1

INSTITUTO FEDERAL SUL-RIO-GRANDENSE - CAMPUS PELOTAS

ENGENHARIA ELTRICA















LGEBRA LINEAR








DAVI FERREIRA
JAIR VIGNOLLE DA SILVA
LISIANE MENESES
MARIA DA GRAA PERAA
ODAIR ANTONIO NOSKOSKI









PELOTAS
2010


2

EMENTA
Matrizes, determinantes e sistemas lineares. Espaos vetoriais. Espaos
vetoriais Euclidianos. Transformaes Lineares. Autovalores e autovetores.
Diagonalizao de operadores. Forma cannica de Jordan.





PROGRAMA
UNIDADE I: MATRIZES, DETERMINANTES E SISTEMAS LINEARES
UNIDADE II: ESPAOS VETORIAIS
UNIDADE III: ESPAOS VETORIAIS EUCLIDIANOS
UNIDADE IV: TRANSFORMAS LINEARES
UNIDADE V: AUTOVALORES A AUTOVETORES
UNIDADE VI: DIAGONALIZAO DE OPERADORES
UNIDADE VII: POLINMIO MINIMAL E FORMA CANNICA DE JORDAN




BIBLIOGRAFIA:
STEINBRUCH, A. e WINTERLE, p., lgebra Linear.
HOFFMAN, K., lgebra Linear.
POOLE, D., lgebra Linear.
LIPSCHUTZ, S., lgebra Linear. So Paulo: Makron Books, 1994. - (Coleo
Schaum)
ANTON, H., lgebra Linear.
CALLIOLI, C. A., lgebra Linear.
http://pessoal.sercomtel.com.br/matematica/index.html




3

1 Matrizes, Determinantes e Sistemas
1.1 MATRIZES
Definio: Uma matriz um agrupamento retangular de nmeros. Os nmeros
neste agrupamento so chamados elementos ou entradas da matriz.
Chama-se matriz do tipo m x n (m linhas e n colunas) a qualquer tabela de m.n
elementos dispostos.

As linhas de uma matriz so enumeradas de cima para baixo, e as colunas so
enumeradas da esquerda para a direita.

Um elemento genrico de uma matriz A denotado por a
ij
, onde i representa a
linha e o j representa a coluna no qual esse elemento pertence.

A =
(
(
(
(

mn m m
n
n
a a a
a a a
a a a
...
. ... . .
...
...
2 1
2 22 21
1 12 11
ou A = a
ij
, onde 1si sm e 1s j sn

Exerccios:
1) Represente a matriz A
mxn
de acordo com o elemento genrico a
ij
.
(a) m = 2, n = 4, sabendo que a
ij
= 3i + j.
(b) m = 3, n = 3, sabendo que a
ij
=

=
= +
j i se ij
j i se j i
, 2
,

(c) m = 3, n = 3, sabendo que a
ij
=

>
=
<
j i se j i
j i se ij
j i se i
,
,
,

4

1.1.1 Classificao de Matrizes:

Matriz Linha: uma matriz formada por uma nica linha.
Ex: A =| | 9 6 3 , matriz 1x3
Matriz Coluna: a matriz formada por uma nica coluna.
Ex: A =
(
(
(
(

4
0
1
2
, matriz 4x1
Matriz Zero (Nula): a matriz com todas suas entradas nulas. Uma matriz
zero sempre ser denotada por 0.
Ex: 0
2x2
=
(

0 0
0 0

Matriz Quadrada: aquela que possui o nmero de linhas igual ao nmero
de colunas. Uma matriz quadrada nxn chamada de matriz de ordem n.
Ex: A =
(

7 4
3 2
, matriz de ordem 2
Matriz Diagonal: toda matriz quadrada em que todos os elementos que no
pertencem diagonal principal so nulos.
Ex: A =
(
(
(

2 0 0
0 7 0
0 0 2
, a
ij
no nulo, se i = j, e a
ij
= 0, se i = j.
Matriz Identidade: toda matriz diagonal em que seus elementos da diagonal
principal so todos iguais a 1.
Ex: I
3
=
(
(
(

1 0 0
0 1 0
0 0 1
, a
ij
= 1, se i = j, e a
ij
= 0, se i = j.
5

Matriz Transposta: a matriz que se obtm transformando ordenadamente
cada linha de A em coluna. Denota-se A
t
.
Ex: A =
(
(
(

7 9 5
4 8 6
3 2 1
, A
t
=
(
(
(

7 4 3
9 8 2
5 6 1

Obs:
(A
t
)
t
= A , ou seja, a transposta da transposta de uma matriz ela mesma.
(A B)
t
= A
t
B
t


Matriz Triangular Superior: a matriz quadrada onde todos os elementos
abaixo da diagonal principal so nulos, ou seja, a
ij
= 0, para i > j
Matriz Triangular Inferior: a
ij
= 0, para i < j
Exemplos:
S =
(
(
(

f
e d
c b a
0 0
0
uma matriz triangular superior e
F =
(
(
(

s r w
z y
x
0
0 0
uma matriz triangular inferior
Matriz Simtrica: matriz quadrada onde a
ij
= a
ji
.

Obs: Neste caso, a parte superior uma reflexo da parte inferior, em relao
diagonal principal
Exemplo:
(
(
(

0 7 1
7 5 3
1 3 4

Propriedade: Uma matriz M simtrica

M = M
t
6

Igualdade de Matrizes: Duas matrizes do mesmo tipo m x n so iguais, se e
somente se, os elementos correspondentes so iguais.
Exemplo: Se (

d c
b a
=
(

7 4
3 2
ento,
a =2, b = -3, c = 4, d = 7
---------------------------------------------------------------------------------------
Exerccios:
1. Se A
3x2
, com a
ij
=
2
2 j i
, determine as matrizes A e A
t
.
2. Dadas as matrizes A =
(
(
(

5
2
3
e B =
(
(
(

2
4
1
, calcular a matriz:
(2.1) M, tal que M 2A + 3B = 0. Obs: Neste caso 0 a matriz
nula 3x1.
(2.2) N, tal que N = A
t
- 2B
t

(2.3) X que seja soluo da equao matricial 2X A +
2
1
B = 0.
3. Determine os nmeros a e b tais que W = aX + bY, onde
(3.1) W =
(

0
8
, X =
(

4
2
, Y =
(

2
3

(3.2) W = | | 14 9 , X = | | 2 1 , Y = | | 5 3
4. Determine os nmeros a, b, c e d tais que W = aX + bY + cZ + dR, onde
W =
(

7 6
4 0
, X=
(

0 0
2 1
, Y=
(

1 3
0 0
, Z=
(

3 0
0 2
, R=
(

0 2
0 0
,
Resposta: (3.1) a=-1, b=2, (3.2) a=3, b=-4; (4) a=2, b=-4, c=1, d=3
---------------------------------------------------------------------------------------

7

Produto de Matriz por Matriz
Condio para o produto entre matrizes:
O nmero de colunas da primeira matriz tem que ser igual ao nmero de linhas
da segunda matriz.

1.1.2 Propriedades Matriciais
Supondo que os tamanhos das matrizes A, B, C so tais que as operaes
indicadas podem ser efetuadas, valem as seguintes propriedades.
Considere a, b, c nmeros reais.

(a) A + B = B + A Comutatividade da adio
(b) A + (B + C) = (A + B) + C Associatividade da adio
(c) A(BC) = (AB)C Associatividade da multiplicao
(d) A(B C) = AB AC Distributividade esquerda
(e) (A B)C = AC BC Distributividade direita
(f) a(B C) = aB aC
(g) (a b)C = aC bC
(h) a(bC) = a(bC)
(i) a(BC) = (aB)C = B(aC)

Cuidado! Em geral AB = BA


8

Exerccio 5: Sejam A =
(
(
(

0 1 2
1 2 3
1 1 1
, B =
(
(
(

3 2 1
6 4 2
3 2 1

(5.1) Calcule AB e BA. (5.2) Determine (AB)
t
, A
t
B
t
e B
t
A
t
. Compare os
resultados. Resposta: (5.1) AB = 0, BA =
(
(
(

1 6 11
2 12 22
1 6 11


Outras propriedades:
(j) (A
t
)
t
= A , ou seja, a transposta da transposta de uma matriz ela
mesma.
(k) (A B)
t
= A
t
B
t

(l) (AB)
t
= B
t
A
t
(Observem a ordem!!!)
(m) AI = IA = A
(n) A.0 = 0.A = 0

Matriz Inversa
Uma matriz quadrada A de ordem n inversvel se, e somente se, existir uma
matriz B tal que
AB = BA = I
n
, onde I
n
a matriz identidade de ordem n.
Desta forma para a matriz B utiliza-se a seguinte notao: B = A
-1
(l-se B
igual inversa de A).

Exercicio: Verifique que as matrizes A =
(

3 1
2 1
e B =
(

1 1
2 3
so
inversveis entre si.
Importante: Nem sempre uma matriz inversvel. Uma matriz A inversvel
se, e somente se, o determinante de A for diferente de zero.
9

Propriedades da Matriz Inversa:
Sejam A e B matrizes inversveis. Ento valem as propriedades:
(i) (A
-1
)
-1
= A
(ii) (AB)
-1
= B
-1
A
-1

(iii) (A
t
)
-1
= (A
-1
)
t
A inversa da transposta a transposta da inversa
Exemplo: Determine a inversa da matriz A =
(

4 11
2 6

Esta matriz tem inversa pois det A = 0. Procuremos sua inversa tal que
A.B = I e B.A = I
Impondo a primeira condio temos,
(

4 11
2 6
.
(

d c
b a
=
(

1 0
0 1

(

+ +
+ +
d b c a
d b c a
4 11 4 11
2 6 2 6
= (

1 0
0 1
. Portanto,

= +
= +
0 4 11
1 2 6
c a
c a
e

= +
= +
1 4 11
0 2 6
d b
d b


Resolvendo os sistemas, temos
a = 2, b = -1, c = -11/ 2, d = 3

Teremos ento, A.B = (

4 11
2 6
.
(
(

3
2
11
1 2
= (

1 0
0 1
, ou seja, A.B = I.
Tambm vale B.A = I.
Portanto, B =
(
(

3
2
11
1 2
a matriz inversa de A.



10

Exerccios:
1) Sejam B = (

6 3
4 2
, A = (

5 1
2 3
e C =
(

2 3
1 1

(a) Justifique que B uma matriz no inversvel e A inversvel.
(b) Calcule (AC)
-1
, A
-1
C
-1
e C
-1
A
-1
. Compare os resultados.
(c) Determine (A
t
)
-1
e (A
-1
)
t


02) Calcule os valores de m e n para que as matrizes A e B sejam iguais:
a)
(

=
(

+
=
3 6
75 8
B e
3 n 12
n 15 8
A
b)
(

=
(
(

+
=
3 6
13 41
B e
3 6
4
2
n 40
2
m
A
c)
(

=
(

=
25 x 10 4
8 7
B e
2
x 4
8 7
A
03) Dadas as matrizes
(
(
(
(

=
(

=
(

=
(
(
(
(

=
3 2 3 5
0 9 1 4
3 1 1 3
8 3 7 1
D e
5 3
4 2
C ,
3 8 2 6
7 5 3 1
B ,
9 5
4 7
1 3
2 1
A , calcular:
a) AB b) (AB)D c) A(BD) d) BA e) (BA)C f) B(AC)
04) Sejam as matrizes
(

=
6 1 4
8 3 2
A ,
(

=
1 4 0
9 7 5
B
(

=
6 4 1
8 9 0
C , calcular:
a) A+B b) B+C c) A+C d) A B e) A- C f) B-C
g) X= 4A 3B + 5C h) X = 2B 3A 6C
05) Verifique se a matriz B a inversa da matriz A nos seguintes casos:
11

a)
(
(
(

=
(
(
(

=
4 2 2
2 0 2
14 4 12
B e
1 2 5 , 0
5 , 0 5 , 2 5 , 0
1 5 , 1 5 , 0
A
b)
(
(
(

=
(
(
(

=
5 , 0 1 1
5 , 1 5 , 2 2
5 , 1 2 5 , 1
B e
2 4 4
6 6 4
6 4 2
A
c)
(
(
(

=
(
(
(

=
5 , 3 5 , 6 5 , 5
1 2 5 , 1
5 , 0 1 1
B e
4 8 10
2 6 2
0 2 4
A
06) Sejam as matrizes
(
(
(
(

=
5 1 1
7 2 2
3 0 8
6 0 5
A ,
(
(
(

=
8 3 6 0
9 5 8 7
4 2 3 1
B ,
(
(
(

=
4 5 3
8 1 1
0 3 2
C e
(
(
(
(

=
2 0 1 0
5 1 2 3
4 2 1 8
2 3 0 5
D , calcule:
a) (AB)
T
b) (AB)D
T
c) A(BD
T
) d) 2(A
T
B
T
)+3C
T

07) Dadas as matrizes
(
(
(

=
(
(
(

=
(
(
(

=
9 1 8
7 2 1
5 3 4
1 3 7
1 8 4
3 9 0
,
6 9 5
2 4 3
1 7 2
C e B A ,
efetuar e classificar a matriz resultante:
a) A + A
T
b) B + B
T
c) AA
T
d) B - B
T
e) C - C
T

08) Efetue as operaes indicadas e classifique as seguintes matrizes:
(

=
0 1
1 0
A
(
(
(
(

=
3
1
3
2 2
3
2 2
3
1
B
12

(
(
(
(

=
5
1
5
6 2
5
6 2
5
1
C
(

u u
u u
=
sen cos
cos sen
D
(
(
(
(
(
(
(

=
2
2
2
2
0
6
6
6
6
3
6
3
3
3
3
3
3
E
(

=
6 4
9 6
F
(

=
12 9
16 12
G
(
(
(
(
(
(

=
2
3
3
2
3
2
1
1
2
1
1
2
5
2
1
H
(

=
4 2
10 5
J
(

=
5 3
10 6
L
(
(
(

=
3 0 2
9 2 3
6 2 1
M
a) AA
T
f) F
2
l) M
2

b) BB
T
g) G
2

c) CC
T
h) H
3

d) DD
T
i) J
2

e) EE
T
j) L
2

09) Sejam as matrizes triangulares superiores (A e B) e inferiores (C e D)
a) calcular e classificar a matriz E = AB
b) calcular e classificar a matriz F = CD
10) Dadas as matrizes
(
(
(

=
6 8 7
9 2 5
1 4 3
A ,
(
(
(

=
4 2 7
1 0 3
3 1 4
B
(
(
(

=
3 2 1
12 9 3
8 6 2
C ,
Calcular, pelo processo da triangularizao ou por Laplace ou por Sarrus:
a) det A b) det B c) det (2A-3B+4C) d) det (AC
T
) e) det (CB)A
13

11) Calcular o determinante da matriz
(
(
(
(

=
1 5 3 4
2 1 1 1
3 2 1 0
1 1 3 2
H , usando o processo
de triangularizao e por Laplace (desenvolvendo-o pela 2 linha.)
12) Sendo U = IR, resolver as seguintes equaes:
a) 128
x 2 4 7
x 2 5
x 6 4
= b) 7
7 10 9
3 5 4
4 x 1 x 3 x
=
+ + +
c) 0
1 0 x 2 15
2 3 x 2 18
1 1 x 12
=

13) Determinar, se existir, a matriz inversa de cada uma das seguintes
matrizes:
a)
|
|
.
|

\
|
=
2 1
5 3
A b)
|
|
|
.
|

\
|

=
4 5 3
2 1 0
5 4 3
B c)
|
|
|
.
|

\
|

=
2 0 3
2 2 2
2 0 1
C
d)
(
(
(
(

=
1 2 3 4
0 1 2 3
0 0 1 2
0 0 0 1
D e)
(
(
(

=
5 2 1
7 4 3
2 2 2
E f)
|
|
|
.
|

\
|
=
0 0 9
0 6 0
5 0 0
F
14) Resolver e classificar os seguintes sistemas:
a)

= +
= +
50 y 16 x 10
34 y 8 x 5
Rta: Sistema Incompatvel { } = S
b)

= + +
= +
=
7 z 4 y 3 x 2
7 z 5 y 2 x 3
15 z 3 y x 4
Rta: S.L.C.D ( ) { } 2 , 3 , 3 S =
c)

=
= +
= +
24 z 7 y 2 x
5 z 4 y 5 x 3
2 z 2 y 3 x 2
Rta: S.L.C.D. ( ) { } 3 , 2 , 1 S =
d)

=
= + +
0 z 9 y 6 x
2
3
0 z 6 y 4 x
Rta: S.L.C.I. ( ) { } IR z , y , z , y , z 6 y 4 S e =
14

e)

=
= +
=
0 z 3 y 2 x
8 z 5 y 2
18 y 3 x 4
Rta: S.L.C.D. { } ) 4 , 6 , 0 ( S =
f)

= + +
= + +
= + +
7 z 2 y 2 x 3
9 z 4 y 3 x 2
11 z 6 y 4 x
Rta: S.L.C.I.
)
`

e
|
.
|

\
| +
= IR z , z ,
5
z 8 13
,
5
z 2 3
S
g)

= + +
= +
=
6 z 4 y x
6 z 4 y 2
0 y x
Rta: S.L.C.I. ( ) { } IR z z , z 2 3 , z 2 3 S e =
h)

=
= +
= +
8 z y 4 x
0 z 3 y 3 x 9
15 z 4 y 2 x 7
Rta: S.L.C.D. ( ) { } 1 , 2 , 1 S =
15) Estabelecer a condio que deve ser satisfeita pelos termos independentes
para que os seguintes sistemas sejam compatveis:
a)

=
= + +
= + +
c z 4 y 4
b z 3 y 5 x 2
a z 8 y 12 x 4
b)

= +
= +
= +
c z y
b z 2 x
a z y x

Rta: 2a 4b + c = 0 Rta: a + b c = 0

1.2 Determinante
A toda matriz quadrada A est associado um nmero chamado
determinante de A e simbolizado por det A.

1.2.1 Clculo do determinante

a) Determinante de matrizes de 2
a
Ordem
A=
|
|
.
|

\
|
y x
b a
det A = ay - bx
15

Exemplo:
1) Se A =
|
|
.
|

\
|

4 5
8 3
ento, det A = (- 3) . ( 4) (- 5) . (8) det A = - 12 +
40 det A = 28

b) Determinante de matrizes de 3
a
Ordem (regra de Sarrus)
A =
|
|
|
.
|

\
|
z y x
r q p
c b a

det(A) =
y x z y x
q p r q p
b a c b a
= ( aqz + brx + cpy) - ( cqx + ary + bpx ).

Exemplo:
Se B =
|
|
|
.
|

\
|

0 2 5
7 3 3
0 1 1
ento, det B =
2
3
1
5
3
1
0 2 5
7 3 3
0 1 1

det B = (1)(3)(0)+(-1)(7)(5)+(0)(3)(-2)(0)(-3)(5)(1)(7)(-2)(-1)(3)(0)
det B = 0 35 + 0 0 + 14 0 det B = - 21

1.3 EQUAO LINEAR
uma equao da forma
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ ... + a
1n
x
n
= b
1

onde
x
1
, x
2
, ..., x
n
so as incgnitas;
a
11
, a
12
, ...,a
1n
so os coeficientes (reais ou complexos);
b
1
o termo independente (nmero real ou complexo).
16

Exemplos de equaes lineares
1. 4 x + 3 y - 2 z = 0
2. 2 x - 3 y + 0 z - w = -3
3. x
1
- 2 x
2
+ 5 x
3
= 1
4. 4i x + 3 y - 2 z = 2-5i
Exemplos de equaes no-lineares
1. 3x + 3y = -4
2. x
2
+ y
2
= 9
3. x + 2 y - 3 z w = 0
4. x
2
+ y
2
= -9

SOLUO DE UMA EQUAO LINEAR
Uma sequncia de nmeros reais (r
1
,r
2
,r
3
,r
4
) soluo da equao linear
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ a
14
x
4
= b
1

se trocarmos cada x
i
por r
i
na equao e este fato implicar que o membro da
esquerda identicamente igual ao membro da direita, isto :
a
11
r
1
+ a
12
r
2
+ a
13
r
3
+ a
14
r
4
= b
1

Exemplo: A sequncia (5,6,7) uma soluo da equao 2x+3y-2z=14 pois,
tomando x=5, y=6 e z=7 na equao dada, teremos:
25 + 36 - 27 = 14

1.3.1 SISTEMAS DE EQUAES LINEARES
Um sistema de equaes lineares ou sistema linear um conjunto formado por
duas ou mais equaes lineares. Um sistema linear pode ser representado na
forma:





17

onde
x
1
, x
2
, ..., x
n
so as incgnitas;
a
11
, a
12
, ..., a
mn
so os coeficientes;
b
1
, b
2
, ..., b
m
so os termos independentes.

SOLUES DE UM SISTEMA DE EQUAES LINEARES
Uma sequncia de nmeros (r
1
,r
2
,...,r
n
) soluo do sistema linear:
a
11
x
1
+ a
12
x
2
+...+ a
1n
x
n
= b
1

a
21
x
1
+ a
22
x
2
+...+ a
2n
x
n
= b
2

... ... ... ...
a
m1
x
1
+ a
m2
x
2
+...+ a
mn
x
n
= b
n

se satisfaz identicamente a todas as equaes desse sistema linear.
Exemplo: O par ordenado (2,0) uma soluo do sistema linear:
2x + y = 4
x + 3y = 2
x + 5y = 2
pois satisfaz identicamente a todas as equaes do mesmo, isto , se
substituirmos x=2 e y=0, os dois membros de cada igualdade sero iguais em
todas as equaes.

Consistncia de sistemas lineares
O nmero de solues de um sistema linear determina a sua classificao de
duas maneiras com relao sua consistncia:
Sistema possvel ou consistente: Quando tem pelo menos uma soluo.
a. Se tem uma nica soluo, o sistema determinado.
b. Se tem mais que uma soluo, o sistema indeterminado.
Sistema impossvel ou inconsistente: Se no admite qualquer soluo.
18

EXEMPLOS
Sistema com uma nica soluo: As equaes lineares abaixo representam
duas retas no plano cartesiano que tm o ponto (3,-2) como interseo.
x + 2y = -1
2x - y = 8
Sistema com infinitas solues: As equaes lineares representam retas
paralelas sobrepostas no plano cartesiano, logo existem infinitos pontos que
satisfazem a ambas as equaes (pertencem a ambas as retas).
4x + 2y = 100
8x + 4y = 200
Sistema que no tem soluo: As equaes lineares representam retas
paralelas no plano cartesiano, logo, no existem pontos que pertenam s duas
retas.
x + 3y = 4
x + 3y = 5
Sistemas equivalentes
Dois sistemas so equivalentes se admitem a mesma soluo.
Exemplo: So equivalentes os sistemas S1 e S2 indicados abaixo:
S1
3x + 6y = 42
2x - 4y = 12

S2
1x + 2y = 14
1x - 2y = 6

pois eles admitem a mesma soluo x=10 e y=2.
Notao: Quando dois sistemas S1 e S2 so equivalentes, usamos a notao
S1~S2.

Operaes elementares sobre sistemas lineares
Existem trs tipos de operaes elementares que podem ser realizadas sobre
um sistema linear de equaes de forma a transform-lo em um outro sistema
19

equivalente mais simples que o anterior. Na sequncia trabalharemos com um
exemplo para mostrar como funcionam essas operaes elementares sobre
linhas. O segundo sistema (o que aparece direita) j mostra o resultado da
ao da operao elementar. Nas linhas iniciais de cada tabela, voc encontra a
operao que foi realizada.
1. Troca de posio de duas equaes do sistema
Troca a Linha 1 com a Linha 3
x + 2y - z = 2
2x-3y+2z=0
4x + y - 5z = 9
~
4x + y - 5z = 9
2x-3y+2z=0
x + 2y - z = 2
2. Multiplicao de uma equao por um nmero no nulo
Multiplica a Linha 1 pelo nmero 3
x + 2y - z = 2
2x-3y+2z=0
4x+y-5z=9
~
3x + 6y - 3z = 6
2x-3y+2z=0
4x+y-5z=9
A equao resultante fica na linha 1
3. Adio de duas equaes do sistema
Adio da Linha 2 com a Linha 3
x+2y-z=2
2x -3y + 2z = 0
4x + y - 5z = 9
~
3x+6y-3z=6
2x-3y+2z=0
6x - 2y - 3z = 9
A equao resultante fica na linha 3

Resoluo de sistemas lineares por escalonamento
Com o auxlio das trs Operaes Elementares sobre linhas, podemos resolver
sistemas lineares. Vamos mostrar como funciona este processo atravs de um
exemplo.
20

Exemplo: Consideremos o sistema com 3 equaes e 3 incgnitas.
3x + y + z = 20
2x - y - z = -15
-4x + y -5z = -41
Observao: Usamos Li+Lj->Lj para indicar a soma da linha i com a linha j
com o resultado na linha j. Usamos k Li->Li, para indicar que multiplicamos a
linha i pela constante k e o resultado ficou na linha i.
Passo 1: L1-L2->L1
3x + 1y + 1z = 20
2x - 1y - 1z = -15
-4x+1y-5z=-41
~
1x + 2y + 2z = 35
2x-1y-1z=-15
-4x+1y-5z=-41

Passo 2: L2-2.L1->L2
1x + 2y + 2z = 35
2x - 1y - 1z = -15
-4x+1y-5z=-41
~
1x+2y+2z=35
0x - 5y - 5z = -85
-4x+1y-5z=-41

Passo 3: L3+4.L1->L3
1x + 2y + 2z = 35
0x-5y-5z=-85
-4x + 1y - 5z = -41
~
1x+2y+2z=35
0x-5y-5z=-85
0x + 9y + 3z = 99

Passo 4:(-1/5)L2->L2,(1/3)L3->L3
1x+2y+2z=35
0x - 5y - 5z = -85
0x + 9y + 3z = 99
~
1x+2y+2z=35
0x + 1y + 1z = 17
0x + 3y + 1z = 33

21

Passo 5: L3-3.L2->L3
1x+2y+2z=35
0x + 1y + 1z = 17
0x + 3y + 1z = 33
~
1x+2y+2z=35
0x+1y+1z=17
0x + 0y - 2z = -18

Passo 6: (-1/2)L3->L3
1x+2y+2z=35
0x+1y+1z=17
0x + 0y - 2z = -18
~
1x+2y+2z=35
0x+1y+1z=17
0x + 0y + 1z = 9

Passo 7: L2-L3->L2
1x+2y+2z=35
0x + 1y + 1z = 17
0x + 0y + 1z = 9
~
1x+2y+2z=35
0x + 1y + 0z = 8
0x+0y+1z=9

Passo 8: L1-2.L2-2.L3->L1
1x + 2y + 2z = 35
0x + 1y + 0z = 8
0x + 0y + 1z = 9
~
1x + 0y + 0z = 1
0x+1y+0z=8
0x+0y+1z=9

Passo 9: Simplificar coeficientes
1x + 0y + 0z = 1
0x + 1y + 0z = 8
0x + 0y + 1z = 9
~
x = 1
y = 8
z = 9
Aps o escalonamento, observamos que a soluo obtida exatamente
fornecida pelo ltimo sistema.

22

Sistemas lineares homogneos
Um sistema linear homogneo quando os termos independentes de todas as
equaes so nulos. Todo sistema linear homogneo admite pelo menos a
soluo trivial, que a soluo identicamente nula. Assim, todo sistema linear
homogneo possvel. Este tipo de sistema poder ser determinado se admitir
somente a soluo trivial ou indeterminado se admitir outras solues alm da
trivial.
Exemplo: O sistema
2x - y + 3z = 0
4x + 2y - z = 0
x - y + 2z = 0
determinado, pois possui a soluo x=0, y=0 e z=0.

Regra de Cramer
Esta regra depende basicamente sobre o uso de determinantes. Para indicar o
determinante de uma matriz X, escreveremos det(X).
Seja um sistema linear com n equaes e n incgnitas:
a
11
x
1
+ a
12
x
2
+...+ a
1j
x
j
+...+ a
1n
x
n
= b
1

a
21
x
1
+ a
22
x
2
+...+ a
2j
x
j
+...+ a
2n
x
n
= b
2

... ... ... ...
a
n1
x
n
+ a
n2
x
n
+...+ a
nj
x
j
+...+ a
nn
x
n
= b
n

A este sistema podemos associar algumas matrizes:
Matriz dos coeficientes: Formada pelos coeficientes das incgnitas
do sistema, aqui indicada pela letra A.
Matriz dos coeficientes
a
11
a
12
... a
1j
... a
1n

a
21
a
22
... a
2j
... a
2n

... ... ... ... ... ...
23

a
n1
a
n2
... a
nj
... a
nn

Matriz Aumentada do sistema: Formada todos os coeficientes das
incgnitas do sistema e tambm pelos termos independentes.
Matriz Aumentada
a
11
a
12
... a
1j
... a
1n
b
1

a
21
a
22
... a
2j
... a
2n
b
2

... ... ... ... ... ...
a
n1
a
n2
... a
nj
... a
nn
b
n

Matriz da incgnita x
j
: a matriz A
j
obtida ao substituirmos a coluna
j (1<j<n) da matriz A, pelos termos independentes das equaes do
sistema.
Matriz da incgnita x
j

a
11
a
12
... b
1
... a
1n

a
21
a
22
... b
2
... a
2n

... ... ... ... ... ...
a
n1
a
n2
... b
n
... a
nn

Quando as posies j=1,2,3 esto relacionadas com x
1
, x
2
e x
3
e substitudas
pelas incgnitas x, y e z, comum escrever A
x
, A
y
e A
z
.
Se det(A) diferente de zero, possvel obter cada soluo x
j
(j=1,...,n),
dividindo det(A
j
) por det(A), isto :
x
j
= det(A
j
) / det(A)
Se det(A)=0, o sistema ainda poder ser consistente, se todos os
determinantes nxn da matriz aumentada do sistema forem iguais a zero.
Um sistema impossvel: Seja o sistema
2x + 3y + 4z = 27
1x - 2y + 3z = 15
3x + 1y + 7z = 40
A matriz A e a matriz aumentada Au do sistema esto mostradas abaixo.
24

2 3 4
1 -2 3
3 1 7

2 3 4 27
1 -2 3 15
3 1 7 40

Como det(A)=0, devemos verificar se todos os determinantes das sub-matrizes
33 da matriz aumentada so nulos. Se existir pelo menos um deles no nulo,
o sistema ser impossvel e este o caso pois no nulo o determinante da
sub-matriz 3x3 formada pelas colunas 1, 2 e 4 da matriz aumentada:
2 3 27
1 -2 15
3 1 40
Um sistema indeterminado: Consideremos agora o sistema (Quase igual ao
anterior: trocamos 40 por 42 na ltima linha!)
2x + 3y + 4z = 27
1x - 2y + 3z = 15
3x + 1y + 7z = 42
A matriz A e a matriz aumentada Au do sistema, esto abaixo:
2 3 4
1 -2 3
3 1 7

2 3 4 27
1 -2 3 15
3 1 7 42

Aqui, tanto det(A)=0 como todos os determinantes das sub-matrizes 33 da
matriz aumentada so nulos, ento o sistema possvel e indeterminado. Neste
caso, observamos que a ltima linha a soma das duas primeiras e como estas
duas primeiras dependem de x, y e z, voc poder encontrar as solues, por
exemplo, de x e y em funo de z.
Um sistema com soluo nica: Seja o sistema
25

2x + 3y + 4z = 27
1x - 2y + 3z = 15
3x + 1y + 6z = 40
A matriz A e a matriz dos termos independentes do sistema esto indicados
abaixo.
2 3 4
1 -2 3
3 1 6

27
15
40

Como det(A)=7, o sistema admite uma nica soluo que depende dos
determinantes das matrizes A
x
, A
y
e A
z
, e tais matrizes so obtidas pela
substituio 1a., 2a. e 3a. colunas da matriz A pelos termos independentes das
trs equaes, temos:
Ax=
27 3 4
15 -2 3
40 1 6

Ay=
2 27 4
1 15 3
3 40 6

Az=
2 3 27
1 -2 15
3 1 40

Como det(A
x
)=65, det(A
y
)=1 e det(A
z
)=14, a soluo do sistema dada por:
x = det(Ax)/det(A) = 65/7
y = det(Ay)/det(A) = 1/7
z = det(Az)/det(A) = 14/7







26

2 - Espaos Vetoriais

Definio: Seja V um conjunto no vazio, sobre o qual esto definidas as
operaes adio e multiplicao por escalar, isto ,
A, B e V temos: A + B e V e,
A e V e o e 9 temos: o A e V
V com essas operaes chamado espao vetorial real se forem verificados 8
axiomas:
Em relao adio: Sejam A, B, C e V e o , | e 9
(A
1
) (A + B) + C = A + (B + C)
(A
2
) A + B = B + A
(A
3
) Existe um nico elemento neutro neutro Oe V tal que
A + O = O + A = A
(A
4
) Existe um nico elemento simtrico -A e V tal que A + (-A) = O

(M
1
) (o . | )A = o ( | A)
(M
2
) (o +| )A = o A +| A
(M
3
) o (A + B) = o A + o B
(M
4
) 1A = A

Obs: Os elementos de um espao vetorial V podem ser polinmios, matrizes,
nmeros, funes, desde que as operaes definidas neste conjunto satisfaam
os 8 Axiomas. Mas independente de sua natureza os elementos de um Espao
Vetorial V sero chamados vetores.


27

Exemplos:
1) V = conjunto das matrizes 2x2 ou V = M(2x2) =
)
`

9 e
(

w z y x
w z
y x
, , , : .
Em V definido as operaes:
Sejam A, B e V onde A =
)
`

4 3
2 1
a a
a a
, B =
)
`

4 3
2 1
b b
b b
e o e 9
Operaes: A + B =
)
`

+ +
+ +
4 4 3 3
2 2 1 1
b a b a
b a b a
e o A =
)
`

4 3
2 1
. .
. .
a a
a a
o o
o o

Obs: Essas so as operaes usuais de adio e multiplicao por escalar no
conjunto das matrizes 2x2.
Para essas operaes assim definidas, podem ser verificadas facilmente que
valem os 8 axiomas. Portanto, neste exemplo, V = M(2x2) um espao
vetorial.

2) V = | | { } 9 e c b a c b a , , : = conj. das matrizes linha M(1x3)
Operaes definidas:
| |
3 2 1
a a a + | |
3 2 1
b b b = | |
3 2 1
a a a (Cuidado, adio no usual)
o | |
3 2 1
a a a = | |
3 2 1
. . . a a a o o o (Multiplicao usual)
Com estas operaes, V um espao vetorial ?
Verificando os axiomas:
Sejam A = | |
3 2 1
a a a , B = | |
3 2 1
b b b , C = | |
3 2 1
c c c
A
1
) (A + B) + C = A + (B + C) ?
(A + B) + C = (| |
3 2 1
a a a + | |
3 2 1
b b b ) + | |
3 2 1
c c c
= | |
3 2 1
a a a + | |
3 2 1
c c c
= | |
3 2 1
a a a
28

A + (B + C) = | |
3 2 1
a a a + (| |
3 2 1
b b b + | |
3 2 1
c c c )
= | |
3 2 1
a a a + | |
3 2 1
b b b
= | |
3 2 1
a a a
O Axioma A
1
satisfeito.

A
2
) A + B = B + A ?
A + B = | |
3 2 1
a a a + | |
3 2 1
b b b = | |
3 2 1
a a a
B + A = | |
3 2 1
b b b + | |
3 2 1
a a a = | |
3 2 1
b b b , portanto A + B = B + A.
Como o axioma A
2
falha, V no um espao vetorial.

Ateno !!! Basta que um dos axiomas falhe, para que o conjunto (com as
oper. definidas) no seja um espao vetorial.

3) V ={(x,y) 9 e
2
}, conjunto dos vetores em
2
9 .
Operaes definidas, (a, b) + (c, d) = (a +c, b + d) e o (a,b)= (o
2
a,o
2
b)
Como a adio uma operao usual, vamos verificar se falha algum axioma
em relao multiplicao por escalar.
Sejam u = (a, b) e v = (c, d) em
2
9 , o e | nmeros reais.
M
1
) (o . | )u = o ( | u) ?
(o . | )u = (o . | )(a, b) = (
2 2
| o a,
2 2
| o b)
o ( | u) = o ( | (a,b)) = o (
2
| a,
2
| b) = (
2 2
| o a,
2 2
| o b), logo (o . | )u = o ( | u).
O Axioma M
1
satisfeito.

M
2
) (o +| )u = o u +| u ?
29

(o +| )u = (o +| )(a,b) = ((o +| )
2
.a, (o +| )
2
.b)
o u +| u = o (a,b) +| (a,b) = (
2
o a,
2
o b) + (
2
| a,
2
| b) =
=((
2
o +
2
| )a, (
2
o +
2
| )b)
O Axioma M
2
no satisfeito pois (o +| )u = o u +| u.
Ento, V ={(x,y) 9 e
2
} com as operaes definidas, no um espao vetorial.

Exerccios: Verificar se os conjuntos abaixo so espaos vetoriais reais em
relao s operaes definidas. Para aqueles que no so, citar os axiomas que
no se verificam. (Justiticando)
(a) V
1
= {(x,y) 9 e
2
}, (a, b) + (c, d) = (a +c, b + d)
e o (a,b)= (o a, 0)
(b) V
2
= {(x,y) 9 e
2
/ y = 5x} = {(x, 5x)} com as operaes usuais,
(a, b) + (c, d) = (a +c, b + d) e o (a,b)= (o a, o b )
(c) V
3
= {(x,y) 9 e
2
}, (a, b) + (c, d) = (a +c, b + d)
e o (a,b)= (o a, b)

Observaes: Para V
1
e V
3
, como a adio uma operao usual e a
multiplicao por escalar no usual, basta verificar quais axiomas de M
1
M
4

falham.
J para V
2
, todos os axiomas devem ser verificados para ser um espao vetorial.
Respostas: (a) Falha M
4
, (c) Falha M
2
.

Outros exemplos:
4) V = conjunto das matrizes mxn = M(m,n) com as operaes usuais (de
adio e de multiplicao por escalar) definem um espao vetorial.
30

Obs: Se A e M(mxn) ento A =
(
(
(
(

mn m m
n
n
a a a
a a a
a a a
...
. ... . .
...
...
2 1
2 22 21
1 12 11

5) V =
n
9 = {(x
1
, x
2
, x
3
, ... , x
n
): x
i
9 e }, 1s i s n
com as operaes de adio e de multiplicao por escalar usuais definem um
espao vetorial.

6) V = P
3
= conjunto dos polinmios com coeficientes reais de grau menor ou
igual a 3 (incluindo os polinmios de grau zero)
ou P
3
= { a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
: a
i
9 e }
Elementos de P
3
, exemplos: 3, 6 + 5x, 6x
2
, 1 + 4x
3
, -3 + 5x 4x
2
+
+7x
3
.

Se p
1
(x) e p
2
(x) pertencem a P
3
ento:
p
1
(x) = a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
e p
2
(x) = b
0
+ b
1
x + b
2
x
2
+ b
3
x
3

Operaes usuais em P
3
:
p
1
(x) + p
2
(x) = (a
0
+ b
0
)+ (a
1
+ b
1
)x + (a
2
+ b
2
)x
2
+ (a
3
+ b
3
)x
3

Se o 9 e temos o .p
1
(x) = o a
0
+ o a
1
x + o a
2
x
2
+ o a
3
x
3

Com estas operaes pode-se verificar que V = P
3
um espao vetorial.
-----------------------------------------------------------------------------------------
Observaes: Matrizes, vetores, polinmios podem estar associados da
seguinte maneira.
Por exemplo,
A =

d
a

e
b

(

(
f
c
, v = (a, b, c, d, e, f),
p(x) = a + bx + cx
2
+ dx
3
+ ex
4
+ fx
5

31

A e M(2,3), v e
6
9 , p(x)e P
5

Pode-se dizer que a, b, c, d, e, f so as coordenadas de A, v e p(x). Por isto,
matrizes, vetores, polinmios so chamados de maneira geral vetores.

2.1 - Subespaos Vetoriais

Deseja-se dentro de um espao vetorial V, detectar se um subconjunto S de V
tambm espao vetorial. Tais conjuntos sero chamados subespaos de V.

Exemplo:
V =
2
9 com as operaes usuais de adio e multiplicao por escalar um
espao vetorial.
S uma reta que passa pela origem. Neste caso, S um subconjunto de V.





u = (2,1), v = (3, 3/2), u + v = (5, 5/2)

Definio: Seja V um espao vetorial e S um subconjunto no vazio de V.
S um subespao vetorial de V se:
(i) 0 e S
(ii) u, v e S u + v e S
(iii) 9 e o e u e S ou e S
S c V =
2
9
S =
)
`

= x y y x
2
1
: ) , ( =
)
`

9 e x );
2
x
, x (
Observa-se que ao somarmos 2 vetores de
S, obtemos outro vetor em S. E se
multiplicarmos um vetor de S por um
nmero, o vetor resultante estar em S.
32

OBSERVAES:
- Qualquer subespao S de V deve conter o vetor nulo 0 (devido ao Axioma A
3
do
Espao Vetorial). Caso contrrio S no um subespao vetorial.

- Todo espao vetorial V admite pelo menos 2 subespaos (chamados subespaos
triviais), o conjunto { 0 } e o prprio espao vetorial V.

Exemplos:
(1) V =
2
9 com as operaes usuais. S = { } 9 e + t t t : ) , ( 1
S pode ser representada por uma reta que passa pelos pontos (-1,0) e (0,1).
O vetor nulo ( 0,0 ) e S S no um subespao vetorial de V.





(2) V =
2
9 com as operaes usuais.
S = { } 9 e x x x : ) , ( c
2
9
S no vazio pois (0,0)
2
9 e .
Mas existem 2 vetores u e v de S tais que (u + v) e S.
Por exemplo, u = (1,1), v = (-1,1) pertencem a S e u + v = (0,2) e S.
Portanto, S no um subespao de V =
2
9 .


u+v
v u
S S
(-1,0)
(0,1)
S
33

(3) V =
3
9 (com as operaes usuais).
S = { } 0 = + + cz by ax z y x : ) , , ( . Obs: S um plano que passa pela origem.
S um subespao de V ?

Soluo:
Vamos verificar se em S satisfazem as condies (i), (ii) e (iii).
( i ) (0,0,0) e S pois a0 + b0 + c0 = 0.

( ii ) Sejam u = (u
1
, u
2
, u
3
), v = (v
1
, v
2
, v
3
) elementos de S.
Ento,

= + +
= + +
0
3
cv
2
bv
1
av
0
3
cu
2
bu
1
au

Logo, a(u
1
+ v
1
)+b(u
2
+ v
2
)+c(u
3
+ v
3
) = 0. E portanto, (u
1
+ v
1
, u
2
+ v
2
, u
3
+
v
3
)eS.
Da, u +v eS.
(iii) Seja o 9 e e u = (u
1
, u
2
, u
3
)
3
9 e .
Se u e S, ento au
1
+ bu
2
+ cu
3
= 0.
Portanto, o( au
1
+ bu
2
+ cu
3
) = 0 ou
1
+ ou
2
+ ou
3
= 0 ou e S.
Como as 3 condies foram satisfeitas, S um subespao de V =
3
9 .

Exerccios:
(a) V =
5
9 (com as operaes usuais) e S = { (0, x
2
, x
3
, x
4
, x
5
)
5
9 e }.
Verifique que S um subespao vetorial.
(b) V =
2
9 (com as operaes usuais) e S = { (x, x
2
); x 9 e }
Verifique que S no um subespao vetorial.

34

Interseco e Soma de Subespaos
Teorema: S
1
, S
2
subespaos vetorias de V (espao vetorial).
Ento,
(i) S
1
S
2
um subespao de V.
(ii) S
1
+ S
2
um subespao de V.
OBS:
S
1
S
2
= {v V e : v eS
1
e v e S
2
}
S
1
+ S
2
= { v = u + w / u eS
1
e w e S
2
}.
Todo elemento de S
1
+ S
2
um vetor soma de 2 vetores, um vetor de S
1
e o
outro de S
2
.
Exemplos:
(a) V = M(3 x 3)
S
1
=

9
0 0
6 5
0
3 2 1
a
a a
a a a
; a
i
9 e S
2
=

9 8 7
0
5 4
0 0
1
a a a
a a
a
; a
i
9 e
S
1
e S
2
so subespaos de V = M(3 x 3)
S
1
= {matrizes triangulares superiores}
S
2
= {matrizes triangulares inferiores}
Logo, S
1
S
2
=

(
(
(

9
0 0
0
5
0
0 0
1
a
a
a
um subespao de V = M(3 x 3)
(b) V =
3
9
S
1
= {(0, 0, x): x 9 e } Reta no eixo z
S
2
= {(a, a, 0): a 9 e } Reta no plano xy
S
1
+ S
2
= {(a,a,x)} plano que contm as retas S
1
e S
2
.
S
1
+ S
2
um subespao de V =
3
9 .
S
1
+ S
2
S
2
S
1

35

SOMA DIRETA DE SUBESPAOS
Definio:
Sejam S
1
e S
2
subespaos vetoriais de V.
V a soma direta de S
1
e S
2
(Representado por V = S
1
S
2
)
Se V = S
1
+ S
2
e S
1
S
2
= { 0 }.

Exemplo: V = M(2 x 2)
S
1
=
)
`

0 0
b a
e S
2
=
)
`

d c
0 0
onde a, b, c, d 9 e .
S
1
+ S
2
=
)
`

d c
b a
= M(2 x 2) e S
1
S
2
=
)
`

0 0
0 0
.
Logo, V = S
1
S
2
e portanto V soma direta de S
1
e S
2
.













36

3. ESPAOS VETORIAIS EUCLIDIANOS
3.1 Produto Interno em Espaos Vetoriais
Chama-se produto interno no espao vetorial V uma aplicao de VxV em R que
a todo par de vetores (u,v)VxV associa um nmero real, indicado por u.v ou
<u,v>, tal que os axiomas seguintes sejam verificados:
P
1
) u.v = v.u
P
2
) u.(v+w) = u.v + u.w
P
3
) (u).v = (u.v),
P
4
) u.u e alm disso u.u = 0 u = 0
O nmero real u.v chamado produto interno dos vetores u e v.

EXEMPLOS
1) No espao vetorial V=R
2
, a aplicao (funo) que associa cada par de
vetores u=(x
1
,y
1
) e v=(x
2
,y
2
), o nmero real u.v = 2x
1
x
2
+ 5y
1
y
2
, um produto
interno.
Mostrar:









- O produto interno examinado neste exemplo diferente do produto interno
usual do R
2
que definido por: u. v = x
1
x
2
+ y
1
y
2

Logo, possvel a existncia de mais de um produto interno no mesmo espao
vetorial.
37

2) Se u=(x
1
,y
1
,z
1
) e v=(x
2
,y
2
,z
2
) so vetores quaisquer do R
3
, o nmero real
u.v=x
1
x
2
+y
1
y
2
+z
1
z
2
define o produto interno usual do R
3
.
De forma anloga, se u=(x
1
,x
2
,...,x
n
) e v=(y
1
,y
2
,...,y
n
), o nmero real
u.v=x
1
y
1
+x
2
y
2
+...+x
n
y
n
define o produto interno usual no R
n
.

3.1.1 Problemas para resolver em aula

1. Em relao ao produto interno usual do R
2
, calcular u.v, sendo:
a) u=(-2,6) e v=(3,-4)

b) u=(4,8) e v=(0,0)

2. Em relao ao produto interno u.v=2x
1
x
2
+5y
1
y
2
, calcular u.v para u=(2,1) e
v=(3,-2)
3. Sejam v
1
=(1,2,-3), v
2
=(3,-1,-1) e v
3
=(2,-2,0) do R
3
. Considerando esse
espao munido do produto interno usual, determinar o vetor u, tal que u.v
1
=4,
u.v
2
=6 e u.v
3
=2.






3.2 ESPAO VETORIAL EUCLIDIANO
Um espao vetorial real, de dimenso finita, no qual est definido um
produto interno, um espao vetorial euclidiano.

3.3 MDULO DE UM VETOR
Dado um vetor v de um espao vetorial euclidiano V, chama-se mdulo,
norma ou comprimento de v, o nmero real no-negativo, indicado por |v|,
definido por ||v||= ou ||v||=

Assim, se v=(x
1
,y
1
,z
1
)R
3
, com produto interno usual, tem-se:
38

||v||=

Se ||v||=1, isto , v.v=1, o vetor chamado vetor unitrio.
O vetor

unitrio, de mesma direo e sentido de v (versor de v). Diz-se,

nesse caso, que o vetor v foi normalizado.

3.3.1 EXERCCIOS PARA AULA
1. Dado o vetor v=(-2,1,2) R
3
, calcular o mdulo de v e normalizar v,
considerando que:
a) R3 est munido do produto interno usual

b) Em R
3
est definido o produto interno v
1
.v
2
=3x
1
x
2
+2y
1
y
2
+z
1
z
2
, sendo
v
1
=(x
1
,y
1
,z
1
) e v
2
=(x
2
,y
2
,z
2
)



importante observar que o mdulo de v depende do produto interno utilizado:
se o produto interno muda, o mdulo se modifica.
Por outro lado, os vetores

, obtidos de a) e b) so unitrios em relao ao

respectivo produto interno.

2. Dado o espao vetorial V=R3, munido do produto interno usual, calcular m
do vetor v=(6,-3,m) de modo que ||v||=7



3. Dado o espao das funes contnuas no intervalo [0,1] (C[0,1]) em que o
produto interno <f.g>=

.
a) Determine o produto interno de f(x)=x+1 e g(x)=2x
b) Calcular a norma de f(x)=x+1
c) Normalizar a funo f(x)=x+1

39

3.3.2 PROPRIEDADES DO MDULO DE UM VETOR

Seja V um espao vetorial euclidiano.
I) ||v||
II)
Dem.:

III) ||u+v|| ||u||+||v||, (Desigualdade de Shwarz ou Inequao de
Cauchy-Schwarz ou Desigualdade triangular)

Interpretao Geomtrica no R
2
ou R
3
A soma das medidas de dois lados de um tringulo
maior do que a medida do terceiro lado.




3.4 NGULO ENTRE DOIS VETORES

EXERCCIOS PARA AULA
Nos exerccios 1 e 2, considerando o produto interno usual no R
3
e no R
4

respectivamente, calcular o ngulo entre os vetores dados em cada um deles.
1. u=(2,1,-5) e v=(5,0,2) 2. u=(1,-1,2,3) e v=(2,0,1,-2)



3. Sendo V um espao vetorial euclidiano e u,v , calcular o cosseno do ngulo
entre os vetores u e v, sabendo que ||u||=3, ||v||=7 e ||u+v||=

||u+v||
||u||
||v||
40

4. No espao vetorial das matrizes quadradas V=M(2x2), dadas duas matrizes
quaisquer,

, o nmero real
u.v=a1a2+b1b2+c1c2+d1d2 define um produto interno em M(2x2).
Sabendo que





. Calcular:
a) ||u+v|| b) O ngulo entre u e v







3.5 DISTNCIA ENTRE DOIS VETORES
Chama-se distncia entre dois vetores (ou pontos) u e v, o nmero real,
representado por d(u,v), definido por: d(u,v)=||u-v||
Se u=(x
1
,y
1
) e v=(x
2
,y
2
) so vetores (ou pontos) do R
2
, com produto interno
usual, tem-se:
d(u,v)=|u-v|=|(x
1
-x
2
, y
1
-y
2
)|=

EXEMPLO: Calcular a distncia entre os vetores u=(9,5) e v=(4,2)





3.6 VETORES ORTOGONAIS
Dado um espao vetorial euclidiano V, diz-se que dois vetores u e v de V so
ortogonais e se representa por , se e somente se, u.v=0
- o vetor 0 ortogonal a qualquer outro vetor v V pois 0.v=0
- se , ento
- Se u
1
v e u
2
v, ento (u
1
+u
2
)v
41

EXEMPLOS:
1) Os vetores u=(2,7) e v=(-7,2) de R
2
, munido do produto interno usual, so
ortogonais: (2,7).(-7,2)=-14+14=0
2) Os vetores u=(-3,2) e v=(4,3) so ortogonais no espao vetorial V=R
2
em
relao ao produto interno (x
1
,y
1
).(x
2
,y
2
)=x
1
.x
2
+2y
1
y
2




3.7 CONJUNTO ORTOGONAL DE VETORES

Dado um espao vetorial euclidiano V, diz-se que um conjunto de vetores
{v
1
,v
2
,...,v
n
} V ortogonal, se dois vetores quaisquer, distintos, so
ortogonais, isto , v
i
.v
j
=0 para .

EXEMPLO:
No R
3
, o conjunto {(1,2-3),(3,0,1),(1,-5,-3)} ortogonal em relao ao produto
interno usual.




3.7.1 CONJUNTO ORTOGONAL E INDEPENDNCIA LINEAR
Um conjunto ortogonal de vetores no-nulos A={v
1
,v
2
,...,v
n
} de um espao
vetorial euclidiano V linearmente independente LI.

3.8 BASE ORTOGONAL
Uma base B={v
1
,v
2
,...,v
n
}de um espao vetorial euclidiano V ortogonal se os
seus vetores so dois a dois ortogonais.
42

Se dim V = n, qualquer conjunto de n vetores no-nulos e dois a dois
ortogonais, constitui uma base ortogonal. O conjunto B={(1,2-3),(3,0,1),(1,-5,-
3)}, uma base ortogonal de R
3
.

3.8.1 BASE ORTONORMAL
Uma base B={v
1
,v
2
,...,v
n
}de um espao vetorial euclidiano V ortonormal se B
ortogonal e todos os seus vetores so unitrios, isto :

EXEMPLOS:
1) As bases cannicas do R
2
, R
3
, ... R
n
so bases ortonormais em relao ao
produto interno usual.
2) A base

ortonormal em relao ao produto

interno usual.

3) Uma base ortonormal sempre pode ser obtida de uma base ortogonal,
normalizando cada um de seus vetores. Assim, da base ortogonal
B={(1,2-3),(3,0,1),(1,-5,-3)} do R
3
, relativamente ao produto interno usual,
pode-se obter a base ortonormal B={u
1
,u
2
,u
3
}.









3.9 PROCESSO DE ORTOGONALIZAO DE GRAM-SCHMIDT
Dado um espao vetorial euclidiano V e uma base qualquer B={v
1
,v
2
,...,v
n
}
desse espao, possvel, a partir dessa base, determinar uma base ortogonal
de V.
43

A base ortogonal {w
1
,w
2
,...,w
n
} assim obtida:
w
1
= v
1

w
2
= v
2
- <v
2
,v
1
>.u
1
onde

w
3
= v
3
- <v
3
,u
2
>.u
2
- <v
3
,u
1
>.u
1
onde

w
n
= v
n
- <v
n
,u
n-1
>.u
n-1
- ... - <v
n
,u
2
>.u
2
- <v
n
,u
1
>.u
1


EXEMPLO:
Sejam v1=(1,1,1), v2=(0,1,1) e v3=(0,0,1) vetores do R
3
. Esses vetores
constituem uma base B={v
1
,v
2
,v
3
} no ortogonal em relao ao produto interno
usual. Agora vamos obter uma base B que seja ortonormal.




















44

4. TRANSFORMAES LINEARES
4.1 FUNES VETORIAIS
So funes onde o domnio e o contradomnio so espaos vetoriais reais.
Assim, tanto a varivel dependente quanto a independente so vetores.
Para dizer que T uma transformao do espao vetorial V no espao vetorial
W, escreve-se T:V W. Sendo T uma funo, cada vetor v V tem um s vetor
imagem w W, que ser indicado por w=T(v).

EXEMPLO
Uma transformao T:R
2
R
3
associa vetores v=(x,y)R
2
com vetores w=(a,b,c)
do R
3
. Se a lei que define T tal que a=3x, b=-2y e c=x-y, a imagem de cada
vetor (x,y) ser representada por T(x,y)=(3x,-2y,x-y)







No caso de ser v=(2,1), tem-se: w=T(2,1)=(3(2),-2(1),2-1)=(6,-2,1)

4.2 TRANSFORMAES LINEARES
Sejam V e W espaos vetoriais. Uma aplicao T: V W chamada
transformao linear de V em W, se:
I) T(u+v) = T(u) + T(v)
II) T(u) = T(u)

Uma transformao linear de V em V ( o caso de V=W) chamada operador
linear sobre V.

z
y x
y
x
45

EXEMPLOS
1) T:R
2
R
3
, T(x,y)=(3x,-2y,x-y) linear:


2) A transformao identidade I: V V , v v, I(v)=v , linear.






3) A transformao nula linear, T: V W, T(v)=0





4.2.1 INTERPRETAO GEOMTRICA
Uma transformao geomtrica do significado de uma transformao linear pode
ser dada considerando, por exemplo, o operador linear.
T: R
2
R
2
, T(x,y)=(-3x+y,2x+3y)
Se u=(-1,1) e v=(0,1), tem-se u+v=(-1,2)
T(u)=(4,1) e T(v)=(1,3) T(u)+T(v)=(5,4)




Sendo u+v a diagonal do paralelogramo determinado por u e v, sua imagem
T(u+v) representa a diagonal do paralelogramo determinado por T(u) e T(v),
46

isto , T(u+v)=T(u)+T(v). Diz-se, nesse caso, que T representa a adio de
vetores.
A figura a seguir, mostra que, ao se multiplicar o vetor u por 2, por exemplo,
sua imagem T(u) tambm fica multiplicada por 2, isto , T(u)=T(u). Diz-se
que nesse caso, que T preserva a multiplicao de um vetor por um escalar.




PROPRIEDADES DAS TRANSFORMAES LINEARES
I) Se T:V W uma transformao linear, a imagem do vetor 0V o vetor 0
W.
Esta propriedade decorre da condio II da definio de transformao linear,
para =0.
T(u)=T(u)
T(0)=0.T(u)
T(0)=0

EXEMPLO
T:R
2
R
3
T(x,y)=(3x, -2y, x-y)
T(0,0)=(0,0,0)
Concluso: Se T(0) 0, a transformao no linear.
o caso da transformao T:R
3
R
2
T(x,y,z)=(2x+3, 3x+4z)
T(0,0,0)=(3,0) 0
II) Se T:V W uma transformao linear, tem-se:
T(a
1
v
1
+a
2
v
2
)=a
1
T(v
1
)+a
2
T(v
2
), v
1
,v
2
de V e a
1
,a
2
de R
47

Isto , a imagem de uma combinao linear de vetores v
1
e v
2
uma
combinao linear das imagens T(v
1
) e T(v
2
) com os mesmos coeficientes a
1
e
a
2
.
T(a
1
v
1
+a
2
v
2
+...+ a
n
v
n
)=a
1
T(v
1
)+a
2
T(v
2
) +...+a
n
T(v
n
)
Se B={v
1
,v
2
,...,v
n
} uma base de V, para todo v de V, a
1
,a
2
,...,a
n
tal que
v=a
1
v
1
+a
2
v
2
+...+ a
n
v
n
e, por tanto, T(v)= a
1
T(v
1
)+a
2
T(v
2
) +...+a
n
T(v
n
), isto ,
dado v de V, o vetor T(v) estar determinado se forem conhecidas as imagens
dos vetores de B. Em outras palavras, sempre que forem dados
T(v
1
),T(v
2
),...,T(v
n
), onde v
1
,v
2
,...,v
n
a base do domnio de V, a transformao
linear T est perfeitamente definida.

Resolver em aula:
1) Seja T :R
3
R
2
uma transformao linear e B={v
1
=(0,1,0), v
2
=(1,0,1) e
v
3
=(1,1,0)} uma base do R
3
. Sabendo que T(v
1
)=(1,-2), T(v
2
)=(3,1) e
T(v
3
)=(0,2), determinar:
a) T(5,3,-2)


b) T(x,y,z)



2) Seja o operador linear no R
3
definido por: T(x,y,z)=(x+2y+2z, x+2y-z, -
x+y+4z)
a) Determinar o vetor u de R
3
tal que T(u)=(-1,8,-11)




b) Determinar o vetor v de R
3
tais que T(v)=v

48

4.3 NCLEO DE UMA TRANSFORMAO LINEAR
Chama-se ncleo de uma transformao linear T: V W ao conjunto de todos os
vetores v de V que so transformados em 0 W. Indica-se por N(T) ou Ker(T).
N(T)={v V|T(v)=0}

N(T) V
Todos os seus vetores tm uma nica imagem que
o vetor zero de W.
OBS.: pois uma vez que T(0)=0.

EXEMPLOS:
1) O ncleo da transformao linear

2) Seja a transformao linear

4.4 IMAGEM DE UMA TRANSFORMAO LINEAR
Chama-se de imagem de uma transformao linear T:V W ao conjunto de
vetores w W que so imagens de vetores v V. Indica-se esse conjunto por
Im(T) ou T(v).


pois T(0)=0 Im(T)
Se Im(T)=w, T diz-se sobrejetora: existe
pelo menos um tal que T(v)=w.

49

EXEMPLOS:
1) Seja

a projeo ortogonal do

sobre o plano
xoy. A imagem de T o prprio plano xoy.



2) A imagem da transformao identidade I: V V , definida por I(v)=v, ,
todo o espao V. O ncleo, nesse caso N(I)={0}.
3) A imagem da transformao nula, T: V W, T(v)=0 , o conjunto
Im(T)={0}. O ncleo nesse caso todo o espao V.

4.5 PROPRIEDADES DO NCLEO E DA IMAGEM
1. O ncleo de uma transformao linear T:V W um subespao vetorial de V.
De fato, sejam v
1
e v
2
N(T) e :
I) T(v
1
)=0 T(v
2
)=0
II) T(v
1
+v
2
)=T(v
1
)+T(v
2
)=0+0, v
1
+v
2
N(T)
III) T(v
1
)=T(v
1
)=.0=0, v
1
N(T)

2. A imagem de uma transformao linear T:V W um subespao vetorial de
W. De fato, sejam w
1
e w
2
Im(T) e :
I) 0 Im(T)
II) w
1
+w
2
Im(T)
III)
1
Im(T)
Como w
1
e w
2
Im(T), existem vetores v
1
e v
2
tais que T(v
1
)=w
1
e T(v
2
)=w
2

Fazendo v= v
1
+v
2
e u=v
1
T(v)= T(v
1
+v
2
)=T(v
1
)+T(v
2
)= w
1
+w
2
50

T(u)= T(v
1
)=T(v
1
)= w
1


3. Se V um espao vetorial de dimenso finita e T:V W uma transformao
linear, dimN(T)+dimIm(T)=dimV
a) No exemplo 1, o ncleo (eixo dos z) tem dimenso 1 e a imagem (plano xoy)
tem dimenso 2, enquanto que o domnio R
3
, tem dimenso 3.
b) No exemplo 2, da transformao identidade, tem-se dim(N(T))=0, logo,
dim(Im(T))=dimV.

Para resolver.
1. Dado o operador linear

a) Determinar o ncleo de T, a dimenso do ncleo e uma de suas bases.





b) Determinar a imagem de T, a dimenso da imagem e uma de suas bases.






c) Verificar as propriedades da dimenso.






51

COROLRIOS

Seja T:VW uma transformao linear.

1. Se dim V= dim W, ento T injetora se, e somente se, sobrejetora.
2. Se dim V = dim W e T injetora, ento T transforma base em base, isto
, se B={v
1
, ..., v
n
} base de V, ento T(B)={T(v
1
),...,T(v
n
)}

4.6 ISOMORFISMO

Chama-se isomorfismo do espao vetorial V no espao vetorial W a uma
transformao linear T: VW, que bijetora.

4.7 MATRIZ DE UMA TRANSFORMAO LINEAR

Sejam T: VW uma transformao linear, A uma base de V e B uma base de W.
Sem prejuzo da generalizao, consideremos o caso em que dim V=2 e dim
W=3.
Sejam A={v
1
,v
2
} e B={w
1
,w
2
,w
3
} bases de V e W, respectivamente.
Um vetor v eV pode ser expresso por:
V= x
1
v
1
+x
2
v
2
ou V
A
=(x
1
,x
2
)
E a imagem T(v) por:
T(v)= y
1
w
1
+y
2
w
2
+y
3
w
3
ou T(v)
B
=(y
1
,y
2
,y
3
)

Por outro lado:
T(v)=T(x
1
v
1
+x
2
v
2
)=x
1
T(v
1
)+x
2
T(v
2
)
52

Sendo T(v
1
) e T(v
2
) vetores de W, eles so combinao lineares dos vetores de
B:

T(v)=T(x
1
v
1
+x
2
v
2
)=x
1
(a
11
w
1
+a
21
w
2
+a
31
w
3
)+x
2
(a
12
w
1
+a
22
w
2
+a
32
w
3
)

Ou na forma matricial:

(

(
(
(

=
(
(
(

2
1
32 31
22 21
12 11
3
2
1
x
x
a a
a a
a a
y
y
y


Ou, simbolicamente:

| | | | | |
A
A
B B
v T v T = ) (

Sendo a matriz | |
A
B
T denominada matriz de T em relao s bases A e B.

Observaes:
a) A matriz

de ordem 3x2 quando dimV=2 e dimW=3

b) As colunas da matriz

so as componentes das imagens dos vetores da

base A em relao base.
c) A matriz

depende das bases A e B consideradas, isto , a cada dupla de

bases corresponde uma particular matriz. Assim, uma transformao linear
poder ter uma infinidade de matrizes para represent-la. No entanto, fixadas
as bases, a matriz nica.
53

d) No caso de A e B serem as bases cannicas, representa-se a matriz
simplesmente por [T], que chamada matriz cannica de T, e tem-se:
[T(v)]=[T].[v]
e) Calcular T(v) pela matriz [T] o mesmo que faz-lo pela frmula que define
T.

4.8 OPERAES COM TRANSFORMAES LINEARES
ADIO
Sejam T
1
:VW e T
2
:VW transformaes lineares. Chama-se soma das
transformaes lineares T
1
e T
2
transformao linear
T
1
+T
2
:VW; v (T
1
+T
2
)(v) = T
1
(v)+T
2
(v),
Se A e B so bases de V e W, tem-se:

MULTIPLICAO POR ESCALAR
Sejam T:VW uma transformao linear e . Chama-se produto de T pelo
escalar transformao linear

Se A e B so bases de V e W, tem-se:
| | | |
A
B
A
T T
B
o o =

COMPOSIO
Sejam T
1
:VW e T
2
:WU transformaes lineares. Chama-se aplicao
composta de T
1
com T
2
, e se representa por T
2
oT
1,
transformao linear
T
2
oT
1
:VU; v (T
2
oT
1
)(v) = T
2
(T
1
(v)),
54

Se A e B e C so bases de V, W e U, tem-se:

Problemas do livro.

4.9 TRANSFORMAES LINEARES PLANAS
Entende-se por transformaes lineares planas as transformaes de R
2
em R
2
.
Veremos algumas de especial importncia e suas interpretaes.

REFLEXES:
a) Reflexo em torno do eixo dos x
Essa transformao linear leva cada ponto (x,y) para sua imagem (x,-y),
simtrica em relao ao eixo dos x.
Grfico:
T: R
2
R
2
; (x,y)(x,-y)




b) Reflexo em torno do eixo dos y
Grfico:
T: R
2
R
2
; (x,y)(-x,y)



55

c) Reflexo na origem
Grfico:
T: R
2
R
2
; (x,y)(-x,-y)





d) Reflexo em torno da reta y=x
Grfico:
T: R
2
R
2
; (x,y)(y,x)





e) Reflexo em torno da reta y=-x
Grfico:
T: R
2
R
2
; (x,y)(-y,-x)





56

DILATAES E CONTRAES
a) Dilatao ou contrao na direo do vetor
T: R
2
R
2
; (x,y) (x,y),
Observao:
se | |>1, T dilata o vetor
se | |<1, T contrai o vetor
se , T a identidade I
se <0, T troca o sentido do vetor

b) Dilatao ou contrao na direo do eixo dos x
T: R
2
R
2
; (x,y) x,y),
se >1, T dilata o vetor
se <1, T contrai o vetor


c) Dilatao ou contrao na direo do eixo dos y
T: R
2
R
2
; (x,y) x,y),
Se fizssemos , teramos (x,y) x,0) e T seria a projeo ortogonal do
plano sobre o eixo dos x.





57

CISALHAMENTO
a) Cisalhamento na direo do eixo dos x
T: R
2
R
2
; (x,y) x+y,y)





O efeito do cisalhamento transformar o retngulo OAPB no paralelogramo
OAPB, de mesma base e mesma altura. No cisalhamento, cada ponto (x,y) se
desloca paralelamente ao eixo dos x at chegar em x+y,y), com exceo dos
pontos do prprio eixo dos x, que permanecem em sua posio, pois para eles
y=0. Com isso est explicado porque o retngulo e o paralelogramo da figura
tm mesma base AO.







b) Cisalhamento na direo do eixo dos y
T: R
2
R
2
; (x,y) x,y+)


58

ROTAO
A rotao do plano em torno da origem, que faz cada ponto descrever um
ngulo , determina uma transformao T: R
2
R
2
cuja matriz cannica :

Essa matriz chama-se matriz de rotao de um ngulo , , e a
matriz cannica da transformao linear T: R
2
R
2
,

(x,y)=( x-y,
x+y)

5. AUTOVALORES E AUTOVETORES

Dada uma transformao linear, T: V V estamos interessados em
saber que vetores (no nulos) so levados em um mltiplo de si mesmo; isto ,
procuramos um vetor v e V e um escalar real tais que

T(v) = .v

Neste caso T(v) ser um vetor de mesma direo que v.
O escalar ser chamado autovalor e o vetor v um autovetor. Vamos
formalizar este conceito.

Definio:
Seja T: V V uma transformao linear.
Se existirem veV, v= 0, e e 9 tais que Tv = .v, ento
um autovalor de T e v um autovetor de T associados a .
Observe que pode ser o nmero 0, embora v no possa ser o vetor nulo.
v
T(v)
59

Exemplos:
1) Seja T:
2 2
9 9 dado por T(x,y) = 2.(x,y).
Neste caso = 2 o autovalor de T
E qualquer vetor (x, y) = (0, 0) um autovetor de T associado a =2.
2) T:
2 2
9 9 onde T(x,y) = (x, -y)
Note que T(0, -y)=(0,-y)=-1(0, y)
Portanto,
1
=-1 o autovalor de T e todo vetor v
1
=(0,y) tal que y= 0 um
autovetor de T.
Observe tambm que T(x,0)=(x,0)=1(x,0)
Ento,
2
=1 o autovalor de T e todo vetor v
2
=(x,0) tal que x= 0 um
autovetor de T.

Exerccio: Quais so as matrizes A
1
e A
2
associadas s Transformaes
Lineares em relao base cannica, nos exemplos 1 e 2 ?
________________________________________________________
As noes de autovetor e autovalor de uma transformao linear (ou
matriz) so fundamentais, por exemplo, em Fsica Atmica porque os nveis de
energia dos tomos e molculas so dados por autovalores de determinadas
matrizes. Tambm o estudo dos fenmenos de vibrao, anlise de estabilidade
de um avio e muitos outros problemas de Fsica levam procura de
autovalores e autovetores de matrizes.





60

5.1 Autovalores e Autovetores de uma matriz

Lembre-se que toda transf. Linear T:
n n
9 9 est associada a uma matriz A(n
x n) em relao base cannica, isto , T(v) = A .v.

Logo, o autovalor e autovetor de A o autovalor e autovetor de T.
Portanto, o autovalor e o autovetor v, so solues das equaes da
seguinte equao
T(v) = .v, isto , A.v=.v, v= 0 (v vetor no nulo)

5.2 Polinmio Caracterstico
Mtodo prtico para encontrar autovalores e autovetores de uma matriz.

Exemplo:
Dado A=
(

2 1
4 3
, vamos procurar vetores v=(x,y) no nulo e escalares tais
que
Observe que, se I for a matriz identidade de ordem 2, ento a equao acima
pode ser escrita na forma


Ou ainda,




A.v =.v
A.v =( I)v
(A- I)v = 0
Matriz nula
61

Explicitamente temos:
(

=
(

|
|
.
|

\
|
(

0
0
y
x
0
0
2 1
4 3
ou
(

=
(

0
0
y
x
2 1
4 3

Se escrevermos explicitamente o sistema de equaes lineares equivalente a
esta equao matricial, iremos obter um sistema de 2 equaes e 2 incgnitas.
Se o determinante da matriz dos coeficientes for diferente de zero, saberemos
que este sistema tem uma nica soluo, que a soluo nula, ou seja, x=y=0.
Mas estamos interessados em calcular os autovetores de A, isto , vetores v= 0,
ou seja,
0
2 1
4 3
det =
(

Portanto, -(3+).(2- )+4=0 0 2
2
= + .
Denominamos de
2 ) ( p
2
+ =
de polinmio caracterstico de A.

Obs:
) I . A det( ) ( p =

Continuando a resoluo, temos
1 e 2
2 1
= =
, que so as razes do
polinmio caracterstico, e portanto os autovalores da matriz A so -2 e 1.

Atravs dos autovalores encontramos os autovetores.
(i) Substituindo
2
1
=
em
(

=
(

0
0
y
x
2 1
4 3
1
1
temos:
(

=
(

0
0
y
x
4 1
4 1

= +
= +
0 y 4 x
0 y 4 x
x=4y
62

O autovetor associado a
1

v
1
=(4y,y), y= 0, ou
v
1
=(x,x/4), x= 0
(ii) Substituindo
1
2
=
em
(

=
(

0
0
y
x
2 1
4 3
2
2
temos:
(

=
(

0
0
y
x
1 1
4 4

= +
= +
0 y x
0 y 4 x 4
x=y
O autovetor associado a
2

v
2
=(x,x), x= 0.

Teorema
Se a equao polinomial
0 c c ... c
n 1 n
1 n
1
n
= + + + +

, onde c
1
, ... , c
n
so
inteiros.
Todas as solues inteiras (se houver) desta equao so divisores do termo c
n
.

Exemplo: As possveis razes inteiras da equao
0 6 3 2
2 3
= +
so os
divisores de -6 que so,
6 , 3 , 2 , 1
.
Se
6 3 2
2 3
+ = ) ( p
, ento
2
0
=
uma das razes do polinmio
) ( p , pois p(2)=0.
Para as outras possibilidades, no encontramos razes.
Mas, dividindo p( ) por
0

, onde
0

uma raiz de p( ), temos,

) 3 ).( 2 ( ) ( p
2
+ =

Logo, as outras razes sero solues da equao
0 3
2
= +
.

3 =

63

Considerando razes no campo complexo, temos 3 i = .
Ento, as razes de p( ) so: 2, 3 i , 3 i .

6. Semelhana e Diagonalizao

As matrizes triangulares e matrizes diagonais so interessantes pois seus
autovalores so determinados diretamente. Portanto, seria agradvel se
pudssemos relacionar uma matriz a outra matriz triangular ou diagonal de
forma que ambas tivessem os mesmos autovalores.

6.1 Matrizes Semelhantes
Definio: Sejam A e B matrizes nxn. Dizemos que A semelhante a B se
existir uma matriz nxn invertvel P tal que P
-1
AP=B. Se A semelhante a B,
escrevemos A~B.
Obs: Se A~B, podemos escrever que A=PBP
-1
ou AP=PB.

Exemplo: As matrizes
(

=
1 0
2 1
A e
(

=
1 2
0 1
B so semelhantes.
Tome
(

=
1 1
1 1
P . Ento, AP=PB=
(

1 1
1 3
.
Teorema
Sejam A e B matrizes semelhantes. Ento:
a) det A = det B.
b) A invertvel B invertvel.
c) A e B tm o mesmo posto.
d) A e B tm o mesmo polinmio caracterstico.
64

Definio: O posto de uma matriz o nmero de linhas no nulas de qualquer
uma de suas formas escalonadas por linhas.

6.2 Diagonalizao
Temos a melhor situao possvel quando uma matriz quadrada semelhante a
uma matriz diagonal. Como veremos logo a seguir, a possibilidade de isso
ocorrer est relacionada estreitamente com os autovalores e autovetores da
matriz.

Definio: Uma matriz A (nxn) diagonalizvel se existe uma matriz
diagonal D tal que A~D, ou seja, se existe P (nxn) invertvel tal que
P
-1
AP=D.

Exemplo: A matriz
(

=
2 2
3 1
A diagonalizvel, pois, se
(

=
2 1
3 1
P e
(

=
1 0
0 4
D
, ento AP=PD=
(

2 4
3 4
.
Teorema
A matriz A(nxn) diagonalizvel A tiver n autovetores LI.
Em outras palavras:
Existem P invertvel e uma matriz diagonal D tal que P
-1
AP=D se, e somente se,
as colunas de P forem n autovetores de A, LI, e os elementos da diagonal de D
forem os autovalores correspondentes aos autovetores.
Exemplos: Se possvel, determine a matriz P que diagonaliza
a)
(
(
(

=
4 5 2
1 0 0
0 1 0
A b)
(
(
(

=
1 0 1
3 0 3
1 0 1
A

65

Solues:
a) det(A- I)=0 0 2 5 4
2 3
= + + ( ) ( ) 0 2 1
2
=
Os autovalores so 1
2 1
= = e 2
3
= .
Para 1
2 1
= = tem como autovetor os mltiplos de (1,1,1).
Para 2
3
= tem como autovetor os mltiplos de (1,2,4).
Como no possvel existir 3 autovetores LI, pelo teorema anterior, A no
diagonalizvel.

Obs: 1 = tem multiplicidade algbrica igual a 2 e 2 = tem multiplicidade
algbrica igual a 1. Cada autovalor gera somente um autovetor, portanto a
multiplicidade geomtrica 1, para qualquer autovalor.

b) det(A- I)=0 ( ) 0 2
2
= +
Para
0
2 1
= =
temos autovetores da forma (x,y,x), x,y = 0, que so gerados
pelos vetores v
1
=(0,1,0) e v
2
=(1,0,1).
Para 2
3
= tem como autovetor v
3
=(-1,3,1).
fcil verificar que estes 3 vetores so LI. Pelo teorema,
| |
(
(
(

= =
1 1 0
3 0 1
1 1 0
3 2 1
v v v P
invertvel. Alm disso, P
-1
AP=D=
(
(
(

2 0 0
0 0 0
0 0 0
, ou que,
AP=PD.
Obs: Se | |
2 1 3
v v v P = ento P
-1
AP=D=
(
(
(

2
1
3
0 0
0 0
0 0

66

Obs: 0
1
= tem multiplicidade algbrica igual a 2 e 2
3
= tem
multiplicidade algbrica igual a 1.
0
1
= geral dois autovetores e 2
3
= gera um autovetor, portanto
1
tem
multiplicidade geomtrica igual a 2 e 3 tem multiplicidade geomtrica
igual a 1.

Teorema
Se A (nxn) tm n autovalores distintos entre si, ento A diagonalizvel.

Teorema da Diagonalizao
Seja A(nxn) com n autovalores distintos (no necessariamente distintos entre
si). So equivalentes os enunciados:
i) A diagonalizvel.
ii) A unio de todos os autovetores gerados pelos autovalores contm n vetores
LI.
iii) A multiplicidade algbrica de cada autovalor igual sua multiplicidade
geomtrica.

Exemplos
a) 1
2 1
= = tem multiplicidade algbrica igual a 2 mas multiplicidade
geomtrica igual a 1, logo
(
(
(

=
4 5 2
1 0 0
0 1 0
A no diagonalizvel, de acordo com
com o Teorema da Diagonalizao.

67

b) A matriz
(
(
(

=
1 0 1
3 0 3
1 0 1
A tem dois autovalores distintos 0
2 1
= = e 2
3
= .
O autovalor
0 =
tem multiplicidades algbrica e geomtrica iguais a 2, e para
o autovalor
2 =
as multiplicidades so iguais a 1. Portanto, de acordo com
o Teorema da Diagonalizao, A diagonalizvel.

Exerccios resolvidos:
1) Determine se A diagonalizvel e, quando for, encontre uma matriz
invertvel P e uma matriz diagonal D tais que
P
-1
AP=D, ou, AP=PD.

a)
(

=
5 2
2 5
A b)
(

=
1 1
4 3
A
c)
(
(
(

=
3 0 0
1 3 0
0 1 3
A d)
(
(
(

=
0 1 1
1 1 0
1 0 1
A e)
(
(
(

=
1 0 3
1 2 2
0 0 1
A
f)
(
(
(

=
0 1 1
1 0 1
1 2 1
A g)
(
(
(
(

=
1 0 0 0
0 3 0 0
1 2 3 0
2 0 0 2
A h)
(
(
(
(

=
2 0 0 0
0 2 0 0
0 0 2 0
4 0 0 2
A
Gabarito:
a)
(

=
1 1
1 1
P ,
(

=
7 0
0 3
D

b) 1
2 1
= = . Com apenas o autovetor (2,1) no possvel determinar P.
Logo, A no diagonalizvel.

68

c) Para
3 =
temos apenas o autovetor (1,0,0). Como no possvel
determinar P com 1 vetor ento A no diagonalizvel.

d)
(
(
(

=
0 2 1
1 1 1
1 1 1
P ,
(
(
(

=
1 0 0
0 1 0
0 0 2
D

e) O polinmio caracterstico de A ( ) ( ) 2 1
2
=0. Autovalores: 1 e 2.
Para
1 =
, a multiplicidade algbrica vale 2 e tem como autovetor
(0,1,-1), portanto a multiplicidade geomtrica vale 1. Logo, A no
diagonalizvel.

f) O polinmio caracterstico de A ( ) 0 1
2
= .
Para
0 =
, a multiplicidade algbrica vale 2 e tem como autovetor
(1,-1,1), portanto a multiplicidade geomtrica vale 1. Logo, A no
diagonalizvel.
g) O polinmio caracterstico de A ( )( ) ( ) 0 1 3 2
2
= .
Para
3 =
, a multiplicidade algbrica vale 2 e tem como autovetor
(0,1,0,0), portanto a multiplicidade geomtrica vale 1. Logo, A no
diagonalizvel.

h)
(
(
(
(

=
1 0 0 0
0 1 0 0
0 0 1 0
1 0 0 1
P ,
(
(
(
(

=
2 0 0 0
0 2 0 0
0 0 2 0
0 0 0 2
D
Fonte: lgebra Linear, Editora Thomson - David Poole
69

Exerccios:
1) Ache a matriz associada transformao linear T:
n n
9 9 em relao
base cannica
de
n
9 .

(a) Em
2
9 , T(x,y) = (3x, x+y)
(b) Em
2
9 , T(x,y) = (x-y, 2y)
(c) Em
2
9 , T(x,y) = (x, 2x + 3y)
(d) Em
3
9 , T(x,y,z) = (2x, 3y, z)
(e) Em
3
9 , T(x,y,z) = (4x+y, -5z, y)
(f) Em
3
9 , T(x,y,z) = (0, x+y, y+z)

2) Ache os autovalores e autovetores correspondente das transf. lineares dadas:
(a) T(x, y)= (2y, x) R: 2
1
= v
1
= ( 2 y, y), y= 0
2
2
= v
2
= (- 2 y, y), y= 0
(b) T(x, y) = (x + y, 2x + y) R: 2 1
1
+ = v
1
= (x, 2 x), x= 0
2 1
2
= v
2
= (x, - 2 x), x= 0
3) Ache os autovalores e autovetores correspondentes das matrizes:
(a) A =
(

1 0
2 1
R: 1
1
= v
1
= (x, 0), x= 0
1
2
= v
2
= (-y, y), y= 0
(b) A =
(

1 1
1 1
R: 0
1
= v
1
= (x, -x), x= 0
2
2
= v
2
= (x, x), x= 0
70

4) Encontre as equaes caractersticas e os autovalores.
(a) A =
(

1 2
4 1
R: =
1
1 2 2 i
(b) A =
(

1 2
4 2
R:
2
i 31 3
=
(c) A =
(

2 3
2 1
R:
2
i 23 3
=
(d) A =
(

2 4
4 3
R:
2
i 73 5
=

5) Encontre as equaes caractersticas, os autovalores e os autovetores das
matrizes:
(a) A =
(

1 8
0 3
R: 3
1
= v
1
= (x, 2x), x= 0
1
2
= v
2
= (0, y), y= 0
(b) A =
(

2 4
9 10
R: = 4 v = (3x, 2x), x= 0
(c) A =
(

0 4
3 0
R: 3 2
1
= v
1
= (3x, 2 3 x), x= 0
3 2
1
= v
1
= (-3x, 2 3 x), x= 0
(d) A =
(

1 0
0 1
R: = 1, autovetor qualquer v = (x,y) tal que x, y = 0

6) Dado a matriz A, determine:
6.1) a transformao linear T:
3 3
9 9 em relao base cannica de
3
9 .
6.2) os autovalores e os autovetores da matriz A
71

a) A =
(
(
(

4 2 0
1 1 0
0 1 2
b) A =
(
(
(

1 0 0
5 3 0
4 0 3

R: =
1
2, v
1
= (x, 0, 0), x= 0 R: =
1
3, v
1
= (x, y, 0), x, y= 0
=
2
3, v
2
= (x, x, -2x), x= 0 =
2
-1, v
2
= (z, -
4
5
z, z), z = 0
c) A =
(
(
(

1 0 0
5 3 0
4 3 3
d) A =
(
(
(

1 0 0
2 1 0
3 2 1

R: =
1
3, v
1
= (x, 0, 0), x= 0 R: = 1, v
1
= (x, 0, 0), x= 0
=
2
-1, v
2
= (
16
z
, -
4
5
z, z), z = 0
e) A =
(
(
(

2 1 1
1 0 1
2 0 1
f) A =
(
(
(

1 1 2
2 1 1
0 1 1

R: =
1
1, v
1
= (x, -x, 0), x= 0 R: =
1
-1, v
1
= (x, -2x,
2
x
), x= 0
=
2
-1, v
2
= (x, 2x, -x), x= 0 =
2
-2, v
2
= (x, -3x, x),
x= 0
=
3
3, v
3
= (x, 0, x), x= 0 =
3
2, v
1
= (x, x, x), x= 0
g) A =
(
(
(

1 1 2
1 2 1
2 1 1

R: =
1
1 v
1
= (x, 0, x), x= 0 =
2
-1, v
2
= (x, 0, x), x= 0
=
3
4 v
3
= (x, x, x), x= 0

7) Dado a base no espao vetorial V, determine a transformao linear
T:
m n
9 9 tal que:
72

a) n=2, m=3, T(1,2) = (1,3,-3), T(2,1) = (2,3,0)
b) n=2, m=3, T(1,0) = (1,-1,2), T(0, 2) = (4, 0, 6)
c) n=3, m=2, T(1,0,0) = (1, 2), T(1,1,1) = (2, 1), T(2,3,0) = (5,4)
d) n=3, m=3, T(0,1,0) = (-1, 0, 1), T(1, 0, 3) = (2, 3,9), T(1,1,0) =
(1,0,1)
e) n=2, m=2, T(1, 2) = (9, 0), T(2, 0) = (2, 4)
f) n=3, m=3, T(1,0,0) = (1,0,1), T(0, 2, 1) = (2, 3, 2), T(0, 0, 1) = (0,
1, 2)

7. POLINMIO MINIMAL

Vimos, que os operadores eram ou no diagonalizveis, exibindo uma base de
autovetores, ou mostrando a inexistncia desta base. Em casos de espaos
vetoriais de baixa dimenso este o procedimento conveniente. Entretanto,
podemos estar interessados, principalmente, em casos de espaos vetoriais de
dimenso alta, onde os clculos so longos. J sabemos que se dim V=n e o
operador linear T tem n autovetores distintos, ento ele diagonalizvel. No
caso geral, a resposta est ligada ao aspecto de um polinmio que chamaremos
de polinmio minimal do operador T. Para isso, vamos introduzir a definio de
polinmios calculados em matrizes.
Definio: Seja

um polinmio e A uma matriz

quadrada. Ento p(A) a matriz

.
Quando p(A)=0, dizemos que o polinmio anula a matriz A.
Exemplo: Sejam os polinmios

Se


ento

E q








Ento p(x) anula A e q(x) no anula A.
73

Definio: Seja A uma matriz quadrada. O polinmio minimal de A um
polinmio

tal que
i) m(A)=0, isto , m(x) anula a matriz A
ii) m(x) o polinmio de menor grau entre aqueles que anulam A
OBS. O coeficiente do termo

do polinmio minimal 1.
Teorema: Sejam um operador linear e uma base qualquer de V de
dimenso n. Ento T diagonalizvel se, e somente se o polinmio minimal de

da forma

O problema que consiste em determinar de T diagonalizvel reduz-se ento ao
de saber achar o polinmio minimal de T.
Teorema de Cayley-Hamilton: Seja um operador linear, uma base de
V e p(x) o polinmio caracterstico de T. Ento:

Isto significa que o polinmio caracterstico um candidato ao polinmio
minimal porque ele satisfaz a condio i) da definio acima.
Teorema: As razes do polinmio minimal so as mesmas razes (distintas) do
polinmio caracterstico.
Estes dois ltimos teoremas juntos nos dizem como achar o polinmio minimal
de um operador linear . O polinmio minimal deve ser de grau menor ou
no mximo igual ao do polinmio caracterstico e ainda deve ter as mesmas
razes.
Exemplo:
Seja um operador linear e uma base de V. Suponhamos que o
polinmio caracterstico de T seja

. Ento o seu
polinmio minimal ser um dos polinmios:

74

Como o polinmio minimal o de menor grau que anula

, verificamos
primeiramente se

. Em caso afirmativo,

ser o polinmio
minimal. Se

, testamos

e assim sucessivamente. Na pior das

hipteses o polinmio minimal ser o prprio polinmio caracterstico.
Se voltarmos ao primeiro teorema veremos que o operador linear T s ser
diagonalizvel se

for o polinmio minimal. Ento, vamos reestruturar o

primeiro teorema:
Teorema: Sejam

os autovalores distintos de um operador linear T.

Ento T ser diagonalizvel se, e somente se o polinmio

anular T.
Exemplo: O operador linear

definido por T(x,y,z,t)=(3x-4z,3y+5z,-z,-

t) diagonalizvel?
Exemplo: Determine o polinmio mnimo da matriz



. Verifique se a
matriz diagonalizvel.
Exemplo: Determine os polinmios mnimos das matrizes



e

. Verifique se so diagonalizveis.
Teorema 1:
O polinmio mnimo m(t) de A divide todo polinmio que tem A como zero. Em
particular, m(t) divide o polinmio caracterstico ) (t A de A.
Teorema 2:
Os polinmios caractersticos e mnimo de uma matriz A tm os mesmos fatores
irredutveis.
75

Este teorema, no nos diz que ) ( ) ( t t m A = , e sim que qualquer fator irredutvel
de um deve dividir o outro. Em particular, como um fator linear irredutvel,
m(t) e A(t) tm os mesmos fatores lineares; logo eles tm as mesmas razes.
Temos assim:

Teorema 3:
Um escalar um autovalor de uma matriz A se e somente se uma raiz do
polinmio mnimo de A.

Exemplo 1:
Ache o polinmio mnimo m(t) de
(
(
(

=
4 2 1
15 7 3
5 2 2
A .

7.1 Operadores Nilpotentes

Um operador linear V V T : chamado nilpotente se 0 =
n
T para algum inteiro
positivo n; k o ndice de nilpotncia de T se 0 =
k
T , mas 0
1
=
k
T .
Analogamente, uma matriz quadrada A chamada nilpotente se 0 =
n
A para
algum inteiro positivo n, e de ndice k se 0 =
k
A , mas 0
1
=
k
A . Obviamente o
polinmio mnimo de um operador (matriz) nilpotente de ndice k
k
t t m = ) ( ;
logo 0 seu nico autovalor.

Teorema 4:
Seja V V T : um operador nilpotente de ndice k. Ento T admite uma
representao matricial em bloco cujos elementos diagonais tm a forma
76


(
(
(
(
(
(

=
0 0 0 0 0
1 0 0 0 0
0 0 1 0 0
0 0 0 1 0

N

(isto , todos os elementos de N so 0s, exceto os que esto, diretamente
acima da diagonal principal, e que so 1s). H ao menos uma N de ordem k, e
todas as outras N so de ordem k s . O nmero de Ns de cada ordem possvel
determinado de modo nico por T. Alm disso, o nmero total de Ns de todas as
ordens igual nulidade de T.

Observemos que a matriz N acima ela prpria nilpotente, e que seu ndice de
nilpotncia igual sua ordem. Note-se que a matriz N de ordem 1 no mais
do que a matriz zero 1x1(0).

7.2 Forma Cannica de Jordan

Um operador T pode ser posto em forma cannica de Jordan se seus polinmios
caracterstico e mnimo puderem fatorar-se em polinmios lineares. Isto
sempre verdadeiro se K o corpo complexo C. Em qualquer caso, podemos
sempre prolongar o corpo base K para um corpo em que os polinmios mnimo
e caracterstico se decompem, de fato, em fatores lineares; assim, em um
sentido amplo, todo operador tem uma forma cannica de Jordan.
Analogamente, toda matriz semelhante a uma matriz em forma cannica de
Jordan.



77

Teorema 5:
Seja V V T : um operador linear cujos polinmios caracterstico e mnimo so,
respectivamente.
( ) ( )
r
n
r
n
t t t = A
1
1
) ( e ( ) ( )
r
m
r
m
t t t m =
1
1
) (
onde os
i
so escalares distintos. Ento T admite uma representao matricial
em bloco J cujos elementos diagonais tm a forma

(
(
(
(
(
(

=
i
i
i
i
ij
J

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

Para cada
i
os blocos correspondentes
ij
J tm as seguintes propriedades:
(i) H ao menos um
ij
J de ordem
i
m ; todos os outros
ij
J so de ordem
i
m s .
(ii) A soma das ordens dos
ij
J
i
n .
(iii) O nmero de
ij
J igual multiplicidade geomtrica de
i
.
(iv) O nmero de
ij
J de cada ordem possvel univocamente determinado por
T.

A matriz J que aparece no teorema acima chamada forma cannica de Jordan
do operador T. Um bloco diagonal
ij
J chamado bloco de Jordan pertencente ao
autovalor
i
. Observe que

(
(
(
(
(
(

+
(
(
(
(
(
(

=
(
(
(
(
(
(

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

i
i
i
i
i
i
i
i

78


Isto N I J
i ij
+ = , onde N o bloco nilpotente que aparece no Teorema 4

Exemplo 2:
Suponhamos que os polinmios caracterstico e mnimo de um operador T
sejam, respectivamente, ( ) ( )
3 4
3 2 ) ( = A t t t e ( ) ( )
2 2
3 2 ) ( = t t t m . Ento a forma
cannica de Jordan de T uma das matrizes seguintes:

(
(
(
(
(
(
(
(
(

3
3 0
1 3
2 0
1 2
2 0
1 2
ou
(
(
(
(
(
(
(
(
(

3
3 0
1 3
2
2
2 0
1 2


A primeira matriz ocorre se T tem dois autovetores independentes pertencentes
ao seu autovalor 2; e a segunda matriz ocorre se T tem trs autovetores
independentes pertencentes a 2.

Exemplo 3:
Determine todas as formas cannicas possveis para um operador linear V V T :
cujo polinmio caracterstico ( ) ( )
2 3
5 2 ) ( = V t t t .

Exemplo 4:
Determine todas as formas cannicas de Jordan J possveis para uma matriz de
ordem 5 cujo polinmio mnimo ( )
2
2 ) ( = t t m .

79

Exerccios:

1) Determine o polinmio mnimo m(t) da matriz
(
(
(

=
3 2 3
4 3 6
1 1 2
A .
2) Determine o polinmio mnimo m(t) da matriz (onde 0 = o ):
(
(
(

o
o
=
0 0
0
0
B .
3) Ache o polinmio mnimo m(t) da matriz
(
(
(
(
(
(

=
4 0 0 0 0
1 4 0 0 0
0 0 4 0 0
0 0 1 4 0
0 0 0 1 4
M .
4) Determine uma matriz A cujo polinmio mnimo seja
(a) 7 5 8 ) (
2 3
+ + = t t t t f (b) 6 5 4 3 ) (
2 3 4
+ + = t t t t t f


5) Determine todas as formas cannicas de Jordan possveis para as matrizes
cujos polinmios caractersticos ) (t V e mnimo ) (t m so:
(a) ( ) ( )
2 4
3 2 ) ( = V t t t , ( ) ( )
2 2
3 2 ) ( = t t t m
(b) ( )
5
7 ) ( = V t t , ( )
2
7 ) ( = t t m
(c) ( )
7
2 ) ( = V t t , ( )
3
2 ) ( = t t m
(d) ( ) ( )
4 4
5 3 ) ( = V t t t , ( ) ( )
2 2
5 3 ) ( = t t t m





80

Respostas:

1) ( )( ) 2 3 1 2 ) (
2
+ = = t t t t t m
2) ( )
3
) ( ) ( = V = t t t m
3) ( )
3
4 ) ( = t t m
4) (a)
(
(
(

=
8 1 0
5 0 1
7 0 0
A (b)
(
(
(
(

=
3 1 0 0
4 0 1 0
5 0 0 1
6 0 0 0
A
5) (a)
(
(
(
(
(
(
(
(

3
1 3
2
1 2
2
1 2

(
(
(
(
(
(
(
(

3
1 3
2
2
2
1 2


(b)
(
(
(
(
(
(

7
7
1 7
7
1 7

(
(
(
(
(
(

7
7
7
7
1 7


(c)
(
(
(
(
(
(
(
(
(

2
2
1 2
1 2
2
1 2
1 2

(
(
(
(
(
(
(
(
(

2
1 2
2
1 2
2
1 2
1 2

(
(
(
(
(
(
(
(
(

2
2
2
1 2
2
1 2
1 2

(
(
(
(
(
(
(
(
(

2
2
2
2
2
1 2
1 2


(d)
(
(
(
(
(
(
(
(
(
(
(

5
1 5
5
1 5
3
1 3
3
1 3

(
(
(
(
(
(
(
(
(
(
(

5
5
5
1 5
3
1 3
3
1 3

(
(
(
(
(
(
(
(
(
(
(

5
1 5
5
1 5
3
3
3
1 3

(
(
(
(
(
(
(
(
(
(
(

5
5
5
1 5
3
3
3
1 3