Você está na página 1de 53

Universidade Federal dos Vales do Jequitinhonha e Mucuri

Instituto de Ciencia e Tecnologia-ICT


Bacharelado em Ciencia e Tecnologia-BC&T

Orientacoes de Estudo Para a Disciplina de


Algebra Linear

por

Monica Aparecida Cruvinel Valadao

Diamantina-MG
2/2014
1/2015
2/2015
1/2016
2/2016
Sumario

1 Matrizes 4
1.1 Tipos Especiais de Matrizes 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Resumo sobre Notacao de Somatorio . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Operacoes com Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Tipos Especiais de Matrizes 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5 Propriedades da Algebra Matricial . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.6 Operacoes Elementares Sobre as Linhas de uma Matriz . . . . . . . . . . . . . . 9
1.6.1 Matriz Equivalente Por Linhas . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6.2 Matrizes Escalonadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.7 Exerccios Complementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2 Sistemas de Equacoes Lineares 14


2.1 Solucao de Um Sistema de Equacoes Lineares . . . . . . . . . . . . . . . . . . . 15
2.1.1 Solucao de Um Sistema Linear - Metodo de Gauss-Jordan . . . . . . . . 16
2.2 Exerccios Complementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

3 Determinantes 22
3.1 Determinante e Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2 Matriz Inversa e Solucao de Um Sistema Linear de n Equacoes e n Incognitas. . 24
3.3 Exerccios Complementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

4 Vetores no Plano e no Espaco 27


4.1 Vetores em Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.2 Produto entre Vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2.1 Produto Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2.2 Produto Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.3 Exerccios Complementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

5 Espaco Vetorial 33
5.1 Espaco Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
5.2 Subespaco Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
5.3 Combinacao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.4 Somas e Somas Diretas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.5 Dependencia e Independencia Linear . . . . . . . . . . . . . . . . . . . . . . . . 36
5.6 Base de Um Espaco Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.7 Espaco Linha e Espaco Coluna de Uma Matriz . . . . . . . . . . . . . . . . . . . 37
5.8 Dimensao de Um Espaco Vetorial . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.9 Coordenadas de Um Vetor em Relacao a Uma Base . . . . . . . . . . . . . . . . 38
5.10 Exerccios Complementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40

2
6 Transformacao Linear 43
6.1 Funcao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6.2 Transformacao Linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
6.3 Operacoes Com Transformacoes Lineares . . . . . . . . . . . . . . . . . . . . . . 45
6.4 Nucleo e Imagem de Uma Transformacao Linear . . . . . . . . . . . . . . . . . . 45
6.5 Transformacao Linear e Matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.6 Exerccios Complementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

7 Autovalores e Autovetores 50
7.1 Exerccios Complementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

Referencias Bibliograficas 53
Captulo 1

Matrizes

Neste captulo definiremos o conceito de matriz e trataremos das operacoes algebricas que
estao definidas entre matrizes. Usaremos K para representar o conjunto dos numeros reais R
ou complexos C e os elementos de K serao chamados de escalares.
Definicao 1. Dados dois numeros m e n naturais e nao nulos, denomina-se matriz de ordem
mn (le-se m por n) sobre K a toda tabela A de elementos de K (podem ser reais ou complexos)
dispostos em m linhas e n colunas, como segue:

a11 a12 a1n
a21 a22 a2n
A = ..

.. .. ..
. . . .
am1 am2 amn

a1j
  a2j
A i-esima linha de A e ai1 ai2 ain e a j-esima coluna e, .. ,para i =

.
amj
1, , m e j = 1, , n, respectivamente. O elemento de posicao linha i e coluna j da matriz
A e representado por aij e i, j sao chamados de ndices. Usaremos tambem a notacao A =
Amn = [aij ]mn . No decorrer deste captulo quando mencionarmos uma matriz A, o leitor
devera lembrar de que se trata de uma matriz sobre K.
Exemplo 1. Sao exemplos de matrizes:  
  2 1
(a) A = 1 2 3 e matriz 1 3; (b) B = e matriz 2 2
0 3
5
(c) C = 1 e matriz 3 1; (d) D = [2] e matriz 1 1.

4
Exemplo 2. Construa as seguintes matrizes: 
1, se i = j
(a) A = A33 tal que aij = i j; (b) B = B33 tal que bij =
 6 j
0, se i =
1, se i + j = 4 1, se i = j
(c) C = C33 tal que cij = ; (d) D = D32 tal que dij =
0, se i + j 6= 4 i2 , se i 6= j

1.1 Tipos Especiais de Matrizes 1


Definicao 2. Sejam m e n numeros naturais nao nulos. Definimos:
(i) matriz linha e toda matriz do tipo 1 n;

4
(ii) matriz coluna e toda matriz do tipo m 1;
(iii) matriz nula e toda matriz em que todos os elementos sao iguais a zero;
(iv) matriz quadrada e toda matriz A de ordem m = n, isto e, o numero de linhas e igual ao
numero de colunas.
(v) matriz transposta da matriz A de ordem m n e a matriz denotada por AT , que e obtida
escrevendo as linhas de A, ordenadamente como colunas. A ordem de AT e n m.
(vi) matriz simetrica e toda matriz quadrada A em que A = AT .

Exemplo 3. (a) Represente genericamente cada matriz definida anteriormente.


(b) Cite exemplos numericos para cada matriz da definicao anterior.

Seja a matriz A = [aij ]nn (A e uma matriz quadrada de ordem n)



a11 a12 a1n
a21 a22 a2n
A = .. .. .

.. ..
. . . .
an1 an2 ann

Chama-se Diagonal Principal de A o conjunto dos elementos de A que tem os dois ndices
iguais, isto e: {aij |i = j} = {a11 , a22 , a33 , , ann }. A Diagonal Secundaria de A e o conjunto
dos elementos de A que tem soma dos ndices igual a n + 1, isto e: {aij |i + j = n + 1} =
{a1n , a2(n1) , a3(n2) , , an1 }.

Definicao 3. Dizemos que duas matrizes A = [aij ]mn e B = [bij ]mn sao iguais quando
aij = bij para todo i = 1, 2 , m e todo j = 1, 2, , n.
       
1 3 1 3 1 3 1 7
Exemplo 4. (a) = (b) 6=
7 4 7 4 7 4 3 4
Exemplo
 5. Determine
 x, y, z e t tais que:
 2   
2x 3y x + 1 2y x 2x y x x 3
(a) = (b) =
3 4 3 y+4 4 5 t2 z 5t t

0 1 2 3
8 9 7 4 5 6 7
Exemplo 6. Sejam as matrizes A = 6 4 5 e B = .
8 9 1 2
1 2 3
3 4 5 6
(a) Determine a diagonal principal e a diagonal secundaria de cada matriz.
(b) Encontre a matriz transposta de cada matriz.
(c) Verifique se a matriz A e simetrica.
(d) Verifique se a matriz B e simetrica.

Observacao 1. Se A = [aij ]nn e uma matriz simetrica, os elementos dispostos simetricamente


em relacao
a diagonal
principal sao iguais, isto e, aij = aji . Por exemplo, dada a matriz
8 6 0
A = 6 4 3 observe que AT = A.
0 3 0

Definicao 4. Sejam m e n numeros naturais nao nulos e A = [aij ]mn uma matriz. Definimos:
(i) matriz diagonal e toda matriz quadrada A em que os elementos aij = 0 quando i 6= j;
(ii) matriz identidade de ordem n n e toda matriz diagonal de ordem n em que os elementos
da diagonal principal sao iguais a 1 (e usual indicar tal matriz por I = In );
(iii) matriz triangular superior e toda matriz quadrada em que os elementos abaixo da diagonal

5
principal sao nulos, isto e, aij = 0 para i > j;
(iv) matriz triangular inferior e toda matriz quadrada em que os elementos acima da diagonal
principal sao nulos, isto e, e aij = 0 para i < j;

Exemplo 7. (a) Represente genericamente cada matriz definida anteriormente.


(b) Cite exemplos numericos para cada matriz da definicao anterior.

1.2 Resumo sobre Notacao de Somatorio


6
X
Para representar a soma a1 +a2 +a3 +a4 +a5 +a6 usamos a notacao ai , que se le: somatorio
i=1
de ai , com i variando de 1 a 6. O ndice i costuma ser chamado de ndice mudo e pode ser
substitudo por qualquer outra letra, ou seja, a soma anterior pode ser representada por uma
das notacoes a seguir:
X 6 6
X 6
X
ai , aj ou ak .
i=1 j=1 k=1

Exemplo 8. Desenvolva os somatorios a seguir.


5 2 8
X
2
X X 1
(a) i (b) (3i + 2) (c)
i=1 i=2 k=3
k
Definicao 5. Sejam m, n Z tais que m n e seja F (i) R, com i = m, m+1, m+2, , n
Xn n
X
1, n. Definimos F (i) pela igualdade F (i) = F (m) + F (m + 1) + F (m + 2) + + F (n
i=m i=m
1) + F (n), onde m e n sao chamados de limite inferior e limite superior, respectivamente.
6
X i2 32 42 52 62
Exemplo 9. (a) = + + + .
i=3
i + 2 3 + 2 4 + 2 5 + 2 6 + 2
7
X
(b) kbk = 4b4 + 5b5 + 6b6 + 7b7 .
k=4
Proposicao 1. Sejam m, n N, F (i), G(i), H(j) R com i = 1, 2, , n e j = 1, 2, , m e
seja c uma constante real. Entao:
Xn
(i) c = cn;
i=1
Xn n
X
(ii) cF (i) = c F (i);
i=1 i=1
Xn n
X n
X
(iii) (F (i) + G(i)) = F (i) + G(i);
i=1 i=1 i=1
n
X m
 X  Xn X
m m X
X n
(iv) F (i) H(j) = F (i)H(j) = F (i)H(j).
i=1 j=1 i=1 j=1 j=1 i=1

Exemplo 10. Demonstre a proposicao anterior.


2n 5 n
X 1 X 2 X
Exemplo 11. (a) Desenvolva os somatorios: , (n + n + 1) e aij bjk .
i=n
i n=1 j=1
(b) Escreva na forma de somatorio a soma a0 xn + a1 xn1 + + an1 x + an ;
2 3 4 5 6
(c) Escreva na forma de somatorio a soma 3 + 232 + 332 + 342 + 532 + 362 .

6
1.3 Operacoes com Matrizes
Definicao 6. Sejam as matrizes A = [aij ]mn e B = [bij ]mn . A soma A + B e a matriz
C = A + B = [cij ]mn tal que cada elemento cij = aij + bij para i = 1, 2, , m e j = 1, 2, , n.
(A subtracao de matrizes e definida de forma analoga).
   
1 2 3 4 1 1
Exemplo 12. Sejam as matrizes A = eB= . Determine A + B,
4 5 6 4 0 6
A B e B A.
Definicao 7. Sejam a matriz A = [aij ]mn e um escalar . O produto A e a matriz B =
A = [bij ]mn tal que cada elemento bij = aij , para i = 1, 2, , m e j = 1, 2, , n.

2 1
Exemplo 13. O produto da matriz A = 0 3 pelo escalar 3 e dado por
5 4
(3)(2) (3)1 6 3
3A = (3)0 (3)3 = 0 9 .
(3)5 (3)(4) 15 12
Definicao 8. Sejam as matrizes A = [aij ]mn e B = [bjk ]np . O produto AB e a matriz
n
X
C = AB = [cik ]mp tal que cada elemento cik = ai1 b1k + ai2 b2k + ai3 b3k + + ain bnk = aij bjk
j=1
para i = 1, 2, , m e k = 1, 2, , p.

  7
1 2 3
Exemplo 14. Dadas as matrizes A = e B = 8 temos que,
4 5 6
    9
17+28+39 50
AB = = . Observe que o produto BA nao esta definido uma vez
47+58+69 122
que, o numero de colunas de B e diferente do numero de linhas de A.
Exemplo 15. Considere as matrizes A = [aij ]47 , definida por aij = ij, B = [bjk ]79 , definida
por bjk = j e C = AB. Determine o elemento c23 da matriz C sem calcular o produto AB.
Exemplo  16. Considere
 as matrizes
 a seguir:  
2 0 0 4 6 9 7
(a) A = (b) B = (c) C =
6 7 2 8
7 3 2
6 4 0 6 9 9
(d) D = 1 1 4 (e) E = 1 0 4 .

6 0 6 6 0 1
Determine, se possvel:
(a) AB BA (b) 2C D (c) (2DT 3E T )T (d) DD DE

1.4 Tipos Especiais de Matrizes 2


Definicao 9. Definimos:
(i) matriz anti-simetrica e toda matriz quadrada A tal que AT = A;
(ii) matriz inversa de uma matriz quadrada A (quando existe) e uma matriz quadrada B (que
pode ser denotada tambem por A1 ) tal que AB = BA = I, em que I e a matriz identidade;
(iii) matriz ortogonal e toda matriz quadrada A em que sua matriz inversa (quando existe)
coincide com sua transposta, isto e, AAT = AT A = I;
(iv) potencia n, n N , de uma matriz quadrada A, denotada por An , e a matriz obtida pelo
produto da matriz A por ela mesma n vezes.

7
Exemplo 17. Resolva os itens a seguir.
0 3 4
(a) Verifique se a matriz A = 3 0 6 e anti-simetrica.
 4 6 0  
11 3 2 3
(b) Seja a matriz B = . Verifique se a matriz C = a a matriz inversa
7 2 7 11
da matriz B. 1 3
2 2
(c) Verifique se a matriz D =
e ortogonal.
3 1
2 2

Observacao 2. A inversa de uma matriz quadrada A, quando existe, e unica.

1.5 Propriedades da Algebra Matricial


Teorema 1. Sejam as matrizes A, B e C sobre K. Sao validas as as seguintes propriedades
para as operacoes matriciais:
(i) associatividade em relacao a adicao: (A + B) + C = A + (B + C)
quaisquer que sejam as matrizes A, B e C de ordem m n;
(ii) comutatividade em relacao a adicao: (A + B) = (B + A)
quaisquer que sejam as matrizes A e B de ordem m n;
(iii) existencia do elemento neutro: A + O = A
quaisquer que seja a matriz A = [aij ]mn e a martriz nula O = [oij ]mn ;
(iv) existencia do elemento simetrico: para toda matriz A = [aij ]mn existe uma unica matriz
(A) tal que A + (A) = O;
(v) associatividade em relacao a multiplicacao: (AB)C = A(BC)
quaisquer que sejam as matrizes A = [aij ]mn , B = [bjk ]np e C = [ckl ]pr ;
(vi) distributividade a direita em relacao a adicao: (A + B)C = AC + BC
quaisquer que sejam as matrizes A = [aij ]mn , B = [bij ]mn e C = [cjk ]np ;
(vii) distributividade a esquerda em relacao a adicao: C(A + B) = CA + CB
quaisquer que sejam as matrizes A = [aij ]mn , B = [bij ]mn e C = [cki ]pm ;
(viii) (kA)B = A(kB) = k(AB) quaisquer que sejam as matrizes A = [aij ]mn e B = [bjk ]np
e o escalar k.
(ix) AIn = A e Im A = A
quaisquer que sejam a matriz A = [aij ]mn e as matrizes In = Inn e Im = Imm (In e Im sao
respectivamente, matriz identidade de ordem n e matriz identidade de ordem m);
(x) (AT )T = A
quaisquer que seja a matriz A = [aij ]mn ;
(xi) (A + B)T = AT + B T
quaisquer que sejam as matrizes A = [aij ]mn , B = [bij ]mn ;
(xiii) (kA)T = kAT
quaisquer que sejam a matriz A = [aij ]mn e o escalar k;
(xiv) (AB)T = (B)T (A)T
quaisquer que sejam as matrizes A = [aij ]mn e B = [bjk ]np .
Observacao 3. A matriz (A) que aparece em (iv) e chamada de matriz oposta de A.
Exemplo 18. (a) Demonstre o teorema anterior.
(b) Cite exemplos numericos para cada item do teorema anterior.
Exemplo 19. A afirmacao a seguir e verdadeira? Justifique.
O produto entre matrizes e comutativo.

8
Exemplo 20. Sejam A e B matrizes quadradas. Verifique se vale a igualdade (A+B)(AB) =
A2 B 2 . Caso a igualdade nao seja valida, apresente um exemplo numerico para esta situacao.
T
 
Exemplo
 21.
 Encontre um valor de x tal que AB = O, em que A = x 4 2 e B =
2 3 5
   
1 2 2 1
Exemplo 22. Sejam A = eB= duas matrizes. Se B e a inversa de A,
1 4 x y
calcule o valor de x + y.
Exemplo
23. Dadasas matrizes:
5 0 6
8 0 1 3 2 4 2 3 0
3

A= 2 2 , B= 7 8 5 9 e C = 1 1 8 . Determine (AB)T
7
0 6 3 8 3 5 4
1 1 5
e 2(AT B T ) + 3C T
Definicao 10. Seja a matriz quadrada A = [aij ]nn . Definimos o traco de A, denotado por
Xn
tr(A), como sendo a soma dos elementos da diagonal principal de A, isto e, tr(A) = aii .
i=1
Exemplo 24. Sejam A e B matrizes de ordem n n e um escalar . Mostre que:
(i) tr(A + B) = tr(A) + tr(B);
(ii) tr(A) = tr(A);
(iii) tr(AT ) = tr(A);
(iv) tr(AB) = tr(BA)

1.6 Operacoes Elementares Sobre as Linhas de uma Ma-


triz
Definicao 11. Uma operacao elementar sobre as linhas de uma matriz A = [aij ]mn
e uma das operacoes a seguir.
(i) Trocar a posicao das linhas Li e Lj da matriz A entre si.
(ii) Multiplicar uma linha Li da matriz A por um escalar k nao-nulo.
(iii) Substituir a linha Li da matriz A pela soma da linha Li com k vezes a linha Lj da matriz
A.
Notacao: Cada item anterior sera denotado como segue:
(i) Li Lj ;
(ii) Li k Li , k 6= 0;
(iii) Li Li + k Lj .

1.6.1 Matriz Equivalente Por Linhas


Definicao 12. Uma matriz A = [aij ]mn e equivalente por linhas a uma matriz B = [bij ]mn se
B for obtida de A aplicando-se uma sequencia finita de operacoes elementares sobre as linhas
de A. Nesse caso, usaremos a notacao A B.

1 1 1 0 0 3 9 1 3 13
Exemplo 25. Sejam as matrizes A = 2 1 4 , B = 5 15 10 40 e C = 0 1 5 .
2 3 5 1 3 1 5 0 2 10
Verifique
que asmatrizes A, B e C saoequivalentes
por linhas, respectivamente, as matrizes
1 0 0 1 3 0 2 1 0 2
D = 0 1 0 , E = 0 0 1 3 e F = 0 1 5 .
0 0 1 0 0 0 0 0 0 0

9
Observacao 4. A relacao ser equivalente por linhassatisfaz as seguintes propriedades.
(i) Toda matriz e equivalente por linhas a ela mesma (Reflexiva);
(ii) Se matriz A e equivalente por linhas a matriz B, entao B e equivalente por linhas a A
(Simetrica);
(iii) Se a matriz A e equivalente por linhas a matriz B e se B e equivalente por linhas a matriz
C, entao A e equivalente por linhas a C (Transitiva).

1.6.2 Matrizes Escalonadas


Definicao 13. Uma matriz A = [aij ]mn esta na forma escalonada reduzida por linhas (ou
escalonada reduzida ou escada reduzida) se satizfaz as seguintes condicoes:
(i) Todas as linhas nulas ocorrem abaixo das linhas nao nulas;
(ii) O pivo (1o elemento nao nulo de uma linha) de cada linha nao nula ocorre a direita do
pivo da linha anterior;
(iii) O pivo de cada linha nao nula e igual a 1;
(iv) Se uma coluna contem um pivo, entao todos os seus outros elementos sao iguais a zero.

Observacao 5. Se uma matriz A = [aij ]mn satisfaz as condicoes (i) e (ii), mas nao necessa-
riamente (iii) e (iv) da definicao anterior entao dizemos que A esta na forma escalonada por
linhas (ou escalonada ou escada).

1 0 0 1 3 0 2
Exemplo 26. (a) As matrizes A = 0 1 0 e B = 0 0 1 3 estao na forma
0 0 1 0 0 0 0
escalonada reduzida.
1 1 1 1 3 1 5
(b) As matrizes C = 0 1 2 e D = 0 0 5 15 estao na forma escalonada mas
0 0 5 0 0 0 0
nao estao na forma escalonada
reduzida.
Justifique.
0 2 1
(c) A matriz E = 1 0 3 nao esta na forma escalonada reduzida e nem na forma
0 0 0
escalonada. Justifique.

Exemplo 27. Explique o que e uma matriz escalonada reduzida equivalente a uma matriz A.

Definicao 14. Seja a matriz A = [aij ]mn e B = [bij ]mn a matriz escalonada reduzida
equivalente a A. Definimos:
(i) O posto de A e o numero de linhas nao nulas de B, denotado por p;
(ii) A nulidade de A e n p, isto e, o numero de colunas de A menos o posto de A.
O posto de uma matriz A e conhecido tambem como caracterstica de A.

Exemplo 28. Determine o posto ea nulidade das


matrizes a seguir.
2 1 1
1 2 3 0 3 1 1 0 2 0
(a) A = 2 2 1 (b) B = 1 2 1 C = 2 3 0 1

2 4 6 4 2 1 3
4 1 1

Exemplo 29. (a) Qual o valor maximo para o posto de ordem 3 4?


uma matriz de
1 m 1
(b) Determine m de modo que o posto da matriz A = 2 m 2m seja igual a 2.
1 2 1

10
1.7 Exerccios Complementares
1. Determine, se possvel,
o produto
e a ordem da matriz resultante.
  2 1
3 5 1
(a) 1 3
2 0 2
4 1
4 2  
(b) 6 4 1 2 3
8 6

2  
(c) 1 3 2 4 5
3

    c1 d1
3 0 a1 a2 an c2 d2
2. Sejam D = ,A= eB= . Encontre DA e BD.
0 3 b1 b2 bn
cn dn
     
2 4 2 1 3 1
3. Se A = ,B= eC= , verifique que:
1 3 0 4 2 1
(a) (A + B) + C = A + (B + C)
(b) (AB)C = A(BC)
(c) A(B + C) = AB + AC
(d) (A + B)C = AC + BC
(e) (A + B)T = AT + B T
(e) (AB)T = B T AT

4. Seja uma matriz de ordem m n. Explique por que as multiplicacoes AT A e AAT sao
possveis.
 
1 2 0
5. Seja A = . Determine AAT e AT A.
3 1 4

4 11 9 1 0 5
6. Sejam as matrizes A = 0 3 2 e B = 4
6 11 . Encontre o elemento c23
3 1 1 6 4 9
da matriz C, em que C = (5A) (2B).

7. Considere as matrizes A = [aij ]47 definida por aij = i j, B = [bjk ]79 definida por
bjk = j, C = [cij ]47 definida por cij = i, D = AB e E = A + C. Resolva os itens a seguir.
(a) Determine o elemento dik da matriz D.
(b) Determine o elemento eij da matriz E.

8. Sejam as matrizes A = [aij ]33 , B = [bij ]33  , C = [cij ]33 e D= [djk ]32 , defini-
1, se i = j 1, se i + j = 4
das, respectivamente, por aij = i j, bij = , cij = e
 0, se i 6
= j 0, se i + j 6= 4
1, se j = k
djk = . Determine, sem calcular os produtos das respectivas matrizes, os
j 2 , se j 6= k
seguintes elementos:
(a) Os elementos e13 , e21 e e33 da matriz E = AB.
(b) Os elementos f22 , f12 e f31 da matriz F = BA.
(c) Os elementos g11 , g32 e g12 da matriz G = CD.

11
9. Considerando o enunciado do exerccio anterior, verifique se o produto matricial DC esta
definido. Justifique.
a21
10. Seja A uma matriz 2 2 com a11 6= 0 e seja = . Mostre que A pode ser fatorada
   a11
1 0 a11 a12
como um produto da forma . Qual o valor de b?
1 0 b
11. Seja a matriz M que apresenta as quantidades de vitaminas A, B e C, obtidas em cada
unidade dos alimentos I e II,

A B C 
M= 4 3 0 Alimento I
5 0 1 Alimento II.

Supondo que um indivduo consuma x unidades do alimento I e y unidades do alimento


II, represente em uma matriz a quantidade de cada vitamina consumida.

12. Em uma pesquisa sobre dieta participam adultos (Ad) e criancas (Cri) de ambos os sexo.
A distribuicao dos participantes no projeto e dada pela matriz

Ad Cri 
A= 80 120 Sexo Masculino
100 200 Sexo Feminino.

O numero de gramas diario de protenas (P), gorduras (G) e carboidratos (C) consumido
pelas criancas e adultos e dado pela matriz

P G C
B= 20 20 20 Ad
10 20 30 Cri.

(a) Quantos gramas de protena sao consumidos diariamente por homens no projeto?
(b)Quantos gramas de carboidrato sao consumidos diariamente por mulheres no projeto?

13. Uma companhia manufatura tes produtos. Suas despesas de producao sao divididas em
tres categorias. Em cada categoria e feita uma estimativa do custo de producao de um
item de cada produto. Essas estimativas sao dadas nas Tabelas 1 e 2. Na reuniao dos
acionistas, a companhia gostaria de apresentar uma simples tabela mostrando o custo
total para cada trimestre em cada uma das tres categorias: materias-prima, mao de obra
e outras despesas.

Tabela 1.1: Custo de Producao por Item (R$)


Produto
Despesas A B C
Materias-primas 0, 10 0, 30 0, 15
Mao de Obra 0, 30 0, 40 0, 25
Outras despesas 0, 10 0, 20 0, 15

14. Descreva todas as possveis matrizes de ordem 2 2 que estao na forma escalonada
reduzida.

12
Tabela 1.2: Quantidade Produzida Por Trimestre
Estacao
Produto Verao Outono Inverno Primavera
A 4000 4500 4500 4000
B 2000 2600 2400 2200
C 5800 6200 6000 6000

15. Quais das matrizes a seguir estao na forma escalonada reduzida e quais estao na forma
escalonada?
  1 0 0 1 3 0 0 1
1 2 3 4
(a) (b) 0 0 0 (c) 0 0 1 (d) 0 0
0 0 1 2
0 0 1 0 0 0 0 0

1 1 1 1 4 6 1 0 0 1 2 0 1 3 4
(e) 0 1 2
(f) 0 0 1
(g) 0 1 0 2 4
(h) 0 0
1 3
0 0 3 0 1 3 0 0 1 3 6 0 0 0 0
16. Determine
o posto e a nulidade
de cada matriz
a seguir.
1 2 1 3 1 2 1 3
2 1 4 5 2 1 4 5
(a) A =
7 8 5 1
(b) B =
1 1 0

0
10 14 2 8 0 0 1 1

1 2 3 1 2 1
(c) C = 1 2 1 (d) D = 2 1 3
3 1 2 7 8 3

13
Captulo 2

Sistemas de Equacoes Lineares

Uma equacao linear nas variaveis x1 , x2 , , xn e uma equacao da forma


a1 x1 + a2 x2 + a3 x3 + + an xn = b1 ,
em que a1 , a2 , , an e b1 sao constantes reais.
Exemplo 30. (a) Sao exemplos de equacoes lineares: 3x1 +4x2 5x3 x4 = 5 e 2x2 x2 x3 = 0.
(b) Sao exemplos de equacoes nao lineares: 2x21 + 4x2 + x3 = 0 e 2x1 x2 + x3 + x4 = 3.
Dizemos que a n upla ordenada (1 , 2 , , n ) e uma solucao da equacao lineaar a1 x1 +
a2 x2 +a3 x3 + +an xn = b1 se a1 1 +a2 2 +a3 3 + +an n = b1 for uma sentenca verdadeira.
Exemplo 31. De um exemplo de uma equacao linear e apresente uma solucao dessa equacao,
caso exista.
Um sistema de equacoes lineares (ou simplesmente sistema linear) com m equacoes nas
variaveis x1 , x2 , , xn e um conjunto de equacoes da forma:


a11 x1 + a12 x2 + a13 x3 + + a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + + a2n xn = b2



a31 x1 + a32 x2 + a33 x3 + + a3n xn = b3 (2.1)
.. .. ..



. . = .
a x + a x + a x + + a x = b
m1 1 m2 2 m3 3 mn n m

em que aij e bk sao constantes reais com i, k = 1, 2, 3, , m e j = 1, 2, 3, , n.

Dizemos que a n upla ordenada (1 , 2 , , n ) e uma solucao do sistema linear (2.1) se


for solucao de todas as equacoes de (2.1).
Notacao Matricial
O sistema de equacoes lineares acima pode ser escrito como uma equacao matricial
AX = B,

x1
a11 a12 a1n
a21 a22 a2n

x2

em que A = ..

.. .. ..

e chamada a matriz dos coeficientes, X =

x3 e a

. . . . ..
.
am1 am2 amn
xn

b1
b2

matriz das variaveis e B = b3 e a matriz dos termos independentes.

..
.
bm

14
Se a n upla ordenada (1 , 2 , , n ) foruma solucao do sistema linear (2.1), esta tambem
1
2
pode ser escrita na forma matricial S = .. . O conjunto de todas as solucoes de uma

.
n
sistema linear e chamado conjunto solucao ou solucao geral do sistema.

0
0

Observacao 6. (i) No caso em que B = 0 , o sistema (2.1) sera chamado de sistema

..
.
0
linear homogeneo.

Uma outra matriz que associaremos ao sistema (2.1) e matriz ampliada do sistema (2.1),
representada a seguir
a11 a12 a1n b1
a21 a22 a2n b2
M = .. .. .

.. .. ..
. . . . .
am1 am2 amn bm

x + y + z = 6
Exemplo 32. O sistema 2x + y z = 1 pode ser escrito como
3x y + z = 4


1 1 1 x 6
2 1 1 y = 1 .
3 1 1 z 4

1
A solucao geral do sistema e S = 2 . A matriz ampliada desse sistema e
3

1 1 1 6
2 1 1 1 .
3 1 1 4

2.1 Solucao de Um Sistema de Equacoes Lineares


Definicao 15. (i) Um sistema linear e possvel (ou compatvel) quando admite solucao.
(ii) Um sistema linear e impossvel (ou incompatvel) quando nao admite solucao.

Definicao 16. Um sistema linear compatvel classifica-se em:


(i) determinado quando admite uma unica solucao;
(ii) indeterminado quando admite mais de uma solucao.

Resumidamente,

15
Determinado: possui unica solucao

Possvel

Indeterminado: possui mais de uma solucao

Sistema Linear

Impossvel Sem solucao

Exemplo
 33. Classifique e resolva os sistemas lineares a seguir.
2x + 3y = 18
(a)
 3x + 4y = 25
4x + 2y = 100
(b)
 8x + 4y = 200
3x + 9y = 12
(c)
3x + 9y = 15
Teorema 2. Sejam os sistemas lineares na forma matricial AX = B e CX = D. Se a matriz
ampliada de CX = D e obtida aplicando-se uma operacao elementar na matriz ampliada de
AX = B, entao os sistemas lineares AX = B e CX = D sao equivalentes, isto e, possuem o
mesmo conjunto solucao.

2.1.1 Solucao de Um Sistema Linear - Metodo de Gauss-Jordan


O metodo de Gauss-Jordan consiste em aplicar operacoes elementares as linhas da matriz
ampliada do sistema linear em questao, ate que a matriz equivalente obtida esteja na forma
escalonada reduzida.

Exemplo
34. Resolva os sistemas lineares a seguir.
x+y+z = 1000
(a) 2x + y + 4z = 2000
2x + 3y + 5z = 2500


y+z = 1

x+z = 2

(b)

x + z = 3
y+z = 4


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

Veremos a seguir quais conclusoes obteremos apos aplicar o metodo de Gauss-Jordan.

16
Considere o sistema linear de m equacoes e n incognitas


a11 x1 + a12 x2 + a13 x3 + + a1n xn = b1
21 x1
a + a22 x2 + a23 x3 + + a2n xn = b2



a31 x1 + a32 x2 + a33 x3 + + a3n xn = b3 (2.2)
.. .. .
= ..




. .
a x
m1 1 + am2 x2 + am3 x3 + + amn xn = bm
e siga sucessivamente os passos a seguir.
1o Passo: Aplicar o metodo de Gauss-Jordan no sistema (2.2).
2o Passo: Verificar se o posto matriz da ampliada, denotado por pa , e igual ao posto da matriz
dos coeficientes, denotado por pc . Caso isso ocorra, significa que o sistema (2.2) tem solucao e
entao deve-se ir ao passos 3 e 4. Caso isso nao ocorra (isto e, caso ocorra pa > pc ), significa que
o sistema (2.2) e impossvel (nao admite solucao).
3o Passo: Determinar em quais dos itens a seguir o sistema equivalente a (2.2) se encaixa.
(i) posto matriz ampliada, denotado por pa , e igual ao posto da matriz dos coeficientes, deno-
tado por pc e pc = n = pa , em que n e o numero de incognitas.
(ii) posto matriz ampliada, denotado por pa , e igual ao posto da matriz dos coeficientes, deno-
tado por pc e pa = pc < n, em que n e o numero de incognitas.
4o Passo: Conclusoes do passo 3.
(i) Se ocorre pc = n = pa , entao o sistema (2.2) possui unica solucao.
(ii) Se ocorre pa = pc < n, entao o sistema (2.2) possui mais de uma solucao. Nesse caso,
escolhe-se n p incognitas e as outras p incognitas serao dadas em funcao destas.
Exemplo
 35. Classifique e resolva os sistemas lineares a seguir.
2x 3y = 4
(a)
6x 9y = 15

3x + 2y 5z = 8
(b) 2x 4y 2z = 4
1x 2y 3z = 4


2x + 4y + 6z = 6
(c) 3x 2y 4z = 38
x + 2y + 3z = 3


x+yz = 0
(d) 2x 3y + z = 0
4x 4y 2z = 0


x + 3z = 8
(e) 2x 4y = 4
3x 2y 5z = 26


xz = 0
(f ) 3x + y + 2z = 0
4x + 2y + 2z = 0


6x + 2y + 4z = 0
(g)
9x 3y 6z = 0


3x + 6y = 0
12x + 24y = 0




3

(h) x + 3y = 0
2




3 3
x+ y = 0

4 2

17

xy = 0
(i) 2y + 4z = 6
x + y + 4z = 6


x + 2y = 4
(j) 3x + 4y = 3
2x y = 6

Exemplo 36. Estabeleca a condicao que deve ser satisfeita pelos termos independentes x, y e
z para
que os sistemas sejam compatveis.
a1 + 2a2 = x
(a) 3a1 + 4a2 = y
2a1 a2 = z


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



a + 3b = x
2a b = y

(c)

2a + b = z
3a + b = t

Exemplo
37. Calcule, se possvel, o valor de k para que o sistema a seguir seja compatvel.
x + 2y = 1
(a) 3x + 4y = k
2x y = 7

Exemplo 38. Determine, se possvel, o valor de k para que o sistema a seguir admita solucao
nao
trivial.
xyz = 0
(a) x 2y 2z = 0
2x + ky + z = 0

Exemplo 39. Determine, se possvel, os valores de a de modo que o sistema a seguir tenha:
(i) nenhuma solucao,
(ii) unica solucao,
(iii)
infinitas solucoes.
x+yz = 1
2x + 3y + az = 3
x + ay + 3z = 2.

Exemplo
40. Determine se o sistema homogeneo a seguir possui solucao nao nula
x + 2y 3z = 0
2x + 5y + 2z = 0
3x y 4z = 0.

18
2.2 Exerccios Complementares
1. Escreva o sistema de equacoes que corresponde a cada uma das seguintes matrizes am-
pliadas aseguir. 
3 2 | 8
(a) A =
1 5 | 7

2 1 4 | 1
(b) B = 4 2
3 | 4
5 2 6 | 1

4 3 1 2 | 4
3 1 5 6 | 5
(c) C =
1 1 2 4 | 8
5 1 3 2 | 7
2. Use o metodo de Gauss-Jordan para resolver os sistemas lineares do exerccio (1).
3. Seja um sistema linear cuja matriz ampliada e

1 2 1 | 1
1 4 3 | 2 .
2 2 a | 3
Para qual valor de a o sistema possui unica solucao?
4. Considere um sistema linear cuja matriz ampliada e

1 2 1 | 0
2 5 3 | 0 .
1 1 | 0

(a) Verifique se o sistema em questao e incompatvel. Justifique.


(b) Para quais valores de o sistema tera infinitas solucoes?
5. Seja um sistema linear cuja matriz ampliada e

1 1 3 | 2
1 2 4 | 3 .
1 3 a | b

(a) Para quais valores de a e b o sistema possui infinitas solucoes?


(b) Para quais valores de a e b o sistema e impossvel?
6. Determine os valores de k de modo que o sistema a seguir, nas variaveis x, y e z tenha:
(i) nenhuma solucao;
(ii) mais de uma solucao;
(iii)
unica solucao.
kx + y + z = 1
(a) x + ky + z = 1
x + y + kz = 1


x + 2y + kz = 1
(b)
2x + ky + 8z = 3

x + y + kz = 2
(c) 3x + 4y + 2z = k
2x + 3y z = 1

19

x 3z = 3
(d) 2x + ky z = 2
x + 2y + kz = 1

7. Determine
se cada sistema linear homogeneo a seguir tem solucao nao nula.

x 2y + 2z = 0
2x + y 2z = 0

(a)

3x + 4y 6z = 0
3x 11y + 12z = 0


2x 4y + 7z + 4v 5w = 0
9x + 3y + 2z 7v + w = 0

(b)

5x + 2y 3z + v + 3w = 0
6x 5y + 4z 3v 2w = 0



x + 2y 3z = 4
x + 3y + z = 11

8. Resolva o sistema .

2x + 5y 4z = 13
2x + 6y + 2z = 22

9. Determine a inversa de cada matriz abaixo:



1 1 0 1 0 1 1 9 5
(a) A = 1
0 1 (b) B = 1 2 3 (c) C = 3 1 2
0 1 1 1 2 4 6 4 4
10. A formula para a Dieta de Cambridge apresentada na segunda tabela, uma dieta popular
nos anos 80, foi desenvolvida por uma equipe chefiada pelo Dr. Alan H. Howard, da
Universidade de Cambridge, apos oito anos de trabalho com pacientes obesos. Com base
nas informacoes das tabelas a seguir determine, se possvel, uma combinacao de leite
desnatado, farinha de soja e soro de leite, de modo a obter as quantidades diarias exatas
de protenas, carboidratos e gordura para a dieta apresentada pelo Dr. Alan H. Howard.

Tabela 2.1: Quantidade de nutrientes (em gramas) por unidade de alimento (100 g)
Quantidade (Gramas) Fornecidas por 100 g de Ingrediente
Nutriente (Gramas) Leite Desnatado Farinha de Soja Soro de Leite
Protena 36 51 13
Carboidrato 52 34 74
Gordura 0 7 1,1

Tabela 2.2: Quantidade de nutrientes (em gramas) Fornecidas pelo Dr. Alan H. Howard em
Um Dia
Nutriente Gramas por dia
Protena 33
Carboidrato 45
Gordura 3

20
11. Considere uma sociedade simples, constituda de um fazendeiro, de um carpinteiro e de
um alfaiate. Cada um deles produz um produto: o fazendeiro produz a comida, o carpin-
teiro constroi casa e o alfaiate confecciona roupas. Por conveniencia, podemos considerar
nossas unidades onde cada indivduo produz uma unidade de cada artigo por ano. Su-
ponha que, durante o ano, a porcao de cada produto consumida por cada indivduo e
dada conforme a tabela a seguir. Sejam p1 , p2 e p3 , respectivamente, os precos por uni-
dade de comida, de uma casa e de uma peca de roupa e suponha ainda que todos os
indivduos paguem o mesmo preco por um produto. Determine os precos p1 , p2 e p3 , de
modo a obter um estado de equilbrio, definido como Ninguem ganha ou perde dinheiro.

Bens Produzidos por


Bens Consumidos Por Fazendeiro Carpinteiro Alfaiate
7 1 3
Fazendeiro 16 2 16
5 1 5
Carpinteiro 16 6 16
1 1 1
Alfaiate 4 3 2

12. No processo de fotossntese, as plantas usam a energia radiante do Sol para converter
dioxido de carbono (CO2 ) e agua (H2 O) em glicose (C6 H12 O6 ) e oxigenio (O2 ). A equacao
qumica da reacao e da forma
x1 CO2 + x2 H2 O x3 O2 + x4 C6 H12 O6 .
Determine x1 , x2 , x3 e x4 para balancear a equacao acima.
13. Um modelo simples para estimativa da distribuicao de temperatura em uma chapa qua-
drada e obtido a partir de um sistema de equacoes lineares. Para construir o sistema linear
apropriado, usamos as seguintes informacoes. A chapa quadrada esta perfeitamente iso-
lada em ambas as faces, sendo que o unico fluxo de calor percorre a propria placa. As
quatro laterais sao mantidas a varias temperaturas. Para estimar a temperatura no ponto
central da placa e usada a regra de que ela e igual a media das temperaturas de seus pon-
tos vizinhos nas direcoes da bussola, ou seja, oeste, norte, leste e sul. Sendo assim, estime
as temperaturas Ti , i = 1, 2, 3 e 4 em quatro pontos interiores equidistantes da chapa
mostrada na figura a seguir.

21
Captulo 3

Determinantes

Definicao 17. Sejam as matrizes A = [a11 ] e B = [bij ]22 . Definimos a seguir o determinante
de cada matriz A e B, com a notacao det, como segue:
(i) detA = det[a11 ] = a11 ;
(ii) detB = det[bij ]22 = b11 b22 b12 b21 . 
b11 b12 b11 b12
= b11 b22 b12 b21 .
Podemos escrever tambem detB = det =

b21 b22 b21 b22
Para definir o determinante de uma matriz quadrada A = [aij ]nn , n 2 sobre K vamos
definir os conceitos de cofator do elemento aij e submatriz Aij da matriz A. Consideremos

a11 a12 a1n
a21 a22 a2n
A = .. .. .

.. ..
. . . .
an1 an2 ann

Definimos,
(i) Aij e matriz obtida ao retirarmos a linha i e a coluna j da matriz A. A ordem de Aij e
(n 1) (n 1);
(ii) ij = (1)i+j detAij e o cofator do elemento aij .

2 3 2
Exemplo 41. Seja a matriz M = 1 4 8 . Determine:
7 5 3
(a) 11 (b) 12 (c) 13 (d) 21
Definicao 18. O determinante de uma matriz quadrada A = [aij ]nn e definido por
n
X n
X
detA = ai1 i1 + ai2 i2 + + ain in = aij ij = aij (1)i+j detAij .
j=1 j=1

Observe que a expressao para o determinante foi desenvolvida pela iesima linha da matriz
A. De maneira analoga, desenvolve-se a expressao anterior pela coluna j da matriz A. Esse
metodo e conhecido como desenvolvimento de Laplace.

3 1 2 2
0 2 0 4
Exemplo 42. Seja a matriz A = 0 4 1 2 . Determine detA de duas maneiras:

0 1 3 3
(a) escolher uma linha e usar a definicao anterior;
(b) escolher uma coluna e usar a definicao anterior.

22
Exemplo 43. Calcule o determinante
de cada matriz a seguir.

x 0 0 0 0 0
1 3 2 0 a y 0
0 0 0
0 a b 1
3 1 0 2 l p z 0 0 0 0 1 0 0
(a) A =
2 3 0 1 (b) B = m n p
(c) C =
x 0 0

a a 0 b
0 2 1 3 b c d e y 0 1 b a 0
a b c d e z
Propriedades dos Determinantes
Sejam as matrizes A = [aij ]nn e B = [bij ]nn .
(i) detA = detAT ;
(ii) Se os elementos de uma linha (ou coluna) de A sao todos nulos, entao detA = 0;
(iii) Se B e obtida de A multiplicando-se uma linha de A por um escalar , entao detB = detA;
(iv) Se B e obtida de A pela troca da posicao de duas linhas k 6= l, entao detB = detA;
(v) det(AB) = detA detB;
(vi) Se A possui dua linhas (ou colunas) iguais, entao detA = 0.

Exemplo 44. Verifique com exemplos as propriedades anteriores.

Exemplo 45. (a) Calcule o valor de x tal que det2A = x97, em que A e uma matriz quadrada
de ordem 4 e detA = 6.
(b) Se detA = 3, determine: detA2 , detA3 e detAT .
(c) Sejam A e B matrizes quadradas. Verifique-se
det(A + B) = detA + detB.
x2 x+3 x1

(d) Resolva a equacao 2 1 3 = 60 usando o metodo de Laplace.
3 2 1

3.1 Determinante e Matriz Inversa


O objetivo aqui e estabelecer condicoes sobre o determinante de uma matriz quadrada A para
que A possua inversa. E caso a inversa de A exista, encontrar a matriz inversa de A usando o
determinante de A. Dada a matriz

a11 a12 a1n
a21 a22 a2n
A = .. .. ,

.. ..
. . . .
an1 an2 ann

vimos que ij = (1)i+j detAij e o cofator do elemento aij . Definimos a seguir,


(i) A = [ij ]nn e a matriz dos cofatores de A (que e obtida substituindo cada elemento de A
pelo seu cofator);
(ii) AT e a matriz adjunta de A, denotada por AdjA. A matriz adjunta de A e a matriz
transposta da matriz dos cofatores de A.

2 1 0
Exemplo 46. Seja A = 3 1 4 .
1 6 5
(a) Determine AdjA;
(b) Verifique se A AdjA = (detA) I3 .

Teorema 3. Seja a matriz A = [aij ]nn . Entao A (AdjA) = (AdjA) A = (detA) In .

23
Seja a matriz A = [aij ]nn e suponha que A possua inversa, isto e, existe unica matriz A1
tal que A A1 = In . Usando a propriedade do determinante det(A A1 ) = det(A) det(A1 ) =
det(In ). Mas det(In ) = 1. Logo, det(A) det(A1 ) = 1 e dessa igualdade segue que detA 6= 0 e
1
detA1 = .
detA
Agora considere a situacao em que a matriz quadrada A = [aij ]nn e tal que detA 6= 0.
Queremos saber se com essa condicao a matriz A possui inversa. Do teorema anterior temos
1
que AAdjA = (detA)In e usando o fato de detA 6= 0, segue entao que A adjA = In . Mas
detA
1
quando a inversa de uma matriz quadrada existe, essa inversa e unica, logo A1 = AdjA.
detA
Teorema 4. Uma matriz quadrada A = [aij ]nn admite inversa se, e somente se, detA 6= 0. E
1
nesse caso, A1 = adjA.
detA

2 3 4
Exemplo 47. Seja a matriz A = 0 4 2 . Verifique se a matriz A possui inversa. Em
1 1 5
caso afirmativo, use o teorema aterior para determinar a matriz inversa de A.

3.2 Matriz Inversa e Solucao de Um Sistema Linear de


n Equacoes e n Incognitas.
Considere o sistema linear a seguir de n equacoes e n incognitas.


a11 x1 + a12 x2 + a13 x3 + + a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + + a2n xn = b2



a31 x1 + a32 x2 + a33 x3 + + a3n xn = b3 (3.1)
.. .. .
= ..




. .
a x +
n1 1 an2 x2 + an3 x3 + + ann xn = bn

Vimos que podemos representar este sistema da forma a seguir A X = B, em que A e a matriz
dos coeficientes, X e a matriz das variaveis e B e a matriz dos termos independentes. Suponha
que A possua inversa, isto e, que detA 6= 0. Observe

AX =B

A1 (A X) = A1 B
(A A1 ) X = A1 B
In X = A1 B
X = A1 B

Observacao 7. A igualdade anterior fornece a solucao unica de um sistema linear de n


equacoes e n incognitas, no caso em que a matriz dos coeficientes desse sistema possui in-
versa.

Apresentaremos a seguir a Regra de Cramer, que e um metodo de resolucao de sistema


linear de n equacoes e n incognitas que so pode ser aplicado no caso em que a matriz dos
coeficientes desse sistema possui inversa. Voltando a expressao X = A1 B e considerando as

24
mesmas condicoes enunciadas anteriormente sobre o sistema linear e sua matriz dos coeficientes,
segue que
1
X= adjA B
detA

x1 11 21 n1 b1
x2 1 12 22 n2 b2
.. = .. .. .. .

.. ..
. detA . . . . .
xn 1n 2n nn bn
b1 1j + b2 2j + + bj nj detAj
Da, xj = = , onde Aj e a matriz obtida de A substituindo
detA detA
b1
b2
a j-esima coluna de A pela coluna .. , para j = 1, 2, n.
.
bn
Exemplo
48. Use a Regra de Cramer para resolver os sistemas lineares a seguir.
x+y+z = 6
(a) x y z = 4 .
2x y + z = 1


3x y + z = 1
(b) 2x + 3z = 1
4x + y 2z = 7

Considere agora os sistema linear homogeneo a seguir, de n equacoes e n incognitas.




a11 x1 + a12 x2 + a13 x3 + + a1n xn = 0
a21 x1 + a22 x2 + a23 x3 + + a2n xn = 0



a31 x1 + a32 x2 + a33 x3 + + a3n xn = 0 (3.2)
.. .. .
= ..




. .
a x + a x + a x +
n1 1 n2 2 n3 3 + ann xn = 0

A forma matricial desse sistema e


A X = O
em que O e a matriz nula de ordem n. Do que foi tratado sobre a Regra de Cramer, podemos
observar que:
(i) o sistema linear homogeneo (3.2) tem solucao trivial (solucao nula) se detA 6= 0, e ainda, a
solucao trivial e unica;
(ii) o sistema linear homogeneo (3.2) tem solucao nao trivial se detA = 0.

2 2 2
Exemplo 49. Considere a matriz A = 0 2 0 . Determinar os valores de R tais que
0 1 3
x
existe X = y 6= O, em que O e a matriz nula de ordem 3, que satisfaz A X = X.

z

25
3.3 Exerccios Complementares
1. Calcule o determinante das matrizes a seguir.

2 5 3 2 3 2 5 4
2 3 2 5
(b) B = 5 2 8 5

(a) A =
1 3 2 2 2 4 7 3
1 6 4 3 2 3 5 8

i 3 2 i
t + 3 1 1 3 i 1 i
(c) C = 5 t3 1 (d) D =
2 1 1 0

6 6 t + 4
i i 0 1

1 2 2
2. Seja a matriz A = 2 3 4 .
1 5 7
(a) Calcule detA;
(b) Encontre AdjA;
(c) Verifique que A AdjA = detA I3 ;
(d) Encontre A1 .
 
a b
3. Seja a matriz A = .
c d
(a) Encontre AdjA;
(b) Mostre que Adj(AdjA) = A.
4. Usea Regra de Cramer para resolver os sistemas lineares a seguir.
x + y z = 5
(a) x + 2y + 4z = 4
3x + y 2z = 3


ax 2by = c
(b) , em que ab 6= 0.
3ax 5by = 2c
5. Considere a matriz
a segui.
3 2 5 4
5 2 8 5
A = [aij ]44 =
2 4

7 3
2 3 5 8
(a) Use o desenvolvimento de Laplace para explicar o que deve ser feito para calcular o
determinante da matriz A.
(b) Determine o cofator 21 do elemento a21 .
(c) Explique o que e matriz adjunta da matriz A. Explique como determinar a matriz
inversa de matriz A, a partir do conceito da matriz adjunta da matriz A e sabendo que
det A 6= 0.
6. Seja a matriz A = [aij ]nn . E sempre verdade que det Aij < det A?
7. Use a Regra de Cramer para resolver o sistema a seguir. Caso tenha que calcular algum
determinante, use o desenvolvimento de Laplace.

3y + 2x = z + 1
3x + 2z = 8 5y
3z 1 = x 2y

26
Captulo 4

Vetores no Plano e no Espaco

Varias grandezas fsicas como pressao e temperatura podem ser completamente descritas pelo
seu valor numerico (magnitude). Outras grandezas como forca e aceleracao, para serem comple-
tamente descritas precisam, alem da sua magnitude, precisam tambem de uma direcao e sentido.
Estas grandezas podem ser representadas por setas (segmentos orientados) e sao chamadas de
vetores.
Todos os segmentos orientados que possuem a mesma direcao, o mesmo sentido e o mesmo
comprimento (magnitude) sao representantes de um mesmo vetor.
Notacao: Usaremos letras minusculas da seguinte forma, ~v , para indicar vetores e letras
maiusculas para indicar pontos no plano e no espaco.

4.1 Vetores em Rn
O conjunto R2 = R R = {(x, y)|x, y R} e interpretado geometricamente como o plano
cartesiano xOy. Qualquer vetor AB ~ nesse plano tem sempre um representante OP~ cuja origem
2 2
e a O = (0, 0) e P = (a, b), com O, P R o que significa que vetores em R sao determinados
exclusivamente pelo seu ponto final, pois o ponto inicial e fixo na origem.

y
6

~v

-
x

Um vetor ~v em R2 e da forma ~v = (x1 , y1 ), em que x1 e y2 sao chamados de componentes do


vetor ~v . Ovetor ~v = (x1 , y1 ) tambem pode ser representado por um matriz coluna como segue,
x1
~v = .
y2
Exemplo 50. Represente no plano cartesiano os vetores a seguir.
(a) ~v = (1, 3) (b) ~v = (2, 5) (c) ~v = (1, 3)
(d) ~v = (2, 2) (d) ~v = (1, 3) (e) ~u = (2, 6)

O conjunto R3 = {(x, y, z)|x, y, z R} e interpretado geometricamente como o espaco


cartesiano tridimensional Oxyz (ou sistema de coordenadas dado por tes retas orientadas,
perpendiculares duas a duas). Da mesma forma que em R2 , os vetores em R3 sao dados por

27
seguimentos orientados, com ponto inicial em O = (0, 0, 0) e ponto final P = (x1 , y1 , z1 ) e dessa
forma, o vetor OP ~ costuma ser denotado pelas coordenadas de P. Um vetor ~v em R3 e da
forma ~v = (x1 , y1 , z1 ), em que x1 , y1 e z1 sao chamados de componentes do vetor ~v . O vetor

x1
~v = (x1 , y1 , z1 ) tambem pode ser representado por um matriz coluna como segue, ~v = y1 .
z1
Exemplo 51. Represente no sistema cartesiano tridimensional os pontos a seguir.
(a) P = (1, 2, 3) (b) B = (1, 2, 1) (c) C = (0, 1, 2)

Exemplo 52. Represente no sistema cartesiano tridimensional os seguintes vetores.


(a) ~v = (1, 2, 3) (b) ~u = (2, 2, 6) (c) ~v = (1, 2, 3)

Definimos Rn = {(x1 , x2 , x3 , , xn )|x1 , x2 , x3 , , xn R}, cuja interpretacao geometrica


feita para R2 e R3 foge do nosso alcance. Um vetor ~v em Rn e da forma ~v = (x1 , x2 , x3 , , xn ),
2 3
em que x1 , x2 , x3 , , xn sao as componentes
de ~v e da mesma forma que em R e R , ~v pode
x1
x2

x3
ser representado na forma matricial ~v = .
..
.
xn
Sejam ~u, ~v Rn com ~u = (x1 , x2 , x3 , , xn ) e ~v = (y1 , y2 , y3 , , yn ) definimos a soma e a
multiplicacao por escalar k, respectivamente, como segue:
(i) ~u + ~v = (x1 + y1 , x2 + y2 , , xn + yn )
(ii) k ~u = (kx1 , kx2 , , kxn ).
E ainda, ~u = 1 ~u e ~u ~v = ~u + (~v ). Definimos tambem a igualdade entre os vetores ~u e
~v se ~u e ~v possuem a mesma quantidade de componentes e se as componentes correspondentes
sao iguais.

Exemplo 53. (a) Suponha que (x y, x + y, z 1) = (4, 2, 3). Determine x, y e z.


(b) Sejam ~u = (1, 3, 2, 4) e ~v = (3, 5, 1, 2). Determine ~u + ~v , 5~u e 2~u 3~v .

Observacao 8. Considere a situacao em que um vetor ~v R2 e representado por um segmento


de reta orientado em que a origem do vetor nao coincide com O = (0, 0), isto e, ~v = AB ~ e
A = (x1 , y1 ) 6= (0, 0) e B = (x2 , y2 ) 6= (0, 0). Nesse caso, as componentes de ~v sao determinadas
como segue, ~v = (x2 x1 , y2 y1 ). Assim o vetor ~v = (x2 x1 , y2 y1 ) tambem pode ser
representado com ponto inicial O = (0, 0) e ponto final B = (x2 x1 , y2 y1 ). O raciocnio e
analogo para vetores em Rn .

Exemplo 54.  5 Determine


 as componentes
 5 5  do vetor ~v que tem um representante com ponto
inicial P = , 1, 2 e final Q = 0, ,
2 2 2
Teorema 5. Sejam os vetores ~u, ~v , w ~ Rn e os escalares , R. Entao:
(i) (~u + ~v ) + w
~ = ~u + (~v + w)~
(ii) ~u + ~o = ~u, em que ~o = (0, 0, , 0) Rn e o vetor nulo
(iii) ~u + (~u) = ~o em que ~u e chamado de elemento simetrico de ~u
(iv) ~u + ~v = ~v + ~u
(v) (~u + ~v ) = ~u + ~v
(vi) ( + ) ~u = ~u + ~u
(vii) ( ) ~u = ( ~u)
(viii) 1 ~u = ~u

28
Exemplo 55. Verifique o teorema anterior para os vetores ~u = (2, 1, 3), ~v = (1, 5, 6) e
~ = (3, 2, 1) e para os escalares = 2 e = 1.
w
Observacao 9. Sejam os vetores ~u, ~v vetores em Rn e o escalar nao nulo R, tal que
~u = ~v . Dizemos que ~u tem o mesmo sentido de ~v se > 0 e sentido oposto se < 0.
Exemplo 56. Sejam os pontos A = (0, 1, 1) e B = (1, 2, 1) e os vetores ~u = (2, 1, 1),
~v = (3, 0, 1) e w ~ = (2, 2, 2). Verifique se existem escalares a1 , a2 e a3 tais que w
~ =
~
a1 AB + a2~u + a3~v .
Exemplo 57. Sejam os pontos P1 = (1, 2, 4), P2 = (2, 3, 2), P3 = (2, 1, 1) e P4 = (x1 , y1 , z1 ).
Determine x1 , y1 , z1 tais que P1 , P2 , P3 e P4 sejam vertices de um paralelogramo.
Exemplo 58. Determine as coordenadas do ponto medio do segmento reta de extremidades
A = (x1 , y1 ) e B = (x2 , y2 ).

4.2 Produto entre Vetores


4.2.1 Produto Escalar
Definicao 19. Seja ~u = (x1 , x2 , , xn ) vetor de Rn . A norma de ~u (ou comprimento de ~u)
e definida por q
||~u|| = x21 + x22 + + x2n .

No caso em que ||~u|| = 1, diz-se que ~u e um vetor unitario. E usual dizer tambem, neste
caso, que ~u esta normalizado.
Definicao 20. Sejam os pontos de Rn P1 = (x1 , x2 , , xn ) e P2 = (y1 , y2 , , yn ). A distancia

do ponto P1 ao ponto P2 , denotada por d e a norma do vetor P1 P2 , isto e,
p
d = (y1 x1 )2 + (y2 x2 )2 + + (yn xn )2 .

Exemplo 59. Defina:


(a) Norma para um vetor ~v R2 .
(b) Distancia entre dois pontos P1 e P2 de R2 .
(c) Norma para um vetor ~v R3 .
(d) Distancia entre dois pontos P1 e P2 de R3 .
Exemplo 60. Determine:
(a) ||~u||, onde ~u = (1, 2, 3).
(b) A distancia entre os pontos P1 = (2, 1, 5) e P2 = (4, 3, 1).
Observacao 10. (i) Se ~u = (x1 , x2 , , xn ) e um vetor de Rn e e um escalar entao
p
||~u|| = ||(x1 , x2 , , xn )|| = (x1 )2 + (x2 )2 + + (xn )2
q
||~u|| = 2 (x21 + x22 + + x2n ) = ||||~u||.
(ii) Dado um vetor ~u = (x1 , x2 , , xn ) nao nulo de Rn , o vetor
 
1
~v = ~u
||~u||
e um vetor unitario na direcao de ~u.

29
 
1
Exemplo 61. Mostre que o vetor ~v = ~u e um vetor unitario, onde ~u = (x1 , y1 , z1 ) e
||~u||
um vetor nao nulo de R3 .

Definicao 21. Sejam ~u e ~v vetores de Rn . O produto escalar (ou produto interno) de ~u


e ~v e definido por 
0, se ~u = ~o ou ~v = ~o
~u ~v = ,
||~u||||~v ||cos(), se ~u 6= ~o e ~v 6= ~o
onde 0 e o angulo entre os vetores ~u e ~v . No caso em que ~u ~v = 0 diz-se que ~u e ~v
sao ortogonais ou perpendiculares.

Da expressao ~u ~v = ||~u|| ||~v ||cos(), para ~u e ~v vetores nao nulos de Rn , define-se que:
(i) ~u e ~v sao ortogonais se cos() = 0;
(ii) ~u e ~v sao paralelos se cos() = 1. Neste caso, ~u e ~v possuem o mesmo sentido se cos() = 1
e sentidos contrarios se cos() = 1.

Exemplo 62. Sejam os vetores ~u = (0, 0, 1) e ~v = (0, 2, 2) e = 45o o angulo formado entre
~u e ~v . Determine ~u ~v .

No caso em que e conhecido apenas as componentes de ~u e ~v , o produto interno de ~u e ~v e


dado pelo teorema a seguir.

Teorema 6. Sejam ~u = (x1 , x2 , , xn ) e ~v = (y1 , y2 , , yn ) vetores de Rn . O produto escalar


de ~u e ~v e o numero ~u ~v obtido multiplicando as componentes correspondentes e efetuando a
soma dos produtos obtidos:

~u ~v = x1 y1 + x2 y2 + + xn yn .

Exemplo 63. Defina ~u ~v para o caso em que ~u e ~v sao vetores de R3 .

Exemplo 64. Sejam os vetores ~u = (1, 0, 0), ~v = (0, 1, 0) e w


~ = (0, 0, 1). Determine o angulo
formado entre os vetores ~u e m,
~ onde m
~ = ~u + ~v + w
~ e uma diagonal de um cubo.

Exemplo 65. Verifique se os vetores ~u = (1, 2, 3) e ~v = (7, 1, 2) sao ortogonais.

Teorema 7. (Desigualdade de Cauchy-Schwarz)


Se ~u e ~v sao vetores em Rn , entao

|~u ~v | ||~u|| ||~v ||.

Teorema 8. (Desigualdade Triangular)


Se ~u e ~v sao vetores em Rn , entao

||~u + ~v || ||~u|| + ||~v ||.

Exemplo 66. Sejam os vetores ~u = (1, 0, 0, 1), ~v = (0, 1, 1, 0) e w


~ = (3, 0, 0, 3).
(a) Verifique se ~u e ~v sao ortogonais.
(b) Verifique se ~u e w~ sao ortogonais.
(c) Verifique os teoremas 7 e 8 para ~v e w.
~

30
4.2.2 Produto Vetorial
O produto vetorial trata-se se uma operacao que so faz sentido para vetores em R3 . Antes de
introduzir este conceito e necessario definir uma outra forma de representar um vetor ~u R3 .
Considere os vetores unitarios ~u = (1, 0, 0), ~v = (0, 1, 0) e w~ = (0, 0, 1) e observe que estes
vetores estao no sentido positivo dos eixos x, y e z, respectivamente. Estes vetores (~u, ~v e w) ~
~ ~ ~
sao representados, respectivamente, por i, j e k e assim, qualquer vetor m ~ = (x1 , y1 , z1 ) R3
pode ser representado por
~ = x1 ~i + y1 ~j + z1 ~k
m
ou seja,
~ = x1 (1, 0, 0) + y1 (0, 1, 0) + z1 (0, 0, 1).
m
Exemplo 67. Sabendo que ~i = (1, 0, 0), ~v = (0, 1, 0) e ~j = (0, 0, 1). Determine ~i ~i, ~j ~j, ~i ~j,
, ~k ~k e ~i ~k.
Exemplo 68. Sejam ~u = 3~i + 6~j 2~k e ~v = 4~i 3~j ~k. Determine:
(a) 2~u + 5~v
(b) ~u ~v
Definicao 22. Sejam os vetores ~u = x1~i+y1~j +z1~k e ~v = x2~i+y2~j +z2~k. O produto vetoriale
~i ~j ~k

o vetor denotado por ~u ~v , que e obtido pelo calculo do determinante da matriz x1 y1 z1 .


x2 y2 z2
~i ~j ~k

~u ~v = det x1 y1 z1 .
x2 y2 z2

Exemplo 69. Sejam os vetores ~u = 4~i + 3~j + 4~k e ~v = ~i + ~k. Determine:


(a) ~u ~v
(b) ~v ~u
Definicao 23. Sejam os vetores ~u = x1~i + y1~j + z1~k, ~v = x2~i + y2~j + z2~k e w
~ = x3~i + y3~j + z3~k.
O produto escalar triplo ou produto misto de ~u, ~v e w, ~ dados nessa ordem e
(~u ~v ) w,
~
ou seja, e o produto escalar entre o vetor ~u ~v e o vetor w.
~
Observacao 11. O vetor ~u ~v e ortogonal simultaneamente aos vetores ~u e ~v , onde ~u =
x1~i + y1~j + z1~k e ~v = x2~i + y2~j + z2~k.

4.3 Exerccios Complementares


1. Esboce os vetores a seguir.
(a) ~u = (3, 4, 5) (b) ~u = (3, 4, 5) (c) ~u = (3, 4, 5) (d) ~u = (3, 4, 5)
(e) ~u = (3, 4, 5) (f) ~u = (3, 4, 5) (g) ~u = (3, 4, 5) (h) ~u = (3, 4, 5)
(i) ~u = (3, 7, 2) (j) ~u = (1, 0, 2) (k) ~u = (0, 1, 0) (l) ~u = (2, 5, 4)
2. Determine as componentes do vetor de ponto inicial P1 e ponto final P2 . Depois, em cada
caso, esboce cada vetor no seu respectivo espaco.
(a) P1 = (4, 8) e P2 = (3, 7) (b) P1 = (3, 5) e P2 = (4, 7)
(c) P1 = (5, 0) e P3 = (3, 1) (d) P1 = (3, 7, 2) e P2 = (2, 5, 4)
(e) P1 = (1, 0, 2) e P3 = (0, 1, 0).

31
3. Sejam os vetores ~u = (3, 1, 2), ~v = (4, 0, 8) e w ~ = (6, 1, 4). Encontre os vetores:
(a) ~v w
~ (b) 6~u + 2~v (c) (2~u 7w) ~ (8~v + ~u)
(d) o vetor ~x que satisfaca 2~u ~v + ~x = 7~x + w.
~

4. Sejam os vetores ~u = (3, 1, 2), ~v = (4, 0, 8) e w


~ = (6, 1, 4). Encontre os escalares
a1 , a2 e a3 tais que a1~u + a2~v + a3 w
~ = m,
~ onde m
~ = (2, 0, 4).

5. Sejam os vetores ~u = (1, 2, 0), ~v = (2, 1, 1), w ~ = (0, 3, 1) e m


~ = (0, 0, 0). Mostre que
existem escalares a1 , a2 e a3 tais que a1~u + a2~v + a3 w
~ = m.
~

6. Sejam os vetores ~u = (2, 9, 6), ~v = (3, 2, 1), w ~ = (1, 7, 5) e m


~ = (0, 5, 4). Mostre que
nao existem escalares a1 , a2 e a3 tais que a1~u + a2~v + a3 w
~ = m.
~

7. Sejam os pontos P1 = (2, 3, 2) e P2 = (7, 4, 1).


(a) Determine o ponto medio do segmento de reta com extremidades P1 e P2 .
3
(b) Determine o ponto no segmento de reta com extremidades P1 e P2 que esta a do
4
caminho de P1 a P2 .

8. Sejam os vetores ~u = (5, 4, 1), ~v = (3, 4, 1) e w~ = (1, 2, 3). Determine:


(a) (~u + ~v ) w
~ (b) (~u w)
~ + (~v w)
~ (c) (~u w),
~ onde = 5
1
9. Sejam os vetores ~u = (3, 7, 2, 3), ~v = (1, 0, 4, 9) e w
~ = (2, 20, , 0). Quais os pares
2
de vetores perpendiculares?

10. Determine k para que os vetores ~u = (1, k, 3) e ~v = (2, 5, 4) sejam ortogonais.

11. Seja o angulo entre os vetores ~u e ~v . Determine cos() em cada caso.


(a) ~u = (2, 9, 6) e ~v = (3, 2, 1) (b) ~u = (1, 7, 5) e ~v = (0, 5, 4).

12. Determine um vetor unitario na direcao do vetor ~u em cada caso.


(a) ~u = (2, 3, 1, 1) (b) ~u = (2, 5, 4) ~u = (0, 0, 2)

13. Determine o valor de k para que o vetor ~u = k, 52 , 54 seja unitario.




14. Determine k sabendo que o angulo entre os vetores ~u = (2, 1, 1) e ~v = (1, 1, k + 2) e


= 3 .

15. Sejam os vetores ~u = (0, 1, 1), ~v = (2, 2, 2) e w


~ = (3, 4, 5). Determine:
(a) um vetor perpendicular a ~u e a ~v
(b) um vetor unitario perpendicular a ~u e a w ~
(c) (~u ~v ) w
~
(d) (~v w)
~ ~u

16. Sejam os vetores ~u = a~i + 5b~j 2c ~k e ~v = 3a~i + x~j + y~k. Determine x e y tais que
~u w
~ = ~o.

32
Captulo 5

Espaco Vetorial

5.1 Espaco Vetorial


Definicao 24. Seja V um conjunto nao vazio, sobre o qual estao definidas as operacoes de
adicao e multiplicacao por escalar , respectivamente,
~u + ~v V, para quaisquer ~u, ~v V ;
~u V, para qualquer ~u V e qualquer escalar K.
~ V e escalares , K
Dizemos que V e um espaco vetorial sobre K se, para quaisquer ~u, ~v , w
o seguintes axiomas forem satisfeitos:
(i) Comutatividade
~u + ~v = ~v + ~u;
(ii) Associatividade
(~u + ~v ) + w
~ = ~u + (~v + w)
~ e ()~u = (~u);
(iii) Vetor Nulo
existe um vetor ~o V, chamado vetor nulo tal que ~v + ~o = ~v = ~o + ~v para todo ~v V ;
(iv) Inverso Aditivo (Simetrico)
para cada vetor ~v V, existe um vetor ~v V, chamado inverso aditivo de ~v , tal que ~v +(~v ) =
~o;
(v) Distributividade
( + )~u = ~u + ~u e (~u + ~v ) = ~u + ~v
(vi) Multiplicacao por 1
1~u = ~u para qualquer ~u V.
Observacao 12. Os elementos de um espaco vetorial sao chamados de vetores, independente
da natureza dos seus elementos.
Exemplo 70. Verifique que os conjuntos a seguir sao espacos vetoriais.
(a) V = R2 = {(x, y)|x, y R}, com as operacoes de adicao e multiplicacao por escalar usuais.
(b) V = M (3, 3) = {A|Ae matriz quadrada de ordem 3}, com as operacoes de adicao e multi-
plicacao por escalar usuais.
(c) V = P2 = {a2 x2 + a1 x + a0 |ai R}, com as operacoes de adicao e multiplicacao por escalar
usuais.
(d) V = {f : R R|fe funcao} com a operacao de soma e multiplicacao por escalar usuais.
(e) V = {(x, x2 )|x R)} com as respectivas operacoes de adicao e multiplicacao por escalar,
(x1 , x21 )+(x2 , x22 ) = (x1 + x2 , (x1 + x2 )2 ) e (x, x2 ) = (x, 2 x2 ).
(f ) V = {(x, y)|x, y R+ } com as respectivas operacoes de adicao e multiplicacao por escalar,
(x1 , y1 )+(x2 , y2 ) = (x1 x2 , y1 y2 ) e (x, y) = (x , y ).
Exemplo 71. Verifique que os conjuntos a seguir nao sao espacos vetoriais.
(a) V = {(a, b)|a, b R} com as respectivas operacoes de soma e multiplicacao por escalar,

33
(a, b) + (c, d) = (a + c, b + d) e (a, b) = (a, b).
(b) V = {(a, b)|a, b R} com as respectivas operacoes de soma e multiplicacao por escalar,
(a, b) + (c, d) = (a + c, b + d) e (a, b) = (a, 0).
Propriedades do Espaco Vetorial
Seja V um espaco vetorial. Sao validas as seguintes propriedades.
(i) Existe um unico elemento neutro ~o em V (elemento neutro em relacao a operacao de adicao
definida em V );
(ii) Para cada vetor ~u V existe apenas um, e somente um, elemento simetrico em V ;
~ V, se ~u + ~v = ~v + w,
(iii) Para quaisquer ~u, ~v , w ~ entao ~u = w;
~
(iv) O elemento simetrico do simetrico do vetor ~u e o proprio ~u, isto e, (~u) = ~u;
(vi) Para qualquer ~u V tem se 0~u = ~o;
(vii) Para K escalar qualquer, tem-se ~o = ~o;
(viii) Para qualquer escalar K e para qualquer ~u V, ()~u = (~u) = ~u.

5.2 Subespaco Vetorial


Definicao 25. Seja V um espaco vetorial. Um subconjunto S nao vazio de V e chamado
subespaco vetorial de V se S tambem e um espaco vetorial com relacao as operacoes soma e
multiplicacao por escalar definidas em V.
Teorema 9. Sejam V um espaco vetorial e S um subconjunto de V. S e um subespaco vetorial
de V se, e somente se:
(i) S e nao vazio;
(ii) S e fechado para a operacao de adicao definida em V, isto e, para quaisquer ~u, ~v S tem-se
~u + ~v S.
(iii) S e fechado para a operacao de multiplicacao por escalar definida em V, isto e, para
qualquer ~u S e qualquer escalar k K tem-se k~u S.
Exemplo 72. Mostre que:
(a) W = {(a, b, 0)|a, b R} e subespaco vetorial do espaco vetorial V = R3 .
(b) W = {(a, b, c)|a + b + c = 0, a, b, c R} e subespaco vetorial do espaco vetorial V = R3 .
(c) W = {(x, y)|y = 2x, x R} e subespaco vetorial do espaco vetorial V = R2 .

Exemplo 73. Mostre que:


(a) S = {(x, 4 2x)|x R} nao e subespaco vetorial de V = R2 .
(b) S = {(a, b, c)|a 0, a, b, c R} nao e subespaco vetorial do espaco vetorial V = R3 .
(c) S = {(a, b, c)|a2 +b2 +c2 1, a, b, c R} nao e subespaco vetorial do espaco vetorial V = R3 .

Observacao 13. Todo espaco vetorial V admite, pelo menos, dois subespacos vetoriais, S =
{~o}, em que ~o e o elemento neutro de V e W = V. Estes sao chamados de subespacos triviais
de V. Os outros subespacos de V, caso existam, sao chamados de subespacos proprios de V.
Exemplo 74. Sejam S e W subespacos vetoriais de um espaco vetorial V. Mostre que S W
tambem e um subespaco vetorial de V.
  
a b
Exemplo 75. Seja o espaco vetorial V = a, b, c, d R . Verifique se os conjuntos
c d
a seguir sao
 subespacos
 de V.
a 0
(a) S1 = a, c R .
c 0

34
  
a b
(b) S2 = a, b R .

0 0
(c) S = S1 S2 .

Exemplo 76. Seja o espaco vetorial V = {(a, b, c)|a, b, c R}. Verifique se os conjuntos as
seguir sao subespacos vetoriais de V.
(a) S1 = {(a, b, 0)|a, b R}.
(b) S2 = {(0, 0, c)|c R}
(c) S1 S2 .

5.3 Combinacao Linear


Definicao 26. Sejam os vetores ~v1 , ~v2 , , ~vn do espaco vetorial V sobre e os escalares
1 , 2 , , n K. Qualquer vetor em V da forma ~v = 1~v1 + 2~v2 + + n~vn e chamado de
combinacao linear dos vetores ~v1 , ~v2 , , ~vn .

Exemplo 77. Considere o espaco vetorial R3 . O vetor m ~ = (2, 3, 5) e combinacao linear dos
~ = (0, 0, 1) de R3 .
vetores ~u = (1, 0, 0), ~v = (0, 1, 0) e w

Sejam V o espaco vetorial e S = {~v1 , ~v2 , , ~vn |~vi V, i = 1, 2, , n}. Temos o seguinte:
(i) O conjunto W de todos os vetores de V que sao combinacao linear dos elementos de S e um
subespaco de V, isto e, W = {~u|~u e combinacao linear de ~v1 , ~v2 , , ~vn } e subespaco de V.
(ii) Se U e qualquer subespaco de V contendo S entao W U.
O conjunto W e o menor subespaco de V contendo S e dessa forma, W e chamado subespaco
gerado por S e usamos a notacao W = [~v1 , ~v2 , , ~vn ].

Exemplo 78. Os vetores ~e1 = (1, 0, 0), ~e2 = (0, 1, 0) e ~e3 = (0, 0, 1) geram o espaco vetorial
R3 .

Exemplo 79. Os polinomios 1, t, t2 , t3 geram o espaco vetorial V dos polinomios de grau 3.

Exemplo 80. Determine se o vetor ~v = (3, 9, 4, 2) e combinacao linear dos vetores ~u1 =
(1, 2, 0, 3), ~u2 = (2, 3, 0, 1) e ~u3 = (2, 1, 2, 1).

Exemplo 81. Considere o espaco vetorial dos polinomios de grau 2. Verifique se o vetor
~v = 7x2 + 11x 26 e combinacao linear dos polinomios ~v1 = 5x2 3x + 2 e ~v2 = 2x2 + 5x 8.

5.4 Somas e Somas Diretas


Definicao 27. Sejam U e W subespacos do espaco vetorial V. Definimos a soma de U e W
como sendo o conjunto U + W = {~u + w|~
~ u U, w
~ W }.

Exemplo 82. Determine S1 + S2 nos exemplos 75 e 76.

Teorema 10. Sejam U e W subespacos do espaco vetorial V. Entao U +W tambem e subespaco


de V.

Pense no exemplo anterior.

Definicao 28. Sejam U e W subespacos do espaco vetorial V. Dizemos que V e soma direta
de U e W, com a notacao V = U W, se V = U + W e U W = {~o}, em que ~o e o elemento
neutro de V.

35
Teorema 11. Se V e soma direta de U e W, entao todo vetor ~v V e escrito de maneira unica
~ em que ~u U e w
da forma ~v = ~u + w, ~ W.
Exemplo 83. Verifique nos exemplos 75 e 76 se V e soma direta de S1 e S2 .
Exemplo 84. Seja o espaco vetorial V = R3 .
(a) Verifique que U = {(a, b, 0)|a, b R} e subespaco de V.
(b) Verifique que W = {(0, b, c)|b, c R} e subespaco de V.
(c) Verifique que U + W e subespaco de V.
(d) Verifique se V e soma direta de U e W.
Exemplo 85. Sejam U = {(a, b, 0)|a, b R} e W = {(0, 0, c)| R} subespacos do espaco
vetorial V = R3 . Verifique se V = U W.

5.5 Dependencia e Independencia Linear


Definicao 29. Sejam V um espaco vetorial e S = {~v1 , ~v2 , , ~vn |~vi V ; i = 1, 2, , n}. Dize-
mos que o conjunto S e Linearmente Independente (ou que ~v1 , ~v2 , , ~vn sao Linearmente
Independentes), com a abreviacao L.I, se nenhum vetor ~v de S e combinacao linear dos outros
elementos de S.
Teorema 12. Sejam V um espaco vetorial e S = {~v1 , ~v2 , , ~vn |~vi V ; i = 1, 2, , n}.
O conjunto S sera L.I (ou os vetores ~v1 , ~v2 , , vn serao L.I) se, e somente se, a equacao
1 ~v1 + 2 ~v2 + + n ~vn = ~o, em que ~o e o vetor nulo de V, implicar que 1 = = n = 0.
Exemplo 86. (a) Mostre que os vetores ~e1 = (1, 0, 0, 0), ~e2 = (0, 1, 0, 0), ~e3 = (0, 0, 1, 0) e
~e4 = (0, 0, 0, 1) sao L.I.
(b) Mostre que os vetores ~v1 = (1, 0, 1), ~v2 = (0, 1, 1) e ~v3 = (1, 1, 1) de R3 sao L.I.
Definicao 30. Um subconjunto S = {~v1 , ~v2 , , ~vn } de um espaco vetorial V sera Linearmente
Dependente (ou ~v1 , ~v2 , , ~vn serao Linearmente Dependentes), com a abreviacao L.D, se nao
for L.I (ou se ~v1 , ~v2 , , ~vn nao forem L.I).
Exemplo 87. (a) Os vetores ~v1 = (1, 1), ~v2 = (1, 0) e ~v3 = (1, 1) de R2 sao L.D, pois
1 1
(1, 1) 1(1, 0) + (1, 1) = (0, 0).
2 2
(b) Mostre que os vetores ~v1 = (1, 2, 5), ~v2 = (7, 1, 5) e ~v3 = (1, 1, 1), vetores de R3 sao
L.D.

5.6 Base de Um Espaco Vetorial


Definicao 31. Um subconjunto S = {~v1 , ~v2 , , ~vn } de um espaco vetorial V sera uma base de
V se as condicoes a seguir forem satisfeitas:
(i) S = {~v1 , ~v2 , , ~vn } e L.I.
(ii) [~v1 , ~v2 , , ~vn ] = V.
Exemplo 88. (a) Sejam os vetores ~e1 = (1, 0) e ~e2 = (0, 1). O conjunto {~e1 , ~e2 } e uma base
do espaco vetorial R2 .
(b) Mostre que o conjunto {(1, 1), (0, 1)} e uma base de R2 .
Exemplo 89. Quais dos seguintes conjuntos a seguir sao L.D?
(a) {(1, 1, 2), (1, 0, 0), (4, 6, 12)} (b) {(1, 2, 3), (2, 4, 6)}
(c) {(1, 1, 1), (2, 3, 1), (3, 1, 2)} (d) {(4, 2, 1), (6, 5, 5), (2, 1, 3)}

36
Exemplo 90. Determine se os vetores a seguir formam uma base do espaco vetorial R3 .
(a) ~u = (1, 1, 1) e ~v = (1, 1, 5)
(b) ~u = (1, 2, 3), ~v = (1, 0, 1), w~ = (3, 1, 0) e ~z = (2, 1, 2)
~ = (2, 1, 1).
(c) ~u = (1, 1, 1), ~v = (1, 2, 3) e w

5.7 Espaco Linha e Espaco Coluna de Uma Matriz


Seja a matriz A = [aij ]mn em que aij R,

a11 a12 a1n
a21 a22 a2n
A = .. .

.. .. ..
. . . .
am1 am2 amn

Considere as linhas de A, L1 = (a11 , a12 , , a1n ), L2 = (a21 , a22 , , a2n ), , Lm = (am1 , am2 , ,
amn ) como vetores em Rn . Com essa consideracao as linhas da matriz A, L1 , L2 , , Lm geram
um subespaco de Rn , chamado de subespaco das linhas de A. Do mesmo modo, as colunas de A
consideradas como vetores em Rm , geram um subespaco de Rm chamado de espaco das colunas
de A.
Lembremos que podemos aplicar operacoes elementares nas linhas da matriz A e obter a matriz
B, que e a matriz equivalente por linhas a matriz A, em que cada linha li , com i = 1, 2, , m,
de B e obtida por operacoes elementares nas linhas de A. Temos de forma resumida o seguinte:
(i) O subespaco gerado pelas linhas da matriz A e igual ao subespaco gerado pelas linhas de B.

Teorema 13. Matrizes escalonadas reduzidas por linhas tem o mesmo espaco de linhas se, e
somente se, elas tem as mesmas linhas nao nulas.

Teorema 14. As linhas nao nulas de uma matriz na forma escalonada reduzida sao linearmente
independentes.

Exemplo 91. Mostre que o espaco U gerado pelos vetores ~u1 = (1, 2, 1, 3), ~u2 = (2, 4, 1, 2)
e ~u3 = (3, 6, 3, 7) e o espaco V gerado pelos vetores ~v1 = (1, 2, 4, 11) e ~v2 = (2, 4, 5, 14)
sao iguais.

Exemplo 92. Determine se as seguintes matrizes


tem o mesmo
espaco de linhas.
    1 1 1
1 1 5 1 1 2
A= ,B= e C = 4 3 1 .
2 3 13 3 2 3
3 1 3

5.8 Dimensao de Um Espaco Vetorial


Definicao 32. Seja V um espaco vetorial. Dizemos que V e um espaco vetorial de di-
mensao finita n ou n dimensional, com a notacao dim V = n, se V admite uma base
= {~v1 , ~v2 , , ~vn } com um numero finito n de elementos.

Exemplo 93. Seja o espaco vetorial U = {A|A = [aij ]; i = 1, 2 e j = 1, 2, 3; aij R}.


n 1 0 0   0 1 0   0 0 1   0 0 0   0 0 0   1 0 0 o
O conjunto = , , , , ,
0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1
e uma base de U (Verifique!)
Temos, dim U = 6.

37
Exemplo 94. Seja Pn o espaco vetorial dos polinomios de grau n, na variavel t.
O conjunto = {1, t, t2 , , tn } e uma base de Pn . (Verifique).
Temos, dim Pn = n + 1.
Exemplo 95. (a) Determine a dimensao do espaco vetorial V = {(x1 , x2 , , xn )|xi R; i =
1, 2, , n}.
(b) Seja W o espaco gerado pelos vetores ~v1 = (1, 2, 5, 3), ~v2 = (2, 3, 1, 4) e ~v3 = (3, 8, 3, 5).
Encontre uma base e a dimensao de W.
Teorema 15. Seja V um espaco vetorial de dimensao finita n. Entao todas as bases de V tem
n elementos.
Exemplo 96. (a) Os conjuntos {(1, 0), (0, 1)} e {(1, 1), (0, 1)} sao bases de R2 e dim R2 = 2.
(Verifique!)
(b) Os conjuntos {(1, t, t2 , t3 , , tn1 , tn )} e {(1, 1 t, (1 t)2 , , (1 t)n1 , (1 t)n )} sao
bases do espaco vetorial dos polinomios de grau n, Pn e dim Pn = n + 1.
Observacao 14. Define-se dim {~o} = 0, em que ~o e o elemento neutro do espaco vetorial V.
Teorema 16. Seja V um espaco vetorial gerado por um conjunto finito de vetores ~v1 , ~v2 , , ~vn .
Entao:
(i) Dentre esses vetores ~v1 , ~v2 , , ~vn podemos extrair uma base de V.
(ii) Qualquer conjunto com mais de n vetores e necessariamente L.D (e portanto, qualquer
conjunto L.I tem no maximo n vetores).
Veja o item (b) do exemplo 95 como exemplo.
Teorema 17. Seja V um espaco vetorial de dimensao finita n. Entao:
(i) Qualquer conjunto linearmente independente e parte de uma base , isto e, pode ser estendido
a uma base.
(ii) Um conjunto linearmente independente com n elementos e uma base.
Exemplo 97. (a) Seja V = R4 . O conjunto S = {(1, 1, 1, 1), (0, 1, 1, 1), (0, 0, 1, 1), (0, 0, 0, 1)} e
linearmente independente (Verifique!). Como dim R4 = 4, segue que S e uma base de R4 .
Teorema 18. Seja V um espaco vetorial de dimensao finita e sejam U e W subespacos de V .
Entao:
(i) dim U dim V e dim W dim V.
(ii) dim (U + W ) = dim U + dim W dim (U W ).
Exemplo 98. Verifique o teorema anterior para o caso em que V = R3 , U = {(a, b, 0)|a, b R}
e W = {(0, b, c)|b, c R}.

5.9 Coordenadas de Um Vetor em Relacao a Uma Base


Seja V um espaco vetorial n dimensional e considere uma base de V, = {~e1 , ~e2 , , ~en }.
Observe que um vetor ~v V e uma combinacao linear dos vetores da base , ou seja, existem
escalares a1 , a2 , , an tais que
~v = a1~e1 + a2~e2 + + an~en .
Definimos entao as coordenadas do vetor ~v em relacao a base , como sendo os escalares
a1 , a2 , , an . Usamos a notacao:

a1
a2
[~v ] = .. ou [~v ] = (a1 , a2 , , an ).

.
an

38
Exemplo 99. (a) Encontre as coordenadas do vetor ~v = (4, 3) em relacao a base = {(1, 0), (0, 1)}
do R2 .
Solucao: Para determinar as coordenadas do vetor ~v = (4, 3) em relacao a base , escreva ~v
como combinacao linear dos vetores da base , usando as variaveis escalares a, b, isto e, escreva
~v como segue, (4, 3) = a(1, 0) + b(0, 1). Dessa igualdade temos, (4, 3) = (a, b) = a = 4 e b = 3.
Portanto, [~v ] = (4, 3).

(b) Encontre as coordenadas do vetor ~v = (4, 3, 2) em relacao a base = {(1, 1, 1), (1, 1, 0), (1, 0, 0)}
do R3 .
Solucao: Para determinar as coordenadas do vetor ~v em relacao a base , escreva ~v como com-
binacao linear dos vetores da base usando as variaveis escalares a, b, c, isto e, escreva ~v como
segue, (4, 3, 2) = a(1, 1, 1) + b(1, 1, 0)+ c(1, 0, 0). Dessa igualdade temos (4, 3, 2) = (a + b +
a + b + c = 4
c, a + b, a). Ao resolvermos o sistema a + b = 3 encontraremos a = 2, b = 5
a = 2

e c = 7. Portanto, [~v ] = (2, 5, 7).
 
2 3
(c) Encontre as coordenadas do vetor ~v = em relacao a base
       4  7
1 1 0 1 1 1 1 0
= , , , do espaco vetorial V das matrizes de ordem
1 1 1 0 0 0 0 0
2 2.
Solucao: Para determinar as coordenadas do vetor ~v em relacao a base , escreva ~v como
combinacao linear dos vetores da base usando as variaveis escalares a, b, c, d isto e, escreva ~v
como
 segue,
        
2 3 1 1 0 1 1 1 1 0
=a +b +c +d . Da,
4 7 1 1 1 0 0 0 0 0
           
2 3 a a 0 b c c d 0 a+c+d abc
= + + + = . Ao
4 7 a a b 0 0 0 0 0 a+b a

a + c + d = 2
a b c = 3

resolvermos o sistema , encontraremos a = 7, b = 11, c = 21 e

a + b = 4
a = 7

d = 30. Portanto, [~v ] = (7, 11, 21, 30).

A seguir, trataremos de forma resumida os conceito de matriz de mudanca de uma base


para uma base . Para mais detalhes, consulte [1] [6].
Sejam agora = {~u1 , ~u2 , , ~un } e = {w ~ 2, , w
~ 1, w ~ n } duas bases de um espaco vetorial
V de dimensao finita n. Considere ~v um vetor de V e observe que:
(i) Podemos escrever ~v como combinacao linear dos vetores da base e obter [~v ] .
(ii) Podemos escrever ~v como combinacao linear dos vetores da base e obter [~v ] .
Em particular, para cada vetor w ~ i da base podemos escrever


w~ 1 = a11~u1 + a12~u2 + + a1n~un
w ~ 2 = a21~u1 + a22~u2 + + a2n~un

() .. ..


. = .
w
n~ = a ~u + a ~u + + a ~u
n1 1 n2 2 nn n

39

a11 a12 a1n
a21 a22 a2n
e obter a matriz dos coeficientes do sistema (), A = .. e a transposta da

.. .. ..
. . . .
an1 an2 ann

a11 a21 an1
a12 a22 an2
T
matriz A, A = .. .. . Definimos entao a matriz de mudanca da base

.. ..
. . . .
a1n a2n ann

a11 a21 an1
a12 a22 an2
para a base , com a notacao [A] , como sendo a matriz [A] = AT = .. .

.. .. ..
. . . .
a1n a2n ann
Chegamos tambem as seguintes relacoes:
(i) [~v ] = [A] [~v ]
(ii) [~v ] = [A] [~v ]
(iii) ([A] )1 = [A]

Exemplo 100. Sejam = {(2, 1), (3, 4)} e = {(1, 0), (0, 1)} bases de R2 e um vetor ~v de
R2 . Determine [A] , [~v ] para ~v = (5, 8).

5.10 Exerccios Complementares


1. Seja o conjunto V = {(a, b)|a, b R}. Mostre que V nao e espaco vetorial sobre R em
relacao a cada uma das seguintes operacoes de adicao em V e multiplicacao por escalar
em V :
(a) (a, b) + (c, d) = (a + c, b + d) e k(a, b) = (ka, b);
(b) (a, b) + (c, d) = (a, b) e k(a, b) = (ka, kb);
(c) (a, b) + (c, d) = (a + c, b + d) e k(a, b) = (k 2 a, k 2 b)

2. Mostre que:
(a) W = {(x1 , x2 , x3 )|x1 , x3 R e x2 = 0} e um subespaco do espaco vetorial V = R3 .
(b) U = {(x, y, z) R3 |ax + by + cz = 0, a, b, c R} e um subespaco do espaco vetorial
V = R3 .  
a b
(c) S = a, b R e um subespaco do espaco vetorial
0 0  
a b
V = M (2, 2) = a, b, c, d R .
c d
3. Mostre que:
(a) S = {(a, b, c)|a, b, c Q} nao e subespaco vetorial do espaco vetorial V = R3 .
(b) S = {(x, |x|)|x R} nao e subespaco do espaco vetorial V = R2 .
  
a b
4. Seja o espaco vetorial V = M (2, 2) = a, b, c, d R . Mostre que W nao e
c d
subespaco vetorial onde:
(a) W = {A M |det A = 0}.
(b) W = {A M |A2 = A}.

5. Escreva o vetor ~v = (1, 2, 5) como combinacao linear dos vetores ~e1 = (1, 1, 1), ~e2 =
(1, 2, 3) e ~e3 = (2, 1, 1).

40
6. Verifique se o vetor ~v = (2, 5, 3) e combinacao linear dos vetores ~e1 = (1, 3, 2), ~e2 =
(2, 4, 1) e ~e3 = (1, 5, 7).

7. Para qual valor de k sera o vetor ~u = (1, 2, k) em R3 uma combinacao linear dos vetores
~v = (3, 0, 2) e w
~ = (2, 1, 5)?

8. Escreva o polinomio ~v = t2 +4t3 como combinacao linear dos polinomios ~e1 = t2 2t+5,
~e2 = 2t2 3t e ~e3 = t + 3.
     
3 1 1 1 0 0
9. Escreva a matriz como combinacao linear das matrizes , e
  1 1 1 0 1 1
0 2
.
0 1

~ = (0, 0, 1) geram R3 .
10. Mostre que os vetores ~u = (1, 2, 3), ~v = (0, 1, 2) e w

11. Mostre que W = {(a, b, 0)|a, b R} e gerado por ~u = (1, 2, 0) e ~v = (0, 1, 0).

12. Mostre que W = {(a, b, 0)|a, b R} e gerado por ~u = (2, 1, 0) e ~v = (1, 3, 0).

13. Mostre que os polinomios (1 t)3 , (1 t)2 , (1 t) e 1 geram o espaco dos polinomios de
grau 3.

14. Sejam U = {(a, b, c)|a + b + c = 0; a, b, c R}, V = {(a, b, c)|a = c; a, b R} e W =


{(0, 0, c)|c R} subespacos de R3 . Mostre que:
(a) R3 = U + V
(b) R3 = U + W
(c) R3 = V + W
(d) Em quais dos itens anterior a soma e direta?

15. Determine se cada um dos conjuntos a seguir forma uma base de R3 .


(a) = {(1, 2, 1), (0, 3, 1)}
(b) = {(2, 4, 3), (0, 1, 1), (0, 1, 1)}
(c) = {(1, 5, 6), (2, 1, 8), (3, 1, 4), (2, 1, 1)}
(d) = {(1, 3, 4), (1, 4, 3), (2, 3, 11)}

16. Encontre uma base e a dimensao do subespaco W de R4 gerado por:


(a) = {(1, 4, 1, 3), (2, 1, 3, 1), (0, 2, 1, 5)}
(b) = {(1, 4, 2, 1), (1, 3, 1, 2), (3, 8, 2, 7)}

17. Verifique se os conjuntos abaixo sao subespacos vetoriais. Em caso afirmativo, exiba ge-
radores.   
a b
(a) V = a, b, c, d R e b = c (de M (2, 2)).
c d
  
a b
(b) W = a, b, c, d R e b = c + 1 (de M (2, 2)).
c d
  
a a+b
(c) S = a, b R (de M (2, 2)).
a b
(d) U = {(1, a, b)|a, b R} (de R3 ).
(e) P = {(x, x + 3)|x R} (de R2 ).
(f) T = {(a, 2a, 3a)|a R} (de R3 ).

18. Exiba uma base e de a dimensao de cada conjunto do exerccio 17 que e subespaco vetorial.

41
19. Sejam U = {(a, b, c, d)|b + c + d = 0; a, b, c, d R} e W = {(a, b, c, d)|a + b = 0, c =
2d; a, b, c, d R} subconjuntos de R4 . Verifique se U e W sao subespacos de R4 . Em caso
afirmativo, determine a dimensao de U e a dimensao de W.

4
20. Considere o 
subespaco de  R , S = [(1, 1, 2, 4), (1, 1, 1, 2), (1, 4, 4, 8)].
2
(a) O vetor , 1, 1, 2 pertence a S?
3
(b) O vetor (0, 0, 1, 1) pertence a S?

21. Encontre as coordenadas do vetor ~v = (x, y, z) em relacao a base = {(1, 1, 1), (1, 1, 0),
(1, 0, 0)} do R3 .

22. Seja V = {at2 +bt+c|a, b, c R} o espaco vetorial dos polinomios de grau 2 e considere
a base = {~e1 , ~e2 , ~e3 } de V, em que ~e1 = 1, ~e2 = (t1) e ~e3 (t1)2 = t2 2t+1. Determine
[~v ] , onde ~v = t2 + t.

23. Sejam o espaco vetorial U = {A|A = [aij ]; i = 1, 2 e j = 1, 2, 3; aij R} e =


n 1 0 0   0 1 0   0 0 1   0 0 0   0 0 0   1 0 0 o
, , , , , uma base
0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1
de U. Determine:  
1 2 3
(a) [~u1 ] em que ~u1 = .
4 0 1 
1 3 4
(b) [~u2 ] em que ~u2 = .
 6 5 4 
3 8 11
(c) [~u3 ] em que ~u3 = . (d) Se os vetores ~u1 , ~u2 e ~u3 sao L.I.ou L.D.
16 10 9

24. Sejam = {(1, 0), (0, 1)}, 1 = {(1, 1), (1, 1)}, 2 = {( 3, 1), ( 3, 1)} e 3 = {(2, 0), (0, 2)}
bases de R2 e o vetor ~v = (3, 2). Determine:
(a) [A]1 (b) [A]1 (c) [A]2 (d) [A]3 (e) As coordenadas de ~v em relacao a cada base
usando a respectiva matriz da mudanca de base.

25. Determinar [~v ] onde ~v = (1, 2, 1) R3 e = {(1, 0, 1), (0, 1, 2), (2, 3, 5)} e uma
base de R3 .

3
26. Determinar ~v = (x, y, z) R3 sabendo que [~v ] = 4 e = {(3, 1, 1), (0, 1, 0), (0, 0, 1)}.
2

27. Sejam e bases de R3 . Determine [A] em cada caso.


(a) = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e = {(1, 0, 1), (0, 1, 2), (2, 3, 5)}.
(b) = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} e = {(3, 1, 1), (0, 1, 0), (0, 0, 1)}.

28. Determine [A] onde = {(3, 2), (4, 2)} e = {(1, 2), (2, 3)} sao bases de R2 .

29. Determine [~p] onde p~ = 3x3 2x2 + 4 e = {1, x, x2 , x3 } e a base canonica de P3 .

42
Captulo 6

Transformacao Linear

6.1 Funcao
Definicao 33. Dados dois conjuntos A e B, denomina-se funcao de A em B uma regra que a
cada elemento de A associa um unico elemento de B. Em smbolos:
f :AB
a 7 f (a)
Observacao 15. (i) A e o domnio da funcao f, denotado por D(f ).
(ii) B e o contradomnio de f, denotado por CD(f ).
(iii) A imagem de f e o conjunto Im(f ) = {f (a) | a A} B.
Exemplo 101. Seja a funcao f : A B definida por f (x) = 2x 1, onde A = {1, 2, 3} e
B = {0, 1, 3, 5, 6}. Determine D(f ), CD(f ) e Im(f ).
Seja a funcao f : A B. Dizemos que:
(i) f sera injetora se para quaisquer x, y A, com x 6= y, tem-se f (x) 6= f (y) (ou equivalente-
mente se para quaisquer x, y A, com f (x) = f (y) tem-se x = y);
(ii) f sera sobrejetora se Im(f ) = B;
(iii) f sera bijetora se f for injetora e sobrejetora.

Exemplo 102. Verifique se as funcoes a seguir sao bijetoras.


(a) f : R R+ definida por f (x) = x2
(b) f : R+ R+ definida por f (x) = x2
Sejam f (x) e g(x) duas funcoes tais que Im(f ) D(g). A funcao dada por h(x) = g(f (x)),
x D(f ) denomina-se funcao composta de g e f, com a notacao usual g f,

g(f (x)) = (g f )(x), x D(f ).


Exemplo 103. Determine f g e g f, caso existam.
(a) f : R R; f (x) = 2x + 1 e g : R R; g(x) = x2 + 3x (b) f : R R+ ; f (x) = x2 e
g : R+ R+ ; g(x) = x
(c) f : R+ R; f (x) = 1 + x e g : R R; g(x) = 2x 1
Seja f : A B uma funcao bijetora, isto e, f e injetora e Im(f ) = B. A funcao inversa
de f e a funcao
f 1 : B A
b 7 f 1 (b) = a,
onde a e o unico elemento de A tal que f (a) = b.

43
Observacao 16. f : A B funcao bijetora, f (a) = b, com f 1 ,
(i) (f f 1 )(b) = b
(ii) (f 1 f )(a) = a.

6.2 Transformacao Linear


Definicao 34. Sejam E e F espacos vetoriais. Uma transformacao linear de E em F e uma
funcao T de E em F,
T :EF
~v 7 T (~v )
que satisfaz as seguintes condicoes:
(i) T (~u + ~v ) = T (~u) + T (~v ), para quaisquer ~u, ~v E;
(ii) T (k~u) = kT (~u), para qualquer ~u E e qualquer escalar k.

Observacao 17. No item (ii) da definicao anterior, substituindo k = 0 obtemos T (0 ~u) =


T (~o) = 0 ~u = ~o, em que ~o e ~o sao respectivamente os vetores nulos de E e F.

Exemplo 104. Sejam E e F espacos vetoriais. Verifique, em cada caso a seguir, se T e


transformacao linear.
(a) T : R3 R2 , definida for T (x, y, z) = (x, y).
(b) T : R2 R2 , definida por T (x, y) = (x + 1, x + 2).
(c) T : E F, definida por T (~v ) = ~o, em que ~o e o elemento neutro de F.
(d) T : E E, definida por T (~v ) = ~v .  
3 2 1 3 5
(e) T : R R , definida por T (~v ) = A ~v , em que A = e os vetores R3 e R2
2 4 1
sao representados na forma matricial.
(f ) E = P3 (espaco vetorial dos polinomios de grau 3), T : E E que a cada polinomio de
P3 associa sua derivada primeira.

A definicao a seguir apresenta algumas transformacoes lineares, que merecem atencao para
a sua interpretacao geometrica, uma vez que estas podem ser encontradas em aplicacoes rela-
cionadas a fsica e a computacao [1] e [2].

Definicao 35. As funcoes a seguir definem em cada item um tipo de transformacao linear.
(i) (Projecao de R3 em R2 ) T : R3 R2 , definida por T (x, y, z) = (x, y). Em notacao
matricial:
x   x  
1 0 0 x
T y = y =
.
0 1 0 y
z z
(ii) (Dilatacao/Contracao de R3 em R3 ) T : R3 R3 , definida por T (x, y, z) = (x, y, z),
sendo uma dilatacao se > 1 e uma contracao se 0 < r < 1. Em notacao matricial:

x 0 0 x x
T y = 0 0 y = y .
z 0 0 z z

(iii) (Reflexao em Relacao ao Eixo x) T : R2 R2 , definida por T (x, y) = (x, y). Em


notacao matricial:        
x 1 0 x x
T = = .
y 0 1 y y

44
(iv) (Rotacao de um Angulo no sentido anti-horario) T : R2 R2 , definida por
T (x, y) = (x cos() y sen(), y cos() + x sen()). Em notacao matricial:
       
x cos() sen() x x cos() y sen()
T = = .
y sen() cos() y y cos() + x sen()

(v) (Cisalhamento Horizontal) T : R2 R2 , definida por T (x, y) = (x + y, y), R.


Em notacao matricial:
       
x 1 x x + y
T = = .
y 0 1 y y

(vi) (Cisalhamento Vertical) T : R2 R2 , definida por T (x, y) = (x, x + y), R. Em


notacao matricial:        
x 1 0 x x
T = = .
y 1 y x + y
Exemplo 105. Faca o esboco dos vetores ~v e T (~v ), para cada transformacao linear da definicao
anterior, conforme os itens a seguir.
(a) ~v = (1, 2, 3) para o item (i).
(b) ~v = (1, 2, 3) e = 2, 21 para o item (ii).
(c) ~v = (5, 3) para o item (iii).
(d) ~v = (1, 2) e = 3 para o item (iv).
(e) ~v = (2, 3) e = 2 para o item (v).
(f ) ~v = (2, 3) e = 2 para o item (vi).

6.3 Operacoes Com Transformacoes Lineares


Sejam U, V e W espacos vetoriais e as transformacoes lineares F : U V, G : V W e
H : U V. Entao sao tambem transformacoes lineares:
(i) (F + H) : U V, definida por (F + H)(~u) = F (~u) + H(~u).
(ii) kF : U V, definida por (kF )(~u) = kF (~u), para qualquer escalar k.
(iii) (G F ) : U W, definida por G(F (~u)).
Exemplo 106. Sejam F : R3 R2 e G : R3 R2 definidas por F (x, y, z) = (2x, y + z) e
G(x, y, z) = (x, y, z) = (x z, y).
(a) Verifique se F e G sao transformacoes lineares.
(b) Encontre F + G, 3F, 2F e 2F 5G e verifique se estas sao transformacoes lineares.
Definicao 36. Sejam F : R3 R2 e G : R2 R2 definidas por F (x, y, z) = (2x, y + z) e
G(x, y) = (y, x).
(a) Verifique se F e G sao transformacoes lineares.
(b) Encontre, caso existam, F G e G F e verifiquem se sao transformacoes lineares.

6.4 Nucleo e Imagem de Uma Transformacao Linear


Definicao 37. Sejam U e V espacos vetoriais e T : U V uma transformacao linear. Defi-
nimos:
(i) A imagem de T como sendo o conjunto Im(T ) = {~v V |T (~u) = ~v , para algum ~u U }. A
imagem de T tambem pode ser denotada por T (U ).
(ii) O nucleo de T, denotado por ker T, como sendo o conjunto ker T = {~u U |T (~u) = ~o} em
que ~o e o vetor nulo de V.

45
Exemplo 107. Determine ker T e Im(T ) em cada caso a seguir.
(a) T : R3 R3 , definida por T (x, y, z) = (x + 2y z, y + 2z, x + 3y + z).
(b) T : R3 R3 , definida por T (x, y, z) = (x, y, 0).
(c) T : R3 R2 , definida por T (x, y, z) = (x y + 4z, 3x + y + 8z)
(d) T : R2 R2 , definida por T (x, y) = (x + y, 2x y).
(e) T : R2 R3 , definida por T (x, y) = (x 2y, 0, x).

Exemplo 108. Seja T : R2 R2 , definida por T (x, y) = (x 2y, 2x + 3y).


(a) (5, 3) Im(T )?
(b) (2, 1) ker(T )?
(c) Exiba um vetor que pertenca a ker(T ).

Definicao 38. Uma transformacao linear T : V V e chamada de operador linear.

Teorema 19. Sejam V e W espacos vetoriais, = {~v1 , ~v2 , , ~vn } uma base de V e w ~ 2, , w
~ 1, w ~n
vetores quaisquer em W. Entao existe uma unica transformacao linear T : V W tal que
T (~v1 ) = w ~ 2 , , T (~vn ) = w
~ 1 , T (~v2 ) = w ~ n . E ainda, se ~v = a1~v1 + a2~v2 + + an~vn , entao
T (~v ) = T (a1~v1 +a2~v2 + +an~vn ) = T (a1~v1 )+T (a2~v2 )+ +T (an~vn ) = a1 w ~ 2 + an w
~ 1 +a2 w ~ n.

Em outras palavras, o teorema anterior afirma que uma transformacao linear T : V W


fica completamente definida conhecendo uma base = {~v1 , ~v2 , , ~vn } de V e as imagens dos
vetores dessa base. Os vetores T (~v1 ), T (~v2 ), , T (~vn ) (que sao as imagens dos respectivos
vetores ~v1 , ~v2 , , ~vn da base ) geram a imagem Im(T ) da transformacao linear T. Veja os
exemplos a seguir.

Exemplo 109. Seja T : R3 R2 uma transformacao linear e = {~v1 , ~v2 , ~v3 } uma base de
R3 , em que ~v1 = (0, 1, 0), ~v2 = (1, 0, 1) e ~v3 = (1, 1, 0). Determine T (5, 3, 2) sabendo que
T (~v1 ) = (1, 2), T (~v2 ) = (3, 1) e T (~v3 ) = (0, 2).

Exemplo 110. Seja a transformacao linear T : R3 R3 , definida por T (x, y, z) = (x + 2y +


2z, x + 2y z, x + y + 4z). Determine:
(a) o vetor ~u R3 tal que T (~u) = (1, 8, 11);
(b) o vetor ~v tal que T (~v ) = ~v .

Exemplo 111. Sejam a transformacao linear T : R2 R3 e = {(1, 1), (1, 2)} uma base
de R2 . Determine T (x, y) sabendo que T (1, 1) = (3, 2, 2) e T (1, 2) = (1, 1, 3).

Exemplo 112. Encontre a transformacao linear T : R2 R3 tal que T (1, 1) = (3, 2, 1) e


T (0, 2) = (0, 1, 0).

Teorema 20. Sejam V e W espacos vetoriais e T : V W uma transformacao linear. Sao


validos os seguintes resultados.
(i) ker T e um subespaco vetorial de V.
(ii) Im(T ) e um subespaco vetorial de W.
(iii) T e injetora se, e somente se, ker T = {~o}, em que ~o e o vetor nulo de V.
(iv) Se V e de dimensao finita, entao dim(V ) = dim(ker T ) + dim(Im(T )).

Exemplo 113. Determine quais transformacoes lineares do exemplo (107) sao injetoras.

Exemplo 114. Seja a funcao T : R4 R3 definida por T (x, y, s, t) = (x y + s + t, x + 2s


t, x+y +3s3t). Mostre que T e uma transformacao linear e determine uma base e a dimensao
de:
(a) Im(T ).
(b) ker T.

46
Exemplo 115. Seja a funcao T : R3 R3 definida por T (x, y, z) = (x+2yz, y+z, x+y2z).
Mostre que T e uma transformacao linear e determine uma base e a dimensao de:
(a) Im(T ).
(b) ker T.

Corolario 1. Seja T : V W uma transformacao linear. Entao:


(i) Se dim V = dim W entao T e injetora se, e somente se, T e sobrejetora.
(ii) Se dim V = dim W e T e injetora, entao T leva base em base, isto e, se = {~v1 , ~v2 , , ~vn }
e uma base de V, entao = {T (~v1 ), T (~v2 ), , T (~vn )} e uma base de W.

6.5 Transformacao Linear e Matriz


Vimos no item (e) exemplo (104) que T : R3 R2 , definida por T (~v ) = A ~v , em que
1 3 5
A= e uma transformacao linear. De modo geral, sejam os espacos vetoriais
2 4 1
Rn e Rm e a matriz A = [aij ]mn . A funcao T : Rn Rm , definida por T (~v ) = A ~v e uma
transformacao linear. A cada matriz A = [aij ]mn esta associada uma transformacao linear
T : Rn Rm , definida por T (~v ) = A ~v . Observe que nessa situacao, os vetores de Rn e Rm
sao representados na forma matricial.

Exemplo 116. A transformacao linear T : R3 R3 , definida


por T(x1 , x2 , x3 ) = (2x
2
1 + x
x1 2 1 1 x1
x3 , x1 +3x2 2x3 , 3x2 +4x3 ) pode ser escrita como T x2 = 1 3 2 x2 =
x3 0 3 4 x3
2x1 + x2 x3
x1 + 3x2 2x3 .
3x2 + 4x3

2x1 + x2 x3 x1
No exemplo anterior, observe que x1 + 3x2 2x3 e x2 representam, respectiva
3x2 + 4x3 x3
mente, as coordenadas dos vetores ~v = (2x1 +x2 x3 , x1 +3x2 2x3 , 3x2 +4x3 ) e ~u = (x1 , x2 , x3 )
em relacao a canonica = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} de R3 .
 
1 3 5
Exemplo 117. Seja a matriz A = . Encontre a transformacao linear T : R3
2 4 1
R2 definida por T (~v ) = A ~v .

Vamos agora encontrar a matriz associada a uma transformacao linear.

Sejam V e W espacos vetoriais tais que dim V = n e dim W = m e considere as respectivas


bases = {~v1 , ~v2 , , ~vn } e = {w ~ 2, , w
~ 1, w ~ m } de V e W. Seja a transformacao linear
T : V W. Observe que os vetores T (~v1 ), T (~v2 ), , T (~vn ) sao vetores W, logo sao escritos
como combinacao linear dos vetores da base como segue,

T (~v1 ) = a11 w ~ 2 + + a1m w


~ 1 + a12 w ~m

T (~v2 ) = a21 w ~ 2 + + a2m w


~ 1 + a22 w ~m
..
.
T (~vn ) = an1 w ~ 2 + + anm w
~ 1 + an2 w ~ m.

47
As coordenadas decada vetor T
(~vi ) da base sao:
a11 a21 an1
a12 a22 an2
[T (~v1 )] = .. , [T (~v2 )] = .. , , [T (~vn )] = .. . Considere agora a matriz

. . .
a1m a2m anm
de ordem m n em
A que as colunas 1, 2, , n sao os respectivos [T (~vi )] , isto e, A =
a11 a21 an1
a12 a22 an2
.. . A matriz assim definida e chamada de matriz de T em relacao as

.. .. ..
. . . .
a1m a2m anm
bases e e sera denotada por A = [T ] . Desta forma, T passa a ser a aplicacao linear
associada a matriz A = [T ] e bases e e ainda,

[T (~v )] = [T ] [~v ] .

Exemplo 118. Encontre a matriz da transformacao linear T : R3 R2 , definida por T (x, y, z) =


(x 2y, 2x + y) em relacao as bases canonicas de R3 e R2 .

Exemplo 119. Seja a transformacao linear T : R3 R2 , definida por T (x, y, z) = (2x + y


z, 3x 2y + 4z). Determine [T ] nos seguintes casos.
(a) Quando = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} e = {(1, 3), (1, 4)}.
(b) Quando = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e = {(1, 0), (0, 1)}.

Exemplo 120. (a)Sejam as bases = {(1, 1), (0, 1)} e = {(0, 3, 0), (1, 0, 0), (0, 1, 1)} de
R2 e de R3 , respectivamente.
Encontre a transformacao linear T : R2 R3 cuja matriz e
0 2

[T ] = 1 0 .

1 3
(b) Sejam as bases = {(1, 2), (1, 1)} e = {(1, 0), (0, 1)} bases de R2 . Seja o vetor ~v = (2, 1),

2 2 3 0
encontre T (~v ) onde T e a transformacao linear T : R R cuja matriz e [T ] = .
0 3

Exemplo 121. Sejam os espacos vetoriais P2 e P1 (Pn = {f : R R}|f e polinomio de grau


df
n) e a transformacao linear T : P2 P1 , definida por T (f ) = . Encontre [T ] , em que
dt
= {1, t, t2 } e = {1, t} sao bases de P2 e P1 , respectivamente.

Exemplo 122. Sejam as transformacoes lineares T1 e T2 de R3 em R3 , definidas por T1 (x, y, z) =


(2x + y, 0, x + z) e T2 (x, y, z) = (x y, z, y) e seja a base canonica de R3 . Determine:
(a) T1 T2 e T2 T1 , caso estejam definidas.
(b) [T1 T2 ] e [T2 T1 ] , de acordo o item (a).
(c) [T1 T2 ] e [T2 T1 ] , de acordo o item (a), em que = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} e uma
base de R3 .

Exemplo 123. Sejam as transformacoes lineares T1 : R2 R3 , definida por T (x, y) = (x, x +


y, y) e T2 : R3 R2 , definida por T (x, y, z) = (0, y) e sejam e as bases canonicas de R2 e
de R3 , respectivamente. Determine:
(a) [T1 ]
(b) [T2 ]
(c) T1 T2 e T2 T1 , caso estejam definidas.
(d) [T1 T2 ] e [T2 T1 ] , de acordo o item (c).

48
6.6 Exerccios Complementares
1. Determine quais das funcoes a seguir sao transformacoes lineares.
(a) T : R2 R2 , definida por T (x, y) = (x + y, x)
(b) T : R3 R, definida por T (x, y, 3y + 4z)
z) = (2x   
a b a b
(c) T : M (2, 2) R, definida por T = det
c d c d
(d) T : R2 R, definida por T (x, y) = xy
(e) T : R2 R3 , definida por T (x, y) = (x + 1, 2y, x + y)
(g) T : R3 R2 , definida por T (x, y,
z) = (|x|,
0)  
a b a b
(h) T : M (2, 2) R, definida por T = tr
c d c d
(i) T : P2 P3 , definida por T (ax2 + bx + c) = ax3 + bx2 + cx, onde P2 e P3 sao o espaco
de polinomios de grau 2 e 3, respectivamente.

2. Defina transformacao linear:


(a) injetora (b) sobrejetora (c) bijetora

3. Seja T : R2 R2 , definida por T (x, y) = (2x y, 8x + 4y).


(a) Os vetores (1, 4), (5, 0) e (3, 12) pertencem a imagem de T?
(b) Os vetores (5, 10), (3, 2) e (1, 1) pertencem ao nucleo de T?

4. Seja T : R4 R3 a transformacao linear tal que T (~e1 ) = (1, 2, 1), T (~e2 ) = (1, 0, 1),
T (~e3 ) = (0, 1, 2) e T (~e4 ) = (1, 3, 1), sendo {~e1 , ~e2 , ~e3 , ~e4 } a base canonica de R4 . De-
termine T (x, y, z, w), ker(T ) e Im(T ).

5. Seja a transformacao linear T : R3 R2 , definida por T (x, y, z) = (2x + y z, x + 2y) e


as bases = {(1, 0, 0), (2, 1, 0), (0, 1, 1)} do R3 e = {(1, 1), (0, 1)} do R2 . Determine
a matriz [T ] .

6. Seja a transformacao linear T : R2 R3 e sejam = {(1, 1), (1, 0)} base de R2 e


= {(1, 1, 1), (2, 1, 0), (3, 0, 1)} base do R3 . Determine T e [T ] sabendo que [T ] =

3 1
2 5 .
1 1
(Observacao: [T] e a matriz da mudanca de base da base canonica de R2 para a base
canonica de R3 .)

1 2
7. Seja [T ] = 2 0 , onde T : R2 R3 . Determine T (x, y) e ~v sendo T (~v ) =
1 3
(2, 4, 2).

8. Seja T : R3 R2 uma transformacao linear tal que T (1, 1, 1) = (1, 2), T (1, 1, 0) = (2, 3)
e T (1, 0, 0) = (3, 4). Determine: (a) T (x, y, z) (b) ~v tal que T (~v ) = (3, 2)
(c) ~v tal que T (~v ) = (0, 0).

49
Captulo 7

Autovalores e Autovetores

Definicao 39. Uma transformacao linear T : V V e chamada de operador linear.


Exemplo 124. T : R3 R3 , definida por T (x, y, z) = (x + 2y z, y + 2z, x + 3y + z).
Daqui em diante, usaremos o termo operador linear para nos referir a uma transformacao
linear de um espaco vetorial nele mesmo. E o objetivo agora e saber quais vetores de um espaco
vetorial V sao levados em um multiplo escalar de si mesmo, por um operador linear T, isto e,
queremos encontrar um vetor ~v V e um escalar tal que

T (~v ) = ~v .

Definicao 40. Sejam V um espaco vetorial e T : V V um operador linear. Um vetor ~v V,


diferente do vetor nulo de V, e chamado de autovetor do operador T se existe um escalar
tal que
T (~v ) = ~v .
O escalar e chamado de autovalor do operador T associado ao vetor ~v .
Exemplo 125. Seja o operador linear I : V V, definido por I(~v ) = ~v . Encontre os autova-
lores e autovetores do operador I.
Exemplo 126. Seja T : R2 R2 , definida por T (x, y) = (4x + 5y, 2x + y).
(a) Verifique que T e operador linear.
(b) Encontre o autovalor do operador T associado ao vetor ~v = (5, 2).
(c) Verifique se o vetor ~v = (2, 1) e autovetor do operador T.
 
1 2
Exemplo 127. Seja a matriz A = .
3 2
(a) Encontre a transformacao linear T associada a matriz A e explique que T e operador linear.
(b) Encontre os autovalores e autovetores do operador linear T.
Seja agora o polinomio f (t) = an tn + an1 tn1 + + a1 t + a0 , t R. Se A = [aij ]nn ,
aij R e uma matriz, entao podemos escrever

f (A) = an An + an1 An1 + + a1 A + a0 I,

em que I e a matriz identidade. Em particular, se f (A) = 0, dizemos que A e raiz ou zero do


plinomio f (t).
 
1 2
Exemplo 128. Sejam a matriz A = e os polinomios f (t) = 2t2 3t + 7 e g(t) =
3 4
t2 5t 2. Determine f (A) e g(A).

50
Vimos que dada uma matriz quadrada A = [aij ]nn , tem-se a transformacao linear T :
Rn Rn associada a matriz A = [aij ]nn , definida por T (~v ) = A ~v e a matriz A = [aij ]nn
e entendida como sendo a matriz da mudanca de base da transformacao linear (quando nao
for mencionado as bases, fica entendido entao que trata-se da base canonica). Dessa forma
podemos definir o autovalor e autovetor da matriz A = [aij ]nn .

Definicao 41. Seja uma matriz quadrada A = [aij ]nn . Um escalar e um autovalor de
A = [aij ]nn se existe um vetor ~v diferente do vetor nulo tal que A ~v = ~v .

Teorema 21. Seja uma matriz quadrada A = [aij ]nn .


(i) Um autovalor da matriz A e um escalar talque que det(A I) = 0, em que I e a matriz
identidade de ordem n n.
(ii) Um autovetor da matriz A e um vetor ~v diferente do vetor nulo tal que (A I)~v = ~o, em
que ~o e o vetor nulo e I e a matriz identidade de ordem n n.

Do teorema anterior podemos definir,


(i) det(A I) = 0 e a equacao caracterstica;
(ii) det(A I) e um polinomio de grau n chamado de polinomio caracterstico, denotado
por p().

As razes do polinomio caracterstico sao os autovalores da matriz A = [aij ]nn . Os autove-


tores da matriz A = [aij ]nn sao encontrados ao substituir o valor de em (A I)~v = ~o.

Exemplo 129. Encontre os autovalores e autovetores associados


as matrizes a seguir.
1 0 0 0
  2 1 0
2 12 0 1 5 10
(a) A = (b) B = 0 2 0 (c) C = (d) D =
1 5 1 0 2 0
0 0 2
  1 0 0 3
16 10
16 8

Exemplo 130. Determinar os autovalores e autovetores do operador linear T (x, y, z) = (3x


y + z, x + 5y z, x y + 3z).

Teorema 22. Sejam o operador linear T : V V e ~v um autovetor associado ao autovalor .


(i) Qualquer vetor w ~ V da forma w ~ = ~v , 6= 0 tambem e autovetor do operador T
associado a .
(ii) S = {~o} {~v V |~v e autovetor associado a } e um subespaco de V, em que ~o e o vetor
nulo de V.

Teorema 23. Seja o operador linear T : V V.


(i) Os autovetores associados a autovalores distintos do operador T sao linearmente indepen-
dente.
(ii) Se dim V = n e se o operador T possui n autovalores distintos 1 , 2 , , n , entao o con-
junto dos autovetores {~v1 , ~v2 , , ~vn } associados, respectivamente aos autovalores 1 , 2 , , n
e uma base de V.

Exemplo 131. (a) Determine o operador T : R2 R2 sabendo que 1 = 2 e 2 = 3 sao


autovalores associados aos autovetores ~v1 = (1, 1) e ~v2 = (1, 0), respectivamente.
(b) Encontre [T ] , em que = {(1, 1), (1, 0)}.

51
7.1 Exerccios Complementares
1. Verifique se os vetores
 dados
 sao autovetores das respectivas matrizes.
2 2
(a) ~v = (2, 1) e
1 3

1 1 1
(b) ~v = (1, 1, 2) e 0 2 1
0 2 3

1 1 0
(c) ~v = (2, 1, 3) e 2 3 2
1 2 1
2. Mostre, em cada caso, que T e um operador linear. Depois determine os respectivos
autovalores e autovetores.
(a) T : R2 R2 , T (x, y) = (x + 2y, x + 4y)
(b) T : R2 R2 , T (x, y) = (2x + 2y, x + 3y)
(c) T : R2 R2 , T (x, y) = (5x y, x + 3y)

3. Determine
 osautovetores e autovalores das matrizes a seguir.
1 3
(a)
1 5
 
2 1
(b)
3 4

1 1 0
(c) 2 3 2
1 1 2

3 1 3
(e) 0 2 3
0 0 1

1 2 1
4. Seja a matriz A = 1 0 1 .
4 4 5
(a) Encontre o polinomio caracterstico da matriz A.
(b) Sabendo que = 1 e uma raiz do polinomio p() = 3 62 + 11 6, encontre os
autovalores e autovetores associados a matriz A.

3 0 0 0
4 1 0 0
5. Sejam a matriz A = 0 0 2 1 e o escalar .

0 0 0 2
(a) Calcule o determinante de (A I4 ), onde I4 e a matriz identidade de ordem 4 4.
(b) Sabendo que = 3 e um autovalor da matriz A encontre os autovetores de A associados
a = 3.

52
Referencias Bibliograficas

[1] BOLDRINI, J. L.; COSTA, S. I. R.; FIGUEIREDO, V. L.; WETZLER, H. G. Algebra


Linear, 3a ed. Sao Paulo: Harper & Row do Brasil, 1980.

[2] KOLMAN, B.; HILL, D. R.; Introducao a Algebra Linear com Aplicacoes, 8a ed. Rio de
Janeiro: LTC, 2010.

[3] SANTOS, R. J.; Um Curso de Geometria Analtica e Algebra Linear. Belo Horizonte:
Imprensa Universitaria da UFMG, 2010.

[4] LAY, D. C.; Algebra Liner e suas aplicacoes, 2a ed. Rio de Janeiro: LTC, 2007.

[5] LEON, S. J.; Algebra Linear com aplicacoes, 8a ed. Rio de Janeiro: LTC, 2011.

[6] LIPSCHUTZ, S.; Algebra Linear Colecao Shaum, 2a ed.. Sao Paulo: McGraw-Hill.

[7] STREINBRUCH, A.; WINTERLE, P. Algebra Linear, 2005. Sao Paulo: McGraw-Hill.

53