Algebra Linear PDF

GLRIA DIAS, ANA LUCIA DE SOUSA
& MRIO LUIZ ALVES DE LIMA
lgebra linear
glria dias
ana lucia de sousa
mrio luiz alves de lima
lgebra linear
Com it ed itoria l Regiane Burger, Mathusalcio Padilha, Glria Dias
Ld er d o p rojeto Glria Dias
Au tores d os origin a is Glria Dias, Ana Lucia de Sousa e Mrio Luiz Alves de Lima
Projeto ed itoria l Revis o tcn ica

Lexikon Editora Profa. Dra. Myriam Sert
Diretor ed itoria l Revis o

Carlos Augusto Lacerda Isabel Newlands
Coord en a o ed itoria l Dia gra m a o

Sonia Hey Nathanael Souza
As s is ten te ed itoria l Ca p a
Luciana Ach Sense Design
Projeto gr fico
Paulo Vitor Fernandes Bastos
Im a gem d a ca p a
MartinaVaculikova | iStockphoto o Mathematics seamless pattern Ilustrao
2015, by Lexikon Editorial Digital
Todos os direitos reservados. Nenhuma parte desta obra pode ser apropriada e estocada
em sistema de banco de dados ou processo similar, em qualquer forma ou meio, seja
eletrnico, de fotocpia, gravao etc., sem a permisso do detentor do copirraite.
CIP-BRASIL. CATALOGAO NA PUBLICAO

SINDICATO NACIONAL DOS EDITORES DE LIVROS, RJ
D532a
Dias, Glria
lgebra linear / Glria Dias, Ana Lucia de Sousa, Mrio Luiz Alves de Lima. -
1. ed. - Rio de Janeiro : Lexikon, 2015.
196 p. ; 28 cm.
Inclui bibliografia
ISBN 978-85-8300-023-5
1. lgebra linear. I. Sousa, Ana Lucia de. II. Lima, Mrio Luiz Alves de. III. Ttulo.
CDD: 512.5
CDU: 512.64
Lexikon Editora Digital

Rua da Assembleia, 92/3 andar Centro
20011-000 Rio de Janeiro RJ Brasil
Tel.: (21) 2526-6800 Fax: (21) 2526-6824
www.lexikon.com.br sac@lexikon.com.br
Sumrio
Prefcio 5
1. Matrizes 7
1.1 Definio de matrizes 9

1.2 Matriz quadrada 10
1.3 Tipos de matrizes 15
1.4 Operaes com matrizes 16
2. Determinantes 27
2.1 Determinantes 29
2.2 Propriedades dos determinantes 30
2.3 Sistemas de duas equaes lineares com duas incgnitas 39
3. Resoluo de sistemas 61
3.1 Introduo 62
3.2 Resoluo atravs da eliminao de linhas 64
3.3 Resoluo atravs do mtodo da matriz inversa 79
3.4 Regra de Cramer 82
3.5 Discusso de um sistema 89
4. Espaos vetoriais e subespaos vetoriais 97
4.1 Introduo 98
4.2 Espao vetorial 99
4.3 Combinao linear 107
4.4 Dependncia e independncia linear 113
4.5 Base e dimenso de um subespao vetorial 117
4.6 Posto e nulidade 122
5. Transformadas lineares 131
5.1 Introduo 132

ransformadas matriciais e transformadas lineares de em
5.2 T n m
134
5.3 A matriz de uma transformada linear 143
5.4 N
cleo e imagem de uma transformada linear 150
5.5 Aplicao a cadeias de Markov 156
6. Autovalores e autovetores 161
6.1 Conceito 162

6.2 Autovalores e autovetores 163
6.3 Equao caracterstica 167
6.4 Diagonalizao de matrizes 181
6.5 Aplicao a cadeias de Markov 191
Prefcio
Um dia, algum mencionou que no sabia o encanto que se encontrava es-

condido na matemtica, pois quem comeava a estudar e a entender essa
bela cincia logo se apaixonava por ela. Ns, particularmente, no acredita-
mos que a paixo consiga ser explicada; ela simplesmente chega mais cedo
ou mais tarde em nossas vidas, sem pedir licena e nos toma por completo.
Esse sentimento brota nos mais ridos terrenos, deixando a todos perplexos
e em busca de explicaes que nunca nos satisfazem por completo. Pessoas
se apaixonam por pessoas, pelo trabalho, por estudo, por ensinar e por coi-
sas que nem sabem se existem. Entretanto, uma coisa inegvel: necess-
rio que criemos as condies ou ento que elas surjam em nossas vidas de
forma espontnea.
Munidos desse esprito, de propiciar a todos um contato com os entes

matemticos, que resolvemos criar um espao para tentar semear as se-
mentes que podero resultar, quem sabe, para alguns de nossos leitores,
na paixo por essa bela cincia. Apresentaremos curiosidades, fatos pitores-
cos, episdios verdadeiros, crimes e muito mais nessa espcie de apndice.
Peguem o que julgarem necessrio (papel e lpis costumam ser objetos pre-
ciosos), ocupem seus lugares nas cadeiras e deixem suas mentes livres para
que possam criar.
OS AUTORES
5
1 Matrizes

1 REFLEXO
Matrizes
OBJETIVOS
... o Universo permanece continua O leitor dever ser capaz de:
mente aberto nossa contempla-
o, mas nunca poder ser com- Representar situaes do cotidiano por meio de matrizes.
preendido a no ser que se aprenda
primeiro a entender a sua lingua- Reconhecer os diferentes tipos de matrizes, bem como ex-
gem e a interpretar os signos em
trair informaes relevantes de uma determinada matriz que
que se encontra escrito. Encontra-
traduz uma situao-problema.
-se expresso na linguagem de ma-
temtica, e os signos so tringu-
los, circunferncias e outras figuras Efetuar as diversas operaes com matrizes e reconhecer
geomtricas sem as quais huma- as suas principais propriedades.
namente impossvel compreender
uma nica das suas palavras; sem
esses signos ficamos a vaguear
Ser capaz de associar matrizes aos diversos campos do co-
num escuro labirinto. nhecimento.
Galileu
CURIOSIDADE
Voc sabia?
A lgebra das matrizes foi descoberta pelo matemtico ingls Arthur Cayley
(1821-1895) em 1857, em conexo com as transformaes lineares do
tipo
x = ax + by
y = cx + dy
onde a, b, c, d so nmeros reais; estas transformaes lineares podem ser
concebidas como aplicaes que levam o ponto (x, y) no ponto (x, y), como
veremos mais adiante.
Consideremos a seguinte situao:
Nos trs primeiros meses do ano (janeiro, fevereiro e maro)

as unidades vendidas de um certo produto Pa foram respec-
tivamente iguais a 100, 120 e 130, enquanto as de um outro
produto Pb, foram respectivamente iguais a 110, 80 e 40.
8 captulo 1
Podemos transmitir essas informaes de uma outra maneira, facilitan-
do o entendimento dessas informaes. Podemos estabelecer um quadro
com esses dados, vejamos:
janeiro fevereiro maro
100 120 130

110 80 40
A vantagem de escrevermos dessa forma que as informaes so assi-

miladas mais rapidamente e atingimos nossos objetivos de uma maneira
mais fcil. Uma outra possvel disposio seria:
Pa Pb
100 110
120 80
130 40
Nas duas representaes fica evidente que as vendas do produto Pa esto

aumentando, enquanto as vendas do produto Pb esto diminuindo.
Essa forma de formatar esse conjunto de nmeros podemos chamar de

matrizes.
1.1 Definio de matrizes

Denominamos de matriz real do tipo m x n (leia: m por n) um conjunto de
mxn nmeros reais dispostos em m linhas e n colunas. Utilizaremos as le-
tras maisculas do nosso alfabeto para representar as matrizes.
EXEMPLOS
100 120 130
1) A = ; tipo: 2 x 3
110 80 40
captulo 1 9

2 3
CURIOSIDADE 2) B =
4 5
; tipo: 2 x 2
Uma geometria no pode ser mais 3) C = [246]; tipo: 1 x 3

verdadeira do que outra; poder ser
apenas mais cmoda. Podemos substituir os colchetes pelos parnteses. Assim, temos:
H. Poincar
1 3 5
A= ; tipo: 2 x 3
3 4
5
1.2 Matriz quadrada
Quando a matriz apresentar nmero de linhas igual ao n-

mero de colunas diremos que a matriz quadrada. Nesse
caso, chamaremos de ordem o nmero de linhas (ou nme-
ro de colunas) da matriz.
EXEMPLOS
1 3
1) A = ; O (A) = 2
3 9
1 2 4
2) B = 3 2 1 ; O (B) = 3
0 3 5
Representao
Em uma matriz qualquer A, cada elemento indicado

por aij. O ndice i indica a linha e o ndice j a coluna s quais
o elemento pertence. Podemos tomar como base os exem-
plos abaixo.
A = 3 2 ; a11 = 3, a12 = 2, a21 = 4 e a22 = 0

4 0
B=
2 1 4 ; b = 2, b = 1, b = 4, b = 3, b = 4 e b = 2

3 5 2 11 12 13 21 22 23
10 captulo 1
Diagonal principal formada pelos elementos da matriz quadrada
onde o ndice da linha igual ao ndice da coluna (i = j).
Diagonal secundria formada pelos elementos da matriz quadrada

onde o ndice da linha adicionado ao ndice da coluna igual a n adicionado
a 1, onde n a ordem da matriz (i + j = n + 1).
EXEMPLO
3 2
Considerando a matriz A = , temos:
1 0

Elementos que formam a diagonal principal: a11 = 3 e a22 = 0 (i = j).
Elementos que formam a diagonal secundria: a12 = 2 e a21 = 1 (i + j = n + 1).
EXERCCIOS RESOLVIDOS
1) Construa uma matriz A = (aij) 2 x 3 definida por aij = resto da diviso do produto ij por 3.
Soluo
Cada elemento da matriz dada o resto da diviso do produto do ndice i que indica a linha pelo
ndice j que indica a coluna, por 3. Assim teremos:
a11 = 1, a12 = 2 e a13 = 0
a21 = 2, a22 = 1 e a23 = 0
1 2 0
A=
2 1 0
2) Na matriz A = (aij)3 x 3, cada elemento da matriz representa o nmero de passes que o jogador
i fez ao jogador j, ambos do mesmo time, durante uma partida de futebol realizada pelo campeo-
nato estadual. Nessa matriz, os jogadores escolhidos para serem avaliados foram representados
pelos nmeros 1, 2 e 3; assim sendo, o elemento da matriz a23 = 5, por exemplo, significa que o
0 3 2
jogador 2 realizou 5 passes para o jogador 3. Considerando a matriz A = 4 0 5 pergunta-se:
2 3 0

a) Qual o jogador que realizou o maior nmero de passes?
b) Qual o jogador que recebeu o maior nmero de passes?
Soluo
Devemos notar que os passes dados sero obtidos pela soma dos elementos que formam cada
uma das linhas da matriz, enquanto os passes recebidos sero contabilizados nas colunas. Logo,
teremos:
Passes realizados pelo jogador 1: 5
captulo 1 11
Passes recebidos pelo jogador 1: 6
Mediante o que foi exposto acima fcil concluir que:
a) O jogador que mais realizou passes foi o de nmero 2, com um nmero de passes igual a 9.
b) O jogador que mais recebeu passes foi o de nmero 3, com um nmero de passes igual a 7.
3) Na matriz A = (aij)3 x 3, cada elemento aij da matriz significa o nmero de vezes que uma aero-
nave decolou do aeroporto i tendo aterrissado no aeroporto j. Sabe-se que uma aeronave nunca
0 x 5
aterrissa no mesmo aeroporto do qual tenha decolado. Com base na matriz A = 2x 0 20
y 7 0
e sabendo que esses aeroportos foram designados pelos nmeros 1, 2 e 3, determine x e y sa-
bendo que o triplo do nmero de decolagens do aeroporto 1 igual ao nmero de decolagens
do aeroporto 2 e que o nmero de decolagens e aterrissagens no aeroporto 3 o mesmo.
Soluo
Tendo a matriz A como referncia e prestando ateno nas informaes dadas no problema,
podemos escrever as seguintes equaes:
3(0 + x + 5) = 2x + 20 (as linhas nos indicam o nmero de decolagens, enquanto as colunas
nos fornecem o nmero de pousos)
y + 7 + 0 = 5 + 20 + 0
Resolvendo o sistema de equaes, encontramos x = 5 e y = 18
4) (UFRJ) Uma confeco vai fabricar trs tipos de roupas utilizando materiais diferentes. Con-
sidere a matriz A= (aij) a seguir, em que aij representa quantas unidades do material j sero
empregadas para fabricar uma roupa do tipo i:
5 0 2
A = 0 1 3
4 2 1
a) Quantas unidades do material 3 sero empregadas na confeco de uma roupa do tipo 2?
b) Calcule o total de unidades do material 1 que ser empregado para fabricar cinco roupas do
tipo 1, quatro roupas do tipo 2 e duas roupas do tipo 3.
Soluo
a) A pergunta feita no item a equivalente a: Qual o elemento que se situa na segunda linha
com a terceira coluna, ou seja, o elemento a23?. Portanto, a resposta imediata: 3.
b) A pergunta do item b equivalente a: Qual o valor de: 5a11 + 4a21 + 2a31?. Basta que ob-
servemos o fato de que a pergunta referente ao material 1, o que nos remete para a primeira
coluna. O que varia, na verdade, o nmero da linha, pois o mesmo representa o tipo da roupa.
Logo teremos:
5 x (5) + 4 x (0) + 2 x (4) = 33
12 captulo 1
CURIOSIDADE COMENTRIO
Os exerccios de fixao podem ser:
Uma estranha relao entre nmeros naturais e consecutivos:
1) realizados em sala de aula;
33 + 43 + 53 = 63
2) resolvidos em casa e posterior-
27 + 64 + 125 = 216
mente serem tiradas as dvidas;
216 = 216 (verdadeira)
3) utilizados como uma atividade.
Outra relao muito interessante:

102 + 112 + 122 = 132 + 142
Devemos observar que os dois membros da igualdade apresentam soma
365, que corresponde ao nmero de dias de um ano.
EXERCCIOS DE FIXAO
1) (FGV) Trs nibus levaram alunos de uma escola para uma excurso. Em
uma parada, todos os alunos saram dos nibus. Todos prosseguiram a via-
gem, mas no necessariamente no nibus de onde tinham sado. Na matriz
abaixo, aij representa o nmero de pessoas que saiu do nibus i e subiu no
nibus j aps a parada.

30 5 7
2 25 8
3 6 20
Ento, podemos concluir que:

a) Participaram da excurso 75 alunos.
b) Um dos nibus permaneceu com o mesmo nmero de passageiros.
c) O nibus 1 perdeu 6 passageiros.
d) O nibus 2 ganhou 4 passageiros.
e) O nibus 3 ganhou 6 passageiros.
2) Trs pessoas, que chamaremos de 1, 2 e 3, se comunicam invariavel-

mente por e-mail. Na matriz abaixo, cada elemento aij significa o nmero de
e-mails que i enviou para j no ms passado.

0 14 18
16 0 22
12 24 0
Podemos concluir que:

a) Quem mais enviou e-mails foi 1.
b) Duas pessoas enviaram o mesmo nmero de e-mails.
c) Quem mais recebeu e-mails foi 2.
captulo 1 13
d) Quem mais recebeu e-mails foi 3.
e) Duas pessoas receberam o mesmo nmero de e-mails.
3) (FGV) A organizao econmica Merco formada pelos pases 1, 2 e 3. O volume anual de

negcios realizados entre os trs parceiros representado em uma matriz A, com 3 linhas e 3
colunas, na qual o elemento da linha i e coluna j informa quanto o pas i exportou para o pas j,
em bilhes de dlares.
0 1,2 3,1
Se A = 2,1 0 2,5 , ento o pas que mais exportou e o que mais importou no Merco foi,
0,9 3,2 0
respectivamente:
a) 1 e 2 b) 2 e 2 c) 2 e 3 d) 3 e 1 e) 3 e 2
4) (UNESP) Considere trs lojas, L1, L2 e L3, e trs tipos de produtos, P1, P2 e P3. A matriz a seguir
descreve a quantidade de cada produto vendido por cada loja na primeira semana de dezembro.
Cada elemento aij da matriz indica a quantidade do produto Pi vendido pela loja Lj, i, j = 1,2,3.
L1 L2 L3
P1 30 19 20
P2 15 10 8
P3 12 16 11

Analisando a matriz, podemos afirmar que:
a) A quantidade de produtos do tipo P2 vendidos pela loja L2 11.
b) A quantidade de produtos do tipo P1 vendidos pela loja L3 30.
c) A soma das quantidades de produtos do tipo P3 vendidos pelas trs lojas 40.
d) A soma das quantidades de produtos do tipo Pi vendidos pelas lojas Li, i = 1, 2, 3, 52.
e) A soma das quantidades dos produtos dos tipos P1 e P2 vendidos pela loja L1 45.
CURIOSIDADE
Uma maneira rpida e eficiente de efetuar a multiplicao pelo nmero 11:
1) Nmeros de 1 algarismo Basta escrever esse nmero duas vezes, uma ao lado da outra.
Exemplos:
a) 2 x 11 = 22
b) 5 x 11 = 55
c) 9 x 11 = 99
2) Nmeros de 2 algarismos suficiente escrever cada um dos dois algarismos nas extremi-
dades, deixando um espao entre eles, que dever ser ocupado pela soma dos mesmos.
Exemplos:
a) 23 x 11 = 2 (2+3) 3 = 253
b) 34 x 11 = 3 (3+4) 4 = 374
14 captulo 1
c) 45 x 11 = 4 (4+5) 5 = 495
d) 89 x 11 = 8 (8+9) 9 = 8 (17)9 = (8+1)7 9 = 979
ATENO
Matriz nula
Normalmente representamos a ma-
triz nula pela letra O.
1.3 Tipos de matrizes
Matriz nula a matriz onde todos os seus elementos so

iguais a zero.
EXEMPLO

0 0 0 0 0
A= ;B=
0 0
0 0 0
Matriz linha aquela que apresenta uma nica linha.
EXEMPLO
A = (1 2 4); tipo: 1 x 3
B = [3 4]; tipo: 1 x 2
OBSERVAO
Podemos chamar essa matriz de vetor linha.
Matriz coluna aquela que apresenta uma nica coluna.
EXEMPLO
1
3
A = ; tipo: 2 x 1 B = 0 ; tipo: 3 x 1
1
0
OBSERVAO
Podemos chamar essa matriz de vetor coluna.
captulo 1 15
Matriz diagonal aquela matriz quadrada onde os elementos que no
pertencem diagonal principal so iguais a zero.
EXEMPLO
3 0
A=
0 5

1 0 0
B=
0 5 0
0 0 4
Matriz unidade (matriz identidade) toda matriz diagonal onde os ele-

mentos que formam a diagonal principal so todos iguais a unidade.
EXEMPLO
1 0
I2 =
0 1

1 0 0
I3 =
0 1 0
0 0 1
1.4 Operaes com matrizes
Vamos iniciar o estudo das operaes com matrizes. Da mesma forma

que efetuamos operaes com os nmeros, possvel fazer o mesmo com as
matrizes, desde que, para isso, obedeamos algumas condies.
Adio de matrizes
Chamamos de soma das matrizes A e B do mesmo tipo m x n, a matriz

do tipo m x n, cujos elementos so obtidos a partir da soma dos elementos
correspondentes de A e B. Devemos atentar para o fato de as matrizes A e
B serem do mesmo tipo pois, se forem de tipos diferentes, a operao no
ser definida.
16 captulo 1
EXEMPLO

1 2 4
3 1 2
4 3 6
A= eB= , temos: A + B =
3 4 2
4 3 0
7 7 2

ATENO
Note que cada elemento da matriz soma a soma dos elementos correspondentes nas matrizes
A e B.
Propriedades da adio de matrizes
Sejam A, B, C e O matrizes do mesmo tipo, temos:
1 A + B = B + A (comutatividade)
2 A + (B + C) = (A + B) + C (associatividade)
3 A + O = O + A = A (elemento neutro)
4 A + (A) = (A) + A = O (elemento oposto)
OBSERVAO
A matriz O a matriz nula j definida anteriormente.
Subtrao de matrizes
Desde que as matrizes A e B sejam do mesmo tipo, podemos definir a dife-

rena A B = A + (B), ou seja, a matriz A adicionada com a matriz oposta
da matriz B (B), lembrando que B obtida a partir da troca do sinal de cada
um dos elementos da matriz B.
captulo 1 17
OBSERVAO EXEMPLO
Nmeros reais 1 3 2 3
A= ,B=
Um nmero real tambm chama- 5 2 5 1
do de escalar.
1 3 2 3 3 0
A B = A + (B ) = + =
5 2 5 1 0 3
Multiplicao de um nmero real por uma matriz
Quando multiplicamos um nmero real K por uma matriz

A do tipo m x n, encontramos para resultado uma matriz do
tipo m x n, que representaremos por KA, obtida multiplican-
do K por cada elemento da matriz A.
EXEMPLO
2 1 0
A= ;K=3
1 3 4
6 3 0
3A=
3 9 12
Propriedades da multiplicao de um nmero real por uma

matriz
Sendo A e B matrizes do mesmo tipo e a e b nmeros reais

quaisquer, temos:
1 a (bA) = (ab) A
2 a (A + B) = aA + aB
3 (a + b) A = aA + bA
4 1.A = A
Multiplicao de matrizes
S podemos multiplicar duas matrizes quando o nmero de

colunas da primeira matriz for igual ao nmero de linhas da
segunda matriz. A matriz produto ter o nmero de linhas
da primeira matriz e o nmero de colunas da segunda ma-
18 captulo 1
triz. A matriz produto ser obtida multiplicando cada linha
OBSERVAO
da primeira matriz por todas as colunas da segunda matriz,
conforme exemplos abaixo: Matrizes
In e Im so matrizes identidades an-
teriormente j definidas.
EXEMPLO
2 4
1 2 2
1) A = e B = 1 3
3
1 4
C = AB 2 1
C11 = 1 x 2 + 2 x 1 + 2 x 2 = 8
C12 = 1 x 4 + 2 x 3 + 2 x 1 = 12
C21 = 3 x 2 + 1 x 1 + 4 x 2 = 15
C22 = 3 x 4 + 1 x 3 + 4 x 1 = 19
8 12
C=
15 19
1 2 3 1
2) A = eB=
2 3 1 3
C = AB
C11 = 1 x 3 + 2 x 1 = 5
C12 = 1 x 1 + 2 x 3 = 7
C21 = 2 x 3 + 3 x 1 = 9
C22 = 2 x 1 + 3 x 3 = 11
5 7
C=
9 11
Propriedades da multiplicao de matrizes
Sejam A, B e C matrizes e K um nmero real. Admitindo as

operaes indicadas abaixo possveis, temos:
1 A.(B.C) = (A.B).C
2 A.(B + C) = A.B + A.C
3 (A + B).C = A.C + B.C
4 Amxn.In = Amxn
5 Im.Amxn = Amxn
6 (KA)B = A(KB) =K(AB)
captulo 1 19
Matriz transposta
Denominamos de matriz transposta de A, representada por At, a matriz obti-

da quando trocamos as linhas de A por suas colunas ordenadamente. Portan-
to, se a matriz A do tipo m x n, ento a sua transposta At ser do tipo n x m.
1 3 2
A=
0 2 5
1 0
At = 3 2
2 5
Ns devemos observar que a primeira linha da matriz A se transformou
na primeira coluna da matriz transposta e que a segunda linha da matriz A
se transformou na segunda coluna da matriz transposta. Assim, a transpos-
ta da matriz transposta da A volta a ser a matriz A.
Propriedades da matriz transposta
1 (A + B)t = At + Bt
2 (KA)t = K.At
3 (At)t = A
4 (AB)t = BtAt
Matriz simtrica
Denominamos de matriz simtrica de uma matriz quadrada A a matriz com

a mesma ordem de A, tal que:
At = A
EXEMPLOS
1 3 1 3
1) A = ; At =
3 4
3 4

At = A A simtrica
20 captulo 1
2 1 4 2 1 4
2) B = 1 0 5 ; B = 1 0 5
t
453 453
Bt = B B simtrica
Matriz antissimtrica
Uma matriz quadrada A dita antissimtrica quando a sua transposta for

igual a matriz oposta da prpria matriz A, ou seja:
At = A
EXEMPLO
0 2 0 2
A= ; At =
2 0 2 0
At = A A antissimtrica
5) (CESGRANRIO) Na rea de informtica, as operaes com matrizes aparecem com grande
frequncia. Um programador, fazendo levantamento dos dados de uma pesquisa, utilizou as
matrizes:
1 3 2

5 2 1
A= ;B= 2 1 2 ; C = AB
3 1 4

1 1 1
O elemento C23 da matriz C igual a:

a) 18b) 15c) 14d) 12e) 9
Soluo
Devemos observar que para responder a questo no necessrio efetuar o produto das ma-
trizes A e B. Devemos lembrar que o elemento pedido formado pela multiplicao da segunda
linha da matriz A pela terceira coluna da matriz B, logo:
C23 = 3 x 2 + 1 x 2 + 4 x 1 = 6 + 2+ 4 = 12
Resposta: d)
captulo 1 21
6) (VUNESP) Sejam A e B duas matrizes quadradas de mesma ordem. Em que condio pode-
-se afirmar que (A + B) 2 = A2 + 2 A B + B2?
a) Sempre, pois uma expanso binomial.
b) Se e somente se uma delas for a matriz da identidade.
c) Sempre, pois o produto de matrizes associativo.
d) Quando o produto AB for comutativo com BA.
e) Se e somente se A = B.
Soluo
Devemos lembrar que:
(A + B)2 = (A + B).(A + B) = A.A + A.B + B.A + B.B = A2 + A.B + B.A + B2
Sabemos que o produto de matrizes no comutativo e, portanto, para a igualdade ser verdadei-
ra necessrio que AB = BA. Claro que se estivermos tratando de nmeros reais a afirmao
ser sempre verdadeira.
Resposta: d)
7) (FGV) A matriz A do tipo 5 x 7 e a matriz B, do tipo 7 x 5. Assinale a alternativa correta.

a) A matriz AB tem 49 elementos.
b) A matriz (AB)2 tem 625 elementos.
c) A matriz AB admite inversa.
d) A matriz BA tem 25 elementos.
e) A matriz (BA)2 tem 49 elementos.
Soluo
A matriz AB ser do tipo 5 x 5 e portanto ter 25 elementos e (AB)2 tambm ter 25 elementos.
Observe que a matriz BA do tipo 7 x 7, tendo 49 elementos. Esse nmero de elementos o
mesmo da matriz (BA)2.
Resposta: e)
3 5
4
8) (UNIRIO) Considere as matrizes A = 2 1 , B = e C = [2 1 3].
3
0
1
A adio da transposta de A com o produto de B por C :

a) Impossvel de se efetuar, pois no existe o produto de B por C.
b) Impossvel de se efetuar, pois as matrizes so todas de tipos diferentes.
c) Impossvel de se efetuar, pois no existe a soma da transposta de A com o produto de B por C.
d) Possvel de se efetuar e o seu resultado do tipo 2 x 3.
e) Possvel de se efetuar e o seu resultado do tipo 3 x 2.
Soluo
Podemos observar que a matriz transposta de A do tipo 2 x 3 e que a matriz produto de B por
C tambm do tipo 2 x 3, logo a soma ser do tipo 2 x 3.
Resposta: d)
9) (UFRJ) Antnio, Bernardo e Cludio saram para tomar chope, de bar em bar, tanto no sbado
quanto no domingo.
22 captulo 1
As matrizes a seguir resumem quantos chopes cada um consumiu e como a despesa foi dividida:
4 1 4 5 5 3
S = 0 2 0 e D = 0 3 0
3 1 5 2 1 3
S refere-se s despesas de sbado e D s de domingo.

Cada elemento aij nos d o nmero de chopes que i pagou para j, sendo Antnio o nmero 1,
Bernardo o nmero 2 e Cludio o nmero 3 (aij representa o elemento da linha i e coluna j de
cada matriz).
Assim, no sbado Antnio pagou 4 chopes que ele prprio bebeu, 1 chope de Bernardo e 4 de
Cludio (primeira linha da matriz S).
a) Quem bebeu mais chope no fim de semana?
b) Quantos chopes Cludio ficou devendo para Antnio?
Soluo
a) Somando as duas matrizes encontraremos quantos chopes cada um dos trs pagou para o
outro no fim de semana.
9 6 9
S + D = 0 5 0
5 2 3
A soma dos elementos de cada coluna nos informa quanto cada um dos trs bebeu no final de
semana, ou seja:
Antnio 14 chopes
Bernardo 13 chopes
Cludio 12 chopes
Portanto, quem bebeu mais foi Antnio, 14 chopes.
b) Antnio paga para Cludio 9 chopes (a13 = 9) e Cludio paga para Antnio 4 chopes (a31 = 5).
Assim, Cludio fica devendo para Antnio 4 chopes.
10) (UFF) Toda matriz de ordem 2 x 2, que igual sua transposta, possui:
a) Pelo menos dois elementos iguais
b) Os elementos da diagonal principal iguais a zero.
c) Determinante nulo.
d) Linhas proporcionais.
e) Todos os elementos iguais a zero.
Soluo
a b a c
Seja A = a matriz procurada. Sabemos que At = , logo:
c d b d
a b a c
= o que implica que b = c.
c d
b d

Resposta: a)
captulo 1 23
11) (IBMEC) Considere as matrizes:
COMENTRIO A3 x 3, tal que: aij = i 2j
B3x4, tal que: bij = 3i -2j
Os exerccios de fixao podem ser: Se C = A.B, ento, C23 igual a:
1) realizados em sala de aula; a) 4b) 6c) 8d) 10e) 12
2) resolvidos em casa e posterior-
mente serem tiradas as dvidas; Soluo
3) utilizados como uma atividade. Sabemos que o elemento pedido formado utilizando a segunda linha da
matriz A com a terceira coluna da matriz B, portanto formaremos esses ele-
mentos:
a21 = 2 2 x 1 = 0
a22 = 2 2 x 2 = 2
a23 = 2 2 x 3 = 4
b13 = 3 x 1 2 x 3 = 3
b23 = 3 x 2 2 x 3 = 0
b33 = 3 x 3 2 x 3 = 3
c23 = 0 x (4) + (2) x 0 + (4) x 3 = 12
Resposta: e)
EXERCCIOS DE FIXAO
5) (UEL-PR) Uma matriz quadrada A se diz antissimtrica se At = A. Nessa
x y z
condies, se a matriz A = 2 0 3 uma matriz antissimtrica, ento
1 3 0
x + y + z igual a:
a) 3b) 1c) 0d) 1e) 3
6) (ITA) Seja A uma matriz real 2 x 2. Suponha que e sejam dois nmeros
distintos e V e W duas matrizes reais 2 x 1 no nulas, tais que AV = V e
AW = W. Se a, b R so tais que V + bW igual matriz nula 2 x 1, ento
a + b vale:
a) 0b) 1c) 1d) e)
7) (UNIFESP) Uma indstria farmacutica produz diariamente p unidades

do medicamento X e q unidades do medicamento Y, ao custo unitrio de
r e s reais, respectivamente. Considere as matrizes M, 1 x 2, e N, 2 x 1,
r
M = [2p.q] e N = . A matriz produto M x N representa o custo da pro-
2s
duo de:
a) 1 dia b) 2 dias c) 3 dias d) 4 dias e) 5 dias
8) (FATEC-SP) Sendo A uma matriz quadrada, define-se An = A.A.A ... A. No

0 1
caso de A ser a matriz , correto afirmar que a soma A + A2 + A3 +
1 0
+ A4 + ... + A39 + A40 igual matriz:
24 captulo 1
20 20 40 40 0 20
a) c) e)
2
0 20 40 40
20 0
20 0 0 40
b) d)
0 20 40 0
Matriz inversa
Uma matriz quadrada A de ordem n possui matriz inversa A-1, se A.A-1 =

= A-1.A = In, onde A-1 a matriz inversa de A e In uma matriz identidade
de ordem n.
EXEMPLO
2 1
1 2
A= e B = 3 1 so matrizes inversas, pois A.B = B.A = I2, vejamos:
3 4
2 2
2 1
1 2 1 0
A.B = . 3 1 = =I
3 4 0
1 2
2 2
2 1
1 2 1 0
B.A = 3 1 . = =I
3 4 0 1 2
2 2
A.B = B.A = I2 , logo A e B so inversas.
OBSERVAO
1) Se uma matriz quadrada de ordem n inversvel (ou seja, possui inversa), ento a matriz A-1
tal que A.A1 = A1.A = In nica.
2) Toda matriz identidade de ordem n tem como inversa ela mesma.
captulo 1 25
CURIOSIDADE
Determinando quadrados de nmeros terminados pelo algarismo 5.
Devemos lembrar que o quadrado de um nmero o resultado da multiplicao desse nmero
por ele mesmo. Nunca demais frisar que a regra s se aplica a nmeros terminados pelo al-
garismo 5.
Exemplos:
a) 15 x 15 = (1 x 2) 25 = 225
b) 25 x 25 = (2 x 3) 25 = 625
c) 35 x 35 = (3 x 4) 25 = 1225
d) 45 x 45 = (4 x 5) 25 = 2025
IMAGENS DO CAPTULO
Desenhos, grficos e tabelas cedidos pelo autor do captulo.
GABARITO
1.2 Matriz quadrada
1) e) O nibus 3 ganhou 6 passageiros.
2) d) Quem mais recebeu e-mails foi 3.
3) c) 2 e 3
4) A soma das quantidades dos produtos dos tipos P1 e P2 vendidos pela loja L1 45.
1.4 Tipos de matrizes

5) d) 1
6) a) 0
7) b) 2 dias
20 20
8) a)
20 20
26 captulo 1
2 Determinantes

2 REFLEXO
Determinantes
OBJETIVOS
A matemtica a honra do esprito O leitor dever ser capaz de:
humano.
Leibniz
Diferenciar entre um determinante de uma matriz quadrada
e essa matriz.
Identificar o determinante como uma funo.
Calcular determinantes de uma matriz quadrada de diferen-

tes ordens.
Conhecer e aplicar as propriedades de determinantes nos

mais variados contextos.
Estabelecer links entre o estudo de determinantes e outros

ramos do conhecimento.
Associar o estudo dos determinantes a outros tpicos rele-

vantes da lgebra linear.
CURIOSIDADE
Voc sabia?
Devem-se (essencialmente) a Lagrange as frmulas
x1 y1 z1 1
x1 y1 1
1 1 x2 y2 z2 1
A = x2 y2 1 e V =
2 6 x3 y3 z3 1
x3 y3 1
x4 y4 z4 1
para a rea A de um tringulo cujos vrtices so os pontos (x1, y1), (x2, y2),
(x3, y3) e o volume V de um tetraedro cujos vrtices so os pontos (x1, y1, z1),
(x2, y2, z2), (x3, y3, z3), (x4, y4, z4).
28 captulo 2
2.1 Determinantes
A toda matriz quadrada associamos um nmero real que chamaremos de
determinante.
EXEMPLOS
1 1
1) A = ; detA = 1
2 3
1 1 1
2) B = 0 1 2 ; detB = 0
0 2 4
Vejamos como achar o determinante de uma matriz quadrada. Com a fi-

nalidade de facilitar nosso entendimento o dividiremos em casos.
A) Determinante de matriz de ordem 1
Seja a matriz de ordem 1, dada por A = (a11). O determinante de A repre-

sentado por |a11|.
Determinante de A detA = a11
EXEMPLO
A = (4); detA = 4
B) Determinante da matriz de ordem 2

O determinante da matriz quadrada de ordem 2 obtido fazendo o pro-
duto dos elementos que formam a diagonal principal menos o produto
dos elementos que formam a diagonal secundria. Assim sendo, temos:
EXEMPLO
2 5
1) A = detA = 2 x 3 5 x 4 = 6 20 = 14
4 3

6 3
2) B = detB = 6 x 4 3 x 2 = 24 6 = 30
2 4
captulo 2 29
C) Determinantes da matriz de ordem 3
CONCEITO
Para calcularmos o determinante de uma matriz quadra-
Regra de Sarrus da de ordem 3, aplicaremos a chamada regra de Sarrus.
Repetimos as duas primeiras linhas
(ou colunas) aps a terceira linha
(ou coluna) e efetuamos o produto EXEMPLO
dos elementos que formam a diago-
nal principal e paralelas a ela con- 1 1 0
servando seu sinal, e o produto dos 1) A = 2 1 3
elementos que formam a diagonal 3 0 3
secundria e paralelas a ela trocan- Calculando o deteminante pela regra de Sarrus, utilizando suas linhas
do o sinal dos produtos. Fazemos a 1 1 0
adio dos produtos obtidos. 2 1 3
3 0 3
1 1 0
2 1 3
= 1.1.3 + 2.2.0 + 3.(1).3 3.1.0 1.0.3 2.(1).3 =
=3+0900+6=0
detA = 0
Poderamos utilizar as colunas ao invs das linhas.
1 4 1
2) B = 0 2 1
2 2 3
Resolveremos esse determinante utilizando suas colunas.
1 4 1 1 4 = 1.2.3 + 4.1.2 + 1.0.1 2.2.1 1.1.1 3.0.4 =

0 2 1 0 2 =6+8+0410=9
2 1 3 2 1
2.2 Propriedades dos determinantes

1) Quando uma de suas filas constituda apenas de ze-
ros, o determinante ser nulo.
2) Quando apresenta duas filas paralelas iguais ou pro-

porcionais, o determinante ser nulo.
3) Quando uma de suas filas uma combinao linear de

filas paralelas, o determinante ser nulo.
30 captulo 2
4) Um determinante no se altera quando trocamos, or-
CURIOSIDADE
denadamente, as linhas pelas colunas.
Uma demonstrao absurda
5) Um determinante muda de sinal quando duas filas pa-
Seja a = b. Assim segue que:
ralelas trocam entre si de posio. a2 = ab
6) Quando se multiplica (ou se divide) uma fila de um de- a2-b2 = ab b2
(a + b) (a b) = b (a b)
terminante por um nmero, o novo determinante fica mul-
a+b=b
tiplicado (ou dividido) por esse nmero. b+b=b
7) Um determinante no se altera quando os elementos 2b = b
2=1
de uma fila se somam aos correspondentes elementos de
Qual ser o erro?
uma fila paralela multiplicados por uma constante.
Menor complementar PERSONAGEM

Chama-se menor complementar, representado como Mrs, Laplace
de um elemento ars pertencente a uma matriz A, ao determi-
nante da matriz que se obtm suprimindo a r-sima linha e
a s-sima coluna da matriz A.
Adjunto ou complemento algbrico ou cofator
Chama-se adjunto ou complemento algbrico de um ele-

mento ars de uma matriz A ao nmero representado como
Ars definido por
Ars = (1)r+s. Mrs
Georgios
OBSERVAO
Pierre-Simon Laplace (1749-1827)
Se r + s for par: Ars = Mrs
foi um matemtico, astrnomo e f-
Se r + s for mpar: Ars = Mrs
sico francs influente, cujo trabalho
foi fundamental para o desenvolvi-
mento da matemtica, estatstica,
Teorema de Laplace
fsica e astronomia. Ele resumiu e
estendeu o trabalho de seus prede-
Um determinante igual soma dos produtos dos elemen-
cessores em cinco volumes Mca-
tos de uma fila pelos respectivos adjuntos. nique Cleste (Mecnica Celestial)
(1799-1825).
EXEMPLO
1 2 1
Calcular A = 2 4 2
1 1 2
captulo 2 31
Vamos resolver o determinante usando a primeira linha:
CURIOSIDADE
4 2 2 2 2 4
detA = 1 2 +1 = 1 x 10 2 x 2 + 1 x (6) = 0
Entre dois espritos iguais, postos 1 2 1 2 1 1
nas mesmas condies, aquele que
sabe geometria superior ao outro
e adquire um vigor especial.
Teoremas de determinantes
Pascal
1. Teorema de Jacobi
Se a uma das filas de uma matriz quadrada A, de ordem

n 2, adicionarmos um mltiplo de outra fila qualquer pa-
ralela, obteremos uma matriz B tal que detB = detA.
2. Teorema de Binet
Se A e B so duas matrizes quadradas de ordem n, ento:
det(A.B) = detA.detB
Georgios ada a matriz quadrada A, existe A1 se, e somente se,

3. D
detA 0.
Blaise Pascal (1623-1662) foi um
fsico, matemtico, filsofo moralista 1
e telogo francs. 4. det(A1) =
detA
5. Regra de Chi
a) Escolher um elemento igual a 1 (caso no exista, fazer

com que um elemento se torne igual a 1).
b) Suprimir a linha e a coluna que se cruzam no elemento 1

considerado, obtendo-se o menor complementar do refe-
rido elemento.
c) Subtrair de cada elemento do menor complementar ob-

tido o produto dos elementos que ficam nos ps das per-
pendiculares traadas do elemento considerado s filas
suprimidas.
d) M
ultiplicar o determinante obtido no item acima por
(1)r+s, onde r e s designam a ordem da linha e da coluna
s quais pertence o elemento 1.
32 captulo 2
EXEMPLO

2 1 3 4 (2).(5) 6 (3).(5) 6 9
4 5 6 = (1) multiplicado por 7 (2).(2) = 1 =
2
8 (3).(2) 3 2

7 2 8
= 1 (12 + 27) = 15
6. Determinante de Vandermonde
qualquer determinante do tipo:

1 1 1
a b c = (b a).(c a ).(c b)
a2 b2 c2
EXEMPLO
1 1 1
2 3 6 = (3 2).(6 2).(6 3) = 1.4.3 = 12
4 9 36
1) Se A uma matriz 2 x 2 inversvel que satisfaz A2 = 2A, ento o determinante de A ser:
a) 0b) 1c) 2d) 3e) 4
Soluo
A inversvel, o que nos garante que o determinante de A diferente de zero.
det(A2) = det(2A)
det(A).det(A) = 22.det(A)
Como det(A) 0 podemos dividir os dois membros da igualdade por det(A).
det(A) = 4
Resposta: e)
2) (FUVEST) Considere a matriz A = (aij)2x2, definida por aij = 1 + 2i + j, para 1 j 2. O de-

terminante de A :
a) 22b) 2c) 4d) 2e) 4
Soluo
Devemos observar que:
det(A) = a11.a22 a12.a21 (I)
captulo 2 33
Calculando os elementos que formam a matriz, teremos:
a11 = 1 + 2.1 + 1 = 2
a12 = 1 + 2.1 + 2 = 3
a21 = 1 + 2.2 + 1 = 4
a22 = 1+ 2.2 + 2 = 5
substituindo em (I), temos:
det(A) = 2.5 3.4 = 10 12 = 2
Resposta: d)
1 3 1 2
3) (FUVEST) Dadas as matrizes A = eB= , o determinante da matriz A.B :
2 4 3 1
a) 1b) 6c) 10d) 12e) 14
Soluo
Devemos lembrar que:
det(AB) = det(A) x det(B)
det(AB) = (4 6) x (1 6)
det(AB) = 2 x (7) =14
Resposta: e)
cos a sen a
4) Resolvendo o determinante , encontramos:
sen b cos b
a) sen (a + b) b) sen (a b) c) cos (a + b) d) cos (a b) e) sen 2a
Soluo
Resolvendo o determinante, temos:
cos a.cos b sen a.sen b = cos (a + b)
Resposta: c)
x x+1
5) Sobre o determinante x+2 x+3 correto afirmar:
a) Depende do valor de x.
b) Independe do valor de x.
c) um nmero positivo.
d) Pode ser um nmero irracional.
e) um nmero primo.
Soluo
Resolvendo o determinante, encontramos:
x.(x + 3) (x + 1).(x + 2) = x2 + 3x x2 3x 2 = 2
Resposta: b)
34 captulo 2
EXERCCIOS DE FIXAO COMENTRIO
1) (UERJ) Os nmeros 204, 782 e 255 so divisveis por 17. Nessa parte apresentaremos uma
Considere o determinante de ordem 3 abaixo: coletnea de exerccios na certeza
2 0 4 de que a execuo dos mesmos
7 8 2 ser fundamental para o seu pro-
2 5 5 gresso na aquisio do conheci-
Demonstre que esse determinante divisvel por 17. mento e das competncias neces-
srias para que o seu estudo seja
exitoso. Determinao e sucesso
1 3 x
2) (CESGRANRIO) Resolvendo-se a equao matricial = nas resolues dos mesmos!
4 3 y
= 5 , encontramos para x e y valores respectivamente iguais a:
10
a) 2 e 1 CURIOSIDADE
b) 1 e 2
c) 1 e 2 Voc sabia?
d) 1 e 2 Seria um erro imperdovel, por parte
e) 2 e 1 dos autores deste livro, se no men-
cionassem o grande feito do jovem
1 2 1 0 matemtico brasileiro Artur. Trata-se
3) (PUC) Se A = , ento A2 + 2 A 11 I, onde I = , igual a:
4 3 0 1 da maior conquista da cincia bra-
a)
1 2
0 0
sileira, pois ele o nico brasileiro,
at a presente data, a ter ganhado a
b)
0 0
1 0
medalha Fields, prmio comparado,
em importncia, ao prmio Nobel.
c)
0 0
0 0
Artur vila, ex-aluno do Colgio So
Bento, ficou conhecido pelo epis-

0 1 dio dos cabelos longos. Esse fato,
d) na poca, ocupou as pginas dos
0 0

0 3 principais jornais e ganhou grande
e) dimenso na mdia.
0 0
4) (CESGRANRIO) A transformao linear no R2 que tem

triz :

0 1
1 0
por ma-
a) Uma dilatao.
b) A reflexo na origem.
c) Uma translao pelo vetor (1, 1).
d) Uma reflexo numa reta.
e) Uma rotao.
5) (PUC) Se A =(
1 3
4 3 )
, uma matriz coluna X = ()
x
y
, tal que AX = 3X, :
a)
3
1 ()
b)
3
2 ()
c)
0
1
d) () 2
1 ()
e) ()
1
3
captulo 2 35
4 3
6) (CESGRANRIO) A inversa da matriz :
1 1
1 1
a) 4 3
1 1
1 3
b)
1 4
1 1
c) 4 3
1 1
4 3
d)
1 1
e) No existe
7) (UFT) Se A uma matriz do tipo 2 x 3 e AB do tipo 2 x 5, ento B uma matriz do tipo:
a) 2 x 5 b) 3 x 3 c) 5 x 3 d) 3 x 5 e) 3 x 6
1 1
8) (FUVEST) dada a matriz P = .
0 1
a) Calcule P2 e P3.
b) Qual a expresso de Pn? Prove por induo.
9) (PUC) Dadas as matrizes:
A=
3 0
1 4
eB=
2 1
1 0
ento AB BA igual a:
a)
0 0
0 0
b)
1 7
9 1
c)
3 1
2 7
d)
1 0
1 1
e)
3 3
5 0
10) (FEI-SP) Dadas as matrizes A =

2 1
1 1
eM=
1 0
2 1
:
a) Determine M1.
b) Sabendo que trao de uma matriz a soma dos elementos da diagonal principal, determine
o trao da matriz M1AM.
36 captulo 2
x 8 y 6 7 16
11) (UFBA) M = ,N= eP= so matrizes que satisfazem a
10 y 12 x + 4 23 13
3 2
igualdade M + N = P ; logo, y x :
2 3
a) 6b) 4c) 5d) 3e) 2
12) (FATEC) Sabe-se que as ordens das matrizes A, B e C so, respectivamente, 3 x r, 3 x s e

2 x t. Se a matriz (A B).C de ordem 3 x 4, ento r + s + t igual a:
a) 6b) 8c) 10d) 12e) 14
13) (FMABC) Ache D =

1 3 x
2 4 y
.
x+3y
a)
2x+4y
b)
x 3y
2x 4y
c)
x 3y
2x 4y
d)
x 4y
3y 2x
e) [2xy]
0 1
14) (FATEC) Dadas as matrizes A =
0 0
eB=
0 0
0 1
, conclui-se que a matriz:
a) AB nula.
b) BA no nula.
c) A2 nula.
d) B2 nula.
e) A+B nula.
15) (CESGRANRIO) Multiplicando

tos a e b da primeira matriz :
1 a 1 3
b 2 1 0 4 3
obtemos
2 0
. O produto dos elemen-
a) 2b) 1c) 0d) 1e) 6
16) (FCM.STA.CASA) Sejam as matrizes A =

A.B = C verdadeira se:
1 2

3 1
,B =
x
y
eC =
2
1
. A igualdade
a) x + y = 2
b) x = 2y
c) xy = 0
d) y = 2x
e) y x = 2
17) (PUC) Sabendo que z w 1 2

x y 3 5
, o valor de yz :
a) 6b) 5c) 1d) 5e) 6
captulo 2 37
p 1 2
18) (UECE) Sejam as matrizes M = eT= . Se M.T a matriz nula 2 x 1, ento
3 1 q
p.q igual a:
a) 12b) 15c) 16d) 18e) 24
19) (UFPR) Dada a equao matricial

igual a:

x 2 0 1
=
1 3 2 3 y z
4 8

, o valor do produto xyz
a) 80b) 150c) 120d) 60e) 32
20) (PUC) No conjunto M das matrizes n x m (com n m), considere as seguintes afirmaes:
I. Se A uma matriz de M, sempre estar definido o produto A.A.
II. Se A uma matriz de M, a sua transposta no o ser.
III. A soma de duas matrizes de M pode no pertencer a M.
Conclumos que:
a) Somente II verdadeira.
b) Somente I e II so verdadeiras.
c) Todas so falsas.
d) Somente I falsa.
21) (UFSE) So dadas as matrizes A =

a matriz transposta de A, igual a:
2 1
0 1
eB=
1 2
1 0
. A matriz X = At + 2B, onde At
4 2
a)
5 1
2 2
b)
1 1
2 3
c)
0 1
4 4
d)
3 1
4 4
e)
4 1
1 2 y
22) (UFRS) Se a matriz x 4 5 for simtrica, ento x + y + z :
3 z 6
a) 7b) 9c) 10d) 11e) 12
2 x 1 1
23) (UCMG) O valor de x para que o produto das matrizes A = eB= seja
3 1 0 1
uma matriz simtrica :
a) 1b) 0c) 1d) 2e) 3
38 captulo 2
1 2 1 3
24) (UCMG) O produto A X B das matrizes A =
3 4
eB=
2 4
CURIOSIDADE
uma matriz:
A geometria faz com que possa-
a) simtrica
mos adquirir o hbito de raciocinar
b) antissimtrica
e esse hbito pode ser empregado,
c) no inversvel
ento, na pesquisa de verdade e
d) nula
ajudar-nos na vida!
e) identidade
Jacques Bernoulli
1 3 4

25) (UFRPE) Qual o determinante da matriz 6 2 1 ?

4 8 6
a) 55b) 68c) 32d) 20e) 88
1 2 1 3
26) (UEBA) Sejam as matrizes A = eB= . O valor de x
3 4 x 2
para o qual o determinante de A.B se anula :
a) 3b) 1c) 0d) 2/3e) 1
27) (FGV) Considere a equao det(A x.I) = 0 onde A =

1 3
2 4
,xR
eI=
1 0
0 1
. A soma das razes desta equao vale:
a) 5b) 10c) 15d) 20e) 25
28) (FGV) As matrizes A, B e C so quadradas de ordem 2. Assinale a alter-

nativa incorreta.
a) (A + B)2 = A2 + B2 + AB + BA
b) (B + C) (B C) = B2 C2 BC + CB
c) det(2A) = 4.det(A)
d) det(B) = det(B)
| |
1 1 1
29) Calcule o valor do determinante 3 9 6 .
4 10 7
2.3 Sistemas de duas equaes

lineares com duas incgnitas
Vamos iniciar com o seguinte problema:
Compareceram a um jantar vinte pessoas. Cinco pessoas eram

convidadas, por isso nada pagaram, mas cada uma das outras
teve que contribuir com a sua parcela da conta mais R$ 30,00.
Qual foi o valor total dessa conta?
captulo 2 39
Evidentemente, temos diversas maneiras de resolver um determinado
problema e o leitor fica, naturalmente, convidado a apresentar a sua. Como
nosso interesse que o problema seja utilizado como motivao para a in-
troduo ao estudo dos sistemas, tomaremos esse vis.
Denominando de y o total arrecado e de x o valor que cada um deveria

pagar se no houvesse nenhum convidado, podemos escrever as equaes:
y = 20 x
y = 15 (x + 30)
Podemos resolver o sistema igualando as duas equaes.

20x = 15 (x + 30)
x = 90
Como estamos interessados no valor de y, basta substituir o valor de x em

uma das equaes:
y = 20 x 90 = 1.800
Esse sistema de equaes poderia ter sido escrito da seguinte forma:

20x y = 0
15x y = 450
Entretanto, possvel estabelecer um link entre o sistema de equaes

e o estudo das matrizes. Pois bem, podemos escrever o sistema obtido da
seguinte forma:
20 1 x 0
=
15 1 y 450
Vale a pena ressaltar que essa forma de escrever a chamada forma ma-
tricial e como tal podemos dar esse tratamento ao nosso sistema de equa-
es. Assim:
A.X = B
Onde:
A a matriz formada pelos coeficientes das equaes
X a matriz formada pelas incgnitas
B a matriz dos termos independentes
40 captulo 2
Considerando a equao matricial A.X = B, podemos resolver da seguinte
forma:
A1.A.X = A1.B
I.X = A1.B
X = A1.B
Onde A1 matriz inversa de A.
Desse modo possvel no s escrever um sistema de equaes de for-

ma matricial, mas tambm resolv-lo utilizando a teoria matricial. Vejamos
como podemos escrever alguns sistemas como matrizes.
EXEMPLOS
1)
x + 3y = 2
2x 5y = 4
1 3 x 2
Forma matricial: =
2 5 y 4
2)
x+y+z=3
2x y + 2z = 5
2x y z = 1
1 1 1 x 3
Forma matricial: 2 1 2 = y 5
2 1 1 z 1
COMENTRIO
A matemtica certamente no um esporte para observadores. Aqueles que mergulham em
suas profundezas so submetidos s maiores dificuldades e a histria nos sinaliza isso. No
so raros os homens e mulheres que aceitaram com muita perseverana e determinao essas
dificuldades e se tornaram grandes exemplos para a humanidade. No citaremos nomes, pois
podemos incorrer num dos erros mais primrios que esquecer algumas dessas pessoas que
contriburam amplamente com nossa civilizao. Convidamos vocs a transporem um pequeno
obstculo sem sabermos se um dia teremos contribudo para outros que escrevero seus nomes
nos anais da cincia.
captulo 2 41
EXERCCIOS DE FIXAO
30) (FEI-SP) A soma dos preos de dois equipamentos R$ 90,00. Somando 30% do preo de
um deles com 60% do preo do outro, obtm-se R$ 42,00. A diferena entre os preos desses
equipamentos, em valor absoluto, igual a:
a) R$ 20,00 b) R$ 10,00 c) R$ 25,00 d) R$ 15,00 e) R$ 12,00
31) (UF-GO) Uma pequena empresa, especializada em fabricar cintos e bolsas, produz mensal-
mente 1.200 peas. Em um determinado ms, a produo de bolsas foi trs vezes maior que a
produo de cintos. Nesse caso, a quantidade de bolsas produzidas nesse ms foi:
a) 900b) 750c) 600d) 450e) 300
32) (UFF) Cada filha de Luiz Antnio tem o nmero de irms igual quarta parte do nmero de
irmos. Cada filho de Luiz Antnio tem o nmero de irmos igual ao triplo do nmero de irms.
O total de filhas de Luiz Antnio :
a) 5b) 6c) 11d) 16e) 21
33) (UNIRIO) Num escritrio de advocacia trabalham apenas dois advogados e uma secretria.
Como o Dr. Andr e o Dr. Carlos sempre advogam em causas diferentes, a secretria, Cludia, co-
loca 1 grampo em cada processo do Dr. Andr e 2 grampos em cada processo do Dr. Carlos, para
diferenci-los facilmente no arquivo. Sabendo-se que, ao todo, so 78 processos nos quais foram
usados 110 grampos, podemos concluir que o nmero de processos do Dr. Carlos igual a:
a) 64b) 46c) 40d) 32e) 28
34) (EPCAR) Um caixa automtico de um banco s libera notas de R$ 5,00 e R$ 10,00. Uma
pessoa retirou desse caixa a importncia de R$ 65,00, recebendo 10 notas. O produto do n-
mero de notas de R$ 5,00 pelo nmero de notas de R$ 10,00 igual a:
a) 16b) 25c) 24d) 21e) 27
35) (Colgio Naval) Sejam 30 moedas, algumas de 1 centavo e outras de 5 centavos, onde
cada uma tem, respectivamente, 13,5 e 18,5 milmetros de raio. Alinhando-se estas moedas,
isto , colocando-se uma do lado da outra, obtm-se o comprimento de 1 metro. O valor total
das moedas :
a) R$ 0,92 b) R$ 1,06 c) R$ 1,34 d) R$ 2,00 e) R$ 2,08
36) (UF-ES) Uma pessoa submetida a uma dieta na qual so sugeridos trs cardpios de caf
da manh equivalentes em calorias. A primeira sugesto contm 100 gramas de carboidrato e
30 gramas de protena. A segunda sugesto contm 80 gramas de carboidrato e 40 gramas de
protena, e a terceira constituda apenas de carboidrato. A quantidade, em gramas, de carboi-
drato que a pessoa deve comer no terceiro cardpio :
a) 120b) 140c) 160d) 180e) 200
42 captulo 2
37) (UFJF-MG) Uma gaveta contm somente lpis, canetas e borrachas. A quantidade de lpis
o triplo da quantidade de canetas. Se colocarmos mais 12 canetas e retirarmos 2 borrachas, a
gaveta passar a conter o mesmo nmero de lpis, canetas e borrachas. Quantos objetos havia
na gaveta inicialmente?
a) 34b) 44c) 54d) 64e) 74
38) (UF-PB) Fernando foi a um caixa eletrnico e fez um saque em cdulas de trs tipos di-
ferentes: R$ 20,00, R$ 10,00 e R$ 5,00. Sabe-se que ele retirou 14 cdulas e que a quantia
retirada foi a mesma para cada tipo de cdula. A quantia sacada por Fernando foi:
a) R$ 120,00 b) R$150,00 c) R$ 180,00 d) R$ 210,00 e) R$ 240,00
39) (VUNESP) Numa campanha do meio ambiente, uma prefeitura d descontos na conta de
gua em troca de latas de alumnio e garrafas de plstico (PET) arrecadadas. Para um quilogra-
ma de alumnio, o desconto de R$ 2,90 na conta de gua; para um quilograma de plstico, o
abatimento de R$ 0,17. Uma famlia obteve R$ 16,20 de desconto na conta de gua com a
troca de alumnio e garrafas plsticas. Se a quantidade (em quilogramas) de plstico que a fa-
mlia entregou foi o dobro da quantidade de alumnio, a quantidade de plstico, em quilogramas,
que essa famlia entregou na campanha foi:
a) 5b) 6c) 8d) 9e) 10
40) (UF-AL) Sejam A, B e C os preos de trs produtos distintos vendidos em certa loja. O preo
A um tero do preo C. O preo B igual soma dos preos A e C subtrada de R$ 7,50. O
preo C o dobro do preo B. Quanto custa a compra de uma unidade de cada um dos trs
produtos?
a) R$ 14,50 b) R$ 15,00 c) R$ 15,50 d) R$ 16,00 e) R$ 16,50
41) (UFSCar-SP) Uma loja vende trs tipos de lmpada (x, y e z). Ana comprou 3 lmpadas tipo
x, 7 tipo y e 1 tipo z, pagando R$ 42,10 pela compra. Beto comprou 4 lmpadas tipo x, 10 tipo
y e 1 tipo z, o que totalizou R$ 47,30. Nas condies dadas, a compra de trs lmpadas, sendo
uma de cada tipo, custa nessa loja:
a) R$ 30,50 b) R$ 31,40 c) R$ 31,70 d) R$ 32,30 e) R$ 33,20
42) (UFR-RJ) Em um show de pagode, os ingressos foram vendidos ao preo de R$ 10,00 para
homens adultos (maiores de 18 anos), R$ 5,00 para mulheres adultas (maiores de 18 anos) e
R$ 3,00 para adolescentes (entre 14 e 18 anos). Arrecadaram-se R$ 4.450,00 com a venda
de 650 ingressos.
Sabendo-se que somente 150 adolescentes estiveram no show, o valor arrecadado com a ven-
da de ingressos para mulheres adultas foi:
a) R$ 800,00 d) R$1.100,00
b) R$ 900,00 e) R$ 1.200,00
c) R$ 1.000,00
captulo 2 43
43) (FATEC-SP) Pelo fato de estar com o peso acima do recomendado, uma pessoa est fazen-
do o controle das calorias dos alimentos que ingere. Sabe-se que 3 colheres de sopa de arroz,
2 almndegas e uma poro de brcolis tm 274 calorias. J 2 colheres de sopa de arroz, 3
almndegas e uma poro de broclis tm 290 calorias. Por outro lado, 2 colheres de sopa de
arroz, 2 almndegas e 2 pores de brcolis tm 252 calorias. Se ontem seu almoo consistiu
em uma colher de sopa de arroz, 2 almndegas e uma poro de broclis, quantas calorias teve
essa refeio?
a) 186b) 170c) 160d) 148e) 126
44) (FEI-SP) Adicionando, dois a dois, trs inteiros, obtemos os valores 42, 48 e 52. Qual o
produto dos trs inteiros?
a) 12.637b) 12.376c) 12.673d) 12.367e) 12.763
45) (PUC-MG) Um vendedor ambulante paga uma conta de R$ 175,00 em cdulas de R$ 5,00
e R$ 10,00, num total de 26 cdulas. O nmero n de cdulas de R$ 10,00 usadas para o paga-
mento dessa conta tal que:
a) 9 n < 12 b) 12 n < 17 c) 17 n < 20 d) 20 n < 23
46) (FEI SP) Um nmero formado por dois algarismos, sendo a soma de seus valores absolu-
tos igual a 10. Quando se trocam as posies desses algarismos entre si, o nmero obtido ultra-
passa de 26 unidades o dobro do nmero dado. Nestas condies, o triplo desse nmero vale:
a) 28b) 56c) 84d) 164e) 246
47) (UFPE) Um laboratrio tem em seu acervo besouros (com seis pernas cada um) e aranhas
(com oito pernas cada uma). Se o nmero total de pernas excede em 214 o nmero de besou-
ros e aranhas, e o nmero de aranhas inferior em 14 ao nmero de besouros, quantas so as
aranhas?
a) 15b) 14c) 13d) 12e) 11
48) (UFPR) Numa empresa de transportes, um encarregado recebe R$ 400,00 a mais que
um carregador, porm cada encarregado recebe apenas 75% do salrio de um supervisor de
cargas. Sabendo que a empresa possui 2 supervisores de cargas, 6 encarregados e 40 carre-
gadores e que a soma dos salrios de todos esses funcionrios R$ 57.000,00, qual o salrio
de um encarregado?
a) R$ 2.000,00 c) R$ 1.500,00 e) R$ 1.100,00

b) R$1.800,00 d) R$ 1.250,00
49) (UFAL) Em uma padaria, 3 sanduches, 2 sucos e 4 cafezinhos custam, juntos, R$ 12,90,
enquanto 2 sanduches, 3 sucos e 5 cafezinhos custam, juntos, R$ 13,50. Nesta padaria, quanto
custam, juntos, 4 sanduches, 1 suco e 3 cafezinhos?
a) R$ 12,20 b) R$ 12,30 c) R$ 12, 40 d) R$ 12,50 e) R$ 12,60
44 captulo 2
50) (FGV) Quatro nibus (representados por 1, 2, 3 e 4) levaram torcedores de um time de
futebol para assistir um jogo em outra cidade. Cada um deles tinha capacidade para 46 pas-
sageiros. Durante uma parada, todos os torcedores saram dos nibus, mas quando retornaram
vrios torcedores no entraram no mesmo nibus de onde tinham sado. Alm disso, o nibus
4 apresentou defeito, no pde continuar a viagem e seus ocupantes tiveram que se acomodar
nos trs nibus restantes.
Na matriz A abaixo cada elemento aij representa o nmero de pessoas que saram do nibus i e,
aps a parada, entraram no nibus j.
20 4 7
3 22 8
A=
9 8 15
13 10 11
Ento, correto concluir que:

a) depois da parada, um nibus ficou lotado.
b) antes da parada, dois nibus tinham a mesma quantidade de passageiros.
c) depos da parada, o nibus 3 ficou com 11 passageiros a mais.
d) depois da parada, o nibus 2 ficou com 13 passageiros a mais.
e) depois da parada, o nibus 1 ficou com 14 passageiros a mais.
1 2a a2 1 8 7
51) (UNCISAL) Sejam as matrizes A = eB= . Se A + B = , ento
3 b 0 a 3 8
A (matriz transposta de A) :
t
0 3
a)
2 1
1 5
b)
6 3
6 3
c)
1 5
6 3
d)
1 5
1 3
e)
6 5
52) (UESC-BA) O fluxo de veculos que circula pelas ruas de mo dupla 1, 2 e 3 controlado
por um semforo de tal modo que, cada vez que sinaliza a passagem de veculos, possvel que
passem at 12 carros, por minuto, de uma rua para outra. Na matriz
0 90 36
S= 90 0 75 , cada termo sij indica o tempo, em segundos, que o semforo fica aberto,
36 75 0
num perodo de 2 minutos, para que haja o fluxo da rua i para a rua j. Ento, o nmero mximo
de automveis que podem passar da rua 2 para a rua 3, das 8h s 10h de um mesmo dia, :
a)1.100b) 1.080c) 900d) 576e) 432
captulo 2 45
53) (ESPM-SP) A distribuio dos n moradores de um pequeno prdio de apartamentos dada
pela matriz:
4 x 5
1 3 y
6 y x + 1
onde cada elemento aij representa a quantidade de moradores do apartamento j do andar i.

Sabe-se que no 1 andar moram 3 pessoas a mais que no 2 e que os apartamentos de nmero
3 comportam 12 pessoas ao todo. O valor de n :
a) 30b) 31c) 32d) 33e) 34
54) (UFRN) Uma companhia de aviao pretende fazer manuteno em trs de seus avies e,
para isso, definiu o perodo de 4 dias, a contar da aprovao das propostas, para a concluso do
servio. Os oramentos (em milhares de reais) das trs empresas que apresentaram propostas
esto indicados na matriz A3x3 abaixo, onde cada aij corresponde ao oramento da empresa i
para a manuteno do avio j.
23 66 17
A = 19 62 12
28 57 08
Como cada uma dessas empresas s ter condies de efetuar, no prazo estabelecido, a ma-
nuteno de um avio, a companhia ter que escolher, para cada avio, uma empresa distinta. A
escolha que a companhia de aviao dever fazer para que sua despesa seja a menor possvel
ser:
a) Empresa 1: avio 1; empresa 2: avio 3 e empresa 3: avio 2.
b) Empresa 1: avio 1; empresa 2: avio 2 e empresa 3: avio 3.
c) Empresa 1: avio 3; empresa 2: avio 2 e empresa 3: avio 1.
d) Empresa 1: avio 2; empresa 2: avio 3 e empresa 3: avio 1.
x 2 1 x
55) (ESPM-SP) Dadas as matrizes A = eB= , a diferena entre os valores de
1 1 1 2
x, tais que det(A.B) = 3x pode ser igual a:
a) 3b) 2c) 5d) 4e) 1
2
56) (UFV-MG) O valor do determinante 1
2
| 0 1
1 0 :
1 3
|
a) 5b) 6c) 7d) 8
x y 3x + 1 8
57) (Feevale-RS) Sendo = 6, o valor de :
1 1 3y + 1 8
a) 6b) 8c) 24d) 128e) 144
46 captulo 2
1 2 1 2
58) (Ifal) Se A = eB= , o determinante da matriz (AB)1 :
1 0 1 0
a) 1/10b) 21/10c) 13/10d) 13/10e) nda.
59) (FATEC-SP) Se x um nmero real positivo tal que:
1 1 x 1
A= ,B= e det(AB) = 2, ento xx igual a:
x 0 1 1
a) 4b)1/4c) 1d) 2e) 4
60) (UECE) Considere as matrizes M, N e P dadas por:

1 1

2 1 3
M= , N = 2 1 e P = MN.

1 1 1 1 1
O valor do determinante da matriz inversa de P :
a) 3b) 1/3c) 3d) 1/3
61) (UFV-MG) Considere as matrizes quadradas de ordem 2:

1 0 2 1
A= eB=
2 1 0 2
Seja M = A.Bt, onde Bt a matriz transposta de B. O determinante da matriz inversa de M :
a) 1/8b) 1/6c) 1/4d) 1/2
m n
62) (UEPB) Sendo A = uma matriz inversvel com inversa A1, suponha que
2 10
det A1 = 1/6, podemos afirmar que:
a) 5m + n = 3 d) m + n =1
b) 5m n = 3 e) n 5m = 3
c) 5m + n = 3
1 2 2 1
63) (UDESC) Dada a matriz A = , seja a matriz B tal que A-1 B A = D, onde D = ,
1 1 1 2
ento o determinante de B igual a:
a) 3b) 5c) 2d) 5e) 3
64) (UFP) Maria afirmou para Joo: A e B so matrizes tais que o produto AB possui inversa.
A partir dessa informao, Joo concluiu:
I. A matriz BtAt possui inversa.
II. As matrizes A e B possuem inversa.
captulo 2 47
III. O determinante de AB diferente de zero.
A(s) concluso (es) verdadeira(s) (so) apenas:
a) I b) II c) III d) I e II e ) I, II e III
65) (UFCG-PB) Dois alunos estavam trabalhando com a sequncia 25, 24, 23, ..., 218, 219, quando
um outro aluno aproveitou a oportunidade e construiu uma matriz An xn com esses nmeros, sem
repetir qualquer deles. Depois disso, lanou um desafio aos amigos, perguntando a relao entre
det(2A) e det(A). Qual a resposta a esse desafio?
a) det(2A) = det(A)
b) det(2A) = 3 det(A)
c) det(2A) = 16 det(A)
d) det(2A) = 32 det(A)
e) det(2A) = 81 det(A)
66) (UFU-MG) Considere a sequncia numrica 1, 2, 3, 5, 8, 13, 21, ... (que a menos da ausncia
do primeiro termo, conhecida como a sequncia de Fibonacci), em que cada um dos termos, a
partir do terceiro, a soma dos dois anteriores. Seja A uma matriz quadrada de ordem trs, for-
mada com quaisquer 9 elementos consecutivos desta sequncia, dispostos consecutivamente,
em A, nas posies a11, a12, a13,..., a31,..., a33. Qual o determinante de A?
a) 1b) 0c) 1d) 3e) 5
67) (FATEC-SP) O trao de uma matriz quadrada a soma dos elementos de sua diagonal
2 1 0
principal. Se os nmeros inteiros x e y so tais que a matriz 3 x 4 tem trao igual a
1 1 y
4 e determinante igual a 19, ento o produto xy igual a:
a) 4b) 3c) 1d) 1e) 3
68) (ITA-SP) Em uma mesa de uma lanchonete, o consumo de 3 sanduches, 7 xcaras de caf
e 1 pedao de torta totalizou R$ 31,50. Em outra mesa, o consumo de 4 sanduches, 10 xcaras
de caf e 1 pedao de torta totalizou R$ 42,00. Ento, o consumo de 1 sanduche, 1 xcara de
caf e 1 pedao de torta totaliza o valor de:
a) R$ 17,50 b) R$16,50 c) R$ 12,50 d) R$10,50 e) R$ 9,50
69) (UPE) Em uma floricultura possvel montar arranjos diferentes com rosas, lrios e margari-
das. Um arranjo com 4 margaridas, 2 lrios e 3 rosas custa 42 reais. No entanto, se o arranjo tiver
uma margarida, 2 lrios e uma rosa, ele custa 20 reais. Entretanto, se o arranjo tiver 2 margaridas,
4 lrios e uma rosa, custar 32 reais. Nessa floricultura, quanto custar um arranjo simples com
uma margarida, um lrio e uma rosa?
a) 5 reaisb) 8 reaisc) 10 reaisd) 15 reaise) 24 reais
48 captulo 2
70) (FGV-SP) Como se sabe, no jogo de basquete, cada arremesso convertido de dentro do
garrafo vale 2 pontos e, de fora do garrafo, vale 3 pontos. Um time combinou com seu clube
que receberia R$ 50,00 para cada arremesso de 3 pontos convertido e R$ 30,00 para cada ar-
remesso de 2 pontos convertido. Ao final do jogo, o time fez 113 pontos e recebeu R$ 1.760,00.
Ento, a quantidade de arremessos convertidos de 3 pontos foi:
a) 13b) 15c) 16d) 17e) 18
71) (UE-GO) Um feirante vendeu todo o seu estoque de mas e peras por R$ 350,00. O preo
de venda das peras e das mas est descrito abaixo:
3 mas por R$ 2,00

2 peras por R$ 1,50
Se o feirante tivesse vendido somente metade das mas e 2/5 das peras, ele teria arrecado
R$ 160,00. Sendo assim, quantas frutas o feirante vendeu?
a) 200b) 300c) 400d) 500
72) (FGV-SP) Na cantina de um colgio o preo de 3 chicletes, 7 balas e 1 refrigerante R$

3,15. Mudando-se as quantidades para 4 chicletes, 10 balas e 1 refrigerante, o preo, nessa
cantina, passa para R$ 4,20. O preo, em reais, de 1 chiclete, 1 bala e 1 refrigerante nessa
mesma cantina igual a:
a) 1,70 b) 1,65 c) 1,20 d) 1,05 e) 0,95
73) (UFC-CE) Uma fbrica de confeces produziu, sob encomenda, 70 peas de roupas en-
tre camisas, batas e calas, sendo a quantidade de camisas igual ao dobro da quantidade de
calas. Se o nmero de bolsos em cada camisa, bata e cala dois, trs e quatro, respectiva-
mente, e o nmero total de bolsos nas peas 200, ento podemos afirmar que a quantidade
de batas :
a) 36b) 38c) 40d) 42e) 44
74) (UNIFESP) Em uma lanchonete, o custo de 3 sanduches, 7 refrigerantes e uma torta de

ma R$ 22,50. Com 4 sanduches, 10 refrigerantes e uma torta de ma, o custo vai para R$
30,50. O custo de um sanduche, um refrigerante e uma torta de ma, em reais, :
a) 7,00 b) 6,50 c) 6,00 d) 5,50 e) 5,00
75) (PUC-MG) Cada grama do produto P custa R$ 0,21 e cada grama do produto Q, R$ 0,18.
Cada quilo de certa mistura desses dois produtos, feita por um laboratrio, custa R$192,00.
Com base nesses dados, pode-se afirmar que a quantidade do produto P utilizada para fazer um
quilo dessa mistura :
a) 300 gb) 400 gc) 600 gd) 700 g
captulo 2 49
76) (FGV-SP) Considere trs trabalhadores. O segundo e o terceiro, juntos, podem completar
um trabalho em 10 dias. O primeiro e o terceiro, juntos, podem faz-lo em 12 dias, enquanto o
primeiro e o segundo, juntos, podem faz-lo em 15 dias. Em quantos dias os trs juntos podem
fazer o trabalho?
77) (UFPE) Quatro amigos A, B, C e D compraram um presente que custou R$ 360,00. Se:
A pagou metade do que pagaram B, C e D;
B pagou um tero do que pagaram juntos A, C e D; e
C pagou um quarto do que pagaram A, B e D.
Quanto pagou D, em reais?
78) (UNIFESP) Considere a equao 4x + 12 y = 1.705. Diz-se que ela admite uma soluo
inteira se existir um par ordenado (x, y), com x e y inteiros, que a satisfaa identicamente. A
quantidade de solues inteiras dessa equao :
a) 0b) 1c) 2d) 3e) 4
79) (PUC-MG) O cdigo de trnsito de certo pas adota o sistema de pontuao em carteira
para os motoristas: so atribudos 4 pontos quando se trata de infrao leve, 5 pontos por in-
frao grave e 7 pontos por infrao gravssima. Considere um motorista que, durante um ano,
cometeu o mesmo nmero de infraes leves e graves, foi autuado p vezes por infraes gra-
vssimas e acumulou 57 pontos em sua carteira. Nessas condies, pode-se afirmar que valor
de p igual a:
a) 1b) 2c) 3d) 4e) 5
PERSONALIDADES
Vrios so os casos de genialidade na histria da matemtica. Aproveitaremos o momento para
relembrarmos alguns desses gnios e seus feitos na matemtica.
a) Aos 16 anos de idade, Blaise Pascal escreveu um tratado sobre as cnicas que foi conside-
rado como um dos fundamentos da geometria moderna.
b) Carl Friedrick Gauss (1777-1855) calculou a soma dos primeiros 100 nmeros inteiros de
uma forma indita e muito criativa aos 9 anos de idade.
c) Niels Henrik Abel (1802-1829) aos 16 anos de idade fazia estudos sobre o problema de
resoluo das equaes de quinto grau. Morreu precocemente vtima da temvel tuberculose,
doena incurvel na poca.
d) Evariste Galois (1811-1832) aos 15 anos discutia e comentava as obras de Legendre e
Lagrange.
50 captulo 2
CURIOSIDADE
A matemtica nos brinda com padres numricos bastante interessantes e com um certo toque
de beleza. Vejamos alguns:
1.9 + 2 = 11
12.9 + 3 = 111
123.9 + 4 = 1111
1234.9 + 5 = 11111
12345.9 + 6 = 111111
123456.9 + 7 = 1111111
1234567.9 + 8 = 11111111
12345678.9 + 9 = 111111111
123456789.9 + 10 = 1111111111
9.9 + 7 = 88
98.9 + 6 = 888
987.9 + 5 = 8888
9876.9 + 4 = 88888
98765.9 + 3 = 888888
987654.9 + 2 = 8888888
9876543.9 + 1 = 88888888
98765432.9 + 0 = 888888888
1.8 + 1 = 9
12.8 + 2 = 98
123.8 + 3 = 987
1234.8+ 4 = 9876
12345.8 + 5 = 98765
123456.8 + 6 = 987654
1234567.8 + 7 = 9876543
12345678.8 + 8 = 98765432
123456789.8 + 9 = 987654321
1.1 = 1
11.11 = 121
111.111 = 12321
1111.1111 = 1234321
11111.11111 = 123454321
111111.111111 = 12345654321
1111111.1111111 = 1234567654321
4.4 = 16
34.34 = 1156
334.334 = 111556
3334.3334 = 11115556
33334.33334 = 1111155556
captulo 2 51
IMAGENS DO CAPTULO
Laplace Georgios | Dreamstime.com Pierre Simon Laplace (foto)
Pascal Georgios | Dreamstime.com Blaise Pascal (foto)
GABARITO
2.2 Propriedade dos determinantes
1) Resolvendo o determinante
| |
2 0 4
7 8 2 = 80 +140 64 20 = 136 = 8 x 17
2 5 5
Logo, o determinante divisvel por 17.
2) Efetuando o produto de matrizes, temos:

x + 2y = 5
4x + 3y = 10
x = 5 2y
4.(5 2y) + 3y = 10
20 8y + 3y = 10
5 y = 10
y = 2 e x =1
Resp: d) 1 e 2
1 2 1 2 1 2 1 0
3) A2 + 2A 11I = +2 11 =
4 3 4 3 4 3 0 1
9 4 2 4 11 0 0 0
= + =
8 17 8 6 0 11 0 0
Resp.: c)
0 1 x y
4) =
1 0 y x
Resp.: d) Uma reflexo numa reta.
1 3 x x x + 3y 3x 0 2x + 6y = 0
5) AX = 3X = . =3 = x 3y = 0
4 3 y y 4x 3y 3y 0 4x 3y = 0
2
Resp.: b)
3
a b
6) Seja B = a inversa da matriz dada. Temos:
c d
a b 4 3 1 0
=
c d 1 1 0 1
4a+b=1
3a+b=0
a = 1 e b = 3
52 captulo 2
4c+d=0
3c+d=1
c = -1 e d = 4
1 3
B=
1 4
Resp: b)
7) Se A do tipo 2 x 3 e AB do tipo 2 x 5, ento B ser do tipo: 3 x 5

Resp: d)
1 1 1 1 1 2
8) a) P2 = =
0 1 0 1 0 1
1 2 1 1 1 3
P3 = P2.P = =
0 1 0 1 0 1
1 n
b) Pn =
0 1
Vamos provar por induo:
1 1
n = 1; obviamente, verdadeira: P =
0 1
Suponha n = k verdadeira e vamos provar que vale para n = k +1.
1 k 1 k 1 1 1 k+1
Pk = , ento: = = PK+1
0 1 0 1 0 1 0 1
3 0 2 1 2 1 3 0 6 3 7 4 1 7
9) Soluo: AB BA = = =
1 4 1 0 1 0 1 4 6 1 3 0 9 1
Resp: b)
10) De imediato, determinaremos a inversa da matriz M.
a b
a) M1 = .
c d
1 0 a b 1 0
=
2 1 c d 0 1
a b 1 0
=
2a + c 2b + d 0 1
a =1 , b = 0
2 a + c = 0 e 2 b + d =1
c = 2 e d = 1
1 0
M1 =
2 1
1 0 2 1 1 0 4 1
b) M-1AM = =
2 1 1 1 2 1 5 1
Trao = 4 + (1) = 3
captulo 2 53
11) Substituindo as matrizes M, N e P, teremos:
3 x 8 2 y 6 7 16
+ =
2 10 y 3 12 x +4 23 13
3x 12 2y 4
7 16
2 3y + 3 2x + 8 =
23 13
15 2 8 2
3x 2y
+ =7
2 3
3y 2x + 8
+ = 13
2 3
Eliminando os denominadores, temos:

9x + 4y = 42
9y + 4x + 16 = 78
Resolvendo o sistema de equaes, temos: x = 2 e y = 6 e da: y x = 4
Resp: b)
12) Sabendo que A B existe, podemos afirmar que:

r = s = a, logo: uma matriz do tipo 3 x a, multiplicada por uma matriz do tipo 3 x 4, para ter como
resultado uma matriz do tipo 3 x 4, necessrio que:
a = 2 e t = 4. Portanto, r = s = 2 e t = 4 e r + s + t = 8.
Resp: b)
13) Multiplicando as matrizes, temos:
x+3y
D=
2x+4y
Resp: a)
14) Efetuando cada uma das opes, vem:
0 1 0 0 0 1
AB = = (Falsa)
0 0 0 1 0 0
0 0 0 1 0 0
BA = = (Falsa)
0 1 0 0 0 0
0 1 0 1 0 0
A2 = = (Verdadeira)
0 0 0 0 0 0
0 0 0 0 0 0
B2 = = (Falsa)
0 1 0 1 0 1
0 1 0 0 0 1
A+B = + = (Falsa)
0 0 0 1 0 0
Resp : c) B2 nula
54 captulo 2
15) Devemos efetuar o produto das duas matrizes.
1 a 2 3 2 + a 3 4 3
=
b 2 1 0 2b + 2 3b 2 0
Da, temos:
2+a=4
2b + 2 = 2
3b = 0
a = 2 e b = 0, logo: ab = 0
Resp: c)
16) Devemos substituir as matrizes A, B e C, na igualdade:

1 2 x 2
=
3 1 y 1
x 2y = 2
3x + y = 1
Resolvendo o sistema, temos: x = 0 e y = 1. Portanto, xy = 0.
Resp: c)
17) Efetuando o produto de matrizes, teremos:
x y 3 5 1 0
=
z w 1 2 0 1
3x + y = 1
5x + 2y = 0
3z + w = 0
5z + 2w = 1
Resolvendo os sistemas, encontramos: y = 5 e z = 1
Resp: d) 5
18) Devemos efetuar a multiplicao das matrizes M e T.
p 1 2 2p + q
MT = =
3 1 q 6 q
Como MT a matriz nula, temos:

2p + q = 0
6 q = 0; q = 6
2p = 6
p = 3
pq = 18
Resp : d)
19) Efetuando a multiplicao de matrizes, encontramos:
4 x + 6 4 8
=
6 10 y z
captulo 2 55
x + 6 = 8; da : x = 2
y=6
z = 10
xyz = 120
Resp: c)
20) Devemos analisar cada uma das afirmaes:

I) Falsa
II) Verdadeira
III) Falsa
Resp: a)
21) Substituindo as matrizes A e B na equao matricial:
2 0 1 2
X= +2
1 1 1 0
2 0 2 4 4 4
X= + =
1 1 2 0 3 1
Resp: d)
22) Sabemos que a matriz simtrica quando At = A. Portanto, teremos:
1 2 y 1 x 3
x 4 5 = 2 4 z
3 z 6 y 5 6
x = 2; y = 3 e z = 5
x + y + z = 10
Resp: c)
23) Vamos determinar a matriz AB.

2 x 1 1 2 2+x
AB = =
3 1 0 1 3 2
Se AB simtrica, temos:
2+x =3
x=1
Resp: c)
24) Devemos multiplicar as matrizes A e B.

1 2 1 3 5 11
= , que uma matriz simtrica.
3 4 2 4 11 25
Resp: a)
25) Resolvendo o determinante da matriz por um dos processos conhecidos encontramos 68.
Resp: b)
56 captulo 2
26) Vamos determinar a matriz AB.
1 2 1 3 1 + 2x 7
AB = =
3 4 x 2 3 + 4x 17
Det(AB) = 17(1 + 2x) 7(3 + 4x) = 0

17 + 34x + 21 28x = 0
6x = 4
x = 2/3
Resp: d)
27) Determinando o valor de xI, temos:
x 0
xI = . Calculando a matriz A xI, vem:
0 x
1 3 x 0 1 x 3
A xI = = . Calculando o determinante, teremos:
2 4 0 x 2 4 x
(1 x)(4 x) 6 = 0
x2 5x 2 = 0
a 5
S= = =5
b 1
Resp: a)
28) Analisando as alternativas conclumos que a nica incorreta a letra d.

Resp: d) det(B) = det(B)
29) A terceira linha igual a soma da primeira linha com a segunda linha. Logo, o determinante
igual a zero.
2.3 Sistemas de duas equaes lineares com duas incgnitas
30) b) R$ 10,00
31) a) 900
32) a) 5
33) d) 32
34) d) 21
35) b) R$ 1,06
36) c) 160
37) b) 44
38) a) R$ 120,00
39) e) 10
40) e) R$ 16,50
41) c) R$ 31,70
42) c) R$ 1.000,00
43) a) 186
captulo 2 57
44) c) 12.673
COMENTRIO 45) a) 9 n < 12
A questo de nmero 79 no sim- 46) c) 84

ples, por isso foi dado o desenvol- 47) d) 12
vimento para se chegar resposta 48) c) R$ 1.500,00
correta. 49) b) R$ 12,30
50) e) depois da parada, o nibus 1 ficou com 14 passageiros a mais.
1 3
51) e)
6 5
52) c) 900
53) c) 32
54) a) Empresa 1: avio 1; empresa 2: avio 3 e empresa 3: avio 2.
55) c) 5
56) a) 5
57) e) 144
58) e) nda
59) b) 1/4
60) d) 1/3
61) c) 1/4
62) c) 5m + n = 3
63) d) 5
64) e) I, II e III
65) d) det(2A) = 32 det(A)
66) b) 0
67) b) 3
68) d) R$ 10,50
69) d) 15 reais
70) a) 13
71) d) 500
72) d) 1,05
73) c) 40
74) b) 6,50
75) b) 400 g
76) 8 dias
77) R$ 78,00
78) a) 0
79) c) 3
Soluo: Sejam nmero infraes leves = nmero de infraes graves = x
e infraes gravssimas p, teremos:
4x + 5x + 7p = 57
7p = 57 9x
p = (57-9x)/7
58 captulo 2
Sabemos que x e p so inteiros positivos, da:
x = 1, p = 48/7 (no serve)
x = 2, p = 39/7 (no serve)
x = 3, p = 30/7 (no serve)
x = 4, p = 21/7 = 3 ( serve)
x = 5, p = 12/7 (no serve)
captulo 2 59
3 Resoluo de
sistemas
ana lucia de sousa

3 OBJETIVOS
Resoluo de sistemas
Resolver sistemas lineares atravs da eliminao de linhas.
Resolver sistemas lineares atravs do mtodo da matriz inversa.
Resolver sistemas lineares atravs da regra de Cramer.
Discutir as condies de existncia de solues dos sistemas lineares.
3.1 Introduo
Vamos comear o nosso estudo lembrando que j foi visto no captulo 1 que
podemos estabelecer um link entre os sistemas de equaes lineares (ou
simplesmente sistemas de equaes) e o estudo das matrizes.
Exemplificando
1) Seja o seguinte sistema de linear com trs variveis (ou incgnitas) defi-
nido por:
2x + 5y z = 0
4x 3y + 6z = 1
7x + y 2z = 8
Vimos que possvel representar esse sistema na forma matricial do se-

guinte modo:
2 5 1 x 0
4 3 6 y = 1
7 1 2 z 8
Tambm podemos represent-lo com uma notao simplificada:
A.X = B
62 captulo 3
Lembrando que:
A a matriz formada pelos coeficientes das incgnitas das equaes que

compem o sistema dado:
2 5 1
A = 4 3 6
7 1 2
X a matriz formada pelas incgnitas:

x
X = y
z
B a matriz formada pelos termos independentes:

0
B = 1
8
Vamos acrescentar outra matriz chamada de matriz aumentada. Ela tam-

bm chamada de matriz completa.
2 5 1 0
4 3 6 1
7 1 2 8
termos independentes
Na matriz ampliada
Cada linha formada, ordenadamente, pelos coeficientes das incgnitas e

pelos termos independentes de cada equao.
ada coluna (com exceo da ltima) contm, ordenadamente, os coeficien-

C
tes relativos a uma mesma incgnita.
ltima coluna contm, na mesma ordem, os termos independentes das

A
equaes do sistema.
Com o sistema representado na forma matricial podemos resolv-lo e

encontrar o conjunto soluo atravs de outras tcnicas. Lembre-se que no
captulo 1 voc aprendeu que possvel encontrar a soluo de um sistema
captulo 3 63
de equaes atravs dos mtodos da adio, substituio ou comparao.
Agora vamos conhecer novas tcnicas onde poderemos encontrar o conjun-
to soluo do sistema de equaes, classific-lo e analisar as condies de
existncia de solues, assim como a quantidade de solues. Alm disso,
veremos que muitos problemas podem ser modelados na forma de siste-
mas de equaes e desse modo encontraremos sua soluo atravs das tc-
nicas estudadas.
3.2 Resoluo atravs da eliminao de linhas

Antes de iniciarmos o desenvolvimento do mtodo de resoluo atravs da
eliminao de linhas, vamos fazer algumas consideraes importantes so-
bre os sistemas de equaes lineares.
Classificao de um sistema de equaes
Um sistema de equaes pode ser classificado quanto ao nmero e existn-

cia de solues de acordo com o esquema abaixo:
SISTEMA LINEAR
POSSVEL IMPOSSVEL
QUANDO ADMITE SOLUO QUANDO NO ADMITE SOLUO
DETERMINADO INDETERMINADO
ADMITE UMA NICA SOLUO ADMITE INFINITAS SOLUES
Podemos resumir o esquema do seguinte modo:
Sistema possvel e determinado (SPD) possui apenas uma soluo possvel
Sistema possvel e indeterminado (SPI) possui infinitas solues
Sistema impossvel (SI) no possui soluo
64 captulo 3
Exemplificando
1. Sistema possvel e determinado (SPD)
2x + y = 5
x 3y = 6
Resolvendo o sistema atravs dos mtodos j conhecidos encontramos

como resposta uma nica soluo: (3, 1)
Geometricamente: A soluo do sistema o ponto onde as retas se en-

contram.
y
3
1 x
2. Sistema possvel e indeterminado (SPI)

2x y =5
4x 2y = 10
Resolvendo o sistema atravs do mtodo da substituio:

Podemos isolar o y na primeira equao y = 2x 5.
Agora vamos substituir y = 2x 5 na segunda equao no lugar da vari-

vel y.
4x 2(2x 5) = 10 4x 4x + 10 = 10 0x = 0
Note que se colocarmos qualquer nmero real no lugar de x torna a sen-

tena verdadeira, o que nos leva a concluir que o sistema tem infinitas solu-
es. Cada soluo um par ordenado onde o primeiro elemento qualquer
nmero real e o segundo elemento o dobro do primeiro, menos cinco. Veja:
(1, 3), (3, 11), (0, 5), ...
Como estamos trabalhando com nmeros reais, podemos escrever a so-

luo do seguinte modo:
S = {(k, 2k 5); k R}, para cada k temos uma soluo. Logo temos infinitas
solues.
captulo 3 65
Geometricamente: As duas retas que formam este sistema so coinci-
dentes. Logo qualquer ponto de uma das retas soluo deste sistema.
5/2
x
3. Sistema impossvel (SPI)
3x 2y =1
6x 4y = 7
Resolvendo o sistema atravs dos mtodos j conhecidos encontramos

0 = 5. Isto torna o sistema impossvel, ou seja, ele no admite nenhuma
soluo.
Geometricamente: As retas so paralelas, ou seja, no possuem nenhum

ponto em comum, e portanto este sistema no tem soluo. Isto significa
que no existe nenhum x ou y capaz de satisfazer o sistema.
Sistemas lineares homogneos
Um sistema linear dito homogneo quando o termo independente de to-

das as equaes do sistema for nulo.
66 captulo 3
Exemplificando
3x 4y = 0
1.
6x + 8y = 0
3x y 7z = 0
2.
x 2y + 3z = 0
x + y + 2z = 0
3. x y 3z = 0
x + 4y = 0
Soluo de um sistema linear homogneo
Um sistema linear homogneo com n incgnitas (ou variveis) admite (0, 0,

0, ..., 0) como soluo. Tomando o exemplo 3, visto anteriormente, ele ad-
mite a soluo (0, 0, 0). Essa soluo chamada de soluo trivial ou soluo
nula ou soluo imprpria, o que torna esse sistema possvel. Um sistema
linear homogneo sempre possvel, pois possui pelo menos a soluo no
trivial. Agora se ele for indeterminado significa que admite outra soluo
onde as incgnitas no so todas nulas. Nesse caso, a soluo chamada de
no trivial ou prpria.
Sistemas lineares equivalentes
Dizemos que dois sistemas so equivalentes quando admitem o mesmo

conjunto soluo.
EXEMPLO
Resolvendo os sistemas abaixo atravs dos mtodos estudados no captulo 1 notamos que as
solues so as mesmas. Logo,
Os sistemas

x 2y = 3 3x 4y = 5
e
2x y = 4 x + 2y = 5
so equivalentes, pois possuem o mesmo conjunto soluo S = {(1,2)}.
Agora estamos preparados para encontrar o conjunto soluo de um sistema linear.
captulo 3 67
COMENTRIO Resoluo de sistemas lineares por escalonamento
ou mtodo de eliminao gaussiana
Sistema linear
O mtodo de eliminao de Gauss Encontrar a soluo de um sistema linear atravs do m
transforma um sistema linear qual- todo do escalonamento envolve a eliminao de incgnitas.
quer em um sistema linear escalo-
um mtodo que busca transformar o sistema dado em sis-
nado equivalente. Este mtodo foi
desenvolvido por Gauss e aperfei-
temas equivalentes (com a mesma soluo), at chegar a um
oado por Camile Jordan, mate- sistema escalonado. Em outras palavras, queremos migrar
mtico francs do sculo XX, que de um sistema para outro que seja equivalente ao primeiro,
utiliza a matriz ampliada do sistema. porm com uma resoluo mais simples. Vamos entender
O procedimento baseado na ideia
melhor atravs de um exemplo.
de reduzir a matriz ampliada de um
sistema linear a uma outra matriz
ampliada que seja suficientemente x + y + z = 0
simples a ponto de permitir a visua- Considere o sistema linear yz=5
lizao da soluo. 2z = 8
Note que podemos resolver esse sistema atravs do mtodo

chamado substituies regressivas, ou seja:
1. Podemos determinar o valor da incgnita z na terceira

equao.
2z = 8 z = 4
2. Substituir o valor de z na segunda equao e encontrar o

valor da incgnita y.
yz=5y4=5y=9
3. Por ltimo vamos substituir y e z na primeira equao e

obter o valor da incgnita x.
x + y + z = 0 x + 9 + 4 = 0 x = 9 4 x = 13
Encontramos facilmente o conjunto soluo do sistema li-

near:
S = {(13, 9, 4)}
68 captulo 3
Agora observe a matriz aumentada do sistema dado:
OBSERVAO
1 1 1 0 Matriz aumentada
0 1 1 5 A matriz aumentada dada anterior-
0 0 2 8 mente est na forma escalonada
reduzida por linhas. O procedimen-
to que ser apresentado chama-
do de eliminao gaussiana.
ATENO
Note que a partir da segunda linha o nmero de zeros iniciais aumenta e
quando isso ocorre podemos dizer que a matriz est escalonada. Assim, a
matriz na forma escalonada pode se resolvida pelo mtodo das substitui-
es regressivas.
O processo para chegarmos a um sistema escalonado en-

volve algumas operaes ou transformaes elementares
sobre as equaes do sistema dado. Veja:
Trocar (permutar) as posies de duas equaes.
Multiplicar uma das equaes por um nmero real diferente

de zero.
Multiplicar uma equao por um nmero real diferente de

zero e somar o resultado encontrado com a outra equao.
Veja que essas operaes podem ser realizadas nas li-

nhas da matriz aumentada, visto que as linhas horizontais
da matriz aumentada correspondem s equaes do siste-
ma linear dado inicialmente. Ento vamos compreender
melhor esse processo atravs de um exemplo.
Exemplificando
Resolva o sistema linear por meio de escalonamento
x + y + 2z = 9
2x + 4y 3z = 1
3x + 6y 5z = 0
Para solucion-lo, devemos inicialmente escrever este

sistema linear na forma de sua matriz aumentada
captulo 3 69
1 1 2 9
2 4 3 1
3 6 5 0
coluna do termo independente
coluna da varivel z
coluna da varivel y
coluna da varivel x
Passo 1
Localize na primeira linha da matriz o primeiro elemento no nulo. Este
elemento no nulo chamado de piv. Chamamos o nmero 1 de piv.
1 1 2 9
2 4 3 1
3 6 5 0
OBSERVAO
Se na primeira linha o primeiro elemento for nulo, ento localize uma outra linha que tenha o
elemento no nulo e troque as linhas.
Passo 2
Agora voc dever anular os elementos que esto abaixo do piv.
1 1 2 9
2 4 3 1
3 6 5 0
coluna do piv
Devemos ento anular o elemento 2 e o elemento 3 que esto localizados

logo abaixo do piv.
Vamos repetir a primeira linha onde o piv est localizado.
Agora faa a seguinte pergunta:
Qual o nmero que devo multiplicar o piv cujo resultado dessa multiplica-
o somado com o elemento 2 (segunda linha) tenha como resultado zero?
Resposta: 2
70 captulo 3
Isso significa que comeamos multiplicando a primeira linha (do piv)
por (2) e adicionando o resultado segunda linha onde est o elemento
que desejamos eliminar.
1 1 2 9
2 4 3 1
3 6 5 0
Obtemos:
1 1 2 9
0 2 7 17
3 6 5 0
Agora precisamos eliminar o elemento 3 (terceira linha). Vamos repetir o

mesmo procedimento.
Qual o nmero que devo multiplicar o piv cujo resultado somado com 3
tenha como resultado zero? Resposta: 3
Isso significa que vamos multiplicar a primeira linha (do piv) por (3) e
adicionar o resultado terceira linha onde est o elemento que desejamos
eliminar.
1 1 2 9
0 2 7 17
3 6 5 0
Ficamos com seguinte sistema:
1 1 2 9
0 2 7 17
0 3 11 27
Passo 3
Agora procure na segunda linha desta matriz o elemento piv.
1 1 2 9
0 2 7 17
0 3 11 27
Observe que o piv 2. Para facilitar as contas vamos transformar este

piv em 1. Para isto, basta multiplicar a segunda linha por 1/2.
captulo 3 71
1 1 2 9
7 17
0 1
2 2
0 3 11 27
Agora vamos anular o elemento 3 que est abaixo do piv.
Agora faa a seguinte pergunta:
Qual o nmero que devo multiplicar o piv cujo resultado dessa multiplica-
o somado com o elemento 3 (terceira linha) tenha como resultado zero?
Resposta: 3
Isso significa que vamos multiplicar a segunda linha (do piv) por (3) e
adicionar o resultado terceira linha onde est o elemento que desejamos
eliminar.
1 1 2 9
7 17
0 1
2 2
0 3 11 27
1 1 2 9
7 17
0 1
2 2
21 51
0 0 11 27
2 2
1 1 2 9
7 17
0 1
2 2
1 3
0 0
2 2
Agora temos uma matriz na forma escalonada. Para ficar mais fcil a visua
lizao, vamos escrever essa matriz na forma de um sistema de equaes.
x + y + 2z = 9
7 17
y z =
2 2
1 z = 3

2 2
Veja que agora ficou simples a resoluo do sistema.
Na terceira linha podemos encontrar o valor da incgnita z.
1 z = 3 z = 3 z = 3
2 2
72 captulo 3
Na segunda linha podemos substituir o valor de z e assim obter o valor da
incgnita y.
y 7 z = 17 y 7 . (3) = 17 y 21 = 17 2y 21 = 17 2y = 4 y = 2
2 2 2 2 2 2
Por fim, vamos substituir os valores de z e de y na primeira equao e ob-
ter o valor da incgnita x.
x + 2 + 2(3) = 9 x + 2 + 6 = 9 x = 1
Portanto, esse sistema possvel e determinado (SPD). A soluo do sis-

tema linear :
S = {(1, 2, 3)}
x + y + z =12
1) Resolva o sistema 3x y + 2z = 14
2x 2y + z = 3
Soluo
Utilizando a matriz ampliada, temos:
elemento piv
1 1 1 12
3 1 2 14
2 2 1 3
Vamos zerar os elementos 3 e 2 que esto abaixo do piv.

Comeamos multiplicando a primeira linha por (3) e adicionando o resultado segunda linha.
1 1 1 12
3 1 2 14
2 2 1 3
Obtemos:
1 1 1 12
0 4 1 22
2 2 1 3
Agora vamos multiplicar a primeira linha por (2) e adicionar o resultado terceira linha.
captulo 3 73
1 1 1 12
OBSERVAO 0 4 1 22
Sistema 0 4 1 27
Esse tipo de sistema apresenta sem-
pre infinitas solues, sendo, ento Note que se multiplicarmos a segunda linha da matriz por (1) e adicionar-
um sistema possvel e indeterminado mos o resultado terceira linha encontraremos o seguinte resultado:
(SPI).
1 1 1 12
0 4 1 22
0 0 0 5
Observe que na terceira linha temos 0x + 0y + 0z = 5. Logo, o sistema

impossvel (SI).
Resposta: S =
x + 2y z = 4
2) Resolva o sistema
3x y + z = 5
Soluo
Note que o nmero de incgnitas (trs) maior do que o nmero de equa-
es (duas).
elemento piv
1 2 1 4
3 1 1 5
Vamos zerar o elemento 3 que est abaixo do piv.
Comeamos multiplicando a primeira linha por (3) e adicionando o resul-

tado segunda linha.
Obtemos:
1 2 1 4
0 7 4 7
x + 2y z = 4
O sistema equivalente :
7y + 4z = 7
Veja que o sistema indeterminado. Podemos usar um parmetro qualquer

k, onde k est em R, para representar a incgnita z. Obtemos, assim, a se-
guinte soluo geral:
4k + 7
Na segunda equao obtemos y: 7y + 4z = 7 y =
7
74 captulo 3
Na primeira equao obtemos x: x + 2. ( 4k 7+ 7 ) k = 4 x = 147 k
14 k 4k + 7
Resposta: S = , ,k /kR
7 7
3) Classifique e resolva o sistema linear homogneo.
2x + 3y z = 0
x 4y + z = 0
3x + y 2z = 0
Soluo
2 3 1 0
1 4 1 0
3 1 2 0
Note que o primeiro coeficiente da primeira linha 2. Nesse caso, podemos trocar as posies
das duas primeiras linhas, a fim de que o primeiro coeficiente seja igual a 1.
elemento piv
1 4 1 0
2 3 1 0
3 1 2 0
Vamos zerar os elementos 2 e 3 que esto abaixo do piv.
Comeamos multiplicando a primeira linha por (2) e adicionando o resultado segunda linha,
tem-se:
1 4 1 0
0 11 3 0
3 1 2 0
Agora vamos multiplicar a primeira linha por (3) e adicionar o resultado terceira linha. Ob-
temos:
1 4 1 0
0 11 3 0
0 13 5 0
Agora procure na segunda linha desta matriz o elemento piv.
captulo 3 75
1 4 1 0
0 11 3 0
0 13 5 0
Observe que o piv 11. Para facilitar as contas, vamos transformar este piv em 1. Para isto,
basta multiplicar a segunda linha por 1/11.
1 4 1 0
0 1 3/11 0
0 13 5 0
Agora vamos anular o elemento 13 que est abaixo do piv.
Vamos multiplicar a segunda linha por (13) e adicionar o resultado terceira linha. Obtemos:
1 4 1 0
0 1 3/11 0
0 0 16/11 0
Agora a matriz aumentada est na forma escalonada.
O sistema que corresponde a essa matriz
x 4y + z = 0
3
y z=0
11
16
z=0
11
Agora podemos resolver facilmente esse sistema encontrando na terceira equao o valor da
incgnita z = 0. Substituindo o valor de z na segunda equao encontramos o valor de y = 0,
e por ltimo substituindo y e z na primeira equao encontramos o valor da incgnita x = 0.
Conclumos que o sistema possvel e determinado (SPD), pois admite soluo trivial {(0,0,0)}.
EXERCCIOS DE FIXAO
1) Resolva o sistema linear abaixo.
x + 4y + 3z = 1
2x + 5y + 4z = 4
x 3y 2z = 5
2) Resolva os sistemas lineares atravs do escalonamento.
x + 2y = 5
a)
2x 3y = 4
76 captulo 3
x+yz=0
b) x + y + z = 0
x y z = 0
2x + y 2z = 2
c) y + z = 2
3x 2z = 1
x + y + 2z = 2
d) 2x + y + z = 3
x y + z = 0
3) Calcule m e n, de modo que os sistemas sejam equivalentes:
xy=1 mx ny = 1
e
2x y = 5 nx + my = 2
4) Resolva o sistema:
x + y + 2z = 1
x + 2y + 3z = 2
2x y + z = 2
5) Classifique e resolva os seguintes sistemas lineares.
x + 2y + 4z = 5
a) 2x y + 2z = 8
3x 3y z = 7
4x 3y + z = 3
b) 3x + y + 4z = 1
5x 2y 3z = 2

3x + y = 3
c) 5x + 3y = 1
x 4y = 7
6) Classifique e resolva o sistema linear homogneo.
x + 2y z = 0
2x y + 3z = 0
4x + 3y + z = 0
x + my = m 1
7) Seja o sistema
2x + 6y = m2 1
a) Determine o valor de m para que o sistema seja homogneo.

b) Utilizando o valor obtido no item a, resolva o sistema.
captulo 3 77
8) (UFPR) Certa transportadora possui depsitos nas cidades de Guarapuava, Maring e Cas-
cavel. Trs motoristas dessa empresa, que transportavam encomendas apenas entre esses trs
depsitos, estavam conversando e fizeram as seguintes afirmaes: 1o motorista: Ontem eu
sa de Cascavel, entreguei parte da carga em Maring e o restante em Guarapuava. Ao todo,
percorri 568 km. 2o motorista: Eu sa de Maring, entreguei parte da carga em Cascavel e de-
pois fui para Guarapuava. Ao todo, percorri 522 km. 3o motorista: Semana passada eu sa de
Maring, descarreguei parte da carga em Guarapuava e o restante em Cascavel, percorrendo,
ao todo, 550 km. Sabendo que os trs motoristas cumpriram rigorosamente o percurso imposto
pela transportadora, quantos quilmetros percorreria um motorista que sasse de Guarapuava,
passasse por Maring, depois por Cascavel e retornasse a Guarapuava?
a) 832 kmb) 820 kmc) 798 kmd) 812 kme) 824 km
9) (PUC) Como est se aproximando o trmino do desconto do IPI para a linha branca dos ele-
trodomsticos, uma determinada loja de departamentos, para vender uma geladeira, uma mqui-
na de lavar e uma secadora, props a seguinte oferta: a geladeira e a mquina de lavar custam
juntas R$ 2.200,00; a mquina de lavar e a secadora, R$ 2.100,00; a geladeira e a secadora, R$
2.500,00. Quanto pagar um cliente que comprar os trs produtos anunciados?
a) R$ 3.400,00 d) R$ 3.200,00
b) R$ 2.266,00 e) R$ 4.800,00
c) R$ 6.800,00
10) (CEFET) Alice comprou dois tics, dois tacs e dois tocs pagando 10 reais. Berenice comprou
um tic, dois tacs e dois tocs pagando 9 reais. Crenddice pagou 8 reais por um tic, trs tacs e um
toc. Para comprar um tic, um tac e trs tocs, Dirce vai gastar, em reais:
a) 10b) 9c) 8d) 7e) 11
11) (ENADE 2014) Em uma loja de material escolar, as mercadorias caneta, lpis e borracha,
de um nico tipo cada um, so vendidas para trs estudantes. O primeiro comprou uma caneta,
trs lpis e duas borrachas pagando R$ 10,00; o segundo adquiriu duas canetas, um lpis e uma
borracha pagando R$ 9,00; o terceiro comprou trs canetas, quatro lpis e trs borrachas pa-
gando R$ 19,00. Os estudantes, aps as compras, sem verificarem os valores de cada mercado-
ria, procuraram resolver o problema: A partir das compras efetuadas e dos respectivos valores
totais pagos por eles, qual o preo da caneta, do lpis e da borracha?. Para isso, montaram um
sistema de equaes lineares cujas incgnitas so os preos das mercadorias.
Esse sistema de equaes :

a) possvel determinado, sendo o preo da borracha mais caro que o do lpis;
b) impossvel, pois saber os totais das compras no garante a existncia de soluo;
c) possvel determinado, podendo admitir como soluo o valor do preo da caneta, do lpis e
da borracha;
d) possvel indeterminado, de forma que a soma dos valores possveis da caneta, do lpis e da
borracha igual a cinco vezes o preo do lpis subtrado de R$ 9,00;
78 captulo 3
e) possvel indeterminado, de forma que a soma dos valores possveis da caneta, do lpis e da
borracha igual a 1/5 da adio do preo da borracha com R$ 28,00.
12) (UFRJ) Uma loja de departamentos, para vender um televisor, um videocassete e um apare-
lho de som, props a seguinte oferta: o televisor e o videocassete custam juntos R$ 1.200,00; o
videocassete e o aparelho de som custam juntos R$ 1.100,00; o televisor e o aparelho de som
custam juntos R$ 1.500,00. Quanto pagar um cliente que comprar os trs produtos anuncia-
dos?
3.3 Resoluo atravs do mtodo da matriz

inversa
J do nosso conhecimento que um sistema de equaes lineares pode ser
apresentado na forma de uma equao matricial AX = B.
Agora vamos resolver um sistema linear atravs desse modelo e voc

ver que simples. No captulo 1 voc aprendeu a calcular a matriz inversa
A-1 de uma matriz A dada. Vamos precisar desse conhecimento para deter-
minarmos o conjunto soluo de um sistema linear. Como foi dito antes,
o processo simples, pois basta multiplicar a matriz inversa da matriz A
dos coeficientes das incgnitas pela matriz B dos termos independentes,
ou seja:
X = A1.B
A1 a inversa da matriz A dos coeficientes das incgnitas.

B a matriz formada pelos termos independentes.
X a matriz formada pelas incgnitas do sistema linear.
Exemplificando
x + 2y = 4
Determine o conjunto soluo do sistema linear
3x + 4y = 8
Considerando:
1 2
A= a matriz dos coeficientes.
3 4
4
B= a matriz dos termos independentes.
8
captulo 3 79
x
X= a matriz formada pelas incgnitas do sistema.
y
Voc j aprendeu a determinar a matriz inversa de uma matriz no cap-

tulo 1. Agora precisamos desse conhecimento para determinarmos a matriz
inversa A1 da matriz A. A matriz inversa ser:
2 1
A1 = 3
1
2 2
Agora, para determinarmos o conjunto soluo do sistema linear dado,

basta multiplicarmos a matriz inversa encontrada pela matriz B. Veja:
2 1
x 4 8 8 16
X= = 3 1 = =
y 2 2 8 6 + 4 10
Isto : x = 16 e y = 10.
Resposta do sistema linear:
{(16, 10)}
EXERCCIO RESOLVIDO
4) Encontre o conjunto soluo do sistema linear atravs do mtodo da matriz inversa.
x + 2y 2z = 0
2x + 5y 4z = 3
3x + 7y 5z = 7
Soluo
Vamos considerar:
1 2 2
A = 2 5 4 a matriz dos coeficientes.
3 7 5
0
B = 3 a matriz dos termos independentes.
7
80 captulo 3
x
X = y a matriz formada pelas incgnitas do sistema.
z
Voc j aprendeu a determinar a matriz inversa de uma matriz no captulo 1. Agora precisamos
desse conhecimento para determinarmos a matriz inversa A1 da matriz A. A matriz inversa
ser:
3 4 2
A = 2 1 0
1
1 1 1
Agora, para determinarmos o conjunto soluo do sistema linear dado, basta multiplicarmos a
matriz inversa encontrada pela matriz B. Veja:
x 3 4 2 0 2
X = y = 2 1 0 3 = 3
z 1 1 1 7 4
Isto : x = 2, y = 3 e z = 4
Soluo do sistema linear: {(2, 3 ,4)}
EXERCCIOS DE FIXAO
x + 2y + z = 9
2x + y z = 3
3x y 2z = 4
x y 2z = 1
x + y + z = 2
x 2y + z = 2
x + y 2z = 7
2x y + 3z = 10
x + y + z = 1
captulo 3 81
OBSERVAO 3.4 Regra de Cramer
Regra de Cramer
Agora vamos aprender outro mtodo para encontrarmos o
Gabriel Cramer (1704-1752), ma-
conjunto soluo de um sistema linear. Esse mtodo co-
temtico e astrnomo suo, desen-
volveu esse mtodo para resolver nhecido como regra de Cramer. Ele baseado no clculo de
sistemas lineares onde o nmero de determinantes.
equaes igual ao nmero de in-
cgnitas. Para entender bem como aplicar a regra de Cramer, va-
mos considerar o sistema linear abaixo.
x + 2y = 4
3x + 4y = 8
Considerando:
1 2
A= a matriz dos coeficientes.
3 4
4
B= a matriz dos termos independentes.
8
Procedimento:
Passo 1
Vamos calcular o determinante da matriz A dos coeficientes
do sistema linear dado.
1 2
det = 1.4 2.3 = 4 6 = 2 0 DA = 2
3 4
ATENO
Note que o determinante da matriz A, que denotaremos por DA= 2,
diferente de zero. Isso uma condio necessria para resolvermos o siste-
ma atravs da regra de Cramer.
Passo 2
Clculo das incgnitas do sistema linear apresentado. Nes-
se caso, vamos determinar o valor de x e y.
82 captulo 3
Para calcularmos os valores de cada incgnita x deveremos substituir a matriz
B (termos independentes) na coluna da matriz relativa a incgnita x.
Veja:
x y
1 2
A=
3 4
4
vamos substituir B = na coluna da incgnita x
8
4 2
Obtemos a matriz . Agora vamos calcular o determinante dessa ma-
8 4
triz que denotaremos por DX.
4 2
det = 4.4 2(8) = 16 + 16 = 32 0 Dx = 32
8 4
Dx
Pela regra de Cramer, a incgnita x ser determinada fazendo: x =
DA
32 32
x= = = 16
(2) 2
Para calcularmos o valor de cada incgnita y deveremos substituir a matriz B

(termos independentes) na coluna da matriz relativa a incgnita y.
Veja:
x y
1 2
A=
3 4
4
vamos substituir B = na coluna da incgnita y
8
captulo 3 83
1 4
Obtemos a matriz . Agora vamos calcular o determinante dessa ma-
3 8
triz que denotaremos por Dy.
1 4
= 8.1 4.3 = 8 12 = 20 0 Dy = 20
3 8
Dy
Pela regra de Cramer, a incgnita y ser determinada fazendo: y =
DA
20 20
y= = = 10
(2) 2
Portanto, a soluo do sistema linear atravs da regra de Cramer :
{(-16, 10)}.
RESUMO
O determinante da matriz A dos coeficientes das incgnitas deve ser diferente de zero, isto ,
DA 0. Nesse caso j sabemos que o sistema possvel e determinado. Se o determinante for
igual a zero, ento o sistema linear dado (SI) ou (SPI).
Com relao ao sistema linear homogneo, vimos que ele sempre admite uma soluo trivial
ou soluo nula. Ento podemos concluir em relao a esse sistema que se o determinante
for diferente de zero o sistema linear homogneo ser possvel e determinado, e no caso do
determinante ser igual a zero o sistema possvel e indeterminado
A soluo do sistema linear formado por duas equaes e duas incgnitas ser dada por:
Dx Dy
S= ,
DA DA
A soluo do sistema linear formado por trs equaes e trs incgnitas ser dada por:
Dx Dy Dz
S= , ,
DA DA DA
Os resultados Dx, Dy, Dz, ... podem ser generalizados para um sistema com n equaes e n
incgnitas.
84 captulo 3
EXERCCIO RESOLVIDO
5) Encontre o conjunto soluo do sistema linear atravs da regra de Cramer.
x + y = 107
y + z = 74
x + z = 91
Soluo
Vamos considerar:
1 1 0
A = 0 1 1 a matriz dos coeficientes.
1 0 1
107
B = 74 a matriz dos termos independentes.
91
Clculo do determinante DA
No captulo 2 foi apresentado o processo para se determinar o determinante de uma matriz de

ordem 3. Assim, temos o seguinte resultado:
1 1 0
DA = 0 1 1 DA = 2
1 0 1
Clculo do determinante DX
x y z
1 1 0
A = 0 1 1
1 0 1
substituir a coluna da incgnita x pela matriz B
107
B = 74
91
captulo 3 85
Obtemos:
107 1 0
74 1 1
91 0 1
107 1 0
Calculando o determinante dessa matriz encontramos: Dx = 74 1 1 Dx = 124
91 0 1
Clculo do determinante DY
x y x
1 1 0
A = 0 1 1
1 0 1
substituir a coluna da incgnita y pela matriz B
107
B = 74
91
Obtemos:
1 107 0
0 74 1
1 91 1
1 107 0
Calculando o determinante dessa matriz encontramos: Dy = 0 74 1 Dy = 90
1 91 1
Clculo do determinante DZ
x y z
1 1 0
A = 0 1 1
1 0 1
substituir a coluna da incgnita z pela matriz B
107
B = 74
91
86 captulo 3
Obtemos:
1 1 107
0 1 74
1 0 91
1 1 107
Calculando o determinante dessa matriz encontramos: Dz = 0 1 74 Dz = 58
1 0 91
Clculo das incgnitas x, y e z.
Dx 124
x= = = 62
DA 2
Dy 90
y= = = 45
DA 2
Dz 58
z= = = 29
DA 2
S = {(62, 45, 29)}
EXERCCIOS DE FIXAO
16) Encontre o conjunto soluo do sistema linear atravs da regra de Cramer.
x + 2y z = 5
x 2y 3z = 3
4x y z = 4
17) Encontre o conjunto soluo de cada sistema linear abaixo atravs da regra de Cramer.
3x y + z = 1
a) 2x + 3z = 1
4x + y 2z = 7
x y + z = 5
b) x + 2y + 4z = 4
3x + y 2z = 3
x+yz=0
c) x y 2z = 1
x + 2y + z = 4
18) (COVEST-PE) Um nutricionista pretende misturar trs tipos de alimentos (A, B e C) de for-
ma que a mistura resultante contenha 3.600 unidades de vitaminas, 2.500 unidades de minerais
e 2.700 unidades de gorduras. As unidades por gramas de vitaminas, minerais e gorduras dos
alimentos constam da tabela a seguir:
captulo 3 87
VITAMINAS MINERAIS GORDURA
A 40 100 120
B 80 50 30
C 120 50 60
Quantos gramas do alimento C devem compor a mistura?
19) Uma empresa que presta servios de engenharia tem trs tipos de contentores I, II e III, que
carregam cargas, em trs tipos de recipientes A, B e C. O nmero de recipientes por contentor
dado pelo quadro:
RECIPIENTE A RECIPIENTE B RECIPIENTE C
I 4 3 4
II 4 2 3
III 2 2 2
Quantos contentores de cada tipo I, II e III so necessrios se a empresa necessita transportar

38 recipientes do tipo A, 24 do tipo B e 32 do tipo C?
20) Uma empresa de caf vende trs tipos de gros. Um pacote simples contm 300 gramas
de caf colombiano e 200 gramas de caf tostado tipo francs. Um pacote especial contm 200
gramas de caf colombiano, 200 gramas de caf queniano e 100 gramas de caf tostado tipo
francs. Um pacote com mistura gourmet contm 100 gramas de caf colombiano, 200 gramas
de caf queniano e 200 gramas de caf tostado tipo francs. A empresa tem 30 quilos de caf
colombiano, 15 de caf queniano e 25 de caf tipo francs. Se ela deseja utilizar todos os gros
de caf, quantos pacotes de cada tipo deve preparar.
21) Uma florista vende trs tamanhos de arranjos de flores com rosas, tulipas e lrios. Cada ar-
ranjo pequeno contm uma rosa, trs tulipas e trs lrios. Cada arranjo mdio contm duas rosas,
quatro tulipas e seis lrios. Cada arranjo grande contm quatro rosas, oito tulipas e seis lrios. Um
dia, a florista notou que havia usado um total de 24 rosas, 50 tulipas e 48 lrios ao preparar as
encomendas desses trs tipos de arranjos. Quanto arranjos de cada tipo fez a florista?
22) (UNICAMP 2001) Uma empresa deve enlatar uma mistura de amendoim, castanha de
caju e castanha-do-par. Sabe-se que o quilo de amendoim custa R$ 5,00, o quilo da casta-
88 captulo 3
nha de caju, R$ 20,00 e o quilo de castanha-do-par, R$ 16,00. Cada lata deve conter meio
quilo da mistura e o custo total dos ingredientes de cada lata deve ser de R$ 5,75. Alm disso,
a quantidade de castanha de caju em cada lata deve ser igual a um tero da soma das outras
duas.
a) Escreva o sistema linear que representa a situao descrita acima.
b) Resolva o referido sistema, determinando as quantidades, em gramas, de cada ingrediente
por lata.
3.5 Discusso de um sistema
No incio do nosso estudo sobre os sistemas lineares, vimos que eles podem
ser classificados quanto ao nmero e existncia de solues por:
Sistema possvel e determinado (SPD) possui apenas uma soluo possvel
Sistema possvel e indeterminado (SPI) possui infinitas solues
Sistema impossvel (SI) no possui soluo
Agora vamos analisar ou discutir o sistema linear, ou seja, vamos anali-

s-lo em funo de um ou mais parmetros dados nas equaes do sistema,
as condies necessrias para ele ser possvel e determinado, possvel e in-
determinado ou impossvel. Analisaremos o sistema atravs do clculo do
determinante da matriz formada pelos coeficientes do sistema dado.
Nesse caso, vale lembrar que:
Se o determinante dessa matriz for diferente de zero, ento o sistema pos-
svel e determinado (SPD).
Se o determinante dessa matriz for igual a zero, ento o sistema pode ser
impossvel (SI) ou possvel e indeterminado (SPI).
Exemplificando
3x + ky = 2
1) Vamos discutir o sistema segundo os valores do parmetro k.
x y = 1
captulo 3 89
A matriz dos coeficientes desse sistema ser dada por: 3 k Calculan-
1 1
do o determinante dessa matriz encontramos:
D = 3 k = 3 k
1 1
Se 3 k 0, ento k 3. Isso significa que essa a condio necessria

para que o sistema seja possvel e determinado (SPD).
Se 3 k = 0, ento k = 3. Isso significa que o sistema pode ser impossvel

(SI) ou possvel e indeterminado (SPI).
Vamos verificar substituindo o valor de k no sistema e resolvendo o mes-

mo atravs dos mtodos j estudados.
3x 3y = 2
usando o mtodo da adio
x y = 1
3x 3y = 2
x y = 1 x (3)
3x 3y = 2
3x + 3y = 3
0 = 1
Veja que o sistema impossvel.
De acordo com essa anlise, fica claro que no existe valor para o parme-
tro k que torna o sistema possvel e indeterminado (SPI).
Resumo da discusso:
k 3 SPD
k = 3 SI
90 captulo 3
2) Determine o valor de m de modo que o sistema linear dado admita
soluo nica.
mx + 2y z = 0
x 3y + z = 0
x + 2z = 2
Para que o sistema linear dado admita soluo nica, o determinante da
matriz formada por seus coeficientes deve ser diferente de zero. Vamos cal-
cular o determinante.
m 2 1 5
D = 1 3 1 = 6m 5 0 6m 5 0 6m 5 m
6
1 0 2
Veja que para o sistema admitir uma nica soluo a condio que o
5
parmetro m .
6
6) Analise o sistema linear abaixo em funo do parmetro a.
x + y = 3
x + 3y = 1
x + az = 8
Soluo
Aqui usaremos a matriz ampliada do sistema dado.
1 1 3
1 3 1
1 a 8
1 1 3
Escalonando essa matriz obtemos: 0 1 1
0 0 6 a
Se 6 a 0, ento a 6. Isso significa que o sistema impossvel (SI).
Se 6 a = 0, ento a = 6. Temos, ento, um sistema possvel e determinado (SPD).
1 1 3
0 1 1
0 0 0
Logo, o sistema possvel e determinado (SPD).
Resumo da discusso:
a 6 SI
a = 6 SPD
captulo 3 91
7) Determine o valor de m para que o sistema linear homogneo abaixo tenha somente a solu-
o trivial.
x + y z = 0
x y + mz = 0
x+yz=0
Soluo
Com relao a um sistema linear homogneo, basta analisarmos o determinante da matriz for-
mada pelos coeficientes das incgnitas, ou seja:
D 0 SPD
D = 0 SPI
Para o sistema ter apenas a soluo trivial, necessrio que o determinante da matriz dos
coeficientes seja diferente de zero (D 0).
Clculo do determinante:
1 1 1
D = 1 1 m D = 2m 2 2m 2 0 m 1
1 1 1
Conclumos que, para o sistema ter somente a soluo trivial m 1, m um nmero real.
EXERCCIOS DE FIXAO
23) (UFPE) O sistema linear a seguir admite pelo menos duas solues (distintas). Indique o
valor de m.
5x 4y + mz = 9
x + 2y 3z = 5
x + y 2z = 3
24) (UFAM) Determine o valor de k que torna o sistema dado possvel e determinado (SPD).
2x + 3y z = 1
x + y + kz = 2
3x + 4y + 2z = k
25) (UFSC) Determine o valor de a para que o sistema seja impossvel:
x + 3y + 4z = 1
x + y + az = 2
x + y + 2z = 3
92 captulo 3
26) Determine o valor de m para que o sistema linear admita somente a soluo nula.
x my + 2z = 0
my + z = 0
mx + y 2z = 0
27) Determine o valor de k para que o sistema linear admita uma infinidade de solues.
x+yz=0
kx + 2y 3z = 0
4x + y = 0
28) Discuta o sistema linear abaixo segundo os valores de k.
kx + y = 2
xy =k
x + y = 2
kx + y = 2
2x + y z = k
4x + y + kz = 5
x + 2y = kx
ky 2x = y
REFERNCIAS BIBLIOGRFICAS
BOLDRINI, J.L., COSTA, Sueli I. R., FIGUEIREDO, Vera Lucia, WETZLER, Henry G. lgebra
linear. 3. ed. So Paulo: Ed. Harbra, 1989.
CARLEN, Eric A.; CARVALHO, Maria C., lgebra linear. Rio de Janeiro: LTC, 2006.
LAY, David C. lgebra linear e suas aplicaes. 2. ed. Rio de Janeiro: LTC; 1999.
LIPSCHUTZ, Seymour. lgebra linear: teoria e problemas. 3. ed. rev. ampl. So Paulo: Makron,
1994.
POOLE, D. lgebra linear. Rio de Janeiro: Pioneira Thompson, 2004.
STEINBRUCH , A. e WINTERLE, P. lgebra linear. So Paulo: Makron Books, 1987.
captulo 3 93
IMAGENS DO CAPTULO
GABARITO
3.2 Resoluo atravs da eliminao de linhas
1) {(3, 2, 2)}
2) a) {(1, 2)}; b) {(0, 0, 0)} c) {(1, 0, 2)}; d) {(1, 1, 0)}
3) m = 0 e n = 1
4) S =
5) a) {(1, 2, 2)} (SPD); b) {(k, k 1, k)/k R} (SPI); c) S = (SI)
6) (SPI) {(k, k, k)/k R}
7) a ) m = 1
b) {(0, 0)}
8) b) 820km
9) a) R$ 3.400,00
10) a) 10
11) e) p ossvel indeterminado, de forma que a soma dos valores possveis da caneta, do lpis e
da borracha igual a 1/5 da adio do preo da borracha com R$ 28,00.
12) R$ 1.900,00
3.3 Resoluo atravs do mtodo da matriz inversa

13) {(1, 3, 2)}
14) {(11, 6, 3)}
15) {(1, 2, 2)}
3.4 Regra de Cramer

16) {(1, 2, 2)}
17) a ) {(1, 1, 1)}
b) {(2, 3, 0)}
c) {(5, 2, 3)}
18) 20 g
19) tipo I: 2, tipo II: 6 e tipo III: 3
20) pacote simples: 65; pacote especial: 30; mistura gourmet: 45.
21) pequenos: 2; mdios: 3; grandes: 4.
22) a) x + y + z = 0,5
x 3y + z = 0
5x + 20y + 16z = 5,75
b) 250 gramas de amendoim, 125 gramas de castanha de caju e 125 gramas de castanha-
-do-par.
94 captulo 3
3.5 Discusso de um sistema
23) m = 13
24) k = 3
25) a = 2
26) m 1/3 e m 1
27) k = 1
28) k = 1 (SPD), k = 2 (SPD), k 1 e k 2 (SI)
29) k 1 e k 4 (SPD), k = 1 (SPI) , k = 4 (SI)
30) k 1 e k 3 (SPD), k = 1 (SPI), k = 3 (SPI)
captulo 3 95
Espaos
14 vetoriais e
subespaos
vetoriais
ana lucia de sousa

4 OBJETIVOS
Espaos vetoriais e subespaos
vetoriais
Definir espaos vetoriais.
Identificar as propriedades dos espaos vetoriais.
Definir subespaos vetoriais.
Identificar os subespaos vetoriais.
Definir combinao linear.
Definir subespao gerado por um conjunto de vetores.
Determinar o subespao gerado por um conjunto de vetores.
Definir dependncia e independncia linear.
Identificar quando um conjunto linearmente independente (LI) ou linearmen-

te dependente (LD).
Analisar alguns exemplos.
Definir base e dimenso de um subespao vetorial.
Definir posto e nulidade.
4.1 Introduo
Agora vamos estudar conjuntos onde possvel realizar operaes com seus
elementos e garantir que os resultados dessas operaes estejam dentro do
conjunto. Vamos considerar as operaes de adio e multiplicao usuais.
Veremos que os conjuntos munidos dessas operaes e com propriedades
bem definidas so chamados de espaos vetoriais. Aps esse estudo, estu-
98 captulo 4
daremos os subconjuntos desses espaos vetoriais e veremos que, se tive-
rem a mesma estrutura dos espaos vetoriais, eles so chamados de subes-
paos vetoriais. Como consequncia desse estudo, definiremos em seguida
subespaos gerados por um conjunto de vetores, dependncia linear, base
e dimenso e, por ltimo, posto e nulidade. importante estudarmos esses
assuntos, pois eles servem de ferramentas para vrios estudos futuros e tm
aplicaes diretas com vrias reas de conhecimento.
4.2 Espao vetorial

Comeamos nosso estudo definindo os espaos vetoriais.
DEFINIO
Dizemos que um conjunto V no vazio um espao vetorial sobre R quando, e somente quando,
existe uma adio e uma multiplicao em V com as propriedades abaixo mencionadas.
Propriedades da adio
Para quaisquer elementos u, v e w do espao vetorial V e escalares , ,
temos:
a) Propriedade comutativa
u+v=v+u
b) Propriedade associativa
(u + v) + w = u + (v + w)
c) Existncia do elemento neutro para a adio

Existe um elemento que chamaremos de 0 tal que: u + 0 = u
d) Existncia do elemento simtrico ou oposto

Existe um elemento que pertence a V, que chamaremos de (u), tal que u +
(u) = 0.
Propriedades da multiplicao
Para quaisquer elementos u e v do espao vetorial V e escalares , ,
temos:
captulo 4 99
a) (u) = ()u
b) ( + )u = u + u
c) (u + v) = u + v
d) 1.u = u.1 = u
OBSERVAO
O nome vetor aplicado aos elementos do conjunto V por convenincia, porm vale ressaltar
que eles podem ser matrizes, polinmios etc.
Exemplos de espaos vetoriais
Voc ver que em cada exemplo devemos especificar o conjunto vetorial

V, as operaes de adio e multiplicao por escalar e verificar as pro-
priedades vistas anteriormente. Um espao vetorial definido a partir do
momento que verificamos a existncia das propriedades apresentadas na
pgina 99.
a) O conjunto dos nmeros reais () um espao vetorial com as operaes

usuais de adio e multiplicao por escalar.
b) Os conjuntos 2, 3, 4, ...,n so espaos vetoriais com as operaes

usuais de adio e multiplicao por escalar.
c) O conjunto das matrizes Mmxn()
No conjunto Mmxn() est definida uma adio de matrizes. Esta adio as-
sociativa, comutativa, admite elemento neutro (matriz nula) e toda matriz tem
uma oposta. Podemos tambm multiplicar uma matriz por um nmero real.
O conjunto dos polinmios com coeficientes reais com grau menor ou igual
a n, Pn() so espaos vetoriais com as operaes usuais de adio e multi-
plicao por escalar.
Por exemplo, podemos considerar P2 o conjunto de todos os polinmios

de grau 2 ou menos formado com coeficientes reais.
p(x) = a0 + a1x + a2x2 , onde a0, a1, a2 so coeficientes reais. Neste caso pode-
mos considerar, por exemplo, o polinmio p(x) = 2x2 + 3x 1.
100 captulo 4
Subespaos vetoriais
Agora vamos analisar se um determinado subconjunto no vazio de um

espao vetorial V um subespao vetorial dele. Note que neste caso o sub-
conjunto deve ter a mesma estrutura do espao vetorial, ou seja, as proprie-
dades vistas anteriormente para os espaos vetoriais devem ser verificadas.
Isso nos leva a concluir que nem todo subconjunto de um espao vetorial V
um subespao vetorial dele.
Considere o esquema abaixo:

V (espao vetorial)
W
W um subespao vetorial de V se ele for um
espao vetorial com operaes definidas em V.
Agora podemos fazer a seguinte pergunta:
Como fao para reconhecer que W um subespao vetorial de V?
Veja que simples, pois no ser necessrio verificarmos as proprieda-

des estudadas anteriormente. Basta verificarmos se as operaes definidas
em V esto definidas em W, ou seja, pegando dois elementos de W devemos
garantir que a adio desses elementos um elemento de W.
Para todo w1 e w2 em W, temos que a soma de w1 por w2 um elemento do

subconjunto W, ou seja w1 + w2 est em W.
O mesmo ocorre com a multiplicao de um elemento de W com um es-

calar. Devemos garantir que o produto um elemento de W.
Para todo w1 em W e um escalar real, temos que o produto desse escalar

por w1 um elemento do subconjunto W, ou seja w1 est em W.
E por ltimo devemos garantir que o elemento 0 (nulo) est em W.
captulo 4 101
Considerando o esquema abaixo, temos:
. w1 . w2 W
w1 + w2
w1
0
Agora podemos apresentar a definio com as condies que devem ser

satisfeitas para que W seja um subespao vetorial de V.
DEFINIO
Seja V um espao vetorial sobre . Um subconjunto W no vazio de V um subespao vetorial
de V se forem satisfeitas as trs condies abaixo:
a) 0 W
b) Dados w1 e w2 em W, a soma w1 + w2 W
c) Dados w1 em W e R, o produto w1 W
OBSERVAO
Se W um subconjunto de V e satisfaz as condies dadas na definio acima, ento as ou-
tras propriedades estudadas nos espaos vetoriais sero consideradas vlidas no conjunto W.
Podemos dizer, tambm, que se W um subespao vetorial de V, ento W um espao vetorial
sobre .
Exemplificando
1) Seja V = 2 um espao vetorial e W = {(x, y) 2 / y = 3x} um subcon-
junto de V. Verifique se W subespao vetorial de V. Nesse exemplo, vamos
analisar considerando a representao grfica de W.
102 captulo 4
y
w Note que todos os pontos que pertencem reta
3 fazem parte de W.
x
0 1
Podemos observar na representao grfica que o ponto (0, 0) W, pois

y = 3x e 0 = 3.0. Veja que isso uma condio necessria, mas no sufi-
ciente. Sendo assim, precisamos verificar as outras duas condies dadas
na definio.
Considerando dois elementos de W, por exemplo u e v. Vamos verificar se

u + v W.
u = (x1, 3x1)
v = (x2, 3x2)
u + v = (x1 + x2, 3x1 + 3x2) = (x1 + x2, 3(x1 + x2)) W
Considerando um elemento de W, por exemplo u e um escalar 2.
Vamos verificar se u W.
u = (x1, 3x1)
u = (x1, 3x1) = (x1, (3x1)) = (x1, 3(x1)) W
Logo, W um subespao de R2.
2) Seja V = 2 um espao vetorial e W = {(x, y) 2 / y = x + 2} um sub-

conjunto de V. Verifique se W subespao vetorial de V. Nesse exemplo, va-
mos analisar considerando a representao grfica de W.
y
w
2
x
2 0
Podemos observar na representao grfica que o ponto (0, 0) W. Como

essa condio necessria, podemos concluir que W no um subespao
vetorial de V. Veja que basta notar que a reta no passa pela origem.
captulo 4 103
3) Seja V = 2 um espao vetorial e W = {(x, y) 2 / y = x2} um subcon-
junto de V. Verifique se W subespao vetorial de V. Nesse exemplo, vamos
analisar considerando a representao grfica de W.
y
W
4
x
2 0 2
Podemos observar na representao grfica que o ponto (0, 0) W, pois y =

= x2 e 0 = 02. Veja que isso uma condio necessria, mas no suficiente.
Sendo assim, precisamos verificar as outras duas condies dadas na definio.
Considerando dois elementos de W, por exemplo u e v. Vamos verificar

se u + v W.
u = (a, a2)
v = (b, b2)
u + v = (a + b, a2 + b2) W
Note que a2 + b2 (a + b)2
Exemplo: (1, 1) + (2, 4) = (3, 5) W, pois 5 32.
Logo, W no um subespao de R2.
OBSERVAES
Todo espao vetorial subespao de si mesmo.
{0} conjunto cujo nico elemento o vetor nulo subespao de qualquer espao V.
Subespaos de R2
{0} o conjunto cujo nico elemento o vetor nulo.
O prprio R2.
Retas que passam pela origem.
Os dois primeiros so chamados de subespaos triviais de R2.
104 captulo 4
Subespaos de R3
{0} o conjunto cujo nico elemento o vetor nulo.
O prprio R3.
Retas que passam pela origem (0 = (0, 0, 0)).
Planos que passam pela origem.
Os dois primeiros so chamados de subespaos triviais de R3.
1) Seja V = 83x3() um espao vetorial e W = conjunto das matrizes triangulares superiores de
ordem 3 um subconjunto de V. Verifique se W um subespao vetorial de V.
a11 a12 a13

Seja a matriz A um elemento de W, definida por: A W 0 a22 a23
0 0 a33
Soluo
Vejamos as condies dadas na definio de subespao vetorial.
A matriz nula pertence ao subconjunto W.
0 0 0
0 0 0 W
0 0 0
Sejam duas matrizes A e B dois elementos do subconjunto W.
As matrizes A e B podem ser definidas da seguinte forma:
a11 a12 a13

A = 0 a22 a23
0 0 a33
b11 b12 b13

B = 0 b22 b23
0 0 v33
captulo 4 105
a11 + b11 a12 + b12 a13 + b13
A + B = 0 a22 + b22 a23 + b23 W
0 0 a33 + b33
Note que, para toda matriz A e B em W, temos que a soma das matrizes tambm esto em W,
ou seja, o resultado da soma gerou um elemento que est em W.
c) Seja o escalar R e a matriz A um elemento do subconjunto W.
a11 a12 a13 a11 a12 a13

A = 0 a22 a23 = 0 a22 a23
0 0 a33 0 0 a33
Note que para todo escalar em e para toda matriz A em W, o produto A um elemento
do subconjunto W.
Portanto, as trs condies foram atendidas. Podemos concluir que W um subespao vetorial
de M3x3().
2) Seja V = P3 um espao vetorial e W = {ax3 + bx2 +cx + d/b 0} um subconjunto de V. Ve-

rifique se W um subespao de V.
Soluo
Vejamos as condies dadas:
a) 0x3 + 0x2 + 0x + 0 W, pois b 0.
Logo, W no um subespao de V.
a b
3) Seja V = M2x2() um espao vetorial e W = M2x2 () / 2a 3b + c = 0 um
c d
subconjunto de V. Verifique se W um subespao de V.
0 0
a) M
0 0
Como cada elemento da matriz nulo, note que dado 2a 3b + c = 0 podemos escrever
2(0) 3(0) + 0 = 0. O resultado um elemento do subconjunto W.
b) Sejam as matrizes X, Y dois elementos de W. As matrizes so definidas da seguinte forma:
a
b
X= , onde 2a 3b + c = 0
c
d
e
f
Y= , onde 2e 3f + g = 0
g
h
a+e b+f
X+Y= , onde 2(a + e) 3(b + f) + c + g = 0
c + gd + h
Desenvolvendo a expresso 2(a + e) 3(b + f) + c + g = 0.
106 captulo 4
2a + 2e 3b 3f + c + g = 0
(2a 3b + c) + (2e 3f + g) = 0
X Y
Note que a soma das matrizes X + Y est em W.
c) Seja o escalar e a matriz X um elemento de W. A matriz X definida da seguinte

forma:
a b
X= , onde 2a 3b + c = 0
c d
a b a b
.X = = 2(a) 3(b) + ac = 0 (2a 3b + c) = 0
c d c d
Note que a multiplicao do escalar pela matriz nos d como resultado um elemento que est
em W.
Portanto, W um subespao vetorial de V = M2X2().
EXERCCIOS DE FIXAO
1) Dado W = {(x, y)/ y = 3x} um subconjunto de 2. Verifique se W um subespao vetorial
de R2.
2) Dado W = {(x, y)/ x + 2y 0} um subconjunto de 2. Verifique se W um subespao vetorial

de R2.
3) Dado W = {(x, y)/ y = x + 2} um subconjunto de 2. Verifique se W um subespao vetorial

de R2.
4) Dado W = {(x, y, z)/ z = 2x + y} um subconjunto de 3. Verifique se W um subespao

vetorial de R3.
5) Dado W = {(x, y, z)/ y = x + 3 e z = 0} um subconjunto de 3. Verifique se W um subespao

vetorial de R3.
ab
6) Dado W = / c = 0 e d = a + b um subconjunto do espao vetorial das matrizes de
cd
ordem 2, M2X2(). Verifique se W um subespao vetorial de M2X2().
4.3 Combinao linear

Nesta seo vamos estudar as combinaes lineares e sua importncia na
descrio dos espaos vetoriais. Vejamos a definio de combinao linear.
captulo 4 107
DEFINIO
Seja V um espao vetorial, com elementos v1, v2, ..., vn. Podemos dizer que um vetor w com-
binao linear dos vetores v1, v2, ..., vn, quando existirem nmeros reais (escalares) 1, 2, ..., n
tais que
w = 1v1 + 2v2 + ... + nvn
Ou seja, se for possvel escrever um vetor W de V atravs de uma expresso, ento podemos
dizer que o vetor w obtido atravs de uma combinao linear dos vetores v1, v2, ..., vn.
Exemplificando
1) Nesse exemplo, vamos verificar se o vetor w =(2, 7) 2 pode ser escrito
como uma combinao linear dos vetores u = (1, 2) e v = (1, 1).
Vamos trabalhar com a expresso w = 1u + 2v, onde 1 e 2 so escalares.
Substituindo os vetores dados teremos:
(2, 7) = 1(1, 2) + 2(1, 1)
(2, 7) = (1, 21) + (2, 2)
(2, 7) = (1 + 2, 21 2)
1 + 2 = 2
21 22 = 7
Resolvendo o sistema de equaes, encontramos o valor de cada escalar.

1 = 3 e 2 = 1
Assim, temos: w = 3u v
Logo, o vetor w pode ser escrito como combinao linear de u e v.
0
2) Seja w = 4 um vetor de 3. Vejamos se podemos escrever w como
5 0 1
uma combinao linear dos vetores u = 2 e v = 3 .
2 1
108 captulo 4
0 0 1
4 = 1 2 + 2 3
5 2 1
2 = 0
21 + 32 = 4
21 2 = 5
5
Resolvendo o sistema encontramos, 2 = 0, 1 = e 1 = 2.
2
Note que o escalar no pode assumir dois valores diferentes.
Portanto, o vetor w no combinao linear dos vetores u e v.
4) Expresse o polinmio p(x) = 9 7x 15x2 como combinao linear de
p1 = (2 + x + 4x2), p2 = (1 x + 3x2) e p3 = (3 + 2x + 5x2)
Soluo
9 7x 15x2 = 1(2 + x + 4x2) + 2(1 x + 3x2) + 3(3 + 2x + 5x2), onde 1, 2 e 3 so es-
calares em R.
9 7x 15x2 = (21 + x1 + 4x21) + (12 x2 + 3x22) + (33 + 2x3 + 5x23)
41 + 32 + 53 = 15
1 2 + 23 = 7
21 + 2 + 33= 9
Resolvendo o sistema por escalonamento, encontraremos:

1 = 2, 2 = 1 e 3 = 2
Assim, fica verificado que o polinmio p(x) = 9 7x 15x2 pode ser escrito com combinao
linear dos polinmios p1, p2 e p3.
5) Determine o valor de a para que o vetor w = (1, a, 7) de 3 seja combinao linear dos
vetores u = (1, 3, 2) e v = (2, 4, 1).
Soluo
Vamos considerar os escalares 1 e 2. Teremos:
(1, a, 7) = 1(1,3,2) + 2(2,4,1)

(1, a, 7) = (1,3 1,2 1) + (2 2,4 2,2)
(1, a, 7) = (1 + 22 , 3 1 + 42, 212)
captulo 4 109
1 + 22 = 1
3 1 + 42 = a
21 2 = 7
Resolvendo o sistema, encontramos a = 13.
6 8
6) Verifique se a matriz de M2x2() uma combinao linear das matrizes
1 8
4 0 1 1 0 2
A= ,B= eC=
2 2 2 3 1 4
Soluo
6 8 4 0 1 1 0 2
= 1 + 2 +3
1 8 2 2 2 3 1 4
41 + 2 = 6
2 + 23 = 8
21 + 22 + 3 = 1
21 + 32 + 43 = 8
Resolvendo o sistema, encontraremos:
5
1 = , 2 = 4 e 3 = 3
2
6 8
Assim, fica verificado que a matriz de M2x2() pode ser escrita com combinao linear
1 8
das matrizes dadas.
()
2 0
7) Verifique se o vetor w = 2 de combinao linear dos vetores u = 2 e
3
1 2 2
v= 3
1
Soluo
2 0 1 2 = 2
2 = 1 2 + 2 3 21 + 32 = 2

2 2 1 21 2 = 2
onde 1 e 2 so escalares reais.
Resolvendo o sistema, encontramos 1 = 2 e 2 = 2.
Portanto, o vetor w combinao linear dos vetores u e v.
110 captulo 4
Subespaos gerados
Considere os vetores v1, v2, ..., vn de V. Podemos dizer que o conjunto de todas
as combinaes lineares desses vetores um subespao vetorial de V, que
chamado de subespao gerado pelo conjunto de vetores {v1, v2, ..., vn}. Esse
espao denotado por [v1, v2, ..., vn]. Dizemos que os vetores v1, v2, ..., vn so
geradores de [v1, v2, ..., vn]. Assim, dado W em V, teremos:
[W] = [v1, v2, ..., vn] = {1v1 + 2v2 + ... + nvn / 1, 2, ... ,n R}
conjunto de todas as combinaes lineares
Exemplificando
1) Analise que condies devem ser satisfeitas para que um vetor com coor-
denadas (x, y, z) em 3 possa ser escrito como combinao linear dos veto-
res u e v.
Considere u = (1, 1, 0) e v = (0, 1, 1).
Vamos escrever (x, y, z) = 1(1, 1, 0) + 2(0, 1, 1), onde 1 e 2 so escalares

reais.
Encontramos o sistema abaixo:

1 = x
1 + 2 = y
2 = z
Resolvendo o sistema, notamos que y = x + z a condio necessria

para termos uma combinao linear. Isso significa que qualquer vetor que
atenda a condio ser uma combinao linear dos vetores u e v. Ainda po-
demos dizer que todo vetor que pode ser escrito como combinao linear
dos vetores u e v formam um espao vetorial chamado espao gerado. Logo
[u, v] representa o conjunto de todas as combinaes dos vetores {u, v}. As-
sim, temos que
[u, v] = {(x, y, z) R3 / x y + z = 0} ou [u, v] = {1u + 2v / 1, 2 R}
2) Determine uma condio para que o vetor x = (x1, x2, x3) de 3 seja uma
combinao linear de u = (1, 3, 2) e v = (2, 1, 1) de modo que x pertena ao
espao gerado pelos vetores u e v.
captulo 4 111
(x1, x2, x3) = 1(1, 3, 2) + 2(2, 1, 1)

1 + 22 = x1
31 2 = x2
21 + 2 = x3
resolvendo o sistema, temos obtemos:

3x2 +5x3
[u, v] = x2 / x2, x3 = {(3x2 + 5x3, x2, x3) 3 / x2, x3 }
x3
3) O subespao de 3 gerado pelos vetores a = (1, 2, 0) e b = (3, 0 ,1) e c =
(2, 2, 1) o plano de equao 2x y 6z = 0.
4) O conjunto 3 o subespao gerado pelos vetores i = (1,0,0), j = (0,1,0)

e k = (0,0,1) de R3.
8) Determine um conjunto de geradores para o subespao vetorial S = {(x, y, z) em 3 / x = 3z
e x y = 0}.
Soluo
Temos que x = 3z e x y = 0.
x y x = y y = 3z
Veja que a ideia escrever um vetor genrico de S.
(x, y, z) S x = 3z e y = 3z
(x, y, z) S x = 3z e y = 3z
(x, y, z) S = {(3z, 3z, z)} = {z.(3, 3, 1)}
Logo, o vetor W gerado pelo vetor [(3, 3, 1)], ou seja, W = [(3, 3, 1)].
Resposta: {(3, 3, 1)}. Note que temos apenas um gerador.
9) Determine uma condio para que o vetor x = (x1, x2, x3) de R3 seja uma combinao linear de
u = (1, 2, 3) e v = (0, 1, 1) de modo que x pertena ao espao gerado pelos vetores u e v.
Soluo
(x1, x2, x3) = 1(1, 2, 3) + 2(0, 1, 1)
112 captulo 4
1 = x1
21 + 2 = x2
33 + 2 = x3
Resolvendo o sistema, temos:
x1
[u, v] = x2 / x2, x3 = {(x1, x2, x1 + x2) 3 / x1, x2 }
x1 + x2
EXERCCIOS DE FIXAO
7) Verifique se o vetor w = (7, 11, 2) de 3 combinao linear dos vetores u = (2, 3, 2) e
v = (1, 2, 4).
8) Verifique se o vetor w = (9, 2, 7) de 3 combinao linear dos vetores u = (1, 2, 1) e

v = (6, 4, 2).
1 5
9) Verifique se a matriz de M2x2() uma combinao linear das matrizes
7 1
4 0 1 1 0 2
A= ,B= =eC=
2 2 2 3 1 4
10) possvel escrever o polinmio p(x) = 7 5x + 5x2 como combinao linear de

p1 = (1 2x + x2), p2 = (2 + x) e p3 = (x + 2x2)?
11) Determine uma condio para que o vetor x = (x1, x2, x3) de R3 seja uma combinao linear
de u = (1, 2, 0), v = (0, 1, 1) e w = (1, 1, 1)
12) Determine um conjunto de geradores para o subespao vetorial W = {(x, y, z) em R3/x +

+ 2z = 0}.
4.4 Dependncia e independncia linear

Independncia linear
Dizemos que um conjunto L = {u1, u2, ... un} contido em V linearmente in-
dependente (L.I) se a equao vetorial
captulo 4 113
1u1 + 2u2 + ... + nun = 0
admite 1 = 2 = ... = n = 0, para todo escalar 1 = 2 = ... n . Em outras

palavras, podemos dizer que o conjunto de vetores L = {u1, u2, ..., un} conti-
do em V linearmente independente se ele admite apenas a soluo trivial
1 = 2 = ... = n = 0.
EXEMPLO
Um conjunto contendo um nico vetor u LI se, e somente se, u diferente do vetor nulo. Veja:
Seja o conjunto {1}.
Ele LI, pois .1 = 0 = 0
Dependncia linear
Dizemos que um conjunto L = {u1, u2, ..., un} contido em V linearmente de-
pendente (LD) quando a equao vetorial 1u1 + 2u2 + ... + nun, com 1, 2,
..., n , admite alguma soluo no trivial. Isso significa dizer que nem
todos os escalares 1, 2, ..., n so iguais a zero.
Exemplificando
1) Seja o conjunto formado pelos vetores {u, v}, onde u e v so no nulos.
Podemos dizer que eles so linearmente dependentes ou simplesmente que
eles so LD quando um vetor mltiplo do outro. Veja:
Seja u = (1, 2) e v = (3, 6).

1 1
Note que o vetor u = v (1, 2) = (3, 6)
3 3
Portanto, u mltiplo de v e v mltiplo de u, pois v = 3u.
Agora vamos verificar como determinar se um conjunto linearmente

independente.
Para verificarmos se um conjunto de vetores dados um conjunto linear-

mente independente em um espao vetorial V, basta verificar se a equao
vetorial 1u1 + 2u2 + ... + nun = 0 possui soluo trivial.
1 0 1
2) Verifique se o conjunto 2 , 1 , 2 LI em R3.
1 1 0
114 captulo 4
Usando a definio, temos que:
1 0 1 0
1 2 + 2 1 + 3 2 = 0 .
1 1 0 0
1 + 3 = 0
21 + 2 + 23 = 0
1 + 2 = 0
Resolvendo o sistema, por exemplo, por escalonamento, conclumos que

1 = 2 = 3 = 0, logo LI. Note que a nica soluo a trivial 1 = 2 = 3 = 0.
1 0
1 1
3) Verifique se o conjunto formado pelos vetores v1 = ,v = ,v =
0 2 0 3
2 0 0
1
= LD.
0
0
Usando a definio, temos que:

1 0 2 0
1 1 1 0
1 + 2 + 3 =
0 0 0 0
0 0 0 0
1 + 23 = 0
1 + 2 + 3 = 0
Resolvendo o sistema por escalonamento, verifica-se que ele indetermina-

do, existindo, assim, mltiplas solues no triviais. Portanto, o conjunto LD.
10) Verifique se o conjunto {(1, 2, 0), (12, 6,5)} LI ou LD.
Soluo
Veja que dois vetores so LD quando um mltiplo do outro. Nesse caso os vetores (1, 2, 0) e
(12, 6, 5) no so mltiplos entre si, pois no possvel gerar o vetor (1, 2, 0) a partir do vetor
(12, 6, 5). O mesmo ocorre ao contrrio. Logo, o conjunto LI.
11) Verifique se o conjunto de vetores {(1, 1, 0),(1, 4, 5),(3, 6, 5)} do espao vetorial 3 linear
mente independente.
Soluo
Considerando o vetor (x, y, z) em 3. Temos a seguinte equao vetorial:
captulo 4 115
x(1, 1, 0) + y(1, 4, 5) +z(3, 6, 5) = (0, 0, 0)
(x, x, 0) + (y, 4y, 5y) + (3z, 6z, 5z) = (0, 0, 0)
(x + y + 3z ,x + 4y + 6z ,0 + 5y + 5z) = (0, 0, 0)
Agora temos o sistema de equaes abaixo.
x + y + 3z = 0
x + 4y + 6z = 0
5y + 5z = 0
Resolvendo o sistema, verificamos que ele admite outras solues alm da trivial. Logo, o con-
junto de vetores LD.
12) Verifique se o conjunto de vetores {(1, 2, 0), (1, 1, 1), (1, 4, 2)} do espao vetorial 3
linearmente independente.
Soluo
a(1, 2, 0) + b(1, 1, 1) + c(1, 4, 2) = (0, 0, 0), para todo a, b, c R.
A partir dessa equao, encontramos o sistema abaixo:
a+b+c=0
2a + b + 4c = 0
b + 2c = 0
Resolvendo, encontramos: a = 3c e b = 2c.
Logo, {(3c, 2c, c)/ c } linearmente dependente (LD).
ATENO
Note que a soluo trivial (0, 0, 0) no nica, pois alm dela temos outras solues. Basta
atribuir qualquer valor real para o c.
EXERCCIOS DE FIXAO
1 0 0 6 1 0
13) Verifique se v1 = , v2 = , v3 = so LI ou LD.
2 1 0 3 0 1
1 1 3
14) Verifique se v1 = 2 , v2 = 0 , v3 = 1 so LI ou LD.
0 2 7
15) Verifique se o conjunto de vetores {(1, 2, 3), (1, 4, 9), (1, 8, 27)} do espao vetorial 3 LI
ou LD.
16) Verifique se o conjunto de vetores {(1, 2, 1), (2, 4, 2), (5, 10, 5)} do espao vetorial 3 LI
ou LD.
116 captulo 4
17) Determine o valor de k para que o conjunto de vetores de 3 {(1, 0, 2), (1, 1, 1), (k, 2, 0)}
seja LI.
4.5 Base e dimenso de um subespao vetorial
Base de um subespao vetorial
Seja V um espao vetorial finitamente gerado. Dizemos que o conjunto

B = {u1, u2, ..., un} contido em V uma base de V se:
(i) B = {u1, u2, ..., un} um conjunto linearmente independente.
(ii) [B] = V, ou seja, o subespao gerado por B V.
Em outras palavras, podemos dizer que o conjunto formado por todas

as combinaes lineares de u igual ao conjunto V. Esse conjunto deve ser
linearmente independente.
13) O conjunto {1} uma base de .
Soluo
Se xR ento x = x.1, ou seja, [1] = .
{1} LI, pois a.1 = 0. Logo, a = 0.
14) O conjunto {(1, 0), (0, 1)} uma base de R2. Vejamos:
Soluo
Todo vetor de R2 pode ser escrito como combinao linear desses dois vetores. Ento vamos
considerar o par (x, y) 2.
Assim, podemos escrever (x, y) = x(1, 0) + y(0, 1). Isso significa que se tivermos o par (2, 3) em
2, podemos escrev-lo como combinao linear dos vetores (1, 0) e (0, 1).
(2, 3) = 2(1, 0) + 3(0, 1)

[(1, 0), (0, 1)] = 2
captulo 4 117
OBSERVAO O conjunto {(1, 0), (0, 1)} linearmente independente, pois x(1, 0) + y(0, 1) =
Conjunto = (0, 0) nos d x = 0 e y = 0 (soluo trivial).
O conjunto {(1, 0), (0, 1)} e o con-

Logo, o conjunto {(1, 0), (0, 1)} uma base de 2.
junto {(1, 0, 0), (0, 1, 0),(0, 0, 1)} so
chamados de bases cannicas dos
respectivos espaos vetoriais. 15) O conjunto {(1, 0, 0), (0, 1, 0),(0, 0, 1)} uma base de 3.

1 0 0 1 0 0 0 0
16) O conjunto , , , uma base de
0 0 0 0 1 0 0 1
M2x2().
17) O conjunto {(1, 1), (2, 2), (1, 0)} no uma base de R2. Veja:
O conjunto de vetores no linearmente independente. Observe que os dois
primeiros vetores (1, 1) e (2, 2) so mltiplos. Temos (2, 2) = 2(1, 1) +
+ 0(1, 0).
Logo, o conjunto de vetores linearmente dependente.
Podemos concluir que o conjunto {(1, 1), (2, 2), (1, 0)} no uma base
de 2.
1 0
18) E = 2, , base de 2 base cannica
0 1
1 0 0
1 + 2 =
0 1 0
1 0 =0
= 1
2 0 2 = 0
Logo, LI
x
Suponha 2
y
x x 1 0
Precisamos provar que para todo vetor 2 L ,
y y 0 1
x 1 0
= 1 + 2 = 1
y 0 1 2
1 = x
2 = y
1 0
Logo, , base de 2 .
0 1
0
1
19) E = , 2
, 1 no base de 2 , pois
0
2
118 captulo 4
0
0 0
1 + 2 1 =
1 0
2
2
1 + =0
1
O conjunto de vetores LD.
Teorema 1
Seja V um espao vetorial e {u1, u2, ..., un} so vetores no nulos que geram V,
ento h uma base de V contida no conjunto {u1, u2, ..., un}.
Teorema 2
Seja V um espao vetorial gerado por um conjunto finito de vetores

{u1, u2, ..., un}. Ento qualquer conjunto com mais de n vetores LD.
EXERCCIOS DE FIXAO
1 0 0
18) Verifique se o conjunto A = 2 , 1 , 0 uma base para 3.
3 2 1
)
0 0 1
19) Verifique se o conjunto B = 1 , 0 , 1 uma base para 3.
1 0 0
1 0 0 1 0 0 0 0
20) Verifique se o conjunto A = , , , uma base para M2X2().
0 0 0 0 1 0 0 1
21) Verifique se o conjunto V = 2, B =

1 0
, ,
3
2 1 4 2
,
1
}
x1 1 0
22) Verifique se o conjunto V = x2 3 / x1 3x2 x3 = 0 , B = 1 , 1
x3 2 3
a a 1 1 1 1
23) Verifique se o conjunto V = , / a, b , B = , .
b a b 0 1 1 2
Dimenso de um espao vetorial
Podemos dizer que um espao vetorial V tem dimenso finita, se uma base
de V um conjunto finito ou V o espao nulo.
captulo 4 119
Quando o espao no tem dimenso finita, dizemos que ele tem dimen-
so infinita. No nosso estudo vamos trabalhar com um conjunto finito, as-
sim, vamos considerar uma dimenso finita.
Veja que o conjunto formado pelos vetores {(1, 0), (0, 1)} a base cannica
de 2, mas 2 pode ter outras bases e essas bases tero a mesma quantidade
de elementos. Por exemplo:
{(1, 0), (0, 1)} e {(1, 1), (1, 1)}
Todas as bases de um mesmo espao vetorial tm o mesmo nmero de

elementos. Portanto, a dimenso de 2 2. Usamos a seguinte notao para
indicar a dimenso de um conjunto.
dim 2 = 2
Seja V um espao vetorial de dimenso finita, diferente do vetor nulo. De-

finimos a dimenso de V atravs do nmero de elemento de uma de suas
bases e denotamos por
dim V e dim {0} = 0
EXEMPLOS
1) dim = 1
2) dim 2 = 2
3) dim 3 = 3
4) dim n = n
5) dim M2x2() = 2.2 = 4, pois dim Mnxn() = m.n
EXERCCIO RESOLVIDO
20) Vamos verificar, nesse exemplo, se o conjunto (1 + x + x2, x + x2, x2) uma base de P2.
Soluo
Vamos verificar se esse conjunto gera o espao, e se ele linearmente independente.
ax2 + bx + c = 1 (1 + x + x2) + 2 (x + x2) + 3 x2
120 captulo 4
Arrumando a equao, encontramos
ax2 + bx + c = (1 + 2 + 3)x2 + (1 + 2)x + 1
A partir da equao acima formamos um sistema de equaes.

1 + 2 + 3 = a
1 + = b
1 = c
Resolvendo o sistema, encontramos

3 = a c (b c) 3 = a b
2 = b c
1 = c
Logo, esse conjunto gera P2, isto , [1 + x + x2, x + x2, x2] = P2
Agora vamos verificar se o conjunto dado linearmente independente.

Vamos fazer 1(1 + x + x2) + 2(x + x2) + 3 x2 = 0x2 + 0x + 0
(1 + 2 + 3)x2 + (1 + 2)x + 1 = 0x2 + 0x + 0
A partir da equao acima formamos um sistema de equaes.

1 + 2 + 3 = 0
1 + 2 = 0
1 = 0
Resolvendo o sistema encontramos apenas a soluo trivial 1 = 2 = 3 = 0.
Logo, o conjunto dado uma base de P2.
Qual a dimenso de P2?
dim P2 = 3 vetores
{1 + x + x2, x + x2, x2} a base de P2
OBSERVAO
dim Pn = n + 1
EXERCCIOS DE FIXAO
24) Determine a dimenso do espao vetorial {(x, y, z) 3 / y = 2x}
25) Determine a dimenso do espao vetorial {(x, y) 2 / x + y = 0}
captulo 4 121
26) Determine a dimenso do espao soluo do sistema W abaixo:
xyzt=0
2x + y + t = 0
z t = 0
27) DeterminE a dimenso do subespao vetorial de M2X2().

x y
/y=x+z
z w
4.6 Posto e nulidade
Posto
Vamos definir posto de uma matriz A (ou caracterstica de uma matriz)

como sendo o nmero de linhas (ou colunas) linearmente independente.
Tambm podemos dizer que o posto de uma matriz A o nmero de linhas
no nulas de uma matriz reduzida forma escalonada.
Notao: Posto (A)
Agora vamos ver como determinar o posto de uma matriz A.
Podemos usar o mtodo de Gauss para determinar o posto da matriz A.

Lembramos que o mtodo consiste em transformar uma matriz dada ini-
cialmente em outra atravs de operaes elementares entre as linhas da ma-
triz. No final da operao teremos uma nova matriz reduzida forma esca-
lonada. Em seguida eliminamos as linhas (ou colunas) onde os elementos
so nulos.
O posto da matriz A representado pelo nmero de linhas com algum

elemento diferente de zero.
Exemplificando
1) Determine o posto da matriz A.
1 0 1 2 1
A = 0 1 1 1 0
1 0 0 1 1
122 captulo 4
Aplicando o mtodo de Gauss na matriz A, obtemos uma matriz forma
escalonada.
1 0 1 2 1
A = 0 1 1 1 0
0 0 1 1 1
Note que a matriz no possui nenhuma linha nula. Logo, o Posto(A) = 3.
2 5
A =
2 1
Aplicando o mtodo de Gauss na matriz A, obtemos uma matriz forma

escalonada.
2 5
A =
0 6
Note que a matriz no possui nenhuma linha nula. Logo, o Posto(A) = 2.
1 0 14/9
0 1 1/4
A= linha nula
0 0 0
0 0 0 linha nula
Soluo
Observe que na matriz A temos duas linhas nulas. O posto de uma matriz o nmero de linhas
no nulas numa matriz reduzida forma escalonada. Logo, o Posto(A) = 2 (linhas no nulas)
2 1 10
0 1 1/4
A=
1 2 0
1 3 0
captulo 4 123
Aplicando o mtodo de Gauss na matriz A, obtemos uma matriz forma escalonada.
2 1 10
0 1 1/4
A=
0 0 43/8
0 0 0
Observe que na matriz A temos apenas uma linha nula. Logo, o Posto(A) = 3 (linhas no nulas)
EXERCCIOS DE FIXAO
1 2 1 0

1 0 3 5
A=
2 2 1 1
2 1 3 1
4 2 1 5
A=
1 4 16 8
Nulidade
Nulidade de uma matriz A dada por n p, onde n o nmero de colunas da

matriz A e p o posto da matriz A.
Notao: Nul (A)
Exemplificando
1) Determine a nulidade da matriz A.
1 0 1 2 1
A = 0 1 1 1 0
1 0 0 1 1
124 captulo 4
Posto(A) = 3
Nmero de colunas: n = 5
Nul (A) = 5 3 = 2
2 5
A =
2 1
Soluo
2 5
A =
0 6
Posto(A) = 2
Nul (A) = 2 2 = 0
1 0 14/9
0 1 1/4
A=
0 0 0
0 0 0
Soluo
Posto(A) = 2
Nul (A) = 3 2 = 1
2 1 10
0 1 1/4
A=
1 2 0
1 3 0
Soluo
2 1 10
0 1 1/4
A=
0 0 43/8
0 0 0
captulo 4 125
Posto(A) = 3
Nul (A) = 3 3 = 0
EXERCCIOS DE FIXAO
1 2 1 0

1 0 3 5
A=
1 2 1 1
2 1 3 1
4 2 1 5
A=
1 4 16 8
Teorema (Teorema de Rouch Capelli)
O teorema de Rouch Capelli analisa a soluo de um sistema de equaes

lineares Ax = b, com m equaes e n variveis, atravs dos postos da matriz
dos coeficientes e atravs do posto da matriz ampliada. Vamos considerar
(A, B) a matriz aumentada de A pela matriz B. O teorema diz o seguinte:
Se A uma matriz mxn e B uma matriz m x 1, ento valem as seguintes

implicaes:
Posto (A) = Posto (A,B) = n SPD Sistema possvel e determinado (possui

uma nica soluo);
Posto (A) = Posto (A,B) < n SPI Sistema possvel e indeterminado (possui
infinitas solues);
Posto (A) < Posto (A,B) = n SI Sistema impossvel (no possui soluo).
126 captulo 4
EXERCCIO RESOLVIDO
25) Classifique o sistema linear (SPD, SPI ou SI).
2x y + z = 4
x + 2y + z = 1
x + y +2z = 3
Soluo
Matriz A (matriz dos coeficientes)
2 1 1 1 1 2
A = 1 2 1 Matriz escalonada A = 0 1 1 Posto (A) = 3
1 1 2 0 0 4
Matriz aumentada (A, B)
2 1 1 4 1 1 2 3
(A, B) = 1 2 1 1 Matriz escalonada (A, B) = 0 1 1 2 Posto (A, B) = 3

1 1 2 3 0 0 4 4
Posto (A) = Posto de (A, B) = 3 = n, onde n o nmero de variveis do sistema. Portanto, o

sistema SPD, ou seja, sistema possvel e determinado.
EXERCCIOS DE FIXAO
x y + z = 0
2x + y + z = 1
5x + 4y 2z = 1
2x + y + z = 1
x 2y + z = 1
x + y 2z = 1
34) Determine m de modo que o posto da matriz A seja igual a 2.

1 m 1
A = 2 m 2m
1 2 2
captulo 4 127
BOLDRINI, J.L., COSTA, Sueli I. R., FIGUEIREDO, Vera Lucia, WETZLER, Henry G. lgebra
linear. 3. ed. So Paulo: Ed. Harbra, 1989.
CARLEN, Eric A.; CARVALHO, Maria C., lgebra linear. Rio de Janeiro: LTC, 2006.
LAY, David C. lgebra linear e suas aplicaes. 2. ed. Rio de Janeiro: LTC, 1999.
LIPSCHUTZ, Seymour. lgebra linear: teoria e problemas. 3. ed. rev. ampl. So Paulo: Makron,
1994.
POOLE, D. lgebra linear. Rio de Janeiro: Pioneira Thompson, 2004.
STEINBRUCH, A. e WINTERLE, P. lgebra linear. So Paulo: Makron Books, 1987.
IMAGENS DO CAPTULO
GABARITO
4.2 Espao vetorial
1) W subespao
2) W subespao
3) W no subespao
4) W subespao
5) W no subespao
6) W subespao
4.3 Combinao linear

7) combinao linear (w = 3u v)
8) no combinao linear
9) no combinao linear
10) combinao linear (p(x) = 3p1(x) + 2p2(x) + p3(x))
11) [u, v, w] = 3
12) {(0, 1, 0), (2, 0, 1)} conjunto dos geradores de W.
4.4 Dependncia e independncia linear

13) LI
14) LD
15) LI
16) LD
17) k 3
128 captulo 4
4.5 Base e dimenso de um subespao vetorial
18) O conjunto de vetores uma base de 3.
19) O conjunto de vetores no base de 3.
20) O conjunto de vetores uma base de M2x2().
21) O conjunto de vetores no uma base de 2.
22) O conjunto de vetores no uma base de 3, mas uma base de V.
23) O conjunto de vetores no uma base de M2x2(), mas uma base de V.
24) dim = 2 base B = {(0, 0, 1), (1, 2, 0)}
25) dim = 1 base B = {(1, 1)}
26) dim = 1 base B = {1, 5, 3, 3)}
1 1 1 0 0 0
27) dim = 3 base B = , ,
0 0 1 0 0 1
4.6 Posto e nulidade

28) Posto de A = 3
29) Posto de A = 3
30) Nulidade de A = 1
31) Nulidade de A = 1
32) Posto (A) = Posto (B) = 2 < n, SPI (sistema possvel e indeterminado)
33) Posto (A) < Posto (AB) SI (sistema impossvel)
34) m = 2
captulo 4 129
15 Transformadas
lineares
glria dias
5 COMENTRIO
Transformadas lineares
OBJETIVOS
Estudo de funes
No estudo de funes, mais espe-
Definir o conceito de transformadas lineares.
cificamente, no clculo diferencial
e integral, temos o operador (trans- Identificar se uma transformada linear.
formada) diferencial que leva a
funo real f contnua, definida em
Identificar a matriz cannica de uma transformao linear.
um intervalo [a, b] na sua funo
derivada f. um operador linear,
visto que as duas propriedades da Identificar o ncleo e a imagem da transformada linear.
funo derivada, vlidas para toda
funo f e g contnuas, definida em Resolver problemas com a aplicao do conceito.
um intervalo [a, b] e para todo esca-
lar k, que so:
(i) (k f) = k (u)
(ii) (f + g) = (f) + (g)
5.1 Introduo
so as mesmas da transformada li-
Transformada linear ou transformao linear uma classe
near.
especial de funes fundamentais na lgebra linear, envol-

vendo correspondncias entre espaos vetoriais que trans-
formam vetores. Em particular, as transformadas lineares
de n em m aparecem em muitas aplicaes da matem-
tica na engenharia, nas cincias fsicas, na economia e nas
cincias sociais.
Sendo uma classe de funo, na transformada linear T,

de n em m, T a lei de formao da funo que associa a
cada vetor do n, um nico vetor do m. O vetor X do n ,
ento a varivel independente de T, e a varivel dependente
o vetor T(X) em m, chamado imagem do vetor X.
Desse modo, tal como no estudo de funes, o conjunto

n chamado de Domnio de T, o conjunto m chamado
de Contradomnio, e o conjunto das imagens de todos os ve-
tores o conjunto Imagem de T. Escrevemos, ento,
132 captulo 5
T(X); T : n m
O mesmo conceito estendido para espaos vetoriais quaisquer, e no

apenas para espaos vetoriais euclidianos. Desse modo, temos por definio
T(v)
(1, 3) (3, 6, 4)
(0, 0) (0, 0, 0)
(2, 1) (6, 2, 1)
DEFINIO
Uma transformao linear T de um espao vetorial V em outro espao vetorial W uma lei que
associa a cada vetor v, em V, um nico vetor w = T(v) em W, tal que
(i) T(k u) = kT(u), para todo escalar k
(ii) T(u + v) = T(u) + T(v), para todo vetor u e v em V
O conjunto dos vetores w W que so imagens de v V por T, chamado de imagem de T,

denotado por Im(T) W.
Propriedades
1. Uma transformada linear T:V W se diz injetora se, e somente se,

u,v V,T(u) = T(v) u = v
2. Uma transformada linear T:V W se diz sobrejetora se, e somente se,

Im(T) isto , w W existe v V tal que T(v) = w
3. Uma transformada linear T:V W se diz bijetora se, e somente se,

T injetora e sobrejetora.
captulo 5 133
Voc deve se lembrar destes conceitos vistos no estudo
CURIOSIDADE
de funes, mas se no lembra, um bom momento para
Transformadas Matriciais relembrar. Exemplos da definio e das propriedades de
Criptografia uma tcnica de co-
transformadas lineares surgiram no decorrer do texto, po-
dificar e decodificar mensagens
secretas existente desde a Antigui-
rm, por uma questo didtica, iniciaremos o tema por
dade Grega. Um cdigo muito sim- transformadas matriciais e transformadas lineares de n
ples associar a cada tipo de letra em m.
do alfabeto um nmero diferente,
porm um cdigo assim construdo
facilmente decifrvel devido fre-
5.2 Transformadas matriciais e
quncia com que a letra ocorre. transformadas lineares de
Um modo de dificultar a decodifi-
cao , alm de associar nmeros
n em m
s letras, agrupar nmeros em ve-
tores, em seguida multiplicar cada
Transformadas matriciais so transformaes associadas a
um destes vetores por uma determi- multiplicao com matrizes, escrita na forma T(X) = AX, isto
nada matriz, isto , criar uma trans- , a regra da transformao de um vetor a multiplicao
formada matricial para os vetores deste por uma matriz tal que, para cada vetor X do n, escri-
criados por um cdigo.
to na forma de matriz coluna n x 1, T(X) dada por AX, onde

A uma matriz m x n, o que permite escrever, em notao
de funo, X AX.
Observe que o resultado da multiplicao de A por X,

um vetor do m, escrito na forma de matriz coluna m x 1.
EXEMPLO
1
1 0 5
Seja T: tal que T(X) = AX, onde A =
3 2
e X = 3 , a
2 1 5
imagem de X por T encontrada por 2
1
1 0 5
T(X) = AX 3 =
2 1 5
2
1.1 + 3.0 + 2.5 1 + 0 + 10 9

= = =
1.(2) + 3.1 + 2.5 2 + 3 + 10 15
Observe que, se A uma matriz m x n, a transformada

matricial T(X) = AX tem as propriedades das operaes com
matrizes.
134 captulo 5
Exemplo de aplicao
Uma indstria produz dois artigos identificados por P1 e P2. No custo de pro-
duo da cada artigo so considerados trs itens: custo de mo de obra; cus-
to da matria-prima e custo do processo de produo. Estes custos, expres-
sos em reais, foram organizados em uma tabela:
ARTIGO P1 P2
CUSTO
Mo de obra 12 10
Matria-prima 7 5
Processo de produo 2 1.8
Considere o vetor (x, y) como sendo o vetor produo correspondente a x

unidades produzidas do artigo P1 e y unidades produzidas do artigo P2.
Definimos a transformada T que transforma a lista de quantidades pro-

duzidas dos dois artigos em uma lista de custos totais de cada artigo. Orga-
nizados em forma de matriz, temos:
12 10
x
Vetor produo: (x, y) = e Matriz custos totais : A = 7 5
y
2 1.8
12 10 12x + 10y
x x
T(x, y) = T = 7 5 = 7x + 5y
y y
2 1.8 2x + 1.8y
Caso a indstria queira aumentar a produo em 30%, o equivalente a

multiplicar as quantidades produzidas por 1.3, teremos o vetor produo
multiplicado por este fator, passando a ter um novo vetor produo. A trans-
formada T deste novo vetor escrita na forma T(1.3 (x, y)).
Pela propriedade das operaes com matrizes referente multiplicao

por escalar, para obter a nova matriz custos totais, basta fazer:
12x + 10y
T(1.3 (x, y)) = 1.3T(x, y) = 1.3 7x + 5y
2x + 1.8y
captulo 5 135
ATENO
Do exposto anteriormente, temos que,
se T uma transformada matricial, T(X) = AX
(i) Para todo nmero real (escalar) k,T(k X) = A kX = k AX = k T(X)

(ii) Para quaisquer vetores X e Y Rn, T(X + Y) = A (X+Y)= AX+AY
T(X + Y) = T(X) + T(Y)
1) Considere a transformada T(X) = AX. Encontre o vetor X, sabendo que

cos sen
2 2 4
A= e T(X) =
sen cos 2
2 2
Soluo
x
Sendo A2x2 e T(X)=B2x1, fazemos X2x1= . Temos, ento:
y

cos sen
2 2 0 1 0 1 x 4
A= = AX = =
sen cos 1 1 1 1 y 2
2 2
Efetuando a multiplicao:
0x + 1y 4 y 4 4
AX = = = y=4ex=2X=
1x + 1y 2 x + y 2 2
13 2 3
2) Verifique se B = 32 est na imagem de T = AX, sendo A = 8 0
1 5 3
Soluo
x
Sendo A3x2 e T(X) = B3x1, fazemos X2x1 = . Temos, ento:
y
2 3 13 2x 3y 13
x
8 0 = 32 8x + 0y = 32
y
5 3 1 5x + 3y 1
x 4
Resolvendo o sistema equivalente, encontramos =
y 7
(Verifique a resoluo do sistema)
136 captulo 5
Transformadas lineares T:Rn Rm
Vimos que, por definio, uma transformada T classificada como sen-

do uma transformada linear se, para todo vetor u e v do domnio de T e para
todo escalar k
(i) T(k u) = k T(u)
(ii) T(u+v) = T(u) + T(v)
Vimos, tambm, que toda transformada matricial atende definio de

transformada linear.
ATENO
Nem toda transformada linear uma transformada matricial.
As transformadas lineares preservam as operaes com vetores, isto , as

operaes de multiplicao de um vetor por um escalar e soma de vetores, o
que nos leva aos fatos de que:
T(k1u + k2v) = k1T(u) + k2T(v); sendo k1 e k2 escalares.
T(O) = T(0 u) = 0 T(u) = O, sendo O o vetor nulo do Rn e do Rm, respectivamente.
No caso em que m = n, a transformada T:Rn Rn chamada um operador

de Rn.
Da definio de T linear, conhecendo a transformada de um nmero fi-

nito de vetores, possvel determinar a transformada de qualquer combina-
o linear destes vetores.
EXEMPLO
Seja T:R3 R2 uma transformada linear que leva o vetor u = (2, 0 4) em (1, 3) e o vetor
v = (3, 7, 1) em (0, 4).
Usando o fato de T ser linear, mesmo sem conhecer as leis de transformao das componentes
dos vetores, temos que as imagens, por T, dos vetores: (a) 2u, (b) 3v e (c) 2u 3v so, respec-
tivamente:
captulo 5 137
(a) T(2u) = 2 T(u) = 2(1, 3) = (2, 6)
(b) T(3v) = 3 T(v) = 3 (0, 4) = (0, 12)
(c) T(2u 3v) = 2 T(u) 3 T(v) = (2, 6) (0,12) = (2, 6)
Em particular, as transformaes lineares do Rn no Rm podem ser escritas

na forma de transformadas matriciais, isto , na forma T(X) = AX, porm,
sendo uma transformada, isto , uma classe de funo da lgebra linear,
comum que a lei de transformao dos vetores seja escrita na forma de fun-
o, uma para cada componente do vetor. Mas como saber se as transfor-
maes definidas por leis de formao so, de fato, transformadas lineares?
Antes de determinar se as transformadas so lineares, vamos conside-
rar dois exemplos de transformaes usando leis de transformao para as
componentes dos vetores.
EXEMPLO
Para as transformadas (1) e (2) abaixo indicadas, encontre as imagens do vetor X = (1, 2)
1) T:R2 R3 tal que T(x, y) = (x2 y2, x + y, 3xy)

T(1, 2) = (12 (2)2, 1 + (2), 3.1(2)) = (3, 1, 6)
2) T:R2 R3 tal que T(x, y) = (x + 2y, x 3y, 3x + 2y)

T(1, 2) = (1 + 2(2), 1 3(2), 3.1 + 2(2)) = (3, 5, 1)
Uma das maneiras de determinar se T linear, verificar se, para todos os vetores u e v do
domnio de T (nos exemplos do R2) e para todo escalar k, as condies da definio, abaixo
indicadas, so verificadas.
(i) T(k u) = k T(u)

(ii) T(u + v) = T(u) + T(v)
Um trabalho rduo!
Uma outra forma, bem mais simples, aplicada a qualquer transformao

do Rn para o Rm, decorre do fato de que as transformadas lineares preservam
as operaes com vetores, como visto na prpria definio. Assim, basta ve-
rificar se as funes de transformao das componentes do vetor X = (x1, x2,
, xn), do Rn, no vetor W = (w1, w2, , wm), do Rm, so escritas, cada uma delas,
por equaes na forma:
138 captulo 5
w1 = a11 x1 + a12 x2 + + a1n xn
ATENO
w2 = a12 x1 + a22 x2 + + a2n xn
Equaes

Compare as equaes de cada
wm = am1 x1 + am2 x2 + + amn xn
transformada com a equao na
Parece confuso, mas se observar com ateno ver que forma geral e verifique as conclu-
ses tiradas em cada exemplo. Se
a mesma expresso geral das m equaes de um sistema
tiver dificuldade, veja os exerccios
linear de n incgnitas, substituindo bi por wi, i = 1, 2, , m.
resolvidos que seguem.
Lembre-se que a expresso geral das equaes lineares ,
tambm, a expresso geral da combinao linear das opera-
es de soma e de multiplicao por escalar que caracteriza
todas as operaes em sistemas lineares, matrizes e vetores.
O sistema, assim formado, determina a transformao

do vetor, e escrito em notao matricial tem a forma:
w1 a11 a12 an1 x1

w2 a21 a22 am x2
T(X) = W = = .

wm am1 am2 amn xn
o que nos permite escrever T(X) = AX, isto , escrever a trans-

formada linear do Rn no Rm como uma transformada matri-
cial, onde os vetores X e W passam a ser escritos na forma
de matriz coluna. As transformaes acima passam, agora,
a novos exemplos.
EXEMPLOS
1) T(x, y) = (x2 y2, x + y, 3xy)
w1 = x2 y2
w2 = x + y
w3 = 3xy
as funes w1 e w3 de transformao para o vetor de R3 no so da forma de
wi = ai1 x1 + ai2 x2 + + ain xn i = (1, 2, 3, ..., n)
Logo, a transformao no uma transformada linear.
Mas, se quiser verificar a definio
captulo 5 139
(i) T(k u)=((kx)2 (ky)2, kx + ky, 3kx ky) = (k2 (x2 y2)), k (x + y), 3k2 xy)
k T(u) = k (x2 y2, (x + y), 3xy) = (k (x2 y2), k (x + y), 3k xy)
Tendo falhado a primeira condio, no necessrio verificar a segunda condio.
2) T(x, y) = (x + 2y, x 3y, 3x + 2y)

w1 = x + 2y
w2 = x 3y
w3 = 3x + 2y
Todas as 3 funes de transformao so da forma wi = ai1 x1 + ai2 x2+ + ain xn, i = 1, 2, 3, ..., n
Logo, a transformao uma transformada linear.
Verifique quais transformaes abaixo so transformadas lineares:
3) T:R3 R2; T (x, y, z) = (x + 2y 1, z)
Soluo
No linear, visto que em w1 aparece a parcela 1 onde o coeficiente no est multiplicado a
nenhuma das componentes de X do R3, logo no est na forma indicada:
w1 = 1x + 2y + 0z + (1)
4) T: R3 R4; T (x, y, z) = (x + 2y, x 2z + 3, x + z, 0)
Soluo
No linear, visto que em w2 aparece a parcela +3 onde o coeficiente no est multiplicado a
nenhuma das componentes de X do R4, logo no est na forma indicada.
w2 = 1x + 0y + (2)z +3
5) T: R3 R2; T (x, y, z) = (x + 2y, z)
Soluo
linear, visto que em w1 e w2 as parcelas esto na forma indicada.
w1 = 1x + 2y + 0z
w2 = 0x + 0y + 1z
Observe que em w1 a componente z do R3 foi multiplicada por zero, em w2 as componentes x

e y do R3 foram multiplicadas por zero, como possvel acontecer em sistemas de equaes
lineares. Em notao matricial:
140 captulo 5
x
T:R R ; T(X) = W =
3 2
1 2 0
y =
x + 2y
=
w1 OBSERVAO
0 0 1 z w2
z Transformada composta
6) T: R3 R4 ; T (x, y, z) = (x + 2y, x 2z, x + z, 0)
Exemplo e exerccio com transfor-
mada composta sero vistos poste-
Soluo
riormente. Aguarde.
linear, visto que em todas as componentes wi as parcelas esto na forma
indicada.
w1 = 1x + 2y + 0z
w2 = 1x + 0y + (2)z
w3 = 1x + 0y + 1z
w4 = 0x + 0y + 0z
Em notao matricial:
1 2 0 x + 2y w1
x
1 0 2 x 2z w2
T: R3 R4 ; T(X) = W = y = =
1 0 1 x+z w3
0 0 0 z 0 w4
Operaes com transformaes lineares
Sejam T1: Rn Rm e T2: Rn Rm transformaes lineares e k

um escalar.
1) Definimos a soma (T1 + T2):Rn Rm de T1 com T2 por
(T1 + T2) (v) = T1(v) + T2(v), v Rn
2) Definimos a multiplicao kT1: Rn Rm de T1 por k como

sendo
(k T1)(v) = k (T1(v)), v Rn
3) Definimos a composio (T2 T1):Rn Rm de T1:Rn Rp

com T2:Rp Rm, por
(T2 T1)(v) = T2(T1(v)), v Rn
A composio de transformaes chamada de transforma-

da composta.
captulo 5 141
EXERCCIO RESOLVIDO
7) Sejam T1: R3 R2 e T2: R3 R2 transformaes lineares definidas por:
T1 (x, y, z) = (x, y z), T2 (x, y, z) = (x + y, z).
Determine as transformaes abaixo:

a) T1 + T2
b) 2T1 3T2
Solues
a) (T1 + T2)(x, y, z) = T1 (x, y, z) + T2 (x, y, z) = (x, y z) + (x + y, z)
(T1 + T2)(x, y, z) = (x + x + y, y z + z) = (2x + y, y)
b) (2T1 3T2)(x, y, z) = 2T1(x, y, z) 3T2(x, y, z) = 2(x, y z) 3(x + y, z)

(2T1 3T2)(x, y, z) = (2x, 2y 2z) (3x + 3y, 3z)
(2T1 3T2)(x, y, z) = (2x 3x 3y, 2y 2z 3z) = (x 3y, 2y 5z)
EXERCCIOS DE FIXAO
1) Seja A uma matriz 2 x 5. Quais os valores de m e n de modo que T: Rn Rm, possa ser defi-
nido por T(X) = AX?
1 1 3 4 3
2) Sejam w = 1 e A = 0 1 3 2 . O vetor w est na imagem de T(X) = AX? Justifique
7 3 7 6 5
a sua resposta.
5
3) Defina T por T(X) = AX, encontre um vetor X cuja imagem por T w, sendo w = 9 e
1 2 1 4
A = 2 3 1 .
0 3 8
4) Verifique quais transformadas so lineares.

a) T: R R3; T(x) (x, 3)
b) T: R3 R2; T(x, y, z) = (z, y + x)
c) T: R3 R3; (x, y, z) = (2x y, 0, 0)
d) T: R2 R2; T(x, y) = (2x2, y + x)
e) T: R3 R; T(x, y, z) = (2x + y 3z)
5) Seja T: R2 R2 uma transformao linear que leva u = (1, 3) em (0, 2) e v = (2, 5) em (1, 4).
v
Encontre T u + .
2
142 captulo 5
5.3 A matriz de uma transformada linear
Sabendo que toda transformada do Rn para o Rm uma transformada matri-
cial, propriedades importantes de T esto intimamente relacionadas a pro-
priedades da matriz A, dizemos, ento:
Se T: Rn Rm linear, T(X) = AX, e a matriz A chamada de matriz can-

nica para a transformada linear T.
Nos exerccios resolvidos (3) e (4) (pgina 140) temos, respectivamente:

x
1 2 0 w
T: ; T(X) = W =
3 2
y = 1

0 0 1 w2
z
1 2 0
matriz cannica A =

0 0 1
1 2 0 x x + 2y w1
T: 3 4 ; T(X) = W = 1 0 2 y = x 2z = w2
1 0 1 z x + z w3
0 0 0 0 w4
1 2 0
matriz cannica A = 1 0 2
1 0 1
0 0 0
Um teorema demonstra que a matriz cannica de T tem como colunas

as transformaes dos vetores e1, e2, e3, ..., en da base cannica de Rn. Temos
ento, sem demonstrao, o teorema escrito na forma de conceito.
CONCEITO
Se T: Rn Rm linear e e1, e2, e3, ..., en so vetores da base cannica de Rn, ento,
A = [T(e1)T(e2)T(e3)...T(en)]
a matriz cannica de T.
Observe que o termo transformada linear focaliza uma caracterstica da transformao, enquan-
to o termo transformada matricial descreve como esta transformao executada.
captulo 5 143
EXEMPLO
1 2 3
Seja T: R3 R2, tal que T(X) = AX, onde A = . A transformada linear correspondente
4 9 8
na forma de equaes dada por:
x
1 2 3 x 2y + 3z
T(X) = y = T(x, y, z) = (x 2y + 3z, 4x + 9y + 8z)
4 9 8 4x + 9y + 8z
z
Transformadas lineares geomtricas
Entre as transformadas lineares no R2 e no R3, esto as transformaes des-

critas geometricamente, muito utilizadas em computao grfica, descre-
vendo modificaes em relao posio de pontos, atravs das transfor-
maes de vetores. Citando alguns exemplos, temos:
1) Reflexes no R2
1 0
Reflexo em torno do eixo x: matriz cannica A = 0 1
x 1 0 x 1.x + 0.y x
T = = =
y 0 1 y 0.x + (1).y y
(x, y)
0 x
T(x, y) = (x, y)
De modo anlogo, definimos outras reflexes indicando a matriz canni-

ca da transformada. Transformao e imagem ficam a cargo do aluno como
forma de exerccio.
1 0
Reflexo em torno do eixo y: matriz cannica A =
0 1
0 1
Reflexo em torno da reta y = x: matriz cannica A =
1 0
0 1
Reflexo em torno da reta y = x: matriz cannica A =
1 0
144 captulo 5
2) Expanso ou contrao no R2
k 0
Expanso ou contrao horizontal: matriz cannica A = ; k R*
0 1
1 0
Expanso ou contrao vertical: matriz cannica A = ; k R*
0 k
Verifique para quais valores de k temos expanso ou contrao.
3) Cisalhamento
1 k
Cisalhamento horizontal : matriz cannica A = ; k R*
0 1
1 2
8) Construa a imagem grfica do cisalhamento do quadrado unitrio definido por A =
0 1
Soluo
1 0 1
O quadrado unitrio determinado pelos vetores , e , diagonal do quadrado. Temos,
0 1 1
ento, que encontrar as transformadas destes dois vetores por A.
1 1 2 1 1 0 1 2 0 2 1 1 2 1 3
T = = ,T = = eT = =
0 0 1 0 0 1 0 1 1 1 1 0 1 1 1
Graficamente:
y y
2 2
T
1 1
x x
1 1 2 1 2 3
1 1
captulo 5 145
1 0
Cisalhamento vertical: matriz cannica A = ; k R*
k 1
9) Construa a imagem grfica do cisalhamento do quadrado de vrtices: A(0, 0), B(4, 0), C(4, 4)
1 0
e D(0, 4) definido por A = .
2 1
Soluo
4
O quadrado de lado com 4 u.c. (unidades de comprimento) determinado pelos vetores ,
0
0 4
e diagonal do quadrado. Temos, ento, que encontrar as transformadas destes trs
4 4
vetores por A.
4 1 0 4 4 0 1 0 0 0 4 1 0 4 4
T = = ,T = = eT = =
0 2 1 0 8 4 2 1 4 4 4 2 1 4 12
8.0 y y
12.0
T 8.0
4.0
4.0
x x
4.0 8.0 4.0 8.0 12.0
4) Rotao de um ngulo
cos sen
Matriz cannica A =
sen cos
ATENO
ngulos positivos implicam rotao no sentido anti-horrio.
5) Projeo ortogonal
1 0
No eixo x: matriz cannica A =
0 0
0 0
No eixo y: matriz cannica A =
0 1
146 captulo 5
Conforme dito anteriormente, quando a transformao
OBSERVAO
ocorre no prprio Rn, como nas transformadas acima no R2,
chamamos de operador linear. Transformao
Transformao e imagem ficam a
cargo do aluno como forma de exer-
Exemplos de aplicao em computao grfica ccio.
Translao:
Mudana de escala uniforme:
Mudana de escala diferencial:
captulo 5 147
Rotao:
REFLEXO
Computao grfica
De modo anlogo aos operadores
geomtricos de R2, definimos ope-
radores geomtricos no R3, utiliza-
dos amplamente em computao
grfica. Em particular, as projees
ortogonais no R3, apresentadas nas
normas de representao grfica do
desenho tcnico, so operadores
que levam cada vetor, aresta do ob-
jeto representado, em sua projeo
sobre um plano. Cisalhamento:
Composio de transformaes lineares geomtricas
Dominada a tcnica de transformar, geometricamente, uma

imagem (uma transformao por vez), passamos composi-
o de transformaes lineares, semelhante composio
de funes, como definido em operaes com transforma-
das lineares. A composio de transformadas obtm efeitos
diversos em computao grfica.
EXERCCIO RESOLVIDO
10a) Seja T: R2 R2 que primeiro realiza um cisalhamento vertical, aplican-
do e1 em e1 3e2, deixando e2 inalterado, depois faz uma reflexo do resulta-
do no eixo y. Determine a matriz da transformada e escreva a transformao
obtida na forma de equaes.
148 captulo 5
Soluo
1a transformao: T(1, 0) = (1, 0) 3(0, 1) = (1, 3) =
1
e T(0, 1) = (0, 1)=
0 ATENO
3 1
1 0 Transformada composta
A= Lembre que a composta (T2 T1)(X)
3 1
1 0 linear, visto que
2a transformao: T(1, 3) = (1, 3) e T(0, 1) = (0, 1), A =
3 1 (T2 T1)(X) = T2 (T1 (X)) = A2(A1X)
1 0 x = (A2A1)X
Resultado escrito na forma de equaes: T(x, y)= = (x, 3x + y)
3 1 y
onde A1 e A2 so as matrizes das
transformadas T1 e T2, A2A1 a mul-
A composio de transformaes chamada de transfor- tiplicao dessas matrizes, tomadas
mada composta. Para as transformadas lineares T1: Rn Rp nessa ordem, que a matriz canni-
ca da transformada composta. Veja
e T2: Rp Rm, a composta de T2 com T1, denotada por (T2
o exerccio resolvido 10b.
T1)(X), indicada em notao matemtica, de mesmo modo
que funo composta, por:
T1: Rn Rp e T2: Rp Rm, ambas lineares, (T2 T1)(X) = T2 (T1(X))
REFAZENDO O EXERCCIO
10b) Seja T: R2 R2 que primeiro realiza um cisalhamento vertical, aplican-
do e1 em e1 3e2, deixando e2 inalterado, depois faz uma reflexo do resulta-
do no eixo y. Determine a matriz da transformada e escreva a transformao
obtida na forma de equaes.
Soluo
1 0
Matriz cannica de T1 a mesma da resoluo anterior A =
3 1
Matriz cannica de T2 no a mesma da resoluo anterior, a matriz da

1 0
reflexo em torno de y : A2 =
0 1
1 0 1 0 1 0
Matriz cannica de T2 T1 = A2 A1= =
0 1 3 1 3 1
1 0 x
O resultado da transformada composta (T2 T1)(X) = =
3 1 y
= (x, 3x + y)
EXERCCIOS DE FIXAO
6) Considere as transformadas lineares T definidas na base cannica, abai-
xo indicadas. Determine T(X) onde X o vetor genrico do Rn.
a) T(1, 0, 0) = (2, 3, 1); T(0, 1, 0) = (5, 2, 7) e T(0, 0, 1) = (2, 0, 7)
b) T(1, 0) = (3, 3); T(0, 1) = (2, 5)
c) T(1, 0, 0) = (1, 4) e T (0, 1, 0) = (2, 9); T(0, 0, 1) = (3, 8)
captulo 5 149
7) Considere o operador linear do R2 tal que T(1, 0) = (2, 1) e T(0, 1) = (1, 4).
CURIOSIDADE a) Encontre T(2, 4)
Transformadas b) Determine (x, y) tal que T(x, y) = (2, 3)
A transformada de Laplace tem seu
nome em homenagem ao matem- 8) Seja T: R2 R2 uma transformada linear que aplica (1, 0) em (2, 2) e
tico francs Pierre Simon Laplace (0, 1) em (0, 1)
(1749-1827), reconhecido por sua a) Determine a forma geral T
genialidade e por suas idealizaes b) Determine a imagem do tringulo de vrtices (0, 0), (1, 2), (2, 1)
na matemtica e fsica.
Em matemtica, particularmente na 9) Determine a matriz da transformada linear T: R2 R2 correspondente a
anlise funcional, a transformada de um cisalhamento horizontal que aplica e2 em e2 3e1, mas deixa e1 inalte-
Laplace de uma funo f(t) definida rado.
para todo nmero real t 0 a fun-
o F(s), definida por: 10) Determine a matriz da transformada linear T: R3 R3 que projeta cada
ponto (x, y, z) verticalmente no plano xy.

F(s) = L{f}(s) = 0
est f(t)dt
Aplicaes da transformada de
Laplace so encontradas nos ra-
5.4 Ncleo e imagem de uma
mos da fsica matemtica, como por transformada linear
exemplo, na anlise de Sistemas
Dinmicos e, em especial, na en- Retornando definio de transformadas lineares, T: V
genharia eltrica e na engenharia
W (de um espao vetorial v em outro espao vetorial W) por
qumica.
Por definio, a transformada de uma regra T que associa a cada vetor v, em V, um nico vetor
Laplace uma transformada linear, T(v) em W, tal que
pelas propriedades lineares, a sua
aplicao permite resolver equa- (i) T(k u) = k T(u), para todo escalar k
es diferenciais como equaes
polinomiais, de resoluo muito (ii) T(u+v) = T(u) + T(v), para todo vetor u e v, em V
mais simples.

temos que:
T(0) = 0, isto , T transforma o vetor nulo de V no vetor nulo

de W
Ocorre que, em muitas situaes, queremos encontrar

outros vetores, alm do vetor nulo, que levam vetores de V
no vetor nulo de W, semelhante ao que ocorre quando en-
contramos a soluo de sistemas, homogneos, possveis
indeterminados.
O conjunto de todos os vetores v em V tais que T(v) = 0,

chamado de ncleo ou espao nulo de V, denotado por
150 captulo 5
Nuc(V), do termo em ingls vem a notao Ker(V), amplamente usada. A
imagem de T conjunto de todos os vetores em W, da forma T(v) para algum
vetor v em V.
EXEMPLO
Considere T: R3 R3 tal que T(x, y, z) = (x, y, 0), isto , T a projeo ortogonal de todos pontos
do R3 sobre o plano xy, como nas vistas superior e inferior do desenho tcnico usado nos proje-
tos de engenharia.
A imagem de T o prprio plano xy, escrito em notao matemtica,
Im(T) = {(x, y, 0) R3; x, y R}
Observe que o ncleo de T o eixo dos z : Nuc(T) = {(0, 0, z) R3; z R} visto que, para todo
z R,T(0, 0, z) = (0, 0, 0).
11) Considere T: R2 R3 a transformada linear dada por T(x, y) = (0, x + y, 0). Encontre o ncleo
de T.
Soluo
O ncleo de T obtido por:
(x, y) Nuc(T) (0, x + y, 0) = (0, 0, 0) x + y = 0 x = y
Logo,
Nuc(T) = {(x, x); x R}
12) Dado o operador linear T: R2 R2; T(x, y) = (2x + y, 4x + 2y), diga quais dos vetores abaixo
pertencem a Nuc(T).
a) (7, 14) b) (2, 4) c) (1, 2) d) (0, 1)
Soluo
O ncleo de T obtido por:
(x, y) Nuc(T) (2x + y, 4x + 2y) = (0, 0)
Uma das maneiras de resoluo seria, substituindo os vetores dados nas leis de formao das
componentes da transformao, verificar quais dos vetores satisfazem a condio acima. Muito
trabalhoso...!!!
captulo 5 151
Outro modo encontrar a soluo do sistema homogneo equivalente definio de ncleo
e, ento, verificar quais vetores so da forma soluo do sistema. Escolhendo essa opo, pelo
mtodo da adio, vem:
2x + y =0 2x + y = 0

4x + 2y = 0 (2) 2x + y = 0
Eliminando uma das equaes encontramos y = 2x.

Da a forma geral do vetor soluo do sistema X = (x, 2x).
Os vetores a) (7,14) e c) (1,2) so os vetores que pertencem a Nuc(T).
Com base no captulo anterior sobre espaos vetoriais, possvel verifi-

car que, sendo T: V W:
O ncleo de V um subespao de V.
Se X um subespao de V, ento, a imagem de X por T um subespao de W.
Isto significa que uma transformada linear transforma um subespao ve-

torial em subespao vetorial, isto , uma transformada linear preserva a es-
trutura de espao vetorial. Desse modo, possvel relacionar as dimenses
de Nuc(T) e Im(T) nos casos em que a dimenso de V e de W finita, temos,
ento,
dim (V) = dim (Nuc(T)) + dim (Im(T))
a dimenso do espao vetorial V igual soma das dimenses do ncleo e

da imagem da transformada linear T.
Tomando o exerccio resolvido nmero 11, como exemplo, temos:
EXEMPLO
T: R2 R2; T(x, y) = (2x + y, 4x + 2y) V = R2, dim (V) = 2
Nuc(T) = {(x, 2x); x R}, como o ncleo tem apenas uma varivel livre: x R
dim (Nuc(T)) = 1.
Da, pela relao das dimenses de Nuc(T) e Im(T), vem que dim (Im(T)) = 1.
152 captulo 5
De fato, para encontrar a imagem igualamos T ao vetor (a, b) R2, resultado da transformada,
de modo que T(x, y) = (a, b), isto ,
2x + y = a
(2x + y, 4x + 2y) = (a, b)
4x + 2y = b
De modo anlogo resoluo do sistema homogneo, encontramos, agora, como soluo do

sistema correspondente Im(T) o vetor (a, 2a); a R, em que temos apenas uma varivel livre.
Logo, dim (Im(T)) = 1.
EXERCCIO RESOLVIDO
13) Considere o operador linear T: R3 R3 dado por T(x, y, z) =(x + 2y z, y + 2z, x + 3y + z)
a) Encontre o ncleo e a dimenso do ncleo de T;
b) Encontre a imagem e a dimenso da imagem de T;
c) Verifique a propriedade da dimenso.
Soluo
x + 2y z = 0
a) Nuc(T) = (x +2y z, y + 2z, x + 3y +z) = (0, 0, 0) y + 2z = 0
x + 3y + z = 0
Resolvendo o sistema pelo mtodo do escalonamento, vem:
1 2 1 1 2 1 1 2 1
0 1 2 0 1 2 0 1 2
1 3 1 0 1 2 0 0 0
Eliminando a terceira linha, obtemos o sistema
x + 2y z = 0
S=
y + 2z = 0
Da segunda equao encontramos: y = 2z com z varivel livre. Substituindo na primeira equa-

o, vem:
x + 2(2z) z = 0 x 5z = 0 x = 5z
Como soluo, escrevemos:

x 5x
y = 2z , z R Nuc(T) = {(5z, 2z, z); z R}
z z
como a nica varivel livre z,
dim (N(T)) = 1
captulo 5 153
b) Para encontrar a imagem, igualamos T ao vetor (a, b, c) R3, resultado da transformada, de
modo que T(x, y, z) = (a, b, c), isto ,
x + 2y z = a
Im(T) = (x +2y z, y + 2z, x + 3y + z) = (a, b, c) y + 2z = b
x + 3y + z = c
Resolvendo o sistema por escalonamento, vem:
1 2 1 a 1 2 1 a 1 2 1 a
0 1 2 b 0 1 2 b 0 1 2 b
1 3 1 c 0 1 2 c a 0 0 0 c a b
Este sistema s admite soluo se c a b = 0; se c a b 0 o sistema torna-se impossvel.

Da, vem
Im(T) = {(a, b, c) R3; c a b = 0}
De c a b = 0 obtemos, por exemplo, a = c b ou, de outra forma, obtemos sempre duas

variveis livres, o que significa que
dim (N(T)) = 2
c) De (1) e (2), temos
dim (V) = dim (Nuc(T)) + dim (Im(T)) = 1 + 2 = 3
De fato, dim (R3) = 3.
EXERCCIOS DE FIXAO
11) Considere T: R2 R2 o operador linear tal que T(x, y) = (x, 0). Determine o ncleo e a ima-
gem de T.
12) Para a transformada linear

T: R3 R4; T(x, y, z) = (x y z, x + y + z, 2x y + z, y)
determine uma base e a dimenso do ncleo e da imagem de T.

T: R3 R; T(x, y, z) = (x + y z)
determine uma base e a dimenso do ncleo e da imagem de T.

T: R2 R3; T(x, y) = (x + y, x, 2y)
determine o ncleo e a imagem de T.
154 captulo 5
15) Determine o ncleo, a dimenso do ncleo, a imagem e a dimenso da
imagem para o operador linear
COMENTRIO
T(x, y) = (3x y, 3x + y)
No deixe de exercitar resolvendo os
exerccios propostos e, se ainda tiver
alguma dvida, fale com seu profes-
sor, procure discutir a soluo dos
Operadores lineares inversveis exerccios com colegas.
Que tal criar um grupo em rede so-
Anteriormente, vimos que um operador linear T: V V as- cial, com seus colegas, para discus-
socia a cada vetor v V um outro vetor T(v) V. Se existir so e dvidas sobre a resoluo de
um outro operador linear, em V, que inverta essa correspon- exerccios?

dncia de modo que a cada vetor transformado T(v) se as-
socie o vetor de origem v, denotamos esse operador por T1,
sendo denominado de operador inverso de T. Temos, ento,
T1 (T(v)) = v.
De modo anlogo ao estudo de funes, se T inversvel

e T1 o seu operador inverso, ento, T T1 = I (operador
identidade). Observe que nem todo operador linear admite
operador inverso. A caracterizao de operadores invers-
veis decorre da condio da matriz cannica A, do operador
T, ser inversvel, ou seja, se det(A) 0, ento, T inversvel.
A relao entre os dois operadores, T e T1, traduzida

pela matriz cannica do operador linear inverso T1 que a
matriz inversa da matriz cannica de T, isto , A1.
EXEMPLO
Seja T: R2 R2 tal que T(x, y) = (3x 4y, x + 2y). Verifique se T inver-
svel; se o for, encontre T1.
Soluo
3 4
Matriz cannica de T: A = ; det(A) = 6 4 = 2 0 inversvel
1 2
1 2
1 2 (4)
A =
1
= 1 3
2 (1) 3
2 2
1 3
Operador inverso: T1 (x, y) = x+2y, x+ y
2 2
captulo 5 155
CURIOSIDADE 5.5 Aplicao a cadeias de Markov
Markov
Cadeia de Markov um modelo matemtico linear usado
Andrei Andreevitch Markov (1856-
para descrever um experimento realizado por repetio,
1922), matemtico russo, graduou-
-se na Universidade Estatal de So sempre da mesma forma, para se observar um determinado
Petersburgo em 1878, onde foi estado do sistema, que pode mudar de um estado para outro.
professor. Seus primeiros trabalhos
foram relativos a limite de integrais O resultado do experimento pertence a um conjunto de
e teoria da aproximao. Aps o possibilidades previamente especificadas e, ainda, s de-
ano de 1900, aplicou mtodos de pende do experimento imediatamente anterior, ou seja, o
fraes contnuas, que haviam sido estado futuro depende apenas do estado presente e no dos
iniciados pelo matemtico Pafnuti
estados passados. Este modelo amplamente aplicado em
Tchebychev na teoria da probabili-
dade, alm de provar o teorema do uma variedade de situaes da engenharia, qumica, fsica,
limite central. Markov particular- administrao, economia, biologia e outras reas. Como
mente lembrado pelo seu estudo de exemplos, citamos:
cadeias de Markov.

comportamento de uma fila a fim de satisfazer o cliente da
melhor forma possvel.
espera no atendimento de um sistema de callcenter.
ndice pluviomtrico dirio.
clima em uma cidade, num dado dia, em funo do dia an-

terior.
deslocamento da populao entre o campo e a cidade, isto

, de reas rurais para reas urbanas, medido a cada dois
anos, com base nos dados da medio anterior.
resultado de eleies presidenciais a cada quatro anos,

quando comparado com resultado da eleio anterior.
Entretanto, o estudo de cadeias de Markov baseado em

probabilidade e estatstica, o que foge ao escopo deste texto,
mas facilmente compreendemos que conveniente escre-
ver as probabilidades de transio de um estado para outro
em uma matriz.
156 captulo 5
As colunas dessa matriz so vetores com todas as componentes positivas
e menores que um, visto que so probabilidades condicionais (percentuais)
denominadas de probabilidades de transio, que representam a probabili-
dade de cada estado no tempo em que foi medido. Estas probabilidades de
transio so ditas estacionrias. Cada coluna chamada de vetor de proba-
bilidade ou vetor de estado.
A cadeia de Markov uma sequncia de vetores de probabilidade orga-

nizados em uma matriz. A matriz ento denominada de matriz de Markov,
matriz de transio ou matriz estocstica. A sequncia de vetores {xi}; i =
1, 2, 3, , n, obtida pela sucessiva transformao pode ser denotada por
xk+1 = Pxk, onde xk+1 o vetor obtido pela transformao linear do vetor
no estado anterior ou, ainda, pela relao recursiva do mtodo iterativo
x(k+1) = Tx(k), em que k o k simo perodo de observao e (k + 1) o
(k + 1) simo perodo de observao.
EXEMPLO
O resultado de um estudo com grande nmero de observaes em relao ocorrncia de
incidentes no processo produtivo em uma indstria mostrou que a probabilidade de ocorrer um
dia com incidente logo aps um dia sem incidente de 33%, e que a probabilidade de se ter um
dia com incidente logo aps um dia com incidente de 50%.
Se representarmos por SI o estado do dia sem incidente e por CI, o estado do dia com incidente,
em uma tabela, com as respectivas porcentagens (probabilidades condicionais) em valores de-
cimais e completadas, para a situao oposta, com a soma igual a um, teremos:
ESTADO DO SISTEMA SI CI
SI 67% = 0,67 50% = 0,5
CI 33% = 0,33 50% = 0,5
Ento, a matriz estocstica (ou de transio) da cadeia de Markov correspondente :
0,67 0,5
P=
0,33 0,5
Se no primeiro dia da observao, o dia zero, inicial da observao, est sem incidente (SI), o
1
vetor de estado inicial x(0) =
0
captulo 5 157
O vetor de estado do dia 1, logo aps o dia inicial da observao, a transformao matricial do
vetor estado inicial x(0), pela matriz de transio. Temos, ento:
0,67 0,5 1 0,67

x(1) = T(x(0)) = Px(0) = =
0,33 0,5 0 0,33
Logo, a probabilidade de no ocorrer incidente no dia 1 de 67% e a de ocorrer incidente de

33%.
Continuamos a sequncia para os demais dias, pela transformao do vetor de estado anterior,
ou seja, para encontrar o vetor de estado do dia 2, logo aps o dia 1 da observao, basta deter-
minar a transformao matricial do vetor estado inicial x(1). Da
0,67 0,5 0,67 0,614

x(2) = T(x(1)) = Px(1) = =
0,33 0,5 0,33 0,386
A probabilidade de no ocorrer incidente no dia 2 de 61,4% e a de ocorrer incidente de

38,6%. Continuando a sequncia de transformaes matriciais, obtemos a sequncia de vetores
de estado. Concluses interessantes podem ser tiradas da observao desta sequncia, mas
isso assunto do prximo captulo quando daremos continuidade a esse exemplo.
IDEIA
Para saber mais sobre os tpicos estudados neste captulo, pesquise na internet sites, vdeos
e artigos relacionados ao contedo visto. E, ainda, procure ver aplicaes de transformaes
lineares. Embora as aplicaes mais interessantes necessitem de outros conhecimentos alm
da lgebra linear, vale a pena procurar aprender mais e alargar seus horizontes.
Uma sugesto de tema, FRACTAIS, em que uma transformada linear iterada (repetida) gera
imagens, como por exemplo:
Tringulo de Sierpinski
Tapete de Sierpinski
Voc pode se surpreender com a beleza das formas geradas por estas transformadas.
158 captulo 5
ANTON, Howard; RORRES, Chris. lgebra linear com aplicaes. Trad. Claus Ivo Doering. 8
ed. Porto Alegre: Bookman, 2001.
KOLMAN, Bernard. Introduo lgebra linear com aplicaes. Trad. Valria de Magalhes
Irio. 6 ed. Rio de Janeiro: LTC Livros Tcnicos e Cientficos Editora, 1999.
LAY, David C. lgebra linear e suas aplicaes. Trad. Ricardo Camilier e Valria de Magalhes
STEINBRUCH, Alfredo; WINTERLE, Paulo. Introduo lgebra linear. So Paulo: Pearson
Education do Brasil, 1997.
IMAGENS DO CAPTULO
xcara Thiago Felipe Festa | freeimagens.com caf e leite.
Desenhos, grficos e tabelas cedidos pelo ator do captulo.
GABARITO
5.2 Transformadas matriciais e transformadas lineares de Rn e Rm
1) n = 5 e m = 2
2) Sim, desde que X 4 e T seja uma transformada de 4 em 3.
2
3) X = 4
1
4) a) No linear
b) linear
c) linear
d) No linear
e) linear
1
5) ( , 7)
2
5.3 A matriz de uma transformada linear

6) a) T(x, y, z) =(2x + 5y 2z, 3x + 2y, x + 7y +7z)
b) T(x, y) = (3x 2y, 3x + 5y)
c) T(x,y) = (x 2y + 3z, 4x + 9y 8z)
captulo 5 159
7) a) (8, 18)
5 4
b) ,
7 7
8) a) T(x, y) = (2x, 2x y)

b) O tringulo se transforma no tringulo de vrtices (0, 0), (2, 4), (4, 5)
1 3
9) A =
0 1
1 0 0
10) A = 0 1 0

0 0 0
5.4 Ncleo e imagem de uma transformada linear

11) Nuc(T) = {(0, y); y R} , isto , Nuc(T) o eixo y
Im(T) = {(x, 0); x R}, isto , Im(T) o eixo x
12) Base do ncleo {}, dim (Nuc(T)) = 0,

Base da imagem = {(1, 1, 2, 0), (1, 1, 1, 1), (1, 1, 1, 0)}; dim (Im(T)) = 3
13) Base do ncleo = {(1, 0, 1), (1, 1 ,0)}; dim (Im(T)) = 2

Base da imagem = {1}; dim (Im(T)) = 1
14) Nuc(T) = {(0, 0)}; Im(T) = {(x, y, z) R3; 2x 2y z = 0}
15) Nuc(T) = {(x, 3x); x R}; dim (Nuc(T)) = 1

Im(T) = {(y, y); y R}; dim (Im(T)) = 1
160 captulo 5
6 Autovalores e
autovetores
glria dias
6 Autovalores e autovetores
OBJETIVOS
Identificar a ao de uma transformada linear X AX em vetores mltiplos

escalares de X.
Encontrar os autovalores de um operador linear.
Determinar o autovetor associado a um autovalor.
Diagonalizar matrizes.
6.1 Conceito
Durante os captulos anteriores, vimos que se A uma matriz, n x n, e X
um vetor do Rn, ento, AX tambm um vetor do Rn. Em particular, no
captulo anterior, vimos a transformada matricial do vetor X Rn tal que
T : Rn Rn; T(X) = AX, em um outro vetor do Rn, passando a ser denominada
de operador linear no Rn.
O operador linear assim definido para n = 2 ou n = 3 desloca vetores em

muitas direes dentro do prprio espao vetorial, sem a obrigatoriedade
de existir uma relao geomtrica entre eles. Entretanto, h casos especiais
em que a ao do operador sobre alguns vetores, no nulos, extremamente
simples, deslocando o vetor retorna na sua prpria direo como um mlti-
plo escalar dele mesmo, de tal modo que AX = X.
O escalar chamado de autovalor, ou valor prprio, e o vetor X chama-

do de autovetor, ou vetor prprio, associado a .
162 captulo 6
6.2 Autovalores e autovetores COMENTRIO
Autovetor
Seja A uma matriz n x n. Um vetor no nulo X Rn um
Autovalores e autovetores, mas o
autovetor da matriz A se AX = X, para algum escalar . O
que tem isso de interessante, apli-
escalar chamado de autovalor para A se existe soluo cado engenharia?
no trivial X, para AX = X. Este X chamado de autovetor
associado ao autovalor . Conceitos de autovalores e au-
tovetores no surgem apenas na
Usando a notao geral de transformadas lineares em es- geometria de operadores lineares.
paos vetoriais, escrevemos: Aparecem, tambm, na anlise da
dinmica populacional, estudada
Seja T:V V um operador linear. Um vetor v V, v 0 por sistemas dinmicos discretos;
um autovetor do operador linear T se existe um escalar em sistemas dinmicos contnuos;
tal que T(v) = v. O escalar o autovalor associado ao estudo de vibraes; mecnica
quntica e economia, entre outros.
autovetor v.
Mais especificamente, este conceito
As equaes AX = X e T(v) = v so equivalentes para os surge naturalmente em crescimen-
to populacional por faixa etria, em
espaos vetoriais mencionados neste texto, visto que vere-
colheita de populaes animais; em
mos apenas operadores lineares do Rn. gentica, na investigao de uma
caracterstica herdada em sucessi-
Interpretao geomtrica
vas geraes, hereditariedade liga-
da ao sexo; poltica de colheita sus-
tentvel. Todos esses exemplos, so
reas de aplicao da engenharia.

T(v)
T(u)
O vetor u autovetor, visto que T(u) colinear a u. O vetor

v no autovetor.
captulo 6 163
ATENO
O vetor nulo sempre satisfaz s equaes, vistas na pgina 163, para qualquer valor de , porm,
o autovetor sempre um vetor no nulo. Ocorre que, sendo um nmero real qualquer, pode
ser igual a zero.
EXEMPLOS
5 0 x
1) = 5 um autovalor da matriz A = , visto que existem vetores X = y ; X 0 tais que
2 1
5 0 x x 5x + 0y 5x 5x = 5x 0=0
AX = 5X. De fato, = 5 =
2 1 y y 2x + 1y 5x 2x + y = 5x y = 3x
x
x varivel livre; X = , x R*
3x
2) O vetor (2, 2) um autovetor do operador linear
T: R2 R2; T(X) = (4x + 5y, 2x +y),
4 5
visto que, determinando a matriz cannica do operador T, A = e escrevendo o vetor na
2 1
2
forma de matriz coluna , vem:
2
4 5 2 8 10 2
= = , observe que o resultado encontrado um
2 1 2 42 2
2 2
mltiplo escalar do vetor declarado como autovetor, = (1) , logo
2 2
2
= 1 um autovalor associado ao autovetor do operador linear.
2
1) Verifique se = 4 autovalor do operador linear T : R3 R3 tal que
T(X) = (3x z, 2x + 3y +z, 3x + 4y + 4z)
Soluo
T(X) = X (3x z, 2x + 3y +z, 3x + 4y + 4z) = 4(x, y, z)
164 captulo 6
3x z = 4x x z = 0
2x + 3y + z = 4y 2x + y + z = 0
COMENTRIO
3x + 4y + 4z = 4z 3x + 4y = 0 Operador linear
Sempre que X um autovetor de
escalonando o sistema homogneo: um operador linear T associado ao
autovalor , isto , T(X) = X, para
1 0 1 1 0 1
1 0 1
1 0 1 qualquer nmero real k 0, o vetor
2 1 1 0 1 1 0 1 1 0 1 1 kX tambm autovetor de T, asso-
3 4 0 3 4 0 0 4 3 0 0 1 ciado ao mesmo autovalor .

como foi possvel chegar na forma escalonada, o sistema homogneo admi-
te apenas a soluo trivial (vetor nulo). Porm, o vetor nulo no autovetor,
logo, no existem autovetores associados a = 4, da, = 4 no autovalor
do operador linear.
2) Considere a matriz cannica A de um operador linear T: R3 R3, tal que

3 0 1
A= 2 3 1 . Verifique se X = (1, 1, 1) um autovetor de T.
3 4 5
Soluo
Se o vetor X uma autovetor de T ento existe um autovalor associado a
este autovetor. Escrevendo X = (1, 1, 1) do R3 na forma de vetor coluna,
1
X = 1 , e pela definio de autovetor, escrita na forma de operador
1
matricial AX = X, vem:
3 0 1 1 1 3.1 + 0.1 + (1).(1) 1
2 3 1 1 = 1 2.1 + 3.1 + 1.(1) = 1
3 4 5 1 1 3.1 + 4.1 + 5.(1) 1
4 1 1 1
4 = 1 4 1 = 1 = 4
4 1 1 1
Logo X = (1, 1, 1) autovetor associado ao autovalor = 4.
3) Ainda em relao ao operador linear e ao autovetor do exerccio anterior,

verifique se o vetor 3X = 3(1, 1, 1) = (3, 3, 3) tambm um autovetor do
mesmo operador linear.
Soluo
Como no exerccio anterior,
3 0 1 3 3 3.3 + 0.3 + (1).(3) 3

2 3 1 3 = 3 2.3 + 3.3 + 1.(3) = 3
3 4 5 3 3 3.3 + 4.3 + 5.(3) 3
captulo 6 165
12 3 3 3
12 = 3 4 3 = 3 = 4
12 3 3 3
Ser que foi coincidncia, termos encontrado o mesmo valor de = 4, nos dois exerccios?
4) Verificar se X = (3, 2) um autovetor de T: R2 R2; T(X) = (x + 6y, 5x + 2y).
Soluo
Como nos exerccios (2) e (3), se o vetor X um autovetor de T, ento existe um autovalor
associado a este autovetor.
1 6
Usando a forma AX = X, temos a matriz cannica de T, dada por A = e o vetor
5 2
3
A= . Verificando a equao
2
1 6 3 3 9 3
= ,
5 2 2 2 11 2
9
isto , o vetor , resultado da transformada de X, no mltiplo escalar dele mesmo.
11
3
Logo, X = no um autovetor de T.
2
5) Considere o operador linear T: R3 R3, que determina a transformao da simetria de vetores

por T(v) = v. Encontre:
a) a matriz cannica da transformada
b) os autovalores da matriz cannica e o autovetor associado ao autovalor.
Soluo
x x 1 0 0 x x
a) T: R R ; T(v) = v T
3 3
y = y 0 1 0 y = y
z z 0 0 1 z z
1 0 0
A matriz cannica de T a matriz A = 0 1 0
0 0 1
b) T(v)= v = 1v = 1, qualquer vetor v no nulo do R3 um autovetor associado a este
autovalor.
6) Considere o operador linear T: R3 R3; T(X) = (6x 3y + z, 3x + 5z, 2x + 2y + 6z). Verifique

se = 5 um autovalor para a matriz cannica do operador.
Soluo
6 3 1
Matriz cannica de T: A =
3 0 5 ;

2 2 6
6 3 1 5 0 0 1 3 1
A 5I = 0 3 0 5 0 5 0 = 3 5 5
2 2 6 0 0 5 2 2 1
166 captulo 6
1 3 1 x 0 1 3 1 0
Pela definio: 3 5 5 y = 0 3 5 5 0
2 2 1 z 0 2 2 1 0
Pelo escalonamento da matriz expandida, vem
1 3 1 0 1 3 1 0 1 3 1 0
0 4 2 0 0 4 2 0 0 4 2 0
2 2 1 0 0 8 1 0 0 0 5 0
Como foi possvel chegar na forma escalonada, o sistema possvel e determinado, isto , s
admite a soluo trivial v = 0 (vetor nulo no autovetor). Logo = 5 no autovalor da matriz
A, pois no possvel encontrar autovetores associados a este autovalor.
EXERCCIOS DE FIXAO
1) Verifique se = 2 um autovalor do operador linear T(X) = (3x + 2y, 3x + 8y)
4 5
2) Verifique se = 1 um autovalor da matriz A =
2 1
3) Verifique se X = (5, 2) um autovetor do operador linear T(X) = (4x + 5y, 2x + y)

4 0 1
4) Verifique se = 3 um autovalor da matriz A = 2 1 0
2 0 1
5) Verifique se X = (1, 2, 2) um autovetor do operador linear T(X) = (7x 2y, 2x + 6y 2z,
2y + 5z)
6.3 Equao caracterstica
Determinao de autovalores
Nos exemplos e exerccios resolvidos na seo anterior, sempre dado um

valor de ou vetor X, para verificar se autovalor ou X autovetor de um
operador linear do Rn. Entretanto, o mais comum , dado o operador linear
ou a matriz cannica A,n x n, deste operador linear, encontrar os autovalo-
res dessa matriz e os autovetores associados aos autovalores encontrados.
Temos, ento, que resolver a equao matricial
captulo 6 167
AX = X AX X = 0
Porm, a equao matricial possui duas incgnitas, e X, o escalar e o

vetor X. Uma equao com duas incgnitas de naturezas distintas, escalar e
vetor, e, ainda, matrizes de dimenses diferentes: A, n x n, e X, n x 1.
Ocorre que, se no podemos efetuar a subtrao, usamos o artifcio da

multiplicao da equao pela matriz identidade, elemento neutro da mul-
tiplicao de matrizes, passando a resolver a equao matricial
I(AX X) = I0 (IA) X (I)X = 0
Em seguida, como o vetor X aparece em duas parcelas, natural coloc-lo

em evidncia, como incgnita da equao, ou seja,
AX (I)X = 0 (A-I) X = 0
Um exemplo com matriz, 2 x 2, pode tornar mais claro o exposto acima
a11 a12 1 0 x 0 a11 a12 0 x 0

= =
a21 a22 0 1 y 0 a21 a22 0 y 0
a11 a12 0 x 0
=
a21 0 a22 y 0
a11 a12 x 0
=
a21 a22 y 0
Esta equao matricial representa um sistema homogneo. Pela defi-

nio de autovetor, queremos vetores v 0, da, precisamos encontrar os
valores de para os quais o sistema tem soluo no trivial, isto , o vetor
v 0. Temos, ento, como condio para ser um autovalor da matriz A, o
fato de que a equao (A I)X = 0 ter soluo no trivial.
Se o determinante da matriz dos coeficientes for diferente de zero, o sis-

tema possui uma nica soluo que a soluo trivial, v = 0. Ento, obriga-
toriamente, para soluo v 0 deve-se ter
a11 a12
det(A I) = 0 ou =0 ()
a21 a22
168 captulo 6
A equao (*) chamada equao caracterstica da matriz A, ou do opera-
dor T, e suas razes so os autovalores da matriz A, ou do operador T.
Desenvolvendo o determinante, encontramos um polinmio em deno-

minado polinmio caracterstico. No exemplo:
a11 a12
= 0 (a11 )(a22 ) a12a21 = 0
a21 a22
que resulta em um polinmio de grau 2 e a resoluo da equao de segundo

grau cujas razes so os dois autovalores de A. Observe que o determinante,
det(A I), transforma a equao matricial (A I)X = 0, de duas incgnitas,
e X, em uma equao escalar de apenas uma incgnita .
Do exposto acima, podemos concluir, na forma de um teorema (sem de-

monstrao), que:
Um escalar um autovalor de uma matriz A, n x n, se e somente se satisfaz

a equao caracterstica det(A I) = 0.
Outros exemplos ajudam a clarificar a questo.
EXEMPLOS
2 3
1) Os autovalores de A = so encontrados pela equao caracterstica da matriz A
3 6
2 3
det(A I) = 0 ou = 0 (2 )(6 ) 3 x 3 = 0
3 6
12 + 6 2 + 2 9 = 0
2 + 4 21 = 0
As razes da equao so encontradas pela frmula de Bskara ou pela propriedade das razes,
tal como visto em resoluo da equao do segundo grau:
2 S + P = ( 1)( 2); onde S = 1 + 2 e P = 12
No exemplo:
4 = 1 + 2
2 + 4 21 = 0 1 = 3 e 2 = 7
21 = 1 2
( 3)( (7)) = ( 3)( + 7)

1 = 3 e 2 = 7 so os dois autovalores de A
captulo 6 169
Observe que, o polinmio caracterstico, P2() = 2 + 4 21, tem grau igual
OBSERVAO ordem do determinante da matriz A. E isso sempre ocorrer.
0 1 0
Os exerccios propostos na seo
2) Os autovalores da matriz A = 0 0 1 so determinados pela equa-
6.2, para autovalores, podem ser
o caracterstica: 4 17 8
refeitos verificando se o valor de
dado raiz da equao caracters-
0 1 0
tica da matriz, ao invs da definio
det(A I) = 0 0 0 1 = 0
de autovalores e autovetores. Expe-
4 17 8
rimente refaz-los!
O polinmio caracterstico, obtido pelo desenvolvimento do determinante de

ordem 3, 3 82 + 17 4 (verifique!!), implica a resoluo de uma equao
de grau 3, 3 82 + 17 4 = 0, o que pode ser uma tarefa rdua.
ATENO Comeamos, ento, a procurar a existncia de razes inteiras, sabendo que

em uma polinomial de grau n, n + C1n1 + + Cn1 + Cn = 0, de coefi-
Se encontrou dificuldade em acom-
cientes inteiros, se houver razes inteiras, todas elas so divisores do termo
panhar o clculo de determinantes
constante Cn.
dos exemplos, hora de rever o
captulo 2. Se encontrou dificul- Na equao, 3 82 + 17 4 = 0, os divisores de 4 so: 1,2,4.
dade em acompanhar a resoluo Substituindo cada um deles na equao, o nico que satisfaz = 4. Da
das equaes polinomiais, procure propriedade das razes, considerando 1 = 4, vem
apoio em outros textos sobre o as-
3 82 + 17 4 = ( 4)( 2)( 3)
sunto.
3 82 + 17 4 = ( 4)(2 4 + 1)
Resolvendo, agora, 2 4 + 1 = 0, encontramos 2 = 2 + 3 e 3 = 2 3
Desse modo, os trs autovalores de A so: 1 = 4, 2 = 2 + 3 e 3 = 2 3
COMENTRIOS
Para toda matriz A, n x n, tem-se polinmio caracterstico, Pn(), de
grau n, obtido no determinante de ordem n, da equao caracterstica
det(A I) = 0.
O polinmio caracterstico de grau n, ter n razes, contando a multiplicida-

de, e estas razes sero reais e/ou complexas. Havendo razes complexas,
sero sempre em nmero par e sero chamadas de autovalores complexos.
Entretanto, neste texto, apenas consideraremos as razes reais, isto , os
autovalores reais.
Ocorre que no existem mtodos diretos, isto , um algoritmo finito que

resolva polinmio de grau n 5. Logo, matrizes genricas n x n, para n
5n, necessitam de mtodos indiretos ou numricos para encontrar os
autovalores destas matrizes. Os melhores mtodos numricos utilizados por
softwares matemticos para a determinao de autovalores evitam a deter-
170 captulo 6
minao do polinmio caracterstico, encontrando, primeiro, os autovalores i e, depois, fazendo
a expanso do produto ( 1)( 2)()( n).
Vrios destes mtodos numricos so baseados no conceito de similaridade entre matrizes que
ser visto posteriormente na seo 6.4.
Propriedades
Os autovalores de uma matriz triangular so os elementos da sua diagonal

principal, visto que o determinante desta matriz o produto dos elementos
da sua diagonal principal.
EXEMPLO
Exemplo para matriz A, 3 x 3, triangular superior:
a11 a12 a13 0 0 a11 a12 a13
A = 0 a22 a23 0 0 = 0 a22 a23
0 0 a33 0 0 0 0 a33
a11 a12 a13
det 0 a22 a23 = (a11 )(a22 )(a33 ) = 0
0 0 a33
As razes da equao caracterstica so obtidas fazendo-se:
a11 = 0 1 = a11
a22 = 0 2 = a22
a33 = 0 3 = a33
OBSERVAO
2 0 0 1 4 7
Os autovalores de A = 1 0 0 e B = 0 3 8 so obtidos diretamente pelo fato
0 5 3 0 7 7
de que:
a) A matriz triangular inferior, ento, os autovalores so os elementos da sua diagonal principal:
1 = 2; 2 = 0; 3 = 3. Observe que 2 = 0 possvel, isto , podemos ter autovalor nulo. No
podemos ter autovetor nulo.
b) B matriz triangular superior, ento, os autovalores so os elementos da sua diagonal princi-

pal: 1 = 1; 2 = 3; 3 = 7.
Considere uma matriz U, n x n, escalonada, obtida de A, n x n, usando

apenas as operaes de substituio e troca de linhas onde t o nmero de
troca de linhas realizadas, ento, o determinante de A dado por:
(1)t x (produto dos pivs de U)

detA = , onde U a matriz escalonada
0, quando A no invertvel
captulo 6 171
EXEMPLO
1 5 0
O determinante da matriz A = 2 4 1 pode ser obtido pela matriz linha equivalente esca-
0 2 0
lonada na forma triangular superior, aplicando a propriedade acima. Transformando a matriz na
forma escalonada temos:
1 5 0 1 5 0
2 4 1 0 2 0 feita a permutao da L2 com L3
0 2 0 2 4 1
a1 5 0
0 2 0
0 0 1
O determinante encontrado por: det(A) = (1)1 x 1 x (2) x (1) = 2
ATENO
Esta propriedade dos determinantes de uma matriz e de sua forma escalonada ser utilizada
oportunamente, porm e esse porm importante , em geral, uma forma escalonada de uma
matriz A no tem os mesmos autovalores de A.
Determinao de autovetores
Depois de encontrar os autovalores de uma matriz, os autovetores so en-

contrados substituindo cada valor de na equao matricial (A I)X = 0
e resolvendo o sistema homogneo de equaes lineares. Continuando o
exemplo (1), temos:
EXEMPLO
2 3
Os autovetores de A = , associados aos autovalores 1 = 3 e 2 = 7, so respectiva-
3 6
mente:
2 3 x 0
a) Para 1 = 3 =
3 6 y 0
2 3 3 x 0 1 3 x 0
= =
3 6 3 y 0 3 9 y 0
172 captulo 6
x + 3y 0 x + 3y = 0
=
3x + 9y 0 3x + 9x = 0
x 3y
Resolvendo o sistema: X = = ; y . Os autovetores associados ao autovalor
y y
3x 3
1 = 3 so da forma X = ; y * ou, ainda, X = y ; y *
y 1
2 3 x 0
b) Para 1 = 7 =
3 6 y 0
2 (7) 3 x 0 9 3 x 0
= =
3 6 (7) y 0 3 1 y 0
9x + 3y 0 9x + 3y = 0
=
3x + y 0 3x + y = 0
x x
Resolvendo o sistema: X = = ; x R. Os autovetores associados ao autovalor
y 3x
x 1
1 = 7 so da forma X = ; x * ou ainda, X = x ; x *
3x 3
Autoespao de A associado a
Observe que o conjunto de todas as solues da equao (A I) = 0, isto , o

conjunto dos autovetores, v 0, associados ao autovalor , o espao-nulo
da matriz A I e, tambm, um subespao de Rn. Este subespao chamado
de autoespao de A associado a . Como subespao, o vetor nulo pertence ao
autoespao, porm, mais uma vez ressaltamos que o vetor nulo no auto-
vetor.
EXEMPLO
Considere o operador linear T(X) = (4x y + 6z, 2x + y + 6z, 2x y + 8z) e o autovalor = 2
da matriz cannica do operador. A base do autoespao associado a este autovalor obtido por:
4 1 6 2 0 0 x 0
(A 2I)X = O A = 2 1 6 0 2 0 y = 0
2 1 8 0 0 2 z 0
2 1 6 x 0 2 1 6 0 2 1 6 0
2 1 6 y = 0 2 1 6 0 3 linhas iguais 0 0 0 0
2 1 6 z 0 2 1 6 0 0 0 0 0
y
2x y + 6z = 0 x = 3z; y e z variveis livres
2
captulo 6 173
y
3z
2
O vetor soluo : X = y ; y e z R, escrito na forma de combinao linear dado
z
1/2 3
por: X = y 1 + z 0 ; y e z R. Uma base para o autoespao de A associado a
0 1
1/2 3
= 2 o conjunto B = 1 +z 0 ;
0 1
5 0 0 2 4 7
7) Determine os autovalores de A = 1 1 0 e B = 0 30 8
2 8 3 0 0 1
Soluo
a) A matriz triangular inferior, ento, os autovalores so os elementos da sua diagonal principal:
1 = 5; 2 = 1; 3 = 3.
b) B matriz triangular superior, ento, os autovalores so os elementos da sua diagonal princi-

pal: 1 = 2; 2 = 30; 3 = 1.
1 2 1
8) Calcule o determinante de A = 0 2 8 usando a matriz escalonada na forma triangular
superior. 4 5 9
Soluo
Escalonando a matriz dada temos:
1 2 1 1 2 1 1 2 1
0 2 8 0 2 8 0 2 8
4 5 9 0 3 13 0 0 1
Como no foi feita a troca de nenhuma linha, temos t = 0. Decorre que o determinante da matriz
original A obtido por:
detA = (1)t x (produto dos pivs de U) = (1)0 x 1 x 2 x 1=2
5 2 8 0
0 1 1 2
9) Determine os autovalores e o polinmio caracterstico de A = 0 0 3 1
0 0 0 5
Soluo
Matriz 4 X 4 os autovalores so em nmero de 4, a saber: 1 = 5, 2 = 1, 3 = 3, 4 = 5
174 captulo 6
Observe que 1= 4 = 5; mesmo assim, temos quatro autovalores e o polinmio caracterstico
de grau 4.
P4 () = (5 )(1 )(3 )(5 )
P4 () = (5 )2 (1 )(3 ) = 4 143 + 682 130 + 75
Dizemos, ento, que o autovalor = 5 tem multiplicidade 2
4 5
10) Determine os autovalores e autovetores da matriz A =
2 1
Soluo
a) Determinao dos autovalores pela equao caracterstica:
4 5
= 0 (4 )(1 ) 10 = 0 4 5 + 2 10 = 0
2 1
2 5 6 = 0 1 = 1 e 2 = 6
4 (1) 5 x 0 5 5 x 0
b) Para 1 = 1 = =
2 1 (1) y 0 2 2 y 0
5x + 5y = 0
y = x
2x + 2y = 0
x
A soluo do sistema homogneo X = ; x varivel livre. Portanto, os autovetores so da
x
1
forma: v = x ; x 0 (vetor nulo no autovetor, da a restrio x 0).
1
4 6 5 x 0 2 5 x 0
c) Para 2 = 6 = =
2 1 6 y 0 2 5 y 0
2x + 5y =0 2
y= x
2x 5y = 0 5
x
A soluo do sistema homogneo X = 2 ; x varivel livre. Portanto, os autovetores so da
x
1 5
forma: v = x ; x 0.
2/5
0 0 1
11) Mostre que se A = ento um autovetor associado ao autovalor = 0.
0 1 0
Soluo
0 0
A= 1 = 0 e 2 = 1 so autovalores de A
0 1
captulo 6 175
0 0 1 0 x 1 + 0 x 0 0
= = ,
0 1 0 0 x 1 + 0 x 0 0
Ocorre que o vetor nulo pode ser escrito como o resultado da multiplicao de qualquer vetor
por zero. Escrevemos ento,
0 1 1
=0 o vetor um autovetor associado ao autovalor = 0.
0 0 0
12) Calcular os autovetores do operador T(X) = (7x 2y, 2x + 6y 2z, 2y +5z), associados
aos autovalores.
Soluo 7 2 0
Matriz da transformao: A =
2 6 2
0 2 5
a) Determinao dos autovalores:
7 2 0
Equao caracterstica: 2 6 2 = 0
0 2 5
Calculando o determinante pela expanso em cofatores, vem:
6 2 2 2 2 6
(7 ) (2) +0 =0
2 5 0 5 0 2
(7 )[4 + (6 )(5 )] + 2[0 2(5 )] + 0 = 0
28 + 4 + (7 )(6 )(5 ) 20 + 4 = 0
(7 )(6 )(5 ) 48 + 8 = 0
Observe que, ao invs de efetuar a multiplicao, procuramos escrever a expresso em um pro-

duto, ento, fatorando as duas ltimas parcelas, obtemos:
(7 )(6 )(5 ) 8(6 ) = 0
Da, possvel identificar o fator comum (6 ), temos, ento:
(6 )[(7 )(5 ) 8] = 0
Desenvolvendo a multiplicao dentro do colchete, obtemos o polinmio:
(6 )[35 12 + 2 8] = 0
(6 )[2 12 + 27] = 0
Fatorando o polinmio de grau 2 pela propriedade das razes, vem:
(6 )[( 3)( 9)] = 0
176 captulo 6
Agora, encontramos, facilmente, as razes da equao caracterstica:
6 = 0 1 = 6
(6 )( 3)( 9) = 0 3 = 0 2 = 3
9 = 0 3 = 9
b) Determinao dos autovetores:
7 2 0 x 0
2 6 2 y = 0
0 2 5 z 0
7 6 2 0 x 0
Para 1 = 6 2 6 6 2 y = 0
0 2 5 6 z 0
1 2 0 x 0 1 2 0 1 2 0
2 0 2 y = 0 2 0 2 2 4 2
0 2 1 z 0 0 2 1 0 2 1
1 2 0
x 2y = 0 x = 2y ou y = 12 x
2 4 2
4y 2z = 0 z = 2y ou z = x
0 0 0
x 1
Os autovetores associados a 1 = 6 so da forma: v = 1/2 x x = 1/2 ; x 0
x 1
7 3 2 0 x 0
Para 2 = 3 2 6 3 2 y = 0
0 2 5 3 z 0
4 2 0 x 0 4 2 0 4 2 0
2 3 2 y = 0 2 3 2 0 4 4
0 2 2 z 0 0 2 2 0 2 2
4 2 0
0 4 4 4x 2y = 0 y = 2x
0 0 0 4y 4z = 0 z = y = 2x
x 1
Os autovetores associados a 2 = 3 so da forma: v = 2 x = x 2 ; x 0
2x 2
7 9 2 0 x 0
Para 3 = 9 2 6 9 2 y = 0
0 2 5 9 z 0
captulo 6 177
2 2 0 x 0 2 2 0 2 2 0
2 3 2 y = 0 2 3 2 0 1 2
0 2 4 z 0 0 2 4 0 2 4
1 1 0
0 1 2 x + y = 0 y = x
0 0 0 y + 2z = 0 z = 12y = 12x
x 1
Os autovetores associados a 3 = 9 so da forma: v = x = x 1 ; x 0
1/2x 1/2
13) Sendo A uma matriz identidade I, n x n, encontre os autovalores e autovetores em Rn,

associados aos autovalores.
Soluo
1 0 0
0 1 0
Inxm = 1 = 2 = = n = 1 e todos os vetores no nulos do Rn

0 0 1 nxn
1 0 0 x1 x1
0 1 0 x2 x2
so autovetores da matriz identidade I, n x n, visto que, =

0 0 1 xx xx
16 10
14) Encontre os autovalores e autovetores da matriz A =
16 8
Soluo
Equao caracterstica:
16 10
= 0 (16 )(8 ) + 160 = 0
16 8
128 + 8 + 2 + 160 = 0
8 82 4 x 1 x 32 8 64 128
2 + 8 + 32 = 0 = =
2x1 2
8 64
= R
2
8 8i
As razes da equao so razes complexas: = 4 4i
2
Logo, no existem autovalores reais nem autovetores associados a autovalores reais. Como dito
anteriormente, s estudaremos o caso de autovalores reais.
178 captulo 6
15) Dado o operador linear T: R2 R2; T(x, y) = (y, x) encontre os autovalores e autovetores
associados.
Soluo
0 1
Matriz cannica de T: A =
1 0
Equao caracterstica:
0 1
= 0 ()() 1 x 1 = 0
1 0
1 = 1
2 1 = 0 2 = 1 = 1
2 = 1
0 (1) 1 x 0
a) Para 1 = 1, vem: =
1 0 (1) y 0
1 1 x 0 x+y=0
= y = x
1 1 y 0 x+y=0
Os autovalores associados so da forma v = (x, x) = x (1, 1); x 0
0 1 1 x 0
b) Para 2 = 1, vem: =
1 0 1 y 0
1 1 x 0 x + y = 0
= y=x
1 1 y 0 xy=0
Os autovalores associados so da forma v = (x, x) = x (1, 1); x 0
16) Determine uma base para o autoespao associado aos autovalores 1 = 1 e 2 = 5, do

operador linear T(X) = (5x, 2x + y).
Soluo
5 0
Matriz cannica do operador: A = .
2 1
a) Para 1 = 1, vem:
5 1 0 x 0 4 0 x 0
= =
2 1 1 y 0 2 0 y 0
4x 0 0
= x= ; y varivel livre
2y 0 y
0
Uma base para o autoespao associado a 1 = 1 o B =
0
captulo 6 179
b) Para 2 = 5, vem:
5 5 0 x 0 0 0 x 0
= =
2 1 5 y 0 2 4 y 0
0 0
= 2x 4y = 0 x = 2y
2x 4y 0
2y
X= ; y varivel livre
y
2
Uma base para o autoespao associado a 2 = 5 B =
1
EXERCCIOS DE FIXAO
1 0 0 0 0
4 0 0 0 0
6) Encontre os autovalores da matriz A = 7 5 2 0 0
0 2 3 1 0

1 1 8 3 5
7) Considerando o operador linear T: R3 R3; T(x, y, z) = (x, y, 0), encontre os autovalores e
autovetores associados.
8) Determine os autovalores associados das matrizes:
1 2 2 1 0 1
a) b) c)
1 4 2 3 1 0
9) Determine o polinmio caracterstico, os autovalores e os autovetores dos operadores

lineares:
a) T: R2 R2; T(x, y) = (2x + 7y, 7x + 2y)

b) T: R2 R2; T(x, y) = (5x + 3y, 4x + 4y)
c) T: R3 R3; T(x, y, z) = (x, 2x y, 2x + 2y + 2z)
10) Determine uma base para o autoespao associado a cada um dos autovalores dos opera-
dores lineares indicados abaixo:
a) T(X) = (7x + 4y, 3x y); 1 = 1 e 2 = 5

b) T(X) = (4x 2y, 3x + 9y); 1 = 3 e 2 = 10
180 captulo 6
6.4 Diagonalizao de matrizes CURIOSIDADE
Similaridade
Similaridade Os mtodos numricos (utilizados
em computao cientfica) mais efi-
cientes para estimar autovalores de
matrizes de mdio e grande porte (n
DEFINIO 5) so baseados no teorema de
similaridade. Um algoritmo muito
Se A e B so matrizes n x n, ento A similar (ou semelhante) a B se existe conhecido o algoritmo QR que
uma matriz P, invertvel, tal que B = P1AP, ou seja, escrito de modo equiva- produz, por iterao (por repetio),
lente, se A = PBP1. uma sequncia de matrizes todas
similares matriz A, que so qua-
se matrizes triangulares superiores
EXEMPLO cujos elementos da diagonal prin-

cipal se aproximam dos autovalores
1 1 1 1 de A.
A= eP=
2 4 1 2 medida que o nmero de iteraes
1 2 1 2 1 aumenta, a matriz produzida pelo al-
Encontrando P1 = =
(1x2 1x1) 1 1 1 1 goritmo se aproxima, cada vez mais,
Ento existe a matriz B similar matriz A, obtida por de uma matriz triangular superior
similar matriz A, com elementos
2 1 1 1 1 1 2 0 da diagonal principal cada vez mais
B = P1AP B = =
1 1 2 4 1 2 0 3 prximos dos autovalores de A.
A transformao que aplica a matriz A na matriz B = P1AP chamada de
transformao de similaridade. Observe que similaridade, ou semelhana,
no igual equivalncia por linha.
Propriedades
(i) A similar a A.
(ii) Se A similar a B, ento B similar a A.
(iii) Se A similar a B, e B similar a C, ento C similar a A.
Teorema (sem demonstrao)

Se A e B so matrizes similares, ento A e B tm o mesmo
polinmio caracterstico, portanto os mesmos autovalores,
com as mesmas multiplicidades.
captulo 6 181
Diagonalizao
DEFINIO
Uma matriz A, n x n, diagonalizvel se ela for similar a uma matriz diagonal, isto , se A = PDP1
D = P1 AP, onde D uma matriz diagonal. Dizemos, ento que A pode ser diagonalizada.
Em geral, a informao sobre autovalores e autovetores de uma matriz A pode ser apresentada
atravs de uma fatorao muito til dessa matriz em A = PDP1 .
Caracterizao de matrizes diagonalizveis
Uma matriz A, n x n, diagonalizvel se, e somente se, A tem n auto-

1
vetores linearmente independentes.
A = PDP1 se, e somente se, as colunas de P so n autovetores de A,

2
linearmente independentes.
A = PDP1, onde D uma matriz diagonal, se, e somente se, os ele-

3 mentos da diagonal principal de D so os autovalores de A associa-
dos, respectivamente, aos autovetores em P.
Uma matriz A, n x n, diagonalizvel se, e somente se, todas as n

4
razes do polinmio caracterstico so reais e distintas.
Temos, ento, que A diagonalizvel se, e somente se, existirem autove-

tores suficientes para formar uma base para o Rn. Esta base chamada de
base dos autovetores.
EXEMPLO
1 1
Seja A = com autovalores 1 = 2; 2 = 3 e autovetores associados, respectivamente,
2 4
da forma: v1 = x (1, 1); x 0 e v2 = x (1, 2); x 0 .
Em ambos autovetores, fazendo x = 1 temos: v1 = (1, 1) e v2 = (1, 2)
1 1 2 1
Fazendo P = [v1 v2] = e encontrando P1 = ,
1 2 1 2
0 2 0
escrevemos D = 1 = . Temos, ento a fatorao de A em
0 2 0 3
182 captulo 6
1 1 2 0 2 1
A = PDP1 =
1 2 0 3 1 1
1 1 1x2 + 1x0 1x0 + 1x3 2 1

=
2 4 1x2 + 2x0 1x0 + 2x3 1 1
1 1 2 3 2 1
=
2 4 2 6 1 1
1 1 2x2 + 3x(1) 2x(1) + 3x1

=
2 4 2x2 + 6x(1) 2x(1) + 6x1
1 1 1 1
= c.q.d.
2 4 2 4
(como queramos demonstrar)
Potncias de uma matriz
Uma aplicao muito til da fatorao de uma matriz A, n x n, na forma

A = PDP1, ocorre quando queremos encontrar potncias de A, isto ,
Ak; k +*. Potncias elevadas de uma matriz quadrada surgem naturalmen-
te em muitas aplicaes engenharia; a diagonalizao , ento, usada para
simplificar os clculos, quando a matriz pode ser diagonalizada.
Se A, n x n, for uma matriz diagonalizvel, P uma matriz invertvel e D

uma matriz diagonal,ento, da definio, A = PDP1 D = P1 AP.
Para k = 2, vem:
D2 = (P1 AP)2 = (P1 AP)(P1 AP) = P1 A(PP1) AP = P1 AIAP
D2 = (P1 AP)2 = P1 AAP = P1 A2 P A2 = PD2 P1
Para k +*, vem:
Dk = (P1 AP)k = P1 AkP = Dk Ak = PDk P1
EXEMPLO
1 1 1 1 2 0
Considere a matriz A = , diagonalizvel, do exemplo anterior, P= eD= ,
2 4 1 2 0 3
tambm encontradas no mesmo exemplo. Para obtermos a matriz A4 basta efetuar:
captulo 6 183
4
1 1 2 0 2 1 1 1 24 0 2 1
A =
4
=
1 2 0 3 1 1 1 2 0 34 1 1
1 1 16 0 2 1
A4 =
1 2 0 81 1 1
16 81 2 1 49 65
A4 = =
16 162 1 1 130 146
Matrizes com autovalores no distintos
Se todas as razes do polinmio caracterstico de uma matriz A so reais,

mas nem todas so distintas, ento A pode ser ou no diagonalizvel.
Se A, n x n, possui p autovalores distintos 1, 2, , p, ento:
Para 1 k p, a dimenso do autoespao para k menor ou igual

1
que a multiplicidade do autovalor k.
A matriz A diagonalizvel se, e somente se, a soma das dimenses

dos autoespaos distintos igual a n. Isso s acontece se, e somente
2
se, a dimenso do autoespao para cada k for igual a multiplicidade
de k.
Se A diagonalizvel e k uma base para o autoespao associado

3 a k, o conjunto dos vetores 1, 2, , p forma uma base de autove-
tores para o Rn (para k = 1, 2, ..., p).
EXEMPLO
0 0 0
Considere a matriz A = 0 1 0 , cujos autovalores so 1 = 0, 2 = 1 e 3 = 1; 2 = 1

1 0 1
um autovalor de multiplicidade 2. Considerando o espao soluo da equao matricial
(A I3 ) X = 0, vem:
Para 1 = 0:
0 0 0 x 0 x varivel livre
0 1 0 y = 0 y=0

1 0 1 z 0 z = x
184 captulo 6
Ento, podemos tomar como autovetor arbitrrio v1 = (1, 0, 1)
Para 2 = 3 = 1:
0 0 0 1 0 0 x 0
0 1 0 1 0 1 0 y = 0
1 0 1
0 0 1 z 0
1 0 0 x 0 x=0
0 0 0 y = 0 y varivel livre

1 0 0 z 0 z varivel livre
Ento, podemos tomar como autovetores arbitrrios v2 = (0, 1, 0) e v3 = (0, 0, 1)
Como o conjunto {v1 , v2, v3} linearmente independente, ento a matriz A diagonalizvel.
RESUMO
Procedimento para a diagonalizao
O processo de diagonalizao de uma matriz A, n x n, pode ser sistematizado em etapas con-
forme roteiro abaixo:
1o passo: Encontrar os autovalores de A, resolvendo a equao caracterstica correspondente.

Se as razes no forem todas reais, ento, A no diagonalizvel.
2o passo: Para cada autovalor j de multiplicidade kj, encontrar uma base para o autoespao as-
sociado a j, pela resoluo da equao (A j I) X = 0. Se a dimenso do autoespao menor
que kj, ento, A no diagonalizvel.
3o passo: Montar a matriz P = [v1 v2 vn] com os autovetores obtidos no passo anterior, no
importando a ordem dos vetores.
4o passo: Montar a matriz diagonal D com os n autovalores e fatorar a matriz A na forma da

diagonalizao A = PDP1.
EXEMPLOS
0 0 1
1) Diagonalizar a matriz A = 0 1 2 , se possvel for.

0 0 1
Soluo:
1o passo: Encontrar os autovalores de A, resolvendo a equao caracterstica
captulo 6 185
0 0 1
0 1 2 = 0 ()(1 )(1 ) = 0
0 0 1
Autovalores: 1 = 0, 2 = 1 e 3 = 1. Logo, 2 = 1 autovalor de multiplicidade 2.
2o passo: Para o autovalor 2 = 1 de multiplicidade 2, encontrar uma base para o autoespao

associado a 2, pela resoluo da equao (A j I) X = 0.
0 1 0 1 x 0 1 0 1 x 0
0 1 1 2 y = 0 0 0 2 y = 0
0 0 1 1 z 0
0 0 0 z 0
x + z = 0 x = z
2z = 0 z = 0
z varivel livre
0
Autovetores associados a 2 = 1 so da forma v = y , y 0, logo a dimenso do espao solu-
0
o do sistema linear 1. A dimenso do autoespao menor que a multiplicidade 2 do autova-
lor, no existindo dois autovetores linearmente independentes associados a 2 = 1.
Ento, A no diagonalizvel.
1 3 3
2) Diagonalizar a matriz A = 3 5 3 , se possvel for.
3 3 1
Soluo
1o passo: Encontrar os autovalores de A, resolvendo a equao caracterstica
1 3 3
3 5 3 = 0 3 32 + 4 = ( 1) ( + 2)2 = 0
3 3 1
Autovalores: 1 = 1, 2 = 2 e 3 = 2. Logo, 2 = 2 autovalor de multiplicidade 2.
2o passo: Para o autovalor 2 = 2 de multiplicidade 2, encontrar uma base para o autoespao

associado a 2, pela resoluo da equao (A j I) X = 0 .
1 + 2 3 3 x 0 3 3 3 x 0
3 5 + 2 3 y = 0 3 3 3 y = 0
3 3 1 + 2 z 0
3 3 3 z 0
x + y +z = 0 y e z variveis livres.
Logo, a dimenso do espao soluo do sistema linear 2, igual multiplicidade do autovetor.

Ento A diagonalizvel.
186 captulo 6
1 1
Dois autovetores associados a 2 = 2 so: v2 = 1 e v3 = 0
0 1
Para o autovalor 1 = 1, vem:
1 1 3 3 x 0 0 3 3 x 0
3 5 1 3 y = 0 3 6 3 y = 0
3 3 1 1 z 0
3 3 0 z 0
3y +3z = 0 z = y
3x 6y 3z = 0 x =z e y = x
3x + 3y = 0 x = y
1
Um autovetor associado a 1 = 1 : v1 = 1
1
1 1 1
3 passo: Montar a matriz P = [v1 v2 v3)] = 1 1 0
o

1 0 1
4o passo: Montar a matriz diagonal D com os n autovalores e fatorara matriz A na forma da dia-
gonalizao A = PDP1.
1 0 0
A = 0 2 0

0 0 2
Para escrever na forma fatorada preciso encontrar P1 (lembra-se de como encontrar?)

1 1 1 1 0 0

1 1 0 0 1 0

1 0 1 0 0 1
1 0 0 1 1 1
0 1 0 1 2 1 Verifique!!!

0 0 1 1 1 0
1 1 1
P =
1
1 2 1
1 1 0
Escrevemos, ento:
1 3 3 1 1 1 1 0 0 1 1 1
A = PDP 3 5 3 = 1 1 0 0 2 0
1
1 2 1

3 3 1 1 0 1 0 0 2 1 1 0
captulo 6 187
Diagonalizao de matrizes simtricas
Se T: Rn Rn um operador simtrico, isto , a matriz cannica da trans-

formao uma matriz simtrica, a equao caracterstica dessa matriz tem
apenas razes reais, correspondendo a autovalores reais distintos. Observe
que os autovetores correspondentes aos autovalores so ortogonais (sem
demonstrao).
Da definio, a matriz cannica de T, A, n x n, diagonalizvel pela fato-

rao
A = PDP1 D = P1 AP
No caso particular de A ser simtrica, P ser uma matriz de uma base orto-
gonal. Por convenincia, pode-se querer uma base alm de ortogonal, que seja
ortonormal, bastando para isso normalizar os vetores, isto , obter o versor.
Pelo fato da matriz P ser ortogonal, tem-se: P1 = Pt (matriz transposta).

Temos, ento:
D = P1 DP D = Pt AP
Dizemos que P diagonaliza A ortogonalmente.
EXEMPLO
5 3
Considere A = . Determine P que diagonaliza A ortogonalmente.
3 5
Soluo
Autovalores obtidos por:
5 3
= 0 (5 )2 9 = 0 2 10 + 16 = 0
3 5
1 = 8 e 2 = 2
8 0
Matriz diagonal: A =
0 2
Autovetores associados aos autovalores:
5 8 3 x 0
Para 1 = 8 = 3x + 3y = 0 x = y
3 5 8 y 0
188 captulo 6
1 , 1
v = (x, x) = x (1, 1) v1 = (1, 1), normalizado: v1 =
2 2
OBSERVAO
| v1 | = 12 + 12 = 2
5 2 3 x 0
Para 2 = 2 = 3x + 3y = 0 x = y
3 5 2 y 0
1 , 1
v = (y, y) = y (1, 1) v2 = (1, 1), normalizado: v2 =
2 2
1 1
2 2
Matriz P que diagonaliza A ortogonalmente: P = 1 1
2 2
1 1 1 1
2 2 5 3 2 2 8 0
De fato, D = Pt AP = c.q.d.
1 1 3 5 1 1 0 2

2 2 2 2
Operadores lineares e autovetores
Dado um operador linear T: V V, a cada base de V corresponde uma

matriz TB que representa V na base . A base mais simples gera a matriz de
T, na forma mais simples; esta forma uma matriz diagonal.
Propriedades
1. Autovetores associados a autovalores reais distintos de um operador li
near formam um conjunto linearmente independente.
2. S e T:V V um operador linear de dimenso finita n e possui n auto-
valores reais distintos, ento, o conjunto = {v1, v2, ..., vn} formado pelos
autovetores associados aos n autovalores uma base de T.
3. D e (2) segue que T:V V, tal que dim (V) = n, com n autovalores reais
distintos 1, 2, ..., n e autovetores associados v1, v2, ..., vn, respectivamente
ento, podemos escrever
T(v1) = 1v1 + 0 v2 + + 0 vn
T(v2 )= 0 v1+ 2 v2 + + 0 vn

T(vn) = 0 v1 + 0 v2 + + n vn
captulo 6 189
O operador T , ento, representado na base pela matriz
COMENTRIO
diagonal
No deixe de exercitar resolvendo
os exerccios propostos e, se ainda 1 0 0 0
tiver alguma dvida, fale com seu 0 2 0 0
T = D =
professor, procure discutir a soluo
dos exerccios com colegas. 0 0 0 n

A matriz D a mais simples representante do operador T.
EXERCCIOS DE FIXAO
11) Use o fato que A = PDP1 Ak = PDk P1 para encontrar Ak conhecendo
as matrizes P e D.
5 4 2 0
a) P = eD= ;k=4
2 3 0 1
1 1 5 0
b) P = eD= ;k=3
1 2 0 3

1 0 2 2 0 0
c) P = 0 1 1 e D = 0 2 0 ; k = 13
1 0 1
0 0 2
12) Considere a matriz A fatorada na forma A = PDP1, indicada abaixo. En-

contre, por inspeo (sem clculos), os autovalores e uma base para cada
autoespao.
2 2 1 1 1 2 5 0 0 1/4 1/2 1/4

a) 1 3 1 = 1 0 1 0 1 0 1/4 1/2 3/4

1 1 1
1 1 0
0 0 1
1/4 1/2 1/4
0 0 2
1 0 2 2 0 0 1 0 2
b) 1 2 1 = 0 1 1 0 2 0 1 1 1
1 0 3 1 0 1
0 0 1
1 0 1
13) Diagonalize as matrizes, se for possvel.
1 0 9 1
a) c)
6 1 4 6
2 4
3 1 d)
b) 3 1
1 5
190 captulo 6
1 4 2
5 1
e) g) 3 4 0
1 3
3 1 3
2 3 1 1 2 1
f) 0 1 4 h) 1 3 1
0 0 3 0 2 2
14) A uma matriz 4 x 4 com 2 autovalores. Os 2 autoespaos so bidimensionais. A diago-

nalizvel? Justifique.
15) Para cada matriz simtrica A, encontre uma matriz P que diagonalize A ortogonalmente.
3 1 6 2
a) A = b) A =
1 3 2 3
6.5 Aplicao a cadeias de Markov

Continuando o tema visto na seo 5.5 sobre cadeias de Markov, em que
xk+1 = Pxk, observamos que estas so interessantes quando fornecem um
estudo comportamental de longo prazo. medida que o nmero de obser-
vaes aumenta, os vetores de probabilidade ou de estado tendem a um
vetor fixo, dizemos, ento, que o sistema ou processo de Markov atingiu o
equilbrio. O vetor fixo denominado vetor de estado estacionrio ou vetor
de equilbrio.
Em termos matemticos, dizemos que o vetor estacionrio q de uma ma-

triz estocstica P satisfaz a equao PX = X. Isto , Pq = 1q. Segue que o vetor
estacionrio um auto vetorassociado ao autovalor = 1. Observe que toda
matriz estocstica tem um vetor estacionrio.
0,95 0,03 0,375
17) Considere a matriz P = e o vetor q = . Mostre que o vetor q um
0,05 0,97 0,625
vetor estacionrio de P.
Soluo
Se q um vetor estacionrio de P, ento q um autovetor de P associado ao autovalor = 1,
isto , Pq = 1q. De fato,
0,95 0,03 0,375 0,95 x 0,375 + 0,03 x 0,625 0,35625 + 0,01875 0,375
= = =
0,05 0,97 0,625 0,05 x 0,375 + 0,97 x 0,625 0,01875 + 0,60625 0,625
captulo 6 191
18) O resultado de um estudo com grande nmero de observaes, relatado no exemplo da se-
o 5.5, em relao ocorrncia de incidentes no processo produtivo em uma indstria mostrou
a obteno da sequncia de vetores de estado (vetores de probabilidade) pela transformao
linear (matricial) do vetor de estado anterior para obteno do vetor de estado seguinte.
Soluo
Sendo a matriz estocstica (ou de transio) da cadeia de Markov correspondente
0,67 0,5 1
P= e o vetor de estado inicial x(0) =
0,33 0,5 0
encontramos a sequncia obtida atravs da transformao dos vetores
0,67 0,5 1 0,67

x(1) = T(x(0)) = Px(0)) = =
0,33 0,5 0 0,33
0,67 0,5 0,67 0,6139 0,614

x(2) = T(x(1)) = Px(1) = =
0,33 0,5 0,33 0,3861 0,386
Considerando uma aproximao para trs casas decimais, obtemos a sequncia
0,67 0,5 0,614 0,60438 0,604

x(3) = T(x(2)) = Px(2) = =
0,33 0,5 0,386 0,39562 0,396
0,603
x(4) = T(x(3)) = Px(3) = =
0,397
0,603
x(5) = T(x(4)) = =
0,397
A partir do dia 4, o vetor de estado sempre igual, considerando uma aproximao para trs
casas decimais.
0,603
O vetor estacionrio (ou vetor de equilbrio) o vetor q = . Isto significa que depois do
0,397
quarto dia de observao a probabilidade de no ocorrer incidente de aproximadamente 60%
e 40% de ocorrer incidente.
0,67 0,5 0,603 0,603

Verifique que = , usando arredondamento para trs casas deci-
0,33 0,5 0,397 0,397
mais. Logo, Pq = 1q. Ento, o vetor estacionrio um autovetor associado ao autovalor = 1
da matriz estocstica P.
Ocorre que nem todo processo de Markov atinge o equilbrio. Se a matriz estocstica satisfizer
a uma determinada propriedade o processo atinge um estado de equilbrio. Oportunamente, em
outra disciplina, voc ver o estudo detalhado de probabilidade condicional e casos concretos
de cadeias de Markov, matrizes estocsticas e vetor estacionrio. Aguarde ou procure ler mais
sobre o assunto.
192 captulo 6
0,5 0,2 0,3
19) Seja P = 0,3 0,8 0,3 a matriz estocstica de uma cadeia de Markov xk+1 = Pxk . Mostre

0,2 0,8 0,3
que v1 = (0,3, 0,6, 0,1); v2 = (1, 3, 2) e v3 = (1, 0, 1) so autovetores de P.
Soluo:
a) Para v1 = (0,3, 0,6, 0,1), vem:
0,5 0,2 0,3 0,3 0,5 x 0,3 + 0,2 x 0,6 + 0,3 x 0,1 0,3
0,3 0,8 0,3 0,6 = 0,3 x 0,3 + 0,8 x 0,6 + 0,3 x 0,1 0,6 = 1

0,2 0,8 0,3 0,1 0,2 x 0,3 + 0,8 x 0,6 + 0,3 x 0,1 0,1
v1 = (0,3, 0,6, 0,1) o vetor estacionrio.
b) Para v2 = (1, 3, 2), vem:

0,5 0,2 0,3 1 0,5 x 1 + 0,2 x (3) + 0,3 x 2
0,3 0,8 0,3 3 = 0,3 x 1 + 0,8 x (3) + 0,3 x 2

0,2 0,8 0,3 2 0,2 x 1 + 0,8 x (3) + 0,3 x 2
1/2 1
1 1
3/2 = 3 =
2 2
1 2
c) Para v3 = (1, 0, 1), vem:

0,5 0,2 0,3 1 0,5 x (1) + 0,2 x 0 + 0,3 x 1
0,3 0,8 0,3 0 = 0,3 x (1) + 0,8 x 0 + 0,3 x 1 =

0,2 0,8 0,3 1 0,2 x (1) + 0,8 x 0 + 0,3 x 1
0,2 1
0 0 = 0,2
0,1 1
IDEIA
Para saber mais sobre os tpicos estudados neste captulo, pesquise na internet sites, vdeos
e artigos relacionados ao contedo visto. E, ainda, procure ver aplicaes de autovalores, auto-
vetores e diagonalizao de matrizes. Embora as aplicaes mais interessantes necessitem de
outros conhecimentos alm da lgebra linear, vale a pena procurar aprender mais e alargar seus
horizontes.
Uma sugesto de tema, Sequncia de Fibonacci, como aplicao de diagonalizao de matrizes
para investigar, por exemplo, a propagao de uma caracterstica gentica herdada, a distribui-
o de folhas em determinadas rvores, arranjo de sementes de girassis, entre outros.
captulo 6 193
ANTON, Howard; RORRES, Chris. lgebra linear com aplicaes. Trad. Claus Ivo Doering. 8
ed. Porto Alegre: Bookman, 2001.
KOLMAN, Bernard. Introduo lgebra linear com aplicaes.Trad. Valria de Magalhes
LAY, David C. lgebra linear e suas aplicaes. Trad. Ricardo Camilier e Valria de Magalhes
STEINBRUCH, Alfredo; WINTERLE, Paulo. Introduo lgebra linear. So Paulo: Pearson
Education do Brasil, 1997.
IMAGENS DO CAPTULO
GABARITO
6.2 Autovalores e autovetores
1) Sim, autovalor
2) No autovalor
3) Sim, um autovetor associado ao autovalor = 6
4) No autovalor
5) Sim, um autovetor associado ao autovalor = 3
6.3 Equao caracterstica

6) Autovalores so: 1 = 1; 2 = 0; 3 = 2; 4 = 1 = 1 e 5 = 5
7) Autovalor 1 = 0, com autovetores associados v = z (0, 0, 1); z 0

Autovalor 2 = 1, com autovetores associados v = (x, y, 0); x 0 ou y 0
1 2
8) a) 1 = 3 v = y ; y 0; 2 = 2 v = y ; y 0
1 1
1 1
b) 1 = 1 v = y ; y 0; 2 = 4 v = y ; y 0
1 2
c) No existem autovalores reais.
9) a) P2 () = 2 4 45; 1 = 5 v = x (1, 1); x 0

e 2 = 9 v = x(1, 1); x 0
b) P2 () = 9 + 32; no tem autovalores reais
2
c) P3 ()= 3 + 22 + 2; 1 = 1 v = z (3, 3, 0); z 0
194 captulo 6
2 = 1 v = z (0, 3, 2); z 0
3 = 2 v = z (0, 0, 1); z 0
2/3 2
10) a) Para 1 = 1; = ; para 2 = 5; =
1 1
2 1
b) Para 1 = 3; = ; para 2 = 10; = ;
1 3
6.4 Diagonalizao de matrizes
8190 0 16382
1 232 300 1 223 98
11) a) A =
4
: b) A =
3
: c) A = 8191 8192 8191
13
7 90 113 7 196 71
8191 0 16383
12) a) 1 = 5, = {(1, 1, 1)}; 2 = 3 = 1; = {(1, 0, 1), (2, 1, 0)}
b) 1 = 2 = 2, = {(1, 0, 1), (0, 1, 0); 3 = 1; = {(2, 1, 1)}
1 0 1 0
13) a) P = e D = P1 A P =
3 1 0 1
b) No diagonalizvel
1 0 10 0
c) P = e D = P1 A P =
1 4 0 5
1 4 2 0
d) P = e D = P1 A P =
1 3 0 5
e) No diagonalizvel
3 1 7 1 0 0
f) P = 1 0 2 e D = P A P =
1
0 2 0
0 0 1
0 0 3
1 2 1 3 0 0
g) P = 3 3 1 e D = P A P =
1
0 2 0
4 3 1 0 0 1
2 1 0 3 0 0
h) P = 1 0 1 e D = P1 A P = 0 2 0
2 1 2 0 0 1
14) Sim. Porque a soma das dimenses dos autoespaos igual dimenso da matriz.
1 1 2 1
2 2 5 5
15) a) P = b) P =
1 1 1 2
2 2 5 5
captulo 6 195
ANOTAES

Algebra Linear PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Algebra Linear PDF

Enviado por

Direitos autorais:

Formatos disponíveis

GLRIA DIAS, ANA LUCIA DE SOUSA

& MRIO LUIZ ALVES DE LIMA

Ld er d o p rojeto Glria Dias

Projeto ed itoria l Revis o tcn ica

Diretor ed itoria l Revis o

Coord en a o ed itoria l Dia gra m a o

MartinaVaculikova | iStockphoto o Mathematics seamless pattern Ilustrao

2015, by Lexikon Editorial Digital

CIP-BRASIL. CATALOGAO NA PUBLICAO

Lexikon Editora Digital

1.1 Definio de matrizes 9

4. Espaos vetoriais e subespaos vetoriais 97

5.1 Introduo 132

6. Autovalores e autovetores 161

6.1 Conceito 162

Um dia, algum mencionou que no sabia o encanto que se encontrava es-

Munidos desse esprito, de propiciar a todos um contato com os entes

mrio luiz alves de lima

Consideremos a seguinte situao:

Nos trs primeiros meses do ano (janeiro, fevereiro e maro)

janeiro fevereiro maro

100 120 130

A vantagem de escrevermos dessa forma que as informaes so assi-

Nas duas representaes fica evidente que as vendas do produto Pa esto

Essa forma de formatar esse conjunto de nmeros podemos chamar de

1.1 Definio de matrizes

Uma geometria no pode ser mais 3) C = [246]; tipo: 1 x 3

1.2 Matriz quadrada

Quando a matriz apresentar nmero de linhas igual ao n-

Em uma matriz qualquer A, cada elemento indicado

A = 3 2 ; a11 = 3, a12 = 2, a21 = 4 e a22 = 0

Diagonal secundria formada pelos elementos da matriz quadrada

Elementos que formam a diagonal principal: a11 = 3 e a22 = 0 (i = j).

Elementos que formam a diagonal secundria: a12 = 2 e a21 = 1 (i + j = n + 1).

Outra relao muito interessante:

Ento, podemos concluir que:

2) Trs pessoas, que chamaremos de 1, 2 e 3, se comunicam invariavel-

Podemos concluir que:

3) (FGV) A organizao econmica Merco formada pelos pases 1, 2 e 3. O volume anual de

Matriz nula a matriz onde todos os seus elementos so

Matriz linha aquela que apresenta uma nica linha.

Matriz coluna aquela que apresenta uma nica coluna.

Matriz unidade (matriz identidade) toda matriz diagonal onde os ele-

1.4 Operaes com matrizes

Vamos iniciar o estudo das operaes com matrizes. Da mesma forma

Chamamos de soma das matrizes A e B do mesmo tipo m x n, a matriz

Propriedades da adio de matrizes

Sejam A, B, C e O matrizes do mesmo tipo, temos:

4 A + (A) = (A) + A = O (elemento oposto)

Desde que as matrizes A e B sejam do mesmo tipo, podemos definir a dife-

Multiplicao de um nmero real por uma matriz

Quando multiplicamos um nmero real K por uma matriz

Propriedades da multiplicao de um nmero real por uma

Sendo A e B matrizes do mesmo tipo e a e b nmeros reais

S podemos multiplicar duas matrizes quando o nmero de

Propriedades da multiplicao de matrizes

Sejam A, B e C matrizes e K um nmero real. Admitindo as

2 A.(B + C) = A.B + A.C

3 (A + B).C = A.C + B.C

6 (KA)B = A(KB) =K(AB)

Denominamos de matriz transposta de A, representada por At, a matriz obti-

Propriedades da matriz transposta

Denominamos de matriz simtrica de uma matriz quadrada A a matriz com

Calcular determinantes de uma matriz quadrada de diferen-

Conhecer e aplicar as propriedades de determinantes nos

Estabelecer links entre o estudo de determinantes e outros

Associar o estudo dos determinantes a outros tpicos rele-

Georgios ada a matriz quadrada A, existe A1 se, e somente se,

a) Escolher um elemento igual a 1 (caso no exista, fazer

b) Suprimir a linha e a coluna que se cruzam no elemento 1

c) Subtrair de cada elemento do menor complementar ob-

2.3 Sistemas de duas equaes