Você está na página 1de 174

l

g
e
b
r
aL
i
n
e
a
r
Ma
t
e
m
t
i
c
a2

PROF OLGA HELENA PAULETTI TOVAR

MATEMTICA II

CACHOEIRO DE ITAPEMIRIM
2010
Matemtica II

Governo Federal
Ministro de Educao
Fernando Haddad
Ifes Instituto Federal do Esprito Santo
Reitor
Denio Rebello Arantes
Pr-Reitora de Ensino
Cristiane Tenan Schlittler dos Santos
Diretora do CEAD Centro de Educao a Distncia
Yvina Pavan Baldo
Coordenadoras da UAB Universidade Aberta do Brasil
Yvina Pavan Baldo
Danielli Veiga Carneiro Sondermann
Curso de Licenciatura em Informtica
Coordenao de Curso
Giovany Frossard Teixeira
Designer Instrucional
Jonathan Toczek Souza
Professor Especialista/Autor
Olga Helena Pauletti Tovar

Catalogao na fonte: Renata Lorencini Rizzi - CRB 6/685


T736m

Tovar, Olga Helena Pauletti

Matemtica II / Olga Helena Pauletti Tovar. Vitria: Ifes, 2010.


100p. : il

1. Matemtica. 2. Matrizes (matemtica). 3. Determinantes (matemtica).

4. Sistemas lineares (algebra). I. Instituto Federal de Educao, Cincia e


Tecnologia do Esprito Santo. II. Ttulo

CDD: 510

DIREITOS RESERVADOS
IFES Instituto Federal do Esprito Santo
Av. Vitria Jucutuquara Vitria ES - CEP - (27) 3331.2139
Crditos de autoria da editorao
Capa: Juliana Cristina da Silva
Projeto grfico: Juliana Cristina e Nelson Torres
Iconografia: Nelson Torres
Editorao eletrnica: Duo Translation
Reviso de texto:
Zenas Vieira Romano
COPYRIGHT proibida a reproduo, mesmo que parcial, por qualquer meio, sem autorizao escrita dos
autores e do detentor dos direitos autorais.
Licenciatura em Informtica

Ol, Aluno(a)!

um prazer t-lo(a) conosco.


O Ifes oferece a voc, em parceria com as Prefeituras e com o Governo
Federal, o Curso Superior de Tecnologia em Anlise e Desenvolvimento
de Sistemas, na modalidade a distncia. Apesar de este curso ser ofertado
a distncia, esperamos que haja proximidade entre ns, pois, hoje, graas
aos recursos da tecnologia da informao (e-mail, chat, videoconferncia,
etc.), podemos manter uma comunicao efetiva.
importante que voc conhea toda a equipe envolvida neste curso: coordenadores, professores especialistas, tutores a distncia e tutores presenciais, porque, quando precisar de algum tipo de ajuda, saber a quem
recorrer.
Na EaD - Educao a Distncia, voc o grande responsvel pelo sucesso
a aprendizagem. Por isso, necessrio que voc se organize para os estudos
e para a realizao de todas as atividades, nos prazos estabelecidos, conforme orientao dos Professores Especialistas e Tutores. Fique atento s
orientaes de estudo que se encontram no Manual do Aluno.
A EaD, pela sua caracterstica de amplitude e pelo uso de tecnologias modernas, representa uma nova forma de aprender, respeitando, sempre, o
seu tempo.
Desejamos-lhe sucesso e dedicao!
Equipe do Ifes

Matemtica II

ICONOGRAFIA
Veja, abaixo, alguns smbolos utilizados neste material para gui-lo em seus estudos

Fala do Professor

Conceitos importantes. Fique atento!

Atividades que devem ser elaboradas por voc,


aps a leitura dos textos.

Indicao de leituras complemtares, referentes


ao contedo estudado.

Destaque de algo importante, referente ao


contedo apresentado. Ateno!

Reflexo/questionamento sobre algo importante referente ao contedo apresentado.

Espao reservado para as anotaes que voc


julgar necessrias.

Licenciatura em Informtica

MATEMTICA II

Cap. 1 - MATRIZES9
1.1 Definio9
1.2 Matriz genrica12
1.3 Igualdade de matrizes13
1.4 Matrizes especiais14
1.5 Adio de matrizes19
1.6 Multiplicao por escalar21
1.7 Multiplicao de matrizes23
1.8 Matriz inversa26
1.9 Aplicaes28

Cap. 2 - DETERMINANTES39
2.1 Definio40
2.2 Determinante de matriz 1x140
2.3 Determinante de matriz 2x240
2.4 Determinante de matriz 3x341
2.5 Teorema de laplace44
2.6 Propriedades dos determinantes48
2.7 Regra de Chi52
2.8 Matriz inversa55
2.9 Aplicaes58

Cap. 3 - SISTEMAS LINEARES61


3.1 Equao linear61
3.2 Sistema de equaes lineares62
3.3 Classificao de sistemas lineares64
3.4 Regra de Cramer67
3.5 Mtodo de Gauss-Jordan72
3.6 Sistemas homogneos84
3.7 Discusso de sistemas lineares87
3.8 Matriz inversa89
3.9 Aplicaes93

Matemtica II

Cap. 4 - VETORES107
4.1 Vetor no plano e no espao107
4.2 Adio de vetores111
4.3 Multiplicao por escalar112
4.4 Norma de um vetor113
4.5 Produto escalar115
4.6 Projeo ortogonal118
4.7 Produto vetorial120
4.8 Produto misto124
4.9 Aplicaes126

Cap. 5 - ESPAOS VETORIAIS129


5.1 Espaos vetoriais129
5.2 Subespaos vetoriais132
5.3 Soma e interseo de subespaos135
5.4 Conjunto de geradores138
5.5 Vetores li ou ld143
5.6 Base e dimenso de um espao vetorial148

Cap. 6 - AUTOVALORES E AUTOVETORES157


6.1 Autovalor e autovetor.157
6.2 Autoespao164
6.3 Diagonalizao de matriz.166

Licenciatura em Informtica

APRESENTAO

Ol!
Meu nome Olga Helena Pauletti Tovar. Sou responsvel pela disciplina
Matemtica II.
Fiz Licenciatura em Matemtica na UFES, Especializao em Matemtica na UFSC e Mestrado em Engenharia de Produo tambm na UFSC.
Sou professora h muitos anos...
Gosto muito de estudar e de aprender, e uma boa forma de fazer isso
ensinando.
Nesta disciplina, estudaremos matrizes, determinantes, sistemas lineares,
vetores no plano e no espao, espaos vetoriais, autovalores e autovetores.
Esta matemtica toda ser muito importante para a sua formao enquanto um profissional da rea de informtica.
Estarei ao seu lado e usarei todas as suas dvidas para melhorar este material. Portanto, apresente sempre suas dvidas.
No vai ser fcil. Estudar exige muita pacincia e determinao, mas os
frutos so maravilhosos.
Que Todos os Santos nos ajudem!
Sucesso!

Matemtica II

Licenciatura em Informtica

MATRIZES

Neste captulo, voc conhecer as matrizes.


Esperamos que, ao final de seus estudos, voc seja capaz de:
1.1.

Definir matriz.

1.2.

Construir uma matriz genrica.

1.3.

Identificar matrizes iguais.

1.4.

Reconhecer uma matriz especial.

1.5.

Adicionar matrizes.

1.6.

Multiplicar uma matriz por um escalar.

1.7.

Multiplicar matrizes.

1.8.

Definir inversa de uma matriz.

1.9.

Resolver problemas aplicando matrizes.

Conte conosco e bom trabalho!

1.1

Definio

Matriz. Uma matriz um quadro retangular de nmeros dispostos em linhas e colunas.

Em geral, usamos letras maisculas para nomear uma matriz, e parnteses, colchetes ou barras duplas, para apresentar seus elementos.
Exemplo 1. As matrizes A e I abaixo so representadas por colchetes e a
matriz B por parnteses.

A=

B=

Matemtica II

I=

10

Captulo 1

Exemplo 2. As matrizes C e L so representadas por barras duplas.

C=

L=

Ordem (ou tipo) de uma matriz. Uma matriz do tipo (ou de


ordem) mxn se ela possui m linhas e n colunas.

Exemplo 3. A matriz A =

do tipo (ou de ordem) 2x3.

uma matriz 3x5.

Exemplo 4. B =

Uma matriz do tipo mxn possui m.n elementos.

Voc capaz de determinar:


1. A ordem da matriz C =

2. O tipo da matriz L =
3. A ordem ou tipo da matriz I =

?
?

4. Qual o nmero elementos de uma matriz do tipo 7x5?


Os elementos que se apresentam na horizontal em uma matriz formam suas linhas.
Observe s linhas de uma matriz A =
Licenciatura em Informtica

11

Matrizes

Os que se apresentam na vertical, formam suas colunas.

Observe s colunas de uma matriz A =

Exemplo 5. A segunda linha da matriz A =


pelos elementos: 0; 5 e 5.

composta

Exemplo 6. A quarta coluna da matriz B =


posta pelos elementos: 7; 5 e 3.

com-

Utilizamos uma letra minscula acompanhada de dois ndices para


representar os elementos de uma matriz. O primeiro destes ndices
indica a linha onde o elemento est localizado na matriz e o segundo a coluna. Assim, aij o elemento que est localizado na linha i e
na coluna j da matriz A.
Exemplo 7. Se A =

, ento a23 = 5.

temos b14 = 7.

Exemplo 8. Na matriz B =

Sendo A =

eB=

determinar:
a) Os elementos da terceira coluna da matriz A?
b) Os elementos da segunda linha da matriz B?
c) O elemento b25 da matriz B?
d) A representao do elemento 6 da matriz B?
e) Qual o elemento nulo da matriz A?
Matemtica II

, voc capaz de

12

Captulo 1

Voc j leu em algum jornal ou revista um artigo qualquer em que


apareceu a palavra MATRIZ? E o filme MATRIX, voc j ouviu
falar dele? Estude as matrizes pensando em suas aplicaes!

1.2 Matriz genrica


Em geral, representamos uma matriz A do tipo mxn por A = (aij)mxn. Eventualmente, existe uma lei que define os elementos da matriz. Veja os exemplos:
Exemplo 1. Seja A = (aij)3x4, onde aij = 2i j. Ou seja:

A=

Ento, A =

Exemplo 2. Seja I = (aij)3x3, onde aij =


elementos, tem-se:

I=

. Ento I =

Exemplo 3. Seja B = (bij)5x4, onde bij =


elementos, tem-se:

B=

Licenciatura em Informtica

. Apresentando seus

. Escrevendo seus

13

Matrizes

Ento, B =

Construa as matrizes definidas genericamente pelas leis dadas abaixo:


a) A = (aij)4x3 onde aij = i + j.

b) B = (bij)3x2 onde bij =

c) C = (cij)2x5 onde cij =

d) D = (dij)3x3 onde dij =

1.3 Igualdade de matrizes

Igualdade de matrizes. As matrizes A e B so iguais quando possuem a mesma ordem e, alm disso, cada elemento aij da matriz A
igual ao correspondente bij na matriz B.

Exemplo 1. A =

eB=

so ma-

trizes iguais.
Exemplo 2. Sabendo que as matrizes A =
so iguais, conclui-se que x = 1, y = 2, a = 4 e b = 5.

Matemtica II

eB=

14

Captulo 1

Matriz oposta (ou simtrica). A oposta, ou simtrica, de uma matriz A, representada por ( A), a matriz onde cada elemento
igual ao oposto do elemento correspondente na matriz A.

Exemplo 3. A oposta da matriz A =

Exemplo 4. B =

( A) =

simtrica da matriz ( B) =

1.4 Matrizes especiais


Algumas matrizes, por sua forma ou pelas caractersticas de seus elementos, recebem nomes especiais. Eis algumas delas:

Matriz linha. Matriz linha uma matriz que possui uma nica
linha.

Exemplo 1. A =
matrizes linhas.

,B=

eC=

so

Matriz coluna. Matriz coluna uma matriz que possui uma nica coluna.

Exemplo 2. M =

,N=

eP=

so matrizes colunas.

A Matriz linha e a Matriz coluna sero utilizadas para representarem vetores.


Licenciatura em Informtica

15

Matrizes

Matriz nula. Matriz nula uma matriz que possui todos os


seus elementos nulos.
Em geral, uma matriz nula de ordem mxn denominada Omxn.

Exemplo 3. O1x2 =

, O3x3 =

e O4x1 =

so matrizes

nulas.

A matriz nula to importante para o conjunto das matrizes quanto o nmero zero para o conjunto dos nmeros reais!

Matriz quadrada. Matriz quadrada uma matriz que possui o mesmo


nmero de linhas e de colunas. Em geral uma matriz quadrada com n
linhas e n colunas chamada de matriz quadrada de ordem n.

Exemplo 4. As matrizes A =

,B=

eC=

so quadradas, de ordem 1, 3 e 4, respectivamente.

Diagonais de uma matriz quadrada. Em uma matriz quadrada de ordem n os elementos tais que i = j formam a diagonal principal. Os elementos tais que i + j = n + 1 formam a
diagonal secundria.

Exemplo 5. A matriz A =

, quadrada de ordem 4.

Os elementos a11 = 1, a22 = 6, a33 = 11 e a44 = 16, formam a diagonal principal. Observa que todos eles tm i = j.

Matemtica II

16

Captulo 1

Os elementos a41 =13, a32 =10, a23 = 7 e a14 = 4, formam a diagonal secundria. Observa que em todos eles i + j = n + 1 = 5.

Somente as matrizes quadradas possuem diagonais.


As diagonais de uma matriz quadrada lembram as diagonais de
um quadrado.

Com relao matriz A= (aij)4x4, tal que aij = 2i + 3j:


a) Liste os elementos da diagonal principal.
b) Liste os elementos da diagonal secundria.

Matriz diagonal. Matriz diagonal uma matriz quadrada onde todos os elementos que no esto na diagonal principal nulos.

,B=

Exemplo 6. A =

eC=

so

matrizes diagonais.

Matriz triangular. Matriz triangular uma matriz quadrada onde


todos os elementos que esto abaixo (ou acima) da diagonal principal so nulos.

Exemplo 7. A =

,B=

eC=

matrizes triangulares.

Licenciatura em Informtica

so

17

Matrizes

Matriz identidade. Matriz identidade uma matriz diagonal onde todos os elementos que esto na diagonal principal so unitrios.

Em geral, uma matriz identidade de ordem n denominada In.

Exemplo 8. I1 =

, I3 =

e In =

so matrizes

identidade.
A matriz identidade to importante para o conjunto das matrizes quanto o nmero um para o conjunto dos nmeros reais.

Obs. Genericamente, representamos I = (aij)nxn, onde aij =

Transposta de uma matriz. A transposta de uma matriz A de ordem mxn a matriz At de ordem nxm tal que as linhas da matriz
A passam a ser as colunas da matriz At. Da mesma forma, as colunas da matriz A passam a ser as linhas da matriz At.

Exemplo 9. Se A =

ento At =

Exemplo 10. Se B =

ento Bt =

1 3 2

Exemplo 11. Se C = 0 4 3
2 1 4

ento Ct =

Matemtica II

18

Captulo 1

1. Escreva as matrizes:
a) Nula de ordem 3x4, O3x4.
b) Identidade de ordem 5, I5.
2. Escreva a transposta da matriz C = (cij)2x5 onde cij =

Propriedade da transposta: (At)t = A.

Matriz simtrica. Uma matriz simtrica se ela igual sua


transposta.

Exemplo 12. A =

,B=

eC=

so

matrizes simtricas.

Matriz anti-simtrica. Uma matriz anti-simtrica se ela igual


oposta de sua transposta.

Exemplo 13. A=

,B=

eC=

so matrizes anti-simtricas.

Licenciatura em Informtica

19

Matrizes

Ser que existe uma matriz nula, quadrada, linha, coluna, diagonal,
triangular, simtrica e anti-simtrica? Sim! a matriz O1x1 = [0].
Ser que existe uma matriz nula, diagonal e triangular? Sim! Toda
matriz quadrada e nula satisfaz a esta condio.
O que toda matriz anti-simtrica tem de especial em sua diagonal
principal? Os elementos da diagonal principal de uma matriz antisimtrica so nulos.
Em alguns casos, possvel somar, multiplicar e at encontrar a inversa
de uma matriz. o que veremos a seguir.

1.5 Adio de matrizes


Nem sempre possvel somar duas matrizes. A adio de matrizes s
existe para matrizes de mesma ordem.
Adio de matrizes. Se A = (aij)mxn e B = (bij)mxn, so matrizes quadradas de mesma ordem ento a A + B a matriz C = (cij)mxn, tal
que cij = aij + bij .

Na prtica, somar duas ou mais matrizes de mesma ordem, significa


somar seus elementos correspondentes.
Exemplo 1. Somando as matrizes A =

B=

, obtemos a matriz A + B =

Exemplo 2. Subtraindo a matriz B =

A=

, obtemos a matriz A B =

da matriz

Obs.: Subtrair somar com a oposta, ou seja, A B = A + ( B).

Matemtica II

20

Captulo 1

1. Considerando as matrizes A e B dadas abaixo, determine as matrizes: A + B, B + A, A B e B A.


eB=

A=

2. Dadas as matrizes A =

e Bt =

, deter-

mine as matrizes A + Bt e At + B.
3. Considerando as matrizes A =

eB=

, encon-

tre a matriz X tal que A + X = B.

Voc observou, na atividade que acabou de fazer, que A + B


igual a B + A?
E que A B a oposta de B A?

Lembre-se: Matrizes de tipos diferentes no podem ser somadas.

Agora possvel entender porque a matriz nula to importante


para o conjunto das matrizes quanto o zero para o conjunto dos
nmeros reais. A soma dela com qualquer outra matriz a propria
matriz, desde que elas sejam do mesmo tipo.

Licenciatura em Informtica

21

Matrizes

Propriedades da adio de matrizes. Se A, B e C so matrizes de


mesma ordem, ento valem as propriedades:
Comutativa: A + B = B + A.
Associativa: A + (B + C) = (A + B) + C.
Existncia do elemento neutro: A + O = A.
Existncia do elemento oposto: A + ( A) = O.
Transposta de matrizes: (A + B)t = At + Bt.

Subtrair somar com a oposta.


A B = A + ( B)

1.6 Multiplicao por escalar


A operao multiplicao por escalar no tem restrio, ou seja, possvel multiplicar qualquer nmero por qualquer matriz.
Dividir por um nmero multiplicar por seu inverso, portanto, possvel tambm dividir uma matriz por um nmero qualquer diferente de
zero.

Multiplicao de um nmero por uma matriz. Se A = (aij)mxn e


um nmero real, ento a matriz B = A a matriz B = (bij)
, tal que bij = aij.
mxn

Na prtica, para multiplicar uma matriz por um nmero basta multiplicar todos os elementos da matriz por esse nmero.
Exemplo 1. Se A =

, ento a matriz 2A =

Obs. Veja que 2A igual matriz A + A.

Matemtica II

22

Captulo 1

Exemplo 2. Se B =

, ento

resolvido da

Exemplo 3. O sistema matricial


mesma forma que um sistema comum.

Somando as duas equaes obtemos:

3A =

3A =

A=

Para encontrar a matriz B, basta substituir A em qualquer uma das equaes dadas. Escolhendo a segunda equao temos:

AB=

B=

B=

B=

B=

E assim, as matrizes que resolvem o sistema matricial dado, so:

Licenciatura em Informtica

Matrizes

A=

eB=

eB=

Dadas A =

, encontre as matrizes:

a) C = 3A.
b) D = A 2Bt.
c) E =

B.
.

d) X e Y tais que

Propriedades da multiplicao por escalar. Se A e B so matrizes de mesma ordem e


e
so escalares, ento valem as
propriedades:
Distributiva: (

)A =

A+ A.

Distributiva:

(A + B) =

A+

Associativa: (

)A =

( A).

Transposta de matrizes: ( A)t =

B.
At.

1.7 Multiplicao de matrizes


Nem sempre possvel multiplicar duas matrizes. A multiplicao entre
A e B s existe quando o nmero de colunas da primeira matriz, A,
igual ao nmero de linhas da segunda matriz, B.

Matemtica II

23

24

Captulo 1

Multiplicao de matrizes. Se A = (aij)mxp e B = (bij)pxn, ento a


matriz C = AB existe e a matriz C = (cij)mxn, tal que c ij = ai1 b1j
+ ai2 b2j + ai3 b3j + ... + aip bpj =

Na prtica, se o produto existe, o elemento que est na linha i e na coluna j da matriz AB igual soma dos produtos de cada elemento da linha
i da matriz A pelo elemento correspondente na coluna j da matriz B.

Exemplo 1. O produto da matriz A =

pela matriz B =

. Veja por que:

a matriz AB =

Observe que a matriz A do tipo 3x2 e a matriz B do tipo 2x2. Como o


nmero de colunas da matriz A igual ao nmero de linhas de B, possvel determinar AB. Alm disso, AB do tipo 3x2, ou seja, tem o mesmo
nmero de linhas que a matriz A e o mesmo nmero de colunas que B.
Cada elemento aij da matriz AB foi obtido multiplicando a linha i da
matriz A pela coluna j da matriz B.

AB =

A matriz BA no existe pois B tem duas colunas e a matriz A


tem trs linhas.
No possvel multiplicar uma linha i da matriz B por uma coluna da
matriz A, pois elas no possuem o mesmo nmero de elementos.

Licenciatura em Informtica

25

Matrizes

Exemplo 2. Se B =

e I3 a matriz identidade de ordem

trs, o produto da matriz I3 pela matriz B no existe. O produto da matriz B por I3 existe, pois a matriz B do tipo 4x3 e a matriz I3 do tipo
3x3. O produto ser uma matriz do tipo 4x3, ou seja, ter mesmo nmero de linhas que a matriz B e o mesmo nmero de colunas que I3. Vamos,
ento, encontrar o produto de B por I3:

BI3 =

Ento BI3 =

A matriz identidade to importante para o conjunto das matrizes quanto o nmero um para o conjunto dos nmeros reais.
Desde que exista, o produto de uma matriz pela identidade (ou da
identidade por uma matriz) ele sempre igual prpria matriz.

Matemtica II

26

Captulo 1

Propriedades da multiplicao de matrizes. Se A, B e C so matrizes tais que os produtos indicados existem, ento valem as
propriedades:
Associativa: A(BC) = (AB)C.
Existncia do elemento neutro: AI = A.
Distributiva: A(B + C) = AB + AC.
Transposta de matrizes: (AB)t = Bt At..

1. Se a matriz A do tipo 120x 486 e a matriz B do tipo 486x


960, possvel determinar a matriz AB? E a matriz BA? Em caso
afirmativo, qual o tipo da matriz resultante?

2. Sendo A =

eB=

, encontre, se existirem,

as matrizes:
a) AB.
b) BA.
c) At Bt.
d) Bt At.
e) A I2.
f) I3 B.

1.8 Matriz inversa


Algumas matrizes possuem inversa e, nestes casos, elas so ditas inversveis ou invertveis.
Matriz inversa. Se A uma matriz quadrada de ordem n e existe
uma matriz B, de mesma ordem, tal que AB = BA = In, onde In
a matriz identidade de ordem n, ento B a inversa de A. Neste
caso, dizemos que B = A- 1.

Licenciatura em Informtica

27

Matrizes

Exemplo 1. A-1 =

a inversa de A =

, pois:

Exemplo 2. Se A =

tem inversa, ela quadrada de ordem 2.

Suponha que A-1 =

, ento AA-1 = I2.

Resolvendo o sistema

, encontramos a = 7 e c = 2.

Resolvendo o sistema

, encontramos b = 3 e d = 1.

Da a matriz A inversvel e sua inversa a matriz A-1 =

Exemplo 3. Se B =

tem inversa, seja B-1 =

Sabemos que BB-1 = I2.

Matemtica II

28

Captulo 1

Como o sistema

impossvel, conclumos que a matriz

B no inversvel, ou seja, no possui inversa.

Propriedade da inversa. Se A e B so matrizes inversveis, ento


vale a propriedade:
(AB)-1 = B-1 A-1.

Obs.: Calcular a inversa de uma matriz da forma que vimos no exemplo


2 pode ser bem trabalhoso. Existem mtodos melhores e mais eficientes.
Eles sero vistos ao longo do curso.

Ser que existe alguma aplicao prtica para toda esta lgebra
Matricial? Vejamos algumas a seguir.

1.9 Aplicaes
Exemplo 1. Quatro times disputam um campeonato de futebol em
trs rodadas.
Na primeira rodada, cada time disputa 6 partidas. Em cada uma, o time vencedor ganha 3 pontos e o perdedor perde 1 ponto. Quando h empate, cada
time ganha 2 pontos. O time com menor nmero de pontos eliminado.
Suponha os resultados abaixo:
O Time 1 teve 2 vitrias, 2 derrotas e 2 empates.
O Time 2 teve 3 vitrias, 1 derrota e 2 empates.
O Time 3 teve 2 vitrias 3 derrotas e 1 empate.
O Time 4 teve 1 derrota e 5 empates.
O quadro abaixo representa estes resultados.

Licenciatura em Informtica

29

Matrizes

Vitrias

Derrotas

Empates

Time 1

Time 2

Time 3

Time 4

Quem foi eliminado nesta rodada?


Para determinar o total de pontos de cada time ao final da primeira

, que representa o

rodada, basta fazer o produto da matriz

nmero de vitrias, derrotas e empates de cada time, pela matriz

que representa o nmero de pontos ganhos ou perdidos em cada resultado. Assim:

Veja que ao final da primeira rodada o Time 3 foi eliminado por s ter
obtido 5 pontos.
Na segunda rodada, cada um dos trs times disputa 3 partidas. Nelas,
o time vencedor ganha 2 pontos e o perdedor no pontua. Quando h
empate, cada time ganha 1 ponto. Alm disso, os times levam para a
segunda rodada os pontos da primeira. O time com o menor nmero de
pontos eliminado.
Suponha os resultados abaixo:
O Time 1 teve 1 vitria, 1 derrota e 1 empate.
O Time 2 teve 1 derrota e 2 empates.
O Time 4 teve 3 empates.
O quadro abaixo representa estes resultados.
Matemtica II

30

Captulo 1

Vitrias

Derrotas

Empates

Time 1

Time 2

Time 3

Time 4

Quem foi eliminado nesta rodada?


Para determinar o total de pontos de cada time ao final da segunda ro-

dada, basta multiplicar a matriz

somar os pontos da primeira rodada

pela matriz

e depois

. Assim:

Nesta rodada, o eliminado foi o Time 1. Observe que o Time 3 no participou da segunda rodada, pois foi eliminado na primeira.
Na ltima rodada cada um dos dois times finalistas disputa 4 partidas.
Em cada uma, o time vencedor ganha 5 pontos e o perdedor perde 2
pontos. Quando h empate, cada time ganha 3 pontos. Alm disso, os
times levam os pontos das rodadas anteriores. O time com maior nmero de pontos campeo.
Suponha os resultados abaixo:

Licenciatura em Informtica

31

Matrizes

O Time 2 teve 1 vitria, 1 derrota e 2 empate.


O Time 4 teve 1 derrota e 3 empates.
O quadro abaixo representa estes resultados.
Vitrias

Derrotas

Empates

Time 1

Time 2

Time 3

Time 4

Quem foi o campeo?

por

Depois somamos ao resultado, os pontos das rodadas anteriores

Procedemos da mesma maneira. Multiplicamos

Assim:

O campeo foi o Time 2!

Que tal se preparar para a Copa do Mundo de 2014?

Matemtica II

32

Captulo 1

Exemplo 2. Uma pequena indstria fabrica cinco produtos, P1, P2, P3,
P4 e P5, utilizando quatro peas diferentes A, B, C e D.
Na produo de P1 so utilizas 3 unidades da pea A, 2 da pea B
e 5 da pea D.
Para produzir P2 so utilizadas 5 unidades da pea A, 1 de B, 3 de C e 9 de D.
Para P3 so utilizadas 4 unidades da peas B, 5 de C e 8 de D.
Em P4 ela utiliza 2 unidades de A, 2 de B, 2 de C e 7 de D.
Para P5 so utilizadas 8 unidades de A, 1 de B, 4 de C e 5 de D.
A produo mdia mensal de 100 unidades de P1, 500 de P2, 200 de
P3, 300 de P4 e 300 de P5.
As peas utilizadas, A, B, C e D, so compradas por R$ 3,00, R$ 2,00, R$
5,00 e R$ 1,00, respectivamente.
Todos os produtos so vendidos por R$ 40,00 a unidade e toda a
produo vendida.
Os concorrentes do dono desta indstria esto vendendo os mesmos
produtos com um lucro de 10%, sobre os preos de custo, ento ele resolveu avaliar como est a situao de sua empresa.
O custo basicamente formado pelas peas que ele compra, pois as mquinas que fabricam os produtos esto pagas e a manuteno muito
simples e praticamente sem custos. Trabalham na indstria ele e sua
esposa que dividem em partes iguais todo o lucro.
Ser que os produtos esto sendo vendidos a um preo justo? possvel
aumentar o lucro sem perder vendas?
As informaes sobre a produo podem ser organizadas na tabela:
Pea A

Pea B

Pea C

Pea D

Produto P1

Produto P2

Produto P3

Produto P4

Produto P5

Licenciatura em Informtica

33

Matrizes

Para calcular o custo de produo de cada pea necessrio multiplicar

, que informa sobre a quantidade de cada pea

a matriz

utilizada na fabricao de cada produto, pela matriz

, que informa

sobre os preos unitrios de custo de cada pea. Assim:

Veja os preos de custo de cada um dos produtos da indstria:


P1 custa R$ 18,00.
P2 custa R$ 41,00.
P3 custa R$ 41,00.
P4 custa R$ 27,00.
P5 custa R$ 51,00.
Os produtos P2, P3 e P5 so vendidos a R$ 40,00 cada. Portanto, esto
sendo vendidos a preos abaixo do custo.
Os produtos P1 e P4 esto sendo vendidos com um lucro acima do mercado, ou seja, superior a 10%. Se os preos forem corrigidos, provavelmente haver uma procura maior que a atual.
Para que ele tambm tenha o mesmo lucro que seus concorrentes (ou
seja, 10%), preciso determinar os novos preos de venda.

Matemtica II

34

Captulo 1

Para isso, basta multiplicar a matriz custo,

Assim: 1,1

, pelo nmero real 1,1.

Veja quais devem ser os preos de venda dos produtos da indstria:


P1 custa R$ 19,80.
P2 custa R$ 45,10.
P3 custa R$ 45,10.
P4 custa R$ 29,70.
P5 custa R$ 56,10.
Veja qual o custo total de produo da indstria.

A matriz

mostra a quantidade fabricada

mensalmente de cada produto e a matriz


cao de cada um dos produtos.

mostra o custo de fabri-

O custo total da produo o produto dessas matrizes. Assim:

Licenciatura em Informtica

35

Matrizes

= (53900).

=
O custo de R$ 53.900,00.

Veja qual a receita mensal da indstria com o preo de venda atual.

A matriz

mostra a quantidade vendida

mostra o preo atual de

mensalmente de cada produto e a matriz


venda de cada um dos produtos.

A receita atual da indstria determinada pelo produto dessas


matrizes.

Assim:

= (56000).

Atualmente, a receita dessa indstria de R$ 56.000,00.


O lucro obtido subtraindo-se da receita o custo:
(56000) (53900) = (2100), ou seja, o lucro atual R$ 2.100,00.
Veja como ficar a receita mensal da indstria com os novos preos.
A matriz

mostra a quantidade vendida

Matemtica II

36

Captulo 1

mensalmente de cada produto e a matriz


os de cada um dos produtos.

Assim:

mostra os novos pre-

= (59290).
A receita da indstria passar a ser de R$ 59. 290,00.
Para de determinar o lucro fazemos: (59290) (53900) = (5390)
E o lucro passar a ser de R$ 5.390,00.

Organizar os custos da produo de uma empresa pode trazer


grandes benefcios!

Voc j ouviu dizer que mensagens podem ser transmitidas de


forma codificada?
E que isto muito importante para a segurana das operaes na
Internet?
As matrizes inversas so utilizadas para codificar mensagens.

As matrizes tm outras inmeras aplicaes prticas no cotidiano. E


tambm na Matemtica. Seguimos tratando delas...

Licenciatura em Informtica

Matrizes

________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________

Matemtica II

37

38

Licenciatura em Informtica

39

DETERMINANTES

Neste captulo, voc estudar os determinantes.


Esperamos que, ao final de seus estudos, voc seja capaz de:
2.1.

Definir determinante de uma matriz.

2.2.

Calcular o determinante de uma matriz 1x1.

2.3.

Calcular o determinante de uma matriz 2x2.

2.4.

Calcular o determinante de uma matriz 3x3.

2.5. Calcular o determinante de uma matriz quadrada de ordem n utilizando o Teorema de Laplace.
2.6.

Utilizar propriedades para calcular determinantes.

2.7. Calcular o determinante de uma matriz quadrada de ordem n utilizando a Regra de Chi.
2.8.

Determinar a inversa de uma matriz utilizando determinantes.

2.9.

Resolver problemas aplicando determinantes.

Conte conosco e bom trabalho!

No novo dicionrio aurlio da lngua portuquesa, est escrito:


Determinante Que determina; determinador. Funo algbrica
racional inteira dos elementos de uma matriz quadrada de ordem
n, que se obtm formando todos os produtos de n elementos de
modo que em cada um deles aparea uma e somente uma vez um
elemento de qualquer das linhas e qualquer das colunas, e atribuindo ao produto o sinal mais ou menos, conforme seja par ou mpar o
nmero de inverses na ordem dos elementos que constituem.

Encontrar o determinante de uma matriz pela definio do Aurlio


difcil, mas existem algumas regras e teoremas que facilitam. Veja a
seguir algumas formas de encontrar este tal nmero chamado de determinante, que est associado a cada matriz quadrada.

Matemtica II

40

Captulo 2

2.1 Definio

Determinante um nmero que est associado a toda matriz


quadrada.

Dada uma matriz quadrada A de ordem n, representamos seu determinante por det A, ou por
.

2.2 Determinante de matriz 1x1

Determinante de uma matriz 1x1. Uma matriz quadrada de


ordem 1 tem um nico elemento. O determinante igual a
esse elemento.

Esta regra s calcula determinante de matriz 1x1.

Exemplo 1. O determinante da matriz A =

2, ou seja det A = 2.

Exemplo 2. O determinante da matriz B =

det B = 7.

2.3 Determinante de matriz 2x2

Determinante de uma matriz 2x2. O determinante de uma matriz quadrada de ordem 2 igual diferena entre o produto dos
elementos da diagonal principal e o produto dos elementos da
diagonal secundria.

Esta regra s calcula determinante de matriz 2x2.

Licenciatura em Informtica

41

Determinantes

O determinante da matriz A =

det A = a11xa22 a12xa21.

Exemplo 1. O determinante da matriz A =


seja, det A = 1.

Exemplo 2.

det A = 15 14, ou

= 35 (12) = 35 + 12 = 47.

1. Qual o determinante da matriz B =

2. Qual o determinante da matriz C =


3. Se

, qual o valor de x?

4. Qual o determinante da matriz nula de ordem 2?


5. Qual o determinante da matriz identidade de ordem 2?

2.4 Determinante de matriz 3x3

Determinante de uma matriz 3x3. O determinante de uma


matriz quadrada de ordem 3 pode ser calculado pela Regra
de Sarrus.

A Regra de Sarrus s calcula determinante de matriz 3x3.

Matemtica II

42

Captulo 2

Para calcular o determinante de uma matriz 3x3 pela Regra de Sarrus repetem-se, em ordem, as duas primeiras colunas da matriz logo aps a ltima.

Se A =

, fazemos

Depois, fazemos os produtos indicados abaixo, somando ou subtraindo


os resultados desses produtos, conforme est indicado a seguir.
Os produtos de cada trs elementos, no sentido da diagonal principal,
indicados na figura seguinte sero somados.

Assim:

Os produtos de cada trs elementos, no sentido da diagonal secundria,


indicados na figura seguinte, sero subtrados.

Assim:

Ento, calculamos o determinante:


det A = a11 a22 a33 + a12 a23 a31 + a13 a21 a32
a31 a22 a13 a32 a23 a11 a33 a21 a12
Exemplo 1. Considere a matriz A =

. Para calcular seu

determinante, repetimos as duas primeiras colunas aps a ltima:

Licenciatura em Informtica

43

Determinantes

Agora, calculamos o determinante:


detA = 2x5x4 + 6x(2)x1 + (1)x7x3 1x5x(1) 3x(2)x2 4x7x6
detA = 40 12 21 + 5 + 12 168
detA = 144.
Exemplo 2. Para encontrar o determinante da matriz B, definida da
seguinte forma: B = (bij)3x3 tal que bij =
mente, escrever a matriz:

B=

ento B =

devemos, inicial-

Agora, aplicamos a Regra de Sarrus:

det B = 1x1x1 + 3x3x(2) + 3x(2)x(2) (2)x1x3 (2)x3x1


1x(2)x3
det B = 1 18 + 12 + 6 + 6 + 6

det B = 13.

Pratique, que tudo fica simples:


?

1. Qual o determinante da matriz A =

2. Qual o determinante da matriz B =

Matemtica II

44

Captulo 2

3. Se

, qual o valor de x?

4. Qual o determinante da matriz nula de ordem 3?


5. Qual o determinante da matriz identidade de ordem 3?

Agora que voc j sabe calcular o determinante de matrizes


quadradas de ordem 1, 2 e 3, que tal refletir sobre a definio
do AURLIO para determinantes? Veja se o que voc faz
compatvel com a definio.

Os determinantes vo ficando mais trabalhosos medida que a ordem


da matriz vai aumentando. A seguir, voc ver uma forma de calcular o
determinante de uma matriz quadrada de qualquer ordem.

2.5 Teorema de Laplace


O teorema de Laplace utiliza os conceitos de menor complementar
e de cofator.

Menor complementar. Seja aij um elemento de uma matriz quadrada A. Denominamos menor complementar de aij e indicamos
por Dij, o determinante da matriz que obtemos aps eliminar de
A a linha i e a coluna j.

Cofator. Seja aij um elemento de uma matriz quadrada A. Denominamos cofator de aij e indicamos por Aij, o nmero real obtido
do produto entre (1)i + j e o menor complementar de aij. Ou seja,
Aij = (1)i + j Dij.

Licenciatura em Informtica

Determinantes

Teorema de Laplace. O determinante de uma matriz quadrada de


ordem n igual soma dos produtos dos elementos de uma fila
qualquer (linha ou coluna) por seus cofatores.

O Teorema de Laplace pode ser utilizado para calcular o determinante de qualquer matriz quadrada.

O teorema de Laplace pode ser aplicado a qualquer linha ou coluna


da matriz.
Exemplo 1. Para encontrar o determinante da matriz A =

pelo teorema de Laplace preciso escolher uma fila. Pode ser qualquer
linha ou qualquer coluna. Se, por exemplo, escolhemos a primeira linha,
ento o determinante ser igual soma dos produtos de cada elemento
da linha 1 pelos seus cofatores.
det A = a11A11 + a12A12 + a13A13.
Antes de calcular cada cofator (Aij), necessrio determinar o menor
complementar (Dij) de cada elemento aij da fila escolhida matriz A.
O menor complementar de a11, D11, igual ao determinante da matriz
obtido quando se elimina da matriz a linha 1 e a coluna 1.
D11 =

= 20 + 6 = 26.

O menor complementar de a12, D12, igual ao determinante da matriz


obtida quando se elimina da matriz a linha 1 e a coluna 2.
D12 =

= 28 + 2 = 30

O menor complementar de a13, D13, igual ao determinante da matriz


obtida quando se elimina da matriz a linha 1 e a coluna 3.
D13 =

= 21 5 = 16

Matemtica II

45

46

Captulo 2

Agora podemos encontrar os cofatores.


A11 = (1)1+1D11 = 1x26 = 26
A12 = (1)1+2D12 = (1)x30 = 30
A13 = (1)1+3D13 = 1x16 = 16
Tudo pronto para o teorema de Laplace.
det A = a11A11 + a12A12 + a13A13
det A = 2x26 + 6x(30) + (1)x16 = 52 180 16

det A = 144.

Observe que este determinante foi calculado no exemplo 1 da Regra de Sarrus. Um determinante de ordem 3, em geral, mais fcil
calcular pela Regra de Sarrus.

Exemplo 2. Para calcular o determinante de B =

deve-se escolher uma fila e aplicar o teorema de Laplace.


Se a linha 1 for escolhida, devem-se calcular os cofatores de a11, a12, a13 e
de a14. Se a coluna 2 for escolhida, s ser necessrio calcular os cofatores
de a12 e de a32, pois os elementos a22 e a42 so nulos.

O Teorema de Laplace deve ser aplicado sobre a fila que tiver o


maior nmero de elementos nulos.
Sendo assim, escolhemos a coluna 2 e encontramos o menor complementar de cada elemento no nulo.

D12 =

= 16 15 12 4 = 47

Licenciatura em Informtica

47

Determinantes

D32 =

= 4 + 20 + 6 + 8 15 2 = 13

Agora, os cofatores:
A12 = (1)1+2D12 = (1)x(47) = 47
A32 = (1)3+2D32 = (1)x 13 = 13
E, finalmente, o determinante:
det A = a12xA12 + a22xA22 + a32xA32 + a24xA42
det A = 2x47 + 0xA22 + 3x(13) + 0xA42 = 94 39

det A = 55.

Resolva os exerccios abaixo e observe neles algumas propriedades dos determinantes que sero vistas a seguir:

1. Qual o determinante da matriz A =

2. Qual o determinante da matriz B =

3. Qual o determinante da matriz A =

4. Qual o determinante de uma matriz quadrada nula qualquer?


5. Qual o determinante de uma matriz identidade qualquer?

Matemtica II

48

Captulo 2

6. Seja a matriz A quadrada de ordem 6. Qual o nmero mximo de determinantes de ordem 3 que teremos que calcular para
encontrar o determinante de A?
Como voc viu nas atividades que fez, calcular um determinante pode
ser bem trabalhoso. Para calcular um determinante de ordem 6 talvez
seja necessrio calcular 120 determinantes de ordem 3.
Em geral, possvel simplificar o clculo empregando certas propriedades dos determinantes.

2.6 Propriedades dos determinantes


Os determinantes possuem algumas propriedades que facilitam o seu
clculo. Algumas so muito simples de serem demonstradas e outras
exigem um trabalho mais elaborado. Aqui, as propriedades sero apenas enunciadas e exemplificadas.
Propriedade 1. Se uma matriz tem uma linha (ou coluna) de zeros, seu
determinante nulo.

Exemplo1. A =

det A = 0.

Obs. A terceira linha nula.


Propriedade 2. Se uma matriz tem duas linhas (ou colunas) iguais, seu
determinante nulo.

Exemplo 2. A =

det A = 0.

Obs. A primeira linha igual terceira.


Propriedade 3. Se uma matriz tem duas linhas (ou colunas) proporcionais, seu determinante nulo.
Licenciatura em Informtica

Determinantes

Exemplo 3. A =

det A = 0.

Obs. A terceira coluna o triplo da primeira.


Propriedade 4. Se uma linha (ou coluna) de uma matriz combinao linear de outras linhas (ou colunas) desta matriz, seu determinante nulo.

Exemplo 4. A =

det A = 0.

Obs. A segunda linha igual soma da terceira linha com o dobro da


primeira, ou seja, a segunda linha combinao linear da primeira e da
terceira linha.
Propriedade 5. Quando permutamos (trocamos) duas linhas (ou colunas) de uma matriz A, obtemos uma matriz B cujo determinante o
oposto da determinante A, ou seja, det B = det A.

Exemplo 5. A =

B=

det A = 55.

det B = 55.

Obs. A segunda linha e a terceira linha da matriz A, foram trocadas.


Propriedade 6. Quando se multiplica os elementos de uma linha (ou
coluna) de uma matriz A por um nmero real k, obtm-se uma matriz
B cujo determinante igual ao determinante da matriz A multiplicado
por k, ou seja, det B = k det A.

Matemtica II

49

50

Captulo 2

Exemplo 6. A =

B=

det A = 13.

det B = 26

Obs. A terceira linha da matriz A foi multiplicada por (2), ento o determinante foi tambm multiplicado por (2).
Propriedade 7. O determinante de uma matriz igual ao determinante de sua transposta.

Exemplo 7. A =

At =

det A = 13.

det At = 13.

Propriedade 8. O determinante de uma matriz triangular igual ao


produto dos elementos da diagonal principal.

Exemplo 8. A =

det A = 1x(4)x(1)x9x2 = 72.


Obs. A matriz A triangular, pois todos os elementos que esto abaixo
da diagonal principal so nulos.

Licenciatura em Informtica

Determinantes

Propriedade 9. Teorema de Jacobi Quando se soma aos elementos


de uma linha (coluna) de uma matriz A, os elementos de outra linha
(coluna) multiplicada por uma constante, obtm-se uma matriz B cujo
determinante igual ao da matriz A.

Exemplo 9. A =

B=

det A = 144.

det B = 144.

Obs. A terceira coluna da matriz B a soma da terceira coluna de A com


o dobro da primeira coluna da matriz A.
Propriedade 10. Teorema de Binet O determinante do produto de
duas matrizes, A e B, igual ao produto dos determinantes destas matrizes, ou seja, det (AB) = det A x det B.

Exemplo 10. A =

B=

AB =

det A = 21.

det B = 27.

det AB = 567.

Veja que: det (AB) = det A x det B = (21) x 27 = 567.


Propriedade 11. O determinante da inversa de uma matriz igual ao
inverso do determinante da matriz.
Obs. Esta propriedade uma aplicao do teorema de Binet, pois como
o produto de uma matriz pela sua inversa a matriz identidade e o determinante da identidade igual a 1, segue que:
Matemtica II

51

52

Captulo 2

A A-1 = I

det (A A-1) = det I

Ento, det (A-1) =

(det A)(det (A-1) = 1

2.7 Regra de Chi


Esta uma regra prtica para calcular determinantes rebaixando a ordem
do mesmo. Existem vrias verses da mesma regra. Veja a seguinte:

Regra de Chi.
1. O elemento a11 da matriz deve ser unitrio. Caso no seja, use
alguma propriedade para transform-lo em 1.
2. Elimine a primeira linha e a primeira coluna da matriz A, reduzindo assim a ordem da mesma.
3. De cada elemento aij restante na matriz A subtraia o produto
de ai1 por a1j.
4. A matriz obtida tem o mesmo determinante que a matriz A.

Exemplo 1. O determinante da matriz A =

j foi encon

trado pela Regra de Sarrus e det A = 21.


Pela Regra de Chi ele obtido da seguinte forma.
Observe que a11 = 1. Elimine a primeira linha e a primeira coluna da matriz A e procure a nova matriz, quadrada de ordem 2, que tem o mesmo
determinante que A.
De cada elemento aij restante da matriz A subtraia o produto de ai1
por a1j. Assim:

Licenciatura em Informtica

53

Determinantes

Agora s calcular o determinante da matriz reduzida.


det A =

= 5 16 = 21.

o elemento b11 = 2.

Exemplo 2. Na matriz B =

preciso aplicar alguma propriedade para torn-lo unitrio sem alterar


o valor do determinante.
Observe que o elemento a33 = 1. Leve este elemento para a posio de a11.
Trocando a primeira linha com a terceira, o determinante inverte o sinal
(propriedade 5).

Agora, trocando a primeira coluna com a terceira, o determinante inverte o sinal (propriedade 5).

Assim:

Matemtica II

54

Captulo 2

Agora, a11 = 1. Elimine a primeira linha e a primeira coluna da matriz


e procure a nova matriz, quadrada de ordem 3, que tem o mesmo determinante que B.

Pela Regra de Sarrus, encontre o determinante de ordem 3.

det B = 91 480 + 468 210 = 313.

Exemplo 3. O determinante da matriz B =

pode ser

obtido de diversos modos. Vamos utilizar a propriedade 9 (teorema de


Jacobi) para tornar a11 = 1.
Somamos aos elementos da primeira linha, os elementos da terceira. O
determinante no ser alterado.

Agora que a11 = 1, eliminamos a primeira linha e a primeira coluna da


matriz e procuramos a nova matriz, quadrada de ordem 3, que tem o
mesmo determinante que B.
Licenciatura em Informtica

Determinantes

Com a Regra de Sarrus finalizamos o clculo do determinante de B.

det B = 3913 2280 + 2730 + 3150

det B = 313.

Praticando tudo fica muito simples. Tente refazer os determinantes dos exemplos de maneiras diferentes..

0
5 2 0
2
2 0
8 10
1

Considere a matriz A = . 3 1 0
0
3

1
1
1 3 4
0
5 2 5 0
Encontre seu determinante de duas maneiras diferentes aplicando a Regra de Chi.

2.8 Matriz inversa


A inversa de uma matriz quadrada A, quando existe, a matriz quadrada A-1, de mesmo tipo, tal que o produto delas, em qualquer sentido, a
matriz identidade.
Matemtica II

55

56

Captulo 2

Existem diversas formas de encontrarmos a inversa de uma matriz. Uma


delas usando determinantes. Veja.

Matriz inversa. A inversa de uma matriz quadrada igual ao produto do inverso do determinante da matriz pela transposta da matriz de seus cofatores.

Assim: A-1 =

)t, onde

a matriz dos cofatores.

Se o determinante de uma matriz nulo, ento ela no inversvel.

Exemplo 1: A matriz A =
te no nulo.

det A =

inversvel, pois seu determinan-

= 12 2 + 20 = 30

Para encontrar a inversa de A, determinamos a matriz dos cofatores. Os


cofatores dos elementos da matriz A so:
A11 = (1)1+1

= 12

A12 = (1)1+2

= ( 1)x( 4) = 4

A13 = (1)1+3

= 1

Licenciatura em Informtica

57

Determinantes

A21 = (1)2+1

= ( 1)x(20 2) = 18

A22 = (1)2+2

=4

A23 = (1)2+3

= ( 1)x1 = 1

A31 = (1)3+1

= 6

A32 = (1)3+2

= ( 1)x2 = 2

A33 = (1)3+3

=3+5=8

A matriz dos cofatores

A inversa de A a matriz: A-1 =

A-1 =

=,

A-1 =

)t.

Matemtica II

58

Captulo 2

Verifique que A x A-1 = A-1 x A = I3.

2.9 Aplicaes
Uma aplicao interessante e bastante til dos determinantes o
clculo de reas.
Se os vrtices A, B e C de um tringulo esto representados num sistema
de coordenadas cartesianas por pares ordenados A = (xA, yA), B = (xB, yB)
e C = (xC, yC), ento a rea do tringulo ABC dada por S =

, onde

o mdulo ou valor absoluto do determinante construdo a partir


das coordenadas dos vrtices, D =

Os topgrafos usam esta frmula para calcular reas.


Exemplo 1. Sendo A = (10, 30), B = (28, 17) e C = (45, 128) as coordenadas dos vrtices de um tringulo, ento sua rea :

D=

= 170 1350 + 3584 765 1280 + 84

D = 443
S=

= 221,5 unidades de rea.

Um satlite est programado para calcular grandes reas. Para isso


ele estima o valor das coordenadas dos pontos externos desta rea
como um grande polgono. Este por sua vez subdividido em tringulos e a rea calculada.
Obs. Se voc vir algum com um teodolito fazendo medies nas ruas de
seu bairro, converse com ele sobre como os topgrafos calculam reas.

Licenciatura em Informtica

Determinantes

A teoria dos determinantes surgiu quando eram estudados processos


para se resolver sistemas de equaes lineares. Em breve estudaremos
sobre como aplicar os determinantes para resolver sistemas lineares.
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________

Matemtica II

59

60

Licenciatura em Informtica

61

SISTEMAS LINEARES

Neste captulo, voc estudar os sistemas lineares.


Esperamos que, ao final de seus estudos, voc seja capaz de:
3.1.

Definir equao linear.

3.2.

Definir sistema de equaes lineares.

3.3.

Classificar sistemas lineares.

3.4.

Resolver sistemas lineares pela Regra de Cramer.

3.5.

Resolver sistemas lineares pelo Mtodo de Gauss-Jordan.

3.6.

Resolver sistemas homogneos.

3.7.

Discutir sistemas lineares.

3.8. Determinar a inversa de uma matriz utilizando operaes


elementares.
3.9.

Resolver problemas utilizando sistemas lineares.

Conte conosco, e bom trabalho!

3.1 Equao linear

Equao linear. Uma equao linear quando da forma:


a11 x1 + a12 x2 + a13 x3 + ... + a1n xn = b.

Os nmeros reais a11, a12, a13,..., a1n so denominados coeficientes das


variveis x1, x2, x3,... , xn, respectivamente. O nmero real b chamado
termo independente da equao.
Exemplo 1. As equaes seguintes so lineares.
2x 5y + z = 9

Matemtica II

62

Captulo 3

5x1 + 4 x2 + 3 x3 + 4 x4 = 7
2t 3w = 0.
Exemplo 2. As equaes seguintes no so lineares.
x2 2x + 9 = 0
x 3 xy + 2y = 5.

Soluo de uma equao linear. Soluo de uma equao linear


uma n-upla que satisfaz a equao linear.
Se a n-upla (b1, b2, b3,..., bn) soluo da equao linear
a11 x1 + a12 x2 + a13 x3 + ... a1n xn = b, ento a11 b1 + a12 b2 + a13 b3 +
... a1n bn = b.

Obs.: Uma n-upla um conjunto ordenado com n elementos. Em particular, se este conjunto tiver dois elementos, chamamos de par ou dupla,
se tiver trs de terna ou de quadra se tiver quatro elementos.
Exemplo 1. A terna (1; 3; -1) soluo da equao 2x + 3y z = 12, pois
2x1 + 3x3 (1) = 12.
A quadra (1; 0; -1; 0) no uma soluo da equao x + y z + t = 1,
pois 1 + 0 (1) + 0 1.

3.2 Sistema de equaes lineares

Sistema de equaes lineares. Um sistema de equaes lineares


um conjunto de equaes lineares.
.

Licenciatura em Informtica

63

Sistemas Lineares

Exemplo 1.

um sistema de equaes lineares.

Este um sistema 3x3, pois tem 3 equaes e 3 incgnitas.


Exemplo 2.

um sistema 2x3 pois tem 2 equaes e

3 incgnitas.

Exemplo 3.

um sistema 3x2.

Soluo de um sistema de equaes lineares. Soluo de um sistema de equaes lineares uma n-upla que satisfaz a todas as
equaes do sistema.
Se a n-upla (c1, c2, c3,..., cn) soluo da equao linear

, ento

Exemplo 1. A terna (1, 2, 3) soluo do sistema

pois

Matemtica II

64

Captulo 3

Exemplo 2. A terna (1, 1, 0) soluo da primeira equao do sistema


, mas no do sistema, pois no soluo de todas as
equaes do sistema.

1. Qual deve ser o valor de K para que a terna (1, 3, 5) seja soluo
da equao linear 2x Ky + z = 2?
2. Escreva um sistema 2x2 tal que o par (2, 1) seja soluo.
3. Qual deve ser o valor de K para que (0, 0, 0) seja soluo do sistema
?

3.3 Classificao de sistemas lineares


Um sistema de equaes lineares pode ter uma, infinitas ou nenhuma
soluo.

Classificao de sistemas lineares:


Um sistema que tem uma nica soluo chamado de possvel e
determinado (SPD).
O sistema que tem infinitas solues denominado possvel e indeterminado (SPI).
O que no tem soluo impossvel ou incompatvel (SI).

Exemplo1. O sistema
que o par (2, 1).

SPD, pois tem uma nica soluo,

Voc pode usar o mtodo da substituio para resolver e confirmar que (2,1) a nica soluo do sistema.

Licenciatura em Informtica

65

Sistemas Lineares

Exemplo 2. O sistema

SPI. As duplas (10, 7), (0, 3) e (1, 2)

so algumas de suas solues.

Veja que a primeira equao mltipla da segunda.

Exemplo 3. O sistema

SI.

Veja que as equaes so incompatveis.

Os sistemas de duas equaes e duas incgnitas so resolvidos com facilidade pelos mtodos da adio e da substituio. Veja os exemplos e
relembre esses mtodos.
Exemplo1. Para resolver o sistema

pelo mtodo da

substituio, escolhemos uma equao para isolar uma varivel.


Vamos escolher a segunda, e isolar a varivel y, ou seja, y = 10 4x.
Substitumos o valor de y na primeira equao.
2x 3(10 4x) = 5

2x 30 + 12x = 5

14x = 35

x=

Determinamos o valor de y.
y = 10 4(

y = 10 10 = 0

O sistema est resolvido! A soluo S = {( , 0)}

Exemplo 2. Para resolver o sistema

pelo mtodo da adi-

o, modificamos o sistema de modo que, quando as equaes so somadas, uma varivel seja eliminada.

Matemtica II

66

Captulo 3

Vamos multiplicar a segunda equao por (3).

Somamos as equaes e determinamos o valor de x.


13x = 26

x=2

Substitumos valor de x em qualquer uma das equaes.


2(2) + 3y = 4

y=0

O sistema est resolvido! A soluo S = {(2, 0)}.


Se o sistema tem um nmero maior de equaes e/ou de variveis, a soluo por esses mtodos pode ser muito trabalhosa. Ento, entra o uso
das matrizes e dos determinantes.
Para conhecer esses mtodos preciso dar uma representao matricial
para o sistema. Todo sistema de equaes lineares pode ser representado por meio de uma equao matricial.

Forma matricial de um sistema linear. Todo sistema de equaes


lineares

pode ser escrito na forma matricial pela equao

ou AX = B.

A matriz A denominada matriz dos coeficientes. A matriz X, das


variveis. A matriz B, por sua vez, dos termos independentes.

Licenciatura em Informtica

67

Sistemas Lineares

Exemplo 1. A representao matricial do sistema:

Represente por uma equao matricial os sistemas:


a)

b)

3.4 Regra de Cramer

Sistema normal. Um sistema normal quando o nmero de


equaes igual ao nmero de incgnitas.

Regra de cramer: Um sistema normal com determinante da matriz


dos coeficientes no nulo sempre SPD. Cada varivel ter valor
igual ao quociente entre o determinante da matriz que se obtm
substituindo a coluna dos coeficientes dessa varivel pelos termos
independentes e ao determinante da matriz dos coeficientes.

Exemplo 1. Para resolver o sistema

pela Regra de

Cramer, preciso encontrar o determinante da matriz dos coeficientes:

Matemtica II

68

Captulo 3

D=

= 4 + 12 1 + 6 + 2 + 4 = 27.

Como D

0, o sistema tem uma nica soluo.

Cada varivel tem valor igual ao quociente entre o determinante da


matriz que se obtm substituindo a coluna dos coeficientes desta varivel pelos termos independentes, e o determinante da matriz dos
coeficientes.

Dx =

= 20 12 4 6 + 8 20 = 54

Dy =

= 8 + 60 + 3 + 12 + 10 12 = 81

Dz =

= 6 + 12 + 5 30 + 3 + 4 = 0

x=

=2

y=

=3

z=

=0

O sistema est resolvido! A soluo S = {(2, 3, 0)}.

Licenciatura em Informtica

69

Sistemas Lineares

Exemplo 2. Para resolver o sistema


de

pela Regra

Cramer, encontramos o determinante da matriz dos coeficientes:

D=

, resolvendo pela Regra de Chi:

D=

Como D

= 2.

0, o sistema tem uma nica soluo.

Os determinantes associados a cada varivel so:

Dx =

=8

Dy =

=1

Dz =

= 11

Dt =

=4

Matemtica II

70

Captulo 3

Agora encontramos:
x=

=4

y=

z=

t=

=2

O sistema est resolvido! A soluo S = {(4,

, 2)}.

Resolva pela Regra de Cramer os sistemas lineares:


a)

b)

c)

Se um sistema linear no normal ou se o determinante da matriz


dos coeficientes nulo, ento a Regra de Cramer no uma boa
escolha para resolv-lo.

Licenciatura em Informtica

71

Sistemas Lineares

Podemos classificar um sistema normal utilizando os determinantes da


Regra de Cramer da seguinte forma.

Classificao de sistemas lineares normais.


Um sistema possvel e determinado (SPD), se D

0.

Se D = Dx = Dy = Dz = ... = 0 ento o sistema possvel e indeterminado (SPI).


Se D = 0 e Dx 0 ou Dy 0 ou Dz
svel ou incompatvel (SI).

0 ... ento o sistema impos-

Os sistemas possveis e indeterminados sero resolvidos pelo Mtodo


de Gauss-Jordan. Veja um exemplo de um deles:

Exemplo 3. O sistema normal

SPI, pois:

D = Dx = Dy = Dz = 0. Ou seja:
=

= 0.

Voc se lembra da propriedade 4 dos determinantes?


Todos os determinantes acima so nulos, pois a ltima linha
igual segunda menos a primeira.

Veja em seguida como resolver sistemas como estes.

Matemtica II

72

Captulo 3

3.5 Mtodo de Gauss-Jordan


Exemplo 1. No h nenhuma dificuldade em resolver sistemas do tipo
.

Substitumos z = 1 na segunda equao e encontramos y = 1.


Substitumos z = 1 e y = 1 na primeira equao e encontramos x =

O sistema est resolvido! A soluo S = {( , 1, 1)}.

Esses sistemas so chamados Sistemas escalonados. muito fcil


resolver um sistema escalonado.

Sistema escalonado. Se em cada equao de um sistema existe


pelo menos um coeficiente no nulo e o nmero de coeficientes
nulos antes do primeiro coeficiente no nulo aumenta de equao
para equao, ento o sistema est escalonado.

Mtodo de gauss-jordan. Consiste em realizar sobre um sistema


operaes chamadas elementares at que ele se torne um sistema
escalonado.

Operao elementar. uma operao que pode ser realizada sobre o sistema sem modificar suas solues. So elas:
1. Trocar de posio duas equaes.
2. Multiplicar uma equao por um nmero real no nulo.
3. Substituir uma equao pela soma dela outra previamente
multiplicada por uma constante.

Licenciatura em Informtica

73

Sistemas Lineares

As operaes elementares so realizadas sobre as linhas da matriz


ampliada (ou aumentada) do sistema.

Matriz ampliada. A matriz ampliada de um sistema a matriz


dos coeficientes acrescida, aps ultima coluna, da matriz dos
termos independentes.

Exemplo 1. A matriz ampliada do sistema

a matriz

Veja a escada de zeros da matriz. A cada coluna o nmero de zeros


vai aumentando. A cada linha tambm.

Exemplo 2. O sistema
de

j foi resolvido pela Regra

Cramer e a soluo S = {(2, 3, 0)}.


Vamos resolv-lo agora pelo Mtodo de Gauss-Jordan.
Representamos o sistema pela matriz ampliada

Atravs das operaes elementares, esta matriz dever ficar como a do


exemplo 1, ou seja, escalonada.
Passo 1: Substitumos a segunda linha pela soma dela com a primeira.

Matemtica II

74

Captulo 3

Passo 2: Substitumos a terceira linha pela soma dela com a primeira


previamente multiplicada por 3.

Passo 3: Dividimos a segunda linha por 3.

Passo 4: Substitumos a terceira linha pela soma dela com a segunda


previamente multiplicada por ( 4).

A matriz est na forma escalonada. O sistema escalonado :

Agora encontramos a soluo:


z = 0. Substitumos z = 0 na segunda equao e encontramos y = 3. Substitumos z = 0 e y = 3 na primeira equao e calculamos x = 2.
A soluo S = {(2, 3, 0)}.

Exemplo 3. O sistema

j foi resolvido pela Regra de

Cramer e a soluo S = {(4,

, 2)}.

Licenciatura em Informtica

75

Sistemas Lineares

Para resolv-lo pelo Mtodo de Gauss-Jordan, representamos o sistema

pela matriz ampliada:

Passo 1. Substitumos a segunda linha pela soma dela com a primeira


multiplicada por ( 2).

Passo 2. Substitumos a terceira linha pela soma dela com a primeira.

Passo 3. Substitumos a quarta linha pela soma dela com a primeira


multiplicada por ( 2).

Passo 4. Substitumos a segunda linha pela soma dela com a terceira.

Matemtica II

76

Captulo 3

Passo 5. Substitumos a terceira linha pela soma dela com a segunda


multiplicada por 2.

Passo 6. Substitumos a quarta linha pela soma dela com a segunda mulpiplicada por ( 2).

Passo 7. Substitumos a quarta linha pela soma dela coma a terceira.

A matriz est na forma escalonada e o sistema escalonado :

A soluo aps o escalonamento :


t = 2. Substitumos t = 2 na terceira equao e determinamos z =
Substitumos t = 0 e z =
Substitumos t = 0, z =

na segunda equao e temos y =


ey=

Finalmente, soluo S = {(4,

.
.

na primeira equao e da x = 4.
, 2)}.

Licenciatura em Informtica

77

Sistemas Lineares

Existem vrias formas de se escalonar a matriz ampliada.


A cada passo, devemos tomar o cuidado de no perder o que foi
alcanado nos passos anteriores.
Se possvel, devemos evitar as fraes, pois os clculos podem ser
bem trabalhosos.

O Mtodo de Gauss-Jordan pode ser escrito na forma de um algoritmo.


Com este ltimo, programamos o computador para que ele faa o nosso
trabalho. Neste caso, o trabalho do computador, e as fraes no sero
matematicamente um problema.
Um desses algoritmos o seguinte.

Algoritmo para escalonamento de matriz:


Seja A uma matriz nxm. Para i = 1, 2, 3, ..., n faa:
Passo 1. Escolha o maior valor no nulo, em mdulo, entre os elementos {ai i, ai+1 i, ai+2 i, ..., an i}. Chame este elemento de piv.
Passo 2. Faa a linha que contm o piv ser a linha i.
Passo 3. Divida toda a linha i pelo piv.
Passo 4. Para cada linha k maior que i faa: se ak i = 0, mantenha
a linha, caso contrrio, substitua a linha k pela soma dela com a
linha i previamente multiplicada por ( aki ).

Veja a soluo do sistema do exemplo 3 pelo algoritmo descrito.

Exemplo 4: Resolvendo o sistema

A matriz ampliada do sistema

Matemtica II

78

Captulo 3

Para i = 1.
Passo1. Piv 2.
Passo 2. Trocar a linha 1 pela linha 2 (ou pela linha 4).

Passo3. Dividir a linha 1 por 2.

Passo 4. Substituir a linha 2 pela soma dela com a linha 1 previamente


multiplicada por (1).

Passo 5. Substituir a linha 3 pela soma dela com a linha 1 previamente


multiplicada por [(1)].

Passo 6. Substituir a linha 4 pela soma dela com a linha 1 previamente


multiplicada por (2).

Licenciatura em Informtica

Sistemas Lineares

Para i = 2.
Passo1. Piv

Passo 2. A linha que contm o piv a linha 2.


Passo3. Dividir a linha 2 por

Passo 4. Substituir a linha 3 pela soma dela com a linha 2 previamente


multiplicada por (

).

Passo 5. Substituir a linha 4 pela soma dela com a linha 2 previamente


multiplicada por (1).

Matemtica II

79

80

Captulo 3

Para i = 3.
Passo1. Piv

Passo 2. A linha que contm o piv a linha 3.


Passo3. Dividir a linha 2 por

Passo 4. Substituir a linha 4 pela soma dela com a linha 3 previamente


multiplicada por (

).

Para i = 4.
Passo 1. Piv 1.
Passo 2. A linha que contm o piv a linha 4.
Passo3. Dividir a linha 4 por 1.

Licenciatura em Informtica

81

Sistemas Lineares

A matriz est escalonada. O sistema escalonado

Encontrando a soluo do sistema escalonado:


t = 2. Substitua t = 2 na terceira equao e determine z =
Substitua t = 0 e z =

na segunda equao e encontre y =

Substitua t = 0, z =
A soluo S = {(4,

ey=
,

.
.

na primeira equao e ento x = 4.

, 2)}.

O que voc acha de passar o prximo feriado programando este


algoritmo para resolver sistemas computacionalmente? Faa! Vai
ser divertido. Seus futuros alunos iro adorar!

E os sistemas indeterminados? Ainda no tratamos nenhum deles. Veja


um no prximo exemplo:
Exemplo 5: J foi mostrado que o sistema

SPI.

Vamos resolv-lo por Gauss-Jordan e tentar no trabalhar com fraes.


Matriz ampliada:

Passo 1. Substitumos a segunda linha pela soma dela com a primeira


previamente multiplicada por ( 2).

Matemtica II

82

Captulo 3

Passo 2. Substitumos a terceira linha pela soma dela com a primeira


previamente multiplicada por ( 1).

Passo 3. Substitumos a terceira linha pela soma dela com a segunda


previamente multiplicada por ( 1).

A matriz est escalonada. O sistema escalonado

Agora, o sistema tem duas equaes para determinar trs incgnitas.


Duas equaes determinam duas incgnitas; ento, fazemos z = a.
Reescrevemos o sistema como se ele s tivesse duas incgnitas.
.
Na segunda equao, determinamos y =
namos x = 3 + a

A soluo S = {(

e na primeira, determi-

, a), onde a

Se voc quiser escrever algumas solues do sistema, basta atribuir valores para a.
Licenciatura em Informtica

Sistemas Lineares

Exemplo 6. Veja como fica um sistema impossvel pelo Mtodo de


Gauss-Jordan.

Passo 1. Trocamos a primeira e a terceira linhas.

Passo 2. Substitumos a segunda linha pela soma dela com a primeira


previamente multiplicada por (2).

Passo 3. Substitumos a terceira linha pela soma dela com a primeira


previamente multiplicada por (4).

Passo 4. Substitumos a terceira linha pela soma dela com a segunda.

A ltima equao do sistema : 0x + 0y + 0z = 24. IMPOSSVEL!


Portanto o sistema impossvel e S = {}.

Matemtica II

83

84

Captulo 3

Se durante o escalonamento de um sistema ocorrer uma linha


do tipo
, toda nula, ela dever ser suprimida do
sistema.
Se durante o escalonamento de um sistema ocorrer uma linha do
tipo
, tendo somente o ltimo elemento k 0, o
sistema ser impossvel.

Resolva o sistema pelo Mtodo de Gauss-Jordan:


a)

b)

c)

3.6 Sistemas homogneos

Sistema homogneo. Um sistema homogneo quando a matriz


dos termos independentes nula.

Exemplo 1. O sistema

homogneo.

Licenciatura em Informtica

85

Sistemas Lineares

Um sistema homogneo pode ser indeterminado?


Claro que sim! Um sistema homogneo indeterminado tem a soluo nula e outras no nulas.
As solues no nulas de um sistema homogneo so denominadas solues no triviais.

Exemplo 3. O sistema homogneo

SPD, pois o

determinante da matriz dos coeficientes no nulo. Veja.


D=

= 2 3 5 1 + 10 + 3 = 6.

Sendo SPD, ele possui uma nica soluo que a nula. S = {(0, 0, 0)}.
Exemplo 3. O sistema

SPI, pois tem quatro in-

cgnitas, trs equaes e, como homogneo, no pode ser impossvel.


Utilizando o Mtodo de Gauss-Jordan, encontramos as suas solues.

Matriz ampliada

Passo 1. Trocamos a primeira linha com a terceira.

Passo 2. Substitumos a terceira linha pela soma dela com a primeira


previamente multiplicada por ( 2).

Matemtica II

86

Captulo 3

Passo 3. Substitumos a terceira linha pela soma dela com a segunda.

A matriz est escalonada. O sistema escalonado

O sistema tem trs equaes para determinar quatro incgnitas.


Fazemos t = a e reescrevemos o sistema como se ele s tivesse trs incgnitas,

Na terceira equao, determinamos z =


mos y = 2a
+

. Na segunda, determina-

. Na primeira, calculamos o valor de x = 2a

A soluo S = {(

, a), onde a

Resolva os sistemas homogneos:


a)

b)

c)

Licenciatura em Informtica

}.

87

Sistemas Lineares

3.7 Discusso de sistemas lineares

Discutir um sistema linear consiste em analisar seu comportamento quando um parmetro (coeficiente ou termo independente) desconhecido.

Exemplo 1. No sistema

o coeficiente da varivel y na

segunda equao, K, no conhecido.


Esse sistema pode ento ser discutido em funo do parmetro K, ou
seja, em funo de K, analisamos quando ele SPD, SPI ou SI.
Discutindo o sistema pela Regra de Cramer temos:
D=
Se K

= 2K 1.
ento D

0. Nesse caso, o sistema possvel e determinado

(SPD).
Se K =

ento D = 0. Nesse caso, o sistema pode ser possvel e indeter-

minado ou impossvel (SPD ou DI)


Fazendo K =
Dx =

, encontramos:
-3=

Portanto, quando K =

0, e nesse caso o sistema impossvel.


o sistema impossvel e quando K

o sis-

tema possvel e determinado.


Exemplo 2. No sistema

, o coeficiente da varivel z

na terceira equao, K, desconhecido.

Matemtica II

88

Captulo 3

Para discutir o sistema por escalonamento, escrevemos a matriz ampliada

. Vamos escalonar essa matriz.

Passo 1. Trocamos a primeira linha com a segunda.

Passo 2. Substitumos a segunda linha pela soma dela com a primeira


previamente multiplicada por (2).

Passo 3. Substitumos a terceira linha pela soma dela com a primeira


previamente multiplicada por (3).

Passo 4. Substitumos a segunda linha pela soma dela com a terceira.

Passo 5. Substitumos a terceira linha pela soma dela com a segunda


previamente multiplicada por 4.

Licenciatura em Informtica

89

Sistemas Lineares

Agora a discusso:
Se K =

, ento a ltima linha fica

e o sistema ser

impossvel (SI).
Se K

, ento a ltima linha fica

eo

sistema ser possvel e determinado (SPD).

1. Discutir, por escalonamento, o sistema

2. Discutir, por Cramer, o sistema

3. Discutir o sistema

3.8 Matriz inversa


Podemos utilizar as operaes elementares para determinar a inversa de
uma matriz.
O mtodo consiste em colocar num quadro a matriz da qual se pretende
encontrar a inversa, e, a seu lado, a matriz identidade, de mesma ordem
que aquela.
Fazemos operaes elementares sobre a matriz at que ela se torne a
identidade. A identidade se tornar a inversa da matriz. Veja.
Exemplo 1. Para encontrar a inversa da matriz A =
vemos um quadro com a matriz A e a seu lado a identidade 3x3.

Matemtica II

escre-

90

Captulo 3

Passo 1. Substitumos a linha 2 pela soma dela com a primeira.

Passo 2. Trocamos a segunda linha com a terceira.

Passo 3. Substitumos a primeira linha pela soma dela com a segunda


previamente multiplicada por (5).

Passo 4. Substitumos a terceira linha pela soma dela com a segunda


previamente multiplicada por (8).

Passo 5. Dividimos a terceira linha por (30).

Passo 6. Substitumos a primeira linha pela soma dela com a terceira


previamente multiplicada por 18.

Licenciatura em Informtica

91

Sistemas Lineares

Passo 7. Substitumos a segunda linha pela soma dela com a terceira


previamente multiplicada por (4).

A inversa a matriz A-1 =

Num sistema normal podemos utilizar a inversa da matriz dos


coeficientes para resolv-lo.

Exemplo 2. Para resolver o sistema

utilizando a in-

versa da matriz dos coeficientes lembrarmos que


=

a representao matricial do sistema.

Multiplicamos ambos os lados da equao pela inversa da matriz dos


coeficientes.

Como o produto de uma matriz pela sua inversa igual identidade,


segue que:

Matemtica II

92

Captulo 3

O produto da matriz identidade por uma matriz, se existe, igual prpria matriz, ento:

Finalmente,

e S = {( 4, 1,

)}

Para resolver um sistema normal cuja representao matricial


AX = B, basta encontrar a inversa da matriz dos coeficientes, A-1, e
com ela encontrar a soluo do sistema: X = A-1 B.
Caso a matriz dos coeficientes no seja inversvel, o sistema ser
indeterminado ou impossvel.

Resolva os sistemas dados utilizando a inversa da matriz de seus


coeficientes:
a)

b)

Licenciatura em Informtica

Sistemas Lineares

3.9 Aplicaes

Lembra-se do exemplo 2 de aplicaes de matrizes?


O exemplo abaixo retrata o mesmo problema, mas agora aplicando sistemas lineares.

Exemplo 1. Uma pequena indstria fabrica cinco produtos, P1, P2, P3,
P4 e P5, utilizando quatro peas diferentes A, B, C e D.
Na produo de P1 so utilizas 3 unidades da pea A, 2 da pea B e 5 da
pea D.
Para produzir P2 so utilizadas 5 unidades da pea A, 1 de B, 3 de C e
9 de D.
Para P3 so utilizadas 4 unidades da peas B, 5 de C e 8 de D.
Em P4 ela utiliza 2 unidades de A, 2 de B, 2 de C e 7 de D.
Para P5 so utilizadas 8 unidades de A, 1 de B, 4 de C e 5 de D.
As peas utilizadas, A, B, C e D, so compradas por R$ 3,00, R$ 2,00, R$
5,00 e R$ 1,00, respectivamente.
Os preos de venda destes produtos so:
P1 vendido por R$ 19,80, P2 por R$ 45,10, P3 por R$ 45,10, P4 por R$
29,70 e P5 a R$ 56,10.
Atualmente a produo mdia mensal de 100 unidades de P1, 500 de
P2, 200 de P3, 300 de P4 e 300 de P5.
O lucro da empresa hoje de R$ 5.390,00.
O dono da indstria quer saber se possvel aumentar este lucro sem
grandes mudanas na empresa.
Ele deseja saber quantas unidades de cada produto deve ser fabricada
para que o lucro aumente sem alterar as quantidades de peas compradas atualmente.

Matemtica II

93

94

Captulo 3

As informaes sobre a produo podem ser organizadas na tabela:


Produto

Pea A

Pea B

Pea C

Pea D

Produo
Atual

P1

100

P2

500

P3

200

P4

300

P5

300

2400

4300

10200

C o n s u m o 5800
Atual

Sejam x, y, z, t e w as quantidades a serem produzidas dos produtos P1,


P2, P3, P4 e P5, respectivamente.
Provavelmente no haver uma soluo exata, mas se houver ser a soluo do sistema

A primeira equao representa a utilizao da pea A na fabricao dos produtos P1, P2, P3, P4 e P5 que deve ser limitada s 5800
unidades disponveis no estoque.
As demais tratam da utilizao das peas B, C e D que tambm
devem ser limitadas s 2400, 4300 e 10200 unidades disponveis
no estoque, respectivamente.
A igualdade nas equaes indica que se est buscando utilizar todas as peas em estoque.
As solues tero que ser inteiras e no negativas, pois no possvel fabricar

pea ou ( 2) peas.

Licenciatura em Informtica

Sistemas Lineares

Resolvendo o sistema por escalonamento, a matriz ampliada :

Passo 1. Substitumos a primeira linha pela soma dela com a segunda


previamente multiplicada por ( 1).

Passo 2. Substitumos a segunda linha pela soma dela com a primeira


previamente multiplicada por ( 2).

Passo 3. Substitumos a quarta linha pela soma dela com a primeira previamente multiplicada por ( 5).

Passo 4. Substitumos a segunda linha pela soma dela com a terceira


previamente multiplicada por 2.

Matemtica II

95

96

Captulo 3

Passo 5. Multiplicamos a segunda linha por ( 1).

Passo 6. Substitumos a primeira linha pela soma dela com a segunda


previamente multiplicada por ( 4).

Passo 7. Substitumos a terceira linha pela soma dela com a segunda


previamente multiplicada por ( 3).

Passo 8. Substitumos a quarta linha pela soma dela com a segunda previamente multiplicada por 11.

Passo 9. Substitumos a linha quatro pela soma dela com a terceira previamente multiplicada por 3.

Licenciatura em Informtica

Sistemas Lineares

Passo 10. Trocamos a terceira linha com a quarta previamente multiplicada por ( 1).

Passo 11. Substitumos a primeira linha pela soma dela com a terceira
previamente multiplicada por ( 84).

Passo 12. Substitumos a segunda linha pela soma dela com a terceira
previamente multiplicada por 22.

Passo 13. Substitumos a quarta linha pela soma dela com a terceira previamente multiplicada por ( 71).

Passo 14. Dividimos a quarta linha por 91.

Matemtica II

97

98

Captulo 3

Passo 15. Substitumos a primeira linha pela soma dela com a quarta
previamente multiplicada por ( 108).

Passo 16. Substitumos a segunda linha pela soma dela com a quarta
previamente multiplicada por 28.

Passo 16. Substitumos a terceira linha pela soma dela com a quarta.

. A matriz est escalonada.

Resolvendo o sistema

temos:

t=

Licenciatura em Informtica

99

Sistemas Lineares

z=

y=

x=

Portanto ele tem infinitas solues, todas do tipo:

{(
onde w

,W

.}

Agora, preciso encontrar um valor para w tal que x, y, z, t e w sejam


inteiros e no negativos. Analise:
Para que x seja no negativo, ou seja,
que w 346.

, necessrio

Para que y seja no negativo, ou seja,


que w 475.

, necessrio

Para que z seja no negativo, ou seja,


que w 422.

, necessrio

Para que t seja no negativo, ou seja,


que w 253.

, necessrio

Conclumos que 253

346.

Por tentativa, possvel encontrar uma soluo que melhore o lucro. Lembre-se de que os valores sero aproximados, pois devem
ser inteiros e no negativos.

Matemtica II

100

Captulo 3

O lucro da empresa definido pela funo:


L = RECEITA CUSTOS.
L = (19,80x + 45,10y + 45,10z + 29,70t + 56,10w)
(3x + 5y + 2t + 8w)3,00 (2x + y + 4z + 2t + w)2,00
(3y + 5z + 2t + 4w)5,00 (5x + 9y + 8z + 7t + 5w)1,00.
L = 1,8x + 4,1y + 4,1z + 2,7t + 5,1w
Como a soluo ser aproximada, haver sobra de peas e isto dever
ser contabilizado no lucro. Seja P este acrscimo ao lucro. Assim:
L = 1,8x + 4,1y + 4,1z + 2,7t + 5,1w + P.
Veja o que acontece se w = 346.

t=

t=

t = 592,68...

t = 592

z=

z=

z = 124,68...

z = 124

y=

y=

x=

x=

y = 369,07...

x = 0,41...

y = 369

x=0

Veja como esta soluo atende s restries do problema:


Produto

Pea A

Pea B

Pea C

Pea D

Pro du o
Desejada

P1

P2

369

P3

124

P4

592

P5

346

2395

4295

10187

C o n s u m o 5797
Desejado

Licenciatura em Informtica

101

Sistemas Lineares

A sobra de peas pode ento ser determinada:


P = 3x3 + 5x2 +5x5 + 3x1 = 47
Veja o lucro da empresa com esta produo:
L = 1,8x0 + 4,1x369 + 4,1x124+ 2,7x592 + 5,1x346 + 47
L = 5384,30 + 47.
L = R$ 5431,3
O lucro aumentou R$ 41,30!
Veja o que acontece se w = 253.

t=

t=

z=

z=

y=

t = 0,95...

z = 276,95...

y=

x=

t=0

z = 276

y = 633,76...

x=

x = 201,74...

y = 633

x = 201

Veja como esta soluo atende s restries do problema:


Produto

Pea A

Pea B

Peca C

Pea D

Pro du o
Desejada

P1

201

P2

633

P3

276

P4

P5

253

2392

4291

10175

C o n s u m o 5792
Desejado

Matemtica II

102

Captulo 3

A sobra de peas
P = 8x3 + 8x2 + 9x5 + 5x1 = 90
Veja o lucro da empresa com esta produo:
L = 1,8x201 + 4,1x633 + 4,1x276+ 2,7x0 + 5,1x253 + 90
L = 5379,00 + 90
L = R$ 5469,00
Aumentou R$ 79,00!
Para mais uma anlise, seja w = 310.

t=

t=

t = 363,62...

t = 363

z=

z=

z = 183,62...

z = 183

y=

y=

x=

x=

y = 471,53...

x = 78,35...

y = 471

x = 78

Veja como esta soluo atende s restries do problema:


Produto

Pea A

Pea B

Pea C

Pea D

Pro du o
Desejada

P1

78

P2

471

P3

183

P4

363

P5

310

2395

4294

10184

C o n s u m o 5795
Desejado

Licenciatura em Informtica

103

Sistemas Lineares

A sobra de peas :
P = 5x3 + 5x2 + 6x5 + 6x1 = 61
Veja o lucro da empresa com esta produo:
L = 1,8x78 + 4,1x471 + 4,1x183+ 2,7x363 + 5,1x310 + 61
L = 5382,90 + 61
L = R$ 5443,90
Aumentou R$ 53,90.

Nas trs situaes analisadas o lucro aumentou. E possvel encontrar solues muito melhores que estas. A rea da matemtica que melhor estuda problemas deste tipo se chama Pesquisa
operacional.

Exemplo 2. Matrizes inversas podem ser utilizadas para transmitir mensagens codificadas. Veja um exemplo:
Dois amigos desejam se comunicar de forma codificada. Para isto eles
associam cada letra ou smbolo, um nmero de acordo com a tabela:
A

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,1

1,2

1,3

1,4

1,5

1,6

1,7

1,8

1,9

2,1

2,2

2,3

2,4

2,5

2,6

2,7

Matemtica II

104

Captulo 3

Obs. Outros smbolos poder ser acrescidos. Outras associaes podem


ser feitas.
As mensagens entre eles sero transmitidas aps serem codificadas

pela matriz A =

. Esta matriz denominada matriz

codificadora.
As mensagens sero descodificadas pela inversa da matriz A, que a

matriz A-1 =

. Esta matriz denominada matriz

descodificadora.
Veja como funciona. Deseja-se passar a seguinte mensagem:
A FESTA NA CASA DA BIA SERA DOMINGO
Use a tabela e escreva a mensagem na forma de uma matriz 4xn, onde n
ter o tamanho que for necessrio para escrever a mensagem.

B=

. A mensagem numrica :

B=

Agora codifique a mensagem fazendo o produto de A, matriz codificadora, por B, matriz mensagem.

Licenciatura em Informtica

105

Sistemas Lineares

AB =

A mensagem a matriz AB.


Ao receber a mensagem, ela dever ser descodificada. Para isto basta fazer o produto da matriz A-1, matriz descodificadora, pela matriz
recebida.

.
=

Use a tabela e traduza a mensagem:

Eis a mensagem:
A FESTA NA CASA DA BIA SERA DOMINGO!
Matemtica II

106

Captulo 3

D pra fazer muitas brincadeiras com seus alunos utilizando mensagens codificadas.
Um programinha de computador faz esta codificao e decodificao com facilidade.
Divirta-se!

___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
____________________________________________________

Licenciatura em Informtica

107

VETORES

Neste captulo, voc estudar os vetores do plano e do espao.


Esperamos que, ao final de seus estudos, voc seja capaz de:
4.1.

Definir vetor no plano e no espao.

4.2.

Adicionar vetores.

4.3.

Multiplicar um vetor por um escalar.

4.4.

Determinar a norma de um vetor.

4.5.

Determinar o produto interno entre dois vetores.

4.6.

Determinar a projeo ortogonal de um vetor.

4.7.

Determinar o produto vetorial entre dois vetores.

4.8.

Determinar o produto misto entre trs vetores.

4.9.

Resolver problemas aplicando vetores no plano e no espao.

Conte conosco e bom trabalho!

4.1 Vetor no plano e no espao


Algumas grandezas como, por exemplo, a temperatura e a presso, possuem apenas magnitude e por isso so representadas por um nmero real. Elas so chamadas de grandezas escalares ou simplesmente
escalares.
Exemplo 1. A temperatura mdia do corpo humano de 36,5 C.
Ao calibrar o pneu de um carro Plio ou similar, a presso normalmente
utilizada de 28 libras.
Outras grandezas como, por exemplo, a fora e a velocidade possuem,
alm da magnitude, direo e sentido e por isto so representadas
por pares ou ternas ordenadas. Estas grandezas so chamadas grandezas vetoriais ou simplesmente vetores.
Exemplo 2. No basta dizer que um veculo est a 60 km/h. preciso
informar em que direo e em que sentido est o veculo se deslocando
Matemtica II

108

Captulo 4

no plano velocidade de 60 km/h.


Para informar sobre uma fora imposta a um objeto no plano, preciso
informar a magnitude, a direo e o sentido dessa fora.
Um vetor representado graficamente por uma seta ou um segmento de
reta orientado. O comprimento do segmento indica o mdulo ou valor
absoluto do vetor. O ngulo que ele forma com a horizontal indica a
direo, e a seta aponta o sentido do vetor.

Se dois vetores esto localizados em desenhos diferentes, mas com o


mesmo comprimento, a mesma direo e o mesmo sentido, eles so
iguais.

Vetor livre.
Se dois vetores tiverem o mesmo mdulo, a mesma direo e mesmo sentido, ento eles so iguais.
Se forem representados por segmentos de retas diferentes, mas
com o mesmo comprimento, o mesmo sentido e a mesma direo,
eles so iguais.

Exemplo 3. Os trs vetores seguintes so iguais.

Vetor no plano. Um vetor do plano representado por um par


ordenado de nmeros reais.
Notao: v = (x, y).
Obs. x e y so denominadas componentes do vetor v.

Licenciatura em Informtica

109

Vetores

Exemplo 3. u = (2, 3), v = (0, 0) e w = (3,9; 4,5) so vetores do plano.

Vetor no espao. Um vetor do espao representado por uma


terna ordenada de nmeros reais.
Notao: v = (x, y, z).
Obs. x, y e z so denominadas componentes do vetor v.

Exemplo 4. u = (2, 3, 5), v = (0, 0, 3) e w = (3,9; 4,5; 8) so vetores do


espao.
Um vetor do plano ou do espao pode ser representado num sistema de
coordenadas cartesianas.
No plano:
Y

V
X

No plano, a representao do vetor v = (x, y) feita por um segmento


de reta com origem na origem do sistema de coordenadas cartesianas, ou seja no ponto O (0, 0), e a extremidade no ponto P (x, y).

No espao:
Z

P
V

Matemtica II

110

Captulo 4

No espao, a representao do vetor v = (x, y, z) feita por um segmento de reta com origem na origem do sistema de coordenadas
cartesianas, ou seja no ponto O (0, 0, 0), e com a extremidade no
ponto P (x, y, z).

Represente num sistema de coordenadas cartesianas:


a) o vetor do plano v (3, 5).
b) o vetor do espao w (1, 2, 3).

O vetor = (0, 0) o vetor nulo do plano e o vetor


o vetor nulo do espao.

= (0, 0, 0)

Os vetores i = (1, 0) e j = (0, 1) so denominados vetores cannicos do plano.


Os vetores i = (1, 0, 0), j = (0, 1, 0) e k = (0, 0, 1) so denominados
vetores cannicos do espao.

Se um vetor v do plano representado por um segmento de reta


orientado
com origem no ponto A (xA, yA) e com extremidade em B (xB, yB), ento ele pode ser representado com origem na
origem do sistema de coordenadas cartesianas e com extremidade
no ponto (xB xA, yB yA).
Portanto, v = (xB xA, yB yA).

Se um vetor v do espao est representado por um segmento de


reta orientado
com origem no ponto A (xA, yA, zA) e com extremidade em B (xB, yB, zB), ento ele pode ser representado com
origem na origem do sistema de coordenadas cartesianas e com
extremidade no ponto (xB xA, yB yA, zB zA).
Portanto, v = (xB xA, yB yA, zB zA).
Licenciatura em Informtica

111

Vetores

No plano:

No espao:

Represente o vetor
onde A (3, 5) e B ( 2, 4) num sistema de
coordenadas cartesianas, de forma que sua origem coincida com
a origem do sistema.
Determine as componentes do vetor v =
(5, 3, 4).

onde A (3, 4, 7) e B

4.2 Adio de vetores

Adio de vetores. A soma de dois vetores u e v o vetor u + v


obtido pela adio de suas componentes correspondentes.

Se u = (x1, y1) e v = (x2, y2) so vetores do plano, ento a soma o


vetor u + v = (x1 + x2, y1 + y2).
Se u = (x1, y1, z1) e v = (x2, y2, z2) so vetores do espao, ento a
soma o vetor u + v = (x1 + x2, y1 + y2, z1 + z2).

Exemplo 1. Se u = (3, 2) e v = (5, 1) ento u + v = (8, 1).


Exemplo 2. Se u = (5, 3, 7) e v = (0, 5, 1) ento u + v = (5, 2, 8).

Matemtica II

112

Captulo 4

4.3 Multiplicao por escalar

Multiplicao de um vetor por um escalar. A multiplicao de


um vetor v por um nmero real k o vetor kv obtido pela multiplicao de todas as suas componentes por k.

Se v = (x, y) ento k v = (kx, ky).


Se v = (x, y, z) ento kv = (kx, ky, kz).

Exemplo 1. Se u = (3, 2) ento 2u = (6, 4).


Exemplo 2. Se u = (5, 3, 7) e v = (0, 5, 1) ento 2u + 3v = (10, 9, 17).

Dados u = (5, 3, 7) e v = (0, 5, 1), encontre os vetores:


a) w = 2v 3u.
b) t = (u 3v)/5.

Propriedades da adio e multiplicao por escalar. Para quaisquer vetores u, v e w do plano (ou do espao) e quaisquer escalares
k e k reais valem:
1. (u + v) + w = u + (v + w)
2. u +

=u

3. u + ( u) =
4. u + v = v + u
5. k(u + v) = ku + kv
6. (k + k)u = ku + ku
7. (kk)u = k(ku)
8. 1u = u.

Licenciatura em Informtica

113

Vetores

No plano cartesiano, desenhe dois vetores. Some-os e desenhe o


vetor soma. Faa o mesmo com o produto escalar. O que resultou?
Discuta sua concluso com seus colegas.

4.4 Norma de um vetor

Norma de um vetor. Norma ou mdulo de um vetor o comprimento de alguma de suas representaes.


A norma de um vetor v = (x, y) do plano

A norma de um vetor v = (x, y, z) do espao


.
A norma de um vetor do plano a hipotenusa de um tringulo cujos
catetos so x e y.
Y

A norma de um vetor no espao a diagonal de um paraleleppedo cujos


lados so x, y e z.
Z

P
V

Matemtica II

114

Captulo 4

Exemplo 1. A norma de u = (2, 3)

Exemplo 2. A norma do vetor v = (1, 3, 0)

Exemplo 3. A distncia entre os pontos A (1, 3, 5) e B (7, 2, 4) a


norma do vetor

= (7 1, 2 3, 4 + 5) = (6, 5, 9).
u.c. (unidades de comprimento).

A distncia entre dois pontos a e b igual norma do vetor

1. Qual a norma do vetor v =

, se A (3, 5) e B ( 2, 4)?

2. Determine, se existir, o valor de k sabendo que o vetor


com A (k, 4, 7) e B (5, 3, 4), tem norma igual a 3.

3. Qual a norma do vetor nulo?


4. Qual a norma dos vetores cannicos do plano ou do espao?

Um vetor chamado unitrio se ele tiver norma (comprimento)


igual a 1. Os vetores cannicos so unitrios.
possvel encontrar um vetor unitrio com a mesma direo e
sentido de um vetor dado.

Exemplo 4. O vetor v (2, 4, 1) no unitrio, pois


. Para encontrar um vetor unitrio com a mesma direo e sentido de v, basta
multiplicar v pelo inverso de sua norma.

Licenciatura em Informtica

Vetores

O vetor

unitrio e tem a mesma direo e sentido de v.

Vimos que os vetores do plano e do espao podem ser somados ou multiplicados por um nmero. Ser que possvel multiplicar dois vetores? Sim
possvel! E de trs formas diferentes, cada uma delas com uma utilidade.

4.5 Produto escalar

Produto escalar ou interno. O produto interno (ou escalar) entre dois


vetores u e v um nmero real representado por u.v.
O produto interno entre dois vetores, u = (x1, y1) e v = (x2, y2), do
plano dado por: u.v = x1 x2 + y1 y2.
O produto interno entre dois vetores do espao, u = (x1, y1, z1) e
v = (x2, y2, z2), dado por: u.v = x1 x2 + y1 y2 + z1 z2.

O produto escalar entre dois vetores igual soma dos produtos de suas componentes correspondentes.
O produto interno entre dois vetores um nmero, ou seja,
um escalar.

Exemplo 1. Sendo u = (2, 3) e v = ( 1, 5) vetores do plano, ento o


produto interno entre eles u.v = 2 ( 1) + ( 3) 5= 2 15 = 17.
Exemplo 2. Sendo u = (1, 0, 2) e v = (5, 7, 2) vetores do espao, o produto interno entre eles u.v = 1. 5 + 0. 7 + ( 2) 2= 5 4 = 1.

Propriedades do produto interno. Para quaisquer vetores u, v e w do


plano (do espao) e qualquer nmero real k valem:
1. u . u =
2. u . v = v . u
Matemtica II

115

116

Captulo 4

3. u . (v + w) = u . v + u . w
4. (ku) . v = k(u . v) = u . (kv)
5.

.u=0

Obs. A propriedade 5 diz que o produto interno entre um vetor nulo e


um vetor u qualquer igual ao nmero real zero.
O produto escalar tem uma interpretao geomtrica. Com ela podemos obter informaes sobre o ngulo entre vetores.

TEOREMA. Se o ngulo formado pelos vetores u e v, do plano


ou do espao, ento u.v =
.
Portanto,

Este resultado vem da lei dos cossenos aplicada ao tringulo cujos lados
so u, v e u v.

uv

Mas,

Ento,
=
=

e consequentemente,

O ngulo formado por dois vetores paralelos de mesmo sentido nulo.


Se os sentidos forem opostos .
Licenciatura em Informtica

117

Vetores

Como o cos 0 = 1 e o cos


nhecer vetores paralelos.

= 1 pode utilizar este teorema para reco-

Exemplo 3. Os vetores u = (3, 5) e v = ( 3, 5) so vetores paralelos com


sentidos opostos pois:

O ngulo formado por vetores perpendiculares ou ortogonais


Como o cos

= 0, podemos utilizar este teorema para reconhecer ve-

tores perpendiculares.
Exemplo 4. Os vetores u = (1, 5, 3) e v = (1, 1, 2) so ortogonais, pois:

Exemplo 5. Para determinarmos o ngulo entre os vetores u = (2, 4, 6) e


v = (0, 2, 9) procuramos:
.
Com o cosseno do ngulo e o auxlio de uma calculadora, conclumos
que o ngulo formado pelos vetores :
=

radianos ou

26o.

1. Sendo u = (2, 5) e v = (2, 7) vetores do plano, encontre u . v.


2. Determine o valor aproximado, em graus, do ngulo formado
pelos vetores u = (2, 5) e v = (2, 7)
3. Sendo u = (2, 7, 5) e v = ( 5, 3, 7) vetores do espao determine u . v.
4. Determine o valor aproximado, em radianos, do ngulo formado pelos vetores u = (2, 7, 5) e v = ( 5, 3, 7).
Matemtica II

118

Captulo 4

5. Existem infinitos vetores paralelos ao vetor v = (1, 3, 5). Encontre um deles. Justifique sua resposta.
6. Existem infinitos vetores ortogonais ao vetor u = (7, 4, 0). Encontre um deles. Justifique sua resposta.

4.6 Projeo ortogonal


Para um vetor v (x, y) no plano, a componente x obtida a partir de sua
projeo sobre o eixo x e a componente y encontrada a partir de sua
projeo sobre o eixo y.
No plano:
Y

Para um vetor v (x,y,z) no espao, a componente x obtida de sua projeo sobre o eixo x, a componente y de sua projeo sobre o eixo y e a
componente z de sua projeo sobre o eixo z.
No espao:
Z

Licenciatura em Informtica

119

Vetores

Essas projees so sempre ortogonais. Cada uma delas a sombra do


vetor sobre o eixo com raios perpendiculares ao eixo.
Usando a mesma idia, podemos projetar ortogonalmente um vetor sobre outro.

Projeo ortogonal. Se u e v so vetores do plano (ou do espao),


com v

, a projeo ortogonal de u sobre v o vetor projv u =


.

Exemplo 1. A projeo ortogonal do vetor u = (2, 1, 4) sobre o vetor v


= (3, 1, 2) o vetor

projv u =

projv u =

1. Dados os vetores u = (3, 5) e v ( 2, 4), encontre a projeo


ortogonal de u sobre v.
2. Faa um desenho num sistema de coordenadas cartesianas dos
vetores u, v e projv u da atividade 1.
3. Dados os vetores u (3, 4, 7) e v (5, 3, 4), encontre a projeo
ortogonal de u sobre v.

Matemtica II

120

Captulo 4

Vimos que o produto escalar entre dois vetores (do plano ou do espao)
um nmero real, um escalar. O produto que veremos em seguida resulta num vetor.

4.7 Produto vetorial


O produto vetorial no est definido para vetores do plano.
O produto vetorial entre dois vetores u e v do espao um vetor, denominado u x v, com as seguintes caractersticas:
a) perpendicular a u e a v.
b) Tem sentido determinado pela regra da mo direita.
c) Seu comprimento numericamente igual rea do paralelogramo
formado por u e v.
uxv

Produto vetorial. O produto vetorial entre dois vetores u e v do


espao o vetor uxv.
O produto vetorial entre os vetores, u = (x1, y1, z1) e v = (x2, y2, z2)
o vetor: uxv =

Licenciatura em Informtica

121

Vetores

Essa frmula pode ser escrita de modo mais simples. Veja a seguir.
Denominamos os vetores cannicos do espao como:
i = (1, 0, 0), j = (0, 1, 0) e k = (0, 0, 1).
Todo vetor do espao, v (x, y, z), pode ser escrito como combinao linear dos vetores cannicos da seguinte forma:
v = (x, y, z) = xi + yj + zk.

Agora podemos simplificar a frmula do produto vetorial.


uxv =

uxv =

Observe que uxv =

Exemplo 1. Vamos encontrar o produto vetorial dos vetores do espao u


= (2, 1, 4) e v = (3, 1, 2).

uxv =

= 2i + 12j 2k + 3k 4j + 4i = 2i + 8j + k.

uxv = ( 2, 8, 1)

Dissemos que uxv perpendicular a u e a v. Vamos verificar essa


afirmao no exemplo acima.
u . (uxv) = 2. 2 + ( 1). 8 + 4. 1 = 0

u e uxv so perpendiculares.

v . (uxv) = 3. 2 + ( 1). 8 + 2. 1 = 0

v e uxv so perpendiculares.

Matemtica II

122

Captulo 4

Exemplo 2. Podemos encontrar com o produto vetorial a rea do paralelogramo formado por u e v

A norma do vetor uxv numericamente igual a essa rea.


S=
O paralelogramo tem rea S =

u.a. (unidades de rea).

Se dois vetores no nulos so paralelos eles no formam um paralelogramo. Podemos pensar que eles formam um paralelogramo
de rea nula.
Concluso: Se u e v so vetores no nulos tais que uxv =

, ento

u e a v so vetores paralelos.
Da mesma forma se A, B e C so pontos de uma mesma reta, ento os vetores

so paralelos. Concluso: Se

, ento os pontos A, B e C esto alinhados (ou so colineares).

Exemplo 3. Os vetores u = (1, 3, 5) e v = (2, 6, 10) so paralelos pois

uxv =

= 0i + 0j + 0k.

Se um vetor multiplo escalar de outro, ento eles so paralelos.

Licenciatura em Informtica

123

Vetores

Exemplo 4. Os pontos A (1, 2, 7), B (4, 6, 0) e C (1, 0, 10) formam um


tringulo no espao. Qual ser a rea desse tringulo?
Com o produto vetorial podemos determinar essa rea.
B

tA

Seja u =

= (4 1, 6 2, 0 7) = (3, 4, 7).

Seja v =

= (1 1, 0 2, 10 7) = (0, 2, 3).

uxv =

= 12i 6k 9j 14i = ( 2, 9, 6)

A norma do vetor uxv igual rea do paralelogramo formado por eles.


A rea do tringulo a metade da rea do paralelogramo. Ento, a rea
do tringulo S =

u.a.

Propriedades do produto vetorial. Para quaisquer vetores u, v e w


do espao e qualquer nmero real k vale:
1. u x v = v x u
2. (ku) x v = k(u x v) = u x (kv)
3. u x (v + w) = u x v + u x w
4. (u + v) x w = u x w + v x w
5. u . (v x w) = (u x v) . w

Matemtica II

124

Captulo 4

1. Dados os vetores u = (0, 3, 1) e v = ( 1, 5, 2), calcule uxv.


2. Qual a rea do paralelogramo determinado pelos vetores do
espao u = ( 3, 1, 4) e v = (5, 10, 2)?
3. Qual a rea do tringulo determinado pelos pontos do espao A
(1, 1, 1), B (2, 4, 7) e C ( 3, 1, 5)?
4. Verifique se os pontos A (2, 3, 0), B (5, 3, 1) e C ( 1, 4, 1) so
colineares.
5. Sendo i = (1, 0, 0), j = (0, 1, 0) e k = (0, 0, 1) vetores cannicos
encontre todos os possveis produtos vetoriais entres eles. (Obs.:
So nove possibilidades)

4.8 Produto misto

Produto misto. Se u, v e w so vetores do espao, ento o produto


misto entre eles o nmero real u . (v x w).
O produto misto, em valor absoluto, numericamente igual ao
volume do paraleleppedo determinado pelos vetores u, v e w.

O volume do paraleleppedo determinado pelos vetores u, v e w


V=

Licenciatura em Informtica

125

Vetores

Sejam u = (x1, y1, z1), v = (x2, y2, z2) e w = (x3, y3, z3) vetores do espao. Vamos encontrar uma frmula para calcular o produto misto
entre eles u . (v x w).
u . (v x w) = (x1, y1, z1).
u . (v x w) = x1

u . (v x w) =

.
y1

+ z1

Exemplo 1. O produto misto dos vetores u = (1, 3, 3), v = ( 2, 1, 3) e w


= ( 2, 2, 1) :
u . (v x w) =

= 1 18 + 12 + 6 + 6 + 6 = 13.

Exemplo 2. Os vetores u = (1, 3, 3), v = ( 2, 1, 3) e w = ( 2, 2, 1) do


espao geram um paraleleppedo. O volume desse paraleleppedo :
V=

= 13. O volume V = 13 u.v. (unidades de volume).

Trs pontos determinam um nico plano. Quatro pontos ou mais


podem ou no estar em um mesmo plano.
Trs vetores de um mesmo plano tm produto vetorial nulo,
pois no formam um paraleleppedo ou formam um paraleleppedo de volume zero.

Exemplo 3. Vamos verificar se A (1, 2, 5), B (3, 2, 3), C (8, 3, 0) e D(0, 0,


0) so pontos de um mesmo plano.
Fixamos um deles, pode ser A, e encontramos os vetores:
Matemtica II

126

Captulo 4

= (3 1, 2 2, 3 5) = (2, 0, 2)
= (8 1, 3 2, 0 5) = (7, 1, 5)
= (0 1, 0 2, 0 5) = ( 1, 2, 5)
Agora, encontramos o volume do paraleleppedo que eles determinam.

u . (v x w) =

V=

= 10 + 28 2 20 = 4.

= 4 u.v.

Logo, os pontos no pertencem a um mesmo plano.

1. Encontre o produto misto entre os vetores u (2, 5, 2), v (0, 0,


0) e w (4, 1, 5).
2. Qual o volume do paraleleppedo gerado por u (1, 1, 1), v (3,
2, 0) e w = ( 5, 0, 6)?
3. A (4, 1, 3), B (5, 0, 3), C (1, 0, 4) e D(2, 3, 9) so pontos de
um mesmo plano?

4.9 Aplicaes
Exemplo 1. Suponha que trs foras estejam atuando sobre um mesmo
objeto, conforme descrito na figura abaixo.

Sejam F1 = ( 5, 3), F2 (1, 5) e F3 (7, 4) essas foras. Podemos representar o


resultado dessas foras por uma nica fora F denominada fora resultante.
Para determinar essa fora, basta somar as foras que agem sobre o objeto.
Licenciatura em Informtica

127

Vetores

F = F1 + F2 + F3 = (3, 12).
A fora resultante F (3, 12).
Exemplo 2. Na Fsica, o trabalho realizado por uma fora constante
quando seu ponto de aplicao se move ao longo do vetor
.

O mdulo e a direo de uma fora constante so dados pelo vetor v =


6i + 3j + 5k. Ache o trabalho realizado, se o ponto de aplicao da fora
se desloca de P (2, 5, 1) a R (8, 2, 3).
Encontramos o vetor
.

= (6, 7, 4). Depois o produto interno:

= (6, 3, 5). (6, 7, 4) = 36 21 + 20 = 35.

Ento, o trabalho realizado igual a 35 unidades de trabalho.

___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
____________________________________________________
Matemtica II

128

Licenciatura em Informtica

129

ESPAOS VETORIAIS

Neste captulo, voc estudar os espaos vetoriais.


Esperamos que, ao final de seus estudos, voc seja capaz de:
5.1.

Definir espaos vetoriais.

5.2.

Definir subespaos vetoriais.

5.3.

Determinar a soma e a interseo de subespaos vetoriais.

5.4.

Mostrar que um conjunto de vetores gera um espao vetorial.

5.5.

Mostrar que um conjunto de vetores LI ou LD.

5.6.

Determinar uma base e a dimenso de um espao vetorial.

Conte conosco e bom trabalho!

5.1 Espaos vetoriais


Ao longo de nossos estudos matemticos, nos deparamos com conjuntos
para os quais definimos as operaes adio e multiplicao por escalar.
Essas operaes, em tais conjuntos, satisfazem as mesmas propriedades.
Os nmeros reais (ou seja, a reta), o plano, o espao, as matrizes, os polinmios e as funes reais so alguns exemplos desses conjuntos. Estes
conjuntos so denominados espaos vetoriais.
Espao vetorial. Um conjunto V no vazio de elementos, que chamaremos de vetor, um espao vetorial sobre um conjunto de
escalares (por exemplo, os nmeros reais) se em V esto definidas
as operaes adio e multiplicao por escalar e se essas operaes satisfazem as propriedades seguintes.
Se u, v e w so elementos de um espao vetorial V, ou seja, vetores,
e a e b escalares (em particular nmeros reais), ento:
1. u + v = v + u

5. a(u + v) = au + av

2. u +

6. (a + b)u = au + bu

= u

3. u + ( u) =

4. (u + v) + w = u + (v + w)

7. (ab)u = a(bu)
8. 1 u = u

Matemtica II

130

Captulo 5

Obs.: Vamos trabalhar aqui com os escalares reais, mas eles podem ser
nmeros complexos, ou outro conjunto com propriedades semelhantes
s destes, chamados corpos. Os espaos vetoriais cujos escalares so reais so chamados espaos vetoriais reais.
Exemplo1. A reta, que chamaremos apenas de R, o plano (R2), e o espao (R3), so espaos vetoriais reais.
Exemplo 2. O conjunto de todas as matrizes de um determinado tipo
mxn, um espao vetorial real.
Exemplo 3. O conjunto de todos os polinmios de grau menor ou igual
a n, um espao vetorial real.
Exemplo 4. O conjunto de todas as funes reais de varivel real um
espao vetorial real.
Exemplo 5. Seja V formado por um nico elemento, que o vetor nulo,
. Este o espao vetorial nulo. Este vetor nulo pode ser o vetor nulo
do plano, do espao, pode ser uma matriz nula de qualquer ordem, etc.
Em todos os casos acima foram consideradas as operaes usuais, ou
seja, aquelas que definimos ao longo de nossos estudos matemticos.
Podemos definir as operaes adio e multiplicao por escalar de maneiras diferentes, e a o conjunto pode ou no ser um espao vetorial
com essas novas operaes.
Exemplo 6. Seja V = R2 e as operaes:
u + v = (x1, y1) + (x2, y2) = (x1 x2, y1 y2)
au = a(x1, y1) = ((x1) a, (y1)a)
Vamos verificar se V com essas operaes um espao vetorial.
1. u + v = (x1, y1) + (x2, y2) = (x1x2, y1y2) = (x2x1, y2y1) =
= (x2, y2) + (x1, y1) = v + u.
2. u +

= (x1, y1) + (1, 1) = (x1.1, y1.1) = (x1, y1) = u.

Obs.: O vetor nulo desse espao vetorial o vetor (1, 1).

Licenciatura em Informtica

Espaos Vetoriais

3. u + (u) = (x1, y1) + ((x1)1, (y1)1) = (x1(x1)1, y1(y1)1) = (1, 1) =


= .
Obs.: O oposto de u = (x1, y1) o vetor ( u) = (1) u = ((x1) 1, (y1) 1).
4. (u + v) + w = [(x1, y1) + (x2, y2)] + (x3, y3) = ((x1x2) x3, (y1y2) y3) =
= (x1 (x2x3), y1 (y2y3)) = (x1, y1) + [(x2, y2) + (x3, y3)] = u + (v + w).
5. a(u + v) = a[(x1, y1) + (x2, y2)] = a(x1 x2, y1 y2) =
= ((x1 x2)a, (y1 y2)a) = ((x1)a (x2)a, (y1)a ( y2)a) =
= ((x1)a, (y1)a) + ((x2)a, ( y2)a) = a(x1, y1) + a(x2, y2) = au + av.
6. (a + b)u = (a + b)(x1, y1) = ((x1)(a + b), (y1)(a + b)) =
= ((x1)a (x1)b, (y1)a (y1)b) = ((x1)a, (y1)a) + ((x1)b, (y1)b) =
= a(x1, y1) + b(x1, y1) = au + bu.
7. (ab)u = (ab)(x1, y1) = ((x1)(ab), (y1)(ab)) = (((x1)b)a, ((y1)b)a) =
= a((x1)b, (y1)b) = a[b(x1, y1)] = a(bu).
8. 1 u = 1 (x1, y1) = ((x1)1, (y1)1) = (x1, y1) = u.
Concluso: V um espao vetorial.
Exemplo 7. Seja V = R2 e as operaes:
u + v = (x1, y1) + (x2, y2) = (x1 + x2, y1 + y2) (adio usual)
au = a(x1, y1) = (ax1, 0)
V, com essas operaes, no um espao vetorial, pois a propriedade 8
no satisfeita.
1 u = 1(x1, y1) = (1x1, 0) = (x1, 0)

O exemplo 6 nos mostrou como pode ser trabalhoso demonstrar que


um conjunto um espao vetorial.

Matemtica II

131

132

Captulo 5

5.2 Subespaos vetoriais


s vezes, dentro de um espao vetorial, h subconjuntos que so
espaos vetoriais menores. Esses conjuntos so denominados
subespaos vetoriais.

Subespao vetorial. Um subconjunto W de um espao vetorial V um subespao vetorial de V se W tambm um


espao vetorial com as operaes adio e multiplicao por
escalar definidas em V.
Felizmente, podemos reconhecer um subespao vetorial sem demonstrar as oito propriedades.

Teorema. Se W um subconjunto no vazio de um espao vetorial V, ento W um subespao vetorial de V se, e somente se:
i) u e v so vetores em W, ento u + v est em W.
ii) u est em W e k um escalar, ento ku est em W.

Quando somamos dois elementos de um conjunto e o resultado


um elemento do conjunto, dizemos que este conjunto fechado
em relao operao adio.
Quando multiplicamos um elemento de um conjunto por um escalar e o resultado um elemento do conjunto, dizemos que tal
conjunto fechado em relao operao multiplicao por
escalar.
Um subespao vetorial um conjunto fechado em relao adio e em relao multiplicao por escalar.
Quando nos referimos a um espao ou subespao vetorial e no mencionamos as definies das operaes adio e multiplicao por escalar, ento estamos nos referindo s operaes usuais.
Exemplo 1. O conjunto dos vetores do plano (R2) do tipo (x, 0), ou seja,
W = {(x, y) R2; y = 0} um subespao vetorial do plano.
Para demonstrar essa afirmao, basta verificar as propriedades:
Licenciatura em Informtica

133

Espaos Vetoriais

i) u + v = (x1, 0) + (x2, 0) = (x1 + x2, 0)

u+v

ii) ku = k(x1, 0) = (kx1, k.0) = (kx1, 0)

ku

W.

W.

Obs.: Veja que o vetor soma e o vetor multiplicao por escalar no perdem
as caractersticas de um vetor de W, que ter a segunda componente nula.
Exemplo 2. Os vetores do espao, ou R3, do tipo (x, y, x + y), ou seja, W
= {(x, y, z) R3; z = x + y} um subespao vetorial do espao.
Vamos mostrar que W fechado em relao adio:
i) u + v = (x1, y1, x1 + y1) + (x2, y2, x2 + y2) =
= (x1 + x2, y2 + y2, (x1 + x2) + (y1 + y2))

u+v

W.

Vamos mostrar que W fechado em relao multiplicao por escalar:


ii) ku = k(x1, y1, x1 + y1) = (kx1, ky1, k(x1 + y1)) =
= (kx1, ky1, kx1 + ky1))

ku

W.

Concluso: W um subespao vetorial de R3, pois fechado em relao


soma e multiplicao por escalar.
Exemplo 3. Seja W o conjunto das matrizes 2x3 com a terceira coluna
nula. W =

. W um subespao vetorial

do espao das matrizes 2x3, pois:


i) u + v =

=
u+v
ii) ku = k
ku

W.
=

W.
Matemtica II

134

Captulo 5

Exemplo 4. J resolvemos o sistema

. Ele SPI e suas

solues esto no conjunto:

S = {(

, a), onde a

R}.

Vamos mostrar que S um subespao vetorial do R4.


i) u + v =

=
u+v

=
=

ii) ku = k
ku

W.

W.

Obs.: R4 o conjunto das quadras ordenadas (x, y, z, w) de nmeros


reais. R4 um espao vetorial.

Para reconhecer se um conjunto fechado em relao uma operao basta observar se, depois de realizada essa operao, as caractersticas do conjunto so mantidas.

1. Mostre que W = {(x, y) R2; x = y} um subespao vetorial do plano.


2. Prove que W = {(x, y, z)

R3; x = 0} subespao vetorial do R3.

3. Verifique se W =

subespao vetorial

do conjunto das matrizes quadradas de ordem 2.


4. Mostre que W = {(x, y)
do plano.
5. W = {(x, y, z)
Justifique.

R2; x = 1} no um subespao vetorial

R3; x = y + z + 1} no um subespao do R3.

Licenciatura em Informtica

135

Espaos Vetoriais

6. W =

no um subespao vetorial do

conjunto das matrizes quadradas de ordem 2.


Obs.: Para mostrar que um conjunto no um espao vetorial, basta
mostrar um exemplo onde alguma propriedade no satisfeita. Este ser
chamado de contra-exemplo. (Voc se lembra de Lgica Matemtica?)

5.3 Soma e interseo de subespaos

Soma de subespaos vetorias. Sejam U e W subespaos vetoriais


de um mesmo espao vetorial V. A soma de U com W consiste em
um conjunto em que cada um de seus elementos a soma de um
elemento u de U com um elemento w de W.
Assim: U + W = {u + w; u

Uew

W}.

Teorema. A soma U + W dos subespaos vetoriais U e W de um


espao vetorial V, tambm um subespao vetorial de V.
Para encontrar o subespao soma U + W, devemos observar as caractersticas dos subespaos dados e verificar o que ocorre quando somamos
elementos de um com elementos do outro.
Exemplo 1. U = {(x, x); x
toriais de R2.

R} e W = {(x, 0); x

R} so subespaos ve-

A caracterstica de U ter elementos com componentes iguais; a de W


ter a segunda componente nula. Quando somamos um elemento u de U
com um elemento w de W, em geral, essas caractersticas desaparecem.
O vetor resultante ser um vetor qualquer de R2.
Portanto: U + W = R2.
Exemplo 2. U = {(x, 0, 0); x
vetoriais de R3.

R} e W = {(x, 0, x); x

R} so subespaos

A caracterstica de U ter a segunda e a terceira componentes nulas.


A de W ter a segunda componente nula e a primeira igual terceira.
Matemtica II

136

Captulo 5

Quando somamos um elemento u de U com um elemento w de W, a


nica caracterstica que permanece ter a segunda componente nula.
Portanto: U + W = {(x, 0, z); x e z
Exemplo 3. U =

R}
e W =

subespaos vetoriais do espao das matrizes quadradas de ordem 2.


Em U, o ltimo elemento da segunda linha nulo e os demais so iguais.
Em W os elementos da primeira coluna so iguais e o ltimo elemento da
segunda coluna nulo. Quando somamos, os elementos da primeira coluna
permanecem iguais e ltimo elemento da segunda linha permanece nulo.
Portanto: U + W = W =

Interseo de subespaos. Sejam U e W subespaos vetoriais de


um mesmo espao vetorial V. A interseo de U com W, U
W,
um conjunto formado pelos elementos que esto em ambos os
subespaos U e W.
Assim: U

W = {t; t

Uet

W}.

TEOREMA. A interseo U
W dos subespaos vetoriais U e W
de um espao vetorial V tambm um subespao vetorial de V

Para encontrar o subespao interseo U


W, devemos observar
as caractersticas dos subespaos dados e procurar os vetores que
tm essas caractersticas.
Exemplo 4. U = {(x, x); x
vetoriais de R2.

R} e W = {(x, 0); x

R} so subespaos

O nico elemento que possui as duas componentes iguais (caracterstica de


U) e a segunda componente nula (caracterstica de W) o vetor (0, 0).
Portanto: U

W = {(0, 0)}.

Obs.: No exemplo 5 de espaos vetoriais falamos desse espao. o


espao vetorial nulo.
Licenciatura em Informtica

137

Espaos Vetoriais

Exemplo 5. U = {(x, 0, 0); x


vetoriais de R3.

R} e W = {(x, 0, x); x

R} so subespaos

Para um vetor pertencer a U, as duas ltimas componentes devem ser


iguais. Para pertencer a W, a primeira e a terceira componentes devem
ser iguais. Portanto, para pertencer a U W, todas as suas componentes
devem ser nulas. Da, U
W = {(0, 0, 0)}.
eW=

Exemplo 6. U =

subespaos vetoriais do espao das matrizes quadradas de ordem 2.


Os elementos da interseo devero ter as caractersticas dos dois subespaos. Nesse caso, os elementos da primeira coluna so iguais e os
elementos da segunda coluna so nulos.
Portanto: U

W=W=

Soma direta. Um espao vetorial V soma direta de dois subespaos U e W quando V = U + W e U


W = { }.
Neste caso dizemos que V = U
Exemplo 7. U = {(x, x); x
toriais de R2 tais que:

R} e W = {(x, 0); x

U + W = R2 (exemplo 1) e U
Concluso: R2 = U

W.
R} so subespaos ve-

W = {(0, 0)} (exemplo 4)

W.

1. Dados U = {(x, x, x); x R} e W = {(x, y, x); x e y


os vetoriais de R3, determine U + W e U
W.
2. Dados U = {(0, y, z); y e z R} e W = {(x, y, x); x e y
paos vetoriais de R3, determine U + W e U
W.
3. Dados U =

eW=

Matemtica II

R}, subespa-

R}, subes-

138

Captulo 5

subespaos vetoriais do espao das


matrizes quadradas de ordem 2, determine U + W e U

W.

subespao do espao

4. Seja U =

M, das matrizes 2x3. Determine V tal que U

V = M.

5.4 Conjunto de geradores

Combinao linear. Um vetor v combinao linear de um conjunto


de vetores = {v1, v2,..., vn}, todos eles pertencentes a um mesmo espao vetorial V, se existem escalares, k1, k2,..., kn, tais que:
v = k1 v1 + k2 v2 +...+ kn vn.

Exemplo1. O vetor v = (2, 5) combinao linear dos vetores cannicos


v1 = (1, 0) e v2 = (0, 1), pois, v = 2 v1 + 5 v2.
Exemplo 2. Vamos verificar se o vetor v (1, 2, 3) combinao linear dos
vetores do conjunto W = {(1, 2, 0), (0, 1, 5), (1, 1, 1)}.
Para isso, devemos encontrar escalares a, b e c tais que:
v = av1 + bv2 + cv3

(1, 2, 3) = a (1, 2, 0) + b (0, 1, 5) + c (1, 1, 1)


(1, 2, 3) = (a + c, 2a b + c, 5b + c)

Vamos resolver o sistema por escalonamento:

Licenciatura em Informtica

139

Espaos Vetoriais

A matriz ampliada do sistema :

Passo 1. Substitumos a segunda linha pela soma dela com a primeira


previamente multiplicada por (2).

Passo 2. Multiplicamos a segunda linha por ( 1).

Passo 3. Substitumos a terceira linha pela soma dela com a segunda


previamente multiplicada por ( 5).

A matriz est escalonada. O sistema escalonado :

Vamos resolv-lo:
Na terceira equao, determinamos c =
segunda equao e determinamos b =
equao, temos a =

. Substitumos c =
. Fazendo c =

na

na primeira

Conclumos que v combinao linear dos vetores de W, pois:


v=

v1 +

v2

v3

Exemplo 3. O vetor v (1, 2, 3) no combinao linear dos vetores v1 =


(1, 3, 1), v2 = ( 2, 0, 1) e v3 = (3, 3, 2). Vejamos por que.
Matemtica II

140

Captulo 5

v = a v1 + b v2 + c v3
(1, 2, 3) = a (1, 3, 1) + b ( 2, 0, 1) + c (3, 3, 2)
(1, 2, 3) = ( a + 2b + 3c, 3a + 3c, a + b + 2c)

Vamos resolver o sistema por escalonamento:

A matriz ampliada do sistema :

Passo 1. Substitumos a segunda linha pela soma dela com a primeira


previamente multiplicada por (3).

Passo 2. Substitumos a terceira linha pela soma dela com a primeira


previamente multiplicada por (1).

Passo 3. Trocamos a segunda linha com a terceira previamente multiplicada por (1).

Passo 4. Substitumos a terceira linha pela soma dela com a segunda


previamente multiplicada por 6.

Licenciatura em Informtica

141

Espaos Vetoriais

Veja a ltima linha da matriz escalonada. O sistema impossvel.


Isso comprova que v no combinao dos vetores dados. No existem
escalares a, b e c tais que v = a v1 + b v2 + c v3.

Conjunto de geradores. Um conjunto = {v1, v2,..., vn} de vetores de um espao vetorial V um conjunto de geradores de V se
qualquer vetor v de V puder ser escrito como combinao linear
dos vetores .

Nesse caso, dizemos que

gera V.

Exemplo1.
= {(1, 2), (0, 1)} gera V = R2, pois todo vetor do plano
pode ser escrito como combinao linear dos vetores de .
Para provar essa afirmao, devemos encontrar escalares a e b de forma
que todo vetor v = (x, y) seja escrito como combinao linear dos vetores de .
(x, y) = a (1, 2) + b (0, 1)

(x, y) = (a, 2a + b)

a = x e b = y 2x.

Conclumos que: (x, y) = x (1, 2) + (y 2x) (0, 1).


Obs.: A igualdade acima mostra como todo vetor (x, y) do plano combinao linear dos vetores de .

Exemplo 2. O conjunto

gera o espao vetorial


.

Vamos provar essa afirmao encontrando escalares p e q de forma que


todo vetor de W seja escrito como combinao linear dos vetores de .

Matemtica II

142

Captulo 5

p = a e q = b.
Logo:
Exemplo 3. Os vetores (1, 2, 3) e (0, 1, 1) no geram o R3. Existem vetores de R3 que no podem ser escritos como combinao linear destes
vetores. Vamos procurar pelo menos um deles.
(x, y, z) = a (1, 2, 3) + b (0, 1, 1)

Por escalonamento temos que


sistema.

(x, y, z) = (a, 2a + b, 3a + b)

a matriz ampliada do

Passo 1. Substitumos a segunda linha pela soma dela com a primeira


previamente multiplicada por ( 2).

Passo 2. Substitumos a terceira linha pela soma dela com a primeira


previamente multiplicada por ( 3).

Passo 3. Substitumos a terceira linha pela soma dela com a segunda


previamente multiplicada por ( 1).

Licenciatura em Informtica

Espaos Vetoriais

Agora, s discutir o sistema, que j est escalonado.


Na ltima linha, vemos que se z y x = 0 o sistema SPD. Ou seja, se
um vetor (x, y, z) satisfaz a essa condio, ento ele combinao linear
dos vetores (1, 2, 3) e (0, 1, 1).
Por outro lado, se z y x 0, o sistema impossvel. Ou seja, se um
vetor (x, y, z) no satisfaz a essa condio, ento ele no combinao
linear dos vetores (1, 2, 3) e (0, 1, 1).
Agora, podemos encontrar um vetor (ou vrios) que no seja combinao linear de (1, 2, 3) e (0, 1, 1). Por exemplo, v = (1, 1, 1) no combinao linear, pois 1 1 1 0.

5.5 Vetores LI ou LD

Vetores linearmente independentes (LI). Um conjunto de vetores


= {v1, v2,..., vn} de um espao vetorial V linearmente
independente (LI) quando nenhum deles pode ser escrito como
combinao linear os outros.
Em caso contrrio, quando pelo menos um deles pode ser escrito
como combinao linear dos outros, os vetores so chamados linearmente dependentes (LD).
Mostrar que cada vetor de um conjunto no combinao linear dos
outros pode ser um processo muito trabalhoso. O teorema seguinte facilita a verificao da dependncia ou independncia linear de um conjunto de vetores.

Teorema. Um conjunto de vetores = {v1, v2,..., vn} de um espao


vetorial V linearmente independente (LI) quando o vetor nulo
de V puder ser escrito de maneira nica como combinao linear
dos vetores de .

Em caso contrrio, os vetores so linearmente dependentes (LD).


Exemplo 1. Os vetores (2, 4) e (3, 9) so linearmente independentes,
pois o vetor nulo (0, 0) escrito como combinao linear deles de maneira nica. Veja:
Matemtica II

143

144

Captulo 5

(0, 0) = a(2, 4) + b(3, 9)

(0, 0) = (2a + 3b, 4a + 9b)

O sistema acima homogneo, e um sistema homogneo SPD ou SPI.


Como o determinante da matriz dos coeficientes no nulo,

o sistema SPD. A nica soluo a nula, a = b = 0.


Concluso: o conjunto de vetores LI, pois o vetor nulo s pode ser
escrito como combinao linear dos vetores (2, 4) e (3, 9) de uma nica
maneira, que :
(0, 0) = 0.(2, 4) + 0.(3, 9).
Exemplo 2. Vamos verificar se
= {(1, 0, 1), (0, 1, 0), (2, 2, 2)} um
conjunto de vetores LI do espao.
(0, 0, 0) = a(1, 0, 1) + b(0, 1, 0) + c(2, 2, 2)
(0, 0, 0) = (a + 2c, b + 2c, a + 2b)

O determinante da matriz dos coeficientes D =

= 0, ento o

sistema SPI. Isso significa que o vetor nulo pode ser escrito como combinao linear dos vetores (1, 0, 1), (0, 1, 0) e (2, 2, 2) de vrias maneiras
diferentes. Por exemplo:
(0, 0, 0) = 0.(1, 0, 1) + 0.(0, 1, 0) + 0.(2, 2, 2) ou
(0, 0, 0) = 2.(1, 0, 1) + 2.(0, 1, 0) 2.(2, 2, 2) e outras...
Assim, o conjunto

de vetores linearmente dependentes (LD).

De fato, = {(1, 0, 1), (0, 1, 0), (2, 2, 2)} um conjunto de vetores


LD, pois o terceiro vetor combinao linear dos dois primeiros.
Veja: (2, 2, 2) = 2 (1, 0, 1) + 2 (0, 1, 0).
Licenciatura em Informtica

145

Espaos Vetoriais

Exemplo 3. Pergunta-se:

um con-

junto de vetores LI ou LD do espao vetorial das matrizes 3x2?


Vamos escrever o vetor nulo desse espao como combinao linear dos
vetores de .

Resolvemos o sistema por escalonamento.

Passo 1. Substitumos a terceira linha pela soma dela com a primeira


previamente multiplicada por ( 2).

Matemtica II

146

Captulo 5

Passo 2. Substitumos a quinta linha pela soma dela com a primeira.

Passo 3. Substitumos a sexta linha pela soma dela com a primeira previamente multiplicada por ( 2).

Passo 4. Substitumos a terceira linha pela soma dela com a segunda


previamente multiplicada por ( 1).

Passo 5. Substitumos a quarta linha pela soma dela com a segunda previamente multiplicada por 2.

Licenciatura em Informtica

Espaos Vetoriais

Passo 6. Trocamos a linha quatro com a linha 3.

Passo 7. Substitumos a quarta linha pela soma dela com a terceira previamente multiplicada por 4.

Passo 8. Substitumos a sexta linha pela soma dela com a terceira previamente multiplicada por ( 2).

Passo 9. Substitumos a sexta linha pela soma dela com a terceira previamente multiplicada por 4.

Matemtica II

147

148

Captulo 5

A matriz est escalonada. O sistema escalonado :

Resolvendo o sistema temos a = b = c = 0.


Concluso: o vetor nulo do espao das matrizes 3x2 s pode ser escrito
de uma nica maneira como combinao linear dos vetores de . Da,
um conjunto de vetores LI.

5.6 Base e dimenso de um espao vetorial

Base de um espao vetorial. Um conjunto de vetores


= {v1,
v2,..., vn} de um espao vetorial V uma base de V se for linearmente independente e se gerar V.

Dimenso de um espao vetorial. Um espao vetorial V tem dimenso n se n o nmero de vetores de uma base de V.
Notao: dim V = n.

Exemplo 1.

= {(1,2), (1, 3)} uma base de R2, pois:

i) os vetores de

so vetores LI:

(0, 0) = a(1, 2) + b(1,3) = (a + b, 2a + 3b)


a=b=0
ii) os vetores de

geram R2:

(x, y) = a(1, 2) + b(1,3) = (a + b, 2a + 3b)

(x, y) = (3x y)(1, 2) + (y 2x)(1, 3).


A dimenso de V = R2 2, ou dim V = 2.
Licenciatura em Informtica

Espaos Vetoriais

Exemplo 2.

= {(1, 1, 1), (1, 1, 0), (1, 0, 0)} uma base de R3, pois:

i) os vetores de

so vetores LI:

(0, 0, 0) = a(1, 1, 1) + b(1, 1, 0) + c(1, 0, 0)= (a + b + c, a + b, a)


a=b=c=0
ii) os vetores de

geram R3:

(x, y, z) = a(1, 1, 1) + b(1, 1, 0) + c(1, 0, 0) = (a + b + c, a + b, a)

(x, y, z) = z (1, 1, 1) + (y z) (1, 1, 0) + (x y) (1,0, 0).


A dimenso de V = R3 dim V = 3.
Exemplo 3. Vamos mostrar que

uma base para o espao vetorial das matrizes quadradas de ordem 2.


i) Vamos mostrar que os vetores de

so vetores LI.

A matriz ampliada do sistema :

Passo 1. Substitumos a segunda linha pela soma dela com a primeira


previamente multiplicada por ( 2).

Matemtica II

149

150

Captulo 5

Passo 2. Substitumos a terceira linha pela soma dela com a primeira


previamente multiplicada por ( 1).

Passo 3. Multiplicamos a segunda linha por ( 1).

Passo 4. Substitumos a terceira linha pela soma dela com a segunda.

Passo 5. Substitumos a quarta linha pela soma dela com a segunda previamente multiplicada por ( 1).

A matriz est escalonada e o sistema escalonado :

Resolvendo o sistema, temos a = b = c = d = 0.


Licenciatura em Informtica

Espaos Vetoriais

Concluso: os vetores so LI.


ii) Vamos mostrar que os vetores de
trizes quadradas de ordem 2.

geram o espao vetorial das ma-

Por escalonamento resolvemos:

Passo 1. Substitumos a segunda linha pela soma dela com a primeira


previamente multiplicada por ( 2).

Passo 2. Substitumos a terceira linha pela soma dela com a primeira


previamente multiplicada por ( 1).

Passo 3. Multiplicamos a segunda linha por ( 1).

Matemtica II

151

152

Captulo 5

Passo 4. Substitumos a terceira linha pela soma dela com a segunda.

Passo 5. Substitumos a quarta linha pela soma dela com a segunda previamente multiplicada por ( 1).

A matriz est escalonada e a soluo do sistema :

Concluso: os vetores geram o espao das matrizes quadradas de ordem


2, pois toda matriz desse espao pode ser escrita como combinao dos
vetores de .

.
A dimenso de espao das matrizes 2x2 dim V = 4.

Nos exemplos acima, vimos como verificar se um dado conjunto


de vetores forma uma base para um espao vetorial. Porm, se
for dado um espao vetorial, como determinaremos uma de suas
bases? Vejamos...

Licenciatura em Informtica

153

Espaos Vetoriais

Exemplo 4. Vamos encontrar uma base para U = {(x, x, x); x

R}.

Para encontrar um vetor desse espao, atribumos um valor para x. Vamos chamar isso de liberdade. Este espao vetorial tem uma liberdade. A dimenso igual ao nmero de liberdades.
Fazemos x = 1 e obtemos o vetor (1, 1, 1). Ento,

base de U.

Exemplo 5. Seja W = {(x, y, x); x e y


determinar uma base de W.

= {(1, 1, 1)} uma

R} um espao vetorial. Vamos

Para encontrar um vetor desse espao, atribumos um valor para x e um


para y. Tal espao vetorial tem duas liberdades e dim W = 2.
Fazemos x = 1 e y = 0 e encontramos o vetor (1, 0, 0). Fazemos x = 0 e y
= 1 e encontramos (0, 1, 0).
Usamos as liberdades e chegamos base
Exemplo 6. Seja U =

= {(1, 0, 1), (0, 1, 0)}.


um espao vetorial.

Para encontrar um vetor desse espao atribumos um valor para x e um


para y. Tal espao vetorial tem duas liberdades e dim U = 2.
Fazemos x = 1 e y = 0 e encontramos o vetor

. Fazemos x = 0 e

y = 1 e encontramos

. Usamos as liberdades e encontramos a

base

Exemplo 7. Vamos encontrar uma base para o espao das matrizes 3x2,
ou seja, V =

. Para encontrar uma

matriz de V, devemos atribuir valores a a, b, c, d, e e f. Veja quantas


liberdades! Seis. Portanto, uma base para esse espao dever ter 6 vetores. Em cada um, atribumos o valor 1 a uma liberdade e zero s
outras.
Matemtica II

154

Captulo 5

Nos exemplos que apresentamos demos a uma liberdade o valor


um e s outras o valor zero. Com isto obtivemos bases simples. Mas
podemos atribuir valores diferentes s liberdades e obteremos outras bases. Um dado espao vetorial tem infinitas bases diferentes.

Encontre uma base para cada espao vetorial dado.


a) W = {(x, y)

R2; x = y}

b) W = {(x, y, x + y)

R3; x, y

R}

c) W =
d) W = R3
e) W o espao das matrizes 2x2.

O espao vetorial nulo no tem base e sua dimenso nula.

Teorema. Se = {v1, v2,..., vn} uma base de um espao vetorial


V, ento qualquer vetor v de V pode ser escrito de maneira nica
como combinao linear dos vetores de .
Exemplo 8. Seja W = {(x, y, x); x e y
{(1, 0, 1), (0, 1, 0)} uma base de W.

R} um espao vetorial e

O vetor v = (2, 5, 2) pertence a W. Portanto existe uma nica maneira de


escrever v como combinao linear dos vetores de W. Veja.
Licenciatura em Informtica

155

Espaos Vetoriais

(2, 5, 2) = a(1, 0, 1) + b(0, 1, 0)

(2, 5, 2) = (a, b, a)

A nica maneira de escrever v como combinao linear dos vetores de


: (2, 5, 2) = 2(1, 0, 1) + 5(0, 1, 0).
2 e 5 so chamadas coordenadas do vetor v em relao base

e repre-

sentamos por
Exemplo 9. Qualquer vetor v = (x, y) do R2 pode ser representado
na forma

, pois essas so as suas coordenadas em relao base

cannica.
Exemplo 10. Qualquer vetor v = (x, y, z) do R3 pode ser representado
na forma

, pois essas so as suas coordenadas em relao base

cannica.
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
____________________________________________________
Matemtica II

156

Licenciatura em Informtica

157

AUTOVALORES E AUTOVETORES

Neste captulo, voc estudar os autovalores e os autovetores de uma


matriz nxn.
Esperamos que, ao final de seus estudos, voc seja capaz de:
6.1.

Definir autovalor e autovetor de uma matriz nxn.

6.2. Determinar o autoespao de uma matriz nxn associado a


um autovalor k
6.3.

Diagonalizar uma matriz.

Conte conosco e bom trabalho!

6.1 Autovalor e autovetor.

Autovalor e autovetor de uma matriz. Se A uma matriz quadrada de ordem n, ento um vetor no nulo v do Rn denominado autovetor de A se Av um mltiplo escalar de v, para algum
escalar k. O escalar k denominado autovalor de A, associado ao
autovetor v.
Obs.: Av = kv

Exemplo 1. tv =
=

v=

um autovetor da matriz A =
=4

, pois:

um autovetor associado ao autovalor k = 4.

Exemplo 2. Vamos determinar os autovetores e os autovalores da


matriz

Matemtica II

158

Captulo 6

A=

Estamos procurando vetores no nulos v =


algum escalar k.
=k

tais que Av = kv, para

O sistema homogneo e o vetor v =

no nulo. Portanto, quere-

mos que esse sistema tenha solues no nulas.


Um sistema homogneo ter soluo no nula (SPI) se o determinante
da matriz dos coeficientes for nulo.
= (1 k) ( 5 k) + 8 = 0

k2 + 4k + 3 = 0

k = 1 ou k = 3 so os autovalores.
Fazendo k = 1 no sistema, temos:
Qualquer vetor v =

ou seja, a = b.

que satisfaz a condio a = b, um autovetor

associado ao autovalor k = 1.
Os vetores

, so exemplos de autovetores associados ao

autovalor k = 1.
Fazendo k = 3 no sistema, temos:
Qualquer vetor v =

ou seja, b = 2a.

que satisfaz a condio b = 2a, um autovetor

associado ao autovalor k = 3.
Licenciatura em Informtica

159

Autovalores e Autovetores

Os vetores

so exemplos autovetores associados ao

autovalor k = 3.
Exemplo 3. E com relao matriz A =

, quais so seus

autovalores e autovetores? Vamos procur-los.

=k

=0

k3 2 k2 15 k + 36 = 0

(k 3)2 (k + 4) = 0.

k = 3 ou k = 4 so os autovalores.
Fazendo k = 3 no sistema, temos:

Resolvendo por escalonamento, temos:

Passo 1. Trocamos a primeira linha com a terceira.

Passo 2. Substitumos a terceira linha pela soma dela com a primeira


previamente multiplicada por ( 2).

Matemtica II

160

Captulo 6

Passo 3. Dividimos a segunda linha por ( 4).

Passo 4. Substitumos a terceira linha pela soma dela com a segunda


previamente multiplicada por ( 6).

Voltamos ao sistema:

O conjunto soluo desse sistema :

S=

Todo vetor v =

de S, um autovetor associado ao autovalor k = 3.

S o conjunto de todos os autovetores associados ao autovalor k = 3.


Fazendo k = 4 no sistema, temos:

A matriz ampliada :

Licenciatura em Informtica

Autovalores e Autovetores

Passo 1. Trocamos a primeira linha com a terceira.

Passo 2. Substitumos a terceira linha pela soma dela com a primeira


previamente multiplicada por ( 9).

Passo 3. Substitumos a terceira linha pela soma dela com a primeira


previamente multiplicada por ( 2).

Voltamos ao sistema:

O conjunto soluo desse sistema :

S=

Todo vetor v =

de S, autovetor associado ao autovalor k = 4.

S o conjunto dos autovetores associados ao autovalor k = 4.

Matemtica II

161

162

Captulo 6

Nos exemplos acima, encontramos os autovalores e os autovetores resolvendo a equao matricial Av = kv. Mas essa equao
equivalente a (kI A) v = , onde I a matiz identidade e o
vetor nulo.
Para k ser um autovalor necessrio que o sistema homogneo
gerado por essa equao tenha soluo no nula, pois v um vetor
no nulo, ento det (kI A) = 0.
Essa equao denominada equao caracterstica de A. As solues dessa equao so os autovalores de A.

Exemplo 4. Considere a matriz A =

Vamos encontrar a equao caracterstica de A e com ela determinar os


autovalores de A.

kI A = k

kI A =

e det ( kI A) = 0, ento:

=0

O determinante dessa matriz, que triangular, igual ao produto dos


elementos da diagonal principal (propriedade 8 dos determinantes).
(k 1) (k + 1) (k 3) (k 2) = 0.
Licenciatura em Informtica

Autovalores e Autovetores

Os autovalores so as solues dessa equao, ou seja, k = 1, k = 1, k


= 3 e k = 2.

Voc observou que os autovalores dessa matriz triangular so os


elementos da diagonal principal.

Teorema. Se A uma matriz triangular de ordem n, ento os autovalores de A so os elemento da diagonal principal.

Encontre os autovalores e os autovetores associados s matrizes: A


=

e B=

Teorema. O conjunto formado pelos autovetores associados a um


autovalor k se uma matriz quadrada A um espao vetorial.

Nos exemplos 2 e 3 determinamos os autovalores e os autovetores de


matrizes dadas e nas ltimas atividades voc determinou os autovetores
associados a autovalores de matrizes dadas.
Em todos eles fcil ver que o conjunto dos autovetores associados a um
dado autovalor um espao vetorial.
Esses conjuntos recebem um nome especial.

Matemtica II

163

164

Captulo 6

6.2 Autoespao

Autoespao associado a um autovalor. Se A uma matriz quadrada de ordem n, e k um autovalor de A, ento o espao vetorial
formado pelos autovetores associados a k denominado autoespao vetorial de A, associado a k.
Obs.: Representamos esse espao vetorial por W(k).

Exemplo 1. J encontramos os autovalores de A =

So os elementos da diagonal principal, ou seja, k = 1, k = 1, k = 3 e k


= 2.
Os autovetores so as solues da equao matricial Av = kv que equivalente a (kI A) v = . Ento:

(kI A) v =

Vamos encontrar o autoespao associado a cada autovalor de A, ou seja,


o conjunto dos autovetores a ele associado.
Fazendo k = 1 e resolvendo a sistema encontramos os autovetores associados a este autovalor.

A soluo do sistema homogneo : a um nmero real qualquer e b =


c = d = 0.
O autoespao associado ao autovalor k = 1 :

Licenciatura em Informtica

165

Autovalores e Autovetores

W(1) = {( , 0, 0, 0), onde a

R}.

Fazendo k = 1 e resolvendo a sistema encontramos os autovetores associados a este autovalor.

A soluo do sistema homogneo : c = d = 0 e a = b.


O autoespao associado ao autovalor k = 1 :
W( 1) = {( ,

, 0, 0), onde a

R}.

Fazendo k = 3 e resolvendo a sistema encontramos os autovetores associados a esse autovalor.

A soluo do sistema homogneo : a = d = 0 e b =

O autoespao associado ao autovalor k = 1 :


W(3) = {(0,

, 0), onde a

R}.

Fazendo k = 2 e resolvendo a sistema encontramos os autovetores associados a esse autovalor.

A soluo do sistema homogneo : c = 3d, b =


O autoespao associado ao autovalor k = 1 :
W(2) = {(

,3 ,

), onde a

Matemtica II

R}.

ea=

166

Captulo 6

Determine o autoespao associado a cada autovalor de cada uma


das matrizes:
a) A =

b) A =

Quando a matriz diagonal, como na letra b da atividade que voc fez,


determinar os autovalores, autovetores e autoespaos muito fcil.

6.3 Diagonalizao de matriz.

Matriz diagonalizvel. Uma matriz quadrada A dita diagonalizvel se existir uma matriz inversvel P tal que D = P 1 A P uma
matriz diagonal.
Nesse caso, dizemos que P diagonaliza A e que D a diagonalizao da matriz A.

Teorema. Uma matriz A de ordem n diagonalizvel se, e somente se, possui n autovetores linearmente independentes.

Procedimento para diagonalizar uma matriz de ordem n.


Passo 1. Encontre os autovalores.
Passo 2. Encontre o autoespao associado a cada um deles.
Passo 3. Encontre uma base para cada autoespao.
Passo 4. Forme a matriz P onde as colunas so os vetores dessas bases.
Passo 5. Encontre P 1.
Passo 5. Encontre a matriz D = P 1 A P.

Licenciatura em Informtica

167

Autovalores e Autovetores

Se esse procedimento no determinar a matriz P, ento A no


uma matriz diagonalizvel.
Quando A uma matriz diagonalizvel, a matriz D conter na
diagonal principal os autovalores de A.

Exemplo 1. Vamos diagonalizar a matriz A =

Passo 1. Os autovalores so: k = 1, k = 1, k = 3 e k = 2.


Passo 2. Os autoespaos so:
W(1) = {( , 0, 0, 0), onde a

R}.

W( 1) = {( ,

, 0, 0), onde a

W(3) = {(0,

, 0), onde a

W(2) = {(

,3 ,

R}.
R}.
), onde a

Passo 3. As bases dos autoespaos so:


(1)

= {(1, 0, 0, 0)}

( 1)

= {( 1, 1, 0, 0)}

(3)

= {(0,

(2)

= {( ,

, 1, 0)}
, 3, 1)}

Passo 4. A matriz que diagonaliza A :

P=

Matemtica II

R}.

168

Captulo 6

Passo 5. Vamos determinar P-1.

Substitumos a primeira linha pela soma dela com a segunda.

Substitumos a primeira linha pela soma dela com a terceira previamente multiplicada por

Substitumos a segunda linha pela soma dela com a terceira previamente multiplicada por

Licenciatura em Informtica

169

Autovalores e Autovetores

Substitumos a primeira linha pela soma dela com a quarta previamente


multiplicada por

Substitumos a segunda linha pela soma dela com a quarta previamente


multiplicada por

Substitumos a terceira linha pela soma dela com a quarta previamente


multiplicada por 3.

P 1 =

Passo 5. A diagonalizao da matriz A :


D = P 1 A P

D=

Matemtica II

170

Captulo 6

D=

D=

De fato a matriz D tem na diagonal principal os autovalores.


Alm disto, eles aparecem na mesma ordem em que so colocadas
as bases nas colunas da matriz P.

Exemplo 2. J determinamos os autovalores de A =


vamos diagonaliz-la.
Passo 1. Os autovalores so: k = 3 e k = 4.
Passo 2. Os autoespaos so:
W(3) =

W( 4) =

Passo 3. As bases dos autoespaos so:


(3)

= {(5, 2, 1)}

Licenciatura em Informtica

, ento

171

Autovalores e Autovetores

( 4)

= {( 2,

, 1)}

Como a matriz A de ordem 3 e s tem dois autovetores linearmente


independentes, ento A no uma matriz diagonalizvel.
Exemplo 3. Uma aplicao de diagonalizao de matriz determinar
potncias de matrizes.

Dada a matriz A =

, vamos encontrar A100.

A matriz que diagonaliza A P =

E a inversa de P P 1 =

A diagonalizao da matriz A D = P 1 A P.

D=

Agora vamos determinar A100.


P 1 A P = D

P P 1 A P = P D

AP P 1 = P D P 1

AI = P D P 1

IAP=PD
A = P D P 1

A 100 = (P D P 1).(P D P 1).(P D P 1). .(P D P 1)

Matemtica II

AP=PD

172

Captulo 6

A 100 = P(D.D.D. .D)P 1


A 100 = P D 100 P 1 =

A 100 =

A 100 =

1. Encontre a matiz P que diagonaliza a matriz A =


2. Sendo A =

, determine A 10.

3. Mostre que a matriz A =

Licenciatura em Informtica

no diagonalizvel.

Autovalores e Autovetores

___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
____________________________________________________

Matemtica II

173