Livro Algevra para Licenciatura Fábio Freitas

Coleo Licenciatura em Matemtica
lgebra Linear I
Dedicatria

minha esposa Fernanda, meus pais, Jos Raimundo e Joana,
meus irmos, Ricardo e Brbara, e sobrinhos (muitos), e aos meus
filhos, Fbio Hugo e Fabiana, em especial, pois o estudo o ali-
cerce da vida.
(F.F.F.)

minha querida esposa Tatiana Abreu, meus familiares e amigos.
(B.F.M.)

A Jaqueline, Ana Clara e Caroline em retribuio ao amor, cari-
nho, dedicao e pacincia que vocs tem me dispensado. Vocs
fazem a diferena.
(H.N.P.)
Coleo Licenciatura em Matemtica
lgebra Linear I
Fbio Freitas Ferreira
Licenciado em Matemtica pela FFP/UERJ, Mestre e Doutor em
Matemtica Aplicada e Modelagem Computacional pelo
IPRJ/UERJ. Foi professor substituto da FFP/UERJ e do
GEM/UFF. Atualmente Coordenador e Professor do curso de
Licenciatura em Matemtica da FACNEC-ITA.
Bruno da Fonseca Monteiro
Licenciado em Matemtica pela FFP/UERJ, Mestre em Engenha-
ria Civil pela COPPE/UFRJ. Foi professor de cursos pr-
vestibulares e colgios da rede privada. Atualmente professor da
rede estadual de ensino do Rio de Janeiro e do curso de Licencia-
tura em Matemtica da FACNEC-ITA.
Herivelto Nunes Paiva
bacharel em estatstica pela FACEN/UNIVERSO, Licenciado
em Matemtica pela UNIVERSO, Ps-graduado em Matemtica e
Estatstica pela UFLA, e Mestre em Ensino de Cincias da Sade
e do Ambiente pela UNIPLI. Mais de 22 anos como Professor
das redes pblicas e privadas de ensino. Atualmente, leciona na
FACNEC nos cursos de Administrao, Matemtica e Pedagogia.
Sumrio

1 Matrizes.......................................................................................... 1
1.1 Igualdade entre matrizes...................................................... 4
1.2 Tipos especiais de matrizes ................................................. 5
1.3 Operaes com matrizes ..................................................... 8
1.4 Adio de matrizes ............................................................... 9
1.5 Propriedades da adio de matrizes.................................10
1.6 Exerccios.............................................................................11
1.7 Multiplicao de uma matriz por um escalar..................13
1.8 Propriedades........................................................................14
1.9 Transposta de uma matriz.................................................16
1.10 Propriedades que envolvem matrizes transpostas.........16
1.11 Multiplicao de matrizes..................................................17
1.12 Propriedades da multiplicao de matrizes.....................22
1.13 Matriz Inversa .....................................................................25
1.14 Propriedades da Matriz Inversa........................................26
1.15 Questes de vestibular.......................................................27
2 Sistemas Lineares........................................................................56
2.1 Introduo ...........................................................................56
2.2 Equaes lineares................................................................57
2.3 Soluo das equaes lineares...........................................57
2.4 Sistemas de equaes lineares...........................................58
2.5 Soluo do sistema linear ..................................................61
2.6 Sistemas Lineares Homogneos.......................................66
2.7 Matriz escalonada ...............................................................67
2.8 Soluo do sistema por retro-substituio......................71
2.9 Soluo do sistema pelo mtodo de Gauss Jordan....75
2.10 Soluo do sistema pelo mtodo da Matriz Inversa .....79
2.11 Clculo da Matriz Inversa..................................................80
2.12 Exerccios.............................................................................83
2.14 Resposta dos exerccios propostos ..................................98
3 Espao Vetorial ........................................................................100
3.1 Combinao linear............................................................102
3.2 Subespao vetorial ............................................................103
3.3 Exerccios...........................................................................105
3.4 Dependncia e independncia linear .............................107
3.5 Base de um espao vetorial .............................................109
3.6 Dimenso...........................................................................111
3.7 Exerccios...........................................................................112
3.8 Os quatro subespaos fundamentais .............................112
3.9 Exerccios...........................................................................118
4 Transformaes Lineares ........................................................127
4.1 Transformaes do plano no plano...............................131
4.2 Exerccios...........................................................................137
4.3 Questes de vestibular.....................................................141

Prefcio
Desde os tempos de graduao e agora lecionando para cur-
sos de licenciatura em matemtica sentimos a carncia de livros
voltados exclusivamente para este fim. Em sua maioria so livros
de contedo extremamente tericos, pouco explicativos e de dif-
cil leitura, ou livros voltados para os cursos de engenharia, no
sendo assim adequados formao de novos professores para os
ensinos fundamentais e mdios.
Partindo deste prisma surgiu o desejo de escrever uma cole-
o para satisfazer as necessidades deste seguimento. Este, ento,
vem a ser o primeiro livro deste projeto.
lgebra Linear I traz um texto claro e auto-explicativo que vai
de encontro s necessidades tanto do professor quanto do aluno.
Tornando-se um livro til para a vida acadmica e para as ativida-
des profissionais.
Este primeiro livro se desenvolve em 4 captulos: Matrizes,
Sistemas Lineares, Espao Vetorial, Transformaes Lineares,
todos com exemplos resolvidos passo a passo alm de exerccios
propostos.
Fica aqui o desejo de suprir este vcuo.
Os autores.
1 Matrizes

A quantidade de informaes que so geradas nos dias de ho-
je enorme. Apesar do enorme esforo em como ger-las ou
obt-las, outra grande questo est em como trat-las. No basta
gerar ou obter dados de forma aleatria. necessrio organiz-los,
orden-los, e dar significados a eles. A maior parte destes dados
(informaes) est organizada em forma de tabelas, ou pode ser
organizada desta forma. Temos como exemplos pesquisas quanti-
tativas (pesquisas eleitorais, por exemplo), ou resultados de pes-
quisas cientficas (distribuio de temperatura em superfcies, por
exemplo), entre outros. Isto nos motiva a entender melhor estas
tabelas. Assim, introduzimos a idia de matriz.
Um exemplo simples dado a seguir: podemos organizar as
informaes pertinentes aos vrtices de um icosaedro regular, de
raio unitrio, cujos dois vrtices opostos esto fixados nos pontos
( ) 0, 0, 1 e ( ) 0, 0, 1 , veja a Figura 1.1, em forma de uma tabela,
veja a Tabela 1.
2 lgebra Linear 1

Figura 1.1: Icosaedro regular
Tabela 1: Vrtices do icosaedro regular de raio unitrio.
x y z
V01 0 0 1
V02 0,89 0 0,45
V03 0,28 0,85 0,45
V04 -0,72 0,53 0,45
V05 -0,72 -0,53 0,45
V06 0,28 -0,85 0,45
V07 0,72 0,53 -0,45
V08 -0,28 0,85 -0,45
V09 -0,89 0 -0,45
lgebra Linear 1 3
V10 -0,28 -0,85 -0,45
V11 0,72 -0,53 -0,45
V12 0 0 -1

Fazendo uma anlise mais detalhada desta tabela, temos as
coordenadas x dispostas na coluna um, as coordenadas y dis-
postas na coluna dois, e as coordenadas z dispostas na coluna
trs. Os vrtices referem-se s linhas da tabela. Assim, se quiser-
mos saber qual a coordenada y do vrtice onze do icosaedro, basta
eu ir at a linha onze, e at a coluna dois. Desta forma, numa no-
tao mais formal, que veremos mais adiante, a matriz A repre-
senta as coordenadas do icosaedro descrito.
0 0 1
0
0 1
A

=

0,89 0,45
0,28 0,85 0,45
-0,72 0,53 0,45
-0,72 -0,53 0,45
0,28 -0,85 0,45
0,72 0,53 -0,45
-0,28 0,85 -0,45
-0,89 0 -0,45
-0,28 -0,85 -0,45
0,72 -0,53 -0,45
0

4 lgebra Linear 1

Motivados pelo exemplo dado anteriormente, a matriz que
contm os vrtices do icosaedro, observamos que cada elemento
da matriz A pode ser representado por
ij
a , onde 1, ,12 i = e
1, , 3 j = . De forma genrica, usando a notao matemtica,
representamos uma matriz de m linhas por n colunas por
11 1
1
n
m mn
a a
A
a a

=

. .

onde a letra maiscula A representa a matriz, m quantidade de
linhas da matriz, n quantidade de colunas da matriz, m n a
ordem da matriz, e
ij
a , 1, , i m = , 1, , j n = , representa cada
elemento da matriz.
Podemos representar as matrizes, tambm, atravs de parn-
teses e barras, como nos exemplos a seguir.
11 1
1
n
m mn
a a
A
a a
| |
|
=
|
|
\
. .
, ou
11 1
1
n
m mn
a a
A
a a
=
. .
.
1.1 Igualdade entre matrizes
Duas matrizes
m n
A
e
m n
B
so ditas iguais se elas tm o

mesmo nmero de linhas e o mesmo nmero de colunas, e todos
os seus elementos correspondentes (elementos que esto posicio-
lgebra Linear 1 5
nados na mesma linha e na mesma coluna de ambas as matrizes)
so iguais. A seguir vemos um exemplo.
2
2
3 1 log1
2 2 5 2 4 5

0
9 sen 90 0
=

1.2 Tipos especiais de matrizes
Vrios problemas de engenharia podem ser representados
por equaes matriciais. Nestes casos, geralmente, as matrizes
associadas aos problemas aparecem de uma forma especial, facili-
tando assim a interpretao do comportamento destes problemas.
Assim, veremos a seguir alguns tipos especiais de matrizes.
Matriz nula toda matriz onde o elemento 0
ij
a = para todo
1, , i m = , 1, , j n = .
0 0
0 0
A

=

. .
.
Matriz quadrada toda matriz onde m n = . Neste caso, di-
zemos que a matriz tem ordem n , isto , 1, , i n = e 1, , j n = .
11 1
1
n
n nn
a a
A
a a

=

. .
.
6 lgebra Linear 1

Matriz diagonal toda matriz quadrada de ordem n onde
0
ij
a = sempre que i j .
11
0 0
0
0
0 0
nn
a
A
a

=

.
Matriz identidade toda matriz diagonal de ordem n onde
1
ij
a = sempre que i j = . Usamos a letra I para denotar a matriz
identidade.
1 0
0 1
I

=

. .
.
Matriz triangular superior toda matriz quadrada de or-
dem n onde 0
ij
a = sempre que i j > .
11 12 1
22 2
0
0 0
n
n
nn
a a a
a a
A
a

=

.
. .
.
Matriz triangular inferior toda matriz quadrada de ordem
n onde 0
ij
a = sempre i j < .
lgebra Linear 1 7
11
21 22
1 2
0 0
0
n n nn
a
a a
A
a a a

=

. . .
.
Matriz coluna toda matriz onde 1 n = . Assim, um vetor ou
uma n -upla tambm uma matriz coluna.
11
1
1
ij
m
n
a
A a
a

= =

. .
Matriz linha toda matriz onde 1 m = .
[ ]
11 1
1
ij n
n
A a a a
= =

.
Matriz simtrica toda matriz quadrada de ordem n onde
ij ji
a a = .
11 12 1
12 22 2
1 2
n
n
n n nn
a a a
a a a
A
a a a

=

. . .
.
Matriz antissimtrica toda matriz quadrada de ordem n
onde
ij ji
a a = .

12 1
12 2
1 2
0
0
0
n
n
n n
a a
a a
A
a a

. . .
.
8 lgebra Linear 1

Podemos observar, pelo fato de termos
ij ji
a a = , que a dia-
gonal principal tem que ser nula, e os elementos simtricos com
relao diagonal principal so opostos.
1.3 Operaes com matrizes
Voltamos ao exemplo dado anteriormente: a matriz que ar-
mazena informaes sobre os vrtices do icosaedro regular. Se
quisermos transladar este icosaedro sobre o eixo x trs unidades
para a direita, basta somarmos trs unidades na coordenada x ,
isto ,
0 0 1 3 0 0
0 3 0 0
3 0 0
3 0 0
3 0 0
3 0 0
3 0 0
3 0 0
3 0
0 1
0,89 0,45
0,28 0,85 0,45
-0,72 0,53 0,45
-0,72 -0,53 0,45
0,28 -0,85 0,45
0,72 0,53 -0,45
-0,28 0,85 -0,45
-0,89 0 -0,45
-0,28 -0,85 -0,45
0,72 -0,53 -0,45
0

+

3 0 1
0
0
3 0 0
3 0 0
3 0 0 0 1
3,89 0,45
3,28 0,85 0,45
-3,72 0,53 0,45
-3,72 -0,53 0,45
3,28 -0,85 0,45
3,72 0,53 -0,45
-3,28 0,85 -0,45
-3,89 0 -0,45
-3,28 -0,85 -0,45
3,72 -0,53 -0,45
3

=

.
Podemos observar na Figura 1.2 os dois icosaedros: o original
e o transladado em trs unidades no eixo x .
lgebra Linear 1 9
Neste exemplo dado, vimos como importante a soma de
matrizes. Existem outras operaes que envolvem matrizes, e as
veremos, numa notao formal, a partir deste momento.

Figura 1.2: Icosaedro transladado
1.4 Adio de matrizes
Sejam
m n ij
m n
A a
=

e
m n ij
m n
B b
=

, ento a adio de ma-
trizes
ij ij
m n
A B a b
+ = +

. Notamos que para somarmos matri-
zes necessrio que as mesmas tenham o mesmo nmero de li-
nhas e de colunas, o que j foi introduzido na notao de forma
implcita. Veja um exemplo a seguir.
10 lgebra Linear 1

2 0 4 2 5 1
1 2 5 7 0 3
2 2 0 5 4 1 4 5 3
1 7 2 0 5 3 8 2 8

+ =

+ +

= =

+ + +

1.5 Propriedades da adio de matrizes
Veremos nesta seo, com exemplos, as propriedades que
envolvem a adio de matrizes. Sejam ento A , B e C matrizes
de mesma ordem m n .
Comutativa: A B B A + = + .
Com efeito, pois
ij ij ij ij
m n m n
A B a b b a B A

+ = + = + = +

.
2 0 4 2 5 1 4 5 3
1 2 5 7 0 3 8 2 8

+ =

.
2 5 1 2 0 4 4 5 3
7 0 3 1 2 5 8 2 8

+ =

.
Associativa:
( ) ( )
A B C A B C + + = + + .
Com efeito, pois
( ) ( )
ij ij ij
A B C a b c

+ + = + +

=
( )
ij ij ij
a b c

+ +

=
( )
A B C + + .
1 2 2 0 4 3 1 2 6 3 7 5
2 2 1 2 8 8 2 2 9 6 7 8
| |

+ + = + =
|

\
.
lgebra Linear 1 11
1 2 2 0 4 3 3 2 4 3 7 5
2 2 1 2 8 8 1 0 8 8 7 8
| |

+ + = + =
|

\
.
Elemento neutro da adio: 0 A A + = , onde 0 denota a
matriz nula.
fcil de verificar, pois 0 0
ij ij
A a a A + = + = =

.
0 0
5 5 0 0 5
0 0
cos 0 cos 0 0 0 cos 0
sen sen sen

+ +
+ = =

+ +

.
1.6 Exerccios
1) Qual o valor de k para que a igualdade a seguir seja verdadei-
ra?
2)
0 1 0
0 1 0 1
k

=

sen
.
3) Quais os valores de x que satisfazem a igualdade
2
0 0 0 0
0 0 2 x

=

?
4) Quais os valores de x e y para que a matriz
0
0
x y
x y
+

seja uma matriz identidade?
12 lgebra Linear 1

5) Sejam
2 5
0 1
A

=

e
7 0
0 7
B

=

. Faa a) A B + ; b) B A + ;
c) A A + ; d) B B + ; e) A A ; e f) B B .
6) Quais so os valores de x e k para que a matriz
2
1 3 5
cos 2 1
0 2 2 4 5
k
x x

+

seja uma matriz triangular superior?
7) Responda quais os possveis resultados das adies a seguir.
a) Duas matrizes triangulares superior.
b) Duas matrizes onde uma oposta a outra.
c) De uma matriz diagonal com uma matriz nula.
d) De uma matriz identidade com uma matriz triangular inferior.
e) De uma matriz simtrica com uma matriz diagonal.
f) Duas matrizes simtricas.
g) De uma matriz tringulo inferior com uma matriz triangular
superior.
h) De uma matriz simtrica com uma matriz cheia qualquer.
lgebra Linear 1 13
1.7 Multiplicao de uma matriz por um escalar
Se multiplicarmos cada componente dos vrtices do icosaedro que
est sendo utilizado como exemplo por dois, ento a distncia da
origem do sistema cartesiano para cada vrtice do icosaedro tam-
bm ser multiplicada por dois.

Figura 1.3: Icosaedro regular expandido.
14 lgebra Linear 1

0 0 1 0 0 2
0 0
2
0 1
0,89 0,45 1,79 0,90
0,28 0,85 0,45 0,56 1,70 0,90
-0,72 0,53 0,45
-0,72 -0,53 0,45
0,28 -0,85 0,45
0,72 0,53 -0,45
-0,28 0,85 -0,45
-0,89 0 -0,45
-0,28 -0,85 -0,45
0,72 -0,53 -0,45
0

=

0 2
-1,44 1,06 0,90
-1,44 -1,06 0,90
0,56 -1,70 0,90
1,44 1,06 -0,90
-0,56 1,70 -0,90
-1,79 0 -0,90
-0,56 -1,70 -0,90
1,44 -1,06 -0,90
0

Sejam uma matriz A e um escalar k , ento
ij
kA ka =

.
5 1 5 5 5 1
5 5 5
5
2 2
1 0 0 5 5 0
10 10

= =

.
1.8 Propriedades
Sejam A e B matrizes de ordem m n e k ,
1
k e
2
k escala-
res.
i)
( )
k A B kA kB + = +
Temos que
( )
( )
ij ij ij ij
k A B k a b ka kb kA kB

+ = + = + = +

.
lgebra Linear 1 15
1 1 2 1 3 2 9 6
3 3
1 1 1 2 2 3 6 9
| |

+ = =
|

\
.
1 1 2 1 3 3 6 3 9 6
3 3
1 1 1 2 3 3 3 6 6 9

+ = + =

.
ii)
( )
1 2 1 2
k k A k A k A + = + .
Com efeito, pois
( )
1 2
k k A + =
( )
1 2 ij
k k a + =

1 2 ij ij
k a k a + =

1 2
k A k A + .
( )
3 5 3 5 21 35
2 5 7
8 15 8 15 56 105

+ = =

.
( )
3 5 3 5 3 5
2 5 2 5
8 15 8 15 8 15

+ = + =

6 10 15 25 21 35
16 30 40 75 56 105

= + =

.
iii) 0 0 A = .
1

Com efeito, 0 0 0
ij
A a = =

.
3 1
0 0
0
0 0
3

=

.
iv)
( ) ( )
1 2 1 2
k k A k k A = .

1
Note que o smbolo 0 disposto no lado esquerdo da igualdade
refere-se ao escalar zero, e o smbolo 0 que aparece no lado direi-
to da igualdade refere-se matriz nula.
16 lgebra Linear 1

Com efeito, pois
( ) ( ) ( ) ( )
1 2 1 2 1 2 1 2 ij ij
k k A k k a k k a k k A

= = =

.
3 5 15 25 30 50
2 5 2
8 15 40 75 80 150
| |

= =
|

\
.
( )
3 5 3 5 30 50
2 5 10
8 15 8 15 80 150

= =

.
1.9 Transposta de uma matriz
Seja
m n ij
m n
A a
=

. A transposta da matriz A a matriz
T
A
tal que
T
m n ji
n m
A a
=

. Em outras palavras, o que linha se torna
coluna, e o que coluna se torna linha.
Se
3 4 7
8 2 4
A

=

, ento
3 8
4 2
7 4
t
A

=

.
1.10 Propriedades que envolvem matrizes transpostas
i) Uma matriz simtrica se e somente se
T
A A = .
Com efeito, como em uma matriz simtrica,
ij ji
a a = , temos
que
T
ji ij
A a a A = = =

.
lgebra Linear 1 17
2 8
8 3
T
A A

= =

.
ii)
( )
T
T
A A = .
Com efeito, pois
T
ji
A a =

. Assim,
( )
T
T
ij
A a A = =

.
3 8
4 2
7 4
A

=

,
3 4 7
8 2 4
T
A

=

, e
( )
3 8
4 2
7 4
T
T
A

=

.
iii)
( )
T
T T
A B A B + = + .
Temos que
ij ij
A B a b + = +

. Mas
( )
T
ji ji
A B a b + = +

. Co-
mo
T
ji
A a =

e
T
ji
B b =

, logo temos
( )
T
T T
ji ji
A B a b A B + = + = +

.

iv)
( )
T
T
kA kA = , para todo k escalar.
Com efeito, pois temos que
( )
T
T
T
ij ji
kA ka ka kA = = =

.
1.11 Multiplicao de matrizes
Uma aplicao prtica seria separar as coordenadas x , y e
z , do icosaedro, em matrizes diferentes. Bem, poderamos sim-
18 lgebra Linear 1

plesmente criar trs matrizes coluna e armazenar essas informa-
es. Outra forma seria usar a matriz A j existente para obter
essas matrizes coluna. Veja a seguir.
3
0 0 1
0
0
0
1
0 1
0,89 0,45
0,28 0,85 0,45
-0,72 0,53 0,45
-0,72 -0,53 0,45
0,28 -0,85 0,45
e
0,72 0,53 -0,45
-0,28 0,85 -0,45
-0,89 0 -0,45
-0,28 -0,85 -0,45
0,72 -0,53 -0,45
0
A e

=

,
ento
( )
( ) ( )
( )
( )
( ) ( )
( ) ( )
( ) ( ) ( )
3
0 0 0 0 1 1
0, 89 0 0 0 0, 45 1
0, 28 0 0, 85 0 0, 45 1
0, 72 0 0, 53 0 0, 45 1
0, 72 0 0, 53 0 0, 45 1
0, 28 0 0,85 0 0, 45 1
0, 72 0 0, 53 0 0, 45 1
0, 28 0 0, 85 0 0, 45 1
0,89 0 0 0 0, 45 1
0, 28 0 0,85 0 0, 45
Ae
+ +
+ +
+ +
+ +
+ +
+ +
=
+ +
+ +
+ +
+ +
( ) ( )
( )
1
0, 45
0, 45
0, 45
0, 45
0, 45
0, 45
0, 45
0, 45
1 0, 45
0, 72 0 0, 53 0 0, 45 1 0, 45
0 0 0 0 1 1 1

=

+ +

+ +

.
lgebra Linear 1 19
Como podemos observar, multiplicamos uma matriz A de
ordem 12 3 por uma matriz coluna de ordem 3 1 , e obtemos
como resultado uma matriz coluna de ordem 12 1 . O primeiro
elemento da matriz resultante foi obtido multiplicando o primeiro
elemento da primeira linha da matriz A pelo primeiro elemento
da coluna da matriz coluna, o segundo elemento da primeira linha
da matriz A pelo segundo elemento da coluna da matriz coluna, o
terceiro elemento da primeira linha da matriz A pelo terceiro
elemento da coluna da matriz coluna, e por ltimo somando o
resultado destas trs multiplicaes, isto , 0 0 0 0 1 1 1 + + = . Este
procedimento foi realizado para obter cada elemento da matriz
resultante. Notamos que a segunda matriz s tem uma coluna, o
que facilitou um pouco o nosso trabalho.
Considerando que o circuncentro do icosaedro que est sen-
do tratado est na origem do sistema cartesiano, temos que as
coordenadas dos vrtices do icosaedro formam vetores que tem
extremidades na origem do sistema cartesiano e nos vrtices do
icosaedro. Assim, uma aplicao interessante seria obter informa-
es sobre os ngulos formados entre esses vetores, veja na Figura
1.4: Representao de vetores no icosaedro.. Esta matriz sim-
trica, pois o ngulo formado pelos vetores i e j o igual ao n-
gulo formado pelos vetores j e i .
20 lgebra Linear 1

0 0 1
0
0 1
0,89 0,45
0,28 0,85 0,45
-0,72 0,53 0,45
-0,72 -0,53 0,45
0,28 -0,85 0,45
0,72 0,53 -0,45
-0,28 0,85 -0,45
-0,89 0 -0,45
-0,28 -0,85 -0,45
0,72 -0,53 -0,45
0
A

=

e
0
0
1 1
T
A

=

0,89 0,28 -0,72 -0,72 0,28 0,72 -0,28 -0,89 -0,28 0,72 0
0 0,85 0,53 -0,53 -0,85 0,53 0,85 0 -0,85 -0,53 0
0,45 0,45 0,45 0,45 0,45 -0,45 -0,45 -0,45 -0,45 -0,45

lgebra Linear 1 21
1
1
T
AA =
1 0,45 0,45 0,45 0,45 0,45 -0,45 -0,45 -0,45 -0,45 -0,45 -1
0,45 0,45 -0,45 -0,45 0,45 0,45 -0,45 -1 -0,45 0,45 -0,45
0,45 0,45 1 0,45 -0,45 -0,45 0,45 0,45 -0,45 -1 -0,45 -0,45
0,45 -0,45 0,45 0,45 -0,45 -0,45 0,45 0,45 -0,45 -1 -0,45
0,45 1
1
1 1
-0,45 -0,45 0,45 0,45 -1 -0,45 0,45 0,45 -0,45 -0,45
0,45 0,45 -0,45 -0,45 0,45 -0,45 -1 -0,45 0,45 0,45 -0,45
-0,45 0,45 0,45 -0,45 -0,45 0,45 -0,45 -0,45 0,45 0,45
-0,45 -0,45 0,45 0,45 -0,45 -1 0,45 1 0,45 -0,45 -0,45 0,45
-0,45 -1 -0,45

0,45 0,45 -0,45 -0,45 0,45 1 0,45 -0,45 0,45

-0,45 -0,45 -1 -0,45 0,45 0,45 -0,45 -0,45 0,45 1 0,45 0,45
-0,45 0,45 -0,45 -1 -0,45 0,45 0,45 -0,45 -0,45 0,45 1 0,45
-1 -0,45 -0,45 -0,45 -0,45 -0,45 0,45 0,45 0,45 0,45 0,45 1

Figura 1.4: Representao de vetores no icosaedro.
O resultado foi obtido multiplicando cada linha da matriz A
por cada coluna da matriz
T
A . Por exemplo, o elemento da linha
trs, coluna quatro, foi obtido fazendo
0,28 (-0,72) + 0,85 0,53 + 0,45 0,45 = 0,45 . Desta forma, o ngulo
formado pelos vetores 3 e 4 de aproximadamente 63
o
. A in-
formao que a matriz resultante,
T
AA , nos mostra que na dia-
gonal principal esto os valores dos cossenos dos ngulos forma-
22 lgebra Linear 1

dos entre os vetores com eles mesmos. O resultado s poderia ser
1, pois o ngulo formado entre um vetor e ele mesmo 0
o
grau,
ou seja, cos0 1 = . Os outros ngulos so fceis de determinar, pois
basta calcular o arco cosseno dos valores obtidos na matriz resul-
tante.
Definimos a multiplicao de matrizes numa notao mais
formal. Sejam
[ ]
m p ik
m p
A a

= e
p n kj
p n
B b
=

, ento
ij
m n
AB c
=

onde
1
p
ij ik kj
k
c a b
=
=

. Em outras palavras, na multi-
plicao de matrizes, multiplicamos cada linha da primeira matriz
por cada coluna da segunda matriz. Por este motivo, o nmero de
colunas da primeira matriz tem que ser igual ao nmero de linhas
da segunda matriz, como pode ser observado na definio. Desta
forma, se multiplicarmos uma matriz
3 2
A
por uma matriz

2 7
B

obteremos uma matriz de ordem C AB = de ordem 3 7 .
Outro exemplo de multiplicao de matrizes pode ser obser-
vado a seguir.
( ) ( )
( ) ( )
3 2 8 0 3 1 8 3 3 8 2 1 6 21
4 2 2 0 4 1 2 3 4 2 0 3 8 2
+ +

= =

+ +

.
1.12 Propriedades da multiplicao de matrizes
i) Em geral, AB BA .
lgebra Linear 1 23
Para que possamos fazer a multiplicao AB e BA, neces-
srio que o nmero de colunas da matriz A seja igual ao nmero
de linhas da matriz B , e o nmero de linhas da matriz A seja
igual ao nmero de colunas da matriz B . Se A tem ordem m n
ento B tem que ter ordem n m . Da, o produto AB tem or-
dem m e o produto BA tem ordem n . Para que exista a comuta-
tividade, necessrio que as matrizes A e B sejam quadradas e
tenham a mesma ordem. Mesmo nestas condies h a possibili-
dade de no existir a comutatividade (o que mais comum).
Temos que
1
n
ij ik ki
k
m
AB c a b
=

= =

e
1
m
ji jk ki
k
n
BA c b a
=

= =

, o que pode gerar resultados iguais nas

condies discutidas anteriormente. Desta forma,
6 21 57 30 3
1 2 3
8 2 2 14 22
3 2 1
1 0 1 2 3

=

, e
6 21
1 2 3 21 25
8 2
3 2 1 33 67
1 0

=

.

24 lgebra Linear 1

ii) AI IA A = = .
2

1 0 0
1 2 3 1 2 3
0 1 0
3 2 1 3 2 1
0 0 1

=

, e
1 0 1 2 3 1 2 3
0 1 3 2 1 3 2 1

=

.
iii)
( )
A B C AB AC + = + .
1 0 2 3 4 2 1 0 6 1 6 1
1 1 3 2 2 1 1 1 1 3 7 2
| |

+ = =
|

\

1 0 2 3 1 0 4 2 2 3 4 2 6 1
1 1 3 2 1 1 2 1 5 1 2 3 7 2

+ = + =

iv)
( )
A B C AC BC + = + .
v)
( ) ( )
AB C A BC = .
vi)
( )
T
T T
AB B A = .
vii) 0 0 A =
3
e 0 0 A = .
0 0 1 2 3 0 0 0
0 0 3 2 1 0 0 0

=

, e

2
Note que se A uma matriz de ordem m n , ento a matriz identida-
de que multiplica A pela direita de ordem n , e a matriz identidade que
multiplica A pela esquerda de ordem m.
3
Aqui o smbolo 0 denota a matriz nula.
lgebra Linear 1 25
0 0 0
1 2 3 0 0 0
0 0 0
3 2 1 0 0 0
0 0 0

=

.
4

As propriedades no exemplificadas ficam como exerccios
para o leitor.
1.13 Matriz Inversa
Uma matriz quadrada A de ordem n invertvel, ou no-
singular, se existe uma matriz B , quadrada e de mesma ordem
que satisfaa a condio AB BA I = = .
B chamada inversa de A e se representa por
1
A
.
Se a matriz A no possui inversa, dizemos que A singular
ou no-invertvel.
Como exemplo, tomemos as matrizes
2 5
1 3
A

=

e
3 5
1 2
B

=

, e calculemos AB . Logo, temos que
2
2 5 3 5 1 0
1 3 1 2 0 1
AB I

= = =

. O mesmo resultado aconte-
cer se fizermos a multiplicao BA,

4
A matriz nula pode ter qualquer ordem, alterando assim a ordem do
produto, basta respeitar a condio necessria para multiplicar matrizes
26 lgebra Linear 1

2
3 5 2 5 1 0
1 2 1 3 0 1
BA I

= = =

. Portanto B a inversa de
A .
1.14 Propriedades da Matriz Inversa
i) Se uma matriz possui uma inversa, ento esta inversa
nica.
De fato, vamos supor que A invertvel, que B e C sejam
suas inversas e ainda B C . Dessa forma AB BA I = = e
AC CA I = = . Tomando a primeira equao e multiplicando am-
bos os lados da equao esquerda por C , temos
( )
C AB CI = ,
ou seja,
( )
CA B C = . Logo, B C = .
ii) Se A invertvel, ento
1
A
tambm e
( )
1
1
A A
= .
iii) Se A e B so invertveis, ento AB tambm e
( )
1
1 1
AB B A

= .
Para verificarmos esta propriedade devemos mostrar que
( )
1 1
AB B A I

= e
( )
1 1
B A AB I

= . Mostraremos somente a
primeira identidade j que a segunda anloga. Desta forma, Te-
mos que
( )
( )
1 1 1 1 1 1
AB B A A BB A AIA AA I

= = = = .
iv) Se A invertvel, ento
T
A tambm e
( ) ( )
1
1
T
T
A A
= .
lgebra Linear 1 27
Com efeito,
( ) ( )
1 1
T
T T
T T
A A A A I I

= = =

e analogamente
mostra-se que
( )
1
T
T
A A I
=
1.15 Questes de vestibular
1) (FUVEST 94) a) Dada a matriz A , calcule a sua inversa
1
A
.
b) A relao especial que voc deve ter observado entre A e
1
A
,
seria tambm encontrada se calculssemos as matrizes inversas de
B , C e D .
Generalize e demonstre o resultado observado.
2 3
1 2
A

,
3 4
2 3
B

,
5 6
4 5
C

e
1 2
0 1
D

=

.

2) (ITA 95) Dizemos que duas matrizes n n A e B so seme-
lhantes se existe uma matriz n n inversvel P tal que
1
B P AP
= . Se A e B so matrizes semelhantes quaisquer, ento:

a) B sempre inversvel.
b) se A simtrica, ento B tambm simtrica.
c)
2
B semelhante a A .
d) se C semelhante a A , ento BC semelhante a
2
A .
e)
( ) ( )
det det I B I A = , onde um real qualquer.

28 lgebra Linear 1

3) (ITA 95) Sejam A e B matrizes reais 3 3 . Se
( )
tr A denota
a soma dos elementos da diagonal principal de A , considere as
afirmaes:
(I)
( ) ( )
tr tr A B =
(II) Se A inversvel, ento
( )
tr 0 A .
(III)
( ) ( ) ( )
tr tr tr A B A B + = + , para todo R .
Temos que:
a) todas as afirmaes so verdadeiras.
b) todas as afirmaes so falsas.
c) apenas a afirmao (I) verdadeira.
d) apenas a afirmao (II) falsa.
e) apenas a afirmao (III) falsa.

4) (UNESP 94) Determine os valores de x , y e z na igualda-
de a seguir, envolvendo matrizes reais 2 2 :
0 0 0 0 4 0
0 0 0 0
x x y z
x x z y z

= +

5) (UNESP 93) Seja
ij
A a

=

a matriz 2 2 real definida por
1
ij
a = se i j e 1
ij
a = se i j > . Calcule
2
A .

lgebra Linear 1 29
6) (UNESP 93) Seja
ij
A a

=

a matriz real 2 2 definida por
1
ij
a = se i j e 1
ij
1
A
.

7) (UFPR 95) Considere a matriz
ij
A a

=

, de ordem 4 4 ,
cujos elementos so mostrados a seguir.
1,
0,
ij
i j
a
i j
=

=

correto afirmar que:
01) Na matriz A , o elemento
23
a igual ao elemento
23
a .
02) Os elementos da diagonal principal da matriz A so todos
nulos.
08) Se a matriz B
[ ]
1 1 1 1 , ento o produto B . A a
matriz B .
16) Sendo I a matriz identidade de ordem 4, a matriz A I + pos-
sui todos os elementos iguais a 1.

8) (FEI 94) Se as matrizes
( )
ij
A a = e
( )
ij
B b = esto assim
definidas:
1,
0,
ij
ij
a i j
a i j
= =
e
1, 4
0, 4
ij
ij
b i j
b i j
= + =
= +

onde 3 i , 3 j , ento a matriz A B + :
30 lgebra Linear 1

a)
1 0 0
0 1 0
0 0 1

b)
0 0 1
0 1 0
1 0 0

c)
1 0 1
0 1 0
1 0 1

d)
1 0 1
0 2 0
1 0 1

e)
1 1 0
0 1 1
0 1 0

9) (FEI 95) Dadas as matrizes A e B , a matriz de x de 2
ordem que soluo da equao matricial 0 Ax B + = , onde 0
representa a matriz nula de ordem 2 :
1 2
3 4
A

=

e
4 3
2 1
B

=

a)
6 5
5 4

b)
1 3
4 5

c)
2 3
7 9

d)
1 3
4 2

e)
1 2
4 7

10) (ITA 96) Seja a R , 0 a > e 1 a e considere a matriz A :
( )
2
3
3
10
1
1 1
10
log log
log log
log log
a
a
a
a a
a a
a
A
| |
|
\

=

Para que a caracterstica de A seja mxima, o valor de a deve ser
tal que:
a) 0 a e 1 3 a b) 10 a e 1 3 a
c) 5 a e 10 a d) 2 a e 3 a
e) 2 a e 10 a
lgebra Linear 1 31

11) (ITA 96) Seja aR e considere as matrizes reais 2 2 ,
3 1
1 3
a
a
A

=

e
1 3
3
7 8
7 2
a a
B

=

O produto AB ser inversvel se e somente se:
a)
2
5 6 0 a a + b)
2
5 0 a a
c)
2
3 0 a a d)
2
2 1 0 a a +
e)
2
2 0 a a

12) (PUCCAMP 95) Os nmeros reais x , y e z que satisfazem
a equao matricial mostradas a seguir, so tais que sua soma
igual a
1 2 1 1 3 0
0 1 2 5
x y
z x y z
+

=

+ +

a) -3 b) -2 c) -1 d) 2 e) 3

13) (UEL 94) Sejam A e B matrizes quadradas de ordem 2. Se
I e 0 so, respectivamente, as matrizes identidade e nula, de
ordem 2, verdade que
a) A B B A + + b)
( ) ( )
AB C A BC =
c) 0 0 ou 0 AB A B = = = d) AB BA =
e) AI I =

32 lgebra Linear 1

14) (UEL 96) Considere as matrizes M e
2
M representadas a
seguir. Conclui-se que o nmero real a pode ser
0 a
M
b a

=

e
2
8 0
0 8
M

=

.
a) 2 3 b) 2 2 c) 2 d) 2 e) 3

15) (UNESP 96) Considere as matrizes reais 2 2 do tipo
( )
cos sen
sen cos
x x
A x
x x

=

a) Calcule o produto
( ) ( )
A x A x .
b) Determine todos os valores de
[ ]
0, 2 x para os quais
( ) ( ) ( )
A x A x A x = .

16) (UECE 96) Sejam as matrizes
1
M e
2
M representadas na
figura a seguir e considere a operao entre estas matrizes.
1
1 0
1 0
M

=

,
2
1 1
p q
M

=

e
2 1 1 2
2 2
3 2
M M M M

=

.
Nessas condies p q + igual a:
a) 5 b) 6 c) 7 d) 8

lgebra Linear 1 33
17) (MACKENZIE 96) Considere as matrizes A e B a seguir.
2 0
1 0
3 1
A

=

e
1 1
0 1 0
a
B

=

.
Se a R , ento a matriz AB :
a) inversvel somente se 0 a = .
b) inversvel somente se 1 a = .
c) inversvel somente se 2 a = .
d) inversvel qualquer que seja a .
e) nunca inversvel, qualquer que seja a .

18) (FGV 95) Observe que se
0 1
2 3
A

=

e
4 5
6 7
B

=

, ento AB
a matriz
a)
0 5
12 21

b)
6 7
26 31

c)
6 26
7 31

d)
0 12
5 21

e)
0 0
12 14

19) (UEL 95) Sejam as matrizes A e B , respectivamente, 3 4 e
p q . Se a matriz AB 3 5 , ento verdade que
a) 5 p = e 5 q = b) 4 p = e 5 q = c) 3 p = e 5 q =
d) 3 p = e 4 q = e) 3 p = e 3 q =

34 lgebra Linear 1

20) (MACKENZIE 96) Sejam as matrizes a seguir
( )
( )
4 3
3 4
,
,
j
ij ij
i
ij ij
A a a i
B b b j
= =
= =

Se C AB = , ento
22
c vale:
a) 3 b) 14 c) 39 d) 84 e) 258

21) (FEI 96) Considere as matrizes A e B .
2
0 2
a a
A
a

=

e
2 2
0
b b
B
b

=

Se a inversa da matriz A a matriz B ento:
a) 0 a = ou 0 b = b) 1 ab = c) 1/ 2 ab =
d) 0 a = e 0 b = e) 1/ 2 a b + =

22) (UFF 97) Toda matriz de ordem 2 2 , que igual a sua
transposta, possui:
a) pelo menos dois elementos iguais.
b) os elementos da diagonal principal iguais a zero.
c) determinante nulo.
d) linhas proporcionais.
e) todos os elementos iguais a zero.

lgebra Linear 1 35
23) (UECE 97) Sejam as matrizes
3
3
q
M
n

=

e
6 6
6 6
P

=

. Se
T
M M P = , sendo
T
M a matriz transposta de M , ento
2
n nq + igual a:
a) 6 b) 9 c) 12 d) 18

24) (UNIRIO 97) Considere as matrizes A , B e C na figura
adiante:
3 5
2 1
0 1
A

=

,
4
3
B

=

e
[ ]
2 1 3 C = .
A adio da transposta de A com o produto de B por C :
a) impossvel de se efetuar, pois no existe o produto de B por
C .
b) impossvel de se efetuar, pois as matrizes so todas de tipos
diferentes.
c) impossvel de se efetuar, pois no existe a soma da transposta
de A com o produto de B por C .
d) possvel de se efetuar e o seu resultado do tipo 2 3 .
e) possvel de se efetuar e o seu resultado do tipo 3 2 .

25) (ITA 98) Sejam as matrizes reais de ordem 2,
2
1 1
a a
A
+

=

e
1 1
2
B
a a

=

+

36 lgebra Linear 1

Ento, a soma dos elementos da diagonal principal de
( )
1
AB

igual a:
a) 1 a + b)
( )
4 1 a + c)
( )
2
1/ 4 5 2a a + +
d)
( )
2
1/ 4 1 2a a + + e)
( )
2
1/ 2 5 2a a + +

26) (UEL 97) Sobre as sentenas:
I. O produto de matrizes
3 2 2 1
A B

uma matriz 3 1 .
II. O produto de matrizes
5 4 5 2
A B

uma matriz 4 2 .
III. O produto de matrizes
2 3 3 2
A B

uma matriz quadrada 2 2 .
verdade que
a) somente I falsa.
b) somente II falsa.
c) somente III falsa.
d) somente I e III so falsas.
e) I, II e III so falsas.

lgebra Linear 1 37
27) (UNIRIO 96) O produto das matrizes representadas a se-
guir,
tal que
a b
A
b a

=

e
c d
B
d c

=

a)
ac bd
AB
bd ac

=

b)
ad bd
AB
bd ac

=

c)
ac bd
BA
bd ac
+

=

+

d)
abcd abcd
AB
abcd abcd

=

e) AB BA = , a , b , c e d .

28) (UNESP 99) Seja a matriz A mostrada na figura adiante.
3 1
0
2 2
1 3
0
2 2
0 0 1
A

=

a) Justifique, atravs do clculo do determinante, que A invers-
vel.
b) Mostre que
1
A A
= .

38 lgebra Linear 1

29) (UNESP 99) Se A , B e C forem matrizes quadradas quais-
quer de ordem n , assinale a nica alternativa verdadeira.
a) AB BA = .
b) Se AB AC = , ento B C = .
c) Se
2
0
n
A = (matriz nula), ento 0
n
A = .
d)
( ) ( )
AB C A BC = .
e)
( )
2
2 2
2 A B A AB B + = + + .

30) (UFRJ 99) Antnio, Bernardo e Cludio saram para tomar
chope, de bar em bar, tanto no sbado quanto no domingo.
As matrizes a seguir resumem quantos chopes cada um consumiu
e como a despesa foi dividida:
4 1 4
0 2 0
3 1 5
S

=

e
5 5 3
0 3 0
2 1 3
D

=

S refere-se s despesas de sbado e D s de domingo.
Cada elemento
ij
a nos d o nmero de chopes que i pagou para
j , sendo Antnio o nmero 1, Bernardo o nmero 2 e Cludio o
nmero 3 (
ij
a representa o elemento da linha i , coluna j de cada
matriz).
Assim, no sbado Antnio pagou 4 chopes que ele prprio bebeu,
1 chope de Bernardo e 4 de Cludio (primeira linha da matriz S ).
a) Quem bebeu mais chope no fim de semana?
b) Quantos chopes Cludio ficou devendo para Antnio?
lgebra Linear 1 39

31) (UFRJ 99) Seja a matriz A representada a seguir:
a) Determine
3
A A A A =
1 1
0 1
A

=

b) Se
n
A denota o produto de A por A n vezes, determine o
valor do nmero natural k tal que
2
5 6 k k
A A A I + = , onde I a
matriz identidade.

32) (UNIRIO 98) Dada a matriz representada na figura adiante
5 3
3 2
A

=

Determine o valor de
1
2
A A I
+ .

33) (PUCCAMP 98) Sejam A , B e C matrizes quadradas de
ordem n e os nmeros reais e , no nulos. Das sentenas a
seguir, a FALSA
a)
( ) ( )
AB C A BC = b)
( ) ( )
A B C C A B + = +
c) IA AI A = = d)
( ) ( )
A B C A B C + + = + +
e)
( )
A A A + = +

40 lgebra Linear 1

34) (UEL 98) Uma matriz quadrada A se diz ANTI-
SIMTRICA se
T
A A = . Nessas condies, se a matriz A mos-
trada na figura adiante uma matriz anti-simtrica, ento x y z + +
igual a
a) 3 b) 1 c) 0 d) -1 e) -3
2 0 3
1 3 0
x y z
A

=

35) (UNICAMP 99) Considere as matrizes mostradas na figura,
cos sen 0
sen cos 0
0 0 1
M

=

,
x
X y
z

=

e
1
0
3
Y

=

.

a) Calcule a matriz inversa de M .
b) Resolva o sistema MX Y = .

36) (UFRS 96) A matriz C fornece, em reais, o custo das por-
es de arroz, carne e salada usados num restaurante:
A matriz P fornece o nmero de pores de arroz, carne e salada
usados na composio dos pratos tipo
1
P ,
2
P ,
3
P desse restauran-
te:
A matriz que fornece o custo de produo, em reais, dos pratos
1
P ,
2
P e
3
P , est indicada na alternativa
lgebra Linear 1 41

37) (ITA 99) Considere as matrizes
1 0 1
0 1 2
A

,
1 0
0 1
I

=

,
x
X
y

=

e
1
2
B

=

.
Se x e y so solues do sistema
( )
3
T
AA I X B = , ento x y +
igual a:
a) 2 b) 1 c) 0 d) -1 e) -2

38) (ITA 99) Sejam x, y e z nmeros reais com y 0. Considere a
matriz inversvel
1 1
0 0
1 1
x
A y
z

=

Ento :

42 lgebra Linear 1

a) A soma dos termos da primeira linha de
1
A
igual a 1 x + .
b) A soma dos termos da primeira linha de
1
A
igual a 0.
c) A soma dos termos da primeira coluna de
1
A
igual a 1.
d) O produto dos termos da segunda linha de
1
A
igual a y .
e) O produto dos termos da terceira coluna de
1
A
igual a 1.

39) (UERJ 99) Joo comeu uma salada de frutas com a , m e p
pores de 100 g de abacaxi, manga e pra, respectivamente, con-
forme a matriz X . A matriz A representa as quantidades de calo-
rias, vitamina C e clcio, em mg, e a matriz B indica os preos,
em reais, dessas frutas em 3 diferentes supermercados. A matriz
C mostra que Joo ingeriu 295,6cal, 143,9 mg de vitamina C e 93
mg de clcio.

lgebra Linear 1 43
Considerando que as matrizes inversas de A e B so
1
A
e
1
B
,
o custo dessa salada de frutas, em cada supermercado, determi-
nado pelas seguintes operaes:
a)
1
BA C
b)
1
CA B
c)
1 1
A B C

d)
1 1
B A C

40) (UFF 99) Determine o(s) valor(es) de x para que a matriz
3
0 1
1 0
0 1
x
M x
x

=

, x R .
no admita inversa.

41) (UFV 99) Considerando a matriz
3 3
A
cujo termo geral

dado por
( )
1
x y
xy
a
+
= , CORRETO afirmar que:
a)
T
A A = b) A inversvel. c)
11 22 33
0 a a a + + =
d)
( ) ( )
cos
xy
a x y = + e)
11 21 31
0 a a a + + =

42) (UFV 99) Dada a matriz mostrada na figura adiante
1 2 3
0 1 2
1 1 1
A

=

determine:
a)
2
A b)
T
A A c) 2 3
T
A A +

44 lgebra Linear 1

43) (UEL 99) A soma de todos os elementos da inversa da ma-
triz M mostrada na figura igual a
a) -2 b) -1 c) 0 d) 1 e) 2
1 1
0 2
M

=

44) (UFES 99) Considere a matriz mostrada na figura a seguir
1 3
3 1
A

=

.
Determine
1998
A .

45) (MACKENZIE MACKENZIE MACKENZIE MACKENZIE 99) Dada a matriz M , mostrada na figura
adiante
3
2
3
2
k
M
k

=

se
1
M M
= , ento k pode ser:

a) 3/ 4 b) 3/ 4 c) 1/ 4 d) 3/ 2 e) 1/ 2

lgebra Linear 1 45
46) (ITA ITA ITA ITA 2000) Considere as matrizes mostradas na figura adi-
ante
1 1 3
0 1 0
2 3 1
M

=

,
1 0 2
3 2 0
1 1 1
N

=

,
0
1
0
P

=

e
x
X y
z

=

.
Se X soluo de
1
M NX P
= , ento
2 2 2
x y z + + igual a
a) 35 b) 17 c) 38 d) 14 e) 29

47) (UFRJ) H 5 senadores designados para a Comisso Parla-
mentar de Inquritos. Estes devem escolher entre si um presiden-
te para a Comisso, sendo que cada senador pode votar em at
trs nomes. Realizada a votao onde cada um deles recebeu um
nmero de um a cinco, os votos foram tabulados na matriz
( )
ij
A a = , abaixo indicada. Na matriz A , cada elemento
ij
a igual
a 1 (um), se i votou em j , e igual a 0 (zero) caso contrrio.
A =
1 0 1 0 1
0 0 1 1 0
0 1 0 1 1
0 0 0 0 1
1 0 0 0 1
| |
|
|
|
|
|
|
\

Responda, justificando:
46 lgebra Linear 1

a) Qual o candidato mais votado?
b) Quantos candidatos votaram em si mesmo?

48) (UFRJ) Em uma cidade, h trs revistas de noticirio sema-
nal: 1, 2 e 3. Na matriz
( )
ij
A a = abaixo, o elemento
ij
a represen-
ta a probabilidade de um assinante trocar de assinatura da revista
i para a revista j , na poca da renovao.
A =
0, 6 0,1 0, 3
0,1 0, 7 0, 2
0, 4 0, 2 0, 4
| |
|
|
|
\

a) Qual a probabilidade de os assinantes da revista 2 trocarem de
revista quando forem renovar a assinatura.
b) Quais os leitores menos satisfeitos com a revista que esto
assinando?

49) (UFRJ) Considere as matrizes
19941994 19941994
19941994 19941995
A
| |
=
|
\
e
1 1
1 1
B
| |
=
|
\
.
Seja
2
A A A = e
2
B B B = . Determine a matriz
( )( )
2 2
C A B A B A B = + .

lgebra Linear 1 47
50) (UFRJ) Uma confeco vai fabricar 3 tipos de roupa utili-
zando materiais diferentes. Considere a matriz
( )
ij
A a = abaixo,
onde
ij
a representa quantas unidades do material j sero empre-
gadas para fabricar uma roupa do tipo i.
5 0 2
0 1 3
4 2 1
A
| |
|
=
|
|
\

a) Quantas unidades do material 3 sero empregadas na confeco
e uma roupa do tipo 2?
b) Calcule o total de unidades do material 1 que ser empregado
para fabricar cinco roupas do tipo 1, quatro roupas do tipo 2 e
duas roupas do tipo 3.

51) (UNIFICADO-RJ) Cludio anotou suas mdias bimestrais
de matemtica, portugus, cincias estudos sociais em uma tabela
com quatro linhas e quatro colunas, formando uma matriz como
mostra a figura.
1 2 3 4
5, 0 4, 5 6, 2 5, 9
8, 4 6, 5 7,1 6, 6
9, 0 7, 8 6,8 8, 6
7, 7 5, 9 5, 6 6, 2
| |
|
|
|
|
\

Sabe-se que as notas de todos os bimestres tm o mesmo peso,
isto , para calcular a mdia anual do aluno em cada matria basta
fazer a mdia aritmtica de suas mdias bimestrais.
48 lgebra Linear 1

Para gerar uma nova matriz cujos elementos representam as m-
dias anuais de Cludio na mesma ordem acima apresentada bastar
multiplicar essa matriz por:
a) 1/ 2 b) (1/ 4 1/ 4 1/ 4 1/ 4 ) c)
1/ 2
1/ 2
1/ 2
1/ 2
| |
|
|
|
|
\
d) 1/ 4 e)
1/ 4
1/ 4
1/ 4
1/ 4
| |
|
|
|
|
\

52) (ACAFE-SC) Considere as matrizes
1 2
2 1
A
| |
=
|

\
,
x
B
y
| |
=
|
\
e
6
9
C
| |
=
|
\
.
Sabendo-se que AB C = , o valor de x y + :

a) 15 b) 1 c) 57 d) 9 e) 39

53) (ACAFE-SC) Dada a matriz
0 1
2 2
A
| |
=
|
\
, seja
T
A a sua ma-
triz transposta. O produto
T
AA a matriz:
a)
0 1
2 2
| |
|
\
b)
0 2
1 2
| |
|
\
c)
1 2
2 0
| |
|
\
d)
1 0
2 1
| |
|
\
e)
1 2
2 8
| |
|
\

lgebra Linear 1 49
54) (UFRS) A matriz
( )
2 2
ij
A a
= definida por 2
ij
a i j = .
Determine
T
A A .

a)
0 3
3 0
| |
|
\
b)
0 3
3 0
| |
|
\
c)
0 3
3 0
| |
|
\
d)
0 2
2 0
| |
|
\
e)
0 2
2 0
| |
|
\

55) (PUC-SP) Determine a os quais
1
3 6
a
A
| |
=
|
\
inversvel.
a) a 0 b) a 6 c) a 3 d) a -2 e) a -6

56) (PUC-PR) Se a matriz
1
3 2
2
A
x
| |
=
|
\
a matriz inversa de
1 1
3
1
2
A
| |
|
=
|
|
\
, ento o valor de x :
a) -1 b) 2 c) 1 d) -2 e) 0

57) (ITA-SP) Considere P a matriz inversa da matriz
1
0
3
1
1
7
M
| |
|
| =
|
|
\
. A soma doa elementos da diagonal principal da ma-
triz P :

a)
4
9
b)
9
4
c) 4 d)
9
5
e)
9
1

50 lgebra Linear 1

58) (UCSALVADOR) A soluo da equao matricial
1 2 1 1
0 1 2 2
1 0 1 3
x
y
z
| || | | |
| | |
=
| | |
| | |
\ \ \
a matriz:
a)
3
2
1
| |
|
|
|
\
b)
3
2
0
| |
|
|
|
\
c)
3
0
2
| |
|
|
|
\
d)
2
3
0
| |
|
|
|
\
e)
2
0
3
| |
|
|
|
\

59) (UNESP) Seja
( )
ij
A a = a matriz 2x2 real definida por
1
ij
a = se i j e 1
ij
1
A
.

60) (UEL) A soma de todos os elementos da inversa da matriz
1 1
0 2
M
| |
=
|
\
igual a:

a) -2 b) -1 c) 0 d) 1 e) 2

61) (UEL) Considere as matrizes M e
2
M representadas a se-
guir. Conclui-se que o nmero real pode ser:
0 a
M
b a
| |
=
|
\

2
8 0
0 8
M
| |
=
|
\

a) 23 b) 22 c) 2 d) -2 e) -3

lgebra Linear 1 51
62) (FGV-SP) Observe que, se
0 1
2 3
A
| |
=
|
\
e
4 5
6 7
B
| |
=
|
\
, ento
AB a matriz:
a)
0 5
12 21
| |
|
\
b)
6 7
26 31
| |
|
\
c)
6 26
7 31
| |
|
\
d)
0 12
5 21
| |
|
\
e)
0 0
12 14
| |
|
\

63) (PUCCAMP-SP) Os nmeros reais x, y e z, que satisfazem a
equao matricial mostradas a seguir, so tais que a soma igual a:
1 2 1 1 3 0
0 1 2 5
x y
z x y z
+
| || | | |
=
| | |
+ +
\ \ \

a) -3 b) -2 c) -1 d) 2 e) 3

64) (FAAP-SP) Dada a matriz
2 1
1 1
A
| |
=
|
\
, achar a matriz B , tal
que AB I = , sendo
1 0
0 1
I
| |
=
|
\
.
a)
1 1
1 2
| |
|
\
b)
1 1
1 2
| |
|
\
c)
1 1
2 2
| |
|
\
d)
1 0
1 0
| |
|
\
e) n.d.a.

65) (FUVEST-SP) Considere as matrizes:
1)
( )
ij
A a = , 4 7, definida por
ij
a i j = ;
2)
( )
ij
B b = , 7 9, definida por
ij
b i = ;
3)
( )
ij
C c = , C AB = ;
O elemento
63
C :
52 lgebra Linear 1

a) -112 b) -18 c) -9 d) 112 e) no existe.

66) (UNB-DF) A matriz oposta da matriz 2 2, definida por
2 ,
2 ,
ij
ij
a i j i j
a i j i j
= +
= =
, :
a)
1 5
4 2
| |
|
\
b)
1 4
5 2
| |
|
\
c)
2 4
5 1
| |
|
\

d)
1 5
4 2
| |
|
\
e)
5 1
4 2
| |
|
\

67) (UFPA) A matriz
( )
3 3
ij
A a
= definida de tal modo que

( 1) ,
0,
i j
ij
i j
a
i j
+

=

=
.
Ento, A igual a :
a)
0 1 1
1 0 1
1 1 0
| |
|

|
|
\
b)
1 0 0
0 1 0
0 0 1
| |
|
|
|
\
c)
0 1 1
1 0 1
1 1 0
| |
|
|
|
\

d)
1 0 0
0 1 0
0 0 1
| |
|
|
|
\
e)
0 1 1
1 0 1
1 1 0

| |
|
|
|
\

lgebra Linear 1 53
68) (UNIRIO) Um laboratrio farmacutico fabrica trs tipos de
remdios utilizando diferentes compostos. Considere a matriz
( )
ij
A a = dada a seguir, onde
ij
a representa quantas unidades do
composto j sero utilizadas para fabricar uma unidade do rem-
dio do tipo i .
1 2 4
2 5 3
0 1 4
A
| |
|
=
|
|
\

Quantas unidades do composto 2 sero necessrias para fabricar 3
remdios do tipo 1; 2 remdios do tipo 2 e 5 remdios do tipo 3?

69) (UNIRIO) Seja
0
0
a
B
b
| |
=
|
\
, , 0 a b uma matriz que satisfaz
a equao
1
0 9
3
5 0
a
B A
| |
+ =
|
\
, onde
0 3
2 0
A
| |
=
|
\
. A soma dos ele-
mentos da diagonal principal de B :
a)
1
3
b) -1 c)
11
6
d)
13
6
e)
19
6

70) (UFF-RJ) Nos processos de digitalizao, imagens podem se
r representadas por matrizes cujos elementos so algarismos 0 e 1.
Considere que a matriz linha
( )
1 0 1 0 0 1 L = representa a figura
a seguir:

54 lgebra Linear 1

onde 1 representa o quadrinho escuro e 0 representa o quadrinho
branco. Seja X a matriz linha dada por X LM = , onde M a
matriz
( )
ij
M m = com
1, 7
, 1 6, 1 6
0, 7
ij
i j
M i j
i j
+ =

Dessa forma, a matriz X representa a figura da opo:
a)

b)

c)

d)

e)

71) (UFRRJ) Determine a matriz inversa da matriz
( )
2 2
ij
A a
= ,
em que os elementos de A so definidos por
sen( ) ,
cos( ) ,
ij
i j i j
a
j i i j
+ =
.

72) (PUC-SP) Considere a equao matricial:
1 3
0 1 1
i i x i
y i
+
| || | | |
=
| | |
+
\ \ \
.
lgebra Linear 1 55
em que i a unidade imaginria. Os nmeros complexos x e y
satisfazem essa equao so tais que a medida do argumento prin-
cipal de x y + :
a) 120 b) 135 c)225 d) 240 e) 330

73) (UNIRIO) Matrizes binrias so matrizes cujos elementos
pertencem ao conjunto
{ }
0,1 e tm aplicao em Cincia da
Computao. A matriz obtida pela soma de todas as matrizes
binrias 2 2 :
a)
6 6
6 6
| |
|
\
b)
6 4
4 8
| |
|
\
c)
4 4
4 4
| |
|
\
d)
8 8
8 8
| |
|
\
e)
4 6
6 4
| |
|
\

2 Sistemas Lineares
2.1 Introduo
Os sistemas lineares esto presentes e so de relevante impor-
tncia em diversas aplicaes da fsica, qumica, engenharia, com-
putao e da prpria matemtica.
Ao longo da histria, os problemas que implicavam em sis-
temas de equaes lineares deram grande vigor ao estudo de ma-
trizes e determinantes, conceitos estes, que tiveram, sua histria
entrelaada. O matemtico italiano Gernimo Cardano (1501-
1576), em sua obra Ars Magna (A Grande Arte), de 1545, mostrou
uma regra para a soluo de sistemas de duas equaes lineares
chamada regula de modo. Outros resultados importantes foram mos-
trados pelo matemtico alemo Gottfried Wilhelm Von Leibniz
(1646-1716) e pelo matemtico suo Gabriel Cramer (1704-1752),
tornando estes conceitos objetos de investigao matemtica.
Neste captulo sero apresentados conceitos e mtodos para a
resoluo de sistemas de equaes lineares.
lgebra Linear 1 57
2.2 Equaes lineares
Uma equao dita linear quando tem a forma
1 1 2 2
...
n n
a x a x a x b + + + = , onde,
1 2
, ,..., a a b so constantes reais e
o expoente das variveis
1 2
, ,...,
n
x x x no mximo 1. So equaes
lineares
1 2 3
2 5 3 20 x x x + = , 5 4 40 x y = e 3 5 8 16 0 a b c + + = .
So equaes no lineares
2
3 5 0 x y + = , 2 3 2 5 xy x y + = ,
1
2 0
x
= e 3 2 1 a b + = .
2.3 Soluo das equaes lineares
Dizemos que a soluo de uma equao de n variveis uma
seqncia ou uma n -upla ordenada de nmeros reais, de forma
que quando substitudas no lugar das respectivas variveis forne-
cem uma sentena verdadeira, ou seja,
1 2 3
[ , , ,..., ]
n
S s s s s = solu-
o da equao linear
1 1 2 2 3 3
...
n n
a x a x a x a x b + + + + = se
1 1 2 2 3 3
...
n n
a s a s a s a s b + + + + = for uma sentena verdadeira. O
conjunto S chamado conjunto soluo da equao ou raiz da
equao.
Como exemplo simples, temos que a equao 2 6 0 x = tem
como soluo o conjunto
{ }
3 , pois 2 3 6 0 = . J a equao
58 lgebra Linear 1

6 x y + = admite infinitas solues, onde algumas dessas solues
so os pares ordenados
( )
5;1 ;
( )
2; 4 ;
( )
10;16 e
( )
25; 19 .
5

2.4 Sistemas de equaes lineares
Um sistema de equaes lineares ou simplesmente sistema li-
near um conjunto de equaes lineares cuja forma
11 1 12 2 13 3 1 1
21 1 22 2 23 3 2 2
1 1 2 2 3 3
...
...
...
n n
n n
m m m mn n m
a x a x a x a x b
a x a x a x a x b
a x a x a x a x b
+ + + + =
+ + + + =
+ + + + =
. . .

em que
ij
a e
k
b so constantes reais, para , 1, , i k m = e
1, , j n = , em outras palavras um sistema linear com m equa-
es e n incgnitas.
Todo sistema de equaes lineares pode ser reescrito atravs
de uma notao matricial. Desta forma, a matriz dos coeficien-
tes
11 12 1
21 22 2
1 2
n
n
m m mn
a a a
a a a
A
a a a

=

. . .
,

5
Esta equao linear tambm conhecida como equao Diofantina, e
no curso de Teoria dos Nmeros possvel determinar a sua soluo
geral.
lgebra Linear 1 59
e a matriz dos termos independentes uma matriz coluna de
ordem 1 m ,
1
2
m
b
b
b
b

=

.
.
A matriz incgnita tambm uma matriz coluna de ordem
1 m , isto ,
1
2
m
x
x
x
x

=

.
.
Desta forma, podemos reescrever o sistema de equaes line-
ares anterior como um produto de matrizes formando uma equa-
o matricial, Ax b = .
Alm da matriz dos coeficientes, um sistema de equaes li-
neares possui uma matriz aumentada, cuja ordem
( )
1 m n + ,
formada pela matriz dos coeficientes, A , e a matriz dos termos
independentes, b , disposta como segue.
11 12 1 1
21 22 2 2
1 2
[ | ]
n
n
m m mn m
a a a b
a a a b
A B
a a a b

=

.
.
. . . ..
.
.
60 lgebra Linear 1

A seguir mostramos trs exemplos de sistemas lineares nas
formas de equaes lineares, equao matricial e como matriz
aumentada.
Exemplo 1:
Sistema de equaes lineares:
3 2
2 3
x y
x y
=
+ =
.
Equao matricial Ax b = :
1 3 2
2 1 3
x
y

=

.
Matriz aumentada:
1 3 2
2 1 3

Exemplo 2:
2 3
2 3 4
3 2 1
x y z
x y z
x y z
+ + =
.
1 2 1 3
2 3 1 4
3 1 2 1
x
y
z

=

.
Matriz aumentada:
1 2 1 3
2 3 1 4
3 1 2 1

.
Exemplo 3:
lgebra Linear 1 61
1 2 3
1 2 3
1 2
1 2 3
2 3 1
2 5 5
3 6 10
4 2 1
x x x
x x x
x x
x x x
+ =
+ =
+ =
.
1
2
3
4
1 2 3 1
2 5 1 5
3 6 0 10
4 1 2 1
x
x
x
x

=

.
Matriz aumentada:
1 2 3 1
2 5 1 5
3 6 0 10
4 1 2 1

.

2.5 Soluo do sistema linear
Um sistema linear quanto soluo pode ser classificado de
acordo com o diagrama a seguir.
Para ilustrar as possibilidades que podem ocorrer na soluo
de sistemas lineares, vamos considerar um sistema geral de duas
equaes lineares nas incgnitas x e y ,
1 1 1
1 1 2 2
2 2 2
, com , , , 0.
a x b y c
a b a b
a x b y c
+ =
+ =

62 lgebra Linear 1

Os grficos destas equaes (um estudo mais aprofundado
pode ser feito no curso de geometria analtica) so retas que de-
nominaremos por
1
r e
2
r . A soluo do sistema corresponder
aos pontos de interseo das retas
1
r e
2
r . Temos dessa forma trs
possibilidades. Na primeira possibilidade discutimos a idia de
quando o sistema seja possvel e determinado, isto , tenha solu-
o nica. Neste caso, as
1
r e
2
r , se interceptam num nico ponto
e, assim, o sistemas possui exatamente uma nica soluo, Figura
2.1.

Sistema Linear
Ax b =
Possvel:
Admite solu-
o
Indeterminado:
Admite infinitas
solues
Determinado:
Admite uma nica
soluo
Impossvel:
No admite
soluo
P
1
r

2
r

x
y
Figura 2.1: A interseo de
1
r e
2
r
{ }
P .
lgebra Linear 1 63

Na Figura 2.2 observamos a possibilidade de obtermos infini-
tas solues, isto , o sistema ser possvel e indeterminado. As
retas
1
r e
2
r deste caso so coincidentes existindo assim infinitos
pontos de interseo entre elas. A terceira e ltima possibilidade
refere-se ao caso do sistema no ter soluo, isto , ser impossvel.
Geometricamente isso acontece quando as retas
1
r e
2
r so parale-
las, Figura 2.3.
1 2
r r

x
y
1
r

2
r

x
y
1
r e
2
r a prpria reta.
1
r e
2
r vazia.
64 lgebra Linear 1

Agora fica fcil de analisar o sistema de equaes e dizer se
ele possvel e determinado, ou se possvel e indeterminado, ou
se impossvel. Veremos alguns exemplos comentados a seguir.
Seja o sistema de equaes
2 1
3 2 4
x y
x y
+ =
+ =
.
Para sabermos o comportamento da soluo, basta olhar para
a matriz aumentada do sistema, isto , para os coeficientes e para
os termos independentes. Neste primeiro exemplo temos que
2 3 1 2 1 4 . Isto significa que as retas se interceptam num
nico ponto, ou seja, o sistema de equaes lineares tem soluo
nica.
Seja agora o sistema de equaes
10 5 15
2 3
x y
x y
+ =
+ =
.
Neste caso temos que 10/ 2 5/1 15/ 3 5 = = = . Como os coefi-
cientes da primeira reta so proporcionais aos coeficientes da
segunda reta numa mesma razo k , temos que as retas so coin-
cidentes. Em outras palavras, o sistema de equaes lineares tem
infinitas solues.
Neste ltimo caso apresentamos retas paralelas. Seja o siste-
ma de equaes
lgebra Linear 1 65
3 2 1
3 2 4
x y
x y
+ =
+ =
.
Observamos que 3/ 3 2/ 2 1 1/ 4 = = , o que nos garante que
as retas so paralelas, e o sistema de equaes lineares no tem
soluo.
Para o caso de trs equaes nas incgnitas x, y e z, podemos
ilustrar da seguinte maneira:

Figura 2.4: uma nica soluo

Figura 2.5: nenhuma soluo
66 lgebra Linear 1

Figura 2.6: infinitas solues
2.6 Sistemas Lineares Homogneos
Um sistema linear dito homogneo quando todos os termos
independentes de todas as equaes que compe este sistema so
iguais a zero.
So sistemas lineares homogneos
2 8 0
6 0
x y
x y
+ =
,
2 0
3 4 2 0
6 2 8 0
x y z
x y z
x y z
+ + =
+ =
+ =
, e
1 2 3
1 2 3
5 3 9 0
2 7 0
x x x
x x x
+ + =
+ =
.
Pode-se observar que o sistema linear homogneo que tem o
mesmo nmero de incgnitas e equaes admite sempre a soluo
nula,
( )
elementos
0, 0, 0, , 0
n
, que chamada soluo trivial.

Assim, o sistema homogneo sempre compatvel. Quando
determinado admite apenas a soluo trivial e quando indeter-
minado admite outras infinitas solues.
lgebra Linear 1 67
2.7 Matriz escalonada
Uma forma de resolver um sistema linear substituir o siste-
ma inicial por outro que tenha o mesmo conjunto soluo do
primeiro, mas que seja mais fcil de resolver. O outro sistema
obtido depois de aplicar sucessivamente uma srie de operaes,
que no alteram a soluo do sistema, sobre as equaes.
As operaes elementares com matrizes (operaes elementa-
res de linhas para obter uma matriz equivalente) so operaes
que mantm tanto a ordem da matriz quanto a sua caracterstica.
So operaes elementares de linhas: trocar a posio de duas
equaes do sistema, que indicaremos por
i j
l l ; multiplicar
uma equao por um escalar no-nulo, que indicaremos por
i i
l kl ; somar a uma equao outra equao multiplicada por
um escalar, que indicaremos por
i i j
l l kl + .
Uma matriz
ij
m n
A a
=

est na forma escalonada reduzi-
da (veremos como determin-la na prxima seo) quando satis-
faz as seguintes condies: todas as linhas nulas (formadas intei-
ramente por zeros) ocorrem abaixo das linhas no nulas; o primei-
ro elemento no nulo de cada linha no nula igual a 1 (chamado
de piv); o piv da linha 1 i + ocorre direita do piv da linha i,
68 lgebra Linear 1

para 1, , 1 i m = ; se uma coluna contm um piv, ento todos
os seus outros elementos so iguais a zero.
Se uma matriz satisfaz as trs primeiras condies, mas no
necessariamente satisfaz a ltima condio, dizemos que ela uma
matriz escalonada, o que podemos verificar nos exemplos a
seguir.
Vamos escalonar a matriz
1 2 1
1 3 2
2 4 5
A
| |
|
=
|
|
\
. Para realizarmos
o escalonamento desta matriz vamos utilizar as operaes elemen-
tares de linhas.
Como na primeira linha o primeiro elemento igual a 1, no
h nada o que fazer nela (segunda condio). Logo, vamos traba-
lhar para obter linhas equivalentes para as linhas 2 e 3, elegendo
o primeiro elemento da primeira linha como piv, e fazendo com
que os primeiros elementos dessas linhas equivalentes sejam nu-
los. Em outras palavras, vamos substituir a segunda linha, reali-
zando uma operao elementar de linhas, por ela prpria menos a
linha 1, e vamos substituir a terceira linha por ela mesma menos
duas vezes a linha 1.
1 2 1
1 3 2
2 4 5
| |
|
|
|
\
2 2 1
3 3 1
2
l l l
l l l

1 2 1
0 1 1
0 0 3
| |
|
|
|
\

piv
lgebra Linear 1 69
A matriz equivalente obtida ainda no est na forma escalona,
pois o primeiro elemento da ltima linha no igual a 1. Ento
faremos mais uma operao elementar de linhas, ou seja, dividi-
remos a terceira linha por trs.
1 2 1
0 1 1
0 0 3
| |
|
|
|
\
3 3
1
3
l l
1 2 1
0 1 1
0 0 1
| |
|
|
|
\

Portanto
1 2 1
0 1 1
0 0 1
A
| |
|
=
|
|
\
a matriz escalonada, e conseqen-
temente equivalente, da matriz A dada.
Vamos agora escrever a matriz
2 4 1
1 3 1
4 6 2
A
| |
|
=
|
|
\
na forma es-
calonada. Podemos observar que a primeira linha no tem piv.
Ento vamos procurar na primeira coluna um piv para a primeira

linha
6
. Iremos realizar uma operao elementar de linhas, a troca
de linhas, para trazer o piv para a primeira linha. Como o piv
igual a um, escolhemos para piv o elemento de posio 2 1.
Com o objetivo de simplificar algumas contas, e como todos os
elementos da terceira linha so divisveis por dois, iremos troc-la
por uma linha equivalente.

6
Vale pena ressaltar que podemos trocar, sem preocupao, linhas e
colunas at encontrar o piv, sem perdas de equivalncia.
70 lgebra Linear 1

2 4 1
1 3 1
4 6 2
| |
|
|
|
\
1 2
3 3
1
2
l l
l l

1 3 1
2 4 1
2 3 1
| |
|
|
|
\

Observe que a nova matriz (equivalente) agora possui um pi-
v na primeira linha. Desta forma, iremos trocar as linhas 2 e 3
por linhas equivalentes onde os elementos da primeira coluna
sejam nulos.
1 3 1
2 4 1
2 3 1
| |
|
|
|
\
2 2 1
3 3 1
2
2
l l l
l l l

1 3 1
0 2 1
0 3 1
| |
|

|
|

\

Podemos observar agora que a linha dois no tem um piv,
pois o primeiro elemento no nulo diferente de 1. Logo dividi-
remos esta linha por 2 .
1 3 1
0 2 1
0 3 1
| |
|

|
|

\

1 1
1
2
l l
1 3 1
1
0 1
2
0 3 1
| |
|
|
|
|

\

Agora temos que substituir a linha 3 por uma linha equiva-
lente onde os elementos abaixo dos pivs sejam todos nulos.
1 3 1
1
0 1
2
0 3 1
| |
|
|
|
|

\
3 3 2
3 l l l +
1 3 1
1
0 1
2
1
0 0
2
| |
|
|
|
|
|
|
|
\

lgebra Linear 1 71
Para finalizar o processo de escalonamento da matriz, basta
obter o piv da ltima linha, isto , basta multiplicar a linha 3 por
2 .
1 3 1
1
0 1
2
1
0 0
2
| |
|
|
|
|
|
|
|
\
3 3
2 l l
1 3 1
1
0 1
2
0 0 1
A
| |
|
|
=
|
|
\

Temos ento que A a matriz escalonada da matriz A da-
da.
2.8 Soluo do sistema por retro-substituio
Uma das formas de resolver um sistema de equaes lineares
atravs da retro-substituio. um processo simples que envol-
ve a matriz aumentada do sistema, e o escalonamento desta ma-
triz. Vamos trabalhar no sistema a seguir como exemplo.
6
4 2 5
3 2 13
x y z
x y z
x y z
+ + =
+ =
+ + =

Fazendo uma breve anlise, como as equaes no so mlti-
plas entre si, duas a duas, sabemos que o sistema tem soluo
nica. Escrevendo o sistema na forma de matriz aumentada temos
72 lgebra Linear 1

1 1 1 6
4 2 1 5
1 3 2 13
| |
|
|
|
\

Como na primeira linha tem piv, no h nada o que fazer
com ela. Logo, vamos substituir as linhas 2 e 3 por linhas equiva-
lentes onde os elementos da primeira coluna so nulos.
1 1 1 6
4 2 1 5
1 3 2 13
| |
|
|
|
\
2 2 1
3 3 1
4 l l l
l l l
+

1 1 1 6
0 2 5 19
0 2 1 7
| |
|
|
|
\

1 1 1 6
0 2 5 19
0 2 1 7
| |
|
|
|
\
3 2 3
l l l
1 1 1 6
0 2 5 19
0 0 4 12
| |
|
|
|
\

1 1 1 6
0 2 5 19
0 0 4 12
| |
|
|
|
\
2 2
3 3
1
2
1
4
l l
l l
1 1 1 6
5 19
0 1
2 2
0 0 1 3
| |
|
|
|
|
\

Esta matriz escalonada equivalente ao sistema dado e a
matriz aumentada do sistema
6
5 19
2 2
3
x y z
y z
z
+ + =
+ =
.
lgebra Linear 1 73
Por retro-substituio obtemos
( )
5 19
3
2 2
y + = , isto , 2 y = .
Continuando a retro-substituio, temos que
( ) ( )
2 3 6 x + + = , ou
seja, 1 x = . Assim, a soluo do sistema
( )
1, 2, 3 S = .
Para fixarmos o processo de retro-substituio, resolveremos
o sistema a seguir. Seja
1 2 3
1 2 3
1 2 3
2 16
2 15
2 17
x x x
x x x
x x x
+ + =
+ + =
+ + =
.
Como primeiro passo devemos extrair a matriz aumentada do
sistema,
1 2 1 16
2 1 1 15
1 1 2 17
| |
|
|
|
\
.
Agora devemos escalonar essa matriz. Como na primeira li-
nha temos piv, passemos ento para as outras linhas. Seguindo o
script, trocamos as linhas 2 e 3 por linhas equivalentes onde os
elementos da primeira coluna so nulos.
1 2 1 16
2 1 1 15
1 1 2 17
| |
|
|
|
\
2 1 2
3 3 1
2 l l l
l l l

1 2 1 16
0 3 1 17
0 1 1 1
| |
|
|
|
\

Para obtermos o piv da linha 2 faremos uma operao de
troca de linhas.
74 lgebra Linear 1

1 2 1 16
0 3 1 17
0 1 1 1
| |
|
|
|
\
2 3
l l
1 2 1 16
0 1 1 1
0 3 1 17
| |
|

|
|
\

Trabalharemos agora para obter uma linha equivalente a linha
3 onde os elementos das colunas que contem piv sejam nulos.
1 2 1 16
0 1 1 1
0 3 1 17
| |
|

|
|
\
3 3 2
3 l l l
1 2 1 16
0 1 1 1
0 0 4 20
| |
|

|
|
\

Para obter o piv da linha 3 basta dividi-la por 4 .
1 2 1 16
0 1 1 1
0 0 4 20
| |
|

|
|
\
3 3
1
4
l l
1 2 1 16
0 1 1 1
0 0 1 5
| |
|

|
|
\

Esta matriz escalonada a matriz aumentada do sistema e-
quivalente ao sistema dado
1 2 3
2 3
3
2 16
1
5
x x x
x x
x
+ + =
.
Realizando o processo de retro-substituio, obtemos
( )
2
5 1 x = , isto ,
2
4 x = ; e
( ) ( )
1
2 4 5 16 x + + = , ou seja,
1
3 x = .
Portanto, a soluo do sistema
( )
3, 4, 5 S = .
lgebra Linear 1 75
2.9 Soluo do sistema pelo mtodo de Gauss Jordan
Este mtodo utilizado para obter a soluo de um sistema
de n equaes lineares e mesmo nmero de variveis de forma
prtica. Da mesma forma que aplicamos as operaes elementares
de linhas para obter a matriz escalonada procedemos para obter a
matriz unidade a partir da matriz dos coeficientes, acrescentando
operaes nas linhas acima do piv escolhido, para que os ele-
mentos da mesma coluna deste piv sejam todos iguais a zero.
Devemos escrever o sistema na forma de matriz aumentada e
desta forma quando a matriz dos coeficientes se tornar a matriz
identidade a matriz dos termos independentes ficar transformada
na soluo do sistema. Observe a aplicao deste mtodo atravs
da resoluo do sistema abaixo:
1 2 3
1 2 3
2 3
1 2 3
2 5 1
3 4 7
15
2 3 8
x x x
x x x
x x
x x x
+ + =
+ + =
+ + =

Observamos inicialmente que as equaes no so mltiplas
entre si, duas a duas, logo o sistema tem soluo nica. Escreve-
mos o sistema linear na forma de matriz aumentada:
2 1 5 1
1 3 4 7
0 5 1 15
1 2 3 8
| |
|
|
|

|

\

76 lgebra Linear 1

Vamos aproveitar que se tem 1 na primeira coluna para esco-
lh-lo como piv, para tanto permutaremos as linhas 1 e 2, e se-
guimos com as operaes elementares de linhas.
2 1 5 1
1 3 4 7
0 5 1 15
1 2 3 8
| |
|
|
|

|

\
1 2
l l
1 3 4 7
2 1 5 1
0 5 1 15
1 2 3 8
| |
|
|
|

|

\
2 2 1
4 4 1
2 l l l
l l l

+

1 3 4 7
0 5 3 15
0 5 1 15
0 5 7 15
| |
|

|
|

|
\
2 2
1
5
l l
1 3 4 7
3
0 1 3
5
0 5 1 15
0 5 7 15
| |
|
|
|
|

|
|
\
1 1 2
3 3 2
4 4 2
3
5
5
l l l
l l l
l l l

Observe que neste ponto voltamos a operar com a primeira
linha para que o elemento acima do piv seja zero.
11
1 0 2
5
3
0 1 3
5
0 0 4 0
0 0 4 0
| |
|
|
|
|
|
|
|
\
3 3
1
4
l l
11
1 0 2
5
3
0 1 3
5
0 0 1 0
0 0 4 0
| |
|
|
|
|
|
|
|
\
1 1 3
2 2 3
4 4 3
11
5
3
5
4
l l l
l l l
l l l

1 0 0 2
0 1 0 3
0 0 1 0
0 0 0 0
| |
|
|
|
|
\

Vemos que a matriz dos coeficientes foi transformada na ma-
triz identidade e desta forma a matriz dos termos independentes
a soluo do sistema
( ) 2, 3, 0 S =
. De fato, temos que o sistema
inicial de equaes lineares se transformou no sistema equivalente
lgebra Linear 1 77
1 2 3
1 2 3
1 2 3
1 2 3
0 0 2
0 0 3
0 0 0
0 0 0 0
x x x
x x x
x x x
x x x
+ + =
+ + =
+ + =
+ + =
,
isto ,
1
2
3
2
3
0
x
x
x
=
=
=

Que a soluo do sistema.
Caro leitor, acompanhe agora a resoluo para obteno da
equao geral do sistema homogneo
2 3 4
1 2 3 4
1 2 3 4
1 3 4
5 8 0
3 2 0
2 0
5 3 0
x x x
x x x x
x x x x
x x x
+ =
+ + =
+ =
+ + =
.
Tomando a matriz dos coeficientes e aplicando as operaes
elementares sobre linhas temos
3 31
1 0
5 5
1 8
0 1
5 5
0 0 0 0
0 0 0 0
| |

|
|
|
|
|
|
|
\
.
Dessa forma temos o sistema equivalente
78 lgebra Linear 1

1 3 4
2 3 4
3 31
0
5 5
1 8
0
5 5
x x x
x x x
+ =

e isolando
1 2
e x x temos a soluo geral do sistema
1 3 4
3 31
5 5
x x x = +

e
2 3 4
1 8
5 5
x x x = + ,
3 4
, x x R
so chamadas variveis livres.
Uma ressalva importante que podemos fazer neste ponto re-
fere-se ao nmero de solues do sistema linear a partir da sim-
ples observao da matriz escalonada. Se o nmero de incgnitas
for igual ao nmero de equaes no-degeneradas sua soluo
nica, se o nmero de incgnitas for superior ao nmero de equa-
es no-degeneradas tm-se infinitas solues e pode-se expres-
sar a soluo geral em funo das variveis livres. E, por fim, se os
coeficientes de uma equao forem zeros e o termo independente
no nulo, o sistema inconsistente ou incompatvel, ou seja, no
tem soluo. Vamos aplicar este conhecimento no exemplo a
seguir.
Determine o valor de para que o sistema
1 2
1 2 3
1 2 3
2
0
4
x x
x x x
x x x
+ + =
+ =
se-
ja compatvel.
Escrevendo na forma de matriz aumentada e aplicando as
operaes elementares sobre as linhas temos:
lgebra Linear 1 79
1 1 0 2
1 1 0
1 1 1 4
| |
|
|
|

\
2 2 1
3 3 1
l l l
l l l

+

1 1 0 2
0 1 1 2
0 0 1 6
| |
|
+
|
|
\
2 2 3
l l l +

1 1 0 2
0 1 0 4
0 0 1 6
| |
|
+
|
|
\

Neste ponto, observamos que na segunda equao se
1 0 + = esta equao se torna degenerada e o sistema incompa-
tvel. Portanto, para que o mesmo seja compatvel devemos ter
1 0 + , logo 1 .
2.10 Soluo do sistema pelo mtodo da Matriz Inversa
Um sistema de equaes lineares Ax b = pode ser resolvido
multiplicando-se a matriz inversa de A , isto ,
1
A
, caso exista,
pela matriz dos coeficientes b .
Com efeito, admitindo que exista
1
A
, ento podemos multi-

plicar Ax b = em ambos os membros por
1
A
, ou seja,
1 1
A Ax A b

= . Mas
1
A A I
= e Ix x = . Portanto
1
x A b
= .
Como exemplo, temos o sistema
2 4
3 4 8
x y
x y
+ =
+ =
que equiva-
lente a
1 2 4
3 4 8
x
y

=

. A matriz inversa da matriz dos coeficien-
tes
2 1
3 2 1 2

. De fato, pois
1 2 2 1 1 0
3 4 3 2 1 2 0 1

=

. Dessa
80 lgebra Linear 1

forma a soluo do sistema pode ser obtida multiplicando-se a
matriz inversa pela matriz dos termos independentes
2 1 4 16
3 2 1 2 8 10

=

. Portanto a soluo do sistema
16
10
S

=

.
2.11 Clculo da Matriz Inversa
Este mtodo consiste em determinar a inversa da matriz A
aplicando o mtodo de Gauss-Jordan na matriz A I

, at que se
obtenha a matriz escalonada reduzida da matriz A , B S

. Se
B I = ento S a matriz inversa da matriz A , isto ,
1
A S
= ;
caso contrrio, a matriz A no admite inversa ( A singular).
Dessa forma vamos tomar como exemplo a matriz
2 1 1
1 1 1
2 3 2
A
| |
|
=
|
|
\
cuja inversa se deseja obter. Inicialmente vamos
escrever na forma A I

2 1 1 1 0 0
1 1 1 0 1 0
2 3 2 0 0 1
| |
|
|
|
\
.
Procedemos agora aplicando Gauss-Jordan at que A esteja na
forma escalonada reduzida. Faremos, a cargo de mais um exem-
plo, o escalonamento passo a passo. O primeiro passo obter um
lgebra Linear 1 81
piv para a linha 1. Poderamos simplesmente dividir a linha 1 por
2, mas apareceria fraes (as vezes inevitvel). Ao invs disso,
substitumos a linha 1 por uma combinao entre ela e a linha 2.
2 1 1 1 0 0
1 1 1 0 1 0
2 3 2 0 0 1
| |
|
|
|
\
1 1 2
l l l
Agora temos que transformar as linhas 2 e 3 em linhas equi-
valentes onde os elementos abaixo do piv so nulos.
1 0 0 1 1 0
1 1 1 0 1 0
2 3 2 0 0 1
| |
|
|
|
\
2 2 1
3 3 1
2
l l l
l l l

Na linha 2 j apareceu um piv com as operaes que foram
feitas.
1 0 0 1 1 0
0 1 1 1 2 0
0 3 2 2 2 1
| |
|
|
|
\
3 3 2
3 l l l
Agora iremos trocar a linha 3 por uma linha equivalente onde
os elementos abaixo do piv so nulos. Como na linha 3 apareceu
um elemento diferente de 1, iremos troc-la por uma linha equiva-
lente onde esse elemento seja 1.
1 0 0 1 1 0
0 1 1 1 2 0
0 0 1 1 4 1
| |
|
|
|

\
3 3
l l
82 lgebra Linear 1

Por fim, falta apenas trocar as linhas 1 e 2 por linhas equiva-
lentes onde os elementos acima do piv sejam nulos.
1 0 0 1 1 0
0 1 1 1 2 0
0 0 1 1 4 1
| |
|
|
|

\
2 2 3
l l l
Temos ento a matriz inversa da matriz A .
1 0 0 1 1 0
0 1 0 0 2 1
0 0 1 1 4 1
| |
|
|
|

\

Como a matriz A linha-equivalente matriz identidade,
temos que a matriz
1 1 0
0 2 1
1 4 1
| |
|
|
|

\
a inversa da matriz A .
Outro exemplo pode observado agora, considerando a matriz
1 6 4
2 4 1
1 2 5
A
| |
|
=
|
|
\
na qual buscaremos sua inversa. As operaes
sero indicadas ao lado de cada passo.
1 6 4 1 0 0
2 4 1 0 1 0
1 2 5 0 0 1
| |
|
|
|
\
2 2 1
3 3 1
2 l l l
l l l

+

1 6 4 1 0 0
0 8 9 2 1 0
0 8 9 1 0 1
| |
|

|
|
\
3 3 2
l l l +
lgebra Linear 1 83
1 6 4 1 0 0
0 8 9 2 1 0
0 0 0 1 1 1
| |
|

|
|
\

Como ns obtivemos uma linha de zeros no lado esquerdo, a
matriz A no invertvel, isto , A singular.
2.12 Exerccios
1) Determine se os vetores
( 8, 6,1,1) u =
e
( 10, 5,1, 2) v =
so solues
do sistema de equaes lineares
4 3 5
2 3 2 1
2 5 4 3
x y z w
x y z w
x y z w
+ + + =
+ + =
+ + =
.
2) Resolva os sistemas abaixo:
a)
1 2 3 4
1 2 3 4
1 2 3 4
3 2 5 4
2 8 9 9
3 5 12 17 7
x x x x
x x x x
x x x x
+ + =
+ + =
+ + =

b)
1 2 3
1 2 3
1 2 3
2 3
2 5 4
3 2 5
x x x
x x x
x x x
+ + =
+ =
c)
2 2
2 3 9
3 3 2 3
x y z
x y z
x y z
+ =
+ =
+ =

d)
10 0
5 0
3 0
x y
x z
y z
+ =
e)
2 2 5
2 2 3
2
x y z
x y z
x y z
+ + =
+ + =
+ + =

f)
1 2 3
1 2 3
1 2 3
2 8
2 3 1
3 7 4 10
x x x
x x x
x x x
+ + =
+ =
+ =
g)
1 2 3 4
1 2 3 4
1 2 3 4
1 4
2 1
2 2 2 2
2 4 1
3 3 3
x x x x
x x x x
x x x x
x x
+ =
+ =
+ + =

84 lgebra Linear 1

h)
1 2 3 4
1 2 3 4
1 2 3 4
2 4 1
3 7 2 2
12 11 16 5
x x x x
x x x x
x x x x
+ =
+ + + =
i)
8
2 3 1
3 7 4 10
x y z
x y z
x y z
+ + =
+ =
+ =

j)
4 2 2
8 4 5 6
12 7 10 6
x y z
x y z
x y z
+ + =
+ + =
+ + =
k)
2 2
3 7
1
x y z
y z
x z
+ =
+ =

3) Determine o valor de em cada sistema abaixo de acordo
com cada exigncia:
a)
6 12
4 4 8
x y
x y
+ =
+ =
seja indeterminado.
b)
3 2 1
4 0
x y
x y
+ =
admita uma soluo nica.

c)
2
2 4 5
y z
x y z a
x y z
+ =
+ + =
+ =
seja compatvel e determinado.

d)
2
2
4 5
x y
x y z
x y z
+ =
+ =
+ + =
seja impossvel.
e) (FUVEST-SP/adaptado)
1
3 2 3
2
x y z
x y z
y z
+ + =
+ =
+ =
compatvel e
determinado.
4) (UFES) Examinando os anncios a seguir, conclua o preo de
cada faca, garfo e colher.
lgebra Linear 1 85

5) Uma loja vende certo equipamento de informtica, que
fabricado por trs marcas diferentes: A, B e C. Um levantamento
sobre as vendas desse equipamento, realizado durante trs dias
consecutivos, revelou que:
no 1 dia, foram vendidos dois equipamentos da marca A, um
da marca B e um da marca C, resultando um total de vendas igual
a R$ 150,00;
no 2 dia, foram vendidos quatro equipamentos da marca A,
trs da marca B e nenhum da marca C, num total de R$ 240,00;
no ltimo dia, no houve vendas da marca A, mas foram vendi-
dos cinco da marca B e trs da marca C, totalizando R$ 350,00.
Qual o preo do equipamento fabricado por A? E por B? E por
C?
86 lgebra Linear 1

6) Na feira uma dona de casa verificou que as barracas A, B e C
tinham preos diferentes por quilo de produto, conforme a tabela
a seguir:
Tomate Batata Cebola
R$40,00 R$50,00 R$30,00
R$50,00 R$40,00 R$40,00
R$50,00 R$40,00 R$30,00
Comprando-se x quilos de tomate, y quilos de batatas e z qui-
los de cebolas tanto na barraca A quanto na B, a dona de casa
gastaria a mesma quantia: R$260,00. Comprando-se as mesmas
quantidades na barraca C, ela economizaria R$ 10,00. Determine
x+y+z.
1. (FMU SP) O valor de a para que o sistema
=
= +
54 3
18 2
ay x
y x

seja possvel e indeterminado :
a) -6 b) 6 c) 2 d) -2 e) 3/2
lgebra Linear 1 87
2. (FGV SP) O sistema
2 3 0
2 4 0
14 0
x y z
x y z
x z
+ =
+ + =
:
a) determinado.
b) Impossvel
c) Determinado e admite como soluo (1, 1, 1).
d) Indeterminado.
e) N.D.A.
3. (UFRN) A soluo do sistema
6
4 2 5
3 2 13
x y z
x y z
x y z
+ + =
+ =
+ + =
:
a) (-2, 7, 1) b) (4, -3, 5) c) (0, 1, 5) d) (2, 3, 1) e) (1, 2, 3)
4. (OSEC SP) O sistema linear
2 2
2 3 4 9
4 2 7
x y z
x y z
x y z
+ =
+ + =
+ + =
:
a) admite soluo nica;
b) admite infinitas solues;
c) admite apenas duas solues;
d) no admite soluo;
e) N.D.A.
88 lgebra Linear 1

5. (EFOA MG) O sistema de equaes
= +
= +
0
5 5
y bx
y ax
, ter uma
nica soluo se:
a) b a 5 = b) 0 5 = + b a c) 0 5 b a d) 0 5 = ab e) 0 5 ab
6. (FAAP SP) Para que o sistema linear
= +
=
1 5 2
7
y x
by ax
admita
uma nica soluo, necessrio que:
a)
5
2b
a

b)
5
2b
a

=
c)
2
5b
a

d)
5
2b
a
e)
2
5b
a

=

7. (FCC BA) O sistema linear
= +
= +
1
2
y x a
a y x
impossvel se e
somente se:
a) 1 a e 1 a b) 1 = a ou a = 1
c) 1 = a d) 1 = a
e) R a
8. (FEI SP) Se x = A, y = B e z = C so as solues do sistema
3
4
4 10
x y
x z
y z
=
+ =
+ =
, ento ABC vale:

a) -5 b) 8 c) -6 d) -10 e) 5

lgebra Linear 1 89
9. (UFRS) O sistema sobre R
2 3 1
2
4 11 11
x y z
x y z b
x y z
+ =
+ =
, ter soluo
apenas se o valor de b for igual a:
a) 6 b) 4 c) 1 d) -11 e) -12
10. (MACK SP) O sistema
2
4 2
x y k
x my
+ =
+ =
indeterminado.
Ento k + m vale:
a) 1/2 b) 1 c) 3/2 d) 2 e) 3
11. (UFSC) Para qual valor de m o sistema
=
=
=
0 2 3
0 2
0 2
y x
z my x
z y mx
ad-
mite infinitas solues?
a) m = 0 b) 0 m c) m = 2 d) m = 10 e) m = 1
12. (FCC BA) O sistema
= +
=
0
0
2
ky x
y x k
nas incgnitas x e y:
a) impossvel se 1 k
b) admite apenas a soluo trivial se k = 1
c) possvel e indeterminado se k = -1
d) impossvel para todo k real
e) admite apenas a soluo trivial para todo k real.
90 lgebra Linear 1

13. (CESGRANRIO) O sistema
= +
= +
= +
b y x
z ay x
z y ax
1
0
tem uma infini-
dade de solues. Ento, sobre os valores dos parmetros a e b,
podemos concluir que:
a) a = 1 e b arbitrrio. b) a = 1 e 0 b
c) a = 1 e b = 1 d) a = 0 e b = 1
e) a = 0 e b = 0
14. (FUVEST SP) O sistema linear:
=
= + +
= +
3
1
0 2
z y x
z y x
z y x
no admi-
te soluo se for igual a:
a) 0 b) 1 c) -1 d) 2 e) -2
15. (FUVEST SP) Carlos e sua irm Andria foram com seu
cachorro Bidu farmcia de seu av. L encontraram uma velha
balana com defeito que s indicava corretamente pesos superio-
res a 60 kg. Assim eles se pesaram dois a dois e obtiveram as se-
guintes marcas:
Carlos e o co pesam juntos 87 kg;
Carlos e Andria pesam 123 kg;
Andria e Bidu pesam 66 kg.
lgebra Linear 1 91
Podemos afirmar que:
a) cada um deles pesa menos que 60 kg.
b) dois deles pesam mais de 60 kg.
c) Andria a mais pesada dos trs.
d) o peso de Andria a mdia aritmtica dos pesos de Carlos e
de Bidu
e) Carlos mais pesado que Andria e Bidu juntos.
16. (UNESP) Um indivduo fez uma viagem de 630 km e teria
gastado menos de 4 dias se tivesse caminhado mais 10 km por dia.
Quantos dias gastou na viagem e quantos quilmetros caminhou
por dia?
17. (UNICAMP) O IBGE contratou um certo nmero de entre-
vistadores para realizar o recenseamento em uma cidade. Se cada
um deles recenseasse 100 residncias, 60 delas no seriam visita-
das. Como, no entanto, todas as residncias foram visitadas e cada
recenseador visitou 102, quantas residncias tem a cidade?
18. (UFMG) Um barril cheio, contendo uma mistura com 70%
de vinho puro e 30% de suco, custa R$ 240,00. O litro de vinho
puro R$ 6,00 e o preo do litro do suco R$ 2,00. Qual a ca-
pacidade do barril?
19. (UNICAMP) Em um restaurante, todas as pessoas de um
92 lgebra Linear 1

grupo pediram um mesmo prato principal e uma mesma sobreme-
sa. Com o prato principal, o grupo gastou R$ 56,00 e com a so-
bremesa, R$ 35,00; cada sobremesa custou R$ 3,00 a menos que o
prato principal.
a) Encontre o nmero de pessoas neste grupo.
b) Qual o preo do prato principal?
20. (FEI-SP) Se
( )
, P a b = o ponto de interseo das retas
9 3 7 0 x y = e 3 6 14 0 x y + = . Ento a b + igual a:
a) 1 a = b) 1 b = c) 1 a = d) 2 b = e) 2 a =
21. (UEL) Se os sistemas a seguir so equivalentes, ento ab
igual a:
3 0
2 0
ax y
x by
=
e
2 3 1
3 2 4
x y
x y
+ =
+ =
.
a)
2
7
b) 4 c)
2
9
d) -5 e) 6
22) (UFPE) Se
( )
, , a b c a soluo do sistema
2 3 11
1
3 2 5
x y z
x y z
x y z
+ + =
+ =
+ + =
,
calcule
( )
4
a b c + + .
23) (FUVEST)
2
2
y x b
S z y b
az x b
+ =
= =
+ =
. Resolva o sistema S para:

lgebra Linear 1 93
c) 0 a = e 1 b =
d) 4 a = e 0 b =
24) (PUC-MG) O sistema
3
2 4 3
x my
x y m
+ =
+ =
indeterminado. O
valor de
2
/ 2 m m :
a) 0 b) 1 c) 2 d) 3 e) 4
25) (UEL) O sistema
3 2
2 0
ax y
x y
+ =
possvel e indeterminado
e) para qualquer valor de 0 a =
f) somente para 0 a =
g) somente para 6 a =
h) se 0 a
i) se 6 a
26) (UEL) Considere o seguinte sistema nas incgnitas x e
y
3 5
3 6 15
kx y
x y
+ =
+ =
.
Esse sistema tem uma e uma s soluo se o nmero real k for
diferente de:
a) 1/5 b) 1/4 c) 2/5 d) 1/3
27) (UNITAU) O sistema
2 5
3 6 15
x y
x y
=
+ =

j) possvel e determinado.
k) possvel e indeterminado.
l) impossvel.
m) Tem determinante principal diferente de zero.
94 lgebra Linear 1

n) No admite nenhuma raiz real.
28) (UNITAU) Calcule o valor de k para que o sistema a seguir
tenha soluo diferente da trivial.
3 0
2 (2 ) 2 0
(1 ) 2 0
x y z
x k y z
x y k y z
+ + =
+ + =
+ + + =

29) (UFJF) Calcule os valores de a e b para que o sistema
3 3 4
( ) 2 8
x y a b
a b x y
+ = +
+ + =
seja possvel e indeterminado.

30) (UFMG) Uma indstria produz trs produtos, A , B e C ,
utilizando dois tipos de insumo, X e Y . Para a manufatura de
cada quilo de A so utilizados 1 grama do insumo X e 2 gramas
do insumo Y ; para cada quilo de B , 1 grama de insumo X e 1
grama de insumo Y e, para cada quilo de C , 1 grama de X e 4
gramas de Y . O preo de venda do quilo de cada um dos produ-
tos A , B e C de R$ 2,00, R$ 3,00 e R$ 5,00, respectivamente.
Com a venda da produo de A , B e C manufaturada com 1
quilo de X e 2 quilos de Y , essa indstria arrecadou R$ 2.500,00.
Determine quantos quilos de cada um dos produtos A , B e C
foram vendidos.
31) (FGV-SP) Considere o sistema linear nas incgnitas x e y ,
2 3
4 4 2
mx y
x y b
=
;
o) Para que valores de m e n o sistema determinado, indeter-
minado ou impossvel?
lgebra Linear 1 95
p) Resolva o sistema para 3 m = e 2 n .
32) (FUVEST-SP) Seja o sistema
2 0
3 0
3
x y z
x my z
x y mz m
+ =
+ + =

q) Determine todos os valores de m para os quais o sistema
admite soluo.
r) Resolva o sistema supondo 0 m = .
33) (UNB) Para o dia das mes, uma loja ofereceu a seus clientes
a possibilidade de comprarem lenis, fronhas e colchas, agrupa-
dos nos seguintes jogos:
I. 2 lenois e 2 fronhas.
II. 2 lenois e 2 colchas.
III. 1 lenol, 1 fronha e 1 colcha.
Considerando que o preo de cada pea o mesmo em qualquer
um dos jogos I, II e III que so vendidos por R$ 130,00, R$
256,00 e R$ 143,00, respectivamente, calcule, em reais, o preo
unitrio da colcha, desprezando os centavos, caso existam.
34) (UNESP) U m negociante trabalha com as mercadorias A, B
e C das quais, de cada uma, tem um pequeno estoque no nulo. Se
vender cada unidade de A por R$ 2,00, cada unidade de B por R$
3,00 e cada unidade de C por R$ 4,00, obtm uma receita de R$
50,00. Mas se vender cada unidade por respectivamente por R$
2,00, R$ 6,00 e R$ 3,00, a receita ser de R$ 60,00. Calcule o
nmero de unidades que possui cada uma das mercadorias.
96 lgebra Linear 1

35) (FEI-SP) Um comerciante adquiriu 80 rolos de arame, alguns
com 30 m outros com 20 m, num total de 2.080 m de comprimen-
to. Quantos rolos de 30 m foram adquiridos?
a) 40 b) 52 c) 28 d) 32 e) 48
36) (CESGRANRIO) Resolvendo-se a equao matricial mos-
trada na figura, encontramos para x e y valores respectivamente
iguais a
1 2 5
4 3 10
x
y
| || | | |
=
| | |
\ \ \
.
a) -2 e 1 b) -1 e 2 c) 1 e -2 d) 1 e 2 e) 2 e -1
37) (FUVEST-SP) Durante uma viagem, choveu 5 vezes. A chu-
va caa pela manh ou tarde, nunca o dia todo. Houve 6 manhs
e 3 tardes sem chuvas. Quantos dias durou a viagem?
a) 6 b) 7 c) 8 d) 9 e) 10
38) (FUVEST-SP) O valor, em reais, de um a pedra semipreciosa
sempre numericamente igual ao quadrado de sua massa, em
gramas. Infelizmente uma dessas pedras, de 8 gramas, caiu e se
partiu em dois pedaos. O prejuzo foi o maior possvel. Em rela-
o ao valor original, o prejuzo foi de:
a) 92% b) 80% c) 50% d) 20% e) 18%
39) (UFMG) Supondo que 48 quilogramas de chumbo custam o
mesmo que 56.000 gramas de ao e 7 quilos ao custam R$
300,00, o preo de 150 quilogramas de chumbo :
a) R$ 7.500,00 b) R$ 9.000,00 c) R$ 12.000,00 d) R$ 13.500,00
40) (PUCCAMP-SP) Um certo nmero de alunos fazia prova em
uma sala. Em um dado momento, retiraram-se 15 moas, ficando
lgebra Linear 1 97
o nmero de rapazes igual ao dobro do nmero de moas. Em
seguida, retiraram-se 31 rapazes, ficando na sala igual nmero de
moas e rapazes. O total de alunos que fazia prova nessa sala era:
a) 96 b) 98 c) 108 d) 116 e) 128
41) (UEL) Um lojista pretende colocar um certo nmero de aga-
salhos em algumas prateleiras, de modo que o nmero de peas
em cada prateleira seja o mesmo. Se colocar 9 agasalhos em cada
prateleira, duas delas deixaro de ser usadas; entretanto, se colocar
7 em cada um, usar todas as prateleiras. O nmero de agasalhos
que deve acomodar :
a) 52 b) 56 c) 58 d) 61 e) 63
42) (UFES) Por ocasio do Natal, uma empresa gratificar seus
funcionrios com um certo nmero de cdulas de R$ 50,00. Se
cada funcionrio receber 8 cdulas sobraro 45 delas; se cada um
receber 11 cdulas, faltaro 27. O montante a ser distribudo :
a) R$ 9.600,00 b) R$ 10.500,00 c) R$ 11.000,00
d) R$ 13.250,00 e)R$15.000,00
43) (UNIRIO) Lus e Maria resolveram comparar suas colees
de CDs. Descobriram que tm ao todo 104 compact disc e que,
se Maria tivesse 12 CDs a menos, teria o triplo do nmero de
discos de Lus. possvel afirmar que a quantidade de CDs que
Lus possui :
a) 23 b) 29 c) 31 d) 52 e) 75
44) (UNIRIO) Na soluo do sistema
98 lgebra Linear 1

=
= +
7 4
2 log 3 log 1 log(
y x
y x
, o valor de x :
a) 15 b) 13 c) 8 d) 5
45) (PUC-PR) Resolvendo o sistema
+ + +
=
= + +
3 3
1 2 3
2 3
z y x
z y x
z y x
, o valor
da soma x y z + + :
a) 5 b) 15 c)6 d) 12 e) 0
46) (UNIFICADO-RJ) Se o sistema
3
(2 1) 4
y mx
y m x
= +
= +
, tem ape-
nas uma soluo (x,y), ento o parmetro m satisfaz a condio:
a) m 1 b) m -1 c) m 0 d) m e) m 2
2.14 Resposta dos exerccios propostos
i) u soluo do sistema pois soluo de cada equao j v no
soluo do sistema pois no soluo da segunda equao (no
necessrio substituir v na terceira equao).
ii)
a) no possui soluo;
b) {(2, 1, 3)} S =
c) {(2, 1, 0)} S =
d) {(1, 2, 3)} S =
e) {(6, 4,1)} S =
f) {(1, 2, 1)} S =
lgebra Linear 1 99
g)
1 4 2 3 3 4
{ 1; 2 ; , } S x x x x x x = = = R

h) Sistema Incompatvel
i) {(11 3, 5 3, 8 3)} S =
j) {(2, 2, 4)} S =
k) {(1,1, 2)} S =
l)
iii)
a) = 6
b) 6
c)
{ }
| 4 e 1 R
d) = 4 ou = 1
e)
1
|
4

`
)
R

iv) Faca: 5,50; colher: 3,00; garfo: 4,00
v) 30+40+50=120
1. a
2. d
3. e
4. b
5. c
6. a
7. d
8. c
9. b
10. e
11. c
12. c
13. d
14. e
15. e
3 Espao Vetorial
Voltamos ao icosaedro, ou melhor, as coordenadas do icosa-
edro representadas pela matriz A no captulo 0. Vimos que ao
multiplicar a matriz A por um escalar k qualquer, resultou-se em
ou um icosaedro expandido ( 1 k > ), ou um icosaedro contrado
0 1 k < < , ou reduzimos o icosaedro a um ponto ( 0 k = ), ou refle-
timos o icosaedro ( 0 k < ). O mesmo acontece quando somamos
as coordenadas de dois icosaedros, ou quando transladamos o
icosaedro. Todas essas operaes iro gerar um nmero infinito
de icosaedros. Somam-se a este conjunto as operaes com matri-
zes de ordem 12 3 que no representam as coordenadas de um
icosaedro, e tambm no contribuem para as translaes. Resu-
mindo, com todas essas operaes mencionadas, e talvez mais
algumas, temos um conjunto de infinitas matrizes de ordem
12 3 , que representam ou no um icosaedro. A este conjunto
chamaremos de espao vetorial.
Veremos ento, numa notao mais formal, a definio de
espao vetorial. Seja K um corpo
7
(conjunto dos nmeros reais,

7
A definio de corpo pode ser vista em qualquer livro de lgebra abstra-
ta.
lgebra Linear 1 101
conjunto dos nmeros racionais, etc.) e seja V um conjunto no
vazio com a propriedade do fechamento para as operaes de
adio e de multiplicao por escalar, isto , sejam , u v V ento a
soma u v + pertence a V , e seja e u V k K ento o produto
ku pertence a V . Logo, V chamado de espao vetorial sobre
K se os seguintes axiomas so verdadeiros:
A1) Propriedade associativa da adio sejam , , , u v w V en-
to
( ) ( )
u v w u v w + + = + + .
A2) Elemento neutro da adio , 0 u V u u + = onde 0 o
vetor nulo.
A3) Elemento oposto da adio
( )
, 0 u V u u + = .
A4) Propriedade comutativa da adio sejam , u v V , ento
u v v u + = + .
M1) Sejam k K e , u v V , ento
( )
k u v ku kv + = + .
M2) Sejam , a b K e u V , ento
( )
a b u au bu + = + .
M3) Sejam , a b K e u V , ento
( ) ( )
ab u a bu = .
M4) Elemento neutro da multiplicao seja u V , ento 1u u = .
Os elementos de um espao vetorial so chamados de veto-
res.
102 lgebra Linear 1

3.1 Combinao linear
J foram discutidas aqui vrias idias envolvendo a matriz dos
vrtices de um icosaedro. Vimos que a translao do icosaedro
na verdade a soma de duas matrizes. Neste exemplo transladamos
o icosaedro trs unidades referentes ao eixo x . Podemos reescre-
ver esta translao da forma
0 0 1
0
1 3
0 1
u

+

0,89 0,45
0,28 0,85 0,45
-0,72 0,53 0,45
-0,72 -0,53 0,45
0,28 -0,85 0,45
0,72 0,53 -0,45
-0,28 0,85 -0,45
-0,89 0 -0,45
-0,28 -0,85 -0,45
0,72 -0,53 -0,45
0
1 0 0 3 0 1
1 0 0 0
1 0 0
1 0 0
1 0 0
1 0 0
1 0 0
1 0 0
1 0 0
1 0 0
1 0 0
1 0 0
v

=

3,89 0,45
3,28 0,85 0,45
-3,72 0,53 0,45
-3,72 -0,53 0,45
3,28 -0,85 0,45
3,72 0,53 -0,45
-3,28 0,85 -0,45
-3,89 0 -0,45
-3,28 -0,85 -
0 1
w

0,45
3,72 -0,53 -0,45
3
,
onde denotando
1
1 a = e
2
3 a = , reescrevemos esta ltima expres-
so como
1 2
a u a v w + = . Assim, podemos dizer que w uma
combinao linear u e v . Vale a pena notar que
1
a e
2
a pode
assumir qualquer valor, e que u e v podem ser quaisquer matrizes
de ordem 12 3 . Evidentemente, uma combinao de u e v no
necessariamente representar os vrtices de um icosaedro.
lgebra Linear 1 103
Assim, estamos prontos para definir uma combinao linear.
Sejam V um espao vetorial real (ou complexo),
1 2
, , ,
n
v v v V e
1 2
, , ,
n
a a a nmeros reais (ou complexos). Ento, o vetor
1 1 2 2 n n
v a v a v a v = + + + um elemento de V ao que chamamos
de combinao linear de
1 2
, , ,
n
v v v .
3.2 Subespao vetorial
Dados
1
, ,
n
v v V , o conjunto W de todos os vetores de V
que so combinao linear destes, um subespao vetorial. Di-
zemos que W um subespao vetorial gerado por
1 2
, , ,
n
v v v , e
usamos a notao
[ ]
1
, ,
n
W v v = . Tambm podemos escrever o
conjunto W como
{ }
1 1
: , ,1
n n i
W v V v a v a v a i n = = + + R .
Veremos a seguir alguns exemplos clssicos de subespaos
vetoriais. Podemos enxergar a reta como um espao vetorial. Isto
, seja
3
V = R , v V , 0 v , ento
[ ] { }
: v av a = R , ou seja,
[ ]
v
a reta que contm o vetor v .

Figura 3.1: reta gerada pelo vetor v .
y
x
z
[ ]
v
v
104 lgebra Linear 1

Num segundo exemplo, temos
2
V = R , onde
1
1
0
e

=

e
2
0
1
e

=

so os vetores cannicos de
2
R . Logo, temos que o
espao
2
R gerado por esses vetores, isto ,
[ ]
1 2
, V e e = . Isto
fcil de verificar, pois qualquer vetor da forma
2
x
v
y

=

R , ou
seja,
1 0
0 1
x
x y
y

= +

,
1 2
v xe ye = + .

Figura 3.2: espao
2
R gerado por
1
e e
2
e .
Vejamos agora o subespao vetorial gerado pelas matrizes de
ordem 2 2 da forma
1
1 0
0 0
v

=

e
2
0 1
0 0
v

=

. Temos que
[ ]
1 2
, : ,
0 0
a b
v v a b

=
`

)
R .
Sejam
3
1 2
, v v R tal que
1 2
v v (
1
v no seja paralelo e nem
coincidente a
2
v ), R , ento
[ ]
1 2
, v v ser o plano que passa
pela origem e contm
1 2
e v v .
x
y
1 2
v e x e y = +
1
e
2
e
lgebra Linear 1 105
Seja um terceiro vetor que gerado por
1 2
e v v ,
[ ]
3 1 2
, v v v ,
ento temos que
[ ] [ ]
1 2 1 2 3
, , , v v v v v = , pois todo vetor que combi-
nao linear de
1 2 3
, e v v v tambm combinao linear de
1 2
e v v .

Figura 3.3: plano, em
3
R , gerado por
1
v e
2
v .
3.3 Exerccios
01. Escreva o vetor
1
2
5
v

=

como combinao linear dos veto-
res
1 2 1
1 1 2
1 , 2 e 1
1 3 1
u u u

= = =

.
x
y
z [ ]
1 2
, v v
1
v
2
v
106 lgebra Linear 1

02. Escreva o vetor
2
5
3
v

=

como combinao linear dos veto-
res
1 2 1
1 2 1
3 , 4 e 5
2 1 7
u u u

= = =

.
03. Determine o valor de k para que o vetor
1
2 u
k

=

seja uma
combinao linear dos vetores
1 2
3 2
0 e 1
2 5
v v

= =

.
04. Escreva o polinmio
2
4 3 v t t = + como uma combinao
linear dos polinmios
2
1
2 5 u t t = + ,
2
2
2 3 u t t = e
3
3 u t = + .
05. Escreva a matriz
3 1
1 1
A

=

como uma combinao linear
das matrizes
1 1
1 0
B

=

,
0 0
1 1
C

=

e
0 2
0 1
D

=

.
06. Suponhamos que u uma combinao linear dos vetores
1
, ,
n
v v e suponhamos que cada vetor
i
v combinao linear
dos vetores
1
, ,
n
w w . Mostre que u tambm uma combinao
linear dos
i
w .
lgebra Linear 1 107
3.4 Dependncia e independncia linear
Seja um espao vetorial V e a combinao linear dos vetores
1
, ,
n
v v V com os coeficientes
1
, ,
n
a a , isto ,
1 1 2 2 n n
w a v a v a v = + + + . Os vetores
1
, ,
n
v v so linearmente
independentes, e que a partir de agora chamaremos simplesmente
de LI, se a nica combinao linear que produz o vetor nulo
quando os coeficientes so nulos, isto ,
1 2
0
n
a a a = = = = .
Caso contrrio, ou seja, se existe algum 0
i
a dizemos que os
vetores
1
, ,
n
v v so linearmente dependentes, ou, para referncias
futuras, LD. Varemos alguns exemplos a seguir.
Seja
1 4 1 2
3 5 3 2
2 2 1 3
B

=

. Temos que as colunas da matriz B
so LD, pois se fizermos uma combinao linear delas, temos
1
2
1 2 3 4
3
4
1 4 1 2 1 4 1 2
3 5 3 2 3 5 3 2
2 2 1 3 2 2 1 3
a
a
a a a a
a
a

+ + + =

. Para que as
colunas de B fossem LI, teramos que ter uma nica soluo
1
2
3
4
0
0
0
0
a
a
a
a

=

para o sistema 0 Ba = . Mas este sistema tem vrias
108 lgebra Linear 1

solues, pois homogneo e o nmero de linhas menor que o
nmero de colunas. Logo, os vetores so LD.
Sejam
3
V = R e
1 2
, v v V . Logo,
1 2
e v v so LD se e somen-
te se
1 2
v v = , isto ,
1 2
e v v estiverem sobre a mesma reta que
passa pela origem.

Figura 3.4:
1
v e
2
v so colineares.
Sejam
3
V = R e
1 2 3
, , v v v V ,
1 2 3
, , v v v so LD se eles estive-
rem no mesmo plano, que passa pela origem. Isto significa que ou
1
v ou
2
v ou
3
v uma combinao linear dos outros dois.

Figura 3.5:
1
v ,
2
v e
3
v so coplanares.
x
y
z
1
v
2
v
3
v
x
y
z
1
v
2
v
lgebra Linear 1 109
Sejam
2
V = R ,
1
1
0
e

=

e
2
0
1
e

=

. Os vetores
1
e e
2
e so
LI, pois a nica forma para
1 1 2 2
0 a e a e + = quando
1
0 a = e
2
0 a = . Em outras palavras,
1 2
1 0 0
0 1 0
a a

+ =

, isto ,
1
2
0
0
a
a

=

.
O mesmo acontece com o espao
n
R . Os vetores cannicos
deste espao so LI. Outro exemplo refere-se ao espao
3
V = R .
Sejam
1 2
, e e e
3
e os vetores cannicos deste espao. Logo,
1 1 2 2 3 3 1 2 3
1 0 0 0
0 1 0 0
0 0 1 0
a e a e a e a a a

+ + = + + =

, isto ,
1
2
3
0
0
0
a
a
a

=

.
3.5 Base de um espao vetorial
Seja V um espao vetorial. A base desse espao vetorial
formada pelos vetores
1
, ,
n
v v , LI, que geram o mesmo. Deno-
tamos esta base por ,
{ }
1
, ,
n
v v = .
Sejam
2
V = R ,
1
1
0
e

=

e
2
0
1
e

=

. Logo,
[ ]
1 2
, V e e = , isto ,
1
e e
2
e formam a base de V que conhecida como base cannica
de
2
R .
110 lgebra Linear 1

Figura 3.6: base cannica de
2
R .
Temos que
1
0
1
v

=

e
2
0
2
v

=

no formam uma base para
2
R , pois
1 2
1 2
0 0 0 0
2 1 2 0
a a
a a

+ = =

+

, isto ,
1 2
2 a a = . Logo,
podemos ter valores diferentes de 0 para
1
a e
2
a que faam com
que a combinao linear de
1
v e
2
v seja nula. Assim
1
v e
2
v so
LD.

Figura 3.7:
1
v e
2
v no geram
2
R .
O conjunto de todos os vetores cannicos do espao
n
R
forma uma base do mesmo. Eles so LI entre si e geram todo o
espao
n
R . Diferentemente do exemplo que veremos a seguir.
x
y
1
v
2
v
x
y
1
e
2
e
lgebra Linear 1 111
Sejam
1
1
0
0
e

=

e
2
0
1
0
e

=

vetores cannicos de
3
R . Apesar de
serem LI, eles no formam uma base para
3
R , pois eles no ge-
ram todo o espao. Na verdade eles geram todo o plano xy , isto
,
1 0
0 1
0 0 0
x
x y y

+ =

, que um subespao de
3
R .
Seja
( )
2, 2 V M = o espao de todas as matrizes de ordem 2 .
Logo,
1 0 0 1 0 0 0 0
, , e formam uma base para .
0 0 0 0 1 0 0 1
V

Vale pena ressaltar que um espao vetorial tem mais de uma
base, alm da base cannica. Mas o que interessa para ns no a
quantidade de bases que um espao tem, mas sim a quantidade de
elementos que essa base tem. Faremos essa discusso a seguir.
3.6 Dimenso
Qualquer base de um espao vetorial tem sempre o mesmo
nmero de elementos. Esse nmero chamado de dimenso da
base. Verificando alguns exemplos de espaos vetoriais dados
anteriormente, temos
2
V = R , onde
[ ]
1 2
, V e e = . Ento
dim 2 V = . Outro exemplo o espao
3
V = R onde
112 lgebra Linear 1

[ ]
1 2 3
, , V e e e = , isto , dim 3 V = . Vimos tambm o espao das
matrizes de ordem 2 onde a dimenso da base deste espao 4 .
Um corolrio importante diz se dimV n = , qualquer conjunto
de n vetores LI, pertencentes a V , formar uma base de V.
3.7 Exerccios
1. Verifique se os vetores abaixo formam uma base de
4
R . Diga
qual a dimenso do espao gerado por esses vetores.
1 0 0 0
1 1 0 0
, , e
1 1 1 0
1 1 1 1

.
2. Encontre uma base para
2 5 4
3 , 2 , 6
4 1 8
V

=

. Diga qual a
dimenso de V.
3.8 Os quatro subespaos fundamentais
Ns vimos que a base de um espao vetorial gera todo o es-
pao. Isto , todos os outros elementos do espao so obtidos
atravs de uma combinao linear dos elementos da base desse
espao. Por exemplo, os espaos R ,
2
R , ou
n
R so obtidos pela
lgebra Linear 1 113
combinao de seus vetores cannicos. Claro que esses espaos
podem ter outras bases. Essa noo nos levar a definir a imagem
ou espao coluna associado matriz A . Por exemplo, sejam
1
, ,
n
v v vetores que geram o espao
n
R . Logo,
1 1 n n i
x v x v b + + = , isto , para cada conjunto de valores reais
1
, ,
n
x x obtemos um vetor
i
b diferente. Podemos dizer ento
que
1
, ,
n
v v gera uma imagem que est contida em
m
R , onde m
a quantidade de elementos do vetor
i
v (nmero de linhas da
matriz A ). Neste exemplo que estamos trabalhando temos n
vetores que formam a base do espao, com n elementos cada um.
Logo a imagem o prprio
n
R . Em outras palavras, qualquer
vetor de
n
R pode ser escrito como uma combinao linear de
1
, ,
n
v v . Reescrevendo
1 1 n n i
x v x v b + + = numa notao matrici-
al, temos que
1 1
1
| |
| |
n
n n
x b
v v
x b

=

. . , ou de forma mais compacta,
Ax b = . Esta notao nos ajuda a entender porque a imagem de
A tambm chamada de espao coluna de A , ou seja, o espao
que gerado pelas colunas da matriz A (isto se todas as colunas
forem LI).
O segundo espao fundamental o espao nulo, tambm
conhecido como ncleo, da matriz A . O espao nulo o espao
que contm todos os vetores x que multiplicados pela matriz A
114 lgebra Linear 1

retornam o vetor nulo, isto , 0 Ax = . Como o vetor x tem n
elementos, ento o espao coluna de A est contido em
n
R .
O espao linha de A gerado pelas colunas da matriz
T
A
que so LI. Por isso esse espao tambm chamado de espao
coluna de
T
A ou imagem de
T
A .
O quarto e ltimo espao fundamental chamado de espao
nulo de
T
A , e como 0
T
A y = se e somente se 0
T
y A = , este es-
pao tambm conhecido como espao nulo a esquerda de A .
Apresentamos, de forma resumida, uma tabela contendo todos os
espaos fundamentais apresentados nesta seo, assim como as
suas respectivas dimenses.
Tabela 3.1: os 4 subespaos fundamentais
Espao coluna ( )
Im
m
A R
dim r =
mxn
A
Espao nulo ( )
n
N A R
dim n r =
Espao coluna de
T
A
Espao linha de A
( )
Im
T
A
dim r =
T
nxm
A
Espao nulo de
T
A
Espao nulo a es-
querda de A
( )
T
N A
dim n r =

lgebra Linear 1 115
Nesta tabela r representa a dimenso do espao coluna de A
(quantidade de pivs obtidos no escalonamento da matriz A ,
equivalente ao posto da matriz A que a quantidade de linhas
no nulas no processo de escalonamento), e n a quantidade de
colunas da matriz A .
3.8.1 Fatorao A=LU
Toda matriz A pode ser fatorada da forma PA LU = , onde
P a matriz permutao, L uma matriz triangular inferior que
contm os pivs utilizados no escalonamento da matriz A e U a
matriz resultante do escalonamento de A. Como exemplo fatora-
mos a matriz
2 1 1
4 6 0
2 7 2
A

=

. No processo de escalonamento
obtemos a matriz que contm os pivs do escalonamento
1 0 0
2 1 0
1 1 1
L

=

, e a matriz equivalente escalonada
2 1 1
0 8 2
0 0 1
U

=

.
A matriz permutao , inicialmente, a matriz identidade. No
processo de escalonamento, quando trocamos uma linha ou uma
coluna de lugar com outra, devemos realizar a mesma troca na
matriz permutao. Como no houve permutao de linhas ou de
116 lgebra Linear 1

colunas no processo de escalonamento, a matriz
1 0 0
0 1 0
0 0 1
P

=

a
prpria matriz identidade, e como IA A = , no h necessidade de
escrever PA LU = , bastando apenas escrever A LU = . As contas
podem ser refeitas pelo leitor a cargo de prtica.
3.8.2 Base dos quatro subespaos fundamentais
Uma base para o espao coluna associado matriz A for-
mado pelas colunas da matriz A que correspondem s colunas de
U que contm piv, ou seja, pelas colunas da matriz A que so
LI.
Uma base para o espao nulo associado matriz A forma-
da resolvendo-se o sistema 0 Ux = .
Observe a matriz
5 3 6
4 2 8
0 1 1
A

=

. Escalonando-a temos
2 1 1
0 8 2
0 0 1
U

=

. Portanto, o espao coluna de A
( )
5 3 6
Im 4 , 2 , 8
0 1 1
A

=

e a dimenso
( )
dim Im 3 A =

.
lgebra Linear 1 117
O espao nulo de A formado resolvendo-se o sistema
0 Ux = . Da, temos que
2 1 1 0
0 8 2 0
0 0 1 0
x
y
z

=

, onde, por retro
substituio, temos que 0 x y z = = = , ou seja, o nico vetor que
aplicado matriz A que d o vetor nulo o prprio vetor nulo.
Logo
( )
dim 0 N A =

e
( )
0
0
0
N A

=

.
Veremos agora um segundo exemplo. Seja
2 5 1
4 6 0
A

=

,
onde, escalonando a matriz, temos que
2 5 1
0 4 2
U

=

. Portan-
to, o espao coluna de A
( )
2 5
Im ,
4 6
A

=

e
( )
dim Im 2 A =

.
Obtemos o espao nulo de A resolvendo o sistema 0 Ux = .
Temos que
2 5 1 0
0 4 2 0
x
y
z

=

. Reescrevendo o sistema,
temos
2 5 0
4 2 0
x y z
y z
+ =
+ =
, onde, podemos observar, z uma vari-

vel livre. Logo,
1
2
y z = e
3
4
x z = . Assim, escrevemos a soluo
118 lgebra Linear 1

do sistema como
3 3
4 4
1 1
2 2
1
z
x
y z z
z
z

= =

. Portanto, o ncleo da
matriz A
( )
3
4
1
2
1
N A

=

e
( )
dim 1 N A =

.
3.9 Exerccios
1) Seja V o conjunto do primeiro quadrante do plano xy , isto
, : 0, 0
x
V x y
y

=
`

)
. a) Se u e v pertencem a V , ento
u v + pertencem a V ? Justifique. b) Encontre um vetor u perten-
cente a V e um escalar c tal que cu no pertence a V .
2) Seja W o conjunto da unio do primeiro e terceiro quadrante
do plano xy , ou seja, : 0
x
W xy
y

=
`

)
. a) Se u W e c um
escalar qualquer, ento cu W ? Por qu? b) Encontre vetores u e
v pertencentes a W tal que u v W + . Esse contra exemplo
suficiente para mostrar que W no um subespao.
lgebra Linear 1 119
3) Seja C o conjunto de todos os pontos do crculo unitrio,
isto ,
2 2
: 1
x
C x y
y

= +
`

)
. Encontre um contra exemplo para
mostrar que C no um subespao vetorial de
2
R .
4) Seja
2
:
x
H y x
y

=
`

)
. Encontre um contra exemplo e mos-
tre que H no um subespao de
2
R .
Nos exerccios de 5-8 determine se o conjunto dado um subes-
pao de
n
P para um determinado valor de n .
5) Todos os polinmios da forma
( )
2
P x cx = , onde c R .
6) Todos os polinmios da forma
( )
2
P x c x = + , onde c R.
7) Todos os polinmios de grau maior ou igual a 3, onde os
coeficientes so nmeros inteiros.
8) Todos os polinmios em
n
P tal que
( )
0 0 P = .
9) Seja V o conjunto de todos os vetores da forma 3
5
x
x
x

. En-
contre um vetor
3
v R tal que
[ ]
V v = . Mostre que V um sub-
espao de
3
R .
120 lgebra Linear 1

10) Seja V o conjunto de todos os vetores da forma
2
0
x
x

. Mos-
tre que V um subespao de
3
R .
11) Seja V o conjunto de todos os vetores da forma
3b c
b
c
+

onde b e c so nmeros reais. Encontre vetores u e v tal que
[ ]
, V u v = . Mostre que V um subespao de
3
R .
12) Seja W o conjunto de todos os vetores da forma
2
2
2
3
x y
x y
x y
x
+

.
Mostre que W um subespao de
4
R .
13) Determine quais dos subconjuntos de
n n
R so subespaos
de
n n
R .
a) matrizes simtricas; b) matrizes diagonal;
c) matrizes no singulares; d) matrizes singulares;
e) matrizes triangulares inferior; f) matrizes triangulares superior.
g) todas as matrizes que comutam com uma matriz dada A .
h) todas as matrizes tal que
2
A A = .
i) todas as matrizes tal que
( )
tr 0 A = .
lgebra Linear 1 121
14) Seja
1
1
0
1
v

=

,
2
2
1
3
v

=

,
3
4
2
6
v

=

e
3
1
2
w

=

.
a)
{ }
1 2 3
, , w v v v ? Quantos vetores pertencem a
{ }
1 2 3
, , v v v ?
b) Quantos vetores pertencem a
[ ]
1 2 3
, , v v v ? c) w pertencem ao
subespao gerado por
{ }
1 2 3
, , v v v ?
15) Sejam
1
v ,
2
v e
3
v os mesmos do exerccio anterior, e seja
8
4
7
w

=

. Logo, w pertencem ao subespao gerado por
{ }
1 2 3
, , v v v ?
Nos exerccios 15-18, W um conjunto de todos os vetores da
forma mostrada, onde a , b e c so nmeros reais arbitrrios.
Em cada caso, ou encontre um conjunto V de vetores que gera
W ou um contra exemplo que mostre que W no um espao
vetorial.
16)
3
4
5
a b
a b
+

17)
1
6
2
a
a b
b a
+

+

18)
a b
b c
c a
b

19)
4 3
0
2
a b
a b c
c a
+

+ +

20) Determine se o conjunto V de todas as matrizes
0
a b
d

um
subespao de
2 2
M
.
122 lgebra Linear 1

Nos exerccios 20-31 determine quais conjuntos formam uma
base para
2
R ou
3
R . Os conjuntos que no formam uma base,
determinar se so LI ou LD e quais geram
2
R ou
3
R .
21)
3
2

e
7
5

.
22)
4
0

,
1
1

e
3
5

.
23)
1
3

,
4
12

e
2
6

.
24)
4
6

e
6
9

.
25)
1
0
0

,
1
1
0

e
1
1
1

. 26)
1
0
1

,
0
0
0

e
0
1
0

.
27)
1
0
2

,
3
2
4

e
3
5
1

. 28)
2
2
1

,
1
3
2

e
7
5
0

.
29)
1
3
0

,
2
9
0

,
0
0
0

e
0
3
5

. 30)
1
2
3

e
4
5
6

.
31)
2
3
0

e
6
1
5

. 32)
1
4
3

,
0
3
1

,
3
5
4

e
0
2
2

.
Encontre bases para os espaos coluna e nulo das matrizes dadas
nos exerccios 32-33.
33)
1 0 3 2
0 1 5 4
3 2 1 2

34)
1 0 5 1 4
2 1 6 2 2
0 2 8 1 9

35) Encontre as dimenses dos espaos coluna e nula da matriz
3 6 1 1 7
1 2 2 3 1
2 4 5 8 4
A

=

.
Para os exerccios 35-40 encontre a base e a sua respectiva dimen-
so.
36)
2
: ,
3
x y
x y x y
y

+
`

)
R 37)
4
3 : ,
x
x x y
y

`

)
R
38)
2
: , ,
3
2
z
x y
x y z
y z
x y

+

)
R 39)
2
: ,
3
x y
x
x y
x y
y
+

`

)
R
40)
4 2
2 5 4
: , ,
2
3 7 6
x y z
x y z
x y z
x y
x y z

+

`

+

+ +

)
R

41)
3 6
6 2 2
: , ,
9 5 3
3
x y z
x y z
x y z
x y z
x y z
+

`

+ +

+ +

)
R
42) Determine os conjuntos que geram cada um dos 4 subespaos
fundamentais associados com
1 2 1 1 5
2 4 0 4 2
1 2 2 4 9
A

=

.
43) Considere o sistema de equaes lineares
m n
A x b
= . a) Ex-
plique porque Ax b = se e somente se
( )
Im b A . b) Explique
porque um sistema consistente Ax b = tem soluo nica se e
somente se
( ) { }
0 N A = .
44) Suponha que A uma matriz 3 3 tal que
( )
1 1
Im 2 , 1
3 2
A

| | | |
| |
=
| |
| |

\ \

e
( )
2
1
0
N A

| |
|
=
|
|

\

, e considere o sistema
linear Ax b = tal que
1
7
0
b
| |
|
=
|
|
\
. a) Explique porque Ax b = deve
ser consistente. b) Explique porque Ax b = no tem soluo ni-
ca.
45) Sejam
1 1 1 2 1
1 0 3 4 2
1 0 3 5 3
1 0 3 6 4
1 0 3 6 4
A

=

e
2
5
6
7
7
b

.
( )
Im b A ?
lgebra Linear 1 125
46) Suponha que A uma matriz n n . a) Se
( )
Im
n
A = R , expli-
que porque A deve ser no singular. b) Se A no singular, des-
creva os seus quatro subespaos fundamentais.
47) Considere as matrizes
1 1 5
2 0 6
1 2 7
A
| |
|
=
|
|
\
e
1 4 4
4 8 6
0 4 5
B
| |
|
=
|
|
\
. a) A e
B tem o mesmo espao linha? b) A e B tem o mesmo espao
coluna? c) A e B tem o mesmo espao nulo? d) A e B tem o
mesmo espao nulo a esquerda?
Determine quais dos conjuntos dados nos exerccios 48-51 so LI.
48)
1 2 1
2 , 1 , 5
3 0 9

`

)

49)
( ) ( ) ( ) ( ) { }
1 2 3 , 0 4 5 , 0 0 6 , 1 1 1
50)
3 1 2
2 , 0 , 1
1 0 0

`

)

51)
1 0 0 0
2 2 2 2
0 0 1 0
, , , 4 4 4 4
0 1 0 0
3 3 3 3
0 0 0 1

`

)
52) Considere a matriz
2 1 1 0
4 2 1 2
6 3 2 2
A

=

. a) Determine o maior
subconjunto LI das colunas de A . b) Determine o nmero total
126 lgebra Linear 1

de subconjuntos que podem ser construdos a partir das colunas
de A .
53) Suponha que em uma populao de um milho de crianas a
altura de cada uma delas aos 1 ano, 2 anos e trs anos de idade, e
esses dados so acumulados na matriz
11 12 13
21 22 23
1 2 23
1 2 3
crianas/idade
#1
#2
#
i i
h h h
h h h
H
h h h i
| |
|
|
=
|
|
|
|
\
. . . .
. . . .
.
Explique porque h no mximo trs crianas independentes no
sentido de que as alturas de todas as outras crianas devem ser
uma combinao linear desses trs.
54) Determine se o conjunto de matrizes a seguir ou no LI.
1 0 1 1 1 1 1 1
, , ,
0 0 0 0 1 0 1 1

`

)
.
4 Transformaes Lineares
Como o prprio nome j diz, transformar objetos. Mas o que
significa transformar linearmente? Por exemplo, quando ns ex-
pandimos o icosaedro aconteceu uma transformao. Transfor-
mamos o icosaedro original (que estamos trabalhando desde o
captulo 1) num icosaedro onde suas arestas so maiores. Poder-
amos ter diminudo o icosaedro, ou simplesmente mantermos o
tamanho dele, para isso bastaria que a constante k fosse igual a 1.
Mas ser que essa transformao do icosaedro seria linear? Isto ,
dado um icosaedro, o qual a matriz das coordenadas A , a sua
transformao,
( )
T A kA = (expanso do icosaedro), uma trans-
formao linear?
Para que a transformao seja linear, basta verificarmos duas
propriedades: a) se a transformao da soma de dois icosaedros
igual soma das transformaes desses icosaedros; b) se a trans-
formao do icosaedro multiplicado por um escalar igual o esca-
lar multiplicado pela transformao. Essas duas propriedades
caracterizam a linearidade.
128 lgebra Linear 1

Formalmente,
( ) ( ) ( )
1 2 1 2
T A A T A T A + = + e
( ) ( )
T cA cT A = ?
Aplicando a transformao, temos que
( ) ( )
1 2 1 2
T A A k A A + = + .
Mas como
( )
1 2 1 2
k A A kA kA + = + , e
( ) ( )
1 2 1 2
kA kA T A T A + = + .
Tambm temos que
( )
T cA ckA = , isto ,
( ) ( )
T cA cT A = . Na figu-
ra a seguir, podemos visualizar a transformao da soma de dois
icosaedros.

Vamos definir a seguir, formalmente, o que transformao li-
near.
Definio: Sejam V e W dois espaos vetoriais. Uma trans-
formao linear uma funo de V em W , : F V W , que satis-
faz as condies:
i. Quaisquer que sejam u e v em V ,
( ) ( ) ( )
F u v F u F v + = +
Figura 4.1: Transformao linear da soma de dois icosaedros.
lgebra Linear 1 129
ii. Quaisquer que sejam k R e v V ,
( ) ( )
F kv kF v = .
Vamos ver algumas funes e verificar se elas so ou no
transformaes lineares.
Seja e V W = = R R, : F R R , v av ou
( )
F v av = . Pela
primeira condio,
( ) ( ) ( ) ( )
F u v a u v au av F u F v + = + = + = + .
Pela segunda condio temos que
( ) ( ) ( ) ( )
F kv a kv k av kF v = = = .
Portanto, F uma transformao linear. O grfico desta funo
uma reta que passa pela origem.
Ser que uma funo quadrtica uma transformao linear?
Aprendemos desde o primeiro ano do ensino mdio que uma
funo quadrtica (como o prprio nome sugere) no linear.
Veremos o porqu. Seja
2
v v ou
( )
2
F v v = . Logo, pela primeira
condio temos que
( ) ( )
2
2 2
2 F u v u v u uv v + = + = + + . Mas
( ) ( )
2 2
F u F v u v + = + . Logo, a primeira condio no satisfeita e
esta funo no uma transformao linear.
Suponhamos agora uma transformao que vai do espao bi-
dimensional para o espao tridimensional. Sejam
2 3
, V W = = R R ,
2 3
: F R R tal que
2
0
x
x
y
x y

+

.
130 lgebra Linear 1

Pela primeira condio temos dois vetores tais que
1
1
x
u
y

=

e
2
2
x
v
y

=

onde ,
i i
x y R. Aplicando a transformao da soma,
temos que
( )
1 2 1 2
1 2 1 2
x x x x
F u v F F
y y y y
| | | + |

+ = + = =
| |

+

\ \

( )
( ) ( )
( ) ( )
1 2 1 2
1 2 1 2 1 1 2 2
2 2 2
0 0 0
x x x x
F u F v
x x y y x y x y
+

= = + = +

+ + + + +

.
Agora, pela segunda condio,
( ) ( )
2 2
0 0
kx x
x kx
F kv F k F k kF v
y ky
kx ky x y

| | | |

= = = = =
| |

\ \

+ +

.
Portanto, F uma transformao linear.
Numa transformao linear, ao aplicarmos o vetor nulo, o re-
sultado tem que ser o vetor nulo, isto ,
( )
0 0 T = . Se isso no
acontecer, isto ,
( )
0 0 T , ento a T no linear. Mas
( )
0 0 T =
no suficiente para que T seja linear. necessrio fazer o teste
das duas condies.
Agora vamos verificar se a derivada de uma funo polinomi-
al uma transformao linear. Seja
n
P o espao dos polinmios
lgebra Linear 1 131
de grau menor ou igual a n , e
1
:
n n
D P P
, f f , a funo
derivada. Das propriedades do clculo temos que
( ) ( ) ( )
D f g D f D g + = + e
( ) ( )
D kf kD f = , que exatamente as
duas condies de linearidade.
Sejam
n
R e
m
R os espaos n-dimensional e m-dimensional.
Seja
mxn
A uma matriz. Seja a funo :
n m
A
L R R , tal que
v Av , onde
1
n
x
v
x

=

. , ou seja,
( )
1 1
A
n n
x y
L v A
x y

= =

. . . Pela pri-
meira condio, e aplicando as propriedades de matrizes, temos
que
( ) ( ) ( ) ( )
A A A
L u v A u v Au Av L u L v + = + = + = + . Pela segunda
condio, temos que
( ) ( ) ( ) ( )
A A
L kv A kv k Av kL v = = = . Portanto,
A
L uma transformao linear.
4.1 Transformaes do plano no plano
Algumas idias apresentadas aqui, no plano, j foram discuti-
das anteriormente. Assim, fica mais fcil a visualizao das mes-
mas.
A primeira transformao que veremos a multiplicao por
um escalar, isto , expanso, contrao ou reflexo na origem,
132 lgebra Linear 1

dependendo do valor deste escalar. Sejam ento
2 2
: T R R , e
aR , tal que v av ou
x x
T a
y y
| |

=
|

\
.
No primeiro caso 1 a temos a expanso uniforme, como
mostra na figura a seguir.

v
x
y
T
( )
T v
v
x
y
Figura 4.2: Expanso.
Figura 4.3: Janela do Windows.
lgebra Linear 1 133

Uma comparao feita usando janelas do Windows. Quan-
do aumentamos ou diminumos uma janela como se tivssemos
aplicando uma transformao linear do plano no plano. Outros
movimentos de janelas no sistema Windows podem ser compara-
dos com as prximas transformaes.
No caso em que 0 1 a < < temos a contrao uniforme, como
mostra na figura a seguir.

v
x
y
T
( )
T v
v
x
y
Figura 4.4: Expanso da janela do Windows.
Figura 4.5: Contrao.
134 lgebra Linear 1

No caso de 1 a = , ento T transforma v nele mesmo. Se
0 a = , ento T leva v na origem, qualquer que seja o v .
No caso de termos 1 a = ento a reflexo em torno da o-
rigem, como mostra na figura a seguir.

Observamos que podemos escrever qualquer transformao
linear em forma matricial, isto , a transformao
x x
a
y y

pode ser reescrita como
0
0
x a x
y a y

.
Outra transformao do plano no plano a reflexo em tor-
no do eixo Ox . Seja
2 2
: T R R , tal que
x x
y y

ou
1 0
0 1
x x
y y

.
v
x
y
T
v
x
y
( )
T v
Figura 4.6: Reflexo em torno da origem.
lgebra Linear 1 135

Queremos agora fazer uma rotao de
o
do vetor v , no
sentido anti-horrio.

Temos que o ngulo do vetor
e
R + . Logo,
( )
cos
x
r

+ = . Assim, temos que
( )
cos x r = + , ou seja,
cos cos sen sen x r r = . Mas cos r x = e sen r y = ,
v
x
y
T
v
x
y
( )
T v
v
x
y
T

v

( )
R v
x
y

x x
y
y
Figura 4.7: Reflexo em torno do eixo x .
Figura 4.8: Rotao.
136 lgebra Linear 1

ento cos sen x x y = . De forma anloga, temos que
cos sen y y x = + .
Logo,
( ) ( )
, cos sen , cos sen R x y x y y x
= + , ou, em
notao matricial,
cos sen cos sen
cos sen sen cos
x x y x
y y x y

=

+

,
onde a matriz
cos sen
sen cos

chamada de matriz rotao.
Faa o esboo do grfico considerando
2
= .
Outra transformao do plano no plano o cisalhamento ho-
rizontal. Sejam
x x ay
T
y y
| | +

=
|

\
, e a R , ento o cisalhamento
dado por
1
0 1
x x ay a x
y y y
+

=

. A representao geom-
trica apresentada na figura a seguir.

v
x
y
T
v
x
y
( )
T v

Figura 4.9: Cisalhamento horizontal.
lgebra Linear 1 137

Verifique se a funo T , dada a seguir, uma transformao
linear.
, ,
x x a
T a b
y y b
| | +

=
|

+

\
R ,
1 0
0 1
x x a x a
y y b y b
+

= +

+

.
4.2 Exerccios
1) Qual a matriz que representa o resultado das seguintes duas
transformaes em
3
R ?
a) reflexo no plano xy ;
b) giro em torno do eixo Oz , de 45 no sentido de Oy (positivo) para
Ox (positivo).
2) Quais os vetores
( )
* *
, x y no nulos em
2
R , que ao sofrerem a
aplicao de cisalhamento
( ) ( )
, , / 3 T x y x x y = + ficam ampliados ou
reduzidos (na mesma direo)?
3) Encontre a transformao linear
3
2
: T M R tal que
( )
1 0
2, 0, 5
0 0
T
| |

=
|

\
,
( )
1 1
0, 1, 3
0 0
T
| |

=
|

\
,
( )
1 1
3, 0, 0
1 0
T
| |

=
|

\
e
( )
1 1
1, 0, 2
1 1
T
| |

=
|

\
.
4) Determine se as transformaes a seguir so lineares
2 2
: T R R .
138 lgebra Linear 1

a) T(x, y) = (x + 2y, xy); b) T(x, y) = (x + 2y, x y);
c) T(x, y) = (x
2
+ 2y, y); d) T(x, y) = (x + 2y, 0);
e) T(x, y) = (x + 2, 2x y).
5) Seja : T V W . A definio correta para o ncleo de T :
a)
( ) { }
| 0 w W T w = ; b)
( ) { }
| 0 w W T w = ;
c)
( ) { }
| 0 v V T v = ; d)
( ) { }
| 0 v V T v = .
6) Seja
n
P o espao vetorial dos polinmios de grau mximo menor
ou igual a n . Verifique quais aplicaes a seguir so lineares:
a)
4 4
: T P P definida por
( ) ( )( ) ( )
1 T P x P x = + ;
b)
2 2
( ) ( )( ) ( )
1 T P x P x = + ;
c)
2
: T P R definida por
( ) ( ) ( ) ( ) ( )
0 1 / 2 T P P P = + .
d)
2 2
( ) ( )( )
2
T P x cx ax b = + + se
( )
2
P x ax bx c = + + ;
(e)
5 5
( ) ( )( ) ( )
2 T P x P x = + .
7) Determine o ncleo, a imagem e suas respectivas dimenses de:
a)
3 5
: T R R onde
( ) ( )
, , , 2 , 3 2 2 , 2 , 2 T x y z z x y x z x y y x y z = + + ;
b)
3 4
: T R R , onde
( ) ( )
, , , , , T x y z x y y z y x y z = + ;
c)
3 3
: T R R , onde
( ) ( )
, , , 2 , 2 T x y z x y z x y z = + + ;
d)
4 3
: T R R , onde
( ) ( )
, , , , 2 , 2 2 T x y z w x z w y x x y z aw = + + + + + com aR ;
e)
3 4
: T R R , onde
( ) ( )
, , 2 , , 4 , 2 2 2 T x y z x y z y z x y z x y z = + + + ;
f)
4 3
: T R R , onde
( ) ( )
, , , 3 , 2 , 3 2 T x y z w x y z w x y z w x w = + + + ;
lgebra Linear 1 139
g)
5 3
: T R R , onde
( ) ( )
, , , , 3 , , 4 T a b c d e a b c c d b a c d = + + + .
8) Considere
3 2
: T R R dada por
( ) ( )
, , 4 2 , 2 / 2 T x y z x y z x y z = + + .
a) Determine se
( )
1, 2 pertence a
( )
Im T .
b) Determine a dimenso e uma base para o
( )
N T .
9) Determine quais das funes a seguir so transformaes linea-
res sobre
2
R .
a)
( ) ( )
, ,1 T x y x y = + b)
( ) ( )
, 0, T x y xy =
c)
( ) ( )
, , T x y y x = d)
( )
( )
2 2
, , T x y x y =
e)
( ) ( )
, , sen T x y x x = f) ( ) ( )
, , T x y x y x y = +

10) Para
n n
A

R , determine quais das seguintes funes so trans-
formaes lineares.
a)
( )
n n
T X AX XA
= . b)
( )
1 n
T X Ax b
= + , 0 b .
c)
( )
T
T A A = . c)
( )
( )
/ 2
T
n n
T X X X
= + .
11) Seja : T V W uma funo. a) Explique porque se T uma
transformao linear ento
( )
0 0 T = . b) Explique o porque
( )
0 0 T
suficiente para garantir que T no uma transformao linear.
12) Qual a transformao linear
3 2
: T R R tal que
( ) ( )
1, 0, 0 2, 0 T = ,
( ) ( )
0,1, 0 1,1 T = e
( ) ( )
0, 0,1 0, 1 T = .
13) Qual a transformao linear do plano no plano que uma re-
flexo em torno da reta y x = ? Faa a representao matricial.
140 lgebra Linear 1

14) Qual a transformao linear do plano no plano que uma re-
flexo em torno da reta y x = ? Faa a representao matricial.
15) Qual a transformao linear do plano no plano que representa
o cisalhamento vertical? Faa a representao matricial.
16) Qual matriz tem o efeito de rotacionar qualquer vetor em
0
90 e
ento projetar o resultado sobre o eixo Ox ?
17) A matriz
2 0
0 1
A

=

produz uma extenso horizontal. Desenhe a
circunferncia
2 2
1 x y + = e esboce em torno dela os pontos
( )
2 , x y
que resultam da multiplicao por A . Qual a forma da curva?
18) A matriz
1 0
3 1
A

=

retorna uma transformao de cisalhamento
vertical. Faa um esboo grfico aplicando os vetores
( )
1, 0 ,
( )
2, 0 ,
( )
1, 0 ,
( )
1,1 e
( )
1, 1 na transformao. O que acontece com os
eixos Ox e Oy ?
19) Quais matrizes 3 por 3 que representam as transformaes onde:
a) projeta qualquer vetor sobre o plano xy ? b) reflete qualquer vetor
atravs do plano xy ? c) gira o plano xy em
0
90 , fazendo com que o
eixo Oz fique isolado?
lgebra Linear 1 141
1) (UFF 94) Considerando a transformao linear
3 3
: T R R ,
com
( ) ( )
1, 0, 0 1, 0, 0 T = ,
( ) ( )
0,1, 0 0,1, 0 T = e
( ) ( )
0, 0,1 0, 0, 0 T = ,
pode-se afirmar que
( )
300, 500, 700 T igual a:
a) (300 ,700, 0); b) (300, 500, 0); c) (0, 300, 700);
d) (700, 0, 500); e) (500, 700, 0).
2) No grfico a seguir est representada uma circunferncia de
raio R centrada na origem, na qual foram destacados os pontos
M , N e P . Considere a transformao
2 2
: T R R tal que
( ) ( )
, , T x y y x = .
Se
( )
1
T M M = ,
( )
1
T N N = e
( )
1
T P P = , o grfico que melhor
representa
1
M ,
1
N e
1
P :

x
P
M
N
R
142 lgebra Linear 1

x
P
1

M
1

N
1

R
y
x
N
1

R
P
1

y
M
1

x
P
1

M
1

R
y
N
1

x
P
1

M
1

N
1

R
y
x
P
1

R
y
M
1

N
1

a) b) c)

d) e)

3) (ESFAO 92) Seja
2
: T R R a transformao linear para a
qual
( )
1,1 3 T = e
( )
0,1 2 T = . Determine
( )
, T a b .
a)
( )
, 4 3 T a b a b = + b)
( )
, 6 3 T a b a b = c)
( )
, 5 2 T a b a b =
d)
( )
, 2 T a b a b = e)
( )
, 2 3 T a b a b = +
4) (UFF 93) Considere
2 2
: f R R a transformao linear tal
que
( ) ( )
( ) ( )
1,1 1, 3
1, 1 3, 3
f
f
=
.
A imagem de
( )
0,1 , por f , :
lgebra Linear 1 143
a) (2,-1) b) (3,0) c) (2,3) d) (0,-1) e) (-1,0)
5) (UFRJ 91) Considere o tringulo T da figura a seguir.

Se outro tringulo T , definido do seguinte modo: a cada ponto
( )
, x y de T est associado um ponto
( )
, x y de T pela equao:
4 4
0 1
x x
y y
| | | || |
=
| | |
\ \ \
.
Determine a rea do tringulo T .
6) (UERJ) Considere as transformaes do plano definidas por:
( ) ( )
1
, , T x y y x = ,
( ) ( )
2
, , T x y y x = ,
( ) ( )
3
, 2 , 2 T x y x y = .
1
T ,
2
T e
3
T so, respectivamente:
a) homotetia, simetria, rotao;
b) rotao, simetria, homotetia;
c) rotao, rotao, homotetia;
d) simetria, rotao, homotetia;
1 -1
2
x
y
T
144 lgebra Linear 1

e) simetria, simetria, homotetia.
7) (PUC) A matriz
0
0
| |
|
\
representa, na base cannica do
2
R ,
a aplicao linear
2 2
: T R R tal que:
a) multiplica por cada vetor;
b) gira de cada vetor, no sentido horrio;
c) gira de cada vetor, no sentido anti-horrio;
d) leva
( )
, x y em
( )
, x y + + .
e)
( )
0 0 T = .
lgebra Linear 1 145
5 Referncias
1) Anton, Howard A. Elementary Linear Algebra Vol 2.
Santos, Reginaldo J., lgebra Linear e Aplicaes UFMG 2004.
2) Orellana, Carlos M. A. D., lgebra Linear I Notas de aula
UERJ 2002.
3) Lipson, Seymour Lipschuts Marc, Shaums Easy Outlines of
Linear Algebra, 2002
4) Paulino, Petronio, lgebra Linear e suas Aplicaes Notas
de aula Unicamp 2008
5) Steinbruch, Alfredo, Winterle, Paulo, lgebra Linear 2
edio Pearson Makron Books.
6) Lay, David C., Linear Algebra and its Application, Addison-
Wesley Publishing Company, 1994.
7) Meyer, Carl D., Matrix Analysis and Applied Linear Algebra,
SIAM.
8) Strang, G., Linear Algebra and its Applications, terceira
edio, Harcourt College Publishers.

Livro Algevra para Licenciatura Fábio Freitas

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 Algevra para Licenciatura Fábio Freitas

Enviado por

Direitos autorais:

Formatos disponíveis

Coleo Licenciatura em Matemtica

so ditas iguais se elas tm o

0,45 0,45 -0,45 -0,45 0,45 1 0,45 -0,45 0,45

por uma matriz

, o que pode gerar resultados iguais nas

= . Se A e B so matrizes semelhantes quaisquer, ento:

cujo termo geral

= , ento k pode ser:

= definida de tal modo que

, que chamada soluo trivial.

, ento podemos multi-

admita uma soluo nica.

seja compatvel e determinado.

, ento ABC vale:

. Resolva o sistema S para:

seja possvel e indeterminado.

, onde, podemos observar, z uma vari-

Você também pode gostar