Álgebra Linear, Steinbruch e Winterle

áLGEIU
STEINBRUCH, Alfredo
Professor de Matemática da Universidade Federal
do Rio Grande do Sul (de 1953 a 1980) e da
Pontifícia Universidade Católica do Rio Grande do Sul
(de 1969 a 1978)
WINTERLE, Paulo
Professor de Matemática da Universidade Federal
do Rio Grande do Sul e da
Pontifícia Universidade Católica do Rio Grande do Sul
c Graw-Hill
ão Paulo
ua Tabapuã, 1.105, Itaim-Bibi
CEP 04533
(011)881-8604 e (011)881-8528
Rio de Janeiro • Lisboa • Porto • Bogotá • Buenos Aires • Guatemala • M adrid • México •
New York • Panamá • San Juan • Santiago
Auckland • Hamburg • Kuala Lumpur • London • Milan • Montreal • New Delhi • Paris
• Singapore • Sydney • Tokyo • Toronto
Álgebra Linear
Copyright © 1987 d Editora McGraw-Hill, Ltda.
Todos os direitos para a língua portuguesa reservados pela Editora McGraw-Hill, Ltda.
Nenhuma parte desta publicação poderá ser reproduzida, guardada pelo sistema *'retrieval” ou
transmitida de qualquer modo ou por qualquer outro meio, seja este eletrônico, mecânico, de
fotocópia, de gravação, ou outros, sem prévia autorização, por escrito, da Editora.
Editor: Milton Mira de Assumpção Filho

Coordenadora de Revisão: Daisy Pereira Daniel
Capa: Lay out: Cyro Giordano
Arte final: Ademir Aparecido Alves
Ilustrações: Valmir Balbinot
Dados de Catalogação na Publicação (CIP) Internacional

(Câmara Brasileira do Livro, SP, Brasil)
Steinbruch, Alfredo.
S835a Álgebra,linear / Steinbruch, Alfredo, Winterle, Paulo. - 2.ed. - São Paulo :
2 .ed. McGraw-HiU, 1987.
1. Álgebra linear I. Winterle, Paulo. II. Título.
86-1651 CDD-512.5
índices para catálogo sistemático:

1. Álgebra linear 512.5
Prefácio da 2^. edição
Capítulo 1 VETORES
V etores..................................................................................................................... 1
Operações com veto res.......................................................................................... 3
Vetores no ....................................................................................................... 5
Igualdade e operações............................................................................................. 6
Vetor definido por dois p o n t o s .......................................................................... 8
Produto escalar........................................................................................................ 9
Ângulo de dois v eto res.......................................................................................... 10
Paralelismo e ortogonalidade de dois vetores..................................................... 12
Vetores no IR ^ ....................................................................................................... 13
Capítulo 2 ESPAÇOS VETORIAIS

Introdução................................................................................................................ 15
Espaços vetoriais..................................................................................................... 18
Propriedades dos espaços vetoriais..................................................................... 24
Subespaços vetoriais................................................................................................ 25
Combinação linear.................................................................................................. 39
Espaços vetoriais fmitamente g e r a d o s................................................................ 53
Dependência e independência lin e a r .................................................................. 53
Base e D im ensão....................... 66
Espaços vetoriais isom orfos.................................................................................. 86
Problemas
Capítulo 3 ESPAÇOS VETORIAIS EUCLIDIANOS

Produto interno em espaços v etoriais................................................................ 106
VI Álgebra linear
Espaço vetorial euclidiano..................................................................................... 111

Modulo de um vetor................................................................................................ 112
Ângulo de dois v eto res.......................................................................................... 116
Vetores ortogonais................................................................................................... 119
Conjunto ortogonal de vetores............................................................................. 120
Conjuntos ortogonais............................................................................................. 130
Complemento ortogonal........................................................................................ 132
Problemas
Capítulo 4 TRANSFORMAÇÕES LINEARES

Transformações lineares........................................................................................ 151
Niícleo de uma transformação lin ear....................................................................... 168
Im agem ..................................................................................................................... 171
Matriz de uma transformação lin e a r .................................................................. 181
Operações com transformações lineares.................................................................. 192
Transformações lineares planas............................................................................. 195
Transformações lineares no e sp a ç o ..................................................................... 206
Problemas
Capítulo 5 OPERADORES LINEARES
Operadores lineares................................................................................................ 230
Operadores inversíveis....................................................................... 230
Mudança de b a se ..................................................................................................... 234
Matrizes sem elhantes............................................................................................. 244
Operador ortogonal................................................................................................ 252
Operador sime'trico ............................................................................................... 261
Problemas
Capítulo 6 VETORES PRÓPRIOS E VALORES PRÓPRIOS

Vetor proprio e valor próprio de um operador lin e a r ..................................... 276
Determinação dos valores próprios e dos vetores próprios............................. 278
Propriedades dos vetores próprios e valores próprios........................................ 286
Diagonização de operadores............................................... 289
Diagonização de matrizes simétricas . ................................................................ 299
Problemas
Capítulo 7 FORMAS QUADRÂTICAS
Forma quadrática no p la n o ................................................................................... 323
Cônicas..................................................................................................................... 328
Notas complementares........................................................................................... 347
Forma quadrática no espaço tridimensional..................................................... 353
Quádricas.......................................................................................................... .. . . 358
Problemas
Apêndice A MATRIZES/DETERMINANTES/SISTEMAS DE EQUAÇÕES LINEARES

MATRIZES
Definição de m atriz............................................................................................... 369
Matriz quadrada..................................................................................................... 371
Sumário VII
Matriz zero............................................................................................................... 374

Igualdade de matrizes............................................................................... 37
Adição de m a trizes......................................................................
Produto de uma matriz por um escalar....................................................... 375
Produto de uma matriz por outra....................................................................... 376
Matriz transposta..................................................................................................... 398
Matriz sim étrica..................................................................................................... 400
Matriz anti-simétrica............................................................................................. 401
Matriz ortogonal..................................................................................................... 402
Matriz triangular superior..................................................................................... 403
Matriz triangular inferior....................................................................................... 403
Potência de uma m a tr iz ....................................................................................... 404
DETERMINANTES
Classe de uma permutação............................................................................. . 420
Termo principal..................................................................................................... 421
Termo secundário..............................................................
Determinante de uma m atriz............................................................................... 421
Ordem de um determinante.................................................................................. 421
Representação de um determinante..................................................................... 421
Preliminares para o cálculo dos determinantes de 2^ e de 3? ordem. . . . 422
Cálculo do determinante de 2? ordem ........................................................... 423
Cálculo do determinante de 3^ ordem ............................................................... 426
Desenvolvimento de um determinante por uma linha ou por uma coluna 432
Propriedades dos determinantes.......................................................................... 433
Cálculo de um determinante de qualquer o rd em ............................................. 446
INVERSÃO DE MATRIZES
Matriz inversa.......................................................................................................... 466
Matriz singular.................................................................................................... 466
Matriz não-singular............................................................................................... 467
Propriedades da matriz inversa............................................................................. 468
Operaçõea elementares.......................................................................................... 470
Equivalência de matrizes....................................................................................... 471
Inversão de uma matriz por meio de operações elementares.......................... 476
SISTEMAS DE EQUAÇÕES LINEARES

Equação lin ea r....................................................................................................... 505
Sistemas de equações lineares............................................................................... 505
Solução de um sistema linear............................................................................... 505
Sistema com patível............................................................................................... 506
Sistemas equivalentes............................................................................................. 507
Operações elementares e sistemas equivalentes............................................... 508
Sistema linear homogêneo..................................................................................... 510
Estudo e solução dos sistemas de equações lin eares....................................... 510
Problemas
Este prefácio, embora relativamente curto, está dividido em duas partes:
Um livro de AIjGEBRA LINEAR E GEOMETRIA ANALÍTICA foi publicado pela primeira

vez no início de 1971, em Edição do autor e, a partir de 1972, passou a ser publicado pela
Editora McGraw-Hill, em sucessivas reimpressões, até o final de 1985. Nesses 15 anos, fui distin
guido com a confiança de professores e estudantes, confiança que tem crescido nos últimos anos
e que se traduz pelo aumento das aquisições do livro em todos Estados do País. Para retribuir a
essa distinção e continuar merecendo essa confiança, resolvi, em comum acordo com a Editora
McGraw-Hill, transformar o livro em dois outros - um de ÁLGEBRA LINEAR e outro de
GEOMETRIA ANALÍTICA —, e fazer uma revisão geral nos conteúdos programáticos de modo
a torná-los ainda mais acessíveis, embora mantendo a diretriz didática original. Para a realização
dessa tarefa, convidei para colaborar comigo o Prof. Paulo Winterle, pela sua capacidade, compe
tência e conhecimento das disciplinas.
ALFREDO STEINBRUCH
2? Com exceção do Apêndice, que foi revisto exclusivamente pelo autor de ÁLGEBRA
LINEAR E GEOMETRIA ANALÍTICA, os autores, trabalhando em conjunto nesta edição
de ÁLGEBRA LINEAR, procederam a uma revisão no sentido mais amplo da palavra: reformu
laram conceitos, fizeram supressões e acréscimos e, sobretudo, enriqueceram o livro com 519
problemas que o livro citado no início não continha.
Em suma, o texto se tornou mais prático e mais simples para atender ao objetivo maior
que é o de ser útil no processo de ensino-aprendizagem.
O Apêndice, que se encontra no fim do volume, versa sobre Matrizes, Determinantes e
Sistemas de Equações Lineares. Esses assuntos, que se constituem nos únicos pré-requisitos deste
IX
Álgebra linear
Curso de ÁLGEBRA LINEAR, poderão ser ministrados, a título de revisão, em poucas aulas, uma
vez que o cálculo de determinantes, a inversão de matrizes e a resolução de sistemas de equações
lineares passou a apresentar um tratamento uniforme e de fácil assimilação pelos estudantes.
O texto foi preparado para um Curso a ser ministrado em um semestre com uma carga de
4 aulas por semana, podendo, eventualmente e em condições excepcionais, ser ministrado em
3 aulas semanais.
Críticas, sugestões e informações sobre eventuais erros, enganos ou omissões, serão bem
recebidas no endereço dos autores*.
ALFREDO STEINBRUCH
PAULO WINTERLE
Rua Vieira de Castro, 275/601

90040 - Porto Alegre - RS - BR
CAPÍTULO
1.1 VETORES
Este capítulo tem por finalidade precípua revisar resumidamente a noção de vetor no
e no e suas propriedades, as quais já devem ser do conhecimento do leitor^.
Sabe-se que os vetores do plano ou do espaço são representados por segmentos orientados.
Todos os segmentos orientados que têm a mesma direção, o mesmo sentido e o mesmo com
primento são representantes de um mesmo vetor. Por exemplo, no paralelogramo da Figura 1.1a,
os segmentos orientados AB e CD determinam o mesmo vetor v, e escreve-se
v = Ã B =CD
Figura 1. 1a
^ O assunto pode ser visto em detalhes no livro Geometria Analítica, dos autores áest^ Álgebra Linear,
Editora McGraw-Hill.
Álgebra linear
Quando escrevemos v = AB, estamos afirmando que o vetor é determinado pelo segmento
orientado AB de origem A e extremidade B. Porém, qualquer outro segmento de mesmo com
primento, mesma direção e mesmo sentido de AB representa também o mesmo vetor v. Assim
sendo, cada ponto do espaço pode ser considerado como origem de um segmento orientado que
é representante do vetor v.
O comprimento ou o módulo, a direção e o sentido de um vetor v é o módulo, a direção
e o sentido de qualquer um de seus representantes. Indica-se o módulo de v por | v | .
Qualquer ponto do espaço é representante do vetor zero (ou vetor nulo), que é indicado
por 0 .
A cada vetor não-nulo v corresponde um vetor oposto -v, que tem o mesmo módulo,
a mesma direção, porém sentido contrário ao de v (Figura 1.1b).
Um vetor v é unitário se | v | = 1.
Dois vetores u e v são colineares se tiverem a mesma direção. Em outras palavras: u e v
são colineares se tiverem representantes AB e CD pertencentes a uma mesma reta ou a retas
paralelas (Figura 1.1c).
Se os vetores não-nulos u, v e w (o número de vetores não importa) possuem represen

tantes AB, CD e EF pertencentes a um mesmo plano tt (Figura 1.1 d), diz-se que eles são
coplanares.
Vetores
1.2 OPERAÇÕES COM VETORES
1.2.1 Adiçâb de Vetores
Sejam os vetores u e v representados pelos segmentos orientados AB e BC, respectiva

mente (Figura 1.2a).
U + V
Figura 1.2a
Os pontos A e C determinam o vetor soma AC = u + v.
1.2.1.1 Propriedades da adição
I) Associativa: (u + v) + w = u + (v + w).
II) Comutativa: u + v = v + u.
III) Existe um só vetor nulo 0 tal que, para todo vetor v, se tem:
v + 0 = 0 +v = v
IV) Qualquer que seja o vetor v, existe um só vetor -v (vetor oposto de v) tal que:
V + (-v) = -V + V= 0
Álgebra linear
Observações
1) A diferença de dois vetores u e v quaisquer é o vetor u + (-v). Sejam os vetores u e v

representados pelos segmentos orientados AB e AC, respectivamente. Construído o paralelogramo
ABCD (Figura 1.2b), verifica-se que a soma u + v é representada pelo segmento orientado AD
(uma das diagonais) e que a diferença u - v é representada pelo segmento orientado CB (a outra
diagonal).
2) Quando os vetores u e v estão aplicados no mesmo ponto, verifica-se que:
a) a soma u + v (ou v + u) tem origem no referido ponto;
b) a diferença u - v tem origem na extremidade de v (e, por conseguinte, a diferença v - u

tem origem na extremidade de u).
1.2.2 Multiplicação de um Número Real por um Vetor
Dado um vetor v=?^0 e um número real k ^ O , chama-se produto do número real k

pelo vetor v o vetor p = kv, tal que:
a) módulo: Ipl = |kv| = | k l l v | ;

b) direção: a mesma de v;
c) sentido: o mesmo de v se k > 0 ; e contrário ao de v se k < 0 .
A Figura 1.2.2 mostra o vetor v e os correspondentes 2v e -3v.
Observações:
1) Se k = 0 ou v = 0, o vetor kv é o vetor 0;
2) Se k = - l , o vetor ( - l ) v é o oposto de v, isto é, ( - l ) v = - v .
Vetores
Figura 1.2.2
1.2.2.1 Propriedades da Multiplicação por um Número Real
Se u e V são vetores quaisquer e a e b números reais, temos:
I)a(bu) = (ab)u
II) (a + b) u = au + bu
III) a(u + v) = au + av
IV) lu = u
1.3 VETORES NO
O conjunto
= IR X IR = { (x, y) / X, y E IR }
é interpretado geometricamente como sendo o plano cartesiano xOy.

Qualquer vetor AB considerado neste plano tem sempre um representante (segmento
orientado OP) cuja origem e' a origem do sistema (Figura 1 3a).
Em nosso estudo consideraremos geralmente vetores representados por segmentos orien

tados com origem na origem do sistema. Nessas condições, cada vetor do plano é determinado
pelo ponto extremo do segmento. Assim, o ponto P(x, y) individualiza o vetor v = OP (Figura
1.3b) e escreve-se:
v = (x,y)
identificando-se as coordenadas de P com as componentes de v.

6 Álgebra linear
Fjgura 1.3b
A origem do sistema 0 (0 , 0) representa o vetor nulo.

O vetor oposto de v = (x, y) é o vetor -v = (-x , -y).
1.4 IG U A LD A D E E OPERAÇÕES
1.4.1 Igualdade
Dois vetores u = ( x i , y i ) e v = (x 2 , y 2 ) são iguais se, e somente se, Xi = X2 e y 1 = y 2 , e

escreve-se u = v.
Vetores
Exemplos:
1) Os vetores u = ( 3, 5) e v = ( 3 , 5 ) são iguais.

2) Se o vetor u = (x + 1,4) é igual ao vetor v = ( 5 ,2y - 6), de acordo com a definição de igual
dade de vetores, x + l = 5 e 2 y - 6 = 4 ou x = 4 e y = 5. Assim,se u = v, então x = 4
e y = 5.
1.4.2 Operações
Sejam os vetores u = ( x i , y i ) e v = (x 2 , y 2) e a G R . Define-se:
a) u + v = (xi +X 2 , y i + y 2 >
b) au = (axi, ay,)
Portanto, para somar dois vetores, somam-se suas componentes correspondentes e, para
multiplicar um vetor por um número, multiplica-se cada componente do vetor por este número.
Por exemplo, se u = ( 4 , 1) e v = (2, 6), a Figura 1.4.2a mostra que:
u + v = ( 4 , 1)+ ( 2 , 6 ) = ( 4 + 2 , 1 + 6) = ( 6 , 7)
e a Figura 1.4.2b mostra que:
2u = 2 ( 4 , 1 ) = (2 (4 ). 2 ( 0 ) = ( 8 , 2)
8 Álgebra linear
1.5 VETO R D E F IN ID O POR DOIS PONTOS
Ocorre, às vezes, o caso de um vetor ser representado por um segmento orientado que não
parte da origem. Consideremos o vetor AB de origem no ponto A ( x i , y i ) e extremidade
B (x 2 , y i ) (Figura 1.5).
De acordo coyi o que foi visto no item 1.2.1.1 - (Observação 2), o vetor AB é a diferença
entre os vetores OB e OA:
AB = OB - OA
e, portanto:
AB = ( x 2 , y 2 ) - ( x i , y i )
ou:
AB = (x 2 - X ,, yz - y i )
isto é, as componentes do vetor AB são obtidas pela diferença entre as coordenadas da extremi
dade B e as da origem A.
Por exemplo, se A ( - 1 , 3 ) e B ( 2 , -2), o vetor AB será:
A B = B - A = ( 2, - 2 ) - ( - 1, 3) = ( 3 , - 5)
Vetores
1.6 PRODUTO ESCALAR
1.6.1 Definição
Chama-se produto escalar (ou produto interno usual) de dois vetores u = ( x i , y i ) e

V= (x 2 , YiX e se representa por u . v, ao número real:
u .v = xiX 2 + y i y 2
O produto escalar de u por v também é indicado por < u , v > e se lê “u escalar v”.
Por exemplo, se u = ( 2 , 3) e v = ( 4 , -1), tem-se:
u .v = 2 (4 ) + 3 ( - l ) = 8 - 3 = 5
1.6.2 Módulo de um Vetor
Módulo de um vetor v = ( x ,y ) , representado por | v | , é o número real não-negativo:
I v| = V V. V
ou, em coordenadas:
lv|= V ( x , y ) .(x.y)
ou, ainda:
|v|=
Por exemplo, se v = ( 3, - 4) , então:
|v|= +(-4)* = V 9 + 16 = s / l 5 = 5
V
A partir de cada vetor v¥=0 é possível obter um vetor unitário u fazendo u = ;— ,.
Iv I
Por exemplo, é unitário o vetor:
(3,-4) (3,-4) _ (3,-4) _( 3 ,-4 )_ ( 3 ,- 4 ) _ 3 4

1(3,-4)1 y/3^ +(-4)^ ^ 9 + 16 ^ 2 5 5 5’ 5
Observação: Dado um vetor AB com extremidades nos pontos A ( x i , y i ) e B(x 2 , y 2 ), o

módulo desse vetor será:
| A B | = V(X2 - x , ) ^ +(y2 - y i ) ^
Assinale-se que a distância entre os pontos A e B é calculada pela mesma fórmula.

10 Álgebra linear
1.6.3 Propriedades do Produto Escalar
Dados os vetores u, v e w quaisquer e k G IR, tem-se:
l ) u . u > 0 e u . u = 0 se,e somente se, u = 0 = ( 0 , 0 )

II) u . V= V . u ( comutativa)
III) u . ( v + w) = u . v + u . w (distributiva em relação à adição de vetores)
IV) (mu) . V = m (u . v) = u . (mv)
V) u .u = |u |"
Observações: Como conseqüência das propriedades do produto escalar, vem:
1) |u + v |^ = |u p + 2 u . V + lv|2
Com efeito:
I u+ V 1^ = (u + v) . (u + v) = u . (u + v) + V. (u + v)
|u + vl^ = u . u + , u . v + v . u + v . v
|u + v |^ = |ul^ + 2u . v + |v|^
2) De modo análogo, mostra-se que:
| u - v | ^ = | u p - 2 u . v + |v|^
1.7 ÂNG ULO DE DOIS VETORES
O ângulo de dois vetores u = OA e v = OB, não-nulos (Figura 1.7a), é o ângulo 0 for

mado pelas semi-retas OA e OB (Figura 1.7b) e tal que 0 < 0 ^ tt.
F ígm 1.7a F^gina 1.7b

Vetores 11
1.7.1 Cálculo do Ângulo de Dois Vetores
Sejam os vetores u ^ O e v=i^0. O ângulo d formado por u e v pode ser calculado

pela fórmula:
u.V
COS 0 =
|u||v|
Com efeito, aplicando a lei dos co-senos ao triângulo ABC da Figura 1.7.1, vem:
| u - v | ^ = |u|^ + | v|^ - 2 | u | | v l c o s 0 ( 1)
Mas, de acordo com o item 1.6.3 (Observação 2), pode-se escrever:
| u - v p = |u|^ - 2 u . v + |v|^ ( 2)
Comparando as igualdades (2) e (1):
| u | ^ - 2u . v + | v p = | u p + | v | ^ - 2 | u l | v | COS 6
logo:
U . V= I U I IV I COS 0
e:
u.V
COS d = (1.7.1)
lullvl
Uma vez calculado o cos 6, o ângulo d é encontrado numa tabela de co-senos.

12 Álgebra linear
Por exemplo, se u = ( - 2 , -2) e v = (0 ,-2 ), o ângulo 0 pode ser calculado por intermédio
da Fórmula (1.7.1):
u.V ( - 2 , - 2) . ( 0 , - 2)
COS 0 =
luiivi X ^ 0 ^ + ( - 2)^
0+4
COS B =
y 4 + r X yõT 4 ^ X ^ 2^2 X 2
1 , VT
COS 6 =
vA I 2
VT
0 = a r c COS
0 = 45°
1.8 PARALELISMO E O RTO G O N A LID A D E DE DOIS VETORES
a) Se dois vetores u = ( x i , y i ) e v = (x 2 , y 2 ) sâo paralelos (ou colineares), existe um número k

tal que:
u = kv
ou:
( x i , y i ) = k(x 2, y 2>
o que implica:
= k
X2 X2
isto é, dois vetores u e v são paralelos quando suas componentes são proporcionais. Representa-
se por u // V dois vetores u e v paralelos.
Por exemplo, os vetores u = (-2 , 3) e v = ( - 4 , 6 ) são paralelos, pois:
-4 6
ou sqa:
U=-V
Vetores 13
b) Se dois vetores u = ( x i , y i ) e v = (x 2 , y 2 ) são ortogonais, o ângulo 6 por eles formado e'

de 90°, e, portanto, cos 0 = cos 90° = 0, o que implica, pela Fórmula (1.7.1):
u .v = 0
ou:
X1X2 + y i y 2 = 0
isto é, dois vetores u e v são ortogonais quando o produto escalar deles é nulo. Representa-se
por u 1 V dois vetores u e v ortogonais.
Por exemplo, os vetores u = ( 2 , 3 ) e v = ( - 3 , 2 ) são ortogonais, pois:
u . v = 2 (-3 ) + 3(2) = -6 + 6 = 0
1.9 VETORES NO IR^
O conjunto
IR^ = IR X IR X IR= { ( x , y , z) / x , y , z G IR}
é interpretado geometricamente como sendo o espaço cartesiano tridimensional Oxyz.

Da mesma forma como fizemos para o plano, consideraremos geralmente vetores repre
sentados por segmentos orientados com a origem na origem do sistema. Nessas condições, cada
vetor do espaço é determinado pelo ponto extremo do segmento. Assim, o ponto P(x, y, z)
individualiza o vetor v = OP (Figura 1.9) e escreve-se:
v = (x,y,z)
identificando-se as coordenadas de P com as componentes de v.

14 Álgebra linear
A origem do sistema 0 ( 0 ,0 ,0 ) representa o vetor nulo.

O vetor oposto de v = (x, y, z) é o vetor -v = (-x , -y, -z).
De forma análoga à que tivemos no plano, teremos no espaço:
I) Dois vetores u - ( x i , y i , Z i ) e v = Xx2 , y 2 ,Z2 ) são iguais se, e somente se, Xi =X 2 ,

yi =X 2 e zi =Z 2 .
II) Dados os vetOTes u = ( x i , y i , Z i ) e v = (x2,y2,Z2) e aG IR, define-se:
u + v = (xi +X2,yi +y2,Zi +Z2)
au = (ax, ,a yi ,a z, )
ni) Se A ( x i , y i , Z i ) e B( x 2 , y 2 ,Z2) são dois pontos quaisquer no espaço, então:
AB =(X 2 - X i , y 2 - y i , Z 2 - z i )
IV) O produto escalar dos vetores u = ( x i , y i , Zi) e v = (x 2 , >2 , Z2 ) é o número real:
u . v = XiX2 + y i y 2 +Z 1Z2
V) O módulo do vetor v = (x, y , z ) é dado por:
I v| = \ / y? + y^ + z^
VI) se u e V são vetores não-nulos e 0 é o ângulo formado por eles, então:
u .V
COS 0 =
|u ||v |
V II) Para u = ( x i , y i , Z i ) e v = (x 2 , y 2 , Z2 ), tem-se:
a) u // V se, e somente se, — = — = — ;

X2 y2 Z2 ’
b) u 1 V se, e somente se, X 1X2 + y iy 2 + Z1Z2 = 0 .

CAPÍTULO
2.1 IN TR O D U Ç Ã O
Sabe-se que o conjunto:
IR" = { ( x , y ) / x , y G IR}
é interpretado geometricamente como sendo o plano cartesiano. Um par (x, y) pode ser
encarado como um ponto (Figura 2.1a) e, nesse caso, x e y são coordenadas, ou pode ser
encarado como um vetor (Figura 2.1b) e, nesse caso, x e y são componentes (ou coordenadas).
Essa mesma idéia, em relação ao plano, estende-se para o espaço tridimensional que é a
interpretação geométrica do conjunto IR^. Embora se perca a visão geométrica de espaços com
dimensão acima de 3, é possível estender essa idéia a espaços como IR"^, IR^, ..., IR". Assim,
(x, y)
Figura 2.1a Figura 2. 1b
15
16 Álgebra linear
quádruplas de números ( xi , X2 , X3, X4 ) podem ser vistas como pontos ou vetores no espaço
IR"* de quarta dimensão. A quíntupla ( 2 , - 1 , 3 , 5, 4) será interpretada como um ponto ou
um vetor no espaço IR^ de dimensão cinco. Então, o espaço de dimensão n (ou espaço
n-dimensional) será constituído pelo conjunto de todas as n-duplas ordenadas e representado
por IRn, istoé:
IR"= { ( x i ,X 2 , . . . , x„ ) ; x í G i r }
A maneira de se trabalhar nesses espaços é idêntica àquela vista em IR^ e em IR^.

Por exemplo, se:
u = ( x i , X2 ,..., Xn) e V= ( y i , y 2 ,..., yn)
são vetores no IR" e a um escalar, define-se:
a) u = V se, e somente se, Xi = y i , X2 = y 2 ,..., Xj^ = yj^.
b) u + v = (xi + y i , X 2 + y 2 , . . . ,x „ + yn).
c) a u = ( a x i , a x 2 ,...,axj^).
d) u . V = x i y i + X j y 2 + ... + x„yn.
e) IuI = y / u , u = V x ? + X2 + ... + x^ .
Desde já é bom observar que o vetor u = ( x i , X2 ,..., Xj^) aparecerá, às vezes, com a notação
matricial (matriz-coluna n x 1):
Xi
X2
u=
e é fácil ver que u + v e au na notação matricial são os vetores:
Xi "yi Xi + Y 1
X2 V2 Xj + Y 2
u +V= + =
Xf! Yn Xn+yn
Espaços vetoriais 17
OOÍi
OOÍ2
au = a
OíX„
Vamos agora transmitir uma idéia nova. Para tanto, consideremos dois conjuntos: o IR” e
0 conjunto das matrizes reais de ordem m x n, representado por M(m,.n). Como nesses
conjuntos estão definidas as operações de adição e multiplicação por escalar, constata-se a exis
tência de uma série de propriedades comuns a seguir enumeradas.
Se u, V, w E IR*', se a , G IR e se A, B, C G M (m, n), podemos verificar que:
a) Em relação à adição vqlem as propriedades:
l') (u + v) + w = u + (v + w) e
(A + B) + C = A + (B + C) (associatividade da adição)
2) u + v = v + u e
A+B=B+A (comutatividade da adição)
3) Existe um só elemento em IR" e um só em M (m, n)

indicado por 0 e tal que:
u+ 0 = u e
A+0=A (existência do elemento neutro)
O elemento 0, nesse caso, será o vetor 0 = ( 0 , 0,..., 0) G IR", na primeira igualdade, e

a matriz nula:
0 0
0 0
0= G M(m, n)
na segunda igualdade.
18 Álgebra linear
4) Para cada vetor u G IR*' e para cada matriz A E M (m, n) existe um só vetor -u G IR”
e uma só matriz -A G M (m, n) tais que
u + ( - u) = 0 e
A + (-A ) = 0 (existência do elemento simétrico)
Por exemplo, se tivermos u = (xj, X2 , ...,Xn), então o vetor simétrico é

-u = (-Xj, -X2 , ...» -x^), e, caso semelhante, para a matriz A e sua correspondente simétrica - A.
b) Em relação à multiplicação por escalar valem as propriedades:
1 ) (o0) u = a(û) e
(o 0 )A = a ( 0 A)
2) (a + 0) u = au + 0u e
(a + j3) A = aA + PA
3) a (u + v) = au + av e
a ( A + B ) =a A + aB
4) lu = u e
1A= A
Conforme acabamos de ver, os conjuntos IR” e M(m, n), munidos desse par de operações,
apresentam uma “estrutura” comum em relação a essas operações. Esse fato não só vale para
esses dois conjuntos com essas operações mas para muitos outros, razão porque vamos estudá-los
simultaneamente. Esses conjuntos serão chamados espaços vetoriais.
2.2 ESPAÇOS V E T O R IA IS
Seja um conjunto V, não-vazio, sobre o qual estão definidas as operações adição e multi
plicação por escalar, isto é:
Vu, VG V, u + VG V
VaG IR, VuG V, auG V
O conjunto V com essas duas operações é chamado espaço vetorialreal (ou espaço vetorial
sobre IR) se forem verificados os seguintes axiomas:
A) Em relaçío à adiçíTo:
A l) (u + v) + w = u + (v + w), Vu, V, w G V
A2 ) u + v = v + u, Vu, v G V
A3) HOG V, Vu G V, u + 0 = u
A 4) .VuG V, 3 ( - u ) G V, u + (-u) = 0
M) Em relaçío à multiplicação por escalar:
M l) (a 0) u = a(/3u)
M2) (oc + j3) u = 001 +j3u
M3) a (u + v) = au + av
M4) lu = u
para Vu, v G V e Voe, 0 G IR.
Observações
1) Os elementos do espaço vetorial V serão chamados vetores, independentemente de sua

natureza. Pode parecer estranho, e à primeira vista não deixa de ser, o fato de se chamar de
vetores os polinômios (quando V for constituído de polinômios), as matrizes (quando V for
constituído por matrizes) os números (quando V for um conjunto numérico), e assim por diante.
A justificativa está no fato de as operações de adição e multiplicação por escalar realizadas com esses
elementos de natureza tão distinta se comportarem de forma idêntica, como se estivéssemos
trabalhando com os próprios vetores do ou do R^. Assim, a familiaridade que temos com
os vetores do R^ e do R^ terá continuidade nesses conjuntos, chamando seus elementos também
de vetores.
2) Se na definição acima tivéssemos tomado para escalares o conjunto C dos números

complexos, V seria um espaço vetorial complexo. Daqui por diante, salvo referência expressa
em contrário, serão considerados somente espaços vetoriais reais. Assim, quando se disser que V
é um espaço vetorial, deve ficar subentendido que V é um espaço vetorial sobre o coiqunto IR,
dos númçros reais.
20 Álgebra linear
Exemplos
1) 0 conjunto V= = {(x,y)/x, yG IR} é um espaço vetorial com as operações de

adição e multiplicação por um número real assim defmidas:
(X l,y i) + (Xl,y2) = (x, +X2,y, +X2)
a (x ,y ) = (ax,ay)
Essas são as operações usuais de adição e multiplicação por escalar.

Para verificarmos os oito axiomas de espaço vetorial, consideremos u = (x i, y i), v = (x^, y j)
e w = (x3,y3). Tem-se:
A ,) (u + v) + w = ((xi, y i) + (xj, yj)) + (xj, y3>

(u + v) + w = ((xi + X2, yi + yj)) + (xj, y j)
(u+ v) -t w = ((x, + Xj) + X3, (yi + Y i) + ys)
(u + v) + w = (x, + (X2 + X3), yi + (y2 + yj))
(u + v) + w = ( x i, y i) + (X2 + x j, y2 + ys)
(u + v) + w = ( x ,, y i ) + ((X2, y2> + ( X 3 , ya))
(u + v) + w = u + (v -t w)
A2) u + v = ( x ,,y i) + (x2,y2)

u-tv = (xi +X2,yi +y2>
u + V = (X2 + Xi, y2 + y i )
u + v = (x2,y2) + ( x i,y i)
u + V = V+ u
A3) 30 = (0, 0) e IR^ V u e ]R^ u + 0 = ( x ,,y j) + (0, 0)

u -t 0 = (xi + 0, yi +0)
u + 0 = ( x i,y i)
u-t 0 = u
A4) Vu = (xi,y,)G 1R^ 3 (-u) = ( - X i,- y i) e IR^

u + (-u) = ( x i , y , ) + (-Xi , - y i )
u + (-u) = (x , - x i . y , - y i )
u + ( - u ) = ( 0 , 0) = 0
M,) (a/3) u = (a0) ( x , , y , ) = ((a^) x , , (a^) y , ) = ( a ( ^ x , ), a ))
(a/J) u = a (0X| , /3y,) = a (/3(x,, y j ))

(aff) u = a (j3u)
Mz) (a + 0 )u = (a + ^ ) ( x i , y i ) = ((a + ^ ) x , , ( a + j3)y,) = (a x i + 0 x , , a y , + 0 y i )

(a + ^)u = ( a x i , a y 1) + (^X|, ^ y , ) = a ( x i , y i ) + 0 ( x i , y i )
(a +j3)u = au + /3u
Mj) a ( u + v ) = a ( ( x , , y , ) + ( x 2, y 2)) = a (x i +X 2, y i + y 2) = ( a ( x i +X 2) , a ( y i + y 2»
a(u + v) = (a x i + a x 2, a y i + a y 2) = (axi , a y , ) + ( a x 2, a y 2) =
a ( x i , y , ) + a ( x 2, y 2)
M4) lu= l ( x i , y , ) = (lx i, lyi) = (x i,y i)
lu = u
2) Os conjuntos IR^, IR" são espaços vetoriais com as operações de adição e

multiplicação por escalar usuais. Depois de verificados os oito axiomas de espaço vetorial para
o IR^, os mesmos ficam também evidentes nos conjuntos acima citados.
3) 0 conjimto R . Os vetores, nesse caso, são números reais, e sabe-se que a adição de
números reais verifica as propriedades A i, A 2 , A 3 e A 4 da definição de espaço vetorial. Assim,
também, o produto de reais é um número real, e a operação multiplicação satisfaz os axiomas
Ml, M2, M3 e M4.
4) O conjunto M (m, n) das matrizes m x n com as operações adição e multiplicação por

escalar usuais.
Em particular, o conjunto M(n, n) das matrizes quadradas, de ordem n, é um espaço
vetorial relativamente às mesmas operações.
5) O conjunto
Pn = {ao + aiX + a2X^ + ... + a^^x” ;a. G R }
dos polinômios com coeficientes reais de grau < n , mais o polinômio nulo, em relação às
operações usuais de adição de polinômios e multiplicação por escalar.
Em particular, o conjunto
^2 ~ { ao + a i X + a 2 x ^ ; a- G R }
é um espaço vetorial relativamente às mesmas operações.

22 Álgebra linear
6) O conjunto
V = { f : IR— > IR}
das funções reais definidas em toda reta. Se f, gG V e a E R, define-se:
f + g : IR— >JR
(f + g) (x) = f(x ) + g(x)
e:
af: R— >IR
X»— ► (af) (x) = af(x)
7) O conjunto
V= {(x,x")/xE IR}
com as operações definidas por:
(X l.xJ) 0 ( X2 , X ^ ) = ( X i + X 2 , ( X , + X 2 f )
a O (x , x ^ ) = (ax , a ^ x ^ )
é um espaço vetorial sobre R .
Os símbolos @ e Q são utilizados para indicar que a adição e a multiplicação por escalar
não são as usuais.
8 ) O conjunto
v = {(x, y)/x, y > 0 }
é um espaço vetorial com as operações adição e multiplicação por escalar definidas assim:
( x i ,y i ) 0 (Xi,y2) = (xi X X2, y, X yj)
«O (x,y) = (x“ ,y “ )
O trabalho de testar os oito axiomas de espaço vetorial é um ótimo exercício para o

leitor, o qual observará, por exemplo, que o elemento neutro da adição @ (axioma A 3) é o
vetor ( 1 , 1 ) e que o elemento simétrico (axioma A4) de cada vetor (x, y)G V é o vetor
)G V.
9) Seja o conjunto:
R^ = { ( a , b ) / a , b G R }
Vamos mostrar que o conjunto R^ não é um espaço vetorial em relação às operações

assim definidas:
(a, b) + (c, d) = (a + c, b + d)
k(a, b) = (ka, b)
Ora, como a adição aqui definida é a usual, verificam-se os axiomas A i, A 2 , A 3 e A 4 de

espaço vetorial, conforme vimos no exemplo 1. Logo, devem falhar algum ou alguns dos axiomas
relativos à multiplicação. Vamos testá-los.
Consideremos:
u = (xi,yi), v = (x 2 , y 2 ) a , ^ e IR
Temos, então:
M,) (a0) u = (afi) (x, , y , ) = ((aP) Xi,yi) = (a (Pxj), y i ) = a (0x,, y , )

(aP) u = a ( P ( x j , y i ) ) = a(Pu)
(Este axioma se verifica.)
M2 ) (a + 0) u = (a + /3) ( x , , y i ) = ((a + 0) Xi, y , ) = (a x i + P x i , y , )

au + û = a ( x i , y , ) + /3(xi,yi) = ( a x | , y i ) + (0xi,yi) = (ax, +0x,, 2y,)
Como se vê:
(a-h 0) u¥=au + pu
e, portanto, não se verifica o axioma M2 , o que comprova nao ser um espaço vetorial o conjunto
de que trata esse exemplo.
24 Álgebra linear
2.3 PROPRIEDADES DOS ESPAÇOS V E T O R IA IS
Da definição de espaço vetorial V decorrem as seguintes propriedades:
I) Existe um único vetor nulo em V (elemento neutro da adição).
II) Cada vetor u G V admite apenas um simétrico (-u) G V.
III) Para quaisquer u, v, w G V, se u + w = v + w, então u = v.
IV) Qualquer que seja vG V, tem-se:
-(-v) = V
isto é, o oposto de -v é v.
V) Quaisquer que sejam u, v G V, existe um e somente um x G V tal que:
u+x =V
Esse vetor x será representado por:
x = v -u
VI) Qualquer que seja vG V, tem-se:
0v = 0
Naturalmente, o primeiro zero é o número real zero, e o segundo é o vetor 0 G V.
VII) Qualquer que seja \ G IR, tem-se:
X0 = 0
VIII) Xv = 0 implica X = 0 ou v = 0.
IX) Qualquer que seja v G V, tem-se:
( - l ) v = -v
X) Quaisquer que sejam V E V e XG R , tem-se:
(-X )v = X (-v ) = -(Xv)
2.4 SUBESPAÇOS VETO R lAIS
Sqam V um espaço vetorial e S um subconjunto não-vazio de V. O subconjunto S é

um subespaço vetorial de V se S é um espaço vetorial em relação à adição e à multiplicação
por escalar definidas em V.
Para mostrar que um subconjunto S é um subespaço vetorial de V, deveriamos testar
os oito axiomas de espaço vetorial relativos à adição e à multiplicação por escalar. No entanto,
como S é parte de V, que já se sabe ser um espaço vetorial, não há necessidade da verificação
de certos axiomas em S. Por exemplo, o axioma A2 diz que u + v = v + u , V u , v E V. Ora, se
a comutatividade da adição é válida para todos os vetores de V, ela valerá, conseqüentemente,
para todos os vetores de S. Existem outros axiomas de espaço vetorial merecedores de comen
tário idêntico. O teorema seguinte estabelece as condições para que um subconjunto S de um
espaço vetorial V seja um subespaço vetorial de V.
2.4.1 Teorema
Um subconjunto S, mo-vazio, de um espaço vetorial V é um subespaço vetorial de V se

estiverem satisfeitas as condições:
I) Para quaisquer u, v E S, tem-se:
u + vE S
II) Para quaisquer a E IR, u E S, tem-se:
auE S
Vamos mostrar que sendo válidas essas duas condições em S, os oito axiomas de espaço
vetorial também se verificam em S.
De fato:
Seja u um vetor qualquer de S. Pela condição II, a u E S para todo a E R . Fazendo
a = 0, vem OuE S, ou seja, OE S (axioma A3). Fazendo a = - l , s e g u e (-l)u=-uE S
(axioma A4).
26 Álgebra linear
Os demais axiomas A i, A 2 , M i, M2 , Ma e M4 de espaço vetoríal são verificados em S pelo

fato de ser S um subconjunto não-vazio de V.
Observação
Todo espaço vetorial V admite pelo menos dois subespaços: o conjunto { 0 } , chamado
subespaço zero ou subespaço nulo, e o próprio espaço vetorial V. Esses dois são os subespaços
triviais de V. Os demais subespaços são denominados subespaços próprios de V.
Por exemplo, os subespaços triviais de V = 1R^ são { ( 0 , 0 , 0 ) } (verificar as condições

1 e II do teorema 2.4.1) e o próprio Os subespaços próprios do são as retas e os planos
que passam pela origem.
Para V = R ^ , os subespaços triviais são: { ( 0 , 0 ) } e R^, enquanto os subespaços próprios
são as retas que passam pela origem.
Exemplos
1) Sqam V = R^ e S = { ( x, y) G R ^ /y = 2 x } ou S = { (x, 2x); x G R } , isto é, S é o

conjunto dos vetores do plano que tém a segunda componente igual ao dobro da primeira.
Evidentemente, S=^(py p o i s ( 0 , 0 ) G S.
Verifiquemos as condições I e II.

Para u = ( x i , 2x i ) G S e v = (x 2 , 2x 2 ) G S, tem-se:
I) u + v = (x i +X 2 , 2xi + 2x2) = ( xi +X 2 , 2 ( xi +X 2 ))G S, pois a segunda componente

de u + v é igual ao dobro da primeira.
II) au = 0£(Xi, 2 x i ) = (ocxi» 2 ( a x i )) G S, pois a segunda componente de au é igual ao

dobro da primeira.
Portanto, S é um subespaço vetorial de R ^.

Esse subespaço S representa geometricamente uma reta que passa pela origem
(Figura 2.4.1a).
Observemos que ao tomarmos dois vetores u e v da reta, o vetor soma u + v ainda
é da reta. E se multiplicarmos um vetor u da reta por um número real a , o vetor au ainda
estará na reta.
O mesmo não ocorre quando a reta não passa pela origem. Por exemplo, a reta:
S= { ( x , 4 - 2 x ) ; x e R }
não é um subespaço vetorial do R ^ . Se escolhermos os vetores u = ( 1 , 2) e v = ( 2 , 0 ) de

S, temos u + V= (3, 2) ^ S (Figura 2.4.1b).
28 Álgebra linear
Observemos ainda que a u í S, para a = ^ l.
O que afirmamos para esta reta que não passa pela origem vale para qualquer sub
conjunto S de um espaço vetorial V. Assim, sempre que 0 í S, conclui-se que S não é
subespaço de V. Aliás, esse fato é sempre útil para detectar, muitas vezes de imediato, que
um subconjunto S não é subespaço vetorial. No entanto, não nos enganemos pensando
que, se OE S, S é subespaço, pois podemos ter OE S sem que S seja subespaço. É o
caso do subconjunto
S= { ( x ; |x |) ; x e R }C ]R 2
Observemos que (0 ,0 ) E S e que, se tomarmos os vetores u = ( 3, 3 ) e v = (-2, 2)

de S, teremos u + v = ( l , 5 ) í S (Figura2.4.1c).
Observemos ainda que au í S, a < 0.
Observação
Nos exemplos trabalharemos somente com conjuntos não-vazios, ficando dispensada a

necessidade de verificar se o conjunto é não-vazio.
2) Sejam V = e
S = { (x, y , z)/ E IR^ /ax + by + cz = 0 }

Nesse caso:
u = ( x i , y i , Zi) G S implica axi + byi + czi = 0
V= (x 2 , y 2 , Z2) G S implica ax2 + by 2 + CZ2 = 0
I) Somando essas igualdades, resulta:
a(xi + X2) + b(yi + y2) + c(zi + Z2) = 0
e essa igualdade mostra que:
u + v = ( x i + X2 , y i + y 2 , z i + 22) ^ S
pois as coordenadas de u + v satisfazem a equação
ax + by + cz = 0
II) Por outro lado,
au = ( a x i , a y i , a z i ) G S
pois, se:
axi + byi + czi = 0,
então:
a (a x i + byi + czi) = aO
ou:
a(axi) + b(ayi) + c(azi) = 0
o que vem mostrar que as coordenadas de au satisfazem a equação ax + by + cz = 0 .

Logo, S é um subespaço vetorial de Esse subespaço S representa um plano
qualquer passando pela origem no IR^.
30 Álgebra linear
3) Sejam V = IR'‘
S = { ( x , y , z , 0 ); x , y , z S R }
isto é, S é o conjunto dos vetores de que têm a quarta componente nula.

Verifiquemos as condições I e II de subespaço.
Para u = (xi, y i , Zi, 0) G S e v = (x 2, y 2 , Z2 , 0 ) G S, tem-se:
I) u + V = (xi + X2 , y 1 + y 2 , Zi + Z2 ,0 ) G S, pois a quarta componente de u + v é nula.
II) au = ( a x i , O í y i , a z i , 0 ) G S, pois a quarta componente de a u é nula.
Logo, S é um subespaço vetorial de
4) Sejam
a b
V = M(2, 2) = ; a, b, c, dG IR
c d
a b
S= ; a, b G IR
0 0.
isto é, S é o conjunto das matrizes quadradas, de ordem 2, cujos elementos da segunda linha
são nulos.
Para quaisquer
3i bi a2 b2
u = es, V= G S e Oí G IR
0 0 0 0
tem-se:
I) u+ VG S
II) auG S
Logo, S é um subespaço vetorial de M ( 2 , 2 ).
Observação
É interessante observar que se tivéssemos considerado V = e

S= { ( a , b , 0 , 0) ; a , b G IR},
0 raciocínio seria idêntico ao que foi feito para as matrizes acima.
5) Sejam V = M(n, n), B uma matriz fixa de V e
S = { AG M(n,n)/AB = 0 }
isto é, S é o conjunto das matrizes que, multiplicadas à esquerda por B, têm como resultado
a matriz nula.
Então:
Al G S implica Ai B = 0
A 2 ^ S implica A2 B = 0
I) Somando essas igualdades, vem:
A iB + A2 B = 0
ou:
(Al + A2)B = 0
e, portanto:
Al + A2 ^ S
32 Álgebra linear
II) Multiplicando por a real a primeira igualdade, vem:
a (Al B) = aO
ou:
(aAi)B = 0
e, portanto:
aAi G S.
Logo, S é um subespaço vetorial de M(2, 2).
6) Sejam V = M(3, 1) e
S o conjunto-solução de um sistema linear homogêneo a três variáveis.
Consideremos o sistema homogêneo
3x + 4y - 2z = 0
2x+ y - z = 0
X - y + 3z = 0
Fazendo:
3 4 - 2 X 0
A = 2 1 -1 , x = y e 0 = 0
1 -1 3 z 0
o sistema, em notação matricial, será dado por AX = 0, sendo X elemento do conjunto-

solução S.
Se
Xl X2
u = Xi = Yi e V= X 2 = Yi
Zi Z2
são soluções do sistema, então:
AXi = 0 e AX 2 = 0
I) Somando essas igualdades, vem:
AXi + AX 2 = 0
ou:
A( Xi +X2> = 0
o que implica
Xi + X2 G S
isto é, a soma de duas soluções é ainda uma solução do sistema.
II) Multiplicando por a real a primeira igualdade, vem:
a(AXi) = aO
ou:
A(aXi) = 0
0 que implica
oXi G S
isto é, o produto de uma constante por uma solução é ainda uma solução.
Logo, o conjunto-solução S do sistema linear homogêneo é um subespaço vetorial de

M(3,l).
Observações
1) Esse conjunto-solução S pode também ser considerado subespaço de R^, pois um

vetor (x, y, z)G IR^ tem notação matricial:
y
z
34 Álgebra linear
2) Esse subespaço S é também chamado espaço-solução do sistema AX = 0.
3) Se tivermos um sistema homogêneo de m equações lineares com n variáveis, o

espaço-solução será um subespaço de R^.
4) Se um sistema linear é não-homogêneo, o seu conjunto-solução S m o é um subespaço

vetorial (verificação a cargo do leitor).
7) SqamV=R2
s= {(X,y); x > 0}
isto é, S é o conjunto dos vetores de cuja primeira componente é positiva.

Sendo
u = (xi,yi), X, >0, e
V = (X2,y2), X2 > 0
vetores quaisquer do S, temos:
I) u + V = (xi + X2 , Yi + Y2 ) ^ S pois Xi + X2 > 0, isto é, a soma de dois vetores com a

primeira componente positiva é um vetor cuja primeira componente é também positiva.
II) au = ( a x i , a y i ) ^ S quando a < 0, isto é, nem sempre o produto de um vetor com

a primeira componente positiva por um número real a resulta um vetor cuja primeira
componente é positiva. Por exemplo, u = (3,-4)G S e - 2 ( 3 , - 4 ) = ( - 6 , 8) ^ S.
Ijogo, S não é subespaço de R ^.

Para chegar a essa conclusão poderiamos ter usado o fato de que ( 0 , 0 ) ^ S (imediata).
2.4.2 Interseção de dois Subespaços Vetoriais
Sejam Si e S2 dois subespaços vetoriais de V. A interseção S de Si e S2 , que se

representa por S = Si 0 8 2 , é o conjunto de todos os vetores vG V tais que vG Si e vG S2.
2.4.2.1 Teorema
A interseção S de dois subespaços vetoriais Si e S2 de V é um subespaço vetorial de

V. De fato:
I) se u, VE S i, então u + v E S i ;
se u, V E S2 , então u + v E S2 .
Logo:
u + VE Si n S2 = S.
II) Para qualquer XE R :
se VE S i, então X v E S i ;
se v E S2 , então Xv E S2 .
Logo:
X V E Si n S2 = s
Exemplos:
1) Seja V o espaço vetorial das matrizes quadradas de ordem 2:
a b
V = ; a,b,c,dE R
c d
Sqam Si e S2 subespaços vetoriais de V:
a b
Si = ; a,bE R
0 0
36 Álgebra linear
a 0
S. = ; a,cG R
c 0
A interseção S = Si n S2 é nm subespaço vetorial de V:
a 0
S= ; aG R
0 0
2) Seja o espaço vetorial R^ = {(a, b, c); a, b , c G R } e os subespaços vetoriais

Si = {(a, b, 0); a,b G R } e S2 = { ( 0 , 0 , c); c G R } . A interseção 81082 éo
subespaço vetorial 8 = { ( 0 , 0 , 0 ) } = { 0 } .
2.4.3 Soma de dois Subespaços Vetoriais
Sejam Si e 82 dois subespaços vetoriais de V. A soma 8 de Si e 82, que se repre

senta por S = Si + 82 , é o cx>njunto de todos os vetores u + v de V tais que uG Si e vG 82 .
2.4.3.1 Teorema
A soma 8 de dois subespaços vetoriais Si »e 82 de V é um subespaço vetorial de V. De

fato:
I) se Ui, U2 G S i, então Ui + U2 G S j ;
se v i , V2 G 82 , então Vi + V2 G 82 .
Por outro lado:
Ui + Vi G 8
U2 + V2 G 8
logo:
(ui + Vi) + (u 2 + V2) = (ui + U2 ) + (vi + V2 )G Si + 82 = 8

n ) Para qualquer XG IR:
se Ui E S i, então Xui E S i ;
se Vi E S2 , então Xvi E S2 .
Por outro lado:
Ui + Vi E S
logo:
X(ui + Vj) = Xui + Xvi E Si + S2 = S
Exemplos
1) A soma S dos subespaços vetoriais Si e S2 referidos no exemplo 1 de 2.4.2.1 é um

subespaço vetorial de V:
a b
S - ; a, b, c E R
c 0
2) Sejam os subespaços vetoriais Si = { ( a , b , 0 ) ; a , b E R } e S2 = {( 0, 0, c); c E R } do

espaço vetorial R^ = { (a, b, c); a, b, c E R } .
A soma Si + S2 é o subespaço vetorial S = {(a, b, c); a, b , c E R } , que, no caso, é

o próprio R^.
2.4.4 Soma Direta de dois Subespaços Vetoriais
Sejam Si e S2 dois subespaços vetoriais de V. Diz-se que V é a soma direta de Si e

S2, e se representa por V = Si 0 S2 , se V = Si + S2 e Si n S2 = { 0 } .
38 Álgebra linear
2.4.4.1 Teorema
Se V é a soma direta de Si e S2 , todo vetor v E V se escreve, de modo único, na

forma:
v= u + w
onde:
u E Si e w E S2
De fato, de V = S i @ S 2 , vem, para qualquer v E V:
V= u + w, onde u E Si e v E S2 (2.4.4.1-I)
Suponhamos que v pudesse exprimir-se também pela forma:
V= u' + w', onde u' E Si e w' E S2 (2.4.4.1-II)
As igualdades 2.4.4.1-1 e 2.4.4.1-11 permitem escrever:
u + w = u' + w'
ou:
onde:
u - u' E Si e w' - w E S2
Tendo em vista que Si n S2 = { 0 } :
u-u' = w '- w =0
isto é:
u=u e w=w
Exemplo:
O espaço vetorial IR^ = { (a, b, c); a, b, c G R } é á soma direta dos subespaços vetoriais:
= {(a,b,0); a,bG R } e S2 = { ( 0 ,0 , c); c G R }
pois qualquer vetor (a, b, c) G R^ pode ser escrito como soma de um vetor de Si e um vetor
de S2 de modo único:
( a, b, c) = (a, b , 0) + ( 0 , 0 ,c)
e, portanto:
IR^ = S , © S 2
2.5 COMBINAÇÃO LINEAR
Sejam OS vetores Vi,V2, v^ do espaço vetorial V e os escalares a i , a2 , ...» a^. Qualquer

vetor V e V da forma:
v = a i v i +a2V2 + ... + aj^Vj^
é uma combinação linear dos vetores Vi, V2 , v^.
Exemplo
No espaço vetorial P2 dos polinômios de grau < 2 , o polinômio v= Ix? + l l x - 2 6 é

uma combinação linear dos polinômios:
vi = 5x^ - 3x + 2 e V2 = -2x^ + 5x - 8
De fato:
V = 3 v i + 4 v2
isto é:
Ix } + l l x - 2 6 = 3(5x^ - 3 x + 2) + 4(-2x^ + 5 x - 8 )
7x^ + 1 Ix - 26 = 15x^ - 9x + 6 - 8x^ + 20x - 32

7x^ + l l x - 2 6 = 7x^ + l l x - 2 6
40 Álgebra linear
2.5.1 Problemas Resolvidos
Para os problemas de 1 a 4, consideremos, no os seguintes vetores: Vi = ( 1 , - 3 , 2)

e V2=(2,4,-1).
1) Escrever o vetor v = ( - 4 , - 1 8 ,7 ) como combinação linear dos vetores Vj e Vj.
Solução
Pretende-se que:
v = aiVi + a2 V2
sendo ai e a2 escalares a determinar. Então, devemos ter:
( . 4 , - 1 8 , 7 ) = a i ( l , - 3 , 2 ) + a2(2, 4 , - 1 )
ou:
(-4 , -18, 7) = ( a , , - 3 a , , 2 a , ) + (2a2, 4 a j , -á j)
ou:
(-4 , -18, 7) —(aj + 2a2, -3aj + 4a2, 2aj - a2)
Pela condição de igualdade de dois vetores, resulta o sistema:
ai + 2a2 = -4
-3ai +4a2 =-18
2ai - a2 = 7
cuja solução é ai = 2 e a2 = -3.
Portanto,
V = 2 v i - 3 v2
Observação
Esse problema e outros deste Capítulo estão resolvidos no Apêndice A.
2) Mostrar que o vetor v = (4, 3 , - 6 ) não é combinação linear dos vetores Vi e V2.
Solução
Deve-se mostrar que não existem escalares ai e a2 tais que:
v = aiVi +a2V2
Com procedimento análogo ao do problema anterior, temos:
(4,3,-6) = ai(l,-3,2) + a2(2,4,.l)
de onde resulta o sistema:
ai + 2a2 = 4
-3ai + 4a2 = 3
2ai - a2 ” “6
Observemos que esse sistema difere do anterior pelos termos independentes. Como é
incompatível, o vetor v não pode ser escrito como combinação linear de Vj e V2 .
3) Determinar o valor de k para que o vetor u = ( - l , k , -7) seja combinação linear de

vi e V2.
Solução
Devemos ter:
u = ai Vi + a2 V2
ou:
(-l,k,-7) = a,(l,-3,2) + aj(2,4,-l)

42 Álgebra linear
de onde vem o sistema:
ai + 2a2 = -1
-3ai + 4a2 ~ k
2ai - a2 = -7
do qual resulta, como solução do problema proposto, k = 13 (ai = -3 e a2 = 1).

De fato:
(-1,13,-7) = -3(1,.3, 2 ) + 1 (2 ,4 ,-1 )
(-1,13,-7) = (-3,9, ^ ) + ( 2 , 4 , - l )
(-l,13,-7) = (-l,13,-7).
4) Determinar a condição para x, y e z de modo que ( x , y , z ) seja combinação linear dos

vetores Vi e V2.
Solução
Devemos ter:
( x , y , z) = a i ( l , -3, 2) + 32( 2 , 4 , -1)
de onde vem o sistema:
ai + 2a 2 = X
-3ai + 4a2 = y
2ai - a2 = z
O vetor (x, y, z) somente será combinação linear de Vi e V2 se o sistema tiver solução, e

isto somente ocone se:
X - y - 2z = 0
ou:
X = y + 2z
Assim, todos os vetores ( x , y , z) E IR^, que são combinações lineares de Vj e V2 , tém

a forma:
( y + 2z, y ,z )
com y, z E R .
Podemos fazer a interpretação geométrica desse resultado. Observemos que os vetores Vi e

V2 não são colineares. O vetor aiVi tem a direção de Vi, e o vetor a2V2 , a direção de V2 .
Logo, todos os vetores (x, y, z) E do tipo
( x , y , z ) = aiVi + a 2 V2
formam um plano tt que passa pela origem. Esse plano tem equação x - y - 2z = 0, que estabelece
a condição solicitada entre as componentes x, y e z, conforme se disse ao mencionar a solução
do sistema.
►y
5) Mostrar que o vetor v = ( 3 , 4 ) E pode ser escrito de infinitas maneiras como combi
nação linear dos vetores Vi = ( 1, 0), V2 = ( 0 , 1) e V3 = ( 2 , - 1).
Solução
Tem-se:
(3,4) = a (l,0 ) + b(0, l) + c (2 ,-l)

44 Álgebra linear
donde:
a + 2c = 3
b- c=4
ou:
a = 3 - 2c
b= 4+ c
e, portanto, para cada valor de c obtém-se um valor para a *e outro para b.
2.5.2 Subespaços Gerados
Seja V um espaço vetorial. Consideremos um subconjunto A = { Vj,V2 , v ^ } C V,

A=^0.
O conjunto S de todos os vetores de V que são combinações lineares dos vetores de A é
um subespaço vetorial de V.
De fato, se:
u = aiVi + ajv^ + ... + a„v^
v = b i V , + b 2 V2 + ••• + V n
são dois vetores quaisquer de S, pode-se escrever:
u + v = (a, + b , ) v i +(32 + b 2>V2 + ... + (a^ + b^)v^
a u = (aa, )V| + ( a a 2) v 2 + - + («a„)v^
Tendo em vista que u + v E S e que a u E S, por serem combinações lineares de

Vi, V2 , v^, conclui-se que S é um subespaço vetorial de V.
Simbolicamente, o subespaço S é:
S = { v e V/v = aiVi + . . . + a„Vjj, a , , . . . , a j j € IR}

Observações
1) O subespaço S diz-se gerado pelos vetores Vi, V2 , v ^ , ou gerado pelo conjunto A, e

representa-se por:
s= K , V 2 ,...,V ^ ] OU S = G(A)
Os vetores V i, V2, ...»v^^ são chamados geradores do subespaço S, enquanto A é

o conjunto gerador de S.
2) Para o caso particular de A = 0, define-se: [0] = { 0 } .
3) A C G(A), o u sq a , { v i , C [vi, .
4) Todo conjunto A C V gera um subespaço vetorial de V, podendo ocorrer G(A) = V.

Nesse caso, A é um conjunto gerador de V.
Exemplos
1) Os vetores i = ( l , 0 ) e j = ( 0 , l ) geram o espaço vetorial poisqualquer ( x , y ) G

é combinação linear de i e j :
(x, y) = xi + yj = x ( l , 0) + y ( 0, 1 ) = (x , 0) + (0 , y) = (x , y)
Então:
[ÍJ]=1R^
2) Os vetores i = ( 1 , 0 , 0 ) e j = ( 0 , 1 , 0 ) do IR* geram o subespaço
S = { ( x , y , 0 ) e lR’ / x , y e IR}
pois:
(x, y, 0) = x ( l , 0 ,0 ) + y ( 0 , 1,0)
EntSo:
[i,j] = S é um subespaço próprio do e representa, geometricamente o plano xOy.

46 Álgebra linear
3) Os vetores ei = ( 1, 0 , 0), C2 = ( 0 , 1 , 0 ) e 63 = (0, 0, 1) geram o espaço vetorial pois

qualquer v = (x, y, z)G é combinação linear de e j , e 2 e
(x, y, z) = x ( l , 0 , 0) + y ( 0 , 1, 0) + z ( 0 , 0 , 1)
ou:
V = XCi + yC2 + ZC3
Então:
[®i> 62, 63] =
Observação
Antes de resolvermos alguns problemas e fornecermos certas interpretações geométricas,

atentemos para um fato importante.
Dados n vetores Vi, v^ de um espaço vetorial V, se w G V é tal que
w = aiVi + ... + a„Vn
então:
(V i, . . . , V „ , w ] = [V i,
pois todo vetor v que é combinação linear de V j , v „ , w é também combinação linear de

De fato:
Seja w = ai Vj + ... + anVn-
Se
V E [v 1, . . . , Vn, w ] , então existem números reais b i , . . . , bn, b
tais que
v = b , v , + ... +b„v„ + bw
ou
v = biv, + ... +bnVn +b(aiVi + ... + a n v j
OU, ainda
V= (b, + a,b)v, + ... + (bn + anb)v„
e, portanto, v é combinação linear de Vi, . . . , Vn, istoé,
V e [vi, . . . , Vn]
A recíproca, ou seja,
se V G [vi, . . . , Vn], então v G [vj, . . . , Vn, w]
é trivial, pois
se V = ai Vi + . . . + anVn, então v = aiVi + . . . + anVn + Ow.
Assim, sendo S um subespaço gerado por um conjunto A, ao acrescentarmos vetores

de S a esse conjunto A, os novos conjuntos continuarão gerando o mesmo subespaço S. Esse
fato faz entender que um determinado subespaço S pode ser gerado por uma infinidade de
vetores, porém existe um número mínimo de vetores para gerá-lo.
2.5.2.1 Problemas Resolvidos
6) Seja V = IR^. Determinar o subespaço gerado pelo vetor Vi = ( 1 , 2 , 3).
Solução
Temos:
[Vi] = {(x, y, z) e l RV(x,y, z) = a ( l , 2 , 3), a € IR}

48 Álgebra linear
Da igualdade:
(x, y , z ) = a ( l , 2 , 3)
vem:
X = a
y = 2a
z = 3a
donde
y = 2x
z = 3x
Logo,
[vi ] = { (x, y, z) € IRVy = 2x e z = 3x}
ou
[vi] = { ( x , 2x , 3x); x € IR}
O subespaço gerado por um vetor Vi G IR^, Vi ¥= 0, é uma refa que passa pela origem
(Figura 2.5.2a). Se a esse vetor acrescentarmos V2, V3 , t o d o s colineares entre si, o subespaço
gerado por 2 , 3 , . . . vetores continuará sendo a mesma reta:
[Vi] = [vi, Vj] = [ v i . v j . V j ] =... (Figura 2.5.2b)

7) Seja V = IR^. Determinar o subespaço gerado pelo conjunto A = {vi, V2}, sendo
V i = ( l , - 2 , -1) e V2 = (2, 1, 1).
Solução
Temos:
[vi,V2] = {(x ,y ,z) G IRV(x,y, z) = a i ( l ,- 2 ,- l ) + a2(2, 1, l ) ,a i ,a 2 G IR}
Da igualdade acima, vem:
aj + 2 a2 = X
- 2 ai + a2 = y
-ai + a2 = z
O vetor (x, y, z) E [vi, V2] se, e somente se, o sistema tem solução, e isto somente ocorre
quando x + 3y - 5z = 0 (exercício a cargo do leitor).
Logo:
[vi, V2 ] = { (x, y, z) E IRVx + 3y - 5z = 0 }
O subespaço gerado pelos vetores Vi, V2 ^ não-colineares, é um plano n que passa

pela origem (Figura 2.5.2c). Se a esses dois vetores acrescentarmos V3 ,V4 ,..., todos copbnares,
o subespaço gerado por 3 ,4 , ... vetores continuará sendo o mesmo plano n:
[Vi, V2 ] = [vi , V2 , V3 ] = [vi, V2 , V3 , V4 ] = ... (Figura 2.5.2d)

50 Álgebra linear
8) Seja V=IR^. Determinar o subespaço gerado pelo conjunto A = {vj, V2, V3 } , sendo
Vi = (1, 1, 1), V2 = (1, 1, 0) e V3 = (1, 0, 0).
Solução
Para todo vetor (x, y, z) G [vi,V 2 ,V3 ], tem-se:
(X, y, z) = a i ( l , 1, 1) + a2 ( l, 1, 0) + a3( l , 0 , 0 )
isto é:
ai + a2 + a3 = X
ai + 32 =y
ai =z
ou:
ai = z
32 = y - z
33 = X - y
Portanto:
( x , y , z ) = z ( l , 1, l ) + ( y - z ) ( l , l , 0) + ( x - y ) ( l , 0 , 0)
e, por conseguinte, os vetores Vj, V2 e V3 geram o , pois cada vetor do R^ é combinação

linear dos vetores dados.
Logo:
[V l,V 2, V 3 ] = R ^
o subespaço gerado por três vetores m ó-copbm res é o próprio R^ (Figura 2.5.2e). Se a
esses trés vetores acrescentarmos V4 , Vg,... quaisquer, o subespaço gerado pelos 4, 5,... vetores
continuará sendo o próprio IR^:
[ Vl , V 2 , V 3 ] = [ V i , V 2 , V 3 . V 4 ] = ...
Figura 2.5.2e
9) Mostrar que o conjunto A = { (3, 1), (5, 2 )} gera o IR^
Solução
Vamos mostrar que todo vetor (x, y) E IR^ é combinação linear dos vetores do conjunto
A, isto é, sempre existem os números reais ai e a2 tais que;
(x, y) = ai(3, l) + a2(5, 2)
Daí vem o sistema:
3ai + 5a2 = X
ai + 2a2 = y
que, resolvido em termos de x e y, fornece:
ai = 2x - 5y e a2 = 3y - x
Portanto:
(X, y) = (2x - 5 y ) ( 3 , 1 ) + (3y - x )(5 , 2)
isto é:
G(A) = 1R*
52 Álgebra linear
10) Sejam V = M (2 ,2 ) e o subconjunto

>
-1 2‘ ’3 -l‘
A =
.- 2 3. » .1 1.
Determinai o subespaço G(A).
Solução
Para todo vetor
X y
V = G(A),
z t
tem-se:
X y ”- l 2 ”3 -f
= a +b
z t -2 3 1 1
e daí o sistema:
- a + 3b = X
2a - b = y
-2a + b = z
3a + b = t
que é compatível se:
z = -y e X = -2y + t
Logo:
' “-2y + t y'

G(A) = ; y, t e IR
-y t
2.6 ESPAÇOS V E T O R IA IS FIN ITA M E N TE GERADOS
Um espaço vetorial V é finitamente gerado se existe um conjunto finito A, A C V, tal

que V = G(A).
Todos os exemplos de espaços vetoriais citados até aqui são finitamente gerados. Por
exemplo, vimos que o IR^ é gerado pelo conjunto finito de trés vetores
A = { ( 1 , 0 , 0 ) , (0,1,0), ( 0 ,0 ,1 )}
pois, para todo ( x, y, z) G IR^, tem-se:
(x, y ,z ) = x ( l , 0 , 0 ) + y ( 0, l , 0 ) + z(0, 0 , 1 )
Em nosso estudo trataremos somente de espaços vetoriais finitamente gerados.

Um exemplo de espaço vetorial que não é finitamente gerado é o espaço P de todos os
polinômios reais.
Na verdade, dado A = { p i , ..., p„ } CP, onde p^ é um polinòmio de grau i e p^ o de

mais alto grau, qualquer combinação linear
aipi +a2P2 + . . . + a„Pn
tem grau < n . Assim, o subespaço [pi,..., Pn] contém somente polinômios de grau menor
ou igual ao grau de p„. Como P é formado por todos os polinômios, existem nele polinômios
de grau maior que o de p,,. Logo, G(A) P para todo conjunto finito A C P.
2.7 DEPENDÊNCIA E INDEPENDÊNCIA LINEAR
No problema 8 de 2.5.2.1, chamamos a atenção para o fato de que o espaço vetorial R^pode
ser gerado por três vetores, ou também por quatro, ou por cinco etc. Assim, três vetores cons
tituem o número mfnimo necessário para gerar o IR^. No entanto, quatro, cinco ou mais
vetores podem gerar o R^. Porém, nesse caso, sobram vetores no conjunto gerador. Em nosso
estudo temos grande interesse no conjunto gerador que seja o menor possível. Para a determi
nação do menor conjunto gerador de um espaço vetorial, precisamos ter a noção de dependência
e independência linear.
54 Álgebra linear
2.7.1 Definição
Sqam V um espaço vetorial e
A= CV
Consideremos a equação
aivi + ... + a^v„ = 0 (2.7)
Sabemos que essa equação admite pelo menos uma solução:
ai = 0 , 2í2 = 0 , =0
chamada solução trivial.
O conjunto A diz-se linearmente independente (LI), ou os vetores Vi, ..., Vn são LI,
caso a equação (2.7) admita apenas a solução trivial
Se existirem soluções a^ =?^0^ diz-se que o conjunto A é linearmente dependente (LD), ou
que os vetores Vi, ..., Vj^ são LD.
Exemplos
1) No espaço vetorial V = R ^ , os vetores V i = ( 2 , - 1, 3) , V 2 = ( - l , 0 , -2) e V3=(2, -3, 1)

formam um conjunto linearmente dependente, pois
3vi + 4 v2 - V3 = 0
ou seja:
3 ( 2 , - 1, 3) + 4 (- 1, 0, - 2) - (2, -3, 1) = (0, 0 , 0 )
2) No espaço vetorial V = 1R^ osvetores Vj = ( 2 , 2 , 3 , 4 ) , V2 = ( 0 , 5 , - 3 , 1 ) e V3 = ( 0 , 0 , 4 , - 2 )

são linearmente independentes. De fato:
a(2, 2, 3, 4) + b(0, 5, -3, 1) + c(0, 0, 4, -2) = (0, 0, 0, 0)

(2a, 2a, 3a, 4a) + (0, 5b, - 3b, b) + (0, 0 , 4c, -2c) = ( 0, 0, 0, 0)
(2a, 2a + 5b, 3a - 3b + 4c, 4a + b - 2c) = (0, 0, 0, 0)

isto é:
2a =0
2a + 5b =0
3a - 3b +4c = 0
4a + b - 2c = 0
O sistema admite unicamente a solução:
a = 0, b =0 e c=0
3) No espaço vetorial IR^, o conjunto { c i , e 2, ea } , tal que ei = ( 1 . 0 , 0 ) , ej = ( 0 , 1 , 0 ) e

e j = ( 0 , 0 , 1 ) , é LI.
De fato, a equaçío:
aiCi + ajCj + asCs = 0
ou:
a , ( l , 0. 0) + a2( 0 , 1 , 0) + aj(0, 0, 1) = ( 0 , 0 , 0)
transfonna-se em:
( a i , a 2 , a j ) = (0, 0, 0)
e, portanto:
ai ” aa = aa = 0
Logo, o conjunto:
{ ( 1 , 0 , 0 ) , ( 0 , 1 , 0 ) , ( 0 , 0 , 1)}
é LI.
De forma análoga mostra-se que os vetores
e , = ( 1 , 0 , 0 , . . . , 0 ) , ej =( 0, 1, 0,..., 0),..., e„ = (0, 0, 0,..., 1)
formam um conjunto linearmente independente no IR".

56 Álgebra linear
4) No espaço vetorial M(3, 1) das matrizes-colunas, de ordem 3 x 1, os vetores:
1 0 0
ei = 0 , «2 = 1 , 63 = 0
0 0 1
são LI (verificação a cargo do leitor).
5) No IR^, os vetores ei = ( 1 , 0 ) e t 2 = ( 0 , 1 ) são LI. No entanto, os vetores e i , C 2 e

V= (a, b) são LD. De fato:
x ( l , 0) + y ( 0 , l ) + z(a, b) = ( 0 , 0)
(x, 0 ) + ( 0 , y) + (az, bz) = ( 0 , 0 )
(x + az, y + bz) = ( 0 , 0)
istoé:
X + az = 0
y + bz = 0
O sistema admite ao menos uma solução não-trivial. Por exemplo, fazendo z = 1, vem:
X = -a e y = -b
Logo:
-aei - be2 + v = 0
6) No espaço vetorial M(2, 2), o conjunto
-1 2 2 -3 3 -4
A=
-3 1 » 3 0 > 3 1
é LD.
Examinemos a equação
aiVi+a2V2 +a3V3 = 0 ( 1)
-1 2 2 -3 3 -4 0 0
ai + a2 + a3 =
-3 1 3 0 3 1 0 0
ou, de modo equivalente:
- ai + 2a2 + 3a3 2ai - 3a2 - 4a3 0 0
-3ai + 3a2 + 3a3 ai + a3 0 0
e daí o sistema:
- ai + 2a2 + 3a3 = 0
2aj ~ 3a2 ~ 4a3 ~ 0
-3ai + 3a2 + 3a3 = 0
ai + a3 = 0
cuja solução é ai = -a 3 e a2 = - 2a3.
Como existem soluções ai =;^0 para a equação (1), o conjunto A é LD.
Observação
Vamos substituir a solução do sistema na equação (1):
-a3Vi - 2a3V2 + aaVa = 0
ou:
a3Vi + 2a3V2 - a3V3 = 0
para todo a3 G IR.

58 Álgebra linear
Dividindo ambos os membros dessa igualdade por aa 0, resulta;
Vi + 2v2 - V3 = 0
e daí, vem:
Vi =-2V2 + \ , (vi é combinação linear de vj e V3)
ou:
V2 = - - y V i + “y V 3 (v2 é combinação linear de Vj e V3)
ou, ainda:
V3 = Vj + 2V2 (V3 é combinação linear de Vj e V2 )
Como se observa, sendo A um conjunto LD, então um vetor de A é combinação linear

dos outros. Esse fato e sua recíproca constituem o teorema seguinte.
2.7.2 Teorema
“Um conjunto A = { Vj,..., Vj,..., v„ } é LD se, e somente se, pelo menos um desses vetores
é combinação linear dos outros.”
A demonstração é constituída de duas partes:
1?) Seja A linearmente dependente. Então, por definição, um dos coeficientes da igualdade:
ajv, + ... + ajVj + ... + a„v„ = 0
deve ser diferente de zero. Supondo que aj 0, vem:
ai Vi = - a i V i - ... - a j.iV i.1 - a j + i V i ^ i - ... - a^v^
ou:
ai-i
Vi = - _ v i - V. , - V , - - — V
ai - aj a.
ai ^í+ l *** fl.
a.
e, portanto, Vj é uma combinação linear dos outros vetores.

2?) Por outro lado, seja Vj uma combinação linear dos outros vetores:
Vj = b, V, + ... + + bi+iVj +1 + ... + b„v„
OU, ainda:
b , v, + ... + bi_iVj_i - IVj + bj+ivj+i + ... + b„v„ = 0
e, portanto, a equação
biVi + ... + bnVn = 0
se verifica para bj ^ 0. No caso, bj = -1.
Logo, A é LD.
Observações
1) Esse último teorema pode ser enunciado de forma equivalente:
“Um conjunto A = { v j , ...,Vj^} é LI se, e somente se, nenhum desses vetores for
combinação linear dos outros.”
2) Para o caso particular de dois vetores, temos:
“ Dois vetores Vi e V2 são LD se, e somente se, um vetor é múltiplo escalar do

outro.”
Por exemplo, os vetores
v , = ( l , - 2 , 3) e V2 = ( 2 , -4, 6)
são LD, pois
V, = y V,
ou:
vj = 2v,
60 Álgebra linear
enquanto:
V i=(l,-2,3) e V2 = ( 2 , 1 , 5 )
são LI, pois
Vi =>*^kv2
para todo k G IR.
3) Nos gráficos a seguir apresentamos uma interpretação geométrica da dependência linear

de dois e três vetores no IR^.
►y
(vi e V2 estão representados na mesma reta

que passa pela origem)
( v i , V2 e V3 estão representados no mesmo

plano que passa pela origem)
11) Verificar se são LI ou LD os seguintes conjuntos:
" 1 2' 3 6 ‘
a) CM (2, 2)
.-4 -3. » -n -9 ^
b) {(2,-1), (1,3)} CIR^
c) { ( . ! , . 2 , 0 ,3 ) ,(2 ,- 1 ,0 ,0 ),( 1 ,0 ,0 ,0 ) } C IR"
d) { 1 + 2x - , 2 - X+ 3x^, 3 - 4x + 7x^ } C P2
Solução
a) Como o conjunto tem apenas dois vetores com um deles sendo múltiplo escalar do outro
(o segundo vetor é o triplo do primeiro), o conjunto é LD, de acordo com a Observação 3 do
Teorema 2.7.2.
b) Tendo em vista que um vetor não é múltiplo escalar do outro, o conjunto é LI.
Mesmo que fôssemos examinar a igualdade:
a ( 2 , - l ) + b ( l , 3 ) = (0 ,0 )
concluiriamos que o sistema
2a + b = 0
-a+3b = 0
admite somente a solução trivial, o que vem confirmar ser o conjunto LI.
62 Álgebra linear
c) Consideremos a equação:
a ( - l , -2, 0, 3) + b(2, -1 , 0, 0) + c ( l , 0, 0, 0) = (0, 0, 0 , 0 )
Portanto:
- a + 2 b + c= 0
-2a - b =0
3a =0
Como o sistema admite apenas a solução trivial:
a = b = c = 0,
o conjunto é LI.
d) Seja a equação:
a ( l + 2x - x^) + b(2 - X + 3x^) + c(3 - 4x + 7x^) = 0
ou:
(a + 2b + 3c) + (2a - b - 4c) X + (-a + 3b + 7c) x^ = 0 + Ox + Ox
Pfelo princípio da identidade de polinômios, vem:
a + 2b + 3c = 0
2a - b - 4c = 0
-a + 3b + 7c = 0
Como esse sistema admite outras soluções além da trivial, o conjunto é LD.
Observação
O leitor deve ter notado que a variável x nos polinômios desse problema não desempenha
nenhum papel no cálculo. Com o objetivo de simplificar, a cada polinômio do tipo ao + aix + a2 ,
associa-se a terna (ao, a i , a2 ).
Assim, a igualdade (1) desse problema poderia ter sido escrita assim:
a ( l , 2, -1) + b(2, ^1,3) + c(3, 7) = (0, 0, 0)
Simplificações análogas a essa podem ser feitas, por exemplo, associando:
1) ao + aiX + a2X^ + ajX^ G P3 com (ao, a j , a2 , aa)G
2) a b
G M(2, 2) com (a, b, c, d) G R^
c d
3) a + cx^ G P2 com (a, 0, c) G R^
e assim por diante.
12) Provar que se u e v são LI, então u + v e u - v também o são.
Solução
Consideremos a igualdade
a(u + v) + b(u - v) = 0 ( 2)
da qual resulta
(a + b) u + (a - b) u = 0 (3)
Como u e V são LI, nessa igualdade (3) deve-se ter:
a + b=0
a - b= 0
sistema que admite somente a solução a = b = 0. Logo, pela igualdade (2), u + v e u - v são Ll.
64 Álgebra linear
13) Determinar o valor de k para que o conjunto
{ ( 1 , 0 , - 1 ) , ( 1 , 1 , 0 ) , (k, 1 , - 1 ) }
seja LI.
Solução
O conjunto será LI se, e somente se, a equaçío
a ( l , 0, -1) + b ( l , 1, 0) + c(k, 1, -1) = ( 0 , 0, 0)
admitir apenas a soluçío a = b = c = 0. Dessa equação, vem:
a + b + kc = 0
b+ c = 0
-a -c = 0
Para que esse sistema admita apenas a solução trivial, deve-se ter k ^ 2.
Logo, o conjunto será LI se k 2.
2.7.4 Propriedades da Dependência e da Independência Linear
Seja V um espaço vetorial.
I)SeA={v}CV e v=5^0, então A é LI.
De fato:
Como V 0, a igualdade
av = 0
só se verifica se a = 0.
Observação
Considera-se, por definição, que o conjunto vazio 0 é LI.
II) Se um conjunto A C V contém o vetor nulo, então A é LD.
De fato:
Seja o conjunto A = { Vi,..., 0,..., v„ } .
Então, a equação
O.vi + ... + a.O + ... + O.v^ = 0
se verifica para todo a =5*^^0. Portanto, A é LD.
III) Se uma parte de um conjunto A C V é LD, então A é também LD.
De fato:
Sejam A = { Vj,..., Vj.,..., v„ } e a parte
Al = { v , , V j } C Á, Aj é LD.
Como Al é LD, existem a^Ô que verificam a igualdade:
aiVi + ... + a^Vj = 0
e esses mesmos aj 0 verificam também a igualdade
aiVi + ... + a^Vj. + O.Vj.+i + ... + O.v^^ = 0
Logo, A = { V, , V j , v „ } é LD.
IV) Se um conjunto A C V é LI, qualquer parte Ai de A é também LI.
De fato, se Ai fosse LD, pela propriedade anterior o conjunto A seria também LD, o
que contradiz a hipótese.
66 Álgebra linear
Observação
Se todos os subconjuntos próprios de um conjunto finito de vetores são LI, o fato não
significa que o conjunto seja LI. De fato, se considerarmos no IR^ os vetores ei = ( 1 , 0 ) ,
e 2 = ( 0 , 1) e v = ( 4 , 5), verificaremos que cada um dos subconjuntos {ei,e2 }, {ei,v},
{ c 2, v } , {ei), {e2 } e { v } é LI, enquanto o conjunto { e i , C2 , v} é LD.
V) Se A = { v i , ..., v^} C V é LI e B = { Vj , Vj^, w } C V é LD, então w é

combinação linear de Vi, ..., v„.
De fato:
Como B é LD, existem escalares a i , . . . , an, b, nem todos nulos, tais que:
ai Vj + ... + a^Vjj + bw = 0.
Ora, se b = 0, então algum dos a^ não é zero na igualdade:
aivi + ... + a„v„ = 0
Porém esse fato contradiz a hipótese de que A é LI. Conseqüentemente, tem-se b=?í^0, e,
portanto:
bw = -ai v, - ... -a„v„
ou:
_ ai an
w=
b
isto é, w é combinação linear de V j , ..., Vj^.
2.8 BASE E DIMENSÃO
2.8.1 Base de um Espaço Vetorial
Um conjunto B = { v i , . . . , v„} CV é uma base do espaço vetorial V se:
I) B é LI ;
II) B gera V.
Exemplos:
B = {(1, 1 ) , ( - 1 , 0 ) } é base de IR"
De fato:
I) B é LI, pois a ( l , 1) + b ( - l , 0) = (0, 0) implica:
a - b= 0
a =0
e daí:
a= b= 0
II) B gera R", pois para todo ( x , y ) G IR", tem-se:
(x, y) = y ( l, l) + ( y - x ) ( - l , 0 )
Realmente, a igualdade
(x, y) = a( l , l ) + b ( - l , 0 )
implica:
a - b= X
a = y
donde:
a=y e b=y-x
Os vetores da base B estão representados na Figura 2.8.1. Em 2.7.2 já havíamos visto que
dois vetores não-colineares são LI. Sendo eles do IR", irão gerar o próprio IR". Na verdade,
quaisquer dois vetores não-colineares do IR" formam uma base desse espaço.
68 Álgebra linear
2) B = { ( 1 , 0 ) , (0, 1)} é base de IR^, denominada base canônica.
De fato:
I) B é LI, pois a ( l , 0) + b(0, 1) = (0, 0) implica a = b = 0;
II) B gera IR^, pois todo vetor (x, y) E IR^ é tal que:
( x , y) = x ( l , 0 ) + y ( 0 , l )
3) Consideremos os vetores ei = (1, 0, 0, 0), e 2 = (0, 1, 0, 0), e^ = (0, 0 , 0 , 1 ) .

No exemplo 3 de 2.7.1 deixamos claro que o conjunto B = { Cj, e 2 , } é Liem IR*’.
Tendo em vista que todo vetor v= ( xi , X2 , ..., Xj^) E IR” pode ser escrito como combi
nação linear de Ci, e 2 , ..., e^, isto é:
v= x i e i +X2e2 + ... + Xnen
conclui-se que B gera o IR” . Portanto, B é uma base de IR”. Essa base é conhecida
como base canônica do IR”.
Consequentemente:
{(1, 0, 0, 0), ( 0 , 1 , 0 , 0), (0, 0, 1,0), (0, 0 , 0 , 1)} é a base canônica de IR"^;
{ ( 1 , 0 , 0), ( 0 , 1 , 0 ) , ( 0 , 0 , 1 ) } é a base canônica de
{ (1, 0), ( 0 , 1 ) } é a base canônica de IR^ ;
{ 1 } é a base canônica de IR.

'l 0 ■ ' 0 1 ' 0 0 ■ 0 0

4) B =
0 0 . í _0 0 > 1 0 ) 0 1
é a base canônica de M (2, 2).
De fato:
1 0 0 1 0 0 0 0 0 0
a +b +c +d =
0 0 0 0 1 0 0 1 0 0
ou:
a b 0 0
c d 0 0
e daí:
a = b = c= d = 0.
Portanto, B é LI.
Por outro lado, B gera o espaço M(2,2), pois qualquer
a b
e M(2, 2)
c d
pode ser escrito assim:
a b 1 0 0 1 0 0 0 0
=a +b +c +d
c d 0 0 0 0 1 0 0 1
Logo, B é base de M(2,2).

70 Álgebra linear
5) 0 conjunto B = { 1, x, x ^ , x " } é uma base do espaço vetorial
De fato:
aol + a ix + a2X^ + ... + a^^x*'= 0
implica ao = ai = a2 = ... = aj^ = 0 pela condição de identidade de polinômios. Portanto, B é LI.
Por outro lado, B gera o espaço vetorial Pjj, pois qualquer polinômio p ^ P„ pode ser
escrito assim:
p = ao + ajx + a2X^ + ... + a^x*'
que é uma combinação linear de 1, x, x^, ..., x .
Logo, B é uma base de P„. Essa é a base canônica de P„ e tem n + 1 vetores.
6) B = {(1,2), (2,4)} não é base de IR^, pois B é LD (exercício a cargo do leitor).
7) B = { (1, 0), (0, 1), (3, 4) } não é base de IR^, pois B é LD (exercício a cargo do leitor).
8) B = { ( 2 , - 1 ) } não é base de IR^. B é LI, mas não gera tòdo IR^, istoé, [(2,-1)] =5»ÎR^.
Esse conjunto gera uma reta que passa pela origem.
9) B = { ( 1 , 2 , 1), ( - 1 , - 3 , 0 ) } nãoébas ede IR^. B é LI, mas não gera todo IR^.
Observação
'Todo conjunto LI de um espaço vetorial V é base do subespaço por ele gerado,”
Por exemplo, o conjunto B = { ( 1 , 2 , ! ) , ( - ! , - 3 , 0 ) } C IR^ é LI e gera o subespaço
S = {(x, y, z) E I R ^ / 3 x - y - z = 0 }
Então, B é base de S, pois B é LI e gera S.

2.8.2 Teorema
Se B = { Vi, V j , ..., v„ } for uma base de um espaço vetorial V, então todo conjunto
com mais de n vetores será linearmente dependente.
De fato:
Sqa B '= { w i, W j , . .. . Wjj,} um conjunto qualquer de m vetores de V, com m > n .

Pretende-se mostrar que B’ é LD. Para tanto, basta mostrar que existem escalares Xt, X2 , ..., x„
não todos nulos tais que
XiWi +X 2 W2 + ... + x „ w „ = 0 ( 1)
Como B é uma base de V, cada vetor Wj pertencente a B' é uma combinação linear dos
vetores de B, isto é, existem números Oj, , ôj tais que:
w i = a i v , + ajVj + ... + OnV„
W2 = ^ iv , + 02 V2 + ... + 0n''n
( 2)
Wm = « iV i + 0 2 V2 + ... + 6nV„
Substituindo as relações (2) em (1), obtemos:
xi ( a ,v i + « 2V2 + ... + a„v„) +
+ X2 ( 0 iV , + 02V2 + ... + 0„v„) +
+ x „ ( 5 i V i + Ô2 V2 +... + ô„Vn) = 0
OU ordenando os termos convenientemente:
( a ,x , + 0 iX 2 + ... + SiXm) Vi +
+ (a2X, + 02^2 + ... + Ô2X„)V2 +
+ K X l + /J„X2 + ... + Ô„x„,) V„ = 0

72 Álgebra linear
Tendo em vista que Vi, V2, V j ^ são LI, os coeficientes dessa combinação linear são
nulos:
" aiXi + ^ 1X2 + ... + ô i x „ = 0
a j x , +02^2 + ...+ 52X„ = 0
o:„x, + 0„X2 + ... + 6 „x^ = 0
Esse sistema linear homogêneo possui m variáveis Xi,X 2 , . . . , x ^ e n equações. Como

m > n , existem soluções não-triviais, isto é, existe Xj =?^0. Logo, B' = { w i , W2 , } é LD.
2.8.3 Corolário
Duas bases quaisquer de um espaço vetorial têm o mesmo número de vetores.
De fato:
Sejam A = { Vi, Vj^ } e B = { Wi, } duas bases de um espaço vetorial V.
Como A é base e B é LI, pelo teorema anterior, n ^ m. Por outro lado, como B é base
e A é LI, tem-se n < m. Portanto, n = m.
Exemplos
1) A base canônica do IR^ tem três vetores. Logo, qualquer outra base do IR^ terá também
três vetores.
2) A base canônica de M( 2, 2) tem quatro vetores. Portanto, toda base de M(2, 2) terá
quatro vetores.
2.8.4 Dimensão de um Espaço Vetorial
Seja V um espaço vetorial.

Se V possui uma base com n vetores, então V tem dimensão n e anota-se di mV = n.
Se V não possui base, dim V = 0.
Se V tem uma base com infinitos vetores, então a dimensão de V é infinita e anota-se
dim V = oo.
Exemplos
1) dim IR^ = 2 , pois toda base do IR^ tem dois vetores.
2) dim IR*' = n.
3) dim M ( 2 , 2) = 4.
4) dim M (m, n) = m x n.
5) dim = n + 1.
6) dim { 0 } = 0 .
Observações
1) Seja V um espaço vetorial tal que dim V = n.
Se S é um subespaço de V, então dim S < n. No caso de dim S = n, tem-se

S = V.
Para permitir uma interpretação geométrica, consideremos o espaço tridimensional

IR" (dim IR" = 3).
A dimensão de qualquer subespaço S do R" só poderá ser 0 , 1 , 2 ou 3. Portanto,

temos os seguintes casos:
I) dim S = 0, então S = { 0 } é a origem.
II) dim S = 1, então S é uma reta que passa pela origem.

74 Álgebra linear
III) dim S = 2, entío S é um plano que passa pela origem.
IV) dimS = 3, então S é o próprio IR^.
2) Seja V um espaço vetorial de dimensão n. Então, qualquer subconjxmto de V com mais

de n vetores é LD.
3) Sabemos que um conjunto B é base de um espaço vetorial V se B for LI e se B gera

V. No entanto, se soubermos que dim V = n, para obtermos uma base de V basta que
apenas uma das condições de base esteja satisfeita. A outra condição ocorre automatica
mente. Assim:
I) Se dim V = n, qualquer subconjunto de V com n vetores LI é uma base de V.
II) Se dim V = n, qualquer subconjunto de V com n vetores geradores de W é uma

base de V.
Exemplo
O conjunto B = {( 2, 1), ( - 1 , 3 ) } é uma base do IR^.
De fato, como dim JR^ = 2 e os dois vetores dados são LI (pois nenhum vetor é múltiplo
escalar do outro), eles formam uma base do JR^.
2.8.5 Teorema
Seja V um espaço vetórial de dimensão n.
Qualquer conjunto de vetores LI em V é parte de uma base, isto é, pode ser completado
até formar uma base de V.
A demonstração está baseada no Teorema 2.7.2 e no conceito de dimensão.
Deixaremos de demonstrar o teorema e daremos apenas um exemplo a título de ilustração.

Exemplo
Sejam os vetores Vi = (1, - 1 , 1 , 2 ) e V2 = ( - 1 , 1 , - 1, 0) .
Completar o conjunto { Vj, V2 } de modo a formar uma base do IR^.
Solução
Como dim IR^ = 4, uma base terá quatro vetores LI. Portanto, faltam dois. Escolhemos um
vetor V3 G IR"^ tal que V3 não seja uma combinação linear de Vi e V2 , istoé, V3 ^ a i V i + a 2 V2
para todo a i, a2 ^ IR. Dentre os infinitos vetores existentes, um deles é o vetor V3 = ( 1, 1,0, 0),
e o conjunto { Vj, V2, V3 } é LI (se V3 fosse combinação linear de Vj e V2 esse conjunto seria
LD de acordo com o Teorema 2.7.2).
Para completar, escolhemos um vetor V4 que não seja uma combinação linear de v^, V2 e
V3. Um deles é o vetor V4 = ( 1 ,0 , 0, 0), e o conjunto { Vi, V2, V3 , V4 } é LI. Logo,
{ ( 1, - 1, 1, 2), (- 1, 1, - 1, 0),( 1, 1, 0 , 0),( 1, 0 , 0 , 0)}
é uma base de IR"^.
2.8.6 Teorema
Seja B = { v i , V2, ..., v^ } uma base de um espaço vetorial V. Então, todo vetor vG V
se exprime de maneira única como combinação linear dos vetores de B.
De fato:
Tendo em vista que B é uma base de V, para v G V pode-se escrever:
v = aiVi +a2V2 + ... + a„Vn ( 1)
Supondo que o vetor v pudesse ser expresso como outra combinação linear dos vetores
da base, ter-se-ia:
v = b i v i +b2V2 + ...+ b„Vn ( 2)

76 Álgebra linear
Subtraindo, membro a membro, a igualdade (2) da igualdade (1), vem:
0 = (a, - b , ) v , + ( a 2 - b j ) v 2 +... + (a„ - b„) v„
Tendo em vista que os vetores da base são Ll:
a, - bi = 0, aj - bi = 0,.... a„ - b„ = 0
istoé:
1^1» *2 b2,...,aj^ bj^
Os números a i, a2 , a „ são, pois, univocamente determinados pelo vetor v e pela base

{ v i , V2, ...,Vn).
2.8.7 Componentes de um Vetor
Seja B = { Vi, V2 , V j ^ } uma base de V. Tomemos v E V sendo:
v = ai V i + a 2V2 + ... + a„v„
Os números a j , a 2 , são chamados componentes ou coordenadas de v em relação à

base B e se representa por:
VB = ( ai , a 2 ,. . ., a n)
ou, com a notação matricial:
'a f
a2
Vn =
A n-upla(ai, 32, a„) é chamada vetor-coordemda de v em relação àbase B, eovetor-

coluna
é chamado matriz-coordemda de v em relação à base B.
Exemplo
No IR^, consideremos as bases
A = { ( 1 , 0 ) , ( 0 , 1 ) } . B = ( ( 2 , 0 ) , ( Í , 3 ) } e C = { ( 1, - 3 ) , ( 2 , - 4 ) }
Dado 0 vetor v = ( 8 , 6), tem-se:
( 8, 6) = 8 ( 1,0) + 6 (0 , 1)
( 8 , 6) = 3 ( 2 , 0 ) + 2 ( 1 , 3 )
( 8 , 6) = 2 ( 1 , - 3 ) + 3 ( 2 , 4)
Com a notação acima, escrevemos:
Vg=(3,2) Vç = ( 2, 3 )
O gráfico da página seguinte mostra a representação do vetor v = ( 8 ,6) em relação às bases

AeB.
Observação
No decorrer do estudo de Álgebra Linear temos, às vezes, a necessidade de identificar

rapidamente a dimensão de um espaço vetorial. E, uma vez conhecida a dimensão, obtém-se
facilmente uma base desse espaço.
78 Álgebra linear
Uma forma prática para determinar a dimensão de um espaço vetorial é verificar o número
de variáveis livres de seu vetor genérico. Esse número é a dimensão do espaço.
Exemplo
Determinar a dimensão e uma base do espaço vetorial
S = {( x, y, z)G IR^/2x + y + z = 0 }
Solução
Isolando z (poderiamos também isolar x ou y) na equação de definição, tem-se:
z = - 2x - y
onde X e y são as variáveis livres.
Qualquer vetor (x, y, z) E S tem a forma:
( x , y , - 2x - y )
e, portanto, podemos escrever:
(x , y, 2) = (x, y, - 2x - y)
ou:
(x , y, Z) = (x , 0 ,-2 x ) + (0, y , - y )
ou:
( x , y , z ) = x ( l , 0 , - 2) + y ( 0 , 1 , - 1) ( 1)
isto é, todo vetor de S é combinação linear dos vetores ( 1 , 0 , - 2 ) e ( 0 , 1 , - 1 ) . Como esses dois
vetores geradores de S são LI, o conjunto { ( l , 0 , - 2 ) , ( 0 , 1 , - 1 ) } é uma base de S e, conse
quentemente, dim S = 2.
Por outro lado, tendo em vista que a cada variável livre corresponde um vetor da base na
igualdade ( 1), o número de variáveis livres é a dimensão do espaço.
Na prática podemos adotar uma maior simplificação para determinar uma base de um.
espaço. Para esse mesmo espaço vetorial S, onde z = - 2x - y , temos:
fazendo x = 1 e y = l , vem z = - 2 ( l ) - l = - 3 V i= (l,l,-3)
fazendo x = - l e y = 2, vem z = - 2 ( - l ) - 2 = 0 V2 = ( - 1 , 2 , 0 )
e o conjunto
{ ( 1 , 1 , - 3 ) , (- 1, 2, 0 ) }
é outra base de S. Na verdade, esse espaço S tem infinitas bases, porém todas elas com dois
vetores.
14) Sejam os vetores Vi = ( 1 , 2 , 3), Vj = ( 0 , 1 , 2 ) e V3 = (0, 0, 1).
Mostrar que o conjimto B = {v^, V2 , V3 } é uma base do IR^.
Solução
Para provarjque B é LI, deve-se mostrar que
aiVi + a2V2 + 33 V3 = 0
80 Álgebra linear
admite somente a solução ai = a2 = aa = 0.
Com efeito,
ai (1 ,2 , 3) + a2 (0, 1, 2) + a3 (0,0,1) = (0,0,0)
equivale ao sistema:
ai =0
2a 1 + a2 ~ 0
3ai + 2a2 + aa = 0
cuja única solução é a trivial:
ai ” 32 ~ a3 ~ 0
Logo, B é Ll.
Para mostrar que B gera o IR^, deve-se mostrar que qualquer vetor v = (x, y, z) E IR^
pode ser eicpresso como uma combinação linear dos vetores de B:
v= aiVi + 32 V2 + aaVa
Em termos de componentes, tem-se
( x , y , z ) = a i ( l , 2 , 3) + a2 (0 , l , 2 ) + a3(0 , 0 , 1)
ou:
ai = X
2ai + 3 2 =y
3ai + 232 + 33 = z
sistema esse que admite solução para quaisquer valores de x, y, z, ou seja, todo vetor v = (x, y, z)
é combinação linear dos vetores de B. Resolvendo o sistema encontramos:
3i = X, 32 = -2 x + y, 33 = X - 2y + z
isto é:
(x, y, z) = x ( l , 2, 3) + (-2 x + y ) (0, 1,2) + (x - 2y + z ) ( 0 , 0 , 1 )
Satisfeitas as duas condições de base, mostramos que B é base do IR^.
15) No problema anterior mostramos que:
B = {(1,2, 3 ) , ( 0 , 1 , 2 ) , ( 0 , 0 , 1 ) }
é uma base do IR^.
a) Determinar o vetor-coordenada e a matriz-coordenada de v = (5, 4, 2) em relaçâfo a B.
b) Determinar o vetor vG IR^ cujo vetor-coordenada em relação a B é Vg = ( 2 , - 3, 4) .
Solução
a) Devemos encontrar escalares a i , a 2 , a 3 tais que:
(5, 4, 2) = ai (1,2, 3) + 8^(0, 1,2) + aa(0, 0, 1)
ou:
ai =5
2ai + a2 =4
3a 1 + 2a2 + a 3 — 2
\
Resolvendo o sistema, obtém-se
ai = 5 , a2 = -6 e a3 = -1
Portanto:
5
Vr = ( 5 , - 6 , - 1 ) e v„ = -6
-l
82 Álgebra linear
Se tivéssemos aproveitado o resultado do problema anterior, onde:
(x, y, z) = x ( l , 2 , 3 ) + ( - 2x + y ) ( 0 , 1 , 2) + (x - 2y + z )( 0 , 0 , 1)
teríamos imediatamente:
(5, 4 , 2 ) = 5(1, 2, 3 ) - 6 ( 0 , 1 , 2 ) - 1 ( 0 , 0, 1)
pois, nesse caso:
x= 5
-2 x + y = -2(5) + 4 = -6
x - 2 y + z = 5 - 2 (4 ) + 2 = - l
b) Por definição de vetor-coordenada Vg = (2, -3 , 4), obtém-se:
v = 2 ( l , 2 , 3 ) - 3 ( 0 , 1,2) + 4 ( 0 , 0 , 1 ) = ( 2 , 1 , 4 )
Observemos que em relação à base canônica
A = { (1 ,0 ,0 ),(0 ,1,0),(0,0,1)}
tem-se:
v= V.
pois:
v = (2, 1, 4) = 2 ( 1 , 0 , 0 ) + 1 ( 0 , 1 , 0 ) + 4 (0 , 0 , 1 )
16) Consideremos os seguintes subespaços do IR"^:
51 = { (a, b, c, d)/a + b + c = 0 } e
5 2 = {(a, b,c, d ) / a - 2 b = 0 e c=3d}
Determinar:
a) dim Si e iima base de S i .

b) dim S2 e uma base de S2 .
Solução
a) A condiçffo:
a+ b+ c= 0
é equivalente a:
a = -b - c
Portanto, as variáveis livres sáo b, c e d. Logo, dim Sj = 3, e qualquer subconjunto de Si com

três vetores LI forma uma base de S i . Façamos
( 1) b = 1, c = 0 , d = 0
( 2) b = 0 , c = l , d = 0
(3) b = 0, c = 0, d = 1
para obter os vetores:
vi = ( - l , 1 , 0 , 0 ) , V2 = ( - 1 , 0 , 1,0), V 3 = ( 0 , 0 , 0 , l )
O conjimto { Vi, V2 , V3 } é uma base de S i .
b) Um vetor (a, b, c, d ) G S2 se a = 2b e c = 3d. As variáveis livres são b e d. Logo,

dim S2 = 2, e qualquer subconjunto de S2 com dois vetores LI forma uma base desse espaço.
Façamos:
( 1) b = l , d = 0 e
( 2) b = 0 , d = l
para obter os vetores
vi= (2 , 1,0,0) e V2 = ( 0 , 0 , 3 , 1 )
O conjunto { Vj, V2 } é uma base de S2 .

84 Álgebra linear
17) Seja S o subespaço de P2 = {at^ + bt + c/a, b, c G IR } gerado pelos vetores Vi = - 2t + 1,

V2 = t + 2 e V3 = - 3t - 1.
Determinar:
a) Uma base de S e dim S.
b) Uma base de P2 com a presença de Vi e V2.
Solução
a) Para facilitar a notaçfo, observemos que os vetores Vj, V2 e V3 em relação à base

canônica A = { t ^ , t , 1 } de P2 são:
( vi ')a = ( 1 , - 2 , 1) , ( v2 )^ = ( 0 , 1 , 2 ) e (v 3)^ = ( 1 , - 3 , - 1 )
Vejamos se esses vetores são LI ou LD. Para tanto, examinemos a igualdade
aiVi + a2V2 + a3V3 = 0
ou:
a i ( l , -2, 1) + a2(0 , 1,2) + a3( l , -3, -1) = ( 0 , 0 , 0 )
ou, ainda:
ai + a3 = 0
-2ai + a2 - 3a3 = 0
^ ai + 2a2 - a3 = 0
sistema que admite soluções a^ ^ 0 .
Logo, os vetores Vi,V2 e V3 são LD e, portanto, o conjunto { v i , V 2 ,V3 } não é base de S.

istoé, dimS=?^3.
Observando que o conjunto { v j , V2 } é LI (pois nenhum vetor é múltiplo escalar dc

outro), ele constitui uma base de S. Logo, dim S = 2.
b) Tendo em vista que dimP 2 = 3, precisamos acrescentar um vetor v ao conjunto

{ vi , V 2 } de modo que v aiVj + a2V2 . Um deles é o vetor v= t^ ou (v)^ = ( 1 , 0 , 0 ) .
(verificação a cargo do leitor).
Logo, o conjunto:
{t^ - 2 t + 1, t + 2, t^ }
é uma base de P2 .
18) Determinar uma base e a dimensão do espaço-solução do sistema homogêneo
X+ 2y - 4z + 3t = 0
X + 2y - 2z + 2t = 0
2x + 4y - 2z + 3t = 0
Solução
O conjunto-solução do sistema é:
S = { (x, y, z, t)/t = 2z e x = -2y-2z}
que é um subespaço vetorial do .
Tendo em vista serem duas as variáveis livres (y e z), conclui-se que dimS = 2. Logo,
qualquer subconjunto de S com dois vetores LI forma uma base de S. Façamos
(1) y = 1, z = 0
(2) y = 0, z = 1
para obter os vetores
vi = ( - 2 , 1 , 0 , 0 ) e V2 = ( - 2 , 0 , 1,2)
O conjunto { v^, V2 } é uma base de S.

86 Álgebra linear
2.9 ESPAÇOS V ETO R IA IS ISOMORFOS
Consideremos o espaço vetorial
V = P 3 = { at^ + bt^ + ct + d/a, b, c, d G IR}
e seja B = { Vi, V2 , V3, V4 } uma base de P3. Fixada uma base, para cada vetor vG P3, existe
uma só quádrupla ( a i , a2 , a 3, a4 ) G IR^ tal que:
v = aiVi + a2V2 + a3V3 + a4V4
Reciprocamente, dada uma quádrupla (a^, a2, a3, a4), existe um só vetor em P 3 da
forma:
aiVi + ... + a4V4
Assim sendo, a base B = { v i , . . . , V 4 } determina uma correspondência biunivoca entre

os vetores de P3 e as quádruplas (ai,..., a4) em JR^.
Observemos ainda que:
a) Se V= aiVi + ... + a4V4 G P3 corresponde a ( a i , ..., a4) G IR'* e w = biVj + ... + b 4V4 G P3
corresponde a (bi, ..., b 4 ) ^ IR"^ então:
v + w = (ai + b i ) v i + ... + (a 4 + b 4) v 4 G P3
corresponde a
(ai + b i ,..., a4 + b4) G IR'*
b) Para k G IR,
kv = (kai)vi + . . . +(ka 4) v 4 G P 3
corresponde a
( k a i , . . . ,k a4 ) G IR^
Assim, quando os vetores de P 3 são representados como combinação linear dos vetores da
base B = { Vi, V2, V3, V4 } , a adição de vetores e a multiplicação por escalar se “comportam”
exatamente da mesma forma como se fossem quádruplas do .
Em outras palavras diriamos que a correspondência biunívoca entre P3 e IR^ preserva as

operações de adição de vetores e multiplicação por escalar, isto é:
(v + w)g = Vg + Wg e (kv)g = k (Vg)
e, nesse caso, dizemos que os espaços P 3 e IR"^ são isomorfos.
Observemos ainda que o espaço vetorial M(2, 2) é também isomorfo ao IR"*.
De forma análoga, prova-se que:
P2 é isomorfo a IR^
M ( 3 , 1) é isomorfo a IR^
M(2 , 1) é isomorfo a IR^
e assim por diante*.
De um modQ geral, tem-se:
“Se V é um espaço vetorial sobre IR e dim V = n, então V e IR" são isomorfos. ”
2.10 PROBLEMAS PROPOSTOS
Nos problemas 1 a 7 apresenta-se um conjunto com as operações de adição e multiplicação

por escalar nele definidas. Verificar quais deles são espaços vetoriais. Para aqueles que não são
espaços vetoriais, citar os axiomas que não se verificam.
1) IR^ ( x, y, z) + (x', y', z ) = (x + x', y + y', z + z )

k ( x , y , z ) = ( 0 , 0 , 0)
2) {(x, 2x, 3x); x G IR} com as operaçOes usuais -
3) IR^, (a, b) + (c, d) = (a, b) e a(a, b) = (aa, ab)

88 Álgebra linear
4) 1R ^ (x ,y ) + ( x , y') = (x + x ',y + y') e a ( x ,y ) = (a^ x,a^y)
5) m ?, (x, y) + (x', y') = (x + x', y + y') e a (x , y) = (ax, 0)
6) A = { (x, y) € IR^ /y = 5x } com as operações usuais
7) 0 a
A= € M (2 ,2 )/a ,b G IR com as operações usuais
b 0
—
Nos problemas 8 a 13 são apresentados subconjtmtos de IR^. Verificar quais deles são
subespaços vetoriais do IR^ relativamente às operações de adição e multiplicação por escalar
usuais.
8) S= { ( x ,y ) /y = - x }
9) S = { (x ,x ^ ); X e IR}
10) S = { (x, y)/x + 3y = 0 }
11) S= {(y,y); y € IR}
12) S = { ( x ,y ) /y = x + 1}
13) S= { ( x ,y ) /x > 0 }
Nos problemas 14 a 25 são apresentados subconjuntos de IR^. Verificar quais são seus
subespaços em relação às operações de adição e multiplicação por escalar usuais^ Para os que são
subespaços, mostrar que as duas condições estão satisfeitas. Caso contrário, citar um con-
tra-exemplo.
14) S - { (x, y, z)/x = 4y e z = 0 }
15) S = { ( x ,y , z)/z = 2x - y }
16) S = { (x , y, z)/x = z^ }
17) S = { ( x ,y ,z ) / y = x + 2 e z = 0 >
18) S = {(x , X, x ) ; x E IR}
19) S = { (x, X, 0)/x G IR}
20) S = { (x , y, z ) /x y = 0 }
21) S = { (x , y, z)/x = 0 e y = I z I }
22) S = { ( x , - 3 x ,4 x ) ; x € IR}
23) S = { ( x ,y ,z ) /x > 0 >
24) S = { ( x ,y ,z ) / x + y + z = 0 )
25) S = {(4 t, 2 t , - t ) ; t e IR}
26) Verificar se os subconjuntos abaixo sffo subespaços de M(2, 2):
a) S = ; c= a + b e d =0
b) S = ; a, b, c G IR (matrizes triangulares superiores)
c) S = ; a, b, c G IR (matrizes simétricas)
a a+ b
d) S = ; a, b G IR
a- b b
90 Álgebra linear
e) S = ; a ,b E lR
a b
.
'
a b
0 S= ; ad - bc ^ 0 (conjunto de matrizes inversíveis)
c d
27) Sejam os vetores u = ( 2 , - 3 ,2 ) e v = ( - l , 2 , 4) em IR^.
a) Escrever o vetor w = (7, -1 1 , 2) como combinação linear de u e v.
b) Para que valor de k o vetor ( - 8 , 14, k) é combinação linear de u e v?
c) Determinar uma condição entre a, b e c para que o vetor (a, b, c) seja uma combi
nação linear de u e v.
28) Consideremos no espaço P2 = { at^ + bt + c/a, b, c E IR} os vetores pi = t^ - 2t + 1,

P2 = t + 2 e p3 = 2 t^ - t.
a) Escrever o vetor p = 5t^ - 5t + 7 como combinação linear de P i, P2 e P3.
b) Escrever o vetor p = 5t^ - 5t + 7 como combinação linear de Pi e p2 .
c) Determinar uma condição para a, b e c de. modo que o vetor at^ + bt + c seja
combinação linear de P2 e P3.
d) É possível escrever pi como combinação linear de P2 e P3 ?
29) Seja o espaço vetorial M(2, 2) e os vetores
1 0 -1 2 0 -1
Vi = , V2 = e V3 =
1 1 0 1 2 1
Escrever o vetor
1 8
0 5
como combinaçaío linear dos vetores Vi,V2 e V3.
30) Escrever o vetor 0 E IR^ como combinação linear dos vetores
a ) v, = ( 1 , 3 ) e V2 = ( 2 , 6)
b ) v, = ( 1 , 3 ) e vj=(2,5)
31) Sejam os vetores Vj = ( - 1 , 2 , 1 ) , V2 = ( 1 , 0 , 2 ) e V3 = (-2 , -1 , 0). Expressar cada um dos

vetores u = ( - 8 ,4 ,1 ) , v = ( 0 , 2 , 3 ) e w = ( 0 , 0 , 0 ) como combinação linear de Vi,V2 e V3.
32) Expressar o vetor u = ( - l , 4 , - 4 , 6) 6 IR^ como combinação linear dos vetores

vi = ( 3 , - 3 , 1 , 0 ) , V2 = ( 0 , 1 , - 1 , 2 ) e V3 = ( 1 , - 1 , 0 , 0 ) .
33) Seja S osubespaçodo IR"* definido por:
S = { (x, y, z, t) e lR‘*/x + 2y - z = 0 e t = 0 }
Pergunta-se:
a) ( - 1 , 2, 3, 0) € S?
b) ( 3 , 1 , 4 , 0 ) e S?
c) ( - 1 , 1 , 1 , ! ) e S?
34) Seja S osubespaçode M(2, 2):
a- b 2a
S= ; a, b G IR
a+ b -b
92 Álgebra linear
Pergunta-se:
5 6
G S?
1 2
b) Qual deve ser o valor de k para que o vetor
-4 k
2 -3
pertença a S?
35) Determinar os subespaços do IR* gerados pelos seguintes conjuntos:
a) A = { ( 2 , - 1 , 3 ) }
b) A = { ( - 1 , 3 , 2), ( 2 , - 2 , 1 ) }
c) A = { ( 1 , 0 , 1 ) , ( 0 , 1 , 1 ) , ( - 1 , 1 , 0 ) }
d) A = { ( - l , l , 0 ) , ( 0 , l , - 2 ) , ( - 2 , 3 , l ) }
e) A = { (1, 2, -1), ( - 1 , 1 , 0), ( - 3 , 0 , 1 ) , (-2 , - 1 , 1 ) } .
f) A = { (1 , 2, -1), ( - 1 , 1 , 0 ) , (0, 0, 2), (-2 , 1, 0 )}
36) Seja o conjunto A = {v ,, Vj } , sendo v, = (-1 , 3, -1) e Vj = (1, -2, 4).
Determinar:
a) Osubespaço G(A).
b) O valor de k para que o vetor v = (5, k, 11) pertença a G(A).
37) Sejam os vetores Vi =(1,1,1), V2 =(1,2,0) e V 3 = (l,3 ,-1 ). Se ( 3 , - l , k ) G [v i,V 2 ,V 3 ],
qual o valor de k?
38) Determinar os subespaços de P2 (espaço vetorial dos polinòmios de grau < 2 ) gerados
pelos seguintes vetores:
a) pi = 2x + 2, P2 = -x^ + X + 3 e pa = x^ + 2x
b) Pl = x ^ P2 =x^ + x
c) Pl = 1, P2 =X, Ps =x^
39) Determinar o subespaço G(A) para A = { ( 1 , - 2 ) , (-2, 4 )} . O que representa geometrica-

camente esse subespaço?
40) Mostrar que os vetores Vj = ( 2 , 1) e V2 = (1, 1) geram o
41) Mostrar que os vetores Vj = ( 1, 1, 1), V2 = ( 0 , 1 , 1 ) e V3 = (0, 0, 1) geram o IR^.
42) Seja o espaço vetorial M (2, 2). Determinar seus subespaços gerados pelos vetores
-1 2 2 1
a) V, = e V2 =
1 0 -1 -1
-1 0^ 1 -1 0 1
b) V, = , V2 = e V3 =
0 1 0 0 1 0
43) Determinar o subespaço de P 3 (espaço dos polinòmios de grau < 3) gerado pelos vetores
Pl = x^ + 2x^ - X + 3 e P2 = -2x^ - x^ + 3x + 2.
44) Determinar o subespaço de IR^ gerado pelos vetores u = (2, - 1 , 1 , 4 ) , v = (3, 3, -3, 6) e
w = (0, 4 , - 4 , 0 ) .
45) Verificar se o vetor v = ( - 1 , - 3 , 2 , 0 ) pertence ao subespaço do IR"^ gerado pelos vetores

vi = ( 2 , - 1, 3 , 0 ) , V2 = ( 1, 0 , 1 , 0 ) e V3 = ( 0 , 1, - 1 , 0).
46) Classificar os seguintes subconjuntos do IR^ e m U o u L D :
a) {(1,3)}
94 Álgebra linear
b) {(1,3 ), (2, 6)}
c) {(2 ,-1), (3,5)}
d) {(1,0 ), (-1,1), (3,5)}
47) Qassificai os seguintes subconjuntos do IR^ em LI ou LD:
a) {(2,-1,3).}
b) { ( 1 ,- 1 ,! ) ,( - ! , 1 , 1 ) }
c) {(2 ,-1,0 ), (-1,3 ,0 ), (3,5,0 )}
d) { (2 ,1 ,3 ),(0 ,0 ,0 ),(1,5 ,2 )}
e) { (1 ,2 ,-1 ), (2, 4,-2), (1,3 ,0 )}
f) { ( 1 ,- 1 ,-2), (2 ,1, ! ) ,( - ! , 0,3)}
g) { (1,2 , -1), (1,0,0), (0 ,1,2 ), (3, -1 ,2 )}
48) Quais dos seguintes conjuntos de vetores pertencentes ao Pj são LD?
a) 2 + X - , -4 - X + 4x^, x + 2x*
b) 1 - X + 2x^, X - x^, x^
c) 1 + 3x + x^, 2 -X -x ^ , 1 + 2x -3 x ^ , -2 + x + 3x^
d ) x^ - x + l,x ^ + 2 x
49) Quais dos seguintes conjuntos de vetores do IR"* são LD?
a) ( 2 , 1, 0 , 0 ), ( 1, 0 , 2 , 1), ( - 1, 2 , 0 , - 1)
b) ( 0 , 1 ,0 , - 1 ) , ( 1 , 1,1, ! ) , ( - ! , 2 , 0 , 1 ), ( 1 , 2, 1 , 0)
c) ( 1 , - 1, 0 , 0 ), ( 0 , 1 , 0 , 0 ), ( 0 , 0 , 1, - 1), ( 1, 2 , 1, - 2)
d) ( 1 , 1 . 2 , 4 ) , (1, -1, - 4 , 2 ) , (0, -1, -3,. 1), ( 2 , 1 , 1 , 5 )

50) Sendo V o espaço vetorial das matrizes 2 x 3 , verificar se {A , B, C} é LI ou LD,

sendo
-1 2 1 0 - 1 2 " -1 0 5
A= , B= e C=
3 -2 4 -2 1 0 - 1 0 3
51) Determinar o valor de k para que seja LI o conjunto
{ ( - l , 0 , 2) , ( l , l , l ) , ( k , - 2 , 0) }
52) Determinar k para que
1 0 1 1 2 -1
1 0 » 0 0 » k 0
seja LD.
53) Mostrar que sfo LD os vetores Vi,V2 e V3, com Vi e V2 vetores arbitrários de um
espaço vetorial V e V3 = 2vi - V2 .
54) Mostrar que se u, v e w são LI, então u + v, u + w e v + w são também LI.
55) Sendo Vi = ( 1 , 2 ) G IR^, determinar V2 G IR^ tal que { v j , V 2 } seja base de IR^.
56) Verificar quais dos seguintes conjuntos de vetores formam base do IR^:
a) { ( 1, 2 , ) , ( . 1 , 3 ) } c) { ( 0 , 0 ) , (2, 3 ) }
b) { ( 3 , - 6 ), ( A 8) } d) { ( 3 , - 1 ) , (2, 3) }
57) Para que valores de k o conjunto p = { ( 1, k), (k, 4) } é base do IR^ ?
58) O conjunto p = { ( 2 , - 1 ) , ( - 3 , 2 ) } é uma base do IR^. Escrever o vetor genérico do

IR^ como combinação linear de P.
96 Álgebra linear
59) Quais dos seguintes conjuntos de vetores formam uma base do IR^ ?
a) ( 1 , 1 , - 1 ) , ( 2 , - 1 , 0 ) , ( 3 , 2 , 0 )
b) ( 1 , 0 , 1 ) , ( 0 , - 1 , 2 ) , ( - 2 , 1 , - 4 )
c) ( 2 , l , - ! ) , ( - ! , 0 , 1), ( 0 , 0 , 1)
d) ( 1 , 2 , 3 ) , ( 4 , 1 , 2 )
e) (0, - 1 , 2 ) , ( 2 , 1 , 3 ) , ( - 1 , 0 , 1), (4, - 1, -2)
60) Quais dos seguintes conjuntos de vetores formam base de P2 ?
a) 2t^ + t - 4 , t^ - 3 t+ 1
b) l , t ,
c) 2, 1 - X, 1+
d) 1 + X + x^, X + x^, x^
e) 1 + X , X - x^, 1 + 2x -x^
61) Mostrar que o conjunto
2 3 1 -1 -3 -2 3 -7
-1 0 > 0 -2 > 1 -1 J
-2 5
é uma base de M( 2 , 2).
62) Mostrar que o conjunto
{ ( 1 , 1 , 0 , 0), (0, 0, 1, 1), (1, 0, 0 , 3), (0, 0 , 0 , 5) }
é base do IR"*.
63) O conjunto
A= 2t^ - t + 3, - 3t^ + 4t - 1 }
é base de P 3 ? Justificar.
64) Mostrar que os vetores Vj = ( 1 , 1 , 1 ) , V2 = (1, 2, 3), V3 = (3, 0, 2) e V4 = (2, -1, 1) geram
o IR^ e encontrar uma base dentre os vetores Vi,V2 ,V3 e V4 .
65) Mostrar que os polinômios p 1 = 1 + 2x - 3x^, p2 = 1 - 3x + 2x^ e p 3 = 2 - x + 5x^ formam

uma base do espaço dos polinômios de grau < 2 e calcular o vetor-coordenada de
p = 2 - 9x - 13x^ na base /3 = { p i, p2, P s ) •
66) Determinar uma base do subespaço do gerado pelos vetores Vi = ( 1, - 1 , 0 , 0 ) ,

V2 = ( - 2 , 2 , 2 , 1), V3 = ( - 1, 1, 2 , 1) e V4 = ( 0 , 0 , 4 , 2).
67) Seja V = IR^ e o conjunto
B = { ( 0 , 1, 1), ( 1, 1, 0), ( 1, 2 , 1) } C R 3
a) Mostrar que B não é base do IR^.
b) Determinar uma base do IR^ que possua dois elementos de B.
68) Determinar o vetor coordenada de v = ( 6 , 2) em relação às seguintes bases:
c^ = { ( 3 , 0 ) , ( 0 , 2 ) } 7 = {(1,0), (0,1)}
0 = { ( 1, 2), ( 2 , 1) } 6 = { ( 0 , 1), ( 1, 0 ) }
69) No espaço vetorial IR^, consideremos a seguinte base: B = { ( 1 , 0 , 0 ) , ( 0 , 1 , 0 ) , (1, - 1 , 1 ) } .

Determinar o vetor coordenada de v G IR^ em relação à base B se:
a) v = (2,-3,4), b) v = ( 3 , 5 , 6 ) , c) v = ( l , - l , l )
70) Seja A = { 3, 2x, -x^ } uma base de P2 . Determinar o vetor-coordenada de v = 6 - 4x + 3x^

em relação à base A.
98 Álgebra linear
71) Sqam OS vetores V i = ( l , 0 , - 1 ) , V2 = ( 1 , 2 , 1 ) e V3 = ( 0 , - l , 0) do IR^.
a) Mostrar que B = { Vi, V2 , V3 } é base do IR^.
b) Escrever ei = ( 1, 0 ,0), e2 = ( 0 , 1 , 0 ) , e3 = ( 0 , 0 , 1 ) como combinação linear dos

vetores da base B.
72) Determinar a dimensão e uma b^ e para cada um dos seguintes espaços vetoriais:
a) { ( x , y , z ) G IRVy = 3 x }
b) { ( x , y , z ) € lRVy = 5x e z = 0 }
c) { ( x , y ) G IRVx + y = 0 }
<0 { ( x , y , z ) G R='/x = 3y e z = - y }
e) { ( x , y , z ) G IR®/2x-y + 3z = 0 }
0 { ( x , y , z ) G IR3/z = 0 }
73) Determinar a dimensão e uma base para cada um dos seguintes subespaços vetoriais de
M ( 2 , 2 ):
a b
a) ; b=a+c e d=c
c d
a b
b) ; b= a + c
c d
a b
c) ; c=a-3b e d=0
c d
a b
d) ; a + d= b + c
c d
74) Seja o subespaço S de M(2, 2):
a b
S= /c=a+ d e d= ;
c d
a) Qual a dimensafo de S?
b) O c»njunto
1 - 1 2 1
0 1 , 3 4
é uma base de S? Justificar.
75) Encontrar uma base e a dimensão do espaço-soluçô dos sistemas:
X + 2y - 2z - t =0
2x + 4 y + z + t =0
X + 2y + 3z + 2t =0
X + 2y - Z 4•3t =0
b) 2x - y+ Z- t =0
4x + 3 y - Z 4•5t = 0
X - 2y - Z ==0
c) 2x + y + 3z ==0
X + 3y + 4z ==0
100 Álgebra linear
2x + 2y - 3z = 0
d) X- y- z=0
3x + 2y + z = 0
x+ y - 2z + t=0
2x + 2y - 4z + 2t = 0
2.10.1 Respostas de Problemas Propostos
1. Nâfo é espaço vetoríal. Falha o axioma M4
2. O conjimto é um espaço vetorial
3. N3Ò é espaço vetorial. Falham os axiomas A 2 ,A a e A 4
4. Não é espaço vetorial. Falha o axioma M2
5. Não é espaço vetorial. Falha o axioma M4
6. O conjunto é um espaço vetorial
7. O conjunto é um espaço vetorial
8. S é subespaço
9. S não é subespaço
10. É
11. É
12. Nãoé
13. N ãoé
14. É
15. É
16. N ãoé
17. N ãoé
18. É
19. É
20. Não é
21. N ãoé
22. É
23. Não é
24. É
25. É
26. São subespaços: a), b), c), d)
27. a) w = 3u - V
b) k = 12
c) 16a + 10b - c = 0
28. a) p = 3pi + 2p 2 + P3
b) impossível
c) a + 2b - c = 0
d) não é possível
29. V = 4vi + 3 v2 - 2 v3
30. a) 0 = -2vi + V2
b) 0 = Ovj + 0 v2
31. u = 3vi - V2 + 2va

V = Vi + V2
W = OVi + 0V2 + OV3

102 Álgebra linear
32. V = -V i + 3 v 2 + 2va
33. a) sim b) não c) não
34. a) sim b) k = -2
35. a) {( x, y, z) G IR^/x = -2y e z = - 3 y }
b) { ( x , y, z) G IR^/7x + 5 y - 4 z = 0 }
c) { ( x , y , z) € lR®/x + y - z = 0 }
d) IR^
e) { (x, y, z) e R^/ x + y + 3z = 0 }
0 IR^
36. a) G( A) = { ( x , y , z ) e 1 R ^ / I 0 x + 3 y - z = 0 }
b ) k = -13
37. k=7
38. a) { ax^ + bx + c/b = 2a + c }
b) { ax^ + bx/a, b S IR}
C)
39. {(x,y) € IRVy=-2x}
Representa uma reta que passa pela origem.
40. ( x , y ) = ( x - y ) ( 2, l ) + ( - x + 2 y ) ( l , l )
41. (x,y.z ) = x v , + ( y - x ) v 2 + ( z - y ) v j
42. a b
a) ; b = - 2a - 5 d e c = -a - d
c d
a b
b) ; a + b - c + d =0
c d
43. { ax^ + bx^ + cx + d/b = 5a + 3c e d = l l a + 8c }
44. { (x, y, z, t)/2x - t= 0 e y + z = 0 }
45. Pertence.
46. a) LI b) LD c) LI d) LD
47. a) U b) LI c) LD d) LD
e) LD f) LI g) l d
48. a, c
49. b, d
50. LI
51. k=^-3
52. k=3
55. V2 =?tkvi, Vk G IR
56. a, d
57. k#±2
58. (x, y) = (2x + 3y) ( 2 , -1 ) + (x + 2 y )(-3 , 2)
59. a ),c)
60. b) ,c ), d)
104 Álgebra linear
63. Nâo. G ( A ) # 1 R ^
64. Base: { v i . v j . v j }
65. p^ = ( l , 5 , - 4 )
66. Uma base: { Vi, V2 } .
67. { ( 0 , 1 , 1), ( 1 , 1 , 0 ) , ( 0 , 0 , 1 ) }
68 . v^ = ( 2 , l ) , v^ = ( - | . : ^ )
v.y = ( 6 , 2), v j = ( 2, 6)
69. a) Vg = ( - 2 , 1 , 4 )
b ) vg= (-3,ll,6)
c) Vg=( 0, 0, 1)
70. =(2,-2,-3)
71. a) B é LI e V(x, y, z) e IR*
(x,y,z) = ^ v , + ^ ^ V 2 + ( x - y+ z)v j
b) e, =-^v, + j v j + vj
C2 = -Va
1 . .1 .u
« 3 = - Y ' ' » + "2 V2 + Va
72. a) dim:2 d) dim: 1
b) dim: 1 e) dim: 2
c) dim: 1 f) dim: 2
As bases ficarão a cargo do leitor.
73. a) dm ; 2 c) dm : 2
b) dm: 3 d) dm: 3
.\s bases fIcarSo a cargo do leitor.
74. a) 2
b) N ío, porque
2 1
S
3 4
75. a) d m :2
uma base: { ( 1 , 0 , 3, -5), (0, 1 , 6 , -10) }
b) d m :2
uma base: { (0 , - 2 , - 1 , 1 ) , ( 1 , - 3 , - 5 , 0 )}
c) dim: 1
uma base: { ( 1, 1, - 1) }
d) dim: zero
n9o existe base
e) dim: 3
uma base: { ( - 1, 0 , 0 , 1), ( - 1, 1, 0 , 0 ), ( 2 , 0 , 1, 0) }
CAPÍTULO
ESPAÇOS VETORIAIS
EUCLIDIANOS
ai PRODUTO INTERNO EM ESPAÇOS V E T O R IA IS
No Capítulo 1, foi definido o produto escalar ou produto interno usual de dois vetores
no IR^ e no IR^ e foram estabelecidas, por meio desse produto, algumas propriedades geomé
tricas daqueles vetores. Agora pretende-se generalizar o conceito de produto interno e, a partir
dessa generalização, definir as noções de comprimento, distância e ângulo em espaços vetoriais
mais genéricos.
Chama-se produto interno no espaço vetorial V uma função de V x V em IR que a
todo par de vetores (u, v) E V x V associa um número real, indicado por u . v ou < u, v > ,
tal que os seguintes axiomas sejam verificados:
P i) u . V = V .u
P2) u . ( v + w) = u . v + u . w
P3) ( a u ) . V = para todo real a (u . v)
P4) u . u > 0 e u .u = 0 se,e somente se, u = 0
Observações
a) O número real u . v é chamado produto interno dos vetores u e v.
b) Dos quatro axiomas da definição acima decorrem as propriedades:

106
Espaços vetoriais euclidianos 107
I) 0 . u = u . 0 = 0, Vu E V
n) (u + v) . w = u .w + V.w
III) u . (av) = a ( u . v)
IV) U . (Vj + V2 + ... + Vj^) = U. Vj + U . Vj + ... + u.
Fica a cargo do leitor a demonstraçãô dessas propriedades.
Exemplos
1) No espaço vetorial V = R ^ , a função que associa a cada par de vetores u = ( x i , y i ) ®

V= (x 2 , X2 ) o número real
u . v = 3x i X2 + 4y i y 2
é um produto interno.
De fato:
P i) u . v = 3x i X2 + 4 y i y 2
u . v = 3x 2X1 + 4y 2 yi
u.v=V.u
P2) Se w = (x3,y3), então:
u .( v + w) = ( x, ^y i ). ( x 2 + X 3, y 2 + y 3)
u . ( v + w ) = 3x i (x2 + X 3) + 4yi(y2+ya)
u . ( v + w) = (3x i X2 +4yiy2) + (3xiX3 +4yiy3)
u . ( v + w) = u . v + u . w
P3) (au) . V = ( a x i , a y i ) . (x2, y2)

(otu). v = 3(axi)x2 +4(ayi)y2
(au). v = a(3xiX2 +4yiy2)
( a u ) . V= a ( u . v)
P4) u . u = 3xiXi + 4 yiyi = 3x ] + 4 y ] > 0 e

u . u = 3xJ + 4 yj = 0 se, e somente se, Xi = yi = 0 ,
isto é, se u = (0,0) = 0.
108 Álgebra linear
Observação
O produto interno que acabamos de apresentar é diferente do produto interno usual no

IR^. Este seria definido por:
u . v = XiX2 + y i Y 2
donde se depreende ser possível a existência de mais de um produto interno num mesmo espaço
vetorial.
2) Se u = ( x i , y i , Z i ) e v = (x 2 , y 2 ,Z 2) sâò vetores quaisquer do IR^, o número real
u . v = XjX2 + y i y 2 + zjZ2
define o produto interno usual no IR^.
De forma análoga
u . v = x i y i +X 2y 2 + + x„yn
com u = ( x i , X 2 , x ^ ) e v = (yi, y 2 , y n ) i define o produto interno usual no IR"
3) Sqam V = P2 , p = a2 X^+aiX + ao e q = b2X^ + b i X + b o vetores quaisquer de P2.

A fórmula
p . q = a2b 2 + ai bi + aobo
define um produto interno em P2 .
Pôr exemplo, se:
p = 3 x ^ - 4 x + 2 e q=2x^ + 3 x - l ,
então:
p .q = 3(2)-4(3) + 2(-l) = -8
Observemos que
p . q ~ a2b 2 2ib i
não define, sobre V, um produto interno. Nesse caso, falha o axioma P4, pois existem
polinômios p E V tais que p . p = 0, sem que p = 0. Por exemplo, p = Ox^ + Ox + 3.
Espaços ve tonais euclidianos 109
4) Seja V o espaço das funções reais contínuas no intervalo [a, b ].
Se f e g pertencem a V,
f.g= ^ f(x)g(x)d x
define sobre V um produto interno. (A verificação dos quatro axiomas fica a cargo do
leitor.)
5) O número
u . v = 2x , x j + y \ y \
sendo u = ( x i , y i ) e v = (x 2, y 2), não define no IR^ um produto interno.
Nesse caso não se verificam os axiomas P2 e P3. Considerando o axioma P3, tem-se:
(ou) . V = ( o x , , o y 1) . ( X j , y j ) = 2 o x , X 2 + a ^ y \y \
enquanto:
a ( u . v ) = o ( 2 x,X 2 + y ? y 2) = 2 0 X1X2 + o y , y 2
e, portanto:
(o£u) . v ^ a ( u . v)
1) Em relação ao produto interno usual do IR^, calcular u . v sendo dados:
a ) u = (-3,4) e v = (5,-2)
b ) u = ( 6, - l ) e v = ( y , -4)
c ) u = (2, 3) e v = ( 0 , 0 )
110 Álgebra linear
Solução
a) u , v = - 3( 5) + 4 (-2 ) = - 1 5 - 8 = -23
b) u . V = 6 ( “ ) - 1 (-4) = 3 + 4 = 7
c) u . v = 2 ( 0 ) + 3(0) = 0 + 0 = 0
2) Para os mesmos vetores do exercício anterior, calcular u . v em relação ao produto interno

do exemplo 1 :
u . v = 3x i X2 + 4 y i y 2
Solução
. a) u . V = 3 (-3) (5) + 4 (4 )(-2 ) = -45 - 32 = -77
b) u . v= 3 (6 ) ( y ) + 4 ( - l) ( - 4 ) = 9 + 16 = 25
c) u . v = 3 ( 2 ) ( 0 ) + 4 (3 )(0 ) = 0 + 0 = 0
3) Consideremos o IR^ munido do produto interno usual.
Sendo Vi = ( 1 , 2 , -3), V2 = (3, -1, - 1) e V3 = (2, -2, 0) de IR^, determinar 0

vetor u tal que u . Vj = 4, u . V2 = 6 e u . V3 = 2.
Solução
Seja u = (x, y, z)
Então:
( x , y , z ) . ( l , 2 , -3) = 4
(x,y,z).(3,-l,-l) = 6
(X , y,z).(2,-2,0) = 2
Espaços vetoriais eu clidianos 111
Efetuando os produtos internos indicados, resulta o sistema:
X + 2y - 3z = 4
3x - y - z= 6
2x - 2y =2
cuja solução é x = 3, y = 2 e z=l.
Logo, o vetor procurado é u = ( 3 , 2 , 1 ) .
4) Seja V = { f: [0,1] IR; f é contínua} o espaço vetorial munido do produto interno:
f.g= /V t)g(t)d t
Jo
Determinar hi . I12 e hi . h i , tais que h i , l i 2 G V e h i ( t ) = t e li2( t)= t^.
Solução
a)h,.h,= rhut)h2(t)dt= í\.t^dt=

Jo Jo Jo
b) h, , h i (t)h, (t)dt =
3.2 ESPAÇO V E T O R IA L E UCLIDIANO
Um espaço vetorial real, de dimensão finita, no qual está definido um produto interno, é
um espaço vetorial euclidiano. Neste capítulo serão considerados somente espaços vetoriais
euclidianos.
112 Álgebra linear
3.3 MODULO DE UM VETOR
Dado um vetor v de um espaço vetorial euclidiano V, chama-se módulo, norma ou

comprimento de v o número real não-negativo, indicado por l v| , definido por:
IV I = V V. V
Observemos que se u = ( x i , y i , Z i ) for um vetor do IR^ com produto interno usual,

tem-se:
|u I = V ( x i , y i , z , ) . ( x i , y i , Z i ) = V x f + y f + z f (3.3)
3.3.1 Distância entre dois vetores
Chama-se distância entre dois vetores (ou pontos) u e v o número real representado
por d(u, v) e definido por:
d(u, v) = | u - v |
Sendo u = ( x i , y i , Z i ) e v = ( x 2, y 2 , Z2) vetores do IR^ com produto interno usual,

tem-se:
d(u, v) = l u - v | = |(xi - X 2 , yi - y 2 , Zi -Z 2) |
ou:
d(u, v) = v /( x i - x j ) ^ + ( y , - Y i f + ( zi (3.3.1)
Observações
1) Se I v| = 1, isto é, V . V = 1, o vetor v é chamado vetor unitário. Diz-se, nesse

caso, que v está normalizado.
2) Todo vetor não-nulo vG V pode ser normaltado^ fazendo:
u=*
|v |
Observemos que:
V V _ V. V _ IV |^ _
|v | |v | |v |^ lv |^
e, portanto, -----é unitário.

|v I
Exemplo
Consideremos o espaço V = IR^ com o produto interno Vj . V2 = 3xiX2 + 2yiy2 + Z1Z2 ,

sendo Vi = (xi , yj, Zi) e V2 = (x 2 , y 2 , Z2). Dado o vetor v = (-2 , 1,2) E IR^, em relação a
esse produto interno tem-se:
IV I = y / { - 2 , 1 , 2 ) . ( - 2 , 1 , 2 ) = V 3 ( - 2 ) ^ + 2(1)^ +2^ = n/ i 2 + 2 + 4 =
e normalizando v, resulta:
V - (-2, 1 , 2 ) _^ 2^ 1
).
|v | v T s ’ nAÍ8 ’ \ ^
Observemos que, relativamente ao produto interno usual, tem-se:
| v | = V ( - 2 , 1 , 2 ) . ( - 2 , 1 , 2 ) = V (-2 )" + 1" +2^ = V 4 + 1 + 4 = 3

e:
V - (-2, 1 , 2 ) _ 1 J_ i . .
|v| 3 '^"3 ’ 3 ’ 3^
É importante observar que o módulo depende do produto interno utilizado. Se o produto

interno muda, o módulo também se modifica.
V
Assim, fíca claro que os dois vetores — acima, obtidos a partir de v, são unitários, cada um
em relação ao respectivo produto interno.
3.3.2 Propriedades do Módulo de um Vetor
Seja V um espaço vetorial euclidiano.
I) I V I > 0, Vv G V e I V I = 0, se, e somente se, v = 0.

114 Álgebra linear
Essa propriedade é uma conseqüéncia de P4 .
II) | a v | = | a | | v | , Vtf G V, Va G IR
De fato:
I av I = V ( a v ) . (av) = \ / a ^ ( v . v) = | a | yj v . v = | a | | v |
III) | u . v | < | u | | v | , Vu, V G V
Se u = 0 ou V = 0, vale a igualdade | u . v | = | u | | v | = 0.
Se nem u nèm v são nulos, para qualquer a G IR vale a desigualdade:
(u + av) . (u + av) > 0
pelo axioma P4 .
Efetuando o produto interno, vem:
u . u + u . ( a v ) + (av . u) + (v . v) > 0
ou:
|v|â^ + 2 ( u . v ) a + | u | ^ > 0
Obtivemos assim um trinòmio do 29 grau em a (pois I v|^ 9^ 0), que deve ser positivo
para qualquer valor de a . Como o coeficiente de a^ é sempre positivo, o discriminante desse
trinòmio deve ser negativo ou nulo:
(2u . v ) ^ - 4 | v | ^ | u | ^ < 0
4 ( u . v)2 - 4 | u | v [2 < 0
(u.v)'' < | u l'' | v I'
Considerando a raiz quadrada positiva de ambos os membros dessa desigualdade, vem:
l u . v K lullv
Essa desigualdade é conhecida com o nome de Desigualdade de Schwarz ou Inequação

de Cauchy-Schwarz,
IV) |u + v | < l u | + | v | , Vu, V G V
De fato:
I u + V I = V ( u + v) . (u + v)
I u + VI= \/u * u + 2(u.v) + v .v
| u + v | ^ = 1u 1^ + 2( u . v) + I V 1^
mas:
u.v < | u. v| < l u| | v |
logo:
u + v | ^ < | u | ^ + 2 | u | | v | + | v|
ou:
| u + v | ^ < ( l u | + |v|)2
ou, ainda:
|u + v | < | u | + | v |
116 À Igebra linear
Essa desigualdade, denominada desigualdade triangular, vista no IR^ ou no IR^ confirma

a propriedade geométrica de que, num triângulo, a soma dos comprimentos de dois lados é maior
que o comprimento do terceiro lado (Figura 3.3.2)
A igualdade somente ocorre quando os dois vetores u e v são colineares
3.4 ÂNGULO DE DOIS VETORES
Sejam u e v vetores não-nulos de um espaço vetorial euclidiano V.
A desigualdade de Schwarz
|u.v|<|u||v|
pode ser escrita assim:
|u . v|
< 1
lullvl
ou:
U . V
< 1
lullvl
o que implica:
u .V
-1 < ---------- < 1
lullvl
Por esse motivo, pode-se dizer que a fração
u . V
lullvl
é igual ao co-seno de um ângulo 6, denominado ângulo dos vetores u e v:
COS 6 = ^ ^— , 0 < ^ < 7T

lullvl
Observemos que essa fórmula coincide com a (1.7.1) para o cálculo do ângulo de dois
vetores no IR^ (ou com a fórmula VI do item 1.9 do IR^), considerando o produto interno
usual.
5) Consideremos o IR^ com o produto interno usual. Determinar a componente c do vetor

V= (6, -3, c) tal que | v | = 7.
Solução
I V I = ^ /e - +(-3)^ +c* = 7
36 + 9 + = 49
=4
c =±2
6) Seja o produto interno usual no IR^ e no IR"*. Determinar o ângulo entre os seguintes
pares de vetores :
a) u = (2, 1 , - 5 ) e v = (5,0,2)
b ) u = ( l , - l , 2 , 3) e v = ( 2, 0, 1 , -2)
Solução
a) 1u I = v/2" + 1^ +(-5)^ =
I V | = v / 5 ^ +2^ = s / l s
u . v = 2(5) + 1 ( 0 ) - 5 ( 2 ) = 0
Daí:
u .V
COS 0 = 0
|u I |v I >/3Õ y /2 9 ■■■ » = !
b) I u I = V 1 + 1 + 4 + 9 =
|v | = V 4 + l + 4 =3
u .v = 1 ( 2 ) - 1(0) + 2(1) +3 (-2 ) = -2
118 Álgebra linear
Daí:
-2
cosO = 0 = arc COS ( - ------ —
y/TS x 3 3 \Í T 5
7) Seja V um espaço vetorial euclidiano e u, v E V. Determinar o co-seno do ângulo entre

os vetores u e v, sabendo que | v | = 3, | v | = 7 e | u + v | = 4 v T
Solução
I U + V I = V (u + v) . (u + v)
ou:
I u + V 1^ = I u 1^ + 2u . V + 1V 1^
e:
(4 \ / 5 )^ = 3^ + 2u . V + 7^
80 = 9 + 2u . V + 49
2u. v = 8 0 - 5 8
2u. v = 22
u. v = 11
logo:
u . V 11 11
COS 6 =
I u I 1V I 3x7 21
8) Consideremos, no IR^, o produto interno definido por Vi . =3xiX2 + y i y 2 , sendo

Vi = ( xi , y i ) e V2 = ( x 2 , y 2 )- Eni relação a esse produto interno, determinar um vetor v
tal que:
| v | = 4, v.u=10 e u = (l,-2)
Solução
Seja V = (x, y). Então:
I V I = y j 3x^ + = 4 3x^ + y^ = 16
e:
V . u = 3x - 2y = 10
Resolvendo o sistema
3x^ + y^ = 16
3x - 2y = 10
obteremos:
26_
x = 2 e y = -2 ou x = — e y-
1
logo:
v = ( 2 ,- 2 ) o u v = ( - | - , - ^ )
3.5 VETORES ORTOGONAIS
Diz-se que dois vetores u e v de V são ortogomis, e se representa por u 1 v, se, e

somente se, u . v = 0.
Exemplo
Seja V = IR^ urn espaço vetorial euclidiano em relação ao produto interno

(xi, y i ) . (X2 , y 2) = X1X2 +2 y i y 2 . Em relação a este produto interno, os vetores u = ( - 3 , 2)
e V= (4, 3) são ortogonais, pois:
u .v = -3(4)+ 2 (2 )(3 ) = 0
120 Álgebra linear
Observações
1) 0 vetor 0 G V é ortogonal a qualquer v G V:
0. V = 0
De fato:
0 . V = (Ov) . V = 0 (v . v) = 0
2) Se u i V, então au 1 v para todo a G IR.
3) Se Ui 1 V e U2 1 v, então (ui +U 2)1 v.
3.6 CONJUNTO ORTOGONAL DE VETORES
Diz-se que um conjunto de vetores { Vj, V2 , Vj^} CV é ortogonal se dois vetores

quaisquer, distintos, são ortogonais, isto é, Vj. Vj = 0 para i=?^j.
Exemplo
No IR^, o conjunto
{ ( 1 ,2 , -3), (3, 0 ,1 ), ( 1 ,- 5 ,- 3 ) }
é ortogonal em relação ao produto interno usual, pois;
( l , 2 , - 3 ) . ( 3 , 0 , 1) =0
(1 ,2 , - 3 ) . ( 1 , - 5 , - 3 ) = 0
(3 ,0 , 1 ). ( 1 ,- 5 ,- 3 ) = 0
3.6.1 Teorema
Um conjunto ortogonal de vetores não-nulos A = { Vi, V2 , } é linearmente inde

pendente (LI).
De fato:
Consideremos a igualdade
aiVi + a 2V2 + . . . + anVn= 0
e façamos o produto interno de ambos os membros da igualdade por v^:
(aiVi + a2V2 + ... + a^Vj^). Vj = 0 .
ou:
a i( v i. Vi) + ... + aj(Vj. Vj) + ... + a^Cv^ . v^) = 0
Como A é ortogonal, Vj. v^ = 0 para \ e v^. v^ 0, pois v^ ^ 0. Então,

ai(Vi. V|) = 0 implica aj = 0 para i = 1, 2 ,..., n. Logo, A = { Vi, V2 , ..., Vj^ } é LI.
3.6.2 Base Ortogonal
Diz-se que uma base { Vi,..., Vj^ } de V é ortogonal se os seus vetores são dois a dois
ortogonais.
Assim, levando em conta o teorema anterior, se dim V = n, qualquer conjunto de n vetores

não-nulos e dois a dois ortogohajs, constitui uma base ortogonal. Por exemplo, o conjunto apre
sentado no exemplo anterior
{ ( 1 , 2 , -3), (3, 0, 1), ( 1 , - 5 , - 3 ) }
é uma base ortogonal do IR^.

122 Álgebra linear
3.6.2.1 Base Ortonormal
Uma base B = { Vi, V2 , . . . » } de um espaço vetorial euclidiano V é ortonormal se B é

ortogonal e todos os seus vetores são unitários, isto é:
0 para i ^ j
Vi-Vj
1 para i - j
Exemplos
Em relação ao produto interno usual, o conjimto:
1) B = {(1, 0), (0, 1)} é uma base ortonormal do (é a base canônica);
2) B= (" y » é também base ortonormal do (verificar!);
3) B = { (1, 0, 0), (0, 1,0), (0 ,0 , 1)} é uma base ortonormal do R^ (é a base canônica);
4) B = { u i , U 2 , U 3 >, sendo Uj =
/ 2 1 1 , /n 1 1 ^
' "■ ‘“ ' - T f
é também base ortonormal do R^, pois:
Ui . U2 = Uj . U3 = U2 . U3 = 0
e:
Ui . Uj = U2 . U2 = U3 . U3 =1
As bases ortonormais são particularmente importantes, como ainda veremos.

Observação
Já vimos que se v é um vetor não-nulo, o vetor — é unitário. Diz-se, nesse caso, que v
vl''
está normalizado, O processo que transforma v em chama-se normalização de v.
Assim, uma base ortonormal sempre pode ser obtida de uma base ortogonal normalizando
cada vetor.
Por exemplo, a base B = {vi,V2 ,V3 }, sendo Vi =(1,1,1), V2 =(-2,*l, 1) e V3 = ( 0 , - 1, 1) ,
é ortogonal em relação ao produto interno usual. Normalizando cada vetor, obtemos:
_ Vi _ . __ 1_ __ 1__ __ l_ .
" iv .r v r r m ^
„ - V2 - (- 2 , 1. 1) ^ J ____ 1_^
^ |V,| V 4 + 1 + 1
u - V3 - (O.-I.I) =(0 _ _ L _ !_ )
" IV3I Vo + 1 + 1 ^ ’ sH.'sTi
e B' = { Ui, U2 , U3 } é uma base ortonormal do IR^.
3.6.3 Processo de Ortogonalização de Gram-Schmidt
Dado um espaço vetoríal euclidiano V e uma base qualquer B = { v j , V2 , • desse

espaço, é possível, a partir dessa base, determinar uma base ortonormal de V.
De fato, supondo que Vi, V2 , Vj^ não são ortogonais, considere-se
Wi = Vi
e determine-se o valor de a de modo que o vetor W2 = V2 - aw i seja ortogonal a Wi:
(v2 - a w i ) . Wi = 0
V2 . Wi - a ( w i . Wi) = 0
w, . Wi
124 Álgebra linear
isto é:
/ V2 . Wi .
W2 =V2 - ( —■=----- - )Wi
^ Wi . Wi
Assim, os vetores Wi e W2 sao ortogonais.
Considere-se o vetor:
W3 =V 3 - a2W2 - ajWi
e determine-se os valores de a2 e ai de maneira que o vetor W3 seja ortogonal aos vetores

Wi e W2 :
(V3 - a2W2 - a i W i ) . wi = 0
(vj-ajWj - a ,w ,) .W 2 = 0
V3 . w i -a2(w2 . w , ) - a i ( w , . Wi) = 0
vj . W2 - a2(w2 . w j) - ai(w, . W2) = 0
Tendo em vista que Wi . W2 = 0, vem:
( V3 . wi - ai(wi . w i ) = 0
V3 . W2 - a2(w 2 . W2) = 0
e:
_ _ V3 . W i _ V3 . W2
Wi . Wi W2 . W2
isto é:
/ V3 . W2 . / V3 . Wi .
W3 = V3 — )W 2 - ( ... ) Wi
W2 . W2 Wj . Wi
Assim, os vetores Wi, W2 e W3 são ortogonais.

Pode-se concluir o teorema por indução, admitindo que, por esse processo, tenham sido
obtidos ( n - 1 ) vetores Wi, W2 , ..., ^ e considerar o vetor:
sendo a j, a2 , ..., a^_j tais que o referido vetor seja ortogonal aos vetores Wi, W2 , ...»
Os valores de a i, a2 , ...» a^^ ^ que aparecem em são:
_ v„.wi _ V „ . W2 _ _v„.W 3 _ V n .w „ .i
a. = — , a. - — . a, - — ..... a„_, -
Wi . Wi W2 . W2 W3 . W3
Assim, a partir de B = { Vi, V2 , Vj^} , obtivemos a base ortogonal { Wi, W2 , Wjj} .
O processo que permite a determinação de uma base ortogonal a partir de uma base
qualquer chama-se processo de Gram-Schmidt.
Wi
Para se obter uma base ortonormal, basta normalizar cada W:. Fazendo U: = -----,
I Wjl
obtemos a base
B'= {u,,U 2,.... Ujj}
que é uma base ortonormal obtida a partir da base
B= {v, . V2 , .... Vn)
Observação
Tendo em vista que:
^n-w, Wi Wi Wi 1 1
a, = -------- = V ---------- = V ------------ ---- V • --------- X ------- = (V . Ui ) ---------
w ,.w , n W i.W , " |w ,|^ " |W i I |W ,| " |W i|
V„ . W2 W2 W2 W2 1 1
32 = ------------ = V _ -------------- --- V = V . ------ X ------.= (V .U2 )
W2 .W2 n W2 .W2 " |W2 l^ " IW2 I IW2 I " IW2 I
126 Álgebra linear
Vn*W3
Ha - = ... = (v„ . U3)
W3 . W3 IW3 I
OS vetores Wi, W2 , podem ser expressos do seguinte modo:
I) W, = Vi
Wi
II) W2 = Vj - a i W , = Vj - (V2 . U i ) --------
I W,|
W j = V2 - ( V 2 . U , ) U i
III) W3 = V3 - 32 W2 - a i W i
W 3 = V3 - ( V 3 , U 2 ) - ^ - ( V 3 . U , ) - ^
I W2 I IWi I
W3 = V3 - ( V 3 . U 2 ) U 2 - ( V 3 . U i ) u ,
wn = \ • “ n - l) V l - ••• - • “2 ) “2 ' (% • « i )
Exemplo
Sejam V j= (1,1,1,) V2 =(0,1,1) e V3 =(0,0,1) vetores do Esses vetores

constituem uma base B = { v i , V 2 ,V3 } não-ortogonal em relaçâfo ao produto interno usual.
Pretendemos obter, a partir de B, uma base B' = { U i, U2 , U3 } que seja ortonormal.
Solução
Wi = Vl = (1, 1, 1)
- Wi _ (1,1,1) _ ( 1 , 1 , 1)_ , 1 _1_ J _ .

‘ | w , | V l * +1^+1^ s/ 3 ^ y/ 3 ’ s/ 3 ’ y/ 1 ^
W j = Vj - ( V 2 . U i ) u ,
V 2.U , ^
W2 = ( 0 , l , l ) - ( | - , | - , | - )
- ^ 2 1 K
W2 (" 3 >3 >3)
. 2 1 1 ( - 1 1 1 )
_ W2 <^~T’T ’T ^ _ ^ 3 ’ 3 ’ 3^ ^ ^ __2. _ 1 __
U2 ' V” r-r » /-? » /-r /
I W21 y 1+ 1+ 1 \/6 V 6 ’V 6 ’
^ 9 9 9 —
W3 = V3 - ( Vj . U 2 ) U2 - (V3 . U | ) Ui
.2 1 1. .1 1 1,
W3 (0 > 6 >6 >6 ) - ( 3 >3 »3 )
W3 = ( 0 , - y ,y )
^ W3
(0 -1 2
±)
’ 2^ _1
(0’ -12 ’ 12^) ^ _ J ____ 1_
^ I W3 I ^ ^ 4 4 y/2 y /2 y /2
V 4 4 ~T
128 Álgebra linear
A base B' = { U i, U2 , U3 } é uma base ortonormal, pois:
Ui . U2 = Ui . U3 = U2 . U3 = 0
e:
1 Vj 1= IV2 I = 1V3 1= 1
3.6.4 Componentes de um Vetor numa Base Ortogonal
Seja V um espaço vetorial euclidiano e B = { V j , } uma base ortogonal de V. Para

um vetor w € V, tem-se:
w = aiVi +... + aiVi +... + a^Vn
Efetuando o produto interno de ambos os membros da igualdade por Vj, vem:
W . Vi = a , ( v , . V i ) + . . . + a j ( v j . Vj) + ... + a „ ( v „ . Vj)
ou:
w . Vj = aj(Vi. V|) pois Vj. Vj = 0 para j ^ i
logo:
W . V:
aí = (3.6.4)
é a expressão da i-ésima coordenada de w em relação à base B.
Exemplo
Seja V = com o produto interno usual e a base ortogonal
B = { ( 2 , 1), ( - 1, 2 ) }
Calculemos as coordenadas do vetor w = (4, 7) em relação a essa base B, na qual

Vj = ( 2, 1) e V2 = ( - 1, 2 ). Pretende-se calcular ai e a2 tais que:
w = ai Vi + a2V2
Utilizando a fórmula (3.6.4), vem:
_ w . V i _ (4, 7 ) . (2, 1 ) _ 8 + 7 _ 15 _
V, .V, ( 2 , 1 ) . ( 2, 1) 4+1 5 ^
_ w . V2 _ (4, 7) . (-1, 2) _ -4 + 14 _ 10 _
vj.vj ( - 1, 2 ) . ( - 1, 2 ) 1+4 5 ^
logo:
w = 3vi + 2v2
ou:
w = (3,2)^
Como se viu, as coordenadas de w, na base canônica, são 4 e 7, enquanto na base B são

3 e 2.
Observação
No caso particular de B = { v i , ser uma base ortonormal de V, os coeficientes

do vetor w = ai Vj +... + aj^Vj^, pela fórmula (3.6.4), são dados por:
pois Vj . Vj = 1.
Assim,
W = (W .V ,)V i +(W .V2)V 2 +... + ( w . v „ ) v „
Exemplo
3 ^ 4 3
A base B = í ( y » y ) » é uma base ortornormal do ¥ ? em relação ao produto
interno usual. Dado v = (5,2), para encontrar ai e a2 tal que
( 5 , 2 ) = ai ( | , y ) + a 2 ( - y , y )
130 Álgebra linear
basta fazer:
- /c ,3_ 4 , _ . . 8 ^ 23
ai (5, 2) . ( ^ , ^) 3 +^ j
4 3 6 14
aj = ( 5 , 2 ) . ( - j , j ) = - 4 + - = - -
logo;
_ .23 14 .
Observemos que se tivéssemos a base canônica:
B = {(1,0), (0,1)},
a, = (5, 2). (1,0)= 5
aj = (5, 2). (0,1)= 2
e, portanto:
Vb =(5,2)
isto é:
(5,2)= 5(1,0)+ 2(0,1)
3.7 CONJUNTOS ORTOGONAIS
Se Si e S2 são subconjuntos não-vazios de um espaço vetorial euclidiano V, diz-se que

Si é ortogonal a S2 , e se representa por Si 1 S2 , se qualquer vetor Vi E Si é ortogonal
a qualquer vetor V2 E S2 .
Exemplo
Os conjuntos
S i = {(0, 1,2),(0,2,4)} e = {(1,-2, 1), (2,-2, 1), (4, 6,-3)}
são ortogonais relativamente ao produto interno usual no (verificar!).
3.7.1 Teorema
Seja V um espaço vetorial euclidiano e B = { v i , V p } uma base de um subespaço S

de V, gerado por B.
Se um vetor u E V é ortogonal a todos os vetores da base B, então u é ortogonal a

qualquer vetor do subespaço S gerado por B.
Diz-se, nesse caso, que u é ortogonal a S e se representa por u 1 S.
De fato:
Qualquer vetor v E S pode ser expresso por:
v = aivi + a 2V2 + ... +apVp
e:
u . V = u . (aiVj + a2V2 + ... + apVp)
u . V = ai (u . v i) + a2(u . V2) + ... + ap(u . Vp)
Mas, por hipótese, u . Vj = 0 , i = 1,..., p.
Portanto:
u . V= 0
logo:
u 1 V ou u 1 S
132 Álgebra linear
3.8 COMPLEMENTO ORTOGONAL
Seja V um espaço vetorial euclidiano e S um subespaço vetorial de V. Consideremos o

subconjunto de V formado pelos vetores que são ortogonais a S:
= {v G V / v l S}
Esse subconjunto S'*^ de V é chamado complemento ortogonal de S,
Vamos considerar duas propriedades:
I) é subespaço de V
De fato:
a) Se Vi,V2 E S^ , para qualquer uG S, tem-se:
Vi 1 u e V2 1 u
isto é :
V j.u =0 e V 2.u =0
Então:
Vi . u + V2 . u = 0 (vi + V2) . u = 0 implica (vj + V2) G
b) Analogamente, se verifica que para qualquer a G IR, avj G S-^.
II) Se S é subespaço vetorial de V, então
V=s 0
isto é, V é a soma direta de S e S-*-.
De fato:
Se S = { 0 } , então S-*^ = V e a demonstração é imediata.

Se S =5^ { 0 } , para qualquer v G S n S-*- tem-se:
V . V = 0
isto é :
v=0
o que mostra que
s n s-^ = { 0 }
Por outro lado, como S é um subespaço vetorial de V, S pode ser considerado um espaço
vetorial euclidiano tal como V. Nessas condições, sejam B= { e i , e 2 , . ep } uma base orto-
normal de S e v um vetor qualquer de V.
O vetor
Vi = ( v . e i ) e , + ( v . 62)62 +... + ( v . 6p ) 6p
p6rt6nce a S, e o vetor
Vj = V - Vi
éortogonala S, isto é,p 6rt6nc6 a pors 6rortogonalatodososv 6tor6sdabas 6 B = { c i , 62,.... 6p}:
V2 . 6 i = ( v - V i ) . 6 , = V. 6 , - Vi .61
V2 . 6 i = V . 6i - [(v. 61)61 + ( v . 62)62 +... + ( v . 6p ) 6p] .61
V2 . 61= V . 6i - [(V. 6 i ) 6 i ] . 61 + 0 + . . . + 0
V2 . 6 i = V. 6 i - V. 6 i
V2 . 6 i = 0
Do mesmo modo:
V2 . 62 = 0 , V2 . 63 = 0, ..., V2 . 6p = 0
134 Álgebra linear
Assim, V = Vi + V2 , com Vj € S e Vj € S-*^.
Logo;
V= s 0 s-^
Exemplos
1) Seja V = com o produto interno usual e
S = { (0, 0, c)/c € F } (eixo dos z)
Então:
S-*^ = {(a, b, 0) / a, b F } (plano xOz)
2) Seja V = F^ com o produto interno usual e S = { (x, -x )/x e F } .
Então:
S^ = { ( x , x ) / x € F )
uma vez que (x, - x ) . (x, x) = x^ - x^ = 0

3.9 PROBLEMAS RESOLVIDOS
9) Determinar o valor de m para que os vetores u = (2, m , -3) e v = ( m - 1 , 2 , 4 ) sqam

ortogonais em relação ao produto interno usual do .
Solução
Os vetores são ortogonais se u . v = 0. Então:
(2, m , - 3 ) . ( m - l , 2 , 4 ) = 0
2(m- l)+ m (2)-3(4) = 0
2 m - 2 + 2 m - 12 = 0
4m = 14
7
m =“
10) Seja V = R^ e o produto interno
(Xi,yi,z,).(x2, y 2 , Z 2 ) = 2 x ,X2 +3y,y2 +ZjZ2
Determinar um vetor unitário simultaneamente ortogonal aos vetores u = ( l , 2 , 1)

e v = ( l, 1, 1).
136 Álgebra linear
Solução
Seja w = (x, y, z), tal que w l u e w l v. Entío:
w .u = 0 (x,y,z). (1,2,1) =0
ou
w .V= 0 (x,y,z).(l, 1, 1) =0
Com o produto interno dado, obtemos o sistema:
2 x + 6y + z = 0
2x + 3y + z = 0
que tem por solução:
y = 0 e z = - 2x
Logo, w = (x, 0, -2x) = X (1, 0, -2), para x E IR.
Portanto, existem infinitos vetores ortogonais simultaneamente a u e v, porém todos

múltiplos de (1,0,-2). Para x= l, obtém-se W i = ( l , 0 , -2), que, normalizado, resulta:
Wl _ (1,0,-2) ^ (l,0,-2)_ _ L 0
|wil V 2(1)^ +0^ +(-2)^ \/6 V^’ ’
11) Construir, a partir do vetor Vi = (1 , -2 , 1), uma base ortogonal do IR^ relativamente ao
produto interno usual e obter, a partir dela, uma base ortonormal.
Solução
Seja B = { Vi, V2, V3 } a base ortogonal a ser determinada.
Seja V2 = (x, y, z). Como V2 1 Vi, tem-se:
V2 . Vi = 0
( x , y , z ) . ( l , - 2 , 1) = 0
X - 2y + z = 0
X = 2y - z
Existem, portanto, infinitos vetores ortogonais a Vi da forma
(2y - z, y, z), y, z G IR
Fazendo y = 0 e z = l , obtém-se um vetor particular:
V2 = ( - 1, 0 , 1)
Assim, o conjunto { Vi, V2 } é ortogonal, pois Vi . V2 = 0.
Para obtermos uma base ortogonal, necessitamos de mais um vetor.
Seja V3 = (a, b, c), tal que V3 1 Vj e V3 1 V2 . Então:
V3 . vi = 0
V3 . V2 = 0
ou:
(a, b, c ) . ( l , - 2 , 1) = 0
(a, b , c ) . ( - l , 0 , 1) = 0
ou, ainda:
a - 2b + c = 0
-a +c = 0
sistema de solução a = c e b = c.
138 Álgebra linear
Portanto, os vetores ortogonais a Vj e V2 são do tipo
(c, c, c), c e IR
Fazendo c = 1, obtém-se um vetor particular:
V3 = ( 1, 1, 1)
logo:
B = {(1, -2, 1), (-1, 0, 1), ( 1, 1, 1)} é uma base ortogonal do com a presença do
vetor Vi = (1, -2, 1).
Para se obter, a partir de B, uma base ortonormal, basta normalizar cada vetor de B.
Assim:
= vi - ( 1, "2 , 1) 1 2 1
Ui :)
|Vil V 1 +4 + 1 > / 6 ’ y j~ 6 '\f6
U - V2 , (-1,0,1) J_ o_L.
= V3 - ( 1 . 1 , 1 ) = r— 1 ^ -L
U3 ■)
Ivjl V I + 1 + 1 ^ > / 3 ’ V 3 ’ v ^
e:
B'= { U i , U 2 , U3 } é uma base òrtonormal do .
Esse problema, como é fácil observar, tem infinitas soluções.
12) O conjunto B= { (1,-1), (2, b) } é uma base ortogonal do R^ em relação ao produto

interno:
( x i , y i ) . ( x2 ,Y 2 ) = 2x 1X2 + y i Y 2
Calcular o valor de b e determinar, a partir de B, uma base ortonormal.

Solução
Sendo B ortogonal, tem-se:
(l,-l).(2,b )= 0
2(l)(2)-l(b)= 0
b= 4
Portanto:
B = { ( 1 , - 1 ) , (2, 4 ) }
é ortogonal.
Normalizando cada vetor de B segundo esse produto interno, vem:
(1,-1) - (i.-i)- , 1 1 ^
V 2 (l)^+(-l)^ V 3 ’ sH
(2, 4)
V 2(2)^ + 4^
e:
é uma base ortonormal do IR^ relativamente ao produto dado.
13) Em relação ao produto interno usual, determinar uma base ortonormal do seguinte
subespaço vetorial do :
S = {(x, y, z)G R^/ x + y - z = 0
Solução
Basta considerar uma base de S e, posteriormente, aplicar nela o processo de Gram-

Schmidt com a normalização de cada vetor.
140 Álgebra linear
Observemos que dim S = 2 e, portanto, uma base de S tem dois vetores. Isolando x na
igualdade acima, vem:
X = -y + z
Se fizermos:
(1) y = 0 e z= 1
(2) y = 1 e z= 0
obteremos os vetores Vi = (1, 0, 1) e V2 = (-1, 1, 0), sendo B = { Vj, V2 } uma base de S, pois
vi e V2 são LI. Procuremos uma base B' = { U i, U2 } que seja ortonormal.
b ) W j = V2 - ( V j . U i ) U i = ( - 1 , l , 0 ) - ( -
W, = ( - l , l , 0 ) ( - y , 0 , - y ) =
( - — 1 —)
^ ^ 2 ’ ’2^_ _ 1____ 2____\
Iw^l V6 ^ ' V 6 ’ vA 6 ’ V 6 ^
logo:
B '= { ( — é uma base ortonormal de S.

\/2 y/2 v6 V6 V6
Observação — O processo de ortogonalização de Gram-Schmidt teria sido evitado caso

tivéssemos escolhido uma base B já ortogonal.
14) Seja o produto interno usual no IR"* e o subespaço, de dimensão 2,
S= [ ( 1 , 1 , 0 , - 1 ) , ( 1, - 2, 1, 0)].
Determinar e uma base ortonormal de S^.

Solução
Um vetor v = (x, y, z, t) E S-*- se:
(x ,y ,z ,t).(l, 1,0,-1)= 0
e:
(x, y, z, t ) . ( 1, - 2, 1 , 0 ) = 0
Daí vem o sistema:
X+ y - t =0
X - 2y + z = 0
cuja solução é :
t = X + y e z = -X + 2y.
Logo:
= { ( x , y , - x + 2 y , x + y ) / x , y e IR}
Uma base de S-*- é:
B = { ( 1 , 0 , - 1 , 1 ) , ( 0 , 1,2, 1)}
na qual Vj = (1, 0, -1 , 1) e V2 = (0, 1, 2, 1). Apliquemos o processo de Gram-Schmidt à base B

para encontrar a base ortonormal B' = { Ui, U2 } :
|v,l V3 V 3 y /3
b) W2 = V2 -(V2 . U , ) U i = (0, 1,2, l ) - ( — l ) ( - L , o , ----

v3 \Í 3 y /3
W2 = ( 0 , l , 2 , l ) - ( - l , 0 , j , - | ) = ( | , 1 , ^ , | )
(- 1 - - )
y ^ _W2. ^ ^ 3 ’ ’ 3 ’ 3^ 1 _ 3 _____ 5_____ 4_
I W21 2/H ^ ’\^ 1 ’ ^
142 Álgebra linear
Logo:
B'= { u i .U j }
é uma base ortonormal de S-*-.
1) Sqam u = ( x i , y i ) e v = (x 2 , y j ) . Mostrar que cada operaçSo a seguir define um produto

interno no R * :
a) u . v = X1X2 + y i y 2
b) u . v = 2x 1X2 + 5yiy2
c) u . v = X1X2 + X i y 2 +X 2 yi + 2y j y 2
2) Calcular o produto interno dos vetores u = ( l , l ) e v = ( - 3 , 2 ) segundo cada produto

do exercício anterior.
3) Sejam os vetores v, = ( x i , y i ) e V2= (X2 , y 2) de V = R^.
Verificar quais das funções f:V x V - ♦ R , definidas abaixo, são produtos internos
em V:
a) f ( v i, V2 >= 2 x ,X2 + 3 yi y2
b ) f (vi , V2>= x,X2 - y i y 2
c) f (v i , V2 >= \]\2 + y i y 2
d) f(Vi, V2)= 4 x ,X2
e) f ( v i, V2 >= X1X2 + y i y 2 + 1
f) f ( v i , V 2 ) = 3 x ,X2 - X , y 2 - X2 y i + 3 y i y 2
g) f(vi ,V 2 )= 4x , X2 +X, y 2 +X2 yi + y , y 2
h ) f ( v , , V 2 ) = x,y2 + x j y i
4) Sejam V = IR^ e os vetores u = ( x i , y i , Z i ) e v = (x 2 , 72 , 22).
Verifícar quais das seguintes funções são produtos internos sobre o . (Para aquelas
que não são produtos internos, citar os axiomas que não se verificam.)
a) u . v = X1X2 + 3 y iy 2
b) u . v = 3x i X2 + 5y i y 2 + 2z,Z 2
c) u . V = 2x^y^ + 3x^y^ + z\z^
d) u. v = X1X2 + y i 7 2 - z , Z 2
e) u . v = x ,X 2 + y i 7 2 + z, Z 2 - X 2yi - x , y 2
5) Consideremos o seguinte produto interno em P2 : p . q = a2 b 2 + aibj + aobo, sendo

p = a2X* +ajX + ao e q = b2 X2 + b i X + b o - Dados os vetores pi = x^ - 2 x + 3,
P2 = 3x -4 e Ps = 1 - x^, calcular:
a) pi . p2
b) Ipi l e Ipsl
c) I Pi + P2 I
Pi
d)
IP2I
e) co-seno do ângulo entre p2 e ps
6) Se
»1 bi 2í 2 ^2
u= e v=
c, dl C2 CÍ2
são matrizes quaisquer de M(2 , 2 ), a seguinte fórmula define um produto interno nesse
espaço:
u . v = aia2 +bib2 +C1C2 +dids

144 Álgebra linear
Dados os vetores
1 2 0 2
u= e v=
-1 1 1 1
determinar:
a) I u + V I
b) o ângulo entre u e v.
7) No espaço V = P2 consideremos o produto interno f (t) f ( 0 g ( 0 d t . Calcular
f ( t ) . g ( t ) e | f ( t ) | para f ( t ) = t* - 2t e g (t) = t + 3.
8) Verificar a desigualdade de Cauchy quando se tem:
a) u = ( 2 , - 1 ) e V = (-2, -4 ) e o produto interno do problema Ib.
b) u = -x^ + X -3 e V= 3x^ - x + 1 e o produto interno do problema 5.
9) Seja a função
f: X r 2- M( l, 1)
1 1 X2
((X i, y 1 ), (X2 , X2 ))l------- ►[x, y 1]
1 2 V2
Mostiar que f é um produto interno em R* e calcular:
a) A norma do vetor (1,3);
b) Um vetor unitário a partir de (1,3);
c) Um vetor ortogonal a (1, 3).

10) Provar que se u e v são vetores de um espaço vetorial euclidiano, então:
a) u 1 V implica | u + v |^ = 1u + 1v
(Intepretar geometricamente esse fato no IR^ e no IR^.)
b) (u + v) 1 (u - v) implica | u | = | v |
11) Consideremos, no o produto interno usual. Para que valores de m os vetores u e v

são ortogonais?
a) u = (3m, 2, -m ) v= (-4,1,5)
b) u = ( 0 , m - 1, 4) v = ( 5 , m - 1 , -1)
12) Consideremos, no R^, o seguinte produto interno:
( x i , y i , Z i ) . ( x 2 , y 2 ,Z2 )= 2 xi X2 + y i y 2 +4ziZ2
Determinar, em relação a esse produto interno, um vetor unitário simultaneamente

ortogonal aos vetores u = ( 1, - 1, 2 ) e v = ( 2 , 1, 0 ).
13) Seja V = R^ com o produto interno usual. Determinar um vetor uG R^ ortogonal

aos vetores Vi = (1, 1, 2), V2 = (5, 1, 3) e V3 = (2, -2, -3).
14) Determinar os vetores (a, b, c) para que o conjunto B = { ( 1, -3, 2), (2, 2, 2), (a, b, c)}
seja uma baseortogonal do R^ em relação ao produto interno usual. Construir a partir
de B uma base ortonormal.
15) Seja V = M(2, 2) munido do produto interno definido no problema 6 . Determinar x de

modo que
1 -2 3 2
e
5 X 1 -1
sejam ortogonais.
146 Álgebra linear
16) Seja Pi o espaço vetorial dos polinômios de grau < 1. Definimos o produto interno entre
dois vetores p e q de Pi como segue:
p . q = 2 ac + ad + bc + 2bd, sendo p (t) = at + b
q (t) = ct + d
a) Calcular o ângulo entre t - 1 e 3t.
b) Encontrar um vetor r (t) ortogonal ao vetor t - 1.
17) Sejam V = IR^ munido do produto interno usual e A = { ( 1 , - 1 , - 2 ) } C V. Encontrar

uma base ortogonal B de V tal que A C B.
18) Sendo V = munido do produto interno usual, determinar um vetor não-nulo vE

que seja ortogonal a vi = (1, 1, 1,-1), V2 = (1, 2, 0, 1) e V3 = (-4, 1, 5, 2).
19) Consideremos o seguinte produto interno no R^ :
( x i , y i ) . ( x 2 , y 2 ) = X1 X2 +2xiy2 +2x2yi +5yiy2
Mostrar que, relativamente a esse produto interno, o conjunto
A = { (1, 0), (2, - 1 ) } é base ortonormal do R^.
20) O conjunto B = {(2, -1), (k, 1)} é uma base ortogonal do R^ em relação ao produto
interno
(xi,yi).(x2,y2)= 2 x 1 X2 + x i y 2 + X 2 y i + y i y 2
Determinar o valor de k e obter, a partir de B, uma base ortonormal.
21) Consideremos as seguintes bases do R^ e do R^ :
a ) B = {(3, 4), ( 1 , 2 ) }
b ) B = { ( 1, 0 , 0 ) , ( 0 , 1, 1) , ( 0 , 1, 2 ) }
c) B = { ( 1 , 0 , 1 ) , ( 1 , 0 , - 1 ) , ( 0 , 3 , 4 ) }
Ortonormalizar essas bases pelo processo de Gram-Schmidt, segundo o produto interno

usual de cada espaço.
22) O conjunto B = { ^ ), (- ) } é uma base ortonormal do com o

yj 2 y/ 2 \j 2 2
produto interno usual. Determinar o vetor coordenada de v = (2, 4) em relação à base B.

Utilizar o processo apresentado em 3.6.4.
23) Em relação ao produto interno usual, determinar uma base ortonormal dos seguintes subes-
paços vetoriais do :
a) S = { ( x , y , z ) e I R V y - 2 z = 0 }
b) S = { (x, y, z) S IR^ /x + y + z = 0 }
24) Determinar, em relação ao produto interno usual, uma base ortonormal para o subespaço do
R"' gerado pelos vetores vi = ( 1, 0 , - 1, 1), V2 = (0 , 1, 0 , 1) e V3 = ( 1, 1, - 1, 2 ).
25) Seja S = { ( x , y , z , - 2 x + 4 y + 5 z )/ x , y ,z E R } subespaço de R"^ com o produto

interno usual.
Seja A = { ( 1 , 2 , - 1 , 1 ) , ( 2 , - 1 , 2 , 2 ) } C S .
a) Ortonormalizar o conjunto A.
b) Completar o conjunto A de modo a transformá-lo numa base ortogonal de S.
26) Seja V = R^ munido do produto interno usual e B = { ( 1,2 , -3), (2, -4, 2) } . Determinar:
a) O subespaço S gerado por B.
b) O subespaço S**-.
148 Álgebra linear
27) Seja V = munido do produto interno usual. Dados os subespaços:
Si = { (x, y, z) G R ^/x - 2y + 3z = 0 } e
Sj= {t(2, l , - l ) / t e R}
determinar S / e S 2'*'.
28) Consideremos o subespaço S = { (x, y, z)/x, y E R } C R^ com o produto interno:
(x, y, z) . (x , y', z ) = 2xx + 3yy' + 4zz'
Determinar e uma base de S^.
3.10,1 Respostas de Problemas Propostos
2. a) -1 b) 4 c) 0 3. a), 0 , g)
4. a) Não é produto interno. Falha o axioma P4 .
b) É produto interno.
c) Não é produto interno. Falham os axiomas P2 e P3.
d) Não é produto interno. Falha o axioma P4 .
e) É produto interno.
5. a) -18
b ) V l4 e Vr
c) V3
’v/2
e ) cosO - -
6. a)
b) = arc COS -%=.

V 32
29
12 15
a) 5
b) ( |. |)
c) t ( - 7 , 4 )
11. b)3ou-l
12 I( 9
^ .- - 9^ . - 15)I
13. u= a(l,7,-4), a € R
14. t (-5, 1,4), t 9 t 0
.4 -)}
V R ’ V R ’V R V3 ’ V3 ’ V 4 2 ’ V 52 ’ v/52
15. x= 4
16. a) 0 = arccos -j -
b) t + 1 (é uma das soluções).
17. { ( 1 , - 1 , - 2 ) , ( 1 , 1,0), (-1, 1, - 1) } é uma delas.
18. Uma solução é ( 9 , - 8 , 6, 7).
1
20. k = - -
{(— — í-\ (__L — )}

^ V 5 ’ x/5^’ ^ V 5 ’ V5
150 Álgebra linear
21. .) ( -f .f) )
22. V g= (3v/I,V 5)
23. a) { ( 1 , 0 , 0 ) , ( 0 , - ; ^ , ; ^ ) }
^ ^ V 2 ’ ‘ v 5 ’ °^’ ^‘ V 6 ’ ’ v/ 6 ’ V6^^
24. Existem infinitas bases ortonormais.
Uma delas:
{ (— 0 - ------^ ) (- — ^ )}
’ V 3 ’ V 3 ^ ’ ^ VT5’ V I 5 ’ V Í 5 ’ V Í 5^ ^
9S a W í_ L A _L _ L w ^ _ 1 ____ 2 2 ,
■ ^ V 7 ’V 7 ’ "v/7’V7^’ ^ V n ’ “V n ’V Í3 ’VÍ3^^
b) Uma delas:
{(1, 2, -1, 1), ( 2 , - 1, 2, 2), (44, 4, 5 , - 4 7 ) }
26. a) S = { (x, y, z) e R^/x + y + z = 0 }
b) S-^ = {(x, y, z)G R ^ x = y = z }
27. S \ = { ( x , - 2 x , 3x)/xG R )
S j = {(x, y, z )G R^/2x + y - z = 0 }
28. = {(-2z,0,z )/zG R }
Uma base: { (-2, 0, 1) }.

CAPÍTULO
TRANSFORMAÇÕES
LINEARES
4.1 TRANSFORM AÇÕES LINEARES
Neste capítulo estudaremos um tipo especial de função (ou aplicação), onde o domínio e
0 contradomínio são espaços vetoriais reais. Assim, tanto a variável independente como a variável
dependente são vetores, razão pela qual essas funções são chamadas vetoriais. Estamos particular
mente interessados nas funções vetoriais lineares, que serão denominadas transformações lineares.
Para dizer que T é uma transformação do espaço vetorial V no espaço vetorial W, escre-
ve-se T : V — ►W. Sendo T uma função, cada vetor vG V tem um só vetor imagem wG W,
que será indicado por w = T (v).
Vamos exemplificar, considerando V = IR^ e W = .
Uma transformação T : R ^ ----- > R^ associa vetores v = (x, y) G R^ com vetores

w = (x, y, z) G R ^. Se a lei que define a transformação T for
T (x, y) = (3x, -2y, x - y)
0 diagrama da página seguinte apresenta três vetores particulares v e suas correspondentes

imagens w.
Deve ficar bem claro que, para calcular, por exemplo, T (2, 1), tem-se: x - 2 e y - 1,
e daí:
T(2, l) = ( 3 x 2 , - 2 x 1 , 2 - 1 ) = ( 6 , - 2 , 1 )
151
152 Álgebra linear
4.1.1 Definição
Sejam V e W espaços vetoriais. Uma aplicação T : V — ►W é chamada transformação

linear de V em W se:
1) T(u + v) = T(u) + T(v)
II) T (au ) = aT (u )
para Vu, vG V e VaG IR.
Observação
Uma transformação linear de V em V (é o caso de V = W) é chamada operador

linear sobre V.
Exemplos
1) T: IR^------►IR^, T (x, y) = (3x, -2y, x - y) é linear.
De fato:
I) Sejam u = ( x i , y i ) e v = (x 2 , y 2 ) vetores genéricos de IR^.
Então:
T(u + v) = T (x , +X 2 , Vi + y 2>
Transformações lineares 153
T (u + v) = (3 (x , +X 2), -2 (y j + y 2) ,( x , +X 2> - ( y i + y 2 ))
T ( u + v) = (3xi + 3X2, -2 y j - 2y2, x , + X2 - yi - y 2>
T (u + v) = ( 3 x , , - 2 y , , x , - y i ) + (3 x 2 ,-2 y 2 , X2 - y 2>
T (u + v) = T(u) + T(v)
II) Para todo a e IR e para qualquer u = ( x i , y i ) € R *, tem-se:
T (au ) = T ( a x i,a y O
T (au) = (3 a X |, - 2 a y i , a x j - a y , )
T (au) = a ( 3 x ,, -2 y 1, X,» - y , )
T (au) = aT (u )
2) T .IR ----- ÎR

X I----- *■3x ou T (x) = 3x é linear
De fato:
I) Sejam u = x, e v = X2 vetores quaisquer de IR (os vetores, nèsse caso, são

números reais). Então:
T (u + v) = T (x , + X2)
T(u + v) = 3 (x , +X 2)
T (u -t v) = 3x, + 3x2
T (u -tv ) = T (u) + T(v)
II) Para V a € IR, Vu = x , € IR, tem-se:
T (au ) = T ( a x ,)
154 Álgebra linear
T (au ) = 3 a x i
T (au ) = o ( 3 x ,)
T (au ) = a T (u )
Observação
Essa transformação linear representa uma reta que passa pela origem (Figura 4.1.1a).
£ fácil ver que, se uma transformação representar uma reta que não passa pela origem, ela
não é linear. Por exemplo:
T: IR — IR, T (x) = 3 x + 1
não é linear.
De fato:
Se u = Xi e V = X2 são vetores quaisquer de IR, tem-
T (u + v) = T (xi +X 2 )
T (u + v) = 3 (xi + X2) + 1
T (u + v) = 3xi + 3x2 + 1 = (3xi + 1) + 3x2
T (u + v ) ^ T ( u ) + T(v) = (3xi + 1 ) + (3 x2 + 1)
Seria bem mais fácil constatar que T noõ é//near, se soubéssemos que:
“Em toda transformação linear T :V ------ >W, a imagem do vetor 0 G V é o vetor

0 G W, isto é T (0) = 0.”
Essa propriedade decorre da condição (II) da definição, para a = 0:
T (0) = T ( 0 . v ) = 0 .T ( v ) = 0
Nos exemplos 1) e 2), de transfornjações lineares, tivemos:
T (0 ,0 ) = ( 0 ,0 ,0 ) e T (0) = 0
Nesse último exemplo, de transformação não-linear, verifica-se que: T (0)=^0, pois

T (0 )= 1.
Assim, também não é linear a transformação
T:IR^-------- ►1R^ T ( x ,y ,z ) = ( 3 x + 2 , 2 y - z )
pois T ( 0 ,0 ,0 ) = (2 ,0 )= it(0 ,0 ).
Insistindo: se T : V------ ►W é linear, entãoT(0) = 0. No entanto, a recíproca dessa proprie

dade não é verdadeira, pois existe transformação com T (0) = 0 e T não é linear. É o caso da
transformação
T: M - T (x ,y ) = ( x ^ 3 y )
De fato:
Se u = ( x i , y i ) e v = (x 2 , y 2 ) são vetores quaisquer de R^, tem-se:
T(u + v) = T (x i +X 2 , yi + y 2) = ((xi + X 2 )^ 3 (y l + y 2)) = (x? + 2xiXj +x^,3y^ +3y2>
enquanto:
T(u) + T(v) = ( x |, 3 y ,) + (x i, 3y2) = (x? + x ^ 3 y i + 3y2>
isto é :
T ( u + v)=5*í: T ( u) + T ( v)
3) A transformação identidade
I: V
V H V ou I (v) = V é linear
De fato:
I) I (u + v) = u + V = I (u) + I (v)
II) I(au ) = 0£U = a l( u )

156 Álgebra linear
W
4) A transformação nula (ou zero)
T: V W
V 0 ou T(v) = 0 é linear
De fato:
I) T (u + v) = 0 = 0 + 0 = T (u) + T(v)
II) T (au ) = 0 = a x 0 = aTu
5) A simetria em relação à origem O (Figura 4.1.1b) no
T:R^ R^
V h - V é linear
De fato:
I) T (u + v) = - ( u + v ) = - u - v = T(u) + T(v)
II) T (au ) = -a u = a (-u ) = OíT(u)

6) A projeção ortogonal do IR^ sobre o plano xy (Figura 4.1.1 c)
T: IR^------- IR"
(x, y , z) I------- (x, y, 0) ou T (x, y, z) = (x, y, 0)
é linear (verificar!).
7) A projeção no eixo dos x
T: F" ---------- ►F " , T(x, y, z) = (x, 0, 0)
é linear (verificar!).
8) Seja o espaço vetorial V = Pn dos polinômios de grau < n. A aplicação derivada

D :P n ------ ►Pn, l®va f ^ Pn em sua derivada f', isto é, D (f) = f', é linear.
De fato:
Pelas regras da derivação, sabe-se que:
D ( f + g ) = D (f) + D(g)
e
D (a f) = a D (f)
158 Álgebra linear
9) Sejam os espaços vetoriais V = Pn e W = R . A transformação T : Pn------ ►F definida
por T (u) = J udt (a, b G F ), que a cada polinômio u G V associa sua integral
definida T (u) G F , é linear.
De fato:
Por meio de teoremas do Cálculo, sabe-se que:
T (u + v) = (u + v) dt = udt + vdt = T (u) + T (v)
T ( a u ) = y ^ ( a u )d t = a J \ i X = al{\x)
1 2
10) Seja a matriz A = -2 3 Essa matriz determina a transformação:
0 4
Ta : F ^ ---------►F^
V I-------- ►Av ou Ta ( v) = A v
que é linear.
De fato :
Ta ( u + v) = A ( u + v ) = A u + A v = Ta ( u) + Ta ( v)
Ta ( « u) = A (au ) = a(A u) =aTA (u)

Efetuando Av, onde v = (x, z)G IR^ é um vetor coluna de ordem 2 x 1 , resulta:
1 X + 2y
-2 -2 x + 3y
0 4y
e, portanto, é definida por:
Ta ( x, y) = ( x 2y, -2 x + 3y, 4y)
Observações
a) Uma matriz A (m x n) sempre determina üma transformação linear
Ta : R " ---------" R""
onde a imagem Ta (v) = Av é o produto da matriz A pelo vetor v E R ” considerado como

uma matriz de ordem n x 1. Uma transformação linear desse tipo chama-se multiplicação
por A.
b) Em 4.4 veremos o inverso, isto é, que uma transformação linear T: R ” — ►R*” sempre
pode ser representada por uma matriz m x n.
Para que possamos dar uma interpretação geométrica do significado de uma transformação
linear, consideremos uma transformação linear no plano. Seja o operador linear T : R ^ -------►R^
definido por:
T(x, y) = ( - 3 x + y , 2x + 3y)
e consideremos os vetores u = (-1, 1) e v = (0, 1). Portanto, T(u) = (4, 1) e T(v) = (1, 3).
A Figura 4.1.1 d mostra que sendo u + v a diagonal do paralelogramo determinado por

u e V, sua imagem T (u + v) representa a diagonal do paralelogramo determinado por T (u)
e T(v), istoé, T (u + v) = T (u) + T(v).
Diz-se, nesse caso, que T preserva a adição de vetores.

160 Álgebra linear
A Figura 4.1.1e mostra que, ao multiplicarmos o vetor u por 2, sua imagem T(u) fica
também multiplicada por 2. E esse fato vale para qualquer a real, isto é, T(av) = aT(v).
Diz-se, nesse caso, que T preserva a multiplicação por um escalar.
Figura 4.1.le
4.1.2 Propriedade
Se T : V ------- ►W for uma transformação linear, então
T (a ,v , + a 2 V2) = a ,T ( v ,) > a 2T (v 2)
para Vvj, V2 G V e V ai, ^2 ^ IR-

De forma análoga, tem-se:
T(aiV , + 32 V2 + ... + a„v„) = a |T ( v ,) + a2 T(v 2> + ... + a„T(Vn)
para Vvj E V e Vaj G R , i = l , 2 , isto é, a imagem de uma combinação linear de vetores

é a mesma combinação linear das imagens desses vetores, com os mesmos coeficientes.
Suponhamos que { Vj, V2, ... , Vj^ } seja uma base do domínio V e que se saiba quais são
as imagens dos vetores desta base:
T (vi), T( v2), ..., T(v„)
Sempre é possível obter a imagem T (v) de qualquer v G V, pois v é combinação linear

dos vetores da base, ou seja:
v = a i V i + a 2 V 2 + . . . + a^Vn
e, pela relação acima, vem:
T (v) = a, T (v i) + a2T (v 2) + ... + a„T (v„)
Assim, uma transformação linear T: V W fica completamente definida desde

que se conheçam as imagens dos vetores de uma base de V.
Exemplo
Seja T: R ^ - R^ uma transformação linear e B = { v i ,V 2 ,V 3 } uma base do

R^, sendo Vj = ( 0 ,1 ,0 ) , V 2 = ( l,0 , 1) e V3 = ( 1 ,1 ,0 ) . Determinar T ( 5 ,3 ,-2 ), sabendo
que T ( v 0 = ( l , - 2 ) , T (v 2) = ( 3 , l ) e T (v 2) = (0 ,2 ).
Solução
Expressemos v = (5, 3, -2 ) como combinação linear dos vetores da base:
(5, 3, -2 ) = ai(0, 1, 0) + a2(l, 0, 1) + a3(l, 1, 0)

162 Álgebra linear
ou:
a2 + ^3 — 5
^2 “ “2
sistema cuja solução é :
ai = -4 , a2 = -2 e aa = 7
Então:
(5, 3,-2)=-4vi - 2v2 + 7v3
logo:
T (5, 3, -2) = -4T ( V , ) - 2T(va) + 7T (vj)
T (5, 3, -2 ) = -4 (1 , -2 ) - 2 (3, 1) + 7 (0, 2)
T (5, 3, -2 ) = (-10, 20)
Nos exercícios 1 a 4 sSo dadas transformações. Verificar quais delas são lineares.
1) T: ------- » R ^ T (x, y) = ( x - y, 2x + y, 0)
Solução
I) Para quaisquer vetores u = ( x , , y i ) e v = ( x a ,y 2) de R^, tem-se:
T (u + v) = T (x , + xa, yj + ya)
T (u + v) = ((x, + X a ) - (y , + ya), 2 (x , + X a ) + (y, + ya), 0)

T (u + v) = (x , + xj - Vi - y j, 2x, + 2xj + yi + X2 , 0)
T (u + v ) = (xi - y i , 2 x i + y i , 0 ) + (x 2 - y 2 ,2 x 2 + y 2 ,0 )
T (u + v) = T (u) + T (v)
II) T (au ) = T ( a x , , a y , )
T (au) = (a x i - a y , , 2 a x , + a y , , 0)
T (au ) = a ( x , - y , , 2x, + y , , 0)
T (au) = aT (u )
Logo, T é linear.
2) T: ►R M ( x , y ) = ( x + 2 , y + 3 )
Solução
Sabe-se que em toda transformação linear T: V--------deve-se ter T (0) = 0. Como

T (0, 0) = (2, 3) (0, 0), T não é uma transformação linear.
Essa aplicação T é um exemplo de translação no plano.
3) T: R , T (x, y) = I X I
Solução
Sejam u = ( x i , y i ) e v = (x 2 , y 2) vetores quaisquer de
T(u + v) = T ( x ,+ X 2 , y , + y 2 ) = | x , + X 2 I e
T(u) + T(v) = | x , | + | x 2 l
Como, em geral, | x, + X2 1 # I x, | + | X2 1, conclui-se que T não é linear.

164 Álgebra linear
4) H: V V, H (v)= Xv, XG IR, X fixado.
Solução
Se u, v E V:
I) H(u + v) = X(u + v) = Xu + Xv = H(u) + H(v)
II) H(otu) = X(au) = a(X u) = a H (u )
Logo, H é um operador linear em V. Esse operador chama-se homotetia de V determinada

pelo escalar X.
Os exemplos 2 , 3 e 5 do item 4.1.1 são casos particulares de homotetia em que X= 3,

X =1 e X = - l , respectivamente.
5) Seja o espaço vetorial V = M(n, n) e B uma matriz fixa em V.
Seja a aplicação T : V -------►V definida por T (A) = AB + BA, com A E V.

Mostrar que T é linear.
Solução
I) Para quaisquer V:
T(A, + A2>=(A i + A2)B + B(A, +A2)
T(Ai + A2) = A,B + A2B+BA, +BA2
T(A, + A2)=(A,B+BA i ) + (A2B+BA2)
T(A, + A 2 ) = T ( A , ) + T(A2)
II) T ( a A, ) = (aA, )B + B(aAi) = oi(AiB) + a(BA,)
T(ttAi)=a(A,'B + BA,)
T (a A, ) = a T( A ,)
6) S e ja T iV - W linear. Mostrar que:
a) T ( - v) = - T ( v)
b) T ( u - v ) = T ( u ) - T ( v )
Solução
a) T (-v) = T ( ( - l) v ) = - lT ( v ) = .T ( v )
b) T (u - v) = T (u + (-1) v) = T (u) + ( - l) T ( v ) = T(u) - T(v)
7) Consideremos o operador linear T : IR^ ' IR^ definido por
T (x, y, z) = (x + 2y + 2z, X + 2y - z, -X + y + 4z).
a) Determinar o vetor u E IR^ tal que T(u) = (-1, 8 ,-1 1 ).
b) Determinar o vetor v E IR^ tal que T (v) = v.
Solução
a) Sendo T (u) = (-1, 8 ,-1 1 ), ou seja:
(x + 2y + 2z, x + 2 y - z , - x + y + 4z) = (~1, 8 ,-1 1 ),
vem:
X + 2y + 2z = - 1
X + 2y - z= 8
-X + y + 4z = -11
sistema cuja solução é x = l , y = 2 e z = -3.
Logo: u = (1, 2, -3)

166 ÀIgebra linear
b) Seja V = (x, y, z). Então, T(v) = v ou T (x, y, z) = (x, y, z) ou, ainda:
(x + 2y + 2z, X + 2y - z, -X + y + 4z) = (x, y, z)
donde:
X + 2y + 2z = X
X + 2y - z = y
-X + y + 4z = z
O sistema é indeterminado e sua solução é: x = 2z e y = -z.
Assim, existem infinitos vetores v G tais que
T (v) = V e to d o s d a fo rm a :
V = (2z, -z, z)
ou:
v = z ( 2 , -1 , 1), VzG R
8) Sabendo que T: R^ R^ é uma transformação linear e que
T ( l , - l ) = ( 3 ,2 ,- 2 ) e T ( - l , 2 ) = ( l , - l , 3 ) ,
determina» T (x, y).
Solução
Observando, inicialmente, que { ( 1 ,- 1 ) , ( - 1 ,2 ) } é uma base de R^, apliquemos a

propriedade 4.1.2 expressando o vetor (x, y )G R^ como combinação linear dos vetores
dessa base:
(x, y) = a ( l , - l ) + b ( - l , 2 )
ou:
a - b = X
-a + 2b = y
sistema do qual vem:
a = 2x+y e ,b = x + y
Portanto:
T (x ,y ) = a T ( l , - l ) + b T ( - l,2 )
T (x, y) = (2x + y) (3, 2, -2 ) + (x + y) (1, -1 , 3)
T (x, y) = (6x + 3y, 4x + 2y, -4 x - 2y) + (x + y, - x - y, 3x + 3y)
T (x, y) = (7x + 4y, 3x + y, - x + y)
9) Um operador linear T : IR^ IR^ é tal que:
T ( l , 0 ) = ( 3 , - 2 ) e T (0, l ) = ( l , 4 )
Determinar T (x, y).
Solução
Observemos que {(1 ,0 ), (0, 1) } é a base canônica de .
Um vetor (x, y) S R^ é tal que:
( x ,y ) = x ( l , 0 ) + y (0 , 1)
e, portanto:
T (x ,y ) = x T ( l ,0 ) + yT(0, 1)
T (x, y) = x (3 , - 2 ) + y ( l , 4 )
T (x, y) = (3x + y, -2 x + 4y)

168 Álgebra linear
4.2 NÜCLEO DE UMA TRAN SFO RM AÇAO LINEAR
Definição
Chama-se núcleo de uma transformação linear T : V ------- ^ W ao conjunto de todos

os vetores v E V que são transformados em 0 E W. Indica-se esse conjunto por N(T) ou
ker(T);
N (T )= { v e V /T (v )- 0 }
Observemos que N (T )C V e N (T )^ 0 , pois O e N(T), tendo em vista que

T (0) ^ 0.
Exemplos
1) O núcleo da transformação linear
T; ------ *■ , T (x, y) = (x + y, 2x - y)
é o conjunto:
N (T) = { (x, y) e R^ /T (x, y) = (0, 0 )}
O que implica;
(x + y, 2x - y) = (0, 0)
ou:
X + y = 0
2x - y = 0
sistema cuja soluçío é:
X= 0 e y = 0
lo g o :
N (T ) = { ( 0 ,0 ) }
2) Seja T: IR^ ------ ►IR^ a transformação linear dada por:
T (x, y, z) = (x - y + 4z, 3x + y + 8z)
Nesse caso, temos:
N (T )= { (x , y, z)G lR ^ T (x, y, z) = ( 0 ,0 ) }
isto é, um vetor (x, y, z) E N (T) se, e somente se:
(x - y + 4z, 3x + y + 8) = (0, 0)
ou:
X - y + 4z = 0
3x + y + 8z = 0
sistema homogêneo de solução x = -3 z e y = z.
Logo:
N(T)= {(- 3 z, z, z)/zG ]R}
ou:
N(T)={z(-3, 1, l)/ze R}
ou, ainda:
N (T )= [(-3 , 1, 1)]
170 Álgebra linear
Observemos que esse conjunto representa uma reta no que passa pela origem e tal
que todos os seus pontos tém por imagem a origem do R^ (Figura 4.2).
Figura 4.2
4.2.1 Propriedades do Núcleo
1) O núcleo de uma transformação linear T: V ------ ►W é um subespaço vetorial de V.
De fato:
Sejam Vi e vetores pertencentes ao N(T) e a um número real qualquer. Então,

T (v i) = 0 e T ( v2) = 0. Assim:
I) T(vi+V2)= T ( vi ) + T ( v2) = 0 + 0 = 0
isto é:
V, + VJ & N(T)
II) T (a v i) = a T ( v i ) = a 0 = 0
isto é :
a v , e N(T)
2) Uma transformação linear T: V ----é injetora se, e somente se, N(T) = { 0 } .
Lembremos que uma aplicação T: V -------é injetora se Vvj, V2 ^ V, T (vj) = T (v 2 )

implica Vj = V2 ou, de modo equivalente, se V vi,V 2 G V, Vi ^ V2 implica T ( v i) ^ T ( v 2 ).
A demonstração dessa propriedade tem duas partes:
a) Vamos mostrar que se T é injetora, então N (T) = { 0 } .
De fato:
Seja vG N(T), isto é, T(v) = 0. Por oiitro lado, sabe-se que T (0) = 0. Logo,
T (v) = T (0). Como T é injetora por hipótese, v = 0. Portanto, o vetor zero é o único elemento
do núcleo, isto é, N (T) = { 0 } .
b) Vamos mostrar que se N (T) = { 0 } , então T é injetora.
De fato:
Sejam Vi , V2 G V tais que T (v j) = T(v 2 ). Então, T (v i) - T (v 2) = 0 ou T ( v i - V 2) = 0

e, portanto, Vj - V2 ^ N(T). Mas, por hipótese, o único elemento do núcleo é o vetor 0, e,
portanto, Vi - V2 = 0, isto é, Vi = V 2 . Como T (v i) = T (v 2) implica Vj =V 2 , T é injetora.
4.3 IMAGEM
Definição
Chama-se imagem de uma transformação linear T: V • W ao conjunto dos vetores

w G W que são imagens de pelo menos um vetor v G V. Indica-se esse conjunto por Im(T)
ou T(V):
Im(T) = { w G W/T(v) = w para algum vG V }
Observemos que Im(T) C W e Im(T) 0, pois 0 = T (0) G Im(T). Se Im(T) = W,

T diz-se sobrefetora, isto é, para todo w G W existe pelo menos um vG V tal que T(v) = w.
172 Álgebra linear
Exemplos
1) Seja T: IR^ - IR'^, T (x, y, z) = (x, y, 0) a projeção ortogonal do sobre o plano

xy. A imagem de T é o próprio plano xy:
Im(T) = { ( X , y, 0) G IR V x,yG IR}
Observemos que o núcleo de T é o eixo dos z:
N (T )= { ( 0 ,0 ,z ) /z G IR}
pois T (0, 0, z) = (0, 0, 0) para todo z G IR.

2) A imagem da transformação linear identidade I: V ----- ►V definida por I(v) = v,

VvG V, é todo espaço V. O núcleo, neste caso, é N (I) = { 0 } .
3) A imagem da transformação nula T: V ----- ►W definida por T(v) = 0, VvE V, é o

conjunto Im(T) = { 0 } . O núcleo, nesse caso, é todo o espaço V.
4.3.1 Propriedade da I magem
“ A imagem de uma transformação T: V -----►W é um subespaço de W.”
De fato:
Sejam Wi e W2 vetores pertencentes a Im(T) e a um número real qualquer. Devemos

mostrar que Wi + W2 ^ Ini(T) e «Wj G lm(T), isto é, devemos mostrar que existem vetores
V e u pertencentes a V tais que T(v) = wi +W2 e T(u) = a w i .
Como Wi , w 2 G Im(T), existem vetores Vj, V2 G V tais que T (v i)= Wj e T(v 2) = W2 .

Fazendo v = Vj + V2 e u = ocwi, tem-se:
T(v)=T(Vi + V2) = T(Vi ) + T(V2> = Wi +W2
e:
T(u) = T (a v i) = ocT(vi) = aw i
e, portanto, Im(T) é um subespaço vetorial de W.
4.3.2. Teorema da Dimensão
“Seja V um espaço de dimensão finita e T: V ----- ►W uma transformação linear. Então,

dim N(T) + dim Im(T) = dim V.”
Deixaremos de demonstrar o teorema e faremos algumas comprovações por meio dos exem
plos e de problemas resolvidos logo a seguir.
No exemplo 1 de 4.3, o núcleo (eixo dos z) da projeção ortogonal T tem dimensão 1 e a

imagem (plano xy) tem dimensão 2, enquanto o domínio tem dimensão 3.
174 Álgebra linear
No exemplo 2 da transformação identidade, temos d im N (T )= 0. Conseqüentemente,

dim Im(T) = dim V pois Im(T) = V.
No exemplo 3 da transformação nula, temos dim Im(T) = 0. Portanto, dim N(T) = dim V.
pois N(T) = V.
10) Determinar o núcleo e a imagem do operador linear
T : IR^------- ►IR^, T (x, y, z) = (x + 2y - z, y + 2z, x + 3y + z)
Solução
a) N(T) = { (x, y, z) £ IR^T (x, y, z) = ( 0 , 0 , 0) }
De:
(x + 2y - z, y + 2z, X + 3y + z) = (0, 0, 0)
vem o sistema:
X + 2y - z=0
y + 2z = 0
X + 3y + z=0
cuja solução geral é (5z, -2z, z), z E IR.
Logo:
N (T )= { (5 z ,-2 z , z )/z E IR} = { z ( 5 , -2, l)/z E IR} = [(5 ,-2 , 1)]
b) Im(T) = { (a, b, c) E IR^/T(x, y, z) = (a, b, c) } , isto é, (a, b, c) E Im(T) se existe

(x, y, z) E IR^ tal que:
(x + 2y - z, y + 2z, X + 3y + z) = (a, b, c)
e o sistema:
X + 2y - z=a
y + 2z = b
X + 3y + z= c
somente terá solução se a + b - c = 0.
Logo:
Im (T )= { (a ,b , c)G IRVa + b - c = 0 }
Notemos que:
dim N(T) + dim Im(T) = 1 + 2 = 3, que é a dimensão do domínio IR^.
Observação
O vetor imagem T(x, y, z) pode ser expresso da seguinte forma:
(x + 2y - z, y + 2z, X + 3y + z) = (x, 0, x) + (2y, y, 3y) + (-z, 2z, z)
ou:
(x + 2 y - z, y + 2z, x + 3y + z) = x ( l , 0, 1)+ y (2 , 1, 3) + z ( - l , 2, 1)
Logo, qualquer vetor do conjunto imagem é combinação linear dos vetores (1 ,0 , 1), (2,1, 3)
e (-1, 2, 1) e, portanto:
I m ( T ) = [( l,0 , 1),(2, 1 ,3 ), (-1 ,2 , 1)]
Observando que:
T ( 1 ,0 ,0 ) = (1 ,0 , 1),T(0, 1 ,0 ) = (2, 1, 3) e T(0, 0, !) = ( - ! , 2, 1)

176 Álgebra linear
conclui-se que:
Im(T) = [T (l, 0, 0), T (0, 1, 0), T (0, 0, 1)]
isto é, a imagem dessa transformação é o subespaço gerado pelas imagens dos vetores da base
canônica do domínio IR^.
Este fato vale de modo geral: T: V •W é linear e { v i ,..., v^} gera V, então
gera a ImCT)” .
De fato:
Seja w G Im(T). Então, T(v) = w para algum vG V. Como { v i ,..., v„} gera V,
existem escalares a i,...,a n tais que:
v = aiVi + ... + BnVn
e:
w = T(v) = T (a, Vi + ... + a„v„) = a iT (v i) + ... + a„T (v„)
Portanto:
Im (T )= [T (v ,), ...,T (v „ )] (4.3.3)
11) Seja T: ------ >• IR^ a transformação linear tal que T (e i) = ( l , 2), T(c 2) = (0, 1) e
T ( c3) = (-1 , 3), sendo { e i , e 2, e 3 } a base canônica de R?
a) Determinar o N(T) e uma de suas bases. T é injetora?
b) Determinar a Im(T) e uma de suas bases. T é sobrejetora?
Solução
Lembremos que
(x, y, z) = xei + yej + ze 3

implica:
T (x, y, z) = xT ( e , ) + yT (e^ ) + zT ( 63)
e:
T (x, y, z) = x ( l , 2) + y ( 0 , l) + z ( - l , 3 )
ou:
T (x, y, z) = (x - z, 2x + y + 3z)
fórmula que define T.
a) N(T) = { (x, y, z) G IR^ /(x - z, 2x + y + 3z) = (0, 0) }
O sistema:
X - z = 0
2x + y + 3z = 0
admite a solução geral (z, - 5 z, z), z G R .
Logo:
N (T )= { ( z ,- 5 z , z)/zG R }
A Única variável livre é z. Portanto, d im N (T )= l.
Fazendo z = l , obtém-se (1 ,-5 , 1) e { ( 1 ,- 5 , 1)} é uma base do N(T). Ainda: T não

é injetora, pois N(T) { (0, 0, 0)}.
b) Pela igualdade (4.3.3) vem:
Im(T) = [T (l, 0, 0), T (0, 1, 0), T (0, 0, 1)]
ou:
I m ( T ) = [ ( l,2 ) ,( 0 , ! ) , ( - ! , 3)]
178 Álgebra linear
Considerando o Teorema da Dimensão, vem:
dim Im(T) = dim IR^ - dim N(T) = 3 - 1 = 2.
Logo, Im (T )= R ^ e qualquer base de JR? é base de Im(T). Uma delas é {(1, 2), (0, 1) }.
Ainda: T é sobrejetora, pois Im(T) = IR^ que é o contradomínio.
12) Verificar se o vetor (5, 3) pertence ao conjunto Im(T), sendo
T: E" ------- ►E ^ T ( x ,y ) - ( x - 2 y ,2 x + 3 y )
Solução
Devemos verificar se existe (x, y) E E^ tal que:
T (x, y) = (x - 2y, 2x + 3y) = (5, 3)
isto é, precisamos verificar se o sistema:
X - 2y = 5
2x + 3y = 3
tem solução. Como a solução do sistema é x = 3 e y = 1, conclui-se que (5, 3) E Im(T).
13) Determinar uma transformação linear T : E ^ ------►E"*
tal que N(T) = { (x, y, z) E E ? /z = x - y }
Solução
O problema será resolvido com a utilização da propriedade 4.1.2. Fazendo, por exemplo,
x = l , y = 0 e x = 0, y = l , o conjunto { (1 ,0 ,1 ), ( 0 ,1 ,-1 )} é uma base do núcleo e, com o acrés
cimo do vetor (0 ,0 , l),oconjunto { (1 ,0 ,1 ), (0 ,1 ,-1 ), (0 ,0 ,1 )} forma uma base do E^ (verificar!).
Como (1 ,0 ,1 ) e ( 0 ,1 ,- 1 ) são vetores do núcleo, T ( 1 ,0 ,1) = (0, 0, 0, 0) e T(0, 1, -1 ) = (0 ,0 , 0, 0).
Façamos arbitrariamente, T (0, 0, 1) = (1, 0, -1, 0). Pela propriedade 4.1.2, a transformação está
definida, e o núcleo é gerado por (1, 0, 1) e (0, 1, -1). Portanto, T tem a condição requerida.
Pretendemos calcular T (x, y, z). Comecemos escrevendo (x, y, z) na base considerada de
Tendo em vista que
(x, y, z) = x ( l , 0 , l) + y (0 , 1 ,-1 ) + (-x + y + z)(0, 0, 1)
vem:
T (x, y, z) = x T (l, 0, 1) + y(0, 1, -1 ) + (-x + y + z) T (0, 0, 1)
T (x, y, z) = x (0 , 0, 0, 0) + y(0, 0, 0, 0) + (-x + y + z ) ( l, 0, - 1 ,0 )
T (x, y, z) = ( - X + y + z, 0, X - y - z, 0)
Esse problema admite infinitas soluçoes.
Do Teorema da Dimensão (4.3.2):
dim N(T) + dim Im(T) = dim V
seguem algumas conclusões importantes.
4.3.4. Corolários
Seja T: V ----- ►W uma transformação linear.
1) Se dim V = dimW, então T é injetora se, e somente se, é sobrejetora.
De fato:
T é injetora =► N(T) = { 0 } (propriedade 2 de 4.2.1)
=> 0 + dim Im(T) = dim V (Teorenta da Dimensão)
=> dim Im(T) = dim W (hipótese)
=> Im(T) = W
T é sobrejetora
180 Álgebra linear
Reciprocamente:
T é sobrejetora Im(T) = W
dim Im(T) = dim W
dim Im(T) = dim V (hipótese)
dim N(T) = 0 (Teorema da Dimensão)
N(T) = { 0 }
T é injetora (propriedade 2 de 4.2.1)
Assim, numa transformação linear na qual dim V = dim W, se T é injetora (ou sobre
jetora), então T é também bijetora (injetora e sobrejetora ao mesmo tempo).
2) Se dim V = dimW e T é injetora, então T transforma base em base, isto é, se

B = { Vi,..., } é base de V, então T(B) = { T (v i), ..., T (Vj^)} é base de W.
De fato :
Como dim V = dim W = n, basta mostrar que T(B) é LI. Para tanto, consideremos a
igualdade:
a iT (v i) + ...+ a„T(v„) = 0
OU, pela linearidade de T :
T (a ,v , + . . . + a„Vn) = 0
Como T é injetora, vem:
a ,v , + ... + a „ v „ = 0
Sendo B uma base, B é LI e, portanto:
a, = ... =a„ = 0
Logo, T(B) é uma base de W.

4.3.5 Isomorfismo
Chama-se isomorfismo do espaço vetorial V no espaço vetorial W a uma transformação

linear T : V ----- ►W, que é bijetora. Nesse caso, os espaços vetoriais V e W são ditos iso-
morfos. No Capítulo 2 fizemos referência a espaços vetoriais isomorfos e ressaltamos que todo
espaço vetorial V de dimensão n é isomorfo a R ” . Assim, dois espaços vetoriais de dimensão
finita são isomorfos se tiverem a mesma dimensão.
Veremos mais adiante que a todo isomorfismo T: V- W corresponde um isomorfísmo

inverso T'^ : W------V, que também é linear.
Exemplos
1) O operador linear
T : R 2 — ^ R 2, T (x ,y ) = (2x + y ,3 x + 2 y )
é um isomorfismo no R ^ . Como dim V = dim W = 2, basta mostrar que T é injetora

(Corolário 1 de 4.3.4). De fato: N (T) = {(0 , 0 )} , o que implica T ser injetora.
2) A transformação linear
T :P 2 ----- ^ R ^ T(at2 + bt + c) = (a, a + b, b - c)
é também um isomorfismo (verificar!).
3) O espaço vetorial R^ é isomorfo ao subespaço W= {(x , y , z ) E R^/z = 0 } do R^ (W

representa o plano xy de R^).
De fato, a aplicação linear T :R ^ ----->*W, tal que T (x, y) = (x, y, 0), é bijetora: a
cada vetor (x, y) de corresponde um só vetor (x, y, 0) de W e, reciprocamente.
Logo, R^ e W são isomorfos.
4.4 M A T R IZ DE UMA TRANSFO RM AÇÃO LINEAR
Sejam T: V — ►W uma transformação linear, A uma base de V e B uma base de W.
Sem prejuízo da generalização, consideremos o caso em que dim V = 2 e dimW = 3.

182 Álgebra linear
Sejam A = { V i, Vj } e B = { W i, W2 , W3 } bases de V e W, respectivamente.
Um vetor v G V pode ser expresso por:
V = X i V , +X2V2 OUV^=(Xi,X2>
e a imagem T(v) por:
T (v) = y , W , + Y 2 W 2 + y 3 W3 (1)
ou:
T (v)g = ( y ,,y 2 ,y 3 )
Por outro lado:
T(v) = T (x,V , +X 2V2) = Xi T ( v, ) + X2T(V2) (2)
Sendo T (v i) e T (v 2) vetores de W, eles são combinações lineares dos vetores de B:
T(v i) = a i i Wi + a2i W2 + 3 3 1 W3 ( 3)
T ( V 2 ) = a i 2 W i + 322 W2 + 332 W3 ( 4)
Substituindo esses vetores em (2), vem:
T(v) = Xi(aiiW i + 32i W2 + a 3iW 3) + X2 (ai 2Wi + 322W2 + 332W3)
ou:
T(v) = (anX i + a i 2X2)w i + (a 2iXi + a 22X2) w 2 + (a 3iXi +a32X2>W3
Comparando essa igualdade com (1), conclui-se:
yi = a u Xi + a i 2X2
Yi ~ a2 i*Xi + 322X2
Ya “ a3iXi + 332X2
OU, na forma matricial:
Yi ^11 a 12
Xi
=
Y2 ^21 ^22
X2
Y3 ^31 ^32
OU, simbolicamente:
(T(v)l,= [Tlí [»U
sendo a matriz [T] _ denominada matriz de T em relação às bases A e B.

B
Observações
1) A matriz [T] ^ é de ordem 3 x 2 quando dim V = 2 e dim W = 3.

B
2) As colunas da matriz [T]^ são as componentes das imagens dos vetores da base A em
B
relação à base B, conforme se pode ver em (3) e (4):
an ai2
^21 ^22
^31 ^32
t t
T ( v i ) b T (v2)g
De um modo geral, para T: V — ►W linear, se dim V = n e dim W = m, A = {vi,V 2, v ^ }

e B = { W i, W2 , } são bases de V e W, respectivamente, teremos que [T] ^ é uma matriz
184 Álgebra linear
de ordem m x n, onde cada coluna é formada pelas componentes das imagens dos vetores de
A em relação à base B:
an a 12 • • • a in
a2i a22 • • • a2n
[T]'^ =
^ ^B
ami am2 amn
t t t
T(vi )b T(V2)b T(vn)B
3) Como se vé, a matriz [T] 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
infmidade de matrizes para representá-la. No entanto, fixadas as bases, a matriz é única.
14) Seja T : ----->■R ^ , T (x, y, z) = (2x - y + z, 3x + y - 2z), linear.
Consideremos as bases A = { vj , V 2 ,V3 } , com Vi = ( 1 , 1 , 1 ) , Vj =(0,1,1),

V3 = (0,0,1) e B = { w , , W 2 }, sendo Wi = (2, 1) e W2=(5,3).
a) Determinar [T ]_-
D
b) Se V= ( 3 ,- 4 , 2) (coordenadas em relação à base canônica do IR^), calcular T (v)_

D
Utilizando a matriz encontrada.
Solução
a) A matriz é de ordem 2 x 3 :
aii 3i2 ai3
321 a22 323

t t t
T(v.) b T(V2)b T(vj)j

T ( v ,) = T (1, 1, 1) = (2, 2) = a „ ( 2 , 1) + 32,(5,-3)-
2âii + 5 s 2i “ 2 aii = - 4
an + 3a2i - 2 a2i —2
T(V2> = T ( 0 , 1, 1) = (0 , - 1) = 3,2( 2 , 1) + 322( 5 , 3)
2ai2 + 5a22 - 0 aj2 ~ 5
2 i2 3a22 — 1 H22 “ “2
T( v3) = T(0, 0, 1) = (1, -2) = ai3(2, 1) + a23(5, 3)
2ai3 + 5a23 - 1 ai3 = 13
aj3 + 3a23 — 2 a23 — 5
Logo:
13
2 -2 -5
b) Sabe-se que:
[T ( v) ] b = [T ]^ [v]^
Como V está expresso com componentes na base canônica, isto é,
v = ( 3 ,- 4 ,2 ) = 3 ( l , 0 , 0 ) - 4 ( 0 , l , 0 ) + 2 ( 0 , 0 , 1),
teremos que, primeiramente, expressá-lo na base A. Seja = (a, b, c), isto é:
(3, -4 , 2) = a ( l , 1, 1) + b ( 0 , 1, 1) + c ( 0 , 0, 1)
186 Álgebra linear
ou:
a =3
a +b =-4
a +b + c = 2
sistema cuja solução é a = 3, b = -7 e c = 6 , ou seja, = (3, -7, 6).
Portanto:
-4 5 13 3
[T ( v) ] b = -7
2 -2 -5 6
31
[T(v)]„ =
-10
O vetor coordenada de T (v) na base canônica é:
T(v) = 31(2, 1 ) - 1 0 ( 5 ,3 )
T(v) = ( 1 2 , l )
Naturalmente T(v) = ( 1 2 , 1) também seria obtido por meio da lei que define a trans
formação T, considerando v = ( 3 ,- 4 ,2 ) , como se pode ver nos problemas 15 e 16.
15) Consideremos a mesma transformação linear do exercício anterior. Sejam as bases

A = { ( 1 , 1 , 1 ) , ( 0 , 1 , 1 ) , ( 0 , 0 , 1)} e (amesma) e B = {(1 ,0 ), ( 0 , 1 ) } canônica.
a) Determinar [T] .
b) Se V = ( 3 , - 4 , 2), calcular T(v)g utilizando a matriz encontrada.

Solução
a) T ( l , 1, 1) = ( 2, 2) = 2 ( 1 , 0 ) + 2 ( 0 , 1 )
T ( 0 , 1 , 1 ) = ( 0 , - 1 ) = 0 ( 1 , 0 ) - 1 ( 0 , 1)
T ( 0 , 0 , l ) = ( l , - 2 ) = l ( l , 0 ) - 2 ( 0 , 1)
Então;
2 0 1
K -
2 -1 -2
b) Como V, = (3, - 7 , 6) , temos;
3
2 0 1
[t ( v)1 b = -7
2 -1 -2
6
e;
12
[T (v)]„ =
1
16) Seja ainda a mesma transformação linear do exercício anterior. Sejam as bases canômcas
do R3 e R^•
A = { ( 1 , 0 , 0 ) , ( 0 , 1 , 0 ) , ( 0 , 0 , 1)} e B = { ( 1 , 0 ) , ( 0 , 1)}
a) Determinar [T] .
B
b) Se V = ( 3 , - 4 , 2 ) , calcular T(v)^ utilizando a matriz encontrada.

188 Álgebra linear
Solução
a ) T ( l , 0 , 0 ) = ( 2, 3 ) = 2 ( 1 , 0 ) + 3 ( 0 , 1 )
T ( 0 , 1, 0) = ( - 1 , 1 ) = - 1 ( 1 , 0 ) + 1 ( 0 , 1 )
T (0,0,l) = (l,-2)= 1(1,0)-2(0,1)
Então:
2 -1 1
K -
3 1 -2
b) Como V = (3, -4 , 2), pois A é base canônica, temos;
3
-1 1
[T(v)], -4
1 -2
2
e:
12
[T(v)].=
1
Obser\/ações
1) No caso de serem A e B bases canônicas, representa-se a matriz simplesmente por

[ T ] , que é chamada matriz canônica de T. Então, tem-se:
[T(v)] = [T] [v]
A matriz do problema 16 é a matriz canônica de T.

2) Observemos, pelo problema 16, que calcular T (v) pela matriz [T] é o mesmo que
fazé-lo pela fórmula que define a T :
T (3, -4, 2) = (2 (3) - 1 (-4) + 1 (2), 3 (3) + 1 (-4) - 2 (2)) = (12,1)
3) Ficou claro que, dada uma transformação linear T, a cada dupla de bases A e B cor
responde uma matriz [T]"^. Reciprocamente, dadas a matriz e uma dupla de bases A e B,
B
podemos encontrar a lei que define T, o que será feito no problema 17.
Em se tratando da matriz canônica, essa poderá ser escrita diretamente, como mostram
os exemplos:
1) T :F ' ! -----^1R3,
3 -2
[T] = 4 1
1 0
t t
T ( 1 , 0 ) T ( 0 , 1)
2) T: ---- »• , T (x, y) = (x, -y)
1 0
[T]
0 -1
3 ) T : R ^ ---- >-F, T ( x , y , z ) = 4 x - y
[T] = [4 -1 0]
Por outro lado, quando é dada uma matriz de uma transformação linear T sem que haja
referência às bases, essa deve ser entendida como a matriz canônica da T. Por exemplo, a
matriz:
2 3 4
1 -2 0
190 Álgebra linear
defíne a transformação linear
T:R^ — T( x, y, z ) = (2x + 3y + 4 z , x - 2 y ) .
4) Já vimos que se V é um espaço vetorial, um operador linear sobre V é uma transformação

linear T: V ---- ►V (é o caso particular de V = W). Nesse caso, para a representação matricial é
comum fazer A = B, e a matriz resultante é denominada matriz de 1 em relação à base A e
indicada por [T ]^ ou [T]^.
Por exemplo, seja T : R ^ ---- ►R^ o operador linear definido por T (x, y) = (2x - y , x + y).
Determinemos a matriz de T em relação à base A = { (1, -2), ( - 1 , 3 ) } .
Calculando as componentes das imagens dos vetores da base A em relação à própria base,
vem:
T(l,-2) = (4,-l)= ll( l,.2 ) + 7(-l,3)
T (-l,3) = ( - 5 ,2 ) = -1 3 (l,-2 ).8 (-l,3 )
(Exercício a cargo do leitor.)
Logo, a matriz de T relativa à base A é:
11 -13
[t 1 a =
7 -8
Pelo significado da matriz, podemos escrever:
[T(v)]A=tT]AM A
Observemos que a matriz canônica desse operador linear é:
2 -1
T =
1 1
No Capítulo 5 veremos que essas matrizes que representam o mesmo operador linear, porém
em bases distintas, são chamadas matrizes semelhantes e terão especial importância.
17) Dadas as bases A = { (1, 1 ) , ( 1 , 0 ) } do IR" e B = { ( 1 , 2 , 0 ) , ( 1 , 0 , - 1 ) , ( 1 , - 1 , 3 ) } do

determinar a transformação linear T:R^------ >^R^ cuja matriz é:
2 0
[T ]^ = 1 -2
-1 3
Solução
Sabe-se que o significado de cada coluna dessa matriz é:
2 0
[T (1 .1 )] b = 1 e [T (l,0 )]g = -2
-1 3
logo:
T ( l , l ) = 2 ( 1 , 2 , 0 ) + 1 ( 1 , 0 , - 1 ) - 1 ( 1 , - 1 , 3 ) = (2,5,-4)
T(1,0) = 0 ( 1 , 2 , 0 ) - 2 ( 1 , 0 , - 1 ) + 3 (1 ,-1 ,3 ) = (1,-3,11)
Assim, obtivemos as imagens dos vetores da base A do IR^.
Pela propriedade 4.1.2 esse fato é suficiente para a determinação da transformação T. Como
buscamos T (x, y), precisamos primeiramente escrever (x, y) em relação à base A:
(x,y) = y(i, i) + ( x - y ) (1,0)
e, pela propriedade acima referida, segue:
T(x,y) = y T ( l , l ) + ( x - y ) T ( l , 0 )
T ( x , y ) = y(2, 5 , - 4 ) + (x - y) ( 1 , - 3 , 11)
T (x, y) = (x + y, -3x + 8y, 1 Ix - 15y)

192 Álgebra linear
Observação
A matriz canônica T é:
1 1
[T] = 8 -3
-15 11
45 OPERAÇOES com TRANSFO RM AÇÕ ES LINEARES
4.5.1 Adição
Sqam T i : V — e l 2 :V — >^W transformações lineares. Chania-se sorm das trans

formações lineares Ti e T2 à transformação linear
T, + T 2 : V W
(T , + T 2) ( v) = T , ( v) + T 2( v), Vv G V
Se A e B são bases de V e W, respectivamente, demonstra-se que:
[ T , + T 2] g = [ T i ] ^ + [T2 ]g
4.5.2 Multiplicaçâfo por Escalar
Sqam T:V — uma transformação linear e a E R . Chama-se produto de T pelo

escalar a à transformação linear
aT: V W
(aT )(v) = a T (v ), V vE V
Se A e B são bases de V e W, respectivamente, demonstra-se que:
[aT]^=a[T]^
4.5.3 Composição
Sejam T i i V -----W e T 2 :W — ►U transformações lineares. Chama-se aplicação

composta de Ti com T 2 , e se representa por T 2 0 T 1 , à transformação linear:
T2 o T i : V -----> U
(T2 0 T i ) ( v) = T2(T i ( v)), Vv G V
'TôT,
Se A, B e C sao bases de V,W e U, respectivamente, demonstra-se que:
[T2 0 T , ] ç =[T,]® X [T.]g
4.5.4 Problemas Resolvidos.
18) Sqam Ti:IR^ ---- e T 2 ; R ^ --------------- >-R^ transformações lineares definidas por
T i ( x , y ) = (x + 2y, 2 x - y , x ) e T 2 ( x , y ) = ( - x , y , x + y ) . Determinar:
a) T, + T2
b ) 3T, - 2T 2
c) a matriz canônica de 3Ti - 2X2 e mostrar que:
[3 1 , - 2X2] =3 [X,] - 2 [X2 ]

194 Álgebra linear
Solução
a) (Ti + T^Kx, y) = T, (x, y) + T j(x, y)
(T, + T j X x , y) = ( x + 2y, 2x - y, x) + (-x , y, x + y)
(T, + T 2) ( x , y) = ( 2 y , 2 x , 2 x + y )
b) (3Ti - 2T 2KX, y) = (3T, )(x , y) - (2T2)(x, y)
(3Ti - 2 T i)(x , y) = (3 T i(x , y) - 2T2(x, y)
(3Ti - 2 T2KX, y) = 3 (x + 2y, 2x - y, x) - 2 (-x, y, x + y)
(3Ti - 2T j)(x, y) = (5x + 6y, 6x - 5y, x - 2y)
c) 5 6 1 2 -1 0
[3T, - 2X2 ] = 6 -5 =3 2 -1 -2 0 1 = 3[T,]-2[T2]
1 -2 1 0 1 1
19) Sejam S e T operadores lineares no definidos por S (x, y) = (2x, y) e T (x, y) = ( x, x
Determinar:
a) S o T
b ) T oS
c) S o S
d) T o T
Solução
a) ( S 0 T ) ( x , y ) = S ( T ( x , y ) ) = S ( x , x - y ) = ( 2 x , x - y )
Observemos que:
2 0 2 0 1 0
[SoT] = [S] [T]
1 -1 0 1 1 -1
b) (T o S) (x, y) = T ( ^ x , y)) = T (2x, y) = (2x, 2x - y)
Observemos que:
SoT=?í=ToS
e esse fato geralmente ocorre.
c) (S o S) (x, y) = S (S (x, y)) = S (2x, y) = (4x, y)
d) (T o T) (x, y) = T (T (x, y)) = T (x, x - y) = (x, y)
As transformações S o S e T o T são também representadas por e .
4.6 TRANSFORM AÇÕES LINEARES PLANAS
Entende-se por transformações lineares planas as .transformações de IR^ em IR^. Veremos

algumas de especial importância e suas correspondentes interpretações geométricas.
4.6.1 Reflexões
a) Reflexão em torno do eixo dos x
Essa transformação linear leva cada ponto (x, y) para sua imagem (x, -y), simétrica em
relação ao eixo dos x.
Demonstra-se que as reflexões são transformações lineares.

196 Álgebra linear
Esta particular transformação é

y
T:R2 ---- ►IR^
f (X,y)
(x, y) I— »• (x, -y) ou 1
iT
1
1
T (x, y) = (x, -y)
0 1
1
^ (X , -y>
1 0
sendo sua matriz canônica, isto é:
0 -1
X 1 0 X
-y 0 -1 y
1
(-X , y) T (x, y)
b) Reflexão em torno do eixo dos y
T;R^ IR^
0 X
(x, y) (-X, y)
ou:
-X -1 0 X
y 0 1 y
c) Reflexão na origem
T:R^ — >■
(x,y) '— >-(-x,-y)

ou:
-X -1 0 X
-y 0 -1 y
d) Reflexão em torno da reta y = x
T; IR^---- >• IR*

(x, y ) I---- »■ (y, x)
ou:
X y 0 1 X
1— ► =
y X 1 0 y
e) Reflexão em tom o da reta y = -x
T: IR*-----»• IR*
( x , y ) I— >• ( - y , - x )
► X
ou:
-1
198 Álgebra linear
4.6.2 Dilatações e Contrações
a) Düatação ou contração na direção do vetor
T:R2 -----►
(x,y) ‘— ►a(x, y), a E R
ou:
ax a
ay 0
Observemos que:
se | a | > 1, T dilata o vetor;

se | a | < 1, T contrai o vetor;
se a = 1, T é a identidade I;
se a < 0, T troca o sentido do vetor.
A transformação T :R ^ -----►R^, T (x, y) = ^ (x, y) é um exemplo de contração.
b) Dilatação ou contração na direção do eixo dos x
T:R2 R"
(x,y) ( ax , y) , a > 0
ou:
ax a 0
0 1
Observemos que:
se a > 1, T dilata o vetor;

se 0 < a < 1, T contrai o vetor.
Essa transformação é também chamada dilatação ou contração na direção Ox (ou hori

zontal) de um fator a .
A figura da página anterior sugere uma dilatação de fator a = 2 e uma contração de
fator a = 1/2.
c) Dilatação ou contração na direção do eixo dos y
T:IR" IR''
( x, y ) ( x , a y) , a > 0 (Ver figura acima.)
Observação
Se, nesse caso, fizéssemos a = 0, teríamos:
( x , y ) i -------^ ( x, 0)
e T seria a projeção ortogonal do plano sobre o eixo dos x, conforme a figura.
Para a = 0, no caso b), T seria a projeção ortogonal do plano sobre o eixo dos y.
200 Álgebra linear
4.6.3 Cisalhamentos
a) Cisalhamento na direção do eixo dos x
T; — *• R^
(x,y) '— >• (x + a y , y )
ou:
X + ay 1 a
y 0 1
O efeito do cisalhamento é transformar o retângulo OAPB no paralelogramo 0AP'B', de

mesma base e mesma altura. Observemos que, por esse cisalhamento, cada ponto (x, y) se desloca
paralelamente ao eixo dos x até chegar em (x + a y , y), com exceção dos pontos do próprio eixo
dos X, que permanecem em sua posição, pois para eles y = 0. Com isso está explicado por que
o retângulo e o paralelogramo da figura tém a mesma base OA.
Esse cisalhamento é também chamado cisalhamento horizontal de fator a.
b) Cisalhamento na direção do eixo dos y
T:WC — ►1R2
(x,y) I— » ( x , y + a x )
1 0
A matriz canônica desse cisalhamento é:
a 1
Por exemplo, a matriz
1 0
2 1
representa um cisalhamento vertical de fator 2.
4.6.4 Rotação
A rotação do plano em torno da origem (Figura 4.6.4a), que faz cada ponto descrever um
ângulo 6, determina uma transformação linear cuja matriz canônica é:
COS 6 -sen 6
[T0] =
sen 6 COS 6
As imagens dos vetores ei = ( 1, 0) e e 2 = (0, 1) (Figura 4.6.4b) são:
T( ei ) = (cos 0, sen 6)
T ( c2 ) = (-sen 6, cosd)
202, Álgebra linear
isto é:
T ( c i ) = (cos 6 ) Cl + (sen d ) C2
T( c2) = (-sen 6 ) t i + (cos d ) c 2
Por conseguinte, a matriz da transformação é:
cos 6 -sen 6
IT ^ I-
sen 6 cos 6
Essa matriz chama-se matriz de rotação de um ângulo 6, O < 0 < 2 7 r , e é a matriz

canônica da transformação linear ---- ►IR^, T^(x,y) = (x co s6 - ysen 6, xsenS + ycos0).
Se, por exemplo, desejarmos a imagem do vetor v = (4, 2) pela rotação de 0 = tt/ 2, basta
fazer:
costt/ 2 -sen 7 r/2
[T (4,2)1 =
sen 7 r/2 c o s 7t / 2
0 -1 4 -2
[T(4, 2)] = ou [T(4, 2)] =
1 0 2 4
20) Os pontos A (2, -1), B (6, 1) e C (x,y) são vértices de um triângulo eqüilátero. Determinar
o vértice C, utilizando a matriz de rotação.
Solução
Pela figura vemos que se pode considerar o vetor AC como imagem do vetor AB pela
rotação de 60° em torno de A (o triângulo sendo eqüilátero implica AB e AC terem compri
mentos iguais):
[AC] = [T^qo] [AB]
Mas:
Ã C = C -A = (x -2 ,y + l)
ÃB = B - A = ( 4 , 2 )
COS 60° -sen 60°

[Téoo] =
sen 60° cos 60°
204 Álgebra linear
logo:
X- 2 1/2 -V3/2
y+ 1 y/3j2 1/2
ou:
X - 2 2 — ->/3
y + 1 2V3 + 1
Pela condição de igualdade de matrizes, resulta:
X - 2= 2-V 3 X = 4 -y/3
OU
y+ 1 = 2^3+1 y = 2>/3
logo:
C(4-V3, 2y/3)
O problema tem outra solução que seria obtida fazendo d = -60° (a cargo do leitor).
21) Determinar a matriz da transformação linear de em R^ que representa um cisalha-

mento por um fator 2 na direção horizorital seguida de uma reflexão em torno do eixo
dos y.
Solução
O cisalhamento transforma o vetor ( x , y) no vetor (x',y') dado por
' x ' ‘ 1 2 X
( 1)
t
y 0 1 y
A reflexão transforma O vetor (x ',y ') no vetor (x '',y '') dado por
;
’ x"' -1 0 X
( 2)
n /
y 0 1 _y
Substituindo (1) em (2), temos:
x" -1 0 1 2 X
_y"_ 0 1 0 1 ■y
ou:
n
X -1 -2 X
_y"_ 0 1 y
Portanto, a matriz
-1 -2
0 1
representa a transformação composta do cisalhamento com a reflexão.
Observemos que, de acordo com o que estudamos sobre transformação composta, a matriz
resultante é obtida pelo produto das matrizes que representam as transformações, porém tomadas
em ordem inversa. Esse fato continua válido no caso de termos mais de duas transformações.
22) O plano sofre uma rotação de um ângulo 0, A seguir experimenta uma dilatação de» fator 4
na direção Ox e, posteriormente, uma reflexão em torno da reta y = x. Qual a matriz que
representa a única transformação linear e que tem o mesmo efeito do conjunto das trés
transformações citadas?
206 Álgebra linear
Solução
Sabe-se que a matriz da rotação é:
COS 6 -sen d
Al =
sen 6 COS 6
a da dilatação é:
A2 —
e a da reflexão é :
0 1
A3 =
1 0
Portanto, a matriz que representa a composta das transformações dadas é:
0 1 4 0 COS 6 -sen 6 sen $ COS 6

A 3A 2A 1 —
1 0 0 1 sen d COS 6 4cos d -4sen d
4.7 TRANSFORM AÇÕES LINEARES NO ESPAÇO
Entende-se por transformações lineares no espaço as transformações de em R ^ . Dentre

as diversas transformações lineares em R ^ , examinaremos as reflexões e as rotações.
4.7.1 Reflexões
a) Reflexões em relação aos planos coordenados
A reflexão em relação ao plaflo xOy é a transformação linear que leva cada ponto (x, y, z)
na sua imagem (x, y, -z), simétrica em relação ao plano xOy. Assim, essa transformação é
definida por:
T (x, y, z) = (x, y, -z)
e sua matriz canônica é :
1 0 0
0 1 0
0 0 -1
As reflexões em relação aos planos xOz e yOz tém matrizes canônicas:
1 0 0 -1 0 0
0 -1 0 e 0 1 0
0 0 1 0 0 1
respectivamente.
b) Reflexões em relação aos eixos coordenados
A reflexão em torno do eixo dos x é o operador linear

T: -----►IR^, T (x, y , z) = (x, - y , -z ), cuja matriz canônica é :
1 0 0
0 -1 0
0 0 -1
208 Álgebra linear
De forma análoga, T (x, y, z) = (-x , y, -z) e T (x, y, z) = (-x, -y, z) definem as reflexões
em relação aos eixos Oy e Oz, respectivamente.
c) Reflexão na origem
T:1r 3 ------ ^ ]r 3
(x,y,z) (-X ,- y , - z )
4 .7 2 Rotações
Dentre as rotações do espaço ressaltamos a rotação do espaço em torno do eixo dos z

(Figura 4.7.2), que faz cada ponto descrever um ângulo 6. Esse operador linear T: — ►R^ é
definido por
T (x, y , z) = (xcos 6 - ysen 6 , xsen 6 + ycos 0, z).
e sua matriz canônica é:
COS B -sen B 0
[T] = sen B COS B 0
0 0 1
Para “conferir” se T representa a rotação de um ângulo B em torno do eixo dos z,

observemos o seguinte:
a) T gira d e ^ , em torno da origem 0 , os pontos do plano z = 0 (plano xOy), pois:
T (x, y , 0) = (xcos B - ysen B, xsen B + ycos B, 0)
e:
b) T não altera os pontos do eixo dos z, pois:
T ( 0 , 0 , z) = ( 0 , 0 , z )
Observação
0 ângulo 6 corresponde ao ângulo central cujos lados interceptam, na circunferência de

centro em 0 \ um arco de medida 6. Esse ângulo 6 não é o ângulo a formado pelos vetores
V e T(v).
4.7.3 Problema Resolvido
Calcular o ângulo a formado pelos vetores v e T(v) quando o espaço gira em torno do
eixo dos z de um ângulo 6, nos seguintes casos:
1 ) 0 = 180° e v = ( 3 , 0 , 3 )
2 ) 6= 90° e v =
2s/2 4 2
Solução
1)
COS 180° -sen 180° 0
[T] = sen 180° cos 180° 0
0 0 1
~ -l 0 0 3 -3
[T(v)]= 0 - 1 0 0 = 0
0 0 1 3 3
v. T( v ) _ (3,0,3).( -3,0, 3) _ - 9 + 0 + 9 _ ^
I V I I T (v) I V9 + 9 V9 + 9 18
a = 90°
2)
COS 90° -sen 90° 0
[T] = sen 90° COS 90° 0
0 0 1
~ V3 ~v/2
0 -1 0
2s/2 4
V2 V3
[T(v)] = 1 0 0 =
4 2s/2
^/2 v/2
0 0 1
2 2
V2
V. T(v) ( v i -
COS a = - 2s/2 ’ 4 ’ # > ■ ^^4 ’2 2 ^_
v||T (v)
/ i +1 +1
8 8 2 n/ 8 8 2
' 8 8 2 __j_
1x1 2
a = 60°
1) Consideremos a transformação linear T : definida por T(x,y) = (3x - 2y, x + 4y).

Utilizar os vetores u = (1, 2) e v = (3, -1) para mostrar que T(3u + 4v) = 3T(u) + 4T (v).
2) Dada a transformação linear T:V ^W, tal que T (u) = 3u e T (v) = u - v, calcular em
função de u e v:
a) T (u + v)
b ) T(3v)
c) T (4u - 5v)
212 Álgebra linear
3) Dentre as transformações T :R ^ -----► definidas pelas seguintes leis, verificar quais são
lineares:
a) T (x, y) = (x - 3y, 2x + 5y)
b ) T ( x , y ) = (y, x)
c ) T(x,y) = (x^y^)
d ) T(x,y) = ( x + l , y )
e) T ( x , y ) = ( y - x , 0 )
0 T(x,y) = ( | x | , 2 y )
g) T (x, y) = (senx, y)
h ) T(x,y) = ( x y , x - y )
i) T ( x , y ) = (3 y ,-2 x )
4) Seja V = . Fazer um gráfico de um vetor gene'rico v = (x, y) do domínio e de sua

imagem T (v) sob a transformação linear T : ----->• R^ dada por:
a) T (x, y) = (2x, 0) d) T (x, y) = (3x, -2y)
b) T ( x , y ) = ( 2x, y) e) T ( x , y ) = - 2 ( x , y )
c) T ( x , y ) = (-2 x ,2 y ) f) T ( x , y ) = ( x ,-y )
5) Dentre as seguintes funções, verificar quais são lineares:
a) T: R " ---------^ IR®; T (x, y) = (x - y, 3x, -2y)
b ) T :R ^ ------ *■ R ^ T ( x , y , z ) = (x + y , x - y , 0 )
c) T: R ^ --------->■ R ^ , T(x, y) = (x^ + y^, x)

d) T:lR R^ T(x)=(x,2)
e) T: R, T (x, y, z) = -3x + 2y - z
0 T:R^ R^ T (x,y )= (|x |,y )
g) T:R^- R, T(x,y)=x
h) T; R^ ■ R, T(x,y)=xy
i) T:R^ R"*, T ( x , y ) = ( y , x , y , x )
2y 3x
j) T:R^ M( 2, 2) , T ( x , y ) =
-y X + 2y
a b
k)T:M (2,2) R^ T j= (a - c, b + c)
c d /
a b a b
1) T : M ( 2 , 2) R, T = det
c d c d
m) T: R3 R^
2 1 3
(x, y, z) •
-1 0 -2
6) Seja a aplicação T; R^ — >■ R^
( x , y ) — >• (x + k y , x + k , y )
Verificar em que caso(s) T é linear:
a) k = X
b) k = 1
c) k = 0
214 Álgebra linear
7) a) Determinar a transformação linear T :R ^ -----► tal que T ( - l , 1) = (3, 2 , 1 ) e

T(0,1) = (1,1,0).
b) Encontrar v G R^ tal que T (v) = ( - 2 , 1 , -3).
8) a) Determinar a transformação linear T : R^ — > R^ tal que T (1, - 1 , 0 ) = ( 1, 1 )

T ( 0 , l , l ) = ( 2 , 2) e T ( 0 , 0 , l ) = (3,3).
b) Achar T ( 1 , 0 , 0 ) e T ( 0 , 1,0).
9) Seja T:R^ — ►R^ uma transformação linear definida por T ( l , 1, 1) = ( 1 , 2),

T ( l , l , 0 ) = ( 2 , 3 ) e T ( l , 0 , 0 ) = (3,4).
a) Determinar T (x, y, z).
b) Determinar v G R^ tal que T(v) = ( -3 , -2 ) .
c) Determinar v G R^ tal que T (v) = (0, 0).
10) Seja T o operador linear no R^ tal que T ( 1 , 0 , 0 ) = (0, 2, 0), T ( 0 , 1 , 0 ) = ( 0 , 0 , - 2 ) e

T ( 0 , 0 , 1) = ( - 1 , 0 , 3). Determinar T (x, y , z ) e o vetor vG R^ tal que T( v) = ( 5 , 4 , - 9 ) .
11) Determinar a transformação linear T:P 2 -----►P2 tal que T(l) = x, T (x)= l-x^ e
T(x^) = x + 2 x ^
12) Seja o operador linear
T :R " ---------^ R ^ T ( x , y ) = (2x + y, 4x + 2y).
Quais dos seguintes vetores pertencem a N(T)?
a) (1,-2) b) ( 2 ,- 3 ) c) ( . 3 , 6)
13) Para o mesmo operador linear do exercício anterior, verificar quais dos vetores pertencem
a Im(T).
1
a) ( 2 , 4) b) ( - y , - l ) c) ( - 1 , 3 )
Nos problemas 14 a 21 são apresentadas transformações lineares. Para cada uma delas:
a) Determinar o núcleo, uma base para esse subespaço e sua dimensão. T é injetora?
Justificar.
b) Determinar a imagem, uma base para esse subespaço e sua dimensão. T é sobrqetora?
Justificar.
14) T:1R^ --------->■
15) T:1R^ ---------^ R^
16) T:1R* ----------^ R"
17) T:1R* ---------^ R^
18) T:1R^ ---------»• R^
19) T:R3 --------->■ R^
20) T:Pi ---------^ R3
21) T : M ( 2 , 2 ) — *• R ' = (a - b, a + b)
22) Seja a transformação linear T:R^ — tal que T (-2, 3) = ( - 1 , 0 , 1 )

e T (l,-2) = (0,-l,0).
a) Determinar T(x, y).
b) Determinar N(T) e Im(T).
c) T é injetora? E sobrejetora?
23) Seja TiR"^ -----R^ a transformação linear tal que T ( ei ) = ( 1 , - 2 , 1 ) , T(e 2 ) = ( - 1 , 0 , - 1 ) ,

T(e 3 ) = ( 0 , -1, 2) e T(e 4 ) = ( 1 , - 3 , 1 ) , sendo { e i , e 2 , e s , e 4 } a base canônica do R"^.
a) Determinar o núcleo e a imagem de T.
b) Determinar bases para o núcleo e para a imagem.
c) Verificar o Teorema da Dimensão.

216 ÀIgebra linear
24) Encontrar um operador linear T:1R^ -----►IR^ cujo núcleo é gerado por ( 1 ,2 ,- 1 ) e
( 1 ,- 1 ,0 ) .
25) Encontrar uma transformação linear T:1R^ R" tal que N(T) = [ (1 ,0 ,-1 )].
26) Encontrar uma transformação linear T: ►R"^ cuja imagem é gçrada por (1, 3, -1, 2)
e ( 2 ,0 ,1 ,- 1 ) .
27) Consideremos a transformação linear T : R ^ ----- ► definida por

T(x, y, z) = (2x + y - z, X + 2y) e as bases A = {(1 , 0, 0), (2, -1, 0), (0, 1, 1)} do R^ e
B = { (-1, 1), (0, 1)} do R^. Determinar a matriz [T ]^ .
D
28) Seja a transformação linear T:R^ 'R ^ , T(x, y) = (2x - y, X + 3 y ,-2 y ) e as bases
A = { ( - 1 , 1 ,),2 , 1)} e B = { ( 0 ,0 ,1 ) ,( 0 ,1 ,- 1 ) ,( 1 ,1 ,0 ) } . Determinar [T]^. Qual
A ^ ^
a matriz [T ]^ , onde C é a base canônica do R^?
29) Sabendo que a matriz de uma transformação linear T:R^ -----^R^ nas bases
A = { ( - 1 , 1 , ( 1 , 0 ) } d o R 2 e B = { ( 1 , 1 , - 1 ) , ( 2 , 1 , 0 ) , ( 3 , 0 , 1 ) } é:
[T ]^ =
1 -1
encontrar a expressão de T (x, y ) e a matriz [ T ].
30) Seja 1 -2
[T] = 2 0
-1 3
a matriz canônica de uma transformação linear T:R^ — ►R ^ . Se T(v) = (2, 4 ,-2 ),

calcular v.
31) Seja T : R^ uma transformação linear com matriz
1 -1
[T]® = 0 1
-2 3
para B = { e i , e 2 ) , base canônica do R^, e B '= { ( 1 , 0 ,1 ) ,( - 2 ,0 , 1 ) ,( 0 ,1 ,0 ) } , base

do R^. Qual a imagem do vetor ( 2 ,- 3 ) pela T?
32) Seja T:R^ — ►R^ tal que
1 0 -1
-1 1 1
sendo Bj = { ( 0 , 1 , 1 ) , ( 1 , 0 , 0 ) , ( 1 , 0 , 1 )} e Bj = { ( - 1 ,0 ) ,( 0 ,- 1 ) } bases do R^ e do
R^, respectivamente.
a) Encontrar a expressão de T (x, y, z).
b) Determinar Im(T) e uma base para esse subespaço.
c) Determinar N(T) e uma base para esse subespaço.
d) T é injetora? T é sobrejetora? Justificar.
33) Consideremos o operador linear
T :R 2 --------- ►R^
(x, y ) I-----^ (x + 2y, X - y)
eas bases A = { ( - 1 , 1 ) ,( 1 ,0 ) } , B = { ( 2 ,- 1 ) , ( - 1 ,1 ) } e C canônica.
Determinar [T ] ^ , [T] g , [T] .

218 Álgebra linear
34) A matriz de T:R^ -----► relativa à base B = { v i,V 2 } , sendo V i= ( l,l) e

V2 = ( 3 ,2 ) , é:
2 1
-1 -3
a) Determinar T (vi )g e T (v 2 ) g .
b) Determinar T (v i) e T (v 2).
c) Calcular T(x, y).
35) Mostrar que a matriz do operador linear identidade
I:lRn -----^
V I-------► V
em uma base qualquer, é a matriz identidade n x n.
36) Seja T:1R^ ---- definida por:
1 3
[T] =
-1 5
Determinar os vetores u, v e w tais que:
a) T (u) = u.
b) T (v) = 2v.
c) T (w) = (4, 4).

37) Seja T o operador linear dado pela matriz:
1 2 -1
2 0 1
1 -2 2
a) Calcular N(T) e dim N(T).
b) Calcular Im(T) e dim lm(T).
38) Seja o espaço vetorial V = M (2, 2) e a transformação linear
T:V ----->■ IR^
a b
= (a + b, c - d, 2a)
c d
a) Mostrar que T é linear.
b) Determinar [T] sendo A e B as bases canônicas de M (2 ,2 )e respectivamente.

B
c) Calcular v G V tal que T(v) = (3, -2 , 4).
d) Determinar N(T).
39) Sejam F:R^ ----->-M (2,2) uma transformação linear e a e j3 as bases canônicas de
JR^ e M (2, 2), respectivamente. Sabendo que
1 0
2 1
=
3 -2
-1 2
220 Álgebra linear
determinar:
a) F (1 ,0 )
b) F ( 0 , 1)
c) F (2, 3)
d ) F (x .y )
e) (a ,b ) tal que:
1 -2
F (a ,b ) =
3 4
40) Sqam as transformações lineares
Ti:R^ ---->• T(x,y) = (x -y, 2x + y,-2x)
Tj :R^ — »■ R^, Tiíx, y) = (2x - y, x - 3y, y).
Determinar as seguintes transformações lineares de R^ em R * :
a ) T, - T j .
b) 3T, - 2 T2 .
3 2
41) Consideremos as transformações lineares S e T de R em R defínidas por
S (x ,y , z) = ( 2 x - y , 3 x - 2 y + z) e T ( x ,y ,z ) = (x + y - z , y - 2 z ) .
a) Determinar 0 núcleo da transformação linear S + T.
b) Encontrar a matriz canônica de 3S - 4T.

42) Sejam S e T operadores lineares de definidos por S (x, y) = (x - 2y, y) e

T (x, y) = (2x, -y). Determinar:
a) S + T d) S o T
b ) T -S e) T o S
c) 2S + 4T f) S o S
43) Seja a transformação linear:
S :R ^ ---------► S(x, y ,z ) = ( x + y ,z , x « y , y + z)
a) Calcular (S o T) (x, y) se
T: -----> R^
(x ,y ) (2x + y, X - y, x - 3y)
b) Determinar a matriz de S o T e mostrar que ela é o produto da matriz de S pela

matriz de T.
44) As transformações S :R ^ -----►R^ e T:R^ — ►R^ são tais que S(x, y) = (y, x - y,2x + 2y>
e T (x, y, z) = (x, y).
a) Sendo B = { ( 1 ,0 ,- 1 ) , ( 1 ,1 ,1 ) , (1 ,0 , 0 )} uma base do R^, determinar a matriz

[S o T lg .
b) Determinar [ToSJg^ e [T o S ]g » s sendo B '= {(1 , 1), ( 0 ,- 1 ) } e B" a base

çanônica.
45) Sendo S e T operadores lineares do R^ definidos por S (x, y, z) = (x, 2y, x - y) e

T (x, y, z) = ( x - z , y, z), determinar:
a) [ S o T ] .
b) [ T o S ] .
222 Àlgebra linear
46) Os pontos A(2,-l) e B(-1,4) são vértices de um quadrado. Calcular os outros dois
vértices, utilizando a matriz-rotação.
47) Os pontos A(-1, -1), 8(4, 1) e C(a, b) são vértices de um triângulo retângulo isósceles, reto
em A. Determinar o vértice C fazendo uso da matriz-rotação.
48) Em um triângulo ABC, os ângulos B e C medem 75° cada. Sendo A(l, 1) e B(-1, 5),
determinar o vértice c.
49) Determinar, em cada caso, a matriz da transformação linear de R 2 em IR.2 que representa
a seqüência de transformações dadas:
a) Reflexão em torno do eixo dos y, seguida de um cisalhamento de fator 5 na direção

horizontal.
b) Rotação de 30° no sentido horário, seguida de urna duplicação dos módulos e inversão
dos sentidos.
c) Rotação de 60º, seguida de uma reflexão em relação ao eixo dos y.
d) Rotação de um ângulo (), seguida de urna reflexão na origem.
e) Reflexão em torno da reta y = -x, seguida de uma dilatação de fator 2 na direção Ox e,

finalmente, um cisalhamento de fator 3 na direção vertical.
50) O vetor v = (3, 2) experimenta seqüencialmente:
1) Uma reflexão em torno da reta y = x;
2) Um cisalhamento horizontal de fator 2;
3) Uma contração na direção Oy de fator ~· ;
4) Uma rotação de 90° no sentido anti-horário.
a) Calcular o vetor resultante dessa seqüência de operações.
b) Encontrar a expressão da transformação linear T:R 2 ___.. R 2 que representa a com.

posta das quatro operações.
c) Determinar a matriz canônica da composta das operações.

51) Determinar O ângulo a formado pelos vetores v e T(v) quando o espaço gira em torno do
eixo dos z de um ângulo d, nos seguintes casos:
a) v = ( ^ , ^ . l ) e « = 180=
b) v=( ^ . ^ . ^ ) e « = 180=
2) a) 4u - V
b) 3u - 3v
c) 7u + 5v
3) São lineares: a), b), e), i)
4) a)
b)
c), d), e) e f) a cargo do leitor.

224 Álgebra linear
5) São lineares: a), b), e), g), i), j), k), m),
6) c) é linear
7) a) T (x, y) = (-2 x + y, -x + y, -x)
b) V = (3 , 4)
8) a) T (x, y, z) = (-y + 3z, -y + 3z)
b ) T ( l , 0 , 0 ) = (0 ,0 ) e T ( 0 , 1 ,0 ) = ( - 1 ,- 1 )
9) a) T (x, y, z) = (3x - y - z, 4x - y - z)
b) v = ( l , 6 - z , z )
c) V= (0, -z, z)
10) T (x , y , z) = (-Z , 2x, -2y + 3z)
V= ( 2 ,- 3 ,- 5 )
11) T(a + bx + cx^) = b + (a + c )x + (-b + 2c )x^
12) a), c)
13) a), b)
14) a) N(T) = { (x, 3x)/x e IR } ; dim N(T) = 1
T nfo é injetora, porque N(T) # { ( 0 , 0 ) } .
b) Im(T) = { (-y , y )/y e IR} ; dim Im(T) = 1
T não é sobrejetora, porque Im(T) ^ IR*.
15) a) N (T )= { ( 0 , 0 ) } ; dim N(T) = 0.
T é injetora, porque N (T )= { 0 } .
b) Im(T) = { (x, y, z) € ]R/2x - 2y - z = 0 }
dim Im(T) = 2. T-nâo é sobrejetora, porque Im(T) # IR^.
16) a) N(T) = { ( 0 , 0 ) } ; dim N(T) = 0
T é injetora.
b) Im(T) = IR^; dim Im(T) = 2; T é sobrejetora.
17) a) N(T) = { (x, -3x, -5 x )/x € IR }
b) Im(T) = IR^
18) a) N(T) = { (3z, z, z)/z e IR }
b) Im(T) = { (x, y , z) £ IR®/2x + y - z = 0 }
19) a) N (T )= { (3x, X, 3x)/x £ IR)
b) Im (T)= { ( x , y , z ) £ IR^/y = - z }
20) a )N (T )= {0 }
b) Im(T) = { (a, 2a, c)/a, c £ IR}
21) a )N (T ) = / c, d £ IR
c d
b) Im(T) = lR^
22) a) T (x, y) = (2x + y, 3x + 2y, -2x - y)
b) N (T )= { ( 0 , 0 ) }
Im (T)= { ( x ,y ,- x ) / x ,y £ IR}
c) T é injetora, mas nfo sobrejetora.

226 Álgebra linear
23) a) N (T) = { (3 y , y, 0, -2y)/y € IR }
Im(T) = lR^
b) e c) a cargo do leitor.
24) Um deles é T (x , y, z) = ( 0 ,0 , x + y + 3z).
25) Uma delas é T (x, y, z) = (x + z, y).
26) Uma delas é T (x, y, z) = (x + 2y, 3x, -x + y, 2x - y).
-2 -3 0
27)
3 3 2
3 0 -3
28) 5 2 2
-3 3 -2
29) T (x , y) = (8x + 18y, 6x + 1 l y , -2 x - 4y)
8 18
[T] = 6 11
-2 -4
30) v = (2 ,0 )
31) ( 1 1 ,- 1 3 ,2 )
32) a) T (x , y, z) = (-2y + z, -x + y)
b) Im(T) = IR^ ; (base a cargo do leitor)
c) N(T) = {(x , X, 2x)/x € IR } ; (base a cargo do leitor)

d) T não é injetora.
T é sobrcjetora.
-2 1 3 -1 1 2
33) [T]^ = . m ,= e [T]c=[T] =
-1 2 6 -3 1 -1
34) a) T (v, )g = (2 , -1), T (v^)b = (1, -3)
b ) T (v ,) = ( - l , 0 ) . T ( v2 ) = ( - 8 ,- 5 )
c) T (x , y) = (-6 x + 5y, -5x + 5y)
36) a) ( 0 ,0 )
b) y ( 3 , 1)
c) (1, 1)
37) a) N(T) = { z (2 , -3 , -4)/z e R } , dim N(T) = 1
b) Im(T) = { (x, y, z) e R ^ /x - y + z = 0 } , dim Im(T) = 2
1 1 0 0
38) b) [T l^ = 0 0 1 -1
2 0 0 0
2 1
c) V= ;d e R
d -2 d
0 0
d) N (T ) = ; dG R
d d
228 Álgebra linear
1 2 0 1 2 7
39) a) b) c)
3 -1 -2 2 0 4
2x + y
d) e) não existe (a, b).
3x - 2y -X + 2y
40) a) T, (x, y) = ( - X , X + 4 y , -2x - y)

b ) T j Íx , y) = ( -X - y, 4x + 9y, -6x - 2y)
41) a) { (x, 0 , 3x)/x E IR
2 - 7 4
b)
9 -10 11
42) a) (S + T )(x ,y ) = (3x - 2 y , 0 )
b ) ( T - S ) ( x ,y ) = (x + 2 y ,- 2 y )
c) (2S + 4T) (x, y) = ( lOx - 4 y , -2y)
d) (S o T) (x, y) = (2x + 2 y , -y)
e) (T o S) (x, y) = (2x - 4y, - y)
f) (S o S )(x ,y ) = ( x - 4 y , y )
43) a) (S o T )(x, y) = (3x, x - 3y, x + 2y, 2x - 4y)
b) a cargo do leitor
-1 -4 -1
1 .1 0 1
44) a) 1 0 1 b) e
1 -2 1 -1
0 5 0
1 0 -1 0 1 0
45) a) 0 2 0 b) 0 2 0
1 -1 -1 1 -1 0
46) Duas soluçOes: (4 ,7 ) e (7 ,2 ) ou (- 6 ,1 ) e ( - 3 ,-4 ).
47) C (-3 ,4 ) ou C ( l ,- 6 )
48) C ( - l - v / 3 , 2 v /3 ) ou C ( 3 - V I , 2 + 2 > /T )
1 V5
.1 5 -V 3 -1
"2 2
49) a) b) c)
0 1 1 -V 3 _L
2 2
-COS d .sen 0 0 -2
d) e)
-send -COS 6 -1 -6
50) a) ( - 1 ,8 )
b) T (x ,y ) = ( - j x , 2x + y)
-J 0
c) [T] =
51) a ) a = 90<»
b ) o = 90»
c) aSE 41® 24'

CAPÍTULO
OPERADORES
LINEARES
5.1 OPERADORES LINEARES
No capítulo anterior dissemos que as transformações lineares T de um espaço vetorial V

em si mesmo, isto é, T: V -----►V, são chamadas operadores lineares sobre V.
As propriedades gerais das transformações lineares de V em W e das correspondentes
matrizes retangulares são válidas para os operadores lineares. Estes e as correspondentes matrizes
quadradas possuem, entretanto, propriedades particulares, que serão estudadas neste Capítulo.
Tendo em vista aplicações em questões de Geometria Analítica, serão estudados, de

preferência, operadores lineares em e em R ^ .
5.2 OPERADORES IN V ER SfVE IS
Um operador T:V — ►¥ associa a cada vetor v E V um vetor T (v )E V. Se por

meio de outro operador S for possível inverter essa correspondência, de tal modo que a cada
vetor transformado T (v) se associe o vetor de partida v, diz-se que S é operador inverso
de T, e se indica por T"^.
Observação
Quando o operador linear T admite a inversa T " \ diz-se que T é inversivel, invertivel,
regular ou não-singular.
230
Operadores lineares 231
5.2.1 Propriedades dos Operadores Inversíveis
Seja T:V — ^ V um operador linear,
I) Se T éinversívele T"^ é a sua inversa, então:
T o T'^ = T"^ o T = I (identidade)
II) T é inversível se, e somente se, N(T) = { 0 } (Corolário 1 de 4.3.4).
III) Se T é inversível, T transforma base em base, isto é, se B é uma base de V, T(B)

também é base de V.
IV) Se T éinversívele B uma base de V, então T '^ :V — ►V é linear e:
[T -‘ ] b = ( [ T ] 3 ) - ‘
isto é, a matriz do operador linear inverso numa certa base B é a inversa da matriz
do operador T nessa mesma base.
Na prática, a base B será normalmente considerada como canônica. Logo, de forma mais
simples:
[T -i] = [ T ] - ‘
e, portanto:
[T] [T -‘ ] = [ T o T - ‘ ] = [I]
Como conseqttência temos: T é inversível se, e somente se, det [T] ¥= 0.

232 Álgebra linear
5 2 .2 Problemas Resolvidos
1) Seja o operador linear em definido por
T (x, y) = (4x - 3y, -2x + 2y)
a) Mostrar que T é inversível.
b) Encontrar uma regra para T"^ como a que define T.
Solução
4 -3
a) A matriz canônica de T é [T] =
-2 2
Como det [T] = 2 ^ 0, T é inversível.
4 -3 -1
b )[T -^ ] = [T]-^ = > f
-2 2 1 2
logo:
x 3 X ^ 3
1 x+ y y
=
2 =
(T -‘ (x ,y )] = [T -‘ ]
J 2_ X+ 2y
ou:
T"‘ (x ,y ) = (x + y y , x + 2y)
Observação
Devemos entender que se T leva um vetor (x, y) ao vetor
(x ',y '), istoé:
’ x' X
= [T]
/
y y
o operador T ^ traz de volta o vetor (x', y') para a posição inicial (x, y), ou seja:
X ’x ‘
= [T ]-‘
t
y y
É bom que o leitor faça o teste com um vetor de livre escolha, valendo-se de T e do
exercício realizado.
2) Verificar se o operador linear T:R^ ---definido por T ( l , 1 ,1 ) = ( 1 , 0, 0),

T (-2, 1 ,0 ) = ( 0 ,- 1 ,0 ) e T ( - l , - 3 ,- 2 ) = ( 0 , 1 ,-1 ) é inversível e, em caso afirmativo, determinar
T - '( x ,y ,z ) .
Solução
Observemos inicialmente que { ( 1 ,1 ,1 ) , ( - 2 ,1 ,0 ) , (-1 , -3 , -2) } é uma base de e T

está bem definido, pois são conhecidas as imagens dos vetores dessa base. Portanto, basta calcular
T (x, y, z) e proceder como no exercício anterior. Pensamos, no entanto, ser mais fácil proceder
da maneira como se segue.
Por definição de , temos T - ‘ ( 1 ,0 ,0 ) = ( 1 , 1 ,1 ), T - ‘ ( 0 , - l , 0 ) = ( - 2 , 1 ,0 ) e

T’ '(0 , l , - l ) = ( - l , - 3 , - 2 ) . Observando que { ( 1 , 0 , 0 ) , ( 0 , - 1 , 0 ) , ( 0 , 1 ,- 1 ) } é também uma
base de R* (verificar!) e que as imagens desses vetores são conhecidas, o operador T'* está
definido. Ora, existindo a , T é inversível. Pretendemos calcular T"*(x, y ,z ).
Para tanto, expressemos (x, y ,z ) em relação a essa base:
( x ,y ,z ) = x ( l , 0 , 0 ) + (-y - z ) ( 0 , - l , 0 ) + ( - z ) ( 0 , 1 ,-1 )
logo:
T -' (x, y, z) = x T - ‘ ( 1 ,0 ,0 ) + (-y - z )T '* (0, - 1 ,0 ) + (-z)T '* (0, 1 ,-1 )
T ‘ * (x ,y ,z ) = x ( l , 1, l) + ( - y - z ) ( - 2 , l , 0 ) + ( - z ) ( - l , - 3 , - 2 )
T - ‘ (x, y, z) = (x, X, x) + (2y + 2z, -y - z, 0) + (z, 3z, 2z)
T " '(x, y, z) = (x + 2y + 3z, x - y + 2z, x + 2z)

234 Álgebra linear
5.3 M U D A N Ç A DE BASE
Sejam A e B bases de um espaço vetorial V. Pretende-se relacionar as coordenadas de

um vetor v em relação à base A com as coordenadas do mesmo vetor v em relação à base B.
Para simplificar, consideremos o caso em que dim V = 3. 0 problema para os espaços de

dimensão n é análogo. Sejam as bases A = { v i , V2 , V3 } e B = { w i , W2 , W3 } .
Dado um vetor v G V, este será combinação linear dos vetpres das bases A e B:
V=XiVi +X2V2 +X3V3 ( 1)
ou:
V. =(Xj,X2,Xj)
e:
v = y , w j +y2Wj +ysW3 ( 2)
ou:
VB = ( y i . y 2 , y 3 )
Por sua vez, os vetores da base A podem ser escritos em relação à base B, isto é:
V, =aiiW, + 321W2 + 331W3
V2 = ai2Wi + 322W2 232W3 (3)
V3 = ai3Wi + 323W2 + 833W3
Substituindo (3) em (1), temos:
V = Xi(anWi + 3 2 1 W2 + a 3 iW 3 ) + X 2 ( a i2 W i + a22W 2 + 332 W 3) + X3 ( a ^ Wi + a 2 3 W 2 + a 3 3 W 3 )
ou:
V = (a,iXi +812X2 +ai3X3)Wi +(821X1 + 822X2 + a23X3)W 2 + (331X1 + 832X2 + a33X3>W3 (4)
Comparando (4) com (2), vem:
yi = a n X i +ai2X2 + 313X3
Yi =a2iXi +a22X2 + 323X3
ya “ ^31 Xi + 332X2 + 333X3
ou, na forma matricial:
y i 3 il 3 i2 a i3 Xi
= X2
V2 321 322 ^23
V3 331 ^32 333 X3
ou, mais simplesmente, pela equação:
[v] =[1]'^ [vl (5.3)
sendo a matriz:
^11 3 i2 3i3
[I]'^ = 321 322 ^23

^ ^B
^31 332 333
chamada matriz de mudança de base de A para B.
Notemos que o papel dessa matriz é transformar as componentes de um vetor v na base A

em componentes do mesmo v na base B.
Observações
1) Comparando a matriz [I] com (3), observamos que cada coluna, pela ordem, é
B
formada pelas componentes dos vetores da base A em relação à base B, istoé:
3 ll 3 i2 3i3
[''i ] b = ^21 322 e [v 3 ] b = 323
331 332 333

236 Álgebra linear
2) A matriz [I] é também conhecida como matriz de transição de A para B.

B
3) A matriz [I] é, na verdade, a matriz do operador linear identidade

B
I: V V
V V
considerado nas bases A e B. Esse fato fica bem evidente no problema resolvido número 3.
4) A matriz [I] , por transformar os vetores linearmente independentes da base A nos

B
vetores linearmente independentes da base B, é inversível. Por conseguinte, da equação
M b = [‘ i ; [ v ] a (5)
pode-se obter:
[v ].= (m ^ iv], ( 6)
donde se conclui que
( u i y =
isto é, a inversa da matriz-mudança de base de A para B é a matriz-mudança de base B para A.
3) Sejam as bases A = { Vj, Vj } e B = { W i, W2 } do , onde
y, = (2, -1), vj = ( - 1 , 1 ) e w, = ( 1, 0) , Wj = ( 2, 1)
a) Determinar a matriz-mudança de base de A para B.

b) Utilizar a matriz [I] para calcular [ v ] _ , sabendo que

B B
[V]^ =
Solução:
a) Pretendemos calcular:
an a 12
a2i 322
t t
[Vi I b [V ílj
Expressemos os vetores da base A em relação à base B:
Vi = ( 2 , - l ) = a , i ( l , 0 ) + a 2 i ( 2 , 1)
ou:
aii + 2aii = 2
Í2l ~
sistema cujas raízes são:
aii =4 e = - l, istoé, K ]g =
V2 = ( - l , l ) = a n ( l ,0 ) +a2a(2,l)
ou:
a ,i + 2aj2 = -1
a» = 1
sistema sujas raízes são:
-3
ai2 = -3 e 322 = 1, isto é, [v 2 ]_ =
1
238 Álgebra linear
logo:
4 -3
K -
-1 1
b) Sabendo-se que:
obtemos:
4 -3
4
[v] =
-1 3
7
[v] =
-1
Caso o leitor queira conhecer o vetor v na base canônica, basta fazer:
v = 4 (2 ,-l) + 3 ( . l , l ) = (5,-l)
ou:
v = 7 ( l , 0 ) . l ( 2 , 1) = ( 5 , - 1 )
Observação
Se o problema consistisse apenas em calcular v a partir de v , sem utilizar a matriz

A D A
[ i i : , bastaria determinar o vetor v na base canônica, isto é, v = ( 5 , - l ) e, posteriormente.
B
resolver a equação
( 5 , - 1 ) = a , ( 1 , 0 ) + 32(2,1)
para encontrar ai = 7 e a 2 = -1.
A utilização da matriz-mudança de base ainda será vista em outros assuntos deste livro.
5.3.2 Outra forma de Determinação da Matriz-Mudança de Base
A matriz-mudança de base [I] pode ser determinada de uma forma diferente.

B
Valendo-se das bases A e B do problema anterior e sendo C = { ( 1 , 0 ) , ( 0 , 1 ) } a base

canônica, vem:
2 -1
-1 1
t t
Vl V2
pois:
(2,-l) = 2 ( l , 0 ) - l ( 0 , l )
(-1,1) = - 1 ( 1 , 0 ) + 1 ( 0 , 1 )
e,de forma análoga:
1
[I]^
0
t
Wi W2
Assim, a matriz-mudança de base de uma base qualquer para a canônica é a matriz que $e
obtém daquela base dispondo seus vetores em colunas. Façamos [I]^ = A e [I]® = B.
240 Álgebra linear
Lembrando o que foi visto em 4.5.3 sobre composta de transformações lineares e levando
em conta a Observação 4 ) de 5.3, podemos escrever:
[ I ] j = [ I o I ] g = [I]3 = [I]ç = B - ‘ A
Então, para as bases A e B dadas, temos:
-1
1 2 2 -1 1 -2 2 -1
= A=
0 1 -1 1 0 1 -1 1
4 -3
-1 1
5.3.3 Aplicações da Matriz-Rotação
Vimos que a matriz-rotação do plano de um ângulo 0 é:
COS 6 -sen 6
SGtiS COS 6
Observemos que as imagens de ( 1, 0) e de (0, 1), pela rotação 0, são:
COS 6 -sen 6 1 COS 6
sen 6 COS 6 0 sen 6
e:
COS 6 -sen 6 0 -sen 6
sen 6 COS 6 1 COS 8
respectivamente.
Portanto, a base P = { U j, U2 } , sendo Uj = (cos 6, sen 6) e U2 = (-sen d, cos $), é

obtida da base canônica C = { e i , e 2 } , sendo ej = ( 1 , 0 ) e e 2 = ( 0 , 1), pela rotação de um
ângulo 6. Assim, como a base canônica C determina o sistema de coordenadas retangulares
xOy, a base P determina também um sistema de coordenadas retangulares x O y ' que provém
do sistema xOy por meio da rotação de um ângulo d, Conseqüentemente, cada ponto R ou
cada vetor v do plano possui coordenadas (x, y) em relação ao sistema xOy e (x ',y ') cm
relação ao sistema x'Oy'.
A matriz-rotação pode ser encarada como matriz-mudança de base de P para C,

isto é:
cos d -sen 6
[i]^
sen 6 cos $
pois:
( co s0 , sen0) = cos0 (l , O) + sen0 ( 0, 1)
(-sen 0, cos 6) = -sen 0 ( 1 , 0 ) + cos d (0, 1)

242 Álgebra linear
Por exemplo, para B = 90°, tem-se a base:
P = {(cos 90®, sen 90°), (-sen 90®, COS 9 0 °)} = { ( 0 , 1 ),(-1 ,0 )>
e, portanto:
0 -]
1 0
Considerando = (4, 2), o vetor v na base canônica é:
0 -1 4 -2
tv ]c= m ,[v ]p =
1 0 2 4
As figuras mostram que o vetor v que tem componentes 4 e 2 na base:
P= {(0,1),(-1,0)}
tem componentes -2 e 4 na base:
C= {(1,0),(0,1)}
No caso de mudança de base de C para P, já vimos que:
COS B -sen B
m p = ((i]c)-‘
sen B COS B
OU seja:
COS B sen B
[iií =
-senB cosB
Por exemplo, para uma rotação de B =45° no sistema xOy, o vetor v = (x, y) = (4 ,2 )
íia base canônica será \^ = ( x \ y') = (3 \ / 2 , - y/2 ) na base P.
De fato:
COS 45° sen 45° 4

[ V] p =
-sen 45° cos 45° 2
V2 y/2 4
2 2
[V]p =
y/l y/2
~_2 2 _ 2
3y/2
[v]p =
-V 2
244 Álgebra linear
5.4 M ATRIZES SEMELHANTES
Seja T : V -----►V um operador linear. Se A e B são bases de. V e [T ]^ e [T] as

matrizes que representam o operador T nas bases A e B , respectivamente, então:
(5.4)
sendo [ i j : a matriz-mudança de base B para A.

A
De fato:
Pelo conceito de matriz de uma transformação linear (4.4) podemos escrever:
[T(v)1 a = [ T ] ^ [ v ]^ ( 1)
e:
[T(v)]^ = [ T ] b M 3 ( 2)
Sendo [I]^ a matriz-mudança de base de B para A, tem-se:
[v]A =m ® M B e [T (v)]^ = [I]® [T (v)]g

Substituindo [v] e [T(v)] ^ em (1), resulta:

A A
Como a matriz [I] é inversível (Observação (4)de 5.3), vem:

A
(T (v )i,-([ii')-‘ [ i u n i ! i » i .
Comparando essa igualdade com a (2), conclui-se:
m ,= ((ii^ - (t I a I u '
que é a relação apresentada (5.4).
Fazendo [I] ^ = M, a relação acima fica:

A
[ T ] b =M-> [ T] ^ M (5.4a)
não se podendo esquecer que M é a matriz-mudança de base de B (2? base dada) para
A (1? base dada).
As matrizes [T ]^ e [T ]g são chamadas semelhantes.
Por conseguinte, duas matrizes [T] ^ ® [T] g são semelhantes quando definem em V um
mesmo operador linear T. Mais precisamente, duas matrizes [T] ^ ® b semelhantes se
existe uma matriz inversível M tal que
[T] b = M-» [T ]^ M
O esquema a seguir mostra que existem duas maneiras de se obter T(v)g a partir de v^:
ITIa _
Va ---------------------------------- ► tM a
M- M-*
f itib
► -T(v)b
Vb
246 Álgebra linear
5.4.1 Propriedade
As matrizes semelhantes [T] ^ e [T] g possuem o mesmo determinante.
De fato:
De
[ T ] g = M - ‘ [T]^M
vem:
M[T] b = [ T ] a M
e:
det M . det [T] g = det [T] ^ . det M
ou:
det [T]g = det [T]^
4) Sejam T: IR^ -----IR^ um operador linear e as bases
A= {(3,4),(5,7)} e B = { ( 1 , 1 ) , ( - 1 , 1)}
e seja:
-2 4
2 -1
a matriz de T na base A. Calculemos [T] pela relação:

B
[ T ] g = M - ‘ [T]^M
na qual M é a matriz-mudança de base de B para A. Necessitamos da matriz M que será

calculada pela relação apresentada em 5.3.2:
M = [I]® = A-* B
A
isto é:
-1
3 5 1 -1 7 -5 1 -1 2 -12
M=
4 7 1 1 -4 3 1 1 -1 7
e;
2_
2
M -‘ =
logo;
"7 6 “ r , -1
2 -2 4 2 -12
[t 1 b =
1 2 -1 -1 7
2 1 -
5 8 2 -12
[T ] b =
1 1 ■1 7
2 -4
[T ] b =
1 -5
248 Álgebra linear
Observação
Pode-se verificar, através do exemplo, que realmente as matrizes [T]^ e [T]g são
semelhantes, isto é, que na transformação linear definida em por essas matrizes, em bases
diferentes, um vetor v G tem a mesma imagem T (v).
Seja o vetor v^ = (2, -1).
I) Cálculo de T(v)^ por meio de [T]^:
[T(v)l = [ T ] , [v]^
-2 4 2 -8
(T(v)] =
2 -1 -1 5
II) Cálculo de Vg por meio de partindo de v^:
M b = M -‘ [v]^
I ó' 2 1
2
1 1 -1 0
2
III) Cálculo de T (v)g por meio de M ^ partindo de T (v)^ :
[T ( v)1 b = M - ' [T ( v) ] ^
7
6 -8 2
2
[ T ( v ) ] ,= 1
1 5 1
2
IV) Cálculo de T(v)g por meio de [T ]g :
[ T ( v) ] b = [t ] b M b
2 -4 1 2
[T ( v) ] b =
1 -5 0 1
Assim, o vetor v tem a mesma imagem T(v) por meio do operador linear T, definido em
pelas matrizes [T ]^ e [T ]g , em bases diferentes.
V) Por outro lado, as matrizes semelhantes tém o mesmo determinante:
-2 4
det [T ]. = = 2 - 8 = -6
2 -1
2 -4
det [T ] b = = -10 + 4 = -6
1 -5
5) Seja o operador linear T;1R^------definido por:
T (x ,y ) = (2x + 9 y ,x + 2y)
Determinar [T ], matriz canônica de T, e a seguir utilizar a relação:
[T ] b = M - ‘ [T] M
para transformá-la na matriz de T na base:
B = { ( 3 , l ) , ( - 3 , 1)}
250 Álgebra linear
Solução
É imediato que:
2 9
[T] =
1 2
A matriz M de mudança de base de B para a canônica A é dada por:
M = A -‘ B
ou:
1 0 -1 3 -3
M =
0 1 1 1
mas:
1 0 -1 1 0
0 1 0 1
logo;
1 0 3 -3 3 -3
M =
0 1 1 1 1 1
e:
1 1
6 2
M -‘ =
1 1
6 2
Portanto:
2 9 3 -3
6 2
m „ =
1 1 1 2 1 1
6 2
5 5
~3 -3
6 2
[T ] b = 1 1
1 1
6 “ 2
0
[T I b =
-1
Observação
A matriz diagonal
5 0
0 -1
que representa T na base B, é mais simples, no sentido de “estrutura” que a matriz canônica
de T:
Já no problema resolvido n9 4 esse fato não ocorreu. A simplificação da matriz do operador

T está ligada à escolha adequada de uma base, pois é a matriz de mudança de base M que atua
252 Álgebra linear
sobre a matriz de um operador linear para transformá-la em outra matriz do mesmo operador. A
escolha da base “certa”, que torna a matriz do operador T o mais simples possível, é objeto de
estudo no próximo Capítulo.
5.5 OPERADOR ORTOGONAL
Seja V um espaço vetorial euclidiano. Um operador linear T:V W é ortogonal se

preserva o módulo de cada vetor, isto é, se para qualquer v G V
|T ( v ) | = | v |
Observações
1) Tendo em vista que o módulo de um vetor é calculado por meio de um produto interno
( I V I = V v . V), os operadores ortogonais são definidos nos espaços vetoriais euclidianos.
2) Nos operadores ortogonais, serão consideradas somente bases ortonormais em V e,

particularmente, a base canônica.
Exemplos
1) No com o produto interno usual, o operador linear definido por:
T (x ,y ) = ( - | x + ^ y , - | x - - j y )
é ortogonal.
De fato:
^ \2 1 / ^ ^ \2
- j y r + (jX -y y )^
/ 16 2 X 24 ^ 9 2 ^ 9 2 24 ^ 16 _
V 25* ^ 2 5 * y -^ 2 5 * 25
/ 25 j X 25 2
y l5 * ^25^
ou:
| T ( x , y ) |= v/x ^ + y ^ = | (x, y) | , V (x , y) G IR^
2) Consideremos o com o produto interno usual. A rotação do plano de um ângulo

6 dada por:
T (x, y) = (xcos d - ysen 6,xsen 6 + ycos 6)
é ortogonal. (A verificação fica a cargo do leitor.)
3) No R ^ , com o produto interno usual, o operador linear dado por:
T (x, y, z) = (-y , x, -z)
é ortogonal.
De fato:
I T (x, y , z) I = \/(-y )^ + x^ + (-z)^ = %/x^ + y^ + z^ = | (x, y, z) |
Observação
O produto interno de dois vetores u = ( ai , a^^) e v = ( b i ,..., bj^), em relação a uma

base ortonormal, é dado por:
u . V = aj bi + ... + (verificação a cargo do leitor)
Se esses vetores forem expressos na forma matricial:
ai 'b ,'
[u] = e [v] =
254 Álgebra linear
conclui-se que:
[u . v] = [u]* [v]
onde [u] ^ indica a matriz transposta de [ u ] .
Observação
No Apêndice, a matriz transposta de A, por exemplo, é representada por A^; aqui, a

transposta será representada por A^ , uma vez que T está sendo utilizado para representar um
operador linear.
5.5.1 Propriedades
I) Seja T:V — ►V um operador ortogonal sobre o espaço euclidiano V. Então, a

inversa da matriz de T coincide com a sua transposta, isto é:
[ T ] - ‘ = [T ]‘
De fato:
| v | = |T ( v ) |
isto é:
v . v = T (v ).T (v )
ou:
[v .v ] = [T (v).T (v)]
OU ainda:
[v]‘ [v] = [T (v)]‘ [T(v)]
mas:
[T (v)]‘ [T(v)l = ([T ] [v])‘ [T] [v] = [v]‘ [T]‘ [T] [v]
logo:
[ V ] ' [V] = [v]‘ [T]‘ [T] [v]
e, finalmente:
m * [T] = i
ou:
[T]* = [T]
A matriz [T ], tal que [T]^ = [T] ~ \ é chamada matriz ortogonal. Portanto, uma
matriz ortogonal define um operador ortogonal.
A matriz canônica do exemplo 1), item 5.5.
[T] =
é ortogonal, pois:
[T]^ = = [T]-
A matriz-rotação:
COS S -sen 0
[T] =
sen d COS 6
256 Álgebra linear
do exemplo 2), item 5.5 é também ortogonal, pois:
cosO sen 6
m ‘= = [T]
-sen 6 COS d
II) o determinante de uma matriz ortogonal é +1 ou - 1.
De fato:
Como [T] é ortogonal, [T]^ [T] =1.
Logo:
det([T]^ [T ]) = det I
ou:
det [T]^ det [T] = 1
Como det [T] = det [T]*, vem:
(d et[T ])^ = l
OU seja:
det [T] = +1 ou det [T] = -1
Por meio dessa propriedade conclui-se que todo operador linear ortogonal é inversível.
III) Todo operador linear T:V — ► V preserva o produto interno de vetores, isto é,
para quaisquer vetores u, vG V, tem-se:
u . v = T (u ).T (v )
De fato :
[T(u) ,T (v)] = [T (u)]‘ [T(v)l = ([T] [u])‘ [T] [v] = [u]‘ [T]‘ [T] [v]
mas:
[T]‘ [ T ] = I
logo;
[T (u ).T (v )] = [u]‘ [v] = [u .v ]
e:
u . v = T (u) . T(v)
Decorre dessa propriedade que todo operador ortogonal T :V — ►V preserva o ângulo

de dois vetores, isto é, o ângulo entre dois vetores u e v é igual ao ângulo entre T(u) e T(v).
Esse fato e a definição de operador ortogonal permitem concluir: T transforma bases

ortonormais em bases ortonormais, isto é, se { v i ,...,v ^ } é base ortonormal de V, então
{ T ( v i) ,T ( v n ) } é também base ortonormal de V. Essa propriedade, como ainda veremos, é
de grande importância na construção de novas bases ortonormais { U i, U2 } do , a partir
da base canônica { e i , 62 } , e na criação de um novo sistema de coordenadas retangulares
x'O y\ a partir do sistema xOy, conforme sugere a Figura 5.5.1a.
Essa transformação, no plano, da base canônica para outra base ortonormal por meio de um
operador ortogonal T:R^ — ►R^ pode ser vista de duas maneiras:
a) A base { U i, U2 } provém da base canônica { e i , e 2 } por uma rotação, conforme

a Figura 5.5.1a, e, nesse caso, det [T] = + l.
258 Álgebra linear
Reciprocamente, se det [T] = + l , o operador T é uma rotação.
b) A base { u i ,U 2 } provém da base canônica { e i,C 2 } por uma rotação seguida de

uma reflexão na origem de apenas um dos vetores (Figura 5.5.1b) ou vice-versa. Nesse caso,
tem-se:
det [T] = -1
Figura 5.5.1b
Assim, por exemplo, o operador ortogonal, representado pela matriz
2 2
2 2
é uma rotação, pois
2 2
= 1
2 2
O que dissemos para o IR^ é válido para o

Por exemplo, o operador ortogonal no representado pela matriz
COS 6 -sen d 0
A = sen 6 COS 6 0
0 0 1
é uma rotação, pois det A = 1 para qualquer valor de 6.
IV) A composta de duas transformações ortogonais é uma transformação ortogonal

ou, equivalentemente, o produto de duas matrizes ortogonais é uma matriz ortogonal.
V) As colunas (ou linhas) de uma matriz ortogonal são vetores ortonormais.
De fato:
Sejam A = { c i , e 2 , ...,6 ^ } uma base ortonormal do espaço vetorial euclidiano V e

T : V -----►V um operador linear ortogonal representado pela matriz:
au ai2 ain
a2i ^72 ^2n
_am an2 ann
Tendo em vista que:
| e i l = 1ej 1= ... = len
e j.e j ==0,
260 Álgebra linear
e que
T ( e i ) = a n e i + a 2 ie 2 + . . . + aniCn
T(e2 ) = ai2 Cl + a22 ^2 ^n2
T(ejj) = ainCí + a2n®2 ■** ••• ^nn®n
pode-se escrever:
I T (e i) I ^ = T ( e i) .T ( e i) = aíi + a ii + . . . + aài = 1
I T(e2) I ^ = T(e2) . T(e2) = a?2 + A 2 + ... + aà2 = 1
ITíe^) I^= T(e„) . T(en) =aJn + ^\n ... ^nn ~ ^
e:
T(e.) . T(ej) = aijaij + a2ia2j + ... + ^nianj = 0
É imediato que as colunas (ou linhas) de uma matriz ortogonal formam uma base orto-
normal do espaço V.
Exemplo:
Seja a matriz:
1 1
‘V 2 s/2
A = 0 0
1 1
V2 V2
Os vetores-colunas de A são:
Em relação ao produto interno usual, tem-se:
I Ui I = I U2 I = I U3 I = 1
e:
Ui .U2 =Ui . U3 =U2 .U3 =0
logo, o conjunto:
{ u 1.u 2 .u 3 }
é uma base ortonormal do .
Além disso, como det A = 1 (verificar!), a matriz A representa uma rotação do espaço.
5.6 OPERADOR SIM ÉTRICO
Diz-se que um operador linear T:V W é simétrico se a matriz que o representa

nuífia base ortonormal é simétrica, isto é, se:
[T]‘ = [T]
Observações
1) Demonstra-se que a matriz do operador simétrico é sempre simétrica, independente da

base ortonormal do espaço. Em nosso estudo, trabalharemos somente com bases canônicas.
2) O operador simétrico é também chamado operador auto-adjunto.

262 Álgebra linear
Exemplos
1) 0 operador linear
T:R2 -----► T (x ,y ) = (2x + 4y, 4 x « y )
é simétrico, pois a matriz canônica de T
2 4
[T] =
4 -1
é simétrica, isto é, [T] ^ = [T ].
2) No o operador T definido por:
T (x , y, z) = (x - y, - x + 3y - 2z -2y)
■ I
é simétrico e sua matriz canônica é:
1 -1 0
[T] = -1 3 -2
0-2 0
5.6.1 Propriedade
Seja V um espaço vetorial euclidiano. Se T:V — é um operador simétrico, então

para quaisquer vetores u, v € V, tem-se;
T ( u ) .v = u .T (v )
De fato;
[T(u) .V ] = [T (u)]‘ [v] = ([T ] [ u ] / [v] = [u ]‘ [T]* [v] = [ u ] \[ T ] [v ])= [u .T (v )]
logo;
T(u) . V = u . T(v)
Exemplo
Seja o operador simétrico, no , definido por:
T (x ,y ) = (x + 3 y ,3 x - 4 y )
Consideremos os vetores u = ( 2 ,3 ) e v = ( 4 , 2) e calculemos T(u) e T(v):
T(u) = T (2 ,3 ) = ( l l , - 6 )
T(v) = T (4 ,2 ) = (1 0 ,4 )
mas:
T(u) . V = (11 , -6) . (4, 2) = 44 - 12 = 32
u . T(v) = (2, 3) . (1 0 ,4 ) = 20 + 12 = 32
Como se vê:
T (u) . V= u . T (v).
1) A seguir são dados operadores lineares T em ee m R^. Verificar quais são inversíveis
e, nos casos afirmativos, determinar uma fórmula para T ”' .
a) T: ^ R ^ T (x, y) = (3x - 4y, -x + 2y)
b ) T:R^ — ^R ^ T (x ,y ) = ( x - 2 y , - 2 x + 3y)
c) T: >• R ^ T (x , y) = (2x - y, -4 x + 2y)
d) T: R^ -----► R ^ , T (x , y) = (5x + 2y, -4 x - 2y)
e ) T:R ^ R^ T (x ,y ) = ( x ,- y )
0 T: R^ ---*■ R ^ , T (x , y, z) = (x - y + 2z, y - z, 2y - 3z)

264 Álgebra linear
g) T: IR3 IR^, T (x, y, z) = (x + y - z, X + 2y, z)
h) T: IR^ 1R^ T ( x ,y ,z ) = ( x , x - z , x - y - z )
i) T:1R^ IR’ , T (x, y, z) = (x - y + 2z, y - z, -2 x + y - 3z)
j) T:IR^ R ’ , T ( x ,y ,z ) = (x + z , x - z , y )
2) Seja 0 operador linear T :R ’ -----►R’ definido pela matriz:
1 0 1
2 -1 1
0 0 -1
a) Mostrar que T é um isomorfismo.
b) Determinar a lei que define o operador T"‘ .
c) Utilizar a matriz de T ou de T"‘ para obter o vetor vG R ’ tal que T(v) = ( 2 , -3 ,0 ).
3) Mostrar que o operador linear, no R ’ , definido pela matriz
1 2 3
2 3 4
3 5 7
não é inversívei. Determinar vG R ’ tal que T(v) = (6, 9 ,1 5 ).
4) Verificar se o operador linear T : R ’ -----►R’ definido por T ( l , 0 ,0 ) = (2 ,-1 , 0).

T ( 0 ,- 1 ,0 ) = ( - 1 ,- 1 ,- 1 ) e T ( 0 ,3 ,- 1 ) = ( 0 , 1, 1) é inversível e, em caso afirmativo,
determinar (x, y, z).
5) No plano uma rotação de y radianos é seguida de uma reflexão em torno do eixo dos y.
a) Mostrar que a transformação é um isomorfísmo.
b) Determinar a inversa da transformação definida.
6) Seja T:1R^ -----o operador linear que transforma u em T(u) e v em T(v),

conforme a figura.
a) Dar a lei do operador T.
b) Determinar a transformação linear que transforma T(u) em u e T(v) em v.
7) Utilizar a inversão de matrizes 2 x 2 para mostrar que:
a) A transformação linear inversa de uma reflexão em torno do eixo dos x é uma reflexão
em torno desse eixo.
b) A transformação inversa de uma dilatação ao longo de um eixo é uma contração ao longo

désse eixo.
c) A inversa de uma rotação do plano de um ângulo 0 é a rotação do plano do ângulo

266 Álgebra linear
8) Consideremos as seguintes bases do : A = { (1 ,1 ), (0, -1) } e B = { (2, -3), (-3 , 5) } .
A.
a) Determinar a matriz-mudança de base [I] .
b) Utilizar a matriz obtida no item a) para calcular Vg, sendo = (2, 3).
c) Determinar a matriz-mudança de base de B para A.
9) Repetir o problema 8 para as bases A = { ( 3 , -1), ( 1 ,- 2 ) } e B = {*(3, 2), (2, 2 )} , sendo

Va = (4, 3).
10) Sqam B = { (1 , 0 ), (0, 1 )} , B, = { ( 1 , 1), (-1 , 0 ) } , B, = { ( - 1 . 1), (2, -3 ) } e

B , = { (2 , 1), (-5 , - 1) } .
a) Determinar as matrizes-mudança de base:
l l ] l \
D
[I]®
D I
, [I]®^
D
[I]®
l>2
e [I]®^
"2
b) Determinar o vetor — coordenada de v = (-3, 4) em relação às bases B, B i, B2 e B3 .
11) Sabendo que:
-1 4
e B= { ( 3 ,5 ) ,( 1 ,2 ) } ,
4 -11
determinar a base A.
12) Sabendo que:
-7 6
m i = e A = { ( 1 .3 ) ,( 2 ,- 4 ) } ,
-11 8
determinar a base B.
Operadores lineares 26 7
13) A base B é obtida da base canônica A do IR^ pela rotação de-^rad. Calcular:
o
a) [I]
b) [I]
14) Consideremos as seguintes bases do
A= { ( 1 ,0 ,0 ) ,( 0 ,1 ,0 ) ,( 0 ,0 ,1 ) } e B= { ( 1 ,0 ,- 1 ) ,( 0 ,1 ,- 1 ) ,( -1 ,1 ,1 ) }
.A
a) Determinar a matriz [I]
B
b) Utilizar a matriz obtida no item a) para calcular Vg, sendo = (1 ,2 , 3).
c) Determinar a matriz [I]

A
15) Se
0 1 0
1 1 0
'■ ‘ B
1 1 1
determinar [v ]* , sabendo que:
[v]« = -2
0
16) Mostrar que para qualquer base A de um espaço vetorial, a matriz-mudança de base
[11^ é a matriz identidade.
A
17) Em relação aos operadores dados, determinar primeiramente a matriz de T na base A e ,a

seguir, utilizar a relação entre matrizes semelhantes para calcular a matriz de T na
base B.
268 Álgebra linear
a) T: IR^ — ►IR^, T (x, y) = (x + 2y, - x + y)
A = { (-1 ,1 ) ,( 1 ,2 ) } e B= { (l,-3 ),(0 ,2 )}
b ) T:lR^ — > 1R ^ T (x ,y ) = ( 2 x - 3 y , x + y)
A = { ( 1 ,0 ) ,( 0 ,1 ) } e B = { ( 3 ,0 ) ,( - 2 ,- 1 ) }
c) T: IR^ — * IR^, T (x, y) = (7x - 4y, -4 x + y)
A é a base canônica e B = { ( - 2 ,1 ) , ( 1 ,2 ) }
d) T: IR3 — »■ 1R3 , T (x, y, z) = (x - 2y - 2z, y, 2y + 3z)
A é canônica e B = { ( 0 , 1 , - 1 ) , ( 1 , 0 , 0 ) , ( - l , 0 , 1)}
18) Seja T:1R^ — >^1R^ um operador linear. Consideremos as bases A canônica e

B = { (4 ,1 ), ( - 1 1 , - 3 ) } . Sabendo que
3 5
m n =
1 2
determinar [T]^, utilizando a relação entre matrizes semelhantes.
19) Seja o operador linear T; — ► R *, T (x, y) = (x + y, x - y).
a) Determinar [T]g, sendo B = {(1,2),(0,-1)} .
b) Utilizar a matriz encontrada em a) para calcular T (v)g, sabendo que v = (4,2).
20) Encontrar três matrizes semelhantes à matriz:
1 1
-1 2
21) Seja o IR^ com o produto interno usual. Quais dos seguintes operadores são ortogonais?
a) T: R2 ( ^ X - J - y , ^ X + n/^V)
b) T: IR^ T (x, y) = ( - y ,- x )
c) T: IR^ 1R^ T (x ,y ) = (x + y , x - y )
22) Consideremos o IR^ com o produto interno usual. Dentre os seguintes operadores lineares,
verificar quais são ortogonais;
a) T; JR^ 1R^ T (x , y, z) = (z, X, -y)
b) T: IR^ IR^, T (x, y, z) = (x, y, z)
c) T: 1R3 1R^ T ( x ,y ,z ) = ( x ,0 ,0 )
d) T: IR^ IR^, T (x, y , z) = (x, ycos d + zsen 6 , -ysen 6 + zcos 6)
23) Verificar quais das seguintes matrizes são ortogonais e, dentre estas, determinar as que
representam rotações:
a) 3 4 b) 3 4 c) 1 2
5 5 5 5 V5 V5
4 3 3 4 2 1
5 5 5 5 V5 ’ n/5
d) 1 3 "" e) 1 0 -1 0 1 2 2
Víõ Víõ 3 3 3
1 1 0
3 1 2 2 1
V íõ -1 1 0 3 ~3 3
270 Álgebra linear
g) 1 1 1 h) 1 1 1 0 COS 0 0 -sen 6
V 3 n/3 y/3 V 3 ' V6 ■ n/ 2
0 1 0
nu 2 1 1 1 1
■ n/ 2 'V 3 V6 ' n/ 2 sen 6 0 COS 0
2 1 1 1 2
U
v /6 ■ V6 ■ V6 v/ 3 V6
24) Construir, em relação ao produto interno usual, uma matriz ortogonal cuja primeira coluna
seja:
b)
25) Mostrar que se A e B são matrizes ortogonais, então AB também é ortogonal.
26) Mostrar, por meio da multiplicação de matrizes, que uma rotação de 30® seguida de uma
rotação de 60® resulta em luna rotação de 90®.
27) Determinar a e b para que os seguintes operadores no IR^ sejam simétricos:
a) T: IR^ -----►IR^, T (x, y , z) = (3x - 2 y , ax + y - 3z, by + z)
b) T: IR^ -----►IR^, T (x, y, z) = (x + 2z, ax + 4y + bz, 2x - 3y + z)
1) a) T ‘ ‘ (x, y) = (x + 2 y ,^ x + y y )
b) T*‘ (x, y) = (-3 x - 2 y ,- 2 x - y)
c) T não é inversível.
d) T"‘ (x, y) = (x + y, -2 x - y y )
e) T-* (x ,y ) = ( x ,- y )
0 T ‘ ' (x, y, z) = (x - y + z, 3y - z, 2y - z)
g) T - ‘ ( x ,y ,z ) = ( 2 x - y + 2 z ,- x + y - z , z )
h ) T - ‘ ( x ,y ,z ) = ( x , y - z , x - y )
i) T não é inversível.
j) T - ‘ ( x ,y ,z ) = ( ^ x + ^ y , z , ^ x - y y )
2) b) T ‘ ‘ ( x ,y ,z ) = (x + z , 2 x - y + z ,-z )
c) V= ( 2 ,7 ,0 )
3) V = (z, 3 - 2z, z), z E R
4) T ^ (x, y, z) = (-y + z, -2x - 4y + 7z, x + 2y - 3z)
5) b) T '‘ (x, y) = i - j X y , ^ x + -jy )
6) a) T (x, y) = (2x - y, x + y)
b ) T - * ( x ,y ) = ( ^ .f,-f.f)
8) a)
8 -3
K -
5 -2
b) v_ = (7 ,4 )
272 Álgebra linear
c)
2 -3
< ■
5 -8
9) a) 4 3
9 -4
2
-30)
c) 8 6
5 5
9 8
"5 "5
10) a)
1 -1 0
1 0 -1
-1 2 -3 -2
Bl _
m [I]
1 -3 -1 -1
-8 17
■3 6
23 11
b)Vg = (-3,4), Vg^=(4,7), V g^=(l,-1), vb3 = (^ ,-^ )
11) A = {(1,3),(1,-2)}
12) B = { ( 3 , - 2), ( - 2 ,1 ) }
—
13) a) 1 v i'
2 2
V 3- 1
2 2
-
b) 1 VT'
2> 2
V 3- 1
2 2
14) a) 2 1 1
-1 0 -1
1 1 1
b) Vg; = ( 7 ,- 4 . 6)
c) 1 0 -1
0 1 1
-1 -1 1
15) -5
2
274 Álgebra linear
17) a)
0 -3 -5 4
- 19
[T ]b =
1 2 ~ 2 7
b)
2 -3 0 5
m , 3
[TI b =
1 1 -3 3
c)
7 -4 9 0
[T] = [TJb =
-4 1 0 -1
d) 1 -2 -2 1 0 0
[T ] = 0 1 0 [T I b = 0 1 0
0 2 3 » 0 0 3
1 -3
18) [T],
-1 4
19) a)
3 -1
m « =
7 -3
b ) T ( v ) 3 = ( 6 , 10)
21) São ortogonais a) e b)
22) São ortogonais a), b) e d)
23) São ortogonais: a), c), d), 0 , g), h), i)
São rotações: a), d), f)» 0

2 1
24) a)
V5 V5
1 2
V5 v/5
1 2
b) .3
3
2 1
3 3
2 2
■3 3
27) a) a = -2 e b = - 3
b) a= 0 e b = -3
CAPÍTULO
VETORES PRÓPRIOS
E
VALORES PRÓPRIOS
6.1 VETO R PRÓPRIO E VA LO R PROPRIO DE UM OPERADOR LINEAR
Seja T :V ---- ►V um operador lineai. Um vetor vG V, v.9^0, é vetor próprio do

operador. T se existe X G IR tal que
T (v) = Xv
O número real X tal que T(v) = Xv é denominado valor próprio de T associado ao

vetor próprio v.
Observações
a) Como se vé pela definição, um vetor é vetor próprio se a imagem T(v) for um

múltiplo escalar de v. No IR^ e no diriamos que v e T(v) tém a mesma direção. Assim,
dependendo do valor de X, o operador T dilata v, contrai v, inverte o sentido de v ou o
anula no caso de X = 0.
Na Figura 6.1a, o vetor vG é um vetor próprio de um operador T que dilata v,

porque X > 1. A Figura 6.1b mostra um vetor v que não é vetor próprio de um operador T.
b) Os vetores próprios são também denominados vetores característicos ou autovetores.
c) Os valores próprios são também denominados valores característicos ou autovalores.
276
Vetores próprios e valores próprios 211
Figiua 6.1a Figura 6.1b
Exemplos
1) O vetor V = (5, 2) é vetor próprio do operador lineai
T:R " -----^ IR^ T (x ,y ) = (4x + 5 y ,2 x + y)
associado ao valor próprio X = 6, pois:
T(v) = T ( 5 ,2) = (30, 12) = 6(5, 2) = 6v
Já o vetor v = (2 ,1 ) não é vetor próprio deste operador T, pois:
T (2 ,1 ) = ( 1 3 ,5 ) ^ X ( 2 , 1)
para todo XG IR.
2) Na simetria definida no IR^ por T (v) = -v, qualquer vetor v ^ 0 é vetor próprio associado
ao valor próprio X = -1.
Observação
Tendo em vista aplicações em questões de Geometria Analítica, serão estudados, neste

Capítulo, somente vetores próprios e valores próprios de operadores lineares em IR^ e em .
2 78 Álgebra linear
6.2 DETER M IN A Ç Ã O DOS VALO RES PRÕPRIOS E DOS

VETORES PROPRIOS
1) Determinação dos valores próprios
Seja o operador linear T : , cuja matriz canônica é:
au aj2 ai3
A= a2i a22 a23
aai 332 a33
istoé, A == [T].
Se V e X são, respectivamente, vetor próprio

dor T, tem-se:
A . V» Xv (v é matriz-coluna 3 x 1 )
ou:
A v - Xv = 0
Tendo em vista que v = Iv (I é a matriz-identidade), pode-se escrever:
Av ^ XIv = 0
ou:
(A -X I )v = 0 (6 .2 a )
Para que esse sistema homogêneo admita soluções não-nulas, isto é:
X 0
V= y 0
z _0_
deve-se ter:
d et(A -X I) = 0
ou:
f ^11 aj2 ai3 X 0 0 \
det ^21 ^22 ^23 0 X 0 = 0
^31 as2 ^33 0 0 X

/
ou, ainda:
aii-X a 12 ai3
det a2i a22“X a23 = 0 (6.2b)
a3i a32 333-X
A equação det (A - XI) = 0 é denominada equação característica do operador T ou da ma

triz A, e suas raízes são os valores próprios do operador T ou da matriz A. O determinante
det ( A -X I ) é um polinômio em X denominado polinômio característico.
2) Determinação dos vetores próprios.
A substituição de X pelos seus valores no sistema homogêneo de equações lineares 6.2a

permite determinar os vetores próprios associados.
1) Determinar os valores próprios e os vetores próprios do operador linear
T: IR^ ---- ►IR^, T (x, y , z) = (3x - y + z, -X + 5y - z, X - y + 3z)
Solução
I) A matriz canônica do operador T é:
3 -1 1
A= -1 5 -1
1 -1 3
280 Álgebra linear
A equação característica do operador T é:
3 -X -1 1
det(A-XI) = -1 5 -X -1 = 0
1 -1 3-X
isto é, desenvolvendo o determinante pela 1? linha e observando a alternância dos sinais que
precedem os produtos, vem:
5 -X -1 -1 -1 -1 5 -X
(3-X) - ( - 1) + 1 = 0
-1 3-X 1 3-X 1 -1
( 3 - X ) ( 1 5 - 8X + X^ - 1 ) + K - 3 + X+ 1) + 1 ( 1 - 5 + X) = 0
45 - 24X + 3X^ - 3 - 15X + 8X^ - X^ + X - 3 + X + 1 + 1 - 5 + X = 0
-X* + IIX^ -36X + 36 = 0

ou:
X^ - 1 IX^ + 36X - 36 = 0
As soluções inteiras, caso existam, são divisoras do termo independente -36. Com as
devidas substituições na equação acima, constata-se que X = 2 é uma delas. Conseqüentemente,
X-2 é um fator do polinômio característico X^ - 1 IX^ + 36X r 36. Se dividirmos esse
polinômio por X - 2, a equação poderá ser apresentada como:
(X-2)(X^ - 9 X + 18) = 0
e, portanto, as demais raízes são soluções da equação:
X^ -9X + 18 = 0
Logo, os valores próprios do operador T são:
X, =2
Xj =3
Xs =6
II) 0 sistema homogêneo de equações lineares que permite a determinação dos vetores
próprios associados é:
(A-XI)v = 0
Considerando
V = y
o sistema fica:
3 -X -1 1 X 0
-1 5 -X -1 y = 0 ( 6. 2c)
1 -1 3 -X z 0
i) Substituindo X por 2 no sistema (6.2c), obtém-se os vetores próprios associados

Xi = 2:
1 -1 1 X 0
-1 3 -1 y = 0
1 -1 1 z 0
isto é:
Ix - ly + Iz = 0
-I x + 3y - Iz = 0
Ix - ly + Iz = 0
O sistema admite uma infinidade de sibluções próprias:
z = -X
y = 0
282 Álgebra linear
Assim, os vetores do tipo Vi = (x, 0, -x ) ou Vj = x ( l , 0, -1), x 0, são vetores próprios

associados a Xi = 2 .
ii) Substituindo X por 3 no sistema (6.2c) obtém-se os vetores próprios associados a

Xj = 3:
0 -1 1 X 0
-1 2 -1 = 0
y
1 -1 0 z 0
isto é:
-y + z = 0
-X + 2y - z = 0
X - y =0
O sistema admite uma infinidade de soluções próprias:
y = X
z = X
Assim, os vetores do tipo V2 = (x, x, x) ou V2 = x ( l , 1, 1), x 0, são os vetores próprios

associados a X2 = 3.
iii) Substituindo X por 6 no sistema (6.20), obtém-se os vetores próprios associados a

Xa = 6 :
“ -
-3 -1 1 X 0
-1 -1 -1 y = 0
1 -1 -3 z 0
isto é:
-3x - y + z = 0
- x - y - z = 0
X - y - 3z = 0
O sistema admite uma infinidade de soluções próprias;
y = - 2x
z = X
Assim, os vetores do tipo V3 = (x, -2x, x) ou V3 = x ( l , - 2 , 1), x=^0, são os vetores

próprios associados a X3 = 6 .
2) Determinar os valores próprios e os vetores próprios da matriz
4 5
A =
2 1
Solução
I) A equação característica de A é:
4 -X 5
det (A - M) = = 0
2 1 -X
isto é:
(4-X)(l -X )-10 = 0
ou:
4 - 4 X - X + X2 - 1 0 = 0
.5 X -6 = 0
As raízes dessa equação são:
Xi = 6
X2 = -1
que são os valores próprios da matriz A.

284 Álgebra linear
II) 0 sistema homogêneo de equações lineares que permite a determinação dos vetores
(A-M )v = 0
Considerando:
V=
o sistema fica:
4 -X 5 X 0
(6.2d)
2 1 -X y 0
i) Substituindo X por 6 no sistema (6.2d), obtém-se os vetores próprios associados ao

valor próprio Xi = 6:
-2 5 X 0
2 -5 y 0
isto é:
-2x + 5y = 0
2x - 5y = 0
2
y = y x
2 2
Assim, os vetores do tipo Vi = ( x — x) ou Vi = x ( l , — ), x=?^0, ou, ainda, Vi = x ( 5 , 2 )
são vetores próprios associados ao valor próprio Xi = 6.
ii) Substituindo X por -1 no sistema (6.2d), obtém-se os vetores próprios associados ao

valor próprio X2 = -1:
5 5 X 0
2 2 _y_ 0
isto é:
5x + 5y = 0
2x + 2y = 0
y = -X
Assim, os vetores V2 - (x, -x) - x (1, -1), x 0, são os vetores próprios associados ao valor
próprio X2 = -1.
3) Determinar os valores próprios e os vetores próprios da matriz
-16 10
A=
-16 8
-16-X 10
det (A - XI) = = 0
-16 8-X
isto é:
( - 1 6 - X ) ( 8 - X ) + 160 = 0
286 Álgebra linear
ou:
-1 2 8 + 16X- 8X + X^ + 160 = 0
X* + 8 X + 3 2 = 0
As raizes dessa equação são;
- 8 ± V 8 ^ - 4 X 32
A — ~z '
-8 + V 6 4 - 1 2 8
X =
2
-8 ± 8i
X =
X, = - 4 + 4i
X, = - 4 - 4 i
e, por conseguinte, a matriz A não possui valores próprios nem vetores próprios.
Observação
Se na definição de valor próprio de um operador linear T se admitisse X qualquer, real

ou complexo, poder-se-ia dizer que a matriz A possui valores próprios complexos e, em
conseqüência, vetores próprios de componentes complexas. Neste texto consideraremos apenas
valores próprios reais.
6.3 PROPRIEDADES DOS VETORES PROPRIOS

E VALO RES PROPRIOS
1) Se V é vetor próprio associado ao valor próprio X de um operador linear T, o

vetor ttv, para qualquer real a # 0, é também vetor próprio de T.
De fato;
T(v) = Xv
e:
T (ofv) = aT(v) = QL(Xv)
ou:
T ( a v ) = X(av)
o que prova que o vetor av é vetor próprio associado ao valor próprio X.
Aliás, os problemas resolvidos 1 e 2 servem para ilustrar essa propriedade.
Observação
Tendo em vista que av é vetor próprio associado ao valor próprio X, fazendo
OL =
|v |
pode-se obter sempre um vetor próprio unitário associado a qualquer valor próprio.
II) Se X é um valor próprio de um operador linear T :V ---- ►V, o conjunto de

todos os vetores v E V, inclusive o vetor nulo, associados a um vetor próprio X, é um
subespaço vetorial de V.
De fato, se Vj, V2 E
T(vi + V2 > = T ( vi ) + T ( v2) = Xvi +Xvj =X(vi +V 2 )
e, portanto, Vj + V2 E S^.
Analogamente, se verifica que a v E para todo ocE IR.
0 subespaço
{ v E V/T(v) = Xv}
é denominado subespaço associado ao valor próprio X ou espaço característico de T

correspondente a X ou auto-espaço associado a X.
288 Álgebra linear
Por exemplo, no problema resolvido n9 2 vimos que ao valor próprio X = 6 correspondem

os vetores próprios do tipo v = x ( 5 , 2 ) . Assim, o auto-espaço associado a 6 é:
S e = { x ( 5 , 2 ) / x E IR} = [(5,2)]
que representa uma reta que passa pela origem.
III) Matrizes semelhantes têm o mesmo polinômio característico e, por isso, os mesmos
valores próprios.
De fato:
Sejam T : V — um operador linear e A e B bases de V. Sabe-se que a relação

entre matrizes semelhantes é [T]g = M”^ [T];^ M, sendo M a matriz-mudança de base de B
para A. Então:
d e t([T ] 0 -XI) = det(M-' [ T ] - XI) = det(M“* [ T ] - XM"' I M)
det([T]g - XI ) = det(M-' ([T ]^ -XI)M) = detM"' det ( [T] ^ - XI)det M
det([T]g - X I ) = d e t M - ' d e t Md e t ( [T ] ^ - XI) = det(M"'M) d et([T ]^ -XI)
d e t([T ] 3 - X I ) = d e t ( [ T ] ^ - X I )
6.4 D IA G O N A LIZA Ç Ã O DE OPERADORES
Sabe-se que, dado um operador linear T:V — ►V, a cada base B de V corresponde uma
matriz [T] ^ que representa T na base B. Nosso propósito é obter uma base do espaço de
modo que a matriz de T nessa base seja a mais simples representante de T. Veremos que essa
matriz é Uma matriz diagonal.
6.4.1 Propriedade
Vetores próprios associados a valores próprios distintos de um operador T:V -----►V são
linearmente independentes.
Faremos a demonstração para o caso de Xi e X2 distintos. A prova para o caso de n

valores próprios distintos é análoga.
Sejam T( vi ) = XiVi e T(v 2) = X2V2 , com Xi ^ X 2 -
Consideremos a igualdade:
aiVi + a2V2 = 0 ( 1)
Pela linearidade de T, tem-se:
a i T ( v , ) + ai T( v 2) = 0
ou:
a i X i Vi + a2X2V2 = 0 (2)
Multiplicando ambos OS membros da igualdade de (1) por X i, vem:
a^X^Vj a2XjV2 “ 0 (3)
Subtraindo (3) de (2):
aiíXj - X i ) v 2 = 0
Mas:
X2 —Xj ^ 0 e V2 ^ 0
290 Álgebra linear
lo g o :
Substituindo a2 por seu valor em (1), tendo em vista que Vj vem:
ai = 0
Logo, o conjunto { Vj, Vj } é LI.
Corolário
Sempre que tivermos um operador T:F^ -----com Xi = ^ \ 2 , o conjunto { v i , V2 } ,

formado pelos vetores próprios associados, será uma base do . Este fato vale em geral, isto é,
se T:V -----►V é linear, dimV = n e T possui n valores próprios distintos, o conjunto
{ Vi, V2 , v„ } , formado pelos correspondentes vetores próprios, é uma base de V.
Exemplo
Seja o operador linear
T:1R* -----^ 1R^ T ( x , y ) = ( - 3 x - 5 y , 2 y )
A matriz canônica de T é:
-3 -5
A=
0 2
A equaçSò característica de T é:
-3 - X -5
det(A-M) = = 0
0 2-X
ou:
(-3-X)(2-X) = 0
X^ + X - 6 = 0
e, portanto, Xi = 2 e X2 = - 3 sío os valores próprios de T. Como Xj 9^X2 , os correspondentes

vetores próprios formam uma base de JR^.
Calculando os vetores próprios por meio do sistema homogêneo
-3-X -5 X 0
0 2-X _y_ 0
obteremos:
• para Xi = 2 os vetores Vj = x ( l , - l ) ;
• para X2 = - 3 os vetores V2 = x ( - l , 0 ) .
Logo, o conjunto
{(1,-1),(-1,0)}
é uma base de IR^.
Por outro lado, sempre que tivermos uma base de um espaço formada por vetores próprios
e conhecermos os valores próprios associados, poderemos determinar o respectivo operador nesse
espaço. É o que faremos no próximo problema.
4) Os valores próprios de um operador linear T:IR^ ----- ►IR^ são Xi = 2 e X2 = - 3 , sendo

Vj = ( 1 , - 1 ) e V2 = ( - 1 , 0 ) respectivos vetores associados. Determinar T(x, y).
Solução
Expressemos, inicialmente, (x, y) em relação à base { ( 1 , - 1 ) , ( - 1 , 0 ) }
(x,y) = a ( l , - l ) + b ( - l , 0 )
292 Álgebra linear
ou:
a - b = X
-a = y
donde:
a = -y e b = -x-y
Logo:
(x, y) = -y (1, -1) + (-X -y) ( -1 , 0 )
Aplicando o operador T, vem:
T (x, y) = -yT (1, -1) + (-x -y) T ( - 1 , 0 )
mas;
T ( l , - l ) = 2 ( l , - l ) = ( 2 ,- 2 )
T ( - l , 0 ) = - 3 ( - l , 0 ) = (3, 0)
logo:
T (x ,y )= -y (2 ,-2 ) + (-x-y)(3,0)
ou:
T (x, y) = ( - 3 x - 5y, 2y)
Observação
Chamando de B a base acima, isto é:
B= { ( 1 , - 1 ) , ( - 1 . 0 ) }
e observando que:
T ( l , - l ) = 2 ( l , - l ) = 2 ( l , - l ) + 0 ( - l , 0)
T(-l,0) = -3(-l,0) = 0 ( l , - l ) - 3 ( - l , 0 )
concluímos que a matriz
2 0
[T]b =
0 -3
representa o operador T
são Xi e X2 *
6.4.3 Propriedade
Consideremos um operador linear T em IR^ que admite valores próprios X i, \2 e X3

distintos, associados a v j , V2 e V3 , respectivamente. O corolário da propriedade anterior nos
assegura que o conjunto P = { V i, V2 , V3 } é uma base do IR®:
Tendo em vista que
T ( v i ) = XiV, = X i V , +OV2 +OV3
T ( V 2 > = X2V2 = 0 V i + X2V2 + O V 3
T(V 3)=X sV 3 = 0 v , +OV2 + X 3 V3 ,
o operador T é representado na base P dos vetores próprios pela matriz diagonal;
X, 0 0
D= 0 X2 0
0 0 X3
constituída de valores próprios na diagonal principal.

294 Álgebra linear
Sendo A a matriz canônica do operador T, as matrizes A e D são semelhantes por

representarem o mesmo operador T em bases diferentes. Logo, a relação entre matrizes
semelhantes (5.4) permite escrever:
D = M-ÂM
sendo M a matriz-mudança de base P para a canônica C= { e i , e 2 , e 3 } , onde ei = ( 1 , 0 , 0 ) ,

62 = ( 0 , 1, 0 ) e ea = ( 0 , 0 , 1).
Como;
M = [ I ] ç = C-^ P = I ' P = P
a relação anterior escreve-se:
D = P-ÂP (6.4.3)
sendo P a matriz cujas colunas são os vetores próprios do operador I (estamos designando
por P tanto a base dos vetores próprios quanto a matriz acima descrita; no contexto identifica-se
quando é uma e quando é outra).
A relação (6.4.3) motiva a definição a seguir:
A matriz quadrada A é diagonalizável se existe uma matriz inversível P tal que P"^ AP
seja diagonal
Diz-se, nesse caso, que a matriz P diagonaliza A, ou que P é a matriz diagonalizadora.

A definição acima pode ser expressa de modo equivalente: Um operador linear T: V '-----►V
é diagonalizável se existe uma base de V formada por vetores próprios de T.
5) Determinar uma matriz P que diagonaliza:
3 -1 1
A = -1 5 -1
1 -1 3
e calcular P“ÂP.
Solução
No problema resolvido de número 1 já calculamos os valores próprios e os vetores próprios

de A e encontramos Xj = 2 e Vi = ( 1 , 0 , -1), X2 = 3 e V2 = (1, 1, 1), X3 = 6 e V3 = (1, -2, 1).
Como os \ sío distintos, o conjunto P = { v i , V 2 ,V3 } forma base do e, portanto,

a matriz
1 1 1
P = 0 1 -2
-1 1 1
diagonaliza A.
Calculemos:
1 n 1
U 3 -1 1 1 1
2 ‘ 2
P -‘AP = 1 1 1
1 5 -1 0 1 -2
3 3 3
1 1 1
1 -1 -1 1 1
6 "3 6
1 1
0 2 3 6
2 " 2
P-*AP = 1 1 1
0 3 -12
3 3 3
1 1 1
-2 3 6
6 ■3 6
2 0 0
P-'AP = 0 3 0 = D
0 0 6
296 Álgebra linear
6) Seja T: IR^ ---- ►IR^ um operador linear dado por:
T ( x , y ) = (4x + 5y, 2x + y)
Encontrar uma base de IR^ em relação à qual a matriz de T é diagonal.
Solução
A matriz canônica do operador T é:
A=
Pelo problema resolvido de número 2, os valores próprios são Xi = 6 e X2 = -1, e os

respectivos vetores próprios são Vi = x ( 5 , 2 ) e V2 = x ( l , - l ) .
A base em relação à qual a matriz de T é diagonal é P = { ( 5 , 2 ) , ( 1 , - 1 ) } , base dos

vetores próprios.
Pôr conseguinte, a matriz:
5 1
P =
2 -1
é a matriz que diagonaliza A, isto é:
4 5 5 1 6 0
P - ‘AP = = D
2 1 2 -1 0 -1
Observação
Se na matriz P trocarmos a ordem dos vetores-coluna, isto é, tomarmos
1 5
P =
-1 2
a matriz diagonal D = P ÂP será:
-1 0
D =
0 6
7) Determinar uma matriz P que diagonaliza
2 1 0
A = 0 1 -1
0 2 4
Solução
I) A equaçáo característica de A é:
2-X 1 0
det(A-XI) = 0 1 -X -1 = 0
0 2 4-X
298 Álgebra linear
isto é, desenvolvendo o determinante pela linha e observando a alternância dos sinais que
1- X -1 0 -1 0 1 -X
(2-X) -1 + 0 = 0
2 4-X 0 4-X 0 2
( 2 - X ) [(1 - X ) ( 4 - X ) + 2] - 0 + 0 = 0
(2 - X) (4 - 5X + X" + 2) = (2 - X ) (X^ - 5X + 6) = (2 - X ) (2 - X ) (3 - X) = 0
e daí:
Xi = 2 e X2 “ 3
(o número 2 é uma raiz dupla da equação).
II) Calculando os vetores próprios por meio do sistema homogêneo:
2 -X -1 0 X 0
0 1 -X -1 y = 0
0 2 4 -X z 0
obteremos:
• para Xi = 2 um só vetor próprio LI, Vj = ( 1 , 0 , 0 ) ;
• para X2 = 3 um só vetor próprio LI, Ví =(1.1,-2).
III) Como só existem dois vetores LI de nío existe uma base P constituída de
vetores próprios. Iôgo, a matriz A não é diagonalizável
Observação
O problema resolvido número 9 mostrará um exemplo de matriz A que também, como

esta, só possui dois valores próprios, porém, em correspondência, existe uma base P de vetores
próprios e,conseqüentemente, A é diagonalizável.
Passaremos a estudar um caso particular muito importante de diagonalizaçâo.

6.5 D IA G O N A LIZA Ç Ã O DE M ATRIZES SIMÉTRICAS
6.5.1 Propriedades
I) A equação característica de uma matriz simétrica tem apenas raízes reais.
Faremos apenas a demonstração para o caso de uma matriz simétrica A de ordem 2.

De fato: seja a matriz
A=
A equação característica de A é:
p- X r
det(A-XI) = = 0
r q-X
isto é:
(p-X )(q-X )-r2=0
ou:
pq - Xp - Xq + X^ - r^ = 0
X^ - ( p + q ) X + ( p q - r ^ ) = 0
O discriminante dessa equação do 29 grau em X é:
(P - ^(P9 - = P^ ^ 2pq + q^ - 4pq + 4r^ = (p - q)^ + 4r^
Tendo em vista que esse discriminante é uma soma de quadrados (não-negativa), as raízes
da equação característica são reais e, por conseguinte, a matriz A possui dois valores próprios.
II) Se T:V-------- ►V é um operador linear simétrico com valores próprios distintos, então
os vetores próprios são ortogonais.
300 Álgebra linear
De fato:
Sejam Xi e X2 dois valores próprios do operador simétrico T e Xi X2 . Sejam ainda

T ( v i ) = XiVi e T ( v2 ) = X2V2 . Pretendemos mostrar que
Vj .V2 = 0
Sendo T um operador simétrico, pela propriedade 5.6.1, vem:
T(Vi ).V2 =V, .T(V2)
ou:
XiV, .Vj = v , .X 2V2
ou:
Xl(Vi .V2)-X2(Vi . V 2 ) = 0
ou, ainda:
(Xl - X 2 KV, .V2 ) = 0
Mas,
Xi - X2 0 implica v^ . V2 = 0, ou seja:
Vl IV 2
III) Em 6.4.3 vimos que uma matriz A é diagonalizada pela matriz P dos vetores próprios
através de:
D = P-'AP (6.5.11
No caso particular de A ser simétrica e P uma base, pela propriedade anterior, P será
base ortogonal. Conseqüentemente, dessa base obtém-se uma base ortonormal, considerando 0
vetor unitário de cada vetor.
Assim, de acordo com a propriedade V de 5.5.1, os vetores próprios unitários formarão

uma matriz ortogonal. E, sendo P uma matriz ortogonal, pela propriedade I de 5.5.1, tem-se
p -i _ pt Portanto a relação (6.5.1) fica:
D = P^ AP
e, nesse caso, diz-se que P diagonaliza A ortogonalmente,
8) Determinar uma matriz ortogonal P que diagonaliza a matriz simétrica:
7 -2
A = -2 6
0 -2
Solução
7- X -2 0
det(A-M) = -2 6- X -2 = 0
0 -2 5- X
6-X -2 -2 -2 -2 6-X
(7-\) -(-2) + 0 = 0
-2 5- X 0 5 -X 0 -2
( 7 - X ) [ ( 6 - \ ) ( 5 - \ ) - 4 ] + 2 [ - 2 ( 5 - \ ) + 0] + 0 = 0
(7 - \ ) ( 6 - X)(5 - X) - 28 + 4X - 4 ( 5 - X) = 0
302 Álgebra linear
( 7 - X ) ( 6 - X ) ( 5 - X ) - 2 8 + 4 \ - 2 0 + 4X = 0
(7 - \) ( 6 - X)(5 - X) - 4 8 + 8X = 0
( 7 - X ) ( 6 - X ) ( 5 - X ) - 8 ( 6 - X) = 0
(6-X )[(7-X )(5-X )-8] = 0
( 6 - X ) ( 3 5 - 1 2 X + X * - 8) = 0
( 6 -X)(X^ - 1 2 X + 2 7 ) = 0
(6-X)(X-3)(X-9) = 0
As raízes dessa equação são Xi = 3, X2 = 6 e X3 = 9 e, por conseguinte, são valores pró

prios da matriz A.
II) O sistema homogêneo de equações lineares que permite a determinação dos vetores
(A-XI)v = 0
i
Considerando
V =
0 sistema fica:
7 -X _2 0 X 0
-2 6 -X -2 y = 0 (6.5.2a)
0 -2 5-X z 0
i) Substituindo X por 3 no sistema (6.5.2a), obtém-se os vetores próprios associados

a Xj “ 3:
4 - 2 0 X 0
-2 3 -2 y = 0
0 - 2 2 z 0
isto é:
4x - 2y + Oz = 0
-2x + 3y - 2z = 0
Ox - 2y + 2z = 0
y = 2x
z = 2x
Assim, os vetores Vi = (x, 2x, 2x) = x ( l , 2, 2) são os vetores próprios associados ao

valor próprio Xi = 3. Fazendo:
1 1
X=
+2^ + 2^ 3
1 2 2
obtém-se o vetor próprio unitário Uj associado a X i = 3 .
ii) Substituindo .X por 6 no sistema (6.5.2a), obtém-se os vetores próprios associados a

X2 =6:
1 -2 0 X 0
-2 0 -2 y = 0
0 -2 -1 z 0
isto é:
Ix - 2y = 0
-2x - 2z = 0
- 2y - z = 0
304 Álgebra linear
1
y
Z = -X
Assim, os vetores V2 - ( x , y x , - x ) = -1) são os vetores próprios associados ao valor

próprio X2 = 6 . Fazendo
X =
+ 1
2 1 2
obtém-se o vetor próprio unitário U2 = associado a X2 = 6 .
iii) Substituindo X por 9 no sistema (6.5.2a), obtém-se os vetores próprios associados

a X3 = 9 :
-2 -2 0 X 0
-2 -3 -2 y 0
0 -2 -4 z 0
isto é :
- 2x - 2y =0
- 2 x - 3y - 2z = 0
- 2y - 4z = 0
y = -x
1 X
Assim, os vetores V3 = (x, - x ,- y x ) = x ( l , -1»“^ ) são os vetores próprios associados ao valor

próprio X3 = 9.
Fazendo
1_ ^ 2 ^
9 3
2 2 1
obtém-se o vetor próprio unitário U3 = (“3 associado a X3 = 9 .
III) A matriz P, cujas colunas são as componentes dos vetores próprios unitários U i, U2 e
U3 associados aos valores próprios X i ,\2 e X3 éortogonal:
1 2 2
3 3 3
2 1 2
P =
3 3 ■ 3
2 2 1
3 ■ 3 3
t t t
Ul «2 U3
De fato:
Ui .U , ( 3 . 3 . 3 ) ( 3 - 3 >3 ) 9 ■'■9■ '■ 9 *
- í l L 2l \ - ± + L + ± - 1
U2 .U 2 '^3 >3 ’ " 3 - ' * - 3 ’ 3 > ~ 3 ^ 9 9 9
U3 .U 3
-rl. 2l 1\ í l. 2 ls_4^4M_,
9+9+ 9 - í
1 2 2 2 1 2 . 2 4
^ 3 ’ 3 ’ 3 ^ ' ^ 3 ’ 3 ’” '3^ 9^9
o q”9o ®
1 2 2, .2 2 K _2 4 ^ 2 __
Ui .U3 ( 3 . 3 . 3) (3 3.3) 9 " 9'’’ 9 °
_ .2 1 2. 1 L \-± 1 2__„
^ ’ 3 ’ " 3 ^ ‘ ^ 3 ’ ’ 3 ’ 3^ 9 9 9 ^
306 Álgebra linear
A matriz P é a matriz diagonalizadora. De fato:
D = P * AP = P* AP
isto é:
1 2 2 2^
7 -2
3 3 3 3
2 1 2
D = -2 6 -2
3 3 "3 3
2 2 1
0 -2
3 “3 3 3
1 2- 2
1 4 6
3 3 3
2 1 2
D= 2 -6
3 3 ' 3
2 2 1
2 - 4 3
3 ' 3 3
3 0 0
D= 0 6 0
0 0 9
9) Seja o operador linear simétrico T : IR^ IR^ definido pela matriz:
1 0 -2
A= 0 0 0
-2 0 4
Determinar uma matriz ortogonal P que diagonaliza A.

Solução
1 -X 0 -2
det(A-XI) = 0 -X 0 = 0
-2 0 4-X
-X 0 0 0 0 -X
( 1 -X ) - 0 + (- 2 ) = 0
0 4 -X -2 4 -X -2 0
(1 - X) (-X) (4 - X) - 0 - 2 (-2X) = 0
(1 - X ) ( - X ) ( 4 - X ) + 4X = 0
ou:
- X ^ + 5X^ =0 X"(5-X) = 0
As raízes dessa última equação são Xi = 0, X2 = 0 e X3 = 5 e, por conseguinte, são va

lores próprios do operador linear simétrico T.
(A-XI)v = 0
Considerando
V = y
z
308 Álgebra linear
o sistema fica:
1- X 0 -2 x 0
(6.5.2b)
0 -X O y = 0
-2 0 4 -X z 0
i) Substituindo X por 0 no sistema (6.5.2b), obtém-se os vetores próprios associados a

Xj = 0 e X2 “ 0:
1 0 -2 X 0
0 0 0 y = 0
-2 0 4 z 0
isto é:
X - 2z = 0
-2 x + 4z = 0
z = —X e y qualquer
Assim
im, os vetores v = (x, x) são os vetores próprios associados a Xi = 0 e X2 = 0.
Fazendo x = 2 e y = 0, por exemplo, obtém-se um vetor Vj = ( 2 , 0 , 1 ) ; fazendo x = 0

e y=l, por exemplo, obtém-se outro vetor V2 = ( 0 , 1 , 0 ) . Os vetores próprios v^ e V2 ,
linearmente independentes, são associados ao mesmo valor próprio X = 0.
Os vetores próprios unitários, associados a Xi = 0 e X2 = 0, são:
1 r 2 . 1 ,
Uj = ;---- ; V2 = ( 0 , 1 , 0 )
I V2 I
ii) Substituindo X por 5 no sistema 6.5.2b, obtém-se os vetores próprios associados

a X3 = 5:
-4 0 -2 X 0
0 -5 0 y = 0
-2 0 -1 z 0
isto é:
-4x - 2z = 0
-5y = 0
-2x - z = 0
z = - 2x
y=0
Assim, os vetores V3 = (x, 0, -2x) = x ( l , 0, -2) são os vetores próprios associados a X3 = 5.

Fazendo
1 1
X=
v/l + 0 + 4 v^5
1 2
obtém-se o vetor próprio unitário U3 = (—^ , 0 , -" 7 =) associado a X3 = 5 .
V5 v5
III) A matriz P, cujas colunas são as componentes dos vetores próprios unitários
U i, U2 e U3 , associados aos valores próprios X i, X2 e X3 , é ortogonal:
2 1
un
V5 V5
P = 0 1 0
1 0 2
n/5 ‘ V5
t t t
Ul U2 U3
310 Álgebra linear
De fato:
Ui . Ui = Uj . Uj = U3 . U3 = 1
«1 • Uj = Ui • U3 = “ 2 • U3 = 0
IV) A matriz P é a matriz diagonalizadora.
De fato:
D = p - i AP = P‘ AP
2 r\ 1 n 0 2 1
0 1 U -Z
V5- v r VT V5
D= 0 1 0 0 0 0 0 1
1 __ 2_ 'X X
0 -2 0 4 0
_V T 'y/5_ v /r V5
~2 1 5
0 0 0
V5 V5 n/T
D= 0 1 0 0 0 0
1 2 10
0 0 0
_v/T ■V5_ 'v T _
0 0 0
D= 0 0 0
0 0 5
10) Seja o operador linear simétrico T: F * • definido pela matriz
4 12
A =
.12 -3
Determinar a matriz ortogonal P que diagonaliza A.
Solução
4-X 12
det(A-XI) = = 0
12 -3-X
isto é:
(4-X )(-3-X )-144 = 0

ou:
- 1 2 - 4 X + 3 X + X^ - 1 4 4 = 0
X^ - X - 156 = 0
II) As raízes dessa equação são:
Xi = - 1 2
X2 = 13
e, por conseguinte, Xi = -12 e X2 = 13 são os valores próprios do operador linear T.
( A - X I ) v = 0.
Considerando
V =
312 Álgebra linear
o sistema fica:
4 -\ 12 X 0
(6.5.2c)
12 -3-X _y_ 0
i) Substituindo X por -12 no sistema (6.5.2c), obtém-se os vetores próprios associados

a Xi = - 12 :
16 12 X 0
12 9 y 0
isto é:
16x + 12y = 0
12x + 9y = 0
4
y = -3 X
4 4
Assim, os vetores Vi = ( x , x ) = x ( l , - - j ) são os vetores próprios associados a \ \ = -1 2 .
Fazendo:
1 j_ ^2.
x=-
'IS 5
3 4
obtém-se o vetor próprio unitário Ui “ ('^» “y ) associado ao valor próprio Xi = - 12.
ii) Substituindo X por 13 no sistema (6.5.2c), obtém-se os vetores próprios associados a

Xo = 13:
-9 12 X 0
12 -16 y 0
isto é:
-9x + 12y = 0
12x - 16y = 0
y=4^
3 3
Assim, os vetores V2 = (x, -^ x) = x ( l , são os vetores próprios associados a X2 = 13. Fa
zendo:
L -
■‘ " A T i : ' / s 5
V 16 V 16
A 3
obtém-se o vetor próprio unitário U2 = ( y associado ao valor próprio X2 = 13.
III) A matriz P, cujas colunas sao as componentes dos vetores próprios unitários Ui e U2
associados aos valores próprios Xi e X2 , é ortogonal:
_3_
5
De fato:
Ui . Ui = U2 . U2 = 1
Ui . U2 = 0
A matriz P é a matriz diagonalizadora.
De fato:
D = P-*AP = P‘AP
3 ]4 Ãlgebra linear
3 4 4 12 3 4
5 "5 5 5
P=
4 3 12 -3 4 3
5 5 ■5 5
ÍÉ
5 5
D=
4S 39
5 5
-12 0
D=
0 13
1) Verificar, utilizando a definição, se os vetores dados são vetores próprios das correspon
dentes matrizes;
a) v = ( - 2 ,l ) .
1 1 1
b) v = ( l , 1, 2), 0 2 1
0 2 3
1 -1 0
c) v = ( - 2 , 1 ,3 ), 2 3 2
1 2 1
2) Determinar os valores próprios e os vetores próprios das seguintes transformações lineares:
a) T: >■ IR^, T (x, y) = (x + 2 y , -x + 4y)
b ) T:lR^ ---<• IR^ T (x ,y ) = (2x + 2 y ,x + 3y)
c ) T;lR^ ---> IR^, T (x ,y ) = ( 5 x - y ,X + 3y)
d ) T:lR' — <•1R^ T (x ,y ) = ( y ,- x )
e) T:1R^ -----*-lR^, T (x, y, z) = (x + y + z, 2y + z, 2y + 3z)
0 T:1R^ ----- »• IR^ T ( x ,y ,z ) = ( x , - 2 x - y , 2x + y + 2 z )
g)T :lR ^ ----- ^ IR^ T ( x ,y ,z ) = (x + y ,y ,z )
3) Calcular os valores próprios e os correspondentes vetores próprios das seguintes matrizes:
a) 1 3
e) 1 0 0
A =
-1 5 A = 1 1 -2
0 1 -1
P
b) 2 1
0 3 2 1
3 4 A = 1 4 1
1 2 3
1 -1 0
g) 3 3 -2
A = 2 3 2
A = 0 -1 0
1 1 2
8. 6 -5
d) 3 -1 -3 h) 0 0 2
A = 0 2 -3 A = 0 -1 0
0 0 -1 2 0 0
4) Provar as seguintes proposições:
a) Se um operador linear T:V 'V admite X = 0 como valor próprio, então T não é
inversível.
b) Uma matriz A e sua transposta possuem os mesmos valores próprios.
c) Os valores próprios de uma matriz triangular (ou diagonal) são os elementos da diagonal
principal.
5) Os vetores V i = ( l ,l ) e V2=(2,-l) são vetores próprios de um operador linear

T:1R^ — ►IR^, associados a Xi = 5 e X2 = - l , respectivamente. Determinar a imagem
do vetor v = (4, 1) por esse operador.
6) a) Determinar o operador linear T:1R^ ---- cujos valores próprios são Xi = 1 e

X2=3 associados aos vetores próprios Vi = (y ,-y ) e V2 = ( 0 ,y ), respectivamente.
b) Mesmo enunciado para Xj = 3, X2 = -2 e Vi = x ( l , 2), V2 = x ( - l , 0).
7) a) Quais são os valores próprios e os vetores próprios da matriz identidade?
b) Se X i = 4 e X2 = 2 são valores próprios de um operador linear T:IR^----- ►IR^,

associados aos vetores próprios u = ( 2 , l ) e v = ( - l , 3 ) , respectivamente, determinar
T(3u-v)
c) Mostrar que se u e v são vetores próprios de uma transformação linear associados a

X, então a u - /3v é também vetor próprio associado ao mesmo X.
8) Seja T: R^ uma transformação linear que dobra o comprimento do vetor

u = (2, 1) e triplica o comprimento do vetor v = ( l , 2 ) , sem alterar as direções nem
inverter os sentidos.
a) Calcular T (0, 3).
b) Determinar T(x, y).
c) Qual a matriz do operador T na base { (2,1), ( 1 , 2 ) } ?
9) a) Determinar as matrizes das rotações em R^ que admitem valores e vetores próprios,
b) Determinar os valores e os vetores próprios das rotações referidas em a).

10) Seja T:V -----um operador linear não-inversível. Os vetores não-nulos do núcleo de
T são vetores próprios? Em caso afirmativo, determinar o valor próprio associado e,
em caso negativo, justificar.
11) Verificar se a matriz A é diagonalizável. Caso seja, determinar uma matriz P que diago-
naliza A e calcular P"ÂP.
a) 2 4 0 2 3 -1
A =
A = 0 1 -4
3 1
0 0 3
b) 9 1
A = g) 1 -2 -2
4 6
A = 0 1 0
-1 0 2 3
c) 5
A =
1 h) 3 0 -2
A = -5 1 5
d) 1
2 0 -1
A = -1
e) 1 0 0
A = -2 3 -1
0 -4 3
12) Seja T:1R^ ----- ►IR^ o operador linear definido por
T (x, y) = (7x - 4y, -4x + y)
a) Determinar uma base do IR^ em relação à qual a matriz do operador T é diagonal.
b) Dar a matriz de T nessa base.

318 Álgebra linear
13) Para cada uma das seguintes matrizes simétricas A, encontrar uma matriz ortogonal F, para
aqualPÂP seja diagonal:
a) 2 2 d) 1 1
A =
A = 0 -1 0
2 2
1 0 1
b) 3 -1
A = e) 7 -2 -2 ’
-1 3
A = -2 1 4
-2 4 1
c) 2 2
A =
2 5
14) Determinar uma matriz P que diagonaliza A ortogonalmente e calcular P ÂP.
a) 5 3 d) 6 0 6
A =
A = 0 - 2 0
3 5
6 0 1
b) 0 0
e) 2 -2 -1
A = 0 -1
A = -2 2 1
2 0
-1 1 5
c) 3 -1
A = -1 5
1 -1
1) a) sim b) sim c) não
2) a)X i=3, v i = ( y , y ) ; X2 = 2, V2 = (2y, y)

b) X, = 1, V, = y ( - 2 , 1); Xj = 4 , = x ( l , 1)
c) X, = X 2 = 4 , v = x ( l , 1)
d) NSo existem.
e ) X, = X 2 = 1, v = ( x , y , - y ) ; Xj = 4, V 3 = x ( l , l , 2 )
f) X, = 1 , V, = z ( 3 , - 3 , 1); X2 = - l , V2 = z ( 0 , - 3 , 1 ); X3 = 2 , V3 = z ( 0 , 0 , 1 )
g) Xi = X2 = X3 = 1, V= (x, 0, z), X e z não simultaneamente nulos.
3) a ) X i = 2, v i = y ( 3 , 1); X2 = 4 , V2 = y ( l , l )
b ) X, = 1, V, = ( - y , y ) ; X2 = 5, V2 = ( x , 3x)
c ) Xi = l , V i = ( x , 0 , -x); X2 = 2 , V2 = (~2z , 2 z , z); X3 = 3 , V3 = (x , - 2 x , -x )
d ) X ,= -l, v,= x (l,l,l); X2 = 2, V2 = x (1,1,0); X3=3, V3= x (1,0,0)
e) Xi = 1, Vj = ( 2z, 2z, z); X2 e X3 imaginários
f) Xi = 2, V, = ( x , y , - x - 2 y ) ; X2 = 6 , V2 = ( x , x , x )
3
g) X, = X 2 = X 3 = - l , V = ( x , y , 2 x + y y)
h ) X,=2, v i = x ( l ,0 ,l ) ; X2 = - l , V2 = y (0 , 1,0); X3 = - 2 , V3 = x ( l , 0 , - 1)
5) ( 8 , 11)
6) a) T (x, y) = (x, 2x + 3y)
b) T ( x , y ) = ( - 2 x + - |y , 3y)
7) a) X = 1 , todos os vetores do espaço com exceção do vetor nulo.
b) ( 26 , 6)
2
s 9 ? in
8) a) (2,10); b) T (x, y) = ( y x + y y , - - j x + — y); c)
0
320 Álgebra linear
9) a) 1 0 -1 0
(rotação de 0'^) e (rotaçao de 180'^)
0 1 0 -1
b) X = 1 e X = -1, respectivamente; com exceção do vetor zero, todos os vetores do IR^

são vetores próprios.
10) Todos os vetores do núcleo, com exceção do zero, são vetores próprios associados a X = 0.
a) 1 4 -2 0
P = , p - ‘ AP =
-1 3 0 5
b) 1 1 10 0
P = , p - ‘ AP =
1 -4 0 5
c) Não diagonalizável.
d) 2 1 0 3 0 0
P = 1 0 1 , p - ’^ AP = 0 2 0
2 1 -2 0 0 1
e) Não diagonalizável.
0 -3 1 -7 1 0 0
P = 1 0 -2 , P * AP = 0 2 0
0 0 1 0 0 3
g) 0 1 -1 1 0 0
P = 1 0 0 , p - ‘ AP = 0 1 0
-1 0 1 0 0 3_
h) Não diagonalizável.
12) a) { ( - 2 , 1 ) , ( 1 , 2 ) }
b) 9 0
0 -1
13) a) _ 1 1 d) 1 1
0
V2 V2 s/2 V2
1 1 P= 0 0 1
7 2
1 1
0
V2
b)
1 1 ~
e) 1 2
s /2 " v /5 0
n/3 'V6
P=
1 1 P= 1
v^_ V3 V2
1 1
c) n/3 v/6 V2
1 2
n/ ^ ’ v/5
P=
2 1
V5_
14) a)
1 1
v/2 ■ V2
P = P‘AP =
1 1
v/2 v7
1 0 1
b) v/2 ^/2 2 0 0
P = 0 1 0 . P*AP = 0 -1 0
1 0 1 0 0 -2
v/2
322 Álgebra linear
c) 1 1 1
v/2 2 0 0~
P = 1 2 , P - ‘AP = 0 3 0
0
V3 'V6
0 0 6
1 1 1 —J
■V2 V3 V6
d) 3 2
0
n/T3 V Í3
-2 0 0~
P = 1 0 0 , P - ‘AP = 0 10 0
0 0 -3
__ ^ 3 •— —
0
v/Í3 ’ v /l3
e) 1 1 1
’ V6 V3 v/2 6 0 0
1 1 1 0 3 0
, P - ‘AP =
n/6 " V3 y/2
0 0 0
2 1 —*
0
V6 V3
CAPÍTULO
7.1 FORMA Q U A D R A TIC A NO PLANO
A matriz simétrica real:
A=
associa ao vetor Vg = (x, y) E IR^, referido à base canônica
S={ei,e2 ), ei=(l,0) e e 2 = ( 0 , 1), o polinômio
ax^ + by^ + 2cxy
que é um polinômio homogêneo do 29 grau em x e y chamado forma quadrática no plano.
Na forma matricial esse polinômio é representado por
v*AVs = [x y]
sendo a matriz simétrica A a matriz da forma quadrática.
323
324 Álgebra linear
Assim, a cada vetor Vg corresponde um número real:
p = ax^ + by^ + 2cxy
Estamos designando tanto o par (x, y) quanto a matriz -.simplesmente por Vg.
É fácil identifícar em que contexto cada um estará sendo usado.
Exemplo
A matriz simétrica real:
4 12
A =
12 -3
define no IR^ a forma quadrática
p = 4x^ - 3y^ + 24xy
ou, na forma matricial
4 12
p= [x y]
12 -3
Ao vetor Vg = (1,2), por exemplo, corresponde o número real
P = 4(1)2 -3(2)'= + 2 4( 1) (2) = 4 - 12 + 48 = 40
7.1.1 Redução da Forma Quadrática à Forma Canônica
A forma quadrática no plano v*Av^ pode ser expressa por:
X.x'^ +\2y'^
Formas quadráticas 325
onde Xi e X2 são os valores próprios da matriz A, e x' e y' as componentes do vetor v na

base P = {ui,U2 }, isto é, Vp=(x',y'), sendo Ui e U2 os vetores próprios unitários associados
a Xj e X2 .
De fato:
Tendo em vista que a matriz P é a matriz-mudança de base de P para S, pois:
[I]^ = S - ‘ P = I P = P
e, portanto:
Vs=PVp
podemos escrever:
v*AVs=(PVp)‘ A(PVp)
ou:
VgAVg =Vp(P*AP)Vp
Como P diagonaliza A ortogonalmente (conforme 6.5 - propriedade III)
Xi 0
pt AP = D =
0 Xj
conclui-se que:
vÂv =v^Dv
S S P P
ou:
a c X X, 0 X/
[xy] = [x'y]
c b /
0 X2
i_ — y y
ou, ainda:
ax^ + by^ + 2cxy = Xi x'^ + X2y'^

326 Álgebra linear
A forma Xix'^ + ^ denominada forma canônica da forma quadrática no plano ou

também forma quadrática diagonalizada.
Exemplo
I) A forma quadrática:
4x^ - 3y^ + 24xy
pode ser expressa por:
-12x'^ + 13y'^
De fato:
A forma quadrática
4x^ - 3y^ + 24xy
é definida pela matriz
4 12
A =
12 -3
Mas os valores próprios da matriz A, conforme o problema resolvido número 10, Capítulo
6, são Xi = -12 e X2 = 13. Logo, a forma canônica da forma quadrática é:
-12x 2 + 1 3 / 2
II) Por outro lado, os vetores próprios unitários associados a Xi e X2 sao, respectiva
mente, Ui = ( y , - y ) e U2 = ( y , y ) .
Logo:
5 5
P =
5 5
Como Vg = Pvp equivale a Vp = P ou:
Vp=PVs
pois P - P pelo fato de P ser matriz ortogonal, podemos calcular Vp a partir de Vg.
Supondo que = (x, y) = ( í , 2), vem:
1 1 1
5 “ 5
1 1 2
5 5
-1
isto é, Vp = (x ',y ') = ( - l,2 ) .
Assim:
4x^ - 3y^ + 24xy = -12x'^ + 13y'^
4 (1 )' - 3 ( 2 ) ' + 2 4 ( 0 ( 2 ) = - l 2 (-1 )' + 13(2)'
4 - 12 + 4 8 = - 1 2 + 52
40 = 40
O que na verdade acabamos de fazer foi uma mudança de base ou uma mudança de referen
cial. O vetor V, que na base canônica S é Vg = ( 1 , 2 ) , na base P dos vetores próprios unitários
é Vp = ( -1 , 2) . Como a base canônica individualiza o sistema cartesiano retangular xOy e a base
P o sistema retangular x'O y\ podemos dizer que um ponto que tem coordenadas ( 1 , 2) em
relação ao primeiro sistema tem coordenadas ( - 1 , 2 ) em relação ao segundo sistema. A figura
mostra esse exemplo.
Essa mudança de referencial corresponde a uma rotação de um ângulo d do sistema xOy

até o sistema x'Oy'. [A matriz responsável por essa rotação é a matriz ortogonal P.
328 Àlgehra linear
Se tivermos o cuidado de dispor os vetores próprios unitários da matriz P de modo que

det P = 1, ela sempre representará uma rotação (ver 5.5.1-IIIa) e a transformação de coordenadas
X x'
= p
t
y y
que irá ocorrer no estudo das cônicas, a seguir, será sempre uma rotação.
7.2 CÔNICAS
Chama-se cônica a todo conjunto de pontos M do plano cujas coordenadas x e y, em

relação à base canônica, satisfazem à equação do 29 grau:
ax^ + by ^ + 2cxy + dx + ey + f= 0
onde a, b e c não são todos nulos.

Observação
As coordenadas x e y dos pontos M do plano são as componentes dos vetores v E IR^

que satisfazem a equação de uma cônica (Figura 7.2)
Figura 7.2
7.2.1 Equação Reduzida de uma Cônica
Nosso propósito é o reconhecimento e a análise da equação de uma cônica. Dividiremos

esse trabalho em duas etapas, sendo a primeira constituída de trés passos.
Seja a equação de uma cônica:
ax^ + by^ + 2cxy + dx + ey + f= 0 (1)
Etapa: Eliminação do termo em xy
IÇ Passo: Escreve-se a equação na forma matricial:
a c X X
[x y] + [ de] + f= 0 ( 2)
c b y_ _y_
330 Álgebra linear
(Os colchetes serão dispensados nas matrizes 1 x 1: [f] e [0].)
ou:
vÂVo
s s + Nvçs + f = 0
onde:
a c
, A = e N = [d e]
c b
29 Passo: Calculam-se os valores próprios Xi e X2 e os vetores próprios unitários

Ux = ( x i i , X i 2) e
U2 = (X21, X22) da matriz simétrica A.
S9 Passo: Substitui-se na equação (2) a forma quadrática
a c
V Avg = [X y]
pela forma canônica:
V D vp = [x' y']
e:
''s =
por:
Xil X21
Pv =
rvp
X12 X22
tendo o cuidado para que det P = 1, a fím de que essa transformação sqa uma rotação.
Assim, a equação (2) se transforma em:
f r
X, 0 X Xii X21 X
[x' y ' ] + [d e] + f = 0
0 Xj _y'_ X12 X22 y
ou:
+X 2 y ' + p x ' + q y ' + f = 0 (3)
que é a equação da cônica dada em (1), porém referida ao sistema x'O y\ cujos eixos sao
determinados pela base P = { U i, U2 } , conforme sugere a figura.
Observemos que enquanto a equaçao (1) apresenta o termo misto em xy, a equação (3) é
desprovida dele. Portanto, na passagem da equação (1) para (3) ocorreu uma simplificação
332 Álgebra linear
2? Etapa: Translação de Eixos
Conhecida a equação da cônica
Xix'^ + \ 2y^ + px' + qy' + f = 0, (4)
para se obter a equação reduzida efetua-se uma nova mudança de coordenadas, que consiste na
translação do último referencial x'Oy' para o novo, o qual chamaremos XO'Y. A análise das
duas possibilidades é feita a seguir.
I) Supondo Xi e X2 diferentes de zero, pode-se escrever:
\,( x ' ^ + ^ x ' ) + x ,( y '^ + ^ y ') + f= 0
ou:
Fazendo:
f_ ^ - Í = .F
' 4X, 4X2
e , por meio das fórmulas de translaçao:
■ " lí
vem:
X,X^+XjY' - F = 0
e, finalmente:
X,X^ +XjY^ = F (5)

A equaç5o (5) é a equação reduzida de uma cônica de centro e, como se vé, o primeiro
membro é a forma canônica da forma quadrática no plano.
II) Se um dos valores próprios for igual a zero, Xi = 0, por exemplo, a equação (4)
fica:
\ 2y ^ + p x + qy + f = 0
ou:
X2( y ' ^ + j J y') + px' + f=o
Fazendo, por meio de uma translação:
X = x'+— -
P 4pXj
vem:
X2Y 2 + pX = 0 ( 6)
A equação (6) e' a equação reduzida de uma cônica sem centro.
Observação
Se em lugar de Xi fosse X2 = 0, a equação reduzida da cônica sem centro seria:
XiX' + q Y = 0
334 Álgebra linear
7.2.2 Classíficaçao das Cônicas
I) A equação de uma cônica de centro é:
XiX^ +X2Y^ = F
• Se Xi e X2 forem de mesmo sinal, a cônica será do gênero elipse.
• Se Xi e X2 forem de sinais contrários, a cônica será do gênero hipérbole.
II) A equação de uma cônica sem centro é:
X2Y 2 + pX = 0
ou:
XiX" + qY = 0
Uma cônica representada por qualquer uma dessas equações é do gênero parábola.
1) Determinar a equação reduzida e o gênero da cônica representada pela equação
ly? + 2 y ^ + 2 x y + 7 \ J l x + 5 \J Í y + 10 = 0 ( 1)
Solução
De acordo com 7.2.1, dividiremos esse trabalho em duas etapas, sendo a primeira consti
tuída de três passos.
1? Etapa: Eliminação do termo em xy
IÇ Passo: Escrevemos a equação dada na forma matricial:
2 1 X X
[ x y ] + [?V 2 5 ^ 2 ] + 10 = 0 ( 2)
1 2 y y_
2Q Passo: Calculemos os valores próprios e os vetores próprios unitários da matriz
”2 r
A =
1
2 -X 1
det(A - XI) = det
1 2-X
isto é:
(2-X )(2-X )-l=0
4.4X+X2 =o
X2 - 4X + 3 = 0
Xi = 3
X2 = 1
Resolvendo o sistema
2 -X 1 X 0
1 2 -X y_ 0
obteremos os vetores próprios de A.
Para Xi = 3, vem:
-1 1 X 0
1 -1 y 0
e daí:
V, = x ( l , 1)
336 Álgebra linear
Para X2 = U vem:
1 1 X 0
1 1 y 0
e daí:
V2 = x ( - l , 1)
Portanto, os correspondentes vetores próprios unitários são:
_/ J 1X - / I J_^
^v/2’V 2^ ' V2
3Q Passo: Substituímos em (2) a forma quadrática
2 1 X
[X y]
1 2 y
pela forma canônica
3
[x' y']
0
e o vetor
por
1 1
n/2
1 1
V2 V2
onde já tivemos o cuidado de dispor os vetores próprios unitários de tal modo que:
1 1
v/2 ' V 2
det = +1
1 1
V 2
a fim de que essa transformação de coordenadas represente uma rotação.
Logo, a equação (2) fica:
1 1 t
X
3 0 x' V2 V 2
[x' y'] + [l\fl Ss/2 ] + 10 = 0
0 1 y' 1 1
n/2
y'
V2
ou:
3x'2 + y ^ + 1 2 x ' - 2 y ' + 10 = 0 (3)
que é a equaçao da cônica (1), porém referida ao sistema x'Oy', cujos eixos sao suportes de
Vi e V2 (ou Ui e U2), conforme a figura 7.3a.
338 Álgebra linear
Tomemos a equação (3) e façamos uma translação do sistema xOy '. Assim:
3x^ + y ^ + 1 2 x ' - 2 y + 10 = 0
(3x^ + 12x') + (y'' - 2 y ') = -10
3(x'^ + 4x ' ) + (y 2 - 2 y ) = -10
3(x'" +4x' + 4) + (y 2 - 2 y ' + l ) = - 1 0 + 3 ( 4 ) + 1
3 (x + 2)2 +(y'>l)'^ = 3 (4)
Utilizando as fórmulas de translação, façamos:
X = x' + 2
Y = y' - 1
e, portanto, a equação (4) fica:
3X2 + y2 = 3 (equação reduzida)
ou:
que é a equação canônica da cônica dada em (1), porém referida ao sistema XO'Y, onde
0 '(- 2 , 1).
Trata-se de uma elipse cujos semi-eixos medem 1 e >/3 , estando o eixo maior sobre o
eixo dos Y, conforme mostra a figura 7.3b.
Observação
Tendo em vista que e i = ( l , 0 ) e Uj = (—^ ,—|i:), o ângulo d correspondente à rotação

^ ^ ^
e dado por: V2 V2
C O S 0 = ------------- ---- = C i .U i = 1 (— — ) +0 — = - ^
le.llu .l ^/2 V2 V2 2
Por outro lado, para confirmar, C2 =( 0, 1) e U2 = ( — 7= logo-

\Í2 y/2
COS 6 =_ «2 - U2 ----
— ) + 1 (— ) = — = - ^
e^M U2 I s/2 V2 2
isto é;
6 = arc C O S = 45°
2) Determinar a equação reduzida e o gênero da cônica representada pela equaçao
1 Ix^ - 24xy + 4y^ + 20x - 40y - 20 = 0 (5)
Solução
IÇ Passo: A equação dada na forma matricial é:

S40 Álgebra linear
11 -12
[x y] [ y ] + [20 - 40] y j - 20 = 0 (6)
-12 4
2Ç Passo: Os valores próprios e os vetores próprios unitários da matriz simétrica
11 -12
A =
-12 4
são:
X, = 2 0 , u, = ( y , - | )
^ c . 34,
X2=-5, U 2 = (y ,-)
(A verificação fica a cargo do leitor.)
3Q Passo: Com as devidas substituições, a equação (6) fica:
A J_
20 0 “ X/ “
J J X/
[x' y'] + [20 -4 0 ] -20 = 0
/
LyJ 3 4 Ly J
0 -5
5 5
ou:
20x'^ - 5y'2 + 40x' - 20y' - 20 = 0
ou, ainda:
4x'^ - y'^ + 8x' - 4y' - 4 = 0
(4x'^ + 8x') - (y'^ + 4y') = 4

4 (x'^ + 2x') - (y'^ + 4y') = 4
4(x'^ + 2x' + 1) - (y'^ -h 4y' + 4) = 4 + 4 - 4
4 (x '+ 1)^ - ( y +2)2 =4
Fazendo:
X = x '+ 1
Y = y' + 2
a equação acima fica:
4X2 - =4
ou:
1 4
que é a equação reduzida da cônica dada em (5), porém referida ao sistema XO'Y, sendo
Trata-se de uma hipérbole cujo eixo real, de medida 2, está sobre o eixo dos X, conforme se
vé na figura 7.3c.
Figura 7.3c.
342 Álgebra linear
3) Determinar a equação reduzida e o gênero da cônica representada pela equação:
+ 2xy + - 8x + 4 = 0 (7)
Solução
IÇ Passo: A equação dada na forma matricial é:
1 1 X X
[ x y ] + [-8 0] + 4 = 0
1 1 _y_ y
2Ç Passo: Os valores próprios e os vetores próprios unitários da matriz simétrica:
1 1
A =
1 1
são:
X.=0,
(VerificaçSo a cargt» do leitor.)
SQPasso: Com as devidas substituições, a equação (7) fica;
1 1
0 0
v/2 V2
[x' y'] + [-8 0] + 4 = 0
0 2 1 I
’V2 V2
ou:
ou, ainda:
29Eta|Mi: Transbção de Eixos
( v '2 __ 1 v ' ) = _ l x ' - 2

^ V2
(y'-V 2)= -2V 2x’
Fazendo;
X = x’
Y = y'-V 2
=2V2X
que é a equaçSò reduzida da cônica dada em (7), poiém referida ao sistema XO'Y, onde
O'(0, v / 2 ) .
344 Álgebra linear
Trata-se de uma parábola de parâmetro igual a >/2 > tendo para eixo o eixo dos X,
conforme mostra a figura.
4x^ - 3y^ + 24xy - 1 5 6 = 0
Solução
Como essa equação não apresenta os termos de primeiro grau em x e y, a resolução é

constituída somente da 1^ etapa.
IQ Passo: A equação na forma matricial é:
4 12] [ x
[xy] -156 =0 (8)
12 -3 y
2Ç Passo: Os valores próprios e os vetores próprios unitários da matriz simétrica
4 12
A =
12 -3
S ão :
=-12, U i=(y,-j)
Xj = 13, u, = ( y , y )
(Verificação a cargo do leitor.)
O cálculo dos vetores próprios e de seus correspondentes vetores unitários é dispensável

neste problema de se encontrar a equação reduzida, a não ser se desejarmos construir o gráfico,
pois são esses vetores que determinam o novo referencial x O y \
3Ç Passo: Com as devidas substituições, a equação (8) fica:

346 Álgebra linear
- 6x + 8y - 7 = 0
Solução
Como essa equação não apresenta o termo em xy, a resolução é constituída somente da
2? etapa.
x^ - 6x = -8y + 7
x^ - 6x + 9 = -8y + 7 + 9
( x - 3 ) 2 = - 8 y + 16
(xO)^=-8(y-2)
Fazendo
X = x -3
Y =y -2
a equação anterior fica
= -8Y
que representa uma parábola de vértice na origem do sistema XO'Y, com 0'(3 , 2), e voltada
para baixo, conforme mostra a figura 7.3f.
7.4 NOTAS COMPLEMENTARES
7.4.1 Cônicas Degeneradas
Vimos que a equação do segundo grau nas variáveis x e y
ax^ + by^ + 2cxy + dx + ey + f= 0 (7.4.1)
representa uma elipse ou uma hipérbole ou uma parábola.
No entanto, em casos particulares, essa equação pode também representar um par de retas,
uma só reta, um ponto ou o conjunto vazio, que são as chamadas cônicas degeneradas.
A análise da equação (7.4.1) permite concluir os diversos casos:
a) Se Xi e X2 tiverem o mesmo sinal, a cônica será uma elipse, um ponto ou o conjunto

vazio.
Exemplos
1) A equação
(x + 2)'^ + ( y - l ) 2 = 0
ou:
+ y^ + 4x - 2y + 5 = 0
representa o ponto (-2, 1) (circunferência de raio igual a zero).
2) A equação
Sx'' + 2y'^ + 1 = 0
representa o conjunto vazio. Essa equação não define nenhuma figura geométrica (o 19 membro
é sempre ^ 0).
b) Se Xi e X2 tiverem sinais contrários, a cônica será uma hipérbole ou duas retas.

348 Álgebra linear
Exemplo
A equaçío
9X2 .y 2 = 0
representa as retas y = -3x e y = 3x.
De fato, fatorando o primeiro membro, obtemos:
(3x + y ) ( 3 x - y ) = 0
e concluímos que:
3x + y = 0 ou 3x - y = 0
ou seja:
y = -3x ou y = 3x
c) Se Xi = 0 ou X2 = 0 , a cônica será uma parábola, duas retas paralelas, uma reta

ou o conjunto vazio.
Exemplos
1) A equação
4x2 ^9 (Xi=4 e X2=0)
representa duas retas paralelas.
De fato, podemos escrever
ou:
isto é:
3 3
2 2
que são duas retas paralelas.
2) A equação
=0 (Xi = 0 e X2 = 1)
representa uma reta, no caso, o eixo dos x, isto é, y = 0.
3) A equação
3x^ = .5 (Xj —3 e X2 ” 0)
representa o conjunto vazio.
As cônicas (elipse, hipérbole e parábola) e suas degenerações (um par de retas, uma só reta
e um ponto) constituem as possíveis interseções de uma superfície cônica com um plano.
1) Identificar as seguintes cônicas:
a) x" + y2 = 1 h) x^ + y^ = 0 p) x^ - 4 = -y^
b) x^ - y2 = 1 i) x^ + y2 + 1 = 0 q) y - 3x^ = 0
c) x^ -y ^ = 0 j) x^ . 1 = 0 r) 3x^ - 4y^ = 1
x^
d) x^ - y = 1 s) 2x^ + 3y^ = 6
e) x^ - y = 0 m) f . f = 1
0 x -y ^ =0 n) 4y^ - x^ = 8
g) X +y = 1 o) 5y^ - 3x = 0
350 Álgebra linear
2) Mostrar que as seguintes equações representam duas retas no plano:
a) 4x^ « =0
b) - 16y^ = 0
c) x^ + 2xy + y^ - 1 = 0
Nos problemas 3 a 15, determinar a equação reduzida referida ao sistema XOY

e o gênero da cônica representada pela equação dada a seguir. Esboçar o gráfico.
3) 17x^ + 12xy + 8y^ - lOx + 20y + 5 = 0
4) 7x^ +y^ - 8 x y - 1 7 V^ x + l l >/ 5y + 41 = 0
5) 4x^+ y^+ 4xy + 5 \/5 x + 1 0 \/5 y + 5 = 0
6) x^ + y^ + xy + 5 \/2 x + 4 \/2 y + 1 = 0
7) 4x^ ^ 6xy - 4y^ + 20x - 20y - 1 9 = 0
8) 16x^ -2 4 x y + 9y2 - 1 5 x - 2 0 y + 5 0 = 0
9) 3x^ - 2xy + 3y^ - 2x - lOy - 1 = 0
10) xy + 4 y /2 \ + 6 V 2y + 30 = 0
11) x^ + 2 y/3xy + 3y^ - 4x = 0
12) x^ + y^ + 2xy - 4 \ /2 x = 0
13) 16x^ +9y^ - 9 6 x + 7 2 y + 144 = 0
14) 4x^ - 5y^ + 8x + 30y - 2 1 = 0
15) x^ - 6x + 8y + 1 = 0
Nos problemas 16 a 24, efetuar uma rotação nos eixos coordenados a fim de eliminar
o termo em xy. Identificar a cônica e escrever sua equação no sistema x Oy' obtido
após a rotação. Esboçar o gráfico.
Formas quaâraticas 351
16) 3x^ + 2xy + 3y^ - 4 = 0
17) 2x^ +y" + 2 v / 6 x y = 16
18) 2x^ + 4xy + 2y^ - 1 6 = 0
19) 7x^ - 8xy + y^ + 36 = 0
20) xy = 2
21) 5x^ + 4xy + 2y^ - 1 2 = 0
22) 7x^ + 13y" - 6 V 3 x y - 1 6 = 0
23) x^ + y^ + 4xy - 3 = 0
24) 3x^ + 2xy + 3y2 - 4 = 0
As equações dos problemas 25 a 35 representam cônicas degeneradas. Identificá-las e

esboçar o gráfico, quando possível.
25) x^ - y 2 - 2 x - 2 y = 0
26) x^ +y2 - 2 x - 2 y + 4 = 0
27) x^ + y^ - 6x + 4y + 13 = 0
28) 2x^ + 2 \ / 2 x y + y"= 12
29) x^ + y^ + 2xy - 8 = 0
30) x^ + y^ + 2xy = 0
31) x^ + y^ + 2xy + 5 = 0
32) x^ + y^ + 4xy = 0
3x^ + 2xy + 3y^ + 4 = 0
34) 3x^ + 2xy + 3y^ = 0
35) x^+y ^ + 2 x y + 4 = 0
352 Álgebra linear
1. a) Circunferência. j) Duas retas: x = l e x = -í.

b) Hipérbole. l) Elipse.
c) Duas retas: y = x e y = -x. m) Reta.
d) Parábola. n) Hipérbole.
e) Parábola. o) Parábola.
f) Parábola. p) Circunferência.
g) Reta. q) Parábola.
h) O ponto (0, 0). r) Hipérbole.
i) O conjunto vazio. s) Elipse.
2) a) y = 2 x e y = - 2x
12) Y^ = 4X, parábola
1 1
4^
13) V2 y ^2
. s/2 V2 — +— = 1, elipse
c)y=— e
2
14) Y2 y2
= 1, hipérbole
3)
^ —T +-T“ = 1, elipse
4 1
15) = - 8Y, parábola
V'2
16) x'^ +— = 1, elipse
5) Y^= 3X, parábola

17) 4 x^^ - = 16, hipérbole
18) y' = 2 ou y' = - 2 , duas retas
7. Y * - X ^ = 1, hipérbole 19) hipérbole

36 4 ^
8. X^ = Y, parábola
2») h,pe,bok
9) X^ ^Y^ ,
^ ^ = 1, elipse
21) x'^ y'^
— + ^ = 1, elipse
z o
10) X^ Y^ , .. , . ,
hiperbole
22 ) x'^ + 4y^^ - 4 = 0 , elipse
V3 X, parábola
11) Y^ = -
23) 3x'^ - y'^ = 3 , hipérbole
24) x'^ = 1, elipse 30) A reta y' = 0.
31) Vazio.
25) Duas retas: y = ± ( x - l ) - l .
32) Duas retas concorrentes:

26) Nenhum ponto do plano.
y = \/3 x e y' = - VJx'
27) O ponto (3, - 2) . 33) Vazio.
28) Duas retas paralelas: x' = ± 2. 34) O ponto (0, 0).
29) Par de retas paralelas: y' = ± 2. 35) Vazio.
7.6 FORMA Q U A D R A TIC A NO ESPAÇO TR ID IM E N S IO N A L
A matriz simétrica real
a d e
A = d b f
e f c
associa ao vetor v^=( x , y , z ) ^ IR^, referido à base canônica S = { e i , e 2 , e 3 } , ei = ( 1 , 0 , 0 ) ,

e 2 = ( 0 , 1, 0), ea = ( 0, 0, 1), o polinòmio
ax^ + by^ + cz^ + 2 dxy + 2 exz + 2fyz
que é um polinòmio homogêneo do 29 grau em x, y e z chamado forma quadrática do espaço

tridimensional.
Na forma matricial esse polinòmio é representado por:
a d e
VgAvg = [ X y z] d b f
e f c
sendo a matriz simétrica A a matriz da forma quadrática.

354 Álgebra linear
Assim, a cada Vg corresponde um número real
p = ax^ + by^ + cz^ + 2dxy + 2 exz + 2 fyz
Exemplo
A matriz simétrica real
3 -1 1
A = -1 5 -1
1 -1 3
define no IR^ a forma quadrática
p = 3x^ + 5y ^ + 3z^ - 2xy + 2xz - 2yz
Ao vetor Vg = (0, 1,2), por exemplo, corresponde o número real
p = 3(0)2 +5(1)2 +3(2)2 _ 2 (0 )(1 )+ 2 ( 0 ) ( 2 ) - 2 ( l) ( 2 ) = 0 + 5 + 1 2 - 0 + 0 - 4 = 13
7.6.1 Redução da Forma Quadrática á Forma Canônica
A forma quadrática no espaço Vg Avg pode ser expressa por
X ix '2 + \2Y'^ +
onde Xi , X 2 e X3 são os valores próprios da matriz A, e x',y' e z as componentes do

vetor V na base P = { U i, U2 , U3 } , isto é, Vp = ( x \ y', z'), sendo Ui , U 2 e U3 os vetores
próprios unitários associados a X i, X2 e X3 .
De fato:
Tendo em vista que a matriz P é a matriz-mudança de base de P para S, pois:
[I]g = S 'P = I P= P
e, portanto:
Vg=PVp
podemos escrever:
\^ÀVg =(P vp )‘ A(PVp)
ou:
i Avs = v{,(P‘AP)Vs
Como P diagonaliza A ortogonalmente:
0 0
P*AP = D = 0 X2 0
0 0 X3
conclui-se que:
V* AVg = v|,Dvp
ou:
a d e X X, 0 0 x'
[x y z] d b f y = [x y z ] 0 X2 0 y
e f c z 0 0 X3 z
ou, ainda:
ax^ + by^ + cz^ + 2dxy + 2exz + 2fyz = Xix'^ + \ 2y^ +
A forma XiX ^ + X2y'^ + XsZ^ é denominada forma canônica da forma quadrática no

espaço tridimensional.
356 Álgebra linear
Exemplo
I) A forma quadrática:
3x^ + 5y^ + 3z^ - 2xy + 2xz - 2 yz
pode ser expressa por
2 x '2 + 3 / 2 + 6z 2
De fato:
A forma quadrática:
3x2 + 5y2 + 3z2 - 2xy + 2xz - 2yz
é definida pela matriz
3 -1 1
A= -1 5 -1
1 -1 3
Mas, os valores próprios da matriz A, conforme o problema resolvido número 1,

Capítulo 6 , são Xi = 2, X2 = 3 e X3 = 6 . Logo, a forma canônica da forma quadrática é
2 x'2 + 3 /2 + 6 z'2
II) Por outro lado, os vetores próprios unitários associados a Xi, X2 e X3 são, respecti-
vamente, Ui = ( - ^ , 0 , — ^ ) , e U3 = ( —^ , — ^
V2 y/2 V3 n/ 3 v/3 \/6 \/6 s/6
Logo:
1 1 1
V2 V6
P = 1 2
0
V I
1 1 1
“v T V6
Como Vg = Pvp equivale a Vp = P Wg, ou
Vp=P*Vs
pois P^ = P"^ pelo fato de P ser matriz ortogonal, podemos calcular Vp a partir de Vg.
Supondo que Vg = (x, y , z) = ( 0 , 1 , 2 ) , vem:
1 0 1
n/2 ‘ V2
1 1 1
1 2 1
v/5 "V6 V6
'v/2
isto é, Vp = (x', y', z') = ( - ^ , 0).
Assim:
3 x^ + 5y^ + 3z^ - 2xy + 2xz - 2yz - 2xy + 2xz - 2yz- 2x'^ + 3y'^ + 6z'^
_3
3(0)^ +5( 1) ^ + 3(2)^ - 2 ( 0 ) ( l ) + 2 ( 0 ) ( 2 ) - 2 ( l ) ( 2 ) = 2 + 3 ( - ^ )" + 6(0)^
v /2 ' v /5 '
0 + 5+ 1 2 - 0 + 0 - 4 = 2 ( y ) + 3 ( - |- ) + 0
13= 13
As considerações que fizemos no plano sobre mudança de referencial pela rotaçao são
válidas também para o espaço.
358 Álgebra linear
7.7 QUADRIGAS
Chama-se quádrica ou superfície quádrica a todo conjunto de pontos M do espaço

tridimensional cujas coordenadas x, y e z, em relação à base canônica, satisfazem a equação
do 29 grau
ax^ + by^ + cz^ + 2dxy + 2exz + 2fyz + mx + ny + pz + q = 0
onde a, b, c , d, e e f nao sao todos nulos.
As coordenadas x, y e z dos pontos M do espaço são as componentes dos vetores

VG IR^, que satisfazem à equação de uma quádrica (Figura 7.7).
Figura 7.7
7.7.1 Equação Reduzida de uma Quádrica
De forma análoga àquela adotada para as cônicas no plano, dividiremos o trabalho em

duas etapas.
Séja a equaçao de uma quádrica:
ax^ + by^ + cz^ + 2dxy + 2exz + 2fyz + mx + ny + pz + q = 0 ( 1)

Et2Lpa: Eliminação dos termos em xy, xz e yz
IÇ Passo: Escreve-se a equação na forma matricial:
a d e X X
[x y z] d b f y + [m n p] y + q=0 ( 2)
e f c z z
ou:
AVg + Nvg + q = 0
onde:
X a d e
y , A= d b f e N = [m n p]
z e f c
2Ç Passo: Calculam-se os valores próprios X i, X2 e X3 e os vetores próprios unitários

Ui = ( x n , X12, X13), U2 = (X21, X22, X23) e U3 = (X31, X32, X33) da matriz simétrica A.
39 Passo: Substitui-se na equação (2) a forma quadrática
a d e X
v‘g AVg = [x y z] d b f y
e f c z
pela forma canônica
t
0 0 X
/
v‘p Dvp = [x' y' z'] 0 X2 0 y
0 0 X3 z
360 Álgebra linear
e:
por:
/
Xii X21 X31 X
/
PVp = X12 X22 X32 y
/
X i3 X23 X33 z
tendo o cuidado para que det P = 1, a fim de que essa transformação seja uma rotação.
Assim, a equação (2) se transforma em:
f !
0 0 X X ll X21 X31 X
r t f t
[x y z ] 0 X2 0 y + [m n p] X12 X22 X32 y + q =0
0 0 X3 z X i3 X23 X33 z
ou:
XiX ^ ^ + rx' + sy' +tz' + q = 0 (3)
que é a equação da quádrica dada em ( 1), porém referida ao sistema \ y z , cujos eixos sao
determinados pela base P = { U i, U2 , U3 } .
Observemos que enquanto a equação (1) apresenta os termos mistos em xy, xz e yz, a
equação (3) é desprovida deles. Portanto, na passagem da equação (1) para (3), ocorreu uma
simplificação.
Conhecida a equação da quádrica
Xix'^ + X2y'^ + X3Z ^ + rx + sy' + tz' + q = 0 , (4)

para se obter a equação reduzida efetua-se uma nova mudança de coordenadas que consiste na
translação do último referencial x y z para o novo, o qual chamaremos XYZ. A análise das
possibilidades é feita a seguir.
1) Supondo X i, X2 c ^3 diferentes de zero, pode-se escrever:
X,(x'^ +-j^x') + X2 (y'^ + - ^ y ') +Xsíz'^ + - ^ z ') + q = 0
ou:
t , t^ X
4 \i X3^
S^
=0
2X / 2 \, i' 4 X2 4 X3
Fazendo:
*1'4X, ’ 4X^ '4X^
e, por meio de uma translação:
ry f, t
ãT
vem:
XiX' + X 2Y'' +X 3Z 2 - Q =0
e, finalmente:
XiX'' +X2Y"^ +XaZ^ = Q (5)
A equação (5) é a equação reduzida de uma quádrica de centro, e, como se vé, o primeiro
membro é a forma canônica da forma quadrática no espaço tridimensional.
362 Álgebra linear
II) Se um dos valores próprios for igual a zero, Xi = 0 , por exemplo, a equação (4) fica:
+ XaZ ^ + rx' + sy' + tz' + q = 0
ou:
^2(y'^ + ^ y ' ) + ^ 3 (z'^ + ^ z ' ) + rx' + q = 0
Xí(y'^ + X,^ i t l ) + X3(z'^ + Xj

f y' + 4X; ^ z ' + i4X|
r >^ ^ 4 X2 = 0
4 X3
_L s ^2 ^ ^ ^ t ^2 ^ ^ , q ^
M y*ã,> V - S S r - J í j ; >■“
Fazendo, por meio de uma translação:
r J4rX2
T - 4rXa
l f
V7 ft ^
7 ' 4. ^
vem:
X2Y^ +XaZ^ +rX = 0 ( 6)
A equação (6) é a equação reduzida de uma quádrica sem centro.
Observação
Se em lugar de Xi fosse X2 = 0 ou X3 = 0 , a equação reduzida de uma quádrica sem

centro seria:
X,X^ + XjZ^ +sY = 0

ou:
XiX^ +X 2Y" + tZ = 0
III) Se dois valores próprios forem iguais a zero, a equaçJo reduzida da quádrica sem centro
será da forma Xi X^ + AY + B = 0.
7.7.2 Classificação das Quádricas
I) A equação de uma quádrica de centro é
XiX'' +X 2Y" +X 3Z'' =Q
Dependendo dos valores de X i, X2 , X3 e Q, a quádrica será do tipo elipsóide ou

hiperbolóide.
II) A equação de uma quádrica sem centro é
+X 3Z 2 +rX = 0
ou:
XiX" +X 3Z 2 +s Y = 0
ou:
XiX"" +X 2Y 2 + t Z = 0
A quádrica representada por uma dessas equações é do tipo parabolóide.
III) A quádrica representada por uma equação de forma Xi X^ + AY + B = 0 é do tipo

cilindro.
1) Determinar a equação reduzida e o tipo da quádrica representada pela equação:
n
3y} + 5y^ + 3z^ - 2xy + 2xz - 2yz + \/3 y " ^
Solução
Eí2íP2l: Eliminação dos termos em xy, xz e yz
IÇ Passo: A equação dada na forma matricial, de acordo com 7.7.1, é
3 -1 1 X X
[x y z] -1 5 -1 y + [0 V I 0] y O)
7 Í-
1 -1 3 z z
364 Álgebra linear
29 Passo: Os valores próprios e os vetores próprios unitários da matriz simétrica
3 -1 1
A= -1 5 -1
1 -1 3
sáo:
X, = 2 , u, = ( ^ , 0 , - ^ )
\/2
^ 1 1 _L^
1 ^ / I 2 1-
39 Passo: Com as devidas substituições, a equação (7) fica:
1 1 1
V2 V3 V6
2 0 0 x'
t 1 2
[x y z ] 0 3 0 y + [0 V J 0] 0
V6 - I2= 0
;
0 0 6 Z
1 1 1
n/3 v/6
ou:
2 x '^ + 3 y '^ + 6 z '^ + y ' - y / 2 z ■ jy = 0
2 x '^ + 3 ( y '^ + ^ ) + 6 ( z ' ^ - ^ z ' ) = : | j
2x'^ + 3(y'^ + ^ + ± ) + 6 ( z ' ^ - ^ z ' + ^ ) = ^ ^
2x'^ + 3 ( y ' +1^) + 6 ( z ' - ^ )

Fazendo:
X=x
Y . / * i
^ ^ 12
2 X^ + 3Y^ + = -7 -
4
ou:
8 4 8
que é a equação reduzida da quádrica dada, porém referida ao sistema 0'XYZ, sendo
OVo
Trata-se de um elipsóide.
2) Identificar e esboçar a quádrica representada pelas seguintes equações:
a) 36x^ + 16y^ - 9z^ - 144 = 0
b) x^ + z^ - 4y = 0
Solução
a) 36x^ + 16y^ -9z^ =1 4 4
Dividindo ambos os membros da equação por 144, vem:
4 ^ 9 16
que é a forma canônica de um hiperbolóide de uma folha ao longo do eixo dos z (Figura 7.8a).
366 Álgebra linear
O traço no plano xOy é a elipse
= ^= 0
Os traços nos planos xOz e yOz são as hipérboles
z^ , „ z^
7-15=1, y=0 . 7-15-I. 2 - 0
respectivamente.
b) x^ + - 4y=
Figura 7.8a
ou:
que é a forma canônica de um parabolóide elíptico ao longo do eixo dos y (Figura 7.8b).
O traço no plano xOz é a origem ( 0 , 0 , 0 ) .
Os traços nos planos xOy e yOz são as parábolas
x^=4y, z=0 e z^=4y, x =0
respectivamente.
7.8.1 Problemas Propostos
Por uma conveniente translação de eixos, transformar cada uma das equações seguintes na
forma reduzida e identificar a quádrica que ela representa.
1) + 4y^ + - 8x + 24y - 2z + 41 = 0
2) 3>y} + 2y^ - 6z^ - 18x + 4y + 29 = 0
3) 3x^ + 4y2 + 24x - 8y + 24z + 100 = 0
4) 2x^ -y" - 2z" + 8 x + 4 = 0
5) 5x^ + 5y^ + 5z^ - lOx + 20z -3 = 0
6) 9x^ - 4y2 - 1 6 y - 3 6 z - 1 6 = 0
7) x^ + y^ - 2y = 0
8) +4y^ -z^ - 2 x + 16y+ Í 7 = 0
Nos problemas 9 a 12 efetuar uma rotação e uma translação de eixos para referir a quádrica
ao sistema OXYZ e identificá-la.
9) 3x^ + 5y^ + 3z^ - 2xy + 2xz - 2yz - 4x + 6y - 2z + 2 = 0

368 Álgebra linear
10) -4xz-4x+2y-3=0
11) 2x^ + 2y^ + 5z^ -4 x y - 2xz + 2yz - lOx - 6 y - 2z - 7 = 0
12) 7x^ + 6y^ + 5z^ - 4xy - 4yz -1 8 = 0
7.8.2 Respostas dos Problemas Propostos
»2 »2 »2
1) + 2 ^ ^» ^lipsóide.
•2 *2 *2
2) ^ 3 "^ ^’ hiperbolóide de uma folha.
3^ x^^
^ — + - ^ = -2z , parabolóide elíptico.
4) x'2 v'2 z'^

^ ----- ^ = 1, hiperbolóide de duas folhas.
5) 5x'^ + 5y'^ + 5z^ = 28, superfície esférica.
6)
^ ^ = z, parabolóide hiperbólico.
7) x^^ + y^^ = 1, superfície cilíndrica circular.
Q\ x'2 z'^
^ = 0, superfície cônica.
9) 4X^ + 6Y^ + 12Z^ = 1, elipsóide.
lÓ) 2X^ - - 2Z^ = 2, hiperbolóide de duas folhas.
11) 6X^ + 3Y^ - 8 y/2 Z = 0, parabolóide elíptico.
12) 2 Ç , n , ^ = i , elipsóide.
6 3 2
APENDICE
MATRIZES
DETERMINANTES
SISTEMA DE EQUAÇÕES LINEARES
MATRIZES
A.1 D E F IN IÇ Ã O DE M A T R IZ
Chama-se matriz de ordem m por n a um quadro de m x n elementos (números,

polinômios, funções etc.) dispostos em m linhas e n colunas:
aii ai2 ^13 în
^21 ^22 ^23 ^2n
A= ^31 ^32 ^33 ^3n
^m i ^m 2 ^m 3 ^m n
A .1.1 Representação dos Elementos da Matriz
Cada elemento da matriz A está afetado de dois índices: a^.
O primeiro índice indica a linha e o segundo a coluna a que o elemento pertence.
369
370 Álgebra linear
A.1.2 Representação de uma Matriz
A matriz A pode ser representada abreviadamente por A = [Ay], i variando de 1 a m

(i = 1, 2, 3, 4, m) e j variando de 1 a n (j = 1, 2, 3, 4, n).
Para entender porque a matriz A pode ser representada por [a^j, deve o leitor supor,
inicialmente, que se fixe para i, por exemplo, o valor 1, e a seguir se faz j variar sucessiva
mente de 1 a n, obtendo-se:
^11 ^12 ^13 ••• în
Ai^s, fíxa-se para i o valor 2, e faz-se j variar de 1 a n, obtendo-se:
^21 ^22 ^23 ••• ^2n
Em continuação, fixa-se para i o valor 3 e faz-se j variar de 1 a n, obtendo-se:
^31 ^32 ^33 ••• ^3n
e assim sucessivamente até i atingir o valor m; quando isso ocorre, faz-se j variar de 1 a n,
obtendo-se:
^mi ^m2 ^m3 ^mn
Dessa forma, [a^], com i variando de I a m e j variando de 1 a n, representa abrevia

damente a matriz A, ou melhor, representa qualquer matriz A de ordem m por n.
A partir de agora, e sempre que for necessário, uma matriz B será representada por
[by], uma C por [Cy] e assim por diante.
A.1.3 Ordem da Matriz — Notação
Se a matriz A é de ordem m por m, costuma-se escrever simplesmente Assim,

se uma matriz A tiver 3 linhas e 4 colunas, escreve-se simplesmente A ^3 e diz-se matriz de
ordem 3 por 4.
A.1.4 Matriz Retangular
Uma matriz na qual m 9^ n é denominada matriz retangular.

Matrizes. Determinantes. Sistema de equações lineares 371
A. 1.5 Matriz-Coluna
A matriz de ordem n por 1 é uma matriz coluna:
ai
^2
^3
an
Observação
A matriz-coluna de ordem n x 1 pode representar as componentes ( a i , a2 , aa, a^)

de um vetor V do espaço vetorial E de dimensão n. Por esse motivo essa matriz é denominada
vetor coluna.
A.1.6 Matriz-Linha
A matriz de ordem 1 por n é uma matriz-linha:
A = [a,,a2,a3,...,aj^]
Observação
A matriz-linha é denominada vetor4inha.
A.2 M A T R IZ Q UADR ADA
Quando o número de linhas é igual ao número de colunas, tem-se uma matriz quadrada.
372 Álgebra linear
^11 a i2 a i3 .• a in
aî ^2 2 ^23 ^2n
A= ^31 ^3 2 ^33 ^3n
^ni an2 ^n3 •• ^nn
A ordem da matriz quadrada é n por n, ou simplesmente n.
A.2.1 Diagonal Principal
Numa matriz quadrada A = [a^], os elementos a^, em que i = j , constituem a diagonal

principal.
Assim, a diagonal formada pelos elementos
^11» ^22> ^33» •••»
é a diagonal principal.
A.2.2 Diagonal Secundária
Numa matriz quadrada A = [ a y ] , os elementos a.^, em que i+ j = n + l , constituem

a diagonal secundária.
Assim, a diagonal formada pelos elementos
în> ^2 n - 1 > ^3 n - 2 > ^ni
é a diagonal secundária.
A.2.3 Matriz Diagonal
A matriz quadrada A = [a^] que tem os elementos = 0 quando i ^ j é uma matriz

diagonal.
^11 0 0 ... 0
0 0 ... 0
A= 0 0 ^33 ... 0
0 0 0 .. ®nn
A.2.4 Matriz Escalar
A matriz diagonal que tem os elementos a^ iguais entre si para i =j é uma matriz
escalar.
Exemplo
5 0 0
A= 0 5 0
0 0 5
A.2.5 Matriz Unidade
A matriz escalar de qualquer ordem que tem os elementos a.j = 1 para i = j é uma
matriz unidade. Indica-se a matriz unidade por I^, ou simplesmente por I.
Exemplos
1 0 0
; i3 = 0 1 0
0 0 1
A.3 M A T R IZ ZERO
Uma matriz zero é a matriz cujos elementos a^ são todos nulos.
Exemplo
0 0 0
0=
0 0 0
A.4 IG UALDADE DE M A TR IZES
Duas matrizes A= [ a ^ ] e B = [b.j], de ordem (m, n), são iguais se, e somente se,
a.. = b...
y y
Exemplo
2 4 2 4
3 1 = 3 1
0 2 0 2
A.5 A D IÇ A O DE M A TR IZES
A soma de duas matrizes A = [a^] e B = [by], de ordem (m, n), é uma matriz C = [cy]
tal que:
c.; = a.. + b..

U y U
Exemplos
^11 ai2 Hi 3 b il bi2 bi3 ^11 bj] âi2 bi2 ai3 + bj3
I)
^21 ^22 ^23 b21 b22 b23 ^21 b2l 322 + b22 323 + b23
II) 5 -2 3 -2 1 3 3 -1 6
2 1 -4 4 2 5 6 3 1
+ —
1 0 2 0 2 -2 1 2 0
3 -1 4 -3 0 5 0 9
A.5.1 Observação
A diferença A - B de duas matrizes de ordem (m, n) e uma matriz C tal que:
c.. = a.- - b-
0 u u
A.5.2 Propriedades da Adição de Matrizes
I) A + (B + C ) = (A + B) + C
II) A + 0 = 0 + A = A
III) -A + A = A - A = 0
IV) A + B = B + A
A.6 PRODUTO DE UM A M A T R IZ POR UM ESCALAR
Se X e' um escalar, o produto de uma matriz A = [a^] por esse escalar e' uma matriz
B=[by] tal que:
by=Xay
Exemplo
4 *2 1 5x4 5 X (-2) 5 X1 20 -10 5

5 X
3 *5 0 5x3 5 X (-5) 5x0 15 -25 0
316 Álgebra linear
A.6.1 Propriedades da Multiplicação de uma Matriz por um Escalar
I) (X^)A = X(mA)
II) (X + /i) A = XA + /í A
III) X(A + B) = XA+ XB

IV) 1A = A
A.7 PRODUTO DE UMA M A T R IZ POR O UTRA
Sejam as matrizes e
A = [4 3 2 51 eB =
O produto AB é, por definição, uma matriz = [c n ] tal que:
Ci i = 4 x 6 + 3 x 4 + 2 x 5 + 5 x 3
Cii = 24+ 12+10 + 15

Cn = 61.
Assim, Cii é a soma dos produtos, na ordem em que estão dispostos, dos elementos da
matriz-linha A pelos elementos da matriz-coluna B, isto e', C n é igual à soma dos produtos
do 19 elemento de A pelo 19 elemento de B, do 29 elemento de A pelo 29 elemento de
B, do 39 elemento de A pelo 39 elemento de B e do 49 elemento de A pelo 49 elemento
de B. Diz-se que 61 é o produto da matriz A pela matriz B. O dispositivo da página seguinte,
facilita, visualmente, entender a definição do produto da matriz A (1,4) pela matriz B (4j ) .
A condição para multiplicar a matriz A^ pela matriz B(4j ) , »de acordo com a
definição, é que o número de colunas de A (no caso, 4) seja igual ao número de linhas de B
(no caso, também 4). Por outro lado, a ordem da matriz produto C é dada pelo número de
linhas de A (no caso, 1) e pelo número de colunas de B (no caso, também 1), isto é, C n .
4 X 6 = 24
3 x.4=12
2 X 5 = 10
[4 ... 3 ... 2 ... 5] . (611
Se se escrever em seqüéncia a ordem da matriz A e a ordem da matriz B:
r
<l>4)
“1
í-___ ____í
o 29 e o 39 números, sendo iguais, indicam que a multiplicação é possível e o 19 e o 49 números

indicam a ordem da matriz produto C :
r
'(1,4)
1
®(4.1)
1 _
Suponhamos que se deseja multiplicar uma matriz por uma matriz B(4,2)
r
V ,4 ) ^
1
“(4,2)
__r
Tendo em vista que o 29 e o 39 números são iguais (número de colunas de A igual ao

número de linhas de B), a multiplicação é possível, e a ordem da matriz produto C será dada
pelo 19 e 49 números (número de linhas de A e número de colunas de B):
^ 1,4)
1
®(4,2) ^ ( 1 ,2 )
L_ ____i
isto é, a matriz C terá 1 linha e 2 colunas.

378 Álgebra linear
Sejam as matrizes e 2) •
2
A = [4 5] é B =
7
Para efetuar o produto da matriz-linha de pela matriz 2) » considera-se

cada coluna de B como uma matriz-coluna e efetua-se o produto da matriz-linha de A pela
primeira matriz-coluna de B, obtendo-se o 19 elemento de C ;a seguir, efetua-se o produto da
matriz-linha de A , pela segunda matriz-coluna de B, obtendo-se o 29 elemento de C. O
dispositivo a seguir facilita o entendimento do processo;
4 X 6 = 24 4X1=4
3 X 4=12 3 x 2=6
2 X 5 = 10 2 X 7 = 14
5 X 3 = 15 5 X 4 = 20
61 44
[ 4 . . . 3 . . 2 . . .5] [61. .44]
A matriz C (1^2) = [61 44] é o produto das matrizes A^ e B^^2)-
= r
^(1,4) ^ ^ ( 4 ,2 ) W l,2)
t________________ í
Suponhamos, agora, que se deseja multiplicar uma matriz A( 2,3) por i^nia matriz B^3 4^:
* j
^(2,3)
; (3.4)
ri
t ________________í
Tendo em vista que A é de ordem (2 ,3 ) e que B é de ordem (3 ,4 ), o produto existe

e é uma matriz C,
■'(2,4)*
r
^ (2 ,3 ) ^
1
® (3,4) ^ (2,4)
Sejam as matrizes:
5 2 4 1
4 2 6
2 3 1 0
A= e B =
2 5 3 1 2 7 6
Para efetuar o produto das matrizes A e B, considera-se cada linha da matriz A como
uma matriz-linha (daqui por diante chamada simplesmente de linha) e cada coluna da matriz B co
mo uma matriz-coluna (daqui por diante chamada simplesmente de coluna). A seguir, multiplica-se
a 1^ linha de A sucessivamente pela 1?, pela 2?, pela 3 ? e pela 4^ colunas de B, obtendo-se a
primeira linha Cn Ci4 da matriz C. Em continuação, multiplica-se a 2? linha de A
sucessivamente pela 1?, pela 2?, pela 3^ e pela 4? colunas de B, obtendo-se a segunda linha
C21 C22 C23 C24 da matriz produto C. O dispositivo a seguir facilita o entendimento do
processo:
4. . 2. . 6 C l l - . C1 2 . .C i3 . .Ci4
2. . 5 •3 •C2 1 . . C22 • -C23 • -C24
O elemento Cn da matriz C se obtém multiplicando a 1? linha de A pela coluna

de B, o elemento c^ se obtém multiplicando a 1? linha de A pela 2? coluna de B; o elemento
Ci3 se obtém multiplicando a 1? linha de A pela 3? coluna de B; o elemento Ch se obtém
380 Álgebra linear
multiplicando a 1? linha de A pela 4^ coluna de B. Os elementos C21 C22 C23 C24 são obtidos
multiplicando-se a 2^ linha de A sucessivamente pela 1^, pela 2?, pela 3^ e pela 4? colunas de B.
Assim, cada elemento c^ da matriz C e' obtido multiplicando a linha i da matriz A pela
coluna j da matriz B. No exemplo dado:
Cii = 1? linha de A x la coluna de B = 4 x 5 + 2 x 2 + 6 x l = 2 0 + 4 + 6 = 30
C12 = linha de A x 2? coluna de B = 4 x 2 + 2 x 3 + 6 x 2 = 8 + 6 + 1 2 = 26
Ci3 = la linha de A x 3a coluna de B = 4 x 4 + 2 x 1 + 6 x 7 = 1 6 + 2 + 4 2 = 60
" la linhade A x 4 a coluna d e B= 4 x l + 2 x 0 + 6 x 6 = 4 + 0 + 36 = 40
C21 = 2? l i n h a de A x l a coluna de B= 2 x 5 + 5 x 2 + 3 x l = 10 + 10 + 3 = 2 3
C22 = 2 ? l i n h a de A x 2? c o l u n a d e B = 2 x 2 + 5 x 3 + 3 x 2 = 4 + 1 5 + 6 = 2 5
C23 = 2 ^ li nhade A x 3a c o l u n a d e B = 2 x 4 + 5 x l + 3 x 7 = 8 + 5 + 2 1 = 3 4
C24 = 2^ l i n h a d e A x 4a c o l u n a d e B = 2 x 1 + 5 x 0 + 3 x 6 = 2+ 0 + 18 = 20
P o r t a n t o , o p r o d u t o da s m a t r i z e s d a d a s A ( 2 ^3 ) e 6^3 4 ^ é a m a t r i z
30 26 60 40
■'(2,4)
23 25 34 20
De acordo com 0 que foi visto ate' agora, pode-se dizer, por exemplo, que
,r 1
®(5,6) ^ (3,6)
De fato, o produto AB e' possível porque o número de colunas da la matriz é igual ao

número de linhas da 2a matriz:
número de colunas de A = 5
número de linhas de B=5

A ordem da matriz C é (3 ,6 ) porque:
número de linhas de A=3
número de colunas de B = 6
Do mesmo modo pode-se dizer, por exemplo, que
^ (2 ,7 ) ^ ® (7,5) ^ (2 ^ )
"^(5,4) ®(4,8) ^(5,8)
"^(9,2) ®(2,11) " ^(9,11)
e assim por diante.
A.7.1 Cálculo de um Elemento Qualquer de uma Matriz Produto
Sejam as matrizes
bii b i2 b,3
aii ai2 aj3
A = e B b 2i b 22 b23
^21 ^22 ^23
b3i b32 b33
Tendo em vista que A é de ordem (2 ,3 ) e que B é de ordem (3 ,3 ), o produto é uma

matriz C de ordem (2 ,3 ):
C ll C12 Cl3
"(2,3) ^ ,3 ) ^ (2,3)
t___ ____í C2I C22 C23
Por meio do dispositivo já conhecido e que facilita, visualmente, o entendimento do

processo, vejamos como calcular, por exemplo, o elemento C23 da matriz C :
C23 = 2? linha de A x 3? coluna de B = a2ib i 3 + a22b23 + S23b33

382 Álgebra linear
bii- • bi2 • bi3
b21- • b22• • b23
bai• • b32 • • b33
a i i . . ai2 . .ai3 . C i i . . Cj2 . . Ci3
«21 • • 322 • •323 •C21• • C22• • C23
Assinalando o 29 índice de “a” e o 19 índice de “b” , vé-se que, em cada parcela, eles
são iguais:
^23 “ â 2 ( I ) t > 0 3 "*■^2 0 ^ 0 3 ■*"^2 0 t (3 )3
Essa expressão pode ser escrita do seguinte modo:
k = 3
C23 “ 2 ^2k^k3
k = 1
isto é, C23 é a somatória dos produtos a2k b k 3 , com k variando de l a 3 .
Um elemento qualquer c.j da matriz C será calculado do seguinte modo:
k = 3
Essa expressão é que, na verdade, define o produto C = AB.
Generalizando, se A(m,n) ^ [îj] ^ ®(n,p) ^ t^kj] ’ ® produto AB é uma matriz

C=[c.j] tal que:
k = n
c.. = ^ a , b, .
u , . , 'k kj
O produto C = AB é uma matriz de ordem (m ,p), uma vez que na expressão que
define o elemento c..,
ij ’ o índice i varia de 1 a m’,e o índice Ji varia de 1 a ^
p:
'^(m,n) ^ ,p )
L J
Assinale-se, ainda, que o índice k varia de 1 a n, pois que n é o número de colunas

de A e também é o número de linhas de B, condição, aliás, indispensável para se efetuar o
produto AB.
A.7.2 Comutatividade da Multiplicação de Duas Matrizes
Em geral, a existência do produto AB não implica a existência do produto BA.
Exemplo
1
"^(3,5) ^ ® ( 5 .6 ) ^ ( 3 ,6 )
t t
Entretanto, o produto
7 ^
^ ( 3 ,5 )
t t
não existe, porque . isto é, 0 número de colunas da
de linhas da 2^ matriz.
Mesmo quando as multiplicações A x B e B x A são possíveis, os dois produtos são, em

geral, diferentes:
j
'^(4,3) ^ B (3,4) " ^ ( 4 , 4 )
____t
r
*(3,4) A (4,3) - D (3,3)
t ___
O produto AB =C é uma matriz de ordem (4,4), enquanto o produto BA = D é uma

matriz de ordem (3,3).
384 Álgebra linear
Ainda que A e B fossem matrizes quadradas de ordem n, os produtos AB e BA seriam

também matrizes quadradas de ordem n, e ainda assim, em geral, difeririam.
Sejam, por exemplo, as matrizes:
1 2 5 7
A= e B =
3 4 6 8
1 2 5 7 17 23
AB =
3 4 6 8 39 53
5 7 1 2 26 38
BA =
6 8 3 4 30 44
Os produtos AB e BA são diferentes. Logo, a multiplicação de duas matrizes não é

comutativa. Existem matrizes A e B, tais que AB = BA, porém essa não é a regra. A seguir
o leitor terá oportunidade de ver dois desses casos especiais e que interessam muito no estudo
das matrizes.
19 Caso: Sejam as matrizes quadradas:
3 2 1 0
A = e I =
5 7 0 1
3 2 1 0 3 2
AI =
5 7 0 1 5 7
1 0 3 2 3 2
IA =
0 1 5 7 5 7
Como se vé:
AI = IA = A
É fácil generalizar dizendo que, dadas duas matrizes A e I, de mesma ordem n, a

multiplicação dessas matrizes é comutativa e a matriz produto é igual à matriz A.
29 Caso: Sejam as matrizes quadradas:
11 3 2 -3
e B=
7 2 -7 11
11 2 -3 1 0
AB =
7 -7 11 0 1
2 -3 11 3 1 0
BA =
-7 11 7 2 0 1
Como se vé:
AB=BA=I
A matriz B que satisfaz à condição
AB= BA= I
diz-se inversa de A e se representa por A ” *
AA"' = A 'A = I
Assim, para saber se, dadas duas matrizes A e B, uma é inversa da outra, basta multiplicar
uma pela outra e verificar se o produto é a matriz I.
Nesse caso, dir-se-á que B é inversa de A e se representa por A"^ (ou que A é inversa
de B e se representa por B"^ ).
386 Álgebra linear
Se uma matriz A admite inversa, esta é única.

A maneira de determinar a matriz inversa de uma matriz dada será vista no item A.36.
A.7.3 Propriedade da Multiplicação de Uma Matriz por Outra
I) Dadas as matrizes A, B, C de ordem (m ,n ), (n ,p ) e (p,r), respectivamente, tem-se:
(AB)C = A(BC)
II) Dadas as matrizes A, B, C de ordem (m ,n ), (m ,n) e (n ,p ), respectivamente, tem-se:
(A + B )C = AC + BC
III) Dadas as matrizes A, B, C de ordem (n ,p ), (n ,p ) e (m ,n ), respectivamente, tem-se:
C(A + B) = CA + CB
IV) Se A (m ,n ), tem-se:
Im A = AI„
n
=A
V) Dadas as matrizes A e B de ordem (m ,n ) e (n ,p ), respectivamente, tem-se, para

todo número X:
(XA)B= A(XB) = X(AB)
VI) A multiplicação matricial não é, em geral, comutativa.
Exemplo
4 2 0 5 2
20 14
X 0 3 =
2 5 1 11 21
1 2
5 2 24 20 2
4 2 0
0 3 6 15 3
2 5 1
1 2 8 12 2
VII) Dadas duas matrizes A e B, se o produto delas for a matriz zero [0 ], não é necessário
que A ou B sejam matrizes zero.
Exem plo
0 1 I 1 0 0
0 1 0 0 0 0
Entretanto, se AB = 0 qualquer que seja B, então A = 0. Do mesmo modo, se AB = 0

qualquer que seja A, então B =0.
A.8 PROBLEMAS RESOLVIDOS
1) Dadas as matrizes
y+4 2 12 2
A = e B =
9 +4 9 53
calcular y e x de modo que A seja igual a B, isto é:
y +4 2 12 2
9 +4 9 53
Pela definição de igualdade de matrizes, deve-se ter:
y + 4=12 y=8
+ 4 = 53
x^ = 5 3 - 4
= 49
X = ± \/4 9
x = ±7
388 Álgebra linear
Para que as matrizes A e B sejam iguais, é necessário que y = 8 e x = ±7.
Dadas as matrizes
2 3 8 -3 7 1 7 -8 3
A = -5 9 -6 , B = -4 2 5 e C = 4 -3 2
7 4 -1 0 9 4 9 -5 1
2) Calcular A + B.
Solução
2 3 8 -3 7 1 -1 10 9
A+B = -5 9 -6 + -4 2 5 = -9 11 -1
7 4 -1 0 9 4 7 13 3
3) Calcular C - A.
Solução
7 -8 3 2 3 8 5 -11 -5
C -A = 4 -3 2 - -5 9 -6 = 9 -12 8
9 -5 1 7 4 1 2 -9 0
4) Calcular 3A -2 B + 4C.
Solução
Fazendo D = 3A - 2B + 4C, vem:
2 3 8 -3 7 1 7 -8 3
D =3 X -5 9 -6 -2 X -4 2 5 +4 X 4 -3 2
7 4 -1 0 9 4 9 -5 1
6 9 24 6 -14 -2 28 -32 12
D = -15 27 -18 - 8 -4 -10 + 16 -12 8
21 12 -3 0 -18 -8 36 -20 4
0 23 26 28 -32 12
D = -23 31 -8 + 16 -12 8
21 30 5 36 -20 4
28 -9 38
D = -7 19 0
57 10 9
5) Calcular o produto das matrizes:

4
■8 4 -6 1 -2
^2,4) 2 -5 7 3 "(4,2)
-5
Solução
"^(2,4) ®(4,2) ^ (2 ,2 )
Para efetuar a multiplicação, vamos utilizar o dispositivo prático:
•4
-2
-5
• 8
-8 . . . 4 - ‘ -6- •-2
2 • • • • -5 • • • 7 • • *7
390 Álgebra linear
Portanto:
5 -2
A XB= C =
6 7
Observação
Daqui por diante, a multiplicação de duas matrizes e será feita sem a

utilização do dispositivo prático: cada elemento Cy da matriz p^ será calculado de acordo
com o disposto no item A.7.
6) Calcular o produto das matrizes
2 3 4
A = 3 5 - 4 e X=
4 7 - 2
Solução
' ^ ( 3 , 3 ) ^ ^ ( 3 , 1) ^(3,1)
2 3 4 X 2x + 3y + 4z
C= A X x= 3 5 -4 X y = , 3x + 5y - 4z
4 7 -2 z 4x + 7y - 2z
É interessante assinalar que a matriz C tem 3 linhas e uma só coluna:
• o elemento da H linha é : 2x + 3y + 4z;

o elemento da 2^ linha é : 3x + 5y - 4z;
• o elemento da 3? linha é : 4x + 7y - 2z.
Observação
O fato de que a matriz C do problema anterior tem 3 linhas e uma só coluna permite
escrever, sob a forma matricial, o seguinte sistema de equações:
2x + 3y + 4z = -4
3x + 5y - 4z = 25
4x + 7y - 2z = 24
De fato, fazendo
2 3 4 X -4
A = 3 5 - 4 , X = y e B = 25
4 7 - 2 z 24
vem :
AX = B
isto é :
2 3 4 X -4 2x + 3y + 4z -4
3 5 - 4 X y = 25 ou 3x + 5y - 4z = 25
4 7 - 2 z 24 4x + 7y - 2z 24
e, de acordo com a defínição de igualdade de matrizes:
2x + 3y + 4z = -4
3x + 5y - 4 z = 2 5
4x + 7y - 2z = 24
392 Álgebra linear
-1 -1 0 -2 3 -1
0 -1 -1 e B = 1 -3 1
1 -1 -3 -1 2 -1
verificar se B é inversa de A.
Solução
Para que a matriz B seja inversa da matriz A, é necessário que AB = I. Calculemos

o produto AB:
-1 1 0 -2 3 -1 1 0 0
AB = 0 1 -1 X 1 -3 1 = 0 1 0
1 1 -3 -1 2 -1 0 0 1
Tendo em vista que A B = I, a matriz B, que se representa por A é inversa de A.
Observação
O produto BA também e igual a I, o que significa que A = B"^ é inversa de B. Deixamos

a cargo do estudante calcular o produto BA, a título de exercício.
4 n
A = e B=
m 9
calcular m e n para que B seja inversa de A.

Solução
Efetuando o produto AB, vem:
'9 5' 4 n 36 + 5m 9n + 45
AB = X =
1 4_ m 9 28 + 4m 7n + 36
Mas AB deve ser igual a 1, istoé:
36 + 5m 9n + 45 1 0
28 + 4m 7n + 36 0 1
Pela definição de igualdade de matrizes, deve-se ter:
36 + 5m = 1 m = -7
28 + 4m = 0 m = -7
9n + 45 = 0 n = -5
7n + 36 = 1 n = -5
Para que B seja inversa de A, deve-se ter m = -7 e n = -5.
De fato:
9 5 4 -5 1 0
AB = X =I
7 4 -7 9 0 1
A.8.1 Problemas Propostos
Nos problemas de 1 a 3, calcular os valores de m e n para que as matrizes A e B sejam

Iguais.
1) 8 15n 8 75
A = e B =
12+ m 3 6 3
394 Álgebra linear
2)
- 40 +4 41 13
e B=
6 3 6 3
3)
7 8 7 8
A = e B=
4 4 lOx -2 5
Dadas as matrizes:
2 3 8 5 -7 -9 0 9 8
A= ,B = e C=
4 - 1 - 6 0 4 1 1 4 6
4) Calcular A + B.
5) Calcular B + C.
6) Calcular A + C.
7) Calcular A - B .
8) Calcular A - C .
9) Calcular B - C .
10) Calcular X = 4 A - 3 B + 5C.
11) Calcular X = 2 B - 3 A - 6 C .
12) Calcular X = 4 C + 2 A - 6 B .
Nos problemas 13 a 15, efetuar a multiplicação das matrizes A e X.

13) 2 6
A= e X =
-5 4
14) 1 2 Xi
A = -2 -5 e X= X2
3 9 -8 X3
15) -3 4 2 8 Xi
0 1 3 -6 X2
A = -2 4 5 -7 e X = X3
9 -9 -8 6 X4
Dadas as matrizes:
1 -2
3 1 1 3 - 5 - 7 2 4
A= B= , C=
7 -4
6 2 - 8 3 -3 5
5 9
1 7 3 -8
-3 -1 -1 -3
D=
4 1 9 0
5 3 2 -3
16) Calcular AB.
17) Calcular (AB)D.
18) Calcular A(BD).

S96 Álgebra linear
19) Calcular BA.
20) Calcular (BA)C.
21) Calcular B(AC).
Nos problemas de 22 a 26, verificar se a matriz B é inversa da matriz A.
22)
-0,5 -1,5 1 -12 -4 14
A = -0 ,5 -2,5 0,5 e B = 2 0 -2
-0,5 -2 1 -2 -2 4
23)
-2 -4 -6 -1,5 2 -1,5
A = -4 -6 -6 e B = 2 -2,5 1,5
-4 -4 -2 -1 1 -0,5
24)
-4 -2 0 -1 1 -0,5
A= 2 -6 -2 e B= 1,5 -2 1
10 -8 -4 -5,5 6,5 -3,5
25)
4 5 0 9 3 4
A = 2 3 0 e B= -7 2 5
-6 -1 -2 1 6 8
26) 0
0 4 -2 -1 0,5
A= 2 8 -4 e B= -0,5 -0,5 -0,5
-2 -14 6 -1,5 -1 -1
Nos problemas 27 e 28, calcular m e n para que a matriz B seja inversa da matriz A.
27) m -22 5 22
A = e B =
-2 n 2 9
28) 2 5 8 m
A = e B =
3 8 n 2
A.8.2 Respostas ou Roteiros para os Problemas Propostos
1. n = 5 e m = -6
2. m = ±9 e n = ±3
3. X= 5
4 a 6. Roteiro: Esses problemas se resolvem de forma análoga à do problema 2 do item A.8.
13. 2x + 6y
AX =
-5x + 4y
14. Xi + 2x2 + 3X3
AX = -2xj - 5x2 7x3
3xi + 9x2 ” 8 x 3
—
15. - 3xi + 4x2 + 2X3 + 8x4
X2 + 3X3 - 6x4
AX =
-2xi + 4 X2 + 5X3 - 7X4
>
9 xi - 9 x, - 8X3 + 6x4
S98 Álgebra linear
16. Roteiro: Esse problema se resolve de forma análoga à do problema 5 do item A. 8 .
17. Roteiro: 19) Calcular = 2) ^ ®(2 4 )

(No caso, já foi calculado no problema 16).
29) Calcular 4, = x
18. Roteiro: 19) Calcular G^2 4 ) ~ ®(2 4 ) ^^(4 4 )*
29) Calcular 2) ^ ^ ( 2 , 4 )*
19. Roteiro: Esse problema se resolve de maneira análoga à do problema 5 do item A.8 .
20. Roteiro: 19) Calcular J^2 2) ~ ®(2 4 ) ^ ^(4 2)
(No caso já foi calculado no problema 19).
29) Calcular ^ 2 , 2 ) ^ *^(2 , 2 ) ^ ^ ( 2 , 2)*
21. Roteiro: 19) Calcular 2) ~ ^(4 2) ^^(2 2)'
29) Calcular N^2 _ 2 ) = 4 ) ><M(4,2)-
22 a 26. Roteiro: Efetuar o produto AB. Se:
a) AB= I , B é inversa de A;
b) AB I, B náo é inversa de A.
27. m=9 e n=5
28. m = -5 e n = -3
A.9 M A T R IZ TRANSPOSTA
T
A matriz transposta da matriz A, de ordem m por n, é a matriz A , de ordem n
por m, que se obtém da matriz A permutando as linhas pelas colunas de mesmo índice.
Exemplo
a ii a2i
^11 ai2 ai3
A= ; A ^ = ai2 a22
^21 ^22 ^23

a i3 a23
A.9.1 Propriedades da Matriz Transposta
I) (A + B)^ = a '^ +
II) ( k k f =
III) (A'T)T= a
IV) ( a b )^ = b W
Observação
As propriedades I, II e III são imediatas. A propriedade IV será verificada por meio do

seguinte exemplo:
a) Sejam as matrizes
1 3
1 2
"(3,2)
0 2 ® ®(2,2)
3 4
2 4
O produto A ^2 2) ^ ®(2 2) ^^ste e é de ordem (3 ,2 ), istoé (AB) ( 3 , 2 ) -
1 3 10 14
1 2 10 6 14
AB = 0 2 X = 6 8 .. ( a b )T =
3 4 14 8 20
2 4 14 20
400 Álgebra linear
b) Sejam as matrizes
1 0 2 1 3
^( 2 , 3 ) ' < 2, 2, =
3 2 4 2 4
O produto B |2 2 ) ^ ^ (2 3) ^^ste e é de ordem ( 2, 3) , istoé (BÂ ^)^2 3)
1 3 1 0 2 10 6 14
X =
2 4 3 2 4 14 8 20
Comparando a) com b), verifica-se que (A B )^=B Â ^.
A.10 M A T R IZ SIM ÉTR IC A
Uma matriz quadrada S = [a^] é simétrica se =S.
Exemplo
1 5 9
s = s'^ 5 3 8
9 8 7
A.10.1 Observações
a) Se A = [ay] é uma matriz simétrica, os elementos dispostos simetricamente em

relação à diagonal principal são iguais, isto é, a^ = a^..
b) O produto de uma matriz quadrada A pela sua transposta A^ é uma matriz simétrica.
Exemplo
2 0 2 2 1 0
1 -1 2 A^ = 0 -1 3
0 3 0 2 2 0
2 0 2 2 1 0 8 6 0
S = AA^ = 1 -1 2 0 - 1 3 = 6 4 - 3
0 3 0 2 2 0 0-3 0
S = S^
A.11 M A T R IZ A N TI-SIM É TR IC A
Uma matriz quadrada A = [a..] é anti-simétrica se A ^ = - A .
Exemplo
A matriz
0 3 4
A= -3 0 -6
-4 6 0
é anti-simétrica.
De fato:
0 -3 -4
-6
isto é:
aT =-a
402 Álgebra linear
A-11.1 Observação
Se A = [a.j]
[a^.] é uma matriz anti-simétrica, os elementos dispostos simetricamente em
relação à diagonal principal são opostos e os elementos da diagonal principal são nulos.
A.12 M A T R IZ ORTOGONAL
Uma matriz M cuja inversa coincide com a tramposta é denominada matriz ortogonal:
M*
isto é :
M .M=l
Exemplos
A matriz
2 2
M=
V3 1
2 ‘2 _
é uma matriz ortogonal.
De fato:
1 V3" 1 s íf
2 2 2 2
se M = . =
n/3 1 V3 1
2 '2 _ 2 ~2 _
Observando que M =M ^, vem:
1 n/3 1
2 2 2 2 1 0
MM^=M^M = X
1 V3 1 0 1
'ã
_ 2 2_ _2 ■2 _
Tendo em vista que:
MM^ = M^M = I
isto é:
M ^=M *
a matriz M é ortogonal.
A.13 M A T R IZ T R IA N G U L A R SUPERIOR
A matriz quadrada A = [a^] , que tem os elementos a^ = 0 para i > j , é uma matriz
triangular superior.
Exemplo
5 4 7 9
0 3 - 8 4
A=
0 0 - 2 3
0 0 0 6
A.14 M A T R IZ T R IA N G U L A R IN FE R IO R
A matriz quadrada A = [ay], que tem os elementos a ^ = 0 para i < j , é uma matriz
triangular inferior.
404 Álgebra linear
Exemplo
5 0 0 0
2 7 0 0
-3 4 3 0
6 -2 8 9
A.15 POTÊNCIA DE UMA M A T R IZ
Uma matriz quadrada A = [a.j] pode ser multiplicada n vezes por si mesma. A matriz
que resulta dessas n operações, e que se representa por A” , é chamada potência n da
matriz A.
Exemplos
1 2
Se A =
4 3
1 2 1 2 9 8
a) A^ = X =
4 3 4 3 16 17
1 2 1 2 1 2 9 8 1 2 41 42
b) A^ X X X
4 3 4 3 4 3 16 17 4 3 84 83
A .15.1 Matriz Periódica
Dada uma matriz quadrada A, diz-se que A é uma matriz periódica se A^ = A,

sendo 2. Se n é o menor inteiro para o qual A” = A, diz-se que o período de A é n - 1.
A.15.1.1 Matriz Idempotente
Dada uma matriz periódica A, tal que = A , diz-se que A é uma matriz idem
potente. O período da matriz idempotente é 2 - 1 = 1.
Exemplo
2 -1 1
A = -3 4 -3
-5 5 - 4
2 -1 1 2 -1 1 2 -1 1
A^ = -3 4 -3 X -3 4 -3 = -3 4 -3
-5 5 -4 -5 5 -4 -5 5 -A
A matriz A é idempotente, uma vez que A^ = A.
Se A^ = A, então A^ = A"^ = A^ = ... = A” = A
A .15.1.2 Matriz Nihilpotente
Dada uma matriz quadrada A, se existir um número p, inteiro e positivo, tal que
A^ = 0, diz-se que A é uma matriz nihilpotente. Se p é o menor inteiro positivo tal que
A^ = 0, diz-se que A é uma matriz nihilpotente de “ índice” p.
Exemplos
a) Se
-1 1
A= -3 3 -3
-4 4 -4
406 Álgebra linear
1 -1 1 1 -1 1 0 0 0
= -3 3 -3 X -3 3 -3 = 0 0 0
-4 4 A -4 4 -4 0 0 0
A matriz A é nihilpotente de índice 2.
Se A^ = 0 , então A^ = A^ = A^ = ... = A" = 0.
b) Se
1 1 3
A = 5 2 6
-2 -1 -3
1 1 3 1 1 3 0 0 0
A^ = 5 2 6 X 5 2 6 = 3 3 9
-2 -1 -3 -2 -1 -3 -1 -1 -3
0 0 0 1 1 3 0 0 0
A^ = A2 X a = 3 3 9 X 5 2 6 = 0 0 0
-1 -1 -3 -2 -1 -3 0 0 0
A matriz A é nihilpotente de índice 3.
Se A^ = 0, então A^ = A*^ = A^ = ... = A"" = 0.
1) Determinar a matriz A^ transposta da matriz
2 3 -5 8
3 -7 1 9
Solução
2 3
3 -7
kT ^
-5 1
8 9
Dadas as matrizes:
4 -5
-4 6 -3
A = 3 -7 , B =
-3 5 8
-2 4
1 -5 0
”4 - 3"
C = e D = 0 0 2
1 2
1 1 0
2) Calcular (AB)^
Solução
a) Cálculo de A ^3 2) ^(2, 3)^ ^(3, 3)-
4 -5 -1 -1 -5 2
-4 6 -3
E= 3 -7 X = 9 -17 -65
-3 5 8
-2 4 -4 8 38
b) Determinação de (AB)^ = E^:
-1 9 -4
(AB)^ = = -1 -17 8
-52 -65 38
408 Álgebra linear
3) Calcular B^C.
Solução
T
a) Determinação de B :
-4 -3
jT _ 6 5
-3 8
b) Cálculo de B( 3 , 2 ) X C
^ ^ ( 2 , 2) M 3 , 2 )-
-A -3
4 -3
-19 6
B^C = F = 6 5 X _
29 -8
1 2
-3 8 -4 25
4) Calcular (AB)^D.
Solução
a) Cálculo de (AB)^:
(No caso presente, (AB)^ = já foi calculado no problema 2.)
-1 9 -4
(AB)'''=E^ = -1 -17 8
-52 -65 38
— pT w
b) Cálculo de (AB)^D ^ (3 ,3 ) *^(3,3) “ ^(3, 3)-
-1 9 -4 1 -5 0 -5 1 18
(AB)^D = G = -1 -17 8 X 0 0 2 = 7 13 -34
-52 --65 38 1 1 0 -14 298 -130

5) Dada a matriz:
2 5 9
A= 4 7 1
3 6 2
classificar a matriz A + = S.
Solução
T
a) Determinação da matriz A .
2 4 3
aT = 5 7 6
9 1 8
b) Cálculo da matriz A + = S.
2 5 9 2 4 3 4 9 12
S = A + a ”^ 4 7 1 + 5 7 6 = 9 14 7
3 6 8 9 1 8 12 7 16
T
c) Determinação de S .
4 9 12
ST = 9 14 7
12 7 16
T T T
Tendo em vista que A + A = S = S \ A + A é uma matriz simétrica.
410 Álgebra linear
6) Dada a matriz
6 1 4
A = -3 8 -5
2 - 6 7
T
classificar a matriz A - A = P
Solução
a) Determinação de A ^
6 - 3 2
aT = 1 8 -6
4 - 5 7
b) Cálculo de A - = P.
6 1 4 6 -3 2 0 4 2
P= A - A * -3 8 -5 - 1 8 -6 -4 0 1
2 -6 7 4 -5 7 -2 -1 0
X
c) Determinação de P :
0 -4 -2
pT = 4 0 -1
2 1 0
Tendo em vista que A -A ^ = P = - P ^ , A - A^ é uma matriz anti-simétrica.

7) Dada a matriz
2 3
A =
5 -7
classificar a matriz AA^ = S.
Solução
T
a) Determinação de A :
2 5
A^ =
3 -7
b) Cálculo de AA^ = S:
2 3 2 5 13 -11
S = AA^ = X =
5 -7 3 -7 -11 24
c) Determinação de S*
13 -11
-11 24
Tendo em vista que A . A^ = S = S^, AA^ é uma matriz simétrica.
8) Dada a matriz:
COS B -sen d 0
M = sen 0 COS 0 0
0 0 1
calcular MM^ e classificar a matriz M.

412 Álgebra linear
Solução
a) Determinação de :
COS 6 sen d 0
M^ = -se n 6 COS d 0
0 0 1
b) Cálculo de MM^ = Q:
COS 6 -sen 6 0 COS d sen 6 0
Q=MM^= sen d COS d 0 X -sen 6 COS d 0
0 0 1 0 0 1
cos^d + sen^0 + 0 COS 6 sen 0 - sen 0 cos 0 + 0 0 1 0 0
Q = MM^ = sen 6 COS 0 - COS 0 sen 0 + 0 sen^d + cos^d + 0 0 = 0 1 0
0 0 1 0 0 1
Se Q = MMT =I, m '^ = m " ‘ e, por conseguinte, a matriz M é ortogonal.
9) Dada a matriz
10 -25
A=
^ -10
calcular e classificar a matriz A.

Solução
10 -25 10 -25 0 0
= X =
4 -10 4 -10 0 0
Tendo em vista que é igual à matriz zero, A é nihilpotente de índice 2.
10) Dada a matriz
-2 1 -1
A= 2 - 3 2
4 - 4 3
calcular A^ e classificar a matriz A.
Solução
2 -1 1 2 -1 1 2 -1 1
A^ = -2 3 -2 X -2 3 -2 = -2 3 -2
-4 4 -3 -4 4 -3 -4 4 -3
Tendo em vista que A^ = A, a matriz A é idempotente (período igual a 1).
Dadas as matrizes triangulares superiores (A e B) e inferiores (C e D).
1 2 1 2 -1 2
A= 0 3 -2 , B= 0 1 -3
0 0 -4 0 0 1
3 0 0 -1 0 0
C- -2 2 0 e D -- 4 0
1 1 -3
414 Álgebra linear
11) Calcular AB e classificar a matriz AB = E.
Solução
1 2 1 2 -1 2 2 1 -3
E = AB = 0 3 -2 X 0 1 -3 = 0 3 -11
0 0 -4 0 0 1 0 0 -4
A matriz AB = E é uma matriz triangular superior.
12) Calcular CD e classificar CD = F.
Solução
3 0 0 -1 0 0 -3 0 0
F = CD = -2 2 0 X -3 4 0 = -4 8 0
1 1 -3 2 1 1 -10 1 -3
A matriz CD = F é uma matriz triangular inferior.
A .Í6.T Problemas Propostos
1) Determinar a matriz A^ transposta da matriz
2 4 3 -5
A= 1 -7 0 -2
8 -9 6 -4
Dadas as matrizes:
5 0 6
1 - 3 - 2 4 2 3 0
-8 0 3
A= B = 7 8 5 9 , C= 1 1 -8
-2 2 7
0 6 3 -8 3 5 4
1 -1 -5
5 0 3 2
-8 1 -2 4
e D =
-3 2 1 -5
0 1 0 2
2) Calcular (AB)^.
3) Calcular (AB)D^.
4) Calcular A(BD^).
5) Calcular B^C.
6) 2(A'^ b '^ )+ 3C'^.
Dadas as matrizes:
2 -7 1 0 - 9 3 4 3 5
3 4 2 ,B = 4 8 1 c C= -1 2 -7
5 - 9 6 7 3 1 8 1 -9
7) Classificar A + A ^ .
8) Classificar B + B ^ .
9) Classificar A .A ^ .
10) Classificar A - A ^ .
1 1) Classificar B - B^.
12) Classificar C -C'^.

416 Álgebra linear
Dadas as matrizes:
1 ls /2 1 2 v/6
0 1 3 3 5 5 sen^ -cos^
A= , B -- ,c = , D =
1 0 2^/2 1 2 ^ /ê 1 COS d -sen 6
3 ' 3 5 5
V3 n/ 3 V3
3 3 3
6 9 12 16
E = 'ã . , F= . G =
c. C
O
3 O
-4 -6 -9 -1 2
^ —*
0
sji V2
2 2
- 1
H = -1
-3 ^
—
- 1 2 6
5 10 6 10
J = , L = , M = 3 -2 -9
-2 -4 -3 -5
-2 0 3
13) Calcular AA^ e classificar a matriz A.
14) Calcular e classificar a matriz B.
15) Calcular CC^ e classificar a matriz C.

16) Calcular DD^ e classificar a matriz D.
17) Calcular EE^ e classificar a matriz E.
18) Calcular e classificar a matriz F.
19) Calcular e classificar a matriz G.
20) Calcular e classificar a matriz H.
21) Calcular e classificar a matriz J.
22) Calcular e classificar a matriz L.
23) Calcular e classificar a matriz M.
Dadas as matrizes triangulares superiores (A e B) e inferiores (C e D):
1 2 8 2 -3 1 1 0 0
A= 0 1 , B = 0 2 -1 , c = -1 3 0
0 0 4 0 0 3 -2 -1 2
4 0 0
D = 1 -1 0
-1 -3 -2
24) Calcular AB e classificar a matriz AB =E.
25) Calcular CD e classificar a matriz CD = F.
26) Dadas as matrizes diagonais:
2 0 0 4 0 0
A= 0 7 0 e B = 0 5 0
0 0 3 0 0 6
calcular AB e classificar esse produto.

418 Álgebra linear
A .1 6 ^ Respostas ou Roteiros para os Problemas Propostos
1) 2 I 8
4 -7 -9
aT =
3 0 6
-5 -2 -4
2) Roteiro: 19) Calcular A B = E .
29) Calcular e '^ = (AB)'^.
ou;
19) Determinar A * .
29) Determinar
39 ) Calcular = (AB)^ (IV Propriedade da matriz transposta, item A.9.1.)
Observação
Esse roteiro é conveniente quando já se conhecem as transpostas de A e de B.
3) Roteiro: 19) Calcular AB = E (já calculado no problema 2).
29) Determinar D^.
3 9 ) Calcular E . D^ = F.
4) Roteiro: 19) Determinar D^ (já determinado no problema 3).
29) Calcular B D ^=G .
39) Calcular AG = H.
5) Roteiro: 19 ) Determinar B^ (já determinado no problema 2).
29) Calcular B ^('=J.

6) Roteiro: 19) Determinar (já determinado no problema 2).
29) Determinar (já determinado no problema 2).
3 9 ) Calcular = K.
49) Calcular 2K.
59) Determinar C^.
69) Calcular 3C'^ = L.
79) Somar 2K + L.
7) A + A^ é simétrica.
8) B + B^ é simétrica.
9) A . A^ é simétrica.
10) A - A ^ é anti-simétrica.
11) B - B^ é anti-simétrica.
12) C -C ^ é anti-simétrica.
13) A éortogonal.
14) B éortogonal.
15) C éortogonal.
16) D éortogonal.
17) E éortogonal.
18) F é nihilpotente de índice p = 2.
19) G é nihilpotente de índice p = 2.
20) H é nihilpotente de índice p = 3.
21) J é idempotente (período igual a 1).

420 Álgebra linear
22) L é idempotente (período igual a 1).
23) M é periódica de período igual a 2.
24) AB = E é uma matriz triangular superior.
25) CD = F é uma matriz triangular inferior.
26)
0 0
AB = 35 0
0 18
e' uma matriz diagonal.
DETERMINANTES
A.17 CLASSE DE UM A PERMUTAÇÃO
Consideremos uma permutação
a c b
dos trés elementos a, b, c e tomemos para permutação principal a permutação:
a b c
na qual os elementos estão na ordem alfabética.
Diz-se que dois elementos de uma permutação formam uma inversão se estão em ordem
inversa à da permutação principal.
Assim, na permutação dada acb, os elementos c e b formam uma inversão.
Uma permutação é de classe par ou de classe ímpar, conforme apresente um número par
ou ímpar de inversões.
A permutação acb é de classe ímpar.

A.18 TERM O PRINCIPAL
Dada a matriz quadrada A, de ordem n, ao produto dos elementos da diagonal principal

dá-se o nome de termo principal:
an . a22 • 833 ......... ^nn
A.19 TERMO SECUNDÁRIO
Dada a matriz quadrada A, de ordem n, ao produto dos elementos da diagonal secundária

dá-se o nome de termo secundário:
• ^n-i 2 . an-2 3 ........ai n
A.20 D ETE R M IN A N TE DE UM A M A T R IZ
Chama-se determinante de uma matriz quadrada à soma algébrica dos produtos que se
obtém efetuando todas as permutações dos segundos índices do termo principal, fixados os
primeiros índices, e fazendo-se preceder os produtos do sinal + ou —, conforme a permutação
dos segundos índices seja de classe par ou de classe ímpar.
A utilização da definição e o cálculo de determinantes serão feitos logo após serem

dadas algumas informações necessárias para a melhor compreensão do assunto.
A.21 ORDEM DE UM D E TE R M IN A N TE
Chama-se ordem de um determinante a ordem da matriz a que o mesmo corresponde.

Assim, se a matriz é de ordem 3, por exemplo, o determinante será de ordem 3.
A.22 REPRESENTAÇÃO DE UM DE TE R M IN A N TE
A representação do determinante de uma matriz A, que será designado por det A, faz-se
de maneira análoga à da matriz, colocada entre dois traços verticais.
422 Álgebra linear
aii ai2 ^13 ••• în
^21 ^22 ^23 ^2TÍ
det A =
^ni ^n2 ^n3 •••
A.22.1 Linhas e Colunas de um Determinante
Apesar de o determinante de uma matriz quadrada A = [a^] , de ordem n, ser um

número real, costuma-se, por comodidade, uma vez que aquele número é calculado a partir dos
elementos das linhas e das colunas da matriz, falar nas linhas e nas colunas do determinante.
A.23 PRELIM INARES PARA O CALCULO DOS D E TERM INAN TES

DE 29 E DE 39 ORDEM
Para a correta aplicação da definição de determinante de uma matriz, consideremos as

tabelas constantes dos itens A.23.1 e A .23.2.
8.23.1 Tabela Referente às Permutações dos Números 1 e 2
O total de permutações dos número 1 e 2 é:
?2 = 2! =1x2 =2
Permutação Número de Classe da Sinal que precede

Permutação
principal inversões permutação o produto
12 12 0 par +
12 21 1 ímpar -
A.23.2 Tabela Referente ás Permutações dos Números 1 ,2 e 3
O total de permutações dos números 1 ,2 e 3 e':
P3=3! = 1 x2 x 3=6
Permutação Número de Classe da Sinal que precede

Permutação
principal inversões permutação 0 produto
12 3 12 3 0 par +
12 3 13 2 1 ímpar -
12 3 3 1 2 2 par +
12 3 2 13 1 ímpar -
12 3 2 3 1 2 par +
12 3 3 2 1 3 ímpar -
A.24 CALCULO DO DETER M IN A N TE DE 29 ORDEM
Dada a matriz
aii ai2
A=
^21 ^22
para calcular o determinante dessa matriz
aii ai2
det A =
^21 322
deve-se, de a c o r d o c o m a d e f in iç ã o , p r o c e d e r d a s e g u in te m a n e ir a :
424 Álgebra linear
19) Escrever os elementos que compõem o termo principal, um após o outro, somente com
os primeiros índices (deixando lugar para colocar depois os segundos índices), tantas vezes quantas
forem as permutações dos números 1 e 2 (no caso, duas vezes):
32 ai 32
29) Colocar nas duas expressões anteriores, como segundos índices, as permutações 12 e
21, uma permutação em cada expressão e não necessariamente nessa ordem:
aii 322 aj2 a2i
39) Fazer preceder cada um dos dois produtos assim formados dois sinais + ou con
forme a permutação dos segundos índices for de classe par ou de classe ímpar. No caso, se pode
ver, na Tabela do item A.23.1, que o sinal que precede o 19 produto é +, porque a permutação
1 2 é de classe par,e que o sinal que precede o 29 produto é - , porque a permutação 2 1 é
de classe ímpar.
+ aii 322 -ai2 321
49 ) Efetuar a soma algébrica dos produtos assim obtidos, com o que se terá:
det A “ an 322 ~ ^12 ^21
isto é:
an 3 i2
det A = - aii 322 —ai2 321
321 322
Por comodidade costuma-se dizer que o determinante de 2? ordem é igual ao termo

principal menos o termo secundário.
Exemplos
1) Calcular o determinante da matriz
7 5
A=
2 4
Solução
7 5
det A = = 7 X 4 - 2 X 5 = 28 - 10 = 18
2 4
Daqui por diante, se dirá simplesmente:
Calcular:
7 5
det A =
2 4
2) Calcular:
-3 -8
det A =
-5 -2
Solução
det A = (-3) X (-2) - (-8) x (-5) = 6 - 40 = - 34
3) Calcular:
1 0
det I =
0 1
Solução
det I =1 x l - 0 x 0 = l - 0 = l
426 Álgebra linear
4) Calcular:
6 3
det A =
0 5
Solução
det A = 6 X 5 - 3 x 0 = 3 0 - 0 = 30
A.25 CALCULO DO D E TE R M IN A N TE DE 3? ORDEM
Dada a matriz
^11 a i2 a i3
^21 ^22 ^2 3
^31 a 32 ^3 3
para calcular o determinante dessa matriz
au ai2 ai3
det A = a2i a22 a23
a3i a32 a33
deve-se, de acordo com a definição, proceder do seguinte modo:
19) Escrever os elementos que compõem o termo principal, um após o outro, somente com
os primeiros índices (deixando lugar para colocar depois os segundos índices), tantas vezes quantas
forem as permutações dos números 1 ,2 e 3 (no caso, seis vezes):
a2 a3 ai a2 a3 ai a2 a3
a2 a3 ai a2 a3 ai a2 a3
29) Colocar, nas seis expressões anteriores, como segundos índices, as permutações 123,
132, 312, 213, 231 e 321, uma permutação em cada expressão e não necessariamente nessa
ordem:
aii a22 ^33 ^11 ^23 ^32 ^13 ^21 ^32
ai2 ^21 ^33 ai2 a23 ^31 ai3 a22 ^31
39) Fazer preceder cada um dos produtos assim formados dos sinais + ou - , conforme
a permutação dos segundos índices for de classe par ou de classe ímpar. No caso, como se pode ver
na Tabela do item A.23.2:
a) o sinal que precede o 19 produto é +, porque a permutação 123 é de classe par;
b) o sinal que precede o 29 produto é- , porquea permutação 132 é de classeímpar
c) o sinal que precede o 39 produto é +, porque a permutação 312 é de classe par;
d) o sinal que precede o 49 produto é—,porquea permutação 213 é de classeímpar
e) o sinal que precede o 59 produto é+,porquea permutação 231 é de classe par;
f) o sinal que precede o 69 produto é—,porquea permutação 321 é de classeímpar
+aii a22 ^23 “^11 ^23 ^32 +ai3 a2i a32
“^12 ^21 ^33 ■*■^12 ^23 ^31 -a 13 a22 H3i
4 9 ) Efetuar a soma algébrica dos produtos assim obtidos, com o que se terá:
det A - aiia22a33 -aiia23a32 + ai3a2ia32 -ai2a2ia33 + ai2a23a3i -ai3a22a3i
Essa fórmula pode ser transformada na seguinte:
d e t A - a i i ( a 22a 33 - a23a32) - a i 2 ( a 2i 333 - 323 331 ) + 313(321332 ~ 322331 )

428 Álgebra linear
É muito fácil essa fórmula partindo da matriz
aii ai2 ai3
A = ^21 a22 ^22
^31 ^32 ^33
e efetuando as seguintes operações:
• multiplicar o elemento an (da 1? linha) pelo determinante menor da submatriz de

A, que se obtém eliminando a 1? linha e a 1? coluna:
.... a i 2 * •a i3
© • a22 a23
^21 aa22 ^23 ; a n - an(a22a33 - ^ 23^32)

a32 a33
à31 ^32 ^33
• multiplicar o elemento ai 2 (da 1? linha) pelo determinante menor da submatriz de

A, que se obtém eliminando a 1? linha e a 2? coluna:
a n - ai3
a2i a23
a2i ^ 2 2 a23 ; ai2 - ai2(a2ia33 -a23a3i)

a3i a33
a3i ^ 3 2 a33
• multiplicar o elemento ai 3 (da 1? linha) pelo determinante menor da submatriz de

A, que se obtém eliminando a 1^ linha e a 3? coluna:
an* •ai2- ■ •©
a2i a22
a2i a22 á23 ; ai3 “ ^13(^21^32 “ ^22^31 )
a3i a32
asi as2 a33
• fazer os trés produtos obtidos anteriormente serem precedidos altemadamente pelos

sinais + e —, iniciando pelo sinal + :
^11 ^12 ^13
det A = ^21 ^22 ^23 - a i i ( a 2 2 ^33 “ ^23 ^ 3 2 ) “ ^ 1 2 ( ^ 2 1 ^3 3 “ ^ 2 3 ^ 3 1 ) ^ 1 3 ( ^ 2 1 ^3 2 - a 2 2 ^ 3 i )
^31 ^32 ^33
OU, simplificadamente:
an ai2 ai3
a22 a23 a2i a23 a2i a22
det A = a2i a22 a23 = a ii - a i2 + a i3 (A.25)

a32 a33 a3i a33 a3i a32
a3i a32 333
Essa maneira de escrever a fórmula para calcular o determinante de uma matriz de 3a ordem
é comumente denominada desenvolvimento do determinante pela IÇ linha.
Exemplos
1) Calcular:
det A =
A solução se obtém pela fórmula (A.25):
1 4 3 4 3 1
det A = 2 X -5 X +7 X
8 2 6 2 6 8
d etA = 2 ( l x 2 - 4 x 8 ) - 5 ( 3 x 2 - 4 x 6 ) + 7 ( 3 x 8- 1 x 6)
det A = 2 (2 - 32) - 5 (6 - 24) + 7 (24 - 6)

430 Álgebra linear
det A = 2 ( - 3 0 ) - 5 ( - 1 8 ) + 7 X 18
det A = -60 + 90 + 126
det A = 156.
2) Calcular:
3 1 -2
det A = -5 4 -6
0 2 7
A solução se obtém pela fórmula (A.25):
4 -6 -5 -6 -5 4
det A = 3 X - 1X + (-2) X
2 7 0 7 0 2
det A = 3 [4 X 7 - ( - 6 ) x 2] - 1 [-5 x 7 - ( - 6 ) x 0] - 2 ( - 5 x 2 - 4 x 0)
det A = 3 (28 + 12) - 1 (-35 + 0) - 2 (-10 - 0)
det A = 3 X 40 - 1 x (-35) - 2 x (-10)
det A = 120 + 35 + 20
det A = 175.
A.25.1 Observação
Assim como se pode calcular um determinante desenvolvendo-o pela 1? linha, pode-se

também calculá-lo desenvolvendo-o por qualquer linha ou por qualquer coluna, devendo-se ter
absoluto cuidado com a alternância dos sinais + e — que precedem os produtos formados.
Assim, no caso do determinante de 3^ ordem, a alternância dos sinais + e - dos produtos
por linha e por coluna é a seguinte:
+ - +
- + - (A.25.1)
+ - +
3) Calcular:
5 7
det A = 1 4
8 2
desenvolvendo-o pela 2? coluna.
A solução do problema se obtém com a fórmula análoga à obtida em A.25 com as seguintes
diferenças:
a) A coluna a ser eliminada para formar o determinante menor será sempre a 2?, e a linha
a ser eliminada será aquela em que se situa o elemento da matriz que vai multiplicar o referido
determinante menor.
b) Os sinais que precedem os produtos são os dados no Quadro A.25.1:
3 4 2 7 2 7
det A = -5 X + 1X -8 X
6 2 6 2 3 4
det A = -5 (3 X 2 - 4 X 6) + 1 (2 X 2 - 7 X 6) - 8 (2 X 4 - 7 X 3)
det A = - 5 ( 6 - 2 4 ) + 1 ( 4 - 4 2 ) - 8 ( 8 - 2 1 )
det A = -5(-18)+ 1 (-38) - 8 (-13)
det A = 90 - 38 + 104
det A = 156
Esse resultado foi o mesmo obtido no Exemplo 1.

432 Álgebra linear
A.26 DESEN VO LVIM ENTO DE UM D E TERM INAN TE POR UMA LINHA

OU POR UMA COLUNA
Se se repetir o raciocínio e o roteiro do cálculo de um determinante de 3^ ordem para um

determinante de 4? ordem, por exemplo, se chegará à mesma conclusão: o determinante poderá
ser calculado desenvolvendo-o por qualquer linha ou por qualquer coluna, devendo-se ter
absoluto cuidado com a alternância dos sinais + e - que precedem os produtos formados, alter
nância essa que, para o determinante de 4? ordem, é a seguinte:
- + - +
- -f- - +
Exemplo
Calcular:
3 2 1 4
0 1 9 8
det A = 5 6 7 2
3 1 4 6
desenvolvendo-o p elai? linha.
Roteiro para a solução:
1 9 8 0 9 8 0 1 8
det A = 3 X 6 7 2 -2 X 5 7 •2 + 1X 5 6 2
1 4 6 3 4 6 3 1 6
0 1 9
-4 X 5 6 7
3 1 4
Calculando cada um dos 4 determinantes de 3? ordem e efetuando as demais operações

indicadas, se obterá o valor do det A. Igualmente, se pode calcular um determinante de ordem
n = 5, 6, 7, 8, 10, 20, 50 etc., desenvolvendo-o por uma linha ou por uma coluna, pelo mesmo
processo que se calcula um determinante de 4? ordem. Entretanto esse processo, por envolver
um número excessivamente elevado de operações, torna-se quase impraticável. Por isso, no item
A.28 será visto um processo que, apesar de conter ainda um número elevado de operações, esse
número é sensivelmente menor do que o do desenvolvimento do determinante por uma linha ou
por uma coluna e e', geralmente, usado com o auxílio de um computador.
A.27 PROPRIEDADES DOS DETERM INAN TES
Dentre as diversas propriedades dos determinantes serão relacionadas, a seguir, aquelas que
de uma forma ou outra dizem mais de perto com o cálculo dos determinantes de qualquer ordem
ou com as propriedades dos vetores. Essas propriedades não serão demonstradas, mas tão-somente
verificadas por meio de exemplos:
I) O determinante de uma matriz A não se altera quando se trocam as linhas pelas colunas:
ai bi Cl ai a2 a3
a2 C2 = bi b2 b3
^3 b3 C3 Cl C2 C3
Exemplo
2 5
= 2 x 3 - 5 x 7 = 6 - 3 5 =-29
7 3
2 7
= 2 x 3 - 7 x 5=6-35=-29
5 3
434 Álgebra linear
II) Se a matriz A possui uma linha (ou coluna) constituída de elementos todos nulos, o
determinante é nulo:
bi 0
det A = ^2 bj 0 = 0
^3 bs 0
Exemplo
0 0 0
4 1 5 1 5 4
det A = 5 4 1 = 0 X -0 X +0 X = 0 - 0 + 0 =0
2 7 3 7 3 2
3 2 7
Esse determinante foi desenvolvido pela 1? linha, observadas as alternâncias dos sinais que
precedem os produtos.
III) Se a matriz A tem duas linhas (ou duas colunas) iguais, o determinante é nulo:
ai ai Cl
det A = ^2 2í 2 C2 = 0
^3 a3 C3
Exemplo
5 5 2
3 1 3 1 3 3
det A = 3 3 1 = 5 X -5 X + 2 X
4 6 4 6 4 4
4 4 6
Esse determinante foi desenvolvido pela 1.^ linha, observadas as alternâncias dos sinais que
precedem os produtos.
det A = 5 ( 3 x 6 - 1 x 4 ) - 5 ( 3 x 6 - 1 x 4 ) + 2 ( 3 x 4 - 3 x 4 )
det A = 5 ( 1 8 - 4 ) - 5 ( 1 8 - 4 ) + 2(12 - 12)

det A = 5 X 1 4 - 5 X 14 + 2 xO
det A = 70 - 70 + O
det A = 0
IV) Se na matriz A duas linhas (ou colunas) tém seus elementos correspondentes propor
cionais, o determinante é nulo (numa matriz A, dois elementos são correspondentes quando,
situados em linhas diferentes, estão na mesma coluna, ou quando, situados em colunas diferentes,
estão na mesma linha):
ai kai
det A = = 0
2í2 ka2
Exemplo
2 6
= 2 X 9 - 6 X 3 = 1 8 - 18 = 0
3 9
Nesse determinante os elementos correspondentes das 2 colunas são proporcionais:
A=-9. = 3
2 3
V) Se na matriz A cada elemento de uma linha (ou coluna) é uma soma de duas parcelas,
o determinante de A pode ser expresso sob a forma de uma soma dos determinantes de duas
matrizes, a saber:
ai bi + Cl a, bi ai Cl
= +
^2 b2 + C2 t>2 ^2 C2
436 Álgebra linear
Exemplo
2 3 + 5 2 3 2 5
= +
7 4+6 7 4 7 6
De fato:
2 3+5 2 8
= 2 X 10 - 8 X 7 = 20 - 56 = -36
7 4+6 7 10
mas:
2 3
= 2 X 4 - 3 x 7 = 8 - 2 1 =-13
7 4
e:
2 5
= 2 X 6 - 5 X 7 = 1 2 - 3 5 = -23
7 6
logo:
2 3 2 5
= - 1 3 - 2 3 = -36
7 4 7 6
VI) O determinante de uma matriz diagonal A (superior ou inferior) é igual ao termo

principal, isto é, é igual ao produto dos elementos da diagonal principal:
an ai2 ai3
det A = 0 ^22 ^23 - aiia22^33
0 0 ^33
Exemplos
1) Calcular:
1 3 5
det A = 0 1 3
0 0 2
E>esenvolvendo o determinante pela coluna e observando a alternância dos sinais que

1 3 3 5 3 5
det A = 1 X -0 X + 0 X
0 2 0 2 1 3
d e t A = l x ( l x 2 - 3 x 0 ) - 0 x ( 3 x 2 - 5 x 0 ) + 0 x ( 3 x 3 - 5 x 1)
det A = 1 X (1 X 2 - 0) - 0 X (6 - 0) + 0 X (9 - 5)
detA=l X 1 x 2 ' 0 + 0 = l x l x2
2) Calcular:
6 5 4 7
0 1 3 5
det A =
0 0 1 3
0 0 0 2
Desenvolvendo o determinante pela linha e observando a alternância dos sinais que

1 3 5 0 3 5 0 1 5 0 1 3
det A = 6 X 0 1 3 -5 X 0 1 3 +4 X 0 0 3 -7 X 0 0 1
0 0 2 0 0 2 0 0 2 0 0 0
438 Álgebra linear
O 19 determinante, como foi visto no Exemplo 1, é igual a 1 x 1 x 2, e os outros 3 deter

minantes, por terem uma coluna constituída de elementos todos nulos, são nulos (II propriedade).
Lx)go:
de tA = 6 x l x l x 2
VII) Trocando-se entre si duas linhas (ou colunas) da matriz A, o determinante muda de
sinal, isto é, fica multiplicado por -1:
b, Cl 3i bi Cl
32 bí C2 =- 33 bs C3
33 bs C3 32 bs C2
Exemplo
Calcular:
1. 3 5
det A = 0 0 2
0 4 12
a) Desenvolvendo o determinante pela 2? linha e observando a alternância dos sinais que

3 5 1 5 1 3
det A = - 0 X +0 X - 2 X
4 12 0 12 0 4
det A = - 0 X (3 X 12 - 5 X 4) + 0 X (1 x 12 - 5 x 0) - 2 x (1 x 4- 3 x 0)
det A = -O x (36-20) + 0 x ( 1 2 - 0 )-2 (2 -0)
det A = -0 X 16 + 0 X 1 2 - 2 X 4
det A = - 0 + 0 - 8
det A = -8
Trocando, na matriz A, a 2? linha pela 3a, vem:
1 3 5
det Al = 0 4 12
0 0 2
b) Desenvolvendo o determinante pela 3a linha e observando a alternância dos sinais que

3 5 1 5 1 3
det Al = + 0 X -0 X +2 X
4 12 0 12 0 4
det Al = 0 X (3 X 1 2 - 5 X 4 ) - 0 X (1 x 12 - 5 x 0) + 2 x (1 x 4 - 3 x 0)
det Al = 0 X (36 - 2 0 ) - 0 X (12 - 0 ) + 2 ( 4 - 0 )
d e t A i = 0 x 1 6 - O x 12 + 2 x 4
det Al = 0 - 0 + 8
det Al = 8
Como se vé, o det A, ao serem trocadas entre si duas linhas da matriz A, ficou multiplicado
por -1 , isto é, seu valor foi alterado. Para que se mantenha o valor do det A, no caso de haver
necessidade de trocar entre si duas linhas (ou colunas), se procederá do seguinte modo:
1 3 5 1 3 5
det A = 0 0 = -l X 0 4 12
0 4 12 0 0 2
Na realidade, tendo em vista que o det A foi multiplicado por -1, ele, para manter seu
valor, deveria ser dividido por -1 (ou multiplicado pelo inverso -1, no caso - y ) - Como, porém, o
resultado seria o mesmo, se optou pela solução mais simples.

440 Álgebra linear
Quando se desejar trocar a 24 linha pela 34 de uma matriz A para facilitar o cálculo de seu
determinante, se escreverá assim:
3 5
det A = 0 2 L23
4 12
1 3 5
det A = - l X 0 4 12
0 0 2
Essa operação será utilizada no cálculo de um determinante de qualquer ordem, quando,

como aconteceu no presente caso, num determinado estágio do processo do cálculo, não puder
haver o número zero na diagonal principal: a troca da 24 linha pela 34 tirou o zero da diagonal
principal e colocou em seu lugar o número 4.
VIII) Quando se multiplicam por um número real, diferente de zero, todos os elementos
de uma linha (ou de uma coluna) da matriz A, o determinante fíca multiplicado por esse
número:
ai bi Cl ai bi Cl
ka2 kb2 kC2 = k X a2 ba C2
aa ba Ca aa bs Ca
Exemplo
Seja:
1 3 5
det Aj = 0 4 12
0 0 2
Este determinante foi calculado, como Exemplo, na propriedade VII, e o valor encontrado
foi det Al = 8.
Suponha o leitor que se deseja multiplicar a 24 linha por 1/4 (o que é o mesmo que dividir
os elementos da linha por 4):
1 3 5
det A 2 = 0 1 3
0 0 2
Desenvolvendo o determinante pela 3? linha e observando a alternância dos sinais que pre
cedem os produtos, vem:
3 5 1 5 1 3
det A 2 = + 0 X -0 X + 2 X
1 3 0 3 0 1
det A2 = 0 X (3 X 3 * 5 X l ) - 0 X (1 X 3 - 5 x 0) + 2(1 x 1 - 3 x 0)
det A2 = 0 X ( 9 - 5 ) - 0 X ( 3 - 0 ) + 2 x ( l - O )
d etA 2= 0x4-0x3 + 2x 1
det A2 = 0 - 0 + 2
det A 2 = 2
Como se vê, o det Ai ficou multiplicado por ao se multiplicar os elementos da 2?

linha por uma vez que:
det A 2 = 2 = 8 x-L
^ 4
isto é, o valor de det Ai ficou alterado. Para que se mantenha o valor do det A i , no caso de
haver necessidade de multiplicar a 2P linha por se procederá do seguinte modo:
1 3 5 1 3 5
det Al = 0 4 12 = 4 X 0 1 3
0 0 2 0 0 2
Repetindo o que já foi dito, multiplicar os elementos de uma linha por o mesmo que
dividir os elementos da linha por 4 (ou, o mesmo que dividir o determinante por 4). Daí por
que, para compensar, isto e', para que o determinante mantenha seu valor, é necessário multi
plicá-lo pelo inverso de — ou seja, por 4.

442 Álgebra linear
Quando se desejar multiplicar a 2? linha de uma matriz A por — para facilitar o cálculo de
seu determinante, se escreverá assim:
1 3 5
det Al = 0 4 12 ->
0 0 2
1 3 5
det Al = 4 X 0 1 3
0 0 2

como aconteceu no presente caso, num determinado estágio do processo do cálculo, se desejar
obter o número 1 como um dos elementos da diagonal principal: a multiplicação do número 4,
que estava na 2? linha como elemento da diagonal principal, por colocou o número 1 em
seu lugar.
Admitamos que se queira obter o número 1 em lugar do número 2 no det A 2 :
1 3 5
det A 2 = 0 1 3
0 0 2
Nesse caso, basta multiplicar a 3? linha por — e fazer a respectiva compensação multi
plicando det A 2 pelo inverso de — , isto e', por 2:
1 3 5
det A 2 = 0 1 3 U íy)
0 0 2
1 3
det A 2 = 2 X 0 1
0 0
Recapitulando todas as operações feitas até agora com o det A da propriedade VIII, tem-se:
1 3 5
det A = 0 0 2
0 4 12
1 3 5
det A = ■-1 X 0 4 12
0 0 2
1 3 :
det A = ■-1 X 4 X 0 1 L,(2-)
0 0 ;
1 3 5
de t A = - l x 4 x 2 x 0 1 3
0 0 1
Tendo em vista que, pela propriedade VI, o determinante de uma matriz triangular é
igual ao termo principal e como, nesse caso, o termo principal TP é igual a 1 (TP= 1 x 1 x 1 ) ,
vem:
det A = - 1 X 4 X 2 X 1 = -8
Esse valor -8 já havia sido encontrado para o determinante dado:
1 3 5
0 0 2
0 4 12
ao ser desenvolvido pela 2? linha (exemplo da propriedade VII, alínea a).

444 Álgebra linear
IX) Um determinante nSo se altera quando se somam aos elementos de uma linha
(coluna) da matriz A os elementos correspondentes de outra linha (coluna) previamente multi
plicados por um número real diferente de zero:
ai b, Cl ai bi Cl
a2 bj C2 = 2l 2 + k a i b2 + k b i C2 + k c i
aa bj C3 aa ba Ca
Exemplo
Calcular:
1 2 4
det A = 4 10 12
5 7 9

10 12 4 12 4 10
det A = +1 X -2 X +4 X
7 9 5 9 5 7
det A = 1 X (10 X 9 - 1 2 X 7 ) - 2 x (4 x 9 - 12 x 5) + 4 x (4 x 7 - 10 x 5)
det A = 1 X (90 - 84) - 2 X (36 - 60) + 4 X (28 - 50)
det A = 1 X 6 . 2 X (-24) + 4 x (-22)
det A = 6 + 48 - 88
det A = -34
Pretende-se, agora, substituir a 2? linha do det A pela soma de seus elementos com os
elementos correspondentes da 1? linha previamente multiplicados por -4:
2? linha: 4 10 12
la linha: 1 2 4
Multiplicador: -4 -4 -8 -16
Nova 2a linha: 0 2 - 4
1 2 4
det Al = 0 2 - 4
5 7 9
b) Desenvolvendo o determinante pela la linha e observando a alternância dos sinais que

2 -4 0 -4 0 2
det Al = + 1 X -2 X +4 X
7 9 5 9 5 7
det Al = 1 X [2 X 9 - (-4) x 7] -2 x [0 x 9 - (-4) x 5 ] + 4 x ( 0 x 7 - 2 x 5 )
det Al = 1 X (18 + 28) - 2 X (0 + 20) + 4 X (0 - 10)
det Al =1 X 46 - 40 - 40
det Al = -3 4
Portanto, det Ai = det A, com o que a propriedade fica verificada.

446 Álgebra linear
Quando se desejar somar os elementos da 2? linha com os correspondentes elementos da

1? linha, previamente multiplicados por -4 , se escreverá assim:
2 4
det A = 10 12 L 2 - L 2 + L j (*4 )
1 4
det A = 0 -4
5 9
O sinal = da expressão L2 = L2 + Lj (-4 ) não tem o significado convencional; é em

pregado, entretanto, para indicar que a expressão L2 = L2 + Li (-4), utilizada em lugar de L2 ,
não altera o “valor” do det A.
como aconteceu agora, num determinado estágio do processo do cálculo, se desejar o número
“zero” para formar uma matriz triangular. Para facilitar a obtenção do zero é que se utiliza a
propriedade VIII, isto é, se faz a operação adequada para substituir o número que está na diagonal
principal pelo número 1; e é isso o que veremos no próximo item.
A.28 CÁLCULO DE UM D E TE R M IN A N TE DE QUALQUER ORDEM
Para calcular o determinante de uma matriz quadrada A, de ordem n (para n > 2, isto é,
n = 5, 6, 10, 20, 5 0 ,1 0 0 etc.), será utilizado o processo de triangulação.
Assim, dada uma matriz quadrada A, de ordem n, se procederão com as linhas (ou colunas)
de seu determinante as operações adequadas para transformar a matriz A numa matriz triangular
superior (ou inferior), ao mesmo tempo que se efetuarão com o det A as necessárias compen
sações, quando for o caso, para manter inalterado seu valor, tudo de acordo com as propriedades
dos determinantes já vistas e verificadas.
Antes de dar um exemplo, uma explicação se faz necessária ao leitor: o ideal seria calcular
um determinante de ordem elevada, mas, no caso, o cálculo se tornaria demorado e repetitivo,
porque, como já tivemos oportunidade de verificar, o processo para se obter o número zero é
sempre o mesmo, assim como o processo para se obter o número 1, na diagonal principal, também
é sempre o mesmo. Dessa forma, o exemplo a ser dado será o de um determinante de 3? ordem.
Aliás, com isso haverá uma dupla vantagem: primeiro, se poderá calcular o determinante desen
volvendo-o por uma linha (ou coluna) qualquer; segundo, se poderá verificar se, calculando o
determinante por triangulação, ele conserva seu valor.
Não é demais insistir em que o processo de triangulação não é específico para o cálculo de
um determinante de ordem 3 (embora o exemplo a seguir seja de um determinante dessa ordem),
mas é para um determinante de qualquer ordem. Por outro lado, é preciso declarar que o cálculo
de determinantes de ordem muito grande só foi possível a partir do uso dos computadores que,
em geral, com algumas variações, utilizam o processo de triangulação. Dada a explicação ao leitor,
convém ainda dizer que, por comodidade, facilidade nos cálculos e por ser bastante prático, para
executar o processo de triangulação, se procura colocar, por meio das operações adequadas
(e das respectivas compensações quando for o caso), como elementos da diagonal principal, exceto
o último, o número 1.
Obtido o número 1 na R linha e 1? coluna, isto é, an = 1, substituem-se, por meio das opera
ções competentes, todos os demais elementos da 1? coluna por zeros; da mesma forma, depois de
obter a22 = 1, substituem-se os demais elementos da 2^ coluna, situados abaixo (acima) de a22
por zeros, e assim por diante. Quanto a cada um dos elementos da diagonal principal da matriz A,
trés hipóteses podem ocorrer:
1?) O elemento é igual a zero. Nesse caso deve-se proceder à operação de troca de linhas
e multiplicar o det A por -1 , como compensação, isto é, para que det A conserve seu valor;
2?) O elemento é igual a k. Nesse caso, deve-se multiplicar todos os elementos da linha
por com o que se obtém o número 1 como elemento da diagonal principal dessa linha. Por
outro lado, para compensar, isto é, para que det A mantenha seu valor, deve-se multiplicá-lo
pelo inverso de isto é, por k.
3?) O elemento é igual a 1. Nesse caso, nada a fazer no que diz respeito à diagonal
principal.
Exem plo
Calcular:
1 7
det A = 3 2
3 4
448 Álgebra linear
Solução

2 1 7
3 2 1 2 1 3
det A = 1 3 2 = +2 X - 1X +7 X
3 4 5 4 5 3
5 3 4
detA = 2 x ( 3 x 4 - 2 x 3 ) - l x ( l x 4 - 2 x 5 ) + 7 x ( l x 3 - 3 x 5 )
det A = 2 X (12 * 6) - 1 (4 - 10) + 7 (3 - 15)
det A = 2 x 6 - l x ( - 6 ) + 7 (-1 2 )
det A = 12 + 6 - 8 4
det A = -66
b) O mesmo determinante será calculado, agora, pelo processo de triangulação, segundo

as instruções prestadas anteriormente.
2 1 7 L ,( y )
det A = 1 3 2
5 3 4
1
2 2
det A = 2 X L2 - L2 + L i ( - l)
1 -i- ^
2 2
det A = 2 X
0 a .l
2 2
5 3 4 L3 = L3 + L,(-5)
1 7
2 2
5 _ 3
det A = 2 X
2 ’ 2
1 27
2 “ 2
1 7
1
2 2
det A = 2 X— X 0 1 _6
10
1 27
0 L3 — L3 + L 2 ( - - ^ )
2 ' 2
1
1
2 2
det A = 2 X 5 x 0 1
10
132
0 0
10
132 132
O termo principal é: TP = 1 x 1 x ( - “jq") = “"iõ” ’
logo:
^ *A T 5 . 132, 10 .132, 132

d«A.2xyx(.-j5-).^x(-— 66
Como se vé, pelo processo de triangulação se obteve para o det A o mesmo valor que se
obteve quando se desenvolveu esse determinante pela 1? linha.
1) Calcular:
2 4 6
det A = 5 9 8
7 2 1
450 Álgebra linear
Solução
Desenvolvendo o determinante pela 1? linha e observando a alternância dos sinais que

9 8 5 8 5 9
det A = 2 X - 4 X +6 X
2 1 7 1 7 2
det A = 2 (9 X 1 - 8 x 2 ) - 4 ( 5 X 1 - 8 x 7 ) + 6 ( 5 x 2 - 9 x 7 )
det A = 2( 9 - 16) - 4 ( 5 - 5 6 ) + 6( 10 - 6 3 )
det A = 2 ( - 7 ) - 4 (-5 1 ) + 6 (-5 3 )
det A = -14 + 2 0 4 - 3 1 8
det A = -128
2) Calcular o determinante do problema anterior pelo processo de triangulação.
Solução
4 6 ■L.(y)
det A = 9 8
2 1
1 2 3
det A = 2 X 5 9 8 •Lj =L 2 +L ,(-5)

7 2 1
1 2 3
det A = 2 X 0 -1 -7
7 2 1 L3 - L3 + Li (-7)
1 2 3
det A = 2 X 0 -1 -7
0 -12 -20
1 2 3
det A = 2 X (-1 ) X 0 1 7
Ls =Lj +Lj(12)
0 -12 -2 0
1 2 3
det A = 2 X (-1 ) X 0 1 7
0 0 64
mas o determinante de uma matriz triangular (superior ou inferior) é igual ao termo principal:
T = 1 X 1 X 64 = 64
logo;
det A = 2 X (-1 ) X 64
det A = -128
O bservado
O cálculo de um determinante pelo processo de triangulação poderia ser feito com menos
trabalho e mais rapidamente se, uma vez obtido o número 1 de uma coluna, as operações para
obter os zeros dessa coluna não fossem indicadas uma de cada vez, e sim todas de uma só vez.
452 Álgebra linear
Assim:
4 6 L .( y )
det A = 9 8
2 1
1 2 3
det A = 2 X 5 9 8 U=U+Ui-5)
7 2 1 Lj =Lj +L ,(-7)
1 2 3
det A = 2 X 0 -1 -7 L2(-1)
0 -12 -2 0
1 2 3
det A = 2 x ( - l ) X 0 1 7
0 -12 - 20 La =La +L2Í12)
1 2 3
det A = 2 X (-1 ) X 0 1 7
0 0 64
det A = 2 X (-1 ) X 64
det A = -128
A conveniência de se indicar de uma só vez as operações para se obter os zeros de cada

coluna se tornará bem clara no cálculo de um determinante de ordem maior que 3, como se verá
no problema seguinte.
3) Calcular pelo processo de triangulação:
-2 -3 -1 -2
-1 0 1 -2
det A =
-3 -1 -4 1
-2 2 -3 -1
Solução
-2 -3 -1 -2 ------ ^ L ,( - y )
-1 0 1 -2
det A =
-3 -1 -4 4
-2 2 -3 -1
3 1
1 - 1
2 2
det A = (-2 ) X -1 0 1 -2 ------►L, = U + Li
-3 -1 1 — - u = u + L,(3)
-2 2 -3 -1 + L,(2)
0 ^ -1 L . ( |- )
det A = (-2 ) X
5 -2
454 Álgebra linear
3 1
1 1
2 2
2
0 1 1
"T
det A = (-2) x y x
7 5 ------ ^ L 3 = L 3 + L 2 ( - y )
0 4
2 ~2
0 5 -2 1 ------^ L 4 = L 4 = L j (-5)
3 1
0 1
2 2
2
0 1 1
'3
2 19
0 0 -6 L.
3 < - i>
0 0 -7 13
3
3 1
1
2 2
2_
0 1 1
■3
(-6 ) X
0 0 1 li-
18
0 0 -7 11
3 L4 = L , + L j ( 7 )
3 1
1 ^ 1
2 2
2
1 1
'3
det A = (-2) (-6) X
19
0 0 1
" 8
55
0 0 0 ” 10
mas o determinante de uma matriz triangular é igual ao termo principal
X 1 1 1 ^ 55. 55
T = l x l x l x ( - - - ) = -—
logo;
det A = 18 X ( - ^ ) = -55
4) Resolva a equaçío:
x -2 X + 3 X - 1
2 1 3 = 60
3 2 1
Solução
Desenvolvendo o determinante do 19 membro da equação pela 1? linha e observando a

alternância dos sinais que precedem os produtos, vem:
1 3 2 3 2 1
( x - 2 ) x - (x + 3) X + (x - 1) X = 60
2 1 3 1 3 2
(x-2)(l - 6 ) - ( x + 3 )(2 -9 ) + (x- l)(4-3)=60
(x - 2 )(-5 ) - (x + 3 )(-7 ) + (x - 1)(1) = 60
-5x+10-(-7x-21) + x - l = 6 0
-5x + 10 + 7x + 21 + X - 1 = 60
3x + 30 = 60
3x = 60 - 30
456 Álgebra linear
3x = 30
30
x= 10
5) Resolver a equação:
X 3 2
5 x 1 = 12
1 3 1
Solução
Desenvolvendo o determinante do 19 membro da equação pela 1? linha e observando a

X 1 5 1 5 X
X X -3 X + 2 X = 12
3 1 1 1 1 3
x ( x - 3 ) - 3 ( 5 - l) + 2(15-x)=12
x2 - 3 x - 3 X 4 + 3 0 - 2 x = 12
x^-3x-12 + 30-2x=12
x^ - 5 x - 1 2 + 3 0 - 1 2 = 0
x^ - 5x + 6 = 0
_ 5 ± V(-5)^ - 4 X 1 X 6
* 2x1
5 ± V25 - 24
2-------
_5±x/r
^ 2
5± 1
X = — -—
5+1 6 ^
’■ = — - t -3
ou:
5-1 4 ,
3 2 X
1 -2 X = 8
2 -1 X
Solução
Desenvolvendo o determinante do 19 membro da equação pela 3? coluna e observando a

1 -2 3 2 3 2
X X - X X + X X = 8
2 -1 2 -1 1 -2
x ( - l + 4) - x ( - 3 - 4 ) + x ( - 6 - 2) = 8
x (3 )-x (-7 ) + x (-8 )= 8
3x + 7x - 8x = 8
2x = 8
8
^=2
X =4
458 Álgebra linear
2 x -2 1
1 X + 3 4 = 56
3 X+ 1 5
Solução
Desenvolvendo o determinante do 19 membro da equação pela 2? coluna e observando a

1 4 2 1 2 1
(x - 2) X + (x + 3) X - (x + 1) X = 56
3 5 3 5 1 4
- ( x - 2)(5 - 12) + (x + 3)(10 - 3) - (x + 1)(8 - 1) = 56
- ( x - 2 ) (-7 ) + (x + 3) (7) - (x + 1)(7) = 56
-( - 7 x + 14) + 7x + 21 - (7x + 7) = 56
7 x - 1 4 + 7x + 21 - 7 x - 7 = 56
7x = 56
56 _ a
x = - - 8
8) Calcular, desenvolvendo pela l^ linha:
-2 -3 -1 -2
-1 0 1 -2
det A =
-3 -1 -4 1
-2 2 -3 -1
Solução
0 1 -2 -1 1 -2
det A = + (-2) X -1 -4 1 - (-3)x -3 -4 1 +
2 -3 -1 -2 -3 -1
-1 0 -2 -1 0 1
+ (-l)x -3 -1 1 -(-2 ) X -3 -1 -4
-2 2 -1 -2 2 -3
0 1 -2 -1 1 -2 -1 0 2
det A = -2 X -4 1 +3 X -3 A 1 - 1 X -3 -1 1
2 -3 -2 -3 -1 -2 2 -1
-1 0 1
+2 X -3 -1 -A (a)
-2 2 -3
mas:
0 1 -2 -4 1 -1 1 -1 -4
det B = -1 -4 1 = +0 x - 1 X + (-2)x
-3 -1 2 -1
2 -3 A
detB = 0 x ( 4 + 3 ) - 1(1 - 2 ) - 2 ( 3 + 8 ) = 0 x 7 - 1 ( - 1 ) - 2 ( 1 1 )
det B = 0 + 1 - 2 2 = -21
-1 1 -2
-4 1 -3 1 -3 ^
det C = -3 -4 1 = + (-l)x - 1 X + (-2)x
-3 -1 -2 -1 -2 -3
-2 -3 -1
460 Álgebra linear
det C = -1 (4 + 3) - 1 (3 + 2) - 2(9 - 8) = -1 (7) - 1 (5) - 2 (1)
detC = - 7 - 5 - 2 = -14
-1 0 -2
-1 1 -3 1 -3 -1
det D = -3 -1 1 = +(-l)x -0 X + (-2)x
2 -1 -2 -1 -2 2
-2 2 -1
det D = -1 (1 - 2) - 0 (3 + 2) - 2 (-6 - 2) = -1 (-1 ) - 0 (5) - 2 (-^)
det 0 = 1 - 0 + 16 = 17
-1 0 1
-1 -4 -3 -4 -3 -1
det E = -3 -1 -4 = (-l)x -0 X + 1 X
2 -3 -2 -3 -2 2
-2 2 -3
det E = -1 (3 + 8) - 0 ( 9 - 8) + 1 (-6 - 2)
det E = -1 (11) - 0 (1) + 1 (-8) = -11 - 0 - 8 = -19
Substituindo det B, det C, det D e det E em (a), vem:
det A = -2 (-21) + 3 (-14) - 1 (17) + 2 (-19) = 4 2 - 4 2 - 1 7 - 3 8
det A = -55
Observação
O cálculo desse determinante já foi feito no problema 3 pelo processo de triangulação e,

como era de esperar, o resultado foi o mesmo. Os principais motivos pelos quais o mesmo
determinante foi calculado novamente, por outro processo, sáo os seguintes:
a) mostrar que um determinante de ordem n > 3 pode ser calculado desenvolvendo-o por
uma linha (coluna) e como fazê-lo;
b) chamar a atenção para o número de determinantes de ordem n = 2 que se deve calcular

quando se faz o cálculo de um determinante de ordem n > 3 pelo processo de desenvolvé-lo
por uma linha (coluna). Assim:
• o cálculo de um determinante de ordem 3 implica calcular 3 determinantes de ordem 2;
• o cálculo de um determinante de ordem 4 implica calcular 4 x 3 = 1 2 determinantes

de ordem 2;
• o cálculo de um determinante de ordem 5 implica calcular 5 x 4 x 3 = 60 determinantes

de ordem 2 ;
• o cálculo de um determinante de ordem 6 implica calcular 6 x 5 x 4 x 3 = 36 determi

nantes de ordem 2 etc.
c) Alertar para o fato de que quando n > 4 , é muito natural que enganos sejam cometidos
e que, portanto, o cálculo feito não corresponda ao valor do determinante. Por essa razão (e
mesmo que o processo de triangulação seja menos trabalhoso), atualmente se calcula um determi
nante por computador, por meio de um PROGRAMA adequado previamente elaborado.
Dadas as matrizes:
3 4 1 4 -1 3 2 6 8
A= -5 -2 -9 , B= 3 0 1 e C= 3 9 12
7 8 6 7 2 - 4 -1 - 2 - 3
calcular, pelo processo de triangulação ou pelo desenvolvimento de uma linha (ou coluna):
1) det A
2) det B
3) det C
4) det (A + B)
462 Álgebra linear
5) det(A-B)
6) det (2A - 3B + 4C)
7) det (BC)
8) det (AC'*')
9) det (CB) A
10) det C (BA)
11) Verificar se det (A + B) = det A + det B
12) Verificar se det (BC) = det B x det C
Dada a matriz:
-2 3 1 -1
0 1 2 3
A =
1 -1 1 -2
4 -3 5 1
13) Calcular det A pelo processo de triangulação
14) Calcular det A desenvolvendo-o pela 2? linha
Nos problemas 15 a 22, resolver as equações:
15) 4 6 X
5 2 -X = -128
7 4 2x
16) 3 5 7
2x X 3x = 39
4 6 7
17) 5 1 3
3x 0 1 = 100
7x 2 1
18) x+3 x+ 1 x+4
4 5 3 = -1
9 10 7
19) 12 -X 1
18 ^2x 3 = 10
15 - 2 x 0
20) 1 0 X -
1 1 X - = 0
2 1 X-
21) 2 X 2
1 1 X = -3
1 1 6
22) 2 6 2
4 X 2 = 0
2x 8 4
464 Álgebra linear
1 a 3. Roteiro: Esses problemas se resolvem de forma análoga à dos problemas 1 ou 2 do item A.29.
4) Roteiro: 19) Calcular A + B = E
29) Calcular det E
5) Roteiro: 19) Calcular A - B = F
29) Calcular det F
6) Roteiro: 19) Fazer G = 2A - 3B + 4C
29) Calcular G
39) Calcular det G
7) Roteiro: 19) Calcular BC = H
29) Calcular det H
8) Roteiro: 19) Determinar C^
29) Calcular AC”^ =J
39) Calcular det J
9) Roteiro: 19) Calcular CB = L
29) Calcular LA = M
39) Calcular detM
10) Roteiro: 19) Calcular BA = N
29) Calcular CN = P
39) Calcular det P

11) Roteiro: 19) Calcular det A
29) Calcular det B
39) Calcular A + B
49) Calcular det (A + B)
59) Calcular det A + det B
69) Comparar det (A + B) com det A + det B
12) Roteiro: 19) Calcular det B
29) Calcular det C
39) Calcular BC
49) Calcular det (BC)
59) Calcular det B x det C
69) Comparar det (BC) com det B x det C
13 e 14. Roteiro: Esses problemas se resolvem de forma análoga à dos problemas 3 e 8, respectiva
mente, do item A.29.
15) x=2
16) X= 3
17) x=5
18) x=l
19) x = 7
466 Álgebra linear
20) X = -1
21) X =5 e X =3
22) X =4
INVERSÃO DE MATRIZES
A.30 M A T R IZ INVER SA
Em A .7.2 (29 caso) viu-se que, dada uma matriz quadrada A, de ordem n, se existir
uma matriz quadrada B, de mesma ordem, que satisfaça à condição:
AB = BA = I
B é inversa de A e se representa por A~ ^:
AA-^ = A-'A = I
A.31 M A T R IZ SING ULAR
Uma matriz quadrada A = [a^] cujo determinante é nulo é uma múrrnz
Exemplo
A matriz
A=
é singular porque
4 7
det A = 5 8 = 0
6 9
De fato, desenvolvendo o determinante pela 1? linha e observando a alternância dos sinais

que precedem os produtos, vem:
1 4 7
5 8 2 8 2 5
det A = 2 5 8 =+ 1 X - 4 X +7 X
6 9 3 9 3 6
3 6 9
detA=lx(5x9-8x6)-4x(2x9-8x3) +7x(2x6-5x3)
det A = 1 x ( 4 5 - 4 8 ) - 4 x ( 1 8 - 2 4 ) + 7 x ( 1 2 - 1 5 )
det A = 1 X ( - 3 ) - 4 x (-6) + 7 x (-3)
det A = -3 + 2 4 - 2 1
det A = 0
A matriz singular não tem inversa.
A.32 M A T R IZ NAO-SINGULAR
Uma matriz quadrada A = [a.j ] cujo determinante é diferente de zero é uma matriz
não-singular ou regular.
Exemplo
A matriz
2 3 1
A= 5 2 2
3 1 3
é uma matriz não-singular, porque o det A é diferente de zero.

468 Álgebra linear
De fato, desenvolvendo o determinante pela 1? linha e observando a alternância dos sinais

que precedem os produtos, vem:
2 3 1
2 2 5 2 5 2
det A = 5 2 2 = + 2 X - 3 X + 1X
1 3 3 3 3 1
3 1 3
detA = 2 x ( 2 x 3 - 2 x l ) - 3 x ( 5 x 3 - 2 x 3 ) + l x ( 5 x l - 2 x 3 )
det A = 2 X (6 - 2) - 3 X (15 - 6) + 1 X (5 - 6)
de t A = 2 x 4 - 3 x 9 + l x (-1)
det A = . 8 - 2 7 » 1
det A = - 20
A matriz nâo-singular sempre tem inversa.
A.33 PROPRIEDADES DA M A T R IZ INVERSA
I) Se a matriz A admite inversa (det A 0), esta é única.
II) Se a matriz A é nâo-singular, sua inversa A"^ tambe'me'. A matriz inversa de A"^ é A.
III) A matriz unidade I é não-singular (det 1 = 1 ) e é a sua própria inversa: 1 = 1”^.
IV) Se a matriz A é nâo-singular, sua transposta P J tambe'm é. A matriz inversa de A^ é
V) Se as matrizes A e B são não-singulares e de mesma ordem, o produto AB é uma matriz

não-singular. A matriz inversa de AB é a matriz B" Â" V
Exemplo
a) Verificar se a matriz C é inversa de A.
2 -5
A= e C=
-3 8
2 -5
AC =
-3 8
A matriz C é inversa de A, isto é:
2 -5
A’ ^ =
-3 8
b) Verificar se a matriz F é inversa de B.
4 -7
B= e F
-5 9
4 -7
BF =
-5 9
A matriz F é inversa de B, isto é:
4 -7
-5 9
470 Álgebra linear
c) Efetuar o produto das matrizes A e B.
8 5 9 7 97 76
AB =
3 2 5 4 37 29
d) -1
Efetuar o produto das matrizes B"^ e A ^
4 -7 2 -5 29 -76
B- ‘A ‘ = X =
-5 9 -3 8 -37. 97
e) Se o produto das matrizes AB e B Â * for igual a I, então B ^ A ^ é a inversa de AB:
97 76 29 -7 6 1 0
(AB) x ( B - ‘ A - ‘ ) = X =
37 29 -37 97 0 1
Portanto, a inversa de AB é B Â ^.
A.34 OPERAÇOES ELEMENTARES
Denominam-se operações elementares de uma matriz as seguintes:
I) Permutação de duas linhas (ou de duas colunas).
II) Multiplicação de todos os elementos de uma linha (ou coluna) por um número real
diferente de zero.
III) Substituição dos elementos de uma linha (coluna) pela soma deles com os elementos
correspondentes de outra linha (coluna) previamente multiplicados por um número real diferente
de zero.
A.35 EQ U IVA L ÊN C IA DE M ATRIZES
Dadas as matrizes A e B, de mesma ordem, diz-se que a matriz B é equivalente à matriz A, e

se representa por B ~ A, se for possível transformar A em B por meio de uma sucessão finita de
operações elementares.
Com relação às operações elementares para transformar uma matriz em outra equivalente
a ela, convém ter presente o seguinte:
a) Quando se desejar permutar, por exemplo, a 2^ linha pela 3^ de uma matriz A, se

escreverá assim:
1 3 5
A= 0 0 2 -^23
0 4 12
1 3 5
Al = 0 4 12
0 0 2
b) Quando se desejar multiplicar todos os elementos da 2? linha, por exemplo, da matriz
A l , por se escreverá assim:
1 3 5
A, = 0 4 12 l.( t )
0 0 2
1 3 5
A2 - 0 1 3
0 0 2
412 Álgebra linear
c) Quando se desejar substituir os elementos da la linha, por exemplo, da matriz A 2 , pela

soma deles com os elementos correspondentes da 2? linha previamente multiplicados por -3, se
escreverá assim:
1 3 5 Li = L i + L 2(-3)
A2 = 0 1 3
0 0 2
_
1 0 -4
A .= 0 1 3
0 0 2
O sinal = da expressão Li = Li + L2( - 3 ) não tem o significado convencional: é empre

gado, entretanto, para indicar que a expressão Li = L i + L2( - 3), utilizada em lugar de L i,
transforma a matriz A 2 na matriz equivalente A 3 .
d) Recapitulando as operações elementares que foram efetuadas com a matriz A até obter
a matriz equivalente A 3 , verifica-se que:
I) A operação L23 foi realizada para tirar um zero da diagonal principal e poder colocar,
em seu lugar, após adequada operação, o número 1.
II) A operação L2(-^ ) foi efetuada para, em lugar do número 4 na diagonal principal, se
obter o número 1.
III) A operação Li = L 2( - 3 ) foi efetuada para, em lugar do número 3, situado acima do

número 1 da diagonal principal, se obter um zero.
Como se vé, com as operações elementares se obtém os mesmos resultados já obtidos com
as propriedades VII, VIII e IX dos determinantes: é que aquelas propriedades eram, na realidade,
operações elementares. No caso, entretanto, dos determinantes, a VII e a VIII propriedades,
quando aplicadas, alteram seu valor, daí a necessidade de efetuar compensações, isto é, realizar
operações que anulem tais alterações e mantenham o valor do determinante. Não é o caso, porém,
das matrizes: as operações elementares tém por objetivo transformar, por intermédio delas, uma
matriz A em uma matriz B, equivalente a ela.
A.35.1 Transformação de uma Matriz na Matriz Unidade
Qualquer matriz quadrada A, de ordem n, não-singular, pode ser transformada na matriz

equivalente I, de mesma ordem, por meio de uma sucessão finita de operações elementares,
isto é, I A.
Para transformar uma matriz quadrada A, não-singular, na matriz I, se procederão com as
linhas (ou colunas) operações elementares adequadas que:
a) transformem a matriz A numa matriz triangular superior (inferior), ao mesmo tempo
em que são substituídos cada um dos elementos da diagonal principal pelo número 1;
b) substituam todos os elementos situados acima (abaixo) da diagonal principal por zeros,
isto é, processem a diagonalização da matriz A.
Do mesmo modo que se procedeu com o cálculo do determinante de qualquer ordem, será
dado aqui um exemplo de uma matriz quadrada, de ordem 3, para ser transformada na matriz I,
de mesma ordem, e isso será feito tão-somente por comodidade, para não ser repetitivo, por ser
prático, uma vez que o processo é o mesmo para uma matriz de ordem n (para n > 2, isto é,
n = 5 ,6 , 10, 20, 50, 100 etc.).
Antes do exemplo, porém, uma informação ao leitor: ao mesmo tempo em que se trans
forma a matriz A na matriz equivalente I, pode-se calcular o det A; por essa razão, será colocado
um asterisco ao lado de cada operação que altera o valor do determinante e, ao final, feitas as
operações para compensar as alterações, isto é, para manter o valor do determinante, será feito
seu cálculo.
Exemplo
Transformar a matriz A na matriz equivalente I:
1 L .( y ) *
A= 2
5
Al =
4 u = L2 + Li(-4 )
2
474 Álgebra linear
1 3
1
2 2
Aj = 0 0 -4
2 5 3 — ^ L 3 = L 3 + L ,( - 2 )
1 3
1
2 2
Aj = 0 0 -4
0 4 0
Tendo em vista que há um zero na diagonal principal ( 2? linha), há necessidade de permutar

a 2? linha pela 3?; com essa providência, em lugar do zero se obterá o número 4 na diagonal
principal (2? linha); por outro lado, de acordo com a propriedade VII dos determinantes, o
determinante ficará multiplicado por - 1 :
1 3
1
2 2
Aa = 0 0 -4 L33*
0 4 0
1 3
1
2 2
A ,= 0 4 0 ^ L 3 ( |) *
0 0 -4 .
1 3
1
2 2
As = 0 1 0
0 0 -4 — * L3(-T>*
1 3
2 2
A. = 0 1 0
0 0 1
3
0 L, =L, +L 3 ( - | )
2
Aj — 1 0
0 1
1 0 0
A. =1 = 0 1 0
0 0 1
Como se viu, a matriz A, por meio de uma sucessão finita (8 ) de operações elementares, foi
transformada na matriz equivalente I.
Tendo em vista que o det Ag = I é igual a l e que as operações realizadas com as matrizes
A, Ag, A4 e As alteraram o det A, as operações a seguir anularão as alterações e permitirão
calcular o det A:
det A = 2 X(-1) X 4 X(-4) X 1
det A = 32
O leitor poderá conferir o resultado obtido para o det A, desenvolvendo-o pela 19 linha e
observando a alternância dos sinais que precedem os produtos:
2 1 3
2 2 4 2 4 2
det A = 4 2 2 = +2 X -1 X +3 X
5 3 2 3 2 5
2 5 3
detA = 2 x ( 2 x 3 - 2 x 5 ) - l x ( 4 x 3 - 2 x 2 ) + 3 x ( 4 x 5 - 2 x 2 )
det A = 2 x ( 6 - 1 0 ) - l x( l 2- 4) + 3 x(20-4)
476 Ãlgebra linear
det A = 2 X (-4) - 1 x ( 8 ) + 3 x 16
det A = -8 - 8 + 48
det A = 32
A.36 INVERSÃO DE UMA M A T R IZ POR M EIO

DE OPERAÇÕES ELEMENTARES
A mesma sucessão finita de operações elementares que transforma a matriz A na matriz

unidade I transforma a matriz I na matriz A~ ^, inversa de A.
Para determinar, pois, a matriz inversa de A:
a) coloca-se ao lado da matriz A a matriz I, separada por um traço vertical;
b) transforma-se, por meio de operações elementares, a matriz A na matriz I, aplicando-se,

simultaneamente, à matriz I, colocada ao lado da matriz A, as mesmas operações elementares.
Exemplos
1) Determinar a matriz inversa da matriz
1 3
A= 2 2
5 3
Solução
2 1 3 1 0 0 L ,( y ) *
4 2 2 0 1 0
2 5 3 0 0 1
1 3 1
1 0 0
2 2 2
4 2 2 0 1 0 L 2- L 2 + L i (-4 )
2 5 3 0 0 1
1 3 1
1 0 0
2 2 2
0 0 -2 1 0
2 5 3 0 0 1 L 3 = L 3 + L ,( - 2 )
1 3 1
1 0 0
2 2 2
0 0 -4 -2 1 0 -2 3
0 4 0 -1 0 1
1 3 1
1 0 0
2 2 2
0 4 0 -1 0 1
0 0 -4 *2 1 0
1 3 1
1 0 0
2 2 2
1 1
0 1 0 0
“4 4
0 0 -2 1 0 L a C -j)*
1 3 1
1 0 0 Li =L, + L 3( - y )
2 2 2
1 1
0 1 0 0
“4 4
1 1
0 0 1 0
2 "4
478 Álgebra linear
3 5 1
1 0 0 Li - Li + Laí- 2 )
2 8 ■ 8
1 1
0 1 0 1
'4 4
1 1
0 0 1 0
2 "4
1 3 1
1 0 0
"8 8 “8
1 1
0 1 0 0
‘ 4 4
1 1
0 0 1 0
2 '4
Uma vez que a matriz A foi transformada na matriz I, a matriz:
1_
"8
I
0 ^
‘4
^ 0
4
é a matriz B = A \ inversa de A.
Pode-se fazer a verificação efetuando o produto AB, cujo resultado deve ser I; antes, porém,
para facilitar os cálculos, os elementos da matriz B serão todos colocados com o mesmo denomi
nador, exceto os zeros:
1
’8
8
0 dispositivo a seguir, como já se sabe, facilita o processo da multiplicação de A por B:
]_ 3
8' ’8 '8
-ir- ■ O- • ~
2
--i- ■ 0
'8
9 • . • 1. . 8 . . n • • •n n
u u 1 u 0
8'
A. . .9 . . .9 8
Ò- ■'9 0 1 0
2•‘ • •3 Ó- • ó- • 8 0\J 0 1
‘8
Tendo em vista que a matriz B foi obtida de uma matriz I por meio das mesmas operações
elementares que transformaram a matriz A numa matriz unidade, B é inversa de A, isto é:
B=A ‘
O det A, considerando as alterações assinaladas com asterisco e feitas as devidas

compensações, é:
det A = 2 X (-1 ) X 4 X (-4 ) x 1 = 32
Esse determinante já foi calculado no exemplo do item A.35.1.
2) Determinar a inversa da matriz
2 1 7
A= 1 3 2
5 3 4
480 Álgebra linear
Procedendo de acordo com as instruções, vem:
2 1 7 1 0 0
1 3 2 0 1 0
5 3 4 0 0 1
1 7 1
1 0 0
2 2 2
1 3 2 0 1 0 L2 —L2 + L i( - l)
5 3 4 0 0 1
1 7 1
1 0 0
2 2 2
n 5 3 1
u 1 0
2 "2 “2
5 3 4 0 0 1 — ^ L 3 = L 3 + L ,( - 5 )
1 7 1
1 0 0
2 2 2
5 3 1
0 1 0
2 '2 2
n 1 27 5
u 0 1
2 ” 2 "2
1 7 1
1 0 0
2 2 2
c\ 6 2 2
U 1 U
"lO "10 5
1 27 5
0 0 1 u = U + L 2 (-y
2 “ 2 “2
1 1_
1
2 2 T «
_6_ _2
0 1 ^ -7- 0
10 10
132 1_
0 0
10 10 “ 10 ^ 132^
1 1_
1 Li - Li + L2(—
2 2
_2
0 1 0
10 10
0 0 24 2 10
132 132 132
1 0 0 L, = L , + L 3 ( - | | )
10 10 10
_2_
0 1 0
10 10 5
24 2 10
0 0
132 132 132
_
12 34 38
1 0
132 “ 132 132
2 2
0 1 0 ■L 2 - L 2 + L3( — 1
10 10 5 10^
24 2 10
0 0
132 132 " 132
_
12 34 38
1 0
132 " 132 132
12 54 6
0 1
132 132 132
24 2 10
0 0
132 132 132
482 Álgebra linear
Uma vez que a matriz A foi transformada na matriz I, a matriz
12 34 38 6 17 19
” 132 ' 132 132 ■ 66 ” 66 66
12 54 6 6 27 3
=
"132 132 "132 ‘ 66 66 ” 66
24 2 10 12 1 5
132 132 '132 . 66 66 "66
é a matriz B = A ‘ , inversa de A.
Pode-se fazer a verificação efetuando o produto AB, ciqo resultado deve ser I; o dispositivo
a seguir, como já se sabe, facilita o processo da multiplicação de A por B:
17 19
66 66 ' ” 66
_6_ 27 3
66 66' ■ ” 66
12 i 5
66 66 ' ’ ” 66
66
2- • 1 • • -7 0 .... 0 1 0 0
• •66 • • •
1- • • 3- ■-2 . . Q. . . . 66
•■ 0 0 1 0
66 ■
5 . • . 3 - •-4 . . 0 . . . . 0 . . • • 66 0 0 1
66
Tendo em vista que a matriz B foi obtida de uma matriz I por meio das mesmas operações
elementares que transformaram a matriz A na matriz unidade, B é inversa de A, isto é:
B = A-
O det A, considerando as alterações assinaladas com asteriscos e feitas as devidas

compensações, é:
^ ^^ ^ 5 , 132. , 132
d etA = 2 ^
Esse determinante já foi calculado no exemplo do item A.28.
Nos problemas de 1 a 3, transformar na matriz unidade as matrizes dadas.
1) 12 7
A =
5 3
Solução
12 7
5 3
■ Ã
5 3 L2=L2+L,(-5)
Lj(12)
0 ü
484 Álgebra linear
■ Li Lx + L2(- j2 )
0 1
1 0
1=
0 1
2) -2 3 -1
B = 1 -3 1
-1 2 -1
Solução
-2 3 -1 L ,(-y )
1 -3 1
-1 2 -1
3 1
1
“2 2
1 -3 1 L j = L j + L , ( - 1)
-1 2 -1 L 3 = L 3 + L ,(-1 )
3 1
1 —
’2 2
3 1
0 L 3 (-f)
’2 2
1 1
0
2 "2
Matrizes, Determinantes. Sistema de equações lineares 485
_ _
3 1
1 — > L, =L, + L j( f)
“2 2
1
0 1
'3
1 1
0 — * L3 ~ L3 + Lj Í--^)
2 "2
1 0 0
1
0 1 "3
1
0 0 L3(-3)
■3
1 0 0
1 L3 =Lj +L 3 (y )
0 1
3
0 0 1
1 0 0
I = 0 1 0
0 0 1
3) -2 -1 0 2 L i(-y)
3 1 -2 -2
C =
-4 -1 2 3
3 1 -1 -2
1
1 0 -1
2
3 1 -2 -2 L 2 = L 2 + L i (-3)
-4 -1 2 3 L3=L3+L,(4)
3 1 -1 -2 L4 ~ L4 L i ( —3)
486 Álgebra linear
1 0 -1
2
1
0 -2 1 — > U i -2)
’ 2
0 1 2
1
0 -1 1
“2
1
1 0 -1 — > L. = L , + L j ( - ^ )
2
0 1 4 -2
0 1 2 -1 ----- ^ L 3 = L 3 + L j ( - 1 )
1
0 -1 1 ^ L 4 = L 4 + Lj(^ )
"2
1 0 -2 0
0 1 4 -2
0 0 -2 1 ^ L34
0 0 1 0
1 0 -2 0 — > L , = L , + L , ( 2)
0 1 4 -2 ► L2 = L2 + L 3( - 4 )
0 0 1 0
0 0 -2 1 ► L4 - L4 + L 3 (2 )
1 0 0 0
0 1 0 -2 ^ L2 — L2 + L 4 ( 2 )
0 0 1 0
0 0 0 1
1 0 0 0
0 1 0 0
I =
0 0 1 0
0 0 0 1
Nos problemas de 4 a 7, calcular, por operações elementares, a matriz inversa de cada

uma das matrizes dadas.
4) 12 7
A=
5 3
Solução
12 7 1 Q L .(f)
5 3 0 1
7 1
1 U
12 12
5 3 0 1 L2 —
7 1
1 0
12 12
1 5
0 1 L2(12)
12 "12
1 0 3
-5 12
488 Álgebra linear
logo:
3 -7
A-* =
-5 12
-2 3 -1
5) B= 1 -3 1
-1 2 -1
Solução
-2 3 -1 1 0 0 L .(-y)
1 -3 1 0 1 0
-1 2 -1 0 0 1
-1
3 1
1 0 0
'2 2 "2
1 -3 1 0 1 0 L2 ~ L2 + L i ( - l )
2 -1 0 0 1 L3 = L3 + Li
3 1 1
1 0 0
"2 2 "2
3 1 1
0 1 1 L .( - f )
"2 2 2
1 1 1
0 0 1
2 ’2 “2
L, = L , + L , ( y ) :
’2
1 ^
1 1 1
0 0 1 L3 - L3 + L2(—y )
2 ~2 ~2
1 0 0 -1 -1 0
1 1 2
0 1 0
■3 ■3 "3
1 1 1
0 0 1 L3(-3)
3 3 3
1 0 0 -1 -1 0
1 1 2
0 1 0 Lj Lj + L3( 2 )
“3 "3 ■3
0 0 1 1 -1 -3
1 0 0 -1 0
0 1 0 0 -1 -1
0 0 1 1 -1 -3
logo:
-1 -1 0
B -‘ = 0 -1 -1
1 -1 -3
490 Álgebra linear
6) -2 -1 0 2
3 1 -2 -2
C =
-4 -1 2 3
3 1 -1 -2
Solução
-2 -1 0 2 1 0 0 0 L .(-f)
3 1 -2 -2 0 1 0 0
-4 2 3 0 0 1 0
3 1 -1 - 2 0 0 0 1
1 0 -1 0 0 0
2 ~2
3 1 -2 -2 0 1 0 0 ^ L 2 —L»2 L j (“ 3)
-4 -1 2 3 0 0 1 0 ►L3 = L3 + Li (4)
3 1 -1 -2 0 0 0 1 ^ L4 ~ L4 + Lf| (—
3)
-
1 4 - 0 - 1 -4-0 0 0
2 2
0 - ^ - 2 1 4 - 1 0 0 L2Í-2)
2 2
0 1 2 - 1 - 2 0 1 0
0 -1 1 4 - 0 0 1
2 2
1 1
1 0 -1 0 0 0 -----> L,
2 “2
0 1 4 -2 -3 -2 0 0
0 1 2 -1 -2 0 1 0 ----- ^ LLa
3 -L 3 + Lj Í-I)
1 3
0 -1 1 0 0 1 ----- ^ L4 4 + L 2 ( “2 )
"2 2
1 0 -2 0 1 1 0 0
0 1 4 -2 -3 -2 0 0
0 0 -2 1 1 2 1 0 ^ L 34
0 0 1 0 0 -1 0 1
1 0 -2 0 1 1 0 0 ---- +L3(2)
0 1 4 -2 -3 -2 0 0 ^ L 2 ~ L 2 ^3
0 0 1 0 0 -1 0 1
0 0 -2 1 1 2 1 0 ►L 4 —L 4 + L3(2)
1 0 0 0 1 -1 0 2
0 1 0 -2 -3 2 0 -4 ►L 2 = L 2 + L 4 ( 2 )
0 0 1 0 0 -1 0 1
0 0 0 1 1 0 1 2
1 0 0 0 1 -1 0 2
0 1 0 0 -1 2 2 0
0 0 1 0 0 -1 0 1
0 0 0 1 1 0 1 2
492 Álgebra linear
logo:
1 -1 0 2
-1 2 2 0
0 -1 0 1
1 0 1 2
Observação
A operaçío L34 não era indispensável; ela foi feita para se obter, de imediato, o número 1
como elemento da diagonal principal da 3 ? linha e da 4? linha. Entretanto, o resultado seria o
mesmo se o procedimento fosse o que vinha sendo feito. De fato:
1 0 -2 0 1 1 0 0
0 1 4 -2 -3 -2 0 0
0 0 -2 1 1 2 1 0 — W -J-)
0 0 1 0 0 - 1 0 1
1 0 -2 0 1 1 0 0 ^ L, =L,+L3(2)
0 1 4 -2 -3 -2 0 0 ^ L2 = L2 + L3 (*4)
1 1 1
0 0 1 - 1 0
"2 ‘2 “2
0 0 1 0 0 -1 0 1 ►L4 = L4 + L3 (- 1 )
1 0 0 - 1 0 - 1 - 1 0
0 1 0 0 - 1 2 2 0
1 1 1
0 0 1 -1 0
"2 "2 ‘2
1 1 1
0 0 0 0 1 — > L4(2)
2 2 2
1 0 0 -1 0 -1 -1 0 Lj —Lj L4
0 1 0 0 -1 2 2 0
1 1 1
0 0 1 -1 0 L3=L3+L4(y)
’2 "2 ” 2
0 0 0 1 1 0 1 2
1 0 0 0 1 -1 0 2
0 1 0 0 -1 2 2 0
0 0 1 0 0 -1 0 1
0 0 0 1 1 0 1 2
logo:
1 -1 0 2
-1 2 2 0
c-' =
0 -1 0 1
1 0 1 2
7) 2 3 1
D = -4 -2 -2
2 -5 1
Solução
2 3 1 1 0 0 L.(y)
-4 -2 -2 0 1 0
2 -5 1 0 0 1
494 Álgebra linear
3 1 1
1 0 0
2 2 2
-4 -2 -2 0 1 0 Lj - L2 + Li (4)
2 -5 1 0 0 1 L»4 ~ Lf4 + Lj (—
2)
3 1 1
1 0 0
2 2 2
0 4 0 2 1 0 L í( Í >
0 -8 0 -1 0 1
3 1 1
1 0 L, = L , + L j ( - y )
2 2 2
1 1
0 1 0
2 4
0 -8 0 ^1 0 L 3 —L3 + L2(8)
1 1 3
1 0 0
2 "4 8
1
0 1 0 1 0
2
0 0 0 3 2 1
Tendo em vista que a matriz D não pode ser transformada na matriz I, ela não tem inversa,
isto é, D é matriz singular e seu determinante é igual a zero. De fato, desenvolvendo o determi
nante de D pela 1? linha e observando a alternância dos sinais que precedem os produtos, vem:
2 3 1
-2 -2 -4 -2 -4 -2
det D = -4 -2 -2 = + 2 X -3 X +1 X
-5 1 2 1 2 -5
2 -5 1
det D = 2 (-2 - 10) ^ 3 (-4 + 4) + 1 (20 + 4)
det D = 2 X (-12) - 3 x 0 + 1 x 24
det D = - 2 4 + 0 + 24 = 0.
Nos problemas de 8 a 10, supondo as matrizes A, B e C quadradas, de mesma ordem e

inversíveis, resolver as equações matriciais nas quais X e' a variável.
8) ABX=C
Solução
a) Pré-multiplicando ambos os membros da equação por A “\ vem:
A - ‘ A B X = A-*C
mas:
A-‘ A = I
logo:
IBX = A- 'C
e:
IB = B
portanto:
BX = A“‘ C
b) Pré-multiplicando ambos os membros por B"^, vem:
B ‘ BX = B-* A- 'C
B-*B = I
496 Álgebra linear
IX = B - ' A ‘ C
IX = X
X= B -*A 'C
9) CAX"^ = C
Solução
a) Pré-multiplicando ambos os membros da equaçío por C ^, vem:
C - ‘ CAX^ = C ‘ C
mas:
c-‘ c =i
logo;
ia x T =i
IA = A
portanto:
AX^ = I
b) Pré-multiplicando ambos os membros por vem:
A - ‘ AX'^ = A - ' I
mas:
A-'A = I
e:
A M = A-
logo:
ix T = a-‘
IX^ = x ’’
xT = a -*
x = ( a -*)T
10) AX^C = AXBC
Solução
a) Pré-multiplicando ambos os membros da equação por A"^, vem:
A-ÂX^C = A -^ X B C
mas:
A ‘ *A = I
logo:
IX"^C = IXBC
mas:
IX" = X"
e:
IX = X
portanto:
X2C=XBC
498 Álgebra linear
ou;
XXC = XBC
b) Pré-multiplicando ambos os membros da equação por X" ‘ , vem:
X -‘ XXC = X ‘ XBC
x -‘ x= i
IXCí=IBC
IX = X
IB = B
XC = BC
c) Pós-multiplicando ambos os membros da equação por C" *, vem:
XCC‘ =BCC‘
c c - ‘ =I
XI = BI
XI = X
BI = B
X = B.
Nos problemas de 1 a 3, transformar na matriz unidade as matrizes dadas.
1) 3 5
A =
1 2
2) -3 4 -5 3) 1 0 0 0
B= 0 - 1 2 -2 1 0 0
C=
3 - 5 4 1 -2 1 0
0 1 -2 1
Nos problemas de 4 a 20, calcular a matriz inversa de cada uma das matrizes dadas.
4) 3 5 5) -3 4 -5
A = B = 0 1 2
1 2 3 -5 4
6) 1 0 0 0 7) 1 0 -2
2 1 0 0 D = 2 .2 -2
C =
3 2 1 0 -3 0 2
4 3 2 1
8) -4 0 -1 0 9) -3 -6 -1 2
E = -2 -4 -4 F = 0 3 -3
2 -2 6 -6 -9 -24
10) -1 10 -7 11) 2 2 2
G = -I -4 3 H = 3 4 7
1 -2 1 1 2 5
12) -1 -2 -3 13) -3 -1 -3
J = -2 -4 -5 L = 2 -4 -1
-3 -5 -6 -1 -2 -2
500 Álgebra linear
14) - 1 0 0 15) 1 -2 -4
M = -1 -1 0 N = - 2 - 1 2
-1 -1 -1 3 0 - 5
16) 0 2 - 1 17) -1 -1 -1
P = 1 4 -2 Q= -3 -3 -4
- 1 - 7 3 -3 -4 -3
18) 2 0 0 19) 0 0 5
R = 0 3 0 S = 0 6 0
0 0 7 9 0 0
20) -1 2 0 -8
0 -1 2 1
0 0 -1 1
0 0 0 -1
21) Calcular o valor de K para que a matriz
2 3
A =
6 k
não tenha inversa.

Nos problemas de 22 a 26, supondo as matrizes A, B, C e D quadradas, de mesma ordem e

inversíveis, resolver as equações matriciais nas quais X é a variável.
22) ADX = ABC
23) DX'^ = DC
24) ABCX^D* = ABCXD
25) D - ' X D = AC
26) CX + 2B = 3B
1 a 3. Roteiro:Esses problemas se resolvem de forma análoga à dos problemas 1 ,2 e 3, respecti

vamente, do item A.37.
4) 2 -5
A-'^
•1 3
5) 14 9 13
-
“ 3 '3 3
B -' = - 2 -1 -2
1 1 1
6) 1 0 0 0
-2 1 0 0
C-* =
1 -2 1 0
0 1 -2 1
502 Álgebra linear
7) 1 1
0
~2 "T
1 _1 _ 1
D '=
4 ~2 ~4
3 1
0
"4 ■4
8) 5
-4 -5
2
1 1 1
E -‘ =
2 "2 2
3
-1 2
2
9) 11 4
—"
z7'
3 3
2 1
F-* = 0
“3 3
2 1 1
"3 "3 3
10) 1 1
-1
■J "y
3 5
G-> = -1
"2 “2
3 7
-2
2 "2
11) H n ío tem inversa.
12) -1 3 -2
J-* = 3 -3 1
-2 1 0
13) 6 4 -1]
L-‘ = 5 3 -9
-8 -5 U
14) -1 0 0
M ‘ = 1 -1 0
0 1 -1
15) 5 -1 0 -8
N -‘= -4 7 6
3 -6 -5
16) -2 1 0
p-i = -1 -1 -1
-3 -2 -2
17) «7 1 1
Q-> = 3 0 -1
3 -1 0
18) J_
0 0
2
1
R-‘ = 0 0
3
1
0 0
7
504 Álgebra linear
19) 1
0 0
9
1
0 0
6
1
0 0
5
20) -1 -2 -4 2
0 -1 -2 -3
0 0 -1 -1
0 0 0 -1
21) Roteiro: Resolver a equação
2 3
= 0
6 k
pois a matriz cujo determinante é nulo não tem inversa.
22) X = D - ‘ BC
23) X = C’ ’
24) X = D-*
25) X = DACD‘
26) X = C -‘ B
SISTEMA DE EQUAÇÕES
# LINEARES
A.38 EQUAÇAO l in e a r
Equação linear é uma equação da forma:
aiXi +a2X2 +aaX3 + ••• + =b
na qual X i, X2 , X3 , x^ são as variáveis; a i , a 2 , a 3 , a^^ são os respectivos coeficientes das

variáveis, e b é o termo independente.
A.38.1 SOLUÇÃO DE UMA EQUAÇÃO LIN EA R
Os valores das variáveis que transformam uma equação linear em identidade, isto é, que
satisfazem à equação, constituem sua solução. Esses valores são denominados raizes da equação
linear.
A.39 SISTEMAS DE EQUAÇÕES LINEARES
A um conjunto de equações lineares se dá o nome de sistema de equações lineares:
^11 Xl + a 12 X2 + ^13 X3 + .. + în Xn = b,

^21 Xl + a 22 X2 + ^23 X3 + ..,. + ^2n Xn = bi
^31 Xi + ^32 X2 + ^33 X3 + .. + ^311 Xn = ba
^m iî ^1112X2 + ••• ^mn^n ~î\
A.40 SOLUÇÃO DE UM SISTEMA LINEAR
Os valores das variáveis que transformam simultaneamente as equações de um sistema

linear em identidade, isto é, que satisfazem a todas as equações do sistema, constituem sua
solução. Esses valores são denominados raizes do sistema de equações lineares.
506 Álgebra linear
A.41 SISTEMA CO M PATÍVEL
Diz-se que um sistema de equações lineares é compatível quando admite solução, isto é,
quando tem raízes.
A.41.1 Sistema Determinado
Um sistema compatível é determinado quando admite uma única solução.
Exemplo
0 sistema
'2 x + 3y = 18
. 3x + 4y = 25
é compatível e determinado, pois tem como raízes unicamente
x=^3
y.= 4
A .41.2 Sistema Indeterminado
Um sistema compatível é indeterminado quando admite mais de uma solução (na verdade,
admite infinitas soluções).
Exemplo
0 sistema
4x + 2y = 100
8x + 4y = 200
é compatível e indeterminado, pois admite infinitas soluções:
y 0 2 4 6 8 10 12 14 16 18
X 25 24 23 22 21 20 19 18 17 16
A.41.3 Sistema Incompatível
Diz-se que um sistema de equações lineares é incompatível quando não admite solução.
Exemplo
0 sistema
3x + 9 y = 12
. 3x + 9 y = 15
é incompatível, pois a expressão 3x + 9y não pode ser simultaneamente igual a 12 e igual a 15

para mesmos valores de x e y.
A.42 SISTEMAS EQ UIVALENTES
Diz-se que dois sistemas de equações lineares são equivalentes quando admitem a mesma
solução.
Exemplo
Os sistemas
3x + 6y = 42
. 2x - 4y = 12
508 Álgebra linear
■x + 2 y = 14
, X - 2y = 6
são equivalentes porque admitem a mesma solução:
x = 10
y= 2
A.43 OPERAÇÕES ELEMENTARES E SISTEMAS E Q UIVALENTES
Um sistema de equações lineares se transforma num sistema equivalente quando se efetuam

as seguintes operações elementares:
I - Permutaçío de duas equações.
II - Multiplicação de uma equação por um número real diferente de zero.
III — Substituição de uma equação por sua soma com outra equação previamente multi
plicada por um número real diferente de zero.
A .43.1 Observações
a) Quando se desejar permutar, por exemplo, a 2? equação pela 3? de um sistema de

equações lineares, se escreverá assim:
2x + 4y - 6z = 10
4x + 2y + 2 z = 16 Us
2x + 8y - 4z = 24
2x + 4y - 6z = 10
2x + 8y - 4z = 24
4x + 2y + 2z = 16
b) Quando se desejar multiplicar a 1? equaçSo, por exemplo, por y , se escreverá assim:
2x + 4y - 6z = 10 L.(y)
2x + 8y - 4z = 24
4x + 2y + 2z = 16
Ix + 2y - 3z = 5
2x + 8y - 4z = 24
4x + 2y + 2z = 16
c) Quando se desejar substituir a 2^ equaçáo, por exemplo, pela soma dela com a
equaçáo, previamente multiplicada por -2 , se escreverá assim:
Ix + 2y - 3z = 5
2x + 8y - 4z = 24 (- 2)
4x + 2y + 2z = 16
Ix + 2y - 3z = 5
Ox + 4y + 2z = 14
4x + 2y + 2z = 16
O sinal = da expressão L2 = Lj + Li (-2) não tem o signifícado convencional: é empre

gado, entretanto, para indicar que a expressão L2 + Li (-2), utilizada em lugar de L2 , não altera
o sistema, ou melhor, o transforma num sistema equivalente.
d) O leitor poderá verificar, a tftulo de exercício, que todos os sistemas constantes das
observações a), b) e c) são equivalentes, isto e', tém a mesma solução:
X= 2
y= 3
z= 1
510 Álgebra linear
A.44 SISTEMA LINEAR HOMOGÊNEO
Quando num sistema de equações lineares os termos independentes são todos nulos, o
sistema é chamado homogêneo.
Exemplo
2x - 5y - 3z = 0
7x - 2y + 4z = 0
3x + 8y - 5z = 0
9x + 3y - 8z = 0
Todo sistema linear homogêneo tem pelo menos uma solução; essa solução, denominada
solução trivial, é, qualquer que seja o sistema, Xj = 0, Xj representando as variáveis e
i= l , 2 , 3 , . . . , m .
A.45 ESTUDO E SOLUÇÃO DOS SISTEMAS DE EQUAÇÕES LINEARES
Por razões de ordem didática, o estudo e a solução dos sistemas de equações lineares será
feito separadamente, nos três casos em que podem se apresentar:
19) Sistema de n equações lineares com igual número de variáveis.
29) Sistema de m equações lineares com n variáveis (para m ^ n ).
39) Sistema de equações lineares homogêneo (para m = n ou m ^ n).
A.45.1 Sistema de N Equações Lineares Com N Variáveis
Para resolver um sistema de n equações lineares com n variáveis, serão apresentados

dois métodos: o método de Gauss-Jordan e o método da matriz inversa. Ao mesmo tempo se
informará em que casos é mais conveniente utilizar um ou outro método.
A .45.1.1. Método de Gauss-Jordan
Consideremos, inicialmente, o seguinte sistema de equações lineares e sua transformação

em sistemas equivalentes até obter a solução do sistema:
2x + 4y=22 — > L ,( y )
5x - 1 5 y= -20
Ix + 2y = 11
5x - 15y = -20 — >■ U = U + Lj (-5)
Ix + 2y= ll
Ox - 25y = -75
Ix + 2y = 11 Li - Li + L2(-2)
Ox + l y = 3
Ix + Oy = 5
Ox + ly = 3
O sistema inicial ficou transformado no sistema equivalente:
lx= 5
ly = 3
isto é:
X =5
y=3
Calculadas as raízes do sistema, foi encontrada sua solução.

512 Álgebra linear
0 leitor atento terá verificado que:
a) a matriz dos coeficientes das variáveis foi transformada, por meio de operações adequa
das na matriz unidade; ao mesmo tempo, foi submetida às mesmas operações, a matriz-coluna dos
termos independentes foi transformada nas raízes das equações, isto e', na solução do sistema;
b) as variáveis x e y, durante as operações realizadas, praticamente não participaram do

processo, a não ser por sua presença ao lado dos coeficientes.
Diante dessas duas constatações, é fácil explicar e entender o método de GaussJordan, que,
por sua vez,é muito simples:
1) coloca-se ao lado da matriz dos coeficientes das variáveis, separada por um traço vertical,
a matriz-coluna dos termos independentes:
2 4 22
5 -15 -2 0
Essa matriz, associada ao sistema dado de equações lineares, é chamada de matriz ampliada
do sistema. Cada linha dessa matriz é uma representação abreviada da equação correspondente
no sistema. O traço vertical é dispensável, mas é colocado para facilitar a visualização da matriz
dos coeficientes das variáveis e da matriz-coluna dos termos independentes;
2) transforma-se, por meio de operações adequadas, a matriz dos coeficientes das variáveis
na matriz-unidade, aplicando-se, simultaneamente, à matriz-coluna, colocada ao lado da matriz
dos coeficientes das variáveis, as mesmas operações;
3) transformada a matriz dos coeficientes das variáveis na matriz-unidade, a matriz dos

termos independentes ficará transformada, ao final, na solução do sistema.
Exemplo
Resolver o sistema
2Xi + 1X2 3X3 8
4 xi + 2x2 + 2x 3 = 4
2 xi + 5x2 + 3x 3 = -12
Solução
2 1 3 8 L ,(y)
4 2 2 4
2 5 3 - 12
1 ^ ^
4 L j - L j + L i (- 4 )
12
1 ^ ^
0 -4 •12
5 3 ■ 12 L 3 = L3 + L ,(-2 )
1 ^ ^
0 -4 -12 ■-23
4 0 ■20
1 ^ f
4 0 -20 L2( t )
0 -4 -12
0 1 0 -5
0 0 -4 -12 L 3( - 4>
514 Álgebra linear
1 3
1 4 L, = L , +
2 2
0 1 0 -5
0 0 1 3
3 13
1 0 L, = L , + L 3 ( - y )
2 2
0 1 0 -5
0 0 1 3
1 0 0 2
0 1 0 -5
0 0 1 3
De acordo com o que ficou explicado, o sistema inicial de equações lineares se transformou
no sistema equivalente:
Ixi + 0 x 2 "*■0 x 3 = 2
O xi + 1x 2 + 0x 3 = -5
O xi + 0x2 + 1x 3 = 3
istoé:
Xi =2
X2 = -5
X3 = 3
Esses valores das variáveis são as raízes do sistema e, portanto, sua solução.
A.45.1.2 Método da Matriz Inversa
Seja o sistema de n equações lineares com n variáveis:
a „ X i + 3,2X2 + 3,3X3 + ... + 3 ,nXn = b,
3 2 ,X , + 322X2 + 323X3 + ... + 3 2 nXn = b2
a s i x , + 332X2 + 333X3 + . . . + 33„X n = b 3
an,X, + 3„2X2 + 3„3X3 + ... + 3„nX„ = b„
fazendo
aii 3 i2 3 i3 3 in Xi ’ b,'
321 32 2 323 3211 X2 Ò2
331 332 333 3311 X3 bs

A = ;X = ;B =
3ni 3n 2 3n3 3nn Xn bn
o sistema pode ser escrito sob a forma matricial
*311 3 i2 3 i3 3 in " x f ■ b ,‘
321 322 323 32 n X2 b2
331 332 333 33 n X X3 —

bs
3ni 3n2 3n3 3nn Xn bn

516 Álgebra linear
OU, Utilizando a notaçao abreviada, vem:
AX=B
Admitindo a existência da matriz A ^ e préûltiplicando ambos os membros da igualdade

por A " \ v e m :
A '^ A X= A ' B
mas:
A ”' A = I ,
logo:
IX = A ' B
mas:
IX = X ,
logo:
X = A-'B (A.45.1.2)
A solução do sistema é bastante simples: basta multiplicar a matriz inversa A"^ da matriz A
dos coeficientes das variáveis pela matriz-coluna B dos termos independentes.
A .45.1.3 Observações
a) É conveniente empregar o método de Gauss-Jordan para resolver sistemas de n equações

lineares com n variáveis nos dois seguintes casos:
19) quando se tem para resolver um único sistema;
29) quando se tem para resolver um conjunto de sistemas de n equações (e igual número de
variáveis), tais que as matrizes dos coeficientes das variáveis de cada sistema sejam diferentes umas
das outras.
O método de Gauss-Jordan é, com certeza, muito prático para resolver qualquer um dos dois
casos, em especial quando o número n de equações for relativamente grande.
b) O método de Gauss-Jordan exige que se transforme a matriz A dos coeficientes das variá
veis na matriz unidade, enquanto o método da matriz inversa exige que se transforme a referida
matriz A em sua inversa A ~ \ o que, sem dúvida, é mais trabalhoso. Por isso é conveniente
empregar o método da matriz inversa no caso em que se tem para resolver conjuntos de sistemas,
todos com n equações (e igual número de variáveis), tais que as matrizes dos coeficientes das
variáveis de cada sistema sejam todas iguais, variando somente os termos independentes. Nesse
caso, basta calcular somente a inversa de uma única matriz, com a qual, por meio da fórmula
(A.45.1.2), se resolverão todos os sistemas.
Exemplo
Resolver os seguintes sistemas de equações lineares:
2Xi + 1X2 7^3 = bi
IXi + 3X2 2X3 = b2
5xi + 3x2 4x 3 = b 3
1) Para bi = 16 , bj = - 5 , b3 = l l
2) Para bi = 2 5 , b j= -ll, bj=-5
3) Parabí = 3 , bz = 5 , bj = - 5
Solução
Fazendo:
2 1 7 Xi bi 16 bi 25 bi *3
A= 62 =
1 3 2 ; x = X2 ; B, = b2 = -5 ; Bí = 62 = -11 ; Ba = 5
5 3 4 X3 bj 11 bj -5 bs -5
518 Álgebra linear
OS trés sistemas se transformam em:
1) AX=Bi
2) A X= B2
3) AX=Ba
e a solução deles é dada pela fórmula (A.45.1.2):
1) X= A'B,
2) X= A ‘ Bj
3) x = a -'B3
mas a inversa da matriz A, como foi visto no Exemplo 2 do item A.36, é:
6 17 19
66 “ 66 66
6 27 3
A-^ = 66 66 "66
12 1 5
66 66 ‘ 66
por conseguinte:
1) 6 17 19
16 3 Xi
66 '6 6 66
6 27 3 =
X = X -5 = -4 X2
66 66 ' 66
12 1 5
11 2 X3
66 66 "66
isto é :
Xi =3
X2 = - 4
Xs = 2
2) 6 17 19
25 2 Xi
66 '66 66
6 27 3 = -7
X= X -11 = X2
66 66 "66
12 1 5
5 4 X3
66 66 "66
isto é :
xi =2
X2 =-7
X3 = 4
3) 6 17 19
3 -3 Xi
66 '6 6 66
6 27 3 X = X2
X= 5 = 2
66 66 "66
12 1 5
-5 1 X3
66 66 "66
isto é :
xi = -3
X2 =2
X3 = 1
c) Conjuntos de sistemas desse último tipo se encontram em Macroeconomia, como, por

exemplo, no Quadro de Insumo-Produto de Leontieff - Buxo de Bens de Serviços. Países alta
mente desenvolvidos obtém, desse quadro, conjuntos de sistemas de dezenas ou centenas de
equações lineares (e igual número de variáveis), cada sistema com a mesma matriz dos coeficientes
das variáveis, mudando somente as matrizes-coluna dos termos independentes. A soluçáo desses
sistemas (que implica a inversáo de uma única matriz) permite calcular a produção que deve ter
cada setor em que a Economia Nacional foi dividida, a fim de atender às exigências diretas e
indiretas para as utilizações intermediárias (setor produtivo) e final.
320 Álgebra linear
A inversío de uma dessas matrizes só foi possível com o advento dos computadores.
d) A soluçáo de um sistema de n equações lineares com n variáveis, quer pelo método de

GaussJordan, quer pelo método da matriz inversa, exige que a matriz dos coeficientes das variáveis
possa ser transformada na matriz-unidade (o que implica a possibilidade da inversão dessa matriz).
Nesse caso, como se viu, o sistema é compatível e determinado. Entretanto, podem ocorrer casos
em que a matriz dos coeficientes das variáveis não possa ser transformada na matriz-unidade.
Esses casos serão examinados no item A.45.2.4 (observação b) sob outro ponto de vista.
A.45.2 Sistema de M Equações Lineares com N Variáveis (para N)
O método para resolver um sistema de m equações lineares com n variáveis é semelhante

ao método de Gauss-Jordan, visto em A.45.1.1, com a diferença de que a matriz dos coeficientes
das variáveis não pode ser transformada na matriz-unidade, porque ela é uma matriz retangular.
Entretanto, o procedimento inicial é o mesmo: transforma-se no número 1, por meio de operações
adequadas, cada elemento a^, no qual i = j, e em zeros os demais elementos das colunas em que
se situam esses a .. Depois, feitas algumas considerações, se encontrará a solução do sistema. A
seguir serão dados trés exemplos dos casos que podem ocorrer e que facilitarão a compreensão
do método.
Exemplos
1) Resolver o sistema de 3 equações com 2 variáveis:
2xi + 4x2 = 16
5xi - 2x2 = 4
lOxi - 4x2 = 3
Solução
2 4 16 L.(y)
5 -2 4
10 -4 3
1 2 8
5 -2 4 ---- >■ U = U +L i(-5)

10 -4 3
1 2 8
0 -12 -36
10 -4 3 ---- ^ La =Lj +Li(-10)
1 2 8
0 -12 -36 ---- ^ La (-12)
0 -24 -77
1 2 8 ---- ^ L, = L, + Lj(-2)
0 1 3
0 -24 -77
1 0 2
0 1 3
0 -24 -77 ---- ^ La = La + Lj(24)
1 0 2
0 1 3
0 0 -5
Essa matriz corresponde ao sistema:
Ixi +0x2 = 2
Oxi + 1x2 = 3
Oxi +0x2
e q u iv a le n te a o s is te m a d a d o .
522 Álgebra linear
Ora, como não existem valores de Xi e X2 que satisfazem a 3? equação (Oxj + OX2 = -5 ),
o sistema é incompatível.
2xi + 4x2
5xi - 2x2 = ^
3xi + 1x2 = 9
^ 4xi - 5x2
Solução
2 4 16 L i(y )
5 -2 4
3 1 9
4 -5 -7
1 2 8
5 -2 4 U=U+U(-5)
.3 1 9
4 -5 -7
1 2 8
0 -12 -36
3 1 9
4 -5 -7 L3 - L3 + Li (-3)
1 2 8
0 -12 -36
0 -5 -15
4 -5 -7 L4 =L 4 + L,(-4)
1 2 8
0 -1 2 -3 6 — U f-jL )
0 -5 -15
0 -13 -39
1 2 8 — ^ L, = U + U ( ~ 2 )
0 1 3
0 -5 -15
0 -13 -3 9
1 0 2
0 1 3
0 -5 -15 Lj =L3 +L2(5)
0 -13 -39
1 0 2
0 1 3
0 0 0
0 -13 -39 L4 =L4 +L2(13)
1 0 2
0 1 3
0 0 0
0 0 0
524 Álgebra linear
Essa matriz corresponde ao sistema
Ix i +0x2 = 2
O xi + 1x2 = 3
Oxi +0x2 = 0
^ Oxi +0x2 = 0
equivalente ao sistema dado.
A 3? e 4^ equações não estabelecem nenhuma condição para Xi e X2 ; elas são satisfeitas

para quaisquer valores de Xi e X2 . Portanto, a solução do sistema será dada pelas duas primeiras
equações:
Ix i +0x2 = 2
Oxi + 1x 2 = 3
isto é :
Xi =2
X 2 = 3.
Nota: A última matriz, equivalente à primeira, representante do sistema inicial, poderia ser
obtida mais rapidamente e com menos trabalho se, uma vez obtido o número 1 de uma coluna, as
operações para obter cada zero dessa coluna não fossem indicadas uma de cada vez, mas sim todas
de uma só vez, como, aliás, já foi feito em problemas sobre determinantes e sobre inversão de
matrizes. Assim:
2 4 16 L i(y)
5 -2 4
3 1 9
4 -5 -7
1 2 8
5 -2 4 U = u + l ,( -5)
3 1 9 L3 = L3 + L ,(-3 )
4 -5 -7 L»4 ~ L4 Lj (~4)
1 2 8
0 -12 -36 L3(-Í2)

0 -5 -15
0 -13 -39
1 2 8 L, =L, +L2(-2)
0 1 3
0 -5 -15 L3 = L, + LjíS)
0 -13 -39 L4 =Li +L2(13)
1 0 2
0 1 3
0 0 0
0 0 0
2xi - 8x 2 + 24x3 + 18 x 4 = 84
4xi - 14x2 52x 3 + 42x 4 = 190
Solução
2 -8 24 18 84 L ,(y)
4 -1 4 52 42 190
526 Álgebra linear
1 -4 12 9 42
4 -14 52 42 190 Lj =Lj +Li(-4)
1 -4 12 9 42
0 2 4 6 22 L .( i)
1 -4 12 9 42 L, = L , + L 2 (4 )
0 1 2 3 11
1 0 20 21 86
0 1 2 3 11
Essa matriz corresponde ao sistema
Xi = 86 - 20 x 3 - 21 x4
X2 = 11 " 2 x 3 - 3 x 4
isto é, o sistema é compatível e indeterminado, pois admite infinitas soluções. Os valores de Xi e

X2 se obtém atribuindo valores arbitrários a X3 e X4 :
arbitrários X3 3 1 0 5 2 4
X4 1 2 0 3 5 4
calculados Xi 5 24 86 -77 -59 -78
X2 2 3 11 -13 - 8 - 9
A.45.2.1 Características de uma Matriz
Quando se dispõe de uma matriz ampliada de um sistema de n equações lineares com n

variáveis e se utiliza o método exposto no item anterior para a solução do sistema, isto é, quando
se transforma no número 1, por meio de operações adequadas, cada elemento ay, para i= j
(^11» ^22, ...)» ^ zeros os demais elementos das colunas em que se situam esses elementos
ay, diz-se que a matriz inicial foi transformada numa matriz em forma de escada.
Nos trés exemplos dados no item anterior, obtiveram-se as seguintes matrizes em forma de
escada:
a) No exemplo 1:
1 0 2
0 1 3
0 0 -5
A denominação matriz em forma de escada se deve ao modo como está disposto o número
1 em cada coluna:
1 0 2
0 1 3
0 0 -5
b) No exemplo 2:
1 0 2
0 1 3
0 0 0
0 0 0
c) No exemplo 3:
1 0 20 21 86
0 1 2 3 11
Examinando essas trés matrizes verifíca-se que:
a) na 1?, as trés linhas têm elementos não todos nulos ;
b) na 2?, as duas primeiras linhas tém elementos não todos nulos, e as duas últimas linhas
tém todos os seus elementos iguais a zero;
528 Álgebra linear
c) na 3^, as duas linhas tém elementos não todos nulos.
Se se designar por A a matriz ampliada que representa um sistema de m equações lineares

com n variáveis, por B a matriz reduzida à forma de escada, chama-se característica de A, e se
representa por Ca, ao número de linhas com elementos não todos nulos de B.
No exemplo 1, a característica Ca = 3, porque a matriz reduzida à forma de escada tem
trés linhas com elementos não todos nulos.
Tendo em vista que a matriz B contém a matriz dos coeficientes das variáveis, a definição de
característica também se aplica a essa matriz: chama-se característica da matriz dos coeficientes
das variáveis, e se representa por Cv, ao número de linhas com elementos não todos nulos dessa
matriz contida em B.
No exemplo 1, a característica Cv = 2, porque a matriz dos coeficientes das variáveis,
contida na matriz reduzida à forma de escada, tem duas linhas com elementos não todos nulos.
É oportuno, agora, fazer algumas considerações sobre a característica Ca da matriz ampliada
e a característica Cv da matriz dos coeficientes das variáveis (daqui por diante fica implícito
que, quando se falar da característica Cv, se trata da matriz dos coeficientes das variáveis contida
na matriz reduzida à forma de escada):
19) A característica Ca não pode ser menor que a característica Cv, porque toda linha de
elementos não todos nulos da matriz B dos coeficientes das variáveis pertence à mesma linha da
matriz ampliada A. Assim, se a matriz dos coeficientes tiver característica Cv = 2, isso significa
que essa matriz tem duas linhas de elementos não todos nulos e a característica Ca da matriz
ampliada, por conter essas duas linhas, será, no mínimo, igual a 2.
Assim, a característica Ca pode ser maior do que Cv ou igual a Cv.
2 9 ) A matriz reduzida à forma de escada do exemplo 1
1 0 2
0 1 3
0 0 -5
representa um sistema de 3 equações (m = 3) com 2 variáveis (n = 2).
A característica Ca = 3, porque as trés linhas tem elementos não todos nulos e a caracte
rística Cv= 2 porque a matriz dos coeficientes das variáveis tem duas linhas com elementos não
todos nulos. É o caso em que Ca <Cv . Nesse caso, o sistema é incompatível; a última linha
representa a equação linear Oxi + 0 x 2 = - 5 , que não é satisfeita para nenhum valor de Xi e de
X2 , o que torna o sistema incompatível.
39) A matriz reduzida à forma de escada do exemplo 2
1 0 2
0 1 3
0 0 0
0 0 0

A característica Ca = Cv = 2, porque tanto a matriz reduzida à forma de escada como a
matriz dos coeficientes das variáveis tem duas linhas com elementos não todos nulos. Nesse caso, o
sistema é compatível, e as duas primeiras linhas informam que Xi = 2 e X2 = 3.
Quando Ca = Cv, se dirá que a característica da matriz reduzida à forma de escada é C.
49 ) A matriz reduzida à forma de escada do exemplo 3
1 0 20 21 86
0 1 2 3 11

A característica Ca = Cv = C = 2, e o sistema é compatível. A primeira linha informa que
Xi = 86 - 20 x 3 - 21 x 4 , e a segunda linha informa que X2 = 11 - 2 x 3 - 3 x 4 . Os valores de Xi e
X2 se obtém atribuindo valores arbitrários a X3 e X4 .
A.45.2.2 Característica e Número de Variáveis
Neste item se tratará somente do caso em que Ca =Cv = C, isto e', em que o sistema é
compatível. Examinemos as seguintes considerações:
19) A característica C nío pode ser maior que o número de variáveis. Para que a caracte
rística C seja maior que o número de variáveis, se deverá ter uma matriz reduzida à forma de escada
do seguinte tipo, por exemplo:
1 0 4
0 1 9
0 4 r
530 Álgebra linear
sendo r um número real. Nesse caso, a característica C seria 3, e o número de variáveis n seria 2.
Entretanto, a matriz dada não é uma matriz reduzida à forma de escada; o número 4 que aparece
na 3? linha pode ser transformado em zero por adequada operação, enquanto o número r
também deverá ser transformado em zero pela mesma operação (se r fosse transformado num
número diferente de zero, se estaria fora da hipótese, pois que, no caso. Ca seria maior que Cv, e
a hipótese em que se está trabalhando é que o sistema é compatível, isto é, que Ca = Cv = C).
Assim, na verdade, a matriz antes citada é:
1 0 4
0 1 9
0 0 0
e a característica C = 2 é igual ao número de variáveis n = 2.
29) Quando a característica C é igual ao número de variáveis, o sistema é compatível e

determinado. É o que acontece com o exemplo 2 citado anteriormente. A matriz reduzida á
forma de escada
1 0 2
0 1 3
0 0 0
0 0 0
representa um sistema que tem
m= 4
n= 2
C= n = 2
e a solução, como já foi visto, é :
Xi = 2,
Xj = 3 .
39) Quando a característica C é menor que o número de variáveis, o sistema e' compatível
e indeterminado. É o que acontece com o exemplo 3 citado anteriormente. A matriz reduzida á
forma de escada
1 0 20 21 86
0 1 2 3 11
representa um sistema que tem
m = 2
n = 4
C= 2
C<n
e a solução, como já foi visto, é:
Xi =86 - 20 x 3 - 21 x 4
a
X2 = 11 - 2x 3 - 3 x 4
sendo os valores de Xi e X2 obtidos atribuindo-se valores arbitrários a X3 e X4 .
A .45.2.3 Grau de Liberdade de um Sistema
Chama-se grau de liberdade de um sistema de equações lineares à diferença g = n - C. No

já tantas vezes citado exemplo 2 , o grau de liberdade do sistema é:
g = n -C
mas:
n =4
C=2
logo:
g = 4 -2
g =2
532 Álgebra linear
0 significado de grau de liberdade de um sistema de equações lineares, o leitor certamente

já percebeu: informa o número de variáveis às quais devem ser atribuídos valores arbitrários para
calcular cada uma das variáveis restantes.
A .45.2.4 Observações
a) O que foi dito e explicado nos trés itens anteriores pode ser assim resumido:
1) A característica Ca de uma matriz ampliada, que representa um sistema de m equações

lineares com n variáveis, não pode ser menor que a característica Cv da matriz dos coeficientes
das variáveis contidas na matriz reduzida à forma de escada.
2) Quando Ca é maior do que Cv, o sistema é incompatível.
3) Quando Ca = Cv = C, • C recebe a denominação de característica da matriz-reduzida à

forma de escada.
4) C não pode ser maior que n.
5) Quando C é igual a n, o sistema é compatível e determinado.
6) Quando C é menor do que n, o sistema é compatível e indeterminado.
7) Grau de liberdade de um sistema é a diferença g = n - C.
b) Em A.45.1.3 (Observação d), dissemos que, num sistema de n equações com n variáveis, nem
sempre a matriz dos coeficientes das variáveis poderia ser transformada na matriz unidade
e os casos em que isso ocorresse seriam aqui tratados. Dois exemplos esclarecerão o
problema e indicarão a maneira de obter a solução desses sistemas.
Exemplos
3x + 9 y = 1 2
3x + 9 y = 15
Solução
3 9 12 L .(y)
3 9 15
1 3 4
3 9 15 L 2 = L2 + L ,(-3 )
1 3 4
0 0 3
Tendo em vista que Ca = 2 e que Cv = 1, isto é, que Ca > Cv, o sistema é incompatível.
4x + 2y = 100
8x + 4y = 200
Solução
4 2 100 Uij)
8 4 200
1 1 25
2
8 4 200 U = U + U (S)
1 1 25
2
0 0 0
534 Álgebra linear
Tendo em vista que Ca = Cv = C, o sistema é compatível; mas n = 2 e C = l , isto e',

C < n , o que significa que o sistema é indeterminado. Por outro lado, g = n - C = 2 - l =1,
isto e', o grau de liberdade do sistema e' 1. A 1? linha da matriz reduzida à forma de escada, que
representa a equação lx + 0,5y = 25, terá os valores de x calculados ao se atribuir valores
arbitrários à variável y :
x = 25 - 0 , 5 y
arbitrários: y 0 2 4 6 8 10 12 14 16 18
calculados: X 25 24 23 22 21 20 19 18 17 16
Esses dois exemplos já foram mencionados em A.42.3 e A.42.2, respectivamente.
c) Os sistemas resolvidos, a título de exemplo, de n equações lineares com n variáveis, tanto

pelo método de GaussJordan, emA.45.1.1, como pelo método da matriz inversa, em
A.45.1.2 e A.45.1.3, são sistemas compatíveis e determinados, isto é, são sistemas que têm
Ca = Cv = C = n
A.45.3 Sistema de Equações Lineares Homogêneo
Um sistema de equações lineares homogêneo, definido em A.44, pode ter outras soluções,
denominadas soluções próprias, além da solução trivial. O método para encontrar essas soluções,
se existirem, é o mesmo método utilizado para resolver um sistema de m equações lineares com
n variáveis.
Exemplos
1) Resolver o sistema linear homogêneo de 2 equações com 3 variáveis:
3xi + 6x 2 - 9 x 3 = 0
2 xi + 4x2 ~ 6 x 3 = 0
Solução trivial:
Xi = X2 = X3 = 0
Soluções próprias:
3 6 - 9 0 L ,(y )
2 4 - 6 0
1 2 -3 0
2 4 - 6 0 L2=L2+L,(-2)
1 2 -3 0
0 0 0 0
Tendo em vista que Ca = Cv = C e que C = 1 e n = 3, isto é, C < n, o sistema é indeterminado,

e o grau de liberdade de sistema é g = n - C = 3 - l = 2. A l ? linha da matriz reduzida à forma
de escada, que representa a equação Ixi + 2 x 2 - 3 x a = 0 , terá os valores de xi calculados ao
se atribuir valores arbitrários às variáveis X2 e X3 :
Xi = 0 - 2x2 + 3x3
arbitrários: X2 1 2 3 4 5 2 6 10 7 -8 •
X3 2 1 4 3 2 7 5 9 -2 -5 •
calculados: Xi 4 -1 6 1 -4 17 3 7 -20 1 •
2) Resolver o sistema homogêneo de 3 equações com 2 variáveis
2xi + 4x 2 = 0
16xi ' 8x 2 = 0
12xi - 2 x 2 = 0
Solução trivial:
Xi = X 2 =0
536 Álgebra linear
2 4 0 L ,(y )
16 -8 0
12 -2 0
1 2 0
16 -8 0 L j ” L2 ^ L i ( —16 )
12 -2 0 L 3 = L 3 + L ,(-1 2 )
1 2 0
0 -40 0 U (-^ )
0 -26 0
1 2 0 L, = L , + L , ( - 2 )
0 1 0
0 -26 0 L j = L j + L ,(2 6 )
1 0 0
0 1 0
0 0 0
Tendo em vista que Ca = Cv = C = 2 e n = 2, isto é, C = n, o sistema é determinado, o

que significa que n ío tem soluções próprias; a única solução do sistema é a solução trivial:
Xi = X2 = 0
3) Resolver o sistema homogêneo de 3 equações com 3 variáveis
Ix i - 3x2 “ =0
Ix i - 1X2 " ÍX3 = 0
Ixi - 1x 2 + 3x 3 = 0
Solução trivial:
Xi = X2 = X3 = 0
1 -3 -4 0
1 -1 -1 0 -----^ La = L i + L ,(-1 )
1 -1 3 0 * L3 ~ L3 Li (-1)
1 -3 .4 0
0 2 3 0 -----^ L a ( y )
0 2 7 0
1 -3 -4 0 ----- ^ Li = L , + L a(3)
3
0 1 0
2
0 2 7 0 > L3=L3+La(-2)
1
1 0 0
2
3
0 1 0
2
0 0 4 0 ^ Lb( J )
1
1 0 0 ----- ^ L, = L , + L 3 ( - 2 )
2
3
0 1 0 ----- ^ La = La + LaC-y)
2
0 0 1 0
5S8 Álgebra linear
1 0 0 0
0 1 0 0
0 0 1 0
Tendo em vista que Ca = Cv = C = 3 e n = 3, isto e', C = n, o sistema é determinado, o

que significa que não tem soluções próprias; a única solução do sistema é a solução trivial
Xi = X2 = X3 = 0
Esse exemplo é o de um sistema homogêneo de n equações lineares com n variáveis, caso

particular de um sistema de m equações lineares com n variáveis (m = n). Como se viu nesse
exemplo, o método utilizado é geral, isto é, vale para qualquer sistema de equações lineares com
qualquer número de variáveis.
Antes de iniciar a solução de problemas, vamos esclarecer que:
I) Para classificar qualquer sistema de equações lineares (m = n, m=i^n, homogêneo ou

não), será usada sempre a mesma notação e utilizado sempre o mesmo critério. Assim:
a) A é a matriz ampliada do sistema (contém a matriz dos coeficientes das variáveis e a

matriz-cpluna dos termos independentes, ambas separadas por um traço vertical);
b) B é a matriz ampliada reduzida à forma de escada;
c) Ca é a característica da matriz ampliada (número de linhas com elementos não todos

nulos de B);
d) Cv é a característica da matriz dos coeficientes das variáveis (número de linhas com

elementos não todos nulos dessa matriz dos coeficientes das variáveis, contida em B);
e) C (quando Ca =Cv = C, o que nem sempre acontece, pois Ca pode ser maior que Cv)
é a característica da matriz reduzida à forma de escada;
f) m é o número de equações;
g) n é O número de variáveis;
h) g é o grau de liberdade do sistema.
Por outro lado:
i) Se Ca > Cv, o sistema é incompatível;
j) Se Ca = Cv = C, o sistema é compatível. Nesse caso:
j l ) Se C = n, o sistema é determinado;
j2) Se C < n , o sistemaé indeterminado;
k) Quando o sistema é compatível e indeterminado, g = n - C é o grau de liberdade do

sistema.
II) Por razões de ordem didática, o estudo da solução de sistemas de equações lineares
foi feito, separadamente, nos três casos em que podem se apresentar, nos itens A.45.1, A.45.2
e A.45.3 (m = n, m =5^n e homogêneo ou não). Entretanto, daqui por diante, para a solução de
qualquer sistema de equações lineares, com uma única exceção, que será vista adiante em III, será
utilizado o método da transformação da matriz ampliada do sistema na matriz reduzida à forma
de escada. Quando se tiver um sistema de n equações com n variáveis, por exemplo, compatível
e determinado, o método de Gauss-Jordan passa a ser um caso particular daquele; de fato, na
matriz reduzida à forma de escada, a matriz dos coeficientes das variáveis é transformada na
matriz-unidade, e a matriz-coluna dos termos independentes é transformada na solução do
sistema.
III) Quando se tiver que resolver vários sistemas de equações lineares nos quais a matriz
dos coeficientes das variáveis seja sempre a mesma, variando somente os termos independentes,
será utilizado o método da matriz inversa; nesse caso, geralmente a matriz inversa da matriz dos
coeficientes das variáveis é conhecida ou, então, se sabe que ela existe em virtude da natureza do
problema.
Nos problemas de 1 a 11, classificar e resolver os sistemas:
1) f 2x-3y= 4
6 x - 9 y = 15
540 Álgebra linear
Soluçâb
2 -3 4 L » (y )
A=
6 -9 15
3
1 2
2
6 -9 15 L2=L2+L,(-6)
3
2
2
B=
0 0 3
Examinando a matriz B (matriz reduzida à forma de escada), verifica-se que:
Ca = 2
Cv = 1
isto é :
Ca > Cv,
logo, o sistema é incompatível.
2) 3x + 2y - 5z = 8
2x - 4y - 2z = -4
- 2y - 3z = -4
Solução
3 2 -5 8 L .( f )
A= 2 -4 -2 -4
1 -2 -3 -4
2 .5 8
1
3 ’3 3
2 -4 -2 -4 Lj = L 2 + L , ( - 2 )
1 -2 -3 -4 L 3 = L 3 + L i (-1)
2 5 8
1
3 '3 3
n 16 4 28
u
■ 3 3 “ 3
n 8 4 20
u
■ 3 "3 ” 3
2 5 8 L, = L , + L 3 ( - y )
1
3 ■3 3
1 7
0 1
■4 4
8 4 20
0 L3=L3+L3(y)
*3 ■3 ‘ 3
3 3
1 0
"2 2
1 7
0 1
"4 4
0 0 -2 -2 L 3 (-y )
3 3
1 0 Li - Li + L3(“2 )
"2 2
1 7
0 1 L2=L2+L3(j )
"4 4
0 0 1 1
1 0 0 3
B= 0 1 0 2
0 0 1 1
542 Álgebra linear
Examinando a matriz B, verifica-se que:
Ca = Cv = C = 3 = n
logo, o sistema é compatível e determinado.

A matriz B representa o sistema
Ix + Oy + Oz = 3
Ox + ly + Oz = 2
Ox + 0 y + Iz = 1
equivalente ao sistema inicial. Desse último sistema, vem:
X= 3
y=2
z =1
3) 2x + 4y + 6z = -6
3x - 2y - 4z = -38
Ix + 2y + 3z = -3
Solução
2 4 6 -6 Li(y)
A= 3 -2 -4 -3 8
1 2 3 -3
1 2 3 -3
3 -2 -4 -3 8 Lj = L 2 + L i ( - 3)
1 2 3 -3 L ,= L a +L,(-1)
1 2 3 -3
0 -8 -13 -29
0 0 0 0
1 2 3 -3 L, = L , +L2Í-2)
n 13 29
u 1
8 8
0 0 0 0
1 41
1 0
‘4 “ 4
B= 13 29
0 1
8 8
0 0 0 0
Ca = Cv = C = 2
logo, o sistema é compatível.
Mas:
n=3
isto é :
C<n
portanto, o sistema é compatível e indeterminado, e seu grau de liberdade é
g= n-C =3-2= l
544 Álgebra linear
1 41
r Ix + Oy
^ -4 4 z = - ^4
13 29
O x -M y .-z = -
Ox + Oy + Oz = 0
equivalente ao sistema inicial.
A 3? equação não estabelece nenhuma condição para x, y e z; por isso, a solução do

sistema e' dada pelas 2 primeiras equações
-41 + z
X=
29 - 13z
y= 8
Os valores de x e y são obtidos atribuindo valores arbitrários a z. Assim, se z = 1, por

exemplo, vem:
-41 + 1 40 ..
X= --- — = - — = -10
4 4
29-13 16 ^
Para outros valores de z, são obtidas outras soluções para o sistema.
4) X+ y - z =0
2x - 3y + z =0
4x - 4y - 2z = 0
Solução trivial:
X= y = z = 0
1 1 -1 0
A = 2 -3 1 0 ----- >■ Li =Lj + L,(-2)
4 -4 -2 0 ----- ^ L3=L3 + L,(-4)
1 1 -1 0
0 -5 3 0 — L .( - S )
0 -8 2 0
1 1 -1 0 ----- ^ L, =L, +L3(-1)
3
0 1 0
0 -8 2 0 ----- - L3 = L3 + L2 ( 8)
2
1 0 0
‘ 5
3
0 1 0
"5
14
0 0 0
"5 14 >
2
1 0 0 ----- ^ L, =L, + L 3 (y )
‘5
3
0 1 0 ----- ^ Lí = Lí + L3( 5 )
"5
0 0 1 0
1 0 0 0
B= 0 1 0 0
0 0 1 0
546 Álgebra linear
Ca = Cv = C = 3 = n,
logo, o sistema é compatível e determinado. Tendo em vista que o sistema inicial é homogêneo
e que é compatível e determinado, não possui soluções próprias, isto e', só admite a solução trivial.
5) X + 3z = -8
’ 2x - 4 y = - 4
3x - 2y - 5z = 26
Esse sistema pode ser escrito assim:
Ix + Oy + 3z = -8
2x - 4y + Oz = -4
3x - 2y - 5z = 26
Solução
1 0 3 -8
•A = 2 -4 0 -4 U =U *U i.-2)
3 -2 -5 26 L3=L3+L,(-3)
1 0 3 -8
0 -4 -6 12 U ( -j)
0 -2 -1 4 50
1 0 3 -8
3
0 1 -3
2
0 -2 -1 4 50 L3=L3+U(2)
1 0 3 -8
3
0 1 -3
2
0 0 -11 44
1 0 3 -8 L, - L , * L , ( - 3 )
3
0 1 -3 L2 - L2 + L3(—y )
2
0 0 1 -4
1 0 0 4
B= 0 1 0 3
0 0 1 -4
Ca = Cv = C = 3 = n
logo, o sistema é compatível e determinado. A matriz B representa o sistema
Ix + Oy + Oz = 4
Ox + ly + Oz = 3
Ox + Oy + 1z = -4
equivalente ao sistema inicial. Desse último sistema, vem:
X= 4
y =3
z = -4
6) X- z =0
3x + y + 2z = 0
4x + 2y + 2z = 0
548 Álgebra linear
Esse sistema pode ser escrito assim
Ix + Oy - Iz = 0
3x + ly + 2z = 0
4x + 2y + 2z = 0
Solução trivial:
X= y = z = 0
1 0 -1 0
A = 3 1 2 0 L2=Lj +L,(-3)
4 2 2 0 La = L 3 + L i (-4 )
1 0 -1 0
0 1 5 0
0 2 6 0 L 3 = L3 + Lj (-2)
1 0 -1 0
0 1 5 0
0 0 -4 0 La(-Í)
1 0 -1 0 Li —Li + L3
0 1 5 0 Lj =La +L3(-5)
0 0 1 0
1 0 0 0
B = 0 1 0 0
0 0 1 0
Examinando a matriz B, verifica-se que;
Ca = Cv = C = 3 = n
logo, o sistema é compatível e determinado. Tendo em vista que o sistema inicial é homogêneo
e que é compatível e determinado, não possui soluções próprias, isto e', só admite a solução trivial.
7) 6x + 2y + 4z = 0
-9 x - 3y - 6z = 0
Solução trivial:
x=y=z=0
6 2 4 0 L .( t )
A=
-9 -3 -6 0
1 2
1 0
3 3
-9 -3 -6 0 U =Lj +L i (9)
1 2
3 3
B=
0 0
Ca = Cv = C = 1
550 Álgebra linear
Mas:
n=3
isto é:
C<n
portanto, o sistema é indeterminado, e seu grau de liberdade é
g = n -C = 3 -1=2
lx + | y + | z = 0
Ox + Oy + Oz = 0
A 2? equaçío não estabelece nenhuma condição para x e y; por isso, a solução do sistema
é dada pela 1? equação:
1 2 -y - 2z
3
Os valores de x são obtidos atribuindo valores arbitrários a y e z.
8) r 3x + 6y = 0
12x + 24y = 0
A=
yxt- 3y = 0
3 3
Solução trivial:
X= y = z = 0
3 6 0 l ,(7>
12 24 0
A=
3_
0
2
3_
0
4
1 2 0
12 24 0
^ 3 0. L3 —L3 + Li (- 2 )
3_ L 4 = L4 + L i ( - j )
0
4
1 2 0
0 0 0
B =
0 0 0
0 0 0
Examinando a matriz B, veriflca-se que:
Ca = Cv = C = l
Mas:
n=2
isto é :
C<n
552 Álgebra linear
logo, O sistema é compatível e indeterminado, e seu grau de liberdade é
g = n -C = 2 -l= l
Ix + 2y = 0
Ox + Oy = 0
Ox + Oy = 0
Ox + Oy = 0
As 3 últimas equações nío estabelecem nenhuma condiçío para x e y; por isso a

soluçío do sistema é dada pela 1^ equação:
Ix + 2y = 0
ou:
X=-2y
Os valores de x são obtidos atribuindo valores arbitrários a y.
9) X - y=0
2y + 4z = 6
X+ y + 4z = 6
Esse sistema pode ser escrito assim:
Ix - ly + Oz = 0
Ox + 2y + 4z = 6
Ix + ly + 4z = 6
Soluçãk)
1 -1 0 0
A = 0 2 4 6
1 1 4 6 L3 = L 3 + L ,(-1)
1 -1 0 0
0 2 4 6 Ui-J)
0 2 4 6
1 -1 0 0 Li “ L*i + L*2
0 1 2 3
0 2 4 6 L 3 = L 3 + L j (.2)
1 0 2 3
B = 0 1 2 3
0 0 0 0
Examinando a matriz B, verifica-se que
Ca = Cv = C = 2
Mas:
n=3
isto é :
C<n
logo, o sistema é compatível e indeterminado, e seu grau de liberdade é
j,= n - C = 3 - 2 = l
554 Álgebra linear
Ix + Oy + 2z = 3
Ox + ly + 2z = 3
Ox + Oy + Oz = 0
A última equação não estabelece nenhuma condição para x e y; por isso, a solução do
sistema é dada pelas duas primeiras equaçOes:
X = 3 - 2z
y = 3 -2 z
Os valores de x e y (que são iguais) são obtidos atribuindo valores arbitrários a z.
10) a| 2a2 “ ■*4
-3ai + 4a2 = -18
2a I — a2 ~ 7
Solução
1 2 -4
A = -3 4 -1 8 L«2 —L2 (^)
2 -1 7 L 3 = L3 + L ,(-2 )
1 2 -4
0 10 -3 0
0 -5 15
1 2 -4 L, = L , + L í(-2 )
0 1 -3
0 -5 15 L3=L3+L3(5)
1 0 2
B = 0 1 -3
0 0 0
Ca = Cv = C = 2 = n
logo, o sistema é compatível e determinado.
la + 0b = 2
0 a + lb = -3
0a + 0b = 0
A última equaçãô nfo estabelece nenhuma condição para a e b; por isso, a solução do
sistema é dada pelas duas primeiras equações:
a =2
b=-3
11) â| ^ 2^2 —4
-3ai + 4aj = 3
2ai - a2 = -6
Solução
1 2 4
A = -3 4 3 U = L j + L .(3 )
2 -1 -6 L 3 = L3 + L ,(-2 )
356 Álgebra linear
1 2 4
0 10 15
0 -5 -14
1 2 4 -----^ L, =L, +Lj(-2)

0 1 1.5
0 -5 -14 ---- ^ L3=L j + L2(5)
1 0 1
B = 0 1 1,5
0 0 -6,5
Ca = 3
Cv = 2
isto é:
Ca>Cv
logo, o sistema é incompatível.
12) Estabelecer a condição que deve ser satisfeita pelos termos independentes x, y e z para
que o sistema
ai + 2a2 = X
- 3a i + 4a2 = y
2 ai - a2 = z
seja compatível.
Solução
1 2 X
-3 4 y L2 • L2 + Li (3)
2 -1 z L 3 = L 3 + L i (-2)
1 2
0 10 y + 3x
0 -5 z - 2x
1 2 X
y + 3x
0 1
10
0 -5 z - 2x u = L3 + Lj (5)
1 2
y + 3x
0 1
10
0 0
V + 3x
Se z - 2x + - —- — fosse diferente de zero, teriamos:
Ca = 3
Cv =2
isto e :
Ca>Cv
e o sistema seria incompatível. Portanto, para que o sistema seja compatfvel é necessário que
558 Álgebra linear
ou:
2z - 4x + y + 3x = 0
-x + y + 2z = 0
X - y - 2z = r
x = y + 2z.
Observações
a) Nada impede que as variáveis sejam designadas pelas letras a, b, c etc. e que os termos
independentes sejam designados por x , y , z etc.
b) Comparando os sistemas 10, 11 e 12, verifica-se que todos tém a mesma matriz dos
coeficientes:
• o 19 é compatível;
• o 29 é incompatível;
• o 39 estabelece a condição que deve ser satisfeita pelos termos independentes para que
o sistema seja compatível.
Essa condição exprime que:
x = y + 2z
Ora, na 1? equação
X = -4
y = -18
z =7
isto é:
-4 = -18 + 2 X 7
-4 = - 1 8 + 14
-4=-4
o que tom ou compatível o sistema.

Já na 2? equaçáo:
x=4
y =3
z = -6
isto é:
4 ^ 3 + 2(-6)
4=?fc3-12
4^-9
Tendo em vista que a condição de compatibilidade não foi satisfeita, o sistema se mostrou
incompatível.
c) Esses sistemas, bem como alguns outros que ainda serão resolvidos, constam do Capítulo
sobre Espaços Vetoriais somente com as respostas.
d) Nos problemas sobre sistemas, nos quais se solicita que alguma condição seja estabelecida
para que sejam compatíveis ou admitam solução não-trivial etc., quer nos termos independentes,
quer em coeficientes das variáveis, embora se inicie transformando a matriz ampliada na matriz
reduzida à forma de escada, geralmente não é necessário chegar ao final; quase sempre, um simples
raciocínio, no decorrer da execução do processo, resolve o problema,
Nos problemas 13 e 14, estabelecer a condição que deve ser satisfeita pelos termos
independentes para que sejam compatíveis os sistemas:
13) a+2b = x
-2a + b = y
*- a + b=z
SotuçSo
1 2
A = -2 1 L 2= L i +L,(2)
-1 1 L3 —L 3 + Lj
560 Álgebra linear
1
0 L .( i)
0 L3=La+L2(-3)
1
y + 2x
0
3 ( y + 2x)
z+X -
Se z + X ■ ^ ^ fosse diferente de zero, teríamos:
Ca = 3
Cv = 2
isto é:
Ca>Cv
e o sistema seria incompatível. Portanto, para que o sistema seja compatível é necessário que:
3 (y + 2x) ^
z+ X - — — ^= 0
5z + 5x - 3 (y + 2x) = 0
5z + 5x - 3y - 6x = 0
-X - 3y + 5z = 0
X + 3y - 5z = 0
ou:
x = 5z-3y
14) ( ^ a + 3b = X
2a - Ib = y
-2a + Ib = z
3a + 1b = t
Solução
-1 3 X L,(-l)
2 -1 y
A =
-2 1 z
3 1 t
1 -3 -X
2 -1 y L2 ~ L2 Lj (—
2)
-2 1 z L 3 = L 3 + L i (2)
3 1 t L»4 ~ L»4 + Lj (—3)
1 -3 -X
0 5 y + 2x Lj C-j )
0 -5 z - 2x
0 10 t + 3x
1 -3 -X
y + 2x
0 1
5
0 -5 z - 2x L3=L3+L2(5)
0 10 t + 3x L4 = L4 + L i(-1 0 )
562 Álgebra linear
1 -3 -X
y + 2x
0 1
5
0 0 z - 2x + y + 2x
0 0 t + 3x - 2 (y + 2x)
Se:
z - 2x + y + 2x
t + 3 x - 2 ( y + 2x)
fossem diferentes de zero, teríamos:
Ca = 4
Cv = 2
istoé:
C a >C v
e o sistema seria incompatível.
Portanto, para que o sistema seja compatível é necessário que:
z-2x+ y + 2x = 0
t + 3x - 2y - 4x = 0
ou:
z + y=0
t - X - 2y = 0
Matrizes. Determinantes. Sistema de equaçõeslineares 563
ou, ainda:
z = -y
X = t - 2y
15) Calcular o valor de k para que seja compatível o sistema:
ai + 2aj = -1
- 3 a i + 4a2 = k
2ai - a2 =-7
Solução
1 2 -1
A = -3 4 k L 2 “ L 2 ‘í* L j (3)
2 -1 -7 L 3 = L 3 + L i (-2)
1 2 -1
0 10 k-3
0 -5 -5
1 2 -1
k-3
0 1
10
0 -5 -5 L 3 = L 3 + L í (5)
1 2 -1
k-3
0 1
10
k-3
0 0 -5 +
564 Álgebra linear
k- 3
Se - 5 + —-j— fosse diferente de zero, teríamos:
Ca = 3
Cv = 2
isto é:
Ca>Cv
e o sistema seria incompatível. Portanto, para que o sistema seja compatível é necessário que:
-10 + k - 3 = 0
k = 10 + 3
k = 13
Observação
Esse sistema tem a mesma matriz dos coeficientes do problema 12. Ali foi estabelecido
que para ser compatível, os termos independentes x, y e z do sistema deveriam satisfazer à
condição:
X = y + 2z
Ora, nesse sistema:
x = -l
y = 13
z = -7
istoé:
- l = 13 + 2 x ( - 7 )
-1 = 13 - 14
-1 = - l
o que tornou compatível o sistema.

16) Resolver, em função de x e y, o sistema:
3ai + 5a2 = X
ai + 2 a2 = y
Solução
3 5 X — ^ L,
-12
A =
1 2 y
~1 2 y
3 5 X —^ L
L;, = L3 + L ,(-3 )
1 2 y
0 -1 X - 3y — ^ Ljí-l)
1 2 y — ►Li
L = Li + L2(-2)
0 1 3y - X
1 0 y-2(3y-x)
B =
0 1 3y - X
Essa matriz representa o sistema
lai+0a2= y-2(3y-x)
. Oai + 1h2 = 3y - X
566 Álgebra linear
ou:
ai = y - 6y + 2x
a2 = 3y - X
ou, ainda:
ai = 2x - 5y
ai = 3y - X
Nos problemas 17 e 18, estabelecer a condição que deve ser satisfeita pelos termos indepen
dentes, para que sejam compatíveis os sistemas.
17) 3x + 9y = a
6x + 18y = b
Solução
3 9 a L .( f )
A =
6 18 b
a
1 3
3
6 18 b Lj = Lj + L,(-6)
a
1 3
T
0 0 b-2a
Se b - 2a fosse diferente de zero, teríamos:
Ca = 2
Cv = 1
isto é:
Ca>Cv
e o sistema seria incompatível.
Portanto, para que o sistema seja compatível é necessário que:
b-2a = 0
ou
b = 2a
De fato, fazendo, por exemplo, a = 21 e b = 4 2, o sistema inicial seria:
3x+ 9y = 21
6x + 18y = 42
Resolvendo o sistema, vem:
3 9 21 L .(f)
A =
6 18 42
1 3 7
6 18 42 L3 —L3 + Li (-6)
1 3 7
B =
0 0 0
568 Álgebra linear
Ca = Cv = C = 1
Mas:
n=2
isto é:
C<n
e o sistema é compatível e indeterminado, e seu grau de liberdade é:
g=n-C=2-l=l
Ix + 3y = 7
Ox + Oy = 0
equivalente ao sistema inicial.
A 2^ equação não estabelece nenhuma condição para x e y; por isso a solução do sistema é
dada pela 1? equação:
X = 7 - 3y
Como se vé, quando b = 2a, (42 = 2 x 21), o sistema é compatível e indeterminado.
18) X - 2y - z=a
2x + y +'3z = b
4x - 3y + z=c
Solução
1 -2 -1
2 1 3 L 2 = L 2 + L i (-2)
4 -3 1 L 3 = L 3 + L i (-4)
1 -2 -1 a
0 5 5 b -2 a
0 5 5 c - 4a
As duas últimas linhas representam as equações:
Ox + 5y + 5z = b - 2a
Ox + 5y + 5z = c - 4a
ou:
5y + 5z = b - 2a
5y + 5z = c - 4a
Os primeiros membros das duas equações são iguais a 5y + 5z. Ora, 5y + 5z, para mesmos
valores de x e mesmos valores de y, não pode assumir valores diferentes; logo, para que o sistema
seja compatível, deve-se ter:
b - 2a = c - 4a
b - 2 a - c + 4a = 0
2a + b - c = 0
19) Determinar o valor de k para que admita solução não-trivial o sistema
X - y - z=0
X - 2y - 2z = 0
2x + ky + z=0
570 Algtbra linear
Solução
1 -1 -1 0
A = 1 -2 -2 0 L 2 = L 2 + L i (-1)
2 k 1 0 L 3 = L 3 + L i (-2)
1 -1 -1 0
0 -1 -1 0 L ^ í-l)
0 2+k 3 0
1 -1 -1 0
0 1 1 0
0 2+k 3 0 L3 = L3 + L 2 (-2 -k )
1 -1 -1 0
0 1 1 0
0 0 1 -k 0
k fosse igual a 1, isto é
1 -1 -1 0
0 1 1 0
0 0 1 0
e a matriz dos coeficientes das variáveis poderia ser transformada na matriz-unidade, do que
resultaria:
Ca = Cv = C = 3 =n
e o siatema^ria compatível e determinado, isto é, admitiria somente a solução trivial:
X = V = z = 0
Matrizes. Determinantes. Sistema de equações lineares 5 71
Portanío, para que o sistema admita solução não-trívial, é necessário que:
1 -k = 0
isto é:
k = 1.
Nesse caso, como os elementos da 3^ linha seriam todos nulos, a matriz inicial teria, ao
final:
Ca=Cv = C = 2
e:
n=3
ou:
C<n
Logo, para k = 1, o sistema é compatível e indeterminado.
Nos problemas de 20 a 23, resolver os sistemas pelo método matricial.
X+ 2y - 2z = b i
2x + 5y - 4z = b 2
3x + 7y - 5z = ba
20) Para bi = 0, b 2 = 3 e ba = 7.
Solução
Fazendo:
1 2 -2 X bi 0
A = 2 5 ^ ;X = y ;B = b2 = 3
3 7 - 5 z b3 7
572 Álgebra linear
0 sistema pode ser escrito sob a forma matricial:
AX = B
e:
X = A-‘ B
a) Cálculo de A-1.
2 -2 1 0
5 -4 0 1 L2 ” L/2 Lj (-2)
7 -5 0 0 L3 = L 3 + L i (-3)
2 -2 1 0 L , = L ,+ L 2 ( - 2 )
1 0 -2 1
1 1 -3 0 L 3 = L 3 + L 2( -1)
0 -2 5 -2 L , = L , + L3(2)
1 0 -2 1
0 1 -1 -1
0 0 3 -4
1 0 -2 1
0 1 -1 -1
logo:
3 -4 2
A -‘ = -2 1 0
-1 -1 1
b) Cálculo das raízes do sistema:
X = A-^B
3 -4 2 0 2 X
X = -2 1 0 X 3 = 3 = y
-1 -1 1 7 4 z
logo:
X = 2
y =3
z =4
21) Para bi = 2, b 2 = 5 e ba = 7.
Solução
Fazendo:
1 2 -2 X bi 2
A = 2 5 - 4 ,x = y ,B = ba = 5
3 7 - 5 z b3 7
o sistema pode ser escrito sob a forma matricial:
AX = B
e:
X = A-^B
574 Álgebra linear
mas:
3 -4 2
A-^ = - 2 1 0
-1 -1 1
e:
3 -4 2 2 0 X
X = -2 1 0 X 5 = 1 = y
-1 -1 1 7 0 z
logo:
x=0
y = l
z =0
22) Para bi = 1, Ò2 = 7 e ba = 6.
Solução
Fazendo:
1 2 -2 X bi 1
A = 2 5 -4 ; X = y ;B = ^2 = 7
3 7 -5 z ba 6
AX = B
e:
X = A-^B
mas:
3 -4 2
A-* = - 2 1 0
-1 -1 1
e:
3 -4 2 1 -1 3 X
X= -2 1 0 X 7 = 5 = y
-1 -1 1 6 -2 z
logo:
x = -13
y =5
z = -2
23) Para bj = 3, b 2 = 2 e ba = 5.
Solução
Fazendo:
1 2 -2 X bi 3
A= 2 5 -4 ; X = y ;B = bj = 2
3 7 -5 z ba 5
AX=B
e:
X = A-^B
576 Álgebra linear
mas:
3 -4 2
A-^ = - 2 1 0
-1 -1 1
e:
3 -4 2 3 11 X
x= -2 1 0 X 2 = -4 = y
-1 -1 1 5 0 z
logo:
x = ll
y = -4
z =0
Nos problemas de 1 a 23, classificar e resolver os sistemas.
1) 5x + 8y = 34 2) 4x - y - 3z = 15
3x - 2y + 5z = -7
10x+ 16y = 50
2x + 3y + 4z = 7
3) 2x + 3y - 2z = 2 4) X + 4y + 6z = 0
3x - 5y + 4z = 5
- y - 6y - 9z = 0
X - 2y - 7z = -24
5) X + 2y + 3z = 10 6) 5x - 3y - 7z = -5
3x + 4y + 6z = 23 4x - y - z=2
3x + 2y + 3z = 10 -2 x + 4y + 8z = 10
7) 3x - 8y - 9z = 14 8) 4x - 3y = -1 8
7x + 3y + 2z = -12 2y + 5z = -8
- 8 x - 9y + 6z = 11 X - 2y - 3z = 0
9) 2x - 5y - z = -8 10) 3x + 9y + 12z = 24
3x - 2y - 4z = -11 4x + 16y + 26z = 46
• 5x + y + z = -9 X + 7y + 14z = 20
11) 5x + y + z=7 12) 6x + 2y + 4z = 0
6x - y - z=4
-9 x - 3y - 6z = 0
7x + 2y + 2z = 14
13) -8x + 3y + 2z = 16 14) 3x + 2y - 3z = 18
4x - 2z = 0 2x - 4y + 4z = 12
3y + 4z = -32 - 4x + 3y - 5z = -24
15) X + 4y + 6z = 11 16) 2x + 2y + 4z = 0
2x + 3y + 4 z= 9 3x + 5y + 8z = 0
3x + 2y + 2 z = 7 5x + 25y + 20z = 0
17) X - 3y - 7z = 1 18) 10x+ 8y - 7 z= 1
- X - 2y - 4z = -2 5x + 3y - 8z = 19
-2 x - 4y - 5z = -1 7x - 9y + 4z = -15
578 Álgebra linear
19) X-y = 0 20) 6x - 9y - 5z = -35
2y + 4z = 6 2x + 3y + 4z = 29
X + y + 4z = 6 5x - 2y - Iz = 0
21) 4x + 8y + 12z = 24 22) 7x - 2y + 4z = -15
X -z = 0 9x + 3y - 3z = 0
- 5 x - 8 y - l l z = -2 4 X - 4y - z = -8
23) 2x + 3y + 4z = 53
3x + 5y - 4z = 2
4x + 7y - 2z = 31
Nos problemas de 24 a 27, estabelecer a condição que deve ser satisfeita pelos termos
independentes para que sejam compatíveis os sistemas.
24) 4x + 12y + 8z = a 25) 2x + 4y + 2z = a
2x + 5y + 3z = b 3x + 8y + 5z = b
- 4y - 4z = c -3 x - 4y - Iz = c
26) 2x + 2y + 4z = a 27) X+ y - z = a
6x + l l y + 8z = b -X + 2z = b
2x + 7y = c y+z=c
28) Calcular o valor de k para que admita solução não-trivial o seguinte sistema:
2x + 6y = 0
4x + ky = 0
Nos problemas (te 29 a 33, resolver os sistemas pelo método matricial.
-2x + 3y - z = bi
X - 3y + z = b2
- X + 2y - z = ba
29) Para bi = 2, b 2 = 5 e ba = 7.
30) Para bi = 1, b 2 = 6 e ba = 0.
31) Para bi = 2 , b 2 = - 8 e ba = 9 .
32) Para b, = -4, ba = -3 e ba = -2.
33) Para bi = 4, ba = 7 e ba = 9 .
Nos problemas de 34 a 37, resolver os sistemas pelo método matricial.
-2 x i - Xa +2x4 = bi
3xi + Xa - 2xa - 2x 4 = ba
-4 x i - Xa + 2xa + 3x4 “ ba
3xi + Xa - Xa - 2x 4 = b4
V
34) Para b, = 5, = 3, bj = 12 e b 4 = 10
35) Para bi = -8 , bj = -4, bj = -9 e b4 = 8
36) Para bi =4, b 2 = 0, bs = -2 e b4 = 3
37) Para bi = -9 , b^ = 6, bs = 3 e b4 = 1
580 Álgebra linear
A .4 6 .2 Respostas dos Problemas Propostos
1. Incompatível.
2. Compatível e determinado:
x = 3, y = 3 e z = -2
x=l, y = 2 e z = 3
4. Compatível e indeterminado:
a) Grau de liberdade: g = 2.
b) Solução trivial: x = y = z = 0.
c) Soluções próprias:
X = -4y - 6z
5. Incompatível.
X= y = z = 1
X = y = z = -1
x = 0, y = 6 e z = -4
X = 3, y = 2 e z = 4
10. Incompatível.
x = l , y = 7 e z = -5 .
12. Compatível e indeterminado
a) Grau de liberdade: g = 2.
b) Solução trivial: x = y = z = 0.
c) Soluções próprias:
y 2z - y - 2z
3 “ 3
x = -4 , y = 0 e z = -8
x = 6, y = z = 0
3 + 2z
a) x =
5
1 3 -8 z
y=• 5
b) Grau de liberdade: g = 1.
16. Compatível e determinado. O sistema admite somente a solução trivial:
X= y = z = 0
582 Álgebra linear
x = 2, y = -2 e z = l
x = l , y = 2 e z = -l
a) X = y = 3 - 2z
x = 2, y = 3 e z = 4
a) X = z
y = 3 - 2z
x = -l, y = 2 e z = -l
x=3, y=5 e z = 8
24. 2a - 4b + c = 0
25. 3 a -b + c = 0
26. 2a - b + c = 0
27. a+b- c=0
28. k = 12
29. X = -7, y = -12 e z = -24
30. X = -7, y = -6 e z = -5
31. x = 6 , y = - l e z = -17
32. x = 7, y = 5 e z = 5
33. x = - l l , y = -16 e z = -30
34. Xi = 22, X2 = 25, X3 = 7 e X4 = 37
35. Xi = 12 , X2 = -18, X3 = 12 e X4 = -1
36. Xi = 10, X2 = - 8 , X3 = 3 e X4 = 8
37. Xi = -13, X2 = 27, X3 = -5 e X4 = -4

Impresso na G r a l .
03043 Rua Martím Burchard. 246
Brás - São Paulo - SP
Fone: (011) 270-4388 (PABX)
com filmes fornecidos pelo Editor.
Composição e Arte-Final:
J AG Composições e Artes Gráficas Ltda.
Praça F. Rooseveit, 208 - 89 andar
Tel. (011) 255-5694 - São Paulo

Álgebra Linear, Steinbruch e Winterle

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Álgebra Linear, Steinbruch e Winterle

Enviado por

Direitos autorais:

Formatos disponíveis

áLGEIU

New York • Panamá • San Juan • Santiago

Editor: Milton Mira de Assumpção Filho

Dados de Catalogação na Publicação (CIP) Internacional

1. Álgebra linear I. Winterle, Paulo. II. Título.

índices para catálogo sistemático:

Capítulo 2 ESPAÇOS VETORIAIS

Capítulo 3 ESPAÇOS VETORIAIS EUCLIDIANOS

Espaço vetorial euclidiano..................................................................................... 111

Capítulo 4 TRANSFORMAÇÕES LINEARES

Capítulo 6 VETORES PRÓPRIOS E VALORES PRÓPRIOS

Apêndice A MATRIZES/DETERMINANTES/SISTEMAS DE EQUAÇÕES LINEARES

Matriz zero............................................................................................................... 374

SISTEMAS DE EQUAÇÕES LINEARES

Um livro de AIjGEBRA LINEAR E GEOMETRIA ANALÍTICA foi publicado pela primeira

Rua Vieira de Castro, 275/601

Se os vetores não-nulos u, v e w (o número de vetores não importa) possuem represen­

1.2 OPERAÇÕES COM VETORES

1.2.1 Adiçâb de Vetores

Sejam os vetores u e v representados pelos segmentos orientados AB e BC, respectiva­

Os pontos A e C determinam o vetor soma AC = u + v.

1.2.1.1 Propriedades da adição

1) A diferença de dois vetores u e v quaisquer é o vetor u + (-v). Sejam os vetores u e v

2) Quando os vetores u e v estão aplicados no mesmo ponto, verifica-se que:

a) a soma u + v (ou v + u) tem origem no referido ponto;

b) a diferença u - v tem origem na extremidade de v (e, por conseguinte, a diferença v - u

1.2.2 Multiplicação de um Número Real por um Vetor

Dado um vetor v=?^0 e um número real k ^ O , chama-se produto do número real k

a) módulo: Ipl = |kv| = | k l l v | ;

A Figura 1.2.2 mostra o vetor v e os correspondentes 2v e -3v.

1.2.2.1 Propriedades da Multiplicação por um Número Real

Se u e V são vetores quaisquer e a e b números reais, temos:

é interpretado geometricamente como sendo o plano cartesiano xOy.

Em nosso estudo consideraremos geralmente vetores representados por segmentos orien

identificando-se as coordenadas de P com as componentes de v.

A origem do sistema 0 (0 , 0) representa o vetor nulo.

Dois vetores u = ( x i , y i ) e v = (x 2 , y 2 ) são iguais se, e somente se, Xi = X2 e y 1 = y 2 , e

1) Os vetores u = ( 3, 5) e v = ( 3 , 5 ) são iguais.

Sejam os vetores u = ( x i , y i ) e v = (x 2 , y 2) e a G R . Define-se:

e a Figura 1.4.2b mostra que:

1.5 VETO R D E F IN ID O POR DOIS PONTOS

1.6 PRODUTO ESCALAR

Chama-se produto escalar (ou produto interno usual) de dois vetores u = ( x i , y i ) e

1.6.2 Módulo de um Vetor

Módulo de um vetor v = ( x ,y ) , representado por | v | , é o número real não-negativo:

Por exemplo, se v = ( 3, - 4) , então:

(3,-4) (3,-4) _ (3,-4) _( 3 ,-4 )_ ( 3 ,- 4 ) _ 3 4

Observação: Dado um vetor AB com extremidades nos pontos A ( x i , y i ) e B(x 2 , y 2 ), o

Assinale-se que a distância entre os pontos A e B é calculada pela mesma fórmula.

1.6.3 Propriedades do Produto Escalar

Dados os vetores u, v e w quaisquer e k G IR, tem-se:

l ) u . u > 0 e u . u = 0 se,e somente se, u = 0 = ( 0 , 0 )

Observações: Como conseqüência das propriedades do produto escalar, vem:

2) De modo análogo, mostra-se que:

1.7 ÂNG ULO DE DOIS VETORES

O ângulo de dois vetores u = OA e v = OB, não-nulos (Figura 1.7a), é o ângulo 0 for­

F ígm 1.7a F^gina 1.7b

1.7.1 Cálculo do Ângulo de Dois Vetores

Sejam os vetores u ^ O e v=i^0. O ângulo d formado por u e v pode ser calculado

Mas, de acordo com o item 1.6.3 (Observação 2), pode-se escrever:

Comparando as igualdades (2) e (1):

Uma vez calculado o cos 6, o ângulo d é encontrado numa tabela de co-senos.

1.8 PARALELISMO E O RTO G O N A LID A D E DE DOIS VETORES

a) Se dois vetores u = ( x i , y i ) e v = (x 2 , y 2 ) sâo paralelos (ou colineares), existe um número k

Se os vetores não-nulos u, v e w (o número de vetores não importa) possuem represen

Sejam os vetores u e v representados pelos segmentos orientados AB e BC, respectiva

O ângulo de dois vetores u = OA e v = OB, não-nulos (Figura 1.7a), é o ângulo 0 for