Apostila Matricial

Pontifcia Universidade Catlica do Rio Grande do Sul
Faculdade de Matemtica
lgebra Matricial
Introduo. Esta apostila1 tem o objetivo de servir de material de apoio disciplina

de lgebra Matricial, que comeou a ser oferecida a partir de 2007/1 para os novos
alunos dos cursos de Licenciatura em Matemtica, Licenciatura em Fsica,
Bacharelado em Fsica Mdica, Engenharia da Computao, Engenharia Civil,
Engenharia Eltrica, Engenharia de Computao, Engenharia Mecnica, Engenharia
Qumica, Engenharia de Controle e Automao e Engenharia de Produo e Cincia
da Computao. Um dos objetivos da lgebra Matricial trabalhar conceitos de
lgebra Linear em espaos vetoriais de dimenso finita. As aulas so nos laboratrios
de informtica da Faculdade de Matemtica, e a ferramenta computacional utilizada
o Matlab. O Matlab um programa utilizado tanto no meio acadmico, por
pesquisadores, professores e alunos, quanto fora da universidade, por profissionais de
diversas reas. Assim sendo, o uso desta apostila se justifica, visto que no h um
livro que seja totalmente adequado aos objetivos da lgebra Matricial. A apostila
est dividida em captulos, de modo que possvel us-la de acordo com o
cronograma de cada turma. No final de cada captulo, h uma lista de exerccios que
devem ser trabalhados para fixao dos conceitos. No final da apostila, h uma lista
de referncias bibliogrficas e alguns links, onde podem ser encontrados textos de
apoio ao uso do Matlab, e onde podem ser baixados programas livres que funcionam
de modo semelhante ao Matlab.
Apostila de apoio elaborada pelo Professor Luiz Eduardo Ourique, verso 2012/1.
2
SUMRIO
Captulo 1. Introduo ao estudo de matrizes ...................................................................................... 4
Captulo 2. Resoluo de sistemas lineares ......................................................................................... 14
Captulo 3. Teoria dos sistemas lineares ............................................................................................... 18
Captulo 4. Combinao Linear ................................................................................................................. 27
Captulo 5. Espaos vetoriais ..................................................................................................................... 37
Captulo 6. Transformaes lineares e representao matricial ............................................... 47
6.1. TRANSFORMAES LINEARES PLANAS.................................................................................. 50
Captulo 7. Autovalores e autovetores ....................................................................................................... 59
7.1. CLCULO DOS AUTOVALORES E AUTOVETORES ................................................................ 61
7.2 APLICAO: VETOR DE EQUILBRIO ......................................................................................... 65
Captulo 9. Diagonalizao de uma matriz............................................................................................... 71
Captulo 10. Potncias de uma matriz diagonalizvel ..................................................................... 85
Captulo 11. Fatorao LU ............................................................................................................................ 87
Captulo 12. Decomposio em valores singulares ............................................................................... 94
CAPTULO 1. INTRODUO AO ESTUDO DE MATRIZES

Uma matriz um conjunto retangular de nmeros, geralmente denotada por uma letra
maiscula. Uma matriz A pode ser representada pela notao A = (aij), onde aij o
elemento ou coeficiente que est na i-sima linha e j-sima coluna.
2 3
Exemplo 1. A =
. A uma matriz 2x2. Temos a11 = 2 , a12 = 3 , a21 = 0 e
0 5
a22 = 5.
1 0 4
Exemplo 2. B =
. B uma matriz 2x3. Temos b11= 1, b12 = 0, b13 = 4,
3 5 9
b21= 3, b22= 5 e b23 = 9.
Para definir uma matriz no Matlab, devemos digitar os seus coeficientes e armazenar
1 3
a matriz numa varivel. Por exemplo, para criar a matriz M =
, escrevemos no
2 4
Matlab o comando abaixo, pressionamos enter, e o resultado vir a seguir:
>> M = [ 1 3 ; 2 4]
M=
1
Podemos usar a vrgula para separar os elementos em cada linha. Isto , a matriz M
pode ser obtida assim:
>> M = [ 1,3;2,4]
M=
1
Se quisermos ver um elemento Mij em particular da matriz M, basta digitar M(i,j) e

pressionar enter. Por exemplo:
>> M(1,2)
A resposta do programa ser
ans =
3
Se quisermos alterar um elemento ou um conjunto de elementos da matriz M,

podemos fazer de vrias formas. Por exemplo, se quisermos redefinir o coeficiente
M12 como igual a 10, fazemos:
>> M(1,2)=10
M=
1
10
A seguir, alguns exemplos de comando e a resposta do programa so apresentados.

Para executar cada comando, pressione enter no Matlab:
Exemplo. Para calcular o determinante de M, fazemos :
>> det(M)
ans =
16
Obs: O desenvolvimento clculo do determinante 2x2 efetuado da seguinte forma:
1 10
det(M) =
= 1*4 2*10= 4 20= 16.
2 4
A varivel ans uma varivel global do Matlab para armazenar o resultado do ltimo
comando executado. Para multiplicar todos os elementos de M por 4, basta escrever
4*M:
>> 4*M
ans =
4
40
16
Para calcular a matriz M2, fazemos no Matlab:

>> M^2
ans =
21
50
10
36
1 10
Para multiplicar duas matrizes, digamos, M=
e N=
2 4
matriz N e usamos o comando M*N no Matlab:
5 7
0 3 , definimos a
>> N = [ 5 7 ; 0 3] ;
>> M*N
ans =
5
23
10
1 10 5 7 1* 5 + 10 * 0 1* 7 + 10 * (3) 5 23
Desenvolvimento:
.
*
=
=
2
2 4 0 3 2 * 5 + 4 * 0 2 * 7 + 4 * (3) 10
5 23
.
Observao : em notao usual, escrevemos MN =
2
10
A matriz transposta ( troca de linhas por colunas e vice-versa) de uma matriz M
obtida pelo comando M' :
>> M'
ans =
1
10
5
O vetor b = chamado de vetor-coluna, pois tem 1 coluna e 2 linhas. Pode ser
9
definido usando o comando abaixo:
>> b=[ 5 ; 9]
b=
5
9
Se quisermos agora que a
fazemos:
primeira coluna de M seja substituda pelo vetor b,
>> M(:,1) = b
M=
5
10
Da mesma forma, se quisermos agora que a primeira linha de M seja substituda por
um valor constante, digamos igual a 8, fazemos:
>> M(1,: ) = 8
M=
8
Veja que a matriz M foi modificada em relao a definio inicial. A matriz M, com
as ltimas modificaes, a que vale. Para definir uma matriz cujos coeficientes
so dados por uma frmula, podemos usar o comando for. Para ver como funciona,
digite help for no Matlab.
Exemplo. Definir a matriz N3x3, cujo coeficiente Nij = 2i + 5j.
>> for i=1:3
for j=1:3
N(i,j)=2*i+5*j;
end
end
Assim, para i =1 e j =1 , o Matlab calcula N(1,1) = 2*1 + 5*1 = 7; para i=1 e j=2, o
Matlab calcula M(1,2) = 2*1 + 5*2= 12. Para enxergar o resultado no Matlab, basta
escrever N e pressionar enter:
>> N
N=
7
12
17
14
19
11
16
21
Por exemplo, o elemento N11 N11 = 2*1+5*1 = 7; j o elemento N23 igual a N23 =
2*2+5*3 = 19. E assim por diante.
Matriz identidade. A matriz identidade nxn, denotada por Inxn, ou simplesmente In,
1, se i = j
a matriz In = (aij), onde aij =
.No Matlab, obtida com o comando eye(n):
0, se i j
Exemplo. Obter a matriz identidade I3.
>> eye(3)
ans =
1
5, se i = j
Exemplo. Obter no Matlab a matriz 4x4 diagonal C = ( cij) , onde cij =
.
0, se i j
>> C = 5*eye(4)
5
C = 0
0
0 0 0
5 0 0
0 5 0
0 0 5
Matriz Inversa. Dada uma matriz Anxn, a matriz inversa de A a matriz Bnxn tal que
A*B=B*A = In . No Matlab, a matriz inversa calculada com o comando inv(A) ou
A^(1).
Notao: a matriz inversa de A denotada por A1.
2 3
Exemplo. Calcular a matriz inversa de A =
no Matlab.
3 4
>> A = [2,3 ; 3,4]
A=
2
>> B=inv(A)
B =
4.0000
3.0000
3.0000 2.0000
Verificao: efetuamos as operaes A*B e B*A, para verificao das igualdades
AB= I e BA = I.
>> B*A
ans =
1
>> A*B
ans =
8
2 3
4 3
Assim, A =
e sua matriz inversa A1 =
.
3 4
3 2
IMPORTANTE: Uma matriz A tem matriz inversa se e s se det(A) 0. Por
2 3
exemplo, a matrix M=
no tem matriz inversa, pois det(M) = 0.
4 6
Exerccios.
1 5 9
3 5 7
3
1. Defina no Matlab as matrizes A= 4 8 10 ,B= 6
8 12 , o vetor y= 5
3 7 12
5.4 3.1 9.4
7
e efetue as seguintes operaes :
a) 2*A
b) A + B
c) A2
d) det(A)
e) Ay
f) det(A)*det(B)
g) det(A*B)
( compare com o resultado do item f )
h) AB
i) BA
j) A
( compare com o resultado do item h )

( a transposta da matriz A )
k) diag(A)
l) A.2
m) substitua a primeira coluna de A pelo vetor y
n) substitua a segunda coluna de B pela terceira coluna de A.
o) inv(A)
( calcula a matriz inversa de A )
2. Defina no matlab a matriz C, tamanho 3x3, com todos os coeficientes iguais a zero.
Dica: escreva help zeros no Matlab.
3. Defina no matlab a matriz D, tamanho 3x4, com todos os coeficientes iguais a um.
Dica: escreva help ones no Matlab.
4.Defina a matriz F4x4 cujo termo genrico Fij = 4i2+ 3j. Calcule det(F). Caso exista,
calcule a matriz inversa de F.
10
3, se i = j
5. Definir no Matlab a matriz H4x4, cujo elemento hij=
.
0, se i j
6.
Defina
a
matriz
2, se i = j
1, se i = j 1
A (i, j) =
1, se i = j + 1
0, nos demais casos.
A5x5,
cujo
coeficiente
dado
por
Para tanto, use o comando for encadeado com o comando if. Para ver como funciona
este comando no Matlab, digite help if.
7. Um construtor tem contratos para construir 3 estilos de casa: moderno,

mediterrneo e colonial. A quantidade unitria de material empregada em cada tipo de
casa dada pela tabela ( valores fictcios ) :
Ferro
Madeira
Vidro
Tinta
Tijolo
Moderno
20
16
17
Mediterrneo
18
12
21
Colonial
25
13
a) Se ele vai construir 5, 7 e 12 casas dos tipos moderno, mediterrneo e colonial,

respectivamente, quantas unidades de cada material sero utilizadas ?
b) Suponha agora que os preos por unidade de ferro, madeira, vidro, tinta e tijolo
sejam, respectivamente, 15, 8 , 5, 1 e 10 unidades monetrias. Qual o gasto com
material de cada tipo de casa?
c) Qual o custo total do material utilizado?
8. Uma rede de comunicao tem cinco locais com transmissores de potncias

distintas. Estabelecemos que aij = 1 , na matriz abaixo, significa que a estao i pode
transmitir diretamente estao j, aij = 0 significa que a transmisso da estao i no
alcana diretamente a estao j. Observe que a diagonal principal nula, ou seja, uma
estao no transmite diretamente para si mesma.
11
0
1
A = 0
0
0
1 1 1 1
0 1 1 0
1 0 1 0
0 1 0 1
0 0 1 0
a) Qual seria o significado da matriz A2 ?

b) Seja A2 = (cij ) . Calcule o elemento c42 , desenvolvendo pela definio de
multiplicao de matrizes e interprete o resultado.
c) Seja A2 = (cij ) . Calcule o elemento c13 , desenvolvendo pela definio de
multiplicao de matrizes e interprete o resultado.
Respostas dos exerccios:

2
2 10 18
2 0
1a. 2*A = 8 16 20 ; 1b. A+B= 2

16
22 ; 1c.A2=
6 14 24
8.4 10.1 21.4
8 108 167
6 114 164 ;
11 155 241
91
1d. det(A)= 52; 1e. A*y= 98 ; 1f. det(A)*det(B)= 842.4;1g. det(A*B) = 842.4;
128
75.6 62.9 137.6
4 104 161
1h. AB = 114 115 218 ; 1i. BA = 10

178
278
97.8 78.2 175.8
21.2 117.6 192.4
1 4 3
1j. A = 5 8 7 ; 1k . diag(A) =
9 10 12
1
1 25 81
8 ; 1l. A.2 = 16 64 100

12
9 49 144
3 5 9
3 9 7
1m. A(:,1) = y produz A= 5 8 10 ; 1n. B(:,2) = A(:,3) produz B= 6 10 12

7 7 12
5.4 12 9.4
0.5000 0.0577 0.4231
1o. inv(A) produz A = 1.5000 0.2885
0.8846 .
1.0000 0.1538 0.5385
1
12
0 0 0
2.C=zeros(3) produz C = 0 0 0 ; 3. D=ones(3,4) produz
0 0 0
1 1 1 1
1 1 1 1
1 1 1 1
4. A seqncia abaixo no Matlab produz a matriz F:

for i = 1: 4
for j=1:4
F(i,j)= 4*i^2+3*j;
end
7
19
F=
39
67
10
22
42
70
13
25
45
73
16
28
48
76
end
No existe matriz inversa de F, pois det(F) = 0. No Matlab, ao tentar calcular a inversa
de F com o comando inv(F), o programa apresenta um resultado, seguido de uma
mensagem ( warning ) . Neste exemplo, o clculo do determinante mostra que a
matriz inversa de F no existe.
0
0
3 0
0 3 0
0
5. H =
0
0 3 0
0
0 3
0
6. A =
0
0
2 1 0
1 2 1 0
0
0 1
2 1 0
0
0
1
2 1
0 0
0
1
2
7. a) As quantidades unitrias de Ferro, Madeira, Vidro, Tinta e Tijolo so,

respectivamente, 146 , 526, 260, 158 e 388.
492
b) Na forma vetorial, a resposta 528
465
c) 11736 unidades monetrias.
13
CAPTULO 2. RESOLUO DE SISTEMAS LINEARES
Um sistema de equaes pode ser resolvido diretamente no Matlab. Para tanto,

usamos a representao matricial de um sistema na forma Ax = b, onde devemos
armazenar os coeficientes do sistema na varivel A e os valores do lado direito das
equaes na varivel b. A matriz A a matriz dos coeficientes do sistema e b o
vetor independente. Feito isto, o comando A\b resolve diretamente o sistema. Como
exemplo, resolvemos o sistema abaixo:
Exemplo 1.
2 x 1 + 3x 2 = 5
5x 1 + 8x 2 = 9.4
Neste caso A = [ 2,3 ;5,8] e b = [5;9.4]
11.8
Soluo: no Matlab, basta executar x=A\b . A resposta x =
.
6 .2
Interpretao: A soluo do sistema x1 = 11.8 e x2 = 6.2.
Verificao:
2*11.8 + 3*(6.2) = 23.6 18.6 = 5

5*11.8 + 8*(6.2) = 59
49.6 = 9.4
11.8
Notao usual: a soluo x =
.
6 .2
Exemplo 2.
x1 + 2x 3 = 25.4
3x1 2x 2 + 7.2x 3 = 102.72 . Neste caso, A=[1,0,2;3,2,7.2;8,4.2,6] e b =

8x + 4.2 x 6 x = 39.5
2
3
1
25.4
102.72
39.5
Executamos o comando x = A \ b ( A contra-barra b ) :

>> x=A\b
x=
6.2000
7.5000
9.6000
Temos x1= 6.2 , x2= 7.5 e x3= 9.6.
Verificao:
6.2 + 2*9.6 = 6.2 + 19.2 = 25.4
14
3*6.2 2*(7.5) +7.2*9.6 = 18.6 + 15 + 69.12 = 102.72

8*6.2 +4.2*(7.5)6*9.6 = 49.6 31.5 57.6 = 39.5
A verificao mostra que esta a soluo do sistema. Em notao usual, a soluo x
6 .2
= 7 .5 .
9.6
3x 1 x 2 = 5
5x + 3x = 27
1
2
Exemplo 3.
. Neste caso, A =
7
x
5
x
2 =1
1
9 x 1 + 7 x 2 = 55
3 1
5 3
e b=
7 5
9 7
5
27
.
1

55
O comando x = A \ b calcula a soluo: x1= 3 e x2 = 4. A verificao fica por conta

do leitor.
Matriz ampliada de um sistema. Um sistema Ax = b pode ser representado atravs
da notao de matriz ampliada, que consiste da matriz de coeficientes e o vetor b.
2x1 + 3x2 = 5
Exemplo. A matriz ampliada do sistema
5x1 +8x2 = 9.4
2 3 5
a matriz
.
5 8 9 .4
x 1 + 2x 3 = 25.4
Exemplo. A matriz ampliada do sistema 3x 1 2x 2 + 7.2x 3 = 102.72

8x + 4.2x 6x = 39.5
2
3
1
2
25.4
1 0
3 2 7.2 102.72 .
8 4.2 6 39.5
Exerccios. Calcular a soluo dos sistemas de equaes lineares no Matlab:
2 x 1 + x 2 + 7 x 3 = 16
1. x 1 + 3x 2 + 2x 3 = 5
5x + 3x + 4 x = 11
2
3
1
3x1
9x1
x1
3. 4x1
5x1
6x1
8x1
x 1 + 2 x 2 + 3x 3 = 1
2. 4x 1 + 5x 2 + 6x 3 = 5
7 x + 8x + 9 x = 11
2
3
1
9x3
+ 6x 4
+ 9x5
x7
= 0.108
+ 8x 3
+ x3
+ 9x 4
3x 4
12x 5 + 6x 6 + 3x 7
+ x 5 5 x 6 + 5x 7
= 26.24
= 92.808
+ 8x 2 10 x3
+ 8x 4
x5
+ 4x 6 4x 7
= 53.91
+ 5x 2
+ 4x3
+ 11x 4
+ 3x 5
+ 8x 6 + 7 x 7
= 143.55
2x 2
+ 7x2
+ 9 x3
+ 2x3
7x4
+ 5x 4
5x 5
+ 2 x5
3x 6
+ x6
+ 3x 2
9x 2
+ 4x 6
+ 8x 7 = 6.048
3x 7 = 137.94
15
4 x 1
2 x
4. 1
x2
= 50
+ 4x 2
x3
2x 2
+ 4x 3
= 10
x4
= 47
2x 3 + + 4 x 4 x 5
= 39
2x 4 + 4x 5
= 87
2x 1 + 3x 2 5x 3 = 50.8
5.
3.4x 1 5x 2 + 9.2x 3 = 74.14
PROBLEMAS. Para cada problema, escreva o sistema de equaes correspondente e

calcule a sua soluo:
6. Uma dieta requer 7 unidades de gordura, 9 unidades de protenas e 16 unidades de
carboidratos para a refeio principal e uma certa pessoa dispe de trs alimentos com
os quais pode montar sua dieta:
Alimento 1: cada medida contm 2 unidades de gordura, 2 unidades de protena e 4
unidades de carboidratos.
Alimento 2: cada medida contm 3 unidades de gordura, 1 unidade de protena e 2
Alimento 3: cada medida contm 1 unidade de gordura, 3 unidades de protena e 5
Sejam x,y e z o nmero de medidas que a pessoa consome dos alimentos 1,2 e 3,
respectivamente, em sua refeio principal. Encontre um sistema linear em x,y e z
cuja soluo diz quantas medidas de cada alimento deve ser consumida pela pessoa
para atender dieta.
7. Encontre trs nmeros reais cuja soma igual a 12, tais que a soma do dobro do
primeiro com o segundo e o dobro do terceiro 5 e tais que o terceiro nmero um a
mais do que o primeiro. Encontre um sistema linear cujas equaes descrevem este
problema e resolva-o.
8. Faa o balanceamento das reaes:
a) N2O5 NO2 + O2
b) HF + SiO2 SiF4 + H2O
c) (NH4)2CO3 NH3 + H2O + CO2
Respostas dos exerccios e problemas:
1. x1= 3 ; x2= 4 ; x3= 2

2. A soluo no existe ( sistema impossvel) .
16
3. x1= 2.8352; x2= 13.2316; x3= 2.1099; x4=27.1104; x5=6.1382;

x6= 44.3192;x7=13.2430.
4. x1=12.4299; x2= 0.2803; x3=13.7386; x4=7.3939 ; x5=18.0530.
5. Este sistema tem infinitas solues: x1 = 0.1287x3 + 1.5633
e x2 = 1.75x3 + 15.89 , onde x3 um nmero real qualquer.
6. Somando as quantidades de gordura nos alimentos 1, 2 e 3, resulta 2x +3y + z = 7 ;
somando as quantidades de protena nos alimentos 1,2 e 3, resulta 2x + y + 3z = 9 ;
somando as quantidades de carboidrato, resulta 4x + 2y + 5z = 16. Assim, devemos
resolver o sistema :
2x + 3y + z = 7
2x + y + 3z = 9
4x + 2y + 5z = 16
cuja soluo x = 1 ; y = 1 ; z = 2. Assim, a dieta deve conter 1 unidade do

alimento 1, 1 unidade do alimento 2 e 2 unidades do alimento 3.
7. O sistema a ser resolvido
x + y + z = 12
2x + y + 2z = 5
x
+ z =1
cuja soluo x = 4, y = 19 e z = 3.
8. a) 2N2O5 4NO2 + O2
b) 4HF + SiO2 SiF4 + 2H2O
c) (NH4)2CO3 2NH3 + H2O + CO2
17
CAPTULO 3. TEORIA DOS SISTEMAS LINEARES
Quanto existncia de solues, um sistema de equaes lineares pode ser

1) possvel e determinado: quando s existe uma nica soluo
2) possvel e indeterminado: quando existem infinitas solues
3) impossvel : quando no existe soluo.
Resumo da classificao dos sistemas lineares:
Sistemas :
Possveis
( tem soluo) Deter min ado(Soluo nica )
In det er min ado(Infinitas Solues)
Im possveis
(no tem soluo)
Classificao de sistemas com n equaes e n incgnitas. De acordo com o teorema de

Cramer, a soluo de um sistema de equaes lineares com n equaes e n incgintas
x i
Ax = b, onde x = [xi]i , i = 1,2,...,n, dada pela frmula:xi =
, onde = det(A) e
xi o determinante da matriz obtida pela substituio da i-sima coluna de A, pelos

valores do vetor-coluna b, para cada i =1,...,n. Assim, se 0, a soluo do sistema
x i
nica, dada pela frmula xi =
, para i=1,2,...,n. Se = 0 , ento o sistema
indeterminado ou impossvel. Para diferenciar um caso do outro, podemos usar o

teorema de Cramer: se = 0 e se todos os determinantes xi forem nulos, ento o
sistema indeterminado. Se = 0 e se xi 0, para algum i , i=1,...,n, ento o
sistema impossvel. Assim, podemos resumir que um sistema de equaes lineares
nxn :
1) possvel e determinado, isto , tem soluo nica, quando 0.
2) possvel e indeterminado, isto , tem infinitas solues, se = 0 e xi = 0, para
todo i=1,...,n.
3) impossvel, isto , no tem soluo, se = 0 e xi 0, para algum i , i=1,...,n.
3.1 Sistemas homogneo de equaes
Um sistema de equaes homogneo se o vetor b o vetor nulo, isto , um sistema
na forma Ax = 0. De acordo com o teorema de Cramer, um sistema homogneo nxn
tem somente a soluo trivial se e somente se o determinante da matriz dos
18
coeficientes for diferente de zero. Dito de outra forma, um sistema homogneo com n
equaes e n incgnitas tem soluo diferente da trivial se e somente se a matriz dos
coeficientes tiver determinante igual a zero.
2x 1 + 3x 2 = 5
5x 1 + 8x 2 = 9.4
Exemplo 1.
1 )=
2
5
3
= 16 15 =1 0. sistema possvel e determinado ( soluo nica )
8
2 ) x1 =
5
9 ,4
3
= 40 28,2 = 11,8
8
2
5
x2 =
5
= 18,8 25 = 6,2
9,4
x 1
11.8
=
= 11,8
3 ) x1 =
e x 2 =
x 2 - 6.2
=
= 6,2
A soluo x1 = 11,8 e x2 = 6,2.

Verificao : 2*11,8 +3*(6,2) = 23,6 18,6=5
5*11,8 +8*(6,2) = 59 49,6 = 9,4
2x1 3x 2 + x 3 = 1
Exemplo 2 x1 + 2x 2 3x 3 = 4
- x + x + 2x = 1
2
3
1
3
2
1 ) = 1
2
1
1
3 = 14 . Portanto, este sistema tem soluo nica.
2
Clculo do determinante pela regra de Sarrus:
2
Obs: = 1
1
1
2 ) x1 = 4
1
2
1
3 1
2 1
3
2
1
1
3 = 42
2
3
2 =8 9 + 1 ( 2 6 6 ) = 0 ( 14 ) = 14.
1
19
2
= 1
x2
2
1
3 = 28 e x3 = 1
1
2
1
4
3
2
1
1
4 =14
1
x 3
x 1
x 2
42
28
14
=
=
= 3 ; x2 =
= 2; x3 =
=
=1
14
14
14
3 )x1 =
A soluo : x1 = 3; x2 = 2 ; x3 = 1. O desenvolvimento de cada determinante acima e

a verificao da soluo ficam a cargo leitor
x 1 + 2x 2 + 3x 3 = 1
Exemplo 3. 4x1 + 5x 2 + 6x 3 = 5
7x + 8x + 9x = 11
2
3
1
= 4
5
8
6 = 0. O sistema impossvel ou indeterminado.

9
x1 = 5
5
8
6 = 6 Concluso: como xi 0 para i =1 e = 0 , conclumos

9
11
que o sistema impossvel, isto , no admite soluo.
2x 1 + 3x 2 = 6
Exemplo 4.
4x 1 + 6x 2 = 12
=
2 3
4 6
x1 =
x2 =
= 12 12 = 0 ;
3
12 6
2
4 12
= 36 36 = 0 ;
= 24 24 = 0.
Concluso: como todos os s so nulos, o sistema indeterminado, isto , admite

infinitas solues. Neste caso, a soluo x1 = 3x2/2 + 3. Assim, se x2 = 0, ento
20
x1= 3; se x2 = 2, ento x1 = 0, se x2 = 6, ento x1 = 6, e assim por diante. Como

existem infinitas escolhas para x1, existem infinitas solues deste sistema. Podemos
escrever que algumas destas solues so os pares: ( 3 , 0) , ( 0, 2 ) , ( 6, 6) .
Observao: para obter a soluo acima, usar o comando solve no Matlab.
>> [ x1, x2 ] = solve ('2 * x1 + 3 * x 2 = 6' , '4 * x1 + 6 * x 2 = 12' )

x1 =-3/2*x2+3
x2 =x2
Interpretao: a soluo expressa a incgnita x1 em funo de x2, que uma varivel
livre. Assim, se x2=2, ento x1=0; se 0, ento x1=3. Como x2 pode ser escolhido
arbitrariamente, isto comprova que este sistema tem infinitas solues.
Observao sobre o mtodo de eliminao de Gauss: Podemos concluir que um

sistema s tem uma soluo, ou tem infinitas ou impossvel mediante a aplicao do
mtodo de eliminao de Gauss. O mtodo de Gauss o mais eficiente dos mtodos
usados na resoluo de sistemas de equaes lineares, por exigir um menor nmero de
operaes aritmticas na sua implementao, em comparao com outros mtodos
diretos, como o Mtodo de Cramer, e com mtodos iterativos, como o mtodo de
Gauss-Seidel. Em geral, para resolver um sistema nxn pelo mtodo de Gauss, a
quantidade de operaes elementares ( multiplicaes, divises, adies e subtraes )
proporcional a n3.
Exemplos. O sistema
x 1 + x 2 = 2
x 1 x 2 = 0
admite soluo nica, pois somando as duas
x 1 + x 2 = 2
linhas, chegamos ao sistema
. Logo, x1 = 1 e x2 = 1. J o sistema
2x 1 = 2
x 1 + x 2 = 2
x1 + x 2 = 2
claramente impossvel, pois 1 2. J o sistema
x1 + x 2 = 1
2 x 1 + 2 x 2 = 4
admite infinitas solues. De fato, multiplicando a primeira linha por 2 e subtraindo
x + x 2 = 2
da segunda linha, resulta : 1
. Logo, x2 = 2 x1. Assim, se x1= 0, x2 = 2; se
0=0
x1= 1, ento x2 = 1, e assim por diante. A mesma lgica aplica-se a sistemas com m
equaes e n incgnitas. Aps a eliminao e o escalonamento do sistema, a anlise
das equaes restante permite classificar o sistema quanto ao nmero de solues.
Vejamos um exemplo 3x3:
21
x 1 + 2 x 2 5x 3 = 2
2x 1 3x 2 + 4 x 3 = 4
4x + x 6x = 8
2
3
1
1 2 5 2
A matriz aumentada do sistema 2 3 4 4
4 1 6 8
Multiplicando a primeira linha por 2 subtraindo da segunda linha; multiplicando a
primeira linha por 4 e subtraindo da terceira linha, resulta:
1 2 5 2
0 7 14 0 .
0 7 14 0
Subtraindo as duas ltimas linhas, resulta:
1 2 5 2
0 7 14 0
0 0
0 0
Dividindo por 7 a segunda linha, resulta :
1 2 5 2
0 1 2 0
0 0 0 0
Concluso: o sistema resultante x1 + 2x2 5x3 = 2
x2 2x3 = 0
Logo , a soluo x2 = 2x3 , x1 = 2 + x3 . Como x3 um nmero real qualquer,
podemos escrever que a soluo :
x1 = 2 + k
x2 = 2k
ou
x 1 2
1
x = 0 + k 2
2

x 3 0
1
x3 = k
22
Portanto, o sistema
x 1 + 2 x 2 5x 3 = 2
2x 1 3x 2 + 4 x 3 = 4 indeterminado, isto , admite uma

4x + x 6x = 8
2
3
1
x1
2
infinidade de solues. Por exemplo, se k = 0, uma soluo x 2 = 0 . Se k=1,

x 3
0
x 1 2 1
3
outra soluo x 2 = 0 + 2 = 2 , e assim por diante.

x 3 0 1
1
x 1 + 2 x 2 5x 3 = 2
Por outro lado, o sistema 2x 1 3x 2 + 4x 3 = 4

4x + x 6x = 0
2
3
1
impossvel, pois as mesmas
operaes com linhas levariam a :
1 2 5 2
0 1 2 0
0 0 0 1
A ltima equao 0x1 + 0x2 + 0x3 = 1, que impossvel.
Exerccios. Resolva os sistemas abaixo, conforme solicitado em cada item:
2x 1 + x 2 + 7x 3 = 16
1. Classificar e resolver o sistema x 1 + 3x 2 + 2x 3 = 5 .

3x + 4x + 9x = 11
2
3
1
2. Escrever na forma usual o sistema de equaes dado na forma matricial Ax = b,

i + 2j, se i = j
2
onde A4x4 = i , se i = j + 1
e b4x1 = [ 2i1 ] i=1:4 .
0, demais casos
3. Escrever na forma usual o sistema de equaes dado na forma matricial Ax = b,

1/(i + j), se i = j
onde Ax = b, onde A5x5 = 4j, se i = j 1 e b5x1 = [ 3i2 3 ] i=1:5 .

0, demais casos
4. Calcular a equao da reta que passa pelos pontos (1,1) e (2,5), usando sistemas
lineares.
23
5. Seja y = ax2 + bx +c. Calcule os valores de a, b e c , sabendo que esta curva passa
pelos pontos (2; 5,36) , ( 1,2 ; 1,68) e (3,2; 8,68), usando sistemas lineares e o
clculo da soluo pelo mtodo de Gauss.
6. Um sistema de equaes lineares Ax = b dito homogneo se o vetor independente
b igual ao vetor nulo. Todo sistema homogneo tem uma soluo, a saber, a soluo
trivial ( x = 0) . Calcule os valores de k tais que o sistema homogneo
2 x 5 y + 2 z = 0
x+y+z =0
2x
+ kz = 0
tenha uma soluo diferente da trivial.
3 4
7. Calcule o valor de m para que a matriz A =
tenha matriz inversa. Calcule
1 m
A1, se m = 2.
0
1 3
8. Calcule a primeira coluna da matriz inversa de A = 2 5 2 .

5 1 4
2 1 7
1. A= 1 3 2 ; b =
3 4 9
16
5 ;

11
2 1 7
= 1 3 2 = 0;
3 4 9
16
1 7
2 16
2 1 16
x = 5 3 2 = 0; x2 = 1 5 2 = 0; x3 = 1 3 5 = 0.
11
4 9
11
3 4
11
2x 1 + x 2 + 7x 3 = 16
Concluso: x 1 + 3x 2 + 2x 3 = 5 um sistema indeterminado.

3x + 4x + 9x = 11
2
3
1
A soluo x1=
19
67
5
26
x2
, x2 R e x 3 = x 2 +
.
3
3
3
3
24
3
4
2. A=
0
0
3 0
=
0
0
;b=
9 9 0
0 16 12
0
6
0
0
1
3
. Notao usual:
5

7
3x 1
=1
4x 1 + 6x 2
=3
9x 2 + 9x 3
=5
16 x 3 + 12 x 4 = 7
4 6 0 0
= 1944
0 9 9 0
0 0 16 12
x =
1 0
3 6
0
0
0
0
5 9 9 0
7 0 16 12
3
4
x3=
0
0
0
6
9
0
=648 ; x2 =
1 0
3 0
=540 ; x4 =
5 0
7 12
3 1
4 3
0
0
0
0
0 5 9 0
0 7 16 12
3
4
0
0
0 0
6 0
9 9
0 16
= 540
1
3
= 414
5
7
x i
, para i=1,2,3 e 4, conclumos que a soluo do sistema
x1=0.3333, x2=0.2778, x3= 0.2778, x4= 0.2130. Em forma vetorial, a soluo
Usando a frmula xi =
0.3333
0.2778
x=
0.2778
0.2130
8
0
0
0
0 .5
0 0.25
12
0
0
3. A = 0
0
0.1667
16
0 ;b=
0
0
0.125 20
0
0
0
0
0
0.1
0
9

24 .

45
72
25
8.467033536 8467033536
0.529189596 529189596
A soluo x = 10^9 * 0.011024784 = 11024784 .
0.000114840 114840
0.000000720
720
4. y =
4x + 7
3
5. y = 0,25x2 +2,4x 1,56

6. O sistema ter soluo diferente da trivial se e somente se = 0, onde o
determinante da matriz dos coeficientes do sistema. Logo, se k = 2, o sistema ter
soluo diferente da trivial.
3 4
7. Se m 4/3 , a matriz A tem matriz inversa. Para m = 2, temos A =
ea
1 2
2
1
matriz inversa de A A1=
.
0,5 1,5
0,5
8. A primeira coluna de A o vetor 0,5 .
0,75
1
26
CAPTULO 4. COMBINAO LINEAR
Neste captulo, so estudados os conceitos de vetor, combinaes lineares entre

vetores, conjuntos linearmente independentes e linearmente dependentes de vetores.
feita uma aplicao destes conceitos na definio de conjuntos ortogonais, bases
ortogonais e ortonormais.
Definio. Consideremos o plano cartesiano que consiste de um sistema de
coordenadas dado por um par de retas ortogonais, com orientao. Fixada uma
unidade de comprimento, um ponto P do plano pode ser identificado com o par (a,b)
de nmeros reais, as coordenadas do ponto P. Dados dois pontos P e Q do plano,
podemos considerar o segmento PQ , com ponto inicial P e ponto final Q. Seja O o

ponto de coordenadas (0,0), a origem. A partir da, vamos associar a cada ponto (a,b)
do plano o vetor v= OP , isto , a cada ponto (a,b) do plano um nico vetor com ponto
inicial na origem e ponto final em P. Isto estabelece uma correspondncia entre os
pontos e os vetores do plano. O vetor v=(2,3) o vetor com ponto inicial em (0,0) e
ponto final em (2,3). Uma definio anloga vale para os vetores do espao R3.
Os conjuntos R2 e R3 so exemplos de espaos vetoriais. Cada elemento destes
conjuntos um vetor. Representamos geometricamente estes vetores por uma flecha
orientada, com ponto inicial na origem do espao e com ponto final extremidade no
ponto correspondente s coordenadas do vetor, como nas figuras abaixo.
Exemplos:
1. v = ( 2, 3) um vetor do R2.
y
Figura 1. Um vetor do R2.
2. u = ( 2, 3, 4 ) um vetor do R3.
27
z
4
Figura 2. Um vetor do R3.

Adio de Vetores
Se u = ( x1 , y1 )
e v = ( x2 , y2 ), ento u + v = ( x1 + x2, y1 + y2 ).
u+v
u
v
Multiplicao por escalar

Se u = ( x1 , y1 ) e a um escalar, ento au = (ax1 , ay1 ) .
28
Igualdade de Vetores
Dados u = ( x1,y1 ) e v = ( x2,y2) , a igualdade u = v ocorre se e somente se x1 = x2 e
y1 = y2. Analogamente, definimos a soma de vetores, a multiplicao por escalar e a
igualdade no R3.
Exemplos.
3. u = ( 2 , 3) e v = (4 , 1 )
u + v = ( 2 + 4, 3 + 1 ) = ( 6 , 4 )
5u= ( 5*2, 5*3) = ( 10 , 15)
4. u = ( 2 , 5, 0 ) e v = ( 1 , 0 , 3 )
u v = ( 2 1, 5 0 , 0 3 ) = ( 1 , 5 , 3)
4u + 5v = 4*(2,5,0) + 5*(1,0,3) = (8,20,0)+(5,0,15)=(13,20,15).

5. u = ( 2 , 5 ) e v = ( x + 1, y + 7)
Se u = v , ento : x + 1 = 2 e y + 7 = 5 , logo x = 1 e y = 2.
Combinao Linear de Vetores
Dado um conjunto de n vetores, { u1 , u2 , ... , un } , dizemos que um vetor v
combinao linear dos vetores dados se existem nmeros reais a1, a2, ..,an tais que
v = a1u1 + a2u2 + ... + anun.
Exemplos.
6. Dados { ( 1, 0) , (0,1 ) } e v = (3,4) ento v combinao linear dos vetores
dados, pois (3,4) = 3(1,0) + 4(0,1). Isto , se u1 = (1,0) e u2 = (0,1), ento v =3u1+4u2.
7. Se B={u1=(1,0,0),u2 = (0,1,0),u3 = (0,0,1)} e v = (2,7,4) , ento v= 2u1+ 7u24u3.

Logo, v uma combinao linear dos vetores u1, u2 e u3.
8. O vetor v = ( 8,2 ) combinao linear dos vetores u1 = (1,1 ) e u2= ( 1,1) ?
Se for, ento: ( 8, 2) = a(1,1) + b(1,1) = (a,a)+(b, b)= ( a + b , a b )
29
Igualando as coordenadas correspondentes, resulta o sistema:

a+b =8
a b = 2
cuja soluo a = 3 e b = 5 . Concluso: O vetor ( 8,2) combinao linear dos
vetores u1 = (1,1) e u2=(1,1), pois (8, 2) = 3(1,1) + 5(1,1) . Simbolicamente,
escrevemos v = 3u1 + 5u2.
9. O vetor v = ( 1, 4 , 10 ) combinao linear dos vetores u1 = (1,2,3 ) e u2= ( 4,5,6)
e u3 =(7,8,9) ?
Se for, ento :
(1,4,10) = a ( 1,2,3) + b(4,5,6) + c( 7,8,9)

(1,4,10) = ( a,2a,3a) + (4b,5b,6b) + ( 7c,8c,9c)
(1,4,10) = ( a + 4b +7c, 2a + 5b + 8c, 3a + 6b +9c )
Igualando as coordenadas, resulta o sistema de equaes:
a +4b +7c = 1
2a + 5b + 8c = 4
3a + 6b + 9c = 10
Analisando os determinantes, vemos que = 0 , e x1 = 9. Portanto, pelo teorema

de Cramer, o sistema acima no tem soluo. Concluso: o vetor v = ( 1, 4 , 10) no
combinao linear dos vetores u1 = (1,2,3 ) e u2= ( 4,5,6) e u3=(7,8,9).
10. O vetor v = (48,57, 66) combinao linear dos vetores u1=(1,2,3 ) e u2= ( 4,5,6)
e u3=(7,8,9) ? Se for, ento :
(48 ,57 ,66) = a(1,2,3) + b(4,5,6) + c(7,8,9)
(48 ,57 ,66) = (a,2a,3a) + (4b,5b,6b) + (7c,8c,9c)
(48 ,57 ,66) =( a + 4b+7c , 2a + 5b + 8c , 3a + 6b + 9c )
a +4b +7c = 48
Igualando as coordenadas, resulta o sistema: 2a + 5b + 8c = 57

3a + 6b + 9c = 66
Para eliminar a incgnita a da segunda equao, multiplicando a primeira equao por

2 e subtramos da segunda equao. Ao mesmo tempo, multiplicamos a primeira
equao por 3 e subtramos da terceira equao, resultando o sistema
a +4b +7c = 48
3b 6c = 39
6b 12c = 78
30
A segunda e a terceira equaes so iguais. Logo: b = 13 2c. Substituindo este

resultado na primeira equao, resulta a = 48 4b 7c = 48 4(132c) 7c = c 4.
A soluo a = c 4, b = 2c +13, e c um nmero real qualquer. Escolhendo c = 1,
resulta: a = 3, b = 11 e c = 1. Assim, v = 3u1 + 11u2 + u3 , ou seja, o vetor v
uma combinao linear dos vetores u1, u2 e u3.
11. O vetor v=( 10, 15 , 8 , 3) uma combinao linear dos vetores u1=(2,5, 0, 1) e
u2=(1, 0, 2, 0 ) ?
Se for, existem nmeros a e b tais que v = au1 + bu2. Isto :
( 10, 15 , 8 , 3) = a(2,5, 0, 1) + b(1, 0, 2, 0 ) ;
(10, 15 , 8, 3 ) = (2a, 5a , 0 , a ) + ( b, 0 , 2b, 0)
(10, 15 , 8, 3 ) = (2a + b , 5a , 2b , a )
2a + b = 10
5a = 15
Igualando as coordenadas correspondentes, resulta:

2b = 8
a = 3
A soluo a = 3 e b = 4. Logo, a combinao linear :
( 10, 15 , 8 , 3) = 4(2,5, 0, 1) + 3(1, 0, 2, 0 ), ou v = 4u1 + 3u2.
Vetores Linearmente Dependentes ( LD ) e Linearmente Independentes ( LI )
Um conjunto de vetores dados { u1 , u2 , ... , un } Linearmente Dependente, ou
simplesmente LD, se existir um deles que combinao linear dos demais. Caso isto
no ocorra, o conjunto de vetores chamado de Linearmente Independente ( LI ). Isto
implica dizer que { u1 , u2 , ... , un } um conjunto linearmente independente se e
somente se a combinao linear a1u1 + a2u2 + ... + anun = 0 tem com nica soluo
todos os coeficientes ai iguais a zero. Equivale a dizer que se a combinao linear
a1u1 + a2u2 + ... + anun = 0 admitir alguma soluo no-trivial, ento o conjunto de
vetores { u1 , u2 , ... , un } LD.
Exemplos.
11. O conjunto { ( 1,2 ) , (2,4) } LD, pois ( 2,4) = 2*(1,2) . Equivale a escrever
2(1,2) 1(2,4) = (0,0). Ou seja, se u1=(1,2) , u2=(2,4) e 0=(0,0), temos a soluo a1=2
e a2=1, de modo que a1u1 + a2u2 = 0.
31
12. O conjunto { ( 1,0) , (0,1) } LI, pois ( 1,0) k*(0,1) , para qualquer valor de k.
A nica soluo da combinao a1(1,0) + a2(0,1) = (0,0) a soluo trivial, isto ,
a1=0 e a2=0.
13. O conjunto { (0,0) , ( 3,4) } LD, pois (0,0) = 0*(3,4). Neste caso, temos a
combinao a1(0,0) + 0(3,4) = (0,0), para qualquer a1 0.
14. O conjunto { (1,0,0) , (0,1,0), (3,4,0) } LD, pois (3,4,0) = 3*(1,0,0) + 4*(0,1,0).
Observao: a multiplicao 3*(1,0,0) ser escrita daqui por diante como 3(1,0,0), por
simplicidade.
Critrio prtico: para determinar se um conjunto de n vetores {u1,u2,...,un} do Rn
LI ou LD, usamos o determinante D = det(u1,u2,...,un). Se D 0 , ento o conjunto
LI; do contrrio , LD, isto , um deles combinao linear dos demais. No caso
particular de dois vetores, um conjunto { u1, u2 } LD se e somente se existe uma
constante k tal que u1 = ku2. Porm, para um conjunto de m vetores do Rn, com m
diferente de n, este critrio prtico no funciona, e devemos usar a definio.
Exemplos.
15. { ( 1,1) , (1,1) } LI ou LD ?
1 1
= 2 , logo, o conjunto {(1,1), (1,1)} LI. Isto significa que os

1 1
dois vetores no so colineares. Nenhum dos dois vetores mltiplo do outro.
Soluo:
16. { (1,2,3),(4,5,6),(7,8,9)} LI ou LD ?
32
1 4 7
Soluo: 2 5 8 = 0 , logo, o conjunto { (1,2,3),(4,5,6),(7,8,9) } LD. Neste caso,
3 6 9
isto significa que os trs vetores so coplanares. Existe um vetor que combinao
linear dos demais, por exemplo, (7,8,9) = 2(4,5,6) (1,2,3).
17. { (1,2,3,4), (5,6,7,8), (9,10,11,12)} LI ou LD ?
Soluo: so trs vetores do R4. Usamos a definio:
a(1,2,3,4) + b(5,6,7,8) + c(9,10,11,12) = (0,0,0,0)
(a,2a,3a,4a) + (5b,6b,7b,8b) + (9c,10c,11c,12c) = ( 0,0,0,0 )
( a + 5b + 9c, 2a + 6b + 10c, 3a + 7b + 11c, 4a + 8b + 12c ) = ( 0, 0, 0, 0)
Igualando as coordenadas correspondentes, resulta o sistema:
a + 5b + 9c = 0
2a + 6b + 10c = 0
3a + 7 b + 11c = 0
4a + 8b + 12c = 0
Multiplicando a primeira equao por 2 e subtraindo da segunda equao, a segunda
equao fica : 4b 8c =0. Logo, b = 2c. Substituindo na primeira equao, resulta
a = c. Assim, uma soluo possvel c = 1, b = 2, e a = 1. Logo:
1*(1,2,3,4) + (2)*(5,6,7,8)+1*(9,10,11,12) = (0,0,0,0).
Concluso: o conjunto de vetores { (1,2,3,4), (5,6,7,8), (9,10,11,12)} LD (
Linearmente Dependente ) . Uma combinao linear entre os vetores a seguinte :
1*(1,2,3,4) + 1*(9,10,11,12) = 2*(5,6,7,8) .
33
Exerccios. Nos exerccios de 1 at 8, verifique se os conjuntos so LI ou LD. Caso o

conjunto seja LD, tente identificar uma combinao linear entre os vetores, como no
exemplo 16.
1. { ( 1, 1 ) , ( 5,5 ) }
2. { ( 2, 3 ) , (1, 4) }
3. { ( 0,0 ) , ( 2, 5) }
4. { ( 1,1,1) , (1,1,0) , (1,0,0) }
5. { (1,1,4,6) , (5,6,8,9) , (18, 22 , 24 , 24)}
6. { (3,1,1),(1,2,1),(11,7,1) }
7. { ( 1,2,5, 10) , ( 0,0,0,0)}
8. {( 1,1) , (2,2) }
9. Determinar o valor de m para que o conjunto de vetores {(1,2), ( 3, m)} seja LI.
10. Determinar o valor de m para que o conjunto de vetores {(1,2,4),(3,4,5),(1,0,m)}
seja LI.
11. Dados os vetores u=(1,2) e v=(4,2), represente graficamente os vetores u+v e u
v.
1. { ( 1, 1 ) , ( 5,5 ) } LD, pois (5,5) = 5(1,1).
2. { ( 2, 3 ) , (1, 4) } LI, pois se fizermos a(2,3) + b(1,4)=(0,0), resulta
(2a, 3a) +( b,4b)=(0,0) , ou seja , ( 2a b, 3a +4b) =(0,0). Temos o sistema
2 1
2a b = 0
, cuja soluo nica a= 0 e b=0, pois
0 . Logo, o
3 4
3a + 4b = 0
conjunto { ( 2, 3 ) , (1, 4) } LI( Linearmente Independente ).
3. { (0,0) , (2,5) } LD , pois (0,0) = 0(2,5).
1 1 1
4. { ( 1,1,1) , (1,1,0) , (1,0,0) } LI, pois 1 1 0 = 1. Analogamente ao exerccio
1 0 0
2, se fizermos a combinao linear
a(1,1,1) + b(1,1,0) + c(1,0,0) = (0, 0 , 0 ), resulta
(a,a,a ) + (b,b,0) + (c,0,0) = (0 , 0, 0) , isto :
34
(a + b + c, a + b , a) = ( 0,0,0) , ou seja , o sistema
a + b + c = 0
a+b=0 .
a=0
A terceira equao implica a = 0; substituindo na segunda equao, vem b = 0; da

primeira equao, j que a = 0 e b = 0, resulta c = 0. Portanto, como a nica
soluo deste sistema a soluo trivial, o conjunto { ( 1,1,1) , (1,1,0) , (1,0,0) }
LI. De fato, tal concluso segue da regra prtica, uma vez que o determinante do
1 1 1
sistema de equaes 1 1 0 = 1. Lembremos que, pela regra de Cramer, se o
1 0 0
determinante da matriz dos coeficientes diferente de zero, o sistema tem soluo
nica.
5. Suponhamos uma combinao linear igual ao vetor nulo do R4:
a(1,1,4,6) + b(5,6,8,9) + c(18,22, 24 , 24) = ( 0,0,0,0)
( a,a,4a,6a ) + ( 5b,6b,8b,9b) + ( 18c, 22c, 24c, 24c) = ( 0, 0, 0, 0 )
( a + 5b18c , a + 6b22c, 4a+8b24c, 6a +9b 24c) = ( 0, 0 , 0 , 0 )
Igualando as coordenadas, resulta o sistema homogneo:
a + 5b 18c = 0
a + 6b 22c = 0
4a + 8b 24c = 0
6a + 9b 24c = 0
Subtraindo as duas ltimas equaes, resulta 2a b = 0, ou seja, b = 2a.
Substituindo na 1 equao, resulta: a + 5(2a) 18c = 0, o que implica a = 2c, e c
R. Portanto, escolhendo c = 1, resulta a = 2, e b = 4. Portanto, o conjunto de
vetores dados {(1,1,4,6),(5,6,8,9),(18, 22,24, 24)} linearmente dependente. De
fato, a igualdade 2 (1,1,4,6) + 4 (5,6,8,9) + 1(18, 22 , 24 , 24) = (0,0,0,0)
significa que podemos escrever um dos vetores como combinao linear dos demais.
Por exemplo: (8,22,24, 24) = 2(1,1,4,6) 4(5,6,8,9).
11
6. { (3,1,1),(1,2,1),(11,7,1) } LI, pois 1 2 7 = 24.

1 1 1
7. { ( 1,2,5, 10) , ( 0,0,0,0)} LD, pois (0,0,0,0)= 0*(1,2,5,0)
8. {( 1,1) , (2,2) } LD, pois (2,2) = 2*(1,1).

35
9. O conjunto de vetores {(1,2), ( 3, m)} LI se e somente se =
1 3
for
2 m
diferente de zero. Calculando: = m 6, resulta que o conjunto de vetores {(1,2),

(3,m)} LI se e somente se m 6.
10. Os vetores dados so LI se e somente se m 3.
36
CAPTULO 5. ESPAOS VETORIAIS

Neste captulo, dada uma noo intuitiva de espao vetorial, sem a formalizao
usual. So vistos exemplos de subespaos vetoriais do R2 e do R3, que so mais
simples e podem ser representados geometricamente. O conceito de base
introduzido, com exemplos de representao com o uso da base cannica e de outras
bases do R2 e R3.
Espaos gerados. Suponhamos que V seja um espao vetorial e B = { v1, v2 ,...,vn }
V um conjunto de vetores linearmente independentes, ento o conjunto de todas
as combinaes lineares dos vetores de B um subespao vetorial de V, gerado por B.
Isto , o espao gerado por B o conjunto {a1v1+ a2v2 + ... + anvn / ai R}. Este
conjunto um subespao vetorial de V, com dimenso igual a n.
Exemplo 1. Sejam V = R2 e B = { ( 1,2 ) }.
O conjunto de todos os vetores mltiplos ou combinaes lineares do vetor (1,2) a
reta que passa pela origem com equao y = 2x. Esta reta um subespao vetorial do
R2, de dimenso 1.
Figura 3. A reta y = 2x um subespao vetorial do R2 de dimenso 1.

Exemplo 2. V = R3
B = { (1,0,0) , (0,1,0) }
37
O conjunto de todos os vetores que so combinaes lineares dos vetores (1,0,0) e

(0,1,0) um plano contido no R3, em que cada vetor tem a terceira coordenada nula.
Este plano um subespao vetorial do R3, de dimenso 2.
Figura 4. O plano xOy um subespao vetorial do R3 de dimenso 2.
Base. Um conjunto B={v1,v2,...,vn} de vetores de um espao vetorial V chamado de

base de V se Linearmente Independente e se gera V. Isto , todo vetor de V uma
combinao linear do conjunto de vetores v1,v2,...,vn e os vetores so LI.
Exemplo 3. V = R2.
B = { (1,0), (0,1) }
a base cannica do R2
1 0
= 1 0 e B gera o R2, pois qualquer
0 1
vetor (x,y) combinao linear dos vetores (1,0) e (0,1): (x,y) = x(1,0) + y(0,1).
De fato: B = { (1,0), (0,1) } LI , pois
Em particular: (3, 4) = 3(1,0) + 4(0,1)

Exemplo 4. V = R2.
B = { (1,1), (1,1) }
uma base do R2
38
1 1
= 2 e todo vetor (x,y) combinao
1 1
linear dos vetores de B. Por exemplo, expressar o vetor u=(1,5) nesta base.
De fato, B= { (1,1), (1,1) } LI , pois
Soluo:
(1,5) = a(1,1) + b( 1,1)

(1,5) = (ab, a + b)
a b = 1
Resulta o sistema :
. Somando as duas linhas do sistema, resulta: 2a = 6 ,
a + b = 5
logo a = 3 . Da segunda equao, vem : b = 5 3 = 2.
Concluso: (1,5) = 3(1,1) + 2(1,1) . Logo, as coordenadas do vetor (1,5) na base

B={(1,1),(1,1)} so 3 e 2. Resumindo: na base cannica {(1,0),(0,1)}, temos u =
(1,5). Na base B={(1,1), (1,1)}, temos u=(3, 2) .
u=3u1+2u2
3u1
2u2
Figura 5. Uma combinao linear no R2.
Analogia: na base 10, o nmero doze escrito como 12 ( 1 dezena mais duas unidades
); na base 2, o nmero 12 representado pelos smbolos 1100.
Base 10 :
12= 1*10 + 2*100
Base 2 :
11002 = 1*23 + 1*22 + 0*21 + 0*20 = 12
Exemplo 5. V = R3
B = { (1,0,0) , (0,1,0) , (0,0,1) } a base cannica do R3
39
1 0 0
De fato, B um conjunto LI, pois 0 1 0 = 1 e todo vetor (x,y,z) do R3 uma
0 0 1
combinao linear dos vetores do conjunto B: (x,y,z) = x(1,0,0) + y(0,1,0) + z(0,0,1)
Em particular: (3,4,5) = 3(1,0,0) + 4(0,1,0) + 5(0,0,1)
Exemplo 6. V = R3
B = { (0,2,0), (3,0,3),( 4,0,4)} base do R3.
0 3 4
De fato, B um conjunto LI, pois 2 0
0 3
0
4
= 48. Todo vetor do R3 uma
combinao linear destes trs vetores.

Exerccio. Determinar as coordenadas do vetor v=(3,4,5) na base B do exemplo 6.
Soluo : (3,4,5) = a(0,2,0) + b(3,0,3) + c(4,0,4)
(3,4,5) = (0,2a,0) + (3b,0,3b) + (4c,0,4c)
(3,4,5) = (3b4c, 2a , 3b+4c)
3b 4c = 3
Equivale ao sistema : 2a = 4
3b + 4c = 5
Logo: a = 2 , b = 4/3 e c=
Isto , na base B, as coordenadas do vetor v so (2, 4/3, 1/4) ,isto ,
(3,4,5) = 2(0,2,0) +
4
1
(3,0,3) + ( 4, 0 , 4) .
3
4
Produto Escalar. O produto escalar de dois vetores (do Rn) u= (u1,u2,..,un) e

v=(v1,v2,...vn) u v =
u v
i =1
= u1v1 + u2v2 +...+ unvn.
No Matlab, o produto escalar calculado de u e v calculado pelo comando dot(u,v).

Uma aplicao do produto escalar a deteco de erros em cdigo de barras,
conforme artigo publicado na revista Revista do Professor de Matemtica, nmero 68.
Exemplo 7. Calcular o produto escalar dos vetores u =(1,2) e v = (3,5).

Soluo: u v = 1 3 + 2 5 = 3 + 10 = 13.
Exemplo 8. Calcular o produto escalar dos vetores u =(1,2, 1) e v = (0,3,5).

Soluo: u v = 1 0 + 2 3 + (1) 5 = 0 + 6 5 = 1.
40
Vetores Ortogonais. Dois vetores u e v so ortogonais se u v = 0.

Exemplo 9. Os vetores u = (1,1) e v = (1,1) so ortogonais, pois u v = 1 (1) +
1 1 = 1 + 1 = 0. Os vetores do exemplo 8 no so ortogonais. Geometricamente, dois
vetores do R2 ( ou do R3 ) so ortogonais se o ngulo entre eles for igual a 90o.
Exemplo 10. Os vetores u = (1, 2 , 3) e v = ( 1,1,0) no so ortogonais, pois u v =
1*1 + 2*1 + 3*0 = 3 . Como o produto escalar entre u e v no igual a zero, os
vetores no so ortogonais.
Conjunto Ortogonal. Um conjunto M={v1,v2,...,vn} de um espao vetorial V
ortogonal se v i v j = 0 , para cada par i , j, com i j. Por exemplo, o conjunto
M={(1,1,0), (2,2,4), (4,4,4) } ortogonal. A verificao fica a cargo do leitor.
Base Ortogonal. Uma base B={v1,v2,...,vn} de um espao vetorial V ortogonal se

v i v j = 0 , para cada par i , j, com i j.
Exemplo 11. As bases cannicas do R2 e do R3 so ortogonais.
Exemplo 12. A base B = { (1,1), (1,1) } uma base ortogonal do R2.
Normalizao de um vetor. Dado um vetor u = (u1,u2,...un) do Rn, o mdulo de u
dado por | u | =
u 12 + u 22 + ... + u 2n . Se | u | = 1, ento u um vetor unitrio. Todo
vetor u com mdulo no-nulo pode ser normalizado, fazendo-se v =
u
. No Matlab,
|u|
o mdulo de u calculado atravs de norm(u).

Exemplo 12. u = (3,4)
Mdulo de u : | u | =
32 + 4 2 =
25 = 5.
| u | = 5.
Versor de u :
v=
(3,4)
u
=
(3/5 , 4/5 ) . Observe que | v | = 1.
|u|
5
O vetor v = ( 3/5, 4/5), chamado de versor de u, um vetor unitrio que tem a mesma
direo de u.
Base Ortonormal. uma base ortogonal formada por vetores unitrios.

Exemplo 13. B = { (1,1) , (1,1) } uma base ortogonal, mas no ortonormal, pois
cada vetor da base B tem mdulo igual a 2 ; a base B = { ( 1/ 2 , 1/ 2 ) , (
1/ 2 , 1/ 2 ) } uma base ortonormal do R2. No Matlab, obtemos | (1,1) | = | (1,1) |
= 1.4142. Logo, a base ortonormal B = { (0.7071, 0.7071) , (0.7071, 0.7071)} .
Exemplo 14. O conjunto {(1,2,3), (2,2,2)} LI. Acrescentar um terceiro vetor a
este conjunto para que ele se transforme numa base ortogonal do R3. Obter uma base
ortonormal do R3.
41
Soluo: procuramos um vetor v = (a,b,c) do R3 tal que

(a , b, c) (1,2,3) = 0
(a , b, c) (2,2,2) = 0
Equivale ao sistema :
a + 2b + 3c = 0
2a 2b + 2c = 0
Somando as duas equaes , resulta:

a + 5c = 0, logo, a = 5c.
Substituindo na primeira equao, resulta: b = 4c. Se c = 1, ento a = 5 e b = 4.O
vetor v = (5, 4,1).
Verificao: (5,4,1) (1,2,3) = 5 + (8) + 3 = 0
(5,4,1) (2,2,2) = 10 + 8 + 2 = 0
Assim, uma base ortogonal do R3 o conjunto

B = {(-1,2,3), (2,-2,2), (5,4,1)}.
Para obter uma base ortonormal do R3, basta dividir cada vetor de B pelo seu mdulo.
Assim, uma base ortonormal do R3 o conjunto
B={(-0.2673,0.5345,0.8018),(0.5774,0.5774,0.5774),(0.7715,0.6172,0.1543)}
Cada vetor do conjunto B unitrio e os vetores so ortogonais dois a dois. Na parte
final deste captulo, vamos mostrar duas aplicaes do produto escalar.
42
APLICAES DO PRODUTO ESCALAR

Aplicao 1. Deteco de erros no cdigo de barras.
Quando a mquina leitora no consegue ler o cdigo de barras, o operador de caixa
digita os nmeros manualmente. Ele no poderia cometer um erro e ns acabarmos
pagando por um produto diferente daquele que realmente queremos comprar? Como
possvel reconhecer se foi cometido um erro?
O cdigo de barras utilizado em larga escala denominado EAN-13, que
utiliza treze dgitos. Neste sistema EAN-13, um produto identificado por uma
sequencia de treze dgitos a1a2...a12a13. Os primeiros doze dgitos identificam o pas de
origem, o fabricante e o produto especfico, e so determinados por um mtodo
padro, a cargo de uma autoridade classificadora de cada pas. O dcimo terceiro
dgito, chamado dgito de verificao, justamente o dado utilizado para a deteco
de erros, e ser denotado por x.
Para facilitar, vamos escrever o cdigo de barras como um vetor u =
(a1,a2,...,a11,a12,x).
O sistema EAN-13 se utiliza de um vetor fixo, chamado de vetor de pesos:
w=(1,3,1,3,1,3,1,3,1,3,1,3,1).
Calcula-se ento o produto escalar de ambos os vetores, multiplicando cada
dgito do vetor cdigo de barras, pelo nmero que ocupa a mesma posio no vetor de
pesos :
u.w = a1 + 3a2 +a3 + 3a4 + a5 + 3a6 + a7 + 3a8 + a9 + 3a10 + a11 + 3a12 + x
Agora, o dgito de verificao x se escolhe de forma que a soma acima seja mltiplo
de 10. O nmero 3 foi escolhido por ser o menor nmero diferente de 1 tal que
mdc(3,10) = 1.
Exemplo 1. O cdigo de barras da caixa de giz 7 896 640 450 83 x. Calcular x.
Soluo: u = ( 7, 8, 9 , 6 , 6 , 4 , 0 , 4 , 5 , 0 , 8 , 3 , x )
Fazemos o produto escalar pelo vetor de pesos w=(1,3,1,3,1,3,1,3,1,3,1,3,1).
u.w= 7*1 + 8*3 + 9*1 + 6*3 + 6*1 + 4*3 + 0*1 + 4*3 + 5*1 + 0*3 + 8*1 + 3*3 + x=
u.w = 7 + 24 + 9 + 18 + 6 + 12 + 0 + 12 + 5 + 0 + 8 + 9 + x = 110 + x . Logo, x = 0,
para que o resultado seja um mltiplo de 10.
Exemplo 2. O cdigo de barras de um apagador 7 897 424 009 11 x. Calcular o
dgito x.
Soluo: u = ( 7, 8, 9 , 7 , 4 , 2, 4 , 0 , 0 , 9 , 1 , 1 , x )
Fazemos o produto escalar pelo vetor de pesos w=(1,3,1,3,1,3,1,3,1,3,1,3,1).
43
u.w = 7*1 + 8*3 + 9*1 + 7*3 + 4*1 + 2*3 + 4*1 + 0*3 + 0*1 + 9*3 + 1*1 + 1*3 + x=
u.w = 7 + 24 + 9 + 21 + 4 + 6 + 4 + 0 + 0 + 27 + 1 + 3 + x = 106 + x
Logo, devemos ter x = 4, pois 110 mltiplo de 10.
Aplicao 2. O cdigo ISBN ( International Standard Book Number )
Os livros editados recentemente so identificados por um cdigo, chamado ISBN, que
que tem dez dgitos, representados por a1a2...a9a10. Os primeiros nove dgitos
identificam o pas de origem, a editora, e outras informaes sobre o livro. O dcimo
dgito, chamado de dgito de verificao calculado usando tambm o produto
escalar, anlogo ao do cdigo de barras, da seguinte forma:
Suponhamos que o ISBN de um livro seja a sequencia a1a2...a9a10. Definimos
o vetor u=(a1 , a2 , ... , a9). O vetor de pesos do sistema ISBN o vetor w =
(1,2,3,4,5,6,7,8,9). Fazemos o produto escalar do vetor u pelo vetor w. Resulta:
u.w = a1 + 2a2 + 3a3 + 4a4 + 5a5 + 6a6 + 7a7 + 8a8 + 9a9
Agora, divide-se este resultado pelo nmero 11. O resto da diviso o dcimo
dgito. Caso o resto seja igual a dez, o dgito x.
Exemplo 3. O livro ANTON, H. lgebra Linear Contempornea tem ISBN 85 363
0615 7. Verificar se est correto.
Soluo: u = (8, 5, 3, 6, 3, 0, 6, 1, 5 )
w =(1, 2, 3, 4, 5, 6, 7, 8, 9) o vetor de pesos
u.w = 8*1 + 5*2 + 3*3 + 6*4 + 3*5 + 0*6 + 6*7 + 1*8 + 5*9 = 161.
Dividindo 161 por 11, obtemos 14 e resto 7. Portanto, o ltimo dgito 7, o
ISBN est correto.
Exemplo 4. O livro STEWART, Clculo, Volume 1, tem ISBN igual a 852 110484 0.
Verificar se est correto.
Soluo: u = (8, 5, 2, 1, 1, 0, 4, 8, 4 )
w =(1, 2, 3, 4, 5, 6, 7, 8, 9) o vetor de pesos
u.w = 8*1 + 5*2 + 2*3 + 1*4 + 1*5 + 0*6 + 4*7 + 8*8 + 4*9 = 165
Como 165 um mltiplo de 11, o ltimo dgito igual a 0. Portanto, o ISBN dado
est correto.
Exemplo 5. Calcular o dgito de verificao do ISBN do livro KREYSZIG,
Matemtica Superior, Vol. 3, sabendo que os primeiros nove dgitos so 85 216 0355.
Soluo:
u = (8, 5, 2, 1, 6, 0, 3, 5, 5 )
w = (1, 2, 3, 4, 5, 6, 7, 8, 9) o vetor de pesos
44
u.w = 8*1 + 5*2 + 2*3 + 1*4 + 6*5 + 0*6 + 3*7 + 5*8 + 5*9 = 164
Divide-se 164 por 11. O resultado igual a 14, com resto igual a 10. Logo, o
dgito de verificao X.
Exerccios.
1.Calcular as coordenadas do vetor v=( 3, 5) na base B={(1,2),(2,1)}.
2. Dado o vetor vB = (2, 2, 1) na base B={(1,1,1),(1,1,0),(1,0,0)} expressar este
vetor na base cannica do R3 .
3. Verificar se o conjunto B={(1,1,3),(2,3,6),(3,4,9)} ou no base do R3.
4. Verificar se o conjunto B = {(1,1,1,3),(0,0,1,4),(1,0,5,9),(1,0,9,4)} ou no base
do R4. Calcular as coordenadas do vetor (6, 2, 33, 31) na base B.
5. Verificar se o conjunto B = {(0,0,1,4),(1,0,5,9),(1,0,9,4)} LI ou LD.
6 . O conjunto B={(1,1,1),(1,1,0)} LI. Adicionar um terceiro vetor no-nulo a este
conjunto de modo que o conjunto resultante seja ortogonal.
7. Normalizar o conjunto B ={(1,2),(2,1)}.
8. Calcular as coordenadas do vetor v=(7,7,7) na base B={(1,1,1),(1,1,0),(1,0,0)}.
9. Calcular as coordenadas do vetor v=(2,6) na base B={(1,1),(1,1)} . Representar
graficamente.

1. Suponhamos (3,5) = a(1,2) + b(2,1)
(3,5) = ( a, 2a) + (2b, b) =
(3,5) = ( a 2b, 2a +b)
Igualando as coordenadas, resulta o sistema :
a 2b =3
2a + b = 5
Cuja soluo a = 2.6 e b = 0.2 . Assim, as coordenadas do vetor v= (3,5) na base
B={(1,2) , (2,1)} so (2.6 , 0.2). Notao vB = ( 2.6 , 0.2 )
2. v = 2(1,1,1) 2(1,1,0) 1(1,0,0) = ( 2,2,2) (2,2,0)(1,0,0) = ( 1,0,2)
3. O conjunto B no base do R3, pois um conjunto Linearmente Dependente, j
que o determinante formado pelos vetores igual a zero. Observe que u3 = u1 + u2.
4. Primeiro, devemos mostrar que o conjunto Linearmente Independente. A matriz
M formada pelos vetores tem det(M) = 11. Logo, o conjunto LI. Como a dimenso
45
do espao vetorial R4 igual a 4, este conjunto uma base. As coordenadas do vetor v

na base B so vB = ( 2 , 1, 1 , 3) .
5. Se o conjunto for LD, ento deve haver uma combinao linear entre os vetores,
por, exemplo :
(0,0,1, 4) = a(1,0,5,9) + b(1,0,9,4)
(0,0,1, 4) = ( a ,0 ,5a , 9a) + (b ,0 , 9b ,4b)
(0,0,1, 4) = ( a + b, 0, 5a +9b , 9a+4b )
Igualando as coordenadas correspondentes, resulta o sistema :
a +b = 0 5a +9b =1
9a+4b = 4
Como este sistema no tem soluo, significa que o conjunto de vetores LI

(Linearmente Independente).
6. Suponhamos que o terceiro vetor seja o vetor ( a, b, c ) . Para que o conjunto seja
ortogonal, o produto escalar deve ser igual a zero, entre cada par de vetores diferentes.
Assim: (1,1,1)(a,b,c) = 0 e (1,1,0)(a,b,c) = 0. Desenvolvendo o produto escalar,
resulta: a + b + c = 0 e a + b = 0 . O sistema acima tem a soluo b = a , c = 2a,
onde a R. Escolhendo a = 1, resulta b = 1 e c = 2. Assim, o conjunto resultante B
= {(1,1,1),(1,1,0),(1,1,2)}.
7. Basta dividir cada vetor pelo seu mdulo. O conjunto fica B={ (0.4472, 0.8944)
, (0.8944, 0.4472)}.
8. Devemos supor (7 , 7 , 7 ) = a(1,1,1) + b(1,1,0) + c(1,0,0)}, e resolver o sistema
correspondente.
Montando e resolvendo o sistema, resulta a = 7,
coordenadas de v na base B so vB=(7, 14, 14.).
b = 14, c =14. Assim, as
9. Analogamente ao exerccio 8, chegamos a vB= ( 4,2) .
vB
4u1
2u2
46
CAPTULO 6. TRANSFORMAES LINEARES E

REPRESENTAO MATRICIAL
Sejam V e W espaos vetoriais; T: V W uma transformao linear se T satisfaz
as duas seguintes propriedades:
i)
T ( u + v ) = T(u) + T(v) , para quaisquer u e v V
ii)
T(au) = aT(u) , para qualquer a R e u V.
Exemplo de uma transformao linear T : R R , onde T(x) = 2x .

Neste exemplo, estamos considerando o conjunto dos nmeros reais como um
espao vetorial. A transformao definida por T(x)=2x. Assim, T(x+y)=
2(x+y) = 2x + 2y = T(x) + T(y) e T(ax)=2(ax)=a(2x)=aT(x). Logo, T uma
transformao linear.
Exemplo de uma transformao no-linear. T: R R, onde T(x) = 2x + 3.
Para mostrar que esta transformao no linear, basta mostrar um par de
vetores de R para os quais T(x+y) T(x)+T(y).Por exemplo, x = 2 e y = 4;
T(2 + 4) = T(6) = 15 e T(2)+T(4) = 7+11= 18.
Assim, T(2+4) T(2) + T(4). Logo, esta transformao no linear.
Propriedade de uma transformao linear. Se T: V W uma transformao
linear do espao vetorial V no espao vetorial W, ento T(0) = 0. Assim, no exemplo
2, como T(0) = 3, T no uma transformao linear, de acordo com a definio
acima.
Representao matricial de uma transformao linear
Uma transformao linear T: Rn Rm pode ser representada na base cannica por
uma matriz Amxn. Neste texto, sempre sero consideradas as bases cannicas do Rn.
Notao: A ou [T].
Assim, se A a matriz que representa a transformao linear T, o clculo de T no
vetor v equivale a multiplicao matricial de A por v, ou seja, : T(v)=Av.
Exemplo 1. T: R2 R3 definida por T(x,y)=(x+y, xy, 2x); calculando a imagem
dos vetores da base cannica, obtemos T(1,0)=(1,1,2) e T(0,1)=(1,1,0), logo a matriz
1 1
de T a matriz A = 1 1 . Nesta notao, a transformao T(v) interpretada
2 0 3 x 2
x
como a multiplicao de A pelo vetor v= :
y
47
x + y
1 1
x
x y = 1 1 . Assim, a matriz que representa esta transformao
y
2x
2 0
1 1
1 1
A= 1 1 ou [T]= 1 1
2 0 3 x 2
2 0 3 x 2
Exemplo 2. T : R2 R2 definida por T(x,y)=(x+3y,4x+2y); calculando a imagem
dos vetores da base cannica, obtemos T(1,0)=(1,4) e T(0,1)=(3,2) ,logo a matriz de T
1 3
A=
. Nesta notao, a transformao interpretada como a multiplicao
4 2 2 x 2
x
de A por v = , isto ,
y
x + 3y 1 3 x
=

4x + 2y 4 2 y
Por exemplo, T(1,1) = ( 1+3, 4+2) = (4,6)
1 3 1 1 + 3
=
ou
=
4 2 1 4 + 2
4

6
Exemplo 3 .T: R3 R3 definida por T(x,y,z)= ( x+y+z , x+y+2z, xy) .
1 1 1
Na base cannica do R , a matriz de T A = 1 1 2 . Nesta notao, a
1 1 0
x
transformao interpretada como a multiplicao de A por v = y .
z

3
Exemplo 4. A transformao linear T: R3 R3 tem representao matricial igual a

1 0 4
1 2 3 . Calcule T(1,4,7).
0 2 4
1 0 4 1 29

Soluo : w = T(1,4,7); w = 1 2 3 4 = 14
0 2 4 7 36
29
Logo, T(1,4,7) = (29, 14, 36) ou como vetor-coluna, w = 14

36
Exemplo 5. Seja T: R2 R2 uma transformao linear tal que T(1,0)=(2,5) e

T(0,1)=( 4,1). Calcular T(x,y).
Soluo : na base cannica, (x,y) = x(1,0) + y(0,1)
48
T(x,y)=T(x(1,0) + y(0,1))=xT(1,0)+yT(0,1)=x(2,5)+y(4,1)
T(x,y)=( 2x 4y, 5x+y)
2 4
A matriz de T a matriz A =
. Observe que as colunas da matriz A so as
5 1
imagens dos vetores da base cannica. Esta propriedade vale em geral.
Exemplo 6. Dada a transformao T do exemplo 2, calcular a lei da transformao
linear L: R2 R2 , dada por L(x,y)= T10(x,y).
1 3
Soluo: A matriz de T A =
.
4 2
4185853 4184829
Calculando A10, resulta A10=
. Logo, a lei da transformao
5579772 5580796
L(x,y)=(4185853x+4184829y, 5579772x+5580796y) .
Exemplo 7. A transformao T que efetua uma rotao do plano por um ngulo ( em
cos( ) sin( )
radianos2 ) representada pela matriz T=
. Por exemplo, a
sin( ) cos( )
cos(pi/4) sin(pi/4)
rotao do plano de um ngulo de 45 dada pela matriz
. Se
sin(pi/4) cos(pi/4)
cos( / 4) 0 2 / 2
.,
=
sin( / 4) + 0 2 / 2
u=(1,0), ento a imagem de u o vetor v=T*u ==

representados graficamente na figura abaixo.
radianos equivale a 1800 . Portanto, x graus equivale a y =
x
radianos.
180
49
6.1. TRANSFORMAES LINEARES PLANAS

apresentado um estudo das principais transformaes lineares planas, e sua
representao matricial na base cannica. A imagem de algumas figuras geomtricas
obtida, e os clculos so realizados no Matlab.
1 0
1. Simetria em relao ao eixo x T(x,y) = (x,y ). A matriz T=
.
0 1
Para visualizar a simetria no plano, fazemos no Matlab o polgono com vrtices nos
pontos (0,1), (2,1), (2,2), (1,2) , (1,4), (0,4) e (0,1). Cada vrtice corresponde a um
vetor do plano. Para tanto, so criados dois vetores: o vetor x contando as abscissas e
o vetor y contendo a ordenada de cada ponto. Os pontos (0,0) e (4,0) so tambm
esboados na figura para deslocar a origem do sistema. Para aplicar a transformao T
no polgono, definimos a matriz T, criamos a matriz M=[x;y], calculamos o produto
N=T*M, que equivale a calcular a transformao em cada vetor. Aps, selecionada
a primeira linha de N, que define x1, e a segunda linha de N, que define y1. As
posies correspondentes de x1 e y1 so os vrtices do polgono resultante da
transformao linear.
>> x=[0,2,2,1,1,0,0];
>> y=[1,1,2,2,4,4,1];
>>x2=[0,4];y2=[0,0];
>> plot(x,y,x2,y2)
>> T=[1 0 ; 0 -1];
>> M=[x;y];
>>N=T*M
>>x1=N(1,:);y1=N(2,:);
>> plot(x,y,x1,y1,x2,y2)
50
Para visualizar somente o polgono transformado, executar o comando >>plot(x1,y1).
2. Expanso ( ou contrao ) uniforme T(x,y) = (ax, ay).

2 0
Por exemplo, com a = 2, T(x,y) = (2x, 2y). A matriz T =
.
0 2
Neste exemplo, vamos calcular a imagem do quadrado unitario por esta transformao
linear, com a seguinte sequencia de comandos no Matlab:
>> x=[0,1,1,0,0];
>> y=[0,0,1,1,0];
>> T=[2 0; 0 2];
>> M=[x;y]
>>N=T*M
>>x1=N(1,:);y1=N(2,:);
>> x2=[0,2];y2=[0,0];
>> plot(x,y,x1,y1,x2,y2)
51
1 0
3. Reflexo na origem T(x,y) = ( x, y ). A matriz T=
.
0 1
A sequencia de comandos para visualizar o efeito no quadrado unitario :
>>x=[0,1,1,0,0];
>> y=[0,0,1,1,0];
>> T=[1 0; 0 1];
>> M=[x;y]
>>N=T*M
>> x1=N(1,:);y1=N(2,:);
>> plot(x,y,x1,y1)
4. Rotao de um ngulo ( no sentido antihorario )
52
T(x,y) = (xcos ysen, xsenysen)

cos( ) sin ( )
A matriz de T T=
.
sin ( ) cos( )
Um caso particular a rotao de /4 rad, no sentido antihorario.
>>x=[0,1,1,0,0];
>> y=[0,0,1,1,0];
>> T=[cos(pi/4) sin(pi/4); sin(pi/4) cos(pi/4)];
>> M=[x;y]
>>N=T*M
>> x1=N(1,:);y1=N(2,:);
>> plot(x,y,x1,y1)
5. Cisalhamento horizontal de fator : T(x,y) = ( x+y , y)

1 2
Por exemplo, com =2, T(x,y) = ( x + 2y , y ). A matriz T=
.
0 1
>>x=[0,1,1,0,0];
>> y=[0,0,1,1,0];
>> T=[1 2;0 1];
53
>> N=T*M
N=
>> x1=N(1,:);y1=N(2,:);
>> plot(x,y,x1,y1)
6. Composio: Rotao antihoraria de /4 seguida de uma dilatao de fator 2.

Temos:
cos(pi/4 ) sin (pi/4 )
T1=
sin (pi/4 ) cos(pi/4 )

2 0
T2=
0 2
matriz da rotao de /4
matriz da dilatao de fator 2
2 0 cos(pi/4 ) sin (pi/4 )

T= T2T1 =
=
0 2 sin (pi/4 ) cos(pi/4 )
2cos(pi/4 ) sin (pi/4 )

sin (pi/4 ) 2cos(pi/4 )
54
Exerccios. Transformaes Lineares

1. Seja T: R2 R2 a transformao linear T(x,y)= (2x+2y,x+5y). Calcule T(0,0),
T(1,1) , T(T(2,4)). Deduza uma regra prtica para calcular T(T(x,y)).
2. Seja T: R2 R2 a transformao linear T(x,y)= (2x+2y,x+5y). Calcule os
vetores v=(x,y) tais que T(x,y)=(0,0).
3. Sejam T1: R2 R2 , T1(x,y)= (2x+2y,x+5y) e T2: R2 R2 , T2(x,y)= (x+y,x
2y). Calcule T1(T2(3,4)) ; calcule T2(T2(3,4)); calcule T2(T2(T2(T2(3,4)))). Qual a
maneira mais rpida de efetuar este clculo ?
4. Seja T: R2 R2 dada por T(x,y) = (x+2y, y) . Calcule T(0,0),T(1,0), T(1,1) e
T(0,1).
5. A transformao que efetua uma rotao de um ngulo ( no Matlab, deve ser dado
cos() sin()
em radianos3 ) no R2 representada pela matriz A =
. Calcule a
sin(
)
cos(
imagem do vetor u=(3/5, 4/5) por uma rotao de 600 do plano. Representa
geometricamente. Compara o mdulo de u com o mdulo de T(u).
radianos equivale a 1800 . Portanto, x graus equivale a y =
x
radianos.
180
55
cos() sin() 0
6.A matriz A = sin() cos() 0 uma transformao linear do R3 no R3 que
0
0
1
representa uma rotao em torno do eixo z por um ngulo .
a) Se u = ( 2, 0, 4) , qual a imagem de u por uma rotao de 900 em torno do eixo z ?
Calcule no Matlab e represente graficamente no R3. Calcule o mdulo de T(u) e
compare com o mdulo de u.
b) Se u = ( 1, 0 , 1) , qual a imagem de u por uma rotao de 450 em torno do eixo z ?
Calcule no Matlab e represente graficamente no R3. Calcule o mdulo de T(u) e
compare com o mdulo de u.
3/ 7 2 / 7 6 / 7
7. Seja T: R R dada pela matriz A= 6 / 7 3 / 7 2 / 7 . Calcule w=T(1,2,3)
2 / 7 6 / 7 3 / 7
e compare | (1,2,3) | e | T(1,2,3) |. O que observa ?
3
8. Seja T: R3 R3 , uma transformao linear tal que T(1,0,0)=(2,3,4), T(0,1,0)=(1,

1,2) e T(0,0,1)=(1,2,0). Calcule a matriz de T e T(3,4,5).
Exerccios sobre transformaes planas. Nos exerccios 1 at 3 abaixo, determinar a
matriz da transformao plana que satisfaz as propriedades dadas em cada item. Fazer
o grfico da imagem do quadrado unitrio para cada Transformao Linear:
1. T(1,0) = (2,0) e T(0,1) = ( 0,1).
2. T(1,0) = (1,1) e T(0,1) = (0,1)
3. T(1,0) = (2 2 ; 2 ) e T(0,1) = ( 2 ; 2 2 )
Nos exerccios 4 at 6, a transformao linear descrita atravs de suas propriedades.
Determine a matriz da transformao.
4. T uma contrao de fator 1/2 seguido de um cisalhamento de horizontal de
fator 3.
5. T uma dilatao de fator 3, seguido de uma rotao de /2 radianos, seguida
de um cisalhamento horizontal de fator 1.
6. T uma transformao em que o vetor (1,0) um autovetor com autovalor
=3 e o vetor (0,1) um autovetor com autovalor =1.
Nos exerccios 7 at 10, aplique a transformao no polgono dado e represente a
imagem graficamente.
7. Polgono com vrtices nos pontos (1,0), (1,4), (3,4), (3,5), (3,5) , (3,4),
(1,4), (1,0) e (1,0). Obtenha a imagem deste polgono pela aplicao de um
cisalhamento de fator =1.
56
8. Polgono com vrtices nos pontos (0,0),(2,0),(2,1),(1,1),(1,3),(0,3),(0,0).

Obtenha a imagem deste polgono pela aplicao de uma rotao antihoraria
de 60o.
de 60o, seguida de um contrao de fator 1/2.
de 60o, seguida de um contrao de fator 1/2, seguida de um cisalhamento de
fator =3.
Respostas dos exerccios ( Transformaes Lineares ):

1.T(0,0) = (0,0) ; T(1,1)=(4,4) ; T(T(2,4))=(60,78)
2. O nico vetor cuja imagem o vetor nulo o vetor nulo.
3. T1(T2(3,4))=( 4, 32) ; T2(T2(3,4)) =(2, 17); T24(3,4)=(13,83) Se A a matriz de
T, basta fazer A4 multiplicado por u=(3,4).
4. T(0,0)=(0,0) , T(1,0) = (1,0) , T(1,1)=(3,1) e T(0,1)=(2,1).
cos( / 3) sin( / 3)
5. A matriz de T a matriz
;
sin( / 3) cos( / 3)
u = ( 0.6 , 0.8). T(u)=(0.3928 , 0.9196);
|u|=1 e
| T(u) | = 1.
(0.39 , 0.9)
(0.6 , 0.8)
6. a) u = (2,0,4) ; v=T(u)= (0,2,4) , | u | = | v | = 4.4721

b) u = (1,0,1) ; v = T(u) = (0.7071 , 0.7071, 1). | u | = | v | = 1.4142.
57
z
z
(1,0,1)
(0,2,4)
(0.7, 0.7, 1)
(2,0,4)
Soluo do item a.
Soluo do item b.
3/ 7 2 / 7 6 / 7
7. . Seja T: R R dada pela matriz A= 6 / 7 3 / 7 2 / 7 . Calcule
2 / 7 6 / 7 3 / 7
w=T(1,2,3) = ( 3.5714 , 0.8571 ; 0.7143 ) . Vemos que | u | = 3.74 e | T(u) | = 3.74.
3
2 1 1
8. A matriz de T a matriz [T]= 3 1 2 e T(3,4,5)=( 5 , 15 , 20).
4 2 0
58
CAPTULO 7. AUTOVALORES E AUTOVETORES
Definio de autovalor e autovetor. Seja T: Rn Rn uma transformao linear. Se

existe um vetor no-nulo v tal que T(v)=v, para algum escalar , ento dito um
autovalor da transformao linear e cada vetor no-nulo v tal que T(v)=v dito um
autovetor da transformao linear, associado a . Como a cada Transformao Linear
T: Rn Rn corresponde uma matriz Anxn que a representa, os valores de e v da
definio acima so chamados tambm de autovalor ( valor prprio ) e autovetor (
vetor prprio ) da matriz A, respectivamente.
Exemplo 1. Verificar que o vetor v=(1,1) um autovetor da transformao T: R2
R2 dada por T(x,y)=(2x+2y,x+5y), associado ao autovalor =4.
2 2
1
a matriz de T A =
. Multiplicando por v = , obtemos:
1 5
1
2 2 1 2 + 2 4
1
1 5 1 = 1 + 5 = 4 = 4 1 .
Soluo:
Resumindo: T(v) = 4v, onde v=(1,1), ou equivalentemente, Av = 4v.
T(v)=4v
v
x
x
Figura 6. O vetor v=(1,1) .
Figura 7. O vetor T(v) = 4v.
Exemplo 2. Verificar que o vetor v=(4,2) um autovetor da transformao

T:R2 R2 dada por T(x,y)=(2x+2y,x+5y), associado ao autovalor =3.
2 2
4
Soluo: a matriz de T A =
. Multiplicando por v= , obtemos:
1 5
2
2 2 4 8 + 4 12
4
1 5 2 = 4 + 10 = 6 = 3 2 .

59
Resumindo: T(v) = 3v, onde v=(4,2), ou equivalentemente, Av=3v.

Exemplo 3. A rotao de 45o no plano xy no tem nenhum autovetor.
y
y
T(v)
60
7.1. CLCULO DOS AUTOVALORES E AUTOVETORES
Para o clculo dos autovalores e autovetores de uma transformao linear T: Rn Rn

representada pela matriz A, devemos resolver a equao Av= v, ou seja, Av = Iv,
onde I a matriz identidade nxn. A ltima igualdade equivale a equao vetorial (A
I)v = 0. Isto , devemos procurar solues no-triviais do sistema homogneo de
equaes e n incgnitas (A I) v = 0 .
Para que tal ocorra, a matriz A I deve ser singular ( det(A I)=0 ), isto , os
autovalores da matriz A so as razes da equao det(A-) =0, chamada de equao
caracterstica de A. Os autovetores associados ao autovalor formam o espaosoluo ou auto-espao de A associado a .
Resumindo: para calcular os autovalores de uma Transformao Linear T: Rn Rn
representada pela matriz A, calculamos as razes da equao caracterstica det(A-I)=
0 , que uma equao de grau n. Depois, para cada autovalor calculado, o autovetor
determinado pela soluo no-trivial do sistema (A I) v = 0 .
Exemplo 4. Calcular os autovalores da transformao linear T: R2 R2 dada por
T(x,y)=( 2x+2y, x+5y ). Determinar os autoespaos associados.
1 0
2 2
Soluo: neste caso n = 2, logo I =
; A=
. A equao caracterstica
0 1
1 5
2
2
det(AI) = 0, ou seja,
= 0. Resulta: (2)(5)+2=0, ou seja,
1 5
27 + 12 = 0, donde, os autovalores so = 3 ou = 4.
No Matlab: para obter o polinmio caracterstico da transformao, basta definir a
matriz T e usar o comando poly(T). Os autovalores so obtidos pelo comando
roots(poly(T)).
2 2
Resultados do Matlab para o exemplo acima: T =
1 5
poly(T) = 1 7 12
roots(poly(T)) = 4
Traduzindo: o polinmio caracterstico de T p() = 2 7 + 12 e a equao

caracterstica de T 2 7 + 12 = 0 ; os autovalores de T so = 4 e = 3. Para
obter os autovetores, devemos calcular para cada autovalor diferente.
Para = 4 , o autovetor v = (x,y) (0,0) deve satisfazer T(x,y) = 4(x,y), ou seja
(2x+2y,x+5y) = ( 4x, 4y ) . Igualando as coordenadas correspondentes, resulta:
2x + 2y = 4x
x + 5y = 4y
A soluo deste sistema 2x = 2y , isto , x = y. Assim, todo vetor em que a
primeira coordenada igual a segunda um autovetor associado a = 4 . Por
exemplo, se v = ( 2 , 2 ) , ento T(v) = T(2,2) = ( 2*2+ 2*2, 2+ 5*2) =(8,8) = 4(2,2).
Portanto, o autovetor associado ao autovalor = 4 o autovetor v = x(1,1) , x 0, ou
simplesmente, v = ( 1 , 1). Se tomarmos o conjunto de todos os mltiplos do vetor
(1,1) , teremos a reta y = x, que passa pela origem do R2 e um subespao vetorial do
R2, chamado de autoespao associado ao autovetor v = (1,1) . Um autovetor
) .
normalizado v = ( 1 , 1
2
2
Para = 3 , o autovetor v = (x,y) (0,0) deve satisfazer T(x,y) = 3(x,y) , ou seja,
(2x+2y,x+5y) = ( 3x, 3y ) . Igualando as coordenadas correspondentes, resulta :
2x + 2y = 3x
x + 5y = 3y
A soluo deste sistema x = 2y. Logo, v = x (2,1) , x 0 , o autovetor associado
ao autovalor = 3. Por exemplo, se v = ( 4,2 ) , ento T(v) = T(4,2) = (2*4 + 2*2, 4
+ 5*2) = ( 12, 6 ) = 3( 4,2) , isto , T(v)=3v. O autoespao associado a reta que passa
pela origem e tem a direo do vetor v = ( 4,2) .
CLCULO NO MATLAB
No Matlab, os autovalores e autovetores de uma matriz T so obtidos com o comando
[ P, D ] = eig( T ) . Os autovetores so dados na forma normalizada. No exemplo
acima, se T = [ 2 2; 1 5] , o comando [P,D] = eig(T) resulta :
P=
0.8944 0.7071
0.4472 0.7071
D=
3
Interpretao: temos o autovalor = 3 associado ao autovetor v1 = ( 0.8944 ,

0.4472 ) e o autovalor = 4 associado ao autovetor v2 = ( 0.7071 , 0.7071 ).
Esta a forma normalizada, usada pelo Matlab, onde os autovetores so unitrios.
Traduo. A forma mais usual escrever:
autovalor = 3
associado ao autovetor v1 = (2 , 1 )
autovalor = 4
associado ao autovetor v2 = (1 , 1 )
62
Exemplo 5. Diagonalizao
2 2
No exemplo 4, vimos que
tem autovalor = 3 associado ao autovetor
1 5
v1=(0.8944,0.4472) e autovalor =4 associado ao autovetor v2=(0.7071,0.7071).
Defina a matriz P cujas colunas so os autovetores:
e calcule P1*T*P. O
resultado chamado de diagonalizao da transformao. Significa que se tomarmos
como base do R2 o conjunto B={v1,v2} a transformao representada pela matriz
3 0
diagonal D=
. No Matlab, a matriz P obtida diretamente com o comando
0 4
[P,D]=eig(A).
Exerccios.
1. Calcule TEORICAMENTE e no Matlab os autovalores e autovetores da
transformao linear T : R2 R2 dada por T(x,y) = ( 14x + 12y, 20x + 17y) .
Calcule o polinmio caracterstico de T, os autovetores na forma normalizada,
associados a cada autovalor. Depois, escreva identificando a proporo entre as
coordenadas, como na traduo ( exemplo acima ).
2. Calcular TEORICAMENTE e no Matlab os autovalores da transformao linear T
: R2 R2 dada por T(x,y) = ( x + 3y, 4x + 2y) . Calcule o polinmio
caracterstico de T, os autovetores na forma normalizada, associados a cada
autovalor.
3. Considere a transformao linear T: R2 R2, dada por T(x,y) =(x,x+2y) . Escreva
o polinmio caracterstico de T. Calcule os autovalores e autovetores de T.
Diagonalize T, como no exemplo 5.
1
0
4. Verifica se v = autovetor da matriz A=
1

0
afirmativo, identifica o autovalor correspondente.
0
1
0
0
. Em caso
1 2 0
0 0 1
0
0
2
1
5. Calcule no Matlab
4 0
matriz M= 2 1
2 0
o polinmio caracterstico, os autovalores e autovetores da

1
0 . Escreva os autovetores na forma normalizada, e na forma
1
usual, associados a cada autovalor.
63
6. Calcule o polinmio caracterstico, os

1 0
2 4
linear representada pela matriz 1 3
0 4
0 0
autovalores e autovetores da transformao

0 0 0
0 1 0
5 0 0 .
5 7 9
2 5 9

1. O polinmio caracterstico de T p() = 2 3 + 2. Os autovalores so 1 = 1
associado ao autovetor v1 = ( 0.6247 , 0.7809) , e 2 = 2, associado ao autovetor
v2= ( 0.6 , 0.8 ) . Na forma usual, temos :
1 = 1 associado ao autovetor v1 = ( 1 , 1.25) e
1 = 2 associado ao autovetor v2 = ( 3 , 4 ).
2. Equao caracterstica : 2 3 10 =0, resultante de det( A I)=0. Temos:
autovalores 1 = 2 e 2 = 5 , associados aos autovetores v1 = ( 1, 1 ) e v2=(3,4) ,
respectivamente. Os autovetores na forma normalizada podem ser obtidos no Matlab.
1 0
3. A matriz de T T =
. O polinmio caracterstico de T p() = 2 3 + 2.
1 2
Os autovalores so 1 = 1 associado ao autovetor v1 = ( 0 , 1 ) , e 2 = 2, associado
ao autovetor v2= ( 0.7071 , 0.7071 ) . Na forma usual, temos :
1 = 2 associado ao autovetor v1 = ( 0 , 1) e
1 = 1 associado ao autovetor v2 = ( 1 , 1 ).
4. O vetor v uma autovetor da matriz A, pois Av = 2v. Neste caso, o autovalor
associado = 2.
5. O polinmio caracterstico de M p() = 3 62 +11 +6. Os autovalores so
1=1, associado ao autovetor v1=(0,1,0), 2 = 3 associado ao autovetor v2=(0.5774,
0.5774, 0.5774) e 3 = 2, associado ao autovetor v3=(0.3333, 0.6667, 0.6667 ) . Na
forma usual, temos: autovalor 1 = 1, associado ao autovetor v1=(0,1,0) ,
autovalor 2 = 3, associado ao autovetor v2=(1,1,1) e
autovalor 3 = 2, associado ao autovetor v3 =(1, 2 , 2 ).
6. O polinmio caracterstico de A p() = 5 264 + 2113 7092 + 982 459.
Autovalores e autovetores associados abaixo.
Autovalor
Autovetor
1 = 14.5219
v1= (0 , 0.07, 0.02 , 0.74 , 0.66)
64
2 = 1.6248
v2= (0 , 0.32, 0.29 , 0.77 , 0.44)
3 = 4.0498
v3= (0 , 0.28, 0.88 , 0.01 , 0.37)
4 = 4.8035
v4= (0 , 0.05, 0.87 , 0.04 , 0.47)
5 = 1
v5= (0.40 , 0.008, 0.09 , 0.78 , 0.46)
7.2 APLICAO: VETOR DE EQUILBRIO

Em alguns casos, a aplicao sucessiva de uma transformao linear gera uma
seqncia de vetores que converge a um vetor fixo, chamado de vetor de equilbrio.
Isto pode ocorrer em algumas aplicaes ( por exemplo, em Cadeias de Markov ) ,
onde se procura o estado de equilbrio de uma distribuio de fatias de mercado, veja
em Ben Noble. Para ilustrar esta aplicao, calculamos as iteradas de uma
transformao linear num dado vetor u0, e analisamos o limite lim T n (u 0 ) . Estudando
n
os autovalores e autovetores da transformao ( ou da matriz que a representa ) ,

podemos justificar o que acontece em cada caso.
Exemplo 1. Um bairro de uma cidade tem duas padarias, A e B. Num determinado
momento, dos clientes da padaria A, 20 % permanecem como clientes de A, enquanto
80% passam a ser clientes de B. Dos clientes de B, 40 % permanecem como clientes
de B, enquanto os demais passam a ser clientes de A. Supondo que estes percentuais
so fixos no tempo, e que inicialmente cada padaria tem metade da clientela,
determinar a distribuio do mercado no futuro.
0 .2 0 .6
Soluo. A matriz que representa o comportamento dos clientes : T =
.
0.8 0.4
De fato, a11=0.2, pois 20% dos clientes de A so fiis a padaria A, enquanto os demais
80% migram para B, o que justifica a21=0.8. O vetor que representa a distribuio
0 .5
inicial u0 = . Assim, a soluo deste problema consiste em verificar se existe
0 .5
ou no um vetor de equilbrio nas iteradas da transformao T.
0 .5
Dado o vetor u0 = , calculamos as iteradas da transformao representada pela
0 .5
0 .2 0 .6
matriz T =
, aplicando sucessivamente esta transformao.
0.8 0.4
Soluo : calculando as cinco primeiras iteradas, obtemos:
0 .2 0 .6 0 .5
u1 = T*u0 =
* =
0.8 0.4 0.5
0 .4

0 .6
65
0 .2 0 .6
u2 = T*u1 =
*
0.8 0.4
0 .4
=
0 .6
0.44
0.56
0 .2 0 .4
u3 = T*u2 =
*
0.8 0.6
0.44
=
0.56
0.424
0.576
0 .2 0 .4
u4 = T*u3 =
*
0.8 0.6
0.424
==
0.576
0.4304
0.5696
0 .2 0 .4
u5 = T*u4 =
*
0.8 0.6
0.4304
=
0.5696
0.4278
0.5722
Tais resultados podem ser obtidos diretamente no Matlab com o seguinte lao, usando
o for ( os resultados vo ser omitidos aqui no texto ):
>> u0=[0.5;0.5] ;
>> T=[0.2,0.6;0.8,0.4] ;
>> for i=1:5
T^i*u0
end
0.4286
. Para
Resumindo, vemos que o as iteradas tendem ao vetor de equilbrio
0.5714
justificar tal resultado, calculamos os autovalores e autovetores da transformao T no
Matlab:
>>T=[0.2,0.6;0.8,0.4];
>>[m,n]=eig(T)
m=
0.7071 0.6000
0.7071
0.8000
n=
0.4000
0
1.0000
Temos : autovalor = 0.2 associado ao autovetor v1=(0.7071, 0.7071), e o

autovalor 2 = 1 , associado ao autovetor v2 = ( 0.6 , 0.8)
66
Tomando a base B ={ (0.7071, 0.7071) , (0.6,0.8) } como base do R2, o vetor

inicial u0= ( 0.5 ; 0.5 ) pode ser escrito como a seguinte combinao linear dos
vetores de B: (0.5 ; 0.5 ) = 0.1010(0.7071, 0.7071) 0.7143(0.6 , 0.8).
Assim, aplicando sucessivamente a transformao linear T no vetor u0, o autovetor v1
multiplicado sucessivamente pelo autovalor 1= 0.4, tendendo ao vetor nulo; por
outro lado, o autovetor v2= (0.6 , 0.8) multiplicado sucessivamente pelo
autovalor 2=1 . Devido a combinao linear do vetor inicial u0= 0.1010v1
0.7143v2, a tendncia, aps um nmero bastante grande, a seqncia das iteradas
convergir para o vetor de equilbrio 0.7143v2 = ( 0.4286 ;0.5714), como verificado
no Matlab.
Exemplo2. Trs leiterias X,Y e Z disputam o mercado numa certa cidade.

Suponhamos que inicialmente, 20% do mercado cliente de X, 30% cliente de Y e
50% cliente de Z. Num dado momento, dos clientes de X, 80% so fiis a X, enquanto
10 % tendem a migrar para Y e os demais 10 % para Z. Dos clientes de Y, 70% so
fiis a Y, enquanto 20% tendem a migrar para X, e os demais para Z. Dos clientes de
Z, 60% so fiis a Z, enquanto 10% tendem a migrar para X, e os demais para Y.
Determinar a distribuio de equilbrio, caso exista e explicar o porqu.
0.2

Soluo. Temos u0 = 0.3
0.5

0.8 0.2 0.1

T= 0.1 0.7 0.3 . As iteradas obtidas pela
0.1 0.1 0.6
aplicao sucessiva resultam:
0.27
u1 = Tu0 = 0.38
0.35
0.327
, u2 = Tu1 = 0.398 , ..., u16 =

0.275
0.45
0.35 .
0.20
Vemos que u17=u16, isto , aps um perodo suficientemente longo, o mercado

estabiliza com uma distribuio de 45%, 35% e 20% de clientes de X, Y e Z,
respectivamente. Os autovalores de T so :1 = 1, associado ao autovetor v1=(0.7448;
0.5793; 0.3310), 2=0.6, associado ao autovetor v2=(1,1,0) e o autovalor 3=0.5,
associado ao autovetor v3=(1; 2;1). Considerando a base do R3 igual a B={v1,v2,v3},
vemos que u0= 0,6042v1+0,7778v2+0,7348v3. Pela aplicao sucessiva de T, a
sequencia converge para o vetor v= 0,6042v1 = ( 0,45 ; 0,35 ; 0,20 ) . Ou seja, o
mercado ter um equilbrio em que 45 % so clientes de X, 35% so clientes de Y e
20 % so clientes de Z.
Exerccios. Calcular as iteradas da transformao dada no vetor inicial dado.
Justificar o resultado obtido, analisando os autovetores e autovalores de T.
0 .4 2
1. T =
,
0.6
0
2
u0 =
3
67
0 .5
u0 =
0 .5
0.8 0.1
2. T =
,
0 .2 0 .9
0.5 0.4 0.6

3. T = 0.2 0.2 0.3 , u0 =
0.3 0.4 0.1
0

1
0

1

u0 = 1
3

3 0 0
4. T = - 2 7 0 ,
4 8 1

0 .4 2
1. T =
,
0.6
0
2
u0 =
3
1 = 0,4
v1 = ( 1 , 0 )
2 = 0,6
v2 = ( 2 , 1 )
Escrevendo o vetor dado u0 = (2, 3 ) como combinao dos autovetores:

( 2, 3) = a( 1, 0 ) + b( 2,1 ) = ( a,0) + (2b, b) = ( a + 2b, b)
a + 2b = 2
b=3
Logo , a = 2 2b = 2 2*3 = 26 = 4
( 2, 3) = ( 4)*( 1,0 ) + 3*(2,1 )
T(2,3) = (4)*T(1,0) + 3*T(2,1)= 4*(0,4)*(1,0)+3*0,6*(2,1) = ( 5,2 ; 1,8)
Aplicando a transformao sucessivas vezes, resultam as iteradas:
u0
u1
u2
u3
u4
u5
u6
u7
u8
5,2
1,52
1,5520
0,6752
0,5075
0,2636
0,1745
0,0982
1,8
1,08
0,6480
0,3888
0,2332
0,1400
0,0840
0,0504
Neste exemplo, as iteradas de T no vetor u0=(2,3) correspondem s combinaes de

multiplicaes sucessivas dos autovetores pelos seus autovalores.Como | 0,4 | = 0,4
68
< 1 e | 0,6| = 0,6 < 1, a multiplicao sucessiva faz com que as iteradas tendam a zero.
0
Escrevemos : lim T n (u 0 ) = .
n +
0
0.8 0.1
2. T =
,
0 .2 0 .9
0 .5
u0 =
0 .5
1 = 0,7
v1 = (1 , 1 )
2 = 1
v2 = ( 1 , 2 )
Escrevendo o vetor dado u0 = (0,5 ; 0,5 ) como combinao dos autovetores:

( 0,5 ; 0,5) = a(1, 1 ) + b( 1,2 ) = (a,a) + (b, 2b) = (a + b, a + 2b)
Resulta o sistema :
a + b = 0,5
a + 2b = 0,5
A soluo : a =
1
1
1
1
e b = . Ento : ( 0,5 ; 0,5) = *( 1, 1 ) + * ( 1,2 )
6
3
6
3
Aplicando a transformao sucessivas vezes, resultam as iteradas:
u0
u1
u2
u3
u4
u5
u10
u15
u20
0,5
0,45
0,415
0,3905
0,3734
0,3613
0,3529
0,3366
0,3339
0,5
0,55
0,585
0,6095
0,6267
0,6387
0,6471
0,6634
0,6661
Aplicar as iteradas de T no vetor u0 = ( 0,5 ; 0,5 ) a mesma coisa que multiplicar

sucessivas vezes o autovetor v1 = (1 , 1 ) por 0,7 e o autovetor v2 = ( 1 , 2 ) por 1.
Logo, a contribuio do autovetor v1 = (1,1 ) tende a desaparecer, pois |0,7| < 1,
1
resultando no limite apenas a parcela que equivale a * ( 1,2 ) . No Matlab, obtemos
3
( 0.3333;0.6667) , o que a mesma coisa. Se escolhermos como vetor inicial um
autovetor da transformao, duas coisas podem acontecer: se o vetor inicial for
mltiplo de v1 , ento as iteradas tendem ao vetor nulo, pois 1= 0,7. Se o vetor inicial
for mltiplo de v2, as iteradas sero iguais ao prprio vetor, pois 2 =1 e tendem ao
prprio vetor. Qualquer outra escolha do vetor inicial com coordenadas positivas cuja
soma seja igual 1, produzir uma seqncia de vetores que tender ao vetor
(0.3333;0.6667), chamado de vetor de equilbrio. Esta propriedade pode ser verificada
experimentalmente no Matlab.
69
3. As iteradas desta transformao tendem ao vetor de equilbrio v=(0.5042, 0.2269,

0.2689), uma vez que seus autovalores so 1 , 0.0414 e 0.2414, associados aos
autovetores.
4. A aplicao sucessiva desta transformao no converge a um vetor de equilbrio,
pois os autovalores de T so 1, 7 e 3. O autovetor associado ao autovalor 1=1 o
autovetor v1= (0,0,1) . Assim, escolhendo um vetor inicial que no seja mltiplo de v1,
a aplicao das iteradas de T deve divergir.
70
CAPTULO 9. DIAGONALIZAO DE UMA MATRIZ
Vimos que toda transformao linear T:Rn Rn tem uma matriz cannica que a
representa. Portanto, podemos associar a cada matriz nxn uma transformao linear do
Rn no Rn. Por exemplo, a matriz
cos( / 4) sin( / 4) 0
T1= sin( / 4) cos( / 4) 0
0
0
1
uma rotao por um ngulo de
/4 em torno do eixo z num sistema de coordenadas
xyz. J a matriz
0.8 0.1
T2 =
0 .2 0 .9
pode ser interpretada como uma matriz de probabilidade que pode ser usada para
descrever o comportamento de uma populao de indivduos divididos em duas
classes( por exemplo, fumantes e no-fumantes). No caso da matriz T2, vimos que
seus autovalores e autovetores so respectivamente: autovalor 1= 0.7, associado com
o autovetor v1 = (1, 1) e autovalor 2 = 1, associado com o autovetor v2 = ( 1 , 2 ).
Isto significa que T2(v1) = 0.7*v1 e T2(v2)=1*v2. Dizemos que a matriz T2 tem uma
base de autovetores, pois os autovetores v1=(1,1) e v2=(1,2) so linearmente
independentes, logo o conjunto {(1,1) , (1,2)} uma base do R2. Relacionado com
esta propriedade, est o conceito importante de diagonalizao de uma matriz. Antes
de vermos como diagonalizar uma matriz, vamos ver dois exemplos de clculo de
autovalores e suas multiplicidades algbrica e geomtrica.
Exemplo 1. Encontrar a multiplicidade algbrica e geomtrica dos autovalores de
2 0 0
A = 1 3 0
3 5 3
Soluo: No Matlab, definimos a matriz A e executamos o comando poly(A):
>> A = [ 2 0 0 ; 1 3 0 ; 3 5 3];
>> poly(A)
ans =
1
21 18
71
Portanto, p() = 3 82 + 21 18. As razes deste polinmio so os autovalores da

matriz A, obtidas pelo comando abaixo:
>> roots(poly(A))
ans =
3.0000 + 0.0000i
3.0000 - 0.0000i
2.0000
Interpretao. Os autovalores da matriz A so = 2 , com multiplicidade algbrica 1 e
= 3 , com multiplicidade algbrica 2.Os autovetores correspondentes podem ser
calculados no Matlab :
>> [m, n] = eig(A)
m=
0
0.1231
0.0000
-0.1231
1.0000 -1.0000
0.9847
n=
3
Interpretao :
Temos o autovalor = 2 associado ao autovetor v = [ 0.1231; 0.1231; 0.9847 ] e o
autovalor = 3 associado ao autovetor v = [ 0; 0 ; 1 ]. Veja que os vetores [ 0 ; 0 ; 1 ]
e [ 0 ; 0 ; 1] so linearmente dependentes, logo, basta considerar apenas um deles.
Portanto, o autovalor = 2 tem multiplicidade geomtrica 1 e o autovalor = 3 tem
multiplicidade geomtrica 1. Isto , a cada autovalor corresponde um sub-espao
vetorial do R3 de dimenso 1 ( uma reta pela origem ), associado ao autovalor, gerado
pelos mltiplos do autovetor.
Exemplo 2. Calcular a multiplicidade algbrica e geomtrica dos autovalores de
0 0 2
A = 1 2 1
1 0 3
Soluo: No Matlab, fazemos:
72
>> A=[ 0 0 -2;1 2 1;1 0 3]

A=
0
-2
>> poly(A)
ans =
1
-5
-4
Interpretao: o polinmio caracterstico de A p() = 3 52 + 8 4. Os

autovalores de A so as razes deste polinmio:
>> roots(poly(A))
ans =
2.0000
2.0000
1.0000
Interpretao: os autovalores de A so = 1 , com multiplicidade algbrica 1 e = 2 ,
com multiplicidade algbrica 2. Para obter os autovetores, fazemos no Matlab:
>> [m,n]=eig(A)
m=
0
-0.8165
0.7071
1.0000
0.4082
0.4082 0.7071
n=
2
Interpretao : Um dos autovalores = 1 , associado com o autovetor [ 0.8165 ;

0.4082 ; 0.4082]; o outro autovalor = 2 , associado aos autovetores [0;1;0] e
[0.7071;0 ;0.7071 ] .Como estes vetores so linearmente independentes, temos = 1
, com multiplicidade geomtrica 1 e = 2 , com multiplicidade geomtrica 2.
73
Isto , o sub-espao associado ao autovalor = 1 uma reta pela origem do R3, que
tem dimenso 1; o sub-espao associado ao autovalor = 2 um plano pela origem
do R3, que tem dimenso 2.
A importncia dos autovalores e autovetores se baseia no seguinte fato: possvel
diagonalizar uma matriz a partir de seus autovetores, como mostra o seguinte mtodo:
Diagonalizao
independentes
de
uma
matriz
Anxn
com
autovetores
linearmente
Passo 1. Calcule os n autovetores linearmente independentes da matriz A, digamos

v1,v2,...,vn.
Passo 2. Forme a matriz P = [v1,v2,...,vn] . Isto significa que cada coluna de P um
autovetor da matriz A.
Passo 3. Calcule a matriz D= P1AP . A matriz D diagonal, sendo que a diagonal de
D formada pelos autovalores i .
0 0 2
Exemplo 3. Diagonalizao da matriz A = 1 2 1
1 0 3
Soluo: Os autovalores e autovetores de A so:
= 1 , associado com o autovetor v1= [ 0.8165 ; 0.4082 ; 0.4082]
= 2 , associado aos autovetores v2=[0;1;0] e v3=[0.7071;0 ;0.7071] (LI)
0.8165 0 0.7071
1
0 uma matriz que diagonaliza a matriz A.
0.4082 0 0.7071
Logo:P=[v1,v2,v3]= 0.4082
No Matlab :
>>[P,D]=eig(A)
P=
0
0.8165
0.7071
1.0000
0.4082
0.4082 0.7071
D=
2
2
74
Observao: as colunas de P esto trocadas em relao ao resultado acima, pois os

autovalores esto em correspondncia. Para efeito da diagonalizao, no h problema
nisto.
>>P=[0 1 0;0.8165 0.4082 0.4082; 0.7071 0 0.7071];
O comando inv(P) nos d a matriz inversa de P , ou seja , P1:
>> inv(P)
ans =
1.0000
1.0000
1.0000
-2.4495
0 -2.4495
-1.4142
0 -2.8284
A matriz diagonal obtida fazendo inv(P)*A*P:

>> inv(P)*A*P
ans =
2.0000
0
1.0000
0 -0.0000
2.0000
Observe que o resultado a matriz D, isto , P1AP = D.

Exemplo 4 . Uma matriz no diagonalizvel.
2 0 0
A matriz 1 3 0 tem autovalores = 2 e 2 = 3 e os autovetores associados so
3 5 3
v1= [ 1; 1; 8 ] e v2 = [ 0; 0 ; 1 ] . Estes autovetores so linearmente independentes,
pois esto associados a autovalores diferentes. Porm, impossvel determinar um
terceiro autovetor LI. Portanto, esta matriz no diagonalizvel.
Matrizes semelhantes. Se A e C so matrizes quadradas de mesma ordem, dizemos
que A e C so matrizes semelhantes se existe uma matriz invertvel P tal que a
igualdade C=P1AP vlida.
Teorema.
a) Matrizes semelhantes tem o mesmo determinante.
b) Matrizes semelhantes tem o mesmo polinmio caracterstico e, portanto, tem
os mesmos autovalores com as mesmas multiplicidades algbricas.
75
Teorema. Uma matriz Anxn com n autovalores distintos diagonalizvel.

Exerccios. Encontre o polinmio caracterstico de cada matriz, calcule seus
autovalores e autovetores correspondentes, a matriz que diagonaliza a matriz dada e
efetue a diagonalizao:
14 12
1. A =
20 17
1 0
2. A =
6 1
1 0 0
3. A = 0 1 1
0 1 1
2 0 2
4. A = 0 3 0
0 0 3
2 0
0 2
5. A=
0
0
0
0
0 0
0 0
3 0
1 3
2 0
0 2
6. A=
0
0
0
0
0 0
5 5
3 0
0 3
Respostas dos exerccios ( soluo no Matlab ) :

14 12
1. A =
20 17
>> clear A
>> clear P;clear D;
>> A=[ 14 12; 20 17] ;
>> [P,D]=eig(A)
P=
0.6247 0.6000
76
0.7809 0.8000
D=
1.0000
0
0
2.0000
>> inv(P)
ans =
25.6125 19.2094
25.0000 20.0000
>> inv(P)*A*P
ans =
1.0000
0.0000
0.0000
2.0000
0.6247 0.6000
A matriz P =
uma matriz que diagonaliza a matriz A. As
0.7809 0.8000
colunas de P so os autovetores da matriz A. A matriz P1*A*P uma matriz
diagonal, cujos elementos so os autovalores da matriz A: P1*A*P = D.
25.6125 19.2094 14 12 0.6247 0.6000 1 0
25.0000 20.0000 20 17 0.7809 0.8000 = 0 2
P1
Equivale a dizer que :
A = P*D*P1 .No Matlab:
>>D=inv(P)*A*P
D=
1.0000
0.0000
0.0000
2.0000
>>P*D*inv(P)
ans =
-14.0000 12.0000
77
-20.0000 17.0000
Observe que a multiplicao PDP1 resulta igual a A, isto , PDP1 = A.
1 0
2. A =
6 1
>> clear A;clear P;clear D;
>> A=[1 0;6 -1]
A=
1
>> [P,D]=eig(A)
P=
0
0.3162
1.0000
0.9487
D=
1
Lembre que : na diagonal da matriz D aparecem os autovalores de A.

>> P1=inv(P)
% um nome para a inversa de m
P1 =
3.0000
1.0000
3.1623
>> clear D;
>> P1*A*P
% verificao da diagonalizao
ans =
1.0000 -0.0000
0
1.0000
78
1 0
Concluso : a matriz A =
diagonalizvel e uma matriz que diagonaliza A
6 1
0 0.3162
3.0000 1.0000
P =
. A inversa de P P1=
.
1 0.9487
3.1623 0.0000
3.0000 1.0000
Verificao :
3.1623 0.0000
1 0
6 1
0 0.3162
1 0.9487 =
1 0
0 1
Equivale a dizer que: A = P*D*P1 .

0 0.3162 1 0 3.0000 1.0000 1 0
1 0.9487 0 1 3.1623 0.0000 = 6 1
P1
1 0 0
3. A = 0 1 1
0 1 1
>> clear A;clear P;clear D;clear P1;A=[1 0 0;0 1 1;0 1 1];
>> [P,D]=eig(A)
P=
0
1.0000
0.7071
0.7071
0
0.7071
0 0.7071
D=
0
>> P1=inv(P)
% a matriz inversa de P
P1 =
0 0.7071
1.0000
0
0
0.7071
0.7071
0
0.7071
79
>> P1*A*P
ans =
0
1 0 0
Concluso: a matriz A = 0 1 1 diagonalizvel e uma matriz que diagonaliza A
0 1 1
1
0
0
a matriz P= 0.7071 0 0.7071 . A inversa de P a matriz P1=

0.7071 0 0.7071
0 0.7071 0.7071
0 0 0
1
0
0 =P1. Na forma diagonal,a matriz fica D= 0 1 0 , pois os
0 0.7071 0.7071
0 0 2
autovalores de A so 1 = 0 , 2 = 1 e 3 = 2. Ento:
P1
0 0.7071 0.7071
1
0
0
0 0.7071 0.7071
1
0 0 0 0
1 0 0 0
0 1 1 0.7071 0 0.7071 = 0 1 0
0 1 1 0.7071 0 0.7071 0 0 2
Equivale a dizer que : A = P*D*P1 .
1
0 0 0 0 0 0.7071 0.7071
1 0 0
0
0 1 1 = 0.7071 0 0.7071 0 1 0 1
0
0
0 1 1
0.7071 0 0.7071 0 0 2 0 0.7071 0.7071
2 0 2
4. A = 0 3 0
0 0 3
>> clear A;clear P;clear D;clear P1; A=[2 0 -2;0 3 0;0 0 3];
>> [P,D]=eig(A)
P=
1.0000
-0.8944
80
1.0000
0
0.4472
D=
2
>> P1=inv(m)
% a matriz inversa de m
P1 =
1.0000
1.0000
2.0000
0
2.2361
2 0 2
Concluso: a matriz A = 0 3 0 diagonalizvel e uma
0 0 3
1 0 0.8944
. A inversa de P a
diagonaliza A a matriz P= 0 1
0
0 0 0.4472
1 0 2.0000
2 0
0 1
0 = P1 . Na forma diagonal, a matriz fica D= 0 3
0 0 2.2361
0 0
autovalores de A so 1 = 2 , 2 = 3 e 3 = 3. Ento : P1* A*P =D
1 0 2.0000 2 0 2 1 0 0.8944
0 1
=
0 * 0 3 0 * 0 1
0
0 0 2.2361 0 0 3 0 0 0.4472
matriz que
matriz P1=
0
0 , pois os
3
2 0 0
0 3 0
0 0 3
Equivale a dizer que : A = P*D*P1 .
2 0 2 1 0 0.8944 2 0 0 1 0 2.0000
0 3 0 = 0 1
* 0 3 0 * 0 1
0
0

0 0 3 0 0 0.4472 0 0 3 0 0 2.2361
2 0
0 2
5. A=
0
0
0
0
0 0
0 0
3 0
1 3
81
>> clear A; clear P;clear D;clear P1;A=[2 0 0 0;0 -2 0 0 ;0 0 3 0 ; 0 0 1 3];

>> [P,D]=eig(A)
P=
1.0000
1.0000
1.0000 -1.0000
0.0000
D=
-2
-2
Temos dois autovetores v1 = [ 1;0 ; 0; 0] e v2 =[0 ; 1; 0;0 ] que so Linearmente

Independentes (LI) associados ao autovalor 1 = 2, portanto , este autovalor tem
multiplicidade algbrica igual a 2 e multiplicidade geomtrica igual a 2; os
autovetores [ 0 ; 0; 0 ; 1 ] e [ 0; 0 ; 0 ; 1] so Linearmente Dependentes (LD) , logo,
devemos considerar apenas um, isto , o autovalor 2 = 3 tem multiplicidade algbrica
igual a 2, mas multiplicidade geomtrica igual a 1. Assim, a matriz A no
diagonalizvel.
2 0
0 2
6. A=
0
0
0
0
0 0
5 5
3 0
0 3
>> clear A;clear P;clear D;clear P1;

>> A=[-2 0 0 0;0 -2 5 -5 ;0 0 3 0 ; 0 0 0 3];
>> [P,D]=eig(A)
P=
1.0000
82
1.0000
0.7071 -0.7071
0.7071
0
0.7071
D=
-2
-2
Concluso : a matriz A diagonalizvel, pois cada um dos autovalores tem dois

autovetores LI associados. Assim, uma matriz que diagonaliza a matriz A a matriz
0
0
1 0
0 1 0.7071 0.7071
.
P=
0 0 0.7071
0
0
0.7071
0 0
Resumindo:
Multiplicidade algbrica: nmero de vezes que um autovalor aparece como raiz de
p() = 0.
Multiplicidade geomtrica: nmero de autovetores Linearmente Independentes
associados a um autovalor.
Exemplo.
0 0 2
A = 1 2 1
1 0 3
O polinmio caracterstico de A p() = 3 52 + 8 4 . As razes de p() = 0
so 1 ( uma vez ) e 2 ( duas vezes ). Os autovalores de A so :
= 1 , com multiplicidade algbrica 1
= 2 , com multiplicidade algbrica 2
Para obter os autovetores, fazemos no Matlab:
>> clear A; clear P;clear D; A=[0 0 -2;1 2 1; 1 0 3]
>> [P,D]=eig(A)
P=
83
-0.8165
0.7071
1.0000
0.4082
0.4082 -0.7071
D=
2
Interpretao:
= 1 , associado com o autovetor [ 2 ;1 ; 1]
= 2 , associado aos autovetores [0 ; 1 ; 0 ]
vetores so linearmente independentes, temos:
e [ 0.7071;0 ;0.7071 ] .Como estes
= 1 , com multiplicidade geomtrica 1

= 2 , com multiplicidade geomtrica 2
Relaes entre multiplicidade algbrica e geomtrica

Teorema Se A uma matriz quadrada, ento:
a) A multiplicidade geomtrica de um autovalor de A no mximo igual a
multiplicidade algbrica.
b) A diagonalizvel se, e somente se, a multiplicidade geomtrica de cada autovalor
de A igual multiplicidade algbrica.
Portanto, este teorema justifica porque a matriz do exemplo 5 acima no
diagonalizvel.
84
CAPTULO 10. POTNCIAS DE UMA MATRIZ

DIAGONALIZVEL
Existem muitas aplicaes que exigem o clculo de potncias elevadas de matrizes

quadradas. Para minimizar o tempo de processamento e diminuir o consumo de
energia, bem como diminuir os erros de arredondamento, existem algumas tcnicas
que podem reduzir a quantidade de operaes necessrias nestas aplicaes.
Consideremos A uma matriz nxn diagonalizvel e P a matriz que diagonaliza a matriz
A. Ento:
D =P1AP
(1)
onde D uma matriz diagonal, cujos elementos so os autovalores de A. A matriz D
denotada por D = diag(1, 2,...,n). A equao (1) equivale a:
A = PDP1
(2)
Suponhamos que precisemos calcular A2 .Pela equao (2) :

A2 = (PDP1)( PDP1) = PD(P1 P)DP1 = PDIDP1 = PD2P1
A2=PD2P1
(3)
Logo para calcular Ak, onde k um inteiro positivo, devemos fazer:

Ak=PDkP1
(4)
Esta equao, que vlida para uma matriz A diagonalizvel, expressa a k-sima
potncia de A em termos das k-simas potncias de D, portanto, sendo mais fcil de
calcular, pois sendo D uma matriz diagonal, ento Dk= diag( 1k , k2 ,..., kn ). Por
14
1 0 0
exemplo, se D= 0 2 0 , ento D4 = 0
0
0 0 2
0
4
2
0
0 .
2 4
Exemplo 1. Usar a frmula (4) para calcular a potncia A13 da matriz diagonalizvel
0 0 2
A = 1 2 1 .
1 0 3
2 1 0
Soluo: como vimos, uma matriz que diagonaliza a matriz A P = 1
0 1 . A
1
1 0
1 0 1
1 0 0
1
1
inversa de P P = 1 0 2 e D = P AP= 0 2 0 . Assim:
1 1 1
0 0 2
85
13
2 1 0 1
A =PD P = 1 0 1 0
1
1 0 0
13
13 1
0
213
0
0
16382
0 1 0 1 8190
=
9191 8192 8191
0 1 0 2

0
16383
213 1 1 1 8191
Para calcular A2 = A*A, por definio, necessrio efetuar 3 multiplicaes e 2

adies no clculo de cada elemento do produto, isto , 5 operaes. Assim, para
calcular 9 elementos, so necessrias 45 operaes aritmticas. Logo, para calcular
A13 = A*A*...*A, so necessrias 12*45= 540 operaes. Pela frmula (4), foram
necessrias 3 operaes de potenciao com expoente 13, que equivalem a 36
operaes de multiplicao, alm da multiplicao da matriz diagonal por P1, e deste
resultado por P. No total, foram necessrias 36 + 90 = 126 operaes aritmticas, ou
seja, uma reduo de 77% do esforo computacional. Alm disto, a multiplicao por
uma matriz diagonal mais simples, pois muitos de seus elementos so zeros:
113 0
0 1 0 1 1 0 1
13
0 1 0 2 = 213 0 214 . Alm disto, possvel realizar os
0 2
0
0 213 1 1 1 213 213 213
clculos no brao.
86
CAPTULO 11. FATORAO LU
Vimos que, de acordo com o Teorema de Cramer, um sistema Ax= b, n x n, possui

x
soluo nica se =det(A) 0. Neste caso, a soluo dada por xi = i , onde =
det(A) e xi o determinante da matriz obtida pela substituio da i-sima coluna de

A, pelos valores do vetor-coluna b, para cada i =1,...,n. Porm, esta forma de calcular
a soluo muito dispendiosa, pois exige o clculo de (n+1) determinantes de ordem
n. Uma tcnica utilizada no clculo da soluo baseada na decomposio ou
fatorao LU da matriz A. Isto , consiste em escrever A = LU, onde L triangular
inferior ( matriz tal que Lij = 0, se i < j ) e U triangular superior ( matriz Uij = 0, se i
> j ) . Objetivo: resolver o sistema Ax = b, usando a fatorao A=LU.
Passo 1. Reescrever Ax = b como LUx = b.

Passo 2. Definir uma nova incgnita y por Ux = y; o sistema Ax=b fica igual a Ly=b.
Passo 3. Resolver o sistema Ly = b, na incgnita y.
Passo 4. Resolver o sistema Ux = y.
Este procedimento de resoluo conhecido como mtodo da decomposio LU.
Exemplo 1. Verificar a igualdade A =LU para a matriz A abaixo:
6 2 2
0 0 1 3 1
2
3 8 0 = 3 1 0 0 1 3
4
9 2 4 3 7 0 0 1
A
6 2 x 1 2
2
e usar este resultado para resolver o sistema 3 8 0 x 2 = 2

4
9 2 x 3 3
A
0 0
2
Soluo : definimos L = 3 1 0 e U =
4 3 7
matrizes, obtemos :
= b
1 3 1
0 1 3 . Multiplicando estas
0 0 1
87
2 3 + 0 1 + 0 0
2 1 + 0 3 + 0 1
2 1 + 0 0 + 0 0
3 1 + 1 0 + 0 0
3 3 + 11 + 0 0
3 1 + 1 3 + 0 1
4 1 + (3) 0 + 7 0 4 3 + (3) 1 + 7 0 4 1 + ( 3) 3 + 7 1
0 0 1 3 1
2
LU= 3 1 0 0 1 3 =
4 3 7 0 0 1
6 2
2
= 3 8 0 = A
4
9 2
6 2 2
0 0 1 3 1
2
Isto , A = LU, ou 3 8 0 = 3 1 0 0 1 3
4
9 2 4 3 7 0 0 1
A
Temos, ento:
0 0 1 3 1 x 1 2
2
3 1 0 0 1 3 x = 2
2
4 3 7 0 0 1 x 3 3
L
= b
1 3 1 x 1
y1
0 1 3 x = y
2
2
0 0 1 x 3
y 3
Definimos o sistema do passo 2:
onde
0 0 y1 2
2
3 1 0 y = 2
2
4 3 7 y 3 3
L
ou equivalentemente :
2y1
3y1 + y2
y = b
= 2
= 2
4y1 3y2 + 7y3 = 3

cuja soluo y1 = 1 ; y2 = 5 ; y3 = 2.
88
1 3 1 x 1
1
Resolvemos agora U x = y , isto : 0 1 3 x 2 = 5

0 0 1 x 3
2
ou :
x1 + 3x2 + x3 = 1
x2 + 3x3 = 5
x3 = 2
Resolvendo este sistema por retrossubstituio, obtemos:

x3 = 2 , x2 = 1, x1 = 2 .
6 2 x 1 2
2
Concluso: a soluo do sistema 3 8 0 x 2 = 2 x3 = 2, x2 = 1, x1 = 2.

4
9 2 x 3 3
Em notao usual, o sistema dado
2x1 + 6x2 + 2x3 = 2
3x1 8x2
=2
4x1 + 9x2 + 2x3 = 3

Verificao: A soluo x1 = 2 , x2 = 1, x3 = 2 , pois
2*2 + 6*(1)+2*2= 46+4=2
3*2 8*(1) = 6 + 8 = 2
4*2 + 9*(1)+2*2 = 8 9 + 4 = 3
2
Em notao matricial, a soluo x = 1 .
2
x 1 2
2 8
x = 2 . Temos A= 1 1
2
2 x + 8 x 2 = 2
Note que este sistema equivale a 1
.
x 1 x 2 = 2
Exemplo 2. Resoluo do sistema

2
e b= .
2
2 8
1 1
2 8
Soluo no Matlab: definimos a matriz A =
no Matlab e depois fazemos:
1 1
89
>> [L,U]=lu(A)
L=
1.0000
0.5000
1.0000
U=
2
Ento :
2 8
A=
=
1 1
A
Resolvemos o sistema
0 2 8
1
0.5 1 0 3
Ly = b
0 y1
1
0 .5 1 y =
2
2

y1 2
No Matlab, usando o comando y = L\b, resulta y = = .
y 2 3
Resolvemos no Matlab o sistema Ux =
y:
2 8 x 1 2
0 3 x = 3
2
No Matlab, a soluo obtida pelo comando x = U\y:
x 3
x= 1 =
x 2 1
2 8
Concluso: a soluo do sistema
1 1
Verificao :
x1
x =
2
2 x 1 3
2 x = 1 .
2
2 8 3 2 3 + 8 (1)
1 1 1 = (1) 3 + (1) (1) =
2
2

O comando lu tem duas opes no Matlab. A opo [l,u]=lu(A) apresenta uma matriz
L que sofre permutaes e no tem, em geral, o formato triangular inferior. A opo
[l,u,p]=lu(A) apresenta a matriz L como matriz triangular inferior, a matriz U como
triangular superior e a matriz de permutao P tal que A = P1LU, ou seja, PA = LU.
90
Deste modo, se usarmos a opo [l,u,p] do comando, para resolver o sistema Ax=b,
devemos multiplicar o vetor b por P. Em alguns casos, a matriz P a matriz
identidade, o que no altera o vetor b. Para resolver o sistema Ax = b, usando o
comando [L,U,P]=lu(A), devemos seguir os seguintes passos:
1) Definir a matriz A e o vetor b;

2) Usar o comando [L,U,P]=lu(A) ;
3) Definir o vetor b1=P*b ;
4) Calcular y = L\b1 .
5) Calcular x = U\y.
soluo
do
sistema
Ax
vetor
x,
obtido
no
passo
5.
91
Exerccios. Resolver os sistemas abaixo, usando a fatorao LU da matriz dos

coeficientes do sistema. Apresentar as matrizes L,U,P, os vetores y e x. Na soluo
apresentada abaixo, foi usada a opo [l,u,p] do comando lu.
3x 1 6x 2 = 0
1.
2 x 1 + 5 x 2 = 1
=1
x 1 3x 2
2.
x 2 + 3x 3 = 5
2x 10x + 2x = 7
2
3
1
x1
+ x3
=5
2 x + 3x 2 x + 6 x = 1
2
3
4
3. 1
x 2 + 2x 3
=3
x 3 + 5x 4 = 7

1. Fatorao LU
0 3 6
3 6 1
2 5 = 2 / 3 1 0 1 ;
0
b=
1
0
2
y = L\b = ; x = U\y = a soluo do sistema. De fato:
1
1
3*2 6*1 = 0
2*2 + 5*1 = 1
2. Fatorao LU
0 0 2 10 2
1 3 0 1
0 1
3 = 0.5 1 0 0
2
1 ;
2 10 2 0 0.5 1 0 0 3.5
0 0 1
P = 1 0 0 ;
0 1 0
1
b= 5 ;
7
7
b1 = P*b= 1
5
92
7
y = L\b1 = 4.5 ; x = U\y =
2.75
8.9286
2.6429 . Verificao: a cargo do leitor.
0.7857
3. Fatorao LU
1
1 0
2
3 2
0 1 2
0
1
0
0 1
0
0
6 0 .5
1
0
=
0 0
0.6667 1

5 0
0
0 .5
A
0
1
P=
0
1 0 0
0 0 0
0 1 0
0 0 1
0
0
0
2 3 2
0 1 .5 0
0 0
2
0
0 0
6
3
;
2
( Esta matriz permuta as linhas 1 e 2 , mantendo as linhas 3 e 4)
5
1
b= ; b1 = P*b =
3

7
cargo do leitor.
1
5
; y = L\b1 =
3

7
1
4. 5
; x = U\y =
6

4
3
1
. Verificao: a
2

1
93
CAPTULO 12. DECOMPOSIO EM VALORES

SINGULARES
Se A uma matriz quadrada nxn de posto k ( isto , tem k linhas linearmente

independentes ), ento A tem uma decomposio em valores singulares A = USVT,
na qual:
a) V= [ v1 ,v2 ,...,vn] diagonaliza a matriz ATA.
b) As entradas no-nulas de S so 1= 1 ,2= 2 ,..., = n , onde 1,2,...n
so os autovalores de ATA associados aos vetores-coluna de V.
c) Os vetores-coluna de V so ordenados de tal modo que 1 2 ... n > 0. Os
valores 1 , 2 ,... , n so os valores singulares de A.
d) ui =
1
Av i , i=1,2,...,k
i
e) [ u1,u2,..., uk ] uma base ortonormal do espao gerado pelas colunas de A.

f) [ u1,u2,..., uk, uk+1,...,un ] uma extenso de a uma base ortonormal de Rn.
OBSERVAO: No caso especial em que det(A) diferente de zero, ento o nmero

de linhas LI de A igual a n. Assim, no h zeros na diagonal de S. Neste caso, k = n
e no necessria a extenso mencionada no item f.
Exemplo 2. Encontre a decomposio em valores singulares da matriz

3 2
=
.
0
3
Soluo: o primeiro passo encontrar

3 0 3 2 3
2 3
ATA=
=
.
3 0
3 2 3
7
2
os
autovalores
da
matriz
No Matlab:
>> A=[ sqrt(3) 2; 0 sqrt(3)];
>> A
%calcula a matriz transposta de A
ans =
94
1.7321
1.7321
% calcula o produto ATA
>> aux=A*A
>>aux =
3.0000
3.4641
3.4641
7.0000
% calcula o polinmio caracterstico de ATA
>> poly(aux)
ans =
1
10
O polinmio caracterstico de ATA p() = 2 10 + 9. Calculamos os autovalores

e autovetores de ATA no Matlab :
>> [m,n]=eig(aux)
m=
0.8660
0.5000
0.5000
0.8660
n=
Os autovalores de ATA so 1= 1 e 2 = 9, com autovetores dados pelas colunas da

matriz m:
0.8660
v1 =
0.5000
0.5000
v2 =
0.8660
>> v1=m(:,2); v2=m(:,1);

Os valores singulares de A so 1= 1 = 1 = 1 e 2= 2 = 9 = 3. No Matlab:
>>sigma=sqrt(diag(n))
sigma =
1
3
95
Os vetores u1 e u2 podem ser calculados pelas frmulas abaixo:

u1 =
1
1 3
Av1 =
1
10
u2 =
1
1 3
Av 2 =
30
2
2 0.8660 0.5000
=
,
3 0.5000 0.8660
2
0.5000 0.8660
0.8660 = 0.5000
No Matlab:
>> u1=1/sigma(1)*A*v1; u2=1/sigma(2)*A*v2;
>> U=[u1,u2]
U=
0.5000
0.8660
0.8660
0.5000
>> V=[v1,v2]
V=
0.8660
0.5000
0.5000
0.8660
e portanto:
0.5000 0.8660
U = [ u1, u2] =
e V =[v1,v2]=
0.8660 0.5000
0.8660 0.5000
0.5000 0.8660
1 0
A matriz S uma matriz diagonal dada pelos valores singulares: S=
.
0 2
No Matlab, como a matriz A 2x2, fazemos um for com 2 voltas:
>> for i=1:2
S(i,i)=sigma(i);
end
>>S
S =
1
96
Concluso: a decomposio em valores singulares de A
0.5000 0.8660
2
=
3
0.8660 0.5000
0
A
1 0 0.8660 0.5000
0 3 0.5000 0.8660
VT
Observao: neste exemplo VT = V, mas isto no ocorre de modo geral.
Exerccios.
1. Efetuar a decomposio em autovalores A = PDP1 para a matriz
4 2 2
2 4 2 .
2 2 4
A =
2. Use o resultado obtido no item A para calcular a potncia A4.
2 0 2
3. Seja M = 0 3 0 . Use a diagonalizao de M para calcular M6.
0 0 3
1 2
4. Efetuar a decomposio em valores singulares da matriz
.
2 2
4 6
5. Efetuar a decomposio em valores singulares da matriz A=
. Verifique
0 4
no Matlab a igualdade A= USVT.
6. Efetuar a decomposio em valores singulares da matriz
1 2 0
A= 2 1 0 .
0 0 3
Verifique no Matlab a igualdade A= USVT.

4 2 2
1. A diagonalizao de A= 2 4 2
2 2 4
97
0.4082 0.4082 0.8165

0.7071 0.7071
0.5774 0.5774
0.5774
4 2 2 0.4082
0.7071 0.5774
2 4 2
=
0.4082 0.7071 0.5774

2 2 4 0.8165
0
0.5774
P1
2 0 0
0 2 0
0 0 8
2 0 0
Isto , P AP = D, onde D = 0 2 0 .
0 0 8
1
0.7071 0.5774 2 4
0.4082
2.A =PD P = 0.4082 0.7071 0.5774 0
0.8165
0
0.5774 0
4
4 1
0
24
0
0
8 4
0.4082 0.4082 0.8165

0.7071 0.7071
0.5774 0.5774
0.5774
1376 1360 1360

A = 1360 1376 1360
1360 1360 1376
4
3.
2 0 2
M= 0 3 0 . A diagonalizao de M
0 0 3
2 0 2 1 0 0.8944
0 3 0 = 0 1
0 0 3 0 0 0.4472
M
2 0 0 1 0 2.0000
0 3 0 0 1
0 =PDP1. Logo,
0 0 3 0 0 2.2361
1 0 0.8944
6
6 1
M = PD P = 0 1
0
0 0 0.4472
2 6
0
0
0
36
0
0
36
P1
1 0 2.0000 64 0 1330
0 1
0 = 0 729
0
0 0 2.2361 0
0
729
98
1 2
4. A decomposio em valores singulares da matriz

2 2
1 2
0.4472 0.8944
=
2 2
0.8944 0.4472
3 0 0.4472 0.8944
T
0 2 0.8944 0.4472 = U S V .
4 6
5. A decomposio em valores singulares da matriz A=

0 4
4 6 0.8944 0.4472
0 4 = 0.4472 0.8944
8 0 0.4472 0.8944
T
0 2 0.8944 0.4472 = U S V
1 2 0
6. A decomposio em valores singulares da matriz A= 2 1 0
0 0 3
1 2 0 0 0.7071 0.7071
2 1 0 = 0 0.7071 0.7071
0 0 3 1
0
0
A
0
1
3 0 0 0
0 3 0 0.7071 0.7071 0
0 0 1 0.7071 0.7071 0
S
VT
99
Referncias:
1. Noble, Ben. lgebra Linear Aplicada. Rio de Janeiro, Prentice Hall do Brasil,
1986.
2. Boldrini, Jose Luis. lgebra linear. So Paulo, Harbra, 1986.
3. Claudio, Dalcidio Moraes. Clculo numrico computacional. So Paulo: Atlas,
2000.
4. Barroso, Lenidas et. al. Clculo numrico. So Paulo: Harbra, c. 1987.
5. Anton, Howard. lgebra linear: com aplicaes. Porto Alegre, Bookman, 2001.
6. Burden, Richard. Anlise Numrica. So Paulo, Thomson Learning, 2003.
Nos links abaixo, voc encontra programas que simulam o Matlab e so programas
livres :
http://freemat.sourceforge.net/download.html
http://www.scilab.org/
Links para manuais do Matlab:
http://www.mat.ufmg.br/~regi/topicos/intmatl.html
http://www.del.ufms.br/tutoriais/matlab/apresentacao.htm
100

Apostila Matricial

Enviado por

Dados do documento

Descrição:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Descrição:

Direitos autorais:

Formatos disponíveis

Apostila Matricial

Enviado por

Descrição:

Direitos autorais:

Formatos disponíveis

Pontifcia Universidade Catlica do Rio Grande do Sul

Introduo. Esta apostila1 tem o objetivo de servir de material de apoio disciplina

CAPTULO 1. INTRODUO AO ESTUDO DE MATRIZES

Se quisermos ver um elemento Mij em particular da matriz M, basta digitar M(i,j) e

Se quisermos alterar um elemento ou um conjunto de elementos da matriz M,

A seguir, alguns exemplos de comando e a resposta do programa so apresentados.

Para calcular a matriz M2, fazemos no Matlab:

primeira coluna de M seja substituda pelo vetor b,

( compare com o resultado do item f )

( compare com o resultado do item h )

( calcula a matriz inversa de A )

7. Um construtor tem contratos para construir 3 estilos de casa: moderno,

a) Se ele vai construir 5, 7 e 12 casas dos tipos moderno, mediterrneo e colonial,

8. Uma rede de comunicao tem cinco locais com transmissores de potncias

a) Qual seria o significado da matriz A2 ?

Respostas dos exerccios:

1a. 2*A = 8 16 20 ; 1b. A+B= 2

1h. AB = 114 115 218 ; 1i. BA = 10

1m. A(:,1) = y produz A= 5 8 10 ; 1n. B(:,2) = A(:,3) produz B= 6 10 12

4. A seqncia abaixo no Matlab produz a matriz F:

7. a) As quantidades unitrias de Ferro, Madeira, Vidro, Tinta e Tijolo so,

CAPTULO 2. RESOLUO DE SISTEMAS LINEARES

Um sistema de equaes pode ser resolvido diretamente no Matlab. Para tanto,

Neste caso A = [ 2,3 ;5,8] e b = [5;9.4]

2*11.8 + 3*(6.2) = 23.6 18.6 = 5

3x1 2x 2 + 7.2x 3 = 102.72 . Neste caso, A=[1,0,2;3,2,7.2;8,4.2,6] e b =

Executamos o comando x = A \ b ( A contra-barra b ) :

6.2 + 2*9.6 = 6.2 + 19.2 = 25.4

3*6.2 2*(7.5) +7.2*9.6 = 18.6 + 15 + 69.12 = 102.72

O comando x = A \ b calcula a soluo: x1= 3 e x2 = 4. A verificao fica por conta

Exemplo. A matriz ampliada do sistema 3x 1 2x 2 + 7.2x 3 = 102.72

PROBLEMAS. Para cada problema, escreva o sistema de equaes correspondente e

Respostas dos exerccios e problemas:

1. x1= 3 ; x2= 4 ; x3= 2

3. x1= 2.8352; x2= 13.2316; x3= 2.1099; x4=27.1104; x5=6.1382;

cuja soluo x = 1 ; y = 1 ; z = 2. Assim, a dieta deve conter 1 unidade do

CAPTULO 3. TEORIA DOS SISTEMAS LINEARES

Quanto existncia de solues, um sistema de equaes lineares pode ser

( tem soluo) Deter min ado(Soluo nica )

In det er min ado(Infinitas Solues)

(no tem soluo)

Classificao de sistemas com n equaes e n incgnitas. De acordo com o teorema de

xi o determinante da matriz obtida pela substituio da i-sima coluna de A, pelos

indeterminado ou impossvel. Para diferenciar um caso do outro, podemos usar o

A soluo x1 = 11,8 e x2 = 6,2.

Clculo do determinante pela regra de Sarrus:

A soluo : x1 = 3; x2 = 2 ; x3 = 1. O desenvolvimento de cada determinante acima e

6 = 0. O sistema impossvel ou indeterminado.

6 = 6 Concluso: como xi 0 para i =1 e = 0 , conclumos

que o sistema impossvel, isto , no admite soluo.

Concluso: como todos os s so nulos, o sistema indeterminado, isto , admite

x1= 3; se x2 = 2, ento x1 = 0, se x2 = 6, ento x1 = 6, e assim por diante. Como

Observao: para obter a soluo acima, usar o comando solve no Matlab.

>> [ x1, x2 ] = solve ('2 * x1 + 3 * x 2 = 6' , '4 * x1 + 6 * x 2 = 12' )

Observao sobre o mtodo de eliminao de Gauss: Podemos concluir que um

admite soluo nica, pois somando as duas

2x 1 3x 2 + 4 x 3 = 4 indeterminado, isto , admite uma

infinidade de solues. Por exemplo, se k = 0, uma soluo x 2 = 0 . Se k=1,

outra soluo x 2 = 0 + 2 = 2 , e assim por diante.

Por outro lado, o sistema 2x 1 3x 2 + 4x 3 = 4

impossvel, pois as mesmas

211.8 + 3(6.2) = 23.6 18.6 = 5

36.2 2(7.5) +7.2*9.6 = 18.6 + 15 + 69.12 = 102.72

5u= ( 52, 53) = ( 10 , 15)

4u + 5v = 4(2,5,0) + 5(1,0,3) = (8,20,0)+(5,0,15)=(13,20,15).

12= 110 + 2100

11002 = 123 + 122 + 021 + 020 = 12