Escolar Documentos
Profissional Documentos
Cultura Documentos
1.1 Introdução
Aprenderemos aqui, os conceitos básicos sobre matrizes, fazendo um estudo sobre as suas
principais estruturas e também as aplicando para resolver alguns problemas.
1.2 Definição de Matriz Uma matriz 𝑚 × 𝑛 é uma tabela de 𝑚 linhas e 𝑛 colunas, onde seus
elementos podem ser números reais ou complexos, funções ou ainda outras matrizes.
Massa(kg) Altura(m)
Pessoa 1 60 1,70
Pessoa 2 55 1,60
Pessoa 3 65 1,75
Assim, dessa tabela podemos extrair a matriz com 3 linhas e 2 colunas, denotada por 𝑀3x2:
60 1,70
𝑀3x2=[55 1,60]
65 1,75
De modo geral, podemos escrever uma matriz de 𝑚 linhas e 𝑛 colunas da seguinte maneira:
Observação: também, em alguns textos, são utilizados parênteses para representar uma
matriz.
1.2.1 Definição As matrizes 𝐴𝑚×𝑛 = [𝑎𝑖𝑗 ]𝑚×𝑛 e 𝐵𝑟×𝑠 = [𝑏𝑖𝑗 ]𝑟×𝑠 , são iguais, (𝐴 = 𝐵), se elas
tem o mesmo número de colunas e o mesmo número de linhas (𝑚 = 𝑟; 𝑛 = 𝑠), e todos os seus
elementos correspondentes são iguais (𝑎𝑖𝑗 = 𝑏𝑖𝑗 ).
4 0
Exemplo: [√16 𝑠𝑒𝑛(𝑂)] = [ ]
1 9 1 3²
1.3.1 Matriz linha É aquela cujo o 𝑚 é 1, ou seja, tem apenas uma linha.
1.3.2 Matriz coluna É aquela cujo o 𝑛 é 1, ou seja, tem apenas uma coluna.
1
1
Exemplos: 𝑀2x1=( ) 𝑀3x1=[2]
25
3
1.3.3 Matriz nula É aquela em que seus elementos 𝑎𝑖𝑗 = 0, para todo 𝑖 e 𝑗.
0 0 0 0 0
Exemplos: 𝑀2x2=( ) 𝑀2x3=[ ]
0 0 0 0 0
1.3.4 Matriz quadrada É aquela que tem o número de linhas igual ao número de colunas
(𝑚 = 𝑛).
1 2
Exemplos: 𝑀1x1=[65] 𝑀2x2=[ ]
−3 8
1.3.5 Matriz diagonal É uma matriz quadrada (𝑚 = 𝑛) onde os elementos 𝑎𝑖𝑗 = 0 para 𝑖 ≠ 𝑗,
isto é, os elementos que não estão na diagonal são “nulos”.
5 0 0
0
Exemplos: 𝑀2x2=[√2 ] 𝑀3x3=[0 58 0]
0 −9
0 0 1
1 0 0
1 0
Exemplos: 𝐼 2=[ ] 𝐼 3=[0 1 0]
0 1
0 0 1
1.3.6 Matriz triangular superior É a matriz quadrada que tem elementos nulos abaixo da
diagonal, isto é, quando 𝑚 = 𝑛 os elementos 𝑎𝑖𝑗 = 0 para 𝑖 > 𝑗.
5 4 7 𝑎 𝑏
Exemplos: 𝑀3x3=[0 5 1] 𝑀2x2=[ ]
0 𝑐
0 0 6
1.3.7 Matriz triangular inferior É a matriz quadrada que tem seus elementos nulos acima da
diagonal, isto é, quando 𝑚 = 𝑛 os elementos 𝑎𝑖𝑗 = 0 para 𝑖 < 𝑗.
5 0 0 𝑎 0
Exemplos: 𝑀3x3=[7 5 0] 𝑀2x2=[ ]
𝑏 𝑐
8 6 6
1.3.8 Matriz simétrica É uma matriz quadrada onde 𝑎𝑖𝑗 = 𝑎𝑗𝑖 , ou seja, a parte superior “é um
reflexo da parte inferior, em relação a diagonal”.
5 7 8 1 14 16
Exemplos: 𝑀3x3=[7 1 6] 𝑀3x3=[14 2 36]
8 6 2 16 36 3
Vamos agora estudar as operações com matrizes. Aqui definiremos duas operações sendo elas
a de adição e multiplicação.
1.4.1 Adição de matrizes A soma de duas matrizes de mesma ordem 𝐴𝑚×𝑛 = [𝑎𝑖𝑗 ]𝑚×𝑛 e
𝐵𝑚×𝑛 = [𝑏𝑖𝑗 ]𝑚×𝑛 , da como resultado uma matriz 𝑚 × 𝑛, que denotaremos de 𝐴 + 𝐵, cujos os
elementos são as somas dos elementos correspondentes de 𝐴 e 𝐵, ou seja, 𝐴 + 𝐵 = [𝑎𝑖𝑗 +
𝑏𝑖𝑗 ]𝑚×𝑛 .
5 7 8 50 7 8 55 14 16
Exemplo: 𝐴=[7 1 6] + 𝐵=[ 1 1 6 ] = [ 8 2 12]
8 6 2 9 6 2 19 12 4
𝑖) 𝑘(𝐴 + 𝐵) = 𝑘𝐴 + 𝑘𝐵
𝑖𝑖) (𝑘1 + 𝑘2 )𝐴 = 𝑘1 𝐴 + 𝑘2 𝐴
1.4.3 Transposição de matrizes Dada uma matriz 𝐴𝑚×𝑛 = [𝑎𝑖𝑗 ]𝑚×𝑛 , podemos obter uma
outra matriz 𝐴′𝑚×𝑛 = [𝑏𝑖𝑗 ]𝑚×𝑛 , tal que 𝑏𝑖𝑗 = 𝑎𝑗𝑖 , isto é, as linhas da matriz 𝐴 são as colunas
da matriz 𝐴’, e chamamos a matriz 𝐴’ de matriz transposta de 𝐴.
5 7 8 5 1 9
Exemplo: 𝐴=[1 1 4] então sua transposta é dada por 𝐴′=[7 1 6]
9 6 2 8 4 2
Observações:
𝑖) Só podemos efetuar o produto da matriz 𝐴𝑚×𝑛 pela matriz 𝐵𝑙×𝑝 (𝐴 ∙ 𝐵) se se o número de
colunas da matriz 𝐴 for igual ao número de linhas da matriz 𝐵, isto é, 𝑚 = 𝑝. E a matriz
resultado terá ordem igual 𝑚 × 𝑝
𝑖𝑖) Os elementos do produto de uma matriz 𝐴 por uma matriz 𝐵 (𝐴 ∙ 𝐵), são obtidos
multiplicando os elementos da i-ésima linha da matriz 𝐴, pela j-ésima coluna da matriz 𝐵,
somado estes produtos.
𝑖𝑖𝑖) Em geral 𝐴 ∙ 𝐵 ≠ 𝐵 ∙ 𝐴
𝑖𝑣) Pode ocorrer de 𝐴 ∙ 𝐵 = 0 sem que 𝐴 = 0 ou 𝐵 = 0
𝑣) (𝐴𝐵)′ = 𝐵 ′ 𝐴′
𝑣𝑖) 𝐴 ∙ 0 = 𝐴 ∙ 0 = 0
sendo 𝐴 a matriz dos coeficientes, 𝑋 a matriz das incógnitas e 𝐵 a matriz dos termos
independentes.
Outra matriz que podemos associar ao sistema é a matriz ampliada do sistema, onde cada
linha dessa matriz é uma representação da cada equação do sistema:
2𝑥 + 5𝑦 + 𝑧 = 15
{−𝑥 + 𝑦 + 2𝑧 = 11
7𝑥 − 4𝑦 + 3𝑧 = 2
2 5 1 𝑥 15
[−1 1 2] ∙ [𝑦]=[11]
7 −4 3 𝑧 2
1 2 𝐿1 ↔𝐿2 3 4
[3 4 ] → [1 2 ]
5 6 5 6
𝑖𝑖) multiplicação da i-ésima linha por um escalar diferente de zero (𝐿𝑖 → 𝑘𝐿𝑖 )
1 2 𝐿3 →2𝐿3 1 2
[3 4 ] → [3 4]
5 6 10 12
𝑖𝑖𝑖) substituição da i-ésima linha pela j-ésima linha mais 𝑘 vezes a j-ésima linha (𝐿𝑖 → 𝐿𝑖 +
𝑘𝐿𝑗 )
Exemplo: 𝐿2 → 𝐿2 + (−2)𝐿3 ( a linha 2 recebe a linha 2 mais duas vezes o oposto da linha 3)
1 2 𝐿2 →𝐿2 +(−2)𝐿3 1 2
[3 4 ] → [−7 −8]
5 6 5 6
2.4 Matriz na forma escada Uma matriz é linha reduzida á forma escada se cumpre as
condições:
a) O primeiro elemento (denominado pivô) não nulo de uma linha é igual a1.
b) Se uma coluna contém um pivô, então todos os seus outros elementos são iguais a
zero.
c) Toda linha nula (linha formadas apenas de zeros) ocorre abaixo de todas as linhas não
nulas.
d) O pivô de cada linha não nula ocorre á direita do pivô da linha anterior
Exemplos:
1 0 0
[0 1 0] está na forma e escada
0 0 0
1 0 0 0
[0 1 −1 0] não está na forma escada pois não satisfaz a condição b
0 0 1 0
0 1 −3 0 1
[0 0 0 0 0] não está na forma escada pois não satisfaz as condições a e c
0 0 0 −1 2
0 2 1
[1 0 −5] não está na forma escada pois não satisfaz as condições a e d
0 0 0
2.5 Definição Dada uma matriz 𝐴𝑚×𝑛 , e seja 𝐵𝑚×𝑛 a matriz linha reduzida a forma escada
equivalente a 𝐴. O posto de A, denotado por 𝑝, é o número de linhas não nulas de 𝐵. A
nulidade de 𝐴 é o número 𝑛 − 𝑝 (ou seja, a nulidade é a diferença entre o número de colunas
de 𝐴 e o posto de 𝐴).
Assim para encontrarmos o posto de uma matriz, precisamos primeiro encontrar a matriz
linha reduzida à forma escada, e depois contar as linhas nulas.
Iremos agora estudar todas as situações que ocorrem quando resolvemos um sistema de
equações lineares. Em um sistema de equações lineares podem ocorrer três possibilidades, o
sistema tem uma única solução; o sistema possui infinitas soluções; o sistema pode não ter
solução.
2.6.1 Caso geral Consideremos um sistema de 𝑚 equações e 𝑛 incógnitas
2.6.2 Teorema
𝑖) Um sistema de 𝑚 equações e 𝑛 incógnitas admite solução se, e somete se, o posto da matriz
ampliada (𝑝𝑎 ) é igual ao posto da matriz dos coeficientes (𝑝𝑐 ).
Exemplo:
𝑥=3 1 0 0 3
{𝑦 = 2 → [0 1 0 2] onde 𝑝𝑐 = 𝑝𝑎 = 3, 𝑛 = 3, 𝑚 = 3, assim temos uma única solução
𝑧=2 0 0 1 2
𝑎11 𝑥1 + 𝑎12 𝑥2 = 𝑏1 𝑏
{ sabemos que a solução desse sistema é do tipo 𝑥 = 𝑎, assim, resolvendo
𝑎21 𝑥1 + 𝑎22 𝑥2 = 𝑏2
esse sistema (fazendo as devidas operações), obtemos:
𝑎11 𝑎12
[𝑎 𝑎22 ]
21
𝑎11 𝑎12
Exemplo: 𝑑𝑒𝑡 [𝑎 𝑎22 ] = 𝑎11 𝑎22 − 𝑎12 𝑎21
21
Para compreendermos melhor sobre o que é um determinante, vamos definir o que é uma
inversão.
Definição Dada uma permutação de inteiros 1, 2, . . , 𝑛, existe uma inversão quando um inteiro
precede outro menor que ele. **Uma permutação de 𝑛 objetos é dada por 𝑛!**
Exemplos: verifique quantas inversões temos nas permutações (1, 2, 3) e (1, 2, 3, 4):
Note que os índices que representam as colunas são permutações de (1, 2, 3), isto é, os
produtos 𝑎1𝑗1 𝑎2𝑗2 𝑎3𝑗3 , onde (𝑗1 𝑗2 𝑗3 ) são as permutações de 1, 2 e 3. Temos também que o
sinal do produto 𝑎1𝑗1 𝑎2𝑗2 𝑎3𝑗3 é negativo quando a permutação tiver um número impar de
inversões, será positivo quando tiver um número par de inversões.
Com isso, podemos então exibir uma generalização de cálculo do determinante para qualquer
matriz quadrada [𝑎𝑖𝑗 ]𝑛×𝑛 :
Definição 𝑑𝑒𝑡[𝑎𝑖𝑗 ]𝑛×𝑛 = ∑𝑝(−1) 𝐽 𝑎1𝑗1 𝑎2𝑗2 … 𝑎𝑛𝑗𝑛 onde 𝐽 é o número de inversões da
permutação (𝑗1 𝑗2 … 𝑗𝑛 ) e 𝑝 indica que a soma é estendida a todas as 𝑛! permutações.
𝑖) se uma matriz tiver uma linha ou coluna com todos seus elementos nulos, então o
determinante será igual a zero.
𝑖𝑖𝑖) quando multiplicamos uma linha de uma matriz por uma constante 𝑘, o determinante fica
multiplicado por essa constante
𝑣) o determinante de uma matriz que tem duas linhas ou colunas iguais, é igual a zero
𝑣𝑖𝑖) o determinante não se altera se somarmos a uma linha outra multiplicada por uma
constante
Vimos que
𝑎11 (𝑎22 𝑎33 − 𝑎23 𝑎32 ) − 𝑎12 (𝑎21 𝑎33 − 𝑎23 𝑎31 ) + 𝑎13 (𝑎21 𝑎32 − 𝑎22 𝑎31 )
Ou seja, o determinante da matriz 3x3 pode ser expresso em função dos determinantes de
submatrizes 2x2, isto é,
𝑑𝑒𝑡𝐴 = 𝑎11 |𝐴11 | − 𝑎12 |𝐴12 | + 𝑎13 |𝐴13 | , onde 𝐴𝑖𝑗 é a submatriz da inicial, onde a i-ésima
linha e a j-ésima coluna foram retiradas, e escrevemos:
e obtemos a expressão
Observações: ao número ∆𝑖𝑗 (que é o determinante afetado pelo sinal (−1)𝑖+𝑗 da submatriz
𝐴𝑖𝑗 , obtida de 𝐴 onde retiramos a i-ésima linha e a j-ésima coluna) chamamos de cofator ou
complemento algébrico do elemento 𝑎𝑖𝑗 .
Exemplo:
1 −2 3
𝑑𝑒𝑡 | 2 1 −1| = (−2)∆12 + (1)∆22 + (−1)∆32 **(coluna do meio)**
−2 −1 2
2 −1 2 −1
∆12 = (−1)1+2 | | = −| | = −2
−2 2 −2 2
1 3
∆22 = (−1)2+2 | |=8
−2 2
1 3
∆32 = (−1)3+2 | |=7
2 −1
𝐴̅ = [∆𝑖𝑗 ]
2 1 0
Exemplo: 𝐴 = [−3 1 4]
1 6 5
1 4 −3 4
∆11 = (−1)1+1 | | = −19 ∆12 = (−1)1+2 | | = 19 … fazendo isso para os
6 5 1 5
demais cofatores obtemos a matriz:
−19 19 −19
̅
𝐴 = [ −5 10 −11]
4 −8 5
3.3.1 Matriz adjunta É a matriz transposta da matriz dos cofatores de 𝐴, ou seja, 𝑎𝑑𝑗𝐴 = 𝐴̅′
−19 −5 4
Exemplo (anterior): 𝑎𝑑𝑗𝐴 = [ 19 10 −8]
−19 −11 5
3.4 Teorema Se multiplicarmos a matriz 𝐴 pela sua matriz adjunta, obtemos o determinante
de A multiplicado pela matriz identidade, ou seja, 𝐴 ∙ 𝐴̅′ = 𝐴 ∙ 𝑎𝑑𝑗𝐴 = (𝑑𝑒𝑡𝐴)𝐼𝑛 .
3.5 Matriz inversa Dada uma matriz quadrada 𝐴 de ordem 𝑛, chamamos de inversa de 𝐴 se
existir uma matriz 𝐵 tal que 𝐴 ∙ 𝐵 = 𝐵 ∙ 𝐴 = 𝐼𝑛 , onde 𝐼𝑛 é a matriz identidade, e denotamos
por 𝐴−1 a inversa de 𝐴.
Exemplo:
4 −3
2 3 5 5
𝐴=[ ] e sua inversa é 𝐴−1 = [−1 2 ]
1 4
5 5
Observações:
3.6 Teorema Uma matriz quadrada 𝐴 admite uma inversa se, e somente se 𝑑𝑒𝑡𝐴 ≠ 0
3.7 Um método de inversão de matrizes
Dada a matriz quadrada A, para acharmos sua inversa, colocamos a sua matriz identidade a
esquerda dela, e depois deixamos na forma escada linha reduzida (as operações devem ser
feitas nas duas matrizes), fazendo com que a matriz da esquerda vire uma matriz identidade, e
a matriz inversa será a matriz da direita. Se caso não consiga deixar a matriz da esquerda
como matriz identidade, a matriz não tem inversa.
Exemplo:
4 Espaços vetoriais
⃗ + 𝑣 = (𝑎 + 𝑐, 𝑏 + 𝑑) = 𝑣 + 𝑢
a) 𝑢 ⃗ = (𝑐 + 𝑎, 𝑑 + 𝑏) (comutativa)
b) (𝑢
⃗ + 𝑣) + 𝑤
⃗⃗ = 𝑢
⃗ + (𝑣 + 𝑤
⃗⃗ ) (associativa)
⃗ + (−𝑢
c) 𝑢 ⃗ ) = 0 (elemento oposto)
d) 𝑢
⃗ +0=𝑢
⃗ (existência do elemento neutro)
Um espaço vetorial 𝑉 é um conjunto, onde seus elementos são chamados de vetores, e estão
definidas duas operações: a adição, que a cada par 𝑢
⃗ , 𝑣 ∈ 𝑉 faz corresponder um novo vetor
𝑢
⃗ + 𝑣 ∈ 𝑉 que chamamos de soma de 𝑢
⃗ com 𝑣; e a 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎çã𝑜 𝑝𝑜𝑟 𝑢𝑚 𝑛ú𝑚𝑒𝑟𝑜 𝑟𝑒𝑎𝑙,
que a cada número 𝛼 ∈ ℝ e cada vetor 𝑢
⃗ ∈ 𝑉 faz corresponder um vetor 𝛼𝑢
⃗ ∈ 𝑉 que
denominamos produto de 𝛼 por 𝑢
⃗ . E essas operações devem satisfazer as oito condições
abaixo:
𝑖) 𝑢
⃗ +𝑣 =𝑣+𝑢
⃗ (comutatividade)
⃗⃗⃗⃗ + 𝑣 ) +𝑤
𝑖𝑖) (𝑢 ⃗⃗ = 𝑢
⃗ +(𝑣 + 𝑤
⃗⃗ ) (associatividade da adição)
𝑣) (𝛼 + 𝛽)𝑢
⃗ = 𝛼𝑢
⃗ + 𝛽𝑢
⃗ (distributividade)
⃗ + 𝑣) = 𝛼𝑢
𝑣𝑖) 𝛼(𝑢 ⃗ + 𝛼𝑣 (distributividade)
⃗ (𝑣. 𝑤
𝑣𝑖𝑖) 𝑢 ⃗⃗ ) = (𝑢
⃗ . 𝑣 )𝑤
⃗⃗ (associatividade da multiplicação)
𝑣𝑖𝑖𝑖) 1 ∙ 𝑢
⃗ =𝑢
⃗
O conjunto dos polinômios com coeficientes reais de grau menor ou igual a 𝑛 (𝑃𝑛 ) formam
um espaço vetorial.
𝑖) 0 ∈ 𝐹
𝐹1 + 𝐹2 = {𝑣 ∈ 𝑉| 𝑣 = 𝑓1 + 𝑓2 , 𝑐𝑜𝑚 𝑓1 ∈ 𝐹1 𝑒 𝑓2 ∈ 𝐹2 } é subespaço de 𝑉.
Exemplo: Escreva o vetor 𝑣 = (−4, −18, 7) como combinação linear dos vetores 𝑣1 =
(1, −3, 2) e 𝑣2 = (2, 4, −1):
Assim basta que (−4, −18, 7) = 𝑎1 (1, −3, 2) + 𝑎2 (2, 4, −1), assim caímos no sistema
𝑎1 + 2𝑎2 = −4
{−3𝑎1 + 4𝑎2 = −18 , onde a solução é 𝑎1 = 2 e 𝑎2 = −3. Portanto 𝑣 = 2𝑣1 − 3𝑣2
2𝑎1 − 𝑎2 = 7
Observações:
𝑖𝑖) 𝐹 ⊂ 𝑆
Sabemos que todo vetor 𝑣 ∈ ℝ3 é do tipo 𝑣 = (𝑥, 𝑦, 𝑧), assim precisamos escrever 𝑣 como
uma combinação linear de 𝑣1 , isto é, 𝑣 = 𝑎𝑣1 → (𝑥, 𝑦, 𝑧) = 𝑎(1,2,3) (outra forma de escrever
é [𝑣1 ] = {(𝑥, 𝑦, 𝑧) ∈ ℝ3 | (𝑥, 𝑦, 𝑧) = 𝑎(1,2,3), 𝑎 𝑛ú𝑚𝑒𝑟𝑜 𝑟𝑒𝑎𝑙})
Quando estudamos álgebra linear, é importante saber quando um vetor é combinação linear de
outros, assim, dados vetores 𝑣1 , … , 𝑣𝑛 queremos saber se algum desses vetores não é
combinação linear dos outros, e para isso precisamos saber os conceitos de dependência e
independência linear, que definiremos a seguir.
4.8.2 Teorema {𝑣1 , … , 𝑣𝑛 } é LD se, e somente se um destes vetores for uma combinação
linear dos outro.
Exemplo: Seja 𝑉 = ℝ2 o conjunto dos vetores {(1, −1), (1, 0), (1, 1)} é linearmente
dependente pois 𝑎1 (1, −1) + 𝑎2 (1, 0) + 𝑎3 (1, 1) = 0 → (𝑎1 + 𝑎2 + 𝑎3 , −𝑎1 + 𝑎3 ) = 0, ou
seja:
𝑎1 + 𝑎2 + 𝑎3 = 0
{ assim 𝑎1 = 𝑎3 e temos que 𝑎2 = −2𝑎3
−𝑎1 + 𝑎3 = 0
Assim temos que o conjunto {(1, −1), (1, 0), (1, 1)} é LD.
𝑖) se 𝐵 é linearmente independente
𝑖𝑖) 𝐵 gera 𝑉
𝑎1 − 𝑎2 = 0
{ logo 𝑎1 = 0 e 𝑎2 = 0 assim o conjunto é LI.
𝑎1 = 0
Como todos os vetores em ℝ2 tem a forma 𝑣 = (𝑥, 𝑦) basta que (𝑥, 𝑦) = 𝑎(1, 1) + 𝑏(−1, 0)
isto é
𝑎−𝑏 =𝑥
{ assim 𝑎 = 𝑦 e 𝑏 = −𝑥 + 𝑦 , portanto [(1,1), (−1,0)] = [(𝑥, 𝑦)| 𝑥, 𝑦 ∈ ℝ] = ℝ2
𝑎=𝑦
Exemplo: 𝐵 = {(2, −1)} não é base de ℝ2 , pois 𝐵 é LI mas não gera todo o ℝ2
4.9.2 Dimensão de um espaço vetorial Seja 𝑉 um espaço vetorial, assim segue que:
Se 𝑉 possui uma base com n vetores, então 𝑉 tem dimensão n e escrevemos 𝑑𝑖𝑚𝑉 = 𝑛.
Se 𝑉 tem uma base com infinitos vetores, então a dimensão de V é infinita 𝑑𝑖𝑚𝑉 = ∞.
(∗) 𝑣 = 𝑥1 𝑢1 + ⋯ + 𝑥𝑛 𝑢𝑛 e 𝑣 = 𝑦1 𝑤1 + ⋯ + 𝑦𝑛 𝑤𝑛
𝑥1
[𝑣]𝐵 = [ ⋮ ]
𝑥𝑛
𝑦1
[𝑣]𝐵′ =[⋮]
𝑦𝑛
Como 𝐵 = {𝑢1 , … , 𝑢𝑛 } é base de 𝑉, podemos escrever os vetores 𝑤𝑖 (da base 𝐵′) como
combinação linear dos vetores 𝑢𝑗 isto é,
𝑣 = 𝑦1 𝑤1 + ⋯ + 𝑦𝑛 𝑤𝑛
Em forma matricial
𝑥1 𝑎11 ⋯ 𝑎1𝑛 𝑦1
[⋮]=[ ⋮ ⋮ ⋮ ][ ⋮ ]
𝑥𝑛 𝑎𝑛1 ⋯ 𝑎𝑛𝑛 𝑦𝑛
Denotado por
𝑎11 ⋯ 𝑎1𝑛
[𝐼]𝐵′
𝐵 =[ ⋮ ⋮ ⋮ ]
𝑎𝑛1 ⋯ 𝑎𝑛𝑛
Temos então
′
[𝑣]𝐵 = [𝐼]𝐵𝐵 [𝑣]𝐵′
A matriz [𝐼]𝐵′
𝐵 é chamada matriz de mudança da base 𝐵’ para base 𝐵.
′
Exemplo: sejam 𝐵 = {(2, −1), (3, 4)} e 𝐵 ′ = {(1,0), (0,1)} bases do ℝ2 , escreva [𝐼]𝐵𝐵 .
4 1
Onde obtemos que 𝑎11 = 11 e 𝑎21 = 11.
−3 2
Resolvendo obtemos 𝑎12 = e 𝑎22 = 11.
11
5 Transformações lineares
𝑖𝑖)𝑇(𝛼𝑢) = 𝛼𝑇(𝑢)
Vamos agora mostrar que para todo 𝛼 ∈ ℝ e para qualquer 𝑢 = (𝑥1 , 𝑦1 ) tem-se:
𝑇(𝛼𝑢) = 𝛼𝑇(𝑢).
𝑇(𝑢 + 𝑣) = 𝑇(𝑥1 + 𝑥2 )
𝑇(𝑢 + 𝑣) = 3(𝑥1 + 𝑥2 )
Vamos verificar a segunda condição, isto é, se para todo 𝛼 ∈ ℝ, temos 𝑇(𝛼𝑢) = 𝛼𝑇(𝑢),
assim:
𝑇(𝛼𝑢) = 𝑇(𝛼𝑥1 )
𝑇(𝛼𝑢) = (3𝛼𝑥1 )
𝑇(𝛼𝑢) = 𝛼(3𝑥1 )
𝑇(𝛼𝑢) = 𝛼𝑇(𝑢)
𝑇(𝑢 + 𝑣) = 3(𝑥1 + 𝑥2 ) + 1
Vamos primeiramente expressar 𝑣 = (5,3, −2) como combinação linear dos vetores da base:
𝑏+𝑐 =5
{𝑎 + 𝑐 = 3 , cuja solução é 𝑎 = −4 𝑏 = −2 e 𝑐=7
𝑏 = −2
Então:
Exemplo: Sabendo que 𝑇: ℝ2 → ℝ3 é uma transformação e que 𝑇(1, −1) = (3,2, −2) e
𝑇(−1,2) = (1, −1,3) determine 𝑇(𝑥, 𝑦).
Observe que {(1, −1), (−1,2)} é uma base de ℝ2 , assim podemos expressar o vetor (𝑥, 𝑦) ∈
ℝ2 como combinação linear dos vetores dessa base, isto é:
𝑎−𝑏 =𝑥
{ onde as soluções são 𝑎 = 2𝑥 + 𝑦 e 𝑏 = 𝑥 + 𝑦
−𝑎 + 2𝑏 = 𝑦
Portanto:
5.3 Núcleo de uma transformação linear Chama-se núcleo de uma transformação linear
𝑇: 𝑉 → 𝑊 ao conjunto de todos os vetores 𝑣 ∈ 𝑉 que são transformados em 0 ∈ 𝑊.
Denotamos esse conjunto por 𝑁(𝑇) ou 𝐾𝑒𝑟(𝑇). Note que 𝑁(𝑇) ⊂ 𝑉.
Devemos então encontrar o conjunto 𝑁(𝑇) = {(𝑥, 𝑦) ∈ ℝ²| 𝑇(𝑥, 𝑦) = (0,0)}, isto é,
𝑥+𝑦=0
{ onde a solução é 𝑥 = 0 e 𝑦 = 0, logo 𝑁(𝑇) = {(0,0)}.
2𝑥 − 𝑦 = 0
Devemos então encontrar o conjunto 𝑁(𝑇) = {(𝑥, 𝑦, 𝑧) ∈ ℝ³| 𝑇(𝑥, 𝑦, 𝑧) = (0,0)}, isto é,
𝑥 − 𝑦 + 4𝑧 = 0
{ onde a solução é 𝑥 = −3𝑧 e 𝑦 = 𝑧, logo
3𝑥 + 𝑦 + 8𝑧 = 0
5.4 Imagem de uma transformação linear Chama-se imagem de uma transformação linear
𝑇: 𝑉 → 𝑊 ao conjunto dos vetores 𝑤 ∈ 𝑊 que são imagem de pelo menos um vetor 𝑣 ∈ 𝑉.
Denotamos esse conjunto por 𝐼𝑚(𝑇):
Observação: Uma transformação linear é sobrejetora, isto é, para todo vetor 𝑤 ∈ 𝑊 existe
pelo menos um vetor 𝑣 ∈ 𝑉 tal que 𝑇(𝑣) = 𝑤.
Temos então que encontrar o conjunto 𝐼𝑚(𝑇) = {(𝑎, 𝑏, 𝑐) ∈ ℝ3 | 𝑇(𝑥, 𝑦, 𝑧) = (𝑎, 𝑏, 𝑐)}, ou
seja, o vetor (𝑎, 𝑏, 𝑐) ∈ 𝐼𝑚(𝑇) se existe (𝑥, 𝑦, 𝑧) ∈ ℝ3 tal que:
𝑥 + 2𝑦 − 𝑧 = 𝑎
{ 𝑦 + 2𝑧 = 𝑏 onde a solução é 𝑎 + 𝑏 − 𝑐 = 0, logo
𝑥 + 3𝑦 + 𝑧 = 𝑐
𝐼𝑚(𝑇) = {(𝑎, 𝑏, 𝑐) ∈ ℝ3 | 𝑎 + 𝑏 − 𝑐 = 0}
Exemplo: Seja 𝑇: ℝ3 → ℝ2 a transformação linear tal que 𝑇(𝑒1 ) = (1,2), 𝑇(𝑒2 ) = (0,1) e
𝑇(𝑒3 ) = (−1,3), sendo {𝑒1 , 𝑒2 , 𝑒3 } a base canônica de ℝ3 .
𝑥−𝑧 =0
{ , cuja a solução é 𝑥 = 𝑧 e 𝑦 = −5𝑧, então podemos escrever que
2𝑥 + 𝑦 + 3𝑧 = 0
𝑁(𝑇) = {(𝑧, −5𝑧, 𝑧)| 𝑧 ∈ ℝ}. Assim uma de suas bases se obtém fazendo 𝑧 = 1 logo
{(1, −5,1) é uma base do 𝑁(𝑇). Note também que 𝑇 não é injetora, pois 𝑁(𝑇) ≠ {(0,0,0)}.
Para determinar a imagem basta que 𝐼𝑚(𝑇) = [𝑇(1,0,0), 𝑇(0,1,0), 𝑇(0,0,1)] ou 𝐼𝑚 (𝑇) =
[(1,2), (0,1), (−1,3)]
5.8 Matriz de uma transformação linear Sejam 𝑇: 𝑉 → 𝑊 uma transformação linear, 𝐴 uma
base de 𝑉 e 𝐵 uma base de 𝑊. Suponhamos, sem perda de generalidade, o caso em que
𝑑𝑖𝑚 𝑉 = 2 e 𝑑𝑖𝑚 𝑊 = 3. Sejam 𝐴 = {𝑣1 , 𝑣2 } e 𝐵 = {𝑤1 , 𝑤2 , 𝑤3 } bases de 𝑉 e 𝑊,
respectivamente. Um vetor 𝑣 ∈ 𝑉 pode ser expresso por:
𝑥1
𝑣 = 𝑥1 𝑣1 + 𝑥2 𝑣2 ou [𝑣]𝐴 = [𝑥 ]
2
Sendo 𝑇(𝑣1 ) e 𝑇(𝑣2 ) vetores de 𝑊, então eles são combinações lineares dos vetores da base
𝐵, ou seja:
𝑦1 = 𝑎11 𝑥1 + 𝑎12 𝑥2
𝑦2 = 𝑎21 𝑥1 + 𝑎22 𝑥2
𝑦3 = 𝑎31 𝑥1 + 𝑎32 𝑥2
𝑦1 𝑎11 𝑎12
𝑥
𝑦 𝑎
[ 2 ] = [ 21 𝑎22 ] [ 1 ]
𝑥2
𝑦3 𝑎31 𝑎32
Ou simbolicamente:
Observações:
1- Note que as colunas da matriz [𝑇]𝐵𝐴 são as componentes das imagens dos vetores da base 𝐴
em relação à base 𝐵, conforme mostra ( 3 ) e ( 4 ):
𝑎11 𝑎12
[𝑎21 𝑎22 ]
𝑎31 𝑎32
↑ ↑
[𝑇(𝑣1 )]𝐵 [𝑇(𝑣2 )]𝐵
↑ ↑ ↑
𝑇(𝑣1 )𝐵 𝑇(𝑣2 )𝐵 𝑇(𝑣𝑛 )𝐵
2- A matriz [𝑇]𝐵𝐴 depende das bases 𝐴 e 𝐵 consideradas, isto é, a cada dupla de bases
corresponde uma particular matriz. Assim, uma transformação linear poderá ter uma
infinidade de matrizes para representa-la. No entanto, fixadas as bases, a matriz é única.
a) [𝑇]𝐵𝐴 .
Primeiramente temos que encontrar 𝑇(𝑣1 ), 𝑇(𝑣2 ) e 𝑇(𝑣2 ), e depois reescrevê-los como
combinação linear dos elementos da base 𝐵, ou seja:
𝑇(𝑣1 ) = 𝑇(1, 1, 1) = (2,2) = 𝑎11 (2,1) + 𝑎21 (5,3) o que nos fornece
2𝑎11 + 5𝑎21 = 2
{ , cuja solução é 𝑎11 = −4 e 𝑎21 = 2.
𝑎11 + 3𝑎21 = 2
𝑇(𝑣2 ) = 𝑇(0, 1, 1) = (0, −1) = 𝑎12 (2,1) + 𝑎22 (5,3) o que nos fornece
2𝑎12 + 5𝑎22 = 0
{ , cuja solução é 𝑎12 = 5 e 𝑎22 = −2.
𝑎12 + 3𝑎22 = −1
𝑇(𝑣3 ) = 𝑇(0, 0, 1) = (1, −2) = 𝑎13 (2,1) + 𝑎23 (5,3) o que nos fornece
2𝑎13 + 5𝑎23 = 1
{ , cuja solução é 𝑎13 = 13 e 𝑎23 = −5.
𝑎13 + 3𝑎23 = −2
↑ ↑ ↑
𝑇(𝑣1 )𝐵 𝑇(𝑣2 )𝐵 𝑇(𝑣𝑛 )𝐵
−4 5 13
[𝑇]𝐵𝐴 = [ ].
2 −2 −5
Lembremos da relação
𝑎=3
{ 𝑎 + 𝑏 = −4 portanto as soluções são 𝑎=3 𝑏 = −7 e 𝑐 = 6
𝑎+𝑏+𝑐 =2
3
−4 5 13
[𝑇(𝑣)]𝐵 = [ ] [−7]
2 −2 −5
6
31
[𝑇(𝑣)]𝐵 = [ ]
−10
𝑇(𝑣) = (12,1). (o que é a mesma coisa que aplicar o vetor 𝑣 na lei da transformação linear).
𝑎11 = 2
{
𝑎21 = 2
𝑎12 = 0
{
𝑎22 = −1
𝑎13 = 1
{
𝑎23 = −2
Logo, obtemos
2 0 1
[𝑇]𝐵𝐴 = [ ]
2 −1 −2
Lembremos da relação
𝑎=3
{ 𝑎 + 𝑏 = −4 onde a solução é 𝑎 = 3 𝑏 = −7 e 𝑐=6
𝑎+𝑏+𝑐 =2
Logo
3
2 0 1
[𝑇(𝑣)𝐵 ] = [ ] [−7]
2 −1 −2
6
12
[𝑇(𝑣)𝐵 ] = [ ]
1
6 Vetores próprios e valores próprios (ou autovetores e autovalores)
Ao passo que o vetor 𝑣 = (2,1) não é vetor próprio deste operador 𝑇, pois
𝐴 ∙ 𝑣 = 𝜆 ∙ 𝑣 ou 𝐴 ∙ 𝑣 − 𝜆 ∙ 𝑣 = 0 (𝑣 é a matriz coluna 3 × 1)
𝐴 ∙ 𝑣 − 𝜆 ∙ 𝐼𝑣 = 0 ou (𝐴 − 𝜆𝐼) ∙ 𝑣 = 0 (*)
Assim para que esse sistema admita soluções não nulas, isto é:
𝑥 0
𝑣 = [𝑦] ≠ [0] deve-se ter: det(𝐴 − 𝜆𝐼) = 0. Podemos escrever também:
𝑧 0
𝑎11 𝑎12 𝑎13 𝜆 0 0 𝑎11 − 𝜆 𝑎12 𝑎13
𝑎
det ([ 21 𝑎22 𝑎23 ] − [0 𝜆 0]) = 0 ou det ([ 𝑎21 𝑎22 − 𝜆 𝑎23 ]) = 0
𝑎31 𝑎32 𝑎33 0 0 𝜆 𝑎31 𝑎32 𝑎33 − 𝜆
3 −1 1
𝐴 = [−1 5 −1] assim, a equação característica do operador de 𝑇 é:
1 −1 3
3−𝜆 −1 1
det(𝐴 − 𝜆𝐼) = 𝑑𝑒𝑡 [ −1 5−𝜆 −1 ] = 0. Desenvolvendo o determinante
1 −1 3−𝜆
encontramos −𝜆3 + 11𝜆2 − 36𝜆 + 36 = 0 ou 𝜆3 − 11𝜆2 + 36𝜆 − 36 = 0. Fazendo as
devidas operações, encontramos que 𝜆3 − 11𝜆2 + 36𝜆 − 36 = 0 pode ser escrito como
(𝜆 − 2)(𝜆2 − 9𝜆 + 18) = 0, o que nos dá a primeira raiz 𝜆1 = 2, e a equação
𝜆2 − 9𝜆 + 18 = 0 tem como soluções 𝜆2 = 3 e 𝜆3 = 6. Logo os valores próprios são
𝜆1 = 2, 𝜆2 = 3 𝑒 𝜆3 = 6.