz que projeta os
y = 0.
y = 0 tem omo imagem eles mesmo, A(1, 0, 0) =

(1, 0, 0), A(0, 0, 1) = (0, 0, 1). O
vetor (0,1, 0) quando projetado valer (0, 0, 0). Logo,
1 0 0
A(0, 1, 0) = (0, 0, 0). Logo, A = 0 0 0 .
0 0 1
Como os vetores que esto no plano
5.6 Mudana de Base
Para se entender orretamente esta seo deve-se estudar no Captulo de Espaos Vetoriais o
on eito de oordenadas (veja Denio 48 na pgina 67) de um vetor numa base. Re ordemos
que as oordenadas so es ritas omo uma matriz om uma ni a oluna.
n
m
J vimos omo asso iar a TLs de R em R uma matriz. Mais pre isamente, o Lema 23
n
m
mostrou que existe uma bijeo entre Mmn (matrizes) e L(R ; R ). Vamos agora asso iar
matrizes a TLs entre dois espaos vetoriais quaisquer de dimenso nita.
Denio 73 (matriz asso iada a TL)

U
de
V.
Denotamos por
[T ]
[T ]
T L(U; V )
e bases
a matriz de que representa
T.
= {u1 , . . . , un }
de
T (ui )
na
Ela denida por
= [T (u1 )] [T (un )] .
Desta forma, ada oluna da matriz

base
Seja
[T ]
formada pelas oordenadas do vetor
Em que sentido a matriz
[T ]
representa
T?
A resposta est no prximo teorema, ujo resultado apresentamos no diagrama abaixo.

O signi ado do diagrama (e do teorema) que tanto faz, partindo de
diretamente
e al ular suas oordenadas na base
e apli ar a matriz
[T ] .
U
[ ]
Rn
[T ]
u U,
apli ar
ou al ular suas oordenadas na base
Rm
[ ]
5.6.
MUDANA DE BASE
111
Teorema 7 (relao entre matriz e TL)

Ento, para todo
Prova:
u U,
Seja
T L(U; V )
e bases
de
de
V.
[T (u)] = [T ] [u] .
= {u1 , . . . , un }. Ento, pela linearidade do produto matriz-vetor (Lema 21),

[T (u)] = [T ] [u] para todo u U se, e somente se, [T (uj )] = [T ] [uj ] para
j = 1, . . . , n.
Como [uj ] = ej , [T ] [uj ] = [T ] ej , que igual a j -sima oluna de [T ] , que
por denio [T (uj )] . Portanto, [T ] [uj ] = [T (uj )] .
Seja
Exemplo 187
Considere
Exemplo 188
Considere
Exemplo 189
Considere
T : R2 R3 linear tal que T (1, 0) = (1, 2, 3) e T (2, 1) =

(0, 0, 2). Considere as bases = {(1, 0), (2, 1)}, = {(1, 2, 3), (0, 0, 2), (0, 1, 0)},
2 = {(1, 0), (0, 1)} e 3 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}. Determine [T ] = e [T ]3 2 .

1
Como a base = {(1, 0), (2, 1)}, pre isamos al ular [T (1, 0)] = [(1, 2, 3)] = 0 e
0

1 0
[T (2, 1)] = [(0, 0, 2)] = 1 . Logo, [T ] = [T (1, 0)] [T (2, 1)] = 0 1 .
0
0 0
Como a base 2 = {(1, 0), (0, 1)}, pre isamos al ular [T (1, 0)]3 e [T (0, 1)]3 . Embora no tenha sido forne ido T (0, 1) diretamente, note que (0, 1) = (2, 1) 2(1, 0). logo,
T (0, 1) = T (2, 1)
2T
(1, 0) = (0, 0, 2) 2(1, 2, 3) = (2, 4,4). Portanto, [T (1, 0)]3 =
2
1
4 . Logo, [T ]3 2 =
2
e [T (0, 1)]3 = [(2, 4, 4)]3 =
[(1, 2, 3)]3 =
4
3
1 2
[T (1, 0)]3 [T (0, 1)]3 = 2 4 .
3 4
T : R2 R2 om T e1 = e1 + e2 , T e2 = 2e1 + 2e2 , base
anni a de R . Determine [T ] .

1
2
1 2
.
e [T e2 ] = [2e1 + 2e2 ] =
, [T ] =
Como [T e1 ] = [e1 + e2 ] =
1
2
1 2
2
T : R2 R2 om T e1 = e1 + e2 , T e2 = 2e1 + 2e2 ,
= {v1 , v2 } om v1 = e1 + e2 , v2 = e2 2e1 . Determine [T ] .
Pre isamos al ular [T (v1 )] e [T (v2 )] .
Vemos que [T (v1 )] = [T (e1 + e2 )] = [T (e1 ) + T (e2 )] = [(e1 + e2 ) + (2e1 + 2e2 )] =

3
[3(e1 + e2 )] = [3v1 ] =
.
0
Por outro lado, [T (v2 )] = [T (e2 2e1 )] = [T (e2 ) 2T (e1 )] =

0
[(2e1 + 2e2 ) 2(e1 + e2 )] = [0] = [0v1 + 0v2 ] =
.
0

3 0
Logo, [T ] =
.
0 0
Notao 2
Quando uma TL vai de um EV nele mesmo,
mesma base
para o domnio e o ontra-domnio.
T : U U , podemos es olher
Podemos denotar [T ] por [T ] .
112
CAPTULO 5.
Exemplo 190
Determine
Seja
[D] .
= {1, x, x2 },
D : P2 P2
0
D(1) = 0 e [0] = 0 , D(x) = 1
0
0 1 0
0 0 2 .
Logo [D] =
0 0 0
Exemplo 191
denido por
D(f ) = f
1
[1] = 0 , D(x2 ) = 2x
0
MATRIZES
(derivada).
0
[2x] = 2 .
0
= {sen x, e2x , cos x}, V = hi C(R; R) e D : V V denido por

D(f ) = f (derivada). Determine [D] .

0
1
D(sen x) = cos x e [cos x] = 0 , D(cos x) = sen x e [ sen x] = 0 ,
1
0
0
0 1 0
0 2 .
D(e2x ) = 2e2x e [2e2x ] = 2 . Logo [D] = 0
0
1
0 0
Seja
Denio 74 (matriz de mudana de base)

identidade
I.
Considere bases
de
e a matriz
Como
[I] [u] = [I(u)] = [u],

a matriz [I] transforma as oordenadas de
denio, se = {u1 , . . . , un },
[I]
Exemplo 192
[I]
Observao 43
da uma base
Pela
= [I(u1 )] [I(un )] = [u1 ] [un ] .
imediato que
[I] ,
para oordenadas na base
Considere as bases de
Se quisermos
u na base
R2 :
anni a
= {(1, 2), (3, 4)}.

1
3
= [(1, 2)] [(3, 4)] =
.
2 4
pelo Corolrio 6 mais adiante, basta inverter a matriz a ima.
Do exemplo anterior observamos que l ulo da matriz mudana de base
qualquer para anni a
muito f il. A matriz de mudana inversa pode
ser obtida invertendo esta matriz. Esta uma importante onseqn ia do prximo lema.
5.7.
EXERCCIOS DE MATRIZES
113
Lema 31 (relaao entre produto de matrizes e omposio de TLs)

L(U; V )
S L(V ; W ),
e bases
, ,
de
U, V, W ,
Dados
onforme indi ado no diagrama abaixo,
[S] [T ] = [S T ] .
ST
T
U
[ ]
Rn
[ ]
Rm
[T ]
[ ]
[S]
Rp
[S T ]
Prova:
Omitimos.
Corolrio 6 (inversa da mudana de base)
Considere bases e de U e a matriz iden1

tidade I . Ento a matriz mudana de base [I] igual a [I] (inversa).
Qual a relao entre matrizes que representam a mesma TL? Vamos simpli ar e onsiderar
T L(U; U) (mesmo
matrizes [T ] e [T ] ?
o aso em que
entre as
espao). Considere bases
Denio 75 (matrizes semelhantes)
U.
de
Dizemos que duas matrizes A e

P tal que P AP 1 = B .
Qual a relao
B so semelhantes
quando existe uma matriz invertvel (quadrada)
Lema 32 (matrizes da mesma TL)

[T ]
Prova:
[T ]
so semelhantes om
Considere
P = [I]
T L(U; U)
e bases
de
U.
Ento
(matriz de mudana de base).
IT I = T , apli ando o Lema 31 duas vezes, [I] [T ] [I] = [T ] .

P = [I] e apli ando o Corolrio 6, P 1 = [I] .
Como
Tomando
O que o orre de forma geral que fazendo uma es olha adequada da base, a matriz que
representa a TL pode ser muito mais simples, omo por exemplo diagonal. Como des obrir
qual base far isso? Este o assunto do Captulo Autovalores e Autovetores.
Para resumir o ontedo desta Seo, observamos que as oordenadas de um vetor esto
para o vetor assim om a matriz que representa uma TL est para a TL:
oordenadas
vetor
matriz
transformao linear
5.7 Exer ios de Matrizes

Exer io 1. Qual(is) das seguintes
0 28.jul.2008 11h
propriedades do produto de matrizes so vlidas:
114
CAPTULO 5.
MATRIZES
(a) asso iatividade?

(b) omutatividade?
( ) distributividade?
Exer io 2. Se A, B Mnn
ento
(A + B)(A + B) =
(A2
+ 2AB + B 2 , A2 + AB +
BA + B 2 )
Exer io 3. Seja A uma matriz e TA

igual a
dim
dim(Nu (A)) =
O posto de
invertvel ento
que a representa nesta base
dim(Im(A)) =
;
T : R2 R2 e a matriz
(b)
Exer io 5. Considere = {(1, 0), (0, 1)} a

(a) se
A.
)(Nu (TA ), Im(TA )).
Exer io 4. Se A Mnn
(a)
a transformao linear induzida por
base anni a do
[T ] .
T (x, y) = (3x + 7y, 5x 4y),
ento
T (x, y) = (y, x), ento [T ] =

1 0
( ) se [T ] =
, ento T (x, y) = (
3 0
0 1
, ento T (x, y) = (
(d) se [T ] =
8
3
(b) se
[T ] =

R2 ,

);
,
).
Exer io 6. O produto matriz-vetor pode ser visto omo:

(a) ombinao linear das
(b) produto es alar om as
(linhas,
olunas) da matriz;
(linhas, olunas) da matriz.
Exer io 7. Sejam A e B matrizes (de dimenses apropriadas para que esteja denido AB ).
Ento:
(a) olunas de
(A,
AB
(linhas,
so ombinaes lineares das
olunas)
da matriz
B ).
AB so ombinaes lineares
( ) entradas de AB so produto es alar de
(linhas, olunas) B .
Exer io 8. Considere uma matriz A om m
(linhas,
olunas) da matriz
(linhas, olunas) de A por
(b) linhas de
linhas e
(A,
B ).
olunas. Determine se verdadeiro
ou falso:
(a) se
(b) se
m > n ento as olunas so LIs;

m < n ento o n leo de A ontm
uma reta;
5.7.2 Problemas
N leo e Imagem e Inversa em Rn
Problema 1. Para ada uma das matrizes abaixo, determine uma base e dimenso do n leo
e da imagem.
(a)
( )
1
2
0
1
0
2
1
1
0
0
1
2
1 1
2 0
0 1
1 0
(b)
(d)
1 2 0 0
1 3 1 0
0 1 1 0
1
0 1 0
1 1
1 1
0 1
0 1
5.7.
115
Problema 2. Inverta as matrizes:
1 1 1
2 1
1 1 .
(a)
;
(b) 1
1 0
0
0 1
Problema 3. En ontre a representao matri ial e inverta (se for possvel) a TL: T (x, y, z) =
(x + z, x z, y);
1 0 0
Problema 4. Considere a matriz A = 1 3 0
1 3 5
1
(a) Cal ule A . (inversa)
(b) Determine u, v e w tais que: Au = e1 , Av = e2 , Aw = e3 .
A (que
0 I
;
I 0
identidade e
(a)
a matriz inversa das matrizes formada por: blo os de zeros, matriz
no pre isa ser invertvel).

(b)
Problema 6. Seja S =
0 I
B 0
uma matriz de blo os. Cal ule
I A
0 I
S 2.
Geometria e TLs
Problema 7. Este
exer io para ser feito om argumentos geomtri os. Todas as trans2

2
formaes esto denidas de R em R . Seja P uma projeo ortogonal na reta r e R uma
reexo em torno da mesma reta

(a) Im(P )
(d)
RR =
(P, R, I, 0);
Pn e
(g) de forma geral
Problema 8. Cal ule

plano
xz
r.
Determine:
(b) Nu (R)
(0, r, R2 );
om
(0, r, R2 );
RP = (P, R, I, 0);
1 n N.
(e)
Rn
( )
(f )
PP =
PR =
(P, R, I, 0);
(P, R, I, 0);
uma base para o n leo e a imagem de uma projeo ortogonal no

x e z ) em R3 .
(gerado pelos eixos
Mudana de bases
R2 : = {(6, 11), (2, 4)} = {(1, 0), (0, 1)}.

(a) Cal ule a matriz mudana de base [I] .
(b) Explique omo determinar [I] usando (a). (No faa as ontas.)

2 1
( ) Verique que [I] =
11/2
3
Problema 10. Seja = {(1, 0, 0), (0, 1, 1), (1, 1, 0)}.
(a) Cal ule [I] e [I] .
(b) Se v = (0, 1, 0), al ule [v]

1
( ) se [w] = 2 determine [w] .
3
(d) se T (x, y, z) = (x z, z, y + 2z), determine [T ] .
Di a: [T ] = [I] [T ] [I]

2
1
2
2
Problema 11. Considere T : R R dada na base anni a por
.
0 1
(a) A he u e v no-nulos tais que T u = 2u e T v = v;
2
(b) prove que = {u, v} base de R ;
as bases de
116
CAPTULO 5.
[T ] .
( ) determine
MATRIZES
Note que nesta base a matriz que representa mais simples
(diagonal).
trs bases distintas
1 , 2 , 3
de um espao vetorial de dimenso
nita.
[I]1 1 ;
A = [I]1 2 , B = [I]2 3 , C = [I]3 1 .
(a) determine
(b) dena
Problema 13. Considere V = P1 , o espao

bases
= {1 x, 2x} = {1 + x, x}.
om
Df = f
ABC .
dos polinmios de grau menor ou igual a 1 e as
Determine
Problema 14. Considere W = hex , xex , x2 ex i.
Determine
[I] .
Determine a matriz que representa
nesta base.
Problema 15. Seja 1 = {1, x}
S : P1 P2 , denida por
S(p)(x) = x2 + x. Determine
P1 e 2 = {1, x, x2 } base
S(p)(x) = xp(x). Assim, por exemplo
[S]2 1 .
base de
de
se
D:W
P2 . Considere
p(x) = x + 1,
5.7.3 Desaos
Desao 1. Suponha
em termos de
que
a inversa de
Mostre que
de
ento
linear e
T = I
Desao 3. Seja Jn
(I
invertvel e determine
A1
[T ] = A
para
uma matriz quadrada xa. Se
para algum
identidade).
Mostre que
B.
Desao 2. Considere T : V V
qualquer base
A2 .
uma matriz quadrada

1
1
Jn ) = I n1
Jn .
nn
(a trasnformao um mltiplo da
em que todas as entradas so iguais a
Desao 4. Prove que se A invertvel ento A + B
invertvel se, e somente se,
1.
I + BA1
invertvel.
Desao 5. Fixe B Mnn
e dena T, S : Mnn Mnn por T (A) = AB BA

A Mnn .
(a) mostre que Nu (T ) no-trivial. Con lua que T no invertvel;
(b) Mostre que Nu (S) = {0} se, e somente se, B possui inversa.
S(A) = BA
Desao 6. Para nmeros reais vale a hamada lei do orte:
se
ab = ac
Para matrizes isto no vlido.

(a) tome
ento
b = c.
2 2
e determine B, C M22 tal que AB = AC e B 6= C ;
2 2
que A invertvel, mostre que AB = AC impli a B = C .
Desao 7. Seja R : R2 R2
uma rotao em torno da origem om ngulo
0 < 2 .
2
(a) se 6= 0 existe v R , v 6= 0, R v = v?
2
(b) se v R , v 6= 0, determine ondies em
independentes.
Desao 8. (Shilov p.114 #11) Considere A =

Desao 9. (Shilov
B
a 6= 0
A=
(b) supondo
para todo
1 1
0 1
para que
. Cal ule
An
R v
satisfazendo
sejam linearmente
para qualquer
n N.
3
o
p.114 #5) Em R onsidere A uma rotao de 90 em torno do eixo-x
o
o
uma rotao de 90 em torno do eixo-y e C uma rotao de 90 em torno do eixo-z .
Mostre que:
4
(a) A =
B4 = C 4 = I ;
(b)
AB 6= BA;
( )
A2 B 2 = B 2 A2 .
5.7.
117
5.7.4 Extras
Extra 1. Para
da imagem.
(a)
1
1
0
1
ada uma das matrizes abaixo, determine uma base e dimenso do n leo e
1
0
0
1
;
0
0
0 1
Extra 2. Considere A =
posto de
A:
(a) seja 1;
(b)
(b) seja 2.
Extra 3. Inverta as matrizes:

Extra 4. En ontre
2 h 7
4 5 7
(a)
1
0
1 1
;
0
2
1
2
1
2
2
1
( )
. Determine TODOS os valores de
1 1
1 1
0
0
0
0
1
0
0
0
hR
(b)
0
0
0
1
0
0
.
0
0
tais que o
1 0 1
0 1 1 .
1 1 0
a representao matri ial na base anni a e inverta (se for possvel):
T (x, y, x) = (z, y + z, x + y + z).
Geometria e TLs
Extra 5. Determine a TL que representa uma reexo em R2 em relao a reta x + y = 0.
Extra 6. Em ada item d um exemplo de uma T : R3 R3 que seja uma:
(a) projeo sobre o plano
y = z;
(b) rotao de
450
em torno do eixo
z.
Extra 7. Este
exer io para ser feito om argumentos geomtri os. Todas as transforma2

2
es esto denidas de R em R . Sejam:

R
P
Q
r,
uma projeo ortogonal na mesma reta

r,
perpendi ular a reta
r.
Determine:
(a)
( )
PQ =
QR =
(P, Q, R, I, 0);
QP =
RQ =
(d)
Matrizes
Extra 8. En ontre uma P
(no pre isa al ular
) tal que:
Di a: reveja o Problema 11.
Extra 9. Verique
(P, Q, R, I, 0);
(b)
(P, Q, R, I, 0);
(P, Q, R, I, 0).
1 2
3 2
P =
4
0
0 1
se subespao vetorial o sub onjunto das matrizes quadradas:
(a) triangulares superiores;

(b) diagonais;
( ) simtri as;
(d) determine bases para os os sub onjuntos a ima que sejam subespaos quando a matrize
22
3 3.
Extra 10. D exemplos de matrizes em M22

(a)
( )
A = I ;
C 2 = C om C 6= I ;
tais que:
(d)
Extra 11.
(a) En ontre uma base de
M23 .
B 2 = 0 om B 6= 0;
C 2 = I om C 6= I ;
(b)
Qual a dimenso deste espao?
118
CAPTULO 5.
(b) De forma geral, determine base e dimenso de
Mmn .
Extra 12. Considere W1 , W2 subespaos das matrizes quadradas 4 4.

das matrizes triangulares superiores e
W2
W2
Seja
W1
MATRIZES
o subespao
as matrizes triangulares inferiores. Prove que
o subespao das matrizes diagonais.
W1
Extra
espao das
13. Considere
V o
matrizes
diagonais
2 2 e as bases
1 0
0 0
0 0
0 1
1 0
0 1
Extra 14. Considere T : Mmn Mnm
0 0
0 1
denida por
. Determine
[I] .
T (A) = AT .
(a) Determine Nu (T ) e Im(T ).

(b) Determine se
injetiva e se
sobrejetiva.
n
Extra 15. Suponha
que A Mnn satisfaz Avi = i vi om vi R , i R e i = 1, . . . , n.

P = v1 vn e uma matriz diagonal onde os elementos da diagonal so

1 , . . . , n . Mostre que AP = P .

5 3
6 2
Extra 16. Considere as matrizes A =
B=
Resolva a equaao matri ial
3 2
2 4
(i.e. determine a matriz X) AX + 2I = B .
Dena
Extra 17.
Denio 76 (matriz nilpotente)
k
Dizemos que uma matriz quadrada

= 0 e N k1 6= 0.
nilpotente de
k N tal que N

0 1
(a) mostre
nilpotente;
0 0
0 1 0
(b) mostre que 0 0 1 nilpotente. Qual valor de k ?
0 0 0
( ) Seja D o operador de derivao em Pn (polinmios de grau menor ou igual n).
que D nilpotente. Qual o valor de k ?
1
= I + N + N 2 + N 3 + + N k1 .
(d) Mostre que (I N)
ordem
se existe
Mostre
Mudana de bases
Extra 18. Considere as bases de R3 : = {v1 , v2 , v3 } e = {w1 , w2 , w3 } om w1 = v1 +v3 ,
w2 = v1 + v2 + v3
Extra 19. Considere
w3 = v1 v3 .
Determine a matriz mudana de base
[I] .
R3 : = {(1, 0, 1), (1, 2, 3), (1, 1, 1)}, = {(3, 2, 1),

(4, 5, 6), (7, 8, 9)} = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} (base anni a).
(a) determine as matrizes mudana de base A = [I] e B = [I] ;
1
1
(b) es reva equaes matri iais que determinem, omo funo de A, B, A , B
(no
1
1
al ule A , B , as matrizes mudana de base [I] , [I] , [I] , [I] .
as bases de
Extra 20. Seja = {(1, 1,1), (1, 1, 1), (0, 1, 1)} base
que
[I]
1
0 0
= 2 1 1 .
0
0 1
Extra 21. Considere

[v]1 = (2, 3)
as bases do
determine
[v]2 .
de
R3 .
R2 : 1 = {(1, 1), (1, 1)}
Determine uma base
2 = {(0, 2), (1, 0)}.
tal
Se
5.7.
Extra 22. Considere
as bases de
matriz mudana de base
[I] .
R2 : = {(1, 0), (0, 2)}
119
= {(1, 1), (2, 1)}.
Extra 23. Considere as bases do P2 : = {1, x, x2 } e = {1 + x, 1 x, x2 + 1}.
Cal ule a
Determine
[I] .
Extra 24. Seja D
Df = f denido em Wi = hi i. Determine a
matriz [D] que representa D : Wi Wi na base i :
i
x 2x
x
x
(b) 2 = {e , e };
( ) 3 = {1, x, e , xe };
(a) 1 = {cos x, sen x};
Extra 25. Seja D2 o operador derivada segunda, isto , D2 f = f denido em Wi = hi i.
2
2
Determine a matriz [D ] que representa D : Wi Wi na base i :
i
2
(b) 2 = {sen(x), sen(2x), sen(3x)}.
(a) 1 = {1, x, x };
Extra 26. Considere T : P2 P2 , denido por T (p)(x) = p(x + 1). Seja = {1, x, x2 }.
Cal ule [T ] .
o operador derivada, isto ,
120
CAPTULO 5.
MATRIZES
Captulo 6
Determinante
Vamos responder as seguintes perguntas sobre o determinante:
(a) O que ?
(b) Quais so suas propriedades?
( ) Como se al ula (Qual a frmula ou algoritmo para o l ulo)?
(d) Qual a utilidade?
Note que saber
o que no o mesmo que saber omo se
al ula.
Vamos omear a responder a pergunta

O que o determinante?
O determinante uma funo que asso ia a ada matriz quadrada
denotado por
det(A).
Desta forma,
det : {matrizes
Para motivar omeamos em dimenso

sinal) e, em dimenso
3,
2,
quadradas}
um nmero real
R.
rela ionando o determinante om rea ( om
rela ionando-o om volume ( om sinal).
priedades bsi as do determinante.
Isto impli ar em pro-
No aso geral invertemos o pro edimento, denindo o
determinante atravs de propriedades.
Somente depois disso apresentaremos um algoritmo
para o l ulo (e no uma frmula).

Qual a utilidade do determinante?
(a) ara terizar matrizes no-invertveis (isto , as matrizes singulares) fundamental para
o Captulo de Autovalores e Autovetores;
(b) rela ionar reas/volumes de regies do plano/espao aps apli ao de uma funo
fundamental em mudana de variveis de integral de vrias variveis (o determinante
ja obiano);
( ) expli itar soluo de sistema linear (regra de Cramer) e frmula da matriz inversa.
Neste Captulo ser muito importante a viso de uma matriz estruturada por olunas (ver
pgina 98).
Algumas provas, ou partes de provas, foram omitidas (mais pre isamente omitimos prova
det(A) = det(AT )). Uma ex elente refern ia
da existn ia e uni idade do determinante e que
para estas demonstraes, a essvel aos alunos neste nvel, o Jni h.
0 Verso 22.jul.2008 19h
121
122
CAPTULO 6.
DETERMINANTE
6.1 Motivao Geomtri a

6.1.1 R2
Para motivar o assunto vamos apresentar uma denio (provisria) de determinante para
matrizes
22
que geomtri a. Vamos interpret-la e deduzir propriedades bsi as.
Denio 77 (determinante de matriz 2 2)
Considere a matriz

A = u v ,

om
u, v R2 . Asso iamos a esta matriz o paralelogramo P om vrti es na extremidade dos

vetores 0, u, v, u + v, onforme indi ado na Figura 6.1. Denimos o determinante de A omo
a rea ( om sinal) do paralelogramo P .
u+v
v
u
0
Figura 6.1: Paralelogramo Gerado por
Exemplo 193
Considere
Pela denio,
det A = ab.
det A
A=
a 0
0 b
, om
a, b > 0.
Cal ule
det A.
a rea do retngulo om lados de tamanho
b.
Portanto,
Isto ilustra o aso geral: o determinante de uma matriz diagonal igual ao
produto dos elementos da diagonal.
Exemplo 194
Considere
A=
a c
0 b
, om
a, b > 0.
Cal ule
det A.
Um desenho simples (faa) mostra que a rea deste paralelogramo igual a rea do
retngulo de lados
b.
Logo,
det A = ab.
Isto ilustra o aso geral: o determinante de uma
matriz triangular igual ao produto dos elementos da diagonal.
Exemplo 195 ( olunas so mltiplos)
Considere
A=
a ka
b kb
. Cal ule
det A.
Como um vetor mltiplo do outro, o paralelogramo a degenerado num segmento de

reta. Portanto
det A = 0.
Exemplo 196 (linhas so mltiplos)
Considere
A=
a b
ka kb
. Cal ule
det A.
u = (a, ka). Se a = 0 ento det A = 0 (paralelogramo om uma aresta degenerada).

Seno tome = b/a. laro que u = (b, kb), o outro vetor. Como um mltiplo do outro,
det A = 0.
Seja
6.1.
MOTIVAO GEOMTRICA
Observao 44 (rea om sinal)
123
Vamos re ordar que rea om sinal apare e num pri-
meiro urso de l ulo, quando a integral de uma funo asso iada a rea ( om sinal)
entre a urva e o eixo-x: rea a ima do eixo onsiderada positiva e abaixo onsiderada
Rb 2
Rb
Se a integral fosse simplesmente a rea,
x dx e a x2 dx seriam ambas
a
Rb 2
Rb
Rb 2
Rb
2
2
x
dx
+
x
dx
=
6
(x
x
)
dx
=
0 dx = 0.
estritamente positivas e portanto
a
a
a
a
Com isto a integral no seria linear om relao a soma (integral da soma de duas funes
negativa.
igual a soma das integrais).
O que signi a
det(A) = 0
em
R2 ?
A resposta est no prximo lema.
Lema 33 (signi ado de determinante nulo em R2 )

mente se,
Prova:
so olineares (e portanto LDs).

det u v = 0

se, e so-
Segue das seguintes equivaln ias:
determinante nulo;
a rea do paralelogramo nula;
paralelogramo degenerado num segmento de reta;

so olineares.
Exemplo 197 det
12 4
9
3
Exemplo 198 det
3 3
3 3
=0
=0
pois 1
pois 3
oluna
oluna
= 3 2a
= 1a
oluna.
oluna.
No prximo lema vamos deduzir algumas propriedades diretamente da denio de determinante omo rea. Um fato surpreendente (que veremos na prxima Seo) que podemos
(e assim vamos fazer) inverter a ordem e utilizar estas propriedades para denir o determin
nante no aso geral em R . Por isso a prova do lema somente uma ilustrao, pois no
utilizaremos este lema na seqn ia.
124
CAPTULO 6.
Lema 34 (propriedades
do determinante de matriz 2 2)
Dados
DETERMINANTE
u, v, w R2 :

det u u = 0 (se duas olunas so iguais ento o determinante zero);

(b1) det ku w = k det u w (se multipli armos uma oluna por k o determi

nante ser multipli ado por k );

(b2) det u + v w = det u w + det v w (determinante da soma de dois

(a)
vetores igual a soma dos determinantes);

(b) det ku + v w = k det u w + det v w
e

det u kv + w = k det u v + det u w (determinante
ou na segunda oluna);
( )
det
Prova:
1 0
0 1

= det e1 e2 = det I = 1

linear na primeira
(determinante da matriz identidade
1).
(a) se duas olunas so iguais o paralelogramo degenerado e portanto a rea
igual a zero.
( ) o paralelogramo om arestas
e1 , e2
um quadrado unitrio, que possui rea
1.
Para os tens (b1) e (b2) vamos apresentar um argumento onvin ente, atravs de duas
guras que no representam todos os asos possveis.
(b1) onforme indi amos na Figura 6.2, se multipli amos o vetor
rea, por
por
dupli amos a
tripli amos a rea e assim por diante. O mesmo o orre om fraes, omo por
exemplo multipli ando
por
3, 5.
3, 5u
v
3u
2u
u
0
Figura 6.2: Produto por Es alar e Mudana de rea

(b2) observe a Figura 6.3. Queremos provar que a soma das reas dos dois paralelogramos
menores igual a rea do maior. Observe que os trs possuem a aresta da base
w em omum.
Como a rea base vezes altura, basta omparar as alturas. As alturas so as projees de
na direo perpendi ular a
igual a projeo de
w.
Por denio de soma de vetores, a projeo de
mais a projeo de
v.
soma das alturas dos menores. Con lumos o resultado.

(b) segue de (b1) e (b2).
u+v
logo a altura do paralelogramo maior igual a
6.1.
MOTIVAO GEOMTRICA
125
u+v
v
u
w
Figura 6.3: Soma de Vetores e Mudana de rea
Observao 45

1 0
det(A) + det(B). Por exemplo, det
0 1

1 0
1 0
det
+ det
= 1 + 1 = 2.
0 1
0 1
Podemos
hegar
+ B) =
det(A
2 0
= 4 6=
= det
0 2
A linearidade da propriedade (b) a ima no signi a que
ao
resultado
det(2I) = det 2e1 2e2 =
(linearidade na segunda oluna)
orreto
usando
1 0
0 1

linearidade
da
(linearidade na primeira oluna)

2 2 det e1 e2 = 4.

seguinte
forma:

2 det e1 2e2 =

2
Exemplo 199 Utilize a linearidade na primeira oluna para al ular det
6

0
2
2+0
2
2 0
2+0
+
=
=
Como
, det
= det
6
0+6
6
0
0
+
6
6
3

0 0
2 0
+ det
= 6 + 0 = 6. O primeiro determinante 6
det
0 3
6 3

0
.
3

0
=
3
por ser matriz
diagonal, o segundo zero pois uma oluna mltipla da outra.
6.1.2 R3
Para motivar o assunto, vamos apresentar uma denio (provisria) de determinante para
matrizes
33
que geomtri a. Vamos interpret-la e deduzir propriedades bsi as.

Denio 78 (determinante de matriz 3 3) Considere a matriz A = u v w ,

3
om u, v, w R . Asso iamos a esta matriz o paraleleppedo P gerado por u, v, w , onforme
indi ado na Figura 6.4. Denimos o determinante de A omo o volume ( om sinal) do
paraleleppedo P .
Exemplo 200
Considere
a 0 0
A = 0 b 0 ,
0 0 c
om
a, b, c > 0.
Cal ule
det A.
CAPTULO 6.
126
DETERMINANTE
0
u, v
Figura 6.4: Paraleleppedo Gerado por
Pela denio,
det A = abc.
det A a rea da aixa retangular om lados de tamanho a, b, c.
Portanto,
Isto ilustra o aso geral: o determinante de uma matriz diagonal igual ao
produto dos elementos da diagonal.
O que signi a
det(A) = 0
em
R3 ?
A resposta est no prximo lema.
Lema 35 (signi ado de determinante nulo em R3 )

mente se, o onjunto
Prova:
{u, v, w}
LD.

det u v w = 0

se, e so-
Segue das seguintes equivaln ias:
determinante nulo;
o volume do paraleleppedo nulo;
paraleleppedo degenerado, isto , sua altura
0;
os trs vetores so oplanares;

um vetor perten e ao plano gerado pelos outros dois;
o onjunto de vetores LD.
1 3 1
Exemplo 201 det 1 7 1 = 0
1 9 1
1 2 3
Exemplo 202 det 1 2 3 = 0
1 2 3
Exemplo 203
Como
Considere
w = 3u 5v
pois 3
oluna
= 1a
oluna.
pois 3
oluna
= 1a
oluna + 2a oluna.
A = u v 3u 5v .

Cal ule
det A.
mltiplo dos outros dois, isto , perten e ao plano
paraleleppedo degenerado, possuindo volume igual a
0.
Logo,
det A = 0.
hu, vi,
6.2.
DEFINIO E PROPRIEDADES BSICAS
127
Lema 36 (propriedades
3 3)
do determinante
de matriz

det u u v = det u v u = det v u u = 0

(a)
iguais ento o determinante zero);
ku + z v w = k det u
(b) det
det u kv + z w = k det u v
det u v kw + z = k det u v

primeira, segunda ou ter eira oluna);

( )
dade
Dados
1 0 0

det 0 1 0 = det e1 e2 e3 = det I = 1
0 0 1

1).
Prova:
v w + det z

w + det u z
w + det u v
u, v, w, z R3 :
(se duas olunas so

v w ou

w ou
z (determinante
linear na
(determinante da matriz identi-
Segue diretamente da denio do determinante omo volume do paraleleppedo
(a) e ( ). Para (b) pre isamos seguir os passos da prova do Lema 34 om a di uldade de
visualizar guras orrespondentes tridimensionais. Basi amente, se multipli amos uma aresta
por
o volume do paraleleppedo multipli ado por
k.
Deixamos para o leitor as guras e
veri ao para soma de vetores.
6.2 Denio e Propriedades Bsi as

Nossa denio de determinante baseada num fato surpreendente expresso no prximo
teorema: existe uma
ni a funo om propriedades
similares as satisfeitas pela funo rea
e volume que apresentamos na Seo anterior.
Teorema 8 ( ara terizao algbri a do determinante)

das matrizes quadradas
propriedades:
n n.
Existe uma
Considere o onjunto
Mnn
ni a funo det : Mnn R om as seguintes
(a) se duas olunas so iguais o valor zero;

(b) linear em ada oluna;
( ) na matriz identidade o valor 1.
Prova:
22
Vamos provar somente a existn ia (deduzir uma frmula) para o aso da matriz
a c
b d
. Quanto a uni idade e a generalizao para uma matriz qualquer, deixamos
para o leitor interessado onsultar a literatura. Observe a beleza desta demonstrao, onde
estas trs propriedades obrigam o surgimento da frmula (j onhe ida) de determinante de
2 2.

a
a
0
1
0
, linearidade na primeira
=
+
=a
+b
Como
b
0
b
0
1

a c
1 c
0 c
priedade (b)) impli a que det
= a det
+ b det
.
b d
0 d
1 d
matriz
oluna (pro-
128
CAPTULO 6.
Como
c
d
= ac det
c
0
priedade (b)) impli a que:
0
d

1
c
= c det
0
d

0
c
= c det
d
1
1
(i) det
0

0
(ii) det
1
Portanto, obtemos:
det
a c
b d
1 1
0 0
=c
1
0
+d

1
1
+ d det
0
0

0
1
+ d det
0
1

+ad det
1 0
0 1
Como as olunas so iguais (propriedade (a)),

propriedade ( ),
0
1
, linearidade na segunda oluna (pro-

0
;
1

0
.
1

+bc det
det
1 0
= 1.
0 1

0 1
= 1,
que det
1 0
det
DETERMINANTE
1 1
0 0
0 1
1 0

+bd det
= det
0 0
1 1

0 0
.
1 1
= 0.
Pela

a c
obtendo que det
= ac 0 + ad 1 +
Vamos provar
b d

1 1
bc (1) + bd 0 = ad bc. Para isto, pela propriedade (a), det
= 0. Pela

1 1

1 1
0 1
1 1
propriedade (b) utilizada duas vezes, det
= 0 = det
+ det
=
0 1
1 1

1 1

1 1
0 0
0 1
1 0
+ det
+ det
+ det
. Como os dois termos do meio
det
0 1
0 0
1 1
1 0

0 1
1 0
+det
.
desta expanso so nulos pela propriedade (a), obtemos que 0 = det
0 1
1 0

0 1
= 1.
Pela propriedade ( ), deduzimos que det
1 0
Denio 79 (determinante de matriz)
determinante a funo dada pelo teorema
a ima.
Observao 46
Embora ompleta, a denio a ima no apresenta (diretamente) uma
frmula para al ular o determinante. Deixo para reexo do leitor o que disse Klaus Jni h
(veja bibliograa):
Se vo ainda a ha que a informao mais importante a er a de um objeto
matemti o uma
frmula
para
al ular o seu valor,
ertamente vo
ompartilha o pensamento da maioria das pessoas medianamente edu adas,

mas om onhe imentos apenas super iais de matemti a.
O prximo lema mostra que podemos substituir a propriedade (a) por outra para ara terizar o determinante.
Lema 37 (propriedades equivalentes)
Se a funo
det : Mnn R
oluna (propriedade (b) do Teorema 8) ento so equivalentes:

(a) se duas olunas so iguais o determinante zero;
(a') se tro armos duas olunas o determinante tro a de sinal.
linear em ada
6.2.
DEFINIO E PROPRIEDADES BSICAS
Prova:
Vamos provar no aso
olunas.
2 2.
129
O aso geral provado de forma similar om mais
Pela linearidade (propriedade (b)),
det u + v
= det u
u + v == det u u + v + det v u + v =

u + det u v + det v u + det v v .
Suponha que (a) verdade. Ento
det u + v u + v = det

Logo, pela identidade a ima, det u v +

det v u . Portanto (a) impli a em (a').

u u = det v v = 0.

det v u = 0, isto , det u v =

Suponha que (a') verdade. Ento (imagine que tro amos
Como
a = a
impli a
Observao 47
om
u)

a = det u u = det u u = a.

que a = 0, det u u = 0. Portanto (a') impli a

em (a).
Como o determinante possui a propriedade (a') de tro a (alternn ia) de
sinais e pela propriedade (b) ela linear em ada oluna, dizemos que o
uma funo multilinear alternada.
multilinear alternada que vale
determinante
Pelo Teorema 8, o determinante a ni a funo
na matriz identidade.
Observao 48 (analogias om integral)
Propriedades (a) e (a') so similares a da
integral:
Ru
(a)
Ru vf (x) dx = 0 (duas
R u olunas iguais);
(a')
f (x) dx = v f (x) dx (tro a de duas olunas);
u
A propriedade do determinante da matriz transposta (para re ordar o que matriz transposta, ver Denio 62 da pgina 98) transfere todas as propriedades do determinante para
linhas da matriz.
Isto utilizado para rela ionar operaes elementares nas linhas de uma
matriz om o determinante, que gera um algoritmo e iente (no sentido pre iso da Observao 50 da pgina 133) para o l ulo do determinante.
Teorema 9 (determinante da transposta) det(AT ) = det(A).
130
Prova:
CAPTULO 6.
DETERMINANTE
Esta prova ser omitida. Consulte a literatura.
Corolrio 7
Todas as propriedades do determinante para olunas podem ser enun iadas omo
propriedades das linhas. Portanto, o determinante:

(a) linear por linhas;
(b) tro a de sinal quando se tro am as linhas;
( ) nulo quando duas linhas so iguais.
Prova:
Segue fa ilmente do Teorema anterior e propriedades orrespondentes (por olunas)
do determinante.
Corolrio 8 (operaes elementares e determinante)
O efeito de ada operao ele-
mentar abaixo sobre o determinante de uma matriz :

(a) tro ar ordem de duas linhas: determinante tro a de sinal;
(b) multipli ar uma linha por um es alar no-nulo:
determinante multipli ado pela
onstante;
( ) substituir linha por sua soma om mltiplo de outra: determinante no se altera.
Prova:
Os tens (a) e (b) seguem diretamente do ltimo Corolrio. Quanto ao item ( ),
pelo Teorema
9, basta mostrar propriedade orrespondente por oluna. Considere
A = u v . Substituindo uma oluna pela soma om mltiplo
obtemos B = u + kv v . Portanto, por linearidade,
det B = det u + kv v =
= det u v + k det v v .
de outra
Como duas olunas so iguais no ltimo determinante, ele nulo (independente do valor de
k)
e portanto
det B = det u v = det A.
Lema 38 (matrizes LDs possuem determinante nulo)

olunas (ou linhas) de
Prova:
Seja
matriz quadrada. Se as
formam um onjunto linearmente dependente ento
det A = 0.
Vamos provar para o aso das olunas formarem um onjunto LD. Segue para as
linhas pelo Teorema 9 (determinante da transposta).

Suponha que as olunas formam um onjunto LD. Ento uma delas ombinao linear
das outras. Substituindo esta oluna pela ombinao das demais e utilizando a linearidade do
determinante, obteremos soma de determinantes de matrizes om olunas repetidas. Como
ada um destes determinantes zero ( olunas repetidas), on luiremos que o determinante
zero.
Quando a matriz diagonal ou triangular (superior ou inferior), muito f il al ular o
determinante. Vamos provar frmula do determinante de matriz diagonal para aque er, pois
logo em seguida provaremos o aso geral de matriz triangular.
6.3.
COMO CALCULAR
131
Lema 39 (determinante de matriz diagonal)
Se uma matriz diagonal ento seu de-
terminante igual ao produto dos elementos da diagonal.
Prova:
Pela linearidade, retire ada elemento da diagonal at ar om matriz identidade,
ujo determinante
1.
Lema 40 (determinante de matriz triangular)
Se uma matriz triangular (superior ou
inferior) ento seu determinante igual ao produto dos elementos da diagonal.
Prova:
Vamos supor que a matriz triangular superior (argumento anlogo vale para
triangular inferior). Considere dois asos:

(a) tem pelo menos um zero na diagonal. Suponha que
formada pelas
k1
linhas no-nulas, a dimenso do espao-linha de
k 1.
portanto no mximo
k 1,
Considere
a matriz
M est es alonada om no mximo

M no mximo k 1. Pelo Lema 25
primeiras olunas desta matriz. Como
da pgina 103, a dimenso do espao- oluna de
mxima
akk = 0.
as olunas de
Como so
M,
igual a dimenso do espao-linha, e
vetores oluna de
gerando espao de dimenso
e por onseqn ia as primeiras
olunas da matriz, so
LDs. Pelo Lema 38 o determinante zero.

(b) todos elementos da diagonal so no-nulos. Coloque-os em evidn ia para obter
na
diagonal. O valor do determinante ser o produto destes elementos vezes o determinante da

matriz om
na diagonal. Substitua linha por mltiplo de outra linha at transform-la em
diagonal. Pelo Corolrio 8 isto no altera o seu determinante. Obteremos a matriz identidade,
ujo determinante
1.
2 1 3 4
0 3 1 2
Exemplo 204 Considere A =

0 0 4 1 . Cal ule det A.
0 0 0 5
Como a matriz triangular, det A = 2 3 4 5 = 5! = 120.
6.3 Como Cal ular

Vamos determinar formas prti as para al ular o determinante. No aso
22
33
em
geral (quando no so triangulares) vale a pena apli ar a frmula dada pela hamada regra se
Sarrus, que vista no ensino mdio. Para o aso geral apresentamos um algoritmo, bastante
e iente, para o l ulo do determinante de uma matriz geral.
As frmulas para matriz
2 2, vista na demonstrao do Teorema 8, e 3 3, que pode ser

22, so vistas no ensino mdio. Podemos
deduzida (exer io) seguindo a mesma t ni a da
re ord-las atravs da Regra de Sarrus, representadas na Figura 6.5.
a11 a12
a21 a22
a11 a12 a13 a11 a12

a21 a22 a23 a21 a22
a31 a32 a33 a31 a32
Figura 6.5: Regra de Sarrus
22
33
132
CAPTULO 6.
Observao 49 (regra se Sarrus)
DETERMINANTE
A regra de Sarrus NO generaliza para dimenso
maior que 3: No existe pro edimento semelhante a este para matrizes
Para uma matriz de ordem maior que
4 4.
utilizamos o seguinte algoritmo, baseado na
eliminao de Gauss. Ele fun iona pelo Corolrio 8, que rela iona operaes elementares e
determinante e pelo Lema 40 (determinante de matriz triangular).
Algoritmo 1 ( l ulo e iente do determinante)
Para al ular o determinante de uma
matriz:
Faa eliminao de Gauss, reduzindo matriz a forma diagonal superior;
Leve em onta a ada operao elementar o efeito sobre o determinante:

tro a de linhas
determinante tro a de sinal;
multipli ar linha por onstante
determinante multipli ado pela onstante;
substituir linha por ombinao linear dela om outra linha
determinante no
se altera.
Cal ule determinante da matriz resultante pelo produto dos elementos da diagonal;
Exemplo 205
Considere a matriz
Troque l1 om l3 :
A=
3
det A = det 2
0
0
2
3
6
1
4
4
1
6
9
8
8
8
8 .
9
1 2 3
Coloque 3 em evidn ia em l1 : det A = 3 det 2 1 8 .
0 4 8
1
2 3
0 3 2 .
Faa l2 l2 2l1 : det A = 3 det
0
4 8
1
2
3
2 .
Faa l3 l3 + 4l2 /3: det A = 3 det 0 3
0
0 8 + 8/3 = 32/3
Agora a matriz triangular: al ule produto dos elementos da diagonal:
det A = 3(1)(3)(32/3) = 96.

Se vo folhear livros de lgebra Linear en ontrar pelo menos
Trs modos de al ular o determinante:
(a) frmula de Lapla e (tambm onhe ido omo expanso por ofatores);
(b) frmula de Leibniz ( omo produtrio de elementos de ada linha ou oluna om sinal
indi ando paridade das permutaes);
( ) reduo da matriz atravs de operaes elementares ( onforme foi apresentado).
Poderamos apresentar as trs formas mas isto tomaria tempo e fo o que julgamos ex essivos para o assunto. Embora as formas (a) e (b) sejam importantes do ponto de vista teri o
6.4.
MAIS PROPRIEDADES
(por exemplo para provar que
133
det A = det AT ),
optamos por omiti-la num urso introdutrio
desta natureza. A forma do item ( ) a mais e iente do ponto de vista omputa ional e
est ligada diretamente om as propriedades bsi as do determinante. A desvantagem de ( )
que no uma frmula, e sim um algoritmo baseado no Corolrio 8.
Observao 50 ( omparando mtodos de l ulo do determinante)
mtodo
de l ulo usando a frmula de Lapla e ou Leibniz ne essita, para uma matriz de ordem
n,
er a de
n!
operaes, enquanto o mtodo e iente que apresentamos, utilizando

2n3 /3 operaes (fonte Leon p. 71). Para
operaes elementares, ne essita de er a de
omparao do nmero de operaes ne essrias para se al ular o determinante observe

a tabela abaixo:
Lapla e
reduo por op. Elementares
2
3
3
14
4
63
5
324
6
2 mil
7
14 mil
10 1 milho
20 6 1018
Para
n4
o mtodo que apresentamos j mais e iente. Para
entre poder ser al ulado ou no.

operaes por segundo levaria
20 20
4
15
37
74
130
209
624
5 mil
32
grande a diferena
Por exemplo, um omputador que faa
milho de
mil anos para al ular o determinante de uma matriz
pelo mtodo de Lapla e e fraes de segundo pelo mtodo aqui apresentado.
6.4 Mais Propriedades

Teorema 10 ( ara terizao de matrizes no-invertveis)
to
Equivalentemente,
Prova:
Suponha que
A
A
Se
det(A) 6= 0.
A matriz quadrada en-
singular (no possui inversa) se, e somente se,
singular (no possui inversa)
n n.
det A = 0.
Ento o posto (dimenso do
n, o que impli a que as olunas so LDs (no geram o espao

det A = 0.
Suponha que det A = 0. Aplique o algoritmo de l ulo do determinante, reduzindo-a a
forma triangular U . Agora det A = 0 se, e somente se, det U = 0. Logo um dos elementos
da diagonal de U zero. Seguindo o argumento da prova do determinante da triangular, as
olunas de U so LDs, o que impli a que as linhas de U so LDs. Logo as linhas de A so
LDs, o que impli a que A singular.
espao oluna) menor que
todo). Pelo Lema 38,
Corolrio 9 (signi ado geomtri o de determinante nulo em Rn )

quadrada ento
det A = 0 se,
e somente se, as olunas (ou linhas) de
linearmente dependente.
Prova:
O aso linhas (ou olunas) LDs foi feito no Lema 38.
Se A matriz
A formam um onjunto
134
CAPTULO 6.
DETERMINANTE
A singular (no invertvel).

Av = 0. Os omponentes do vetor v,
Suponha agora que o determinante zero. Pelo Teorema 10,

Logo Nu (T )
6= 0.
Com isto existe
v 6= 0
tal que
pela denio do produto matriz-vetor, vo determinar uma ombinao linear no-trivial das
olunas de
ujo resultado o vetor zero. Logo as olunas de
Observao 51
A
Se
formam um onjunto LD.
Juntando Teorema 10, Corolrio 9 e Lema 29 da pgina 106, obtemos:
matriz quadrada, so equivalentes:
(a) o sistema homogneo
Av = 0
possui soluo diferente de zero;
(b) Nu (A) no-trivial;
A no possui
(d) det(A) = 0;
( )
inversa;
(e) uma oluna (ou linha) ombinao linear das outras.
Estas idias so fundamentais no Captulo de Autovalores e Autovetores, onde determinamos valores para
tais que o sistema
Av = v
possua soluo no-trivial. Estudamos
I . Assim temos que resolver

Av = Iv ou (A I)v = 0. Como queremos solues no-triviais, queremos que o n leo
de A I seja no invertvel (singular), que pelo Teorema 10 impli a que det(A I) = 0.

1 2
. Determine valores para tais que o
Exemplo 206 Considere a matriz A =
2 1
sistema Av = v possua soluo no-trivial.

1
2
= (1 )2 4 = 0. Resolvendo esta
Cal ulando det(A I) = det
2 1
equao do segundo grau em obtemos que = 3 ou = 1.
b
. Determine valores para
Exemplo 207 Considere a matriz diagonal A =
c
d
tais que o sistema Av = v possua soluo no-trivial.
= 0. Como a matriz (tambm) diagonal A I =
Pre isamos que det(A I)
a
b
, det(A I) = (a )(b )(c )(d ) = 0. Os
c
d
valores de que tornaram zero esta expresso so: a, b, c, d. Um erro omum ometido pelos
alunos expandir a expresso (a )(b )(c )(d ) = 0, ao invs de obter razes
4
3
2
diretamente, e tentar al ular razes de (a + b + c + d) + (ab + ac + ad + bc + bd +
cd) + abcd abcl abld alcd lbcd = 0.
isto rees revendo o sistema introduzindo a matriz identidade
A propriedade do produto ara teriza o determinante da matriz inversa e propor iona a

interpretao do determinante omo mudana de rea/volume.
Teorema 11 (determinante do produto)

dem. Ento
Prova:
A, B
matrizes quadradas da mesma or-
det(AB) = det(A) det(B).
Se
he ar que
Sejam
det(A) 6= 0,
dena
f : Mnn R
por
f (B) = det(AB)/ det(A).
possui as propriedades da denio (Teorema 8) do determinante:
Vamos
6.4.
MAIS PROPRIEDADES
135
so iguais ento, omo produto matriz-matriz pode ser visto
(a) se duas olunas de
A em ada oluna de B (ver Lema 26 da pgina 104), AB possui duas olunas

iguais. Logo det(AB) = 0 pela propriedade (a) do determinante. Portanto f (B) = 0.
(b) se B = u + kv w , ento
omo apli ar
det(AB) = det A(u + kv) Aw
(por linearidade de A) = det Au + kAv Aw (por propriedade (b) do
determinante) = det Au Aw +k det Av Aw . Logo,
= f u w + kf v w .
f linear por olunas.

( ) f (I) = det(AI)/ det(A) = det(A)/ det(A) = 1.
Pelo Teorema 8 (uni idade do determinante), f (B) = det(B). Dai segue o resultado.
Se det A = 0, om A n n, ento, pelo Corolrio 9, as olunas de A so LDs. Logo
posto oluna (dimenso do espao gerado pelas olunas) de A menor que n. Pela
Portanto
f (B) = f u + kv w =
interpretao do produto matriz-matriz (ver Lema 27 item (a) da pgina 105) as olunas de
AB
so ombinaes lineares das olunas de
A.
Logo o espao gerado pelas olunas de
AB
A. Portanto posto oluna de AB menor

AB so LDs, que, pelo Corolrio 9, impli a que det(AB) = 0.
det(AB) = 0 = 0 det(B) = det(A) det(B).
est ontido no espao gerado pelas olunas de

que
n.
Portanto olunas de
Logo, neste aso tambm
Exemplo 208
Suponha que A invertvel. Qual relao entre det(A) e

1
Como AA
= I , pela propriedade do determinante do produto
det(A1 )?
det(I) = 1 = det(AA1 ) = det(A) det(A1 ).

Con luso:
det(A1 ) = 1/ det(A).
Exemplo 209
A e B duas matrizes semelhantes (ver denio na pgina 113).

Qual a relao entre det(A) e det(B)?
1
Como so semelhantes, existe P invertvel tal que B = P AP
. Pela propriedade do
1
1
produto, det(B) = det(P AP
) = det(P ) det(A) det(P ) = det(P ) det(P 1) det(A) =
1 det(A) = det(A). Logo det(A) = det(B) quando A e B so semelhantes.
Considere
136
CAPTULO 6.
DETERMINANTE
A apli ao su essiva do prximo lema permite reduzir a ordem do determinante a ada

apli ao.
Para entender esta parte reveja operaes em matrizes divididas em blo os na
pgina 108.
Lema 41 (determinante de matriz blo o-triangular)

ou
M=
Prova:
A 0
C D
, om
Suponha que
matrizes quadradas. Ento
Vamos ini ialmente provar que se
M =
por
f (D) = det
Se duas olunas de
I 0
0 D
det M = det D .
Dena
A t -
f : Mnn
so iguais ento as duas olunas
M a ima de D
so nulos). Logo
det M = f (D) = 0. Se al ularmos f u + kv w , omo elemen
tos a ima
de
D so nulos, usamos
linearidade
do determinante de M
para on luir que
igual a f u w +kf v w . Finalmente f (I) =
do determinante),
det(I) = 1 (a parte de ima j era identidade). Pelo Teorema8 (uni idade

A 0
f (D) = det(D). De forma anloga podemos provar que det
= det A.
0 I

A B
A 0
pois o aso M =
Vamos supor, para o aso geral, que M =

0 D
B D
orrespondentes de
I 0
0 D
A B
0 D
det(M) = det(A) det(D).
ni a igual a prova do Teorema 11 (determinante do produto).
M =
so iguais (todos elementos de
anlogo.
det A = 0 ento, pelo Corolrio 9, uma oluna de A ombinao linear das outras.
M possui somente zeros abaixo de A, uma oluna de M CL das outras.
Novamente pelo Corolrio 9, det M = 0. Se det D = 0 ento, de forma anloga, uma linha
de M CL das outras e det M = 0.
Supondo que det A e det D so no-nulos, podemos es rever

I 0
A 0
I A1 BD 1
.
M=
0
I
0 D
0 I
Se
Como a matriz
Agora, utilizando a propriedade do Teorema 11 (determinante do produto), basta al ular o

determinante de ada uma destas trs matrizes. Pelos resultados a ima, o primeiro determinante
vale
1.
det A
e o ltimo
det D .
Con lumos o resultado.
O do meio, por ser matriz diagonal om
1's
na diagonal,

A B
Observao 52 Considere M =
, om A, B, C e D matrizes quadradas. De
C D
forma geral, det(M) 6= det(A) det(D)det(B) det(C). Vo onsegue gerar um exemplo?
Observao 53
restar um blo o
Por esta propriedade pode-se parar o algoritmo do determinante quando
22
e apli ar a propriedade do determinante de matriz blo o-triangular.
6.5.
APLICAES
Exemplo 210
137
Cal ule os valores de
M =
tais que o determinante da matriz abaixo se anula:
2
1
0
0
0
0
0
0
3 1
1
2 1
2
1
1
1
2
0 0 3+
Observe que ela blo o-triangular (mas no triangular!). Denindo
M1 =
2 1
1
M2 =
1
1
M1
M3 = 3 + , M = 0 M2 .
0
0 M3
Logo,
det(M) = det(M1 ) det(M2 ) det(M3 ) = ( 1)2 (2 1)(3 + ) = 0.

1, 1, 3.
As razes so
Observao 54
Um erro omum que os alunos ometem (ver exemplo anterior e Exem-
plo 207 da pgina 134) multipli ar todos os termos ao invs de utilizar a estrutura
fatorada que de orre naturalmente do determinante de matriz diagonal ou triangular ou
blo o-triangular. Caso al ulssemos diretamente, multipli ando todos os termos, obtera5
4
3
2
mos que det M = + 6 2 5 + 3 = 0. Como vo en ontraria as razes
deste polinmio? Voltaremos a este assunto no Captulo de Autovalores e Autovetores.
6.5 Apli aes

Na primeira apli ao denimos determinante de transformaes lineares. A segunda apli ao
importante no Cl ulo Integral de vrias variveis, quando apare e o hamado ja obiano na
frmula de mudana de variveis de integrao.
6.5.1 Transformaes Lineares

T :V V?
V , de forma geral A = [T ] 6= B = [T ] . No entanto estas matrizes so
1
rela ionadas por P = [I] , pois [T ] = [I] [T ] [I] . Como [I] = [I] , B =
P AP 1. Pela propriedade do produto, det(B) = det(P AP 1) = det(P ) det(A) det(P 1 ) =
det(P ) det(P 1 ) det(A) = det(A). Logo podemos denir det(T ) por det(A) = det[T ] , o
Como denir o determinante de uma transformao linear
Dadas bases
de
determinante da matriz que a representa numa base qualquer.
Denio 80 (determinante de transformao linear)

V V e uma base
det(T ) por det ([T ] ).
qualquer de
V , [T ]
a matriz que a represente na base
Lema 42 ( ara terizao de TL invertvel)

(espaos de dimenso nita) ento
Prova:
Fixe uma base para
Dada transformao linear
Se
denimos
uma transformao linear de
e aplique o Teorema 10.
det(T ) 6= 0.
T :
em
138
CAPTULO 6.
DETERMINANTE
T : R 2 R2
eixos x e y :
uma transformao
6.5.2 Mudana de rea

Lema 43 (mudana de rea de um quadrado)
2
Q R um quadrado om lados
T (Q) um paralelogramo;
(b) rea(T (Q)) = rea(Q)| det T |.
linear e
Seja
paralelos aos
(a)
Prova:
Suponha ini ialmente que o quadrado
seja unitrio.
Qualquer ponto do interior do quadrado ombinao linear de
Observe a Figura 6.6.
e1
e2
om oe ientes
entre 0 e 1. Pela linearidade de T , a imagem ser exatamente das ombinaes lineares de

T (e1 ) e T (e2 ) om oe ientes entre 0 e 1, ou seja, um paralelogramo om arestas T (e1 ) e
T (e2 ).
A rea ( om sinal) do paralelogramo, pelo que j vimos, igual ao determinante da

matriz T (e1 ) T (e2 ) = [T ] e1 e2 . Como a segunda matriz a identidade, ujo

determinante 1, pela regra do determinante do produto, a rea det[T ] , que igual, por
denio a det T . Logo a rea (sem sinal) do paralelogramo | det T |.
No aso geral, as arestas do quadrado so ke1 e ke2 . Logo as arestas do paralelogramo
so T (ke1 ) = kT (e1 ) e T (ke2 ) = kT (e2 ). A rea ( om sinal) do paralelogramo igual a
det kT (e1 ) kT (e2 ) = k 2 det T (e1 ) T (e2 ) = k 2 det[T ] = k 2 det T . Como a rea
2
2
de Q k , rea(T (Q)) = k | det T | = rea(Q)| det T |.
T
T (e2 )
T (Q)
e2
Q
0
e1
Figura 6.6: Imagem de uma Quadrado
T (e1 )
pela TL
O prximo teorema estabele e a relao entre determinante e modi ao de rea de uma

regio do plano aps a apli ao de uma transformao linear.
Teorema 12 (modi ao de rea por TL)

linear e
Seja
T : R 2 R2
um onjunto limitado (rea nita) qualquer.
uma transformao
Ento rea(T ())
rea()| det T |.
Prova:
Vamos supor que
det T 6= 0
e portanto
uma bijeo, pois aso ontrrio o
resultado seria verdadeiro pois ambos os lados seriam iguais a zero.
x e y de modo que sua unio

aproxime a regio (vide Figura 6.7). Pelo Lema anterior, rea(T (Qi )) = rea(Qi )| det(T )|.
Como os quadrados Qi so disjuntos e T bijeo, T (Qi ) so paralelogramos disjuntos.
Divida
em quadrados
Qi
disjuntos paralelos aos eixos
Para nalizar om rigor pre isaramos passar o limite, fazendo tender a zero, o tamanho dos
quadrados. Sem o devido rigor, desprezando as fraes de quadrados, somando os quadrados
6.6.
SINAL
DO DETERMINANTE EM
det T
| det T |rea().
e olo ando
R2
em evidn ia, rea(T ())
R3
139
i rea(T (Qi ))
= | det T |
i rea(Qi )
T () T (Q )
i
Qi
Figura 6.7: Regio
Observao 55
funo qualquer
linear.
e sua Imagem
T ()
Uma apli ao deste Teorema em l ulo de vrias variveis.
f : R2 R2
Uma
pode ser aproximada lo almente por uma transformao
Por este resultado, a distoro lo al de rea ser dado pelo determinante desta
transformao linear, o hamado ja obiano de
Observao 56
f.
Este mesmo resultado poder ser generalizado para trs dimenses: Seja
T : R3 R3 uma transformao linear e R3

T () igual ao volume de vezes | det(T )|.
um onjunto qualquer. O volume de
Utilizando esta idia podemos reinterpretar a propriedade do determinante do produto da

seguinte forma. Dado
de
C = AB ,
omposio das TLs
igual ao produto da distoro de
A e B , a distoro de
B.
rea (ou volume)
e distoro de
6.6 Sinal do Determinante em R2 e R30

Para esta Seo reveja num livro qualquer (de Fsi a ou de Geometria Analti a ou de Cl ulo)
a regra da mo direita.
Dado um paralelogramo om arestas
no plano artesiano om eixos na posio
anni a (eixo-x na horizontal, orientado da esquerda para a direita e eixo-y orientado de

baixo para ima), quando o

det u v

positivo e quando negativo?
A resposta pode ser dada apli ando a regra de mo direita, partindo de
para
v,
determinando para onde o polegar aponta. Se for saindo do papel, o determinante positivo,
se for entrando negativo.
0 A leitura desta seo op ional.
140
CAPTULO 6.
DETERMINANTE
Para ilustrar onsidere a seqn ia da Figura 6.8. Mantendo xo o vetor

sempre om o mesmo tamanho, mas formando ngulos distintos om
gramos om reas variando. Observe que quando
u,
e variando
v,
obtemos paralelo-
vo ando mais prximos de serem
olineares a rea vai tendendo para zero. Ilustramos os dois asos, onde
so olineares
mas om mesmo sentido ou om sentido oposto, quando a rea do paralelogramo formado

zero.
Devido a es olhas feitas, quando o paralelogramo est a ima do vetor
a rea
positiva, quando est abaixo negativa. O i lo representado na gura, ini iando no alto e
girando no sentido anti-horrio, em termos de sinal da rea, : positivo
positivo
negativo
Utilize a gura para veri ar a regra da mo direita.
v u+v
v u+v
0
v u+v
u
v u+v
0
u
v u+v
determinante zero
v u+v
0
determinante positivo
v u+v
u
0
0
determinante negativo
v u+v
u
u
v u+v
v u+v
0
0
u
v u+v
v u+v
Figura 6.8: Variao da rea do Paralelogramo gerado por vetores
Observao 57 (interpretao de sinal de rea)
Por onseqn ia, embora paralelo-
uev
seja igual a paralelogramo om arestas v e u, e portanto possuam a

R1
R0
f (x) dx = 1 f (x) dx,
mesma rea, det u v = det v u . Analogamente,
0

embora seja mesmo intervalo [0, 1].

3
Em R quando o det u v w positivo e quando negativo?

A resposta pode ser dada novamente apli ando a regra de mo direita. Dados u e v, eles
geram um plano que divide o espao em dois pedaos. Se w ento o determinante
zero (porque?). Caso ontrrio, dependendo a qual pedao o vetor w perten e, o determinante
pode ser positivo ou negativo. Se w perten er ao mesmo pedao que o polegar aps apli ao
gramo om arestas
da regra da mo direita, o determinante ser positivo, aso ontrrio, negativo.
FRMULA
6.7.
DE LAPLACE
141
6.7 Frmula de Lapla e0

Podemos repetir o que foi feito para matriz
matriz
n n.
22
na demonstrao do Teorema 8 para
No entanto, mais simples apresentar uma frmula re ursiva para l ulo de
determinante. Esta frmula onhe ida omo expanso por ofatores ou frmula de Lapla e.
Denio 81 (menor)
(n 1) (n 1)
obtida
A n n dena Aij
eliminando-se i-sima linha
Dada
( hamado de
j -sima
Teorema 13 (frmula de Lapla e do determinante)
menor
oluna de
de
a matriz
A.
det(A)
Denimos
A)
re ursiva-
mente:
det(A) = aP
11 se n = 1 (matriz 1 1 um nmero!);
det(A) = nj=1(1)i+j det(Aij ) (expanso pela i-sima linha).
Pn
i+j
det(Aij ) (expanso pela j -sima
Vale ainda que det(A) =
i=1 (1)
(a)
(b)
Prova: Para demonstrao onsulte a literatura.

Observao 58 (tabuleiro de damas) Ns vemos esta
(a) Para ada matriz
fosse um tabuleiro
+
+
;
.
..
.
..
..
Aij
asso iamos o sinal
ou
oluna).
frmula do seguinte modo:

(1)i+j ( omo se
pela regra
de damas, om os sinais alternando), indi ada no seguinte diagrama:
(b) De forma re ursiva al ulamos o determinante expandindo atravs de uma linha ou

oluna qualquer.
Exemplo 211 (matriz 2 2)
Determine a frmula do determinante de matriz
22 fazendo
a expanso pela primeira oluna e, depois, pela segunda linha. Observe que obtemos sempre
a mesma frmula.
Aij sero somente

+
.
sinais
+
um nmero, ujo determinante o prprio nmero, e
c
d
As matrizes
asso iamos os
Fazendo a expanso pela primeira oluna:
det
adbc.
a
b
= +a det
b det
Fazendo a expanso pela segunda linha:
det
bc + ad.
= b det
+d det

= +a det
= b det

b det
+d det

Deixamos para o leitor fazer expanso pela segunda oluna ou pela primeira linha para
obter a mesma frmula novamente.
Exemplo 212
Considere
1 4 7
A = 2 5 8 .
3 6 9
Determine
A12 , A31 , A22 .
142
CAPTULO 6.
A12 =
A31
A22 =
4
5
2
3
Exemplo 213
8
9
7
8
2 8
3 9
4 7
5 8
1 7
3 9
1 4 7
A = 2 5 8
3 6 9
Cal ule o determinante de
DETERMINANTE
fazendo a expanso pela pri-
meira oluna e expanso pela segunda linha.

Expanso primeira oluna:
det
Logo,
det
1
2
3
1
2
3
4 7
5 8 = +1 det
6 9
det
Logo,
det
+3 det
7
8 .
4
5

4 7
4 7
4 7
5 8
+3 det
2 det
.
5 8 = +1 det
5 8
6 9
6 9
6 9
Expanso segunda linha:
8 2 det
9
5
6
=
2
det
8
9
7
Exemplo 214
Seja
= 2 det
1
7
+5 det
9
3
4 7
6 9
1 0 2
A = 1 0 3 .
1 2 1
+5 det
Cal ule
1 7
3 9
8 det
1
7
8 det
9
3
1 4
3 6
det A.
Como podemos es olher por onde fazer a expanso, vantajoso faz-la por onde tiver o
maior nmero de zeros. A melhor es olha neste aso pela segunda oluna, onde on luimos
que
det A = 2 det A32
de sinais). Portanto,
Exemplo 215
Seja
( onra o sinal negativo na frente utilizando o tabuleiro de damas
det A = 2 det
1 2
1 3
0 1 2
A = 1 1 3 .
1 0 0
Cal ule
= 2(3 2) = 10.
det A.
Neste aso utilizaremos a ter eira linha. Portanto

damas positivo). Portanto,
det A = det
1 2
1 3
det A = det A31
= (3 2) = 1.
(sinal do tabuleiro de
6.8.
REGRA
DE CRAMER E MATRIZ INVERSA
Exemplo 216
Considere
A=
143
4 11 7 1 3
2
2
1
0
3
2
7
0
0
0
.
0
3
0
0
0
3 1
6
0
5
Cal ule
det A.
As melhores es olhas so a quarta oluna ou a quarta linha pois ambas possuem um

ni elemento no-nulo. Expandindo pela quarta oluna (sinal
det A = (1) det
2
2
2
7
0
3
3 1
1
0
0
6
3
0
.
0
5
pela regra do tabuleiro),
A melhor es olha a ter eira linha, que possui um ni o elemento no-nulo. O sinal na
frente do
ser negativo pela regra do tabuleiro e
2 1 3
det A = (1)(3) det 2 0 0 .
3 6 5
Agora a melhor es olha a segunda linha, que pelaregra do

tabuleiro resultar num sinal
menos na frente. Agora
det A = (1)(3)(2) det
1 3
6 5
= 6(5 3 6) = 6(5 18) =
6(13) = 78.
Prova:
[Lema 9 A prova ser feita por induo na dimenso da matriz.
Para
n = 1
Suponha que seja verdade para matrizes (n 1) (n 1). Pela frmula de

Pn
1+j
Lapla e, det(A) =
det(A1j ) (expanso pela primeira linha). Usando hiptese de
j=1 (1)
Pn
1+j
induo, (matrizes A1j so (n1)(n1)), det(A) =
det(AT1j ), que nada mais
j=1 (1)
T
T
do que expanso pela primeira oluna do determinante de A . Logo, det(A) = det(A ).
imediato.
6.8 Regra de Cramer e Matriz Inversa0

Vamos deduzir uma frmula expl ita da matriz inversa e de soluo de sistemas, onhe ida
omo regra de Cramer, partindo de propriedes do determinante.
Cabe alertar que a frmula omputa ionalmente ine iente por envolver o l ulo de
determinantes. No deve ser utilizada a no ser por ne essidade teri a, omo por exemplo
para al ular derivada da funo que asso ia a ada matriz sua inversa.
Em apli aes, utiliza-se a eliminao de Gauss ou outros mtodos mais sosti ados para
se resolver um sistema. Devido ao pou o uso desta, trata-se de uma Seo de enrique imento
ultural.
144
CAPTULO 6.
Lema 44 (Regra de Cramer)
Considere o sistema
Av = b,
A = v1 . . . vi1 vi vi+1 . . . vn
Caso tenha soluo ni a, os omponentes
xi
da soluo
DETERMINANTE
om
x1
v=
.
.
.
xn
sero dados por:
xi = (det A)1 det v1 . . . vi1 b vi+1 . . . vn ,
onde a matriz a ima direota
Prova:
om a i-sima oluna substituida pelo vetor
b.
Da denio do produto matriz-vetor omo ombinao linear de olunas, es reve-
x1 v1 + + xn vn = b.
Vamos primeiro determinar x1 para depois fazer o aso geral em ima do mesmo prin pio.
Determinamos x1 passando b para outro lado e obtendo 1(x1 v1 b)+x2 v2 + +xn vn = 0.
Con luimos que so LDs (note que o primeiro oe iente no-nulo igual a 1) os vetores
(x1 v1 b), v2 , . . . , vn . Pelo Lema 38, det x1 v1 b v2 . . . vn = 0. A linearidade
mos o sistema omo
do determinante impli a que
x1 det v1 v2 . . . vn det b v2 . . . vn = 0.

Logo,
x1 det v1 v2 . . . vn = x1 det A = det b v2 . . . vn ,

de onde segue o resultado.
De forma geral, determinamos
xi
passando
para o outro lado:
x1 v1 + + 1 (xi vi b) + + xn vn = 0.
Con luimos (novamente) que so LDs os vetores
v1 , . . . , vi1 , (xi vi b), vi+1 , . . . , vn .
Apli ando o determinante e usando sua linearidade, fazendo ra io nio anlogo ao que
zemos para obter
x1 ,
hegamos a frmula para
xi .
Utilizando a regra de Cramer podemos obter uma frmula expli ita para a matriz inversa.
Corolrio 10 (Frmula da Inversa)

A1 = (cij )
Prova:
Ax = b.
om
Dena
Considere a matriz
cij = (det A)1 (1)i+j det(Aji )
x=
x1
.
..
xn
om menores
(note que no
A regra de ramer asso ia a ada
Aji.
Ento
Aij !).
a soluo
do sistema
6.9.
EXERCCIOS DE DETERMINANTES
145
A1 b = x, al ulamos A1 ( oluna a oluna) apli ando regra de Cramer em

b = e1 , e2 , . . . , en .
1
Tomando b = ej obtemos a j -sima oluna de A
resolvendo Ax = ej . Como cij
1
a i-sima linha de A ej , cij = xi , onde xi o i-simo elemento da regra de Cramer om
b = ej .
Como
Apli ando a regra de Cramer on luimos que
cij = (det A)1 det v1 . . . vi1 ej vi+1 . . . vn .
Por expanso por ofatores, o determinante a ima ser reduzido a determinante de matriz
sem
j -sima
linha e i-sima oluna (det Aji ) om sinal dado pela regra do tabuleiro.
Uma onseqn ia importante a existn ia de inversa de uma matriz.
Corolrio 11 (da frmula da inversa)
Se
det A 6= 0
ento
possui inversa.
6.9 Exer ios de Determinantes

(a) se as olunas de
(b) se
det(A) = 0
se Verdadeira ou Falsa:
so LDs ento
det(A) = 0;
ento duas linhas ou olunas so iguais ou ento uma linha ou oluna
tem somente zeros;

( ) se
obtida de
Exer io 2. B
tro ando duas linhas de
quadrada om
entre si,
det(B) = det(A).
det(B) = 2.
1
(b) det(B ) =
5
det(B ) = ;
;
( ) det(B ) =
Exer io 3. A, B, C so matrizes quadradas.
(a) det(A + B)
(=, 6=, pode ser = ou 6=) det(A) + det(B);
(b) det(AB)
(=, 6=, pode ser = ou 6=) det(A) det(B);
.
( ) Se det(A) = 3, det(B) = 2 e det(C) = 5, ento det(ABC) =
T
(a)
Exer io 4.
1 1
1 1
= ;
(a)
1 1
1 1

Exer io 5. A = u v w om det(A) = 7.

;
(a) det 2v w u =

( ) det v + u w =
;
Exer io 6. Se det(A) = 4, o sistema:

1
1
det
1
1
1
1
1
1
0 Verso 28.julho.2008 06h
(b)
1
0
det
0
0
1
2
0
0
1
1
3
0
1
1
=
1
4
(b) det u 3v w w =

2u
(d) det 2v =
2w
146
(a)
CAPTULO 6.
x
y
1
2
possui
innitas solues,
ou innitas solues);
nenhuma
(b)
x
y
0
0
possui
DETERMINANTE
(nenhuma
soluo, uma ni a soluo,
(nenhuma
innitas solues, nenhuma ou innitas solues);
det(B)
=
0, osistema:
x
1
( ) B y = 2 possui
z
3
Se
innitas solues,
nenhuma
ouinnitas solues);
(d)
x
0
0
B y
=
z
0
possui
(nenhuma
(nenhuma
innitas solues, nenhuma ou innitas solues).
Exer io 7. Se
= 0:
det(B)
u
(a) e B =
u
(b) e B =
v , ento u

v w , ento u

(mltiplo
de, perpendi ular a) v;
(mltiplo
de v, perpendi ular a w, mltiplo de
v + w, perten e ao plano gerado por v e w);
B so
(LIs, LDs);
(d) linhas de B so
(LIs, LDs).
Exer io 8. Seja T : V V linear.
(a) Nu T 6= 0 se, e somente se det T
(= 0, 6= 0);
(= 5, = 0, 6= 0);
(b) se det T = 5 ento dim(Nu T )
1
( ) se existe T
ento det(T )
(= 1, = 1, = 0, 6= 0);
Exer io 9. Seja A 4 4.
(a) se posto(A) = 4 ento det A
(= 0, 6= 0, = 4);
(b) se posto(A) = 2 ento det A =
(= 0, 6= 0, = 2);
(0, 1, 2, 3, 4);
( ) se det(A) = 3 ento posto(A) =
(d) se det(A) = 0 ento posto(A)
(= 0, = 1, = 2, = 3, = 4, > 0, > 2, < 4).
Exer io 10. Sejam A matriz quadrada, 0 6= v Rn e R tais que Av = v: det(A
I)
(= 0, 6= 0).
( ) olunas de
6.9.2 Problemas
Problema 1.
0 0
0 0
(a) Cal ule o determinante da matriz Inn = .

.
. .
.. .. . . . ..
0 0
(b) Seja A uma matrix n n. Se det(A) onhe ido, al ule det(A),
Note que, em geral, no det(A).
onde
R.
( ) Interprete estes resultados em termos de volume. O que a onte e om a rea de um

quadrado se dobramos o omprimento dos seus lados?
um ubo se dobramos o omprimento das suas arestas?
O que a onte e om o volume de

Mais geralmente, o que a onte e
6.9.
om um slido em
multipli ativo
Rn
147
se ampliamos (ou reduzimos) suas dimenses lineares por um fator
Problema 2. Apli amos em uma matriz A 5 5 as seguintes operaes elementares:

(i) tro amos l5 om l4 ;
(ii) l4
l4 + 3l2 ;
4.
6
0
B=
0
0
0
(iii) multipli amos l4 por
Obtemos a matriz
1
2
3
1
2
5 1
1
0 1
3 5
.
0
0
3
2
0
0
0
1
Problema 3. Cal ule o determinante

(a)
(a)
det(A).
das matrizes abaixo
2 5 4
3 1 2 ;
5 4 6
Problema 4. Para
A I
Cal ule
(b)
ada matriz
abaixo determine todos
no seja invertvel:
A=
2 4
3 3
Problema 5. A
(b)
(x, y) 7 (2x y, 2x + y)
0
0
0
2
2
4
1
0
3
5
0
1
0
0
;
3
3
de modo que a matriz
3
4
A=
0
0
0
1
0
0
0
0
2
0
0
0
.
1
2
{(x, y) R2 | x2 + y 2 = 1} pela transformao linear

2
2
2
elipse {(x, y) R | 5x 6xy + 5y = 16}. Qual a rea
imagem do r ulo
ompreendida por esta elipse?
Problema 6. Cal ule o volume do paraleleppedo abaixo, ujos vrti es
so:
A = (2, 3, 4), B = (0, 8, 7), C = (1, 5, 9), D = (2, 1, 10),

E = (3, 10, 12), F = (0, 4, 13), G = (1, 1, 15), H = (3, 6, 18).
E
Problema 7. Se T (x, y, z, w) = (z + y, x 2y, z, w), al ule o det(T ).

Problema 8.
0
0
(a) Seja M =
0
a
det(M) = abcd.
0
0
b
h
0
c
f
i
d
e
.
g
j
Troque linhas para matriz se tornar diagonal e prove que
(b) Determine uma frmula geral para o determinante da matriz
nn
ujos ni os
148
CAPTULO 6.
om
1
.
aij = 1
i + j = n + 1:
1
.
elementos no-nulos so
1
1
2 2 e 3 3 ini ialmente e item (a).

a b
d b
1
1
ento A
= adbc
.
Problema 9. Se A =
c d
c
a
det(A1 ) sempre 1: det(A1 ) =
Di a: Cal ule para
= det
1
ad bc
Problema 10. Use

(a)
3 4
2 3
5 6
0 1
0
0
7
1
d b
c a

1
=
det
ad bc
DETERMINANTE
d b
c a
Qual o erro na prova que
1
(ad bc) = 1.
ad bc
matriz em blo os para al ular o determinante das matrizes:
0
0
;
1
2
(b)
3
2
0
0
0
4
3
0
0
0
5
4
1
1
0
6
5
1
0
1
7
6
1
1
1
6.9.3 Desaos
Desao 1.
Denio 82 (produto vetorial)
Dados
u, v R3
denimos
w1
w = w 2 = u v R3 ,
w3
produto vetorial entre u e v, omponente a omponente, por

wi = det u v ei .

Prove que:
u u = 0;
(b) u v = v u (antisimtri a);
( ) (u + v) w = u w + v w (linear);
(d) e1 e2 = e3 (orientao e normalizao);
(e) u v perpendi ular a u e v.
(a)
Desao 2. O exer io anterior pode ser generalizado para se denir o produto vetorial entre
n1
vetores em
Rn .
6.9.
Denio 83 (produto vetorial)
w=
Dados
w1
.
.
.
wn
149
u1 , . . . , un1 Rn
denimos
n
= u1 un1 R ,
produto vetorial entre u1 , . . . , un1 , omponente a omponente, por
wi = det u1 un1 ei .
Mostre que:
(a) este produto possuir as mesmas propriedades que o produto vetorial em
R3
(antisi-
mtri a, linear, orientao e normalizao);

(b)
u1 u1 un1
Desao 3. (a)
ui para i = 1, . . . , n 1.
2
em R que passa por v1 = (x1 , y1 )
perpendi ular a ada
Mostre que a equao da reta
v2 =
x y 1
= 0;
x
dada por det
1 y1 1
x2 y2 1
3
(b) Mostre que a equao do plano em R que passa por v1 = (x1 , y1 , z1 ), v2 = (x2 , y2 , z2 )
x y z 1
x1 y1 z1 1
e v3 = (x3 , y3 , z3 ) dado por det

x2 y2 z2 1 = 0.
x3 y3 z3 1
Desao 4. (a) Mostre que a rea do tringulo om
vrti es em v1 = (x1 , y1 ), v2 = (x2 , y2 )
x1 y1 1
x2 y2 1 ;
e v3 = (x3 , y3 ) dada por 1/2 det
x3 y3 1

x1 x2 x3 x1
(b) O determinante a ima pode ser al ulado montando a matriz
y1 y2 y3 y1
(x2 , y2 )
e fazendo a soma do produto da diagonal om sinal positivo numa direo e negativo na
outra. Este esquema permite obter frmula de rea de poligono qualquer (j que rea igual
a

soma das reas dos tringulos) om vrti es em
x1 xn x1
y1 yn y1
(x1 , y1 ), . . . (xn , yn )
utilizando a matriz
. Determine-a.
Desao 5. (Wronskiano) Dado um onjunto {f1 , f2 , . . . , fn } de funes innitamente diferen iveis denimos o wronskiano W (f1 , f2 , . . . , fn )(x) omo o determinante da matriz
(a) Prove que se
f1 (x)
f1 (x)
f1 (x)
.
.
.
(n1)
f1
(x)
f2 (x)
f2 (x)
f2 (x)
.
.
.
(n1)
f2
(x)
fn (x)
fn (x)
fn (x)
.
.
.
(n1)
fn
(x)
{f1 , f2 , . . . , fn } LD ento W (f1 , f2 , . . . , fn )(x) = 0 para todo x;

W (x0 ) 6= 0 para algum x0 ento o onjunto de funes
(b) on lua de (a) que que se

LI;
( ) use (a) para provar que
{1, x, ex }
LI;
150
CAPTULO 6.
DETERMINANTE
2
(d) laro que o onjunto de funes {x , x|x|} LI (porque?). Por outro lado,
W (x2 , x|x|)(x) = 0 para todo x. Isto no impli a por (b) que o onjunto LD?
Obs: (x|x|) = 2|x|.
Desao 6. (determinante
Desao 7. Considere
determine polinmio
3 3)
de Vandermonde
Prove que
1 a a2
det 1 b b2 = (b a)(c b)(c a).
1 c c2
o seguinte problema: Dados pontos
p(x)
de grau
p(xi ) = yi .
tal que
(xi , yi ) R2
ai
i = 0, . . . , n
do polinmio
p(x) =
( onhe ida omo matriz de Vandermonde).
Mostre
(a) Monte um sistema linear para determinar os oe ientes
n
X
om
ai xi ;
i=0
(b) Dena
1 1
x0 xn
M = ..
.
..
.
xn0 xnn
que o sistema pode ser es rito omo
( ) Mostre que
det M =
a0
.
.
.
an
(xn xk ).
y0
.
.
.
yn
k<n
Desao 8. (variante de Vandermonde) (Shilov p.
1
x1
det ...
n2
x1
xn1
Desao 9. (Strang p.
30, no. 10) Prove que
1
xn
n
n1
X
Y
.
..
=
(x
x
)
xk .
n
k
k=1
xnn2 k=1
n
xn
210 no. 32) Prove que
1+a
b
c
d
a
1+b
c
d
= 1 + a + b + c + d.
det
a
b
1+c
d
a
b
c
1+d
Desao 10. Prove
que uma matriz om todas entradas ra ionais possui um determinante
ra ional.
Desao 11. Seja A uma matriz n n om |aij | k.

volume, mostre que
| det A| (k n)
Desao 12. Considere

det(An ).
a matriz tridiagonal
Usando a idia de determinante omo
c
n n An =
b
a
..
..
..
.
b
a
Dena
dn =
6.9.
dn+1 = adn bcdn1 .

que a = 2 e b = c = 1.
151
(a) Prove que

(b) suponha
Desao 13. (Strang p.
216 no. 10) Cal ule
Desao 14. (Shilov p.29 no.
(a)
det(An ) = n + 1.
0 1 1
.
..
.
.
1 0
.
.
..
..
..
.
. 1
.
1 1 0
Prove que
9)
det
x a a
det a x a ;
a a x
(b)
det
x a a a
a x a a
a a x a
.
..
..
..
..
..
.
.
.
.
.
a a a x
Desao 15. (Cl ulo do posto de uma matriz utilizando determinante de submatrizes) Prove
que para qualquer matriz quadrada o posto
existe uma submatriz
Desao 16.
kk
se, e somente se,
o maior inteiro tal que
om determinante no-nulo.
(a) Qual (e onde olo ar) o menor nmero possvel de zeros que devemos olo ar numa
matriz
44
para garantir que o determinante zero?
n n?
Desao 17. Existem 16 matrizes 2 por 2 ujas entradas possuem somente 0's e 1's.
(b) E para uma matriz
Quantas
delas so invertveis?
6.9.4 Extras
Extra 1. Se A uma matriz n n om det(A) = 3 ento:
det(A + A) = ;

2 3
Extra 2. Seja A =
a b
(a)
(b)
om
det(3A) =
( )
(0, 0), (2, a), (3, b)

em (0, 0), (2, 3), (a, b)
(b) a rea do tringulo om vrti es
( )
u=
Extra 3. B
2
a
v=
3
b
. Se
1 u = 2 v
para
1 , 2 R
ento
1 =
2 =
uma matriz quadrada.
(a) se uma linha mltipla de outra ento
(possui/no
(b) se nenhuma linha mltipla de nenhuma outra ento
possui)
Extra 4. Suponha
que
omprimentos tambm?
Extra 5. Sabe-se
T : R2 R2
que trs arestas adja entes ao vrti e
so determinados pelos vrti es
paraleleppedo.
linear preserva rea.
(1, 2, 2), (2, 1, 2)
Extra 6. Seja T (x, y, z) = (x + z, 2x + y + 3z, z x).
inversa;
(det(B)
0, nada podemos armar).
R3
det(A) = 4.
(a) a rea do tringulo om vrti es em
det(A5 /3) =
6= 0, det(B) =
Isto impli a que
preserva
(0, 0, 0) de um paraleleppedo
(2, 2, 1). Cal ule o volume
Considere o ubo
C = {ae1 + be2 + ce3 ; a, b, c [0, 3]}.

Determine o volume do paraleleppedo
T (C) = {aT (e1 ) + bT (e2 ) + cT (e3 ); a, b, c [0, 3]}.
no
do
152
CAPTULO 6.
Extra 7. Sejam a, b, c
3
Determine o volume do elipside E =

3
en ontrando um onjunto B R e uma
nmeros reais positivos.

2
2
{(x, y, z) R ; (x/a) + (y/b) + (z/c) 1}

T tal que T (B) = E .
transformao linear
Extra 8.
matrizes abaixo
Cal ule o determinante das
4 11 7 1 3
2
2
1
0
3
2
7
0
0 2
;
0
3
0
0
0
3 1
6
0
5
(a)
Extra 9. Para
ada matriz
(b)
abaixo determine todos
no seja invertvel:
A=
(a)
(b)
Diz-se que uma matriz quadrada
det(P )
ou
uma
projeo
Extra 11. Suponha
que
Extra 12. Suponha Ak = I .

k
1 0 0
A = 2 1 2 .
1 1 0
P2 = P.
se
Mostre que
1.
so matrizes quadradas
BA = I .
(a) se
A I
de modo que a matriz
Extra 10.
1
1
1
3
2 2 4 2
.
1
2
3 7
3
3
3
2
4 2
1 3
DETERMINANTE
AB = I .
om
Prove que
Prove que
det(A) = 1;
impar ento
nn
(b) se
par ento
det(A) = 1
ou
Extra 13.
(a) Prove (usando determinante) que no existe
A = I33
(identidade);
(b) Tome
B=
0 1
1
0
e mostre que
geometri amente uma rotao de
Extra 14.
180o.
B 2 = I22
S
det(S) = 0
se
Extra 15. Suponha N

algum
k N.
3 3;
N
I .
det(S) = 0
se
nn
Mostre que
det(Q)
ou
(identidade).
om
impar.
N =0
para
no invertvel.
Extra 17. Deduza
B=
anti-simtri a se S T = S
(b)
Extra 16.
(identidade). Esta matriz representa
nilpotente (veja Denio 76 da pgina 118) , isto ,
Mostre que
( om entradas reais) tal que
Portanto, num erto sentido,
Mostre que :
(a)
A 33
1.
ortogonal
se
QT Q = Inn
(identidade).
1.
3 3 (mostrada na Figura 6.5 da

pgina 131) seguindo a t ni a da demonstrao da frmula 22 do Teorema 8 da pgina 127.
a frmula do determinante da matriz
Extra 18. Considere M =
A B
C D
, om
A, B, C
matrizes quadradas
2 2.
det(M) = det(A) det(D) det(B) det(C).

X I
Extra 19. Considere a matriz (em blo os) M =
, om A, X quadradas e I
A 0
identidade, todas de mesmo tamanho. Prove que det(M) = det(A).
D um
exemplo que mostre que nem sempre
Extra 20. Seja A, B matrizes quadradas de mesma dimenso tais que AB 6= BA.
det(AB) = det(BA).
a matriz
Prove que
6.9.
Extra 21. Suponha

k
que
A = P DP 1
det(A ) = (n!) .
Extra 22. Se A e B so invertveis:
(a) A + B invertvel?
Extra 23. Se AB invertvel,
ento
0 ... 0
0 . . . a2
Extra 24. Seja M =
..
.
. . . . ..
an . . . x
Extra 25. Suponha que det A = 0.

ento
om
det A = 0
(b)
AB
153
D =
1
2
..
invertvel?
diagonal.
( )
AT B
Prove que
invertvel?
A invertvel?
a1
n
Y
x
n
ai ).
.. . Prove que det(M) = (1) (
.
i=1
x
Prove que se
B foi obtida de A por operaes elementares
det B = 0.

a c
, om a, b > 0,
0 b
se, e somente se,
Extra 26. Considere A =
e o paralelogramo determinado pelas
olunas desta matriz. Faa um desenho simples que mostra que a rea deste paralelogramo
igual a rea do retngulo de lados
b.
Con lua que
det A = ab.
154
CAPTULO 6.
DETERMINANTE
Captulo 7
Autovalores, Autovetores e
Diagonalizao
Neste aptulo apresentamos os on eitos de autovalores e autovetores de transformaes
lineares. As ferramentas para o l ulo (quando o espao de dimenso nita) so o determinante e soluo de sistemas lineares. Utilizando-as podemos, em alguns asos, determinar
base tal que a matriz que representa a TL seja diagonal.
Dedi amos uma seo somente para exemplos om TLs geomtri as (projees, rotaes,
reexes e isalhamento).
Apli amos estas t ni as para:
k
al ular a potn ias (A ) e raz quadrada (
determinar estado limite de um sistema iterado, onde omeamos num estado

evoluimos por
A)
de matriz;
v0
vn+1 = Avn .
Outras apli aes, que no so exploradas nestas notas, so:
lassi ao de ni as e qudri as; e
determinao de pontos de mximo e mnimo lo al de funes de vrias variveis.
7.1 Autovalores e Autovetores

Nesta Seo vamos resolver o seguinte problema:
T,
existe vetor
no-nulo tal que
forma equivalente: existe direo preservada por
T?
0 6= v V autovetor asso iado ao

T hamado de espe tro de T .
de autovalores de
0 Verso 28.jul.2008 10h
155
Tv
so paralelos? De
Como al ul-la?
Denio 84 (autovalor, autovetor e espe tro)

Dizemos que
T : V V transformao linear.
autovalor se T v = v. O onjunto
Seja
156
CAPTULO 7.
AUTOVALORES, AUTOVETORES E DIAGONALIZAO
Observao 59

v no.
T 0 = 0.
pode ser zero, mas
TL qualquer pois
De fato a direo zero sempre preservada por uma
se
o autovetor asso iado a um autovalor
Tv = 0
podemos dizer que a direo
mltiplo do prprio
e k 6= 0, w = kv
(kv) = w.
foi preservada pois
T v = 0v = 0,
um
v.
no ni o.
tambm autovetor pois
v autovetor qualquer
T (w) = T (kv) = kT (v) = kv =
De fato, se
Para ilustrar estes on eitos estude os exemplos de TLs da Seo Exemplos Geomtri os
em 2D e 3D, das pginas 163168. Observe nestes exemplos que:
qualquer mltiplo de direo preservada tambm ser preservada, o que mostra que os
para TLs no plano podem existir innitas direes, duas, uma ou nenhuma direo
zero pode ser autovalor.
autovetores asso iados no so ni os;
preservada;
autovalor, queremos saber qual onjunto de vetores (denominado de

espao) v V satisfazem T v = v. Queremos que T v v = T v (I)v = 0.
(T I)v = 0. Portanto v Nu (T I).
Dado um
Denio 85 (autoespao)
I) resolvendo
Para isto ser
um sistema linear.
fundamental o determinante.
seja autovetor tem que ser um elemento no nulo de Nu (T
Portanto queremos que Nu (T
T I
for de dimenso nita?
al ulamos seu autoespao Nu (T
O problema omo en ontrar um autovalor

Note que para que
I)
I).
seja no-trivial, o que ser verdade, se, e somente se,
no for invertvel, que pelo Teorema 10 da pgina 133 (para
o orrer se, e somente se,
Logo
autoespao asso iado a o Nu (T I).
Como al ular autovalores e autoespaos se

Dado autovalor
auto-
de dimenso nita),
det(T I) = 0.
Denio 86 (polinmio ara tersti o)
T : V V , V espao de dimenso nita, denimos o polinmio ara tersti o de T por p() = det(T I).
O prximo lema garante a oern ia da denio (p() um polinmio e sempre o

mesmo em qualquer base) e ara teriza-o om relao a dimenso do espao.
Lema 45 (polinmio independe da base)
O polinmio ara tersti o
I):
(a) independe da base es olhida para o espao
(b) um polinmio em
p() = det(T
V : det([T ] I) = det([T ] I);
de grau igual dimenso do espao.
7.1.
AUTOVALORES E AUTOVETORES
Prova:
157
(a) pela teoria da pgina 137 do Captulo de Determinante, o determinante de uma
TL independe de base.
(b) ser omitida.
O prximo teorema um resultado notvel, apresentado em livros de funes omplexas, para onde remetemos o leitor para uma demonstrao (veja Lars V. Ahlfors; Complex
Analysis; M Graw-Hill; por exemplo). atribuido ao grande matemti o Gauss.
Teorema 14 (teorema fundamental da lgebra)

mente
Um polinmio de grau
tem exata-
razes (no ne essariamente distintas) sobre o orpo dos omplexos, isto , existem
nmeros omplexos,
1 , . . . , n
(no ne essariamente distintos), tais que
an n + an1 n1 + + a1 + a0 = an ( 1 )( 2 ) ( n ).
Esta fatorao ni a (a menos da ordem).
Observao 60
possua
Embora pelo teorema fundamental da lgebra um polinmio de grau
5 razes, um resultado surpreendente
de Galois e Abel prova que
no existe frmula
fe hada para o l ulo destas razes. Isto onhe ido em Matemti a omo o problema da
insolubilidade da qunti a (impossibilidade de existn ia frmula para razes de equaes
de grau maior ou igual a
5).
Por outro lado, a frmula para o grau
muito ompli ada, no sendo prti a seu uso.
ou
4,
embora exista,
Desta forma a ni a frmula prti a a
que aprendemos no ensino mdio, a frmula de l ulo de razes de polinmio de grau
( onhe ida omo frmula de Baskhara).
Em resumo, para al ular autovalores e autoespaos para
determinamos os zeros de
de dimenso nita:
para a har autovalores. Devemos pre-
servar ao mximo uma expresso fatorada por ser muito dif il determinar razes de
polinmios de grau
det(T I) = 0
em diante (veja Observao 54 da pgina 137);
substitumos os autovalores na equao
v.
(T I)v = 0 para determinar os autovetores

x
1 1
Exemplo 217 Cal ule os autovalores e autoespaos de T (x, y) =
.
y
1
1

(1 )
1
Vamos determinar os autovalores. Como det(T I) = det
=
1
(1 )
(1 )2 1 = ( 0)( 2), os autovalores so 0 e 2.
Cal ulando autoespao para = 0: Resolvemos o sistema

(1 0)
1
x
0
(T 0I)v =
=
.
1 (1 0)
y
0

Obtemos
xy =0
x + y = 0
. Portanto
o autoespao asso iado ao
(1, 1)
et .
ou
(100, 100)
x = y,
h(1, 1)i.
soluo
(x, y) = t(1, 1)
Um autovetor
(1, 1)
para
ou
t R.
(2, 2)
ou
Desta forma
(1/2, 1/2)
ou
158
CAPTULO 7.
= 2: Resolvemos o sistema

0
x
(1 2)
1
.
=
(T 2I)v =
0
y
1 (1 2)
Cal ulando autoespao para
Obtemos
x y = 0
x y = 0
x = y ,
. Portanto
2 h(1, 1)i.
(100, 100) et .
Um autovetor
forma o autoespao asso iado ao
(1/2, 1/2)
ou
(1, 1)
ou
(x, y) = t(1, 1)
soluo
para
(1, 1)
t R.
Desta
(2, 2)
ou
ou

3 1
0
x
y .
Exemplo 218 Cal ule autovalores e autovetores de T (x, y, z) = 1 1 0
z
1
0 1
(3 )
1
0
1 (1 )
0 .
Vamos determinar os autovalores: det(T I) = det
1
0 (1 )
Para al ular o determinante note que a matriz j quase triangular inferior.
Para ze-
1 (linha 1 oluna 2), faa l1 l1 +l2 /(1 ). Obteremos det(T I) =

(3 ) 1/(1 )
0
0
1 (1 )
0 . Como a matriz diagonal, obtemos que
det
1
0 (1 )
2
o determinante (1 )((3 )(1 ) 1). Como (3 )(1 ) 1 = + 4 4 =
( 2)2 , det(T I) = (1 )( 2)2 . Portanto os autovalores so 2 e 1.
Cal ulando autoespao para = 2: Resolvemos o sistema

(3 2)
1
0
x
0
1 (1 2)
0
y = 0 .
(T 2I)v =
1
0 (1 2)
z
0
rar o
Obtemos
xy =0
xy =0
x 3z = 0
. Portanto tomando
Desta forma o autoespao asso iado ao

Cal ulando autoespao para
= 1:
z = t,
soluo
(x, y, z) = t(3, 3, 1)
para
t R.
h(3, 3, 1)i.
Resolvemos o sistema

(3 + 1)
1
0
x
0
1 (1 + 1)
0
y = 0 .
(T + I)v =
1
0 (1 + 1)
z
0
4x y = 0
x 2y = 0
Obtemos
x=0
para t R. Desta forma
. Portanto
x = y = 0,
o autoespao asso iado ao
Exemplo 219 (rotao no plano)
qualquer, soluo
h(0, 0, 1)i.
No Exemplo 184 da pgina 109 (Captulo Matrizes)
deduzimos que a matriz de rotao de vetores do plano por um ngulo

mtri o, isto , anti-horrio)
R=
(x, y, z) = t(0, 0, 1)
cos sen
sen
cos
(no sentido trigono-
Cal ulando seu polinmio ara tersti o obtemos p()

2 cos + 1 (identidade trigonomtri a sen2 + cos2 =
= (cos )2 + sen2 = 2
1). Como = 4(cos2 1) =
7.2.
DIAGONALIZAO
159
4 sen2 , < 0 (razes omplexas) a no ser que sen = 0, ou seja, a no ser que = 0
ou 180 . Portanto so trs asos:
(a) = 0 . Neste aso R = I , a matriz identidade. Qualquer direo no-nula autovetor

om autovalor 1. A matriz (na realidade j est) diagonalizvel.
(b) = 180 . Neste aso R = I . O autovalor 1 om qualquer direo no-nula

omo autovetor. Novamente (e j est) diagonalizvel.
( ) 6 {0 , 180 }. Neste aso os autovalores so omplexos no-reais.
Portanto
nhuma direo preservada.
ne-
En erramos esta Seo om dois exemplos de autovalores e autovetores ( hamados de au

tofuno) no espao de dimenso innita C (R; R), o espao das funes reais diferen iveis:
os operadores lineares de primeira e segunda derivada. Na teoria mais avanada de equaes
diferen iais esta idia muito importante.
Exemplo 220
Considere
T : C (R; R) C (R; R)
denida por
T f = f .
Qual autovetor
( hamada tambm de autofuno) asso iado ao autovalor 3? Isto , para qual funo f ,
T f = f = 3f ?
f (t) = exp(3t) pois f (t) = 3 exp(3t), isto , T f = f = 3f . Note que g(t) = C exp(3t)
tambm ser autofuno para qualquer
Exemplo 221
C R.
T : C (R; R) C (R; R), denida por T f = f .

autofuno) asso iado ao autovalor 4? Isto , para
Considere
( hamada tambm de
T f = f = 4f ?
Qual autovetor
qual funo
f,
f (t) = sin(2t) pois f (t) = 2 cos(2t) = f (t) = 4 sin(2t), isto ,

f = 4f . Outra funo f (t) = cos(2t) pois f (t) = 2 sin(2t) = f (t) = 4 cos(2t),
isto , T f = f = 4f . Combinaes lineares de sin(2t) e cos(2t) tambm sero autofuno,

isto , g(t) = C1 sen(2t) + C2 cos(2t) om C1 , C2 R tambm ser autofuno.
Uma possibilidade
7.2 Diagonalizao
A teoria de diagonalizao, juntamente om o Teorema do n leo-imagem, um dos mar os
do urso de lgebra Linear. Sua importn ia que, aps mudana de bases, o omportamento
de TLs ditas diagonalizveis podem ser inteiramente ompreendidas.
Denio 87
Dizemos que
diagonalizvel se
matriz diagonal. Dizemos que uma matriz
existe uma base
tal que
[T ]
uma
diagonalizvel se a TL asso iada a ela
TA
diagonalizvel.
Teorema 15 (TL diagonalizvel)

T : V V
T.
formao linear
autovetores de
Prova: Suponha
[T ]
..
que
Considere
espao de dimenso nita. Uma trans-
diagonalizvel se, e somente se,
diagonalizvel.
Logo existe base
uma matriz diagonal.
n
[T ] [vk ] = [T vk ] = k [vk ] , ou seja, T vk = k vk .
Como
possui uma base de
= {v1 , . . . , vn }
[T ] ek = k ek
Con lumos que os
tal que
[vk ] = ek ,
vk 's so autovetores
e formam uma base.

Suponha que
= {v1 , . . . , vn } base de autovetores.
parte da demonstrao de trs para frente.
Para ompletar basta ler a primeira
160
CAPTULO 7.
Corolrio 12 (forma P 1 AP = D)
existe
diagonal formada pelos
Prova:
seja diagonalizvel. Ento

1
(ou de forma equivalente A = P DP
), om D
AP = D
autovalores de A e P
invertvel tal que
Suponha que a matriz
ujas olunas so autovetores orrespondentes.
v1 , . . . , vn de A e D diagonal
1 , . . . , n , na mesma seqn ia. Pelas propriedades do
produto matriz-matriz, as olunas de AP so Avi = i vi . Logo (verique), a matriz om
estas olunas igual a P D . Portanto, AP = P D . Como os autovetores formam base, as
olunas de P so LI. Pelo Corolrio 9 da pgina 133, det P 6= 0. Pelo Teorema 10 da mesma
1
pgina, P invertvel. Logo P
AP = D ou D = P AP 1.
Seja
uma matriz ujas olunas so os autovetores
ujas entradas so os autovalores
Denio 88 (de omposio espe tral)
A diagonalizvel hamamos de de ompo-
Se
sio espe tral de A a fatorao A = P DP 1 om D
matriz diagonal om autovalores de
A.
Lema 46 (autovetores so LIs)

armente independentes, ou seja, se
ento
{v1 , . . . , vp }
Prova:
LI.
Suponha falsa a tese.
vr =
anteriores:
Autovetores asso iados a autovalores distintos so line-
vk 6= 0
T vk = k vk , k = 1, . . . , p,
Neste aso, seja
k vk .
2 r p
k<r
Temos ento:
r k vk
T vr = r vr
X
k vk
k<r
(k r )k vk = 0
k<r
k<r
ontraria a minimalidade de
= r
om
k 's
distintos,
vr
CL dos
mnimo tal que
k vk
k<r
Mas isto impli a que
v1 , . . . , vr1
k k vk =
k<r
so LD, o que
r.
O prximo orolrio olo a uma ondio su iente (mas no ne essria) para que uma
TL seja diagonalizvel.
A ondio no ne essria pois uma TL om todos autovalores
iguais (por exemplo a identidade, que possui somente o autovalor
Corolrio 13
Se o espao
possui dimenso
e existem
1)
pode ser diagonalizvel.
autovalores distintos ento
diagonalizvel.
Prova:
Se existem
espao possui dimenso
autovalores distintos, pelo Lema auto:lemalis eles so LIs.
n,
formam base. Logo
Para diagonalizar uma TL em dimenso
possui base de autovetores de
Como
T.
n:
Cal ule os autovalores (razes do polinmio ara tersti o);
En ontre bases para autoespaos (resolver sistemas homogneos);
Junte os autovetores de todas as bases: se forem su ientes (n vetores), esta base
diagonaliza
T;
aso ontrrio,
no diagonalizvel.
7.2.
DIAGONALIZAO
Exemplo 222
distintos (0 e
P 1 AP =
1)
161
No Exemplo 217, o operador
diagonalizvel pois so dois autovalores

e portanto dois autovetores LIs (pelo Lema 46). Tomando
0
2
P =
1
1
1 1
. Observe que se tro armos a ordem dos vetores obtemos uma matriz
1 1
1
1
diagonal diferente. Assim se tomarmos
Q=
Exemplo 223 (no-diagonalizvel)
No Exemplo 218, o operador
Q AQ =
0
T
no diagonalizvel
pois ada auto-espao possui somente um vetor LI. Dois vetores (um base de ada autoespao)
no forma base pois pre isaramos de trs vetores LIs.
3 1 2
Exemplo 224 En ontre a de omposio espe tral de A = 2 0 4 .
0 0
2
Cal ulando p() = det(A I) = (2 )((3 ) + 2) (utilize determinante
por blo o).
Note que vamos manter a fatorao (veja Observao 54 da pgina 137) pois queremos depois
2
al ular razes. Assim p() = (2)( +3+2). Cal ulando razes de p so 2 (do primeiro
1.
Agora resolvendo o sistema (A 2I)v = 0 obtemos omo autovetores asso iados ao 2:
(2, 0, 1) e (1, 1, 0). Resolvendo (A I)v = 0 obtemos autovetor
asso iado ao 1 (1, 2, 0).
2 1
1
1 2 . Ento P 1 AP =
Como so 3 autovetores LIs, T diagonalizvel. Seja P = 0
1
0
0
. Observe que se tro armos a ordem dos vetores obtemos uma matriz diagonal
2
1
1
1 2
2
.
1 2 0 , Q1 AQ =
1
diferente. Assim se tomarmos Q =
0
0 1
2
fator e do polinmio do segundo grau) e
Exemplo 225 ( isalhamento no diagonalizvel)

T (x, y) = (x + y, y)
representado na Figura 7.7.
p() = (1 )2 .
y = 0. Portanto a
polinmio ara tersti o
(A I)v = 0
obtemos
autovetores no formam base, esta TL
Considere o isalhamento
A matriz asso iada a
ni a direo preservada
no diagonalizvel.
(ngulo
0 )
preservada. Logo no diagonalizvel.
nem
1 1
0 1
1. Resolvendo
(1, 0). Como os
Portanto o ni o autovalor
Exemplo 226 (rotao no plano no diagonalizvel)

uma rotao no plano que no seja
Como mostrado no Exemplo 219,

180 ) no possui direo
(ngulo
Para mais exemplos de TLs veja a Seo Exemplos Geomtri os em 2D e 3D, das
pginas 163168.
Para transformaes geomtri as podemos al ular os autovalores e autoespaos sem fazer ontas, somente om a geometria.
Alm disso podemos determinar sua de omposio
espe tral.
Exemplo 227 (projeo em reta no plano)

r = hwi.
Considere
Determine autovalores e autovetores e sua de omposio espe tral.
162
CAPTULO 7.
Considere
uma direo perpendi ular reta
r.
laro que
0 e1 om autovetores asso iados w e v.

Dena P = v w , ento

AP = Av Aw = 0 w = P

0
1
Logo P
AP =
. Observe que se denirmos Q =
1

1
.
0
T v = 0 = 0v
T w = 1w.
ento
Q1 AQ =
Logo so autovalores
Exemplo 228 (projeo em plano no espao)
Considere

w v ,

uma projeo ortogonal no
= hv, wi. Determine autovalores e autovetores e sua de omposio espe tral.

u uma direo perpendi ular ao plano . laro que T u = 0 = 0u, T v = 1v
e T w = 1w . Logo
0 om autovetor u e 1 om autovetores v e w.
so autovalores:

Dena P = u v w , ento

0
.
1
AP = Au Av Aw = 0 v w = P
0
1
.
1
Logo P
AP =
1
plano
Considere
Exemplo 229 (reexo em plano no espao)
Considere T uma reexo ortogonal no

= hv, wi. Determine autovalores e autovetores e sua de omposio espe tral.
Considere u uma direo perpendi ular ao plano . laro que T u = 1u, T v = 1v e
T w = 1w. Logoso autovalores:
1 om autovetor u e 1 om autovetores v e w.

Dena P = u v w , ento

1
.
AP = Au Av Aw = u v w = P
1
1
1
.
1
Logo P
AP =
1
plano
Exemplo 230 (rotao em torno de eixo no espao)

do eixo
r = hwi
por um ngulo qualquer diferente de
autovetores e sua de omposio espe tral.
Considere T uma rotao em torno
ou 180 . Determine autovalores e
7.3.
EXEMPLOS GEOMTRICOS EM 2D E 3D
163
= hu, vi o plano perpendi ular ao eixo r . laro que a ni a direo

preservada ser w , quando T w = w . Qualquer outra direo ser modi ada. Logo ni o
autovalor (real) 1 1 om autovetor w . Portanto o operador T no diagonalizvel.
Considere
Deixamos para o leitor alguns outros exemplos: projeo em reta no espao, reexo para
uma reta no plano, reexo em plano no espao. Vo pode repetir a anlise dos exemplos
anteriores para estes asos?
Finalizamos esta seo apresentando, sem demonstrao, o Teorema Espe tral para matrizes simtri as (ver Denio 71 da pgina 107).
Ele utilizado em diversas apli aes pois
permite garantir, sem fazer onta alguma (por exemplo sem saber quem so os autovalores),
que uma matriz diagonalizvel. utilizado para:
determinao de mximos e mnimos lo ais de funo de vrias variveis atravs do
lassi ao de ni as e qudri as;
estudo de me ni a de orpos rgidos.
estudo de sinais dos autovalores da hamada matriz Hessiana;
Teorema 16 (espe tral para matrizes simtri as)

A
simtri a) ento
Exemplo 231
Se
A = AT
(dizemos que a matriz
diagonalizvel.
1
b
2
c ,
3
k3
4
k1 a
a k2
b c
So diagonalizveis:
2
5
6
7
3 4
6 7
.
8 9
9 10
7.3 Exemplos Geomtri os em 2D e 3D

Exemplo 232 (reexo)
(x, y).
Seja
uma reexo em torno do eixo-x, dada por
T (x, y) =
Observe na Figura 7.1 o efeito da reexo. Quais direes so preservadas?
e1 = (1, 0) (no eixox) uja imagem T e1 = (1, 0) = e1 e a direo e2 = (0, 1),

no eixo-y , uja imagem T e2 = (0, 1) = e2 .
So autovalores 1 e 1, om autovetores respe tivamente e1 e e2 . Como possui dois
2
autovetores LIs em R , diagonalizvel.
A direo
Exemplo 233 (rotao de 23 no plano)
Seja
uma rotao de
23 em torno da origem
(para uma frmula ver a pgina 184. Observe na Figura 7.2 o efeito da rotao. Quais direes
so preservadas?
Nenhuma direo preservada!
preservado por
Portanto neste aso
no existe vetor no-nulo que seja
T.
No possui autovalores (reais) e no diagonalizvel.
Exemplo 234 (ampliao uniforme)

2I .
Seja
denida por
Esta transformao amplia os vetores na direo
Figura 7.3 o efeito de
T.
T (x, y) = (2x, 2y), isto , T =

2. Observe na
pelo mesmo fator
Quais direes so preservadas?
Neste aso TODAS as direes so preservadas. O r ulo unitrio levado por
2.
autovalor 2,
num
r ulo de raio
om autovetor qualquer direo no plano. Por exemplo podemos tomar

2
e e2 . Como possui dois autovetores LIs em R , diagonalizvel.
e1
164
CAPTULO 7.
y
v90 v
68
v113
v135
v45
v23
v158
v180 = T v180
v0 = T v0
x
T v158
T v23
T v135
T v45
T v113
T v90
T v68
Figura 7.1: Reexo no eixo-x:
T (x, y) = (x, y)
y
T v90
v90
T v45
v135
v45
T v135
T v0
v180
v0
T v180
T v315
v225
v315
T v225
v270 T v270
Figura 7.2: Rotao de
Exemplo 235 (ampliao elipsoidal)
Seja
transformao amplia os vetores na direo
T
e
23
denida por
y,
T (x, y) = (3/2x, 2y).
Esta
mas om ampliao maior na direo
y,
fazendo om que a imagem de um r ulo seja uma elipse. Observe na Figura 7.4 o efeito de
T.

A direo
e2 = (0, 1),
e1 = (1, 0)
(no eixox) uja imagem
no eixo-y , uja imagem
T e1 = (3/2, 0) = 3/2e1 e a direo

T e2 = (0, 2) = 2e2 . O r ulo unitrio levado por T
numa elipse.
So autovalores
autovetores LIs em
3/2 e 2, om autovetores
R2 , diagonalizvel.
respe tivamente
Exemplo 236 (ampliao elipsoidal om reexo)
Seja
e1
e2 .
Como possui dois
denida por
7.3.
165
y
T v90
T v113
T v68
T v135
T v45
v
90 v
v113
68
v135
T v158
v45
v23
v158
v180
T v180
v0
v205
v225
v248v
T v205
T v23
T v0
v338
T v338
v315
v
293
270
T v225
T v315
T v248
T v270
T v293
Figura 7.3: Ampliao Uniforme:
T v113
y
T v90
T (x, y) = (2x, 2y)
T v68
T v135
T v45
v113 v90 v68
T v158
v135
v45
v23
v158
T v180 v180
v0 T v0
v338
v205
T v205
T v23
v225
v315
v248 v
270
T v338
v293
T v225
T v315
T v248
T v270
T v293
Figura 7.4: Ampliao Elipsoidal
T (x, y) = (3/2x, 2y)
T (x, y) = (3/2x, 2y). Esta transformao amplia na direo y mas reetindo no eixo-x e
amplia na direo x. Observe na Figura 7.5 o efeito de T . Quais direes so preservadas?
A direo e1 = (1, 0) (no eixox) uja imagem T e1 = (3/2, 0) = 3/2e1 e a direo
e2 = (0, 1), no eixo-y , uja imagem T e2 = (0, 2) = 2e2 . O r ulo unitrio levado por
166
CAPTULO 7.
numa elipse.
So autovalores
autovetores LIs em
R2 , diagonalizvel.
T v248
respe tivamente
y
T v270
e1
e2 .
Como possui dois
T v293
T v225
T v315
v113 v90 v68
T v205
v135
v45
v23
v158
T v180 v180
v0 T v0
v225
v293
v248 v
T v135
T v45
T v113
T v90
T v68
Figura 7.5: Ampliao Elipsoidal om reexo
Exemplo 237 (ampliao/reduo elipsoidal)

Esta transformao amplia na direo
T.
T v23
v315
270
de
v338
v205
T v158
T v338
Seja
T (x, y) = (3/2x, 2y)
e reduz na direo
denida por
x.
T (x, y) = (x/2, 2y).
Observe na Figura 7.6 o efeito
e1 = (1, 0) (no eixox) uja imagem T e1 = (0, 1/2) = 1/2e1 e a direo

e2 = (0, 1), no eixo-y , uja imagem T e2 = (0, 2) = 2e2 . O r ulo unitrio levado por T
A direo
numa elipse.
So autovalores
autovetores LIs em
R2 , diagonalizvel.
Exemplo 238 ( isalhamento)
Seja
respe tivamente
denida por
e1
e2 .
Como possui dois
T (x, y) = (x + y, y).
Observe na Fi-
gura 7.7 o efeito do isalhamento, uma TL do tipo que fazemos om um baralho de artas
quando deslizamos as artas uma por ima das outras. O efeito deslo ar os vetores mais
para direita, para
y > 0,
mais para a esquerda, om
y < 0,
mantendo a omponente
exemplo so pla as te tni as da terra deslizando uma sobre a outra.
y.
Um
Quais direes so
preservadas?
Somente a direo
e1 = (1, 0) (no eixox), uja imagem T e1 = (1, 0) = e1 , preservada.
Um quadrado levado num paralelogramo.

autovalor
diagonalizvel.
1,
om autovetor
e1 .
Como possui somente um autovetor em
R2 ,
no
7.3.
167
T v90
T v68
T v113
T v135
v113
v90
T v45
v68
T v23v45
v135T v158
v23
v158
v180
T v180
v0
T v0
v338
v205
v225
T v205
v248
T v338v315
v270
T v225
v293
T v315
T v248 T v293
T v270
Figura 7.6: Ampliao/Reduo Elipsoidal:
v5
v4
y
v3 T v5 v2 T v4 v1 T v3
v0 = T v0 x
v6 = T v6
T v7
T v8
T (x, y) = (x/2, 2y)
T v9 v7 T v10v8 T v11v9
Figura 7.7: Cisalhamento:
v10
v11
T (x, y) = (x + y, y)
T v2
T v1
168
CAPTULO 7.
Exemplo 239 (projeo no eixo-x)
Seja
T (x, y) = (x, 0). Esta transforo efeito de T . Quais direes so
denida por
mao projeta os vetores no eixo-x. Observe na Figura 7.8

preservadas?
e1 = (1, 0) (no eixox) uja imagem T e1 = (0, 1) = 1e1 e a direo e2 = (0, 1),
eixo-y , uja imagem T e2 = (0, 0) = 0e2 . Uma elipse levada por T numa segmento de
A direo
no
reta.
1 e 0, om autovetores
R2 , diagonalizvel.
So autovalores
autovetores LIs em
v112
e1
respe tivamente
v90
y
e2 .
v68
v135
v45
v23
v158
v135
T v158T
T v112
v180 = T v180
v225
T v202T
T v248
T v68
T v45T v23
xv0 = T v0
v338
T v315T
T v292
v202
v338
v225
v315
v248
v292
v270
Figura 7.8: Projeo no eixo-x:
T (x, y) = (x, 0)
Exemplo 240 (projeo no plano z = 0 no espao)

0,
Como possui dois
Seja
uma projeo no plano
z=
T (x, y, z) = (x, y, 0). Observe a Figura 7.9. Quais direes so preservadas?

e1 = (1, 0, 0) (no eixox) uja imagem T e1 = (1, 0, 0) = e1 , a direo
e2 = (0, 1, 0), no eixo-y , uja imagem T e2 = (0, 1, 0) = e2 . direo e3 = (0, 0, 1), no eixo-z ,
uja imagem T e3 = (0, 0, 0) = 0e3 .
So autovalores 1, om autovetores e1 e e2 , e 0, om autovetor e3 . Como possui trs
3
autovetores LIs em R , diagonalizvel.
dada por
A direo
Deixamos para o leitor estudar em reexo no plano
z = 0 no espao e na projeo no eixo
z.
7.4 Apli aes

Como al ular potn ias de uma matriz e determinar o limite de
Ak
quando
vai para
innito?
Vamos omear
determinando uma frmula
para D
k1
1
..
..
. f il veri ar que D k =
.
.
quando
kn
diagonal.
para qualquer
Seja
D =
inteiro. Na
7.4.
APLICAES
169
z
v3
v1
T v3 = T v4
T v1 = T v2
y
x
v4
Figura 7.9: Projeo no plano
v2
z = 0: T (x, y, z) = (x, y, 0)
1
realidade isto tambm fun iona para D
(a inversa de D ) tomando k = 1 e utilizando a
0
0
onveno que D = I (o equivalente da onveno x = 1 para nmeros reais). Assim para
2
al ular D basta al ular o quadrado dos elementos da diagonal.
k
Agora vamos determinar uma frmula para A quando A diagonalizvel. Se A diago1
nalizvel, pelo Corolrio 12, A = P DP
. Assim, por exemplo,
A2 = (P DP 1)(P DP 1) = P D(P 1P )DP 1 = P DDP 1 = P D 2 P 1 .

Outro exemplo
A3 = (P DP 1)(P DP 1)(P DP 1) = P D(P 1P )D(P 1P )DP 1 = P DDDP 1 = P D 3 P 1 .

De forma geral,
Ak = P D k P 1.

1 3
Exemplo 241 Cal ule A para A =
.
3
1
2
O polinmio ara tersti o p() = /2 1/2. As razes (os autovalores) so 1 e
1/2. Resolvendo os sistemas asso iados, determinamos os autoespaos.
O autoespao asso iado ao 1/2 h(1, 1)i. O autoespao asso iado ao 1 h(1, 1)i.

1
1
1/2
om D =
. Cal ulando a inversa de P determinamos
Portanto, P =
1 1

1 10
1
1
1/2
1
1
10
10 1
= 2
. Como D
=
, al ulando o produto P D P
que P
1 1
1

210 + 1 1 210
1
10
obtemos que A
= 211
.
1 210 210 + 1
10
1
4
Exemplo 242 (limite de seqn ia de matrizes)

lim Ak .
k
O polinmio ara tersti o
Considere
Cal ule
1/3.
p() = 2 4/3 + 1/3.
A=
7
4
10 17/3
As razes (os autovalores) so
Resolvendo os sistemas asso iados, determinamos os autoespaos.
170
CAPTULO 7.
h(2, 3)i. Oautoespao asso iado ao 1/3 h(3, 5)i.

1
om D =
1/3
O autoespao asso iado ao
2 3
P =
3 5
5 3
= 12
.
3 2
Portanto,
P 1
que

lim Ak = lim (P D k P 1 ) = P lim D k P 1 .
k
k
k
k
1
k
, o primeiro elemento da diagonal sempre 1 e o segundo
Como D =
(1/2)k

1
1
k
P 1 ,
onverge para zero. Logo, lim D =
. Con lumos que o limite P
0
0
k

10
6
k
obtendo que lim A =
.
15 9
k
1 1 1
Exemplo 243 (estado limite) Considere a matriz A = 12 0 2 1 . Dado um vetor
0 0
1
qualquer ini ial v0 , denimos vk+1 = Avk . Queremos saber para qual vetor o sistema vai
laro que
onvergir (e se vai onvergir). A onvergn ia depende do vetor ini ial?

k
k
laro que (por induo) vk = A v0 . Assim queremos al ular lim A . Vamos seguir
k
os passos do exemplo anterior.
Como a matriz diagonal, os autovalores so
determinamos os autoespaos.
autoespao asso iado ao
D=
P
1/2
1/2
1 1
0
= 0
0
1
Como
Dk =
h(1, 1, 0)i.
Portanto,
Cal ulando a inversa de
0
1 .
1
(1/2)k
(1/2)k
limite
0
0
1
P 1 ,
Resolvendo os sistemas asso iados,
1/2 h(1, 0, 0), (1, 1, 1))i.

1 1 1
P = 0 1 1 om
0 1 0
obtendo que
bc
lim vk = lim Ak v0 = b c .
k
k
0
determinamos que
o ter eiro elemento da diagonal sempre
primeiro e o segundo onvergem para zero. Logo,
1/2 e 1.
lim D k =
0
0
0 1 1
lim Ak = 0 1 1 .
k
0 0
0
e o
Con lumos que o
Assim se
a
v0 = b ,
c
Como al ular raiz quadrada de matriz diagonalizvel?
A
= P DP 1 omelementos da diagonal de D (autovalores) positivos, denimos B =
A = P DP 1, onde D signi a tomar raiz (positiva) dos elementos da diagonal. Desta
Se
MULTIPLICIDADE
7.5.
ALGBRICA E GEOMTRICA
171
B 2 = (P DP 1)(P DP 1 ) = P D DP 1 = P ( D)2 P 1 = P DP 1 = A pois

2
D = D.
laro que

6 30
.
Exemplo 244 (raz quadrada de matriz) Cal ule A para A =
5
19
2
O polinmio ara tersti o p() = 13 + 36. As razes (os autovalores) so 4 e 9.
forma,
Resolvendo os sistemas asso iados, determinamos os autoespaos.
9 h(2,

1)i. O autoespao asso iado ao 4 h(3, 1)i.
2 3
9
Portanto, P =
om D =
1
1
4

3
1
3
1
1
D=
= A
=
. Como
, al ulando o produto P DP
que P
2
1 2

0 6
2
A=
obtemos que B =
. Verique diretamente que B = A.
1
5

3
D uma das opes:
ou
Note que poderamos ter tomado, ao invs de
2

3
3
ou
, pois o quadrado de qualquer uma delas igual a D . Nes2
2

12
30
12 30
tes asos obteramos matrizes B1 =
= B1 , B3 =
, B2 =
5
13
5
13

0
6
= B1 . Para qualquer uma delas, Bi2 = A.
1 5
7.5 Multipli idade Algbri a e Geomtri a0

Denio 89 (multipli idade algbri a)
Dado polinmio ara tersti o
p()
de
T,
pelo
Teorema 14 podemos, agrupando termos repetidos, es rever que
p() = an ( 1 )m1 ( p )mp ,

onde
a
1 , . . . , p
so razes distintas de
multipli idade algbri a de k
p(), e portanto autovalores distintos de T . Denimos

mk , o nmero de vezes que k raz de p().
por
Se autovalor de T , sua multipli idade

geomtri a igual a dim(Nu (T I)), a dimenso do auto-espao asso iado.
Denio 90 (multipli idade geomtri a)
Teorema 17 (multipli idade geomtri a menor que algbri a)
A multipli idade geo-
mtri a de um autovalor (dimenso do autoespao) menor ou igual a sua multipli idade

algbri a.
Prova:
Sejam 1 autovalor de T : V V e 1 a dimenso do autoespao H1 asso iado a

= {v1 , . . . , vn } uma base de V tal que
{v1 , . . . , v1 } base de H1 . Neste aso,
1 I A12
temos que, utilizando notao de blo os, [T ] =
e assim
0 A22

(1 )I
A12
= det (1 )I det A22 1 I = (1 )1 q().
p() = det
0
A22 1 I
1 .
Seja
172
Logo
CAPTULO 7.
(1 )1
um fator de
p() = am ( 1 )m1 ( p )mp .

Portanto
1 m1 .
Corolrio 14 (TL diagonalizvel)
Uma TL diagonalizvel se, e somente se, a multi-
pli idade geomtri a (dimenso do autoespao) de ada autovalor igual a sua multipli idade
algbri a.
Prova:
Suponha
diagonalizvel.
Pelo Teorema
15 da pgina 159,
autovetores. Logo a soma das multipli idades geomtri as
n,
possui base de
a dimenso do espao. Pelo
Teorema 17, a multipli idade geomtri a menor ou igual que a algbri a.
Suponha por
ontradio que estritamente menor. Neste aso, a soma das multipli idades geomtri as
seria menor que
n.
Suponha que a multipli idade geomtri a igual a algbri a.

dimenses dos autoespaos igual a
n.
Neste aso, a soma das
Pelo Teorema 15 da pgina 159,
diagonalizvel.
7.6 Exer ios de Autovalores, Autovetores e Diagonalizao

Autovalores e Autovetores
Exer io 1. Suponha que u autovetor asso iado ao autovalor 2 e v autovetor asso iado
3.
(a) y = u autovetor asso iado ao autovalor
(2, 2);
(b) z = 2v autovetor asso iado ao autovalor
(3, 6).
( ) w = u + v
(, no ) autovetor asso iado ao autovalor 5;
Exer io 2. Considere o vetor 0 = (0, . . . , 0). Determine se Verdadeiro
(a) omo T (0) = 00, o nmero 0 autovalor de T ;
(b) omo T (0) = 0 = 0, o vetor 0 autovetor de T .
ao autovalor
ou Falso:
se Verdadeiro ou Falso:
(a) toda TL possui um autovalor real;

(b) se uma TL possui n leo diferente de
( ) se o espe tro de uma TL
{2, 3, 1}
ento possui um autovalor.
ento invertvel.
Exer io 4. Se T : R R , T possui no mximo

autovalores distintos.
Exer io 5. Se o ni o autovalor de T : R3 R3 5 ento:
9
dim Nu (T 3I)
(b) dim Nu (T + 5I)
( ) dim Nu (T 5I)
(a)
ou = 0, 1, 2, 3);
(> ou = 0, 1, 2, 3);
(> ou = 0, 1, 2, 3);
(>
Exer io 6. Se a matriz quadrada B
no possui inversa ento
B.
Exer io 7. Se dim Nu (T + 2I) = 1 ento autovalor de T:

0 Verso 28.jul.2008 19h
(,
no )
autovalor de
7.6.
EXERCCIOS DE AUTOVALORES, AUTOVETORES E DIAGONALIZAO
(a)
(sim,
2?
no, talvez);
Exer io 8. Considere em R2 :
(0 < < ).
(a) 1:
173
2?
(sim, no, talvez).
R uma reexo, P uma projeo e U uma rotao por ngulo
(b)
Determine quais possuem um autovalor igual a:
1:

0 0
A=
.
0 0
(b)
Exer io 9. Seja
(a) (so) autovalor(es)
Exer io 10. Se T : V V
( )
0:
(d) um omplexo no-real:
(b) so autovetores
possui omo polinmio ara tersti o
p() = det(T I) = ( 1)2 ( + 3),

(a)
dim(V ) =
(b)
dim(Nu (T )) =
( )
dim(Nu (T 3I)) =
Diagonalizao
se Verdadeiro ou Falso. Se
6 autovalores distintos
(b) 2 autovalores distintos
(a)
Exer io 12. Sabendo

ser)
diagonalizvel;
Exer io 13. Se
ento ela no diagonalizvel.
que todo autovetor de
1 e
B= 0 2
3
0 0
1
(pode,
possui:
ento ela diagonalizvel.
mltiplo de
(1, 1, 1), A
no , pode
ento
no pode) ser diagonalizada pois seus autovalores

(formam, no formam) uma base.
portanto os autovetores
(,
(a) seus autovalores so

(b)
T : R 6 R6
so
7.6.2 Problemas
Problema
1.
Considere
T (x,
y)= (3x + 4y, 2y x).
autovetor de T :
0
1
1
?
(b)
?
( )
?
(d)
?
(a)
0
2
1
Problema 2. Em ada item determine se v autovetor de A. Em aso positivo, determine
o autovalor:

4
3
7 9
1
3 1
e A =
;
(b) v = 3 e A = 4 5 1 .
(a) v =
4
3 8
1
2
4 4

4 2
Problema 3. Sabe-se que = 10 autovalor para
. Determine uma base para
3
9
a TL
4
1
o autoespao asso iado. En ontre trs autovetores distintos.
Problema 4. Cal ule os autovalores e autoespaos asso iados de:

(a)
2 7
7 2
(b)
3
0 0
0
3 2 ;
0 1 0
Problema 5. Cal ule os autovalores e autoespaos asso iados de:
( )
0
1
0
0
0
0
0
0
1 1
1 1
.
0
0
0
1
174
(a)
CAPTULO 7.
T (x, y) = (3x 2y, 3y);
Problema 6. Determine h
na matriz
5 2 6
0
3 h
0
0 5
0
0 0
iado ao autovalor 5 seja bidimensional.
Problema 7. Suponha
que
T (x, y, z) = (x 2y + 2z, y, z).
1
0
de modo que o autoespao asso4
1
(b)
autovalor de
invertvel e
autovalor de
autovetor v. Determine autovalor asso iado ao autovetor v de:

2
1
(a) A ;
(b) A ;
( ) AB ;
(d) C
= aA + bB
om mesmo
om
Problema 8. Em ada item d um exemplo de TL que tenha:

(a)
mente;
(b)
(1, 2)
(0, 1)
omo autovetores asso iados aos autovalores
respe tiva-
(1, 1, 1) e (1, 0, 1) omo autovetores asso iados ao autovalor 3 e (0, 1, 1) Nu (T ).
Problema 9. Explique em ada aso porque no existe

(a)
1/2
a, b R.
T : R2 R2
uma TL:
ujo n leo seja uma reta e tenha dois autovalores reais distintos
no-nulos;
T : R4 R4 que seja sobrejetiva om um autovalor igual a 0;

3
3
( ) T : R R que tenha (1, 2, 3), (4, 5, 6) e (5, 7, 9) (note que o ter eiro soma dos
dois primeiros) omo autovetores asso iados aos autovalores 1, 2 e 3;
Problema 10. Para ada T denida determine os autovalores e a dimenso de Nu (T ),
Nu (T + I), Nu (T I):
3
3
(a) T : R R uma projeo ortogonal num plano passando pela origem;
3
3
(b) T : R R uma reexo em torno de um plano passando pela origem;
Problema 11. Sabendo que T : R3 R3 possui x y + z = 0 omo autoespao asso iado
ao autovalor 2,
(a) T (1, 2, 1) =
;
(b) dim(Nu (T )) pode ser no mximo
(0, 1, 2, 3)
(b)
Problema 12. Sabendo que a matriz

abaixo umarotao em torno de um eixo xo, determine a direo do eixo de rotao.
Problema 13. Considere T

T :C
= 9 se:
(a) T f = f ;
rivadas, isto ,
0 1
0
0
0 1
1
0
0
um operador agindo no espao das funes reais om duas de(R; R) C (R; R). Determine autofunes asso iadas ao autovalor
(b)
T f = f ;
Diagonalizao
Problema 14. A
matriz abaixo est fatorada na forma
MDM 1 . Sem fazer ontas,
determine os autovalores da matriz e bases para ada um dos autoespaos.
3 1 2
2 0
0 0
1 2 1
4
= 1 0
1 1
2
2 0 0
0 2 0
2
0 0 1
0
Problema 15. Se possvel, diagonalize a matriz:
2 1
2
1
1 3
1 2
7.6.
(a)
1
0
6 1
1 0 0
1 0 0
1 1 1
(b)
( )
3 1 0
1
1 0
0
0 4
, x+y
, z).
Problema 16. Considereo operadorP (x, y, z) = ( x+y
2
2
(a)
tal que
1 0 0
[P ] = 0 1 0 ;
0 0 0

(a)
A44
(b)
1
0
0
0
0
0
1
0
0
1
0
0
Determine base:
tal que
0
0
0
1
1 0 0
[P ] = 0 0 0 .
0 0 1
em ada aso se a TL pode ser diagonalizada:
tem trs autovalores distintos. Um autoespao unidimensional e um dos outros
bidimensional.
5
(b) T : R
autoespaos de
R5
tem polinmio ara tersti o
so bidimensionais.
Problema 18. Seja v1 , v2 , . . . , vn

(a) Mostre que existe
Problema 19. Sejam P =

A2 ).
p() = ( )( e)2 ( 1)3 .
uma base de V e Avk

P 1 AP diagonal;
= kvk ,
om
Dois dos
k = 1, . . . , n.
tal que
(b) Determine esta matriz diagonal.
por
(d)
175
5 7
2 3
D=
2 0
0 1
A = P DP 1.
Cal ule
A8
(sem passar
1 2
1
Problema 20. Considere A = 0 3 1 .
0 5 1
3
(a) Determine uma base de R formada por autovetores de A.
99
(b) Determine matrizes X e Y de modo que A
= XY X 1 (no efetue o produto).

1 0
10
.
Problema 21. Cal ule o A para A =
1 2
k

0.6 0.2
Problema 22. Cal ule lim
.
0.4 0.8
k
A (raiz quadrada da matriz A), isto , determine B tal que

B
=
13 14 4
B 2 = A para A = 14 24 18 .
4 18 29
Problema 24. Num
pas politi amente instvel 30% dos defensores da repbli a passam a
apoiar a monarquia a ada ano e 20% dos defensores da monarquia passa a apoiar a repbli a
rk e mk o nmero de republi anos e monarquistas,

respe tivamente, a ada ano k , temos que rk+1 = 70%rk +20%mk e mk+1 = 30%rk +80%mk .
a ada ano.
Portanto, denotando por
Utilizando matrizes,

rk
0.7 0.2
.
=
mk
0.3 0.8

0.7 0.2
espe tral de
.
0.3 0.8
rk+1
mk+1
(a) Cal ule a de omposio
(b) Sabendo que hoje metade da populao apoia a repbli a, em 10 anos qual ser o
per entual que apoia a repbli a?
( ) A longo prazo qual ser o per ental de republi anos e monarquistas? Note que isto
independe do per entual ini ial.
176
CAPTULO 7.
7.6.3 Desaos
Desao 1. Considere a, b, c, d Z
autovalores inteiros.
Desao 2. En ontre
o espe tro de
Desao 3. Seja T : V V
grau
om
a + b = c + d.
om
Prove que
a1 a2 an
a1 a2 an
A = .. ..
.
.
. .
.
a1 a2 an
dim(V ) = n.
Prove que
n.
Desao 4. Considere
uma matriz quadrada
(a) a soma dos autovalores de
A.
a b
c d
det(T I)
tem somente
um polinmio de
Prove que:
A igual ao trao de A (a soma dos elementos da diagonal);

A igual ao determinante de A.
(b) o produto dos autovalores de
Desao 5.
Denio 91 (subespao invariante)
W V
invariante por T
(a) Prove que se

autovetor de
(denotado
Considere T : V V . Dizemos que um subespao

T (W ) W ) se w W impli a T w W .
invariante por
no autovetor
( ) Prove que se
A B
0 C
dim(W ) = 1
ento todo
T;
W invariante
de T ;
(b) D um exemplo de
no-nulo
om
om
invariante por
por
om
dim(W ) = 2
ento existe uma base
wW
no-nulo
tal que todo

de
w W
tal que
[T ] =
dim(A) = dim(W );
W Z = 0 (es revemos V = W Z , V soma direta

T

. Mostre que existe uma
A 0
om dim(A) = dim(W ),
base de V tal que, utilizando notao de blo os, [T ] =
0 C
dim(C) = dim(Z);
1
(e) Se T possui inversa todo subespao invariante por T invariante por T
.
2
Desao 6. (Shilov p.117 #33) Mesmo que T no possua autovetores, T pode possuir
2
autovetores (por exemplo uma rotao de 90 ). Mostre que se T tem autovetor om autovalor
positivo ento T possui autovetor.
Desao 7. (Shilov p.116 #28) Prove que se A e B omutam (isto , se AB = BA) ento
todo autoespao de A um subespao invariante (veja Denio 91 da pgina 176) de B .
Desao 8. Mostre que duas matrizes simtri as n n A e B omutam (AB = BA) se, e
somente se, eles possuem um onjunto de n autovetores ortogonais simultneos.
Desao 9. Prove que se autovalor de AB ento tambm autovalor de BA.
Desao 10. Seja T : R7 R7 omdim Nu (T I) = 4. Mostre que existe uma base
I44 B43
7
de R tal que [T ] =
.
0 C33
Desao 11. Considere T linear denido no espao das matrizes 2 2 por T A = AT . Determine os autovalores e autoespaos de T .
Desao
12. Seja V o espao vetorial das funes ontnuas de R em R. Dena (T f )(x) =
Rx
f (s) ds. Prove que T no possui autovalores. Se tivesse, T f = f , derivando os dois
0
de
(d) Suponha que
Z,
V = W +Z
om
onforme Denio 51 da pgina 75) invariantes por
7.6.
lados,
f = f
e portante
seria uma exponen ial mas omo
f 0.
(T f )(0) =
R0
0
177
f (s) ds = 0,
Diagonalizao
Desao 13.
A famosa seqn ia de Fibona i, 1, 1, 2, 3, 5, 8, 13, 21, . . . , dada pela lei de
formao: um termo a soma dos dois anteriores. Em termos matri iais, podemos es rever
xk+2
xk+1
(a) Cal ule a de omposio espe tral

1 1
xk+1
=
.
1 0
xk

1 1
de
.
1 0
(b) Explique omo al ular o qinquagsimo segundo termo da srie usando uma al uladora ient a de 12 dgitos no programvel.
( ) determine frmula geral aproximada para
Desao 14.
algum
k N.
Suponha
nilpotente (veja Denio 76 da pgina 118) isto ,
N 6= 0,
ento
(a)
para
zero;
no diagonalizvel.
Desao 15. Suponha A diagonalizvel.

T
Nk = 0
Prove que:
(a) o ni o autovalor de
(b) se
xk+1 .
Prove que:
diagonalizvel;
1 em mdulo ento A1 = A;
(b) se possui um ni o autovalor ento A = I .
Desao 16. Seja T : V V om dim(V ) = 3.
(a) Suponha que o ni o autovalor de T 0 . Prove que T diagonalizvel se, e somente
se, T 0 I = 0 (isto , T = 0 I ;
(b) Suponha que T possua dois autovalores distintos 0 e 1 . Prove que T diagonalizvel
se, e somente se, (T 0 I)(T 1 I) = 0.
Desao 17. Se A e B so diagonalizveis e AB = BA ento os autovetores de A so iguais
aos autovetores de B .
Desao 18. Prove que se A 2 2 e A = AT ento A (teorema espe tral para matrizes
2 2):
(a) se os autovalores so iguais a
(a) possui todos autovalores reais;

(b) diagonalizvel.
Desao 19. (Shilov
p.117 #38) Considere T diagonalizvel om n autovalores distintos.

n
Mostre que existem 2 subespaos invariantes (veja Denio 91 da pgina 176) por T .
Desao 20. Suponha

qualquer dena
que
vn = T n v0
T
e
diagonalizvel e 1 o maior autovalor em mdulo.

wn = vn /kvn k (wn possui mdulo 1). Prove que
Dado
v0
lim wn = u1
n
onde
u1 autovetor asso iado a 1 .
Este o hamado
mtodo da potn ia para determinar
autovetores.
Desao 21.
A denimos eA = I + A + A2 /2! + An /n! + .

A
D 1
D
onde e diagonal
(a) prove que se A diagonalizvel ento e = P e P
nen ial de ada elemento de D na diagonal;

2 6
A
; (Leon)
(b) al ule e para A =
1
3
Dada
om expo-
178
CAPTULO 7.
eN uma srie nita que pode ser al ulada. Cal ule eN

0 1 0
0 1
0 0 1 .
para N =
e N =
0 0
0 0 0
A
(d) prove que se autovalor de A ento e autovalor de e ;
A
(e) prove que e invertvel se A diagonalizvel;
T
A
(f ) prove que se A simtri a (A = A ) ento e simtri a e positivo denida.
( ) Se
N

nilpontente ento
Desao 22.
Denio 92 (polinmio minimal)
grau 1)
minimal
para
se
Dizemos que um polinmio
p(T ) = 0
p mni o (termo de maior
e de menor grau dentre aqueles om esta
propriedade.
Prove que T diagonalizvel se,
Q
k
i=1 (x i ) om i distintos.
e somente se, seu polinmio minimal da forma
p(x) =
7.6.4 Extras
Extra 1. Cal ule os autovalores e autoespaos asso iados de:
(a)
T (x, y) = (x y, 2x + 3y);
Extra 2. Prove
T (x, y, z) = (x 2y, y, y);

A 2 2 2 trao(A) + det(A) onde
(b)
que o polinmio ara tersti o de
trao(A) igual a soma dos elementos da diagonal.
Extra 3.
(a) prove que
(b) prove que
(A I)T = AT I ;
os autovalores de A so
iguais aos de
AT .

(a)
0 1
0 0
(b)
0 1
1
0
( )
2 1
0
0
1 1 ;
0
1
3
Extra 5. Sabendo que o polinmio ara tersti o de A p() = 8 26 + 32 + 4, determine

det(A).
Extra 6. Em ada item d um exemplo de TL:
T : R2 R2 que tenha 1 e 1 omo autovalores;

2
2
(b) T : R R que tenha 2 e 3 omo autovalores asso iados respe tivamente aos
autoespaos x = y e x = y ;
3
3
( ) T : R R que tenha x y + z = 0 omo autoespao aso iado ao autovalor 2 e
que tenha tambm 1 omo autovalor;
(a)
Extra 7. Explique em ada aso abaixo porque no existe
uma TL:
T : R4 R4 ujo n leo seja o plano gerado por (0, 1, 1, 1) e (1, 0, 0, 1) e que tenha
(1, 1, 1, 0) omo autovetor asso iado ao autovalor 3;
3
3
(b) T : R R que tenha x y + z = 0 omo autoespao asso iado ao autovalor 1
e tal que T (1, 0, 1) = (0, 1, 0);
(a)

P : R4 R4
3
3
(b) R : R R
(a)
uma projeo ortogonal na reta gerada por (1, 2, 1, 1);
uma rotao por ngulo de 90 em torno do eixo gerado por
(1, 1, 1).
7.6.
Extra 9. Para
179
T denida abaixo determine os autovalores e a dimenso de Nu (T ),

Nu (T + I), Nu (T I):
2
2
(a) T : R R uma projeo ortogonal numa reta passando pela origem;
3
3
(b) T : R R uma rotao de 180 .

Extra 10. Suponha que A semelhante a B (veja Denio 75 da pgina 113).
(a) prove que det(A) = det(B);
3
3
(b) prove que A e B tambm so semelhantes.
( ) prove que A e B possuem os mesmos autovalores;
(d) determine a relao entre os autovetores v de A e w de B (que so distintos de forma
ada
geral).
(e) trao(A)
= trao(B).
Extra 11. Prove que se A diagonal
(superior ou inferior) os autovalores so elementos da
diagonal.
Extra 12. Suponha que u e v sejam autovetores.

Suponha ainda que
Dena
esto asso iados:
w autovetor asso iado a ;

w no autovetor.
T T : C (R; R) C (R; R), denida por T f = f .
(a) ao mesmo autovalor
w = au + bv om w 6= 0, a, b R.
Prove que
(b) a autovalores distintos. Prove
Extra 13. Considere
Determine o
autoespao asso iado ao:
1, isto , as funes que satisfazem f = f .
(b) 1, isto , as funes que satisfazem f = f .

Extra 14. Considere T : P2 P2 denido por T (ax2 + bx + c) = cx2 + bx + a. Determine
os autovalores e autoespaos de T .
Extra 15. Se A = A5 uma matriz quadrada, o que vo pode dizer sobre os autovalores
reais de A?
Extra 16. (a) Seja Ann tal que as somas das entradas de ada linha tm todas o mesmo
valor s. Con lua que s autovalor.
Pn
Di a: es reva
j=1 aij = s, i = 1, 2, . . . , n em forma matri ial e ento en ontre
um autovetor.
1 2 3
(b) Determine dois autovalores de 1 2 3 por inspeo (sem fazer ontas).
1 2 3
( ) Suponha que a soma de todos elementos de ada oluna igual a k . Prove que k
autovalor de A.
(a)
Diagonalizao
Extra 17. Determine matrizes X e Y
1
=
possua autovalores 2 e 3
XY X
1
1
om autovetores asso iados, respe tivamente,
e
.
1
1
Extra 18. Considere a transformao linear T : P2 P2 dada por (T (p))(t) = (t 1)p (t).
de modoqueA
Determine:
(a) a matriz de
om relao base anni a dos polinmios;
(b) a de omposio espe tral desta matriz;

( ) os autovalores de
2007
(d) T
(4 2t).
e respe tivos autoespaos;
Extra 19. Diagonalizabilidade
e invertibilidade so on eitos distintos. Para onrmar esta
armao, onstrua uma matriz
22
que :
180
CAPTULO 7.
(a) diagonalizvel mas no invertvel;
(b) invertvel mas no diagonalizvel.
5 5 5
Extra 20. Diagonalize, sem fazer ontas, 5 5 5 .
5 5 5
Extra 21. Determine valores de a para os quais a transformao linear T diagonalizvel:
(a) T (x, y, z) = (3x + az, 2y + az, 2z)
(b) T (x, y) = (ax, 3x + 2y)
( ) T (x, y) = (ax, x + (a + 1)y)
(d) T (x, y, z) = (2x + ay, 2y, z)
1 a
a
Extra 22. Determine os valores de a para que 1 1 1 seja diagonalizvel.
1 0
2
Extra 23. Se possvel, diagonalize a matriz:
2
2 1
3 4
3 1
(b)
;
( )
(d)
1
3 1 .
(a)
4
3
1
5
1 2
2
3
3
Extra 24. Considere T : R R uma transformao linear tal que T v1 = v1 , T v2 = v2
100
e T v3 = v3 . Se v1 = (2, 1, 1), v2 = (0, 1, 1) e v3 = (1, 2, 1), determine T
(x, y, z)

1 4 2
3 4
0 ;
3 1
3
omo produto de trs matrizes.
Extra 25.
Cal ule:
(a)
11
1 7 1
0 1
0 ;
0 15 2
(b)
100
1 0
0
0 0
2 ;
0 3 1
( )
lim
Extra 26. Em ada item d um exemplo de TL satisfazendo as ondies

T : R2 R2
3
3
(b) T : R R
(a)
ados aos autovalores
Extra 27. Prove

diagonaliza
que tenha
que tenha
0.4 0.3
0.6 0.7
dadas.
2 omo ni o autovalor e seja diagonalizvel;

(1, 0, 0) e (0, 1, 1) omo autovetores respe tivamente
3 e seja diagonalizvel.
P diagonaliza A ento Q = P
k
asso i-
que se
A.
om
no-nulo tambm
2
Extra 28.Cal ule B =
A (raiz quadrada da matriz A), isto , determine B tal que B = A
para
A=
2
1
2 1
Extra 29. Mostre que se A e B so diagonalizadas pela mesma matriz P ento AB = BA.
Extra 30. (Shilov p.117 #31) Prove que se todo vetor (no-nulo) de V autovetor de T
ento
T = I
para algum
R.
Captulo 8
Produto Interno
Neste aptulo, introduzimos o on eito de produto interno em um espao vetorial. O produto
interno nos permite denir o omprimento de um vetor e o ngulo entre dois vetores (em
parti ular, denir a ortogonalidade entre dois vetores).
Comearemos dis utindo os on eitos de omprimento e ngulo em
R2
R3 , om os quais
o leitor j est familiarizado. Veremos omo estas quantidades podem ser onvenientemente
Rn Rn em R, qual denominaremos produto
expressas em termos de uma funo de
interno (ou produto es alar). Dis utiremos algumas propriedades desta funo e, a exemplo
do que zemos outras vezes neste urso, estenderemos a noo de produto interno para outros
espaos atravs destas propriedades.
Com o produto interno introduziremos o on eito de ortogonalidade para vetores em
espaos vetoriais gerais. Isto permite denir projees ortogonais e reexes.
So apli aes importantes:
problema de mnimos quadrados, quando damos sentido a resoluo de sistemas lineares
aproximao de funes por polinmios ou funes simples (senos e ossenos por exem-
sobredeterminados (mais equaes do que variveis);
plo, no aso da srie de Fourier).
8.1 Produto Interno em Rn

R2 ,pdene-se o omprimento (tambm hamado de norma)
de um vetor v = (x, y) por
p
3
2
2
2
kvk = x + y e, em R , o de v = (x, y, z) por kvk = x + y 2 + z 2 . Conforme indi ado
2
na Figura 8.1, o omprimento em R de orre de uma apli ao do Teorema de Pitgoras e
qp
p
3
em R de duas apli aes pois
( x2 + y 2)2 + z 2 = x2 + y 2 + z 2 .
2X
ou 3
2
3
ui vi , temos
Denindo-se o produto interno ( anni o) de R ou R por hu, vi =
i=1
p
kuk = hu, ui .
Em
Denio 93 (produto interno anni o e norma no Rn )
Dados
v
=
(v1 , . . . , vn ), w = (w1 , . . . , wn ) Rn , dene-se o produto interno anni o
por
s n
n
X
X
p
vi wi . A norma (ou omprimento) denida por kvk = hv, vi =
vi2 .
hv, wi =
i=1
i=1
0 Verso 29.jul.2008 15h
181
182
CAPTULO 8.
PRODUTO INTERNO
v = (x, y, z)
v = (x, y)
x2 + y 2
x2 + y 2
Figura 8.1: Comprimento em
R2 ou 3
Observao 61 (produto interno anni o

e matrizes)
v=
v1
.
..
vn
matrizes e de matriz transposta, dados
qp
( x2 + y 2 )2 + z 2
,w =
Da denio de produto de
w1
.
..
wn
hv, wi = vT w.
Rn ,
Outras notaes usuais para o produto interno (tambm denominado produto es alar) so
T
e u v, esta ltima motivada pelo entendimento de u e v omo vetores- oluna, isto ,
uv
matrizes
n 1.
Exemplo 245
v = (1, 2, 3, 4, 0), w = (1, 2, 3, 4, 5). Cal ule

kvk e hv, wi.
2
2
kvk = 1 + 2 + 3 + 4 + 0 = 1 + 3 + 9 + 16 = 29. Logo, kvk = 29. hv, wi =
(1)(1) + (2)(2) + (3)(3) + (4)(4) + (0)(5) = 1 + 4 9 + 16 + 0 = 10.
2
Considere
2
2
Lema 47 (propriedades do produto interno)
Considere
terno denido a ima satisfaz as seguintes propriedades:
hu, vi = hv, ui ;
(b) bilinearidade: hu + v, wi = hu, wi + hv, wi
( ) positividade: hu, ui > 0 para todo u 6= 0.
u, v, w Rn .
O produto in-
(a) simetria:
Prova:
para todo
R;
Deixamos para o leitor.
O lema abaixo ara teriza a ortogonalidade de vetores no plano e no espao em funo

do produto interno.
Lema 48 (ortogonalidade no plano e espao)

e somente se,
Prova:
Os vetores
hu, vi = 0.
u, v Rn
so ortogonais se,
Vamos utilizar um fato da geometria eu lidiana que um paralelogramo um retngulo
se, e somente se, o omprimento de suas diagonais igual.

Dado o paralelogramo de lados
ku vk.
v,
Temos as seguintes equivaln ias:
o omprimento de suas diagonais
ku + vk
8.2.

PRODUTO INTERNO EM ESPAOS VETORIAIS
u
u
e
e
v
v
183
so ortogonais;
forma um retngulo;
omprimento das diagonais igual;

ku + vk = ku vk;
ku + vk2 = ku vk2 ;
hu + v, u + vi = hu v, u vi;
kuk2 +2 hu, vi+kvk2 = kuk2 2 hu, vi+kvk2 ;

expresso, 2 hu, vi = 2 hu, vi;
usando propriedades do produto interno,

simpli ando os dois lados da

4 hu, vi = 0;
hu, vi = 0;
Exemplo 246
Verique que so ortogonais entre si em
R6 : (1, 0, 1, 0, 1, 0), (0, 1, 0, 1, 0, 1),
(1, 0, 1, 2, 0, 2).
De fato, h(1, 0, 1, 0, 1, 0), (0, 1, 0, 1, 0, 1)i = 1(0) + 0(1) + 1(0) + 0(1) + 1(0) + 0(1) = 0,
h(1, 0, 1, 0, 1, 0), (1, 0, 1, 2, 0, 2)i = 1(1)+0(0)+1(1)+0(2)+1(0)+0(2) = 1+1 = 0,
h(1, 0, 1, 2, 0, 2), (0, 1, 0, 1, 0, 1)i = 1(0)+0(1)+1(0)+2(1)+0(0)+2(1) = 22 = 0.
8.2 Produto Interno em Espaos Vetoriais

Inspirados por
Rn ,
denimos produto interno em espao vetorial qualquer.
Denomina-se espao om produto interno a um espao vetorial V munido de uma funo h, i : V V R (denominada
produto interno ou produto es alar) tal que, para todo u, v, w V , satisfaz s seguintes
Denio 94 (espao om produto interno)

propriedades:
hu, vi = hv, ui;

(b) bilinearidade: hu + v, wi = hu, wi + hv, wi
( ) positividade: hu, ui > 0 para todo u 6= 0.
(a) simetria:
Exemplo 247
R
Como j vimos,
para todo
R;
h, i dada por hu, vi = uT v
produto interno ( anni o) de

2
. Mas podem-se denir outros produtos internos. Por exemplo, em R :
h, i : R2 R2
(u, v)
De fato,
R
7 2
v.
7
uT
2 7
h(u1, u2 ), (v1 , v2 )i = 7u1 v1 + 2u1 v2 + 2u2 v1 + 7u2v2 , de forma que f il veri ar
que as trs propriedades em questo so satisfeitas. Em parti ular, a para a ter eira, temos
hu, ui = 7u21 + 4u1 u2 + 7u22

2ab a2 b2
(Note que
2ab a2 b2
Exemplo 248
R.
Dena
Seja
segue de
hu, ui 5u21 + 5u22 > 0 u 6= 0.
a2 + 2ab + b2 = (a + b)2 0.)
V = C([1, 1]; R) o espao vetorial das funes ontnuas de [1, 1] em

h, i : V V
(f, g)
Verique que um produto interno.
R
1
f (t)g(t) dt.
1
184
CAPTULO 8.
PRODUTO INTERNO
R
R
f
g
=
gf . A bilinearidade de orre da linearidade da integral:
R
R
R
(f + g)h = f h + gh. A positividade mais deli ada. Se f no Rnula ento, por
ontinuidade, ela no nula num erto intervalo no-degenerado. Com isto,
f 2 > 0.
A simetria de orre de
Exemplo 249
Considere
P2
o espao dos polinmios de grau at dois. Dena
h, i1 : P2 P2
R
.
(p, q) 7 p(1)q(1) + p(2)q(2)
h, i2 : P2 P2
R
.
(p, q) 7 p(1)q(1) + p(2)q(2) + p(3)q(3)
h, i2 um produto interno, mas que h, i1 no .

f il he ar que ambas funes sero simtri as e bilineares. A diferena na positi2
2
vidade. Note que hp, pi1 = p(1) + p(2) = 0 se, e somente se, p(1) = p(2) = 0. Como o
polinmio de grau mximo 2 isto no garante que p = 0 (por exemplo p(t) = (t1)(t2)).
Verique que
Se o grau mximo fosse
(retas), isto garantiria que
tividade e no produto interno.

2
2
2
Note que hp, pi2 = p(1) + p(2) + p(3) =
2
Nste aso, p(t) = at + bt + c e p(1) = p(2)
4a + 2b + t = 9a + 3b + c = 0.
p = 0.
Logo,
h, i1
no satisfaz a posi-
0 se, e somente se, p(1) = p(2) = p(3) = 0.

= p(3) = 0 impli a que a + b + c = 0 =
Resolvendo este sistema (a matriz do sistema onhe ida
omo matriz de Vandermonde) obtemos que a ni a soluo a trivial. Logo

ou seja,
p = 0.
. Logo,
h, i2
satisfaz a positividade e produto interno.
Denio 95 (norma e distn ia)

h, i,
Em um espao vetorial
podemos denir uma funo, denominada
A norma induz a noo de
Assim,
kvk =
a = b = c = 0,
om um produto interno
norma (asso iada quele produto interno):
kk: V p R
.
hv, vi
v 7
distn ia:
d(, ) : V V
R
.
(v, w) 7 ku vk
hv, vi
d(u, v) = ku vk.
A norma nos d uma noo de omprimento num espao vetorial qualquer. Note que as
seguintes propriedades, a serem esperadas de uma funo omprimento e distn ia, valem:
k0k = 0,
kvk > 0
(vetor nulo tem norma zero)

para todo
v 6= 0,
(todo vetor no-nulo tem norma positiva);
kvk = ||kvk para todo R, (vetor multipli ado por es alar tem norma modi ada
por mdulo do es alar).
d(v, v) = 0;
d(u, v) 0.
d(v, 0) = kvk.
8.3.
ORTOGONALIDADE
Exemplo 250
185
Considere o produto interno do Exemplo 248 da pgina 183 e as funes
f (t) = t , g(t) = 1 t. Determine kf k, kgk e hf, gi.

Z 1
Z 1
Z 1
2
2
2 2
f (t) dt =
(t ) dt =
(t4 ) dt = t5 /5|11 = 1/5 (1/5) = 2/5.
Como kf k =
1
1
1
p
2/5.
Logo, kf k =
Z 1
Z 1
Z 1
2
2
2
Como kgk =
g (t) dt =
(1 t) dt =
(1 2t + t2 ) dt = (t t2 + t3 /3)|11 = 2.
1
1
1
2.
Logo, kgk =
Z 1
Z 1
2
Cal ulando hf, gi =
t (1 t) dt =
(t2 t3 ) dt = (t3 /3 t4 /4)|11 = 2/3.
1
8.3 Ortogonalidade
8.3.1 Denies
A prxima denio motivada pelo Lema 48.
Denio 96 (vetores ortogonais)

hu, vi = 0.
utilizada a notao
Observao 62
so ortogonais se
Note que, de a ordo om a nossa denio, o vetor nulo ortogonal a
qualquer outro vetor, isto ,
0v
Denio 97 (vetor unitrio)

kb
v k = 1.
Dizemos que dois vetores
u v.
para todo
v.
Diz-se que um vetor
b
v
unitrio se tem norma igual a um,
( omum se utilizar o a ento ir unexo para indi ar que um vetor unitrio.)
Denio 98 (normalizao)
1
b = kvk
v. f il
v
b unitrio e tem a mesma direo e o mesmo sentido de v. Mais ainda,
veri ar que v
b denominamos
o ni o vetor om estas propriedades. Ao pro esso de passar de v para v
Dado um vetor no nulo
v 6= 0,
dena
normalizao.
Denio 99 ( onjunto ortogonal)
Diz-se que o onjunto
se os vetores so dois a dois ortogonais,
hvi , vj i = 0 i 6= j
Denio 100 ( onjunto ortonormal)
{v1 , v2 , . . . , vp }
ortogonal
ou se um onjunto unitrio.
Diz-se que o onjunto
{v1 , v2 , . . . , vp }
ortonor-
mal se, alm de ser ortogonal, todos os seus vetores so unitrios, isto , se
hvi , vj i = ij ,
Exemplo 251
onde
ij =
0
1
se
se
i 6= j
.
i=j
= (1, 2, 0, 2, 0) R5 .
2
2
2
Cal ulando kvk = (1) + (2) + (0) + (2) + (0) = 1 + 4 + 1 = 9.
b = v/3 = (1/3, 2/3, 0, 2/3, 0).
Assim v
Normalize o vetor v
2
2
2
Logo,
kvk = 3.
186
CAPTULO 8.
Exemplo 252
PRODUTO INTERNO
f (t) = t , g(t) = 3t.

que kb
g k = 1.
Cal ulando,
Mostre que
hf, gi =
b
g
so ortogonais. Determine
f (t)g(t) dt =
1
2
t 3t dt =
1
1
1
um mltiplo de
tal
3t3 dt = 3t4 /4|11 = 3(1)4/4
3(1)4 /4 = 3 3 = 0.
Z 1
Z 1
Z 1
2
2
2
Como, kf k =
f (t) dt =
(3t) dt =
9t2 dt = 3t3 |11 = 3(1)3 3(1)3 =
1
1
1
b = g/ 6 = 3t/ 6.
3 + 3 = 6. Portanto, kgk = 6. Logo tome g
Teorema 18 ( onjunto ortogonal LI)
Um onjunto ortogonal de vetores no-nulos
linearmente independente.
Prova:
Seja
{v1 , v2 , . . . , vp }
p
X
i=1
ortogonal. Ento
i vi = 0
vj ,
p
X
i=1
p
X
i vi
i=1
= hvj , 0i
i hvj , vi i = j kvj k2 = 0 j
j = 0 j
Corolrio 15
(j que
vj 6= 0.)
Um onjunto ortonormal de vetores sempre linearmente independente.
Bases ortogonais (e ortonormais, em parti ular) so onvenientes porque f il se determinar as oordenadas nesta base de um vetor dado, sem a ne essidade de se resolver um sistema
linear.
De fato, seja
{v1 , v2 , . . . , vn }
que existem oe ientes
i s
base ortogonal de
e seja u
n
X
dado.
i vi = u.
uni amente determinados tais que
Sabemos
Fazendo-se o
i=1
vj , obtm-se
* n
+
n
X
X
i vi , vj =
i hvi , vj i = j = hu, vj i j
produto interno om
i=1
i=1
e portanto
j =
hu, vj i
j.
kvj k2
Denio 101 ( oe ientes de Fourier)
Seja = {v1 , v2 , . . . , vn } base ortogonal de V

hu, vj i
e seja u V dado. Chamamos os j =
os oe ientes de Fourier de u om
2
kvj k
1
2
relao base ortogonal . Desta forma, [u] = . .

..
n
8.3.
ORTOGONALIDADE
Observao 63
187
b2 , . . . , v
bn }, as ontas se
Em se tratando de uma base ortonormal, {b
v1 , v
bj i para todo j :
kb
vj k2 = 1 e j = hu, v
simpli am um pou o mais, pois
u=
n
X
i=1
bj i v
bj .
hu, v
Denio 102 ( omplemento ortogonal)

H
subespao de
V.
Seja
omplemento ortogonal
ortogonais a todos os vetores de
H,
denotado por
H = {v V | hv, ui = 0
Exemplo 253 (exemplos no plano e espao)

Em
Em
Em
Em
R,
R2 ,
R3 ,
R3 ,
se
se
se
se
H
H
H
H
o eixo-y ,
espao vetorial om produto interno e

de
o onjunto dos vetores de
(l-se
para todo
Em
R2 ,
se
perp), denido por
u H} .
H
o eixo-x,
o eixo-y .
H o eixo-x.
x = y , H a reta y = x.
eixo-x, H
o plano yz (ou x = 0).
plano yz , H
o eixo-x.
a reta
o
o
Exemplo 254
Num espao vetorial V qualquer, 0 = V pois para todo v V , h0, vi = 0.
Por outro lado, V

= 0 pois o ni o w V tal que hw, vi = 0 para todo v o 0. Isto
2
verdade pois pela igualdade hw, wi = kwk = 0 impli a que w = 0.
Lema 49 (propriedades do omplemento ortogonal)

Considere H V
{u1 , u2 , . . . , up }. Ento:
(a) H
subespao vetorial de V ;
(b) H = {v V | hv, ui i = 0, i = 1, 2, . . . , p} ;
( ) dim(H ) + dim(H) = dim(V ).
dimensional om produto interno.
Prova:
(a) Como
Seja
um espao vetorial
n-
um subespao vetorial om base
0 H . Suponha que u, v H .
Pela linearidade do produto interno, hu + v, wi = hu, wi + hv, wi. Como u, v H ,

hu, wi = hv, wi = 0 para todo w H . Logo, hu + v, wi = 0 para todo w H , ou seja,
u + v H
(b) Seja W = {v V | hv, ui i = 0, i = 1, 2, . . . , p}. Como ui H , laro que H
W . Vamos mostrar a in luso ontrria,

isto , que W H . Seja w W e v
X
ai ui . Pela linearidade do produto interno, hw, vi =
H . Como os ui s geram H , v =
i
*
+
X
X
w,
ai ui =
ai hw, uii = 0 pois w W impli a que hw, ui i = 0.
( ) Considere
e somente se,
perpendi ular a todo vetor,
= {v1 , v2 , . . . , vn }
n
X
xi hvi , uk i = 0
i=1
es lineares so em
variveis
base de
para todo
V.
Temos que
w =
n
X
i=1
k = 1, 2, . . . , p
(x1 , . . . , xn ).
pelo item (b).
xi vi H
Estas
se,
equa-
Como os vetores so LIs, as equaes so
independentes. Desta forma o espao soluo W possui dimenso n p. Pela onstruo,
temos uma bijeo linear entre W e H , pois a ada soluo (x1 , . . . , xn ) asso iamos o vetor
188
n
X
CAPTULO 8.
xi vi H .
Logo,
i=1
obtemos o resultado.
dim(W ) = n p = dim(H ).
Lema 50 (base do omplemento ortogonal)

{u1 , . . . , up }
obtemos uma base para
solvendo o sistema homogneo
AT v = 0,
Dado
Como
PRODUTO INTERNO
dim(V ) = n
H Rn
dim(H) = p,
subespao gerado por
( om relao ao produto interno anni o) reonde
H = Nu (AT ).
A = u1 u2 up .

Desta forma,
Prova:
Segue pois so equivalentes:
v H ;
T
T
hv, ui i = v ui = ui v = 0, para i

= 1, . . . , m
0
u1
0

.
.
v
=
.. ;
.
.
up
0
AT v = 0, onde A = u1 u2 up .

Exemplo 255
Seja
(pelo Lema 49 (b));
En ontre uma base para
1
2
A=
3
4
2
3
4
5
1
1
.
1
1
span 2 ,
3

1
2
3 1
,
4 1
1
5
Vamos resolver o sistema

0
x
1 2 3 4
y 0
AT v = 0 = 2 3 4 5
z = 0 .
1 1 1 1
0
w

1 0 1 2
T
Es alonando totalmente A
obtemos
(a ltima linha zera). Fazendo
0 1
2
3
z = s, w = t, x = s + 2t, y = 2s 3t. Logo, (x, y, z, w) = s(1, 2, 1, 0) + t(2, 3, 0, 1),
ou seja uma base {(1, 2, 1, 0), (2, 3, 0, 1)}.
8.3.2 Projees Ortogonais

Nesta seo vamos ver omo podemos denir e al ular projeo ortogonal num subespao
vetorial. Uma ferramenta teri a importante o Teorema de Pitgoras em sua verso abstrata.
Teorema 19 (de Pitgoras generalizado)

om produto interno. Se
vH H
vH
Seja H um subespao vetorial de um espao
H , ento kvH + vH k2 = kvH k2 + kvH k2 .
8.3.
ORTOGONALIDADE
Prova:
Lembrando que
hvH , vH i = hvH , vH i = 0,
kvH + vH k2 =
=
=
=
Observao 64
(a)
(b)
( )
H
H
H
189
hvH + vH , vH + vH i
hvH , vH i + hvH , vH i + hvH , vH i + hvH , vH i
hvH , vH i + hvH , vH i
kvH k2 + kvH k2
Interprete este resultado om auxlio de um desenho para:
uma reta (passando pela origem) no plano.

uma reta (passando pela origem) no espao.
um plano (passando pela origem) no espao.
Teorema 20 (de omposio ortogonal)

H subespao vetorial,
vH H e vH H .
interno e
onde
temos:
Prova:
Dado
v V
um espao vetorial om produto
existe uma ni a de omposio da forma
v = vH + vH
{u1 , u2 , . . . , up } base de H e {v1 , v2 , . . . , vq } base de H . Dena =

{u1 , u2 , . . . , up } {v1 , v2 , . . . , vq }. Vamos mostrar que base de V . De fato:
q
p
p
q
X
X
X
X
bi vi , denindo zH =
ai ui +
ai ui e zH =
bi vi ,
(a) LI. Se 0 =
Seja
i=1
i=1
pelo Teorema 19 (Pitgoras),
kzH k = 0
ai = 0
para
(b)
i=
V.
base de
H,
portanto, base.
Como base,
bi = 0. Portanto, LI.
dim(H ) = dim(V ) dim(H). Logo p + q = n e
vetores igual a dimenso de V . Isto impli a que gera V e,
Pelo Lema 49 ( ),
um onjunto LI om nmero de
vH =
i=1
o que impli a
i=1
1, . . . , p. De forma anloga,
gera
q
X
i=1
0 = k0k2 = kzH + zH k2 = kzH k2 + kzH k2 ,

p
X
ai ui = 0. Como {u1 , u2 , . . . , up }
kzH k = 0. Logo, zH =
v=
p
X
ai ui +
i=1
bi vi , v = vH + vH
q
X
bi vi
de forma ni a. Assim, denindo
vH =
i=1
p
X
ai ui
i=1
de forma ni a.
i=1
Este Teorema permite que se faa a seguinte denio.
Denio 103 (projeo ortogonal)

V
om produto interno denimos a
Dado
Dado
subespao vetorial de um espao vetorial
projeo ortogonal PH : V H
v V , pelo Teorema anterior, v = vH + vH
de forma ni a. Denimos
Lema 51 (propriedades da projeo ortogonal)

H
possui as seguintes propriedades:

(a)
(b)
Prova:
PH linear;
PH + PH = I .
da seguinte forma:
A projeo ortogonal
PH
PH (v) = vH .
no subespao
190
CAPTULO 8.
PRODUTO INTERNO
v = vH + vH om vH H e vH H e w = wH + wH om wH H
e wH H , ento v + w = (vH + wH ) + (vH + wH ) om vH + wH H e

vH + wH H . Assim, PH (v + w) = PH v + PH w.
(b) Se v = vH + vH om vH H e vH H , (PH + PH )(v) = PH (v) + PH (v) =

vH + vH = v para todo v V . Logo, PH + PH = I .
(a) Se
Dado um vetor
v,
j vimos omo express-lo em termos de uma base ortogonal
p
n
n
X
X
X
hv, uii
hv, ui i
hv, ui i
ui =
ui +
ui = PH v + PH v.
v =
hui , ui i
hui , ui i
hui , ui i
i=p+1
i=1
i=1
{z
} |
|
{z
}
H
Con luimos que:
Frmula da Projeo Ortogonal em H

Se
= {u1 , u2 , . . . , up }
base ortogonal de
ento
p
X
hv, ui i
ui .
PH v =
hui , ui i
i=1
Em parti ular, se
uma reta gerada por
u,
PH v =
Se
= {q1 , q2 , . . . , qp }
hv, ui
u.
hu, ui
no apenas ortogonal, mas sim ortonormal, ento os denomi-
nadores so todos iguais a 1 e a frmula se simpli a para
PH v =
p
X
i=1
Se o produto interno o anni o no
Rn ,
hv, qiiqi .
pela Observao 61 da pgina 182,
hv, qi iqi = qi hqi , vi = qi qi T v.

Denindo
Q = q1 q2 qp ,

podemos veri ar que
qi qi T = QQT .
Isto nos d
i=1
uma frmula para a matriz de projeo:
Se
p
X
Frmula da Matriz de Projeo Ortogonal em H Rn
= {q1 , q2 , . . . , qp }
base ortonormal
anni o,
H Rn
om relao ao produto interno
PH = QQT .
Na Seo de Mnimos Quadrados vamos ver omo al ular a projeo no aso geral,
quando no temos uma base ortogonal.
8.3.
ORTOGONALIDADE
191

1
Exemplo 256 H = span 2
2
v = 0 .
0
* 2
0 ,
0
hv, u1 i
PH v =
u1 = *
hu1 , u1 i
1
2 ,
3
Cal ule
PH v
PH v .
1 +

2
1
1
1/7
3
2
+ 2 =
2 = 2/7 .
14
1
3
3
3/7
2
3
2
1/7
13/7
PH v = (I PH )v = 0 2/7 = 2/7 .
0
3/7
3/7
4
1
Exemplo 257 H = span 2 , 1
3
2
Este aso f il pois a base ortogonal.
de
e portanto
2
e v = 0 . Cal ule PH v.
0
4
1
2 , 1
Assim,
3
2
base ortogonal
hv, u2 i
hv, u1 i
u1 +
u2
hu1 , u1 i
hu2 , u2 i
* 2 1 +
* 2 4 +
0 , 2
0 , 1
1
4
0
3
0
2

+ 1
= * + 2 + *
1
4
1
4
3
2
2 , 2
1 , 1
3
2
3
2

1
4
5/3
8
2
2 +
1 =
2/3 .
=
14
21
3
2
1/3
PH v =

2
1
Exemplo 258 H = span

2 , 3
3
4
2
v = 0 .
0
Cal ule
PH v .
Neste aso, ao ontrrio do exemplo anterior, a base no ortogonal. Uma maneira de

PH = I PH , obter uma base para H .
ontornar isto usando que
Pelo Lema 50 (base do omplemento ortogonal), resolvemos o sistema homogneo
1 2 3 0
2 3 4 0
2 base de H
1 0 1 0
0 1
2 0
1 x3
x1 =
x2 = 2 x3 .
,
x3 =
1 x3
e, omo trata-se de um onjunto ontendo um ni o vetor, uma
192
CAPTULO 8.
PRODUTO INTERNO
base ortogonal. Assim, podemos utilizar a frmula:
* 2 1 +
0 , 2
1
1/3
1
0
1
hv, ui
2

+ 2 = 2 = 2/3 .
PH v =
u = *
hu, ui
6
1
1
1
1/3
1
2 , 2
1
1
Finalmente,
2
1/3
5/3
PH v = (I PH )v = 0 2/3 = 2/3 .
0
1/3
1/3
Exemplo 259
f1 (t) = 1, f2 (t) = t, f3 (t) = 3t2 1.

H2 o espao gerado por {f1 , f2 } e H3 o
determine PH2 e PH3 .
{f1 , f2 , f3 } ortogonal. Considere

gerado por {f1 , f2 , f3 }. Se (t) = exp(t),
Verique que
espao
Vamos apresentar os resultados, deixando para o leitor veri -los (utilizamos software de
matemti a simbli a para al ular):
hf1 , i = e1 e1 ,
hf1 , f1 i = 2,
1
hf2 , i = 2e ,
hf2 , f2 i = 2/3,
1
1
hf3 , i = 2e 14e ,
hf3 , f3 i = 8/5.
1
1
1
1
1
Com isto al ulamos que PH2 (t) = (e e )/2 + 3e t e PH3 (t) = (e e )/2 +
3e1 t + 5/4(e1 7e1 )(3t2 1). Observe na Figura 8.2 que PH2 razovel e que PH3
prati amente idnti a a funo . Para per eber a melhora no erro utilizando PH3 , ompare
os erros e2 e e3 mostrados na gura.
(t) = exp(t)
(PH3 )(t)
(PH2 )(t)
t
e3 (t) = (PH3 )(t) (t)
t
e2 (t) = (PH2 )(t) (t)
Figura 8.2: Aproximao de
Exemplo 260 (srie de Fourier)
(t)
por
(PH2 )(t)
(PH3 )(t)
e erros
f (x) = ex , no intervalo
[0, 1], por uma funo da forma a1 sin(x) + a2 sin(2x) + + an sin(nx). Para isto onsiZ 1
g(t)h(t)dt.
deramos, no espao vetorial das funes ontnuas, o produto interno hg, hi =
Vamos aproximar a funo
O que estamos pro urando a projeo ortogonal de
{s1 , s2 , . . . , sn },
onde
sn (x) = sin(nx).
sobre
Hn ,
0
o espao gerado por
8.4.
MNIMOS QUADRADOS
193
Pode-se veri ar as seguintes frmulas:
sin(k1 t) sin(k2 t)dt = 0 k1 6= k2 ,
k(e (1)k )
et sin(kt)dt =
e(1 + k 2 2 )
Z 1
1
sin2 (kt)dt = .
2
0
Fazendo as ontas ( om auxlio de softwares de l ulo) podemos al ular
(PH4 f )(t)
(PH10 f )(t).
om os res-
Veja na Figura 8.3 o gr o de
e as projees em
H4
H10
pe tivos erros.
Caso queira estudar mais a este respeito, pro ure um texto sobre Sries de Fourier.
e4 (t)
e10 (t)
f (t) = exp(t)
(PH4 f )(t)
t
(PH10 f )(t)
f (t) por (PH4 f )(t) e (PH10 f )(t) e erros e4 (t) = (PH4 f )(t) f (t)
e10 (t) = (PH10 f )(t) f (t)
Figura 8.3: Aproximao de

e
8.4 Mnimos Quadrados

J vimos que o sistema linear
que fazer quando
b
/
Az = b
Im(A)?
tem soluo(es) se, e somente se,
Im(A). O
Nem sempre a resposta o problema no tem soluo
plenamente satisfatria, omo ilustra o exemplo a seguir.
Exemplo 261
Imagine, de forma super-simpli ada, que um pa iente deva fazer uma refei-
o onsistindo de arroz e arne, de forma a totalizar 150g de alimento om 450 K al e 25g de

gordura. Dado que 1g de arroz tem 2.5K al e 0.03g de gordura e que a mesma quantidade de
arne tem 3.1 K al e 0.21g de gordura, que quantidade de ada alimento deve ser ingerida?
Seja
xa
quantidade de arroz, em gramas, e
a quantidade de arne. Pre isamos de uma
soluo para o sistema linear
x +
y = 150
2.50x + 3.10y = 450
0.03x + 0.21y = 25.
ou
1
1 150
2.50 3.10 450 .
0.03 0.21 25
194
CAPTULO 8.
PRODUTO INTERNO
f il veri ar, no entanto, que este um sistema sem soluo. Mas esta resposta no h
de ajudar muito o nosso pa iente!
Note que

151
1
1
38
2.50 3.10
= 445.3 .
113
24.87
0.03 0.21
Isto signi a que 38g de arroz e 113 de arne uma quase-soluo: 151g de alimento (ao
invs de 150g), 445.3K al (ao invs de 450K al) e 24.87g de gordura (ao invs de 25g). Para
ns de alimentao, estes erros so totalmente a eitveis.
O que fazer quando

Neste aso no existe possibilidade de existir
b
/ Im(A)?
z tal
que
Az = b.
Observando a Figura 8.4,
z tal que Az est o mais prximo possvel

d(b, Az) assume o menor valor possvel.
o que podemos fazer obter um

determinar
tal que a distn ia
de
b,
isto ,
b
d(b, Az)
Az
0
Im(A)
Figura 8.4: Mnimos Quadrados
Uma quase-soluo, hamada de soluo de mnimos quadrados, um vetor z que minimiza d(b, Ax) (a distn ia entre b e
Denio 104 (soluo de mnimos quadrados)

Az).
Isto signi a que
d(b, Az) d(b, Ay)
para todo
no domnio de
A.
Vamos omear investigando um problema orrelato mais simples.
Lema 52 (vetor mais prximo de um subespao)

b V,
existe um ni o vetor
Prova:
Podemos de ompor
projeo ortgonal de
sobre
H.
h H
omo
tal que
d(b, h)
Dado
H V
subespao vetorial e
mnimo, dado por
b = PH b + PH b
d(b, h) = kb hk = kPH b + PH b hk.

Ou, equivalentemente, podemos minimizar
kb hk2 = k PH b h + PH b k2 = kPH b hk2 + kPH bk2 ,

| {z } | {z }
H
e portanto a quantidade a ser
minimizada pode ser es rita omo
h = PH b,
8.4.
MNIMOS QUADRADOS
195
onde a ltima identidade se deve ao Teorema 19 (Pitgoras). Note que estamos minimizando
2
uma funo de h, mas o termo kPH bk no depende desta varivel. Assim, o mnimo
2
obtido minimizando-se o termo kPH b hk , o que obviamente se d quando h = PH b.
Usando este Lema podemos resolver problemas simples (unidimensionais).
Exemplo 262
Suponha que usamos uma moeda para jogar aras/ oroas. A moeda tem
uma erta proporo

prximo de
1/2.
de aras om relao ao total de jogadas que esperamos que seja
Podemos obter
experimentalmente jogando a moeda muitas vezes.

jogadas
30
60
90
aras
16
34
51
Por ser de natureza randmi a, no existe proporo exata o sistema abaixo no possui
soluo (exata):
Portanto, o vetor
prximo de
b = (16, 34, 51) 6 h(30, 60, 90)i = H .
Podemos en ontrar
projetando ortogonalmente:
h = PH b =
A estimativa
30m = 16
60m = 34
90m = 51
hH
mais
h(16, 34, 51), (30, 60, 90i)

7110
(30, 60, 90) =
(30, 60, 90)
h(30, 60, 90), (30, 60, 90)i
12600
m = 7110/12600 0.56
um pou o alta mas no muito, e provavelmente a
moeda honesta. A reta om oe iente angular

mostrada na gura abaixo:
m 0.56,
que melhor aproxima os dados,
heads
60
30
30
Teorema 21 (mnimos quadrados)

a soluo do sistema
Prova:
60
90
flips
A soluo de mnimos quadrados do sistema
Az = b
A Az = A b.
r = b Az denominado resduo asso iado a z. Voltando ao nosso

sistema linear Az = b, note que minimizar krk = kb Azk om z qualquer o mesmo que
minimizar kbyk om y Im(A). Pelo Lema 52, y = P
Im(A) b. Portanto, krk = kbAzk
minimizado quando Az = P
Im(A) b. Nesta situao,
O vetor
r = b Az = b PIm(A) b = (I PIm(A) )b = PIm(A) b = PNu (AT ) b Nu (AT ).

PIm(A) + PIm(A) = I
H = Im(A)).
Na seqn ia anterior usamos que:
Nu (A
(pelo Lema 51 (b)) e Im(A)
(pelo Lema 50 pois

T
Portanto, r Nu (A ), ou seja,
1 adaptado de Heeron
0 = AT r = AT (b Az) = AT b AT Az,
196
CAPTULO 8.
PRODUTO INTERNO
o que impli a
AT Az = AT b.
Vale tambm a volta:
AT Az = AT b
Resumindo: os sistemas lineares

quaisquer que sejam
b,
b Az N(AT )
b Az Im(A)
PIm(A) (b Az) = 0
PIm(A) Az = PIm(A) b
Az = PIm(A) b.
Az = PIm(A) b e AT Az = AT b sempre possuem soluo,
e so equivalentes (isto , possuem o mesmo onjunto-soluo).
Ademais, as solues destes sistemas so os argumentos que minimizam a norma do resduo
kb Azk
e so ditas solues no sentido de mnimos quadrados de
Observao 65
Az = b.
b Im(A)
e portanto P
Im(A) b = b. O sistema Az = PIm(A) b idnti o ao sistema original Az = b.
Se um sistema linear tem soluo no sentido lssi o, ento
As solues de mnimo quadrado oin idem, neste aso, om as solues lssi as.
Lema 53
de
Seja
uma matriz qualquer. Ento
AT A
invertvel se, e somente se, as olunas
so linearmente independentes.
Prova:
AT A
T
invertvel, Nu (A A)
= {0} e portanto Nu (A) = {0}, o que impli a

T
a independn ia linear das olunas de A. Se A A no invertvel, existe z 6= 0 tal que
AT Az = 0. Portanto, kAzk2 = zT AT Az = zT 0 = 0, o que impli a Az = 0 e a existn ia
de uma ombinao linear no-trivial das olunas de A dando 0.
Se
Corolrio 16
olunas de
O problema de mnimos quadrados tem soluo ni a se, e somente se, as
so linearmente independentes.
In identalmente, obtivemos uma frmula alternativa para a matriz de projeo. Se
{a1 , a2 , . . . , ap } base de H e A = a1 a2 . . . ap , ento AT A invertvel e a soluo

T
T
T
1 T
de A Az = A b dada por z = (A A) A b. Sabemos que este vetor satisfaz tambm a
Az = PIm(A) b = PH b, ou seja, PH b = A(AT A)1 AT b. Isto nos d a frmula alternativa
PH = A(AT A)1 AT para a matriz de projeo. Podemos enun iar isto omo um lema.
Lema
54 (frmula
para projeo)

a1 a2 . . . ap ,

Exemplo 263
al ule
Dado
{a1 , a2 , . . . , ap }
a matriz de projeo ortogonal em
onde

2
1
H = span 2 , 1 .
2
1
de
PH = A(AT A)1 AT .
Resolva, no sentido dos mnimos quadrados,
3
PH 3 ,
5
base
3
1 2
2 1 x = 3
y
5
2 1
8.4.
MNIMOS QUADRADOS
Soluo:
197
1 2
1 2 2
2 1
AT Az = AT b :
2 1 1
2 1

19
x
9 6
=
14
y
6 6

A projeo dada por

fazer
Exemplo 264
x
y
x
y
1 2 2
2 1 1
5/3
2/3
3
3 .
5
A(AT A)1 AT b. Mas z = (AT A)1 AT b j foi al ulado a ima.

1 2
3
5/3
Az = 2 1
= 4 .
2/3
2 1
4
A equao que modela um determinado fenmeno fsi o dada por
at2 + bt + c (por exemplo, f
Basta
f (t) =
pode ser a posio de um orpo uniformemente a elerado). Com
a, b
o objetivo de se determinar os parmetros
c,
uma srie de experimentos so realizados,
om os seguintes resultados:
t
As posies medidas foram:
Determine os parmetros
a, b
f (t)
6.5
11.2
17.7
27.1
39.0
que melhor ajustam os dados experimentais no sentido
dos mnimos quadrados.

Soluo: Gostaramos que, para determinada es olha de
neamente as equaes
a 12 + b 1 + c = 6.5
a 22 + b 2 + c = 11.2
a 32 + b 3 + c = 17.7
a 42 + b 4 + c = 27.1
a 52 + b 5 + c = 39.0
ou
A soluo aproximada obtida resolvendo-se
1 4 9
1 2 3
1 1 1
979
225
55
16 25 4
4 5
9
1 1 16
25
225 55
a
55 15
b
15 5
c
1
2
3
4
5
1
1
1
1
1
1
4
9
16
25
a, b
1
2
3
4
5
1
1
1
1
1
c,
fossem satisfeitas simulta-
b =
6.5
11.2
17.7
27.1
39.0
a
1 4 9 16 25
b = 1 2 3 4 5
c
1 1 1 1 1
1619.2
= 385.4
101.5
f (t)
6.60
11.00
17.88
27.24
39.08
6.5
11.2
17.7
27.1
39.0

a
1.24
b 0.68 .
c
4.68
Para estes valores dos parmetros, o modelo prev a seguinte tabela
198
CAPTULO 8.
PRODUTO INTERNO
bastante prxima da real.
Exemplo 265
terminar
PH v ,
Vamos retomar
o Exemplo 258 e
ofere er agora uma outra soluo para de-
onde

2
1
2 , 3
H = span
3
4
2
v = 0 .
0
A idia es rever um problema de mnimos quadrados uja soluo

Para isto, basta en ontrarmos uma matriz
b = v.
tal que Im(A)
=H
z satisfaa Az = PH v.
e tomarmos o lado direito
Tal matriz pode ser obtida olo ando-se os vetores que geram
Assim,
em suas olunas.

2
2
3 , b = 0 e
4
0

2

1 2
1 2 3
2 3 z = AT b =
0 .
2 3 4
3 4
0

11/3
2
14 20
.
z=
z=
8/3
4
20 29
A= 2
3

1 2 3
T
A Az =
2 3 4
Portanto,
Exemplo 266

1 2
5/3
11/3
PH v = Az = 2 3
= 2/3 .
8/3
3 4
1/3
As dulas de dinheiro tem mdias diferentes de tempo de ir ulao de
a ordo om o valor. Quanto tempo vo espera que uma nota de R$25 dure?
dula (R$)
tempo mdio (anos)
1, 5 2
10
20
50
100
20
O gr o abaixo pare e linear.
avg life
15
5
10
30
50
Portanto o tempo mdio em funo do valor
k + mx.
Para determinar
70
90
denom
da dula dado
(aproximadamente) por
pre isamos resolver o sistema
impossvel. Considere
A=
1 1
1 5
1 10
1 20
1 50
1 100
b=
1.5
2
3
5
9
20
k + 1m
.
.
.
= 1.5
.
= ..
k + 100m = 20
z=
k
m
, que
8.5.
CAUCHY-SCHWARZ
E NGULO
199
m resolvemos AT Az = AT b om auxlio de software,

obtendo z = (1.05, 0.18). Portanto, k = 1.05 e m = 0.18. Colo ando x = 25 na equao da
reta, determinamos que a dula deve durar 5.55 anos, isto entre 5 e 6 anos.
Para determinar os oe ientes
8.5 Cau hy-S hwarz e ngulo0

u, v e u v, onde o ngulo
2
3
2
formado por u e v (que pode ser pensado igualmente em R ou R ), diz que ku vk =
2X
ou 3
2X
ou 3
(ui vi )2 =
u2i +
kuk2 + kvk2 2kukkvk cos . Expandindo alguns termos, temos
A Lei dos Cossenos, apli ada ao tringulo ujos lados so
2X
ou 3
i=1
vi2 2kukkvk cos .
Como
2X
ou 3
i=1
(ui vi )2 =
cos =
2X
ou 3
2X
ou 3
ui vi
i=1
kukkvk
u2i +
i=1
2X
ou 3
i=1
i=1
vi2 2
2X
ou 3
i=1
uivi ,
resulta
i=1
hu, vi
.
kukkvk
Estas idias podem ser generalizadas atravs de um importante resultado envolvendo o

produto interno e a sua norma asso iada, a desigualdade de Cau hy-S hwarz.
Teorema 22 (de Cau hy-S hwarz)
Seja
espao vetorial,
norma asso iada. Vale a desigualdade
h, i produto interno
kk a
hu, vi kukkvk.
Prova:
Se
v = 0,
o resultado vale om igualdade. Assuma agora
v 6= 0.
0 ku + tvk2 = hu + tv, u + tvi

= hu, ui + 2t hu, vi + t2 hv, vi
= kuk2 + 2t hu, vi + t2 kvk2 t R.
Completando o quadrado, temos
2

hu, vi2
hu, vi
2
+ kuk
0 t R.
tkvk +
kvk
kvk2
hu, vi
,
kvk2
hu, vi kukkvk.
Em parti ular, para

que impli a
t=
o termo entre parntesis se anula e temos
Corolrio 17 (desigualdade triangular)
Alm das propriedades j itadas,
norma:
ku + vk kuk + kvk,
onhe ida omo Desigualdade Triangular (ver Figura 8.5).
3 Assumindo-se
no nulos; aso ontrrio,
kuk2
no a bem denido.
hu,vi2
,o
kvk2
vale para
200
CAPTULO 8.
PRODUTO INTERNO
v
u
u+v
Figura 8.5: Desigualdade Triangular
Prova:
De fato,
ku + vk2 = hu + v, u + vi = hu, ui + 2 hu, vi + hv, vi = kuk2 + 2 hu, vi + kvk2 .

Usando Cau hy-S hwarz,
ku + vk2 kuk2 + 2kukkvk + kvk2 = (kuk + kvk)2 .

A Desigualdade de Cau hy-S hwarz nos garante que, num espao om produto interno,
se
so vetores no nulos, ento
hu, vi
1
kukkvk
hu, vi
hu, vi
=
1
kukkvk
k ukkvk
e portanto
hu, vi
1.
kukkvk
Isto nos permite denir o ngulo entre dois vetores (mais exatamente, o osseno deste ngulo).
Denio 105 (ngulo entre vetores)

interno, denimos o ngulo entre eles
Dados u, v V
[0, 180 [ tal que
cos =
Em parti ular, aso
= 90
ento
um espao vetorial om produto
hu, vi
.
kukkvk
hu, vi = 0,
on ordando om a Denio 96.
8.6 Pro esso de Ortogonalizao de Gram-S hmidt0

Bases ortonormais so teis, omo visto na seo anterior. A questo :
Partindo-se de uma base qualquer, omo onstruir uma base ortogonal (ou ortonormal)?
A resposta o hamado pro esso de ortogonalizao de Gram S hmidt. Dada uma base
{v1 , v2 , . . . , vp }
{u1 , u2 , . . . , up }, om a ara tei1

X
j vj . Assim, devemos
rsti a adi ional de que, para ada i, existem 's tais que ui = vi +
queremos substitu-la por outra ortogonal,
j=1
8.6.
PROCESSO
DE ORTOGONALIZAO DE GRAM-SCHMIDT
201
ter:
u1 = v1
u2 = v2 + v1
u3 = v3 + v1 + v2
.
.
.
up
= ..
= vp + . . . .
u's e pelos primeiros v's so iguais, isto ,

span {u1 , u2 , . . . , uk } = span {v1 , v2 , . . . , vk } , k = 1, 2, . . . , p. Desta forma, podemos
Note que os espaos gerados pelos primeiros
ainda es rever
u1 = v1
u2 = v2 +
eu1
e 1+e
u3 = v3 + u
u2
.
.
.
up
= ..
= vp + . . . .
A exign ia de que esta base seja ortogonal nos permite determinar os oe ientes
. . ..
De fato,
u2 = v2 +
eu1
hu2 , u1 i = 0
Assim,
hv2 , u1 i +
e hu1 , u1 i = 0
e=
hv2 , u1 i
hu1 , u1 i
e, e, e
,
e 1+e
u3 = v3 + u
u2
hv3 , u1 i
hv3 , u1 i + e hu1 , u1 i = 0 e =
hu3 , u1 i = 0
hu1 , u1 i
hu2 , u1 i = 0
e 1+e
u3 = v3 + u
u2
hv3 , u2 i
hv3 , u2 i + e
hu2 , u2 i = 0 e =
hu3 , u2 i = 0
hu2 , u2 i
hu1 , u2 i = 0
Pro esso de Ortogonalizao de Gram-S hmidt
Dada uma base
{v1 , v2 , . . . , vp }
obtemos outra, ortogonal,
{u1 , u2 , . . . , up },
por
u1 = v1
hv2 , u1 i
u1 ;
hu1 , u1 i
hv3 , u2 i
hv3 , u1 i
u1
u2 ;
= v3
hu1 , u1 i
hu2 , u2 i
u2 = v2
u3
.
..
.
..
up = vp
hvp , u2 i
hvp , up1 i
hvp , u1 i
u1
u2 . . .
up1 .
hu1 , u1 i
hu2 , u2 i
hup1 , up1 i
{u1 , u2 , . . . , up }, mas sim ortobi = kui k1 ui . Outra opo, ainda,
q
Se o objetivo for obter no apenas uma base ortogonal

normal
b2 , . . . , q
b p },
{b
q1 , q
basta normalizarmos ao nal:
normalizar passo a passo; neste aso, os denominadores desapare em:
202
CAPTULO 8.
PRODUTO INTERNO
Pro esso de Ortonormalizao de Gram-S hmidt

{v1 , v2 , . . . , vp }
Dada uma base
obtemos outra, ortonormal,
b2 , . . . , q
b p },
{b
q1 , q
por
b1 = ku1 k1 u1 ;
u1 = v1 ; q
b1 ib
b2 = ku2 k1 u2 ;
u2 = v2 hv2 , q
q1 q
b1 ib
b2 ib
b3 = ku3 k1 u3 ;
u3 = v3 hv3 , q
q1 hv3 , q
q2 q
.
..
up
Exemplo 267
tonormal para
u1
= ..
b1 ib
b2 ib
bp1 ib
= vp hvp , q
q1 hvp , q
q2 . . . hvp , q
qp1 .
Seja
H.

2
1

2
, 3
H = span
3 4
0
0
1
2
=
3 ,
0

0
3
4 3
, ,
5 4
5
0

En ontre uma base or-
u2 =

1
* 2
3 2
,
4 3
2
0
0
3

4
1
* 1
2 2
0
,
3 3
0
0
Poderamos usar
u2
u3 =

2
1
2 3
=

4
3
+
0
0

4/7
1
20 2 1/7

14 3 = 2/7
0
0
exatamente omo al ulado a ima.
eliminar as fraes e usar
Temos agora
Mas podemos, por onvenin ia,
4
1
u2 =
2 .
0

1
* 3
4 2
,
5 3
3
0
0
4

5
1
* 1
2 2
0
,
3 3
0
0

4 +
3
4 1
5 2 4
1
1
0
0
2

3 *
4 + 2
4
1 1
0
0
2 2
0
0
*
8.6.
PROCESSO
DE ORTOGONALIZAO DE GRAM-SCHMIDT
3
4 26
=
5 14
0
0
0
= .
0
0
1
4
6
2
1
3 21 2
0
0
2 1
,
3 2
0
0
203
u3 = 0, revela que v3 ombinao linear dos vetores anteriores. Assim,

H = span {v1 , v2 , v4 }. Basta ortogonalizar este onjunto, reduzido em relao ao original.
u1 e u2 j foram al ulados. Agora,

4 +
1 +
* 0
* 0
3 1
3 2
,
,

4 2 4
4 3
1
0
2
1
3
0
5
0
5
u4 =
4 * 1 1 + 3 * 4 4 + 2
2 2
1 1
0
0
5
3 3
2 , 2
0
0
0
0

1
4
1
0
1 1 2
3 18 2
5
=
4 14 3 + 21 2 = 3 1 .
0
0
15
5
1
2
Como anteriormente, faremos u4 =

1 .
15
Este resultado,
Desta forma, temos que
base ortogonal de
H.
base ortonormal de
,
1
15
Para uma base ortonormal, basta normalizar estes vetores.
ku1 k =
12 + 22 + 32 + 02 = 14
ku2 k =
42 + 12 + 22 + 02 = 21
ku4 k =
12 + 22 + 12 + 152 = 231
1
4
1
1 1
2
1
2
1
,
,
3
2
14
21
231 1
0
0
15
H.
Ns j vimos nos Exemplos 258 e 265 omo al ular

2
1
Exemplo 268 H = span 2 , 3
3
4
PH v .
2
v = 0 .
0
Vamos ver outra maneira.
Cal ule
PH v .
204
CAPTULO 8.
ne essria uma base ortogonal para
u1
u2
Assim,
1
= 2
3
H.
PRODUTO INTERNO
Por Gram-S hmidt,
+
2
1
3 , 2

1
4/7
1
2
2
4
3
20
2 =
1/7 .
= 3 * + 2 = 3
14
1
1
3
2/7
3
4
4
2 , 2
3
3

4
1
2 , 1
3
2
base ortogonal de
e portanto
hv, u1 i
hv, u2 i
u1 +
u2
hu1 , u1 i
hu2 , u2 i
* 2 4 +
* 2 1 +
0 , 1
0 , 2
1
4
0
2
0
3

+ 1
= * + 2 + *
1
1
4
4
3
2
2 , 2
1 , 1
3
3
2
2

1
4
5/3
2
8
2 +
1 =
2/3 .
=
14
21
3
2
1/3
PH v =
Observao 66
H = {u1 , u2 , . . . , up } base ortogonal de um subespao H . Seja

= {u1 , u2 , . . . , up , up+1 , . . . , un } uma extenso de H a uma base ortogonal de V (pode
ser feita se estendemos H a uma base qualquer e em seguida ortogonalizamo-na por
Gram-S hmidt. Ento H = {up+1 , . . . , un } base de H .

Seja
8.7 Produto Interno

Exer io 1. Considere u = (1, 1, 1, 1) e v = (2, 2, 2, 3).
(a)
kuk =
(b)
hu, vi =
Exer io 2. O produto interno em um espao vetorial V

h, i : V V R;
(B) h, i : V V V ;
(C) h, i : R V V ;
(D) h, i : R R V ;
(A)
3 02.jun.2008 22h
uma funo:
( )
d(u, u) =
8.7.
PRODUTO INTERNO
(E)
205
h, i : R V R;
se Verdadeiro ou Falso:
(a) todo onjunto ortogonal ortonormal
(b) todo vetor pode ser normalizado no-nulo
( ) um onjunto ortonormal de vetores sempre LI
hv, wi = hv, wi
(e)kvk = kvk
.
(d)
Exer io 4. Dado H
(a) Nu (PH )
subespao vetorial:
(b) Im(PH )
Exer io 5. Considere T : R R
2
( )
PH + PH =
. Se T :
x seguido de projeo ortogonal no eixo y ento T =
(b) reexo no eixo x seguido de reexo no eixo x ento T =
(I, I, 0);
( ) reexo no eixo x seguido de reexo no eixo y ento T =
(I, I, 0).
(a) projeo ortogonal no eixo
Exer io 6. Se T
(I, I, 0);
2
(a) projeo ortogonal, T =
(I, I, 0.T, T );
2
(b) reexo, T =
(I, I, 0, T, T ).
Exer io 7. Se V R12
Exer io 8. Se W :
dim(V ) = 3,
ento
dim(V ) =
y em R2 ento W a reta
(y = x, y = 0, x = 0, y = x);
2
(b) a reta y = x em R ento W

a reta
(y = x, y = 0, x = 0, y = x);
3
o
(plano; eixo)
(x, y , z , xy , yz , xz );
( ) o eixo y em R ento W
3
(d) o plano yz em R ento W

o
(plano; eixo)
(x, y , z , xy , yz , xz ).
(a) o eixo
Exer io 9. Se z soluo de mnimos quadrados de Ax = b ento sempre
verdade que:
Az = b;
(B) kz bk = 0;
(C) kz bk > 0;
(D) P
Im(A) z = b;
(E) P
Im(A) b = z;
(A)
Exer io 10. Sabendo que P
y , P (x, y, z) = ( , , );
projeo ortogonal no plano xy , P (x, y, z) = (
, , );
reexo em torno do plano xz , P (x, y, z) = (
, , ).
(a) projeo ortogonal no eixo

(a)
(a)
8.7.2 Problemas
(a)
se os onjuntos abaixo so ortogonais:
5
3
1
4 , 2 , 4 ;
3
1
7
Problema 2. Cal ule a distn ia entre
os vetores

1
3
3
2

(b)
1 , 3
4
3
4
3
3 e 1 .
3
2
8
,
7
206
CAPTULO 8.
1
2
1
Problema 3. Dado que = 0 , 4 , 1
1
1
2
4 .
presse [v] , onde v =
3
PRODUTO INTERNO
base
ortogonal
de
R3 ,
ex-
Di a: No resolva nenhum sistema linear!
H , onde
(a) H a reta em R 2x + 3y = 0;
3
(b) H o plano em R x y + z = 0;
3
( ) H = h(1, 3, 1), (3, 1, 2), (2, 2, 1)i R ;

0
0
0
2 1 2
(d) H = span
2 , 1 , 2 R .
1 0 3
5
2
1
uma base de
2
Problema 5. Dena em C([0, 1]; R) o produto interno hf, gi =

(a)
hx, x2 i;
(b)
Problema 6. Seja P : R4 R4
(a)
hx2 , x3 i;
a projeo na reta gerada por
P (x, y, z, w);
Di a: No tente al ular
P 100
f (s)g(s) ds.
Cal ule:
0
( )
k1 xk.
(1, 0, 1, 0). Cal ule

100
(b) P
(x, y, z, w).
expli itamente!
T : R n Rn :
2
(a) n = 2, projeo ortogonal na reta {(2t, t) R ; para t R};
(b) n = 3, projeo ortogonal sobre o plano x = z .
as matrizes das TLs
T : R3 R3
Problema 8. Seja
uma rotao em relao ao eixo
T (0, 1, 0) = (1/ 2, 0, 1/ 2).
(1, 0, 1).
Sabe-se que
Determine o ngulo de rotao.
Di a: pense no plano perpendi ular ao eixo de rotao.
Problema 9. Cal ule os autovalores os autoespaos asso iados a:

3x 2y + z = 0 em R3 ;
3
reta em R sabendo que P (1, 1, 0) = (1, 1, 0).
(a) uma reexo no plano

(b) uma projeo numa
Problema 10. Seja T : R3 R3 uma projeo ortogonal no plano x2yz = 0.
uma base
tal que
[T ]
seja diagonal.
autovalores e autovetores para mostrar que
xo. Determine em torno do que (plano ou reta) se d a reexo.
Determine
0 1 0
1
0 0
0
0 1
ree-
Problema 12. 4 Use mnimos quadrados para julgar se a moeda deste experimento honesta.
jogadas
16
24
32
40
aras
13
17
20
8.7.
PRODUTO INTERNO
Problema 13. Sejam
207

3
* 1
3 3

H=
0 , 1
1
1
3 +
0
,
3
3

7
1
v=
3 .
1
Cal ule
PH v
de duas maneiras diferentes, onforme os Exemplos 258 (pgina 191) e 265 (pgina 198) no
texto.
a melhor aproximao de
1
2
1
1
a
3 + b 0
1
1
Problema 15. Seja
1
1
A=
1
1
0
0
1
1
1
1
0
0
3
7
2
3
om
por vetores da forma
a, b R.
1
3
b=
8 .
2
(a) En ontre o onjunto-soluo do problema de mnimos quadrados asso iado ao sistema

linear
Ax = b;
(b) Use o item anterior para al ular
PIm(A) b.
(Di a: vo pode usar
qualquer soluo
do problema de mnimos quadrados.)
8.7.3 Desaos
Desao 1. Considere u
om
6= .
Desao 2.
Prove que
autovetor de
asso iado a
autovetor de
AT
asso iado a
v.
P = P.
perpendi ular a
Dena uma projeo omo
(a) Mostre que uma projeo ortogonal possui esta propriedade;
P (vi) = vi para i < k e P (vi) = 0 para i k .

I 0
.
( ) Mostre que nesta base P da forma em blo os
0 0
b2, u
b3 , u
b4, u
b 5 } base ortonormal
Desao 3. Seja V espao vetorial om produto interno e {b
u1 , u
de V . Seja
(b) Mostre que existe uma base tal que
b4 + u
b5 , 2b
b 2 + 2b
H = hb
u2 + 2b
u3 + u
u2 4b
u3 2b
u4 4b
u5 , u
u3 + 2b
u4 + 3b
u5 i .
H .
A, B Mnn .
En ontre uma base para
Desao 4. Sejam
Dena
(a) prove que um produto interno;

(b) se
satisfaz:
A = v1 vn ,
hA, Bi = trao(AB T ).
prove que
kAk
(norma de
A)
kAk2 = kv1 k2 + + kvn k2 .
induzida pelo produto interno
208
CAPTULO 8.
( )
PRODUTO INTERNO
en ontre o omplemento ortogonal do subespao das matrizes diagonais.
Desao 5. Seja D Mnn
uma matriz diagonal tal que todos elementos da diagonal so

hu, vi = vT Du um produto interno para u, v Rn .
positivos no-nulos. Mostre que
Desao 6. Mostre que em R2 toda

matriz
de:
a b
;
b c
a
b
.
(b) reexo possui a forma
b a
Desao 7. Mostre que se H, W so subespaos
(a) H W
(H W ) ;
(a) projeo possui a forma
de um espao vetorial ento:

(b)
(H ) = H .
Desao 8. Sabemos que o determinante de uma TL denida omo o determinante de uma

matriz que representa
numa erta base. Se mudarmos a base, a matriz que represnta
muda mas o determinante permane e o mesmo.
A = [T ]
(a) T
(b) T
( ) T
(d) T
(e) T
(f ) T
Use isto para al ular o determinante de
nos asos em que:
1 , . . . , n ;
diagonalizvel om autovalores
2
uma rotao no R ;
3
uma rotao no R ;
R2 ;
3
no R ;
uma reexo em torno de uma reta no

uma reexo em torno de um plano
uma projeo;
Desao 9. (Shilov
(S
p.272 #6) Mostre dada matriz no-singular A existem S auto-adjunta

T
1
ortogonal (Q = Q ) tais que A = SQ. Esta hamada de de omposio
= S) e Q
A, em
polar de
analogia om omplexos:
o mdulo (esti amento) e
a parte angular
(rotao). Prove que ela ni a.
Desao 10. (Shilov p.242 #19) En ontre o polinmio p(x) = xn + an1 xn1 + + a1 x + a0
para o qual a integral
p2 (x) dx
o menor valor possvel.
Desao 11. Dado T L(V ; W ), dena kT k = max kT (u)kW .

norma nos espao das TLs.
Desao 12. Interprete

om
ortogonal e
kukV =1
Prove que isto dene uma
o algoritmo de Gram-S hmidt omo uma de omposio
A = QR,
triangular superior.
Desao 13.
Prove que a matriz de rotao anti-horria por um ngulo em torno do eixo

3
2
2
2
(a, b,
c)
R
, om a + b + c = 1 :
a2 (1 cos ) + cos ab(1 cos ) c sen ac(1 cos ) + b sen

ab(1 cos ) + c sen
b2 (1 cos ) + cos bc(1 cos ) a sen .
ac(1 cos ) b sen bc(1 cos ) + a sen
c2 (1 cos ) + cos
Con lua que se A matriz de rotao, o ngulo de rotao satisfaz cos = (trao(A)
1)/2.
Di a: Mude base levando o eixo-z em (a, b, c) e utilize matriz de rotao no plano xy .
Desao 14. Suponha que T uma rotao em R3 em torno
de um eixo xo.
1
0
0
3
(a) prove que existe uma base do R tal que [T ] = 0 cos sen ;
0 sen
cos
6 Homan and Kunze, p. 289, se . 8.2 no. 10
8.7.
PRODUTO INTERNO
209
(b) (Anton; dif il) Prove que se
(1 trao(T ))w
w R3
determina o eixo de rotao de
Desao 15. Prove
que se
representa uma rotao em
A M22
R2 .
Desao 16. Prove que se A M33

A
um vetor no-nulo ento
representa uma rotao em
Desao 17. Se A M33
om
om
v = Tw + TTw +
T.
det(A) = 1
det(A) = 1
{Ae1 , Ae2 }
ortonormal ento
{Ae1 , Ae2 , Ae3 }
ortonormal ento
em torno de algum eixo de rotao.
ortogonal ento rotao em torno de um eixo se
uma rotao seguida de reexo se
det A = 1
det(A) = 1.
8.7.4 Extras
Extra 1. En ontre uma base para H
se:
H = h(1, 3, 1, 2), (2, 1, 2, 0), (4, 3, 4, 4)i R4 ;

4
(b) H = h(1, 0, 1, 3), (1, 2, 0, 1)i R ;
( ) H a interseo dos planos x y z = 0 e 2x y + z = 0;
3
(d) H a reta em R (x(t), y(t), z(t)) = (2t, t, 3t);
(a)
Extra 2. Seja v V
v
um vetor no nulo. Prove que a matriz de projeo ortogonal na direo
dada por
Phvi =
vvT
.
kvk
Extra 3. En ontre as matrizes das TLs T : Rn Rn :
n = 2, projeo ortogonal na reta 2x 4y = 0;

n = 2, projeo ortogonal na reta h(0, 2)i;
( ) n = 2, reexo em torno da reta 2x 4y = 0;
(d) n = 2, reexo em torno da reta y = 3x.
(e) n = 2, projeo na reta y = x seguida de rotao de 45 ;

xw = 0
(f ) n = 4, projeo ortogonal sobre o plano
y=z = 0
(g) n = 3, rotao de 45 em torno do eixo (1, 1, 1) (deixe

(a)
(b)
indi ado omo produto de
matrizes, no pre isa expli itar o produto).
Extra 4. Seja H subespao vetorial. Mostre que H H = {0}.

Extra 5. Em ada item d um exmplo de uma TL satisfazendo as ondies
dadas:
R : R2 R2 uma reexo om R(0, 1) = (0, 1),

2
2
(b) P : R R uma projeo numa reta om P (1, 1) = (1, 1);
3
3
( ) T : R R uma reexo tal que T (2, 2, 2) = (0, 0, 1).
3
3
(d) T : R R uma projeo ortogonal tal que T (2, 1, 2) = (2, 3/2, 3/2).
uma rotao do plano de ngulo . Sabendo que R ( 3, 1) = (2, 0)

Extra
6. Seja R
R ( 3, 1) = (1, 3), determine .
(a)
Extra 7. Sabe-se
que T (1, 1, 1) = 3(1, 1, 1), T (1, 0, 1) = 3(1, 0, 1) e T w = w ,

w ortogonal
a (1, 1, 1) e (1, 0, 1). En ontre uma base ortonormal tal que
3 0 0
[T ] = 0 3 0 .
0 0 1
om
Extra 8. Cal ule autovalores e autovetores para mostrar que:
210
CAPTULO 8.
PRODUTO INTERNO
0 1
0
0 1 rotao. Determine o ngulo e o eixo de rotao.
(a) 0
1
0
0
4/5 0 2/5
0 1
0 projeo ortogonal sobre um plano. Determine o
(b)
2/5 0 4/5

7
2
3
1
( )
8
2
4 2 3 projeo ortogonal.
3 2 3
5

6
4
23
1
(d)
8
4
0 4 3 reexo.
2
2 3 4 3

1 2 2
1
(e)
2
0
2 rotao. Determine o eixo e o ngulo.
2
1
1
1
Extra 9. Seja R
3x + 5y = 0
P v = v;
Rv = v;
v 6= 0 tal que
(b) Determine um vetor v 6= 0 tal que
( ) Cal ule o n leo de P .
(d) Cal ule o n leo de R.
Di a: no pre isa al ular nem P nem R
(a) Determine um vetor
Extra 10. Seja {v1 , v2 , . . . , vn }

i = 1, . . . , n.
Prove que
uma projeo nesta reta.
expli itamente.
uma base de
w = 0.
w V
tal que
Extra 11. (Teorema de Pitgoras generalizado) Sejam v1 , v2 , . . . , vn

hvi , vj i = 0
a dois, isto ,
se
i 6= j .
plano.
hvi , wi = 0
para todo
vetores ortogonais dois
Prove que
kv1 + + vn k2 = kv1 k2 + + kvn k2 .
Extra 12.
(a) En ontre a equao
(2, 2)
y = ax + b
da reta que melhor ajusta os pontos
(0, 1), (1, 1),
(3, 2).
(b) Esbo e um gr o ilustrando o item anterior.
( ) Use sua resposta ao item (a) para en ontrar a projeo ortogonal de

0
* 1
1 1
,
1 2
3
1
Extra 13. A
1
1

2
2
sobre
fora apli ada numa mola e sua disteno esto rela ionadas por uma relao
linear. Para determinar esta relao para uma erta mola zemos medidas de distenses e
obtemos a seguinte tabela:
8.7.
PRODUTO INTERNO
211
fora apli ada
(N)
disteno
0,5
0,6
1,0
0,9
1,5
1,7
2,0
2,1
2,5
2,4
Monte o sistema (sobredeterminado) que determina
a, b
( m)
da reta
y = ax + b
e resolva por
mnimos quadrti os.
Extra 14. Determine

(2, 3.0).
a reta que melhor se ajusta aos seguintes pontos:
(0, 1.1), (1, 2.1)
212
CAPTULO 8.
PRODUTO INTERNO
Apndi e A
Notao
A.1 Bsi a
Conjuntos numri os:
N, Z, Q, R, C.
u, v, w. Vetor
por r, s, t R.
Vetores so usualmente denotados por

Es alares so denotados usualmente
nulo
0.
Transformaes lineares so usualmente denotadas por: T, P, R, S .

x R tal que x2 x = 0: {x R| x2
Conjunto de elementos de
{v1 , v2 , . . . , vn }.
n
em R : (1, 2, 3).
Um onjunto de vetores:
Entradas de um vetor
Funo
de
W: T : V W.

x+y = 0
.
yz =0
em
Sistemas lineares:
Uma lista de vetores:
Tambm es revemos
x = 0}.
v1 , v2 , . . . , vn .
T : V W
v 7 3v
A.2 Espaos
Espaos vetoriais so usualmente denotados por:
W: V W.
Espao gerado pelos vetores v1 , v2 , . . . , vn : hv1 , v2 , . . . , vn i. Tambm uso, no
produto interno, span {v1 , v2 , . . . , vn } para no onfundir om produto interno.
Espao das Funes de R em R: F (R; R); de [0, 1] em R: F ([0, 1]; R).
Espao das Funes de R em R Contnuas: C(R; R).
n
Espao das Funes de R em R om n derivadas Contnuas: C (R; R).
Espao dos polinmios de grau n: Pn .
Espao de todos os polinmios (qualquer grau): P .
Espao das TLs de V em W : L(V ; W ).
Espao das matrizes n m: Mnm .
A soma direta de
de
V, W, U .
A.3 Bases e Coordenadas

, , .
: [v] .
Bases so usualmente denotadas por:

Coordenadas do vetor
na base
Base anni a do
0 Verso 17.abr.2008
213
Rn : .
aptulo
214
APNDICE A. NOTAO
T : V W,
Dada a transformao linear

que representa
[T ] .
om
base de
base de
W,
a matriz
Caso seja mesma base do domnio e ontradomnio, deixamos o
[T ] .
Imagem de uma TL (ou matriz): Im(T ). N leo de uma TL (ou matriz): Nu (T ).
segundo argumento em bran o:
A.4 Matrizes
Matrizes so usualmente denotadas
por
a
Matriz genri a: A =
c

3
1
e
5
Vetor oluna:
3
7
b
d
A, B, M .
I.
(A). Trao
det (A).
Matriz e Transformao identidade:
Posto:
dim Im (A).
Nulidade:
nante de uma matriz (ou TL)
de uma matriz (ou TL): trao(A). Determi-
Matriz por olunas:

(a) om primeira oluna igual ao vetor
(b) om olunas
v1 , . . . , vn :
v1
e segunda igual ao vetor
v1 vn .
Matriz por linhas, om primeira linha igual ao vetor
Matrizes diagonais:
a
b
v2 :
a
b
c
...,
A.5 Produto Interno e Norma

hv, ui = hv, ui.
vetores u e v: hu, vi.
uT1 ,
b
c
d
uTm :

v1 v2 ;

u1
.
..
um
Produto interno:
Cuidado para no onfundir om a notao de espao
gerado pelos
Por isso uso no aptulo de produto interno
para o espao gerado.
kwk = ||kwk.
b.
unitrio: v
Norma:
Vetor
span {u, v}
Apndi e B
Respostas dos Exer ios
B.1 Introduo lgebra Linear
B.1.1 Exer ios de Fixao
Exer io 1. (a) reta; (b) ponto; ( ) plano; (d) reta; (e) plano; (f ) ponto; (g) reta; (h) reta.
Exer io 2. (a) paralelos; (b) maior tamanho e mesmo sentido; ( ) mesmo tamanho e sentido
oposto; (d) maior tamanho e sentido oposto; (e) menor tamanho e sentido oposto; (b) maior
tamanho e mesmo sentido;
Exer io
Exer io
Exer io
Exer io
3. (a) reta; (b) plano; ( ) reta; (d) ponto;

4. (a) no; (b) sim.
5. (a) V; (b) F;
6. (a) (1, 0, 0, 0, 0), (0, 1, 0, 0, 0), (0, 0, 1, 0, 0), (0, 0, 0, 1, 0), (0, 0, 0, 0, 1).
(b)
4
2
.
2
1
Exer io 7. Todas falsas.
B.1.2 Problemas
Problema 1. (a) (0, 11); (b) (3, 1); ( ) (6, 0);
Problema 2. (a) (0, 0, 0, 2, 1); (b) (3, 6, 9, 6, 3).
Problema 3. (a) (x, y) = (t, 2t+5) = (0, 5)+t(1, 2) ou (x, y) = ((s5)/2, s) = (5/2, 0)+
(x, y) = (t, 1) = (0, 1) + t(1, 0);
Problema 4. (a) x = t 1, y = 2t + 1, z = t; (b) x = 1, y = 0, z = t; ( ) x = t, y =
t, z = 0;
Problema 5. (a) x = 2 t, y = 3 + 5t, z = 1 + 2t; (b) x = 1, y = 2, z = t; ( )
x = 0, y = 1 t, z = t;
Problema 6. (a) Tome s = z, t = y, x = y+z+2 = t+s+2. Logo, (x, y, z) = (2, 0, 0)+
s(1, 0, 1)+t(1, 1, 0); (b) x = t, y = s, z = y = s. Logo, (x, y, z) = 0+t(1, 0, 0)+s(0, 1, 1).
s(1/2, 1);
(b)
0 Verso 17.Mar.2008 17h
215
216
APNDICE B. RESPOSTAS DOS EXERCCIOS
Problema 7. (a) (1, 0, 1) + t(1, 1, 0) + s(2, 0, 1);
(1, 3, 2) + t(2, 1, 1) + s(1, 1, 1); ( ) (3, 1, 0) + t(4, 0, 1) + s(1, 1, 1);

Problema 8. (a) tome t = 0, 1 e 1 por exemplo e obtenha (1, 2, 0, 0), (1, 5/2, 1, 1),
(1, 3/2, 1, 1); (b) sim (t = 4); ( ) no; (d) no pois (1, 4, 3, 2) 6 r ;
(e) sim pois (1, 4, 4, 4) r (t = 4) e (0, 2, 4, 4) paralelo a (0, 1/2, 1, 1).
Problema 9. (a) Coloque s = 0, 1 e t = 0, 1 alternadamente, obtendo 4 pontos: (1, 1, 2, 0),
(0, 3, 1, 2), (2, 2, 3, 1) e (1, 4, 2, 3); (b) sim om t = 1, s = 2; ( ) no; (d) no pois
(1, 1, 3, 3) 6 .
Problema 10. (a) (x, y, z, w) = (s 3t + 2u + 4, s, t, u) = (4, 0, 0, 0) + s(1, 1, 0, 0) +
t(3, 0, 1, 0) + u(2, 0, 0, 1); (b) note que x, y, w podem assumir qualquer valor. Logo olo ando x = t, y = s, w = k e u = m, temos que z = 3u + 5 = 3m + 5. Portanto
(x, y, z, w, u) = (t, s, 3m + 5, k, m). Na forma fatorada, (x, y, z, w, u) = (0, 0, 5, 0, 0) +
t(1, 0, 0, 0, 0) + s(0, 1, 0, 0, 0) + m(0, 0, 3, 0, 1) + k(0, 0, 0, 1, 0).
Problema 11. (a) sim pois um no mltiplo do outro; (b) no pois 3(1, 2, 1, 3) =
(3, 6, 3, 9); ( ) no pois, embora nenhum seja mltiplo de outro, (1, 2) + (2, 1) = (3, 3);
(d) no pois (0, 0, 0, 0, 0) = 0(1, 2, 3, 4, 5).
Problema 12. (a) no pois no mltiplo; (b) sim pois (1, 0, 0) = (2, 1, 1) (3, 1, 1); ( )
no pois vai apare er um sistema sem soluo; (d) sim pois (a, b, c) = a(1, 0, 1) + b(0, 1, 0) +
(c a)(0, 0, 1); (e) no pois (2, 1, 2) no mltiplo de (2, 1, 2).
4
Problema 13. (a) v = 4(1, 1, 0) + 3(0, 1, 1) + 2(0, 0, 1); (b) [v] = 1 ; ( ) [v] =
1

2
4
3 ; (d) [w] = 5 ;
5
2
(b)
B.1.3 Extras
Extra 1. (a) F; (b) V;
Extra 2. (a) (x, y) = (3, t) = (3, 0) + t(0, 1)
ou (x, y) = (3, 2s) = (3, 0) + s(0, 2). (b)

x = t + 1, y = t, z = t 1/5; ( ) y = t, z = s, x = 1 + 2y = 1 + 2t. Logo (x, y, z) =
(1, 0, 0) + t(1, 2, 0) + s(0, 0, 1); (d) x = t, y = s, z = (3t 5)/2;
Extra 3. (a) reta; (b) plano; ( ) plano; (d) plano; (e) ponto; (f ) reta.
B.2 Sistemas Lineares

Exer io
Exer io
Exer io
Exer io
Exer io
satisfaz.
1. (a) innitas; (b) uma ni a; ( ) nenhuma.

2. Nun a alteram: (a), (d) e (e); podem alterar (b), ( ) e (f ).
3. 2x + 3y = 2.
4. (a) Nenhuma; (b) uma ni a.
5. Basta que uma linha seja mltipla da outra. (a) 6= 6; (b) nenhum valor de
0 Verso 14.jul.2008 09h
B.2.
SISTEMAS LINEARES
Exer io 6. (a) falso.
Pode ser, por exemplo, um sistema sem soluo pois uma das equaes
0 = 1.
restantes pode ser
217
(b) verdadeiro, a soluo nula; ( ) falso.
Exer io 7. (a) falso; (b) falso, pode ser sem
soluo; ( ) verdadeiro; (d) verdadeiro (pode
possuir at 9); (e) falso, pode possuir equaes que so ombinaes lineares de outras.
Exer io 8. (a)
O sistema linear tem soluo ni a; (b) O sistema linear sem soluo
( onjunto-soluo vazio), pois h uma linha da forma
[ 0 0 0 | ];
( ) O sistema linear
om innitas solues. H 3 variveis e 2 pivs, logo o nmero de variveis livres

varivel livre.
32 = 1
Exer io 9. (a) interseo de hiperplanos; (b) 1; ( ) 2; (d) 4;

Exer io 10. (a) 6= ; (b) hv1 , . . . , vn i.
Exer io 11. S = v0 + V om v0 S .
B.2.2 Problemas
Problema 1. (a) y = 1; (b) y = 1/2; ( ) O sistema no possui soluo.
Problema 2. (a) soluo ni a: retas on orrentes em (2, 1); (b) nenhuma
soluo: retas
paralelas distintas;
Problema 3. Existem vrias possibilidades para ada item.

Problema 4. (a) C ; (b) nenhuma soluo; ( ) nenhuma soluo; (d) A.
Problema 5. (a){0x = 0; (b)Impossvel, pois p < n; ( ){0x + 0y = 1; (d)

1 0 1 2
Problema 6. (a)
0 1 2
3
1 0 1 0
2 0 .
(b) 0 1
0 0 0 1
0x = 0
0x = 0
Problema 7. (a) Sistema sem soluo.
{(1, 0, 0, 0)r+(0, 2, 1, 0)s | r, s

R}; ( ) Conjunto-soluo: {(1, 3, 2)}; (d) Conjunto-soluo: {( 34 , 1, 0)r+( 32 , 0, 1)s | r, s
R}; (e) Conjunto-soluo:
{(6, 0,2, 2) + (3, 1, 0, 0)r | r R}. (f ) Matriz totalmente
0 1 2 0 0 2
0 0 0 1 0 1 ; O sistema linear tem soluo, j que no h linha da

es alonada:
0 0 0 0 1 3
]. A soluo no ni a: h duas variveis livres, j que h in o
forma [ 0 0 0 |
(b) Conjunto-soluo:
variveis e s trs pivs;
{(0, 2, 0, 1, 3) + r(1, 0, 0, 0, 0) + s(0, 2, 1, 0, 0) r, s R}.
Problema 8. Por denio, sistemas equivalentes tm o mesmo onjunto soluo.
O onjunto
{s(2, 2, 1, 0, 0) + t(24, 7, 0, 1, 0), s, t R}; (b) Fazendo, por exemplo, (s, t) = (0, 0),
(s, t) = (0, 1) e (s, t) = (1, 0) obtemos as solues (1,3,0,0,9), (25,10,0,1,9) e (3,5,1,0,9).
:
Problema
9.
x
y
(a)
z
x
y
(b)
=
=
=
=
=
=
1
2
+ 1r + (2)s
0 + 1r +
0s
0 + 0r +
1s
r1
r 1 r R.
r
Problema 10. (a) m 6= 4; (b)m = 4.
218
Problema
Problema
Problema
Problema
11. (a) c = 0 e d 6= 0; (b) c = 0 e d = 0.

12. a = 1, b = 1, c = 2.
13. (2, 1) e (2, 3).
14. (a) CL das olunas: 2(1, 2, 0) 1(0, 1, 4) + 1(1, 3, 3) = (2, 4, 0) +
(0, 1, 4)
2, 7)
+ (1, 3, 3) = (1,
;
(1, 0, 1) (2, 1, 1)
1
(b)
(2, 1, 3) (2, 1, 1) = 2
(0, 4, 3) (2, 1, 1)
7
Problema 15. Portanto
queremos ombinar 1 vez a primeira oluna mais 1 vez a segunda
menos 1 vez a ter eira (usando denio de produto matriz-vetor omo CL das olunas):
1
x = 1 .
1
1
x = 1
1
Ele no ni o:
ou
4
x = 4
4
et .
B.2.3 Desaos
Desao 4. So
homogneo
duas as possibilidades para a forma totalmente es alonada de um sistema
n n.
Uma
1 0 0 0
0 1 0 0
.. .. . . ..
.
. .
.
. 0
0 0 1 0
A outra que alguma linha zere durante o es alonamento e seja assim des artada, de forma
que o nmero de linhas aps o es alonamento (p, igual ao nmero de pivs) seja menor do
que o nmero e variveis
n.
Dado um sistema qualquer, onsideremos o sistema homogneo asso iado.

I. Se este se enquadrar no primeiro aso a ima, a forma es alonada do sistema nohomogneo original ser, ne essariamente, da forma
1 0 0
0 1 0
.. .. . . ..
.
. .
.
.
0 0 1
Este sistema tem soluo ni a. A soluo (isto , os valores das
's)
depene do lado direito
do sistema original, mas a existn ia e uni idade so garantidas para todo lado direito. Esta
a alternativa (a).
II. Se este se enquadrar no segundo aso, temos um sistema om soluo (pois sistemas
homogneos sempre o so) om
p < n
e portanto
innitas solues. a alternativa (b).
np
variveis livres.
Isto impli a em
B.2.4 Extras
Extra 1. (a) innitas solues:
retas oin identes; (b) sem soluo: retas no se inter eptam
simultaneamente em um ponto.
Extra 2. (a) ; (b) 0; ( ) 1; (d) 1; (e) 0.

0 Verso 14.jul.2008 09h
B.3.
ESPAOS VETORIAIS
219
Extra 3. (a){x = 0; (b){0x = 1; ( ){x + y = 1; (d)
x = 1
2x = 2
; (e)
x = 1
2x = 3
Extra 4. ( ) a = 2, b = 4, c = 29.
Extra 6. a = 0.
Extra 7. (a) 3b1 b2 4b3 = 0. (b) No, pois 3(3) 5 4(1) = 8 6= 0.
Extra 8.
1
1
1
1
1
a1
a2
a3
a4
a5
a21
a22
a23
a24
a25
a31
a32
a33
a34
a35
a41
a42
a43
a44
a45
b1
b2
b3
b4
b5
B.3 Espaos Vetoriais

Exer io 1. (a) sim; (b) no; ( ) sim; (d) no; (e) no; (f ) no.
Exer io 2. (a) u mltiplo de v ; (b) nenhuma das alternativas. ( ) no nulo.
Exer io 3. (C).
Exer io 4. representado omo o gr o da funo. f (1) = 2, f (2) = 1, f (3) = 5, f (4) =
3.
Exer io
Exer io
Exer io
Exer io
Exer io
Exer io
Exer io
Exer io
Exer io
5. funo identi amente nula.

6. (a) sim; (b) no; ( ) sim;
7. base de W es alonando . . . omo linhas.
8. (a) pode aumentar; (b) pode diminuir.
9. (a) 1; (b) plano.
10. (a) no; (b) no. ( ) no;
11. (a) no mximo (b) LI; ( ) pode ser LD; (d) no perten e.
12. (a) no mximo (b) pode ser gerador; ( ) gerador; (d) pode perten er.
13. (a) 0 W ; (b) 6v2 5v3 W ; ( ) dim W n
B.3.2 Problemas
Subespaos do Rn
Problema
Problema
Problema
Problema
Problema
1. (a) no; (b) no; ( ) sim;

2. (a) no; (b) no;
3. (a) 0; (b) R3 .
4. (a) no; (b) sim. ( ) sim.
5. (a) No. (b) Sim. ( ) O
{0}.
Problema 6. (a) No.
ni o onjunto de um ni o elemento que LD
(b) Sim. ( ) No. (d) Um onjunto de dois elementos,
u = v ou v = u,
(1, 0, 2) 6= 0 = 0 .
se e s se um dos vetores mltiplo do outro, isto ,

Note que, no item
a, 0 = 0(1, 0, 2), mas
0 Verso 16.jul.2008 9h
{u, v}
LD
para algum
220
Problema 7. (a) Sim. (b) No. ( ) No.

Problema 8. (a) no ; (b) no ; ( ) base; (d) no ;
Problema 9. (a) Sistema (1 equao) j esta totalmente
3 variveis livres.
Logo dimenso
3.
es alonado. Como 1 equao,
x, olo amos x omo varivel dependente e y, z, w omo livres. y = r, z = s, w = t, x =

y + w = r + t. Logo (x, y, z, w) = r(1, 1, 0, 0) + s(0, 0, 1, 0) + t(1, 0, 0, 1). Base:
{(1, 1, 0, 0), (0, 0, 1, 0), (1, 0, 0, 1)}.

1 0 0
0 0
. Como so 2 equaes, 4
(b) Es alonando totalmente obtemos
0 0 1 1 0
variveis: 2 variveis livres. Logo dimenso 2. Como pivs so asso iados a x e z , olo amos
x, z omo variveis dependentes e y, w omo livres. y = r , w = s, x = 0, z = w = s. Logo
(x, y, z, w) = r(0, 1, 0, 0) + s(0, 0, 1, 1). Base: {(0, 1, 0, 0), (0, 0, 1, 1)}.
4 variveis:
Como piv asso iado ao
( ) Sistema (2 equaes) j esta totalmente es alonado. Como so 2 equaes, 4 variveis:
y e w , olo amos y, w
omo variveis dependentes e x, z omo livres. x = r , z = s, y = 3z = 3s, w = 0. Logo
(x, y, z, w) = r(1, 0, 0, 0) + s(0, 3, 1, 0). Base: {(1, 0, 0, 0), (0, 3, 1, 0)}.
(d) rees revendo equaes paramtri as, (x, y, z, w) = r(1, 0, 2, 1) + s(2, 1, 1, 0) +
t(1, 2, 4, 3). No podemos on luir que dimenso 3! Temos que es alonar ma-
2 variveis livres. Logo dimenso
2.
Como pivs so asso iados a
triz (no pre isa es alonar totalmente) om vetores em linhas para ver dimenso do es-
1
0
2
1
1
0
2
1
1
0 0 1 3 2 .
pao gerado: 2 1
1 2 4 3
0
0
0
0
{(1, 0, 2, 1), (0, 1, 3, 2)}.
Problema 10. (a)
exemplo
Portanto dimenso
e base
qualquer uma das trs; (b) basta tomar o mltiplo de uma delas.
por
2x 2y = 0.
Problema 11. Temos que resolver o sistema (0, 5, 1) = a(1,

1, 1)
+ b(1, 1, 0) + c(1, 0, 1).
Resolvendo obtemos que
(a, b, c) = (2, 3, 1).
Logo,
[v] = 3 .
1
LI e LD: teri os
Problema 12. 1(u v) + 1(v w) + 1(w u) = 0
que d o vetor nulo.
uma ombinao linear no-trivial
Pn
i=1 i vi , ento 1v +
i=1 (i )vi = 0 uma ombinao
linear no-trivial dando o vetor nulo.
Pn
(b) se
i=2 (i )vi = 0 uma ombinao linear no-trivial dando o vetor nulo, ento
P
0v1 + ni=2 (i )vi = 0 tambm o . Isto , se {v2 , . . . , vn } no LI, ento {v1 , v2 , . . . , vn }
Problema 13. (a)
se
v =
Pn
tambm no .
( ) se fosse verdadeiro, pelo item (a) teramos que
{v1 , v2 , . . . , vn }
LD.
Espaos de Polinmios e Funes

Problema 14. (a) sim; (b) no; ( ) no; (d) sim.
Problema 15. (a) 1(1+2x)(3/2)(1+x)+(1/2)(1x) = 0; (b) 1sen2 (x)cos2 (x) = 0.
Problema 16. (a) LD; (b) LI; ( ) LI.
B.3.
ESPAOS VETORIAIS
Problema 17. (a)
221
f = 0 ento f onstante, isto , f (x) = c para todo x. Logo,

f = cg , dado que g(x) = 1 para todo x;
x
(b) sabemos (do l ulo) que se f = f ento f (x) = ce para alguma onstante c. Logo
f = cg .
se
Problema 18. (a) sim; (b) no;
0
3
Problema 19. (a) [q] = 1 ; (b) [p] = 1 ;
1
1

4
3
Problema 20. [f ] =
5 pois f = 40 + 31 + 52 + 23 .
2
B.3.3 Desaos
Desao 1. Suponha que existe v 6= 0 om v V .
Desao 5. (e) tome uma base para H K ; estenda-a a base de H
Desao 7. (a)
W1 .
Junte as bases de
W1
W2
e estenda-a a base de
K.
e es alone; ( ) Determine base es alonada de
(e) Determine sistemas homogneos uja soluo seja
W1
W2 .
Junte as equaes num
sistema ampliado.
Ver Reginaldo Santos p. 178, 179.
Desao 8. (a) laro que f (x) 0 satisfaz equao.
Sejam f1 e f2 satisfazendo f1 (x) +
+ q(x)f1 (x) = 0 e f2 (x) + p(x)f2 (x) + q(x)f2 (x) = 0 e R qualquer. Ento
(f1 +f2 ) (x)+p(x)(f1 +f2 ) (x)+q(x)(f1 +f2 )(x) = (f1 (x)+p(x)f1 (x)+q(x)f1 (x))+
(f2 (x) + p(x)f2 (x) + q(x)f2 (x)) = 0 e portanto f1 + f2 tambm soluo.
p(x)f1 (x)
Desao 9. ( ) f (x) =
f (x) + f (x) f (x) f (x)

+
..
2
2
B.3.4 Extras
Subespaos do Rn
Extra 1. (a) sim; (b) LI para k 6= 1 e k 6= 2. ( ) no.
Extra 6. 1a parte (se): assuma ad bc = 0. Se a = b = c = d = 0,
so LD. Caso ontrrio, temos que vale uma das seguintes alternativas: (i)
e portanto
(a, b) e (c, d)
(a, c) 6= (0, 0)
ento
c(a, b) a(c, d) = (ca ac, bc ad) = (0, 0) ombinao linear no-trivial

(b, d) 6= (0, 0) e portanto d(a, b) b(c, d) = (da bc, db bd) = (0, 0)
dando zero ou (ii)
ombinao linear no-trivial dando zero.
assuma (a, b) e (c, d) LD. Temos que vale uma das seguintes
= (c, d), isto , a = c e b = d, de forma que ad = cd = bc e
(c, d) = (a, b), isto , c = a e d = b, de forma que bc = ab = ad e
parte (somente se):
alternativas: (i)(a, b)
ad bc = 0 ou
ad bc = 0.
(ii)
LI e LD: teri os
Extra 7. 1 w1 + 2 w2 + 3 w3 = 1 (v1 + v1 ) + 2 (v1 + v2 ) + 3 (v1 + v3 ) = (21 + 2 +
222
3 )v1 + 2 v2 + 3 v3 = 0,
se, e somente se,
1 = 2 = 3 = 0.
21 + 2 + 3 = 0
2
= 0
3
= 0
, se, e somente se,
Extra 9. (a) De orre trivialmente do resultado de que um onjunto LD se e s se existe um

vetor que ombinao linear dos demais. (b) De orre trivialmente de (a).
Extra 10. Lembre que um onjunto LD se e s se existe um vetor que ombinao linear
dos anteriores. No onjunto
= {v1 , v2 , . . . , vn },
este no o aso de nenhum dos
primeiros vetores, dado que eles formam um onjunto LI. Tambm no o aso do
vetor, por (b). Logo
= {v1 , v2 , . . . , vn }
n1
n-simo
no LD.
Espaos de Funes ou Polinmios

Extra 12. (a)
sim; (b) sim; ( ) no (basta notar que
(d) sim.
Extra 13. (a) sim; (b) sim;

Extra 15. (b) Prove que qualquer
ombinao de elementos de
polinmio
f (x) 0
no perten e ao onjunto);
p(x) = ax2 + bx + c
pode se expresso omo
B.4 Transformaes Lineares

Exer io 1. (a) 0; (b) V ; ( ) V ; (d) 0.
Exer io 2. (a) no; (b) sim; ( ) no; (d) sim; (e) no.
Exer io 3. (i) (C); (ii) (A); (iii) (D); (iv) (C).
Exer io 4. (a) 7; (b) 4; ( ) 2;
Exer io 5. (a) 2; (b) 5;
Exer io 6. (a) 2; (b) 0;
Exer io 7. (a) falsa; (b) verdadeira; ( ) falso; (d) verdadeiro.
(e) falso,
dim(Nu (T )) = 0.
Exer io 8. 3x 4, 5.
B.4.2 Problemas
Problema 1. (a) No.
(b) sim; ( ) no.
0
1 1
0
0
0 1 1 x
y = a hamos o nProblema 2. (a) Resolvendo o sistema
0
1
1
0
z
0
0
1
1

1 0 1
leo. Es alonando totalmente a matriz obtemos:
. So 3 variveis, 2 equaes:
0 1 1
3 2 = 1 varivel livre. Como a oluna sem piv a ter eira, olo amos z omo varivel
livre. So dependentes x e y . Colo ando z = r , x = z = r e y = z = r . Logo,
(x, y, z) = (r, r, r) = r(1, 1, 1). Logo o n leo tem dimenso 1 e base {(1, 1, 1)}.
0 19.jul.2008 16h
B.4.
223
3 1 = 2. Para al ular a base montamos a matriz

1
0 1 0
1 1 . Es alonando (par ialmente, no
om T (e1 ), . . . , T (en ) nas linhas: 1 1
0 1
0 1
1
0 1 0
. Logo a imagem tem dimenso 2 e
pre isa ser totalmente es alonada),
0 1
0 1
base {(1, 0, 1, 0), (0, 1, 0, 1)}.

1 1 0
x
0
2
0 1
y = 0 a hamos o n leo. Es alonando
(b) Resolvendo o sistema
0
2 1
z
0

1 0 1/2
. So 3 variveis, 2 equaes: 3 2 = 1
totalmente a matriz obtemos:
0 1 1/2
varivel livre. Como a oluna sem piv a ter eira, olo amos z omo varivel livre. So
dependentes x e y . Colo ando z = r , x = z/2 = r/2 e y = z/2 = r/2. Logo,
(x, y, z) = (r/2, r/2, r) = r(1/2, 1/2, 1). Logo o n leo tem dimenso 1 e base
{(1/2, 1/2, 1)}.
Pelo TNI, dimenso da imagem 3 1 = 2. Para al ular a base montamos a ma
1 2 0
triz om T (e1 ), . . . , T (en ) nas linhas: 1 0 2 .
Es alonando (par ialmente, no
0 1 1

1 2 0
. Logo a imagem tem dimenso 2 e base
0 2 2
{(1, 2, 0), (0, 2, 2)}.

0
b
1 0 3
0 1

= 0 a hamos o n leo. Esc
1
( ) Resolvendo o sistema 0 0 1 1

0
1 0 4 1
0 d
e

1 0 0
3 4
alonando totalmente a matriz obtemos:
. So 5 variveis, 2 equa0 0 1 1
1
es: 5 2 = 3 variveis livres. Como so olunas om piv primeira e ter eira, a e
c so dependentes. So livres: b, d, e. Colo ando b = r, d = s, e = t, a = 3d +
4e = s + t, c = d e = s t. Logo, (a, b, c, d, e) = (3s + 4t, r, s t, s, t)
= r(0, 1, 0, 0, 0) + s(3, 0, 1, 1, 0) + t(4, 0, 1, 0, 1). Logo o n leo tem dimenso 3 e base
{(0, 1, 0, 0, 0), (3, 0, 1, 1, 0), (4, 0, 1, 0, 1)}.
Pelo TNI, dimenso da imagem 5 3 = 2. Para al ular a base montamos a ma
1
0
1
0
0
0
. Es alonando (par ialmente, no
3
1
4
triz om T (e1 ), . . . , T (en ) nas linhas:
0 1 1
1 1
0

1 0 1
. Logo a imagem tem dimenso 2 e base
0 1 1
{(1, 0, 1), (0, 1, 1)}.
Pelo TNI, dimenso da imagem
Problema 3. (a) Nu (T ) = Im(T ) = P1 .
(b) Nu (T ) o onjunto dos polinmios da forma

= R.( ) Nu (T ) = 0, Im(T )R= hx, x2 , x3 i (d) A imagem C(R; R)
x
(sobrejetiva) pois dado g C(R; R) dena h(x) =
g(s) ds, pelo teorema fundamental do
0
1
l ulo h C (R; R) e T (h) = g . O n leo so funes onstantes.
(x 3)q(x),
Im(T )
224
Problema 4. (a)
origem (=
0)
Contradiz o Teo. do N leo e da Imagem (dimenso do n leo s om a
mais dimenso da imagem (no mximo
espao de partida (=
4)
= 2)
menor do que a dimenso do
Ou, mais intuitivamente, um espao de dimenso 4 est sendo
levado pela TL num espao de dimenso 2. A imagem portanto tem dimenso no mximo 2.
4
Assim, pre iso que um subespao de R de dimenso ao menos 2 seja levado ( olapse) no
0 pela TL.
( ) Para que a TL seja injetiva, seu n leo deve ser trivial, ou seja, deve onter apenas
4
o 0 (de R ). Nesse aso a dimenso do n leo 0 ( ontm apenas um ponto). Mas na TL
dada, o n leo deve ter dimenso pelo menos 2 (vide resposta do item (a)).
(e) Pelo Teorema do N leo e da Imagem, dim(N(T ))+dim(Im(T ))
= 7.
Ora, omo a
soma de dois nmeros iguais daria um nmero mpar? Impossvel.

(g) Note que os vetores da base do n leo so LI (e dim(N(T ))
= 2),
mas que os vetores
(1,1,2) e (2,2,4) que geram a imagem so LD, e logo basta um deles para gerar o mesmo
espao (logo dim(Im(T ))
= 1).
Mas a, novamente, no onseguiramos satisfazer ao Teo.
do N leo e da Imagem. Logo no possvel existir tal TL.

1
0
Problema 5. (a)
2 1
(b) T (x, y, z, w) = (2x + 2y + z + w, x + y z + 2w, 4x + 4y + z + 3w). Soluo:
Uma base do n leo (1, 0, 1, 1) e (0, 1, 1, 1). Podemos ompletar esta base, por
exemplo, om (0, 0, 1, 0) e (0, 0, 0, 1). Podemos agora determinar ompletamente T por
T (1, 0, 1, 1) = T (0, 1, 1, 1) = 0, T (0, 0, 1, 0) = (1, 1, 1) e T (0, 0, 0, 1) = (1, 2, 3).
( ) T (x, y, z) = (0, 0, x y + z, x y + z) Soluo: O n leo gerado por (1, 0, 1)
e (0, 1, 1). A imagem gerada por (0, 0, 1, 1). Portanto, T (1, 0, 1) = T (0, 1, 1) = 0.
3
Como (0, 0, 1) ompleta a base do R (entre outras possibilidades), olo amos T (0, 0, 1) =
(0, 0, 1, 1). Agora sabemos T em trs vetores da base de uma base do R3 . Portanto podemos
determinar que T (x, y, z) = (0, 0, x y + z, x y + z).

Problema 6. So lineares somente (a) e ( ).

Problema 7. Observe o seguinte: Caso 0 no
p(0) = 0
sobre os elementos de
W,
fosse raz de
p,
i.e., no houvesse a restrio
ento o n leo da transformao linear derivada primeira
p(x) = a, om a R. Mas polinmios

W quando a = 0 ( aso ontrrio teramos
seria somente os polinmios onstantes, da forma

dessa forma s satisfazem a restrio
p(0) = a,
om
levado no
a 6= 0
e da
p(0) = 0
no perten eria a
em
W ),
donde on lumos que o ni o polinmio
pela TL derivada primeira o polinmio nulo. Logo
injetiva.
Problema 8. Funes do primeiro grau: f (x) = ax + b, ou seja P1 .

Problema 9. ((T S)(f ))(x) = (T (S(f )))(x) = (S(f ))(2x+2) = f ((2x+2)/21) = f (x).
x, f .
(T S)(f ) = f , f , o que
mostra-se que S T = I .
Isto impli a que
De forma anloga,
impli a que,
T S = I.
B.4.3 Desaos
Desao 1. (b)
note que trao de
zero e trao de
AB
igual ao trao de
n.
Desao 5. Dena T1 , T2 : R2 R
BA.
logo, trao de
AB BA
T1 (x, y) = x e T2 (x, y) = y . Verique que so

LIs. Dada T qualquer dena a = T (e1 ), b = T (e2 ). Ento T (x, y) = xT (e1 ) + yT (e2 ) =
aT1 (x, y) + bT2 (x, y). Logo T = aT1 + bT2 . A dimenso deste espao 2.
por:
Desao 6. Dena T11 , T12 , T21 , T22 : R2 R

T21 (x, y) = (y, 0), T22 (x, y) = (0, y).
T11 (x, y) = (x, 0), T12 (x, y) = (0, x),

Verique que so LIs. Dada T qualquer dena
por:
B.4.
225
(a, b) = T (e1 ), (c, d) = T (e2 ). Ento T (x, y) = xT (e1 ) + yT (e2) = x(a, b) + y(c, d) =
a(x, 0) + b(0, x) + c(y, 0) + d(0, y) = aT11 (x, y) + bT12 (x, y) + cT21 (x, y) + dT22 (x, y). Logo
T = aT11 + bT12 + cT21 + dT22 . A dimenso deste espao 4.
Desao 7. (a) Como dim L(R2 ; R2 ) = 4, o onjunto {I, T, T 2, T 3 , T 4 }, que possui 5 elementos, LD. Portanto existe uma ombinao linear no-trivial deles que vale 0.
n
n
2
(b) Generalizando o argumento anterior, omo dim L(R ; R ) = n , o onjunto
2
{I, T, T 2 , . . . , T n }, que possui n2 + 1 elementos, LD. Portanto existe uma ombinao
linear no-trivial deles que vale 0.
Desao 9. Seja {u1 , u2 , . . . , un } base de U e {v1 , v2 , . . . , vm } base de V . Pelo Lema 11
da pgina 82, para denir Tij L(U; V ) basta denir valores nos elementos da base de U .

vj ; para i = k;
Assim denimos Tij (uk ) =
. Como T (uk ) V e {v1 , v2 , . . . , vm }
0;
aso ontrrio
m
X
base de V , existem akj R tais que T (uk ) =
akj vj . Agora dena S L(U; V )
por
S =
ai,j Tij .
Agora,
i,j
S(uk ) =
X
i,j
j=1
ai,j Tij (uk ) =
akj vj = T (uk )
para todo
S e T so lineares e assumem mesmo valor nos elementos da base, S T .

{Tij ; i = 1, . . . , n, j = 1, . . . , m} gera o espao L(U; V ). Pode-se provar que Tij
espao das TLs. Como so nm Tij s, a dimenso nm.
Como
Desao 10. Use
k.
Logo
LI no
o Teorema do N leo-Imagem duas vezes.
B.4.4 Extras
Extra 1. (a) 7; (b) 7;
Extra 2. (a) 4; (b) 5.
Extra 3. (a) 3; (b') 0;

1
Extra 4. 2
Extra 9.
(a)
T (0) = T (0 + (1)0) = T (0) + (1)T (0) = T (0) T (0) = 0

T ).
(usamos somente a
linearidade de
v e v
T (
v +
v) = T (
v) + T (
v) =
( ) Contm o 0, e est fe hado pela soma e multipli ao por es alar: Considere
N(T ) (ou seja: T (

v ) = 0 e T (
v ) = 0), e R. Ento
0 + 0 = 0. Logo N(T ) subespao vetorial.
(d) Vamos usar que, se T injetiva, o ni o elemento do n leo o 0. Suponha, por
exemplo, que T (vi ) = T (vj ), om i 6= j . Ento T (vi ) T (vj ) = 0. Usando a linearidade
de T , temos que T (vi vj ) = 0. Agora, usando a injetividade de T , on luimos que
(vi vj ) = 0, ou vi = vj . Contradio, pois por hiptese os vi 's eram LI.
(d) (soluo alternativa) Seja {v1 , . . . , vp } LI. Considere a sua imagem por T ,
{T (v1 ), P
, T (vp )}. Para dis utir a independn iaPlinear deste onjunto,
Pp devemos veri ar
p
p
quando
T
(v
)
=
0
.
Mas,
por
linearidade,
T
(v
)
=
T
(
i
i
i=1 i
i=1 i
i=1 i vi ) e T (0) =
Pp
0. Da injetividade de T , segue que i=1 i vi = 0, o que, pela independn ia dos vi 's,
impli a em i 's todos nulos. Mas isto garante a independn ia de {T (v1 ), , T (vp )}.
(e) Seja V de dimenso n e seja = {v1 , . . . , vn } base de V . Ento, pelo exer io
anterior, T () = {T (v1 ), , T (vn )} um onjunto LI. Mas um onjunto de n vetores LI
em um espao de dimenso n uma base.
em
226
Extra 10. Todas as operaes so lineares.

Extra 11. Como T (p + q)(x) = x(p(x) + q(x)) = xp(x) + xq(x) = (T (p) + T (q))(x),
on luimos que linear.
T (p) = T (q) ento T (p)(x) = xp(x) = T (q)(x) = xq(x) para todo x. Logo p(x) =
x diferente de zero. Como polinmios so funes ontnuas, p(x) = q(x)
todos x (in luindo o zero) e portanto p = q . Con luimos que injetiva.
Se
q(x)
para
para todo
Extra 12. linear somente (a).

Extra 13. (a) T no , S . (b)
f (x) = h(x 1)
= 0. S
S(f )(x) = h(x + 1 1) = h(x).
Nu (S)
sobrejetiva: de fato, dado
dena
B.5 Matrizes
Exer io
Exer io
Exer io
Exer io
1. (a) e ( ) somente.
2. A2 + AB + BA + B 2 .
3. Im(TA ).
4. (a) 0; (b) n.
Exer io 5. (a)
3y).
3
7
5 4
; (b)
0 1
1 0
, ( )
T (x, y) = (x, 3x); (d) T (x, y) = (y, 8x+
Exer io 6. (a) olunas; (b) linhas;

Exer io 7. (a) das olunas de A; (b) das linhas de B ; ( ) linhas de A por olunas de B ;
Exer io 8. n dimenso do domnio e m do ontradomnio. (a) Falso. Por exemplo, tome
uma matriz
mn
om todas as entradas iguais a 0; (b) verdadeiro pois se a dimenso do
domnio maior do que a do ontra-domnio ento
dim(Nu (A)) > 0.
B.5.2 Problemas
Problema 1. (a)
dimenso 2.
N leo=0, om, dimenso 0, Imagem=h(1, 2, 0, 1), (0, 0, 1, 2)i, om
(b) N leo=h(2, 1, 1, 0), (0, 0, 0, 1)i, om dimenso 2.
om dimenso 2.
Imagem=h(1, 0, 1), (0, 1, 1)i
( ) N leo=h(1, 1, 1)i om dimenso 1, Imagem=h(1, 0, 1, 0), (0, 2, 1, 1i om dimen-
so 2.
(d) N leo=h(1, 0, 1, 0), (0, 1, 0, 1)i om dimenso 2, Imagem=h(1, 0, 1), (0, 1, 1)i om
dimenso 2.
Problema 2. (a)
0 28.jul.2008 11h
0 1
1
2
; (b)
1 1 2
1
1 1
0
2
0 0
2
B.5.
MATRIZES
227
1 0
1
Problema 3. [T ] = 1 0 1 ,
0
0 1
1/2
1/2 0
0 1
([T ] )1 = [T 1 ] = 0
1/2 1/2 0
1
0
0
0
Problema 4. (a) A1 = 1/3 1/3
0 1/5 1/5
1
0
0
1/3 w = 0
(b) u = 1/3 v =
0
1/5
1/5

0 I
I A
Problema 5. (a)
; (b)
I 0
0
I

B 0
Problema 6. S 2 =
.
0 B
Geometria e TLs
Problema 7. (a) r;
n
P =P
2k
(b) 0; ( )
I ; R2k+1 = R.
PP = P;
(d)
RR = I ;
(e)
RP = P ;
(f )
PR = P;
(g)
Problema 8. N leo: (0, 1, 0) e Imagem: (1, 0, 0), (0, 0, 1)

Mudana de bases
Problema 9. (a) [I] =
(b)
[I] = [I]1
.
6 2
11 4

2 1
( ) Basta veri ar que
[I] = I .
11/2
3
1
0
1
1
1
1
Problema 10. (a) [I] = 0 1 1 uja inversa [I] = 0 0 1 ; (b)
0 1
0
0 1 1
1
4
1 1 0
[v] = 0 ; ( ) [w] = 1 ; (d) [T ] = 0 1 1
1
2
0 0 1

1
1
Problema 11. (a) A resposta no ni a. Por exemplo, u =
e v =
(b) Um
0
3

2
0
2
no mltiplo do outro, portanto so dois vetores LI em R . ( )
0 1

Problema 12. Para ambos itens, a matriz identidade.

Problema 13.
1 0
1 1/2
1 1 0
Problema 14. 0 1 2
0 0 1
228
0
Problema 15. Se p = 1, S(p)(x) = xp(x) = x1 = x e [x] = 1 ,

0
0
0 0
2
2
xp(x) = xx = x e [x ] = 0 . Logo, [S]2 1 = 1 0 .

1
0 1
se
p = x, S(p)(x) =
B.5.3 Desaos
Desao 1. BA2 = (BA)A = I , logo A invertvel e A1 = BA.
Desao 5. (a) Note que T (I) = IB BI = B B = 0, independentemente
B . Logo,
I Nu (T ). (b) 1 parte (se): suponha que B possui inversa. Seja A Nu (S). Ento
S(A) = BA = 0. Multipli ando-se por B 1 dos dois lados, A = B 1 BA = B 1 0 = 0.
a
Logo Nu (S) = {0}. 2 parte (somente se): suponha que B no possui inversa. Logo existe
n
0 6= v R tal que Bv = 0. Seja A = [v v]. Ento S(A) = BA = 0 e 0 6= A Nu (S).
a
Desao 6. (a)
Neste aso
H innitas respostas.
Por exemplo,
B =
1 1
1 1
AB = AC A1 AB = A1 AC B = C .
C =
de
2 0
0 2
. (b)
Desao 7. (a) no; (b) 6= 0 e 6= .

Desao 8. A =
n
1 n
0 1
B.5.4 Extras
Extra 1. (a)
dimenso 2.
N leo=h(1, 1, 1)i om dimenso 1, Imagem=h(1, 0, 0, 0), (0, 1, 0, 1)i om
x + z = 0 e y + z = 0, uja dimenso 1, gerado

h(1, 0, 2, 3), (0, 1, 2, 2)i, dimenso 2.
( ) N leo o plano xw , y = z = 0, om dimenso 2. Imagem
(b) N leo
om dimenso 2.
Extra 2. (a)
por
(1, 1, 1),
imagem
h(1, 0, 0, 0), (0, 0, 0, 1)i
Ponha a matriz na forma es alonada (no pre isa ser reduzida). Para que o
5
posto seja 1, pre isamos de apenas 1 pivot. Logo 5 2h = 0, ou h = .
2
(b) Ponha a matriz na forma es alonada (no pre isa ser reduzida). Para que o posto seja
5
2, pre isamos de 2 pivots. Logo 5 2h 6= 0, ou h R, h 6= .
2

1/2 1/2
Extra 3. (a)
;
1/2
1/2
0 0 1
Extra 4. [T ] = 0 1 1 ,
11 1
0 1 1
1 0
([T ] )1 = [T 1 ] = 1
1
0 0
B.5.
MATRIZES
229
Geometria e TLs
Extra 5. Di a:
Qual a reexo dos vetores da base anni a om relao a esta reta? R:
T (x, y) = (y, x).

Extra 7. (a) P Q = 0.
(b)
QP = 0.
( )
QR = Q;
(d)
RQ = Q;
Matrizes
Extra 9. (a) sim;
(b) sim;
( ) sim.
Aij a matriz que todas entradas so zero menos aij = 1.

Para matriz 2 2: Base de triangular superior: A11 , A12 , A22 . Base de diagonal: A11 , A22 .
Base de simtri a: A11 , A12 + A21 , A22 . aij = 1.
Para matriz 3 3: Base de triangular superior: A11 , A12 , A13 , A22 , A23 , A33 . Base de
diagonal: A11 , A22 , A33 . Base de simtri a: A11 , A12 + A21 , A13 + A31 , A22 , A23 + A32 , A33 .

1 0 0
0 1 0
0 0 1
Extra 11. (a) Dena A11 =
, A12 =
, A13 =
, A21 =
0 0 0

0 0 0
0 0 0

0 0 0
0 0 0
0 0 0
, A22 =
, A23 =
. Ento {A11 , A12 , A13 A21 , A22 , A23 }
0 1 0
0 0 1
1 0 0
(d) Dena
base (representao ni a) pois
a11 a12 a13

a21 a22 a23
= a11 A11 + a12 A12 + a13 A13 + a21 A21 + a22 A22 + a23 A23 .
A dimenso 6.
Akl = (aij ) uma matriz om zeros em todas as entradas menos akl = 1 (veja
item (a)). O onjunto {Akl ; 1 k m; 1 l n} base de Mmn e a dimenso mn.

1 0
Extra 13.
1 1
Extra 14. (a) Nu (T ) = {0} e Im(T ) = Mnn. (b) T bijetiva (injetiva e sobrejetiva).

2 2
Extra 16.
2
4
Extra 17. (b) k = 3; ( ) k = n + 1; (d) Basta fazer a onta (I N)(I + N + N 2 + N 3 +
+ N k1 ) = I + N + N 2 + N 3 + + N k1 N(I + N + N 2 + N 3 + + N k ) =
I + N + N 2 + N 3 + + N k1 N N 2 N 3 N n N k = I N k . Como N k = 0,
(I N)(I + N + N 2 + N 3 + + N k1 ) = I .
(b) Dena
Mudana de bases
1 1
1
Extra 18. [I] = 0 1 0
1 1 1
Extra 20. A base
so as olunas da matriz [I] = [I] [I] .
1 1
0
1
1 1 obtemos que = {(1, 3, 3), (1, 1, 1), (1, 0, 2)}.
1
1
1

5/2
Extra 21.
1
Como
[I] =
230
Extra 22. [I] =
1
1
Extra 23. 1 1
0
0
Extra 24. (a)
1
4
1 2
1
0
1
0 1
1 0
(b)
1 0
0 2
( )
0
0
0
0
Extra 26. Se p = 1, T (p)(x) = p(x + 1) = 1 e
1
0
0
0
0
0
1
0
0
0
1
1
1
[1] = 0 ,
0
se
p = x, T (p) = p(x + 1) =
1
x + 1 e [x + 1] = 1 , se p = x2 , T (p)(x) = p(x + 1) = (x + 1)2 = x2 + 2x + 1
0
1
1 1 1
[x2 + 2x + 1] = 2 . Logo [T ] = 0 1 2 .
1
0 0 1
B.6 Determinantes
Exer io 1. (a) V: (b) F, pode ser uma mltipla da outra; ( ) F, det(B) = det(A).
Exer io 2. (a) 2; (b) 1/2; ( ) 32.
Exer io 3. (a) pode ser = (se A = B = 0) ou 6= (se A = B = I ); (b) =; ( )30.
Exer io 4. (a) 0; (b) 4!.
Exer io 5. (a) 14; (b) 21; ( ) 7; (d) 56.
Exer io 6. (a) uma ni a soluo; (b) uma ni a soluo; ( ) nenhuma ou innitas solues;
(d) innitas solues;
Exer io
Exer io
Exer io
Exer io
7. (a) mltiplo de; (b) perten e ao plano gerado por v e w; ( ) LDs; (d) LDs.
8. (a) 6= 0; (b) = 0; ( ) 6= 0.
9. (a) 6= 0; (b) = 0; ( ) 4; (d) < 4.
10. v soluo no-trivial de (A I)x = 0. Logo, det(A I) = 0.
B.6.2 Problemas
Problema
Problema
Problema
Problema
Problema
Problema
1. (a) n ; (b) n det(A).

2. det(A) (4) = det(B) = 36. Logo, det(A) = 9.
3. (a) 16; (b) 12.
4. (a) 1 e 6; (b) usando matriz em blo os, 1, 2, 3.
5. 4 .
6. 62.
0 Verso 28.julho.2008 06h
B.6.
DETERMINANTES
231
Problema 7. 1.
Problema 8. (a) Troque l1
om
determinante o mesmo que de
l4
l2
om
l3 .
Agora a matriz resultante diagonal e o
pois foram duas tro as. Assim o determinante o produto

(n+1)
dos elementos da diagonal da nova matriz: abcd. (b) (1)
.
Problema 9. O
1/(ad bc) sai do determinante omo 1/(ad bc)2

1
2
obtendo o resultado orreto: det(A ) = (ad bc)/(ad bc) = ad bc.
Problema 10. (a) (9 8)(14 1) = 13; (b) (9 8)(1) = 1.
fator
B.6.3 Desaos
pois
2 2,

P
P
vi ei, (u v)P v = wi vi =
det u v ei vi = (pela
vi ei = det u v v = 0.
u v
linearidade do determinante) det
Desao 3. (a) Subtraia a primeira linha das outras e reduza a determinante 2 2. Considere
v = (x, y) O determinante zero se, e somente se, os vetores v1 v e v2 v so olineares.
(b) Semelhante a letra (a), o determinante zero se, e somente se, os vetores v1 v , v2 v
e v3 v so oplanares.
Desao 4. (a) Subtraia linhas e reduza a determinante 2 2;
Desao 1. (e)
Seja
v =
Desao 10. Apli ando
a algoritmo de l ulo om eliminao de Gauss, somente ra ionais
entraro em ada etapa, in lusive na nal, no produto de elementos da diagonal.
Desao 11. Cada
oluna um vetor ujo mximo da norma
mximo volume o produto do omprimento de ada aresta.
Desao 14. Adi ione

(x + (n 1)a)(x
k 2 + + k 2 = k n.
todas as olunas da primeira. Se a matriz

n1
a) .
Desao 16. (a) Mostrar
3
n.
que
mesma linha ou oluna. (b)
n n,
o determinante
no su iente f il. Para mostrar que
oloque-os na
B.6.4 Extras
Extra 1. (a) 3 2n ; (b) 3 3n ; ( ) (3)5 /3n;
Extra 2. (a) 2; (b) 2; ( ) 1 = 2 = 0.
Extra 3. (a) no possui; (b) nada podemos armar.
Extra 4. No. Para preservar rea, basta que det T = 1.
bora
det T = 1,
omprimentos na direo
Considere
x so reduzidos
T (x, y) = (x/2, 2y). Emy dupli ados.
metade, na direo
1 0 1
Extra 6. T = 2 1 3 . Como C um ubo de aresta 3, vol(C) = 33 = 27. Logo,
1 0 1
vol(T (C)) = det(T )vol(C) = (2)(27) = 54.
Extra 7. T (x, y, z) = (ax, by, cz) e B = {(x, y, z) R3 ; x2 + y 2 + z 2 1}. Logo
vol(E) = vol(T (B)) = det(T )vol(B) = (abc)(4/3).
Extra 9. (a) 2 e 5;
Extra 10. Se x = det(A) ento x2 = x; razes so 0 ou 1.
Extra 11. Cal ulando o determinante dos dois lados on lumos que A invertvel. Multipli1
1
ando os dois lados por A
on luimos que B = A . Dai segue o resultado.
Extra 12. Se x = det(A) ento xk = 1; raz 1 se k par, 1 e 1 se k impar.
232
Extra 13. (a)
Como
det(A) = i,
o que impossvel para uma matriz om entradas reais.
n = 3, det(I) = 1
det(A2 ) = det(I) = 1 = det(A)2 .
Logo
(b) basta fazer a
onta.
Extra 14. Se x = det(S)
ento
x = (1)n x;
se
impar obtemos
x = 0.
Extra 15. Se x = det(N) ento xk = 0; raz 0.
Logo
det(N) = 0,
x = x,
o que impli a
o que impli a que
no
invertvel.
Extra 16. Se x = det(Q) ento x2 = 1; razes so 1 ou 1.

Extra 19. Troque as linhas de ima om a debaixo. O determinante
o mesmo a menos de
sinal. Como todas so do mesmo tamanho, o sinal nal o mesmo. A matriz agora ser
blo o triangular da forma
A 0
X I
, om determinante igual a
det(A).
Extra 20. Como det(AB) = det(A) det(B) = det(B) det(A) = det(BA).

Extra 21. det(A) = det(P ) det(D) det(P 1) = det(D) pois det(P ) det(P 1 ) = det(P P 1) =
det(I) = 1. Como D diagonal, det(D) = n!
det(Ak ) = (det(A))k = (n!)k .
(produto dos elementos da diagonal). Como
Extra 22. (a) de forma geral no; (b) sim; ( ) sim.

Extra 23. Sim, pois se det(AB) = det(A) det(B) 6= 0 ento det(A) 6= 0, o que impli a que
A
invertvel.
Extra 24. Troque as linhas at resultar numa matriz diagonal.
Dependendo se a matriz possui
nmero par ou impar de linhas, o determinante possuir o mesmo sinal ou sinal tro ado.
Extra 25. Cada
operao elementar altera o sinal (que ontinuar zero) ou multipli ar por
onstante (que manter determinante zero).
B.7 Autovalores, Autovetores e Diagonalizao

Exer io 1. (a) 2; (b) 3. ( ) no ;
Exer io 2. (a) Falso pois para ser autovalor
o autovetor tem que ser no-nulo; (b) Falso
pois autovetor tem que ser no-nulo.
Exer io 3. (a)
omo
Falso, rotaes em
no autovalor a matriz
Exer io
Exer io
Exer io
Exer io
Exer io
Exer io
Exer io
R2 .
(b) Verdadeiro, autovalor
invertvel.
4. 9.
5. (a) = 0; (b) = 0; ( ) > 0;
6. .
7. (a) talvez; (b) sim.
8. (a) R, P ; (b) R; ( ) P ; (d) U .
9. (a) 0; (b) todos os vetores no-nulos.
10. (a) 3; (b) 0; ( ) 1.
0 Verso 28.jul.2008 19h
0.
( ) Verdadeiro, pois
B.7.
233
Diagonalizao
Exer io 11. (a)
verdadeiro. (b) falso, pode ser diagonalizvel; Um exemplo om somente
um autovalor a matriz identidade, ujo ni o autovalor
Exer io 12. no .
Exer io 13. (a) 1, 1, 2; (b) pode ser
e diagonalizvel.
diagonalizada; distintos; formam uma base.
B.7.2 Problemas
Problema 1. (a) sim; (b) no; ( ) no; (d) sim;
Problema 2. (a) No; (b) Sim om autovalor 0 (zero).
Problema 3.

1
3
vetores distintos.
Problema 4. (a)
h(1, 1)i.

uma base.
autovalor
autovalor

,
om autoespao
1
3
h(1, 1)i
10
30
, por exemplo, so auto-
e autovalor
om autoespao
om autoespao
om
Problema 5. (a)
h(1, 0, 0)i,
1
3
3 om autoespao h(1, 0, 0)i, autovalor 2 om autoespao h(0, 2, 1)i,

h(0, 1, 1)i. ( ) autovalor 1 om autoespao h(1, 0, 0, 1)i e
autoespao h(0, 1, 0, 0)i.
(b) autovalor
e autovalor
autovalor
autovalor
om autoespao
Problema 6.
h
h(1, 0)i; (b)

h(1, 0, 1), (0, 1, 1)i.
om autoespao
A 5I 0
(se h = 6)
(se h 6= 6)
Autoespao bidimensional
Problema 7. Autovetor v
0
0
0
0
0
0
0
0
0
0
0
0
duas variveis livres
om autovalor: (a)
om autoespao
2 6 1 0
2 h
0 0
0 0
4 0
0 0 4 0
1
3 0 0
0 h6 0 0
0
0 1 0
1 3 0 0
0
0 1 0
1 0 0 0
0 1 0 0 .
0 0 1 0
autovalor
h = 6.
1/; De fato, seja v 6= 0 autovetor asso iado ao autovalor . Ento Av = v.

1
Como A invertvel, podemos multipli ar esquerda por A
ambos os lados da equao,
1
1
1
produzindo A Av = v = A v = A v. Como 6= 0 (pois a matriz invertvel),
1
1
podemos dividir tudo por lambda e obter A v = v.
( ) ;
(d) a + b;
(b)
Problema 8. (a) Como T (1, 2) = 1/2(1, 2) = (1/2, 1) e T (0, 1) = 2(0, 1) = (0, 2).
Como
Logo
(1, 0) = (1, 2) + 2(0, 1), T (1, 0) = (1/2, 5).
T (x, y) = (x/2, 5x + 2y)
Portanto,
[T ] =
1/2 0
5 2
234
T (1, 1, 1) = 3(1, 1, 1), T (1, 0, 1) = 3(1, 0, 1) e T (0, 1, 1) = 0.

dados obtemos que T (x, y, z) = 3x, 3x + 3y 3z, 3x).
(b)
estes
Problema 9. (a)
omo o n leo uma reta,
autovalor tambm, resultando em trs
autovalores distintos, o que impossvel em dimenso

(b) pelo teorema do n leo-imagem
Desenvolvendo
2;
deve ser injetiva tambm, impli ando que
no
pode ser autovalor;
(5, 7, 9) = (1, 2, 3) + (4, 5, 6), T (5, 7, 9) = T (1, 2, 3) + T (4, 5, 6) = (1, 2, 3) +

2(4, 5, 6) = (9, 12, 15) 6= 3(5, 7, 9) ;
( ) omo
Problema 10. (a) 0 e 1; dim Nu (T ) = 1, dim Nu (T + I) = 0, dim Nu (T I) = 2.

(b)
1. dim Nu (T ) = 0, dim Nu (T + I) = 1, dim Nu (T I) = 2.
Problema 11. (a) (2, 4, 2); (b) 1 pois a imagem tem pelo menos dimenso 2, igual a dimenso
do autoespao.
Problema 12. O eixo ser um autovetor asso iado ao autovalor 1: (1, 1, 1).
Problema 13. (a) f (s) = exp(9s); (b) f (s) = sen(3s) e f (s) = cos(3s).
Diagonalizao
Problema 14. Os autovalores so as entradas de D, ou seja, 1 e 2.
M
Uma base para o autoespao

asso iado
ao autovalor
asso iadas ao autovalor
2 .
1:
obtida tomando-se as olunas de
Da mesma forma, uma base para o autoespao
2 obtida tomando-se as olunas de M asso iadas ao autovalor 2:

asso iado
ao autovalor
2
1
1 , 0
1
1

1

0
= 2 1 = ( (1))( 1).
Problema 15. (a)
6
1
1 o onjunto-soluo
O autoespao asso iado
ao autovalor

de

2 0 0
0
A (1)I 0 =
.
1 0 0 . Uma base
6 0 0
1
O autoespaoasso iado ao
autovalor 1 o onjunto-soluo
de

1
0
0 0
AI 0 =
3 1 0 . Uma base
.
6 2 0
3

1
0
=
Assim,
6 1
1

0 1
1 0
0 1
.
=
1 3
0 1
1 3
2
(b) Autovalores: 0 e 1, om polinmio ara tersti e (1 ) . Asso iado ao autovalor

x=0
0 o sistema
, om autoespao gerado por (0, 1, 1); asso iado ao autovalor
y+z =0
x=0
1 o sistema
om autoespao gerado por (0, 0, 1). Portanto NO existe base de
y=0
autovetores (soma das dimenses dos autoespaos 2 e no 3) e no diagonalizvel;
2
( ) Autovalores: 2 e 4, om polinmio ara tersti o (4 )(2 ) . Asso iado ao

xy =0
, om autoespao gerado por (1, 1, 0); asso iado ao
autovalor 2 o sistema
z=0
B.7.
autovalor
o sistema
x=0
y=0
om autoespao gerado por
235
(0, 0, 1).
Portanto NO existe
2 e no 3) e no diagonalizvel;
3
(d) Autovalores: 1 e 1, om polinmio ara tersti o (1) (1+). Asso iado ao auto
y z = 0 , om
valor 1 o sistema
autoespao gerado por (1, 0, 0, 0), (0, 1, 1, 0), (0, 0, 0, 1);
x=0
y + z = 0 om autoespao gerado por (0, 1, 1, 0).

asso iado ao autovalor 1 o sistema
z=0
Portanto existe base de autovetores (soma das dimenses dos autoespaos 4) e diagonaliz
1
1.
vel. Tome = {(1, 0, 0, 0), (0, 1, 1, 0), (0, 0, 0, 1), (0, 1, 1, 0)} e [T ] =
1
1
base de autovetores (soma das dimenses dos autoespaos
Problema 16. Asso iado
0, (1, 1, 0), asso iado ao autovalor 1

gerado por (1, 1, 0) e (0, 0, 1).
(a) Logo = {(1, 1, 0), (0, 0, 1), (1, 1, 0)}.
{(0, 0, 1), (1, 1, 0), (1, 1, 0)}; (b) = {(1, 1, 0), (1, 1, 0), (0, 0, 1)}.
Problema 17. (a)

autoespaos
4.
que menor que
No,
(b)
5.
Problema 18. (a)
ao autovalor
o espao
ou
ne essariamente diagonalizvel pois a soma das dimenses dos
no diagonalizvel pois a soma das dimenses dos autoespaos

P = v1 vn ;

(b) matriz diagonal
Problema
A8= P D 8P1 =

19.
1
8
5 7
2 0
5 7
2 3 0 1
2 3

5 7
256 0
3 7
=
0 1
2
5
2 3
3826 8925
=
1530 3569
Problema 20. (a) (1, 1, 1), (0, 1, 1), (0, 5, 1).
(b) Seja
1
0
0
0 299
0 , A99 = XY X 1
0
0 499
1
..
1
1 1
1 1
X= 0
0 5 1
Y = D 99 =
Problema 21.Autovalor
1
om autovetor (1, 1), autovalor 2 om autovetor (0, 1). Assim

1
0
1 0
1 0
1 0
1
1
10
tomando P =
P =
, P
=
. A
=P
.
1023 1024
1 1
1 1
0 210

1/3 1/3
Problema 22. A =
2/3 2/3
3 2 0
Problema 23. Diagonalize A e determine B = P DP 1 . 2 4 2 .

0 2 5
1 om
Problema 24. (a)
autovetor (1, 3/2).
autovalor1/2 omautovetor (1, 1) e autovalor

Denindo
A =
0.7 0.2
0.3 0.8
D =
1/2
P =
1
1
1 3/2
, al ulamos
P 1 =
236
1
5
3 2
2 2
(b) Como
Logo
A = P DP 1.

1/2
r10
10
=A
, al ulamos
1/2
m10

1
1/210
2051 2046
1
10
P =
A =P
.
1
5 210 3069 3074
. Logo,
r10 = 4097/10240 40%

.
( ) Como
republi anos e
limk A = P
0
1
0.4 0.4
0.6 0.6
. Logo, se ini ialmente so
r0
m0 monarquistas, sero 0.4(r0 +m0 ) republi anos e 0.6(r0 +m0 ) monarquistas,

r0 e m0 .
isto , 40% republi anos e 60% monarquistas independente do valor de
B.7.3 Desaos
Desao
Desao
Desao
Desao
1. Autovalores so a + b e a c.
2. 0 e trao de A.
3. Induo.
4. (b) Fatore (utilizando o Teorema
rsti o em
(1 ) (n )
e oloque
Fundamental da lgebra) o polinmio ara te-
= 0.
Desao 5. (b) uma rotao de 90 no plano.

gerado
por:
Desao
11.
1 om autoespao

1 0
0 0
0 0
0 1
0 1
1 0
Desao 12.
T f = f
R ,0 derivando os dois lados, f = f
(T f )(0) = 0 f (s) ds = 0, f 0.
Se tivesse,
mas omo
Diagonalizao
e portante
seria uma exponen ial
Desao 13. (a) autovalor 1/2(1 + 5) om autovetor

1/2(1 5)
1/2(1
+ 5, 1)autovalor
1+ 5
1 1
1
1/2(1 5, 1). Denindo A =

, D =
e
2
1 0
1 5

1 5 1
1+ 5 1 5
5
1
1
1
P =2
, al ulamos P
= 5
. Logo, A = P DP
.
1
1
5+1
1
k
(b) omo 1/2(1
5)

500.61
, limk (1/2(1 5)) = 0. Assim, de forma aproxi
(1 + 5)
50
5, olo ando 50 em evidn ia, e
mada, D
= 2150
. Denindo = 1 +
0
om autovetor
efetuando obtemos
50
1
1
50
= PD P
1
1
50
1
1

1
1
51
1 5
.
0
1
1
1

50
5
= 51
.
1
5
2
550
10 250
Efetuando obtemos,
550
10 250
B.7.
237
x52 (/2)51 (1.61)51 .

k
( ) do item anterior, xk+1 (/2) .
Logo,
Desao 14. (a) O ni o autovalor possvel 0 seno N k v = k v 6= 0.

e teriamos que ter, se fosse diagonalizvel,
Desao 18. Es reva A =

Desao 21. (b)
a b
b d
3 2e 6 6e
e 1 3e 2
N = P DP
(b) Portanto
D=0
= 0.
e faa ontas.
. ( )
1 e
1 1
1 e 1
1 1 e .
1 1 1
B.7.4 Extras
Extra 1. (a) 2 i; (b) 0, (0, 0, 1), 1, (1, 0, 0) e 1, (1, 1, 1).
Extra 4. (a) = 0 om om (1, 0); (b) no possui autovalores reais; ( ) = 2, (1, 0, 0);
Extra 5. Como p() = det(A I), det(A 0I) = det(A) = p(0) = 4.
Extra 7. (a) (1, 1, 1, 0) = (0, 1, 1, 1)+(1, 0, 0, 1) e portanto perten e ao n leo tambm;
3;
plano x y + z = 0, T (1, 0, 1) = (1, 0, 1) 6= (0, 1, 0).
no pode estar asso iado ao autovalor

(b) omo
(1, 0, 1)
perten e ao
Extra 8. (a) autovalor 0 na direo (1, 2, 1, 1) e autovalor 1 no hiperplano perpendi ular a

(1, 2, 1, 1).
(b) autovalor
na direo
(1, 1, 1).
Extra 9. (a) 0 e 1. dim Nu (T ) = 1, dim Nu (T + I) = 0, dim Nu (T I) = 1.

(b)
1. dim Nu (T ) = 0, dim Nu (T + I) = 2, dim Nu (T I) = 1.
Extra 10. (a) det(P BP 1 ) = det(B) det(P ) det(P 1) = det(B);
A3 = P B(P 1P )B(P 1 P )BP 1 = P B(I)B(I)BP 1 = P BBBP 1 . ( ) o polinmio

1
ara tersti o o mesmo pois det(B I) = det(P AP
I) = det(P AP 1 P P 1) =
1
1
det(P (A I)P ) = det(P ) det(A I) det(P ) = det(A I). (d) w = P 1 v . (e)
(b)
segue do fato de possuirem o mesmo polinmio ara tersti o.
Extra
Extra
Extra
Extra
Extra
12. (b) T (au + bv) = aT u + bT v = au u + bv v= u (au + bvv /u)

13. (a) ex e ex ; (b) sen(x) e cos(x).
14. 1 om autoespao gerado por x e x2 + 1.
15. Autovalores reais somente podem ser 1, 1 e 0.
P
16. (a) Seguindo a sugesto, nj=1 aij = s, i = 1, 2, . . . , n equivale a
(b)
autovalor pois a matriz singular.
autovalor pelo item anterior.
Portanto
a11 a1n
..
.
..
..
.
an1 ann
..
.
..
.
= s
..
.
autovalor.
238
Diagonalizao

1 1
2
0
Extra 17. X =
e Y =
. Outra opo (A no
1
1
0 3

1 1
3 0
X=
e Y =
.
1
1
0 2

0
1
Extra 19. (a)
, onde R. (b)
, onde 0 6=
R.
0 1
0 1
5 5 5
Extra 20. 5 5 5 =
5 5 5
0 0 0
1
1 1
1
1 1
0 1
0 1 0 0 0 1
= 1
0 0 15
0 1 1
0 1 1
Extra 22. Autovalores so 1 (duplo) e 2. A ondio a = 0.
Extra 23. (a) autovalores omplexos dados por (3 )2 + 4 = 0, portanto

ni a) tomar
no existe base
de autovetoroes e,portanto, no diagonalizvel;

(b) No diagonalizvel.
1 4 2
0 =
( ) 3 4
3 1
3
1
1 2 1
3 0 0
1 2 1
= 3 3 1 0 2 0 3 3 1 .
4 3 1
0 0 1
4 3 1
2
2 1
1
3 1 =
(d)
1 2
2
5 0 0
1
2 1
1
2 1
= 1 1 0 0 1 0 1 1 0 .
0 0 1
1
0 1
1
0 1
Extra 27. Se A = P DP 1
ento
A = (P )D(1/P 1) = QDQ1 .
B.8 Produto Interno

Exer io 1. (a) 5; (b) 1; ( ) 0.

Exer io 2. (A) h, i : V V R.
Exer io 3. (a) Falso, pois os vetores podem no ser unitrios; (b) verdadeiro, basta dividir
pela norma; ( ) verdadeiro; (d) verdadiro; (e) falso,
Exer io
Exer io
Exer io
Exer io
4. (a) H ; (b) H ; ( ) I .
5. (a) T = 0; (b) T = I ; ( ) T = I .
6. (a) T 2 = T ; (b) T 2 = I .
7. 9.
0 02.jun.2008 22h
kvk = ||kvk.
B.8.
PRODUTO INTERNO
239
Exer io 8. (a) y = 0; (b) y = x; ( ) plano xz ; (d) eixo x.

Exer io 9. (E).
Exer io 10. (a) P (x, y, z) = (0, y, 0); (b) P (x, y, z) = (x, y, 0);
( )
P (x, y, z) =
(x, y, z);
B.8.2 Problemas
Problema 1. (a) No.
(b) Sim.

4
3

3 1
Problema 2.
= 3 10
3
2
5/2
Problema 3. [v] = 3/2

2
Problema 4. (a) (2, 3);

h(5, 1, 8)i
temos Im(A)
(b)
(d) Denindo-se
(1, 1, 1);
=H
e portanto
A=
( ) Resolvendo o sistema en ontramos que
0
2
2
1
1
0
0
1
2
1
2
0 3
2 5
S =
= (Im(A)) = Nu (AT ). Uma

0
0
1
1 2
0
0
, 1 , 0 .
3
0
0
1
0
0
base para este espao
Problema 5. (a) 1/4; (b) 1/6; ( ) 3/3.

Problema 6. (a) P (x, y, z, w) = (x z)/2(1, 0, 1, 0) = (x z, 0, z x, 0)/2.
(b) por
P 1 00 = P .

4/5 2/5
Problema 7. (a)
.
2/5
1/5
(b) T (x, y, z) = ((x + z)/2, y, (x + z)/2). Sol: Como o plano gerado por (1, 0, 1)
e (0, 1, 0) e a direo (1, 0, 1) perpendi ular ao plano, podemos dizer que T (1, 0, 1) =
(1, 0, 1) e T (0, 1, 0) = (0, 1, 0). Tambm T (1, 0, 1) = 0. Como sabemos T em trs vetores
LIs, podemos al ular T .
Problema 8. Como (0, 1, 0) perpendi ular
a (1, 0, 1), o eixo de rotao, basta al ular o
ngulo entre (0, 1, 0) e (1/ 2, 0, 1/ 2). Como o produto es alar igual a zero, a rotao
de 90 .
ser projeo,
Problema 9. No pre isa
al ular expli itamente as TLs.
(3, 2, 1) perpendi ular ao

ao autovalor 1. Por outro lado, podemos
so autovetores asso iados ao autovalor 1.
(a) o vetor
plano de reexo. Logo autovetor asso iado

obter base do plano
(1, 0, 3)
(0, 1, 2),
que
(b) Como projeo em reta, toda direo
240
perpendi ular ao vetor
(1, 1, 0)
levado em zero. Portanto os vetores
(x, y, z)
satisfazendo
x y = 0 so levados no zero. Assim (x, x, z), (1, 1, 0) e (0, 0, 1) so levados em zero. Assim
autovalor 0; autovetores (1, 1, 0), (0, 0, 1) e autovalor 1, autovetor (1, 1, 0).
Problema 10. Da equao obtemos que (1, 2, 1) ortogonal ao plano de projeo. Resolvendo a equao obtemos (1, 1, 1) e (1, 0, 1). Como projeo ada uma destas direes
3
um autovetor e forma base do R .
Problema 11. Reexo em torno do plano x + y = 0. Soluo: A hando os autovalores e
2
autovetores, obtemos equao ara tersti a (1 ) (1 + ) = 0. Para o autovalor 1 obtemos
o autoespao x + y = 0 (de dimenso 2); para autovalor 1 obtemos omo autoespao a

x y = 0//z = 0 , ujo espao gerado por (1, 1, 0). Note que esta
soluo do sistema
direo perpendi ular ao plano do autoespao do autovalor 1.
Os vetores do plano
e os da direo
(1, 1, 0)
x+y = 0
no so alterados pela transrmao (plano de reexo)
so multipli ados por
x + y = 0.
1.
Logo TL reexo em torno do plano
sistema:
Problema 12. Vamos determinar m do
8m = 4
16m = 9
24m = 13
32m = 17
40m = 20
Projetando no subespao linear obtemos:
h(4, 9, 13, 17, 20), (8, 16, 24, 32, 40)i

(8, 16, 24, 32, 40)
h(8, 16, 24, 32, 40), (8, 16, 24, 32, 40)i
1832
(8, 16, 24, 32, 40)
=
3520
m 0.52.
20
15
10
5
0
Problema 13.
Problema 14.
4
3
3
2
Problema 15. (a)
10
20
30
40
1
3
=
2
3

2
5
1
2
3 + t 1 , t R ; (b)
5
0
1
5
2
1
7 1
2
1

3 3 3 0
1
1
B.8.
PRODUTO INTERNO
241
B.8.3 Desaos
Desao 1. hAu, vi = hu, vi = u, AT v = hu, vi Como 6= , hu, vi = 0.
Desao 8. (a) produto dos autovalores; (b) 1; ( ) 1; (d) 1; (e) 1; (f ) 0;

Desao 10. Queremos
minimizar a distn ia
d(p, 0).
Logo
p(x) 0.
B.8.4 Extras
Extra 1. (d) o plano 2x y + 3z = 0;

Extra 3. (a)
1
2
1 1
1 1
4/5 2/5
2/5 1/5
, a rotao
; (b)
2
2
0 0
0 1
1 1
1
1
; ( )
3/5
4/5
4/5 3/5
, ompondo obtemos
1
; (d)
5
2
2
0 0
1 1
4 3
3 4

. (f )
(e) aprojeo
1 0
2 0
1
0
0
0
0
0
0
0
0
1
0
0
1
x + y + z = 0. Tomamos uma base
ortonormal deste plano: {1/ 2(1, 0, 1), 1/ 6(1, 2, 1)} Completamos esta base om
1/3(1, 1, 1) paraobter base ortonormal de R3 . Denimos = {{1/ 2(1, 0, 1),

1/ 6(1, 2, 1), 1/ 3(1, 1, 1)} Nesta base a rotao ser:

2/2 2/2 0
[T ] = 2/2
2/2 0 .
0
0 1
A matriz [I] igual as olo ar os vetores de em olunas. A inversa desta matriz
[T ] , que pode ser obtida transpondo a matriz anterior pois ela ortogonal. Com isto
podemos al ular [T ] = [I] [T ] [I] . Deixe somente indi ado.
(g) O plano perpendi ular ao eixo de rotao
Extra 4. Se u H e v H , ento hu, vi = 0.

de forma que
hw, wi = kwk = 0.
Extra 7. Cal ulamos

Eixo:
w H H ,
ento
wH
w H ,
x+ y z = 0,
w = (1, 2, 1).
x + z = 0 que
= {(1, 1, 1)/ 3, (1, 0, 1)/ 2, (1, 2, 1)/ 6}
resolvendo o sistema
Como so autovetores LIs,
Extra 8. (a)
Se
(1, 1, 1)
om ngulo
al ular a direo asso iada ao autovalor
1.
120 .
Soluo: Para determinar eixo pre isamos
Vamos obter o sistema
y = x
z = y
x=z
. Resolvendo
(1,
1, 1) omo direo do eixo. Para determinar o plano de rotao resolvemos
x y + z = 0 , que gerado por u = (1, 0, 1) e v = (0, 1, 1). Cal ulando
o sistema
T u = (0, 1, 1) e T v = (1, 1, 0). Determinamos o ngulo fazendo o produto interno:
cos = hu, T ui /(kukkT uk) = 1/2 cos = hv, T vi /(kvkkT vk) = 1/2. Logo o ngulo
= = 120 . Segue que T rotao.
(e) Cal ulando autovetor asso iado ao 1 determinamos o eixo (1, 0, 1). Com isto determinamos o plano de rotao, que perpendi ular a este eixo: so os (x, y, z) tais que
x z = 0. O plano h(1, 0, 1), (0, 1, 0)i. Apli ando matriz num destes vetores (por exemplo
em (1, 0, 1)) al ulamos o ngulo, que 90 .

obtemos
Extra 9. (a) (3, 5); (b) (3, 5); ( ) h(3, 5)i; (d) 0;
242
21
10
17
10
13
10
9
10
Extra 12. (a) y =
4
x
10
9
(b)
10
Extra 13. a = 0, 960 e b = 0, 100.

Extra 14. y = 19/20x + 67/40.
( )
9
10
13
10
17
10
21
10
Refern ias Bibliogr as

[1 Anton, Howard; Rorres, Chris; lgebra Linear om Apli aes; Bookman; 2001.
[2 Boldrini, Costa, Figueiredo e Wetzler; lgebra Linear; Harbra; 1986.
[3 Diversos autores; Listas e Provas Antigas do DMA IM UFRJ; 19902006.
[4 Halmos, Paul; Finite-Dimensional Ve tor Spa es; Springer Verlag; 1974.
[5 Hefferon, Jim; Linear Algebra; A essado em Maio de 2008:
http://joshua.sm vt.edu/linearalgebra/
[6 Hoffman, Kenneth; Kunze, Ray; Linear Algebra; Prenti e-Hall; 1971.
[7 Jni h, Klaus; Linear Algebra; Springer Verlag; 2007.
[8 Lay, David C.; Linear Algebra and Its Appli ations; Addison-Wesley; 1987.
[9 Leon, Steven J.; Linear Algebra With Appli ations; Prenti e Hall; 2005.
[10 Santos, Reginaldo J.; Um Curso de Geometria Analti a e Algebra Linear; Imprensa
Universitaria da UFMG; 2007.
[11 Shilov, Georgi E.; Linear Algebra; Dover Publi ations; 1977.
[12 Strang, Gilbert; Introdu tion to Linear Algebra; Wellesley-Cambridge Press; 1993.
0 Verso 0.2
243
ndi e Remissivo
rea
onsistente, 25
om sinal, 123
ontradomnio, 79
ngulo entre vetores, 200
oordenadas, 15, 67
orpos
Abel, 157
movimentos rgidos, 163
abuso
Cramer
de linguagem, 28, 99, 103, 108
regra de, 121, 143
de notao, 17
am, 8, 9, 12, 14, 39, 43
damas
algoritmo
tabuleiro, 141
de eliminao de Gauss, 34
do l ulo do determinante, 132
matriz inversa, 106
de omposio espe tral, 160

deli ada, 184
delta
autoespao, 156
de Kroene ker, 62
autofuno, 159
desigualdade triangular, 199
autovalor, 155
determinado, 25
autovetor, 155
determinante
algoritmo, 132
base
anni a do
Rn ,
l ulo e iente, 132
15
ara terizao algbri a, 127
ara terizao, 66
ara terizao geomtri a, 122, 125
denio, 65
denio no
Rn ,
omo rea, 122
15
omo volume, 125
Baskhara, 157
da transposta de matrizes, 129
Cau hy-S hwarz, 199
de matriz, 128
oe ientes de Fourier, 186
de matriz
ofatores, 141
de matriz
ombinao linear
n
em R , 6
de transformao linear, 137
2 2,
3 3,
122
125
denio geral, 127
em espao qualquer, 59
do produto de matrizes, 134
trivial, 60
frmula de Lapla e, 132, 141
ombusto, 22
frmula de Leibniz, 132
ompatvel, 25
interpretao geomtri a, 138
omplemento ortogonal, 187
operaes elementares, 130, 132
onjunto
propriedades, 123
fe hado, 57
dimenso
gerador, 7, 60
denio, 9, 70
ortogonal, 185
nita, 69
ortonormal, 185
innita, 69, 159
soluo, 39, 44, 45
distn ia, 184
vazio, 61, 64
domnio, 79
244
NDICE REMISSIVO
245
elementos nitos, 62
ontradomnio, 79
eliminao de Gauss, 34
domnio, 79
enrique imento, 143
imagem, 79
equao paramtri a
injetiva, 79, 86
reta, 5
inversa, 89
equipolentes, 4
invertvel, 89
es alar, 53
linear, 80
es alonar, 33
multilinear alternada, 129
espao
propriedades da omposio, 88
om produto interno, 183

das transformaes lineares, 83
de funes, 54
de funes ontnuas, 58
de funes diferen iveis, 58
de polinmios, 54
dimenso innita, 69, 159
gerado, 7, 60
por onjunto vazio, 61
sobrejetiva, 79
fun ionais lineares, 94
Galois, 157
Gauss, 34, 157
gerador, 7, 60
grau
de indeterminao, 38
de liberdade, 38
imagem, 84
hessiana, 163
linha e oluna de uma matriz, 102
hiperplano, 43
matrizes, 98
n leo, 83
imagem, 79, 84, 101
vetorial, 53
impossvel, 25
espe tro, 155
in gnita, 10, 25
in ompatvel, 25
frmula
in onsistente, 25
Baskhara, 157
indeterminado, 25
de Lapla e, 132, 141
insolubilidade da qunti a, 157
de Leibniz, 132
integral
mnimos quadrados, 194
analogias, 123, 129
matriz de projeo ortogonal, 190
mudana de variveis, 121, 137
matriz de rotao, 109

matriz inversa, 144
para projeo, 196
projeo ortogonal, 190
razes de polinmios, 157
soluo de sistema, 143
ja obiano, 121, 137

kernel, 83, 101
Kroene ker
delta de, 62
fe hado, 57
lado direito, 28
Fibona i, 177
LD, 8, 63
uxos, 23
lema, 88
forma
es alonada, 33, 40
autovalores so LIs, 160

bijeo entre matrizes e TLs, 100
es alonada reduzida, 33
ara terizao da funo inversa, 90
totalmente es alonada, 33, 39
ara terizao de base, 66
formas lineares, 94
ara terizao de subespao, 57
Fourier, 186, 192
ara terizao de TL invertvel, 137
funo
ara terizao dos onjuntos LD, 64
bijetiva, 79, 89
onjunto gerado subespao, 61
omposio, 88
onjunto gerador e LI, 70
246
NDICE REMISSIVO
determinando uma TL, 82
sistemas e matrizes equivalentes, 30
determinante de matriz blo o-triangular,
soma e produto de matrizes por blo os,
136
108
determinante matriz diagonal, 130
vetor mais prximo de um subespao, 194
determinante matriz triangular, 131

2
determinante nulo em R , 123
3
determinante nulo em R , 126
dimenso do espao linha e oluna, 103
LI, 8, 64
linearmente
dependente, 8, 63
independente, 8, 64
do omplemento ortogonal, 188

eliminando vetores redundantes, 70
mtodo da potn ia, 177
es alonamento e espao gerado, 66
mltiplo, 5
espao vetorial das matrizes, 101
espao vetorial das TLs, 83
matriz
estendendo onjunto LI em base, 71
ampliao, 109
frmula para projeo, 196
ampliada, 28
injetividade e sobrejetividade de TL, 86
anti-simtri a, 152
interpretao do produto matriz-vetor, 99
aumentada, 28
interpretaes do produto matriz-matriz,
blo o-triangular, 136

blo os, 108
104
inversa da omposta, 90
de oe ientes, 28
linearidade do produto matriz-vetor, 99
de Vandermonde, 150
mapeamento vetor
near, 69
oordenadas li-
de omposio espe tral, 163

denio, 97
matrizes da mesma TL, 113
determinante, 141
matrizes LDs possuem determinante nulo,
diagonal, 28
diagonalizvel, 159
130
mudana de rea de um quadrado, 138
em blo os, 108
n leo e imagem so subespaos, 84
equivalente, 30
n leo e inversa de matriz, 106
es alonada, 33, 40
ortogonalidade no plano e espao, 182
es alonada reduzida, 33
polinmio independe da base, 156
espao, 98
produto matriz-matriz, 103
espao linha e oluna, 102
propriedades da omposio de funes,
exponen ial, 177

hessiana, 163
88
propriedades da funo inversa, 89
identidade, 106
propriedades da inversa de TL, 90
imagem, 58, 101
propriedades da projeo ortogonal, 189
inversa, 106, 144
propriedades das operaes om matrizes,
invertvel, 106
kernel, 101
105
propriedades determinante matriz
123
propriedades determinante matriz
126
2 2,
menor, 141
3 3,
n leo, 58, 101
propriedades do omplemento ortogonal,

187
mudana de base, 112

nilpotente, 118, 152, 177
nulidade, 101
operaes, 100
propriedades do produto interno, 182
ortogonal, 107, 152
propriedades equivalentes, 128
posto, 101
relaao entre produto de matrizes e om-
potn ias, 169
posio de TLs, 112
produto
NDICE REMISSIVO
247
matriz-matriz, 103
posto, 84, 101
matriz-vetor, 42, 98
pro essamento de imagem, 56
por blo os, 108
produto
es alar, 41, 181, 183
por es alar, 100

projeo, 110, 152, 190
es alar-matriz, 100
propriedades das operaes, 105
es alar-vetor, 4, 53
propriedades do produto, 112
interno, 41, 181, 183
raz quadrada, 171
reduo, 109
matriz-matriz, 103
reexo, 109
rotao, 82, 109
por es alar, 4, 5, 53
semelhante, 113, 179
vetorial, 148
simtri a, 107, 163

singular, 106
soma, 100
por blo os, 108
projeo ortogonal, 189, 190

redundante, 8, 63
regra
de Cramer, 121, 143
totalmente es alonada, 33, 39
de Sarrus, 131
transformao linear asso iada, 99
do paralelogramo, 5
transposta, 98
tridiagonal, 150
trinagular, 29
moedas, 22
morsmo, 56
do tringulo, 4
reta
equao paramtri a, 5
Rn ,
multipli ao por es alar, 4, 53
srie de Fourier, 192
multipli idade
Sarrus
algbri a, 171
geomtri a, 171
n-upla,
n leo, 83, 91, 101

norma, 181, 184
normalizao, 185
nulidade, 83, 101
operaes elementares, 29
determinante, 130, 132
regra de, 131

simtri a, 107
sistema
om innitas soluo, 25, 37, 44
om soluo ni a, 25, 37, 44
ompatvel, 25
onjunto-soluo, 39, 45
onsistente, 25
determinado, 25
em
origem, 3
em
ortogonal, 107
em
R, 25
R2 , 25,
R3 , 43
43
equivalente, 29
parbola, 22
existn ia e uni idade, 39
parmetros, 38
frmula de soluo, 143
paralelo, 5
homogneo, 44
Pitgoras, 188
impossvel, 25
piv, 33
in ompatvel, 25
pla a aque ida, 22
in onsistente, 25
pla as te tni as, 166
indeterminado, 25
polinmio
interpretao algbri a, 43
ara tersti o, 156
minimal, 178
lado direito, 28
possvel, 25
matriz, 28
248
NDICE REMISSIVO
possvel, 25
inversa e o n leo, 91
regra de Cramer, 143
sem soluo, 25, 37, 44
modi ao de rea por TL, 138
soluo geral, 44, 45
multipli idade geomtri a menor que algbri a, 171
soluo parti ular, 44, 45

soluo trivial, 44
relao entre matriz e TL, 110

soluo geral de sistema, 45
soluo
de sistemas: existn ia e uni idade, 40
TL diagonalizvel, 159
existn ia e uni idade, 39
TNI, 86
geral, 44, 45
transformao linear
omposio, 88
parti ular, 44
denio, 80
sistema, 27, 39, 44, 45
determinante, 137
trivial, 44
diagonalizvel, 159
espao, 83
soma
, 3
imagem, 84
de subespaos, 75, 176
injetiva, 86
direta de subespaos, 75, 176
inversa, 90, 91
vetores, 53
kernel, 83
Sturm-Liouville, 76
matriz asso iada, 100, 110
subespao
n leo, 83
am, 8, 9, 12, 14, 39, 43, 58
nulidade, 83
asso iados a uma matriz, 58
operaes, 83
ara terizao, 57
posto, 84
denio, 56
produto por es alar, 83
invariante, 176
propriedades, 88
soma, 75, 176
propriedades da inversa, 90
soma direta, 75, 176
rotao, 82
trivial, 56, 61
soma, 83
Sylvester, 94
transposta, 98
teorema
Vandermonde, 51, 150, 184
algoritmo para l ular matriz inversa, 106

ara terizao algbri a do determinante,
127
ara terizao de matrizes no-invertveis,
133
varivel
(in)dependente, 38
lder, 38
livre, 38
vetor
onjunto ortogonal LI, 186
Rn ,
onjunto-soluo de sistema linear, 39
ngulo, 200
de Cau hy-S hwarz, 199
oordenadas, 15, 67
de Pitgoras generalizado, 188
distn ia, 184
de omposio ortogonal, 189
funo omo, 54
determinante da transposta, 129
multipli ao por es alar, 4, 53
determinante do produto, 134
norma, 181, 184
do n leo-imagem, 86
nulo, 3, 44
espe tral para matrizes simtri as, 163
ortogonal, 185
existn ia e uni idade pela forma total-
outra representao, 54
mente es alonada, 39
fundamental da lgebra, 157
produto
es alar, 41, 181, 183
NDICE REMISSIVO
es alar-vetor, 4, 53
interno, 41, 181, 183
vetorial, 148
redundante, 8, 63
unitrio, 185
249

Livro ALGLIN PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Livro ALGLIN PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Curso de lgebra Linear

Cpias so autorizadas e bem vindas: divulgue nosso trabalho!

Curso de lgebra Linear

PhD Indiana University

PhD Courant Institute

Departamento de Matemti a Apli ada

muito provavelmente ser

li en iado sob uma Li ena

Atribuio-Uso No-Comer ial-Compartilhamento pela mesma Li ena 2.5 Brasil.

uma pia desta li ena, visite

http:// reative ommons.org/li enses/by-n -sa/2.5/br/

(guras do texto), Ri hard

tar ( ompa tao de arquivos), make (geren iador de

livro Linear Algebra, em

. ajudou a inspirar este trabalho.

desaos: Para se aprofundar na dis iplina. So op ionais.

Porque um novo livro?

, que permite o re-uso do material.

Para detalhes onsulte:

http:// reative ommons.org.

Permitir aos alunos de todo o Brasil a esso f il (internet) a material gratuito e de

Ne essidade do nosso departamento, responsvel pelo ensino de lgebra Linear na UFRJ,

Produzir um material om ontedo que ser efetivamente utilizado em sala de aula

Na nossa experin ia, os alunos preferem livros nos, que so f eis de

transportar e estimulam a leitura.

Produzir transparn ias para sala de aula diretamente a opladas a um livro.

Como foi es olhido o material?

soluo de sistemas lineares

feita atravs da eliminao de Gauss. A regra de

Cramer uma seo op ional do aptulo de Determinantes.

Espaos vetoriais de polinmios e funes

no so meros exemplos, so entrais

morsmo de imagens omo exemplo de reta em espao vetorial de funes.

apare e, ini ialmente, somente omo forma onveniente de resolver sistemas.

Desta forma, ao invs de

apresentado desde o in io rela ionado om rea (volume) om sinal,

Apresentamos a onexo om mudana de variveis na

Enfatizamos ao longo do texto ( aptulos de Sistemas Lineares, Matrizes, Determinante,

matriz por blo os, fundamental

para a omputao ient a. Apresentamos duas interpretaes (e onseqn ias) do

fo amos em projees e no mtodo de mnimos

quadrados. Apresentamos projeo ortogonal de funes omo forma de aproxim-las,

o algoritmo prin ipal do urso, pois atravs dele:

Alguns nmeros deste livro: so er a de 270 exemplos, 60 observaes, 100 denies,

1 Introduo lgebra Linear

Vetores e Operaes Bsi as . . . . . . . . . . . . . . . . . . . . . . . . . .

Espao Gerado por 1 Vetor

Espao Gerado por 2 Vetores

Espao Gerado por 3 ou Mais Vetores . . . . . . . . . . . . . . . . .

Exer ios de Introduo lgebra Linear . . . . . . . . . . . . . . . . . . .

Exer ios de Fixao

Apli aes de Sistemas Lineares . . . . . . . . . . . . . . . . . . . . . . . .

Resolvendo Sistema aps Es alonamento

Produto Matriz-Vetor e Sistemas Lineares . . . . . . . . . . . . . . . . . . .

Casos Espe iais

Sistemas Homogneos, Soluo Geral e Parti ular

Mesma Matriz de Coe ientes . . . . . . . . . . . . . . . . . . . . .

Exer ios de Sistemas Lineares

Exer ios de Fixao

Combinao Linear e Espao Gerado

Dependn ia e Independn ia Linear

Exer ios de Espaos Vetoriais

Exer ios de Fixao

(guras do texto), Ri hard

desaos: Para se aprofundar na dis iplina. So op ionais.

Na nossa experin ia, os alunos preferem livros nos, que so f eis de

Espaos vetoriais de polinmios e funes

morsmo de imagens omo exemplo de reta em espao vetorial de funes.

para a omputao ient a. Apresentamos duas interpretaes (e onseqn ias) do

Alguns nmeros deste livro: so er a de 270 exemplos, 60 observaes, 100 denies,

Mesma Matriz de Coe ientes . . . . . . . . . . . . . . . . . . . . .

Denies e Operaes Bsi as

Denio e Propriedades Bsi as

Refern ias Bibliogr as

espao gerado (span); (sub)espao am;

dimenso, base, base anni a;

INTRODUO LGEBRA LINEAR

vetores geomtri os. Mas deniremos vetores por

Teramos que omear denindo lasse de equivaln ia, depois segmentos

Denio 1 (Rn e vetores)

no qual esto bem denidas as operaes de soma, subtrao, multipli ao e

possui uma operao bem denida hamada de

Note que o sinal + (mais) em u + v e (u1 + v1 , . . . , un + vn ) possui

Denio 3 (origem ou ou vetor nulo)

possui uma outra operao bem denida hamada de