Algebra Linear - Steinbruch

t[r]=
-~r-;-+rr~~-g_~.
, -~7'-
cos 0
sen 0
-sen 0
cos 0
o o
"l T"-lff. .,
9 780074 504123
SUMÁRIO
Prefácio da 2~ edição
Capítulo 1 VETORES
Vetores . . . . . . . . . . . . . . . . . . . . . . . . . .. .. .. .. .. .. ... .. . .. 1
Operações com vetores . . . . . . . . . . . . . . . .. .. .. .. .. . ... . . ... . 3
Vetores no JR2 • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • 5
Igualdade e operações . . . . . . . . . . . . . . . . .. . . .. . . . . . . . . . . .. . . 6
Vetor definido por dois pontos . . . . . . . . . .. . .. .. . . . . . . . .. .. .. 8
Produto escalar . . . . . . . . . . . . . . . . . . . . .. . . .. .. . . . . . . . . .. .. 9
Ângulo de dois vetores . . . . . . . . . . . . . . . .. . . .. . . . . . . . . .. .. . . 1O
Paralelismo e ortogonalidade de dois vetores . .. . . .. .. . . . . . . . ... .. 12
Vetores no R 3 • . . • . • • . • • • • • • • • . . • • • • • . . • . . . • • • • • • • • • • • 13
Capítulo 2 ESPAÇOS VETORIAIS

ln tradução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ~ . . . . . . . . 15
Espaços vetoriais .. . .. . . . . . . . . . . . . . . . . . . . . . . . . .... ..... . 18
Propriedades dos espaços vetoriais . . .... .. . . . ... .... . ..... . . . 24
Su be.spaços vetoriais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
Combinação linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . • . . . . . . 39
Espaços vetoriais finitamente gerados . . . . . . . . . . . . ........ .... . 53
Dependência e independência linear . . . . . . . . . . . . . . . . . ... ..... . 53
Base e Dimensão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
Espaços vetoriais isomorfos . . . . . . . . . . . . . .. . ..... : ......... . 86
Problemas
Capítulo 3 ESPAÇOS VETORIAIS EUCLIDIANOS

Produto interno em espaços vetoriais . . . . . . . . . . . . . .. . ........ . 106
y
VI Á/Kebra lineor
Espaço vetorial euclidiano .. ·.... :. ............... .. ..... . . . 111

Módulo de um vetor . . . . . . . . . . .. . . ... .. ... . .. .. .. ..... . . . 112
Ângulo de dois vetores . . . . . . . . .. ............... .. ..... . . . 116
Vetores ortogonais. . . . . . . . . . . .. ............... .. ..... . . . 119
Conjunto ortogonal de vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
Conjuntos ortogonais entre si. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
Complemento ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . • . . . . . . . . 132
Problemas
Capítulo 4 TRANSFORMAÇÕES LINEARES

Trarufonnações lineares ......... . . ~ . . . . . . . . . . . . . . . . . . . . . . 151
Núcleo de uma transformação linear . . . . . . . . . . . . . . . . . . . . . . . . . . 168
Imagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
Matriz de uma transformação linear . . . . . . . . . . . . . . . . . . . . . . . . . . 181
Operações com transformações lineares . . . . . . . . . . . . . . . . . . . . . . . . 192
Transformações lineares planas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
Transformações lineares no espaço . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
Problemas
Capítulo 5 OPERADORES LINEARES
Operadores lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . • . . . . . . . . 230
Operadores inversíveis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
Mudança de bue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
Matrizes semelhantes . . . . . . . . . . . . . . . . . . . . . . . . . . . • . . . . . . . . 244
Operador ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
Operador simétrico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
Problemas
.
Capítulo 6 VETORES PRÕPRIOS E VALORES PRÕPRIOS
Vetor próprio e valor próprio de um operador linear . . . . . . . .... .. .. 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 QUADRÁTICAS
Forma quadrática no plano . . . . . . . . . . . . . .. . . . . . .. . . . . . . . . . . 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 matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 369
Matriz quadrada . . . .. .. ... . : . . .. . : ·. . . . . . . . . . . . .. .....
. . 371
S!'máriO VII
Matriz zero . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .... . 374

Igualdade de matrizes .. ... ................................. . 374
Adição de matrizes ..... . .............. . .. . .. ............ ... . 374
Produto de uma matriz por um escalar .......................... . 375
Produto de uma matriz por outra .............................. . 376
Matriz transposta .......................................... . 398
Matriz simétrica ..... ................ . ......... .. .... ...... . 400
Matriz anti-simétrica ........................................ . 401
Matriz ortogonal ..................... . . .. .... . . .. ... ....... . 402
a . tº
Mtriz nangular supenor . ................................... . 403
Matriz triangular inferior .................................... . 403
Potência de uma matriz ........ . ............................. . 404
DETERMJNANTES
Classe de uma permutação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 420
Termo principal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 421
Termo secundário. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 421
Determinante de uma matriz.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 421
Ordem de um determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 421
Representação de um determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . 421
Preliminares para o cálculo dos determinantes de 2ª e de 3ª ordem.. . . 422
Cálculo do determinante de 2ª ordem . . . . . . . . . . . . . . . . . . . . . . . . . . . 423
Cálculo do determinante de 3ª ordem . . . . . . . . . . . . . . . . . . . . . . . . . . . 426
Desenvolvimento de um determinante por uma linha ou por uma coluna 432
Propriedades dos determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 433
Cálculo de um determinante de qualquer ordem . . . . . . . . . . . . . . . . . . . 446
INVERSÃO DE MATRIZES
Matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. .. 466
Matriz singular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. .. 466
Matriz não-singular . . . . . . . . . . . . . . . . . . . . . . . . ... ·. . . . .. .. 467
Propriedades da matriz inversa . . . . . . . . . . . . . . . . . . . . . . . . .. .. 468
Operações elementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. .. 470
Equivalência de matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. .. 471
Inversão de urna matriz por meio de operações elementares . . . . . .. .. 476
SISTEMAS DE EQUAÇÕES LINEARES

Equação linear ........ ... . .- . . . . . . . . . . . . . . .. . . . . . .. . . 505
Sistemas de equações lineares. . . . . . . . . . . . . . . . . . .. . . . . . .. . . 505
Solução de um sistema linear . . . . . . . . . . . . . . . . . . .. . . . . . .. . . 505
Sistema compatível . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . .. . . 506
Sistemas equivalentes . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . .. . . 507
Operações elementares e sistemas equivalentes . . . . . . .. . . . . . . .. . . 508
Sistema linear homogêneo . . . . . . . . . . . . . . . . . . . . .. . . . . . .. . . 51 O
Estudo e solução dos sistemas de equações lineares . . . .. . . . . . .. . . 51 O
.. ,.,,"'lcu·-nc-
CAPÍTULO
VETORES
1.1 VETORES
Este capítulo tem por finalidade precipua revisar resumidamente a noção de vetor no
R e no R 3 e suas propriedades, as quais já devem ser do conhecimento do leitor 1 •
1
Sabe-se que os vetores do plano ou do espaço sã"o representados por s,gmentos orientados.
Todos os segmentos orientados que têm a mesma direção, o mesmo sentido e o mesmo com-
primento são representantes de wn mesmo vetor. Por exemplo, no paralelogramo da Figura 1.1 a,
--
os segmentos orientados AB e CD determinam o mesmo vetor v, e escreve-se
v= AB = CD
A e
Fipra l. '
O assunt o pode ser visto em detalhes no livro Geome tria Analltú:4, dos autores desta Álgebra Linear,
Editora McGraw-Hill.
1
2 À/gebra linear
-
Quando escrevemos v = AB, estamos afumando que o vetor é determina.do pelo segmento
orientado AB de origem A e extremidade B. Porém, qualquer outro segmento de mesmo com-
primento, mesma direção e mesmo sentido de AD 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 I v 1.
Qualquer ponto do espaço é representante do vetor zero ( ou vetor nulo), que é indicado
por O.
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 1.1 b).
Figura 1.lb
Um Yetor v é unitário se I v 1 = 1.
Dois vetores u e v são colineares se tiwrem a mesma direç!'o. Em outras palavras: u e v
são colineares se tiwrem representantes AB e CD pertencentes a wna mesma reta ou a retas
paralelas (Figura l.lc).
Figura 1.lc
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 1T (Figura l .ld), diz-se que eles são
coplamres.
Vetores J
Fsua l.ld
1.2 OPERAÇÕES COM VETORES
·1.2.1 Adição de Vetores
Sejam os vetores u e v representados pelos segmentos orientados AB e BC, respectiva-

mente (Figura 1.2a).
A
e
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.
Ili) Existe um só vetor nulo O tal que, para todo vetor v, se tem:
v+O=O+v=v
IV) Qualquer que seja o vetor v, existe wn só vetor -v (vetor oposto de v) ta) que:
V+ (-v) = -V+ V= 0
4 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 segmentoit orientadoii AB e AC, reitpectivamente_ Construído o paralelogramo
ABCD (Fígura 1.2b), verifica-se que a soma u + v é representada pelo segmento oríentado AD
(uma das diagonais) e que a diferença u - v é representada pelo segmento orientado CB (a outra
diagonal).
D.
V V
Figura 1.lb
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 deu).
1.2.2 Muttiplicaçfo de um Número Real por um Vetor
*
Dado um vetor v O e um número real k * O, chama-se produto do número real k
pelo vetor v o vetor p = kv, tal que:
a) módulo: 1PI= lkvj = 1kll vi;

b) direção: a mesma de v;
e) sentido: o mesmo de v se k > O; e contrário ao de v se k < O.
A Figura 1.2.2 mostra o vetor v e os correspondentes 2v e -3v.
Obser11tJções:
1) Se k = O ou v = O, o vetor kv é o vetor O;
2) Se k=-J, o vetor (-l)v éoopostode v, isto é, (-l}v=-v.
Vetores 5
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)Iu=u
1.3 VETORES NO R 2
O conjunto
R 2 = 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 é 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) indivíduaHza 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 Àlgebro linear.
o X
Fwun 1.3a
y p
o X X
Fwwa 1.3b
A origem do sistema 0(0, O) representa o vetor nulo.

Ovetoropostode v:(.x,y) éovetot -v=(-x,-y).
1.4 IGUALDADE E OPERAÇÕES
1.4. 1 Igualdade
Dois vetores u=(x 1 ,yi) e v=(x:2,Y:2) sãoiguaisse,esornentese, x 1 =x 2 e Y1 =y2 , e

escreve-se u = v.
Vetores 7
Exemplos:
l) Os vetores u = (3, 5) e v = (3, S) são iguais.

2) Se o vetor u = (x + l, 4) é igual ao vetor v = (S, 2y - 6), de acordo com a definição de igual-
dade de vetores, x + I =5 e 2y - 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 = (x1 , yi) e v = (x2 , Y2) e a E lt Define-se:
a) u+v=(x1 +x2,Y1 +y2)

b) au=(ax1,aY1)
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.
Porexemplo,se u=(4,l) e v=(2,6), aFigural.4.2amostraque:
U+V= ( 4, I) + (2, 6) = ( 4 + 2, J + 6) = ( 6, 7)
e a Figura l .4.2b mostra que:

•-
2u = 2(4, 1) = (2(4), 2(1)) = (8, 2)
2u
X X
Figura 1.4.2a Pígu,a 1.4.lb

8 Àlgebra linear
1.5 VETOR DEFINIDO POR DOIS PONTOS
-
Ocorre, às vezes, o caso de um vetor ser representado por um segmento orientado que não
parte da origem do sistema. Consideremos o vetor AB de origem no po nto Alx 1 • y 1 ) e extremi-
dade B(x2 , y 2 ) (Figura 1.5).
o X
Figma l.S
-
De acordo~ o~e foi visto no item J .2.1. 1 - (Observação 2), o vetor AB é a diferença
---
entre os vetores OB e OA :
AB =OB -OA
e, portanto :
ou:
-
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:
-+
AB = B - A= (2, - 2) - (-1, 3) = (3 , - 5)
Vetores 9
1.6 PRODUTO ESCALAR
1.6.1 Definiçã'o
Chama-se produto esca"lar (ou pro duto interno usual) de dois vetores u = (x1 , yi) e
v = (x 2 , y2 ) , e se representa por u . v, ao número real :
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(-1) = 8 - 3 = 5
1.6.2 M6dulo de um Vetor
Módulo de um vetor v = (x, y), representado pOI I vi , é o número real não-negativo:
l vl= ..../v.v
ou, em coordenadas:
1vi = v' (x, y) . ( x, y)
ou, ainda :
Por exemplo, se. v = ( 3, -4), então :
lvl = .,/32 +(-4) 2 =.J9+16= '12s= 5
A partir de cada vetOI v * O é possfvt=I obt,er um vetor unitário u fazendo u =

V
v .
1 1
Por exemplo, é unitário o vetor :
(3, -4) _ (3, -4) (3, -4) _(3, -4)= (3, -4) = (1_ _!)
u=
1(3, -4) 1- J 3" + (-4) 2 J9 +1 6 J25 5 5' 5
-
Observação: Dado um vetor AB com extremidades nos pontos A(x1 , yi) e B(x2 , Y1 ), o
módulo desse wtor será:
Assinale-se que a distância entre os pontos A e B é calculada pela mesma fórmula.

JO Ãlge bra linear
1.6. 3 Propriedades do Produto Escalar
Dados os vetores u, v e w quaisquer e k E: R , tem-se:
I)u . u;;..o e u.u=O se, esornentese, 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)
lV) (mu) . v = m (u. v) = u. (mv)
V)u . u=lul 2
Observações: Como conseqüência das propriedades do produto escalar, vem:
1) lu+vi 2 = 1ul 2 + 2 u.v+lvl 2
Com efeito:
lu+ vl 1 =(u + v). (u + v) = u . (u+ v) + v.(ut v)

l U + V 12 : U. U + U. V+ V, U +V. V
l U + V jl = 1U 12 + 2u , V + l V 12
2) De modo análogo, mostra-se que:
1 U - V (l "' 1U J
2
- 2u . V + l V 12
1.7 ÂNGULO 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 O~ 8 ~ rr.
Fipm 1.7• Figun 1.7b

Vetores li
1.7.1 Cálculo do Ângulo de Dois Vetores
Sejam os vetores u '# O e v '# O. O ângulo 8 formado por u e v pode ser calculado
pela fórmula:
.o U. V
oosu=--
lul lvl
F~ura l.7.1
Com efeito, aplicando a lei dos co-senos ao triângulo ABC da Figura 1.7.l. vem:
1U - V I' = 1U [ 2 + [ V 12 - 2 1U 11V 1COS 8 (1)
Mas, de acordo com o item 1.6.3 (Observação 2), pode-se escrever:
lu-vl 2 =lu1 2 -2u.v+lv1 2 (2)
Comparando as ígualdades (2) e (1 ):
j U [2 - 2u • V + J V [ 2 =1U] 2 t IV 12 - 2 1U 1 1VI COS 0
logo:
u.v=lul [vi cos0
e:
U. V
cos 8 = (l.7.1)
lul lvl
Uma vez calculado o cos 8, o ângulo (J é encontrado numa tabela de co-senos.

12 Á lgebra linear
Por exemplo, se u =(-2, -2) e v =(O, -1), o ângulo 0 pode ser calculado por intermédio
. da Fórmula(l.7.1):
cos = u. v (-2, -2) . (O, - 2)

8
1ll 1 1VI J (-2) 2 + (-2) 2 X J
0 2 + (-2) 2
0+4 4 4
cos8; =----
J4+-1 X .jõ+4 v'8 X y'4 2y'2 X 2
1 .,/2"
cos8=-=--
vf 2
8 = are cos - -
../2
2
fJ =- 45°
1.8 PARALELISMO E ORTOGONALIDADE DE DOIS VETORES
a) Se dois vetores u = (x1, yi) e v = (x2 , y2 ) são paralelos(ou colineares), existe wn número k
tal que:
u=kv
ou;
o que ímplica:
X
_1 y 1=k
__
X:2 Yi
isto é, doís 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 p~-alelos, pol~:
-2 3
- =-
-4 6
ou seja:
Vetores JJ
b) Se dois vetores u =(x 1 , yi) e v =(x2 , y2 ) são ortogonais, o ângulo 8 por eles formado é
de 90º, e, portanto, cos fJ = cos 90° = O, o que implica, pela Fórmula (l .7.l):
U .V: Ü
ou:
isto é, dois vetores u e v são ortogonais quando o produto escalar deles é nulo. Representa-se
por u l 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) =-ó t 6: 0
1.9 VETORES NO IR 3
O conjunto
IR3 = R x IR x IR= { (x, y, z) / x, y, z E IR}
é interpretado geometricamente como sendo o espaço cartesiano tridimensional Oxyz.

Da mesma forma como fizemos para o plano, consideraremos gerahnente 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.
'
Figura 1.9
14 Álgebra linear
A origem do sistema 0(0, O, O) 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 1 ,Y 1 ,zi) e v=(x2 ,y2 ,z2 ) sãoiguaisse,esomentese, x 1 =x2 ,

Y1 :::: Y2 e Z1 = ½.
li) Dados os vetores u=(x 1 ,y 1 ,z 1 ) e v=(x2 ,y2 ,z2 ) e aE IR, define-se:
Ili) Se A(x1 ,y 1 ,zi) e B(x2 ,y2 ,z2 ) slio dois pontos quaisquer no espaço, então:
IV) O produto escalar dos vetores u = (x1 , y 1 , z 1 ) e v = (x 2 , y2 , z2 ) é o número real:
V) O módulo do vetor v =(x, y, z) é dado por:
1v1 =J x2 + y2 + z2
VI) se u e v são vetores não-nulos e 0 é o ângulo formado por eles, então:
ll u.v
cosu =---
! uJ lv 1
VII) Para u=(x 1 ,y 1 ,zi) e v=(x2 ,y2 ,z2 ), tem-se:
a) u // v se, e somente se,~ = ~

21
·
X2 Y2 - z2 '
CAPÍTULO
ESPACOS
•
VETORIAIS
2.1 INTRODUÇÃO
Sabe-se que o conjunto:
JR2 = { (x, y) / X, y E IR}
é interpretado geometricamente como sendo o plano cartesiano. Um par (x, y) pode ser
encarado como wn ponto (Figura 2.la) e, nesse caso, x e y são coordenadas, ou pode ser
encarado como umvetor(Figura2.lb) e, nesse caso, x e y são componentes(oucoordenadas).
Essa mesma idéia, em relação ao plano, estende.se para o espaço tridimensional que é a
interpretação geométrica do conjunto JR3 • Embora se perca a visão geométrica de espaços com
dimensão acima de 3, é possível estender essa idéia a espaços como JR4 , IR 5 , •.•, mn. Assim,
y y
(x,y)
• (x, y)
o X
o X
Fi.gun 2.la F@ura2.lb

/5
16 Álgebra linear
quádruplas de números (x1 , x2 , x 3 , x 4 ) podem ser vistas como pontos ou vetores no espaço
IR.4 de quarta dimensão. A quíntupla (2, -1, 3, 5, 4) será interpretada como um ponto ou
wn vetor no espaço IR.s de dimensão cinco. Então, o espaço de dimensão n (ou espaço
n-dimcnsional) será constituído pelo conjunto de todas as n-uplas 1.>Tdcnadas e representado
por 1Rn, isto é:
IRº = { (x 1 , x1 , ••• , x0 ); Xj E IR}
A maneira de se trabalhar nesses espaços é idêntica àquela vista em IR.2 e em IR3 •
Por exemplo, se:
u=(x 1,x2 , ... ,xn) e v=(y1,Y2, ... ,Yn)
são vetores no IRº e a um escalar, define-se:
a) u=v se, e somente se, X1 =y1,X2 =y2, ... , xn =yn.
b) u+v=(x1 +y1,X2 +yz, ... ,Xil +yn).
d) u.v = X1Y1 +X2Y2 + ... +¾Yn·
e) 1U1 =yu.u = .J Xi+ .Jq + ... +X~.

Desde já é bom observar que o vetor u = (x1 , x2 , ... , x0 ) aparecerá, às vezes, com a notação
matricial (matriz-coluna n x I):
u=
e é fácil ver que u + v e au na notação matricial são os vetores:
X1 Y1 X1 +y1
Xz Y2 X2 + Y2
u+v= + =
Espaços vetoriais 17
au = a .:::
Vamos agora transmitir uma idéia nova. Para tanto, consideremos dois conjuntos: o JR.0 e
o 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 escaJar, constata-se a exis-
tência de uma série de propriedades comuns a seguir enumeradas.
Se u, v, w E JRº, se o:,~ E IR e se A, B, C E M (m, n), podemos verificar que:
a) Em relação à adição valem as propriedades:
}) (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 n e um só em M (m, n)

indicado por O e tal que:
u+O=u e
A + O= A ( existência do elemento neutro)
O elemento O, nesse caso, será o vetor O= (O, O, ... , O) E IRº, na primeira igualdade, e
a matriz nula:
Ío o o
o o o
O= E M(m, n)
o o o
na segunda igua:dade.
J8 Àlgebra linear
4) Para cada vetor u E 1Rn e para cada matriz A E M (m, n) existe um só vetor -u E IR.n
e uma só matriz -A E M (m, n) tais que
u + (-u) = O e
A +(-A)= O (existência do elemento simétrico)
Por exemplo, se tivermos u = (x1 , x 2 , ... , Xn), então o vetor simétrico é

-u = (-x1 , -x2 , ... , -xn), e, caso semelhante, para a matriz A e sua correspondente simétrica -A.
b) Em relação à multiplicação por esealar valem as propriedades:
1) (ai.3) u = a (J3u) e
(ai,3) A=~ (/jA)
2) (a: + j3) u = au + Pu e
(a+ j3)A = aA + 6A
3) a: (u + v) = o:u + a:v e
a(A+B)=aA+a:B
4) Iu = u e
IA=A
Conforme acabam.os de ver, os conjuntos JRº 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 VETORIAIS
Seja um conjunto V. não-vazio, sobre o qual estão definidas as operações adição e multi-
plicação por escalar, isto é:
Vu, v E V, u + v E V
VOI. E IR, Vu E V, crn E V
O conjunto V com essas duas operações é chamado espaço vetorial real (ou espaço vetorial
sobre IR) se forem verificados os seguintes axiomas:
Espaços vetoriais !9
A) Em relaça-o à adição :
A1 ) (u + v) + w = u + (_v + w), Yu, v, w E V
A2 ) u + v = v + u, Yu, v E V
A3) 3.0 E V, Vu E V, u + O = u
A4 ) VuE V, tl(-u) E V, u+(-u)=O
M) Em relação à mu1tiplicaçá'o por escalar :
Mi) (aJ3) u = a (/3u)
M2) (a+ /3) u ~ au + /3u
M3) cx(u+v)=au+av
M4 ) lu = u
para Vu, V E V e Ya, J3 E JR.
Observações
I) 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 mui tiplicação por escalar realizadas com esses
elementos de natureza tão distinta se comportarem de fonna idêntica, como se estivéssemos
trabalhando com os próprios vetores do R 2 ou do R 3 . Assim, a familiaridade que temos com
os vetores do R 2 e do IR 3 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 conjunto 1R,
do~ números reais.
20 Ãlgebra linear
Exemplos
1) O conjunto V= IR 2 = {(x,y)/x,yE IR} é um espaço vetorial com as operações de

adição e multiplicação por um número real assim definidas:
a (x, y) = (o:x, ay)
Essas são as operações usuais de adição e multiplicação por escalar.

Para verificarmos os oito axiomas de espaço vetorial, consideremos u = (x 1 , y 1 ), v = (x 2 , Y2)
e w = (x 3 , y 3 ). Tem-se:
A1) (u+ v) +w=((x1, Y1) + (x2, Y2)) + (x3, y3)

(u+v)+w=((x1 +x2,Y1 +y2))+(x3,y3)
(u+v)+w=((x1 +x2)+x3,(Y1 +y2)+y3)
(u + v) + w = (x1 + (x2 + X3), Y1 + (Y2 + Y3))
(u+v)+w=(x1,Y1)+(x2 +x3,y2 +y3)
(u + v) + W= (x1, Y1) +((xi, Y2) + (X3, y3))
(u + v) + w = u + (v + w)
A2) u+ v=(x1, Y1) + (x2, Y2)

u+v=(x1 +x2,Y1 +y2)
u + v = (x2 + X1, Y2 + Yt)
u + v = (x,, Y2) + (xi, yi)
u+v=v+u
A3 ) 30 = (O, O) E IR.2 , Vu E JR.2, u +O= (x1 , y 1 ) + (O, O)

u +O= (x1 + O, Y1 + O)
u + O= (x1, Y1)
u+ O= u
A4) Vu=(x1,Y1)E IR2 , 3:(-u)=(-x1,-Y1)E IR2,

U + (-v) = (x1, Y1) +(-Xi, -Y1)
u+(-u)=(x1 -x1,Y1 -Y1)
u+ (-u) = (O, O)= O
Eq,aços vetoriais 21
M1) (o:{I) u = (aj3) (X1, Yt) =((o:JJ) XJ, (aJ1>y1) = (o:0Jx1 ), o: 03Y1 ))
(o:'3) u"' o: (Px1, 13Y1) = a 03(x1, ys))
(o:P) u = o:(Pu)
M2 ) (a+~)u=(a:+/3)(x1,Yi>=((o:+t1)x1,(a+/3)y1)=(0:x1 +'3x1,flY1 +.t3Y1)
(o:+ 13)u= (ax1 ,O:Y1) + (Px1 ,llY1) = o: (x1, Y1) + IJ(x1, Y1)
(a +'3)u=õ:u+ Pu
M3 ) a(u+v)=a((x1,y 1)+(x2,Y2))=a(x1 +x2,Y1 +y:2)=(0:(x1 +x2),a(y1 +y2))

o:(u+v) = (o:x1 +o:x2, o:y1 +o:y2) = (o:x1, o:y1) +(ax2,0:Y2)
O:(U + V) = O:(X 1 , y i) + a(X2 , y 2 ) = O: U t Ct. V
M4) lu= l(x1,Y1)=(Ix1, lyi)=(x1,Y1)

Iu= u
2) Os conjuntos R 3 , R 4 , ..• , Rn são espaços vetoríais com as operações de adição e

multiplicação por escalar usuais. Depois de verificados os oito axiomas de espaço vetorial para
o IR.2, os mesmos ficam também evidentes nos conjuntos acima citados.
3) O conjunto IR em relação às operações usuais de adição e multiplicação por escalar. Os

vetores, nesse caso, são números reais, e sabe-se que a adição de números reais verifica as proprie-
dades A 1 , 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 M 1 , 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 wn espaço
vetorial relativamente às mesmas operações.
S} O conjunto
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
é um espaço vetorial relativamente às mesmas operações.

22 Álgebra linear
6) O conjunto
V= {f: IR_.., R}
das funções reais definidas em toda reta. Se f, g E V e a E R, define-se;
f+g: IR-IR
x ~ (f + g) (x) =f(x) + g(x)
e:
0: f: IR----+ IR
x - (at) (x) = af(x)
7) O conjunto
V= {(x,x2 )/xE IR}
com as operações definidas por:
(x1, xi) 0 (x-i, Xi)= (x 1 + x2 , (x 1 t x2 )2)
o:Q (x,x 2 )=(0'.x,o: 2 x 2 )
é um espaço vetorial sobre IR.
Os símbolos G) e 0 são utilizados para indicar que a adição e a multiplicação por escalar
não são as usuais.
8) O conjunto
V= {(x,y)/x,y>O}
é um espaço vetorial com as operações adição e multiplicação por escalar defuúdas assim:
a 0 (x, y) = (x'\ yª)

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 A3 ) é o
vetor (l, I) e que o elemento simétrico (axioma A 4 ) de cada vetor (x, y)E V é o vetor
( _l 2-)E V.
X ' y
9) Seja o conjunto:
R 2 = { (a, b)/a, b E ~}
Vamos mostrar que o conjunto R 2 não é um espaço vetorial em relação às operações

assim definidas:
(a, b) + ( e, d)= (a+ c, b + d)

k(a, b) = (ka, b)
Ora, como a adição aqui definida é a usual, verificam-se os axiomas A 1 , A2 , A3 e A4 de

espaço vetorial, conforme vimos no exemplo 1. Logo, devem falhar algum ou alguns dos axiomas
relativos à multiplicação. Vamos testá-los.
Consideremos:
e o:, (3 E .IR
Temos, então:
M1) (a(j) u= (cx./3) (x1, yi) = ((o:/3) x 1, y 1)= (o: (13xi). yi)= o:(/Jx1, y 1 )
(a{3) u = O! ({3 (x 1 , y 1 )) = o: ({3u)
(Este axioma se verifica.)
~2) (a+ /3) u =(o:+ 11) (x1, Y1) =((o:+ 13) x,, yi) = (ax1 + Px1, Y1)
QU + (3u = O'.(X1, Y1) t /3(x,, Yt) = (O'.X1, Y1) + (/JX1, Y1) = (O'.X1 + /3x1, 2yi)
Como se vê:
(a+ {J) u * o:u + /3u

e, portanto, nào se verifica o axioma M2 , o que comprova não ser um espaço vetorial o conjunto
de que trata esse exemplo.
24 Álgebra linear
2.3 PROPRIEDADES DOS ESPAÇOS VETORIAIS
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 E V admite apenas um símé'tríco (-u) E V.
UI) Para quaisquer u, v, w E V, se u + w = v + w, então u = v.
IV) Qualque1 que seja v E V, tem-se:
-{-v) =v
isto é, o oposto de -v é v.
V) Quaisquer que sejam u, v E V, existe um e somente um x E V tal que:
u+x=v
Esse vetor x será representado por:
x=v-u
VI) Qualquer que seja v E V, tem-se:
Ov= O
Natural.mente, o primeiro zero é o número real zero, e o segundo é o vetor O E V.
VII) Qualquer que seja À E R, tem-se:
ÃO=O
VIII) ÀV =o implica À= o ou V= o.
IX) Qualquer que seja v E V, tem-se:
(-1) v= -v
X) Quaísquer que sejam v E V e À E R, tem-se:
(-X) v = À(-v) = -(Àv)
2.4 SUBESPAÇOS VETORIAIS
Sejam 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, deveríamos 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 A 2 diz que u + v = v + u, Vu, v E V. Ora, se
a comutatividade da adição é válida para todos os vetores de V, ela valerá, conseqüentemente,
Pll!ª 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, não-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 o E IR, u E S, tem-se :
.0-U E 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 lI, a:u E S para todo a E R. Fazendo
a=O, vem OuE S, ou seja, OE S (axioma A3 ). Fazendo o=-1,segue (-L)u=-uE S
( axioma A4 ).
26 Ãlgebra linear
Os demais axiomas A1 , A2 , M,, M2 , M3 e M4 de espaço vetorial são verificados em S pelo

fato de ser S um subconjunto não-vazio de V.
Observaçaõ
Todo espaço vetorial V admite pelo menos dois subespaços: o conjunto {O} , chamado
subespaço zero ou subespaço nulo, e o próprio espaço vetorial V. Esses dois são os subespaços
trivúzis de V. Os demais subespaços são denominados subespaços própriDs de V.
Por exemplo, os subespaços triviais de V= IR3 são { (O, O, O)} (verificar as condições
I e II do teorema 2.4.1) e o próprio R 3 . Os subespaços próprios do R 3 são as retas e os planos
que passam pela origem.
Para V= IR.2, os subespaços triviais são: { (O, O)} e R 2 , enquanto os subespaços próprios
são as retas que passam pela origem.
Exemplos
1) Sejam V=IR 2 e S= {(x,y) E R 2 /y=2x} ou S= {(x,2x);x E IR}, isto é, Sé o

conjunto dos vetores do plano que têm a segunda componente igual ao dobro da primeira.
Evidentemente, S * (/), pois (O, O) E S.
Verifiquemos as condições l e II.

Para u=(x1 ,2x 1 )E Se v=(x2 ,2x2 )E S, tem-se:
I) u + v = (x, + x2, 2x1 + 2x 2 ) = (x 1 + x 2 , 2 (x 1 + x 2 )) E S, pois a segunda componente

de u + v é igual ao dobro da primeira.
II) am = a (x,, 2x,) = (ax 1 , 2 (Cl'.xi)) E S, pois a segunda componente de o:u é igual ao
dobro da primeira.
Portanto, S é um subespaço vetorial de R 2 .

Esse subespaço S representa geometricamente uma reta que passa pela origem
(Figura 2.4.Ia).
Observemos que ao tomarmos dois vetores u e v da reta, o vetor soma u + v ainda
é da reta. E se multíplícarmos um vetor u da reta por um número real o:, o vetor o:u aínda
estará na reta.
Espaços 11etoriais 27
Figura 2.4. la
O mesmo não ocorre quando a reta não passa pela origem. Por exemplo, a reta:
S = { (x, 4. 2x); x E R}
não~ um subespaço vetorial do R 2 • Se escolhermos os vetores u = (1, 2) e v = (2, O) de

S, temos u + v = (3, 2) fÍ. S (Figura 2.4.lb).
Figma2.4.lb
28 Álgebra linear
Observemos ainda que o:u (f. S, para a =I= 1.
Os exemplos destas duas últimas retas sugerem, para qualquer subconjunto S de um

espaço vetorial V, que: sempre que O ff. S. 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 O E S, S é subespaço, pois
podemos ter O E S sem que S seja subespaço. É o caso do subconjunto
S= {(x;I xi); xE R}C Rz
Observemos que (O, O) E S e que, se tomarmos os vetores u = (3, 3) e v - (-2, 2)

de S, teremos u + v = (1, 5) ~ S (Figura 2.4 .l e).
5 U + V
,, /. '
,, 1 '
.,... ___' ' _'

3 - '
1
2
-2 o 3 X
Figura 2.4.lc
Observemos ainda que o:u (l S, a < O.
Observação
Nos exemplos trabalharemos ~mente com conjuntos não-vazios, ficando dispensada a

necessidade de mostrar que o conjunto é não-va.z io.
2) Sejam V= IR.3 e
s= {(x,y,z)/E IR 3 /ax+by+cz=O}
Nesse caso:
u = (x 1 , y 1 , z 1 ) E S implica ax 1 + by 1 + cz 1 = O
v = (x 2 , y2 , z2 ) E S implica ax2 + by 2 + CZz = O
l) Somando essas igualdades, resulta:
e essa ígualdade mostra que:
pois as coordenadas de u + v satisfazem a equação
ax+by+cz=O
II) Por outro lado,
pois, se:
então:
ou:
a{axl) + b (Qyi) + e (Qzi) = O
o que vem mostrar que as coordenadas de au satisfazem a equação ax + by + cz = O.

Logo, S é um subespaço vetorial de R 3 . Esse subespaço S representa wn plano
qualquer passando pela origem no JR 3 • ;
30 Âlgeb,a linear
3) Sejam V = JR4
S = {(x,y,z,O); x , y,zE IR}
isto é, S é o conjunto dos vetores de R 4 que têm a quarta componente nula.

Verifiquemos as condições l e II de subespaço.
Para u= (x 1 , Y1, Z 1 ,0) E Se v= (x.2 , Y2 ,Z2 ,0) E S, tem-se:
I) u + v = (x 1 + x 2 , y 1 + y 2 , z 1 + z2 , O) E S, pois a quarta componente de u + v é nula.
II) c:tu = (o: x 1 , <l'.y 1 , o:z 1 , O) E S, pois a quarta componente de o:u é nula.
Logo, S é um subespaço vetorial de R 4 •
4) Sejam
V • M(2 , 2) • [: 1 a, b, c, dE IR
S=
[:
isto é, S é o conjunto das matrizes quadradas, de ordem 2, cujos elementos da segunda linha
são nulos.
Para quaisquer
ªz b2
v = E S e o:E IR.
o o
tem-se:
I) u+vE S
II) au E S
Logo, S é um subespaço vetorial de M{2, 2 ).
Observação
É interessante observar que se tivéssemos considerado V = IR.4 e

S = {(a, b, O, O); a, b E IR 1,
o raciocínio seria idêntico ao que foi fei to para as matrizes acima.
5) Sejam V= M (n, n), B urna mat1iz fixa de V e
S = { A E M (n, n)/ AB = O}
isto é , S é o conjunto das matrizes que, multiplicadas à esquerda por B, têm como resultado
a matriz nula.
Então:
A1 E S implica A1 B = O
A2 E S implica A2 B = O
I) Somando essas igualdades, vem:
ou:
e, portanto:
32 Ãlgebra linear
II) Multiplicando por ~ real a primeua igualdade, vem :
ou:
e, portanto:
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 = O
2x+ y- z=O
X• y + 3z = 0
Faz.endo:
3 4 -2 X o
A= 2 1 -1 , X = y e O= O
l -1 3 z o
o sistema, em notação matricial, será dado por AX-= O, sendo X elemento do conjunto-
solução S.
Se
espaços vetoriais 33
são soluções do sistema, então:
AX1 = O e AX2 = O
1) Somando essas igualdades, vem:
ou:
A(X 1 + X2 ) =O
o que implica
X1 + X, E S
isto é, a soma de duas soluções é ainda uma solução do sistema.

II) Multiplicando por o: real a primeira igualdade, vem:
ou:
A(o:X1) = O
o que implica
isto é, o produto de uma constante por uma solução é ainda uma solução.
Logo, o conjwtto-solução S do sistema linear homogêneo é um subespaço vetorial de
M(3,l).
Observações
3
1) Esse conjunto-solução S pode também ser considerado subespaço de R , pois um
vetor (x, y, z) E IR.3 tem notação matricial:
y
z
34 Álgebra Ji11ear
2) Esse subespaço S é também chamado espaço-solução do sistema AX"' O.
3) Se tivermos um sistema homogêneo de m equações lineares com n variáveis, O·

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

vetorial (verificação a cargo do leitor).
7) Sejam V == IR2
S:: { (x, Y); X> 0}
isto é, S é o conjunto dos vetores de R 2 cuja primeira componente é positiva.

Sendo
u=(x 1 ,yi), x 1 >O, e
vetores quaisquer do S, temos:
I) u + v = (x, + x 2 , + y 2 ) E S pois x 1 + X2 > O, isto é, a soma de dois vetores com a

Y1
primeira componente positiva e um vetor cuja primeira componente é também positiva.
li) au = (ax 1 , o:y 1 ) ~ S quando ex ~ O, isto é, nem sempre o produto de um vetor com
a primeira componente positiva por um número real CI' resulta um vetor cuja primeira
componente é positiva. Por exemplo, u == (3, -4) E S e -2 (3, -4) = (-6, 8) tj S.
logo, S não é subespaço de R 2 .
Para chegar a essa conclusão PQder íamos ter usado o fato de que (O, O) €j S (imediata).
2.4.2 Interseção de dois Subespaços Vetoriais
Sejam S 1 e S2 dois subespaços vetoriais de V. A interseção S de S 1 e S2 , que se

representa por S = S1 n S2 , é o conjunto de todos os vetores v E V tais que v E S 1 e v E S2 .
Espaços ~etoriais )5
2.4.2.1 Teorema
A interseção S de dois subespaços vetoríais S 1 e S 2 de V é um subespaço vetorial de

V. De fato:
I) se u, v E S1 , então u + v E S1 ;
se u, v E ~ , então u + v E S2 .
Logo:
li) Para qual quer À E R :
se v E S 1 , então À v E S 1 ;
Logo:
Exemplos:
J) Seja V o espaço vetorial das matrizes quadradas de ordem 1:
V= :] ; , , h , c, dE R
[:
Sejam S1 e ~ subespaços \-etoriais de V:
[: :l; a, b E R
36 Álgebra linear
[: :} a, e E R
A interseção S = S 1 n S2 é um subespaço vetorial de V:
ª
S=
[º
2) Seja o espaço vetorial JR.3 = { (a, b, e); a, b, e E R } e os subespaços vetoriais
S, ={ (a, b,O) ; a, b E R} e S2 = {(0, 0 , c); c E R} . A interseção S1nS1 éo
subespaço vetorial S = { (O, O, O) } = {O} .
2.4.3 Soma de dois Subespaços Vetoriais
Sejam $ 1 e S2 doí$ subespaços vetoriais de V. A soma S de S 1 e 8-i, que se repre-

senta por S = S 1 + S2 , é o conjunto de todos os vetores u + v de V tais que u E S 1 e v E Si.
2.4.3. 1 Teorema
A soma S de dois subespaços vetoriais S 1 e Si de V é um subespaço vetorial de V. De

fato:
Por outro lado:
logo :
Espaços vetoritl is 37
II) Para qualquer À E IR :
se u 1 E S1 , então Ãu 1 E S 1 ;
Por outro lado:
logo:
Exemplos
1) A soma S dos subespaços vttoriais S 1 e Si referidos no exemplo l de 2.4.2 .1 é um

subespaço vetorial de V:
S • [: :l •,b,cE ~
2) Sejam os subespaços vetoriais S 1 = ((a, b , O); a, b E R } e S2 : { (O, O, e); e E 1R ) do

3
espaço vetorial IR = { (a, b, e); a, b, e E IR } .
A soma S 1 + S2 é o subespaço vetorial S = { (a, b, e); a, b, e E R}, que, no caso, é

o próprio R 3 •
2.4.4 Soma Direta de dois Subespaços Vetoriais
Sejam S 1 e S2 dois subespaços vetoriais de V. Diz-se que V é a soma direta de S 1 e

S 2 , ese representapor V=S 1 (±)S2 , se V =S 1 +S 2 e S 1 ns2 ={O} .
38 Álgebra linear
2. 4. 4. 1 Teorema
Se V é a soma direta de S1 e S2 , todo vetor v E V se escreve, de modo único, na

forma:
v= u+w
onde:
De fato, de V= S 1 G) ~, vem, para qualquer v E V:
v = u + w, or.de u E S 1 e v E S2 (2.4.4.l·I)
Suponhamos que v pudesse exprimir-se também pela forma:
v:u+w,
' ' one ' s1 e wE
d uE ' s2 (2.4.4.1-II)
As igualdades 2.4.4.I-I e 2.4.4 .l ·11 permitem escrever:
u + w"' u' + w'
ou:
-
u-u' -w, -w
onde:
u - u' E S 1 e w' - w E S2
Tendo em vista que S 1 n S2 "' {O}:
, J
U·u=w-w=O
isto é:
u = u' e w= w'
Espaços vetori/Jis 39
Exemplo:
O espaço vetorial R 3 = { (a, b, e); a, b, e E R} é a soma direta dos subespaços vetoriais:
S1 = { (a, b, O); a, b E IR} e S2 = { (O, O, e); e E R}
pois qualquer vetor (a, b, e) E R 3 pode ser escrito como sorna de um vetor de S 1 e um vetor
de S2 de modo único:
(a, b. e)= (a, b, O)+ (O, O, e)

e, portanto:
lR3 = S1 G)s2
2.5 COMBINAÇÃO LINEAR
Sejam os vetores v1 • v2 , .•. , vn do espaço vetorial V e os escalares a 1 , a2 , ... , a n. Qualquer

vetor v E V da forma:
é uma combinação linear dos vetores v1 , v2 , •.. , vn·
Exemplo
No espaço vetorial P 2 dos polinônúos de grau ,;;;; 2, o polinômio v = 7x 2 + 11 x - 26 é

uma combinação linear dos polinômios:
v1 = 5x2 - 3x + 2 e v2 = -2x.2 + Sx - 8
De fato:
v = 3v 1 + 4v2
isto é:
7x 2 + llx-26~3(5x 2 -3x+2)+4(-2x2 +Sx-8)

7x 2 +Ilx-26=I5x 2 -9x+6-8x2 +20x-32
7x 2 + llx - 26 = 7x 2 + Ilx - 26
40 Álgebra lineQr
2.5.1 Problemas Resolvidos
Para os problemas de 1 a 4, consideremos, no R 3 , os seguintes vetores: v1 = (l, -3, 2)

e V2 = (2, 4, -1).
1) Escrever o vetor v = ( .4, -18, 7) como combinação linear dos vetores v1 e v2 •
Solução
Pretende-se que:
sendo a 1 e a2 escalares a determinar. Então, devemos ter:
(-4, -18, 7) = ª1 (1, -3' 2) + ª2 (2, 4, -1)
ou:
ou:
Pela condiçfo de igualdade de dois vetores, resulta o sistema:
a1 + 2a2 = -4
-3a 1 + 4a2 = -18
2a 1 - a2 = 7
cuja soJução é a1 =2 e a2 = -3.
Portanto,
Espaço/{ vetoriais 41
Observação
Esse sistema e outros deste Capítulo estão resolvidos no Apêndice.
2) Mostrar que o vetor v = ( 4, 3, -6) não é combinação linear dos vetores v 1 e v2 •
Solução
Deve-se mostrar que não existem escalares a 1 e a2 tais que:
Com procedimento análogo ao do problema anterior, temos:
(4, 3, -6) = a1 (1, -3, 2) + a2 (2, 4, -1)
de onde resulta o sistema:
a1 + 2a2 = 4
-3a1 + 4a2 = 3
2a1 - a2 = -6
Observemos que esse sistema difere do anterior pelos tennos independentes. Como é
incompatível, o vetor v não pode ser escrito como combinação linear de v1 e v2 •
3) Determinar o valor de k para que o vetor u = (-1, k, - 7) seja combinação linear de

v1 e v 2 •
Solução
Devemos ter:
ou:
(-1, k, -7) = a 1 (1, -3, 2) + a2(2, 4, -1)

42 Álgebra linear
de onde vem o sistema:
a1 + 2a1 = -1
· -3ai + 4a1 = k
2ai - a2 = -7
do qual resulta, como solução do problema proposto, k = 13 (ai = -3 e 32 = l).
De fato:
(-1, 13,-7} = -3(1,-3, 2)+ 1(2,4,-1)

(-1, 13, -7} = (-3, 9, -6) + (2, 4, -1)
(-1, 13,-7} =(-1, 13,-7).
4) Determinar a condição para x, y e z de modo que (x, y, z) seja combinação linear dos
vetores vi e v1 .
Solução
Devemos ter:
(x,y,z)=ai(l,-3,2)+a2 (2,4,-l)
de onde vem o sistema:
31 + 2a2 = X
-3ai + 4a1 =Y
2a1 • ª2 = z
O vetor (x, y, z) somente será combinação linear de vi e v1 se o sistema tiver solução, e

isto somente ocorre se:
X -y- 2z = 0
ou:
x=y+2z
Ef()aços 11etoriais 4J
Assim, todos os vetores (x, y, z) E m.3, que são combinações lineares de v 1 e v2 • têm
a forma:
(y + 2z, y, z)
com y, z E R.
Podemos fazer a interpretação geométrica desse resultado. Observemos que os vetores v1 e
v2 não são oolineares. O vetor a1 vI tem a direção de v1 , e o vetor a2 v2 , a direção de v2 .
Logo, todos os vetores (x, y, z) E R 3 do tipo
formam um plano 1r que passa pela origem conforme sugere a figura 2.5.l. Esse plano tem equação
x - y -2z-= O, que estabelece a condição solicitada entre os componentes x, y e z.
3 1 VI + 3 2 V1
\
\
ir: x-y-2z=O
'··~----~
T" .. y
v.
X Figura 2.S • l
5) Mostrar que o vetor v =(3, 4) E JR.2 pode ser escrito de infinitas maneiras corno combi-
nação linear dos vetores v1 =(l,O), v2 =(0,1) e v3 =(2,-1).
Solução
Tem-se:
(3, 4) = a(l, O)+ b(O, l) + c(2, -1)

44 Ãlxebra li11ea,
donde:
a+ 2c =3
b- c =4
ou:
a= 3- 2c
b = 4+ e
e, portanto, para cada valor de e obtém-se wn valor para a e outro para b.
2.5.2 Subespaços Gerados
Seja V um espaço vetorial. Consideremos um subconjunto A= { vi, v2, ... , vn} e V,

A.;.ip,
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:
são dois vetores quaisquer de S, pode.,se escrever:
Tendo em vista que u + v E S e que ou E S, por serem combinações lineares de

v1 , Vz, ... , vn' concluí-se que S é um subespaço vetorial de V.
Simbolicamente, o subespaço S é:
Observ&ções
1) O subespaço S diz-se gerado pelos vetores v1 , v2 , ••• , vn' ou gerado pelo conjunto A, e
representa-se por:
Os vetores v1 , v2 , ..., vn são chamados geradores do subespaço S, enquanto A é

o conjunto gerador de S.
2) Para o caso particular de A= q,, define-se: [ti> J = {O} .
3) AC G(A), ou seja, {v 1 , .•• ,vn} C [v1 , •.. ,vn].
4) Todo conjunto AC 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, O) e j = (O, 1) geram o espaço vetoríal R 2 , poís qualquer (x, y) E R 2

é combinação linear de i e j:
(x, y) =xi+ yj = x(l, O)+ y(O, 1) = (x, O)+ (O, y) = (x, y)
Então:
[i,jJ = R 2
2) Os vetores i = (1, O, O) e j = (O, 1, O) do 1R.3 geram o subespaço
S= {(x,y,O)E IR 3 /x,y E IR}
pois:
(x, y, O)= x(l, O, O)+ y(O, 1, O)
Então:
{i,j} = S é um subespaço próprio do R 3 e representa, geometricamente o plano xOy.

46 Àlgebra linur
3) Os vetores e 1 = (1, O, O), e2 = (O, l, O) e e 3 ~ (O, O, 1) geram o espaço vetorial R 3 , pois

qualquer v = (x, y, z) E R 3 é oombinação linear de e 1 , e2 e e 3 :
(x, y, z) = x(I, O, O)+ y(O, l, O)+ z(O, O, 1)

ou:
Então:
ObSNVaçtio
Antes de resolvennos alguns problemas e fornecermos certas interpretações geométricas,

atentemos para um fato importante.
Dados n vetores v1 , •.• , vn de um espaço vetorial V, se w E. V é tal que
W = 81 V1 t ... + 3n Vn
entiio:
pois todo vetor v que é combinação linear de v., ... , vn, w é também combinação linear de
Supondo que:
v E [v 1 , ... , vn, w], então existem números reais b 1 , ••• , bn, b
tais que
mas:
logo:
ou
e, portanto, v é combinação linear de Vi, ••. , vn, isto é,
vE[v 1 , •.• ,vn]
A recíproca, ou seja,
sev E [v 1 , .. . , Vn], então v E [v 1 , ... , Vn, w]
é trivial, pois
Assim, sendo S um subespaço gerado por um conjunto A, ao acrescentannos vetores

de S a esse conjooto A, os novos conjuntos continuarão gerando o mesmo subespaço S. Esse
fato faz entender que um determinado subespaço S pode ser geraáo por uma infinúiade de
vetores, porém existe um número mínimo de vetores para gerá-lo.
2.5.2.1 Problemas Resotvidos
6) Seja V = JR3 • Determinar o subespaço gerado pelo vetor v1 -- ( 1, 2 • 3) .
Solução
Temos:
[v1 J = { (x, y, z) E IR:. /(X. y, z) = a(l, 2, 3), a E JR}

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) E IR.3/y=2x e z=3x}
ou
[vd = {(x, 2x, 3x); x E IR}
O subespaço gerado por wn vetor v1 E Il<3 , v1 *- O, é uma reta que passa pelo ori8em
(Figura 2.S.2a). Se a esse vetor acrescentarmos v2 , v3 , ... , todos rolineares entre si, o subespaço
gerado por 2, 3, ... vetores continuará sendo a mesma reta:
z z
X Fi8ura 2.S,2a X Figura 2.S.2b

Espaço,t vetoriais 4<i
7) Seja V = JR.3 • Determinar o subespaço gerado pelo conjunto A = {v 1 , v2 }, sendo

V t : (1, -2, -l) e V2 = (2, l , 1).
Solução
Temos:
Da igualdade acima, vem:
a1 + 2a2 = X
-231 + 32 =y
O vetor (x, y, z) E [v 1 , v:.J se, e somente se, o sistema tem solução. e isto somente ocorre
quando x + 3y - 5z = O (exercício a cargo do leitor).
Logo:
[vi, v:d = { (x, y , z) E IR3 /x + 3y - 5z =O}
O subespaço gerado pelos vetores vi, v1 E R 3 , não-colineares, é um plano 11 que passa

pela origem (Figura 2.S.2c). Se a esses dois vetores acrescentarmos v3 , v4 , •.• , todos copla1111Tes,
o subespaço gerado por 3 , 4, ... vetores continuará sendo o mesmo plano 1r:
v, _J ...
1
1
- ....
-
'\
: i, ; fv , ,vi)\
.. y .. y
v,
X X
Figura. 2.5.2c Figura 2.S.2d
50 Álgebra linear
8) Seja V= .IR.3. Determinar o subespaço gerado pelo conjwito A = { v 1 , v2, V3}, sendo
vi= (1, 1, 1), v2 = (1, l, O) e V3 = (1, O, O).
Solução
Paratodovetor (x,y,z) E [vi,v2,v3 ], tem-se:
(x, y, z)= ai(l, 1, l)+ a2 (1, 1, O) +a 3 (l, O, O)
Desta igualdade, vem:
ou:
ª2 =y -z
a3 = X -y
Portanto:
(x, y, z) = z(l, 1, l) + (y-z)(l, 1, O)+ (x -y)(l, O, O)
e, por conseguinte, os vetores Vi, v2 e v3 geram o R 3 , pois cada vetor do R 3 é combinação

linear dos vetores dados.
Logo:
O subespaço gerado por três vetores não-coplanares é o próprio R" (Figura 2.5.2e). Se a
esses três vetores acrescentarmos v4 , v5 , ••. quaisquer, o subespaço gerado pelos 4, 5, ... vetores
continuará sendo o próprio :R3 :
J::spaços i•etoriais 5/
...
- ......
\
\
\
... y
Figura 2.5.2e
9) Mostrar que o conj unto A= { (3, 1), (5, 2) } gera o JR 2 .
Solução
Vamos mostrar que todo vetor (x, y) E IR2 é combinação linear dos vetores do conjWlto
A, isto é, sempre existem os números reais a 1 e a2 t ais que:
Daí vem o sistema:
que, resolvido em tennos de x e y, fornece:
a 1 = 2x - Sy e a2 = 3y - x
Portanto:
(x, y) == (2x - 5y)( 3, 1) + (3y- x)(S, 2)
isto é:
G(A) = IR2
.52 Álgebra linear
10) Sejam V;; M(2, 2) e o subconjunto
A=
[-1 2] [3 -1]
-2 3 , 1 l
Determinar o subespaço G(A).
Soluç§o
Para todo vetor
X y
V = E G(A),
z t
tem-se:
[
X
z
y]=a[l
t -2
~+b[3
~ 1
~J
1
e daí o sistema:
-a+31.>=x
2a - b = y
-2a + b = z
3a + b = t
que é compatível se:
Z = -y e X = -2:y + t
Logo:
2
G(A) = r- y+t YJ; y, t E IR
-y t
2.6 ESPAÇOS VETORIAIS FINITAMENTE GERADOS
Um espaço vetorial V é finitamente gerado se existe um conjunto finito A. AC V, tal

que V=G(A).
Com exceção do Exemplo 6 de 2.2, os demais exemplos de espaços vetoriais citados até
aqui são finitamente gerados. Por exemplo, vimos que o .R3 é gerado pelo conjunto finito de três
vetores
A= {(1,0,0), (0, 1,0), (0,0, l)}
pois, para todo (x, y, z) E IR.3, tem-se:
(x, y, z) = x(l, O, O)+ y(O, l, O)+ z(O, O, L)
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"" { Pt, ... , Pn} CP, onde Pi é wn polinônúo de grau i e Pn o de
mais alto grau, qualquer combinação linear
a, P1 + ª"2P2 + ... + <inPn
tem grau ;;;;; n. Assim, o subespaço [p1 , .•. , Pn J contém somente polinômios de grau menor
ou igual ao grau de Pn· Corno P é .formado pl.lr todos os polinômios, existem nele polinômios
de grau maior que o de Pn· Logo, G(A) * P para todo conjunto finito A C P.
2.7 DEPENDÉNCIA E INDEPEND~NCIA LINEAR

3
No problema 8 de 2.5.2.l, 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 mínimo neoessário para gerar o lR3 • No entanto, quatro, cinco ou mais
vetores podem gerar o .IR3 • 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 wn espaço vetorial, precisamos ter a noção de dependência
e independência linear.
54 Álgebra linear
2. 7.1 Definição
Sejam V um espaço vetorial e
Consideremos a equação
(2.7)
Sabemos que essa equação admite pelo menos uma soluçfo:
a1 = O, a2 = O, ... , 3n = O
chamada solução trivial.

O conjunto A diz-se linearmente independente (LI), ou os vetores v 1, ... , Vn são LI,
caso a equação (2 .7) admita apenas a solução trivial.
Se existirem soluções ai~ 0; diz-se que o conjunto A é linearmente dependente (LD), ou
que os vetores v1 , ... , vn são LO.
Exemplos
1) No espaço vetorial V=.IR.3, os vetores v1 =(2,-L,3), v2 =(-1,0,-2) e v3 =(2,-3, 1)

formam um conjunto linearmente dependente, pois
ou seja;
3(2, -1, 3) + 4(-1, 0,-2)- (2, -3, l) = (O, O, O)
2) No espaço vetorial V= lR4, os vetores v 1 = (2, 2, 3, 4), v2 =(O, 5, -3, 1) e v3 =(O, O, 4, -2)
são linearmente independentes. De fato:
a(2, 2, 3, 4) + b(O, 5, -3, l) + c(O, O, 4, -2) = (O, O, O, O)

(2a, 2a, 3a, 4a) + (O, Sb, - 3b, b) + (O, O, 4c, -2c) = (O, O, O, O)
(2a, 2a + Sb, 3a - 3b + 4c, 4a + b - 2c) = (O, O, O, O)
isto é:
2a ~ O
2a + Sb =O
3a - 3b + 4c = O
4a + b - 2c = O
O sistema admite unicamente a solução:
a = O. b=O e e::: O
3) No espaço vetonal IR 3 • o conjunto { e 1 , e2 • e 3 } • tal que e 1 = (l, O, O), e2 -= (O. 1, O) e

e3 = (O. O, l ), é LI.
De fato, a equação:
ou:
a1(l, O, O)+ a2(0, LO)+ a3(0. O. 1)-= (O. O, O)
transforma-se em:
e. portanto
Logo, o conjunto:
{ ( 1, O, O), (O, I. O), ( O. O. 1) i
é Ll.
De forma análoga mostra-se que os vetores
e1 = (1, O. O, .... O), e2 = ( O, 1, O, .... O). .. . en = ( O, O, O•... , 1)
formam um conjunto linearmente independente no IR"

56 Ãlgebra linear
4) No espaço vetorial M ( 3, 1) das matrizes-colunas, de ordem 3 x 1, os vetores:
l o o
o o
são LI ( verificação a cargo do leitor).
5) No .IR2 • os vetores e 1 = (l, O) e e, = (O, l) são LI. No entanto, os vetores e 1 , e1 e

v = (a, b) são lD. De fato:
x(I,O)+y(O, l)+z(a, b)=(O,O)

(x, O) + (O, y) + (az, bz) = (O, O)
(x+az, y+bz)=(O,O)
isto é:
x-taz.=ü
1 y + bz = O
O sistema admite ao menos uma solução não-trivial. Por exemplo, fazendo z::: 1. vem:
x = -a e y = -b
Logo:
6) No espaço vetorial M (2, 2), o conjunto
-1 2 2 -3 3
A=
-3 3 o 3
é LD.
Espaços veroriais 57
Examinemos a equação
( 1l
-1 2 2 -3 3 -4 o o
=
-3 l 3 o 3 l o o
ou, de modo equivalente
o o
=
o o
e daí o sistema:
- a1 + 2a 2 + 3a3 = O
2a1 - 3a2 - 4a3 =O
-3a1 + 3a2 + 3a 3 = O
ª1 + 33 =Ü
Como existem soluções ai -=I= O para a equação (1 ), o conjunto A é LD.
Observação
Vamos suhstituir a solução do sistema na equação (1 ):
ou.
para todo a 3 E IR.

58 Álgebra linear
Dividindo ambos os membros dessa igualdade por a 3 * O, resulta:
e daí. vem:
(v, é combinação linear de v2 e v3 l
ou:
( vl é combinaçao linear de v1 e v3 )
ou, ainda:
(v 3 é combinação linear de v1 e vl)
Como se observa, sendo A um conjunto LD, então um vetor de A é combinaçao linear

dos outros. Esse fato e sua recíproca constituem o teorema seguinte.
2.7.2 Teorema
"Um conjunto A; { v1 , ... , vi, ... , vn; é LO se. e somente se, pelo menos um desses vetores
é combinação linear dos outros."
A demonstração é constituída de duas partes:
1íi) Seja A linearmente dependente. Então. por definição. um dos coeficientes da igualdade
deve ser diferente de zero. Supondo que ai =f:. O. vem.
OU.
ª1
vi "' - - v 1
ai
I!, portanto. vi é uma combmaçâo linear dos outros vetores.

2?) Por outro lado, seja vi uma combjnaç.ão linear dos outros vetores:
ou. ainda:
e, portanto, a equação
se verifica para bi * O. No caso, bi = -1.
Logo, A é LD.
Observações
1) Esse último teorema pode ser enunciado de forma equivalente:
·•um conjunto A= { v1 , .•• , vn } é LI se. e somente se, nenhum desses vetores for
combinaçfo linear d~ outros."
2) Para o caso particular de dois vetores, temos:
"Dois vetores v I e v7 são LD se. e somente se. um vetor é múltiplo escalar do

outro."
Por exemplo, os vetores
VI = (l, -2, 3) e V2 = (2, -4, 6)
são LD, pois
ou:
60 Álgebra linear
enquanto
V1 = (I, -2, J) e V2 = (2, 1, 5)
são LL pois
V1 -:Í- kv2
para todo k E .Dl
3) Nos gráficos a seguir apresentamos uma interpretação geométrica da dependência linear

de dois e três vetores no IR.3.
z z
v,
é LD
X X
(v 1 e v1 estão representados na mesma reta

que passa pela origem)
l. l
-
----1
I ' ---
-- --1
I
I
I I
I
v,
I '
{ V l , V2, V 3 ; é LI
X X
{v 1 , v2 e v3 estão 1epresentados no mesmo

plano que passa pela origem)
2. 7 .3 Problemas Resolvidos
l l) Verificar se são LI ou LD os seguintes conjuntos :
a) L_:] ,[_ 1
: _: ] e M(2,2)
b) { (2, -1), (1, 3)} C IR'
e) {(-l, -2,0, 3), (2.-1, 0,0), (l,O, O, O)} e IR4
d) { 1 + 2x - x 2 , 2 - x + 3x 2 , 3 - 4x + 7x 2 } e 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 2 do
Teorema 2.7.2.
b) Tendo em vista que wn vetor não é múltiplo escala r do outro, o conjunto é LI.
Mesmo que fôssemos examinar a igualdade:
a (2, -1 ) + b (1, 3) = (O. Ol
concluiríamos que o sistema
2a + b= O
- a+ 3b = O
admite somente a solução trivial, o que vem confirmar ser o conjunto LI.
62 Álgebra linear
e) Consideremos a equação:
a (-l. -2, O, 3) + b (2, -1, O, O} + e ( 1, O, O, O) = ( O, O, O, O)
Portanto:
- a+ 2b + e= O
-2a - b = O
3a =O
Como o sistema admite apenas a solução trivial:
a= b =e= O,
o conjunto é LI.
d) Seja a equação:
a ( 1 + 2x - x 2 ) + b ( 2 - x + 3x 2 ) + e ( 3 - 4x + 7 x 2 ) =O ( 1)
ou:
(a+ 2b+ 3c) + (2a- b- 4c)x +(-a+ 3b + 7c)x 2 = O+ Ox + Ox 2
Pelo princípio da identidade de polínômios, vem:
a+ 2b + 3c = O
2a - b- 4c = O
-a+ 3b + 7c = O
Como esse sistema admite outras soluções além da trivial. o conjunto é LD.
Observação
O leitor deve ter notado que a variáve. x nos polinômios desse problema não desempenha
nenhum papel no cálculo. Com o objetivo de simplificar. a cada polinômio do tipo a0 + a 1 x + a2 x 2 .
associa-se a terna (ao, a,, a2 ).
Assim, a igualdade (1) desse problema poderia ter sido escrita assim:
a( 1. 2. -1) + b(2. -L 3) + c(3, -4, 7) =(O. O, O)
Simplificações análogas a essa podem ser feitas, por exemplo, associando:
2
) [ªe
bJ
d
E M(2, 2) com (a, b, e. d) E IR 4
3) a -t cx 2 E P2 com (a. O. e) E IR:i
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}=O (21
da· qual resulta
(a+ b) u + (a - bl v =O ( 3)
Como u e v sio LI. nessa igualdade ( 3 l deve-se ter:
l
a + b= O
a - b= O
sistema que admite somente a solução a= b = O. Logo, pela igualdade (2). u + v e u - v são LI
64 Ãlgebra linear
13) Determinar o valor de k para que o conjunto
{ (I , O. -1). ( L 1, O), (k, I , -1 ) }
seja LI.
Solução
O conjunto será Ll se, e somente se, a equaç~o
a(l,0,-J)+b(l, 1,0)+c(k, 1,-1)=(0,0,0)
admitir apenas a solu~o a= b = e= O. Dessa equação, vem:
a+ b + kc = O
b+ e =O
-a -e= O
Para que esse sistema admita apenas a solução trivial, deve-se ter k * 2 (a cargo do leitor).
Logo, o conjunto será LI se k * 2.
2.7.4 Propriedades da Dependência e da Independência Linear
Seja V um espaço vetorial.
() Se A= { v} e V e v =I= O. então A é LI.
De fato
Como v * O, a igualdade
av= O
só se verifica se a = O.
t:spaços vetoriais 65
Observação
Considera-se, por definição. que o conjunto vazio (/) é LI
li) Se um conjunto A C V contém o vetor nulo, então A é LO.
De fato:
Seja o conjunto A= i: v1 • . • O..... vn} .

Então. a equação
O.v1 + ... +a.O+ ... + O.vn = O
se verifica para todo a * O. Portanto. A é LO.
Ili) Se uma parte de wn conjunto A e V é LO. então A é também LD.
De fato:
Sejam A = { v1 , ... , v1 , ... , vn } e a parte
Como A1 é LD, existem ai'* O que verificam a igualdade:
e esses mesmos ai * O verificam também a igualdade
Logo, A= { v1 .... , vr, ... , vn} é LD.
IV) Se wn conjunto A C V é LI, qualquer parte A1 de A é também LI.
Oe fato, se A 1 fosse LD. pela propriedade anterior o conjunto A seria também LD, o
que contradiz a hipótese.
66 Álgebra linear
Observação
Se todos os subconjw1tos próprios de um conjunto fmito de vetores são LI. o fato não
significa que o conjunto seja LI. De fato, se considerarmos no IR 2 os vetores e1 = ( 1, O),
ei "'(O, 1) e v: ( 4, 5), verificaremos que cada um dos subconjuntos { e 1 , e2 }. { e 1 , v}.
{ e 2 • v} . { e 1 } , { e 2 } e { v} é LI, enquanto o conjunto { e 1 , e2 , v; é LD.
V) Se A"' { v1 , ... , v0 } C V é LI e B = { v1 , ... , v0 , w} C V é LD, então w é

combinação linear de v1 , ... , vn
De fato:
Como 8 é LD, existem escalares a 1 , ... , a0 , b, nem todos nulos, tais que:
a1v 1 + ... +anv 0 +bw=O.
Ora. se b "' O. então algum dos aí não é zero na igualdade:
Porém esse fato contradiz a hipótese de que A é LI. Conseqüentemente, tem-se b * O, e.

portanto:
o que implica
ªnv
--
b n
isto é. w é combinação linear de v1 , ... , v0
2.8 BASE E DIMENSÃO
2.8. 1 Base de um Espaço Vetorial
Um conjunto B = { v 1 .... , v0 ; CV é uma base do espaço vetorial V se:
() B é LI;
ll) B gera V.
Exemplos
1) B = {( 1, 1). ( -1. O) } é base de IR 2
De fato
1) Bé LI.pois a(l. l)+h(-1.0)==(0. O) implica.
a - b == o
/ a = o
e daí
a==h=ü
11) B gera !Ri, pois para todo (x, y) E IR 2 • tem-se
(x, y) == y(l. 1) + (y - x)(-1. O)
Realmente. a igualdade
(x, y) == a( 1. 1) + b(-1. O)
implica
a - h= X
1a = y
donde
a=y e b"'y-x
Os vetores da base B estão representados na Figura 2.8.l. Em 2.7.2 já havíamos visto que
dois vetores não-colineares são LI. Sendo eles do IR.2, irão gerar o próprio IR.2. Na verdade.
quaisquer dois vetores não-colineares do IR 2 formam uma base desse espaço.
68 .4lgebra linear
1 (1.1)
l-1 , O) o
f'ígura 2.8. 1
2) B = { ( 1. O), (O. 1)} é base de IR.2. denominada base canónica.
De fato:
I) BéLl,pois a(I.O)+b(O,l)=(ü,O) implica a-=b=O;
II) BgeralR 2 ,poistodovetor (x,y) E IR.2 étalque:
(x,y)=x(l,O)+y(O, 1)
3} Consideremos os vetores e 1 = (l, O, O, ... , O), e 2 "'"(O, l, O, ... , O), ... , ~ = (O, O, O, ... , 1).
~o exemplo 3 de 2.7.i deixamos claro que o conjunto B = { e 1 , e2 , .•. , en} é Ll em IRn.
Tendo em vista que todo vetor v = (x 1 , x 2 , .•• , x0 ) E IRº pode ser escrito como combi-
nação linear de e 1 , e 2 , ... , e 0 , isto é:
conclui-se que B gera o JRº. Portanto, B é uma base de IRº. Essa base é conhecida
como base canônica do .IRº.
Conseqüentemente:
{ (1, O, O, O), (O, l, O, O), (O, O, 1, O), (O, O, O. 1)} é a base canônica de IR4 ;
{ (l, O, O), (0, 1, O), (O, O, I)} é a base canônica de R 3 ;
{ ( l, 0), (O, l)} é a base canônica de JR2;
{ 1 } é a base canônica de IR.

4) B =
é a base canônica de M (2, 2).
De fato :
1 o o 1 o o o o o o
a +b +e +d =
o o o o o o o o
ou:
a b o o
=
e d o o
e daí :
a= b =e = d= O.
Portanto, B é LI.
Por outro lado, 8 gera o es paço M (2, 2), pois qualquer
a b
E M(2. 2)
e d
pode ser escrito assim:
a b o o o o o o
=a +b +e +d
e d o o o o o o
Logo, B é base de M (2, 2).

70 Álgebra linear
5) O conjunto B :; { l, x. x2 , ••• , x"} é uma base do espaço vetorial Pn
De fato.
implica a0 "' a1 .::. a2 .::. ... = ªn = O pela condição de identidade de polinômios. Portanto, B é LI.
Por outro lado. B gera o espaço vetorial Pn· pois qualquer polinômio p E Pn pode ser
escrito assim
que é uma combinação linear de l, x, x 2 •..• x"
Logo, B é uma base de Pn· Essa é a base canônil'a de Pn e tem n + l vetores.
6) B"' { (1. 2), {2. 4)} não é base de IR 2 • pois B é LD (exercício a cargo do leitor).
7) B"' { (l. O), (O, 1), (3, 4); não é base de IRi, pois 8 é LD (exercício a cargo do leitor).
8) B"' { (2, -1)} não é base de IR.2. 8 é LI, mas não gera todo IR.2, isto é, [(2, -1)) *" IR 2
Esse conjunto gera uma reta que passa pela origem.
9) J:l.-== {(1.2, l),(-1,-3,0)} não é base de IRJ B é Ll.masnãogeratodo IR3 .
Observação
"Todo con;unto LI de um espaço vetorial V é base do subespaço por ele gerado."
Por exemplo, o conjunto B= {(1,2, 1),(-1,-3,0)} e IR3 é LI e gera o subespaço
S-== { (x, y, z) E IR.3 /Jx - y - z =O}
Então, B é base de S, pois B é LI e gera S.

Espaço11 ve1oriais 71
2.8.2 Teorema
Se B = {v1 , v2 , ••• , vn } for Úma base de um espaço vetoríal V, então todo cor,/umo
com mais de n vetores será linearmente dependente.
De fato:
Seja B'= {w1,w2 , ... ,wm} wn oonjunto qualquer de m vetores de V, com m>n.
Pretende-se mostrar que B' é LD. Para tanto, basta mostrar que existem escalares x 1 , x2 , .•• , x0
não todos nulos tais que
(1)
Como B é uma base de V, cada vetor wi pertencente a B' é uma combinação linear dos
vetores de B, isto é, existem números o:i, /Ji, .. ., 6 í tais que:
(2)
Substituindo as relações (2) em (l ), obtemos:
ou ordenando os termos convenientemente:

72 Álgebra linear
Tendo em vísta que v 1 , v2 , .•. , vn são LI, os coeflcíentes dessa combinação linear são
nulos:
Esse sistema linear homogêneo possui m variáveís Xi, x2 , ... , xm e n equações. Como
*
m > n, existem soluções nâo-trívfais, isto é, existe "i O. Logo, B' = { W1, W2, ... , wm} é LD
2.8.3 Corolário
Duas bases quaísquer de um espaço vetorial têm o mesmo número de vetores.
De fato:
Sejam A= {v 1 , ... ,vn} e B={w1 , ... ,wm} duasbasesdewnespaçovetorial V.
Como A é base e B é LI, pelo teorema anterior, n ~ m. Por outro lado, como B é base
e A ~ LI. tem-se 11 ,i;;; m. Portanto, n = m.
Exemplos
1) A base canôníca do IR3 tem três vetores. Logo, qualquer outra base do IR3 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 dim V= n.
Se V não possui base, dim V = O.
Se V tem uma base com infinitos vetores, então a dimensão de V é infinita e anota-se
dim V= 00 •
Exemplos
1) dim IR.2 = 2, pois toda base do IR.2 tem dois vetores.
2) dím IRn = n.
3) dím M (2, 2) = 4.
4) dim M(m, n) = m x n.
6) tlim {O} = O.
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.3 ( dim ffi.3 :::. 3).
3
A dimensão de qualquer subespaço S do R só poderá ser O, 1, 2 ou 3. Portanto,
temos os seguintes casos:
I) dim S"' O, então S = {O} é a origem
II) dim S = 1, então S é uma reta que passa pela origem.

74 Ãlgebra linear
III) dim S = 2, então S é um plano que passa pela origem.
IV) dim S = 3, então S é o próprio JR 3
2) Seja V um espaço vetorial de dimensão r.. Então. qualquer subconjunto de V com mais
de n vetores é LD.
3) Sabemos que wn 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:
[) 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 V é uma

basede V.
Exemplo
O conjunto B = { (2, 1), (-1, 3); é wna base do IR 2 .
De fato, como dim ffi. 2 = 2 e os dois vetores dados são LI (pois nenhum vetor é múltiplo
escalar do outro), eles formam uma base do IR 2 .
2.8.5 Teorema
Seja V um espaço vetorial 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
Sejamos vetores v1 =(1,-1,1,2) e v2 =(-1, 1,-1,0).
Completar o conjunto { v1 • v2 } de modo a formar uma base do IR4 .
Solução
Como dim IR4 = 4, uma base terá quatro vetores LI. Portanto, faltam dois. Escolhemos um
vetor v3 E IR4 tal que v3 não seja uma combinação linear de v1 e v2 , isto é, v3 #: a 1 v1_ + a 2 v2
para todo a 1 , a 2 E IR. Dentre os infinítos vetores existentes, um deles é o vetor v3 = ( 1, 1, O, O),
e o conjwlto { v1 , v 2 , v3 } é LI (se v3 fosse combíoação linear de v1 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 1 , v2 e
v3 Um deles é o vetor v4 = ( L O. O, O). e o conjunto { v 1 , v 2 • v,. v4 } é LI. Logo,
{(1,-1, 1,2), (-1, L-l,0),0. LO.O), (1,0,0,0)}
é uma base de IR.4 .
2.8.6 Teorema
Seja B = { v1 , v2 , uma base de um espaço vetorial V. Então. todo vetor v E V

... , v0 }
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 E V pode-se escrever:
(1)
Supondo que o vetor v pudesse ser expresso como outra combínação linear dos vetores
da base. ter-se-ia:
(2)
76 Álgebra linear
Subtraindo, membro a membro, a igualdade (2) da igualdade (1), vem:
Tendo em vista que os vetores da base são LI:
isto é;
Os números a1 , a2 , ... , ª" são, pois, unívocamente determinados pelo vetor v e pela base
{v1,v2,.,.,vn}·
2.8.7 Componentes de um Vetor
Seja B = { v1 , v2 , ... , v0 } uma base de V. Tomemos v E V sendo:
Os números a 1 , a 2 , ... , a0 são chamados componentes ou coordenadas de v em relação à

base B e se representa por:
ou, com a notação matricíal:

Erpoços vetoriais 77
A n-upla (a1 , a2 , ..•• a0 ) é chamada vetor-coordenada de v em relação à base B, e o vetor•

coluna
é chamado ma"iz-coordenada de v em relação à base B
Exemplo
No JR.2 , consideremos as bases
A={(l,0),(0,1)}, B={(2,0},(l,3)} e C={(l,-3),(2,4)}
Dado o vetor v= (8, 6), tem-se:
(8,6)=8(1,0) +6(0,1)
(8, 6)= 3(2, O) + 2(1, 3)
(8, 6)= 2(1, -3)+ 3(2, 4)
Com a notação acima, escrevemos:
O gráfico da página seguinte mostra a representação do vetor v = (8,6) em relação às.bases

Ae B.
ObservaçSo
No decorrer do estudo de Álgebra Llnear 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 fonna 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.
2(1, 3)
6(0, 1)
I 1
3
I ' t'
' •
'' t
(0, I) I '' '

' X
(1,0) (2.0) 3(2. O) 8(1. O)
Exemplo
Determinar a dimensão e um a base do espaço vetorial
S.::: { (x. y. z)E JR3 /2x + y + z =o~
Solução
Isolando z {poderíamos 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, z) = (x, y, -2x - y)

ou:
(x. y, z) = (x, 0,-2x) + (O, y,-y)
ou:
(x,y,z) = x(l, O, -2) + y(O, 1,-1) (l)
isto é, todo vetor de S é combinação linear dos vetores (l,O, -2) e (O, 1,-1). Como esses dois
vetores geradores de S são LI, o conjunto { (I, 0,-2), (O, l, -1)} é wna base de S e, conse-
qüentemente, dim S =2.
Por outro lado, tendo em vista que a cada variável livre corresponde um vetor da base na
igualdade (1 ), conclui-se que o número de vaTidveis 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:
fazendox= 1 e y=l.vemz=-2(1)-1 =-3 :. v1 =(1,l,-3)
fazendo x=-1 e y=2, vem z=-2(-1)-2= O:. v1 =(-1.2,0)
e o conjunto
{(1, l,-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 v1 = (l, 2, 3), v2 = (O, l. 2} e v 3 = (O, O, 1).
Mostrar que o conjunto B = {v 1 • v2 • v3 } é uma base do IR3 .
Solução
Para provar que 8 é LI, deve-se mostrar que

80 Álgebra linear
admite somente a solução a1 = a2 = a3 = O.
Com efeito,
ai(I, 2, 3) + a 2 (0, l, 2) + a 3 (O, O. l) = (O, O, O)
equivale ao sistema
2a 1 + a2 =O
cuja única solução é a trivial:
Logo, B é LI.
P.ara mostrar que B gera o IR.3, deve-se mostrar que qualquer vetor v = (x, y, z.) E .IR3
pode ser expresso como uma combinação linear dos vetores de B:
Em termos de componentes, tem-se
(x, y, z) = a1 (1, 2, 3) + a2 (0, 1, 2) + a3 (0. O, 1)
ou;
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:
a 1 = x, a2 = -2x + y, a 3 = x - 2y + z
isto é:
(x, y, z) = x(l, 2, 3) -t- (-2x + y) ( O, 1, 2) + (x - 2y + z)(O, O, l)
Satisfeitas as duas condições de base, mostramos que B é base do IR.3 .
IS) No problema anterior mostramos que:
B ~ {(l, 2. 3), (O, l. 2), (O. 0.1) ~·
é uma base do IR.3 .
a) Determina• o vetor-coordenada e a matriz-coordenada de v = (5, 4, 2) em relação a B.
b) Determinar o vetor v E IR 3 cujo vetor-coordenada em relação a B é v8 = (2. -3, 4)
Solução
a) Devemos encontra• escalares a 1 , a 2 . a 3 tais que:
•JU:
2a 1 + a2 == 4
Resolvendo o sistema, obtém-se
Portanto
5
v =(5, -6,-1)
8
e v
8
= -6
-1
82 Álgebra linear
Se tivéssemos aproveitado o resultado do problema anterior, onde:
(x,y,z)=x(l,2,3)+(-2x+y)(O, 1.2)+(.x-2y+z)(O,O, 1)
teríamos imediatamente:
(5,4,2)=5(1,2,3)- 6(0, l, 2)-1(0,0, l)
pois, nesse caso:
x=5
- 2X T y = - 2 ( 5) + 4 .= - 6
X - 2y + Z = 5 - 2( 4) + 2 = - J
b) Por definição de vetor-coordenada v = ( 2, -3. 4 ). obtém-se:

8
V = 2 (1, 2. 3) - 3 ( 0, l, 2) + 4 ( 0, 0, j) :: ( 2, l. 4)
Observemos que em relação à base canônica
A"' {(l, O, 0),(0, l, 0),(0. O, l)!
tem-se:
V= \1
A
pois:
v=(2. 1. 4) = 2(1, O. 0) + l (O. l. O)+ 4(0. O, 1)
16) Consideremos os seguintes subespaços do IR.4 :
S 1 = { (a, b, e, d)ia + b + e= O} .:
S2 = { (a, b, e. d)/a - 2h = O e e"' 3d}
Determinar:
e&paços vetorklis 83
a) dim S 1 e uma base de S 1 .

b) dím S2 e uma base de S2 .
Solução
a) A condição:
a+b+c=O
é equivalente a:
a= -b - e
Portanto, as variáveis livres são b, e e d. Logo, dim S 1 = 3, e qualquer subconjunto de S 1 com

três vetores LI forma uma base de S,. Façamos
( 1) b = 1, e = O. d = O
(2) b = O, e = 1, d = O
(3) b = O. e= O, d= 1
para obter os vetores:
v 1 =(-1,1,0,0), v2=(-l,O,l,O), v3 "'(0,0,0.l)
O conjunto { v 1 , v2 , v3 } é uma base de S1 .

b) Um vetor (a, b, e, d) E S2 se a= 2b e e= 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= I, d=O e
(2) b = º· d= 1
para obter os vetores
v 1 =(2. l, O. O) e v2 =(O. O, 3, 1)
O conjunto { v,. v2 } é uma base de S 2 .

84 Álgebra linear
17) Seja S o subespaço de P2 = { at 2 + bt + e/a, b, e E IR} gerado pelos vetores v1 = f - 2t + l,

v2 = t + 2 e v3 = t 2 - 3t - 1 .
Determinar:
a) Uma base de S e dim S.
b) Uma base de P1 com a presença de v1 e v2 •
Solução
a) Para facilitar a notação, observemos que os vetores v 1 • v2 e v 3 em relação à base

canônica A= { t 2 , t, l} de P2 sã'o:
Vejamos se esses vetores são LI ou LO. Para tanto, examinemos a igualdade
ou:
a1 {], -2, 1) + a2 (O, 1, 2) + a3 (1, -3, -1) = (O, O, O)
ou, ainda:
sistema que admite soluções ai :1: O.
Logo, os vetores v1 , v2 e v3 são LD e, portanto, o conjunto { v1 , v2 , v3 } não é base de S,

isto é, dim S :/: 3.
Observando que o conjunto { v1 , v2 } é LI (pois nenhwn vetor é múltiplo escalar do

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

•: v1 ,v2 de modo que v*a 1 v 1 +a2 v2 •
} Um deles é o vetor v=t1 ou (v)A = (1 . 0 , 0).
(verificação a cargo do leitor).
Logo, o conjunto:
{ t2 - 2t + l, t + 2, t 2 }
é uma base de P2 .
18) Determinar uma base e a d.imensâo do espaço"6olução do sistema homogêneo
X+ 2y - 42 + 3t = Ü
X + 2y - 2z + 2t "' Ü
2x + 4y - 2z + 3t = O
Solução
O conjunto-solução do sistema é:
S = { (x, y, z, t)/t = 2z e x = -2Y - 2z}
que é um subespaço vetorial do IR4 .
Tendo em vista serem duas as variáveis livres (y e z), conclui-se que dim S = 2. Logo,
qualquer subconjunto de S com dois vetores LI forma uma base de S. Façamos
(1) y = 11 z = o
l2)y=O, z =I
para obter os vetores
v1 = (-2 , 1, O, O) e v 2 =(-2, O, 1, 2)
O conj unto { v1 , v2 } é wna base de S.

86 Álgebra linear
2.9 ESPAÇOS VETORIAIS ISOMORFOS
Consideremos o espaço vetorial
V = P 3 = { at 3 + bt 2 + ct + d/a, b, e, d E IR }
e seja B={v 1 ,v2 ,v3 ,v4; uma base de P 3 . Fixadaumabase,paracadavetor vEP3 , existe
wna só quádrupla (a 1 , a 2 , a 3 • a4) E 1R4 tal que:
Reciprocamente, dada uma quádrupla (a 1 , a 2 , a 3 , a 4 ) E IR.4 , existe um só vetor em f\ da

forma:
Assim sendo. a base B = { v1 •... , v4 ; detennina wna correspondência btunivoca entre

os vetores de P3 e as quádruplas (a1 , .•. , a 4 ) em 1R.4 .
Observemos ainda que:
a) Se v= a1 v1 + ... + 34V 4 E P 3 corresponde a (a1 , .•. , a 4 )E IR 4 e w= b1 v1 + ... t b4 v4 E P3

corresponde a (b 1 , ..•, b4 ) E IR 4 então:
corresponde a
b) PaTa k E IR.
corresponde a
Assim, quando os vetores de P3 são representados como combinação linear dos vetores da
base B == { v 1 , v 2 , v3 , V4 ~ , a adição de vetores e a multiplicação por escalar se "comportam"
exatamente da mesma forma como se fossem quádruplas do IR4 .
Em outras palavras diríamos que a correspondência biunívoca entre P3 e IR.4 preserva as

operações de adição de vetores e multiplicação por escalar. isto é:
( V -t W) = V t W
B B B
e. nesse caso, dizemos que os espaços P3 e IR4 são isomorfos.
Observemos ainda que o espaço vetorial M (2. 2) é também isomorfo ao IR.4 •
De forma análoga, prova-se que·
P2 é isomorfo a IR:'
M (3. 1) é isomorfo a IR·'
M(2. ll éisomorfoa IR 2
;: assim por diante·
De um modo geral. tem-se•
"Se V é um espaço vetorial sobre IR e dim V= n, então V e IRº são isomorfos."
2.10 PROBLEMAS PROPOSTOS
Nos problemas l 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.
11 IR 3 , (x, y, z) + (x', y', z') = (x t x', y + y'. 1 + z')

k(x,y,z) =(0,0,0)
~l { (x, 2x, Jx); x E IR} com as operações usuais
3J IR 2 , (a, b) +(e.d)= (a. b) e o:(a. b) = (0:a, o-b)

88 Álgebra linear
4) IR2,(x,y)+(x',y')=(x+x',y+y') e o:(x,y)=(o: 2 x,a 2 y)
5) IR2 , (x, y) + (x', y') = (x + x', y + y') e a(x, y) = (ax, O)
6) A= { (x, y) E JR.2 /y = Sx} com as operações usuais
7) o a
A= E M (2, 2)/a, b E IR com as operações usuais
b o
Nos problemas 8 a 13 são apresentados subconjuntos de IR:. Verificar quais deles são
subespaços vetoriais do IR1 relativamente às operações de adição e multiplicação por escalar
usuais.
8) S = { (x, y)/y = -x}
9) S= {(x,x2 ); x E ffi.}
10) S = { (x, y)/x + 3y =O}
11) S = { (y, y), y E IR }
12) S = { (x, y)iy = X t J }
l 3) S = {(x, y)/x;;;,, O}
Nos problemas 14 a 25 são apresentados subconjuntos de IR 3 . 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 satísfeítas. Caso contrário, citar um con.
tra..exemplo.
14) S= !(x,y,z)/x=4y e z=O}
15) S= {(x,y,z)/z=2x-y}
16) S = { (x, y, z)/x = z 2 }
17) S = { (x, y, 2)/y = x + 2 e z = O}

t:spaços vetoriais 89
18) S= {(x,x,x);xE IR}
19) S = { (x, x, 0)/x E JR}
20) S = { (x, y, z)/xy = O:

21) S = { (x, y, z)/x = O e y = 1 z 1}
22) S = { (x, - 3x, 4x); x E IR}
23) S = { (x, y, z)/x ~O}
24) S = { ( x, y, z)/x + y + z = O;
"">-)
<.:, S= {(4t, 2t,-t);tE IR}
26) Verificar se os subconjuntos abaixo são subespaços de M(2, 2):
a b
a) S = c=a+b e d=O
e d
a b
b) s= a, b, e E IR (matrizes triangulares superiores)
O e
e) S = [: :l a b, e E IR ( matrizes simétdcu)
a a+ b
d) S = ; a, b E IR
a- b b
90 Álgebra linear
a
e) S = a, b E IR
a b
a b
f) S= ad - bc *O ( conjunto de matrizes inversíveis)
e d
27) Sejam os vetores u = (2. -3, 2) e v = (-1, 2, 4) em IR 3 _
a) Escrever o vetor w = (7, -11, 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'l
e) Determinar uma condição entre a. b e e para que o vetor (a, b. e) seja uma comhi-
nação linear de u e v.
28) Consideremos no espaço P2 = { at i + bt + e!a, b, e E IR:, os vetores p 1 "' t2 - 2t + l.

p 7 = t + 2 e p 3 = 2t 2 - !.
a} Escrever o vetor p = 5t 2 - 5 t + i como combina,·ão

'I" li11ear de p 1 , p2 e p3 ·
b) Escrever o vetor p"' 5t 2 - 5 t + 7 como combinação linear de p I e p 2 .
c) Determinar uma condição para a, b e c de modo que o vetor at 2 + bt + e seja

combinação linear de p 2 e p3 .
d) É possível escrever p 1 como combinação linear de p 2 e p 3 ')
29) Seja o espaço vetorial M(2, 2) e os vetores
l o -1 2 o -1
• V2 =
o 2
f."spaços ~etoriais 91
Escrever o vetor
1 8
v=
O 5
como combinaçao linear dos vetores v1 , v2 e v3 .
30) Escrever o vetor O E IR2 como combinação linear dos vetores
a)v 1 =(],3) e v2 =(2,6)
b) vi =(I, 3) e v2 =(2, 5)
31) Sejam os vetores v 1 -(-1,2, 1), v2 -(l,0,2) e v3 -(·2,•l,O). Expressar cada um dos
vetores u == (-8, 4, I), v = (O, 2. 3) e w = (0. O, O) como combinação linear de vi. v2 e v 3
32) Expressar o u=(-1,4,-4,6) E IR.4

vetor como combinação linear dos vetores
v1 =(3.-3,1.0), v2 =(O, 1,-1,2) e v 3 =(1,-1,0,0) .
.B} Seja S o subespaço do IR4 definido por:
S = { (x, y, z, t) E IR 4 ix + 2y - z = O e t = O 1
Pergunta-se•
a) (-1, 2, 3, 0) E S?
b) (3, 1,4,0) E S?
e) ( ~ L 1, 1, l) E S''
34) Seja S o subespaço de M (2, 2):
a- b 2a
S- a, h E IR
a+ h -b
92 Ãlgebra linear
Pergunta-se:
5 6
a) E S?
1 2
b) Qual deve ser o valo1 de k para que o vetor
-4 k
2 -3
pertença a S?
35) Determinar os subespaços do JR.3 gerados pelos seguintes conjunlus:
a) A = { (2, -1, 3)}
b) A= { (-1, 3, 2), (2, -2, 1)}
e) A= {(1,0, 1),(0, 1, 1),(-1, 1,0)}
d) A= { (-1, 1, O), (O, 1, -2), (-2, 3, 1)}
e) A= { (1, 2,-1), (-1, 1, O), (-3, O, 1), (-2, -1, 1)}.
f) A= {(1,2,-1),(-l, 1,0),(0,0,2),(-2, 1,0)}
36) Seja o conjunto A= {v 1 , v2 }, sendo v1 = (-1, 3, -1) e v2 = (1, -2, 4).
Determinar:
a) O subespaço G(A).
b) O valor de k para que o vetor v = (5, k, 11) pertença a G(A).
37) Sejam os vetores v1 =(1,1,1), v2 =(1,2,0) e v 3 =(1,3,-1). Se (3,-1,k)E [v1 ,v2 ,v3 ],
qual o valor de k?
38) Determinar os subespaços de P2 ( espaço vetoríal dos polinômíos de grau ~ 2) gerados

pelos seguintes vetores:
2
a) Pi = 2x + 2, P2 = - x 2 + x + 3 e p3 = x + 2x
e) P1 = l, Pz =x, p3 = x2
39) Determinar o subespaço G( A) para A= { ( 1, -2), (-2, 4) } . O que representa geometrica-

camente esse subespaço?
40) Mostrar que os vetores v 1 = ( 2, 1) e v2 = ( l , 1) geramo lR2 . •
41) Mostrarqueosvetores v 1 = ( 1, 1, l) , v2 _= (0 , l,1) e v3 = (0,0, l) geram o JR.3.
42) Seja o espaço vetoríaJ M (2 , 2). Determínar seus subespaços gerados pelos vetores
-1 2 2 1
a) Vt = e V2 =
o -1 -1
-1 o -1 .O
b) Yt =
o 1 o o l o
43) Determinar o subespaço de P. 3 (espaço dos polinômios de grau ~ 3) gerado pelos vetores
p 1 = x 3 + 2x 2 - x + 3 e p 2 = -2x 3 - x 2 + 3x + 2.
44) Determinar o subespaço de IR4 gerado pelos vetores u = ( 2, -1 , 1, 4), v = (3 , 3, -3, 6) e

w = (O, 4 , -4, O).
45) Verificar se o vetor v = (-1 , -3 , 2, O) pertence ao subespaço do 1R4 gerado pelos vetores
v1 =( 2,-1 , 3, 0) , v2 =( 1,0, 1, 0) e v 3 = (O, 1, -1,0) .
46) Classíficar os seguintes su bco nj un tos do IR.2 em LI ou LD:
a) { (1, 3) }
94 Álgebra linear
b) {(I,3),(2,6)}
e) { (2, -1), (3, 5)}
d) {(l,0),(-1. 1),(3,5)}
47) Classificar os seguintes subconjuntos do IR 3 em U ou LD:
a) { (2, - 1, 3)}
b) { (J , -1. 1), ( -1, 1 , 1) }
e) { (2. -1. O), (-1, 3, O). (3, 5, O);
d) { (2, l. 3), ( O, O, O), ( 1. 5, 2) }
e) { (1, 2, -1), (2, 4, -2), (1. 3, O)}
t) { (1.-1, -2), (2. l, J), (-1, O, 3)}
g) { (1, 2. -1), (l, O, O), (O, 1, 2), (3, -1, 2)}
48) Quais dos seguintes oonjuntos de vetores pertencentes ao P., são LD'I
a) 2 + x - x 2 , -4 - x + 4x 2 , x + 2x 2
b) l -x+2x 2 .x-x2 ,x2
e) 1 + 3x + x 2 , 2 -x -x 2 • 1 + 2x -3x 2 • -2 + x + 3x 2
d) x2 - x + l, x 2 + 2x
49) Quais dos seguintes conjuntos de vetores do IR4 sao LO?
a) (2, 1,0, 0),(1,0, 2, 1), (-1, 2,0,-1)
b) (O, l. O. -1 ). (l, 1, 1, l ), (-1. 2. O, l ), ( l , 2, 1, O)
e)(}, -1, O. O), (O. 1, O, O), (O, O, 1, -1), (1, 2, 1, -2)
d) ( 1. 1, 2. 4 ), O, -1, -4. 2). (O. -1, -3 ,. l ). (2, 1, 1, 5)

1:: spaço1 vetoriais 95
50) Sendo V o espaço vetorial das matrizes 2 x 3. verificar se { A, B, C} é LI ou LD,

sen do
-1 2 2 o s
A= B=[ O -l ] C=[-1 e
3 -2 4 -2 O -l o 3
S1) Determinar o valor de k parn que seja LI o conjunto
{ (-1, O, 2 ). (l , 1 , I ), (k, - 2, O) }
52) Determinar k para que
[:
o 2 -1
o . o k o
seja LO.
53) Mostrar que são LD os vetores v1 • v2 e v3 , com v1 e v2 vetores arbitrários de um

espaço vetorial V e v3 = 2v 1 - v2 .
54 ) Mostrar que se u, v e w são LI, então u + v, u + w e v + w são também LI.
55) Sendo v1 =(1, 2) E IR.2, determinar v2 E IR.2 tal que { v1 , v2 } seja base de IR.2 .
56) Verificar quais dos seguintes conjuntos de veto res formam base do IR 2 :
a) { (1 , 2,), ( -1 , 3) } e) { (O, O), (2, 3)}
b) { (3,-6),(-4 ,8) } d} { (3, - 1), (2, 3) }
57) Paraquevaloresde k oconjunto (3= {(l ,k), (k,4)} é base do IR 2 ?
58) O conjunto f3 = { (2, -1 ), (-3, 2)} é um a base do IR 2 . Escrever o vetor genérico do

2
IR como combinaçio linear de f3
96 Álgebra linear
59) Quais dos seguíntes conjuntos de vetores formam uma oase do IR3 '!
a) (1, 1,-1),(2,-1,0),(3,2,0)
b) (1, O, 1), (O, -1, 2), (-2, 1,-4)
e) (2, 1, -1), (-1, O, l), (O, O, 1)
d) (l, 2, 3), (4, l, 2)
e) (0,-1,2),(2, 1,3),(-1,0, 1),(4,-1,-2)
60) Quais dos seguíntes conjuntos de vetores formam base de P 2 ?
a) 2t2 + t -4, t2 - 3t + 1
b) 1, t, t 2
e) 2, l - x, l + x 2
d) l + x + x 2 , x + x2 , x2
e)·I+x, x-x2, 1+2x-x2
61) Mostrar que o conjunto
2 3 l -1 -3 -2 3 -7
-1 o o -2 1 -1 -2 5
é uma base de M (2, 2).
62) Mostrar que o conjunto
{(1, 1, O, O), (O, O, 1, 1), (1, O, O, 3), (O, O, O, 5)}
é base do IR.4 •
Etp11ços vetorlilü 97
63) O conjunto
A= { t 3 , 2t 2 - t + 3, t 3 - 3t2 + 4t - 1 }
é base de P 3 ? Justificar.
64) Mostrar que os vetores v1 = (1, l, 1), v2 = (1, 2, 3), v3 = (3, O, 2) e v4 = (2, -1, l) geram
o IR.3 e encontrar uma base dentre os vetores v 1 , v2, V3 e V4.
65) Mostrar que os polinômios p 1 = I + 2x - 3x2 , p::z = 1 - 3x + 2x2 e p3 = 2 - x + Sx

2 fonnam
uma base do espaço dos polinômios ~~grau~ 2 e calcular o vetor-coordenada de
p:;:;-2 - 9x -13x2 na base /3:;:; {pi, pz, p3}.
66) Determinar uma base do subespaço do IR.4 gerado pelos vetores v 1 = (1, -1, O, O),
v2 =(-2, 2, 2, 1), v 3 =(-1, 1, 2, 1) e v4 =(O, 0,4, 2).
67) Seja V= IR.3 e o conjunto
B.., { (O, 1, l), (l, 1, O), (l, 2, 1)} e R 3
3
a) Mostrar que B nfo é base do IR. •
b) Determinar uma base do Dl3 que possua dois elementos de B.
68) Determinar o vetor coordenada de v = (6, 2) em relação às seguintes bases:
o: = { (3, O), (O, 2)} 'Y = {(l, O), (O, 1)}
fJ = {(l, 2),(2, l)} ó = { (O, 1), (1, O)}
69) No espaço vetorial IR.3, consideremosaseguintebase: B= {(l,O,O),(O, l,0),(1,-1, I)}.

Determinar o vetor coordenada de v E it3 em relação à base B se:
a) V= (2, -3, 4), b) v=(3,5,6), e) v= (1,-1, 1)
70) Seja A= { 3, 2x, -x 2 } uma base de P2 • Determinar o vetor-coordenada de v = 6- 4x + 3x2

em relação à base A.
98 Âlgebra linear
71) Sejamos vetores v1 =(1,0.-1), v2 =(1,2, 1) e v3 =(0,-l,O) do lR 3 .
a) Mostrar que B= {v 1 ,v2 ,v3 } é base do IR 3 .
b)Escrever e 1 =(1,0,0). e2 =(0.l,0), e3 =(0,0,l) como combinação linear dos

vetores da base B.
72) Determinar a dimensão e uma base para cada um dos seguintes espaços vetoriais:
a) { (X, y, z) E IR.3 /y = 3x}
b) { (x, y, z) E IR.3 /y = 5x e z = O}
e) { (x, y) E IR.2 'x + y = O:·
d) {(x,y,z) E IR3 /x=3y e z=-y}
e) { (x, y, z) E IR 3 /2x - y + 32 =O}
f) { (x, y, z) E IR 3 /z =O;
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
e d
a b
b)
e d
a b
e) ; e= a - 3b e d= O
e d
Espaços vetoriais 9!1
d)
a
e
:J , + d• b + e
74) Seja o subespaço S de M(2, 2) :
a b
S= /c "'a+b e d=a
e d
a) Qual a d.imensa-o de S?
b) O conjunto
~I 2
o l 3 4
é uma base de S? Justificar.
7 5) Encontrar urna base e a dimensa-o do espaço-soluça-o dos sistemas :
X + 2y - 2z - t =Q
a) 2x + 4y + z + t = O
X + 2y + 3z + 2 t = 0
X + 2y ~ Z + 3t : Ü
b) 2x - y + z- t =O
4x + 3y - z + St = O
x-2Y- z =O
e) 2x + y + 3z = O
X+ 3y + 42 = Ü
100 Álgebra line(IJ'
2x + 2y- 3z = O
d) x- y- z=O
3x + 2y + z = O
x+ y.2z+ t=O
2x + 2y - 42. + 2t = O
2.10.1 Respostas de Problemas Propostos
1. Não é espaço vetorial. Falha o axioma M4
2. O conjunto é um espaço vetorial
3. Nã'o é espaço vetorial. Falham os axiomas A2, A3 e A4
4. Não é espaço vetorial. Falha o axioma M 2
5. Não é espaço wtorial. Falha o axioma M4
6. O conjunto é U.'Tl espaço vetorial
7. O conjunto é wn espaço vetorial
8. S é subespaço
9. S não é subespaço
LO. Ê
1 L. É
12. Não é
13. Não é
14. É
15. É
16. Não é
Espaço, vetoriais 101
17. Não é
18. É
19. É
20. Não é
21. Não é
22. É
23. Não é
24. É
25. É
26. São subespaços: a), b). e). d)
27. a) w =3u - v
b) k = 12
e) L6a + IOb - e= O
28. a) p = 3p1 + 2p2 + p3
b) impossível
e) a+ 2b - e= O
d) não é possível
29. v = 4v1 + 3v2 - 2v 3
30. a) O= -2v 1 + v2
b) O=Ov1 +Ov 2
31. u = 3v 1 - v2 + 2v 3
v=v 1 +v2
w=Ov1 +Ov2 +Ov 3

l 02 Álgebra linear
33. a) sim b) não e) não
34. a) sim b) k = -2
35. a) {(x, y, z) E JR.3 /x= -2y e z = -3y}
b) { (x, y, z) E JR.3 /7x + 5y - 4z =O}
e) {(x, y, z) E JR. 3 /x + y-z =o}
d) JR3
e) { (x, y, z) E lR3 /x + y + 3z =O}
f) JR3
36. a) G(A)= {(x,y,z)E IR 3 /l0x+3y-z=O}
b)k=-13
37. k= 7
38. a) {ax2 + bx + c/b= 2a + e}
b) { ax 2 + bx/a, b E IR}
e) P2
39. { (x, y) E IR.2/y= -2x}
Representa uma reta que passa pela origem.
40. (x,y)=(x-y)(2,l)+(-x+2y)(l,1)
41. (x,y,z)=xv1 +(y-x)v2 +(z-y)v 3
42. a b
a) b = -2a ~ 5d e e= -a - d
e d
a b
b) a+b-c+d=O
e d
43. { ax 3 + bx 2 +ex+ d/b = 5a + 3c e d= lla+8c}
44. { (x, y, z, t)/2x - t = O e y+z=o:•
45. Pertence.
46. a) LI b) LD e) LI d) LD
47. a) LI J) LI e) LD d) LD
e) LD t) LI g) LO
48. a. e
49. b, d
50. LI
5 l. k *-3
52. k=3
55. V'l ':/:a kvl, Vk E IR
56. ª· d
57. k*±2
58. (x, y) = (2x + 3y)(2, -1) + {x + 2y)(-3, 2)
59. a), e)
60. b), e), d)

104 Álgebra lit1ear
63. Não. G(A) '# lR.3 •
64. Base: {Vi, Vz, V3}
65. Pfj = (1, 5, -4)
66. Uma base: {vi, v2 } .
67. Uma base: {(O, 1, 1), (l, 1, 0),(0,0, I)}
69. a) v8 =(-2, 1, 4)
b) v8 =(-3, li, 6)
e) v8 = (O, O, 1)
70. VA =(2, -2 , -3)
71. a) B é LI e V(x,y,z) E lR.3
x-z x+z
(x,y,z)=--vi +
2 2 v2 +(x- y+z)v3
72. a) dim: 2 d) dim: 1
b) dim: 1 e) dim: 2
e) dim: 1 f) dim: 2
As bases ficarão a cargo do leitor.
73. a) dim: 2 e) dim: 2

b) dim: 3 d) dim: 3
As bases ficarão a cargo do leitor.
74. a) 2
b) Não, porque
2 1
3 4
75. a) dim: 2
uma base: { (1, O, 3, -5), (O, 1, 6, -10)}
b) dim: 2
uma base: { (O, -2, -1, 1), (1, -3, -5, O)}
e) dim: 1
uma base: { (1, l, -1)}
d) dim: zero
nfo existe base
e) dim: 3
uma base: { {-1, O, O, 1), (-1, 1, O, O), (2, O, 1, O)}
CAPÍTULO
ESPACOS
•
VETORIAIS
EUCLIDIANOS
3.1 PRODUTO INTERNO EM ESPAÇOS VETORIAIS
No Capítulo l, foi definido o produto escalar ou produto interno usual de doís vetores
no IR 2 e no IR 3 e foram estabelecidas. por meio desse produto, algumas propriedades geomé-
tricas daqueles vetores. Agora pretende-se generalízar o conceíto de produto ínterno e, a partir
dessa generalização, definir as noções de comprimento, distàncía e ângulo em espaços vetoríaís
maís genéricos.
Chama-se produto interno no espa~o vetoríal 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 1 )u.v=v.u
P2 ) u. (v + w) = u. v + u. w
Pl) (ou). v = o (u. v) para todo real o
P4 ) u . u ,;., O e u . u = O se. e somente se. u =- O
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 propríedades:

/0()
Espaços vetoriais euclidianos J07
0 O.u=u.O=O, Vu E V
II) (u + v). w = u . w + v. w
lll) u. (a:v) = a:(u . v)
Fica a cargo do leitor a demonstraç!o dessas propriedades.
Exemplos
l) No espaço vetorial V = IR.2 , a função que associa a cada par de vetores u = (x 1 , y 1 ) e

v = (x2 , y 2 ) o número real
é·um produto interno.
De fato :
P,) u. V= 3X1 X2 + 4Yt Y2

u. V= 3X2X1 + 4Y2Y 1
U,V"'V.U
U.(v + w): ( X1 Y1) · (x2 + X3, Y2 + y3 )

u.(v+w) =3x 1 (x 2 +x3)+4y1(Y2 +y3)
u. (v+ w) = (3X1X2 + 4Y1Y2) + (3X1X3 + 4Y1Y3 )
u. (v + w) = u. v + u. w
P3) (au). v = (ax1 , ªY1). (x2, Y2)

(au). v = 3.(ax 1) Xz + 4(ay1)Y2
(au) . v = a(3x 1x2 + 4Y1Y2 )
(au). v = cr(u . v)
P4)u.u=3x 1x1+4y 1y 1 ==3x~+4yi~O e

u . u = 3x: + 4yi = O se, e somente se, x 1 = y 1 = O,
isto é, se u = (O, O)= O

108 À/gebra linear
Observação
O produto interno que acabamos de apresentar é diferente do produto interno usual no

2
IR • Este seria definido por:
u. v=x1X2 +Y1Y2
donde se depreende ser possível a existência de mais de um produto interno num mesmo espaço
vetorial.
2) Se u=(x 1,Y1,Z1) e v=(x2 ,Y2,z2 ) são vetores quaisquer do IR", onúmeroreal
define o produto interno usual no JR.3.

De forma análoga
u.v=x1Y1 +X2Yz + ... +XnYn
com u=(x 1 ,x2 , .•. ,xn) e v= (y 1,y2, ... ,yn), define o produto interno usual no IR".
3) Sejam V= P2 , p = ai x 2 + a 1x + a0 e q = b2x 2 + b 1x + b0 vetores quaisquer de P2 .

A fórmula
define um produto interno em P2 .

Por exemplo, se:
p=3x 2 -4x+2 e q=2x 2 +3x-l,
então:
p .q = 3(2) -4(3) + 2(-l) = - 8
Observemos que
não define, sobre V, um produto interno. Nesse caso, falha o axioma P4, pois existem
polinômios p E V tais que p. p = O, sem que p = O. Por exemplo, p = Ox 2 + Ox + 3.
Espaços l'ttoriais euclidiano1 109
4) Seja V o espaço das funções reais contínuas no intervalo [a, b] .
Se f e g pertencem a V,
f. g =/ 'r(x) g(x) dx
define sobre V um produto interno. (A verificação dos quatro axiomas fica a cargo do
leitor.)
5) O número
sendo u = (x 1 , y 1 ) e v = (x2 , y 2 ), não define no R 2 um produto interno.
Nesse caso não se verificam os axiomas P2 e P3 . Considerando o axioma P 3 , tem-se:
enquanto:
e, portanto:
(a:u). v ::!= a(u. v)
l) Em relação ao produto interno usual do IR.2, calcular u . v sendo dados:
a) u= (-3, 4) e v= (S,-2)
J
b) u= (6, - I) e v=(~,. . - 4)
e) u = (2, 3) e v = (O, O)
li O A/gebra linear
Solução
a) u.v=-3(5)+4(-2)=-15-8=-23
b) U . V= 6 ( ~)- ] ( -4) = 3 + 4 = 7
e) 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 l :
So/uçaõ
a) U. V= 3(-3)(5) + 4(4)(-2).::. -45 - 32 = -77

l
b) U. V= 3(6) (-::;-) + 4(-J)(-4) = 9 + )6 = 25
-
e) u. v"' 3(2)(0) + 4(3)(0) = O+ O= O
3) Consideremos o IR 3 munido do produto interno usual.
Sendo v1 = (1. 2, -3), v2 = (3, -!. -1) e v3 = (2, -2, 0) de IR.3 , determinar o
vetor u tal que u . v 1 = 4, u . v2 = 6 e u . v3 = 2.
Solução
Seja u = (x, y, z)
Então:
(x, y, z) . (1, 2, -3) = 4

(x, y, z) .(3,-1,-1) = 6
(x, y, z). (2, -2, O)= 2
Espaços vetoriais euclidianos 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: (O. l] -+ m: f é contínua} o espaço vetorial munido do produto interno
f .• ·11
f(t) g( t) dt
Soluçaô
[ , t'dt.
1·., dt.
3.2 ESPAÇO VETORIAL EUCLIDIANO
Um espaço vetorial real, de dimensão finita, no qual está definido um produto interno. é
wn espaço vetorial euclidiano. Neste capítulo serão considerados somente espaços vetoriais
euclidianos.
JJ2 Ã lgebra linear
3.3 MODULO DE UM VETOR
Dado wn vetor v de um espaço vetorial euclidiano V, chama-se módulo, norma ou

comprimento de v o número real não-negativo, indicado por I v 1, definido por:
lvl=vfv:v
Observemos que se u = (x 1 , y 1 , z 1 ) for um vetor do 1R.3 com produto interno usual,

tem-se:
(3.3)
3.3.1 Distância entre dois vetores
(hama-se distância entre dois vetores ( ou pontos) u e v o número real representado

por d (u, v) e definido por:
d(u,v)=lu-vl
Sendo u=(x 1 ,y 1 ,z 1 ) e v= (x 2 ,y2 ,z2 ) vetores do IR 3 com produto interno usual,

tem-se:
ou:
(3.3.l)
Observações
1) SeI v 1 = 1, isto é. v . v = 1, o vetor v é chamado vetor unitário. Díz-se, nesse

caso, que v está normalizado.
2) Todo vetor não-nulo v E V pode ser normalizado, fazendo:
V
u=-
1 V 1
Observemos que:
2
V V V. V J V 1
-·-=-=-= 1
lvl !vi lv[ 2 Jvl 2
V ; • , .
e, portanto, - e umtano.
1V 1
Exemplo
Consideremos o espaço V= lR.3 com o produto interno v 1 • v2 = 3x 1 x 2 + 2y 1 y 2 + z 1 z2,

sendo v 1 = (x 1 , y,, zl) e v2 = (x2 • y 2 , z2 ). Dado o vetor v= (-2, l, 2) E IR 3 , em relação a
esse produto interno tem-se:
lv[= J(-2, 1,2).(-2.1,2) = ~)i~-2(1) 2 +2 2 = J12+2+4 = /18

e normalizando v, resulta:
Observemos que, relativamente ao produto íntern o usual, tem-se:
1 V 1= V (-2, 1, 2). (-2, 1, 2) = J (-2) 2 + l' + 2 2 = J 4+ I +4 = 3
e:
_y_ (-2, l, 2) = '- 2 _l 2:)

lvl 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.
Assim, fica claro que os dois vetores .:!.... acima. obtidos a partir de v, são unitários, cada um
1 v! ..
em relação ao respectivo produto interno.
3.3.2 Propriedades do Módulo de um Vetor
Seja V um espaço vetorial euclídiano.
I) 1v 1 ~ O, Vv E V e i v i = O. se, e somente se, v = O.

l J4 Ãlgehra linear
Essa pro priedade é uma conseqüencia <le P4 .
II) 1cxv 1=ia 1 1v J, Vv E V, Yo: E IR
De fato :
l ll'v/ = v(o:v) . (o:v) = Jo: 2 (v.v) :: 10:1 ~ = 10:ll v l
Ili) 1u . v 1 ~ 1u 11 v J, Vu, v E V
Se u == O o u v = O, vale a igualdade J u . v 1 -= 1u 1 1 v f = O.
Se nem u nem v são n ulos , para qualque r a E IR vale a de s.igualdade :
(u+av) . (u+ cxv);,, O
pelo a xioma P4 .
Efetuand o o pro duto interno. ve m :
u .u+ u .(av) + (ov.u)+o- 2 (v . v) ?- O
ou
Obtivemos assim um lrinõmio d o 2° grau em a (po is . v JJ -:;t- 0). que deve ser positivo
para qualquer valor de o: . Co m o o coeficie n te de o: 2 é sempre posit ivo , o discriminante desse
trinômio deve ser negativo ou nulo:
2
( 2U . V) - 4 1V 12 1U J
2
,;; Ü
4 ( U. v)2 - 4 1 U J2 J V 1
2
~ Ü
( U . V)" ~ / U / l J V J2
Considerando a ra iz quadrada positiva de am bos os membros dessa desigualdade. vem.
l u . v J,(, Ju JJ v ,
t:spaçus vetoriais eu elidianos 115
Essa desigualdade é conhecida com o nome de Desigualdade de Schwarz ou Inequação

de Cauchy-Schwarz.
IV) 1u + v 1 ..; 1u 1 + 1v 1. 'v'u. v E V
De fato•
f U + V 1 == V U. U + .2(U. V) +·v-:-v
lu+v! 2 = lul 2 +~(u.v)+ivl'
mas·
u.v ~ lu vi:..;: lulJvl
logo•
1 U +V I z ~( 1 U ; + 1V l)
2
ou. ainda•
lu+vl~lul+lv
~--- 1 \1 1
__ __.. 1/
Figura 3. 3. 2
116 .4/gebra linear
Essa desigualdade, denominada desigualdade triangular, vista no IR 2 o u no IR.3 confirma

a propriedade geométrica de q ue, 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
Ju.v i"l ullv l
pode ser escrita assim:
ju. V1
J U lJV " l J
ou:
u .v 1~ 1
JU J J V 11
o que implica:
u.v
-l " ~ 1
J U li V J
Por esse motivo, pode-se dizer que a fração
u.v
] U / J V 1
é igual ao co-seno de um ãngulo 0, denominado ângulo dos vetores u e v:
U. V
cos 8 =
Ju I J·v 1
Observe mos q ue essa fórm ula coincide com a (l. 7. 1) para o cálculo do ângulo de dois
vetores no IR.2 (ou com a fórmula VI do item 1.9 do IR.3 ), conside rando o produto interno
usual.
Espaços vetoriais euclidianos l J7
5) Çonsíderemos o IR.3 com o produto interno usual. Determinar a componente e do vetor

v-= (6, -3, e) tal que f v 1= 7.
Solução
[ V [ "' J6 2
+ (-3) 2 + C2 = 7
36 + 9 + c 2 = 49
c2 = 4
e =±1
6) Seja o produto interno usual no IR 3 e no IR 4 . Determinar o ângulo entre os seguintes

pares de vetores:
a)u-=(2,I,-5) e v-=(5,0,2)
b) u = (1, - 1, 2, 3) e v = (2. O, 1, -2)
Solução
a) 1 ul=\/'22 + 12 +(-5) 2 =J3o

[ V!= J 52 + 22 = J 29
U.V =2(5)+1(0)-5(2)=0
Daí:
COS 0= U .V = Ü =Ü 6 = !_
lullvl ~ y29 2
b)lul;;vJ +I +4+9 =yÍS

lvl"'v4+l +4 =3
u. v = 1(2) - 1(O) + 2(1) +3 (-2) = -2
l 18 Âlgebra linear
Daí:
-2
cos 8 = fie
vI5 x3
8 = are cos ( - '
-
3v'TI'
)
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 I u : = 3. 1v 1= 7 e I u + v 1= 4 ,Js.
Solução
1u + v 1 = v' (u + v) . (u + v)
ou:
1u + v· 12 = 1li 12 + 2u . v + 1v f 1
e:
(4 y'5 ) 2 = 3 2 + 2U . V + 72
80 : 9 + 2u . V + 49
2u. V= 80 - 58
2U. V= 22
u . v=J J
logo :
U . V
=
ll 11
cos 8 = =-
1U 11V 1 3 X 7 21
8) Consideremos, no JR.2, o produto interno definido por v 1 . v2 = 3x 1 x 2 + y 1 y2 , sendo

v 1 = (x 1 , y.) e v2 = (x2 , y 2 ) . Em relação a esse produto interno, dete rmina r um ve tor v
tal que:
lvl = 4, v . u = IO e u=(J,-2)
Espaços vetoriais euclidil1nos 119
Solução
Seja v = (x, y). Então:
1v 1 =-J 3x 2
+ y2 = 4 :. 3x 2 + y 2 -= 16
e:
V • U = 3X - 2y = } Ü
Resolvendo o sistema
3x 2 + y 2 = 16
j
. 3x - 2y = 10
obteremos:
6 e 26
X= 2 e y = -2 OU X=- y= - -
7 7
Jogo:
626
v=(2.-2) ou v.::(
7 7 )
,-
3.5 VETORES ORTOGONAIS
Seja V um espaço vetorial euclidiano.
Diz-se que dois vetores u e v de V são ortogonais, e se representa por u l v. se. e

somente se, u. v = O.
Exemplo
Seja V = IR 2 wn espaço vetorial euclidiano em relação ao produto interno

1 x,,y,).(x2,Y2)=x,x.
2 +2Y1Y2- Em relação a este produto interno, os vetores u=(-3,2)
t v-=(4,3) sãoortogonais,poís:
U. V= -3(4) + 2(2) (3) = Ü

120 Álgebra linear
Observações
1) O vetor O E V é ortogonal a qualquer v E V:
O.v=-0
De fato:
O. v = (Ov). v = O(v. v) = O
2) Se u 1 v, então o:u 1 v para todo o: E IR
3) Se u 1 l v e u2 1 v, então (u 1 + u 2 ) l .,
3.6 CONJUNTO ORTOGONAL DE VETORES
Seja V um espaço vetorial euclidiano.

Diz-se que um conjunto de vetores { v1 , v2 , ... , vn ~ e V é orrogonal se dois vetores
*
quaisquer. distintos. são ortogonais, isto é, vi . vi = O para i j.
Exemplo
No IR3 , o conjunto
U 1. 2. -3). (3, O. l ), (l. -S, -3)}
é ortogonal em relação ao produto interno usual. pois
(l, 2,-3).(3.0, I) =O
(l,2.-3) 0.-5.-3)"'0·
(3.0, 1) (1.-5, -3) = O

Espaços vetoriais euclídillnos 121
3.6.1 Teorema
Um conjunto ortogonal de ve1ores não-nulos A=- { v1 , v2 , ... , vn _l é linearmente inde·

pendente (LI).
De fato:
Consideremos a igualdade
a1 v 1 + a2 v2 + ... + ªn vn = O
e façamos o produto interno de ambos os membros da igualdade por vi:
nu:
Como A é ortogonal, vi . vi =- O para j ># i e vi . vi :;a!: O, pois vi :;a!: O. Então.

ai(vi. vi)= O implica ai.:: O para i =- 1, 2,. .. , n. Logo. A=: v1 , v2 • ... , vn} é LI.
3.6.2 Base Ortogonal
. .
Diz-se que urna base ·. v 1 ..... vn _: 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 ortogonais. constitui uma base ortogonal. Por exemplo, o conjunto apre-
sentado no exemplo anterior
UI, 2, -3), (3, º· 1). (1. -5. -3)}
=uma base ortogonal do [R.l.

122 Ãl~bra líne'7
3.6.2.1 Base Ortonormal
Uma base B = { v 1 , v2 , .•. , vn} de um espaço vetorial euclidiano V é ortonormal se B é

ortogonal e todos os seus vetores são unitários. isto é:
O para i *j
l para i =- j
Exemplos
Em relação ao produto interno usual, o conjunto:
1) B"' { (1, 0), (O, I)} é uma base ortonormal do R 2 (é a base canônica);
_ v'31 Iy3
2) B - { (-- , ), (- . )} é também base ortononnal do R 1 (verificar!);
2 2 2 2
3
3} B = { (l, O, O), (O, l, O), (O, O, l)} é uma base ortonormal do ~ (é a base canônica);
1 l l
4) B = { u 1 , u2 , u3 } • sendo u 1 = ( v'3 , v3 , v'3 ).
é também base ortonormal do R3 , pois:
e:
As bases ortonormais são particularmente importantes, como ainda veremos.

t:i;paços vetoriais euclidianos 123
Observação
Já vimos que se v é um vetor não-nulo, o vetor ~ é unitário. Diz-se, nesse caso, que v
J V 1
V
está normalizado. O processo que transforma v em M chama-se normalização de v.
Assim, uma base ortonormal sempre pode ser obtida rie uma hase ortogonal normalizando
cada vetor.
Por exemplo, a base B = {v1 , v2 , v 3 }, sendo v1 :::. (1, l, l), v2 = (-2, l, 1) e v3 = (O, -1, 1).
é ortogonal em relação ao produto interno usual. Normalizando cada vetor, obtemos:
u =...!!_= (l, 1, l) -(-1 _ l _ l )

I I V1 1 y 1 + l +} - V3 • ,J3 ,J"3
u = ~ = (-2,1,l) =(--1_ _l_ _l_)

2
1 V2 1 y4+l+J. .,/6 ' .,/6 ' .,/6
u =~ = (O, -1, I) =(O _ _ l J_)

3
1V3 J y Ü+l + } ' ../2.' ./2
e B' = { u 1 , u2 , u 3 } é uma base ortonormal do IR 3 .
3.6.3 Processo de Ortogonalização de Gram-Schmidt
Dado um espaço vetorial euclidiano V e uma base qualquer B = { v 1 , v2 •.•.• vn } desse

espaço. é possível. a partir dessa base. determinar uma base ortogonal de V.
De fato, supondo que v 1 • v2 , ... , v n não são ortogonais, considere-se
e determine-se o valor de a de modo que o vetor w 2 = v2 - 0:w 1 seja ortogonal a w,:

124 ÃIRebra linear
isto é:
Assim, os vetores w 1 e w 2 são ortogonais
Considere-se o vetor :
e determine-se os valores de a 2 e a I de maneira que o vetor w 3 seja ortogonal aos vetores

W 1t' W2 :
. (V 3 - a2 W 2 - a 1 W 1 ) . W1 =Ü
1. (v3 - a2 W2 - a1 W1) . W2 =O
Tendo em vista que w 1 . w1 = O, vem :
··.~
=O
!
V3 . W1 - a1(W 1 . wi)
V3 . W1 - a2lW2 . W2) =Ü
e:
isto é :
Assim, os vetores w 1 • w2 e w 3 são ortogonais.

E,pt1ço1 vetoriai1 euclidianos 125
Pode-se concluir o teorema por indução, admitindo que, por esse processo, tenham sido
obtidos ( n - 1) vetores w1 , w2 , •••• w n _
1 e considerar o vetor:
sendo a 1 • a2 ..... a n- l tais que o referido vetor wn seja ortogonal aos vetores w 1, w2 , .... w n- l .
Osvaloresde a 1 ,a2 , ... ,ari-l queaparecemem wn são:
Assim. a partir de B = { v., v1 , ... , vn}, obtivemos a base ortogonal { w 1 , w2 , ... , Wn}.
O processo que permite a determinação de uma base ortogonal a partir de uma ·base
qualquer chama-se processo de ortogonalízação de Gram-Schmidt.
W·1
Para se obter uma base ortonormal, basta normalizar cada wi. Fazendo l1j = - -,
1wi 1
obtemos a base
B' = { u 1 , U2, ••. , U

0
J.
que é uma base ortonormal obtida a partir da base
Observação
Tendo em vista que
W1 Wt l
= V =v . - - = v . - - x
n n I w 1 11 n I W1 1
Vn , W2 W2 Wz W2
32 = :: V • =V · -- = V · -- X
W2 . w, n W2 . W2 n I W21 2 n I W21
126 Álgebra linear
os vetores w 1 , w 2 .... , wn podem ser expressos do seguinte modo:
Wn = Vn -(vn .un- l)un- 1- ... -(vn .U2)U2-(vn .U1)U1
Exemplo
Sejam v1 =(l, 1, l,) v2 =(O, 1, I) e v3 =(0,0, 1) vetores do R 3 . Esses vetores

constituem uma base B = { v 1 , v2 , v3 } não-ortogonal em relação ao produto interno usual.
Pretendemos obter, a partir de 8, uma base 8' = { u 1 , u2 , u 3 } que seja ortonormal.
Solução
W1 :::: Yt = (1, }, })
Erpaços vetori4is euclidianos 127
_ W1 _ (1, 1, 1) = (1, 1, l) = (-1 _l _1_ )

Ut - f wd - J 12 + 12 + 12 VJ .Jj • .Jj ' .,/1
1 1 1 2
v, . Ut = (O, 1, 1). ( y'1 , vJ , y'1 ) = v)
2 1 1 l
w,: = (0, 1, 1)- .,/3 ( .,/3, .,/3, .,/3)
2
w, = (O, l, 1)-( ,2 ,2 )
3 3 3
128 Âlgebro littear
A base 8 ' = { u 1 , u 2 , u 3 } é uma base ortononnal, pois:
e:
3.6.4 Componentes de um Vetor numa Base Ortogonal
Seja V um espaço vetorial euclidiano e B = { v 1 , .. . , vn } uma base ortogonal de V. Para

um vetor w E V, tem-se:
Efetnando o produto interno de ambos os membros da igualdade por vi, vem:
ou:
logo :
8·1 = (3.6.4)
é a expressão da i-ésima coordenada de w em relação à base B.
Exemplo
Seja V = R 2 com o produto interno usual e a base ortogonal
B= { (2, 1), (- l , 2) )
Calculemos as coordenadas do vetor = ( 4, 7) em relação a essa base B, na qual

w
v, = (2, 1) e v2 = (-1, 2). Pretende-se calcular a 1 e ª-i tais que :
Utilizando a fórmula (3.6.4 ), vem:
W. V1 ( 4, 7) . ( 2, l) 8+7 15
31 =
V1 . V1
= (2, =--=-= 3
1) . ( 2, 1) 4 + 1 5
w. v, = (4, 7). (-1, 2) = -4 + 14 -10

= s=2
ª2 =
V2 . V2 (-l. 2). (-l, 2) 1 +4
logo
ou:
W5=(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 1 , ..• , vn} ser uma base ortonormal de V, os coeficientes

a, do vetor w == a 1 v1 + + ªn vn, pela fórmula (3.6.4), são dados por:
pois ví . vi = l
Assim,
Exemplo
A base B = •,, ( 3 , 4 ), (- 4 ,S)}

3 .
e uma base ortornormal do R 2 em relação ao produto
5 5 5
interno usual. Dado v = (5, 2), para encontrar a 1 e a2 tal que
1JO Álgebra linear
basta fazer:
logo:
Observemos que se tivéssemos a base canônica:
B = {(l,0),(0,1)},
a1 = (5, 2). (l, O)= S
a2 = (5, 2). (O, 1) = 2
e, portanto:
VB = (S. 2)
isto é:
(5,2)= 5(1,0)+2(0, l)
..
3. 7 CONJUNTOS ORTOGONAIS
Se S 1 e S2 são subconjuntos não-vazios de um espaço vetorial euclidiano V, diz-se que

S 1 é ortogonal a S2 , e se representa por S I l S2 , se qualquer vetor v1 E S1 é ortogonal
a qualquer vetor v2 E S2 .
Espaços vetoriais euclidianos l JJ
Exemplo
Os conjuntos
s 1 = {(O,l,2),(0,2,4)} e s,= {(l.-2,l),(2,-2,1),(4,6,-3)}
são ortogonais relativamente ao produto interno usual no R 3 ( verificar!).
3. 7.1 Teorema
Seja V um espaço vetorial euclidiano e B = {v1 •.•. , vP } 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 l S.
De fato:
Qualquer vetor v E S pode ser expresso por:
e:
Mas, por hipótese, u . ví = O, i = L, ... , p.
Portanto:
U. V: Ü
logo:
U1 V OU U 1 S
A recíproca desse teorema não é verdadeira
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:
S 1 = {vE V/vl S}
Esse subconjunto S 1 de V é chamado complemento ortogonal de S.
Vamos considerar duas propriedades:
1) S1 é subespaço de V
De fato:
a) Se v1 , v1 E S 1 , para qualquer uE S, tem-se:
Y1 1 U e V2 1 U
isto é:
v1 . u =O e v2 . u =O
Então:
V1 . U + Vz . U =0
b)Analogamente,severificaqueparaqualquer o:E IR, o:v 1 E S 1 .
II) Se S é subespaço vetorial de V, então
V =SG) si
isto é, V é a soma direta de S e si.

De fato:
Se S = {O} . então si = V e a demonstração é imediata.

E1P4ços vetoriais euclidianos 133
Se S * {O} , para qualquer v E S n g.L tem-se:

V. V= Ú
isto é:
v= O
o que mostra' que
S n Sl = {O}
Por outro lado, oomo S é um subespaço vetorial de V, S pode ser oonsíderado um espa90
vetorial euclidiano tal como V. Nessas condições, sejam B = { e 1 , e2 , ... , ep } uma base orto-
normal de S e v um ~tor qualquer de V.
Tendo em vista que v . e 1 , v . e2 , ••• , v . ep são números reais, o vetor
pertence a S, e o vetor
é ortogonal a S, isto é, pertence a s1, por ser ortogonal a todos os vetores da base B = { e 1 , e,, ... , ep }:
v,;i • e, = v. e 1 - v. e1
V,: . ei =0
Do mesmo modo:
l 34 Álgebra /inu,
Assim, v= V1 +v2, com V1 E S e V1 E S1.
Logo :
V= SG) S 1
Exemplos
1) Seja V= R 3 com o produto interno usual e
S = { (O.O, c)/c E IR } (eixo dos z)
Então :
S 1 = { (a. b, 0)/ a, b IR } (plano xOz)
2.
2) Seja V= IR 2 com o produto interno usual e S = { (x. -x)/x E R ) .
Então:
S 1 = { (x, x)/ x E IR ;
uma vez que (x, -x) . (x, x) = x7 - x2 = O

Erpaços vetoriais euclidionos J 35
3.9 PROBLEMAS RESOLVIDOS
9) Determínar o valor de m para que os vetores u = (2, m, -3) e v =(m - l, 2, 4) sejam

ortogonais em relação :m produto interno mmal do R 3 .
Solução
Os vetores são ortogonais se u . v = O. Então:
( 2, m, -3) . ( m - 1, 2, 4) = O
2(m- l)+m(2)-3(4)=0
2m -2 + 2m - 12 = O
4m= 14
7
m=-
2
1O) Seja V "' IR 3 e o produto ínterno
Determinar um vetor unitário simultaneamente ortogonal aos vetores u = {1, 2, l)

e V = (I, 1, 1).
136 Álgebra lineOT
Solução
Seja w = (x, y, z), tal que w l u e w l v. Então:
w. u =o (x,y,z).(1,2,1) =O
ou
W. V= Ü (x, y, z) . (I, 1, l) = O
Com o produto interno dado, obtemos o sístema.
2x + 6y + z= O
2x + 3y + z = O
que tem por solução:
y =O e z = -2x
Logo, w = (x, O, -2x) = x (l, O, -2), para x E R.
Portanto, existem infinitos vetores ortogonais simultaneamente a u e v, porém todos

múltiplos de (l, O, -2). Para x = l, obtém-se w 1 = (1, O, -2), que, normalizado, resulta:
.!.L= (l,0,-2) =(1,0,-2)=(-l 0--2)

lwd J2(l) +0 2 2
+(-2) 2 ./6 v'T,'' .J6
11) Construir, a partir do vetor v 1 =(1,-2, 1), umabaseortogonaldo.lR. 3 relativamente ao

produto interno usual e obter. a partir dela, uma base ortonormal.
Solução
Seja B = { v 1 , v2 , v3 } a base ortogonal a ser determinada.
Seja v2 = (x, y, z). Como v2 l v 1 • tem-se:

Espaços vetoriais euclidianos J 37
(x,y,z).(1,-2, l)= O
X - 2y + 2 =Ü
X= 2y - Z
Existem. portanto, infinitos vetores ortogonais a v 1 da forma
(2y - z, y, z). y, z E IR
Fazendo y =O e z = l, obtém-se um vetor particular
V2 = (-1, O, I)
Assim, o conjunto { v1 • v2 } é ortogonal, pois v 1 . v, = O.
Para obtermos uma base ortogonal, necessitamos de mais um vetor.
V3.V1=0
1 V3 . Vz = Q
ou:
(a, b, e). (1, -2, 1) = O
(a, b, e) . (-1, O, 1) = O
ou, ainda:
a - 2b + e =O
1-a +e= O
sistema de solução a"" e e b = e.

138 Algebra linear
Portanto, os vetores ortogonais a v I e v2 são do tipo
( e, c, c), e E IR
Fazendo e= J, obtém-se um vetor particular:
V3 = (J, 1, l)
logo:
B = { (1, -2, 1), (-1, O, 1), (1, 1, 1)} é uma base ortogonal do R 3 com a presença do
vetor vi = (1, -2, 1).
Para se obter, a partir de B, uma base ortononnaJ, basta normalizar cada vetor de B.
Assim:
u _ ....!.L (J, -2, l) _ ( 1 2 l )

1
- 1Vi I V 1 + 4 + 1 - y6' - ,J'6, ../6
Uz = ~=(-J,O,J)=(--J 0-1)
1 V2 I vT+l v'2. , v'2
_ V3 _ (J, l, l) _ l _!_ _!_)

UJ - 1V31 - V 1 + 1 + 1 - ( v'J' ../3. v'1
e:
B' = {ui, u2 , u 3 } é uma base ortonormal do R 3 .
Esse problema, como é fácil observar, tem infinitas soluções.
12) O conjunto B = { (J, • l), (2, b)} é uma base ortogonal do R 2 em relação ao produto
interno:
Calcular o valor de b e determinar, a partir de B, uma base ortonormal.

Espaços vetoriais euclidiilnos l 39
Solução
Sendo B ortogonal, tem-se:
(1,-1).(2,b)= O
2(1)(2)-1 (b)= O
b= 4
Portanto.
B= {(l,-1),(2,4)}
é ortogonal.
Normalizando cada vetor de 8 segundo esse produto interno, vem:
(l, -1) = ( 1, -1) = (-1 __I_ )

J z o>2 + ( -1 )2 v'1 v'3 , .JJ .
(2,4) _ (2,4)_ 1 2.
v2(2)1 +42 -2..;l>-\!i>'y7;>
e:
l l l 2 ,
8'= { (../3, - v'3 ), ( y'6, y'6);
é uma base ortonormal do IR1 relativamente ao produto interno dado.
13) Em relação ao produto interno usual, determinar uma base ortonormal do seguinte
subespaço vetorial do R 3 :
S = { (x, y, z) E IR.3 ix + y - z} = O
Solução
Basta considerar uma base de S e, posteriormente, aplicar nela o processo de Gram-

Schmidt com a nonnalização de cada vetor.
/40 Álgebra linear
Observemos que dim S = 2 e, portanto, uma base de S tem dois vetores. Isolando x na
igualdade: x + y + z = O.
vem:
X ::: -y + l
Se fizermos :
(I) y=O e z= 1
(2) y =1 e z= O
obteremos os vetores v1 =(1, O, 1) e v2 =(-l, 1, O), sendo B = { vi, v2 } uma base de S, pois
v 1 e v2 são LI. Procuremos uma base B' = {ui, u2 } que seja ortonormal.
a) u 1 = ~ = (1,0, 1) = (-1 0 _l_

[vil -/2 ../2' '.J2J
l 1 l
b) w. = v2 -(v 2 . ui>u1 = (-1 1,0)-(- - - ) ( - O - )
• . v2 ../2' './2
1 l L l
w. = (-l l 0)(-- O--)= (-- l - )
• '' 2' ' 2 2' '2
logo:
8 , -- { ( ../2
1 , o, v2
l ), (- v6
l , v6
2 , v6
l )} é uma b ase ortonorma I d e s.
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 R 4 e o subespaço, de dimensão 2,
S= l(l, 1,0,-1),(1,-2. l,O)].
Determinar s~ e wna base ortonormal de S 1 .

Espaços vetorúzis euclidianos 141
Solução
Um vetor v = (x, y, z, t) E S 1 se :
(x,y, z,t).(l, 1, 0,-1) = O

e:
(x,y, z, t ) . (1 , -2, 1,0)= O
Daí vem o sistema :
.
!
x + y - t =O
x - 2y + z =O
cuja solução é:
t = X +y e Z= -X + 2y.
Logo:
Si = {(x,y, - x +2y, x+y)/x,y E IR}
Uma base de S 1 é :
B = { ( 1, O, - 1, l ). (O, 1, 2, 1) !
na qual v 1 = (1, O, - 1, 1) e v2 = (O, L, 2, 1). Apliquemos o processo de Gram•Sctunidt à base B

para encont rar a base ortonormal 8' = { u 1 , u 2 } :
a)u = ..!J._ = (l,O,-L , 1) = (- 1 __

1 _l
1 0
1 vil ,J3 .JS' ' ../3" ./3)
1 1 l 1
b) w 1 = v2 ~ (v2 . ui) u 1 = (O, l , 2. !)-(- - ) (- O -- -)
-/3 ..Jj' ' -/3'..Jj
1 3 5 4
=( v'5i ' .Js1 . .Js1 , v'Si l
142 Álgebra linear
Logo :
B' = { U1, u, }
é uma base ortonormal de S 1 .
1) Sejam u = (x 1 , yi) e v = '(x 2 , y 2 ) . Mostrar que cada operação a seguir define um produto
interno no R2 :
2) Cale uJar o produto interno dos vetores u = ( 1, 1) e v = (-3. 2) segundo cada produto
do exercício anterior.
3) Sejamos vetores v1 = (x 1 , y 1 ) e v2 = (x 2 , yz) de V= IR 2 .
Verificar quais das funções f : V x V -+ E , definidas abaixo, são produtos internos

em V·
lispaços vetori.aís euclidianos 143
4) Sejam V= R 3 e os vetores u= (x 1 ,y 1 ,z 1) e v= (x2,Y2,z2),
Verificar quais das seguintes funções são produtos internos sobre o R 3 . (Para aquelas
que não são produtos internos, citar os axiomas que n:ro se verificam.)
y 2 + 3x22
e) u • v = 2x 211
2 2
y + z2z
12
5) Consideremos o seguinte produto interno em P2 : p. q = a2 b 2 + a1 b1 + ao b 0 , sendo

2
p= a 2 x2 +a 1 x+a0 e q= b 2 x 2 +b 1 x+bo. Dados os vetores p 1 = x -2x+3,
p2 = 3x -4 e p3 = l - x 2 , calcular:
a) Pt · P:t
d) P2
P21
1
e) co-seno do ânKUlo entre P2 e p3
6) Se
u= e v=
são matrizes quaisquer de M (2, 2), a seguinte fórmula define um produto interno nesse
espaço:
144 Âlgelmz linear
Dados os vetores
1 2 o 2
u= e v=
-1 J l l
determinar:
a) 1U +Vj
b) o ângulo entre U e V.
7) Noespa90 V= P2 consideremos o produto interno f(t) .g(t)-= fo1

f(t)g(t)dt. CalcuJaJ
f(t). g(t) e I f(t)I para f(t) = t 2 - 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 lb.
2
b) u-= -x + x -3 e v = 3x2 - x + 1 e o produto interno do problema S.
9) Seja a função
((x1 ,yi),(x,,y,))-(x, y.J [: :] [::]
Mostrar que f é um produto interno em R 2 e calcular:
a) A norma do vetor (l. 3);
b) Um vetor unitário a partir de ( 1, 3);
e) Um vetor ortogonal a (1, 3).

10) Provar que se u e v são vetores de um espaço vetorial euclidiano, então:
2
a) u 1 v implica I u + v 12 = 1 u 1 + 1 v 12
(lntepretar geometricamente esse fato no IR. 2 e no IR.3 .)
b) ( u + v) 1 ( u - v) implica I u 1 = l v 1
11) Consideremos, no R 3 , o produto interno usual. Para que valores de m os vetores u e v

são ortogonais"
a) u = (3m. 2. -m) e v=(-4.l,5)
b) u = (0, m - 1, 4) e V:::: {5, m - ). - l)
12) Consideremos, no IR 3 • o seguinte produto interno:
Determinar, em relação a esse produto interno, um vetor unitário simultaneamente

ortogonal aos vetores u = ( 1, -1. 2) e v = (2, 1. O)
13) Seja V= IR.3 com o produto interno usual. Determinar um vetor u E R 3 ortogonal
aos vetores v 1 = (1. l. 2). v7 = (5, l. 3) e v 3 = {2. -2, -3).
14) Determinar os vetores (a, b, e) para que o conjunto 8 = {(1, -3, 2), (2, 2, 2), (a. b. e) j
seja uma base ortogonal do R 3 em relação ao produto interno usual. Construir a partir
de B uma base ortonormal.
15 i Seja V = M (2. 2) munido do produto interno definido no problema 6. Determinar x de

modo que
-2 3 2
e
s X -l
sejam ortogonais.
146 Álgebra linear
16) Seja P 1 o espaço vetorial dos polinômios de grau.,;,; l. Definimos o produto interno entre
dois vetores p e q de P 1 como segue:
p . q = 2ac + ad + bc + 2bd,
~ndo 1 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 - l.
17) Srjam V= R 3 munido do produto interno usual e A= {(1,-1,-2)} e V. Encontrar

uma base ortogonal B de V tal que A e B.
4
18) Sendo V= R mwtido do produto interno usual, detemúnar um vetor não-nulo v E R 4
que seja ortogonal a v1 = (l, 1, 1, -1), v2 = (1, 2, O, 1) e v3 = (-4, 1, 5, 2).
19) Consideremos o seguinte produto interno no .lR2 :
Mostrar que, relativamente a esse produto interno, o conjunto
2
A= { (1, O), (2, -1)} é base ortonormal do R .
20) O conjunto B = { (2, -1 ), (k, 1)} é uma base ortogonal do R 2 em relação ao produto
interno
Determinar o valor de k e obter, a partiI de B, uma base ortonormal.
2 l) Consideremos as seguintes bases do IR.2 e do IR 3 :
a) B= {(3,4),(1,2)}
Espaços vetoriais euclidianos 14 7
b) B= {(1,0,0),(0, l, 1),(0, 1,2)}
e) B= {(l,O, l),(1,0,-1),(0,3,4)}
Ortonormalizar essas bases pelo processo de Gram-Sctunidt, segundo o produto inte1no

usual de cada espaço.
- l l l l 2
22) O conjunto B = l ( =. "'), (- r,;, ,,, ) } é uma base ortonormal do R com o
v2v2 v2v2
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 R 3 :
a) S= {(x,y,z)E IR~iy- 2z= Oi
h) s = { (x, y, z) E IR.3 /X+ y + z = o}
24) Determinar, em relação ao produto interno usual. uma base ortonormal para o subespaço do
R4 gerado pelos vetores vi= (1. O. -1. 1). v1 = (O, l, 0.1) e v3 = (1, 1, -1, 2),
25) Seja S= {(x,y.z.-2x+4y+Sz)1x,y,zE R} subespaço de R4 com o produto

interno usual.
Seja A = {(l , 2, - l, l ), (2. - 1• 2, 2) } e S.
a) Ortonormalizar o conjunto A.
b) Completar o conjunto A de modo a transformá-lo nwr'.l base ortogonal de S.
26) Seja V= IR 3 munido do produto interno usual e B = {(L 2, -3), (2, -4, 2)}. Determinar:
a) O subespaço S gerado por B.
b) O subespaço S -
148 Âlgel>ra linear
27) Seja V= R 3 mWtido do produto interno usual. Dados os subespaços:
S1 = {(x, y, z) E lR 3 /x - 2y + 3z = O} e
S2 = {t(2, l, -1)/tE R}
determinar s11. e S/.
28) Consideremos o subespaço S = { (x, y, z)/ x - z = O } C R 3 com o produto interno:
(x, y, z) . ( x,1 y,1 z' ) = 2 xx I + 3yyI + 4zzI
Deternúnar S1 e uma base de S1
3. 1O. 1 Respostas de Problemas Propostos
2. a) -1 b) 4 e) O 3. a), f), g)
4. a) Não é produto interno. Falha o axioma P4 .
b) É produto interno.
e) 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) y'14 e vi'
e) .j3
3 4
d)-x--
5 5
e) cos 8 = - 2.,/2
5
6. a) ../2l
b) (J = are cos _ !,
v42
29
7. e
12
9 a) 5
e) t (-7, 4)
2
11. a) l7 b) 3 ou -1
2 8 1
12· (9,- 9,-6)
13. u = a(l, 7, -4), a E IR
14. t (-'S, l, 4), t *O

_) 3 2 11 l 5 l 4
l(v'f4 . - 04 ' v'I4 ), (v'3 ' v'3 ' v'3 ), ~v'42 'y42 , V42 ) }
15. X= 4
16. a) 9 = are cos 2l .

b) t + 1 (é uma das soluções).
17 { ( L - L -2 ), ( 1. 1, O), (- l. 1, - 1) } é uma de las.
18. Uma solução é (9. -8, 6. 7).
l
~o k= - -
3
l 50 Álgebra lint?llr
3 4 4 3
2 l. ª) { ( S' S), (-S' S) }
. 1 1 J 1
b) { ( 1, O, O}, (0, ~ , Pi ), (0, - """p, , . ,,,,. ) }
v2 v2 v2 v2
l l 1 1
e) {(v'2,o,. ),(v'2.0,- v'2),(0, 1,0)}
0
22. v8 = (3 y2, y'2)
, ) . 2 1 )'
23. a) 'l (1, O, D , (O, - v'5, ../5 J
l l l l 2
b) { ( y'2 , - y'2, D), (- .,/6, - v6, y6 ) :
24. Existem infinitas bases ortonormais.
Uma delas:
. 1 l l 1 3 1 2.
i. ( '7J ' D, - v'3' 0 ), (-v'TI' v'f5 . v'fs . v'f5 ) J
h) Uma delas:
{ ( L 2, - l, 1), (2. -1, 2, 2 ), l 44, 4, s. - 4 7 J :,

26. a) S= {(x,y.z)E R 3 /x+y+z= O}
b)S 1 = {(x,y,z)E .R 3 /x=y=zi
27. S~ = {(X, -2x, 3x)/x E IR}
S½ = ~ (x, y, z) E R 3 /2x -t y - z = O:-
28. S1 = {(-2z, O, z)/z E R}
Uma base: {(-2,0, I)}.

•
CAPÍTULO
TRANSFORMAÇÕES
LINEARES
4.1 TRANSFORMAÇÕES LINEARES
Neste capítul~ estudaremos um t ipo especial de função ( ou aplicação), onde o domínio e

o contradomínio sfo 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 v E V tem um s6 vetor imagem w E W.
que será indicado por w = T(v).
Vamos exemplificar, considerando V = R 2 e W = R 3 .
Uma tran,iormação T : R 2 - R 3 associa vetores v = {x, y) E R2 com vetores

3
w = (x, y, z) E R . Se a lei que define a transformaçlo T for
T(x, y) = (3x , - 2y, x - y)
o 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, 1)= (3 x 2, -2 x 1, 2- 1)= (6, -2, l)
151
152 Álgebra linear
IR'
T
(6, -2, 1)
(-1 , 3) (-3, ~. - 4)
(O, O) (O, O, O)
4. 1. 1 Definição
Sejam V e W espaços vetoriais. Uma aplicação T : v- W é chamada transformação

linear de V em W se :
I) T(u + v) =T(u) + T(v)
11) T(au) = aT(u)
para Vu, vE V e 'v'aE IR.
Observação
Uma transformação linear de V em V (é o caso de V = W) é chamada operador

linear sobre V.
Exemplos
1) T: JR2 - IR 3 , T(x, y) = (3x, - 2y, x - y) é linear.
De fato :
I) Sejam u=(x 1 ,y 1 ) e v=(x2 ,y2 ) vetoresgenéricosde R 2 .
Então :
•
Transformações lineares 153
T (u + v) = T(u) + T(v)
II) Para todo a E IR e para qualquer u=(x1 , y 1 )E R 2 , tem-se:
T(au) =aT{u)
2) T: JR-JR
x f----+ 3x ou T (x) = 3x é linear
De fato :
l) Sejam u = x 1 e v = x2 vetores quaisquer de R (os vetores, nesse caso, são

números reais). Então:
T(u + v) = T(u) + T(v)
II) Para Va E JR, Vu = x 1 E JR, tem-se:
T (au) = T (axi)
J54 Álgebra linear
T(au) =a(3xi)
T(au) = crT(u)
Observação
Essa transformação linear representa wna reta que passa pela origem (Figura 4.1 . la).
É fácil ver que, se uma transformação representar wna reta que não passa pela origem, ela
não é linear. Por exemplo :
T: IR--R, T(x) =3x+l
não é linear.
De fato :
Se u =x 1 e v =x 2 são vetores quaisquer de R , tem-se :
T(u+v)=3x 1 +3Xi + l =(3x 1 + 1)+ 3x2
T(u+v):,1:T(u)+T(v)=(3x 1 + 1)+(3x2 + 1) Fiíun 4.1.la
Seria bem mais fácil constatar neste exemplo que T não é linear, se conhecêssemos a propriedade :
"Em toda traneformaçiio linear T:V --+ W, a imagem do vetor O E V é o vetor O E W.

iJto é T(O)=O."
Este fato decorre da condição (Il) da definição , para a = O: 1:
T(O)= T(O . v) =O . T(v) =O
Nos exemplos 1) e 2), de transformações lineares, tivemos:
T (O, O) = (O, O, O) e T (O) = O

Tr11n1formaçõe1 lineares 155
Nesse último exemplo, de transformação não-linear, verifica-se que : T (O) #: O, pois

T(O) = 1.
Assi m. também não é linear a transformação
T: JR 3 - - - R 2 , T (x, y, z) = (3x + 2, 2y - z)
pois T (O, O, O) = (2, O) #: (O, O).
Insistindo : se T : v-- w é linear, entãoT(O) = O. No entanto, a recíproca dessa proprie-

dade não é verdadeira, pois existe transfo rmação com T (O) = O e T não é linear. É o caso da
transformação
T : R2 - --+ E 2 , T (x, y) = (x 2 , 3y)
De fato :
.
Se u = (x 1 , y 1 ) e v = (x2 , y2 ) são vetores quaisquer de E.2 , tem-se :
enquanto:
isto é:
T (u + v) #: T(u) + T (v)
3) A transformação identidade
1: V --v
V 1 - ---+ v ou 1(v) = v é linear
De fato :
I) l (u+v)=u-+v = l ( u)+ I(v)
II) l (au) =au = al (u)

156 Àlgebro liMllr
V w
4) A transformação nula (ou zero)
T:V --w
V 1-----. O ou T(v) = O é linear
De fato :
I) T(u + v) =O= O+ O= T(u) + T(v)
II) T (au) = O= a x O= aTu
5) A simetria em relação à origem O (Figura 4 .1.lb) no R 3
T:R3 --+R3
V t----+ - v é linear
De fato :
I) T{u+ v) =-(u+ v) =- u- v=T(u) + T (v)
II) T(au) =-au = a(-u) = aT (u)
Figura 4.1.lb
Transformações lineares 15 7
6) A projeção ortogonal do IR 3 sobre o plano xy (Figura 4.1.lc)
T: IR3 - - - + IR3
(x, y, z) i-----+ (x, y, O) ou T (x, y , z) = (x. y , O)
é linear (verificar!).
z
v= (x,y, z)
T(v) = (x, y, O)
Figura 4.1.lc
7) A projeç.ão no eixo dos x
T: R 3 - --. R 3 , T(:x, y, z) = (:x, O, O)
é linear ( verificat!).
8) Seja o espaço vetorial V = Pn dos polinômios de grau~ n. A aplicação derivada

D: Pn ---+ Pn, que leva f E 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 (at) = aD (f)
158 Ãlgebra linear
9) Sejam os espaços vetoriais V= Pn e W = R . A transformação T : Pn - R definida
por T (u) = t udt (a, b E R), que a cada polinômio u E V associa sua integraJ
definida T(u)E R , é linear.
De fato :
Por meio d.e teoremas do Cálculo, sabe-se que :
T(au) = t (a u) dt = a /.b udt = a T (u)
1O) Stja, mat,iz A = [-i ~ . Essa matriz detemrin,a 1'ansfo,maçío,
TA: JR2 _ _..,. R3
V Av ou TA(v) = Av
que é linear.
De fato :
TA(u + v) = A(u + v) = Au + Av = TA(u) + TA(v)
Tp (au) = A(au) = a(Au) = aTA(u)

Efetuando Av, onde v = (x . y)E R 2 é um vetor coluna de ordem 2 x l, resulta :
l 2 X+ 2y
-2 3 -2x + 3y
o 4 4y
e, portanto, TA é definida por :
TA(x, y) = (x + 2y, - 2x + 3y, 4y)
Observações
a) Uma matriz A (m x n) sempre determina uma transformação linear
onde a imagem TA(v) = Av é o produto da matriz A pelo vetor v E Rn considerado como

uma matriz de ordem n x l. Uma transformação linear desse tip<> éhama-se multiplicação
por A.
b) Em 4.4 veremos o inverso, isto é, que uma transformação linear T: R "--+ Rm sempre
pode ser representada por uma matriz m x n.
e) Para que possamos dar uma interpretação geométrica do significado de uma transformação
2 2
linear, consideremos uma transformação linear no plano. Seja o operador linear T : R -- R
definido por :
T (x., y) = (-3x + y, 2 x + 3y)
e consideremos os vetores u = (- 1, l) e v = (O, 1). Portanto, T(u) = (4, l) e T(v) = (1 , 3).
A Figura 4. 1. ld 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
3 - - - - -
----------------
1
I'1
T (u + v)
/ 1
I
I
Figura 4.1.ld
A Figura 4.1.le 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.
2u
T (2u)
1
1
1
1
1
-2 -1 O 4 8
Fi,ura4.1.le
4.1.2 Propriedade
Se T: V - - W for uma transformação linear, então

Tran1formações lineares J6 J
De forma análoga, tem-se :
(1)
para Yvi E V e Y3i E R, i = 1, 2, ... , n, isto é, a imagem de wna combinação linear de vetores
é uma combinação linear das imagens desses vetores, com os mesmos coeficientes.
Suponhamos agora que {v 1 , v2 , •. . , vn } seja uma base do domínio V e que se saiba quais são
as imagens T(v 1 ) , T(v 2 ) , •.. , T(vn) dos vetores desta base :
sempre é possível obter a imagem T(v) de qualquer v E V, pois sendo v uma combinação
linear dos vetores da base, isto é :
e, pela relação acima, vem :
Assim, uma transformação linear T: V - W fica completamente definida quando se

conhecem as imagens dos vetores de uma base de V.
O exemplo a seguir e os problemas resolvidos 8 e 9 são aplicações esclarecedoras desta

propriedade.
Exemplo
Seja T: R 3 - - JR2 uma transformação linear e B = { v 1 , v2 , v3 } uma base do

IR 3 , sendo v 1 =(O, 1, O), v2 =(1 , O, 1) e v3 = (1 , 1, O). Determinar T(S, 3, -2), sabendo
que T(vi)=(l , -2), T(v2 )=(3, 1) e T(v2 ) = (0, 2).
Soluçlo
Expressemos v = (5, 3, - 2) como combinação linear dos vetores da base:
(5, 3, -2) = a1 (0, 1, O)+ a2 (l, O, 1) + a3 (1 , l , O)

l 62 Álgebra linear
ou :
ª2 + a3 = 5
a 1 + a3 == 3
ª2 =-2
sistema cuja solução é :
Então :
(5, 3, -2) == -4v1 - 2v2 + 7v 3
logo:
T{S, 3, - 2) = -4T(vi)- 2T(v2 ) + 7T(v 3 )
T{S, 3, -2) = -4(1 , -2)- 2(3, 1) + 7(0, 2)
T (S, 3, -2) = (-10, 20)
4.1 .3 Problemas Resolvidos
Nos exercícios l a 4 sã'o dadas transformações. Verificar quais delas são lineares.
l) T : IR 2 _ ___. IR 3 , T(x, y) =(x- y, 2x + y, O)
Solução
() Paraquaisquervetores u=(x 1 , y.) e v=(x 2 , y2 ) de IR2, tem-se :

Transformações lineares J63
T (u + v) =(x1 - Ya, 2x1 + Ya, O) + (x2 -Y2 , 2xi + Y2, O)
T (u + v) = T (u) + T(v)
II) T (a u) = T (ax 1 • aya)
T (a u) = (o x 1 - o y 1, 2a x 1 + <YY1 , O)
T (o u) = o (x 1 - Y,1• 2x 1 + Ya , O)
T(ou) =aT(u)
Logo , T é linear.
2) T: R 2 - - R 2 • T(x,y)=tx+2, y+3)
So lução
Sabe-se que em toda tran sformação linear T : V- ___. W deve-se ter T (O) = O. Co mo
T (O, O) = (2, 3) :i: (O. O), T não é uma transformação linear.
Essa aplicação T é um exemplo de translação no plano.
2
3) T : IR. -- R , T (x, y)=ix -1
So lução
Sejam u =(x 1 , y 1 ) e v =(x2 , y2 ) vetores quaisquer de R 2
T(u+v)= T (x 1 +x1 .y 1 +y1 ) = l x 1 +x2 1 e
T(u) + T(v) = 1X11+1X21
Como. em geral . 1 x, + x 2 1 * 1x 1 1+ 1 x 2 1. conclui-se que T não é linear.

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

pelo escalar "A .
Os exemplos 2 , 3 e 5 do item 4 .1. 1 são casos particulares de homotetia em que "A = 3,

"A= 1 e "A = -1, 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 A 1 , A2 E V:
T(aAi) =a(A 1 B + BAi)
T (a Ai)= aT(Ai)
6) Seja T: V - - W linear. Mostrar que:
a) 'r(-v) =-T(v)
b) T (u-v)=T(u)-T(v)
Soluçio
a) T(-v)=T((- l) v)=- l T (v) =-T(v)
b) T ( u - v) = T ( u + (-1) v) = T ( u) + (-1) T (v) = T ( u) - T ( v)
7) Consideremos o operador linear T : R 3 - - - " .IR 3 definido por
T(x, y, z) = (x + 2y + 2z, x + 2y- z, -x + y + 4z).
a) Determinar o vetor u E 1R3 talque T (u) = (-1 , 8, -11).
b) Determinar o vetor vE IR.3 tal que T (v) = v.
Solução
a} Sendo T(u)= (-1 ,8, -11), ou seja:
(x + 2y + 2z, x+ 2y - z, -x+ y+ 4z) = (-1 , 8, -11 ),
vem:
X+ 2y + 2z = -
X+ 2y - Z= 8
-x + y + 4z = -11
sistema cuja solução é x = 1, y = 2 e z = - 3.
Logo : u = (1 , 2, - 3)
L66 Álgebra linear
b) Seja v =(x, y , z). Então, T(v) =v ou T(x, y , z) =(x, y, z) au, ainda :
(x + 2y + 22, x + 2y - z, -x + y + 42) = (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 E R 3 tais que
T (v) = v e todos da forma :
v = {2z, -z, z)
o u:
v=z(2, -l , 1), Yz E R
8) Sabendo que T: R 2 -- R 3 é uma transformação linear e que
T(l , -1) =(3, 2, -2) e T(-1 , 2) ={l , -1 , 3),
determinar T (x, y).
Solução
Observando, inicialmente, que { (1, -1),(-1, 2)} é uma base de R 2, apliquemos a

2
propriedade 4.1.2 expressando o vetor ( x , y) E IR como combinação linear dos vetores
dessa base :
(X, y) = a( 1. -]) + b(-1. 2)

ou :
a - b = X
-a + 2b = y
sistema do qual vem :
a = 2x + y e b = x + y
Portanto:
T (x, y) = aT (1 , -1) + bT {-1 , 2)
T(x, y) = (2x + y) (3, 2, -2) + (x + y) (1, -1, 3)
T(x, y) = (6x + 3y, 4x + 2y, -4x - 2y) + (x + y, -x - y, 3x + 3y)
T(x, y) = (7x + 4y, 3x + y , -x + y)
9) Um operador linear T : JR 2 ----+ IR.2 é tal que :
T {l , 0)=(3, -2) e T(O, 1)={1 , 4)
Determinar T ( x, y).
Solução
Observemos que {( 1, O), (O, 1) } é a base canônica de R 2 .
Um vetor (x, y) E IR 2 é tal que :
(x, y) = x{l , O)+ y(O. 1)
e, portanto :
T(x, y)=xT(l , O)+yT(O, 1)
T (x, y) = x(3, -2) + y(I , 4)
T(x, y) = (3x + y, - 2x + 4y)

168 Álgebra linear
4.2 NÜCLEO DE UMA TRANSFORMAÇÃO LI NEAR
Definição
Chama-se núcleo de 1Jma transformação linear T : V W ao conjunto de todos

os vetores v E V que são transformados em O E W. Indica-se esse conjunto por N (T) ou
ker (T):
V w
N (T) = { VE V/T (V) = o}
Observemos que N (T) e V e N (T) -:f:: '/J, pois O E N (T), tendo em vista que
T(O) = O.
Exemplos
1) O núcleo da transformação linear
T: JR 2 ---+ JR2 , T(x, y) =(x + y, 2x - y)
é o conjunto :
N"(T) = {(x, y) E R 2 /T(x, y) =(O, O) }
o que implica:
(x + Y, 2x - y) = (O, O)
ou:
x+y=O
2x - y = O
sistema cuja solu~o é:
x=O e y=O
logo :
N (T) = { (O, O) }
2) Seja T : IR 3 ---+ R 2 a transformação linear dada por :
T (x, y, z) = (x - y + 4z, 3x + y + 82)
Nesse caso, temos:
N(T) = { (x, y, z)E IR 3 /T(x, y , z) =(O, O) }
isto é, um vetor (x, y, z) E N (T) se, e somente se :
(x - y + 4z, 3x + y + 8z) = (O, O)
ou :
X - y + 4z = 0
1 3x + y + 8z = O
sistema ho mogêneo de solu~o x = -3z e y = z.
Logo:
N (T) = { (-3z, z., z)/ z E R }
ou :
N (T)= { z(-3, 1, 1)/ z E R }
ou, ainda :
N(T)= ((-3, 1, 1))

1 70 Álgebra linear
Observemos que esse conjunto representa uma reta no R3 que passa pela origem e tal
que todos os seus pontos têm por imagem a origem do R 2 (Fig,ura 4.2).
z
y
y o X
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 v I e v2 vetores pertencentes ao N (T) e a um número real qualquer. Então,

T (v 1 ) =0 e T(v 2 )= 0. Assim :
isto é:
isto é :
av 1 E N(T)
Tran1form4Çõe1 lineares 171
2) Umà transformação linear T: V --+ W é injetora se, e somente se, N(T) = {O}.
Lembremos que uma aplicação T : V - w é injetora se Vv1 , v2 E V, T(vi)=T(v2 )

implica v 1 = v2 ou, de modo equivalente, se Vv 1 , v2 E V, v1 =í= v2 implica T(vi) =í= T(v2 ).
A demonstração dessa propriedade tem duas partes:
a) Vamos mostrar que se T é injetora, então N {T) = { O} .
De fato :
Seja v E N (T), isto é, 'F (v)=O. Por outro lado, sabe-se que T(O)=O. Logo,
T (v) = T (O). Como T é injetora por hipótese, v = O. Portanto, o vetor zero é o único elemento
do núcleo, isto é, N (T) = { O} .
b) Vamos mostrar que se N (T) = { O} , então T é injetora.
De fato :
Sejam v 1 , v2 E V taisque T(vi)= T {v2 ). Então, T(vi) -T(v2)=0 ou T(v 1 -v2)=0

e, portanto, v1 - v2 E N (T). Mas, por hipótese, o único elemento do núcleo é o vetor O, e,
portanto, v1 - v 2 = O, ist o é, v 1 = vl . Como T (v1 ) = T(v 2 ) implica v 1 =v2 , T é injetora.
4.3 IMAGEM
Definição
Chama-se imagem de uma transformação linear T : V - --+ W ao conjWlto dos vetores

w E W que são imagens de pelo menos um vetor v E V. Indica-se esse conjunto por Im(T)
ou T(V):
Im(T) = { w E W/T(v) = w para algum v E V }
A Figura 4 .3 esclarece a definição.
*
Observemos que Im(T) e W e lm(T) 1/>, pois O = T (O) E Jm(T). Se lm('D = W,
T diz-se sobrejetora, isto é, para todo w E W existe pelo menos wn v E V tal que T(v) = w.
172 Âlgebra línear
T
V w
Figura 4.3
Exemplos
3
1) Seja T : IR - - + R 3 , T (x, y, z) = (x, y, O) a projeção ortogonal do R 3 sobre o plano
xy. A imagem de T é o próprio plano xy :
Jm(T) = { (x, y, O)E R 3 / x,yE R }
Tv - (x,y , z)
1
1
1
>----------~
1 ,,
y
----------.t. ,,= T (v) (X, Y, 0)
Observemos que o núcleo de T é o eixo dos z:
N(T) = { (O, O, z)/z E IR }
pois T(O, O, z) = (O, O, O) para todo z E IR.

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

Vv E V, é todo espaço V. O núcleo, neste caso, é N (I) = { O} .
3) A imagem da transform ação nula T: V - W definida por T(v) = O, Vv E V, é o

conjunto lm{T) = { O} . O núcleo, nesse caso, é todo o espaço V .
4.3.1 Propriedade da Imagem
" A imagem de uma transformação T : V - W é um subespaço de W."
De fato :
Sejam w 1 e w2 vetores pertencentes a lm{T) e a um número real qualquer. Devemos

mostrar q ue w 1 + w 2 E Im{T) e a w I E lm(T), isto é, devemos mostrar que existem vetores
v e u pertencentes a V tais que T(v) = w 1 + w 2 e T{u) = a w 1 •
Como w 1 , w 2 E lm(T), existem vetores v1 , v2 E V tais que T(vi) = w 1 e T(v2 ) = W2 .
Fazendo v =v1 + v2 e u =av 1 , tem-se:
e:
T( u) = T(av 1 ) = aT(v1 ) = aw 1
e, portanto, lm(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,

tlim 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 l 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 R 3 tem dimensão 3.
174 Á lgebra linear
No exemplo 2 da tran sformação identidade, temos dim N(T) = O. Conseqüentemente,

dim lm(T) = dim V pois lm(T) = V.
No exemplo 3 da transformação nula, temos <tim Im(T) = O. Portanto, dim N(T) = dim V,
pois N(T) = V.
1O) Determinar o núcleo e a imagem do operador linear
T: R 3 _ ___., IR 3 , T (x, y, z) = (x + 2y - z, y + 2z, x + 3y + z)
Solução
a) N(T)= {(x,y, z)E IR. 3 / T (x,y , z)=(O, O, O) }
De:
(x + 2y - z, y + 2z, x + 3y + z) = (O, O, O)
vem o sistema:
X+ 2y - Z =Ü
y + 2z = O
X + 3y + Z = Ü
cuja solução geral é (Sz, -2z, z), z E IR..
Logo:
N(T)= { (Sz, -2z, z)/zE IR. } = {z(S,-2, l)/zE IR. } = [(5,-2, l)]
b) Im(T) = { (a, b, e) E IR 3 /T(x, y, z) = (a, b , e)}, isto é, (a. b, e) E Lm(T) se existe

3
{x, y, z)E IR tal que:
(x + 2y - z, y + 2z, x + 3y + z) = (a, b, e)
Transformações lineares J 75
e o sistema:
X+ 2y - Z= a
y + 2z = b
X+ 3y + Z = C
somente terá solução se a + b - e = O.
Logo:
Im(T) = { (a, b, e) E IR 3 /a+ b - e= O}
Notemos que :
dim N (T) + dim lm(T) = 1 + 2 = 3, que é a dimensão do domínio R 3 .
Observação
O vetor imagem T (x. y, z) pode ser expresso da seguinte forma :
(x + 2y - z. y + 2z, x + 3y + z) = (x, O. x) + (2y, y , 3y) + (-z, 2z, z)
ou:
(x + 2y - z. y + 2z, x + 3y + z) = x (l , O, I) + y{2, l, 3) + z(-1, 2, 1)
Logo, qualquer vetor do conjunto imagem é combinação linear dos vetores (1, O, 1), (2, l , 3)
e (-1. 2, 1) e. portanto :
lm(T) = [(1, O, 1), (2, 1, 3), (-1 , 2, 1)1
Observando que :
T(l , O, O) = ( 1, O, l ), T(O, 1, O) = (2, 1, 3) e T(O, O, 1) = (- 1, 2, 1)

176 Álgebra linear
conclui-se que:
Im(T) = (T(l , O, O), T(O, 1, O), T(O, O, 1))
isto é, a imagem dessa transformação é o subespaço gerado pelas imagens dos vetores da base
canônica do domínio IR 3 •
Este fato vale de modo geral: "Se T : V - W t linear e { v1 , . .. , v0 } gera V, então

{ T(v 1 ), •.. , T(v 0 )} gera a Im(T)".
De fato:
Seja w E lm(T). Então, T(v) = w para algum v E V. Como { v1 , . .. , v0 } gera V,

existem escalares a 1 , . .. , a 0 tais que:
e:
Portanto:
(4.3.3)
l 1) Seja T: JR 3 - - R 2 a transformação linear tal que T(ei) = (1, 2), T(e 2 ) = (O, I) e
T(e 3 )=(-1 , 3), sendo { e 1 , e2 , e 3 } abasecanônicade 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
Transformações lineares I 77
implíca:
e:
T(x, y, z) = x(l , 2) + y(O, 1) + z(- 1, 3)
ou:
T(x, y, z) = (x - z, 2 x + y + 3z)
fórmula que define T .
a) N(T) = { (x. y, z) E IR3 /(x - z, 2x + y + 3z) = (O, O) }
O sistema:
X - Z =Ü
2x + y + 3z = O
admite a solução geral (z, -5z, z), z E R.
Logo:
N(T) = { {z, -5z, z)/z E IR }
A única variável livre é z. Portanto , dim N (T) = 1.
Fazendo z = l, obtém-se (1, -5, 1) e { {l , -5, 1) } é wna base do N(T). Ainda: T não
é injetora, pois N{T) * {{O, O, O) }.
b) Pela igualdade ( 4 .3.3) vem:
Im(T) = [T(l , O, O), T(O, 1, O), T(O, O, l)]
ou :
Im(T) = f(l , 2), (O, 1), (-1 , 3)}

J 78 Álg_ebra linear
Considerando o Teorema da Dimensão, vem :
dim Irn(T) =dim R 3 - dirn N(T) = 3 - 1 =2.
Logo, Im(T) = .R2 e qualquer base de IR.2 é base de lm(T). Uma delas é {(l , 2), (O, 1)}.
Ainda: T é sobrejetora, pois lrn(T) = R 2 que é o contradomí nio.
12) Verificar se o vetor (5, 3) pertence ao conjunto lm(T), sendo
2
T: R -- R2, T(x, y) :: (x- 2 y,2x+ 3y)
Solução
Devemos verificar se existe (x, y) E R 2 tal que :
T(x, y) =(x-2y, 2x + 3y) =(5, 3)
isto é, precisamos verificar se o s~tema:
X - 2y = 5
2x + 3y = 3
tem solução. Como a solução do sistema é x = 3 e y = 1, conclu i-se que (5, 3) E lm (T).
13) Determinar uma transformação .linear T : IR 3 - R4
tal que N(T) = { (x, y , z) E R 3 / z = x - y }
Solução
O problema será resolvido com a utilização da propriedade 4 .1. 2 . Fazendo, por exemplo,
x = 1, y =O e x = O, y = 1, o conjunto {(l , O, 1), (O, 1, -1)} é uma base do núcleo e, com o acrés-
cimo do vetor (O, O, 1), o conjunto { (1 , O, 1), (O, 1, -1), (O, O, 1)} forma uma base do R 3 (verificar!).
Como (1 , O, l) e (O, 1, -1) são vet0res do núcleo, T(l , O, 1) = (O, O, O, O) e T(O, 1, -1) =(O, O, O, O).
Tra111/0~1 /lneve, J 79
Façamos arbitrariamente, T(O, O, 1) = {l, O, - 1, O). Pela propriedade 4.1.2, a transformação está
defutida, ou seja, T tem a condição requerida. Pretendemos calcular T{x, y, z). Comecemos
escrevendo (x, y, z) na base considerada de R 3 • Tendo em vista que
(x,y,z)=x(l , O, l)+y(O, 1,- 1)+(-x+y+z)(O, O, 1)
vem :
T(x, y,z)=xT{l , O, l)+y(O, 1, -1)+(-x+y+z)T(O, O, 1)
T(x, y, z) = x(O, O, O, O)+ y(O; O, O, O)+ (-x + y + z)(l , O, -1, O)
T (x, y, z) = (-x + y + z, O, x - y - z, O)
Esse problema adnúte infinitas soluções.
Do Teorema da Dimensão (4.3.2):
dim N (T) + diJn lm(T) = dim V
seguem algumas conclusões importantes.
4.3.4. Corolários
Seja T: V -w uma transformação linear.
1) Se dim V= dim W, então T é injetora se, e somente se, é sobrejetora.
De fato :
T é injetora • N(T) = { O} (propriedade 2 de 4.2. 1)
• O+ dim lm{T) = dim V (Teorema da Dimeoslo)
• dim lm(T) = dim W (hipótese)
• lm(T)= W
• T é sobrejetora
180 Álgebra linear
Reciprocamente :
T é sobrejetora ~ lm(T)=W
~ dim lm(T) = dim W
~ dim lm(T) = dim V (hipótese)
=> dim N(T) = O (Teorema da Dimensão)

~ N (T) ={O}
~ 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 = dim W e T é injetora, então T transforma base em base, isto é, se

B = { v 1 , .•• , vn } é base de V, então T (B) = { T (v 1 ), ... , T (v 0 ) } é base de W.
De fato:
Como dim V = dim W = n, basta mostrar que T(B) é Ll. Para tanto, consideremos a
igualdade :
ou, pela linearidade de T:
Como T é injet ora, vem :
Sendo B uma base, B é U e, portanto:
ª1 = ... = 3tJ = Ü
Logo, T(B) é uma base de W.

4.3.5 lsomorf ismo
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 Rn . 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 urp isomorfismo
inverso r -1 : W--+ V, que também é linear.
Exemplos
1) O operador linear
T :R 2 ----+ IR.2 , T (x, y) = (2x + y , 3x + 2y)
é um isomorfismo no R 2 • Como dim V = dim W= 2, basta mostrar que T é injetora

(Corolário 1 de 4.3.4). De fato: N (T) = { (O, O) } , o que implica T ser injetora.
2) A transformação Linear
T : P2 - R 3 , T (at 2 + bt + c) = (a, a+ b, b - c)
é também um isomorfismo (verificar!).
3) O espaço vetorial R 2 é isomorfo ao subespaço W= { (x, y, z) E IR.3 /z =O } do R 3 (W

representa o plano xy de JR.3 ).
De fato , a aplicação linear T : IR.2 - + W, tal que T (x, y) = (x , y, O), é bijetora: a

cada vetor (x, y) de IR.2 corresponde um só vetor (x, y, O) de W e, reciprocamente.
Logo, IR.2 e W são isomorfos.
4.4 MATRIZ DE UMA TRANSFORMAÇÃO 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 dim W = 3.

J82 Álgebra tinem
Sejam A= { v 1 , v2 } e B = { w 1 , w2 , w3 } bases de V e W, respectivamente.
Um vetor v E V pode ser expresso por:
e a imagem T(v) por :
T(v)=y 1 w 1 +y 2 w 2 +y3w3 (J)
ou :
Por outro lado :
(2)
Sendo T (v 1 ) e T (v2 ) vetores de W. eles são combinações Lineares dos vetores de B:
(3)
(4)
Substituindo esses vetores em (2), vem :
ou :
Comparando essa igualdade com (1) , conclui-se :

Transformações lineare,s 183
ou , na forma matricial:
Y2 =
[: l
ou, simbolicamente:
[T (v)] B = [T] ~ [v] A
sendo a matriz [T] ~ denominada . matriz de T em relação às bases A e B.
Observações
1) A matriz [T] ~ é de ordem 3 >< 2 quando dim V= 2 e dím W = 3.
2) As colunas da matriz [T]~ são as componentes das imagens dos vetores da base A em
relação à base B, conforme se pode ver em (3) e ( 4):
De um modo geral, para T: V - - W linear, se dim V= n e dim W = m, A= { v1 , v2 , •.• , v0 }

e B = { w 1 , w 2 , .... wm } 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 imag,ens dos vetores d.e
A em relação à base 8 :
ª11 ª12 a1n
ª21 ª 22 ª2n
[T] A =
B
am1 ªm 2 . .. ªmn
t t t
T(v1)B T (v2)B T {vn)B
3) Como se vê, a matriz (TJ ~ depende das bases A e B consideradas, isto é , a cada dupla
de bases corresponde uma particular matriz. Assim, uma transfonnação linear poderá ter uma
infinidade de matrizes para representá-la. No entanto , fixadas as bases, a matriz é única.
14) Seja T: R 3 - R 2 , T(x, y , z) = (2x -y + z, 3x + y - 2z), linear.
Consideremos as bases A ={v 1 ,v2 ,v3 }, com v1 =(1 , l , E), v2 =(0,1 , 1),
v3 =(O, O, 1) e B = {w 1 , w 2 }, sendo w1 =(2, 1) e w2 =(5 , 3) .
a) Determinar [T]: .
b) Se v= (3,-4 , 2) (coordenadas em relação à base canônica do IR 3 ) , calcular T(v)

8
utilizando a matriz encontrada.
So lução
a) A matriz é de ordem 2 x 3:
[T] A =
B ['" '"]
821
t
ª12
ª22
t
ª23
t
T (v1 ) 8 T(v2 )B T(v 3 ) 8
T(vi)= T(I, 1, 1) = (2, 2)= a 11 (2, 1) + a21 (5, 3)
2a 11 + 5a21 = 2 ª11
l
= -4
ª21 =2
T(v 2 ) = T(O, 1, 1) = (O, -1) = a 12 (2, 1) + a 22 (5 , J)
2a12 + 5a 22 =O
1 a12 + 3a 22 = -1
T (v 3 ) = T (O, O, 1) = (I , -2) = a 13 (2, 1) + a 2 3(5, 3)
2a 13 + 5a23 = 1 313=]3
1 313 + 3323 = -2 1 323 = -5
Logo:
[TJ~= í-4 5 13]

l 2 -2 -5
b) Sabe-se que:
A
[T (V)] B = [T] B [ Vl A
Corno v está expresso com componentes na base canônica, isto é,
v = (3 , -4, 2) = 3(1 , O, O) -4(0, 1, O)+ 2 (0, O, !).
teremos q ue, primeiramente, expressá-lo na base A. Seja ; A= (a , b , e), isto é:
(3 , -4, 2) = a(I , 1, 1) + b(O, I, 1) + c(O, O, 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, vA =(3, -7 , 6).
Portanto:
-4 5 13 3
[T(v) ] 8 = -7
2 -2 -5 6
(T(v)]B= 31]
-10
O vetor coordenada de T (v) na base canônica é:
T(v) = 31 (2, 1)- 10(5, 3)
T(v) = (12 , 1)
Naturalmente T(v) = (12, 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.
J 5) Consideremos a mesma transformação linear do exercício anterior. Sejam as bases

(' A= {(1, l , 1), (O, 1, 1), (0, O, 1)} (a mesma) e B = { (1, O), (0, 1)} canônica.
a) Determinar [T] ; .
b) Se v = (3, -4, 2), calcular T (v) 8 utilizando a matriz encontrada.

Solução
a)T(l,l , 1)=(2,2) =2(1 , 0)+2(0,1)
T(O, 1, 1) =(0,-1) = 0(1 , 0)- 1 (O, 1)
T (O, O, 1) = (1 , -2),= l (I , O) - 2 (O, l)
Então:
[T] A = [
B
2
2
O
-1
l]
-2
b) Como vA = (3, -7, 6), temos:
[T (v)J B = [2 O l] -7
2 -1 -2
6
e:
16) Seja ainda a mesma transformação linear do exercício anterior. Sejam as bases canônicas
do .R3 e R 2 :
A = {(1 , 0,0),(0, J , 0), (0,0, 1) } e B= {(I,0),(0, l) }
a) Determinar [T] A .
B
b)Se v=(3,-4, 2), calcular T(v) 8 utilizandoamatrizencontrada.

188 Álgebra linear
Soluç§o
a) T(l ,0, 0)=(2 , 3) = 2(1 , 0)+3(0, J)
T (O, J , O) =(-J , l ) = - 1 (J , O) + 1 (O, 1)
T(0, 0, 1)=(1 , - 2)= 1(1 , 0)-2(0, 1)
Então :
-1
[T] A
B
=
[
23
_:]
b) Como vA = (3 , -4, 2), pois A é base canónica, temos:
3
-1
[T(,)la ª [:
_:] -4
e:
~Mia=[''.]
Observações
l) 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] lv]
A matriz. do problema 16 é a matriz canônica de T.

Transformações lineares J89
2) Observemos, pelo problema 16, que calcular T (v) pela matriz íTJ é o mesmo que
fazê-lo pela fórm ula 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] A . 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 :R 2 - R 3 , T(x , y)=(3x -2y , 4x+y.x)
3 -2
[T] = 4
l o
t t
T(l , O) T(O, l)
2) T : IR2 --+ R 1, T (x, y) = (x , -y)
[T] = [lO -IJºl

3) T:R 3 --+ IR, T (x, y , z) = 4x -y
[TJ =[4 -1 O]
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 canónica da T. Por exemplo , a
matriz:
190 Álgebra lint!III'
define a transformação linear
T:R 3 ---+ R 2 , T(x, y, z) = (2x + 3y + 4z , x - 2y) .
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 T em relação à base A e
indicada por [TJ 1
o u [TJ A.
Por exemplo, seja T : R 2 -----+ R 2 o operador linear definido por T(x, y) = (2x -y, x + y).
Determinemos a matriz de Tem 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, -1)= 11(1 , -2) + 7 (- l , 3)
T (-1 , 3) = (-5 , 2) = -13 (1 , -2) - 8 (-1 , 3)
(Exercício a cargo do leitor.)
Logo, a matriz de T relativa à base A é:
1 -1 3J
[TJ A=
[ 7 -8
Pelo significado da matriz, podemos escrever:
Observemos que a matriz canônica desse operador linear é :
No Capítulo 5 veremos .que essas matrizes que representam o mesmo operador linear, porém
em bases distintas, são chamadas matrizes semelhantes e terão especial importânc.ia.
17) Dadasas bases A= {(J, 1),{1 , 0) } do R 2 e B= {(1, 2, 0), (l , 0,-1),(1, -1,3) } do R 3 ,

determinar a transformação linear T: R 2- + R 3 cuja matriz é:
2 O
[T] A = ] -2
B
-1 3
Solução
Sabe-se que o significado de cada coluna dessa matriz é:
2 o
[T ( l , 1) ] 8 = 1 e [T (l, O)) = -2
8
-1 3
Jogo:
T (1 , 1) = 2 ( l , 2, O) + 1 ( 1, O, -1) - l (1 , -1 , 3) = (2, 5, - 4)
T ( 1, O) = O( 1, 2, O) - 2 ( 1, O, -1) + 3 ( 1, - l , 3) = ( 1, - 3, 11)
Assim , obtivemos as imagens dos vetores da base A do R 2 •
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 , l)+ (x -y) (1, O)
e, pela propriedade acima referida, segue:
T(x ,y)= yT(l , l)+(x-y)T ( l , O)
T (x , y) = y(2 , 5, -4) + (x - y) (1 , -3, 11)
T(x , y) = (x + y, -3x + 8y, llx - 15y)

192 Âltebra linear
Observação
A matriz canônica T é:
1 1
(T] = -3 8
11 -1 5
4.5 OPERAÇÕES COM TRANSFORMAÇÕES LINEARES
4.5.1 Adição
Sejam T 1 : V --+ W e T 2 : V --+ W transformações lineares. Chama-se soma das trans-

formações lineares T 1 e T 2 à transformação linear
Se A e B são bases de V e W, respectivamente, demonstra-se que:
4.5.2 '
Multiplicação por Escalar
Sejam T: V --+ W uma transformação linear e a E IR. Chama-se produto de T pelo

escalar a à transformação linear
aT: V - - W
(aT) (v) = aT (v), Vv E V
Se A e B são bases de V e W, respectivamente, demonstra-se que:
A . A
[aT] B = a [T] B
Transformações lineares J 93
4.5.3 Composição
Sejam T 1 : V ---+ W e T 2 : W - U transformações lineares. Chama-se aplicação

composta de T I com T2 , e se representa por T 2 o T 1 , à transformação linear :
T,
.
.
-------11------
T,oT,
Se A, B e C são bases de V, W e U, respectiva.mente , demonstra-se que:
A B A
[T 2 O T 1 ] C = [T1] C X [T 1 ] B
18) Sejam T 1 : IR 2 ---+ R 3 e T 2 : IR 2 ---+ R 3 transformações lineares definidas por
T 1 (x,y)=(x+ 2y,2x-y.x) e T 2 (x.y)= (-x,y,x+y). Determinar:
e) a matriz canônica de 3T 1 - 2T 2 e mostrar que:

194 Álgebra linear
Solução
a) (T 1 +T2 )(x,y) = T1(x , y)+T2(x, y)
(T1 +T 2)(x, y) = (x+ 2y , 2x-y, x) + (-x, y, x+y)
(T 1 + T 2)(x, y) = (2y, 2x , 2x + y)
b) (3T 1 - 2T 2 )(x , y) = (3T 1 )(x, y)-(2T2) (x , y)
(3T 1 -2T2 )(x , y)= 3T 1 (x, y) -2T2(x, y)
(3T 1 - 2T2)(x, y) = 3 (x + 2y, 2x -y, x)- 2 (-x, Y, x + y)
(3T 1 - 2T2 )(x, y) = (Sx + 6y , 6x - Sy, x - 2y)
e) s 6 1 2 -1
(3T ,-2T2 ] = 6 -5 =3 2 -1 -2 o
-2 l o 1
19) Sejam s ·e T operadoreslinearesno R 2 definidos por S(x, y)=(2x, y) e T(x, y)=(x, x-y).
Determinar:
a) S o T
b) To S
e) S o S
d) ToT
Solução
a) (S o T)(x, y)= S(T(x, y)) = S(x, x -y) = (2x, x -y)

Observemos que:
2 o 2 o l o
[S o T] = = = [S] (T]
1 -1 o 1 l -1
b) (To S) (x, y) = T (S (x, y)) = T (2x, y) = (2x, 2x - y)
Observemos que :
S o T:i=T o S
e esse fato geralmente ocorre .
c) (S o S)(x, y) = S (S (x, y)) = S (2x , y) = (4x, y)
d) (To T)(x, y) = T(T(x, y)) = T(x, x-y) = (x, y)
As transformaçães S o S e T o T são também representadas por S2 e T 2 .
4.6 TRANSFORMAÇÕES LINEARES PLANAS
2
Entende-se po r transforrnaçães lineares planas as transformações de lR2 em lR . Veremos
algumas de especial importância e suas correspondentes interpretações geométricas.
4.6 .1 Reflexões
a) Refiextlo 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 finea_r
Esta particular transformação é

y
T: R 2 --+ R2
• (x, y)
(x , y) 1-----+ (x , -y) ou 1
1T
1
1
T(x, y) = (x, -y)
o X
1
sendo [
1 0
1 sua matriz canônica, isto é:
t (x,-y)
O -1J
(-x , y) T (x,y)
b) R eflexão em rorno do eixo dos y ~ - - - - - - - - -•
T : IR 2 --+ R2
o X
(x,y) i-------+ (-x,y)
ou:
[:] -: ] =
l: ~l [:]
y
e) Reflexão na origem
T: R 2 -- R2 . <x.y)
/
T /
., /
,;
/
(x,y) .....,_.. (-x, -y)
., .,o X
., .,
~ .,
(-x,-y)
ou:
y - -X
-y
=
-1
o -1
o
:]
d) Reflexão em torno da reta y = x
y
y= x
T: IR2 --+ IR2 . . ;, x)
(x, y) 1-----+ (y, x)

' T
' ' '9 (x, y)
ou :
X
X y o 1 X
1--+ =
y X 1 o y
e) Rej1eXl10 em tomo da reta y = -x
y
y=-X
(x, y) t---+ (-y,-x)
ou:
/
/
~ -y ,-x)
J 98 Âlgebra linear
4 .62 0iiata9Õ91 e Contra96es
a) Dilatilçáo ou contração na direção do vetor
T :R 2 --+ R2
y
(x , y) - o(x, y), o E R
ou: T(v)
[:J-· [:] [::J- [: = :J [:] o X
Observemos que :
se 10t 1 > 1, T dilata o vetor;

se I ar 1 < 1, T contrai o vetor;
se o= 1, T 6 a identidade I;
se o < O, T troca o sentido do vetor.
A transformação T: R 2 --+ R 2, T{x, y)=+ (x,y) 6 um exemplo de contração.
b) Dilatação ou contraçd'o na direção do eixo dos x
T:R 2 --+ R2
{x ,y) 1--+ {ox, y), o > O

y
o u: ( 1 X, y) (JC , y) (2x, y)
2
[:] o 1.x
2
X 2x
l(
Observemos que:
se a > l , T dilata o vetor ;

se O < et < 1, T contrai o vetor.
Transformações lineares /99
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
2y (X, 2y)
y (X, y)
1
(x,2 y)
T: IR.2 --+ IR.2
(x, y) 1----,> (x, ay), a > O (Ver figura acima.)
Observação
Se, nesse caso , fizéssemos a= O, teríamos:
(x, y) 1----+ (x, O)
e T seria a projeção ortogonal do plano sobre o eixo dos x , conforme a figura.
V= (X. y)
T(v) = (x, O)
Para a = O, no caso b ), T seria a projeção ortogonal do piano sobre o eixo dos y.

200 Álgebra linear
4.6.3 Císalhamentos
a) CisaJhamento na dúeção do eixo dos x
T: R2 - IR.2
(x, y) >---+ (x + o:y , y)
ou:
X X +ay X
=
y y o y
y y
p B' p•
Bt--------,a ----- -------
T
..
O efei!to do cisaJhamento é transformar o · retângulo OAPB no paralelogramo OAP'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 + ay, y), com exceção dos pontos do próprio eixo
dos x, que permanecem em sua posição , pois para eles y = O. Com isso está explicado por que
o retângulo e o paralelogramo da figura têm a mesma base OA.
Esse cisalhamento é também chamado cisalhamento horizontal de fator a.
b) Cisalhamento na direção do eixo dos y
2 2
T:R - R
(x,y) i---+ (x,y +ax)

l o
A matriz canônica desse cisalhamento é:
a l
Por exemplo, a matriz
1 O
2 1
representa um cisalhamento vertical de fator 2.
4.6.4 Rotação
A rotação do plano em tomo da origem (Figura 4.6.4a), que faz cada ponto descrever um
ângulo 8, determina uma transformação Linear T8 :R 2 --+ R2 cuja matriz canônica é :
cos 8 -sen 8
[T9] =
sen 8 cos 8
y y
T IJ (v)
JZ 2 = (O, 1)
V
o o l1 1
Figura 4 .6.4a Figura 4 .6.4 b
As imagens dos vetores e 1 = ( 1, O) e e 2 = (O, 1) (Figura 4.6.4b) são :
T{e 1 ) = (cos 8 , sen 8 )
T{e1 )= (-sen8 , cos8)

202 Álgebra linear
isto é :
T(ei) = (cos 8) e1 + (sen 8) e2
T(e 2 )= (-sen8)e 1 + {cos8) e 2
Por conseguinte, a matriz da transformação T é:

8
cos O -sen 8
sen 8 cos 8
Essa matriz chama-se matriz de rotação de um ângulo 8 , O~ 8 ~ 21T. e é a matriz

canônica da transformação linear T :R 2 --+ IR.2 , T (x, y) = (xcos 8 -ysen O, xsen 8 + ycos8).
8 8
Se, por exemplo, desejarmos a imagem do vetor v =(4 , 2) pela rotação de 8 =rr /2, basta
fazer :
cos 1T /2 -sen 1T /2 4
[T{4, 2)) =
sen 1T /2 cos 1T /2 2
o -1 4 -2
[T(4, 2)) = ou [T{4, 2)] =
1 o 2 4
(-2,4)
(4, 2)
-2 o 4 X
20) Os pontos A (2, -1), 8 (6, 1) e C (x,y) são \Cértices de um triângulo eqüilátero. Determinar
o vértice C, utilizando a matriz de rotação.
l ----- B
-+--+----t._-+~~:::__--+--+----1~ x
o
-1
- - - -Ã ' ,
C'
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] = [T600 ] [AB]
Mas:
-
A C= C -A = (x - 2, y + l)
--+
AB= 8-A= (4,2)
cos 600 -sen 60°
sen 600 cos 600

204 Álgebra lintar
logo:
x - 2 1/2 -Y2. ou --/3/i 4

2
= ...fj ou ./3!i.
y +l 2 1/2 2
OU':
X - 2 2-../3
=
y + l 2v'J + I
Pela condição de igualdade de matrizes, resulta:
x- 2 = 2 - .JJ x= 4 -v'3
j y + l = 2y'3+1 ou
y = 2 v'3
logo :
C(4- v'3, 2v'3)
O problema tem outra solução q ue seria obtida fazendo 8 = -60" '(a c.argo do leitor).
21) Determinar a matriz da transformação linear de R 2 em R 2 que representa um cisalha-

mento po r um fator 2 na direção horizontal seguida de uma reflex.ão em torno do eixo
dos y.
Solução
O cisalhamento transforma o vetor (x, y) no vetor (x', y' ) dado por
,
X 2 X
= (1)
,
y o 1 y
A reflexão transforma o vetor (x', y') no vetor (x" , y") dado por
(2)
Substituindo (I ) em (2), temos:
,,
X -l o 1 2 X
=
y" o 1 o .y
ou:
X" -1 -2 X
=
y" o 1 y
Portanto, a matriz
-2
representa a transfonnação 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 8 . 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 três
transformações citadas?
206 Álgebra linear
Solução
Sabe-se que a matriz da rotação é:
cos 8 -sen 8
A1=
iefl 8 cos 8
a da dilatação é:
4 O
O 1
e a dél reflexão é:
O 1
1 O
Portanto, a matriz que representa a composta das transformações dadas é :
o 1 4 o cos 8 -sen 8 sen 8 cos8

=
1 o o 1 sen 8 cos 8 4cos 8 -4sen 8
4.7 TRANSFORMAÇÕES LINEARES NO ESPAÇO
Entende-se por transformações lineares no espaço as transformações de R 3 em R 3 . Dentre

as diversas transformações lineares em R 3 , examinaremos as reflexões e as rotações.
4.7 .1 Reflexões
a) Reflexões em relação aos planos coordenados
A reflexão em relação ao plano 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
defmida por :
z
T (x, y, z) = (x, Y, -z)

' (X, Y, z)
e sua matriz canônica é :
y
1 o o "
__ ..,1
1, "
"
o 1 o 1
1
1
o o -1 1
X J (x,y, -z)
As reflexões em relação aos plan~s xOz e yOz têm matrizes canônicas:
1 o o -1 o o
o -1 o e o 1 o
o o 1 o o 1
respectivamente.
b) Reflexões em relação aos eixos coordenados
A reflexão em torno do eixo dos x é o operador linear

T: IR 3 - JR. 3 , T(x, y , z) = (x, - y , -z),cuja matriz canônica é:
1 O O
O -1 O
o o :~
208 Â/gebra linear
_., (x , y, z)
/
' ,
'
_______ .,,, ,/
'
~
(X, -y, -z)
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.
e) Reflexão na o rigem
3
T:R 3 - R
(x,y,z) .__ (-x, -y,-z) z
4.7.2 Rotações
Dentre as rotações do espaço ressaltamos a rotação do espaço em tom o do eixo dos z

(Figura4.7.2 ), quefazcadapontodescreverumângu1o 8 . Esseoperadorlinear T : IR. 3 - IR 3 é
definido por
T (x, y, z) = (xcos 8 -ysen 8 . xsen 8 + ycos 8 . z),
e sua matriz canônica é:
cos 8 -sen 8 o
[T] = sen 8 cos 0 o
o o 1
,,, ,,_ -- -- ... ....

I
/
' \
\
1
J
''
-
T (v)
'
X
Figura 4. 7 .2
Para "conferir" se T representa a rotação de um ângulo 0 em torno do eixo dos z,

observemos o seguinte:
a) T gira de 0, em torno da origem O, os pontos do plano z = O (plano xüy), pois:
T (x, y, O)= (xcos 0 - ysen 0 . xsen 0 + ycos 8 , O)
e:
b) T não altera os pontos do eixo dos z, pois:
T (O, O, z) = (O, O, z)
210 Ât,ebra linur
Obsarvaçâo
O ângulo 8 corresponde ao ângulo central cujos lados interceptam, na circunferência de

centro em O' , um arco de medida 8. Esse ângulo 8 não 6 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 tomo do
eixo dos z de um ângulo 8 , nos seguintes casos:
1)8=180° e v=(3,0,3)
2) 8 = 900 e
'3 -'2../2 )
V - (-'V-.;, V ;.
- 2.j2'4'2
Solução
1)
cos 1800 -sen 1800 O
[ T] = sen 1800 cos 180" o
o o J
-1 o o 3 -3
[T(v)] = O -1 o o = o
o o 1 3 3
cosa= v.T(v) = (3, 0,3).(-3,0,3) = -9+0+9 = 0

lv l l T(v)I J9+9 J9+9 18
a= 900
2)
cos 90" -sen 90" O
[T] = sen 90" cos 90" O
o o 1
o -1 o v'3 v'2
2 vi.
-4
[T (v) ] = 1 o o v'2 = v'3

4 2../2
o o v'2 vi.
2 2
v'2)
2 =
= 1X 1
a =60°
1) Consideremos a transformação linear T: R 2 - + R 2 definida por T(x,y) = (3x - 2y, x + 4y).

Utilizar os vetores u = (l , 2) e v = (3,-l) 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, calcu]ar em

função de u e v:
a) T (u + v)
b) T (3v)
e) T (4u - 5v)
212 Álgebra linear
3) Dentre as transformações T :R 2 - JR· definidas pelas seguintes leis, verificar quais são
lineares:
a) T(x,y)=(x -3y,2x+ Sy)
b) T(x, y) = (y, x)
e) T(x, y) = (x2, y 2 )
d) T (x, y) = (x + 1, y)
e) T (x, y) = (y - x, O)
t) T(x,y)=( l x l, 2y)
g) T (x, y) = (senx, y)
h) T (x, y)=(xy,x -y)
i) T (x, y) = (3y, - 2x)
4) Seja V= R 2 • Fazer um gráfico de um vetor genérico v = (x, y) do domírúo e de sua

imagem T (v) sob a transformação linear T : IR 2 - R 1 dada por:
a) T (x, y) = (2x, O) d) T (x, y) = (3x, -2y)
b) T (x, y) = (2x, y) e) T (x, y) = - 2(x, y)
e) T (x, y) = (-2x, 2y) f) T (x, y) = (x, -y)
5) Dentre as seguintes funções, verificar quais são lineares:
a) T : IR 2 _ ___., IR.3; T (x, y) = (x - y, 3x, - 2y)
b) T: R 3 _ __., JR3; T(x, y, z) = (x + y, x -y, O)
c) T: lR2 -- JR2, T(x, y) = (x2 + y2, x)

d) T : IR - - IR2 , T(x) = (x, 2)
e) T : IR3 ---+ R , T (x, y, z) = -3x + 2y - z
f) T: R 2 R 2, T (x, y)=(lxl , y)
g) T: R 2 IR, T(x, y)=x
h}T: R 2 R, T(x, y)= xy
i) T: R 2 R4, T(x,y)=(y,x, y, x)
2y 3x
j} T: R 2 ---+ M (2,2), T(x,y)=
-y X+ 2y
b
k) T : M (2, 2) - R
2
, T = (a - c, b -t- c)
d
b a b
1) T : M(2, 2) - IR, T = det
d c d
m) T: R 3 IR 2
X
1
(x, y, z)--+
[_: o _:] y
6) Seja a aplicação T : IR.2 - - R 3
(x,y)-- (x+ky ,x +k,y)
Verificar em que caso(s) T é linear:
a) k = X
b) k = 1
c) k = O
21 4 Álgebra Unear
7) a)Determinar a transformação linear T :R 2 - IR3 tal que T(-1 , 1)=(3, 2, l ) e

T (O, 1) = (1. 1, O).
b)Encontrar v E R 2 talque T(v) =(-2, 1, -3).
8) a)Determinar a transformação Linear T :R 3 - R2 tal que T(l ,-1,0) =(1, l )

T(O, 1, 1) =(2, 2) e T(O, O, 1) =(3, 3).
b)Achar T(l , 0, 0) e T(0, 1, 0).
9) Seja T :R 3 - + IR2 uma transformação linear definida por T(l , 1, l} = (l , 2),

T (l , 1, 0}= (2 , 3) e T(l , 0, 0)=(3 , 4).
a) Determinar T (x, y, z).
b)Determinar v E IR 3 tal que T (v)=(-3, -2).
e) Determinar v E IR.3 tal que T (v) = (O, O).
10) Seja To operador linear no R 3 tal que T(l , 0 , 0)=(0,2, 0), T(O, l , 0) =(0, 0, -2) e
T(0, 0, 1} =(-1 ,0, 3). Determinar T(x, y, z) eovetor v E R 3 tal que T (v)=(S , 4, -9).
11 ) Determinar a transformação linear T :P2 - P2 tal que T(l) = x, T(x) = 1 - x 2 e

T (x 2 )= x+2x 2 •
12) Seja o operador linear
T: IR 2 - - IR2 , T (x,y}=(2x+y, 4x+ 2y).
Quais dos seguintes vetores pertencem a N(T)?
a) (I , -2) b) (2 , - 3) e) (-3, 6)
13) Para o mesmo operador linear do exercício anterior , verificar quais dos vetores pertencem
a lm(T).
1
a} (2, 4) b) (-2· -1) c)(-1 , 3)
Nos problemas 14 a 2 1 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 sobrejetora?
Justificar.
T:IR.2 R2
14) • T (x,y)=(3x -y,-3x+y)
15) T: IR.2 R3 T (x,y)=(x + y, x, 2y)

'
16) T:IR.2 R2 T(x, y)=(x-2y , x+y)
'
17) T:IR.3 IR2 T (x, y , z) = (x + 2y - z, 2x - y + z)

'
18) T:IR3 IR3 T (x, y , z) =. (x - y - 2z, -x + 2y + z, x - 3z)

'
19) T :JR.3 JR.3 T (x, y, z) = (x - 3y, x - z , z - x)
'
20) T:P 1 IR.3 T (at + b) = (a, 2a, a - b)

'
~
b
21) T:M (2, 2)-+ R 2
, T = (a - b, a+ b)
d
22) Seja a transformação linear T :R 2---+ R 3 tal que T (-2, 3) = (-1 , O, 1)

e T (1, -2) = (O, -1 , O).
a) Determinar T (x, y).
b) Determinar N(T) e Im(T).
c) T é injetora? E sobrejetora?
23) Seja T:R4 - R 3 atransformaçãolineartalque T(e 1) =(1 , -2,l), T(e 2)=(-l , 0 , -1),
T(e 3 ) = (O, -1 , 2) e T(e4 ) =(J , -3 , 1), sendo { e 1 , e2 , e3 , e4 } a base canônica do R 4 .
a) Determinar o núcleo e a imagem de T.
b) Determinar bases para o núcleo e p.ara a imagem.
c) Verificar o Teorema da Dimensão.

24} Encontrar um operador linear T :R 3 -+ R 3 cujo núcleo é gerado por ( 1, 2, -1 ) e

(1 , -1 . 0).
2 5) Encontrar uma transformação linear T :1R3 - R 2 tal que N{T)= [( 1, O, - 1)].
26) Encontrar uma transformação linear T: R 3 _.,. R 4 cuja imagem é gerada por ( 1, 3,.-1, 2)
e (2, O, 1, -1) .
27) Consideremos a transformação linear T : JR 3 - lR2 definida por

T(x, y , z) = (2x+y-z, x+2y)easbases A ={ (l , 0, 0), (2, - 1, 0), (0, 1, 1) } do R3 e
B = { (-1 , l}, (O, l} } do IR.2. Determinar a matriz [T]: .
28) Seja a transformação linear T :R 2 -+ R 3 , T(x, y) = (2x- y, ,c +3y, - 2y) e as bases

A= {(-1 , 1,),(2, 1)} e B = { (O, O,l),(0, 1, -1) ,(1 , 1, 0) } . Determinar [T]:. Qual
a matriz [T] ~ . onde C é a base canônica do R 3 ?
29) Sabendo que a matriz de uma transformação linear T: R 2 - R3 nas bases

A= {(-1 , 1). (1 , 0) } doR 2 e B= { {l , 1 , -1), (2 , 1, 0}, (3 , 0 , 1) } edo lR 3 é :
3 1
[T}A = 2 5
B
1 -]
encontrar a expressão de T(x, y) e a matriz (T] .
30) Seja l -2
[T) = 2 o
-i 3
a matriz canônica de uma transformação linear T : lR2 - + R 3 . Se T (v) = (2, 4, -a),

calcular v.
31) Seja T: R 2 - IR3 uma transformação linear com matriz
1 -1
-2 3
para B = { e 1 , e2 }, base canônica do R 2 , e B'= { (l,0,1), (- 2, 0,1),(0,l , O)}, base

do R 3 . Qual a imagem do vetor (2, -3) pela T?
32) Seja T : R 3 ---+ IR 2 tal que
1 o -1
-1 1 1
sendo 8 1 ={(0, l , l ), {l , O, O), (l , O, l) } e B2 = {(-l ,O), (O, - l)} basesdo R 3 e do

R 2 , 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 2
(x, y) 1--+ (x + 2y, x -y) <
e as bases A= { (-1 , 1), (1 , O) }, B = {(2, -1), (-1 , 1) } e C canônica.
Determinar [T] A , [T] B , [T] e·

218 Ãlgebra linear
34) A matriz de T:R 2 - R2 relativa à base B = { v1 , v2 }, sendo v 1 = (1 , 1) e

V2 = (3, 2), é:
2 1
-1 -3
b) Determinar T(vi) e T(v2 ) .
e) Calcular T(x, y).
35) Mostrar que a matriz do operador linear identidade
V ...--. V
em uma base qualquer, é a matriz identidade n x n.
36) Seja T: JR2 - R 2 definida por:
1 3
(T] =
-1 5
Determinar os vetores u, v e w tais que:
a) T(u) = u.
b) T(v) = 2v.
e) T(w)=(4,4).
Transformações lineares 2 I9
37) Seja T o operador linear dado pela matriz:
1 2 -1
2 O 1
1 -2 2
a) Calcular N(T) e dim N(T).
b) Calcular Im(T) e dim Im(T).
38) Seja o espaço vetorial V= M (2, 2) e a transformação linear
---+ JR3,
:]= (• + b, , - d, 2,)
a) Mostrar que T é linear.
b) Determinar (T] ~ sendo A e B as bases canônicas de M(2, 2) e R 3 , respectivamente.
c) Calcular v E V tal que T(v) = (3 , -2, 4).
d) Determinar N(T).
39) Sejam F: lR2 ---+ M(2, 2) uma transformação linear e o: e {J as bases canônicas de
IR2 e M (2, 2), respectivamente. Sabendo que
l o
2 1
-1 2 ,
220 Álgebra linear
determinar:
a)F(l , O)
b) F(O, I)
e) F(2, 3)
d) F(x, y)
~) (a, b) tal que :
1 -2
F(a, b) =
3 4
40) Sejam as transformações lineares
T 1 :R2 --+ IR3 , T(x, y)=(x-y, 2x+y, -2x)
Determinar as seguintes transformações lineares de R 2 em R 3 :
3
41 ) Consideremos as transformações lineares S e T de R em 1e definidas por
S(x,y,z) = (2x-y, 3x-2y+z) e T(x,y,z) = (x+y-z, y-2z).
a) Determinar o núcleo da transformação linear S + T.
b) Encontrar a matriz canônica de 3S - 4T.

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

T(x, y) = (2x, -y). Determinar:
a) S +T d) So T
b) T-S e) To S
c) 2S + 4T f) so s
43) Seja a transformação linear:
S: R 3 - ---+ R 4 , S(x, y, z) = {x+ y , z, x- y, y+z)
a) Calcular (S o T) (x, y) se
2 3
T: R - R
(x, y) 1---+- (2x + y, X - Y, X - 3y)
b) Determinar a matriz canônica de S o T e mostrar que ela é o produto da matriz canônica

de S pela matriz canônica de T.
44) As transformações S:R 2 - R 3 e T:R 3 - R 2 são tais que S(x, y) = (y, x -y, 2x + 2y)
e T(x, y, z)=(x. y).
a) Sendo B= { {1, 0 , -l ), (1 , 1, l ), {l , O, O) } uma base do JR3 , determinar a matriz

[S o TJ B·
b)Determinar [T oS]B, e [To S]B" • sendo B'= { (l , 1),(0,-1) } e B" a base

canônica.
45) Sendo S e T operadores lineares do R 3 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) [To S] .
222 Álgebra lint!llr
46) Os pontos A(2, -1) e B(-1 , 4) são vértices consecutivos 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 ~.2 em IR 2 que representa
a seqüência de transformações dadas:
a) Reflexão em tomo do eixo dos y, seguida de um cisalhamento de fator 5 na direção

horizontal.
b) Rotação de 30" no sentido horário, seguida de uma duplicação dos módulos e inversão
dos sentidos.
c) Rotação de 60°, seguida de uma reflexão em relação ao eixo dos y .
d) Rotação de um ângulo 8. seguida de uma reflexão na origem.
e) Reflexão em torno da reta y = -x, seguida de uma dilatação de fato r 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.

Tran1formaçõe1 lineares 223
51) Determinar o ângulo o formado pelos vetores v e T(v) quando o espaço gira em torno do
eixo dos z de um ângulo 6 , nos seguintes casos:
a) v =( vf. vf. 1) e 6 = 1800

2 1
2 '
b) v=( v'3 .,/í. v'i ) e 6 = 180°

2vf_' 4 '2
e) v = ( v'3 vf. v'2 ) e 6 =60°

2..fi,' 4 '2
4.8 .1 Respostas de Problemas Propostos
2) a) 4u - v
b) 3u - 3v
e) 7u + Sv
3) São.lineares: a), b), e), i)
4) a) y
X 2x
b) y
e) , d), e) e f) a cargo do leitor.

224 Âlgebra linear
5) São lineares: a), b), e), g), i), j), k), m),
6) e) é linear
7) · a) T(x, y)=(-2x+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 , -·l)
9) a) T(x, y, z) = {3x -y - z , 4x - y - z)
b) V= (1 , 6 - Z, z)
e) v=(O,-z, z)
10) T(x, y, z) = (-z, 2x, -2y + 3z)
V = (2, -3, -5)
11) T(a+bx+cx 2 )=b+(a+ c) x+(-b + 2c)x2
12) a), e)
13) a), b)
14) a) N(T) = { (x, 3x)/x E IR } ; dim N(T) = 1
T não é injetora, porque N(T) * {(O, O) } .

b) lm(T)= { (-y, y)/ yE R }; dimlm(T)= 1
T não é sobrejetora, porque Im(T) * JR 2

•
. 15) a) N(T)= { (0,0)}; dimN(T)=O.
T é injetora, porque N(T) = { O} .

Transformações llneare1 · 225
b) lm(T)= { {x, y , z) E 1R/2x - 2y-z =O }
dim Im{T) = 2. T não é sobrejetora, porque lm{T) 'i= IR 3 •
16) a) N{T) = { (O, O)}; dim N(T) = O
T é injetora.
b) lm(T) = IR2 ; dim Im{T) = 2; T é sobrejetora .
17) a) N (T) = { (x, -3x, -5x)/x E IR }
b) Im{T) = R 2
18) a) N(T) = { ( 3z, z , z)/z E IR }
b) Im{T) = {(x, y , z)E IR3 /2x+y-z=O }
19) a) N(T) = { {3x, x, 3x)/ x E IR }
b) Im(T) = { {x, y , z) E R 3 /y = -z }
20) a) N(T) ; {O}
b) Im(T)= {(a , 2a, c)/a , c E IR }
o o
21) a) N (T) = / e, d E IR
e d
b) lm(T) = IR2
22) a) T (x, y) = (2x + y, 3x + 2y, -2x -y)
b) N{T)= { (0, 0) }
lm(T) = { (x , y , -x)/x , y E R }
e) T é injetora, mas não sobrejetora .

226 Álgebra linear
23) a) N(T)= {(3y, y,0, -2y)/yE JR }
Irn(T) = 1R3
b) e e) a cargo do leitor.
24) Um deles é T (x, y, z) = (O, O, 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).
27)
-2
[ 3
-3 º]
3 2
3 O -3 3
28) 5 2 e 2 5
-3 3 -2 -2
29) T(x, y) = (8x + 18y, 6x + l ly, -2x -4y)
8 18
[T] = 6 11
-2 -4
30) v = (2, O)
31) (11 , -13, 2)
32) a) T(x, y, z) = (-2y + z, -x + y)
b) Im(T) = JR2 ; (base a cargo do leitor)
e) N(T) = { (x, x, 2x)/x E IR } ; (base a cargo do leitor)

Tran1/ormt1çlJe1 lineue, 227
d} T não é injetora.
T é sobrejetora.
-2 1 3 -1 1 2
33} [T]A = e [T]c =[T] =
-1 2 6 -3 1 -1
34} a) T(v 1 )B =(2, -1), T(v 2 ) 8 = (l , -3)
b) T (vi)=(-1 , 0), T(v 2 )=(-8,-5)
e) T(x , y)= (-6x+5y , -Sx+Sy)
36} a) (O, O)
b) y(3, 1) _
c)(l, l)
37} a) N(T) = { z(2, -3 , -4)/ z E R }, dim N(T) = 1
b) lm(T) = {(x, y, z) E R 3 / x -y + z =O } , dim lm(T) =2
1 O O
38) b) [TJ: = O O 1 -1
2 O O O
2 1
e) V = ·• d E lR
d- 2 d
o o
d) N(T) = dE R
d d
228 Álgebra linear
2 o 2 7
39) a) b) e)
3 -1 -2 2 o 4
X 2x + y
d) e) não existe (a, b).
3x - 2y -x + 2y
40) a) T 1 (x, y) = (-x, x + 4y, -2x -y)

b)T2 (x, y)=(-x-y, 4x+9y, -6x- 2y)
41) a) { (x, O, 3x)/x E IR
2 - 7 4
b)
9 -10 11
42) a) (S + T) (x, y) = (3x ·- 2y, O)
b) (T - S) (x , y) = (x + 2y, - 2y)
e) (2S + 4T) (x, y) = ( IOx - 4y, -2y)
d) (S o T)(x, y) = (2x + 2y, -y)
e) (To S)(x, y) = (2x - 4y, -y)
t) (S o S) (x , y) = (x - 4y, y)
43) a) (S o T) (x, y) = ( 3x, x - 3y, x + 2y , 2x - 4y)

b) a cargo do leitor
-1 -4 -1
I .. ] o I
44) a) I o I b) e
I -2 -1
o 5 o
l o -1 o o
45) a) o 2 o b) o 2 o
1 -1 -1 l -1 o
46) Duas soluçOes: (4, 7) e (7, 2) ou (-6, 1) e (-3, -4).
47) C(- 3, 4) ou C(l,-6)
48) C(-1 -./3 , 2v'3) ou C(3- ../3, 2 +2 ../3)
-1 5 -../3 -1
1
-2
v'3
2
49) a) b) e)
o l -./3 v'3
2
-21
- cos 8 sen 8 o -2
d) e)
- sen8 -cos 8 -1 -6
50) a) (-1 ,8)
1
b) T(x, y) = (- x , 2x + y)
3
o
e) [T] =
2 1
51) a) a =90°
b) Q = 90"
c)a ~ 41 °24'
CAPÍTULO
OPERADORES
LINEARES
5.1 OPERADORES LINEARES
No capítulo anterior dissemos que as transformações lin.eares T de um espaço vetorial V

em si mesmo, isto é , T:V -v, são chamadas operadores lineares 90bre 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 AnaHtica, serão estudados, de
preferência, operadores lineares em R 2 e em .R3 .
5.2 OPERADORES INVERSIVEIS
Um operador T:V ---. y 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 inveno
de T, e se indica por T- 1 •
Observação
Quando o operador linear T admite a inversa r -1 , diz-se que T é inversível, invertfvel,

regular ou não.singular.
230
-----------------------------
Operodore-s linures 231
5.2.1 Propriedades dos Operadores Inversíveis
Seja T:V - V um operador linear.
l) Se T é inversível e r -1 é a sua inversa, então :
Tor- 1 =T - 1 0T = l (identidade)
.II) T é inversível se , e somente se, N(T) = {O} (Propriedade 2 de 4.2.1 e Corolário 1

1 de 4.3.4).
Ili) 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 é inversível e B uma base de V, então r- 1

: V - - V é linear e :
isto é, a malfiz do oper~dor 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:
e, portanto:
Como conseqüência temos: T é inversfvel se, e somente se, det [TJ :f:: O.
232 Álgebra linear
1) Seja o operador linear em R 2 definido por
T(x,y)=(4x-3y, -2x+2y)
a) Mostrar que T é inversível.

b) Encontrar uma regra para r-
1
como a que define T .
Solução
4 -3
a) A matriz canônica de T é [T] =
-2 2
Como det [T] = 2 i= O, T é inversível.
4 - 3 -1 3
l
b) [T-1] = [T] -1 = = 2
-2 2 1 2
logo:
3 3
[r'(x,y)J=rr-·1 [:] =
1
1
2
2
[:] =
X+ -y
2
X+ 2y
ou:
r- 1(x,y)=(x+ ~y. x+2y)
Observação
Devemos entender que se T leva um vetor (x, y) ao vetor

(x', y'), isto é:
x' X
= [T]
y' y
O~adora llnet1re1 233
o operador r - 1 traz de volita o vetor (x', y') para a posição inicial (x, y), ou seja:
I
X X
= [T] -1
1
y y
É bom que o leitor faça o teste com um vetor de livre escolha, valendo-se de T e r- 1 do
exercício realizado.
2)Verificar se o operador linear T:R3 -+R 3 definido por T(l , l , l) = (l , 0 , 0),

T(-2, l , 0) =(0 , -1 , 0) e T(-1 , - 3,-2)=(0, 1, -1) é inversívele,emcasoafirmativo, determinar
r- (x, y. z).
1
Solução
Observemos inicialmente que { (1, 1, 1), (-2, 1, O), (-1 , -3 , -2) } é urna base de R 3 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 'f- 1 , temós r -1 (1, 0 , 0)=(I , l,l), r - 1 (0,-1 , 0)=(-2,l,O) e

T - 1 (0,l, -l)= (-1 , -3, -2). Observando que {(l , 0, 0),(0,-1 , 0), (0,l , -l) } é também uma
base de R 3 (verificar!) e que as imagens desses vetores são conhecidas, o operador r- 1 está
definid!o. Ora, existindo a T- 1 , T é inversível. Pretendemos calcular T - 1 (x, y, z).
Para tanto , expressemos (x, y, z) em relação a essa base:
(x, y, z) = x (I , O, O)+ (-y - ·z) (O , -1 , O) + (-z) (O , 1, -1)
logo:
T - 1 (x,y,z)=xT- 1 (1 , 0 , 0)+(-y-z)T- 1 (0 , -l,O)+(-z)T- 1 (0, 1, -l)
y- 1 (x, y ,z)=x(l , 1, l)+(-y-z)(-2, 1, 0) +(-z)(-1 , -3,-2)
y - 1 (x, y, z) = (x, x , x) + (2y + 2z, -y - z, O)+ (z, 3z, 2z)
r-• (x, y, z) = (x + 2y + 3z, x -y + 2z, x + 2z)

234 Àlgebra linear
5.3 MUDANÇA DE BASE
Sejam A e 8 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 8.
Para simplificar, consideremos o caso em que dim V = ·3. O problema para os espaços de
dimensão n é análogo. Sejam as bases A= { v1 , v2 , v3 } e B = { w1 , w2 , w3 } •
Dado um vetor v E V. este será combinação linear dos vetpres das bases A e 8:
ou :
e:
(2)
ou:
Por sua vez, os vetores da base A podem ser escritos em relação à base 8, isto é :
(3)
Substituindo (3) em (1), temos:
ou:
Operadore, lineares 235
Comparando (4) com (2), vem:
Y1 = aux1 + a12X2 + a13X3

Yz = a2;1X1 + ª22X2 + a23X3
Y3 =a31X1 +a:nX2 +a33X3
ou, na forma matricial:
Y1
ou, mais simplesmente , pela equação:

A
[v] B=[l]B [v]A (5.3)
sendo a matriz:
ª11 ª12 ªu
[I] A = ª21 ª22 ª23

B
a31 ª:n a33
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
formada pelas componentes dos vetores da base A em relação à base B, isto é:
e
•
236 Ãlgebra linear
2) A matriz [I] A é também conhecida como matriz de transição de A para 8.

B
3) A matriz [I] A 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 do
item 5.3.1.
4) A matriz [I] ~ , por transformar os vetores linearmente independentes da base A nos
vetores linearmente independentes da base 8, é inversível. Por conseguinte, da equação
A
[v]B = [I] B [v]A (5)
pode-se obter:
(6)
donde se conclui que
isto é, a inversa da matriz-mudança de base de A para 8 é a matriz-mudança de base 8 para A.
5.3.1 Problema Resolvido
3) Sejam as bases A= { v1 , V:z} e B = { w 1 , w2 } do ll2 , onde
V1 = (2,-1), V2 = (-1, 1) e Wt = (1,0), W2 = (2, 1)
a) Determinar a matriz-mudança de base de A _para B.

Operadores lineares 237
A
b) Utilizar a matriz (I] B para calcular [ v J B, sabendo que
[vJ,=[:]
Solução:
a) Pretendemos calcular:
[l]A =
B
Expressemos os vetores da base A em relação à base B:
V1 = (2, -1) = ª11 {1, O)+ ª:21 (2, I)

ou:
ª11 = -1
sistema cujas raízes são:

4
a11 =4 e a11 =-1, isto é, [v 1 ]B =
-1
V:2: (-1, 1)= a12(1,Q) + a:22(2, 1)

ou:
a12 + 2a22 = -1
1 ªn = 1
sistema sujas raízes são;
-3
a11 =-3 e al'l = 1, isto é, [v2 ] =
B
]
238 Álgebra linear
logo:
4 -3
-1
b) Sabendo-se que :
obtemos:
4 -3
[v] =
B
-1 1
[:]
Caso o leitor queira conhecer o vetor v na base canônica, basta fazer :
V= 4 (2, -1) + 3 (-1 , 1) = (5 , -1)
ou:
v = 7 (1 , O) - 1 (2, 1) = (5 , -1)
Observaçaõ
Se o problema consistisse apenas em calcular v a partir de vA , sem utilizar a matriz

8
(I]:, bastaria determinar o vetor v na base canônica, isto é , v = (5 , -1) e, posteriormente,
resolver a equação
Operadore1 /Jnure, 239
para encontrar a 1 =7 e a2 =-1.

A utilização da matriz-mudança de base ainda será vista em outros assuntos deste livro.
5.3 .2 Outra forma de Determinaçio da Matriz-Mudança de Base
A matriz-mudança de base [I] A pode ser determinada de uma forma diferente.

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

canônica, vem:
[I ]~ = [2 -1]
-1 1
t t
pois:
(2,-1)=2(1 , 0)~l(O, l)
(- 1, l)=-1(1,0) + 1(0, 1)
e, de forma análoga :
(I] B = I 2J
e
[O
t t
Assim , a matriz-mudança de base de uma base qualquer para a canônica é a matriz que se
obtém daquela base dispondo seus vetores em colunas. Façamos [I] ~ = A e [I] ~ = B.
240 Àlgebra linear
Lembrando o que foi visto em 4.5 .3 sobre composta de transformações lineares e levando
em conta a Obseivação 4) de 5.3, podemos escrever:
Então, para as bases A e B dadas, temos:
(l]A = a- 1 A =
B [1 2] -I [ 2 -lJ = [l -2J [ 2 -lJ =
O 1 -1 1 O 1 -1 1
= [
-1
4 -3J 1
5.3.3 Aplicações da Matriz-Rotação
Vimos que a matriz-rotação do plano de um ângulo 8 é :
cos 8 - sen 8
sen 8 cos8
Observemos que as imagens de (1, O) e de (O, 1), pela rotação 8, são :
cos 8 -sen 8 1 cos 8

=
sen 8 cos8 o sen 8
e:
cos 8 -sen 8 o -sen 8

=
sen 8 cos 8 1 cos8
respectivamente.
Portanto, a base P = { u 1 , u2 } , sendo u 1 = ( cos 8, sen· 8) e u 2 =(-sen 8, cos 8), é

obtida da base canônica C = {e 1 , e 2 } , sendo e 1 = (1, O) e e 2 =(O, 1), pela rotação de um
ângulo 8. Assim , como a base canônica C determina o sistema de coordenadas retangulares
xOy , a base P determina também um sistema de coordenadas retangulares x'Oy' que provém
do sistema xOy por meio da rotação de um ângulo 8. Conseqüentemente, cada ponto R ou
cada vetor v do plano possui coordenadas (x, y) em relação ao sistema xOy e (x', y') em
relação ao sistema x'Oy'.
R
y
1'
1'
;'
;'
1
1
''
.,
;'
1 '
A matriz-rotação pode ser encarada como matriz-mudança de base de P para C,

isto é:
cos 8 -sen 8
sen 8 cos 8
pois:
(cos 8 , sen 8) = cos 8 (1 , O) + sen 8 (O, l)
(-sen 8, cos 8) = -sen 8 (1 , O)+ cos 8 (O , l)

242 Ã,,.brrz linur
Por exemplo, para 8 = 90°, tem-se a base:
P= {(cos9(}0, sen90°}, (-sen90º,cos90°)} = {(O, l},(-1 ,0)}
e, portanto:
(I) ~ =
O
[ O
1
-IJ
Considerando v, = (4, 2), o vetor v na base canônica é:
0 1 4 2
[v)
e = [ 1]
. e , [ 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)}
x· y
v = (x', y') v= (X, y)

4(0, 1) 4(0, l)
(O, 1)
y' -2(1, O) (1 , 0) X
Qperadore1 lineares 243
No caso de mudança de base de C para P, já vimos que:
cos 9 -sen 8. -i
·sen 9 cos 9
ou seja:
cos 9 sen 8
-sen 8 cos 9
Por exemplo, para uma rotação de 9 = 45° no sistema xOy, o vetor v =(x, y) =(4, 2)
na base canônica será "}, =(x' , y~) =(3 ../2 , - ../2) na base P.
De fato:
cos 45° sen 45° 4

(v]p =
-sen 45° cos 45° 2
v'i 4
2
[v]p =
vi
2 2
3v2
(v]p =
2 44 Ãlg11bro liMar
X'
4 X
5A MATRIZES SEMELHANTES
Seja T: V - v um operador linear. Se A e B são bases de V e [T] A e fT] B as

matrizes que representam o operador T nas bases A e B, respect ivamente, então:
fT) =( (l] B ) - 1 [T) (I] B (5 .4)

B A A A
sendo [I] B a matriz -mudança de base B para A .

A
De fato :
Pelo conceito de matriz de uma transformação linear (4.4) podemos escrever:
( 1)
e:
.
(T(v)J = [T J (v ]B (2)
8 8
Sendo [I) ! a matriz-mudança de base de B para A, tem-se :
8 B
[v] A = (1) A [v] B e [T (v)] A = [I] A [T(v)] 8
Substituindo [v] A e [T(v)] A em (1), resulta:
Como a matriz [I] B é inversível (Observação (4)de 5.3), vem :

A
Comparando essa igualdade com a (2), conclui-se:
[T] = ([I) B )- 1 [T] [I] B

B A A A
que é a relação apresentada (S .4).
Fazendo [I) ! = M, a relação acima fica:
[T]B =M- 1 [T]A M (5.4a)
não se podendo esquecer que M é a matriz-mudança de base de B (2!1 base dada) para
A (l!l base dada).
As matrizes [T) A e [T) B são chamadas semelhantes.
Por conseguinte, duas matrizes [T] A e [T} B são semelhantes quando definem em V um
mesmo operador linear T. Mais precisamente, duas matrizes [T] A e [T] B são semelhantes se
existe uma matriz inversível M tal que
O esquema a seguir mostra que existem duas maneiras de se obter T(v)B a partir de v A :
[TIA
- - - - - - - - - - • T(v)A
(TlB
- - - - - - - - - - • T(v)i3
246 Álgebra linear
5 .4.1 Propriedade
As matrizes semelhantes [T] A e [T] 8 possuem o mesmo detenninante.

De fato:
De
[T) B = M - 1 [T) A M
vem :
M (T}s = [T] A M
e:
det M . det (T] B = det [T] A . det M
ou:
det [T] 8 = det [T] A
4) Sejam T: IR.2 - m.2 um o perador linear e as bases
A = { (3,4), (5, 7) } e B = { (1,1),(-1 , I) }
e seja:
-2 4
[T] =
A
2 -1
a matriz de T na base A. Calculemos [T] pela relação :

B
[T) = M - 1 [T] M
B A
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:
isto é:
-1
3 5 1 -1 7 -5 1 -1 2 -12
M= = =
4 7 1 1 -4 3 l 1 -1 7
e: .
-7 6
2
M- ' =
1
-2 1
logo:
-7 6
-2 4
2 2 -12
[T] =
B
-21 1
2 -1 -1 7
5 8 2 -12
[T] =
B 1 1 -1 7
[. 2 -4
[T] =
B
1 -5
Pode-lC verificar, atrav6s do exemplo, que realmente as matriz.es (T] A e [T] B são
semelhantes, isto 6, que na transformação linear definida em R 2 por essas matriz.es, em bases
diferentes, um vetor v E R 2 tem a mesma imagem T (v).
Seja o vetor vA= (2, -1).
Q Cálculo de T(v)A por meio de [T] A:
[T(v)] A= [T] A [v] A
li) Cálculo de vB por meio de M- 1 partindo de vA :
-7 6 2 1
2
[v] = =
B
-1 1 -1 o
2
lIO Cálculo de T (v)B por meio de M - 1 partindo de T (v) A:
[T(v)] B = M- 1 [T(v)J A
7
6 2
2
(T(v)] B =
1
1 1
2
Operadores linetITes 249
IV) Cálculo de T(v) 8 por meio de (T] B:
[T(v)] B = [T] B [v] B
(T(v)JB= [: ~:] [:] = [:]
Assim, o vetor v tem a mesma imagem T(v). por meio do operador linear T, definido em
2
R pelas matrizes [T] A e [T] B' em bases diferentes.
V) Por outro lado, as rnatriz.es semelhantes têm o mesmo determinante:
-2 4
det [T] A= =2-8=-6
2 -1
2 -4
det [T] B = = -10 + 4 = -6
l -5
5) Seja o operador linear T:R 2 -1R.2 definido por:
T(x, y) = (2x + 9y, x + 2y)
Determinar [T] , matriz canônica de T , e a seguir utilizar a relação :
[T] B = M- 1 [T] M
para transformá-la na matriz de T na base:
B= { (3,1), (-3, l) }
250 Âf8ebro liMar
Soluçlo
t imediato que:
2 9
(T] =
1 2
A matriz M de mudança de base de D para a canônica A é dada por:
ou:
1 o -l 3 -3
.M=
o 1 1 1
mas:
1 o -l 1 o
=
o 1 o 1
logo:
1 O 3 -3 3 -3
M= =
o 1 1 l 1 1
e:
1 1
6 2
M-1 =
1
--
.6 -21
Operadora linearn 251
Portanto:
1 1 2
6 2
[T]B =
--61 1
2
1
5 5
6 2
[T)B = .
1
6
--21
5 O
[T)B =
O -1
ObSt1rvaç6o
A matriz diagonal
5 O
O -1
que representa T na base 8, é mais simples, no sentido de "estrutura" que a matriz canônica
de T:
2 9
1 2
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 matríz dle mudança de base M que atua
252 Â/gebra 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--+ V é ortogonal se

preserva o módulo de cada vetor, isto é, se para qualquer v E V
1 T(v) 1 = 1v 1
Observações
1) Tendo em vista que o módulo de um vetor é calculado por meio de um produto interno
( 1 v 1 = ../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 R 2 , com o produto interno usual, o operador linear definido por:
é ortogonal.
De fato:
I T(x , y) 1 =
Opmulon, linures 253
ou:
IT(x,y)I= ./x2 +y 2 = l(x, y)I , Y(x, y)E IR2
2) Consideremos o R 2 com o produto interno usual. A rotação do plano de um ângulo

8 dada por:
T (x, y) = (xcos 8 - ysen 8 , xsen 8 + ycos 8)
é ortogonal. (A verificação fica a cargo do leitor.)
3) No R 3 , com o produto interno usual, o operador linear dado por:
T(x, y, z) = (-y, x, -z)
é ortogonal.
De fato:
IT(x, y, z) 1=J(-y) 2 +x 2 +(-z) 2 = Jx2 +y 2 +z2 = l(x,y,z) I
Obsevação
O produto interno de dois vetores u = (a 1 , ••• , 11n) e v = (b 1 , •.• , bn), em relação a uma
base ortonormal, é dado por:
u . v = a, b 1 + ... + ªn bn (verificação a cargo do leitor)
Se esses vetores forem expressos na forma matricial :
[u] = e [v] =
8n bn
254 Âlgebro line1U
conclui-se que :
[u . v] = [u]t [v]
onde [ u] t indica a matriz transposta de [ u] .
Observação
No Apêndice, a matriz transposta de A, por exemplo, é representada por A T; aqui, a

transposta será representada por At , 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] - 1 = [T] t
De fato :
1 v 1 = 1 T(v) 1
ou:
.J v . v ' = ,J T(.v). T(.v)'
isto é :
v . v=T(v) . T(v)
ou:
[v . v) =[T(v). T(v)J
ou ainda:
[v] 1 [v] = [T(v)J 1 [T(v)]
mas:
'(T(v)]1 (T(v)] =([T] [v] )1 [T] [v] = [v] t [T]1 (T] [v]
Operadores lineáres 255
logo:
(v) t [v] = [v) t [T) t [T) (v)
e, finalmente:
(T]t [T] = I
ou:
-1
[T]t = [T]
A matriz [T] , tal que [Tlt = [T] -t, é chamada matriz ortogonal. Portanto, uma
matriz ortogonal define um operador ortogonal.
A matriz canônica do exemplo 1), item 5.5.
4 3
s s
[T] =
3 4
5 5
é ortogonal, poís:
~
4
5
-35
[T] t = =(Trt
- 3
5
- -45
A matriz-rotação:
cos 8 -sen 8
[T) =
sen 8 oos 8
2.56 Ãilebra linetu
do exemplo 2), item S.5 é também ortogonal, pois:
cos8 sen 8
[T] t = = (T] -1
-sen 8 cos 8
II) O determinante de uma matriz ortogonal é + 1 ou -1 .
De fato :
Sendo [T] ortogonal , [T)' [T] = 1.
Logo :
det ( [T] t [T}) = det 1
ou:
I
det [TI det [Tl "" 1
Como det [TJ = det [TJ 1 , vem :
tdet [TJ ) 2 = 1
ou seja :
det (T] = +1 ou det [T} =-1
Dessa propriedade conclui-se que todo operador linear ortogonal é inversível.
III) Todo operador linear ortogonal T :V - V preserva o produto interno de vetores,

isto é , para quaisquer vetores u, v E V, tem-se:
u.v = T (u) . T(v)
De fato:
(T(u) . T(v)] = [T(u)] t (T(v)] = ((T] [u) )' [T] [v) = [u] t [T] t (T] (v]
Operadore1 lint!llrtl 25 7
mas:
[T]t [T] = 1
Jogo:
(T{u). T{v)] = (u]t [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 { v1 , ••• , vn} é base ortonormal de V, então
{T(v1), ... , T{vn)} é tam~m base ortonormal de V. Essa propriedade, como ainda veremos, é
de gránde importãncia na construção de novas bases ortonormais { u 1 , u2 } do R 2 , a partir
da base canônica { e1 , e2 } , e na criação de um novo sistema de coordenadas retangulares
x' Oy', a partir do sistema xOy, conforme sugere a Figura 5 .5 .1 a.
-¼'
x'
11 1 = (1 , O) X
Figun 5.5.la
Essa transformação, no plano, da base canônica para outra base ortonormal por meio de um
operador ortogonal T:R 2 - R 2 pode ser vista de duas maneiras:
a) A base { u 1 , u2 } provém da base canônica { e 1 , e2 } por uma rotação, conforme

a Figura 5.5.la, e, nesse caso, det [T] = + 1.
258 ÃlpbN1"'*"
Reciprocamente, se det [T) = + 1 e T ortogonal, T é uma rotação.
b) A base { u1 , u2 } provém da base canõrúca { e 1 , c2 } por uma rotação seguida de

uma reflexlo na origem de apenas um dos vetores (Fipra 5.5.lb) ou vice-versa. Nesse caso,
tem«:
det [T) = -1
y
Fwam5.5.lb
Assim, por exemplo, o operador ortoaonal, representado pela matriz
if3 1
2 2
1 Y1...
2 2
~ uma rotação, pois
./3 1
2 T
= 1
1 v'3
2 2
O que dissemos para o R 2 é válido para o R 3 .

Openulorer liMtlrn 2.S9
Por exemplo, o operador ortogonal no R 3 representado pela matriz
cos 8 -sen 8 O
A= sen8 cos e o
o o 1
d uma rotação, pois det A = 1 para qualquer valor de 8.
IV) A composta de duas transformações ortoaonaís d uma transformação ortoaonal

ou, equivalentemente, o produto de duas matrizes ortoaonais d uma matriz ortogonal.
V) As colunas (ou linhas) de uma matriz ortogonal do vetores ortononnais.
De fato :
Sejam A= { e 1 , e2 , . .. , e 0 } uma base ortononnal do espaço vetoríal euclidiano V e

T:V - V um operador linear ortogonal representado nesta base pela matriz:
Tendo em vista que:
1 e , 1 = 1 e2 1 = ... = 1e0 1 = 1 e
200 Álgebra linear
e que
pode-se escrever :
2
1 T(e 1 ) 1 = T(e,) . T(e, ) = ai, + al1 + ... + a~1 = 1
e:
Logo, as colunas
representam vetores ortonormais do espaço V e, conseqüentemente , formam uma base ortonor-

mal desse espaço.
Ex•mplo:
Seja a matriz:
-1 -..fi1 o
..fi.
A= o o 1
1 l
- o
..fi ..fi
Os vetores-colunas de A são:
1 1 1 l
u 1 =(-..fi , O'..fi)' u 2 =(v2,0,../i) e u3 =(0 , J , O)
e:
1 U1 1 = 1 U2 1 = 1 U3 1 = 1
e também:
logo , o conjunto:
{ U1 , U2, U3 }
é uma base ortonormal do R 3 •
Além disso, como det A= 1 (verificar!), a matriz A representa uma rotação do espaço.
5.6 OPERADOR SIM~TRICO
Diz-se que um operador linear T : V - V é simétrico se a matriz que o representa

· · numa base ortonormal A é simétrica, isto é , se:
[T] ~ = [T]A
Observaç6es
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.
Então, T : V - V é simétrica se [T]t = [T]
2) O operador simétrico é também chamado operador auto-adjunto.

262 Âlgebra linear
Exemplos
1) O operador linear
T:R 2 - R2, T(x,y)=(2x+4y, 4x-y)
é simétrico, pois a matriz canônica de T
2 4
[T) =
4 -1
é simétrica, isto é, [T] t = [T].
2) No R 3 o operador T definido por:
T(x, y, z) = (x -y, '-x + 3y - 2z, -2y)
é simétrico e sua matriz canõni.ca é :
1 -1 O
(T] = -1 3 -2
O -2 O
5.6;1 Propriedade
Seja V um espaço vetorial euclidiano. Se T:V --v é um operador simétrico,, então

para quaisquer vetores u, v E V, tem-se:
T(u). v= u. T(v)
De fato:
t t t t t
[T(u). v] = [T(u)] [v] =([TJ [u]) [v] = [u] [T] [v] = (u] ([T] [v]) = [u. T(v)]
lôgõ:
T(u) . v = u . T(v)
Operador~, li11«ne1 163
Exsmp/o
Seja o operador simétrico, no R 2 , definido por:
T(x, y) = (x + 3y, 3x - 4y)
Consideremos os vetores u = (2 , 3) e v = (4, 2) e calculemos T(u) e T(v):
T(u) = T(2, 3) = (11 , - 6)
T(v) = T(4, 2) = (10, 4)
mas:
T(u) .v =(11 , -6). (4, 2) = 44 - 12 = 32
u . T(v) = (2, 3) . (10, 4) = 20 + 12 = 32
Como se vé:
T(u).v=u . T(v).
1) A seguir são dados operadores lineares T em R 2 e em R 3 . Verificar quais são inversíveis

e, nos casos afirmativos, determinar uma fórmula para r -1 •
a) T: IR.2 - JR2 ' T(x, y) = (3x - 4y, -x + 2y)
b) T: .JR2 - JR2 ' T(x, y) = (x - 2y, - 2x + 3y)
c) T : .JR2 - JR.2 T(x, y) = (2x -y, -4x + 2y)

'
d) T : R 2 - JR2 ' T(x, y) = (Sx + 2y, -4x - 2y)
e)· T: R 2 - R 2 T(x, y) = (x, - y)

'
f) T: JR.3 - JR.3 T (x, y, z) =- (x - y + 2z, y - z, 2y - 3z)

'
264 Àlg_ebra linear
g) T: R 3 - R3, T(x, y, z)= (x +y ·- z,x + 2y, z)
h) T: IR3 - R 3 T (x, y, z) = (x, x - z, x - y - z)

'
i) T: R 3 -R3, T (x, y, z) = (x -y + 2z, y - z, -2x + y - 3z)
j) T: R 3 -R3, T (x, y, z) = (x + z, x - z, y)
2) Seja o operador linear T: R 3 - R 3 definido pela matriz:
l o 1
2 -1 1
o o -1
a) Mostrar que T é um isomorfismo.
b) Determinar a lei que define o operador T- 1 •
c) Utilizar a matriz de T ou de T- 1 para obter o vetor v E R 3 tal que T(v) = (2, -3, O).
3) Mostrar que o operador linear, no IR3 , definido pela matriz
1 2 3
2 3 4
3 s 7
não é inversívd. Determinar v E JR.3 tal que T(v) = (6, 9, 15).
4) Verificar se o operador linear T: R 3 - .R3 definido por T(l, O, O)= (2, -1, O),
T (O, -1, O)= (-1 , -1 , -1) e T(O, 3, -1) = (O, 1, 1) é inversível e, em caso afirmativo,
determinar T- 1 (x, y, z).
Operadores linun, 265
5) No plano uma rotação de ; radianos é seeuida de uma reflexão em torno do eixo dos y.
a) Mostrar que a transformação é um isomorfismo.
b) Determinar a inversa da transformação definida.
2
6) Seja T: R . _ R 2 o operador linear que transforma u em T(u) e v em T(v),
co·nforme 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.
T(u)
-1 o l X
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

desse eixo.
e) A inversa de uma rotação do plano de um ângulo 8 é a rotação do plano do ãnaulo -8 .

266 Âlgebra linear
8) Consideremosàsse&11intesbasesdo E.2:A= { (l , 1),(0,-1) } e 8= { (2, -3),(-3, 5)}.
a) Determinar a matriz-mudança de base [ I!. J: .
b) Utilizar a matriz obtida no item a) para calcular v8 , sendo vA = (2, 3).
e) Determinar a matriz-mudança de base de 8 para A .
9) Repetir o problema 8 para as bases A= { (3, -1), (1, -2)} e 8 = {t3 , 2), (2, 2)}, sendo
VA = (4, 3).
10) Sejam 8= { (1,0),(0, l)}, B1 = { (1,1),(-1,0)} , B2 = {(-1,1),(2,-3)} e

8 3 = {(2, 1), (-5, -1) } , basesdo R 2
.a) Determinar as matrii.es-mudança de base :
b) Determinar o vetor - coordenada de v = (-3, 4) em relação às bases 8, 8 1 , B2 e 8 3 •
11) Sabendo que:
-1 4
e B = { (3, 5), ( 1, 2)} ,
4 -11
determinar a base A.
12) Sabendo que :
-7 6
[I] A= e A= { (1,3),(2,-4)},
B
-11 8
determinar a base 8.
Operrzdore, ltneare, 267
13) A base B é obtida da base canônica A do R 1 pela rotação de ; rad. Calcular:
a) [I]:
b) [I]:
14) Consideremos as ac1uintes bases do R 3 :
A= { (1 , 0 , 0),(0 , 1, 0), (0, 0 , 1) } e B= {(1,0,-1),(0, 1,-1),(-1 , 1, 1)}
a) Determinar a matriz [ I] A .
B
b) Utilizar a matriz obtida no item a) para calcular v8 , sendo vA = (1 , 2, 3).
e) Determinar a matriz [I] B .

A
15) Se
o 1 o
(I] A=
B
1 1 o
l 1 1
determinar [v JA , sabendo que:
3
[v] 8 = -2
o
16) Mostrar que para qualquer base A de um espaço vetorial, a matriz-mudança de base
[I]: é a matriz identidade.
17) Em relação aos operadores dados, determinar primeiramente a matriz de T na base A e , a

seauir, utilizar a relação entre matrizes semelhantes para calcular a matriz de T na
base B.
268 Álgebra linear
a) T:IR.2 --+ IR2 , T(x,y)=(x+2y,-x+y)
A= {(-1 , 1),(1,2) } e B= {(1, - 3),(0,2) }
b) T: 1R2 --+ R 2 , T(x, y) = (2x - 3y, x + y)
A= {(1 , 0),(0,1)} e B= {(3,0), (-2,-1)}
e) T: IR2 --+ JR.2, T(x,y)=(7x-4y,-4x+y)
A é a base canônica e B = { (-2, 1), (1, 2)}
d) T: R 3 --+ 1R3 , T(x, y, z) = (x - 2y- 2z, y, 2y + 3z)
A é canônica e B= {(O,l,-1),(1,0,0),(-1,0,l)}
18) Seja T: JR. 2 - JR.2 wn operador linear. Consideremos as bases A canônica e

B= {(4,1),(-11,-3)}. Sabendo que
3 5
[T] B =
1 2
determinar (T) A, utilizando a relação entre matrizes semelhantes.
19) Seja o operador linear T: R 2 --+ JR.2 , T(x, y) = (x + y, x -y).
a) Determinar [T]B, sendo B= {(1,2),(0, -1)}.
b)Utilizar a matriz encontrada em a) para calcular T(v)B , sabendo que v=(4,2).
20) Encontrar três matrizes semelhantes ã matriz:

Operodore, llltfltlrn 269
21) Quãis dos seguintes operadores são ortogonais?
1 1 1 1
a)T:.R2 ---+ R 2 , T(x y)=( - x- - y -x+-y)
' ../i .,fi. ·0 ../2
b)T: .R2 ---+ JR.2, T (x,y)=(-y,-x)
e) T:.R2 --+ JR2 , T(x,y)=(x+y, x-y)
22) Dentre os seguintes o peradores lineares, verificar quais são ortogonais:
a) T: .R3 --+ R 3 , T(x, y, z) = (z, x, -y)
b)T ·. JR.3 --+ IR3 , T(X, y, Z) - (x , y, Z)
e) T: .R 3 --+ .R 3 , T(x,y, z)=(x, 0 , 0)
d) T: IR 3 --+ JR3 , T (x, y, z) = (x, ycos 8 + zsen 8 , -ysen 8 + zcos 8)
23) Verificar quais das seauintes matrius sio ortoaonais e, dentre estas, determinar as que
representam rotações :
a) 3 4 b) 3 4 e) 1
5 5 5 5 ../5
4
5
3
5
3
5
4
5 v5
2
·- 1
../5
d) l 3 e) 1 o -1 t) 1 2 2
v'fõ v'Iõ 3 3 3
l l o
__L l 2 2
-31
v'io v'iõ -1 l o 3 3
'.2 1 2
,3 3 3
270 Â/8ebro linear
g)
- 1 l l h) - l
- -l --..fi,1 i) cos 6 o -sen6
"3 v'3 ./3 ./3 .Jl,
o 1 o
o -1
-v'22 -v'2 -- 1 .- 1 --1
v'3 "'6 v'2 sen6 o cos8
- 2 - -l - -1 1 2
o
../6 ./6 ./6 ,Jj "'6
24) Construir uma matriz ortogonal cuja primeira coluna seja: .
a)
b)
25) Mostrar que se A e 8 são matrizes ortoaonais, então AB tam~m é ortogonal.
26) Mostrar, por meio da multiplicação de matrizes, que uma rotação de 30" seauida de uma
rotação de 600 resulta em uma rotação de 900 .
27) Determinar a e b para que os seguintes operadores no IR.3 sejam simétricos:
a) T: R 3 - IR 3 , T (x, y, z) = (3x - 2y, ax + y - 3z, by + z)
b) T : JR.3 - JR.3 , T(x, y, z) = (x + 2z, ax + 4y + bz, 2x - 3y + z)
5.7 .1 Respostas de Problemas Propostos
1) a) 1 - 1 (x,y)= (x+2y,~x+~y)
b) 1 - 1 (x,y)=(- 3x - 2y, -2x.-y)
e) T não é inversível.
Operadores li.vare, 2 7J
. 5
d) r -1 (x, y) = (x + y, -2x -2y)
e) r -1 (x, y) = (x., -y)
t) r- 1 (x, y,z)=(x-y+z, 3y-z, 2y-z)
g) r -1 (x,y, z)=(2x-y+2z,-x+y-z, z)
h) r -1 (x, y , z) = (x, y - z, x - y)
i) T não é inversível.
2) b) r- 1 (x,y, z) = (x+z, 2x-y+z, -z)

e) v = (2, 7, O)
3) v = (z, 3 - 2z, z), z E R
4) r -1 (x, y, z) = (-y + z, -2x - 4y + 7z, x + 2y - 3z)
5)
6) a) T(x, y) = (2x -y, x + y)
3 ' -~
3 +.l.
b) T -1 ( x , y)=(.! 3 +1r)
.3
8) a)
8 -3
5 -2
b) VB = (7 , 4)
272 Álgebra linear
e)
2 -3
[I) 8 =
A
5 -8
9) a)
b) v8 = (25 , - 30)
e)
10) a)
1 -1 o 1
[1)81= (I] B =
8 B1
1 O -1 1
-1 2 -3 -2
[I] 81 = [I] B =
B 82
1 -3 -1 -1
11) A= {{l , 3), {l , -2)}

Operadores lineares 2 73
12) B = { (3, -2), (-2, 1) }
a) .,/3
13)
-2l 2
- -../3
2
-
1
2
b) l y'3
2
--2
../3 1
2 2
14) · a) 2 l 1
-1 O -1
l 1 1
b) VB = (7, -4, 6)
e) 1 O -1
O 1 1
-1 -1 1
15) -5
2
17) a)
o -3 -5 4
[T)A = [TJe = _1~
1 2 7
b)
2 -3 o s
[T)A = (T)B = 3
1 1 -3 3
e)
[T] j =
7
4
-4
1
[T)B =
[: _:]
<
d) 1 -2 -2 1 o o
[T) "' o 1 o (TJe = o 1 o
o 2 3 • o o 3
1 -3
18)
-1 4
19) a)
3 -1
[T)B =
7 -3
b) T(v) 8 =(6, 10)
2 1) São ortogonais a) e b)
22) São ortogonais a), b) e d)
23) São ortogonais: a), e), d), f), g), h), i)

São rotações: a), d), f), h), i)
Operadore11 lineares 275
..,
.
24) a)
.,_
..;s -,Js1
-- 1
,Js
-./52
2
b) -31 3
-32
2
--32 --31 3
--32 -23 --
1
3
~-) a) a= -2 e b = -3
b) a=O e b=-3
CAPÍTULO
VETORES PRÓPRIOS
E
VALORES PRÓPRIOS
6.1 VETOR PROPRIO E V ALOR PRôPRIO OE UM OPERADOR LIN EAR
Seja T : V ---+ V um operador linea1 . Um vetor v E V, v ~ O, é vetor próprio de

operador. T se existe À E IR tal que
T(v)= Xv
O número real À tal que T t v) =:: Àv é deno minado valor próprio de T associado ao
vetor próprio v.
Observações
a) Corno se vê pela definição . um vetor v-=/: O é vetor próprio S( a imagem T (v) for um
mllltiplo escalar de v. No 1R 2 e nu R 3 diríamos que v e T(v) têm a mesma direção. Assim .
dependendo do valor de À, o operador T dilata v, contrai v, inverte o sentido de v ou o
anula no caso de À = O.
Na Figura 6. !a, o vetor v E .IR2 é um vetor próprio de um operador T que dilata v,

porque À> 1. A Figura 6 . l b mostra um vetor v que não é vetor próprio de um operador T.
b) Os vetores próprios são também denominados vetores característicos ou autovetores.
e) Os valores próprios são t ambém denominados valores caracterfsticos ou autovalores.

276
Jietores próprios e valores proprioi 277
Figun6.la F~ura 6.lb
Exemplos
J) O vetor v = (5, 2) é vetor próprio do operador linear
T: R 2
--+ IR 2 • T(x, y) = (4x + 5y, 2x + y)
associado ao valor próprio À= 6, pois:
T(v)=T(S,2)=(30, 12)=6(5,2)=6v
Já o vetor v = (2, 1) não é vetor próprio deste operador T, pois:
T(2, 1) = ( 13, 5) :;I!: À (2, 1)
;:,ara todo À E IR.
:1 Na simetria definida no IR3 por T(v)-= -v,qua1quervetor v:;1!:0 é vetor próprio associado
ao valor próprio À = -1.
,bservação
Tendo em vista aplicações em questões de Geometria Analítica, serão estudados, neste

Capítulo, somente vetores próprios e valores próprios de operadores lineares em IR.2 e em R 3 .
278 Álgebra linear
6.2 DETERMINAÇÃO DOS VALORES PRÓPRIOS E DOS

VETORES PROPRIOS
1) Detenninação dos valores próprios
Seja o operador linear T: R 3 - R 3 , cuja matriz canônica é:
isto é, A = [TJ .
Se v e >.. são, respectivamente, vetor próprio e o correspondente valor próprio do opera-

dor T, tem-se:
A. v = À.V (v é matriz-coluna 3 x 1)
ou:
Av-Ã.v=O
Tendo em vista que v = lv (I é a matriz-identidade), pode-se escrever:
Av-Mv=O
ou:
(A- Xl)v = O (6.2a)
Para que esse sistema homogêneo admita soluções não-nulas, isto é:
X o
V= y * 0
l o
deve-se ter:
det (A - Ã.I) = O
Vetores próprios e valores próprios 2 79
ou:
À o o
det o À o = o
o o À
ou, ainda:
au-À ª12 813
det 321 ª22-À a23 = o (6.2b)

331 a32 333 -À
A equação det(A - XI) = O é denominada equação característica do operador T ou da ma·

:riz A, e suas raízes são os valores próprios do operador T ou da matriz A. O determinante
iet (A - ~J) é um polinômio em À denominado polinómio caracten'stico.
2) Determinação dos vetores próprios.
A substituição de À pelos seus valores no sistema homogêneo de equaÇôes lineares 6.2a

;.'ermíte determinar os vetores próprios associados.
6 2 .1 Problemas Resolvidos
1) Determinar os valores próprios e os vetores próprios do operador linear
T: IR.3 --- IR.3 , T {x, y, z) = (3x - y + z, -x + Sy - z, x - y + 3z)
3-:Jução
I) A matriz canônica do operador T é:
3 -l 1
A= -l 5 -1
1 -1 3
280 Álgebra linear
A equação característica do operador T é:
3 - ;\ -1 1
det(A - XI)= -1 5 -À -1 == O
1 -1 3-À
isto é, desenvolvendo o determinante pela 1!l linha e observando a alternância dos sinais que
precedem os produtos, vem:
5-À -1 -1 -1 -1 5 -À
(3 -X) -(-1) + 1 = o
-1 3- X 1 3 -À l -1
(3 - À)( 15 - 8Ã + À 2 - l) + 1 (-3 t À + l) +. l (1 - 5 + À)= O
45 - 24À + 3X 2 - 3 - l SX + 8>.. 2 - X3 + À - 3 + X + l t l - 5 ;- À = O
-À 3 + 11 À 2 - 36À + 36 = o
ou:
X3 - 11 À1 + 36X - 36 = O
As 11oluções inteiras, caso existam, são divisoras do termo independente -36. Com as
devidas substituições na equação acima, constata-se que À =2 é uma delas. Conseqüentemente.
~ - 2 é wn fator do polinômio característico 11 X + 36Ã :- 36.
À 3
-
2
Se dividirmos esse
polinômio por À - 2, a equação poderá ser apresentada como:
(À-2)(À 2 -9À+ 18)=0
~. portanto, as demais raiz.es são soluções da equação:
À 2 - 9;\ + 18 = o
Logo, os valores próprios do operador T são:

Vetores próprios e valores próprios 281
II) O sistema homogêneo de equações lineares que permite a determinaçào dos vçtores
próprios associados é:
(A -XI)v= O
Considerando
V = y
o sistema fica:
3-À -1 I X o
-1 5-À -1 y = o (6.2c)
1 -1 3-À z o
i) Substituindo ~ por 2 no sistema (6.2c), obtém-se os vetores próprios associados a

À1 = 2;
1 -1 l X o
-1 3 -1 y = o
1 -1 l z o
1St0 é:
lx - ly + lz = O
-1 X t 3y - lZ = Ü
lx - ly + lz = O
O sistema admite uma infinidade de soluÇ(}es próprias:
Z = -X
y = o
282 Àlgel>ra linear
Assàm, os vetores do tipo v 1 = (x, O, -x) ou v 1 .::: x (1, O, -1), x * O, são vetores próprios
associados .a À1 = 2.
li) Substituindo À por 3 no sistema (6.2c) obtém-se os vetores próprios associados a

À2 = 3:
o -1 1 X o
-J 2 -1 y = o
1 -1 o z o
isto é:
-y + Z, = o
-x + 2y - z ;
o
X - y = o
O siste~ admite uma infinidade de soluções próprias:
y = X
Z = X
Assim, os vetores do tipo v2 = (x, x, x) ou v1 = x(l , 1, 1), x * O, são os vetores próprios

associados a À, = 3.
-
iii) Substituindo À por 6 no sistema (6.2c). obtém-se os vetores próprios associados a
À3 = 6:
-3 -1 1 X o
-1 -1 -1 y = o
1 -1 -3 z o
isto é:
-3x - y + z = o
,
- X - y - z = o
X - y - 3z = o
O sistema admite uma infinidaàe de soluções próprias:

y = -2x
Z = X
Assim, os vetores do tipo v3 = (x, -2x, x) ou v3 = x (1, -2, 1), x * O, são os vetores
próprios associados a X3 = 6.
2) Deternúnar os valores próprios e os vetores próprios da matriz
4 5
A=
2 l
Solução
I) A equação caracter(stica de A é:
4-À 5
det(A - XI) = = o
2 1- À
:sto é:
(4 - X)(I - X) - 10 = O
)U:
4 - 4Ã - X+ X2 - lO= O
X2 - SX - 6 = O
As 1aízes dessa equação são:
À1 =6
À2 = -1
que são os valores próprios da matliz A.

284 Â/gebra linear
II) O sistema homogêneo de equações lineares que permíte a detennínação dos vetores
(A-M)v=O
Considerando:
X
V=
o sistema fica:
4-À s X o
= (6.2d)
2 1 -À y o
i) Substituindo À por 6 no sístema (6.2d), obtém-se os vetores próprios associados ao

valor próprio À. 1 == 6:
-2 5 X o
=
2 -5 y o
isto é:
-2x + Sy = O
2x - Sy = O
O sistema admite uma infinidade de soluções próprias:
2
Y =-x
5
Assim, os vetores do tipo vi = (x.; x) ou v 1 = x (1,; ). x,-:F O, ou, ainda, vi = x(S, 2)

são vetores próprios associados ao valor próprio ;\ 1 = 6.
Vetores próprios e valores própnos 285
ii) Substituindo À por -1 no sistema (6.2d), obtém-se os vetores próprios associados ao

valor próprio À2 = -1 :
[:
5
[:]
X
=
2 y
isto é:
Sx + Sy =O
1 2x + 2y =O
y = -X
Assim, os vetores v2 = (x. -x) = x (I, -1 ). x * O, são os vetores próprios associados ao valor
próprio À 2 = -1.
3) Determinar os valores próprios e os vetores próprios da matriz
-16 10
A=
-16 8
I) A equação característica de A é:
-16 - À 10
det (A -ÀI) = = o
-16 8 -À
isto é:
(-16 - À) (8 - À)+ 160 = O

286 ÂIKebra linear
ou:
- 118 + 16À - 8>.. + À 2 + 160 = O
À. 2 + 8À + 32 = o
As rafzes dessa equação são:
-8 rv'82 -4 X 32
À = 9
-8 :t y'64 - 128
2
-8 :t 8i
>.. =
2
À.1 == -4+4i
e. por conseguinte. a matriz A não possui valores próprios nem vetores próprios.
Ob$ervação
Se na definição de valor próprio de um operador linear T se admitisse À 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 text o consideraremos a.penas
valores próprios reais.
6.3 PROPRIEDADES DOS VETORES PROPRIOS

E VALORES PRÔPRIOS
I) Se v é vetor próprio associado ao valor próprio À de um operador linear T. o

vetor o:v, para qualquer real o: -4:- O, é também vetor próprio de T associado ao mesmo ;\.
De fato :
T(v) = Àv
e:
T (av) = aT(v) =a (Àv)
ou:
T(ov) = À(av)
o que prova que o vetor av é vetor próprio associado ao valor próprio À.
Aliás, os problemas resolvidos l e 2 servem para ilustrar essa propriedade.
Observação
Tendo em vista que av é vetor próprio associado ao valor próprio À, fazendo
1
a=
1 V 1
pode-se obter sempre um vetor próprio unitário associado ao valor próprio À.
II) Se é um valor próprío de um operador linear T:V --+V, o conjunto SÀ de

À
todos os vetores v E V, inclusive o vetor nulo, as:vciados ao valor próprio À, é um subespaço

vetorial de V.
e, portanto, v 1 + v2 E SÀ:
Analogamente, se verifica que av E SÃ para todo a E IR.
O subespaço
Sx= {vE V/T(v)=Xv}
é denominado subespaço associado ao valor próprio >,, ou erpaço caracten'stico de T

correspondente a À ou auto-espaço associado a À.
288 Álgebra linear
Por exemplo, no problema resolvido n9 2 vimos que ao valor prôprio À== 6 correspondem
os vetores próprios do tipo v = x (5, 2). Assim, o auto-espaço associado a 6 é:
S6 = {x(S, 2)/x E IR} = [(5, 2)}
que representa uma reta que passa pela origem.
III) Matrizes semelhantes têm o mesmo polinômio caracteristico e, por isso, os mesmos
))(1/ores próprios.
De fato:
Sejam T: V - V um operador linear e A e B bases de V. Sabe-se que a relação

entre matrizes semelhantes é [TJ B = M - • [T] A M, sendo M a matriz.mudança de base de B
para A. Então:
det([TJ 8 -Àl)=det(M- 1 ([T]A -hl)M)=de1M· 1 det([T]A -ÀI)det M
det ( [T] B - XI)= det M· 1 det M det ( [T] A - XI)= det (M- 1 M) det ([T] A - ;\I)
det ( [T) B .;. ÀI) = det (lT] A - ÀI)

Vetorei próprios e valores próprios 289
6.4 OIAGONALIZAÇÃO 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
8
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 À1 e À1 distintos. A prova para o caso de n
valores próprios distintos é análoga.
Consideremos a igualdade;
(1)
Pela linea.1idade de T, tem.se:
ou:
(2)
Multiplicando ambos os membros da igualdade de ( 1) por À1 , vem:
(3)
Subtraindo (3) de (2):
Mas:
290 Â/gebra linear
logQ:
Substituindo a 2 por seu valor em (1). tendo em vista que vi =FÜ, vem:
Logo, o conjunto {vi, v2 } é LI.
Coro/ár;o
*
Sempre que tivermos um operador T:.R 2 - - + .R 2 com Ài À 2 , o conjunto { v1 , v2 } ,
formado pelos vetores próprios associados, será uma base do R 2 . Este fato vale em geral, isto é,
se T: V - V é linear, dim V = n e T possui n valores próprios distintos. o conjunto
( v1, v 2 , ... , vn}, formado pelos co"esporidentes vetores próprios, é uma base de V.
Exemplo
Seja o operador linear
2 2
T: R - JR. , T(x, y) = (-3x - 5y, 2y)
A matriz canônica de T é:
-3 -5
A=
O 2
A equação característica de T é:
-3- ;\
det (A - XI) = = o
o 2-;\
Verores próprios e valores próprios 291
ou:
(-3 - X)(2 - X)= O
Ã2 t À - 6::: o
e. portanto , X1 = 2 e X2 = -3 são os valores próprios de T. Como À1 * À2 • os correspondentes
vetores próprios formam uma base de IR 2 .
Calculando os vetores próprios por meio do sistema homogêneo
-3 - À -5 X o
o 2-À y o
obteremos:
• para À1 ::: 2 os vetores v 1 = x ( J, - 1);

• para À2 = -3 os vetores v2 = x (-1, O).
Logo , o conjunto
{ (J, -J ), (-1, O) }
é uma base de JR 2 .
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 .
6.4.2 Problema Resolvido
4) Os valores próprios de um operador linear T: IR 2 -.... 1R2 são X1 =2 e X2 == -3. sendo

v 1 = ( 1, -1) e v2 = S-1, O) os respectivos vetores associados. Determinar T (x, y).
So lução
Expressemos, inicialmente, (x. y) em relação à base { ( l , -1 ), (- 1, O); :
(x ,y)= a(l,-l)+ b(-1,0)

292 Álgebra linear
ou:
a-b=x
1-a = Y
donde:
a = -y e b = -x - y
Logo:
(x, y) =-y(l ,-1) + (-x -y)(-1, O)
Aplicando o operador T, vem:
T(x,y) = -yT(I , -1) +(-x-y)T(- 1,D)
mas:
T(l, -0 = 2(1 , - I) = (2, -2)
T (-1 , O)= -3 ( -1, O) = (3, O)
logo :
T(x, y) =-y(2, -2) + (-x-y)(3, O)
ou:
T(x, y) =(-3x-5y ,2y)
Observação
Chamando de P a base acima, isto é:
P = { (1 , -1), (-1, O)}

Vetores próprios e yalores próprios 293
e observando que:
T(l, -1)= 2(1,-1) = 2(1,-1) + 0(-I,O)
T(-1,0) = -3(-1, O)= O(l, -1)- 3(-1, O)
concluímos que a matriz
2 O
[TJ P =
O -3
representa o operador T na base dos vetores próprios e é uma matriz diagonal cujos elementos
da diagonal principal são Ã1 e Ã2 .
6.4.3 Propriedade
Consideremos um operador linear T em lR 3 que admite valores próprios ll.1, 71.2 e À.3
dístintos, associados a v1 , v2 e v3 , respect:vamente. O corolário da propriedade anterior nos
assegura que o conjunto P = { v 1 , v 2 , v 3 } é uma base do IR; .
Tendo em vista que
o operador T é representado na base P dos vetores próprios pela matriz diagonal:
À1 o o
[T] P = O O =D
o o
.:onstituída de valores próprios na diagonal principal.

294 Âltebra linear
Sendo A a matriz canônica do operador T, isto é, [TJ = A, as matrizes A e D são

semelhantes por representarem o mesmo operador T em bases diferentes. Logo, a relação entre
matrizes semelhantes ( 5 .4) per mi te escrever:
sendo M a matriz-mudança de base P para a canônica C = { e 1 , e 2 , e 3 } , onde e 1 = (l, O, Ü.J.

e1 = (O , 1, O) e e3 = (O, O, 1).
Como:
M= (I]p =e - • P=r- 1 P = P
e
a relação anterior escreve-se:
(6 .4.3)
sendo P a matriz cujas colunas são os vetores próprios do operador T (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 diagonalizáve/ se existe umi matriz invers(vel P tal que p- 1 AP

seja diago nal.
Diz-se, nesse caso, que a matriz P diagonaliza A, ou que P é a matriz diagonalizado ra.
A definição acima pode ser expressa de modo equivalente: Um operador línear T : V --+ V
é diago nalizável se existe uma base.de V formada por vetores próprios de T.
5) Dete rminar uma matriz P que diagonaliza:
3 -1 1
A = -1 5 -1
l -l 3
e calcular p - 1 AP.
Vetores próprios e valores próprios 29S
Solução
No problema resolvido de número 1 já calculamos os valores próprios e os vetores próprios

de A e encontramos À1 =2 e vi =(1,0,-1), À2 =3 e v2 =(1, 1, I), X3 =6 e v 3 =(1,-2, 1).
Como os Xi são distintos, o conjunto P = {vi, v2 , v 3 } forma base do .IR3 e, portanto,
a matriz
1 1 l
P = O 1 -2
-1 l 1
diagonaliza A.
Calculemos:
1 1
2
o 2
3 -1 1 1 1 1
p-'AP = -31 -3l -3l -1 5 -1 o l -2
1
-61 3
-1
6 1 -1 3 -1 I 1
1 1
2
o 2
2 3 6
~-iAP = -31 I
o 3
3 3
-12
1 1 1
-T -2 3 6
6 6
2 o o
p-i AP = O 3 O = D
o o 6
296 Álgebra li,iear
6) Seja T: IR.2 - .IR.2 um operador linear dado por:
T(x, y) = (4x + Sy, 2x + y)
Encontrar uma base de IR.2 em relação à qual a matriz de T é diagonal.
Solução
A matriz canônica do operador T é:
4 5
A=
2 1
Pelo problema resolvido de n'1rnero 2, os valores próprios sao 11.1 = 6 e 11.2 = -1, e os
respectivos vetores próprios são v1 = x(S,2) e v2 =x(l,-1).
A base em relação à quaJ a matriz de T é diagonal é P = { (5, 2), ( 1, -1)} , base dos
vetores próprios.
Por conseguinte, a matriz:
5 1
P=
2 -1
é a matriz que díagona1i1.a A, ii.to é:
1 1
7 7 4 5 5 l 6 o
p-1AP = = = D
..,
2
7 -7
5 2 l
- -1 o -1
Vetores próprios e Palores próprio, · 297
Observação
Se na matriz P trocarmos a ordem dos vetores-coluna, isto é, tomarmos
a matriz diagonal D= p- 1 AP será:
7) Detenninar uma matriz P que diagonaliza
2 1 o
A= O -1
o 2 4
Solução
I) A equaçao caracter ístíca de A é:
2-X 1 o
det(A- 7d) "". o 1 .:. X -1 = o
o 2 4-X
298 Álgebra linear
isto é, desenvolvendo o determinante pela 1~ linha e observando a altemãncia dos sinais que
1 - i\. -1 o -1 o l - i\.
(2 - i\.) -1 + o = o
2 4-i\. O 4 -À D 2·
(2 - X) ((1 -X)(4 - X)+ 2} -O+ O= O

(2 -À)(4-5Ã+ À 2 + 2)= (2 -i\.)(À 2 - sx + 6)= (2 - À)(2-i\.)(3-i\.) = o
e daí:
À1 =2 e i\. 1 =3
(o número 2 é uma raiz dupla da equação).
II) Calculando os vetores próprios por meio do sistema homogêneo:
2-i\. -1 o X o
o 1 - i\. -1 y = o
o 2 4-À z o
obteremos:
• para À1 = 2 um só vetor próprio 11, v1 =(!.O, O);

• para X2 = 3 um s6 vetor próprio LI, v 2 = (1, 1, -2).
III) Como só existem dois vetores LI de R 3 , não existe uma base P constituída de
vetores próprios. Logo, a matriz A não e 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 diagonalização.

Vetores próprios e valorei próprios 299
6.5 DIAGONALIZAÇÃO DE MATRIZES SIMÉTRICAS
6.5.1 Propriedades
I) A equação caructerfstica de umo 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
p r
A=
r q
A equação característica de A é:
p- À r
det (A - X() = = o
r q-À
isto é:
(p - X)(q -71.)-r 2 =O
·JU:
pq - Xp - Àq + À2 - r2 = O
.
X2 -(p+q)X+(pq-r2 )=0
O discriminante dessa equação do 2Q grau em ;\ é:
(p + q) 2 - 4 (pq - r 2 ) = p 2 + 2pq + q 2 - 4pq + 4r2 = (p - q) 2 + 4r 2
Tendo em vista que esse discríminante é uma soma de quadrados (não-negatíva), as raízes
:a 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
.- ~ vetores próprios são orrogonais.
300 Álgebra linear
De fato:
Sejam À 1 e À2 dois valores próprios do operador simétrico T e X1 -:f= X2 • Sejam aindl

T (v 1 ) =X I v I e T (v 2 ) = À2 v 2 . Pretendemos mostrar que
Sendo T um operador simétrico, pela propriedade 5.6.1, vem:
ou:
ou:
ou. ainda:
Mas.
À1 - t\2 * O implica v 1 . v2 = O, ou seja:
III) Em 6.4.3 vimos que uma matriz A é diagonalizada pela matriz P dos vetores próprios
através de:
(6.5. l,
No caso particular de A ser simétrica, pela propriedade anterior, P será base ortogonal.
Tendo em vista futuras aplicações, é conveniente que P, além de ortogonal, seja ortonormal.
o que se obtém normalizando cada vetor.
Vetores próprio, e Nlon1 própr101 JOJ
Assim, de acordo com a propriedade V de 5 .5 . 1, os vetores próprios ortonormais de P

formarão uma matriz ortogonal e, pela propriedade I de 5.5 .1, tem-se p-• = pt. Portanto a
relação (6 .5 .1) fica:
D =P1 AP
e, nesse caso, diz-se que P diagonaliza A ortogonalmente.
8) Determinar uma matriz ortogonal P que diagonaliza a matriz simétrica:
7 -2 o
A= -2 6 -2
o -2 5
Solução
I) A equação característica de A é:
.....
·.
7-À -2 o
det(A- M) = -2 6 .. À -2 = o
o -2 5-À
:.sto é, desenvolvendo o determinante pela 1~ linha e observando a alternância dos sinais que
?recedem os produtos, vem:
6 -À -2 -2 -2 -2 6- À
(7 -À) -(-2) +O = o
-2 5 -À O 5-À. O -2
(7 - X) [(6 - X)(5 - X)- 4] + 2 [ -2 (5 - X)+ O] +O= O
(7 - À) (6 - ).)(5 - J...) - 28 + 4X -4 (5 -À)= O

(7 -Ã)(6-X)(5 -X)-28 + 4À-20+ 4À= O
(7 - À) (6 - À)(S - À) -48 + 8Ã = O
(7 -À)(6-X)(S -À)-8(6-À)= O
( 6 - À) [(7 - À) ( S - À) - 8 J =O
(6-À)(35-12À+À 2 -8)=0
(6 - À)(À 2 - l 2À + 27) = o
(6 - À)(À - 3)(À - 9) = O
As raízes dessa equação são ). 1 = 3, Ã.2 = 6 e >..3 = 9 e, por conseguinte, são valores pré-
prios da matriz A.
II) O sistema homogêneo de equações lineares que permite a determinação dos vetore;
(A -ÀI)v= O
Considerando
V= y
o sistema fica:
7-À -2 o X o
-2 6- À -2 y. = o (6.5 .2a
o -2 5 -h z o
i) Substituindo À por 3 no sistema (6.5.2a), obtém-se os vetores próprios associados

a Ã. 1 = 3:
Vetores próprior e valorei próprios 303
4 -2 o •X o
-2 3 -2 y = o
o -2 2 z o
isto é:
4x - 2y + Oz = O
-2x + 3y - 2z = O
Ox - 2y + 2z = O
O sistema admite uma infinidade de soluçôes próprias:

y = 2x
z = 2x
Assim, os vetores v 1 = (x, 2x, 2x) = x(l, 2, 2) são os vetores próprios associados ao
valor próprio X1 = 3. Fazendo:
1 1
x= ...;12 +22 +22 =3
umtano u1 = (122)
•.•.
ob tém-se o vetor prÓpno , , associa'do a "•
.. =3.
33 3
ii) Sub$tituindo .À por 6 no sistema (6.5.2a), obtém-se os vetores próprios associados a
\2 = 6:
l ~2 o X o
-2 O -2 y = o
o -2 -1 z o
.~10 é:
JX - 2y = Ü
-2x - 2z = O
- 2y - z = O
304 Álgebra linear
I
y =-x
2
Z = -X
Assim. os vetores v2 ..., (X,~ x, -x) = x(l,½, -l) sãoosvetoresprópríosassociadosaovalc~

próprio ;\2 = 6. Fazendo
l 1 2
X--==== = =
j l+ !+ h 3
obtém-se o vetor próprio unitário u 2 = ( ; , ~ , - ; ) associado a À 2 = 6.
íii) Substituindo À por 9 no sistema (6.5.2a), obtém-se os vetores próprios associade:

a À3 = 9:
-2 -2 o X o
-2 -3 -2 y o
..,
o -,_ -4 z
... o
isto é:
-2x - 2y =O
-2x - 3y - 21. =O
- 2y - 4z =O
y =-x
z = ,1
-X
· os vetores v3
Assim, "' · -x, l x ) = x (l , - l , l ) sao
(x. - os vetores propnos
' . associa
. dos ao va1or
2 2
próprio À3 = 9.
Fazendo
. . umtano
. .. u = (2 2 1) associa
'do a 1\3
, ='9 .
t m-$e o vetor propno
o bé 3
3 •-3 ,3
III) A matriz P, cujas colunas sao as componentes dos vetores próprios unitários u1 , u2 e
u3 associados aos valores próprios À1, Ài e À3 é ortogonal:
1
3
-32 -32
p =
2
3
1
3
--32
1
2
3
--23 3
t t t
Ut U2 U3
De fato:
122 122 1 44
Ui 'Ui - ( 3 '3 '3 ) . ( 3 '3 '3 )- 9 + 9 + 9 - }
,.
21 2 21 2 414
u, . Ul - ( 3 ' 3 ' - 3 ) . ( 3 ' 3 ' - 3) - 9 +9 + 9 - l
2 21221 441
U3 • U3 - ( 3 '- 3 ' 3 } . ( 3 ' - 3 ' 3 ) - 9 + 9 + 9 - l
306 Álgebra linear
A matriz P é a matriz diagonalizadora. De fato:
D=P- 1 AP=P1 AP
isto é:
-32 -2
1 l
7 -2 o 2 -2
3 3 3 3 3
2 l 2
D= 3 3 3
-2 6 -2
2
3
l
3 --32
2 2 1 1. 2 1
3
--
3
-
3
o -2 5
3 3 3
1 ...., 2
J 4 6
3 3 3
D=
2
3
1
3
--32 2 2 -6
2 2 1
T 2 -4 3
3 3
3 o o
D= o 6 o
o o 9
9) Seja o operador linear simétrico T: 1R 3 _ _.. IR 3 definido pela matriz:
1 o -2
A= O o o
-2 o 4
Detenninar uma matriz ortogonal P que diagonaliza A.

Vetores próprios e valores pró prios 307
Solução
I) A equaçlfo característica de A é:
l - i\ o -2
det (A
. - Ãi)
. = o -À o =o
-2 o 4-À
isto é, desenvolvendo o determinante pela 1~ linha e observando a alternânciados :1inais que

- i\ o o o o - i\
(l - i\) - o + (-2) = o
O 4 - i\ -2 4 - i\ o
(1- i\)(-i\)(4 - i\) - O - 2 (-2i\) = O
ou :
As raízes dessa última equação são i\ 1 = O, i\2 :: Oe Ã3 = 5 e. por conseguinte, são va-
lores próprios do operador linear simétrico T.
II) O sistema homogêneo de equações lineares que permite a determinação dos vetores
(A-ÃI)v=O
Considerando
xl
v= y
z
.J
308 ÃIKebra linear
o sistema fica:
l - À o -2 X o
o -À o y ::: o (6.5.2t
O 4 -À z o
i) Subsiituindo À por O no sistema ( 6 .5 .2b ), obtém-se os vetores P,róprios associados a

À1 = O e À 2 = O:
1 o -2 X o
o o o y :::
o
-2 o 4 z o
isto é:
2z =O
{ X -
-2x + 4z =O
1
z =-x e y qualquer
2
Assim, os vetores v = (x, y, ~ x) são os vetores próprios associados a À1 =O e Ã2 = O.

Fazendo x =2 e y = O. por exemplo, obtém-se um vetor v 1 = (2, O, l); fazendo x = O
e y = l, por exemplo, obtém-se outro vetor v2 = (0, l, O). Os vetores próprios v 1 e v2 ,
línearmente independentes, são associados ao mesmo valor próprio À= O.
Os vetores próprios unitários, associados a À1 ::: O e Ã2 :... O, são:

ü) Substituindo À por 5 no Sistema 6 .5 .2b, obtém-se os velures própríos associados

a >.., = S:
-4 o -2 X o
O -5 o y = o
-2 o -1 z o
isto é:
-4x - 2z = O
-Sy =O
-2x - z =O
O sistema admite uma infinidade de soluções próprias :
z=-2x.
y=O
Assim, os vetores v3 = (x, O. -2x) = x(l, O, :-2) são os vetores próprios assocíadosa Às = S.
Fazendo
l l
X -;=== - -
v'l + 0 + 4 - V5
1 2
'
o b tem-se o vetor pr6pno
. unit
'áno
" u3 == ( Js ,O, - Js ) ' d o a "' 3
associa = 5.
III) A matriz P, cujas colunas são as componentes dos vetores próprios unitários
u 1 , u 1 e u 3 , associados aos valores próprios >..1 , >..2 e >.. 3 , é ortogonal:
2 l
o
v'5 ../5
p = o l o
1 o 2
v'5 -../5
t t t
u, U2 U3
J JO Â lgebra linear
De fato:
IV) A matriz P é a matriz diagonalizadora.
De fato:
2 l 2 1
o 1 o -2 o
.Js .js ../S .Js
D:: o l o o o o o l o
l 2 , 1 2
../5
o
../5 -2 o 4
.jf o - ../5
-.Js
2
o
l
.Js
o o .js
5
D= o 1 o o o o
1 10
y5
2
o - .js o o --
.../5
o o o
D= O O O
o o s
10) Seja o operador linear simétrico T: R 2 ---+ .IR2 definido pela matriz
4 12
A=
)2 -3
Vetores próprios e valores pr6prios JJ 1
Determinar a matriz ortogonal P que diagonaliza A.
Solução
1) A equação característica de A é:
4-À 12
det (A - hl) = = O
12 -3 - À
isto é:
(4 - À)(-3 - À) - l44 = O
ou:
-12-4À+JÀ+À2 -144=0
Ã.2-Ã-156=0
As raízes dessa equação são:
À1 = -12
e, por conseguinte, À1 = -12 e Ã2 = 13 são os valores próprios do operador linear T.
II) O sistema homogêneo de equações lineares que pernúte a determinação dos vetores
(A - ),J)v = O.
Considerando
V =
y
312 Algebra linear
o sistema fica:
12 X o
=
12 -3 - À y o
i) Substituindo À por -12 no sistema (6.5.2c), obtém-se os vetores próprios associac:-;

aÀ 1 =-l2:
16 12 X o
=
12 9 y o
isto é:
16x + 12y = O
12x t 9y = O
O sistema admite uma infmidade de soluções proprias:
4
y=--x
3
Assim, os vetores v 1 = (x, - ; x)= x( 1, - ; ) são os vetores próprios associados a À1 = - l:

Fazendo:
l
x=---
fi+ 196
obtém-se o vetor próprio unitário u 1 =( !,-;) associado ao valor próprio X1 = -I2.
ii) Substituindo À por 13 no sistema (6.5.2c}, obtém-se os vetores próprios associados a

À2 = 13:
-9 12 X o
=
12 -16 y o
Vetores próprios e valores próprios Jl 3
isto é:
+ 12y = O
{ 9,
12x - l6y = O
O sistema admite uma infinídade de soluções próprias:
3
y=-x
4
Assim, os vetores v2 = (x, !

x} = x (1, !)
são os vetores próprios assocíados a À 2 = t3. F a-
zendo:
x- l = 1 =4-
-~
v' "T6
l
;1¾ 5
4 3
obtém-se o vetor próprío unitário u 2 = ( ,
55 ) associad o ao Vá.cor
.. , própno
. ..,A = 13.
2
li t) A matriz P, cujas colunas são as componentes dos vetores próprios unitários u I e u 2

associados aos valores próprios À 1 e À2 , é ortogonal:
3 -4
p
s 5
= 4 3
-5 5
De fato:
U1 . Uz =Ü
A matriz P é a matriz diagonalizadora.
De fato:
314 Algebra linear
3 4 4 12 3 4
5 -5 s 5
D=
4 3 12 -3 4 3
5 5 5 T
3 4 36 52
5 5 -5 5
D=
4 3 48 39
5 5 5 5
-12 O
D=
O 13
l) Verificar, utilizando a definição, se os vetores dados são vetores próprios das correspon-
dentes matrizes:
a) V =(-2, 1),
3
l 1 l
b)v=(l,l, 2). O 2 1
O 2 3
1 -1 O
c)v=(-2,1,3), 'J 3 2
l 2
Vetores próprios e valores próprios 31 S
~) Determinar os valores próprios e os vetores próprios das seguintes transfonnações lineares:
ai T: IR 2 - IR2, T(x, y) = (x + 2y, -x + 4y)
b) T: IR 2 ____. IR2, T(x,y) = (2x + 2y, x + 3y)
e) T: IR 2 - IR2, T(x, y) = (5x -y. x + 3y)
d) T: lR 2
- 11{ 2, T(x,y)=(y,-x)
e) T: lR. 3
- IR3' T(x, y, z) = (x + y + z, 2y + z, 2y + 3z)
f) T: JR.3
g) T: ll(i -
- IR3, T (x, y, z) =(x, -2x - y, 2x + y + 2z)
JR.3 ' T (x, y, z) =(x + y, y, z)
3) Calcular os valores próprios e os correspondentes vetores próprios das seguintes matrizes:
:]
a) e) l o o
A= [ 1
-1 A= l l -.....
o l -1
~]
b)
f) 3 2 1
A= [2
3 A= 1 4 1
l 2 3
e) -1 o
g) 3 3 -2
A= .
'")
3 2
,.,
A= o -1 o
t 1
8 6 -5
d) 3 -1 -3 h) o o 2
A= O 2 -3 A= O -1 o
o o -1 2 o o
)16 Ãlgebra linear
4) Provar as seguintes proposições:
a) Se um operador linear T:V ---+ V admite À= O como valor próprio, então T nãc =
inversível.
b) Uma matriz A e sua transposta A I possuem os mesmos valores próprios.
e) Os valores próprios de uma matriz triangular <_ou diagonal) são os elementos da diagor.~
principal.
5) Os vetores v1 =(1,l) e v2 =(2,-l) são vetores próprios de um operador line~~

2
T: IR.2 - - R , associados a À 1 = 5 e À2 = -1, respectívamente. Deternúnar .ª image~
do vetor v = (4, l) por esse operador.
6) a) Determinar o operador linear T: .R 2 ---+ JR 2 cujos valores próprios são Ã. 1 = 1 :

À.2 = 3 associados aos vetores próprios v1 = (y, -y) e v2 =(O, y ), respectivamente
b)Mesmoenuncíadopara À. 1 =3, À.z=-2 e v 1 =x(I,2), v 2 =x(-1,0).
7) a) Quais são os valores próprios e os vetores próprios da matriz identidade?
b) Se À1 =4e À2 = 2 são valores próprios de um operador linear T: m2 - JR:

associados aos vetores próprios u=(2,l) e v=(-1,3), respectivamente, determinr:.:
T(3u-v)
e) Mostrar que se u e v são vetores próprios de uma transformação linear associados .;

À, então Q u - ~v é também vetor próprio associado ao mesmo À.
8) Seja T: R 2 ----+ R 2 uma transformai,:ão li11ear que dobra o comprimento do veto:

u = (2, 1) e triplica o comprimento do vetor v = (l, 2), sem alterar as direções nem
inver!er os sentidos.
a) Calcular T(0,3).
b) Determinar T(x, y).
e) Qual a matriz do operador T na base { (2, 1), (1, 2)} ?
9) a) Determinar as matrizes das rotações em IR' que admitem valores e vetores próprios.
b) Determinar os valores e os vetores próprios das rotações referidas em a).

Vetores próprios e valores próprios )I7
10) Seja T: V - 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- 1AP.
a) 2 4 f) ,..., 3 -1
A=
A= o -4
3
o o 3
b) 9 1
A= g) 1 -2 -2
4 6
A= o I o
e) 5 -1 o 2 3
A=
l 3 h) 3 o -2--,
1
A= -5 1
d) 1 2
2 o _:J
A = -1 3 1
o 2 2
e) 1 o o
A= -2 3 -1
o -4 3
12) Seja T: IR 2 - 1 R2 o operador linear definido por
T(x, y) = (7x - 4y, -4x + y)
a) Determinar uma base do IR.2 em relação à qual a matriz do operador T é diagonal.
b) Dar a matriz de T nessa base.

:J18 Algehra linear
13) Para cada uma das seguintes matrizes simétricas A, encontrar uma matriz ortogonal P, para
a qual ptAP seja diagonal:
a) 2 2 d) J o J
A=
..,.. ,, ~
A= o -1 o
1 o l
b) 3 -1
A= e) 7 -2 -2
-1 3
A= -2 1 4
e) 2 2 -2 4 1
A=
2 5
14) Determinar uma matríz P que diagonaliza A ortogonalmente e calcular p- 1 AP.
a) 5 3 d) 6 o 6
A=
A = o -2 o
3 s
6 o I
b) o o 2
e) 2 -2 -1
A= o -1 o
A= -2 2 1
2 o o
-1 1 5
e) 3 -1 1
A= -1 5 -1
1 -1 3
6.6.1 Respostas de Problema$ Propostos
l) a) sim b) sim e) não
2) a) X1 =3, v 1 =(y,y); X2 :::;:-2, vz=(2y,y)

b) À1 = 1, V1 =y(-2, l); À2 = 4. V2 =x (l , 1)
e) À1 = À2 = 4, v = x (L l)
d) Não existem.
f) À1 = 1, v1 = z(3. - 3, 1); À2 = -1, V7. = z(O, - 3, l ); À3 =2 , v3 = z (O, O, 1)
g) À 1 = À2 = >- 3 = l , v = (x, O, z.), x e z não simultaneamente nulos.
3) a) À1 = 2, V1 = y(3 , 1); À2 = 4, V2 = y(l , l)
d) À1 =- 1, v1 =x ( l , l, l ); ;\2 =2, v2 = x(l , 1,0); À3 =3, v 3 = x ( l , 0 , 0)
e) À 1 = L v 1 =(2z , 2z, z); À2 e X3 imaginários
3
g) À 1 = À2 = À 3 = -1, v = (x, y, 2x +
2 y)
h)Ã1=2, v 1 =x ( l , O,l); Ã2 = - l, v2 = y(O, l ,0); · ;\3 = -2, v3 =x(1,0, -l )
5) (8, 11)
6) a} T (x, y) = (x, 2x + 3y)
b) T (x, y) = (-2x +; y, 3y)
7) a) À= 1, todos os vetores do espaço com exceção do vetor nulo.
b) (26, 6)
2
e)
o :J
9) a) J o -1 o
(rotação de 0 ° ) e ( rotação de 180·0 )
o l O -1
b) À= 1 e À= -1 , respectivamente ; com exceção do vetor zero, todos os vetores do IR"

são vetores pró prios.
10) Todos os vetores do núcleo, com exceção do zero , são vetores próprios associados a À"" O.
.,
11) a) l 4 - ,:. o
p = p - 1 AP =
'
-1 3 o 5
b) l 1 10 o
p = , p -1 AP =
1 -4 o 5
e) Não diagonalizável.
d) 2 l o 3 o o
p = 1 o l , p-1 AP = o ,.
')
o
2 1 -2 o o l
e) Não diagonalizável.
f) -3 1 -7 1 o o
p = 1 o -2
'
p-1 AP = o 2 o
o o 1 o o 3
g) o 1 -1 o o
p = l o O , p- 1 AP = O 1 o
-1 o l o o 3
h) Não diagonalizável.
12) a) { (-2, 1), (1, 2)}
b) o
19
Lo -1
13) a) __ ]_ l d) 1 l
o
../2 v2 ...ti ./2
P=
l 1 P= o o 1
v'2 V2 l 1
-vi o
v'2
b)
l 1
v'2 -vi e) l 2
-- o
P= '13 ../6
l 1 P= I l 1
...ti .Ji v3 v'6 -./2
l 1 1
e) vf ,./6 .Ji
l 2
0 v'S
P=
-
2 1
v'S v'5
14) a)
l 1
y2
-y2
- 8
ptAP =
p =
1
v'2
I
J2
o :J
1 o I
b) r, ..,
v'2 y.:,
- o o
p = o o P1 AP = o -1 o
1 o l o o -2
-
.Jf.
--
vi
322 Álgebra linear
e) 1 l 1
-
0 ../3 v6 2 o o
p = 1 2 p - 1AP ~ o 3 o
o .j3 --./6 '
o o 6
1 1 1
y2 v'3 -./6
d)
3 2
o
vTI v'f3 -2 o o
p = 1 o o '
p- 1AP = o 10 o
o o -3
2 3
o vTI
--v'í3
e) 1 1 1
- v'6 v'3 y2
6 o o
1 l l
-0 •
p-1AP = o 3 o
v'6 vi
2
o o o
1
-v'6 -
.Jj
o
CAPÍTULO
FORMAS QUADRÁTICAS
7.1 FORMA OUADRATICA NO PLANO
A matriz simétrica real:
A• [: :]
associa ao vetor v5 -= (x, y) E IR.2, referido à base canônica
ax 2 + by 2 + 2cxy
que é um polinômio homogêneo do 29 grau em x e y chamado forma quadrátiai no pi.ano.
Na forma matricial esse polinômio é representado por
:] :]
sendo a matriz simétrica A a matriz da forma quadrática.
323
324 À/gebra linear
Assim, a cada vetor v8 correspon de um núme ro real:
p = ax 2 + by 2 + 2cxy
[ xy1
Estamos designando t anto o par (x, y) quanto a matriz simplesmente por vs ·
É fácil identificar em que contexto cada um estará sendo usado.
Exemplo
A matriz simétrica real:
4 12
A=
12 -3
define no JR 2 a forma q uadrática
p = 4x 2 - 3y 2 + 24xy
ou , na forma matricial
4 12 X
p = [x y)
-3 Y.
Ao vetor v5 = ( 1, 2). por exemplo, corresponde o número real
p= 4 ( 1) 2 - 3 (2) 2 +24 (1 )(2)= 4- 12 +48= 40
7.1.1 Redução da Forma Quadrática à Forma Canônica
A forma quadrática no plano v~Avs pode ser expressa por :

Formas quadráticas 325
onde X1 e Ã2 são os valores próprios da matriz A, e x' e y' as componentes do vetor v na

base P = { u 1 , u2 } , isto é, "P = (x'. y'), sendo u 1 e u 2 os vetores próprios unitários associados
a À1 e À2.
De fato:
Tendo em vista que a matriz P é a matriz-mudança de base de P para S, pois:
e, portanto:
podemos escrever:
ou:
Como P diagonaliza A ortogonalmente ( conforme 6.5 - propriedade III)
P1 AP =D=
conclui-se que:
t t
v Av = v Dv
s s p p
ou:
a e X À1 X '
[x Y]
e b y
= [x' y']
o :J y
,
ou, ainda:
326 Ã{Kebra linear
A fo rma ;\ 1 x' 2 + À1 y' i é denominada forma canónica da forma quadrática no plano ou

também fo rma quadrdtico diagonalizada.
Exemplo
1) A forma quad rática:
4x 2 - 3y 2 + 24xy
pode ~er expressa por :
-1 2x' 2 + l 3y' 2
De fato:
A forma quadrática
4x. 2 - 3y 2 + 24xy
é definida pela matriz
A =
4 12]
[l~ -3
\ias os valores pró prios da matriz A. conforme o problema resolvido número 10, Cap ítulo
6. são /1. 1 = -12 e À2 = 13. Logo , a forma canônica da forma quadrática é:
-1"-X ' 2 + 13
. y'2
li ) Por outro lado. os veto re s próprios unitários associados a À 1 e À2 são, respectiva-

3 4 4 3
mente, u1 = (
5 .-5 )
e u2 = (
5 ,5 ).
Log~1 :
p =
r: 4
5
.,
4 ..>
-5 5
Formas ql.4adráticas 32 7
1
pois P1 -::: P pelo fato de P ser matnz 0r.., f ~ :-. :. .::akular Vp a partir de v S.
Supondo que v 5 = (x.y)=(l.21. \·~:-::.
'
.) 4
5 5
[: 1
V -:::
p 4 3
5 5
:sto é,vp"'(x',y'J=t-l.2J.
Assim:
4.x~ -3y 1 +24xy=-I2x'l + 13y·=
4 - 12 + 48 = -12 + 52
40 = 40
O que na verdade acabamos de fazer foi uma r.,uJ:1,1--..1 de base ou uma mudança de refercn-
_;Jl. O vetor v. que na base caaónica S é \'s = 1i.21. na base P dos vetores próprios unitários
~ 'p = (-1. 2 ). Como a base canônica individualiza o Sbtema cartesiano rdangular xOy e a base
~ o sistema retangular x'üy', podemos dizer que um ponto que tem coortlenadas (L .2) em
~~ laçâo ao primeiro síste ma tem coordenadas (-1. 2 1 em relação ao segundo sistema. A figura
:a página seguinte- mostra esse exemplo.
Essa mudança de refcrencíal corresponde a uma rotação de um ângulo fJ do sistema xüy

::. '.<: o sistema x' Oy'. A matriz responsável por essa rotação é a matriz. ortogonal P.
328 ÃlKebra 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-Illa) e a transformação de coordenadas
,
X X
p
y y
.
que irá ocorrer no estudo das cônicas. a seguir, será sempre uma rotação.
7.2 CÔNICAS
Chama-se cônica a todo conjw1to de pontos M do plano cujas coordenadas x e y, em

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

Observação
As coordenadas x e y dos pontos M do plano são as componentes dos vetores v "=' IR 1

que satisfazem a equação de uma cõnica I Figura 7 .~)
:.
Figura 7.2
7.2.1 Equação Reduzida de uma Cônica
Nosso propósito é o reconhecimento e a análise da equação de uma cónica. Dividiremos

esse trabalho em duas etapas. sendo a primeira constituída de três passos.
Seja a equação de uma cônica:
ax 2 + by 2 + ~cxy + <lx + ey + f = O 11)
J!i Etapa: Eliminação do temzo em xy
19 Passo: Escreve-se a equação na forma matricial:
(~)
JJO Álgebra linear
(Os colchetes serão dispensados nas matrizes 1 x 1: [tl e [O).)
ou:
onde:
X e
V
s
::: A ::: Íª e J',; ::: [d e)
y Lc b
29 Passo: Calculam-se os valores p1óprios À1 e À2 e os vetores próprios unitários

u 1 == (x 11 , X 1z) e
u2 - (x 21 • x 22 ) da matriz simétrica A.
3Q Passo: Substitui-se na equação (21 a forma quadrática
X
a e
e b y
pela forma canônica:
o X'
t • '
vp Dvp == [x y ]
o y•
e:
y
Formas quadráticas )31
por:
,
X11 X21 X
Pvp =
X12 X22 y•
tendo o cuidado para que det P = l. a fim de que essa transformação seja uma rotação.
Assim, a equação (2) se transforma em:
[x'y'J Àt
[ Ü
Ü] [X] + [de) [Xll X2J [XJ + f= O
À2 y' X12 X22 y'
ou:
'\
,qx '2
+"'\ 2 y-+px
. ,, 1 ' •
+qy+t= o (3)
que é a equação da cônica dada em (1 ), porém referida ao sistema x'Oy', cujos eixos são
determinados pela base P = { u 1 , u 2 } , conforme sugere a figura.
x·
Observemos que enquanto a equação ( 1) apresenta o termo misto em xy, a equação (3) é
:esprovi<la dele. Portanto, na passagem da equação ( l I para í3) ocorreu uma simplificação.
332 Ã lgebra linear
2ll Etapa: Translação de Eixos
Conhecida a equação da cônica
À1 X '2 + À2 y "- + px ' + qy + f = Ü,

1
(41
para se obter a equação reduzida efetua-se uma nova mudança de coordenadas, que consiste na
translação <lo último referencial x'Oy' para o novo, o qual chamaremos XO'Y. A análise das
duas possibilidades é feita a seguir.
[) Supondo À1 e X2 diferentes de zero, pode-se escrever:
ou:
. ,., p , p 2 ) '\ ·
'2 q / q 2 ) . p·" q-"
Ài(x • +x;-x + 4À~ +" 2 (Y +i\ Y + 4À~ +t- 4À, - 4À =O
2 2
p q p2 q2
Ãi(x' + "'" )2 + X2 (y' + -n)2 + f- " - - =O
-"-1 -/\2 4 "-1 4À2
fazendo:
e. por meio das fórmulas de translação:
X= x' +_E.
. 2À1
e. final me n~~:
{S)
A equação (5) é a equação reduzida de uma cônica de centro e, como se vê, o prímeiro
membro é a forma canônica da forma quadrática :10 plano.
II) Se um dos valores próprios for igual a zero, Àt = O, por exemplo, li equação (4)
fica:
ou:
À 2 (y' 2 +_j_ y')+px'+f=O

À2
, .
,, q , q· . - q·
À2 ( y • + ,.- y + Ã'\7 ) + px + t - - =O
1\2 4À2 ~À.
"I.
1\2
(y' + - q )2 + p (x, +-
f
- -q:
- )= O
2À2 p 4pÀ2
Fazendo, por meio de uma translação:
, f q2
X=x+----
p 4pÀ2
(6)
A equação í6) é a equação reduzida de uma cónica sem centro.
: !Jservação
Se em lugar de Ã 1 fosse À2 = O. a equação reduzida da cônica sem centro seria:

334 Algebra linear
7 .2.2 Classificação das Cônicas
I) A equação de uma cônica de centro é:
• Se li" e Ã2 forem de mesmo sinal, a cônica será do gênero elipse.
• Se À 1 e :\.2 forem de sinais contrários, a cônica será do gênero hipérbole_
II) A equaçâ<J de uma cônica sem centro é:
ou:
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
2x 2 + 2y 2 + 2xy + 7 v'2 x + 5 y'2 y + 10"' O { 11
Solução
De acordo com 7 _2 J, divídiremos esse trabalho em duas e tapas, sendo a primeira consti-
tuída de três passos.
1~ Etapa: t;!iminação do termo em xy
19 Passo: Escrevemos a equação dada na forma matricial:
2 X X
[x y)
1 2 y
+ [7v'2 5../2 J
y
+ 'º=o (2)
21? Passo: Calculemos os valores próprios e os vetores próprios unitários da matriz
2-X l
det ( A - XH =dct =O
:! - X
isto é:
(2 - X)(2 - X) - 1 =O
4 - 4À + ;\2 - 1 =O
À2 - 4À + ~l =o
À1 =3
À2 =1
Resolvendo o sistema
2-À l X o
=
1 2-À y o
obteremos os vetores próprios de A.
Para À1 = 3, vem:
-1 11 X Ü
1 =
-l . y o
J
, dai:
v 1 =x(I, 1)
336 Álgebra linear
Para X2 = l, vem:
1 1 X o
1 l y o
e daí:
v2 =x(-l,l)
Portanto, os correspondentes vetores próprios unitários são:
)(? Posso: Substituímos em (2) a forma quadrática
2 I X
[x y]
l 2 y
pela forma canônica
,
3 o X
[x' y']
o 1 y
I
e o vetor
por
l 1 ,
,Ji -..fi X
1 1 1
y
,Ji v'2
onde já tivemos o cuidado de dispor os vetores próprios unitários de tal modo que:
l
r::,
y2 y.:,
dei = +I
'JI V- "'
a fim de que essa transformação de coordenadas 1epresente uma rotação.
Logo. a equação (2) tica:

l
.,
.)
r x' ../2 -J1l X'
fx ' y'l
o ºl l
lj y •
+ [7v'2 5v2 l
)j
1
y
+ JO = o
v0
:)U:
Jx'l I .v' 2 + 12:/-2v'+

. 10-0 (31
:;uc é a equação da cônica (1 ), porém referida ao sistema x'üy'. cujos eixos são suportes de
·.: e v 2 (ou u 1 e u, ). conforme a figura 7.3a.
x'
y
Figura 7.3a
338 Algehra liriear
2\1 Etapa: Translação de l:.'fros
Tomemos a equação (3) e façamos uma translação do sistema x · Oy'. Assim:
3x ·2 + y '2 + l 2x • - 2y , + 1O = O
., . ,
(.1x • + 12x 1 )-t (y /?· - .:.y
, ')
=- 1o
3(x'1 +4x')•(y'~ -2y')=--IO
3(x'2 + 4x' +4) + (y' 2 -2y' + l)= -10 + 3(41 + 1

3(x' + 2) 2 + (y' - 1) 2 = 3
L:tilizando as :órmulas de translaça:o. façamos:
X= x' + 2
y = y' - 1
e. portamo. a equação ( 4) fica:
3X 2 + yi = 3
011:
que é a equa'iâo 1cd11zida da cónica dada em ( 1), porém referida ao sistema XO'Y. ond.,
1
0 (-2. l 1.
Trata-se de uma elipse cujos semi-eixos medem I e yJ. esrando o eixo maior sobre e
eixo dos Y. conforme mostra a figura 7.3b.
Observsção
1 l
Tendo em vist~ que e 1 = (1. O) e u 1 = ( r,;, ,,). o ângulo 8 correspondente à rotaçãü
V.í. V.tJ
é dado por:
Formas quadráticos .J.J'i
x·
Figura 7.3b
l 1
Por outro lado, para confirmar. e 2 =(O, 1) e u 2 = (- 0 , r:; ), Jogu:
y.:. y,:,
:Sto é:
R
fJ == are cos v ,,- = 45°
2) Determinar a equação reduzida e o genero da cônica representada pela equação
11 x 2 - 24xy + 4y 2 + 2.0x - 40y - 20 == O 151
SJfução
J 3 Etapa: Eliminação do termo em xy
JQ Passo.· A equação dada na forma matricial e:

340 Ãlgebra linear
II -12
[x y]
-12 4
[ ; J+ [20 - 40) [ :· J- 20 = O (6·
29 Passo: Os valores próprios e os vetores próprios unitários da matriz símétríca
11 -12
.,\ =
-12 4
são:
À1 = 20,
À2 = -5,
(A verificação fica a cargo do leitor.)
3(} Passo.· Com as devidas substituiçõe,_ a equação (6) fica:
4 3
[x' y']
20
o
o
-5
[ ::J + [20 -40J
5
3
5
4 [
x',
Y
J
- 20 = O
5 5
ou:
:!Ox'~ - 5y' 1 + 40x' - ~Oy' - 20 = O
ou, ainda:
4X "• - y "• + 8X ' - 4y' - 4 = O
2~ Etapa: Translação de Ei,ns
(4x' 2 + 8x')-(y'~ +4y')-=4

1'
,4 (,x ' + ..:x ) -
... ,
(y •
'""
+ 4y ,
)=4
4(x' 2 + ~x· + 1 l - 1y'• + 4y' + 4) = 4 + 4- 4
4 (x' + 1 i~ - (y' + 2) 2 =4
Fazendo:
X= x' +1
y = y' + 2
a equação acima fica:
4X 2 - Y2 = 4
ou:
xi y2
·- - - = 1
l 4
que é a equação reduzida da cônica dada em (5), porém referida ao sistema XO'Y, sendo
0'(-1, -2).
Trata-se de uma hipérbole cujo eixo real, de medida 2, está sobre o eixo dos X, conforme se
vê na figura 7.3c.
3 14 X
1
1
1
x·
Figura 7..k.
]42 Álgebra linear
3) Determinar a equação reduzída e o gênero da cônica representada pela equação:
x 2 + 2xy + y 2 - 8x + 4 = O
Solução
l{l Etapa: Eliminação do termo em xy
Jf? Passo: A equação dada na forma matricial é:
1 1 X xl
[x y) + [-8 OJ +4 = O
1 1 y y
J
2f? Passo: Os valores próprios e os vetores próprios unitários da matriz simétrica:
l l
A=
1 1
são:
l l
À1 = o, U1 =(- --)
../5.. ,./2
(Verificação a cargo do leitor.)
3'l Pasw: Com as devidas substituições, a equaça-o (7) fica:
, 1 ,
o o X -J X
[x' y'J + [-8 O) v'2 ../2 + 4 = O
o 2 y
1
l 1 y
I
- ..Jf ../2
....
ou:
2y'2 - -8x' - -8y1 + 4 = o

./2 .../2
ou, ainda:
4
y '2 - - X' 4 y, + 2 = o
--
./2 ./2
llJ Etapa: Translação de Eixos
(y '2 - -4 y') =-x~2

4 ,
vi. v'2
(y
'2
- 4- y I + 2 ) = 4- X t - 2 + "'I-
../2 vi.
(y' -.../2 )2 = 2.../2 x'
Fazendo:
- 1
X -x
y = y' -..Ji
1 equação acima fica:
Y2 = 2 v'2X
~ue é a equaçã'o reduzida da cônica dada em (7), porém referida ao sistema XO'Y, onde
0°(0, ./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 7 .3d.
X
Figura 7.3d
4x 2 -3y 2 +24xy-156=0
Solução
Como essa equação não apresenta os termos de primeiro grau em x e y, a resolução é
constituída somente da l ~ etapa.
19 Passo: A equação na forma matricial é:
4 12 X
[x y] - 156 = O (8)
12 -3 y
2Q Passo: Os valores proprios e os vetores próprios unitários da matriz simétrica
4 12
A=
12 -3
são:
(Verificação a cargo do leítor .)
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 0 r:0.-0 :-eferencial x'Oy'.
3<? Passo: Com as devidas subrutui~es. a equação (8) fica:
.....
o
'j-
-12
,
[x y'J .1 -""- = o
o 13 \'
y
ou:
-12x' 2 + l3y' 2 = 156
ou:
y'Z x'2
12 - 13 =l
que representa uma hipérbole

com eixo real sobre o eixo dos
y'. conforme mostra a figura
-.3e.
figura 7.3e
346 Ãlgebra linear
2
X - 6X + 8y - 7 = Ü
Solução
Como essa equação não apresenta o termo em xy, a resolução é constituída somente d:
2;1 etapa.
X
2
- 6x = -8y + 7
2
X - 6X + 9 = -8y + 7 + 9
(x - 3) 2 = -8y + 16
(x-3) 2 =-8(y-2)
Fazendo
X=x-3
y =y- 2
y y
a equação anterior fica
X 2 = -8Y
2 -- - -:=-,-c:;::::::-----~...-x
o'
Figura 7.3f
que representa uma parábola de vértice na origem do sístema XO'Y, com 0'(3, 2), e voltada
para baixo, conforme mostra a figura 7.3f.
Formas quadráricas 347
7.4 NOTASCOMPLEMENTARES
7.4.1 Cônicas Degeneradas
Vimos que a equação do segundo grau nas variáveís x e y
ax 2 + by 2 + 2cxy + dx + ey + f = O {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 razío. que são as chamadas cônicas degeneradas.
A análise da equação (7.4. l) permite concluir os diversos casos:
a) Se À1 e Ài tiverem o mesmo sinal. a cõnica será uma elipse, um ponto ou o conjunto

vazio.
Exeml)!Os
1) A equação
(x + 2) 2 + (y - 1)2 =O
,JU:
x 2 + y 2 + 4x - 2y + 5 = O
'.eprcsenta o ponto (-2, l} (circunferência de raío igual a zero).
21 A equação
3x 2 + 2y 2 + 1 = O
:~presenta o conjunto vazio. Essa equação não define nenhuma figura geométrica (o l <;> membro
~ sempre '* O).
b) Se À 1 e À2 tiver.em sinais contrários, a cônica será uma hipérbule ou duas retas.
348 Álgebra linear
Exemplo
A equaçiío
9x 2 -y 2 =O
representa as retas y = -3x e y = 3x.
De fato, fatorando o primeiro membro, obtemos:
(3x + y)(3x-y)= O
e concluímos que:
3x + y = O ou 3x - y =O
ou seja:
y =-3x ou y = 3x
e) Se À1 = O ou À2 = O, a cônica será uma parábola, duas retas paralelas, uma retc;

ou o conjunto vazio.
Exemplos
1) A equação
4x 2 = 9 (Ã1 =4 e Ã2 = O)
representa duas retas paralelas.
De fato, podemos escrever
X2 : -
9
4
ou:
3
x=±-
2
Fo=s quíldráticas 349
isto é:
3 3
x=- e x=--
2 2
que são duas retas paralelas.
2) A equação
y2 =O (À1 = O e Ã2 = 1)
representa uma reta, no caso, o eixo dos x, isto é, y = O.
3) A equaçao
3x2 = -5
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.
7 .5 PROBLEMAS PROPOSTOS
1) Identificar as seguintes cônicas:
a) x 2 + y 2 = l h) x 2 + y 2 =O p) x2 -4 =:..y2
b) x 2 - y2 = l i) X
2
+ y2 + 1= 0 q)y-3x 2 =0
j) x 2 - 1= O r) 3x2 - 4y 2 = 1
2 2 '
d)x 2 -y=l I) ~ +L =1 s) 2x 2 +3y 2 =6
3 2
X y
m)-+-= 1
3 2
n) 4y 2 - x2 = 8
g)x+y=l o) 5y 2 - 3x = O
350 Álgebra linear
2) Mostrar que as seguintes equações representam duas retas no plano:
a)4x 2 -y 2 =0
b) x 2 -16y 2 =O
e) x 2 +2xy+y• -1 =O
Nos problemas 3 a 15, determinar a. equação reduzida referida ao sistema XO':

e o gênero da cônica representada pela equação dada a seguir. Esboçar o gráfico.
3) 17x2 +12xy+8y 2 -!0x+20y+S=O
4) 7x 2 +y 2 -8xy-l7y5x+ lly5y+4l =O
5) 4x 2 + y 2 + 4xy + Sy'Sx + lOySy + S = O
6) x 2 + y 2 + xy + 5v'2x + 4y2y + l = O
7) 4x 2 t6xy-4y1 +20x-20y-19=0
8) l 6x 2 - 24xy + 9y 2 - l 5x - 20y + 50 = O
9) 3x 2 - 2xy + 3y2 - 2x - IOy - l = O
10) xy + 4 y'2x + 6 .../2y + 30 = O
11) x 2 + 2 ,./3xy + 3y 2 - 4x = O
12) x2 +y 2 +2xy-4y'2x = O
13) l6x 2 + 9y 2 -96x + 72y + 144 = O
14) 4x 2 -5y 2 +8x+30y-21=0
IS) x 2 -6x+8y+ 1 =O
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.
Formar quadráticas 351
16) 3x 2 + 2xy + 3y 2 - 4 =O
17) 2x 2 + y 2 -t- 2 y'6xy = 16
18) 2x 2 +4xy+2y 2 -l6=0
19) 7x 2 - 8xy + y 2 + 36 = O
20) xy = 2
21) Sx 2 + 4xy + 2y2 - 12 = O
,._
~'}) 7x 2 + 13y2 - 6 y'3xy -16 =O
23) X
2
-t- y 2 t 4xy - 3 =Ü
24) 3x2 + 2xy + 3y 2 - 4 =O
As equações dos problemas 25 a 35 representam cônicas degeneradas. Identificá-las e

esboçar o gráfico, quando possível.
25) x 2 -y 2 -2x-2y=O
26) X
2
+ y 2 - 2x - 2 y + 4 = Ü
27) x 2 +y 2 -·6x+4y+ 13=0
28) 2x 2 + 2 .,/2xy + y 2 = 12
29) x 2 + y2 + 2xy - 8=O
30) x2 + y 2 + 2xy = O
31) x 2 + y 2 + 2xy + 5 = O
.~21 x2 + y2 - 4xy = O
33) 3x2 + 2xy + 3y' + 4 = O
~4) 3x 2 + 2xy + 3y1 =O
35) x 2 +y 2
+ 2xy + 4 = O
352 Álgebra linear
7 .5.1 Respostas de Problemas Propostos
1. a) Circunferência. j) Duas.retas: x = l e x = -1.

b) Hipérbole. l} Elipse.
e) 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, O). r) Hipérbole.
i) O conjunto vazio. s) Elipse.
2) a) y = 2x e y = -2x
12) Y 2 = 4X,parábola
1
b) y =_!_x e y=--x
4 4
13) x 2 y2 •
v'2 -+--= l elipse
e) Y = v'2 e y=--
2
9 16 '
2
14) y2 x2
3) x2 y2
- 4 +-= 4 -5 = 1, hipérbole
1 1• elipse
4) x2 y2 . 15) X 2 = -8Y, parábola

-
1
-
9 = 1• hipérbole '2
16') x'2 +y -
') = 1, elipse
~
S) Y2 = 3X, parábola
17) 4x' 2 -y' 2 = 16, hipérbole
6) x2 + y2 = i ei·1pse
9 27 18) y' =; ou y' = -2, duas 1etas
,..., '2
7. Y2 -X2 = !,hipérbole 19
.) y·
36 -4= I ,
X hi 'b l
per o e
8. X2 = Y, parábola
20) '2 '2
~ -Y = 1, hipérbole
9) x2 y2 4
+ = 1, elipse
3 6 21) '2 '2
-X I'
+y - = J . e1pse
2 6 .
10) x - y = 1,
2 2
hipérbole
36 36
22) x' 2 + 4y' 2 • 4=0, elipse
J l) Y 2 = .. y3 X, parábola
2 23) 3x' 2 - y' 2 = 3, hipérbole
Formas quadraticas 353
'2
24) x' 2 + Y,, =L elipse 30) A reta y' = O.
"'
31) Vazio.
25) Duas retas: y = ± (x - 1) -l.
32) Duas retas concorrente~:
26) Nenhum ponto do plano.
y' =v"Jx' e y' = - ..,;Jx· .
27) O ponto (3, -2). 33) Vazio.
28) Duas retas paralelas: x' = .! 2. 34) O ponto (O;O).
29) Par de retas paralelas: y' = ± 2. 35) Vazio.
7.6 FORMA QUADRATfCA NO ESPAÇO TRIDIMENSIONAL
A matriz simétrica real
a d e
A= d b f
e f e
L
l5Socia ao vetor vs = (x,y,z) E IR 3 , referidc à base canônica S = { e 1 , e 2 , e3;, e1 = ( I, O, O),

:! 1 = (0, LO), e 3 ~ (0, O, 1), o polinómio
ax 2 + by 2 + cz. 2 + 2dxy + 2exz + 2fyz
~uc é um polinômio homogêneo do 29 grau em x, y e z chamado forma quadrática do espaço

:•idimensíonal.
Na forma matricial esse polinômio é representado por:
a d e Íx
v~Av 5 = [ x y z ] d
e
b
f
f
e
ly
z
~:ido a matriz simétrica A a matriz da forma quadrática.

354 Ãlgehra linear
Assim, a cada vs corresponde um número real
p = ax 2 + by 2 + cz 2 + 2dx.y + 2exz + 2fyz
Exemplo
A matriz simétrica real
3 -1 1
A = -1 5 -1
-1 3
define no IR:1 a forma quadrática
p = 3x2 + 5y 2 + Jz 2 - 2xy + 2xz - 2yz
Ao vetor vs = (0. 1, 2), por exemplo. corresponde o número real
p = 3(0) 2 + 5 (1 )2 + 3 (2) 2 - 2(0)(11 + 2 (0)(2) - 2 (1 )(2) =O+ 5 + 12 -O+ O - 4 = 13
7.6.1 Redução da Forma Quadrática à Forma Canônica
A forma quadrática no espaço v~ Av 5 pode ser expressa por
onde i\ 1 • X2 e X3 são os valores próprios da matriz A. e x', y' e z' as componentes d-:
vetor v na b ase P = ·-' u 1 • u 2 , u 3 .: , isto
. '
e. vr = (.x, . y 1 . z' ) , send o u 1 • u 1 e u 3 os vetore~
próprios unitários associados a i\ 1 • i\2 e i\3 .
De fato:
Tendo em .1sta que a matriz P la matriz-mudança de base de P para S, pois:
1
l)jp =S P=l P= P
s
e, portanto:
podemos escrever:
ou:
Como P diagonaliza A ortogonalmente:
pt AP = D=
-::oncluí.se que:
vts Av s = ip Dvp
ou:
1
X À1 0 Ü X
[x y z] d b f y = [x' y' z'] O À2 O y•
e f e z z. '
)U, ainda:
A forma X1 x' 2 + À2 y' 2 + À, z' 2 é denominada fonna canónica da forma quadráti.:a no

~spaço tridimensional.
356 Álgebra linear
Exemplo
I) A forma quadrática :
3x 2 + 5y 2 + 3z 2 - 2xy + 2xz - 2yz
pode ser expressa por
2x' 2 + 3y' 2 + 6z' 1
De fa to:
A forma quadrática:
3x 2 + 5y 2 + 3z2 - 2xy + 2xz - 2yz
é definida pela matríz
3 -1 1
A= -1 5 -1
1 -1 3
:\ias, os valores próprios da matriz A , conforme o problema resolvido número 1.

Capítulo 6, são À1 = 2, À2 = 3 e Ã3 = 6. Logo. a forma canônica da forma quadrática é
'2 ,~ ,,
2x + 3y • + 6z •
II) Por outro lado, os vetores próprios unitários associados a À1, À2 e X3 são, respecti -
1 1 1 l l . l 2 1.
, -",,/6, J
\'llmente. u 1 = ( v'2, O, - v'2 ), U2 = (·y'3 , ...jJ, ,J3 l e U3 = (~
16 6).
Logo :
l 1
~
-
,/2 v13 v6
p = l 2
o
../3 -;ft
-l
,,/2- - -1 1
...j3 ,./6
Como v s = Pvp equivale a vp = p-: v5 • ou
poís p 1 = p- 1 pelo fato de P ser matriz ortogonal, podemos calcular vp a partir de vs·
Supondo que vs=(x.y,zJ=<0.1..:1. vem:
.....
o
1
.Jí
--..-"
V- :ol
1 !
;
Vp = 1
-.Jj1 - 1 1 1
.Jj v'3 1
1
..,
- 1 '1
j ~
'
y'6 ../6 v'6 J L-J J
2
,li
V :::
p
-3
../3
o
. , ( , , ') (. 2 3 O)
1stoe,vp= x,y.z = -~,·~, .
Assim:
3x 2 + 5y2 + 3z2 - 2xy+2xz- 2yz,,2x'1 + 3) ·~ + 6z':
2
3 (Of + 5 ( 1) 2 • 3 ( 2)2 - 2 (0.) (1) + 2 (0)(2) - 2 ( 1 )( .:?; = 2 (- ) 2 + 3 (-1._ )2 + 6 (0) 2
,Ji y'J
0+5+ 12-0+0-4=2(~ )+3(;)+0
13 = 13
As considerações que fizemos no plano sobre mudança de referencial pela rotação são
\álidas também para o espaço.
358 Ãlgebra linear
7.7 QUÁDRICAS
Chama-se quadrica ou superfície quádrica a todo conjunto de pontos M do espa,i:

tridimensional cujas coordenadas x. y e z, em relação à base canônica, satisfazem a equaçãc
do 2'? grau
ax.2 + by 2 + cz 2 + 2tlxy + ::!exz + 2fyz + mx + ny + pz + q "'O
onde a, b, e, d, e e f não são todos nulos.
As coordenadas x, y e z dos pontos M do espaço são as componentes dos vetores

3
v E IR. , que satisfazem à equação de uma quádrica (Figura 7.7).
M(x, y. z)
figuza 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.
Seja a equação de uma quádrica:
ax 2 + hy 2 + cz 2 + 2dxy + 2exz + 2fyz + mx + ny + pz + q "'Ü (1)

Formas quadrdtictls 359
J;t Etapa: Eliminação dos termos em xy. :u e yz
J<! Passo: Escreve-se a equaej:ãO na fonna matricial;
a d e xl 1
íx
1
[x y z] d b f .v:1 ~
[m n p] 1 y + q=O 121
1
e f e z! z
J 1..
ou:
vt Av5 + NvS + q = O
onde
X a d
el
V
s= y 1 A= d b ..- 1
' -;! \ = [m n p]
z e f -:.J
2() Passo: Calculam-se os valores próprios ;\ 1 , X2 e Ã.3 e os vetores próprios unitários

U1 = (x 11 , x 12 , X13 ), u2 = (x21 , X22. x23 l e u 3 = (x 31 , x32 , x33) da matriz simétrica A.
.'1<? Passo: Substitui-se na equação ( 21 a forma quadrática
a d e
xl
v~ Av8 = [x y z} d b f y,
'
e f e 2J
pela forma canônica
X1o o
x:1
vtp Dv p = [x' y' z'] o À2 o y
o o À3 z'J
360 Ãlgebra linear
e:
por:
x'
,
Pvp = y
z'
tendo o cuidado para que det P = l, a fim de que essa transformação seja uma rotaç.lo.
Assim, a equação (2) se transforma em:
À1 o o X ' X11 X21 X31 X

1
,
[x' y' z'] o ll.2 o y + [m n Pl X12 X22 X32 y' + q =O
o o À.3 z
1
X13 X,3 X33 z
.
ou:
que é a equação da quádrica dada em (!). porém referida ao sistema x'y'z', cujos eixos s~.
determinados pela base P = { u1, u 2 , u3 } .
Observemos que enquanto a equação ( l) apresenta os termos mistos em xy, xz e yz. ~

equação (3) é desprovida deles. Portanto, na passagem da equação (l) para (3), ocorreu ufl'.::.
simplificação.
2;t Etapa: Translação de Eixos
Conhecida a equação da quádrica

para se obter a equação reduzida efetua-se uma nova mudança de coordenadas que consiste na
translação do último referencial O x'y'z' para o novo, o qual chamaremos O'XYZ. A análise das
possibilidades é feita a seguir.
I) Supondo Ã 1 , Ã2 e X3 diferentes de zero, pode-se escrever:
.,_ (. •2
"t x
+,rx') +..,.":? (y •2 +-y)
s , + À C.z'"· +-z)
t ,
+q =O
3
~1 À2 À3
ou:
2
,2 ...!.. , _r_) ,. . , 2 s , s; . ,, t , t2
) r2 s2 t2
À 1( X + À 1 X + 4À.i + " (Y + À y + 4Xi) + ÀJIZ • +-çz + 4À~ + q - 4À1
2 - 4À2 - 4À3 = 0
2
Fazendo:
2
r2 S t2
q- 4À1 - 4À2 - 4À3 ::: - Q
e, por meio de uma translação:
X=x' +-
r
2X1
1 S
y =y + 2À2
, t
Z =z + 2À3
·,em:
! . finalmente:
(5)
A equação (S) é a equação reduzida de uma quádrica de centro, e, como se vê, o primeiro
:::embro é a forma canônica da forma quadnítica no espaço tridimensional.
362 Álgehra linear
II) Se um dos valores próprios for igual a zero, À 1 = O, por exemplo. a equação {41 fi~;_
À2 y' 2 + À3 z' 2 + rx' + sy' + tz' + q = O

ou:
À, (y
,2
+ Às y ') + ÀJ (z, 2 + Àt z)
, + rx , + q =
o
2 3
s , + -si, .)+/\
À (v '2 +-y 3
t
... (z, 2 +-z J
+-
t2
-,r )
+rx + q - -
•
s2
-
t2
- o
• ' À2 4Ã2 À3 4Àj 4À2 - 4À3 -
,.. . , s 2 q , s2 tt~ 2 ,
l\2(Y + À) +À3(2 +-:,--) +r(x + - - - - - - - )=O
2 2 ~/\3 r 4rÀ 2 4rÀ 3
Fazendo, por meio de uma translação:
q S2 t2
X=x'+----
r 4rÀ 2 4rÀ 3
):,_-y'+ - s
2À2
vem:
IC
A equação (6) é a equação reduzida de uma quádrica sem centro.
Observação
Se em lugar de À 1 fosse À2 =O ou \ 1 = O, a equação reduzida de uma quádrica se::·

centro seria;
ou:
7.7.2 Classificação das Quádricas
I) A equação de uma quádrica de centro é
Dependendo dos valores de X1 , À2 , À3 e Q, a quádrica será do tipo elipsóide ou

Jiiperbolóide.
II) A equação de uma quádrica sem centro é
ou:
ou:
A quádrica representada por uma dessas equações é do tipo parabolóide.
1) Determinar a equação reduzida e o tipo da quádrica representada pela equação:
7 .
3x 2 + Sy 2 + 3z2 - 2xy + 2xz - 2yz + y'3y - - =O
12 ·
Solução
l;t Etapa: Hlimínação dos tennos em xy, xz e yz
JQ Passo: A equação dada na forma matrícial, de acordo com 7. 7 .1, é
3 -1 l X X
7
[xyz] -1 5 -1 y + [O .Jf O] y - -
12
=O (7)
-1 3 z z
364 Ãlgebra linear
29 Passo; Os valores próprios e os vetores próprios unitários da matriz simétrica
3 -1
A= -1 5 -1
1 -1 3
são:
l 1
"'• :; 2, U1 =(- Ü --)
vi' ' ./2
J<i Passo: Com as devidas substituições, a equação (7) fica:
1 J l
- - -
o o v'2 ../3 V6 ,
,
12 X:.
, 1 ~
X
[x' y o o L. 7
3 y + [O vf O] - y' = ü
z'l: o 6 2'
../3 ""./6
z
t
12
l
- 1 J
-:.n y3 v'6
ou:
f")
2x - + 3y • + 62 • + y -
,... ,... / v'22z t
-
7
=O
12
2:;t Etapa: Translação de Eixos
2x'2 + 3 (y'2 + ~;) + 6 (z'2 -1 z'} = 172
"x'2 + 3 (y'2 +L+-' ) + 6(2'2 - y2. z' +-1 ) = 2 + _1 + _!

- · 3 36 6 72 12 12 12
2 + . (', - v'1)2 = 2
') '2
... X t J (y
,
+ _!_
6) 6 z 12 4
Fazendo:
X= x'
, l
Y=y+-
6
Z=z - -
, .Ji
12
a equação acima fica:
2x 2 + 3Y2 + 62 2 = !
ou:
x2 y2 z2
- + - +-;::: l
8 4 8
3
que é a equação reduzida da quádrica dada. porém referida ao sistema O'XYZ, sendo
'(O 1 v2)
º ,-6'12.
Trata-se de um elipsóide.
~) ldentíficar e esboçar a quádrica representada pelas seguintes equações:
a) 36x 1 + 16y 2 -9z 2 -144 =O
h) x 2 +z 2 -4y=O
Solução
a) 36x 2
•
+ l 6v2
J
- 9z 2 = 144
Dividindo ambos os membros da equação por 144, vem:
x2 yi z2
-+----=1
4 9 16
que é a forma canónica de um hiperbolóide de uma folha ao longo do eixo dos z (Figura 7 .8a).
366 Ãlgebra linear
O traço no plano xüy é a elipse
x2 v2
-+"'-=I z=O
4 9
Os traços nos planos xOz e yOz são as hipérboles
z
respectivamente.
r 1 /
.,. ... - -.- ~(-,!

#
o 1 ~,-,-
_.,,f 1 '
-3 +-----•y
3
,,.. 1 1
1
..., _t.. -L '

t , ,, ,, - ....
-4J'
,
,, ,
b)x 2 +z 2 -4y=O
Figura 7.8a
ou:
x2 z2
+-=4y
l 1
que é a forma canônica de um parabolóide eliptíco ao longo do eixo dos y (Figura 7.8b }.
O traço no plano xOz é a origem (O, O. O).

Os traços nos planos xOy e yOz são as parábolas
x 2 =4y, z=O e z2 =4y, x=O
resp ect ívamente.

Formas quadráticas J6 7
Figura 7.8b
7 .8.1 Problemas Propostos
Por uma conveniente translação de eixos, transfonnar cada uma das equações seguintes na
forma reduzida e identificar a quádrica que ela representa.
1) 2x1 +4y 2 +z 2 -8x+24y-2z+41 =0
2) 3x2 + 2y2 - 6z 2 - 18x + 4y + 29 = O
3) 3x 2 +4y 2 +24x-8y+24z+ 100=0
4) 2x 2 -y 2 -2z 2 + 8x + 4=0
5) 5x2 + 5y 2 + Sz2 - IOx + 20z -3 = O
6) 9x 2 - 4y 2 - 16y - 36z - 16 = O
7) x 2 +y 2 -2y=O
8) x 2 + 4y 2 - z2 - 2x + l 6y + i 7 = O
Nos problemas 9 a 12 efetuar uma rotação e uma translai;ão de eixos para referir a quádrica
ao sistema O'X YZ e identificá-la.
91 3x2 +Sy 2 +3z 2 -2xy+2xz-2yz-4x+6y-2z+2=0

368 Âlgebra linear
10) y 2 -4xz-4x+2y-3=0
11) 2x 2 +2y 2 +5z2 -4xy-2xz+2yz-10x-6y-2z-7=0
12) 7x 2 + 6y 2 + 5z2 - 4xy -4yz - 18 =O
7.8.2 Respostas dos Problemas Propostos
12 •2 12
l) ~ + L + ~ = J elipsóide
2 1 4 ' .
2) ;
12
+ -y -T = 1, hiperbolóide de uma folha.
12 '2
3) •2 12
~ +\ = -2z', parabolóide elíptico.
4) x'2 y'2 z'2 . .

2 - 4 - 2 = 1, hiperboló1de de duas folhas.
S) 5x' 2 + 5y' 2 + Sz12 = 28, superfície esférica.
6) '2 1
2
~ - Y = z, parabolóide hiperbólico.
9
7) x' 2 +y' 2 = l, superfície cil(ndóca circular.
8) '2 ,2 ,2
~ +Y - z = O, superfície cônica.
1 4
9) 4X2 + 6Y2 + 122 2 = 1, elipsóide.
10) 2X 2 - Y2 - 22 2 = 2, híperbolóíde de duas folhas.
11) 6X 2 + 3Y2 - 8 v2 Z = O, parabolóide elíptico.
ll) x; y; + z; =
+ l, elipsóide.
APÊNDICE
MATRIZES
DETERMINANTES
SISTEMAS. DE EQUAÇÕES LINEARES
MATRIZES
A.1 DEFINIÇÃO DE MATRIZ
Chama-se matriz de ordem m por n a um quadro de m x n elementos (números,

polinômios, fwiçOes etc.) dispostos em m linhas e n colunas:
ª11 ª12 313 ... a,n
ª21 3 22 323 ... ª2n
A= 331 332 333

.. ...
. ..
...
33n
ªmi ªm2 ªm3 ªmn
A.1.1 Representaçlo dos Elementos da Matriz
Cada elemento da matriz A está afetado de dois índices: a...

IJ
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.1.5 Matriz-e
A matriz A pode ser representada abreviadamente por A= [aij], i variando de 1 .a m A matriz de 01

(i = 1, 2, 3, 4, ..., m) ej variando de 1 a n G= 1, 2, 3 , 4, ..., n).
Para entender porque a matriz A pode ser representada por [a .. ] , deve o leitor supor,
IJ
inicialmente, que se fixe para i, por exemplo, o valor 1, e a seguir se faz j variar sucessiva-
mente de I a n, obtendo-se :
Após, fixa-se para o valor 2, e faz-se j variar de 1 a n, obtendo-se :
Em continuação, fixa-se para o valor 3 e faz-se j variar de l a n, obtendo-se :
Observação
e assim sucessivamente até A matriz-coluli

atingir o valor m ; quando isso ocorre , faz-se j variar de 1 a n,
de um vetor V do «
obtendo-se :
vetor-coluna.
Dessa forma, [a~.. ], com variando de 1 a m e j variando de I a n, representa abrevia- A.1.6 Matriz-li
.
damente a matriz A, ou melhor, representa qualquer matriz A de ordem m por n .
A matriz de ord
A partir de agora, e sempre que for necessário, uma matriz B será representada por
[bij], uma C por [cij] e assim por diante.
A.1 .3 Ordem da Matriz - Notação

Observaçaõ
Se a matriz A é de ordem m por n, costuma-se escrever simplesmente ~m,n) . Assim,
se uma matriz A tiver 3 linhas e 4 colunas, escreve-se simplesmente A( , ) e diz-se matriz de A matriz-linha é
34
ordem 3 por 4.
A.1.4 Matriz Retangular A.2 MATRIZ Q
Uma matriz na qual m * n é denominada matriz retangular. Quando o núme

Matrizes. Determinantes. Sistema de equações lineares 371
A.1.5 Matriz-Coruna
variando de l ,a m A matriz de ordem n por I é uma matriz-coluna:
1, deve o leitor supor,

faz j variar sucessiva-
btendo-se :
Observação
A matriz-coluna de ordem n por l pode representar as componentes (a 1 , a2 , a3 , .. . , a0 )

z-se j variar de l a n,
de um vetor V do espaço vetorial E de dimensão n. Por esse motivo essa matriz é denominada
vetor-coluna.
, n, representa a~revia- A.1.6 Matriz-Linha

m por n.
A matriz de ordem l por n é uma matriz-linha:
será representada por
Observação
mente '\m,n) . Assim,
A matriz-linha é denominada vetor-1.inha.
~.4) e diz-se matriz de
A.2 MATRIZ QUADRADA
Quando o número de linhas é igual ao número de colunas, tem-se uma matriz quadrada.
372 Âlgebra linear
ª11 ªn 313 ª1n

au o
321 ªn 323 82n
o 3 22
A= 331 332 333 3 3n
A= o o
3 n1 ªn2 3 n3 ªnn o o
A ordem da matriz quadrada é n por n, ou simplesmente n.
A.2.4 Matriz Esc;

A.2.1 Diagonal Principal
A mat riz diagon
Numa ma triz quadrada A = [ 3ij], de ordem n, os elementos aij, em que i = j, constituem a escalar.
diagonal principal
Assim, a diagonal formada pelos elementos
Exemplo
o
é a diagonal principal .
A.2.2 Diagonal Secundária

A=
[: 5
Numa matriz quadrad!l A= [aij], de ordem n, os elementos 3ij, em que i + j = n + 1, consti· A.2.5 Matriz Unid
tuem a diagonal secundária.
Assim, a diagonal formada pelos elementos A matriz escalar
matriz unidade. Indica-
é a diagonal secundária. Exemplos
A.2.3 Matriz Diagonal
A matriz quadrada A= [a .. ] que tem os elementos a .. = O quando i :;é:j é uma matriz

IJ IJ
diagonal.
ªu O O O
A= o o o
o o o
A.2.4 Matriz Escalar
A matriz diagonal que tem o s elementos ªij iguais entre si para i = j é uma matriz
escolar.
j , constituem a
Exemplo
j = n + 1, consti- A.2.5 Matriz Unidade
A matriz escalar de qualquer ordem que tem os elementos a.. = 1 para i = j é uma
IJ
matriz unidade . Indica-se a matri z unidade por 1n , ou simplesmente por 1.
Exemplos
~] ,, = [ : : ~]
é uma matriz
374 Álgebra linear
A.3 MATRIZ ZERO

II) 5
Uma matriz zero é a matriz cujos elementos a .. são todos nulos. 2
IJ
Exemplo
3
O=l: : :] A.5.1 Obse1
A diferenç
A.4 IGUALDADE DE MATRIZES
Duas matrizes A = [a IJ.. ] e B = [b .. ]. de ordem (m, n~, são iguais se, e somente se,
IJ
a .. = b .. .
IJ IJ
A.5.2 Propr
Exemplo
1) A+ (B
II) A+ O=
III) -A+ A
íV) A+B=
A.5 ADIÇÃO DE MATRIZES A.6 PRODL
A 9Jma de duas matrizes A= [aij) e B = [bij], de ordem (m, n), é uma matriz C = [Cij] Se X é urr
tal que: B = [bij) taJ que:
Exemplos
Exemplo
1) !311
~ li
Matrizes. Determinantes. Sisterrza de equações lineares 375
Ir) 5 -2 3 -2 3 3 -J 6
2 -4 4 2 5 6 3
+ =
o 2 o 2 -2 2 o
3 -1 4 -3 o 5 o -1 9
A.5.1 Observação
A diferença A - B de duas matrizes de ordem (m, n) é uma matriz C tal que:
c . =a . - b ..
iJ iJ IJ
, e somente se,
A.5.2 Propriedades da Adição de Matrizes
I) A + (B + e ) = (A + B) + e
II) A + O = O + A= A
111) -A + A = A - A = O
IV) A+ B = B + A
A.6 PRODUTO DE UMA MATRIZ POR UM ESCALAR
natriz C = [ Cij] Se À é um escalar, o produto de uma matriz A= [aij] por esse escalar é uma matriz
B = [büJ tal que :
b .. =Xa ..
1J IJ
Exemplo
5 X
5 X 4 5 X (-2)
5 I] [20
X =
-10
[ 5 X 3 5 X (- 5) 5 X Ü 15 - 25
376 Álgebra linear
A.6.1 Propriedades da Multiplicação de uma Matriz por um Escalar
1) (Xµ) A= À (µA)
n) (À+µ) A= ÀA + µA
III) X(A + 8) = ÀA + \B
IV) IA= A
A.7 PRODUTO DE UMA MATRIZ POR OUTRA
Sejam as matrizes A( 1 , 4 ) e 8 ( 4 , 1) :
6 Se se escrevE
4
A=[4 3 2 5] e B= J
( l , 4)
5
t
3
o 29 e o 39 númE
indicam a ordem d
O produto AB é,pordefinição, umamatriz C ( l ,l) =[c11] tal que:
C11 = 4 X 6+3 X 4 +2 X 5 +5 X 3
e, 1 = 24 + 12 + 1o + 1s
Suponhamos
61.
Assim , C 11 é a soma dos produtos, na ordem em que estão dispostos, dos elementos da )(
matriz-linha A pe los elementos da matriz-coluna B, isto é, C 11 é igual à soma dos produtos

do l <? elemento de A pelo 19 elemento de B, do 2<? 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 Tendo em vi:
de B. Diz-se que 61 é o produto da matriz A pela matriz B. O dispositivo da página seguinte, número de li nhas e
facilita, visualmente, entender a definição do produto da matriz A 0,4) pela matriz B (4,1)· pelo J 9 e 49 númer
A condiçao para multiplicar a matriz A(l, 4 ) pela matriz Bc4 ,l)• , de acordo com a
definição, é que o número de colunas de A (no caso, 4) seja iguaJ 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, Cu. isto é , a matriz C te
1lar
. . . . . . . . . . . . . . . . . . . . . . . . . ~ .~ ~ .=. 2~ . . 6
............ . ...... .... 3 X. ....

4 = 12. . 4
2 X 5=10 5
5 X 3= ~ 3
.• · · · · · · · · · · · · · • · · · · · 61
(4 3 2 ... 51 (611
Se se escrever em seqüência a ordem da matriz A e a ordem da matriz B:
l
(4, 1)
t
o 2Q e o 3Q números, sendo iguais, indicam que a multiplicação é possível e o 1Q e o 4Q números
indicam a ordem da matriz produto C:
e:
X l
B(4.1) - -e li
Suponhamos que se deseja multiplicar uma matriz Ao ,4) por uma matriz 8(4 ,2 ):
l X 1
8 (4,2)
~tos, dos elementos da A(l,4)
à soma dos produtos
A pelo 2Q elemento de
Tendo em vista que o 2Q e o 3Q números são iguais (número de colunas de A igual ao
de A pelo 4Q elemento
núme ro de linhas de B), a multiplicação é possível, e a ordem da matriz produto C será dada
sitivo da página seguinte,
pelo JQ e 4Q números (número de linhas de A e número de colunas de B):
la matriz B (4,1 )·
(4,l)· , de acordo com a A ~

. l l .4)
1 -- C(1.2)
B(4 ,2)
número de linhas de B
é dada pelo número de
também 1), isto é, Cu. isto é, a matri z C terá l linha e 2 colunas.
378 Álgebra linear
Sejam as matri:zes A0 ,4) e 8(4 ,2 ) :

Tendo em vist
e é uma matriz c(2 ,I
6 !
A (2,3) X
4 2
A= (4 3 2 5) e B =
5 7
Sejam as matrí:
3 4
Para efetuar o produto da matriz-linha de A (l,4 l pela matriz 8(4 ,2 ) , considera-se 2

cada coluna de B como uma matriz-coluna e efetua-se o produto da matriz-linha A pela primeira
matriz-<:oluna de B, obtendo-se o l <? elemento de C; a seguir, efetua-se o produto da matriz-linha A=[: 5
A, pela segund a matriz-coluna de B, obtendo-se o 2<? elemento de C. O dispositivo a seguir
facµita o entendimento do processo :
Para efetuar o
uma matriz-linha ( dac
. .... .. . . . . . . . . . . . . . . ... . . . . . . . 4. . X. .6c. . 24. . . . 6·.· .. ·.. ..4 .X...
1 • . ..
4 mo wna matriz-colun
4 2 3 X 2• 6 a 1~ linha de A su<
primeira linha c 11 c
.. . . ........ . .. .. ..... . .. ..2 . X. ..5c10
. ... , ~- .. ?, . ?. >: _7 ,•. 1:4 .
sucessivamente pela
5 X 3 e 15 3 4 5 X 4 = 20
C21 C22 C23 C24 da
61 44 processo :
(4 . . . 3 . , 2 , .. 5] . . . . . . . . . . . . . . . . . .. . . . . . .. . . . . . . (61 . . 44]
A matriz C(l,2) = (61 44) é o produto das matri:zes A(l ,4 ) e 8( , ):

42
4 .. 2 ,
X l -- e(1,2)
8 (4 .2 )
[ 2 .. 5 ,
Suponhamos, agora, que se deseja multiplicar uma matriz A c2 ,3) por uma matriz B(3,4f
l
A(2,3) X l
8 c3 ,4)
O elemento c 11
de B, o elemento c12
C1 3 se obtém multipli
Tendo em vista que A é de ordem (2, 3) e que 8 é de ordem (3, 4), o produto existe
e é uma matriz c(2,4):
Sejam as matrizes:
2 4
(4,2) , considera-se
lla A pela primeira
luto da matriz-linha
diapositivo a seguir
A=[:
2
5 :1 e 8 =
[: :] 3
2
l
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
.. , .~ .,.-. :4.
a H linha de A sucessivamente pela l ª, pela 2ª, pela 3ª e pela 4ª colunas de B, obtendo-se a
3 X 2• 6
..... ..... primeira linha c 11 c 12 c 13 c 14 da matriz C. Em continuação, multiplica-se a 2ª linha de A
sucessivamente pela l ª,
pela 2ª , pela 3ª e pela 4ª colunas de B, obtendo-se a segunda linha
c21 c22 c23 c24 da matriz produto C. O dispositivo a seguir facilita o entendimento do
44
processo :
. . • • • • • • • • º º • • • • • • • • • • • • • • • • • • • • • • • [5. •··2. ···4···1.]

.
:. .. · · · · · · · · · · · · · · · · · · · · · · · · · · · . . ..2. · · . j. · .. ;. .. · ô.
: . · · · · · · · · · · · · · · · · · · . . . . . . . . . .; .. . i . . ·.; · .. s
~.. ~ ··6] .... ·.··..... .•.. ·········· [ClJ · · c12 •• c13 •• c14]
[
.2· · 5· ·3 • · . • .. . · · · • · · · · · · · · · · · · · · · · ..c21 · • c22 · · C23 · · C24
O elemento c 11 da matriz C se obtém multiplicando a lª linha de A pela lª coluna

de B, o elemento c 12 se obtém multiplicando a lª linha de A pela 2ª coluna de 8 ; o elemento
c13 se obtém multiplicando a lª linha de A pela 3ª coluna de B; o elemento c 14 se obtém
380 Álgebra línear
multiplicando a 1íl linha de A pela 4é;l coluna de B. Os elementos c 21 c22 c 23 c 24 são obtidos A ordem
multiplicando-se a 2ª linha de A sucessivam~nte pela 1íl, pela 2? , pela 3? e pela 4? colunas de B.
Assim, cada elemento c.. da matriz C é obtido multiplicando a linha i da matriz A pela número d
IJ
coluna j da matriz B. No exemplo dado:
número d
c 11 ::;: 1il linha de A x I il coluna de B ::;: 4 x 5 + 2 x 2 + 6 x J =20 + 4 + 6 = 30
Do mesm,
C12 = l~ linha de A x 2? coluna de B::;: 4 x 2 + 2 x 3 + 6 x 2 =8 + 6 + 12 =26
A(2,7) X
c 13 ::;: J il linha de A x 3íl coluna de B = 4 x 4 + 2 x 1 + 6 x 7 = 16 + 2 + 42 = 60
A(S ,4) X
C1
4
::;: 1~ linha de A x 4íl colona de B = 4 x J + 2 x O + 6 x 6 =4 + O + 36 =40
A(9,2) x
c21 = 2íl linha de A x líl coluna de B = 2 x 5 + 5 x 2 + 3 x 1 = 10 + 10 + 3 =23

e assim E
c22 = 2ª linha de A x 2íl coluna de B = 2 x 2 + 5 x 3 + 3 x 2 = 4 + 1S + 6 = 25
c23 = 2? linha de A x 3íl coluna de B = 2 x 4 + 5 x I t 3 x 7 =8 + 5 + 2 1 =34 A.7 .1 Cálcul
c24 = 2ª linha de A x 4;t coluna de B = 2 x 1 + S x O + 3 x 6 = 2 t O + J 8 = 20 Sejam as
Portanto, o produto das matrizes dadas Aci,J) e Bc3,4 ) é a matriz
cc2,4> =
30 26 60
40]
[ 23 25 34 20
De acordo com o que foi visto até agora, pode-se dizer, por exemplo, que Tendo em
matriz e de ord
X B l -
(5 ,6) -
C
(3,6)
De fato , o produto AB é possível porque o número de colunas da I il matriz é igual ao

número de linhas da 2? matriz :
Por meio
número de colunas de A= 5
processo , vejamo
número de linhas de B=5

C13 = 2? (ir
c14 são obtidos A ordem da matriz C é (3, 6) porque :

4~ colunas de 8.
l matriz A pela número de linhas de A= 3
número de colunas de B = 6
Do mesmo modo pode-se dizer , por exemplo , que

6
A (S,4) x 8 (4 ,8) = C(S ,8)
A<9,2> x 8 c2,11> = cc9,11 l
e assim por diante .
A.7 .1 Cálculo de um Elemento Qualquer de uma Matriz Produto
Sejam as matrizes
[b"
b,2
b.,l
A =
['" '"]
ª11
ª12
822 823
e B = b21
b31
b22
b32
b23
b33
Tendo em vista que A é de ordem (2. 3) e que B é de ordem (3 , 3), o produto é uma
matri z C de ordem (2 , 3) :
X l
B(3,3) -- C(2 ,3)
Por meio do dispositivo já con hecido e que facilita , visualmente , o entendimento do

processo, vejamos como calcular, por exe mplo . o elemento c23 da matriz C:
382 Álgebra linear
. ............ .... .. .... .... .. . . ....... . .. . ... ·rb11 . -. b12.. -b1 .3J O produt1
: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . b·2, . . b~2 . .b~3 define o element
[ '.. . · · . • . . • . . . • . • • • . . . , • • . • • . . . . . . . . • • •. • ~3 . . . b~2- - b~3
[ .
..
..
8 11 , . a , 2 •. a13
.
8 21 · • a22 • • a23
.]
.. • • . . . . . . •• · • · • · · • • · · • · • • • · · • • • • · , · . [.
,c11· .
. . c,2.
.
.
.
.]
- c13
.. Assinale-se
• • • • • • • • • • • · • • • · • · • · • · ' · • · • · · ' ' ' · · · ·C21 • · C22' ' C23 de A e tambér
produto AB .
Assinalando o 29 índice de " a" e o 19 índice de " b", vê-se que , em cada parcela , eles
são iguais :
A.7.2 Coml
Em geral , a
Essa expressão pode ser escrita do seguinte modo:
Exemplo
k• 3
C23 = ~ 32k bk3
k• 1
isto t!, c 23 é o somatório dos produtos a2 k bk 3 • com k variando de I a 3 . Entretanto, o pro
Um elemento qualquer cij da matriz C será calcula do do seguinte modo :
não existe, porqu

de linhas da 2~ m
Mesmo qua;
geral, diferentes:
r--
A (4 ,3)
Essa expressão é que, na verdade. define o produto C = A B. t
Generalizando, se A(m,n) = [aijl e se B(n ,P) = (bkjl , o produto AB é uma matriz
e= [clj] tal que :
k • n
\; 3 b O produto
- ik kj
k .. 1 matriz de o rdem (
.. b'.z· ·bt3] O produto C = AB é uma matri z de ordem (m, p), uma vez que na expressão que
define o elemento ciJ, o r'ndice i varia de l a m,e o índice ·j varia de 1 a p:
.. ..
• • b22 • · b23
.b32 • • b33
X al(n ,p ) = e (m,p)
Assinale-se , ai nda, que o índice k varia de I a n. pois que n é o número de colun as

de A e também é o número de linhas de 8, condição, aliás, indispensável para se efe tuar 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
Entretanto, o produto
J X
l
B (5,6) A(3,5)
*
não existe , porque 6 3. isto é, o número de colunas da 1\1 matri z não coincide com o número
de linhas da 2ª matriz.
Mesmo quando as multiplicações A x B e B -< A são possíveis, os dois produtos são, em

geral , diferente s:
!
A (4 ,3) X
l
8 (3,4) = e (4,4 )
X
i
A (4,3) = D (3,3)
O prod uto 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 Como se vê:
também matrizes quadradas de ordem n , e ainda assim, em gera l, difeririam .
Sejam , por ex emplo , as matrizes : AI= IA= A
É fácil gene1
multiplicação dessa
A= G :] ' B = [ : :]
2<J Caso : S
AB = [
I 2
]3
[5 71 [17 23]
= 4 6 8 39 53
BA = [
5 71
6 8
l(
3
21 [26
4 = 30
381
44
Os produtos AB e BA são diferentes . Logo, a mul tiplicação 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.
Como se vê:
J(! Caso: Sejam as matrizes quadradas :

AB = BA = 1
A matriz B que sat
A = [ : : ] , 1 = [~ :] AB= BA = J
diz-se inversa de A
Af = [: :] [ ~ J = [: :]
Assim, para s,
inversa da outra, bas
IA =[ : J[: :] = [: :] Nesse caso, di

de B e se represent:
BA seriam Como se vê :
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.
2<J Caso: Sejam as matrizes quadradas:
A [I l 3J B 2· -3J
= e =[
7 2 -7 11
AB= [l7i 31[ 2 -31

2 -7 11
=[l ºJ
O 1
BA = [ 2 -3] [11
-7 11 7
3]
2
= [I O
O]
l
Como se vê :
AB = BA = 1
A matriz B que satisfaz à condição
AB= BA = I
diz-se inversa de A e se representa por A - 1
AA - 1 = A- 1 A = I
Assim, para saber se , dadas duas matrizes quadradas A e B, de mesma ordem, uma é
inversa da o utra , basta multiplicar u ma pela outra e verificar se o produto é a matriz 1.
Nesse caso, dir-se-á que B é inversa de A e se representa por A- 1 (ou que A é inversa
de B e se representa por s- 1 ) .
386 Âlgebra linear
Se uma matriz A admite inversa, esta é única . VH) Dadas dua

A maneira de determinar a matriz inversa de uma matriz dada será vista no item A.36. que A ou B sejan
A.7.3 Propriedades da Multiplicação de Uma Matriz por Outra Exemplo
I) Dadas as matrizes A, B, C de ordem (m, n), (n, p) e (p , r), respectivamente , tem-se:
(AB) C = A (BC)
[: :J
II) Dadas as matrizes A, B, C de ordem (m , n), (m , n) e (n, p), respectivamente, tem-se:
Entretanto, se
qualquer que seja A
(A + B) C = AC + BC
III) Dadas as matrizes A, B, C de ordem (n, p), ( n , p) e (m, n), respectivamente, tem-se:
A.8 PROBLEI\
C (A + B) = CA + CB
1) Dadas as matri;
CV) Se A(m,n) , tem-se:
1m A=AI n = A A=[y+94
V) Dadas as matrizes A e B de ordem (m , n) e (n,p), respectivamente , tem-se, para
todo número À:
calcular y e X
(XA) B = A (XB) =À (AB)
}
VI) A multiplicação matricial não é, em geral, comutativa. ['9+4
xi + <
Exemplo
42 Pela definição de
[ º]
2 5 l
X 1:l~ :J 2
= [20 14]
11 21
y+4= 12
x 2 + 4 = 53
[: :l l
x 2 = 53 - 4
x2 = 49
X [: : ~] = [ 2: :: : X = ± ',./'49
x= ± 7
VII) Dadas duas matrizes A e B, se o produto delas for a matriz zero (O] , não é necessário
sta no item A.36. que A ou B sejam matrizes zero.
Exemplo
[: :J [: :] a[: :J
:tivamente, tem-se:
:ctivamente, tem-se: Entretanto , se AB = O qualquer que seja B, então A= O. Do mesmo modo. se AB = O

qualquer que seja A , então B =O .
ectivamente, tem-se: A.8 PROBLEMAS RESOLVIDOS
l) Dadas as matrizes
te, tem-se, para
calcular y e x de modo que A seja igual a B, isto é:
y+ 4 2 J [l2 2]
[ 9 X2 +4 = 9 5J
Pela definição de igualdade de ma trizes . deve-se ter :
y+4= 12 y= 8
x 2 +4=53
X2 = 53 - 4
x 2 = 49
x= ± .../49
x = ±7
388 Ã lgebra linear
Para que as matrizes A e 8 sejam iguais, é necessário que y = 8 e x = ± 7.

9
Dadas as matrizes
D+: 21
27
12
=[: : _:]. c =[: :: :l.J

D{;
A 8 = [ :: : ;] e
-5
7 4 -1 O 9 4 9 -5
23
2) Calcular A+ 8 . 21 -6
Solução -3í
2 3 8l [-3 7 1 r-1 lO 9l
D=
[4° 9
57 -26
11
A+ 8 = -5
[7
9
4
-6
-1
+ -4
O
2
9
1
5
4
= -9
7
11
13
-1
3
5) Calcula r o produtc
3) Calcular C - A.
Solução
A(2,4) =
[~
Solução
A(2,4) x 8 (4,2)
4) Calcular 3A - 28 + 4C . Para efetuar a mu
Solução
Fazendo D= 3A - 28 + 4C, vem:

.
D = 3 x [ -:
7
;
4
_:J - X
-1
2 r: : ;]
O 9 4
+4 X[: ::
9 -5
:J
J
[
-8 •. . 4 . .. . .
2 · · · · -5 · · · · ·
Matrizes. Dererminanres. Sisrema de equações lineares 389
40
D= 9
[
57
S) Calcular o produto das matrizes:

o 4
A(2 ,4) =
[~ -5
4 -6
7 ~] e 8 (4,2) =
2
3
-2
-5
8
Solução
Ac2,4> x 8 c4,2> = c<2,2>

Para efetuar a multiplicação, vamos utilizar o dispositivo prático :
.· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · ·rO ····4
:. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ... -.2.
~
: : . · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · l · · · -5
:
. .: :. .
.. . . . . . .......... . .... . . . .... 3. . ... .8
[
-8 . . . ~ ..... ~ . . . . . . ~] . . . . . . . . . . . . . . . . . . . . . . . . .. . ·[ (
2 · · · · -5 · · · · · 7 · · · · · · 3
. . -~
· · · · · · · · · · · · · · · · · · · · · · · · · · · · 6 · · · ·7
l
390 Â lgebra linear
Portanto : Observação
O fato de qu
A x M= [ :
-:1 escrever, sob a form
2x + 3y +
3x + 5y -
Observação
Daqui por diante , a multiplicação de duas matrizes A(m, n) e B(n, p) será feita sem a
f
4x + 7y -
utilização do dispositivo prático : cada elemento cij da matriz C(m. p) será calculado de acordo
Fazendo
com o disposto no item A.7 .
6) Calcular o produto das matrizes

3
5
7
pode-se escrever:
Solução AX= B ou
De fato , efetuando o
2x + 3y + •
~] {]
3
5
7
= [ : : : :: :
4x + 7y - 2z
::J [
3x
4x
+ 5y -
+ 7y -. ~
~
e , de acordo com a d1
É interessante assinalar que a matriz C tem 3 linhas e uma só coluna:
• o elemento da 1~ linha é : 2x + 3y + 4z; 2x + 3y +,
• o elemento da 2? linha é : 3x + 5y - 4 z; 3x + 5y - •
• o elemento da 3? linha é : 4x + 7y - 2z. f 4x + 7y - '.
Matrizes. Determinantes. Sistema de eq14ações lineares 391
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 + Sy - 4z = 25
{
4x + 7y - 2z = 24
será feita sem a
lculado de acordo Fazendo
pode-se escrever:
2
AX= B ou 5
7
De fato , efetuando
•
o produto das matrizes1 do 19
•
membro, vem:
2x + 3y + 4z]
3x + 5y - 4z =
[-4]
25
[
4x + 7y -. 2z 24
e, de acordo com a definição de igualdade ~ matrizes:
2x + 3y + 4z = -4
3x + 5y - 4z = 25
{
4x + 7y - 2z = 24
392 Ãlgebra linear
7) Dadas as matrizes
Solução
Efetuandc
A =
[
-1 -1
O -1 ºJ
-1 e B = r-2 1 3 -li
-3 1
1 -1 -3 -1 2 -1 AB = [ :
veri ficar se B é inversa de A. Mas AB 1
36 + 5m
Solução
[ 28 + 4m
Para que a matriz B seja inversa da matriz A. é necessário que AB = 1. Calculemos
o produto AB: Pela defini
36 + 5m =
AB { :
1
::
-1
-~1 r-: _:
-3
X
-1 2
-:i r: : :J
-1
=
O O 1
=
::!8 + 4m =
9n + 45 =
7n + 36 =
Tendo em vista que AB = I, a matriz B, que se representa por A- 1 , é inversa de A. Para que
De fato :
Observação
O produto BA também é igual a I, o que significa que A= a- 1 é inversa de B. Deixamos AB = [:

a cargo do estudante calcular o produto BA , a título de exerci'cio .
8) Dadas 11s matri zes

A.8.1 Proble
Nos probli
iguai s.
A= [: : ] , B = [: :]
1)
A= [
calcular me n para que B seja inversa de A. 1.
Solução
l
Efetuando o produto AB, vem :
= [ 36 + 5m 9n + 45
28+4m 7n + 36
Mas AB deve serigual a I, istoé :
36 + 5m
[ 28 + 4m
9n+ 45] = [ l º]
7 n + 36 O 1
Pela definição de igualdade de matrizes, deve-se ter :
36 + 5m = 1 m = -7
:!8 + 4m = O . . m = -7
9n + 45 = O n= -5
7n + 36 = 1 n = -5
Para que B seja inversa de A, deve-se te r m = -7 e n = - 5.
De fato :
A .8. 1 Problemas Propostos
Nos problemas de I a 3, caJcular os valores de m e n para que as matrizes A e B sejam

iguais .
1)
8 15n] e 8 [8 75] =
A
[ 12 +m 3 6 3
394 Álgebra linear
Bt
2)
A= [m':40 n':4} 1:J

13)
Af -5
14)
.3)
:} a{: -~J A{: -.

8 (
A= [: ! Ox
s
15) -3 4
Dadas as matrizes:
o
A= -2 4
Js= [: [º
3 -7 9
A= [: -9J e C= 9 -9
-1 4 1 1 4 :J
Dadas as mat1
4) Calcular A+ B.
-2
5) Calcular B+C . 3
A=
7 -4
6) Calcular A+C .
5 9
7) Calcular A-8.
7
8) Calcular A - C.
-3 -1
D=
9) Calcular B - C. 4
5 3
10) Calcular X = 4A - 38 + SC.
11) Calcular X= 28 - 3A - 6C . 16) Calcular AB.
12) Calcular X= 4C + 2A - 68 . 17) Calcular (AB) I
Nos problemas 13 a 15, efetuar a multiplicação das matrizes A e X. 18) Calcular A (BD
14
) A=[; _;
3 9
:J X=[::]
-8
e
X3
15) -3 4 2 8 X1
o 1 3 -6 X2
A= -2 4 5 -7 e X= X3
9 -9 -8 6 X4
Dadas as matrizes:
-2
-a e=[ :]
3 l 3 -5
A= 7 -4 •
B= [ '
6 2 -8 -3
2
'
5 9
7 3 -8
-3 -1 -1 -3
D=
4 9 o
5 3 2 -3
16) Calcular AB.
17) Calcular ( AB) D.
18) Calcular A(BD).

396 À./gebra linear
19) Calcular BA.

Nos problemas 2
20) Calcular (BA) C. 27) -2:

A=
21) Calcular B (AC). [: n
Nos problemas de 22 a 26, verificar se a matriz B é inversa da matriz A.
A,[:
l
28) 5
22)
[-0,5 -1,5
1 [-122
-4
14]
8
A= -0,5 -2,5 0,5 e B = o -2
-0,5 -2 l -2 -2 4
A.8.2 Respostas 01
23)
A= -4[-2
-4
-4
-6
-4
i
-6
-6
-2
e B =
[-1,5
-1
2
2
-2,S
-1,5]
l,S
-0,5
1.
2.
3.
n=5 e m=-6
m=±9 e o= ±
x=5
4 a 6. Roteiro : Esse
7 a 9. Roteiro : Esse
24)
~·5]
-2 10 a 12. Roteiro : Esses
[-4
A= 2
10
-6
-8
º]
-2
-4
e B=
~l
l ,S
-S ,S
-2
6,S -3 ,5
13.
AX=
[ 2x + 6y
-
- Sx + 4y _
25)
B{~ :]
14.
5 [ x, + 2x,
A{:
3
AX = - 2x 1 - 5x2
-6 -1
3
_:] e 2
6
3x 1 + 9x 2
15. - 3x 1 +
26)
~]
4 0,5
'ª [ : 8
[-1
e B = -0,5 -0 ,5 ;,5] AX =
-2X1 +
-2 -14 -1,5 -1 -1 9x 1 -
Nos problemas 27 e 28, calcular me n para que a matriz B seja inversa da matriz A.
27)
A = [m -22] eB =[' 2:J
-2 n 2
28)
A =
[: :] e B = [:
~]
A.8.2 Respostas ou Roteiros para os Problemas Propostos
l. 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 .
7 a 9. Roteiro : Esses problemas se resolvem de forma análoga à do problema 3 do item A.8.
10 a 12. Roteiro : Esses problemas se resolvem de forma análoga à do problema 4 do item A.8.
6y]
l
13 . 2x +
AX -
- 5x + 4y
14. X1 + 2X2
AX = - 2x 1 - 5x2
[
3x 1 + 9x 2
15. -3x 1 t 4X2 + 2x3 + 8x4

X2 + 3X3 - 6x4
AX =
- 2X1 + 4X2 + 5X3 - 7X4
9x 1 - 9X2 - 8x 3 + 6X4
398 Álgebra linear
16. Roteiro : Esse problema se resolve de forma análoga à do problema 5 do item A.8. Exemplo
17 . Roteiro : 19 ) Calcular E( 4 , 4 )=A(4 , 2 ) x B( 2 , 4 )

(No caso, já foi calculado no problema 16).
29) Calcular F( 4 , 4 ) = E( 4 , 4 ) x 0(4 , 4 ) .
18. Ro teiro : 19 ) Calcular G( 2 , 4 ) = 8 (2 , 4 ) x 0( ,

4 4
).
A.9.1 Proprieda1
29) Calcular H( 4 , 4 ) = A( 4 , 2 ) x G( 2 , 4 ).
1) (A+ Bl'
19. Roteiro : Esse problema se resolve de maneira análoga à do problema S do item A.8. fl) (XAl = X
III) (AT? = 1
20. Roteiro : 19 ) Calcular J( 2 , 2 ) = 8( 2 , 4 ) x A( 4 , 2 )

IV) (A8)T = B
(No caso já foi calculado no problema 19).
Observação
29) Calcular L( 2 , 2) = J( 2 , 2) X C( 2 , 2) '
As propriedadf
21. Roteiro: JQ) Calcular M(4 , 2) = A( 4 • 2) x C( 2 , 2
). seguinte exemplo :
29) Calcular N(2 , 2) = 8 (2 , 4 ) X M(4 , 2 ). a) Sejam as ma1
22 a 26. Roteiro : Efetuar o produto AB. Se :

a) AB=I , B é inversa de A;
b) A8 :/: I, B na-o é inversa de A.
27. m= 9 e n=S
28. m = -5 e n = -3 O produto A(3 ,
A.9 MATRIZ TRANSPOSTA
A matriz transposta da matriz A, de ordem m por n, é a matriz AT, de ordem n

por m, que se obtém da matriz A permutando as linhas pelas colunas de mesmo índice .
AB" [i 4
3
2
Exemplo
A.9.1 Propriedades da Matriz Transposta
[) (A + Bl = AT + BT
U. U) (ÀA)T = ÀAT
UI) (AT? = A
IV) (AB? = BT AT
Observação
As pro priedades 1, li e UI são imediatas. A propriedade IV será verificada por meio do

seguinte exemplo :
a) Sejam as matrizes
3
]
: e 8(2,2)=
[( 2]
3 4
O produto A(J,i) x 8( , ) ex.isteeé de ordem

2 2
(3,2), istoé (AB)(3, 2):
AB = [~ :J x [l
3
2] = [l:
4
:J
l (AB)T =
[
10
14
6
8
14]
20
2 4 14 20
400 Álgebra l/11ear
b) Sejam as matrizes Exemplo
2
:] , •T,.,,= [: :]
3] l} x Q 21 = [ }Q 6 }4J
4 3 2 4 14 8 20
A.11 MATR
Uma matri:
Comparando a) co m b), verifica-se que ( AB? = BT A T.
Exemp/0
A.10 MATRIZ SIMÉTRICA

A matriz
Umamatrizq uadrada S = [a .. ] é simétrica se
IJ
sT =S.
Exemplo A=[-:-4
é anti-simétrica.
S=ST= [ : : :] De fato :
A.10.1 Observações
a) Se A = [a .. ) é uma matriz simétrica, os elementos dispostos sime tricamente em

IJ
relação à diagonal princi pal são iguais, isto é , a.. = a... isto é:
IJ J1
b) O produto de uma matriz quadrada A pela sua transposta AT é uma matriz simétrica . AT = - A
Matrizes. Determinantes. Sistema de equações lineari•s 401
Exemplo
A=
[
2 O2]1 -1 2 AT = [2 O -1 º]
3
O 3 O 2 2 O
2l [2 ºJ ºJ
1
-1o 2 O -1 3 = 86 46 -3
3 O 2 2 O O -3 O
A.11 MATRIZ ANTI-SIMl:TRICA
Uma matriz quadrada A= [a .. ] é anti-simétrica se AT = -A.

IJ
Exemp/0
A matriz
O 3 4]
A= -3 O -6
[ -4 6 O
é anti-simétrica .
De fato :
AT =
o
3
-3 -4]
0 6
[
4 -6 O
isto é :
AT = -A
402 Álgebra linear
A.11.1 Observação Observando que ~
Se A= [au) é uma matriz anti-simétrica, os elementos dispostos simetricamente em

relaçao à diagonal principal são opostos e os elementos da diagonal principal são nulos.
A.12 MATRIZ ORTOGONAL
Uma matriz M cuja inversa coincide com a transposta é denominada matriz ortogonal: Tendo em vii
isto é : isto é :
a matriz M é ortog
Exemplo
A matriz
A.13' MA TRlZ
A matriz qua
- 1 v'3 triangular superior.
2 2
M=
./3 l
-- Exemplo
2 2
5 4
é uma matriz ortogonal. O 3
A=
De fato: o o
o o
v'3 1 ..Jf
2 2 2 2
se M = MT = A.14 MATRIZ.
v'3 ..Jf 1
2 2 2 2 A matriz quad
triangular inferior.
Observando que M = MT, vem:
simetricamente em 1 V3 I V3
1nulos.
2 2 2 2
X
V3 V3 J
2 2 2 2
Tendo em vista que;

1 matriz ortogonal:
isto é :
a matriz M é ortogonal ,
A.13' MATRIZ-TRIANGULAR SUPER IOR
A matriz quadrada A= [aij] , que tem os elerr'lentos ªij =O para i > j, é uma matriz
triangular superior.
Exemplo
5 4 7 9
O 3 -8 4
A=
O O -2 3
O O O 6
A.1 4 MATRIZ TRIANGULAR INFERIOR
A matriz quadrada A= [a.. J , que tem os elementos a.. = O para i < j , é uma matriz
u u
triangular inferior.
404 Álgebra linear
Exemplo A.15.1.1 Matriz Ide
5 o o o Dada uma ma
po tente. O período
2 7 o o
-3 4 3 o
Exemplo
6 -2 8 9
-1
A.15 POTÊNCIA DE UMA MATRIZ Af -5

4
5
Uma matriz quadrada A= [aij l pode ser multiplicada n vezes por si mesma. A matriz
que resulta dessas operações, e que se representa por A", é chamada potência n da matriz A.
-1
Exemplos A'f -5
4
A ma tri z A é ic
Se A2 =A, enl
A .15.1.2 Matriz Nihi
Dada uma mat

= O. di z-se que t
= O, diz-se que A
• b) A.l = [I 2j [l 2] [l 2]=[9 8] [J 21J [41 421J

4 3 x 4 3 x 4 3 16 17 x 4 3 = 84 83
Exemplos
a) Se
A.15.1 Matriz Periódica
Dada uma matriz quadrada A, di z-se que A é uma matriz periódica se An = A,

sendo n ;;;. 2. Se n é o menor inteiro para o qual An = A, di z-se que o período de A é n - 1.
A{~ -4
-1
4
406 'Â /gehra linear
Solução
A =[-3L -:
2
_;l x [ -~ -~ -~] = [: : :1 2
-4 4 -4 -4 4 -4 O O O 3
A matriz A é nihilpotente de índ ice 2 .

-5
8
Se A2 = O, ,então A 3 = A4 = A5 = ... = An = O.
Dadas as matrizes :
b) Se
-5
A = [ ~ ~ :1
-2 -1 -3
A =[:
-2
-7
4
:_;Jl [:.: :1
-3
A
2
=[ ~
- 2 -1
2
-3
:J X [ :
-2 -1
2
-1 - 1 -3 J
2
2) Calcular (AB;
A 3 = A 2 x A=
[: : :1
-1 -1 -3
X [ :
- 2 -1
2
-3
:J 1:l~ : :1
a
O O
Solução
a) Cálculo de
A matri z A é nihilpotente de i'ndice 3 .

-5
Se A.1 =O, então A4 =A' = A6 = ... = An = O. E=[;
-2
A '16 "PROBLEMAS RESOLVIDOS
b) Determinaçi
1) 1 Determinar a ma triz AT transposta da matriz
2 3 -5
r·l
1
A=
3 -7 :]
Solução
2 3
3 -7
AT =
-5
8 9
Dadas as matrizes:
A =
[ 43 -5]
-7 , B = l-4 6
-:J
-2 4
-3 5
-5
[4 -3]
e=
1 2
e D=
[: :] o
l
Calcular (AB?.
a) Cálculo de A(3, 2) x 8 (2, 3) = E(3, 3)·
Ea [ :
-2
-51 [4
-7
4
-3 -:J =)(
6
5
[-~
-4
-1
-17
8
-52]
-65
38
b) Determinação de (AB? = ET:
-1 9
(AB)T = ET =
[
-1
-52
- 17
-65
-:1
38
408 Álgebra linear
3) Calcular BTC . 5) Dada a m.
Solução
a) Determina ção de BT :
BT =
-4
6
-3] 5
classificar
[
-3 8
Solução
a) Determi
s'e = F =
[
-46
-3
-3]s
8
x l 4
l
-:
-
J= [-19 -a6]29
-4 25
4) Calcular (AB)TD.
b) Cálculo d
Solução
a) Cálculo de ( AB/:
(No caso presente, (ABl = ET já foi calculado no problema 2.) S=A +AT
~]
9
(AB)T = ET = [-' -1
- 52
-1 7
-6 5
e) Deiermin:
b) Cálculo de (AB)TD = E[3 . 3 ) x 0( 3 , J) = G(3, 3) :
s'{:
(AB)TD =G = -1 [-' -52
-17
-65
9
~i,r:
38 I
-5
o
º]
2
O
-
l'
7
-14
13
'ª]
-34
298 - 130
12
Tendo em vist
Matrizes. Determinantes. Sistema tle equações lineares 409
S) Dada a matriz:
classifi ca r a matriz A+ AT =S.
Solução
a) Determinação da matriz AT.
b) Cálculo da matriz A + AT = S.
S= A+ A T [;
3
~
6
~1
8
+[ :
9
: :J=
8
[: 1: 12 7
I
16
~1
e) Determinação de ST.
ST =[: 1:
12 7
l~l
16
Tendo em vista que A+ AT = S = ST, A+ AT é urna matriz simétrica.

6) Dada a matriz 7) Dada a ma
A{:
classificar
classificar a matriz A - AT =P.
Solução
Solução a) Determ
a) Determinação de AT.
b) Cálculo
b) Cálculo de A - AT = P.
~1
e) Detcrmi
_;]
7
[~
4
-:
-5
_: ]
7
= [-: :
- 2 -1 O sT = [-11
]]
c) Determinação de pT : Tendo em,
8) Dada a ma1
~
pT [: -: ::]
['º'º
M = se~ 8
Tendo em vista que A - AT;:: P;:: -PT, A - AT é uma matriz anti-simétrica. calcular M
Ma rrizes. Dererminanres. Sisrema de equações lineares 411
7) Dada a ma triz
classificar a matriz AA T = S.
Solução
a) Determinação de AT :
b) Cálculo de AA T = S:
2 3] [2 5] [ 13 -li]
s = AAT =
[
5 -7
X
3 -7
-
- 11 24
e) Determinação de ST
sT = 13 -IIJ
[-11 24
Tendoem vistaque A.AT=S=S\ AAT éumamatrizsimétrica .
8) Dada a matriz:
~]
cos 0 -sen 0
M= se~ 0 co; 0
[
calcul ar MMT e classificar a matriz M.

412 Ãlgebra linear
Solução Solução
10
a) Determinação de MT: A2 =
[4
cose sen e
MT = -sen e
o
cose
o :] 10)
Tendo em vis1
Dada a matriz
-2
b) Cálculo de MMT = Q: -3
A= :
[
-4
:º] x[-se:
-sen e sen e o
[ oos8
cos 8 calcular A2 e
e cose o
Q= MMT = se; e cose
o o
Solução
1
2
cos 8 sen 8 - se n 0 cos 0 + O A = -2
cos 8 - cos 8 sen 8 + O -4
o o
Tendo em vist
Dadas as matr
T - 1
Se Q = MMT = I, M = M e, por conseguinte , a matriz M é ortogonal .
2
A= O 3
o o
9) Dada a matriz
A=[10 -25] 3 O
-4 - 10 e= -2 2
1 -
calcular A2 e classificar a matriz A.
Matrizes. Detcrminames. Sistema de equações /i11eares 41 J
Solução
1 2
A =
2
1º -5Jx110 -25J = Iº ºJ
L 4 -10 L 4 -1 º Lº º
Tendo em vista que A2 é igual à matriz zero , A 'é nihilpotente de índice 2.
10) Dadaamatriz
calcular A2 e classificar a matriz A.
Solução
2 -J 2 -1 2 -1
A2 = -2 3 -2 X -2 J -2 = -2 3 _:]
'.] -4 4 -3 -4 4
Tendo em vista que A 2 = A, a matriz A é idempotente (período igual a 1).

-3 -4 4 -3
Dadas as matrizes triangulares superiores ( A e B) e in feriores (C e D).
2 -1 2
A = O 3 -2 , B = O -3
o o -4 o o
J O O -1 O O
C = -2 2 O e D = -3 4 O
-3
414 Álgebra linear
I 1) Calcular AB e classificar a mal riz AB = E.
Solução
e D=
-3
3 -11
o -4
2) Calcular (
A matriz AB = E é uma matriz triangular superior.
12) Calcular CD e classificar CD = F. 3) Calcular (
Solução 4) Calcular A
F = CD = -2
3 O
2 o0
-3
l X r-1 -3
2
o4 ºJ
0
1
= r-3 o
-4
-10
8 ºJ
0
-3
5)
6)
Calcular B
2(ATBT)i
Dada s as m
A matriz CD = F é uma matriz triangular inferior.
A .16.1 Problemas Propostos
1) Determinar a matriz AT transposta da matriz
4 3
A=
['
:
-5]
Af -7
-9
o
6
-2
-4
7)
8)
Classificar
Classificar I
1
Dadas as matrizes:
9) Classificar I
5 o 6
3 10)
A=
-8
-2
o
2
3
7
B = [ ~
O
-:
6
-:
3 -8
:J. C= [ ~
3 5
_: ]
4
1 I>
Classificar J
Classificar E
- 1 -5
12) Classificar C
Matrizes. Determinantes. Sistema de equações lineares 4 15
s o 3 2
-8 -2 4
e D =
-3 2 -5
O O 2
2) Calcul ar (AB/ .
3) Calcular (AB) oT .
4) Calcular A(BDT).
S) Calcular sTc.
6) 2( ATBT)+ 3CT.
Dadas as matrizes:
A = [ :
S
-:
-9
~
i.
6
B = [~
7
-:
3
~ld eC a [-~
8
: _;
-9
]
7) Classificar A+ AT .
8) Classificar B+ BT.
9 ) Classificar A . AT .
10) Classificar A - AT.
11 l Classifü:ar B - BT.
12) Classificar C - CT.

416 Â l,:ebra linear
Dadas as matrizes: 16) Calcular DI:
17) Calcular EE
1 2 ,/2 2 v'6
A•[~ ~l 8 .
-3
1-/2
3
3
3
.c =
5
2 ,J6
5
5
-1
5
'
D= ["º 6
coso
- oos
- sen O
61 18)
19)
Calcular F2
Calcula r G 2
20) Calcular H3
2 1) Calcular J 2
,J3 .J'f v'3
3 3 3
~
22) Calcular L2
E=
,J6
3
,J6
6
,J6
6 F• [ 91
-6 '
G = ['2 161
-9 -1 2 ' 23) Cal cular M3
o vi ../2 Dadas as mat

2 2
2
5
2
A{: o
1 1
H = -1
-2 2
J 3 D {:
-3
2 2 -1 -
24) Calcul ar AB
'°l [-;
-:l
2
J -[ 5
-2
IO
JL·['
-4 -3 -5
M •
-2
-2
o
25)
26)
Calcu lar CD
Dadas as matr
13) Calcul ar AAT e classificar a matriz A.

o
14) Calcular BBT e classificar a matriz B. A{: 7
o
15) Calcular CCT e classificár a mat riz C.
calcular AB e
16) Calcular DDT e classificar a matriz D.
17) Calcular EET e classificar a matriz E.
Calcular F2 e classificar a mat riz F.

-oos
-sen O
ºJ 18)
19) Calcular ci e classificar a matriz G.
20) Calcular Hl e ela ssificar a matriz H.
21) Calcular ]2 e classificar a matriz J.
22) Calcular L2 e classificar a matriz L.
23) Calcular M3 e classificar a matriz M.
Dadas as matrizes triangulares superiores (A e B) e inferiores (C e D):
2 1
A = [~
O O
:J.
4
B = [:
O
-:
O
-1 ] ,
3
c = [-:
-2
:
-1
:J
2
e
D -[ :
-1
-~
- 3 -2
:J
24) Calcular AB e classificar a matriz AB =E.
25) Calcular CD e classificar a mat riz CD= F.
26) Dadas as matrizes diagonais:
calcular AB e classificar esse produto .

A.16.2 Respostas ou Roteiros para os Problemas Propostos 6) Roteiro: 19) Deti
29) Dete
1)
2 8
39) Cale
4 -7 -9
AT ::: 49) CaJ
3 o 6
59) Dete
-5 -2 -4
69) Calei
79) Som
2) Rot eiro : 19) Calcular AB::: E.
7) A+ AT é simétri,
29) Calcular ET ::: (AB)T.
8) B + BT é simétric
ou:
9) A . AT é simétric
19) Determjnar AT .
10) A - AT é anti-sirr
29) Determinar BT .
11) B - BT é anti-sim
3<? ) Calcular BT AT::: (AB)T (IV Propriedade da matriz transposta, item A.9 .1.)
12) C - CT é anti-sim
Observação
13) A é ortogonal.
Esse rote iro é conveniente quando já se conhecem as transpostas de A e de B.

14) B é ortogonal .
3) Roteiro ; 19) Calcular AB::: E Uá calculado no problema 2). 15) e é ortogonal.

29) Determinar DT.
16) D é ortogonal.
39) Calcular E. DT::: F.
J7) E é ortogonal.
4) Roteiro : IQ) Determinar DT Uá determinado no problema 3) .
18) F é nihilpotente <
2Q) Calcular BD T ::: G.
39) Cakular AG::: H. 19) G é nihilpotente e
20) H é nihilpotente 1
5) Roteiro : 19) Determinar BT (já determjnado no problema 2) .
29) [<1 kular BT(' = J, 21) J é idempotente (
Matrizes. Determinantes. Sistema d e equações lineares 419
6) Roteiro: 19) Determinar AT (já determinado nu problema 2).
29) Determinar BT (já determi nado no problema 2).
39) Calcular AT BT = K.
49) Calcular 2K.
59) Det erminar cT .
69) Calcular 3CT = L.
79) Somar 2K + L.
7) A+ AT é simétrica.
8) B + BT é simétrica.
9) A . AT é simétrica.
10) A - AT é anti-simétrica.
11 ) B - BT é anti-simétrica .
12) C - CT é anti-simétrica.
13) A é ortogonal.
14) B é ortogonal .
15) e é ortogonal .
16) D é o rto gonal.
17) E é ortogo nal .
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 l ).

420 Álgebra linear
22) L é idempotente (período igual a l ). A.18 TERMO
23) M é periódica de período igual a 2. Dada a rnatr

dá-se o nome de te
24) AB = E é uma matriz triangular superior.
25) CD= F é uma matriz triangular inferior.
26)
o A.19 TERMO
AB{ 35
o 1:] Dada a matri

dá-se o nome de te
é uma matriz diagonal. 3 111 · ª 211-1 •
A .20 DETER~
DETERMINANTES
Chama-se dt
A .17 CLASSE DE UMA PERMUTAÇÃO obtém efe tuando
primeiros indices, ,
Consideremos uma permutação dos segundos índic1
A utilização
a e b dadas algumas info1
dos três elementos a, b, c e tomemos para permutação principal a permutação :
a b c A .21 ORDEM
na qual o s elementos estão na o rdem alfabética . C'hama-se or

Assim , se a matriz ~
Diz-se que d ois elemen tos de uma permutação formam uma inve rsão se estão em ordem
inversa à da permutação principal.
Assim, na permutação dada acb, os elementos e e b formam urna inversão.
A .22 REPRES
Urna permutação é de classe par ou de classe ímpar, conforme apresente um número par
ou (mpar de inversões.
A representa
A perm uta ça:o acb é de classe ímpar. de maneira análoga
Ma"izes. Determinantes. Sistema de equações lineares 421
A.18 TERMO PR INCIPAL
Dada a matriz quadrada A, de ordem n , ao produto dos elementos da diagonal principal

dá-se o nome de termo principal:
A.19 TERMO SECUNDARIO
Dada a matriz q uadrada A, de o rdem n, ao produto dos elementos da diagonal secundária

dá-se o nome de termo secundário :
A.20 DETERMINANTE DE UMA MATRIZ
Cham a-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 determinan tes serão fe itos logo após serem
dadas algumas informaçôes necessá rias para a melhor compreensão do assunto.
A.21 ORDEM DE UM DETERMINANTE
Chama-se ordem de um determinante a ordem da matri z 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 DETERMINANTE
A representaç:lo do determinante de uma mat riz A, que será designado por det A, faz-se
de maneira análoga à da matri z, colocada entre dois traços verticais.
422 Álgebra linear
a 12 a13 ··· a1n A .23.2 T abela

ª11
ª 'l i a22 a23 ··· ª2n O totai de pe
det A= ...
... P3 =3 =1
...
ªn1 an2 an3 ... ªnn
Permuta ção
principai
A.22.1 Linhas e Colunas de um Determinante
12 3
Apesar de o determinante de uma matriz quadrada A= [a.. ] , de ordem n, ser um 12 3
lJ
número real , costuma-se, por comodidade, uma vez que aquele número é calculado a partir dos 12 3
elementos das linhas e das colunas da matriz, falar nas linhas e nas colunas do determinante.
12 3
12 3
12 3
A.23 PRELIMINARES PARA O CALCULO DOS DETERMINANTES
DE 2it E DE 3it 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. A.24 CA LCUL
Dada a matriz
A.23.1 Tabela Referente às Permutações dos Números 1 e 2

311 ª1
O total de permutações dos núme ro l e 2 é:
A=[ ª21 ª2
P2 =21 = 1 X 2 =2
para calcular o deter

Permutação Número de Classe da Sinal que precede
Permutação
principal inversões permutação o produto
ª 11
12 12 o par + det A =
ª21
12 21 1 ímpar -
deve-se, de acordo cc
A.23.2 Tabela Referente às Permutações dos Números 1, 2 e 3
O total de permutações dos números 1, 2 e 3 é:
P3 = 3! = 1 X 2 X 3 =6
Permutação Número de Classe da Sinal que precede

Pennutação
principal inversões permutação o produto
12 3 12 3 o par +
rdem n, ser um 1 2 3 13 2 L ímpar -

alado a partir dos 12 3 3 1 2 2 par +
do determinante . 1 2 3 2 1 3 l ímpar -
12 3 2 3 1 2 par +
12 3 3 2 1 3 ímpar -
consideremos as
A.24 CALCULO DO DETERMINANTE DE 2~ ORDEM
Dada a matriz
para calcular o determinante dessa matriz

que precede
produto
+ det A =
e.leve.se, de acordo com a definição, proceder da seguinté maneira:

424 Álgebra linear
19) Escrever os elementos que compõem o termo principal, um após o outro, somente co m
Solução
os primeiros índices (deixando lugar para colocar depois os segundos índices), tantas vezes quantas
forem as permutações dos números l e 2 (no caso , duas vezes):
det A =
29) Colocar nas duas expressões anterio res, como segundos índices, as permutações 12 e
2 1, uma permutação em cada expressão e não necessariamente nessa ordem:
Daqui por e
Calcular :
3<?) Fazer preceder cada um dos dois produtos assim formados dos sinais + o u - , con-
forme a permutação dos segundos índices for de classe par ou de classe ímpar. No caso, se pode
7
ver. na Tabela do item A.23. 1, que o sinal q ue precede o 1Q produto é +. porque a permutação
det A=
1 2 é de classe par , e que o sinal que precede o 2<? produto é -, porque a permutação 2 1 é
2
de classe ímpar.
2) Calcular :
4<?) Efetuar a soma algébrica dos produtos assim obtidos. com o que se terá :
det A=
isto é:
det A= Solução
det A= (-3)
Por comodidade costuma-se dizer que o determinante de 2? ordem é igual ao termo

principal menos o termo secundário.
3) Calcular :
Exemplos
det 1=
l) Calcular o determinante da matriz o
Solução
det J = 1 X
tro, somente com Solução

1tas vezes quantas
7 5
det A = = 7 X 4-2 5 = 28 - 1Q = 18
2 4
permutações 12 e
Daqui por diante , se dirá simplesmente :
Calcular :
us + ou - , con-
,. No caso, se pode 7 5
>rque a permutação det A=
permutação 2 l é 2 4
2) Calcular :
erá: -3 -8
det A =
-5 -2
Solução
det A= (-3) x (- 2) - ( - 8) >< (-5)= 6 -40 = - 34
é igual ao termo
3) Calcular :
o
det 1=
o
Solução
d et l = 1 X ] - Ü X O=) - Ü =J
4) Calcular: 29) Colocar, ~

132,312 , 213 , 23 1
6 3 ordem:
det A=
O 5
Solução
det A = 6 x 5 - 3 x O =30 - O = 30
39) Fazer prec
a permutação dos se1
A.25 CALCULO DO DETERMINANTE DE 3~ ORDEM na Tabela do item A.
Dada a matriz a) o sinal que f
b) o sinal que
e) o sinal que p
d) o sinal que
para calcular o determinante dessa matriz e) o sinal que
f) o sinal que
deve-se , de acordo com a definição, proceder do seguinte modo:
19) Escre ver os elementos que compõem o termo principal , um após o outro, somen te com 49 ) Efetuar a se
os primeiros índices (deixando lugar para colocar depois os segundos índices), tantas vezes quantas
forem as permu tações dos números l , 2 e 3 (no caso , seis vezes):
Essa fórmula pc
29 ) Colocar, nas seis expressões anteriores, como segundos índices, as permutações 123,
132 , 312, 213, 231 e 32 1, uma permutação em cada expressão e não necessariamente nessa
ordem :
39) Fazer preceder cada um dos produtos assim formados dos sinais + ou - , conforme
a permutaça:o dos segun dos índices for de classe pa r 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 -, porque a permutação 13 2 é de classe ímpar;
c) o sinal que precede o 3<? produto é+, porque a permutação 3 12 é de classe par ;
d) o si nal que precede o 49 produto é porque a permutação 213 é de classe ímpar;
e) o sinal que precede o 59 produto é +, porque a permutação 231 é de classe par;
f) o sinal que precede o 69 produto é porque a permutação 32 1 é de classe ímpar:
49) Efetuar a soma algébrica dos produtos assim obtidos , com o que se terá :
Essa fórmula pode ser transformada na seguinte :
---
428 Álgebra linear
t muito fácil escrever essa fórmula partindo da matriz • fazer m

sinais + e - , in
A = [ ::: ::: :::]

a31 a32 a33 det A=
e efetuando as seguintes operações:

ou, simplificadar
• m ultiplicar o elemento a 11 (da 111 linha) pelo determinante menor da submatriz de
A, que se obtém eliminando a H linha e a 111 coluna:
a
~ det A= a
l
····· ª12 ···· ª13] ª22 a23
ª21 a22 a23 ª11 = a11 (a22a33 - a23a32)
a32 a33 Essa manei1
a31 a32 a33
é comumente den
• multiplicar o elemento a 12 (da 111 linha) pelo determinante menor da submatriz de Exemplos
A, que se obtém eliminando a 111 Unha e a 211 coluna:
l) Calcular :
[ª"·@ ª"
ª21
a31
~22
a32
ª23
a33
l ª12
a21
a31
a23
333
= a12 (a21 333 - a23 a3i) det A = 3
A soluça-o se
2
• multiplicar o elemento a 13 (da 111 linha) pelo determinante menor da submatriz de

A, que se obtém eliminando a 111 linha e a 311 coluna:
de t A = 2 ><
ª11···· 312 " ' ~]

ª 21 ª~2 ~23 ; det A = 2 ( J
[
331 332 333
det A= 2 (2
• fazer os três produtos obtidos anteriormente serem precedidos alternadamente pelos

sinais + e -, iniciando pelo sinal + :
ª11 812 313

det A= 821 ª22 323 =
a31 332 833
ou, simplificadamente:
1or da submatriz de
ª11 312 313 322 873 821 823 321 ª22
det A= 321 ª22 323 = ª11 - 812 + 313 (A.25)
332 333 331 333 831 832
331 832 a33
Essa maneira de escrever a fórmula para calcular o determinante de uma matriz de 3~ ordem
é comumente denominada desenvolvimento do determinante pela lf!. linha.
,nor da submatriz de Exemplos
1) CaJcular :
2 5 7
det A = 3 4
6 8 2
A soluça:o se obtém pela fórmula (A.25):
enor da submatriz de
1 4 3 4 3
det A = 2 x -5 X +7 x
8 2 6 2 6 8
det A= 2 ( l X 2-4 X 8)- 5 (3 X 2 - 4 X 6) + 7 (3 X 8- ( X 6)
det A= 2 (2 - 32) - 5 (6 - 24) + 7 (24 - 6)

430 Álgebra linear
det A = 2 (-30) - 5 (-18) + 7 x 18 + +
det A= -60 + 90 + 126

+
+ +
det A= 156.
3) Calcular:
2) Calcular: 2
det A= 3
3 -2
6
det A= -5 4 -6
o 2 7 desenvolvendo-o pela 2
A solução se obtém pela fórmula (A.25): A solução do prol

diferenças:
4 -6 -5 -6 -5 4
det A = 3 x - 1 x + (-2) x a) A coluna a ser
a ser eliminada será aq
2 7 O 7 O 2
determinante menor.
det A=J [4 x 7-(-6) x 2J - 1 [-5 x 7 - (-6) x 0]-2(-5 x 2 -4 x O) b) Os sinais que p
detA=3(28+ 12)-1(-35+0) - 2(-10-0)

3
det A= J X 40 - J X (-35) -2 X (-10) det A = -5 x
6
det A = 120 + 35 + 20
det A = -5 (3 x 2
det A= 175.
det A = -5 ( 6 - 24
A.25.1 Observação det A = -5(-18)+
Assim como se pode calcular um determinante desenvolvendo-o pela 1? linh a, pode-se det A = 90 - 38 +
também calculá-lo desenvolvendo-o por qualquer linha o u po r qualquer coluna , devendo-se ter
absoluto cuidado com a alternância dos sinais + e - que precedem os produtos formados. det A= 156
Assim, no caso do determinante de 3? ordem , a alternância dos sinais + e - dos produtos
por linha e po r coluna é a seguinte :
Esse resultado foi.
+ +
+ (A.25.1)
+ +
3) Calcular:
2 5 7
det A= 3 4
6 8 2
desenvolvendo-o pela 2!l 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 fo rmar o determinante menor será sempre a 211, 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 - 24) + 1 (4 - 42) - 8 (8 - 2 1)
det A = - 5(- 18)+ 1 (- 38) - 8 (-13)
l \1 linha, pode-se det A= 90 - 38 + 104

a, devendo-se ter
odutos formados. det A= 156
- dos produtos
Esse resultado foi o mesmo obtido no Exemplo 1.
A.26 DESENVOLVIMENTO DE UM DETERMINANTE POR UMA LINHA Calculando cac

OU POR UMA COLUNA indicadas, se obterá
n=S , 6, 7, 8, 10, 2
Se se repetir o raciocínio e o roteiro do cálculo de um determinante de 3il o rdem para um processo que se cale
determinante de 4? ordem, por exemplo , se chegará à mesma conclusão: o determinante poderá um número excessiv
ser calcul ado desenvolvendo-o por qualquer linha o u por qualquer coluna . deve nd o-se ter A.28 será visto um p
absoluto cuidado com a alternância dos sinais + e - que precedem os produtos fo rmados, alt er- número é sensiveJme
nância essa que, para o determinante de 4!1 ordem, é a seguin te: por uma coluna e é, g
+ +
+ + A.27 PROPRIEI
+ + Dentre as dive1
de uma forma ou ou
+ +
ou com as propriedac
verificadas por meio e
Exemplo
1) O determina
Calcular:
3 2 4
ª1 b1 C1
o 9 8
82 b2 C2
det A = 5 6 7 2
a3 b3 C3
3 4 6
desenvolvendo-o pela 1? linha.
Roteiro para a solução: Exemplo
9 8 o 9 8 o 8
2 5
det A= 3 x 6 7 2 -2 X 5 7 2 +1 X 5 6 2
4 6 3 4 6 3 6 7 3
o 9
2 7
-4 X 5 6 7
=
3 4 5 3
LINHA Calculando cada um dos 4 determinantes de 3!l 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, 1O, 20, 50 etc., desenvolvendo-o. por uma linha ou por uma coluna, pelo mesmo
ordem para um processo que se calcula um determinante de 4!l ordem. Entretanto esse processo, por envolver
·minante pode rá um número excessivamente elevado de operações, torna-se quase impraticável. Por isso, no item
devendo-se ter A.28 será visto um processo em que , apesar de conter ainda um número elevado de operações, esse
fo rmados, alter- número é sensivelmente menor do que o do desenvolvimento do determinante por uma linha ou
por uma coluna e é, geralmente, usado com o auxílio de um computador.
A.27 PROPRIEDADES DOS DETERMINANTES
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 n[o se altera quando se trocam as linhas pelas colunas:
Exemplo
8
2 5
2 = 2 X 3 - 5 X 7 = 6 - 35 =-29
7 3
6
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 det A= 5 x ·
determinante é nulo:
det A= 70 -
det A= O
IV) Se na m
cionais, o determi
situados em linhas
Exemplo estão na mesma linl
o o o 4 5 5 4
det A= 5 4 = Ü X - Ü X +O X =0-0+0=0 ª•
2 7 3 7 3 2 det A=
3 2 7
ª2
Esse determinante foi desenvolvido pela 111 linha, observadas as alternâncias dos sinais que
precedem os produtos.
Exemplo
III) Se a matriz A tem duas linhas (ou duas colunas) iguais, o determinante é nulo:
2 6
a,
ª• C1
3 9
det A= ª2 ª2 C2 = o
a3 a3 C3
Nesse deten
Exemplo
6 l)
-=-= 3
2 3
5 5 2
3 3 3 3
det A= 3 3 = 5 X -5 X +2x
4 6 V) Se na ma
4 4 6 4 4
4 6 o determinante de
matrizes, a saber:
Esse determinante foi desenvolvido pela l.ª linha, observadas as ai ternâncias dos sinais que
precedem os produtos.
det A = 5 (3 X 6 - 1 X 4) - 5 (3 X 6- J X 4) + 2 (3 X 4- 3 X 4)
det A = 5 ( 18 - 4) - 5 ( 18 - 4) + 2 (J 2 - 12)
Matrizes. Determinantes. Sistema·de equações lineares 435
ntos todos nulos, o det A = 5 X 14 - 5 X 14 + 2 X 0
det A = 70 - 70 + O
det A= O
IV) Se na matriz A duas linhas (o u colunas) têm seus elementos correspondentes propor-
cionais, o determjnante 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):
= 0-0+0 =O
det A= =O
ª2 ka2
Exemplo
2 6
=2 x 9 - 6 x 3=! 8 -I 8 =0
3 9
Nesse determinante os elementos correspondentes das 2 colunas são proporcionais:
6
-=- = 3
9
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:
= +
436 Álgebra linear
Exemplo Exemplos
2 3+5 2 3 2 5 1) Calcular:
= +
7 4+6 7 4 7 6
det A = O
De fato :
o
2 3+5 2 8
= = 2 X 10 - 8 X 7 = 20 - 56 = - 36 Desenvolvend,
7 4+6 7 10 precedem os produt,
mas :
det A= 1 x
2 3
=2 x 4- 3 x 7= 8 - 2 1 =-13
7 4
det A = l x (1
e:
det A = 1 x (1
2 5
det A = 1 x .1
=2 X 6 - 5 X 7 = l2 - 35 = -23
7 6
2) Calcular:
togo :
6
2 3 2 5
o
+ =-1 3 -23=-36 det A =
7 4 7 6 o
o
VI) O determinante de uma matriz diago nal A (superior ou inferior) é igual ao termo
principal, isto é, é igual ao produto dos elementos da d iagonal principal: Desenvolvendo
precedem os produto!
det A = O
det A= 6 x O
o o
o
Exemplos
1) Calcular:
l 3 S
det A = O 3
O O 2
Desenvolvendo o determinante pela lll coluna e observando a alternância dos sinais que
3 3 s 3 s
det A= l x -O X +O x
o 2 o 2 3
det A= 1 x ( 1 x 2 - 3 x O) - O x (3 x 2 - S x O)+ O x (3 x 3 - 5 x 1)
det A= 1 x ( 1 x 2 - O) - O x (6 - O)+ O x (9 - 5)
det A = 1 x l x 2 - O + O = J x l x 2
2) Calcular:
6 s 4 7
o 3 s
det A=
o o 3
o o o 2
>r) é igual ao termo

Desenvolvendo o determinante pela 1li linha e observando a alternância dos sinais que
3 s o 3 5 o s o 3
det A= 6 x o 3 -5 X o 3 +4 x o o 3 -7 X o o
o o 2 o o 2 o o 2 o o o
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- Trocando, t

minantes, por terem uma coluna constituída de elementos todos nulos, são nulos (II propriedade).
Logo :
det A "" 6 x 1 x 1 x 2 de t A1 = O
VII) Trocando-se entre si duas linhas (ou colunas) da matriz A, o determinante muda de
o
sinal, isto é, fica multiplicado por -1 :
b} DesenvoJ,
ª1 b, c, ª1 b, c, precedem os prod t
ª2 b2 C2 =- a3 b3 C3
a3 b3 C3 ª2 b2 Ci
det A1 = +G
Exemplo
det A 1 =O ~
Calcular:
detA 1 =0 x
1 3 s
det A"" O o 2
o 4 12
d er A1 =O - '
a) Desenvolvendo o determinante pela 2ll linha e observando a alternância dos sinais que
Como se vê ,,
3 5 5 3
por -1 , isto é, se u
det A"" -O x +O X - 2 X
necessidade de trocé
4 12 o 12 o 4
det A =-O x (3 x 12 - 5 x 4) + O x (l x 12- 5 x 0)- 2 x (1 x 4- 3 x O)

det A= o
.det A= -O x (36 - 20)+0 x (12 -0) - 2(4 - 0)
o
'det A = -O x 16 + O x 12 - 2 x 4
Na rea lidade,
det A = - O+ O - 8
valor, deveria ser di•
det A= -8 resultado seria o mei
utros 3 deter- Trocando, na matriz A, a 2!1 linha pela 3!1, vem:

propriedade).
3 5
det A 1 = O 4 12
O O 2
ante muda de
1
b) Desenvolvendo o determinante pela 3!1 linha e observando a alternância dos sinais que
3 5 5 3
det A 1 =+ O x -O '< +2 '
4 12 o 12 o 4
det A1 =O x (3 x 12 - 5 x 4) - 0 x (J 1< 11-5 x 0)+1 x (1 x 4-J .< O)
d et A 1 =O x ( 36 - 20) - O x ( 11 - O) + 2 ( 4 - O)
det A 1 =O x 16 - O x 12 + } x 4
detA 1 =0 -0+ 8
ia dos sinais que det A 1 = 8
Como se vê, o det A, ao serem trocadas entre si duas linhas da matriz A, ficou mult iplicado
por -1 , isto é, seu valor foi alterado. Para que se man te nha o valor tio det A, no caso de haver
necessidade de trocar entre si duas linhas (ou colunas). se procederá do seguinte modo :
3 5 3 5
det A= O o 2 = -1 • O 4 12
o 4 12 o o 2
Na realidade, tendo em vista que o det A foi multiplicado por -J , ele, para manter seu
valor, deveria ser dividido por -1 (ou multiplicado pelo inverso - 1, no caso -+ ).Como, porém, o
resultado seria o mesmo , se optou pela solução mais simples.

440 Álgebra linear
Quando se desejar trocar a 2~ linha pela 3~ de uma matriz A para facilitar o cálculo de seu Desenvolver
determinante, se escreverá assim: cedem os produto
3 S
det A= O o 2 -+ l..:i3
det A2 =+ r
o 4 12
3 5
det A= -1 x O 4 12 det A2 =O .
o o 2
detA2 =0 :
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 det A2 =O ,
haver o número zero na diagonal principal: a troca da 2ll linha pela 3? tirou o zero da diagonal
principal e colocou em seu lugar o número 4. det A2 = O -
Vlll) Quando se multiplicam por um número real todos os elementos de uma Linha (ou de
uma coluna) da matriz A , o determinante fica multiplicado por esse número: det A2 =2
b1 Ct ª1 b, C1
ª• Como se vê
ka 2 kb2 kc 2 =k x
ª· b2 C2 li.nha por t,uma
33 b3 C3 a3 b3 C3
det A2 = 2 =
Exemplo isto é, o valor de

Seja:
haver necessidade e
1 3 s
det A 1 = o 4 12
o o 2
det A 1 =
Este determinante foi calculado, como Exemplo, na propriedade VII, e o valor encontrado
foi det A 1 = 8. (
Suponha o leitor que se deseja multiplicar a 2~ linha por 1/4 (o que é o mesmo que dividir
os elementos da linha por 4):
Repetindo o
3 s
dividir os elementi
det A2 = o 3 que, para compen
o o 2 plicá-lo pelo invers,
cálculo de seu Desenvolvendo o d et erminante pela 311 linha e observando a alternância dos sinais que pre-
cedem os produtos, vem:
3 5 5 3
det A2 =+ O x -O x +2 x
3 O 3 o
detA 2 =0 x (3 x 3 - 5 x l ) -O x ( l x 3 - 5 x 0)+ 2( 1 x I- 3x O)
det A2 =O x (9 - 5)-0 x ( 3 - 0) + 2 x ( 1 -0)

o rdem, quando,
.culo , não puder det A2 = O x 4 - O x 3 + 2 x
iero da diagonal
det A2 = O - O+ 2
ma linha ( ou de
det A2 = 2
Como se vê, o det A 1 ficou multiplicado por -¼- áo se multiplicar os elementos da 2íl
linha por !,uma vez que:
isto é, o valor de det A 1 ficou alterado. Para que se mantenha o valor do det A1 , no caso de
haver necessidade de multiplicar a 211 linha por+. se procederá do seguinte modo :
3 5 1 3 5
det A 1 = o 4 12 = 4 X o 3
, valor encontrado
o o 2 o o 2
mesmo que dividir
l
Repetindo o que já foi dito, multiplicar os elementos de uma linha por é o mesmo que
4
dividir os elementos da linha por 4 (o u, o mesmo que dividir o determinante por 4). Daí por
que, para compensar, isto é, para que o determinante mantenha seu valor, é necessário multi-
plicá-lo pelo inverso de !, ou seja, por 4.

442 Â lgebra linear
Quando se desejar multiplicar a 2? linha de uma matriz A por-¼- para facilitar o cálculo de Recapituli
seu determinante, se escreverá assim:
3 5
det ,
det A 1 = O 4 12
O O 2
l 3 5
det A 1 = 4 x O 3 deU
O O 2
Essa operação será utilizada no cálculo de um determinante de qualq uer ordem, quando,
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 -¼- colocou o número I em det A
seu lugar.
Admitamos que se queira obter o número I em lugar do número 2 no det A2 :
3 5
det A=
det A2 = O 3
O O 2
Tendo
Nesse caso, basta multiplicar a 3? linha por Te fazer a respectiva compensação muJti- igual ao tem
vem:
plicando det A2 pelo inverso de { , isto é, por 2:
det A=
det A2 = O Esse val,

O O 2
3
3 5 o o
det A 2 =2 x O 3 O 4
o o
ao ser desenvol
Matrizes. Derermi11a111es. Sistema de equações lineares 443
a facilitar o cálculo de Recapitulando todas as operações feitas até agora com o det A da propriedade VIII, tem-se:
3 5
det A= O O 2 - Li3
O 4 12
-
3 5
dei A= -1 x o 4 12 Li{_!._)
4
o o 2
ualquer ordem, quando,

so do cálculo, se desejar
3 5
~iplicação do número 4,
1
:olocou o número 1 em
det A= -1 x 4 x o 3 - L3 (2 )
o o 2
10 det A2 :
3 5
det A = - 1 x 4 x 2 x o 3
o o
Tendo em vista que, pela propriedade VI, o determinante de urna matriz triangular é
va compensação multi- igual ao termo principal e como, nesse caso, o termo principal TP é igual a 1 (TP = l x l x 1),
vem:
det A =- 1 x 4 x 2 x l =- 8
Esse valor -? j á havia sido encontrado para o determinante dado :
3 5
O O 2
O 4 12
ao ser desenvolvido pela 2!1 linha (exemplo da propriedade VU, alínea a).
IX) Um determinante nã'o se altera quando se somam aos elementos de uma linha Pretende-se,
(coluna) da matriz A os elementos correspondentes de outra linha (coluna) previamente multi- elementos corresp
plicados por um número real diferente de zero:
b1 81 b1 2!1 linha:
ª1 C1 Ct
32 b2 Cz = ª2 + ka1 b2 + kb1 C2 + kc1 líl linha :
a3 b3 c 3 a3 b3 C3 Multiplicadc
Nova 2!1 JinJ
Exemplo
Calcular:
2 4
det A 1 =
det A= 4 lO 12
5 7 9
b) Desenvolv
a) Desenvolvendo o determinante pela l!I linha e observando a alternância dos sinais que precedem os produ
10 12 4 12 4 10
det A= +l x -2 X +4 X
detA 1 =+J
7 9 5 9 5 7
det A= l X () Ü X 9 - J2 X 7) - 2 X (4 X 9 - 12 X 5) + 4 X (4 X 7- }O X 5)
det A 1 = 1 x
det A = 1 x (90 - 84) - 2 x (36 - 60) + 4 x {28 - 50)

det A 1 = I x
det A = l X 6 - 2 X (-24) + 4 X (- 22)

det A 1 =1 x
det A = 6 + 48 - 88
det A 1 = -34
det A= -34
Portanto, de1
de uma linha Pretende-se, ago ra, sub st it uir a 2íl linha do det A pela soma de seus elementos com os
iamente multi- elementos co rrespondentes da l 1l linha previamente multiplicados por -4:
2\1 linha: 'f 10 12
111 linha: 2 4
Multiplicador: -4 -4 -8 -1 6
Nova 211 linha: o 2 -4
2 4
det A1 = O 2 -4
5 7 9
b) Desenvolvendo o determinante pela Ili linha e observando a alternância dos sinais que
a dos sinais que precedem os produtos, vem:
2 -4 o -4 o 2
det A 1 = + 1 x -2 X +4 x
7 9 5 9 5 7
det A 1 = J X [2 X 9 - (-4) X 7) - 2 X 10 X 9 - (-4) X 5) + 4 X (0 X 7- 2 X 5)
det A 1 = 1 x (18 + 28) - 2 x (O+ 20) + 4 x (O- 10)
det A 1 =1 x 46 - 40 - 40
det A 1 = - 34
Portanto , det A 1 = det A, com o que a propriedade fica verificada.

446 Álgebra linear
Quando se desejar somar os elementos da 2!1 linha com os correspondentes elementos da Aliás, com isso r
l!l linha, previamente multiplicados por -4, se escreverá assim: volvendo-o por l
determinante por
2 4
N!ro é demi
det A= 4 10 12 ---.. ½ = ½ + L1 (-4) um determinante
5 7 9 mas é para um d,
de determinantes
em geral, com alg
2 4 convém ainda dü
det A= o 2 -4 executar o procc
( e das respectivas
5 7 9 o último, o núme1
O sinal = da expressão ½ = ½ + L 1 (-4) não tem o significado convencional; é em- Obtido o nú

pregado, entretanto, para indicar que a expressão ½ = ½ + L1 (-4), ut ilizada em lugar de ½ , ções competentes
não altera o "valor" do det A. obter a 2 2 = J, su
por zeros, e assim
Essa operação será utilizada no cálculo de um determinante de qualquer ordem, quando,
três hipóteses pod
como aconteceu agora, num determinado estágio do processo do cál culo, se desejar o número
"zero" para formar urna matriz triangular. Para facilitar a obtenção do zero é que se utiliza a
1!1) O elem
propriedade Vlll, isto é, se faz a operação adeq uada para substituir o nú mero que está na d iagonaJ
e multiplicar o d
principal pelo número 1; e é isso o que veremos no próximo item.
2!1) O elem,
1
por k ' com o q
A.28 CALCULO DE UM DETERMINANTE DE QUALQUER ORDEM
outro lado, para
Para calcular o determinante· de uma matriz quad rada A, de o rdem n (para n

n = 5, 6, 1O, 20, 50, 100 etc.), será utilizado o processo de triangulação.
~ 2, isto é, pelo inverso de !
3!1) O elem
Assim, dada uma matriz quadrada A, de ordem n, se procederão com as linhas (ou colunas)
principal.
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-
Exemplo
sações, quando for o caso, para manter inalterado seu valor, tudo de acordo com as propriedades
dos determinantes já vistas e verificadas.
Calcular:
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, 2
porque , como já tivemos oportunidade de verificar, o processo para se obter o número zero é det A =
sempre o mesmo, assim como o processo para se obter o número J, na diagonal principal, ta mbém
5
é sempre o mesmo. Dessa forma, o exemplo a ser dado será o de um det erminante de 3!1 ordem.
entes elementos da 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 n[o 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 l.
Obtido o número 1 na l ~ linha e H coluna, isto é, a 11 = 1, substituem-se, por meio das opera-
:onvencional; é em-
ções competentes, todos os demais elementos da l ~ coluna por zeros; da mesma forma, depois de
la em lugar de L-i,
obter a 22 = J, substituem-se os demais elementos da 2ll coluna, situados abaixo (acima) de a 22
por zeros, e assim por diante. Quanto a cada um dos elementos da diagonal principal da matriz A,
uer ordem, quando,
três hlpóteses podem ocorrer:
:e desejar o número
o é que se utiliza a l? ) O elemento é igual a zero. Nesse caso deve-se proceder à operação de troca de linhas
que está na diagonal e multiplicar o det A por -1 , como compensação, isto é, para que det A conserve seu valor;
211) O elemento é igual a k . Nesse caso, deve-se multiplicar todos os elementos da linha
por ~, com o que se obtém o número I como elemento da diagonal principal dessa linha. Por
RDEM
outro lado, para compensar, isto é, para que det A mantenha seu valor, deve-se multiplicá-lo
(para n ~ 2, isto é, 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
:is linhas (ou co lunas)
principal .
1ma matriz triangular
: necessárias compen-
Exemplo
1 com as propriedades
Calcular:
o ideal seria calcular
2 7
:morado e repetitivo,
ter o número zero é det A::::: 3 2
Jal principal, também
5 3 4
ninante de 3? o rdem.
448 · Á lgebra linear
Solução
a) Desenvolvendo o determinante pela l!I linha e observando a alternância dos sinais que
detA= 2 x
2 7
3 2 2 3
det A= 3 2 =+ 2 x - 1X +7 X
3 4 5 4 5 3
5 3 4
det A = 2 X (3 X 4 -2 X 3) - 1 X (1 X 4- 2 X 5) + 7 X ( 1 X 3- 3 X 5)
det A= 2 x
det A= 2 X ( 12 - 6) - 1 ( 4 - 10) + 7 (3 - 15)
detA = 2 x 6-I x (- 6)+7(- 12)
det A= 12 + 6 - 84
det A = - 66
b) O mesmo determinante será calculado , agora , pelo processo de triangulação, segundo det A= 2 x
as instruções prestadas anteriormente.
1
2 7 - - + L1(
2)
det A= 3 2 O termo pri:
5 3 4 Jogo:
det A= 2 x·
7
2 2 Como se vê.
det A= 2 x 3 2 ~ ~=~+L1(- l ) obteve quando se e
5 3 4
A.29 PROBLE
l -21 -27 1) Calcular :
det A = 2 x 5 3 2
o
2 2
det A= 5
5 3 4 - L3 = L 3 + L 1(-5)
7
Marrize~. Dererminanres. Sisrema de equações lineares 449
7
1r1cia dos sinais que 2 2
5 3 2
det A = 2 x o 2 2
- L2(
5)
1 27
o 2 -2
1 7
2 2
5
det A= 2 x -
2
x o -i-
10
1 27 1
o 2 -2 - L3 =L3 + L2(- 2 )
I 6
2 2
6
iangulação, segundo det A = 2 x 5 x o 10
132
o o -w
132
0 termo principal é: T= I X I X (-.!B._) =-
10 10 '
logo :
5 132 10 132 132
det A = 2 x- x (- - ) = - x ( - - ) = - - = - 66
2 10 2 10 2
Como se vê, pelo processo de triangulação se obteve para o det A o mesmo valor que se
obteve quando se dese nvolve u esse de terminante pela J ;i linha.
A.29 PROBLEMAS RESOLVIDOS
1) Calcular :
2 4 6
det A= 5 9 8
7 2
450 Álgebra linear
Solução
det A= 2 x
Desenvolvendo o determinante pela 1!l linha e observando a alternância dos sinais que
9 8 5 8 5 9
det A= 2 x -4 X +6 x
2 7 7 2
det A= 2 x
det A= 2 (9 X ] - 8 X 2) - 4 (5 X 1- 8 X 7) + 6 (5 X 2-9 X 7)
det A=2(9 - 16) - 4(5 - 56)+6(10-63)
det A= 2 ( -7)- 4(- 51) + 6(- 53)
detA=-14+204-318 det A= 2 x ,
det A = -1 28
2) Calcular o determinante do problema anterior pelo processo de triangulação.
mas o determinan
Solução
T= 1 x l x
1
2 4 6 -L1(2)
det A= 5 9 8
logo:
7 2
det A= 2 x (
2 3
det A= 2 X 5 9 8 - L2 = L2 + Li(-5) det A = - 128
7 2
Observação
2 3
det A= 2 x o -1 -7 O cálculo de
7 2
- L3 = L3 + Li (-7) trabalho e mais ra1
obter o s zeros dess
2 3
det A= 2 x O -1 -7 ---1- ~(-1)

sinais que
O - 12 -20
2 3
det A= 2 .x (- 1) x O 7
O -1 2 - 20
1 2 3
detA=2 x ( -I) x O 7
o o 64
mas o determinante de uma matriz triangular (superior o u infe rior) é igual ao termo principal :
T = 1 x I x 64 = 64
logo:
detA=2 x (-I) x 64
det A= - l 28
Observação
O cálculo de um deternúnante pelo processo d e triangulação poderia ser feito com menos
trabalho e mais rapidamente se, uma vez obtido o número 1 de uma col una, as operações para
obter os zeros d essa coluna n!fo fosse m indicadas uma de cada vez, e sim todas de uma só vez.
452 Álgebra linear
Assim: 3) Calcular pel1
2 4 6 - Li(½)
-2
detA= 5 9 8
-1
7 2 l det A=
-3
-2
2 3
det A= 2 x 5 9 8 - Li =L2 +L1 (-5)
7 2 - L3 = L3 + Li(-7) Solução
-2
2 3
-1
det A= 2 x o -1 -7 det A=
- Li(-1)
-3
o -12 -20
-2
2 3
detA=2 x (-l) x O 7
det A= (-2) x
2 3
detA=2 x (-1 ) x O 7
O O 64
det A = 2 X (-1 ) X 64
det A=-128
det A= (- 2) x
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, co mo se verá
no problema seguinte.
3) Calcular pelo processo de triangulaça'o:
-2 -3 -1 -2
-1 o 1 -2
det A=
-3 -1 -4 1
-2 2 -3 -1
Solução
1
-2 -3 -1 -2 --+ Li(-
2)
-1 o 1 -2
det A=
-3 -1 -4 4
-2 2 -3 -1
3
2 2
det A== (-2) x -1 o l -2
--
- L2 == L2 +L 1
-3 -1 -4 L3 == L3 + Li( 3)
-2 2 -3 -J L4 = L4 + L1 (2)
3 3
2 2
3 3
o 2 2
-1 - 12(;)
det A:::: (-2) X
7 5
o 2 -2 4
,s zeros de cada
, 3, como se verá o 5 -2 1
454 Álgebra linear
3 l mas o determinante
1
2 2
2 T=l x J x :
o 1 1 -3
3
det A= (- 2) x x
2 7 5 7 logo:
o 2 2
4 --+ L3 = L3 + L2(-
2)
o 5 -2 l ---+ Li = L4 =~(-5) detA=l8 x
3 1
o 2 2
4) Resolva a e
2 x-2
o -3
X
3 2
det A= (-2) x
2x 19 1
o o -6 3 ---+ L3 (--) 3
6
o o -7 13
3 Solução
3 1 Desenvolvend,
2 2 alternânc1a dos sinai
2
o -3
det A=(-2) x -3 (-6) x
2 19
o o -18 (x - 2) x
2
o o _7 13
3 - L4 = Li + L3(7)
(x - 2)( 1 - 6)
3 l 1.x - 2)(-5)-(
2 2
2 -5x + 10 -(-7
o -3
3
det A = (-2) x- x (- 6) ><
2 -5x + 10 + 7x
o o 1 - 19
8
3x + 30 = 60
55
o o o- 18
3x = (i() - 30
Matrizes. Determina111es. Sistema de equações lineares 455
mas o determinante de uma matriz triangular é igual ao termo principal
5:, 55
T = 1 x 1 x 1 x (-- ·)=--
18 IR
logo:
55
det A= 18 x (- - ) = - 55
18
4) Resolva a equaçã"o:
x-2 X.+ 3 X-
2 3 = 60
3 2
Solução
Desenvolvendo o determinante do 1Q membro da equação pela 1!I linha e observando a

alternância dos sinais que precedem os produtos, vem:
3 2 3 2
(X - 2) X - (X:+ 3) X + (X- 1) X = 60
2 3 3 2
(x - 2) ( 1 - 6) - (x + 3)(2 - 9) + (x - 1)(4 - 3) = 60
lX - 2)(- 5)-(x + 3)(-7) + (x - 1)(1) = 60
-5 X + 10 - ( - 7 X - 2 1) + X - J = 60
- 5x + 10 + 7x + 21 + x - 1 = 60
Jx + 30 = 60
3x = 60 - 30
45~ Álgebra linear
3x= 30
5 ± y'T
x=--
30 2
x=-
3 5±1
x=--·
2
X= 10
5 +1 6
x=-- =-
2 2
5) Resolver a equação:
ou:
X 3 2
5 -1 4
x=-- =-
5 X 1 = 12 . 2 2
3
6) Resolver a E
Solução
3 2 X
Desenvolvendo o determinante do 19 membro da equação pela lll linha e observando a -2 X
alternância dos sinais que precedem os produtos, vem: 2 -J X
X 1 5 5 X Soluçaõ
xx -3 X +2 x = 12
3 3 Desenvolvendo
alternância dos sinai~
x (x - 3) - 3 (5 - 1) + 2 (15 - x) = 12
x2 - 3x - 3 x 4 + 30 - 2x = 12 -2
XX
x2 - 3x - 12 + 30 - 2x = J2 2 -1
2
X - 5X - ] 2 + 30 - 12 = 0
x(-1+4) -x(
x2 - 5x + 6 = O x(3)-x(-7)+
5 ±__;_..:.._..:...._
X= _ J(-5) _ - 4_
2
I x_
x _ 6 3x + 7x -8x =
2 x l 2x =
5 ± J25 - 24
x=·
x=-----
2
x=
5 ± v'f
x=--
2
5± 1
x=--·
2
5+1 6
x=-- =-= 3
2 2
ou:
5 -1 =-=
x=-- 4 2
, 2 2
6) Resolver a equação:
3 2 X
1 -2 X =8
observando a
2 -1 X
Solução
Desenvolvendo o determinante do 19 membro da equaç[o pela 3!1 coluna e observando a

alternância dos sinais que precedem os produtos, vem :
-2 3 2 3 2
XX -X X +X X =8
2 -1 2 -1 1 -2
X (-1 + 4) - X (-3 - 4) + X (-6 - 2) = 8

x(3) - x(-7) + x(-8) = 8
3x + 7x - 8x = 8
2x= 8
8
x =-
2
x=4
458 Álgebra linear
7) Resolver a equação: Solução
2 X - 2
det A
:\X'+ 3 4 = 56
3 X+) 5
Solução
Desenvolvendo o determinante do 1Q membro da equação pela 211 coluna e observando a

alternância dos sinais que precedem os produtos, vem :
4 2 2 det A
- (x - 2) x + (x + 3) x - (x+l) x = 56
3 5 3 5 4
-(x - 2)(5 - 12) + (x + 3)(10 - 3) - (x + 1)(8 -1) = 56
-(x - 2)(-7) + (x + 3)(7) - (x + 1)(7) = 56
-(-7x +. .14) + 7x + 21 - (7x + 7) = 56 mas:
7x-14+7x+21-7x-7=56
7x = 56
det B
56
x=-=8
7
8) Calcular, desenvolvendo pela 1!1 linha: det 8 =
detB=,
-2 -3 -1 -2
-1 o -2
det A=
-3 -1 -4 det e=
-2 2 -3 -L
Solução
o -2 -1 -2
det A=+(-2) x -1 -4 - (-3) X -3 -4 +
2 -3 -1 -2 -3 -1
-1 o -2 -1 o
+ (-1) X -3 -1 -(-2) X -3 -1 -4
-2 2 -J -2 2 -3
ma e observando a
o -2 -1 -2 -1 o 2
det A= -2 x -1 -4 l +3 x -3 -4 - 1 X -3 -1 +
i6 2 -3 -l -2 -3 -l -2 2 -1
-1 o
+2 x -3 -1 -4 (a)
-2 2 -3
mas:
o -2 -4 -1 1 -1 -4
det B = -1 -4 1 = +O X - ( X + (- 2) X
-3 -1 2 -1 2 -3
2 -3 -1
det B =0 X (4 + 3) - l ( 1 - 2) - 2 (3 + 8) = 0 X 7 - l (- 1) - 2 ( 11)
det B =O+ 1 - 22 = -21
-1 -2
-4 1 -3 -3 -4
det e = -3 -4 =+ ( - l ) x - l 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). =-l (7) - l (5) - 2 (1) b) cha1

quando se fl
det C = -7 - S - 2 = -14 po r uma linh:
-1 o -2 • o cá
-1 -3 -3 -1
det D= -3 -1 =+(-l ) x -O X + (-2) X
• o cá
2 -1 -2 -1 -2 2 de o
-2 2 -1
• o cá
det D = -1 {I - 2) - O (3 + 2) - 2 (-6 - 2) = -1 (-1 ) - O ( S) - 2 (-8) de o.
det D = l - O + 1 6 = 17 • o cá
nant
-1 o c) Aler1
-1 -4 -3 -4 -3 -1
det E= e que, po rtai
-3 -1 -4 = ( -1 ) X -O X +] X
mesmo que o
-2 2 -3
2 -3 -2 -3 -2 2
nante po r con
det E= -1 (3 + 8) -O (9 - 8) + 1 (-6 - 2)
A.29.1 Prc
det E = -1 ( 11 ) - O ( l) + 1 ( -8) = - l 1 - O - 8 = -1 9
Dadas ai
Substituindo det B, det C, det D e det E em (a), vem:
3
det A =-2 ( -2 1) + 3 ( -14) - 1 ( 17) + 2 (-19) = 42 - 42 - 17 - 38
A = -5
det A= -55 7
calcular, pelo
Observação
J) det A
O cálculo desse determínante 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 2) det B
determinante foi calculado novamente, por outro processo, sã"o os seguintes:
3) det e
a) mostrar qµe um determinante de ordem n ~ 3 pode ser calculado desenvolvendo-o por
uma linha (coluna) e como fazê-lo ; 4) det (A +
462 Álgebra linear
5) det (A -B)
17) 5
6) det (2A - 38 + 4C) 3x O

7x 2
7) det (BC)
18) x+3
9) det (CB) A
4
10) det C (BA)
9
11) Verificar se det (A+ B) = det A+ det B
12) Verificar se det (BC) = det B x det C

19) 12 -X
Dada a matriz:
18 -2x
-2 3 -1 15 -2x
o 1 2 3
A=
l -1 -2
4 -3 5
20) o
13) Calcular det A pelo processo de triangulação 2
14) Calcular det A desenvolvendo-o pela 2!1 linha
Nos problemas 15 a 22, resolver as equações:

21) 2 X
15) 4 6 X
5 2 -x = -128
7 4 2x
16) 3 5 7 22) 2 6
2x X 3x = 39 4 X
4 6 7 2x 8
A (r!)
17) 5 3
3x o 1 = 100
7x 2
18) x+3 x+ 1 x+4
4 5 3 = -7
9 10 7
19) 12 - X 1
18 - 2x 3 2 = 10
15 - 2x O 1
20) o X- J
X -2 = 0
2 x- 4
21) 2 X 2
X = -3
22) 2 6 2
4 X 2 = O
2x 8 4
A (ri)
464 Álgebra linear
A.29.2 Respostas ou Roteiros para os Problemas Propostos 11 ) Roteiro : ]<?)
1 a 3. Roteiro: Esses problemas se resolvem de forma análoga ã dos problemas I ou 2 do item A.29. 29)
4) Roteiro:IQ)Calcular A+B=E 39)
29) Calcular det E 49)
59)
5) Roteiro: 19) Calcular A - B = F
69)
29) Calcular det F
6) Roteiro : 19) Fazer G = 2A - 38 + 4C

12) Roteiro: IQ)
29) Calcular G
29)
39) Calcular det G
39)
7) Roteiro : l 9) Calcular BC = H
49)
29) Calcular det H
59)
8) Roteiro : 19) Determinar cT 69)
29) Calcular ACT = J
39) Calcular det J 13 e 14. Roteiro: I

mente,do
9) Roteiro: 19) Calcular CB = L
J5) x =2
2Q) Calcular LA = M
39) CaJcular det M 16) x=3
17) x=5
10) Rot eiro: 19) Calcular BA= N
18) X= I
29) Ca lcular CN = P
39) Calcular det P 19) x=7
(f '/)
II) Roteiro : J<?) Calcular detA
1ou 2 do item A.29. 2<?) Calcular det B
3<?) Calcular A+ B
49) Calcular det (A+ B)
5<?) Calcular det A+ det B
69) Comparar det (A+ B) com det A+ det B
12) Roteiro : I<?) Calcular det B
2<?) Calcular det C
3<?) Calcular BC
4<?) Calcular det (BC)
5<?) Calcular det B x det C
6<?) Co mparar det (BC) co m 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
A
20) X= -1 De fato, desea

que precedem os pro<
2 1) x=S e x=3
22) x=4
det A = 2
INVERSÃO DE MATRIZES 3
A.30 MATRIZ INVERSA det A= l X (5
Em A.7.2 (29 caso) viu-se que, dada uma matriz quadrada A, de ordem n, se existir det A= 1 x (4:
uma matriz quadrada B, de mesma ordem, que satisfaça ã condiçâ'o :
detA=l x (-:
AB= BA=l
B é inversa de A e se representa por A - 1 : det A= -3 + 2~
det A= O
A matriz singular nãc

A.31 MATRIZ SINGULAR
Urna mat riz quadrada A= [a .. ] cujo determinante é nulo é uma matriz singular. A.32 MATRIZ 1
u
Exemplo Uma matriz e

não-singular ou regi.
A matriz
Exemplo
A matriz
2 3
é singular porque
A= 5 2
4 7
3
det A = 2 5 8 = o
3 6 9 é uma matriz não-sin1
J
V
iJ, _( ~ IJ-1\
De fato, desenvolvendo o determinante pela líl linha e observando a alternância dos sinais
que precedem os produtos, vem:
4 7
5 8 2 8 2 5
det A= 2 5 8' =+l x -4 X +7 X
,6 9 3 9 3 6
3 6 9
det A= 1 X (5 X 9- 8 X 6) - 4 X (2 X 9- 8 X 3) + 7 X (2 X 6- 5 X 3)
existir detA=l x (45 -48),-4 x (18-24)+7 x (l2-15)
det A = 1 X (- 3) - 4 X (-6) + 7 X (-3)
det A = -3 + 24 - 2 l
det A= O
A matriz singular não tem inversa.
A.32 MATRIZ NÃO-SINGULAR
Uma matriz quadrada A= [a .. ] cujo determinante é diferente de zero é uma matriz

IJ
não-singular ou regular.
Exemplo
A matriz
2 3
A= 5 2 2
3 3
é uma matriz não -singular, porque o det A é diferente de zero.
,D. .
(( ) \,J)
b I f
( l f
468 Álgebra linear
De fato, desenvolvendo o determinante pela 1i3 linha e observando a alternância dos sinais
Exemplo
que precedem os produtos, vem:
2 3 1
2 5 2 5 2
det A = 5 2 2 =+ 2 x - 3 X t J X
3 3 3 3
3 3
det A= 2 X (2 X 3- 2 X 1) - 3 X (5 X 3- 2 X 3) + 1 X (5 X l-2 X 3)
det A= 2 X (6 - 2) - 3 X (15 - 6) + 1 X (5 - 6)
det A = 2 x 4 - 3 x 9 + 1 x (- 1)
det A = .8 - 27 - 1
detA=- 20
A matriz não-singular sempre tem inversa .
A.33 PROPRIEDADES DA MATRIZ INVERSA
I) Se a matriz A admite inversa {det A-:/= O), esta é única.
II) Se a matriz A é na-o-singular, sua inversa A- 1 também é. A mat riz inversa de A- i é A.
UI) A matriz unidad e 1 é não-singular (det I = 1) e é a sua própria inversa: 1= 1- 1 •
IV) Se a matriz A é não-singular, sua transposta AT também é. A matriz inversa de AT é

(A- 1 l.
V) Se as matrizes A e B sã'o não-singulares e de mesma ordem, o produto AB é uma matriz a-1 =

não-singular . A matriz inversa de AB é a matriz s- 1 A- i •
A
riância dos sinais Exemplo
a) Verificar se a matriz C é inversa de A.
A--[8 5]3 2
e C- _ [2 -5J -3 8
AC= [
8
3
5
2
] x (
2
-3
-
5
J=
8
(l
O
º]
1
A matriz C é inversa d e A, isto é:
[-32 -SJ8
A-1 =
b) Verificar se a matriz Fé inversa de B.
B=
[9 7]
S 4
e F= [4 -7J
-5 9
•ersa de A - 1 é A.
I=i- 1
•
BF =
[95 7] 4
X [4 -7J [l
-5 9
=
O
º]
1
: inversa de AT é A matriz F é inversa de B, isto é :
) AB é uma matriz
s-' = 4
[ -5
-7J
9
e\~)
( f e I
470 Âlgebra linear
c) Efetuar o produto das matrizes A e B. A .35
9 7 97 7
AB =ís S] x [
se representa
]=[ 6J operaçÕes ele
l3 2 5 4 37 29
a ela, convém t
d) Efetuar o produto das matrizes B- 1 e A - 1•
B _ _= [ 4 -7J [ 2 -SJ [
1
A 1
X = 29 -76]
-5 9 -3 8 -37 97
A= O
e) Se o produto das matrizes AB e s- 1 A_, for igual a I , então s- 1 A- 1 é a inversa de AB:

o
76] x[ 29 -76] =[1

29 -37 97 O 1
º]
o
Portanto, a inversa de AB é s- 1 A- 1 . '
A.34 OPERAÇÕES ELEMENTARES
Denominam-se operações elementares de uma matriz as seguintes:
I) Permutaça-o de duas linhas (ou de duas col unas).
Il) Multiplicação de todos os elementos de uma linha {ou coluna) por um número real
diferente de zero.
lil) Substituição dos elementos de uma linha (coluna) pela so ma deles com os elementos
correspondentes de outra linha (coluna) previamente multiplicados por um número real diferente
de zero. o
A
L-- - -
(ri)
l V'J/
/
A.35 EQUIVALENCIA DE MATRIZES
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 sucessã'o 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 2íi linha pela 311 de uma matriz A, se
escreverá assim:
A= O o
1
o 4
é a inversa de AB:
3 5
4 12
o O 2
'
b) Quando se desejar multiplicar todos os elementos da 2!l linha, por exemplo, da matriz
A1 , por !, se escreverá assim:
Li(...!..)
4
por um número real
3 5
!S co m os elementos A1 = o 3
r1úmero real diferente
o o 2
A (r/)
472 Àlgebra linear
c) Quando se desejar substituir os elementos da l!l linha , por exemplo , da matriz A 2 , pela A.35.1 Transfor
soma deles com os elementos correspondentes da 2!1 linha previamente multiplicados por -3, se
escreverá assim:
equivalente I, de m
isto é , I - A.
Para transformar
linhas ( ou colunas) o
em que São substitui
A,=[: : : l isto é, processem a di
Do mesmo modo
dado aqui um exempo
de mesma ordem, e i
prático, uma vez que 0
O sinal = da expressão L 1 = L1 + Li (-3) na'o tem o significado convencional: é empre· n = 5, 6, 10, 20, 50, J
gado, entretanto, para indicar que a expressão L 1 = L 1 + L 2 (-3), utilizada em lugar de L 1 ,
Antes do exem
transforma a matriz A 2 na matriz equivalente A 3 •
forma a matriz A na
um asterisco ao lado d
d) Recapitulando as operações elementares que foram efetuadas com a matriz A até obter
operações para compe
a matriz equivalente A 3 , verifica.se que :
seu cálculo.
1) A operaçã"o Li 3 foi realizada para tirar um zero da diagonal principal e poder colocar,
em seu lugar, após adequada operaça-o, o número 1.
Exemplo
li) A operação Li(!) foi efetuada para, em lugar do número 4 na diagonal principal, se
Transformar a m
obter o número 1.
IU) A operação L1 = L1 + Li (-3) foi efetuada para, em lugar do número 3. situado acima do 2
número 1 da diagonal principal, se obter um zero.
A= 4 2
Como se vê, com as operações elementares se obtém os mesmos resultados já obtidos com 2 5 3
as propriedades VII, vm e IX dos determinantes: é que aquelas propàedades eram, na realidade,
operações elementares. No caso, entretanto, dos determinantes, a VII e a VIII propriedades, J 3
quando aplicadas, alteram seu valor, daí a necessidade de efetuar compensações, isto é, realizar 2 2
operações que anulem tais alterações e mantenham o valor do determinante. Não é o caso, porém, A,= 4 2 2
das matrizes: as operações elementares têm por objetivo transformar, por intermédio delas, urna
matriz A em uma matriz B, equivalente a ela . 2 5 3
A (r '/)
Matrizes. Determinantes. Sistema de equações lineares 41S
matriz A 2 , pela A.35.1 Transformação de uma Matriz na Matriz Unidade

idos por -3, se
Qualquer matriz quadrada A, de ordem n, não-singular, pode ser transformada na matriz
equivalente I, de mesma ordem, por meio de uma sucessã'o finita de operações elementares,
isto é, 1- 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,
teional: é empre- n = 5, 6, 10, 20, 50, 100 etc.).
m lugar de L 1 , 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
1triz A até obter operações para compensar as alterações, isto é , para manter o valor do determinante, será feito
seu cálculo .
e poder colocar,
Exemplo
,na! principal, se Transformar a matriz A na matriz equivalente I:
1
2 3 - Li(-)*
,ituado acima do 2
A= 4 2 2
2 5 3
,s já obtidos com
am, na realidade,
111 propriedades, 3
2 2
:s, isto é, realizar
A,=
, é o caso, porém, 4 2 2 ___.. L 2 = L 2 + L 1 (-4)
médio delas, uma
2 5 3
A
474 Álgebra linear
1 3
1
2 2
A2 = o o -4
A6 = o
2 5 3 --+- L3 = L3 + L 1 (-2) o
l 3
T 2
A,= o
o -4
o
o 4 o
Tendo em vista que há um zero na diagonal principal (211 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:
Como se viu,
transformada na ma1
3
Tendo em vist
2 2
A, A 3 , A 4 e A5
calcular o det A:
o 4 o
det A = 2 x (.
det A'= 32
3
2 2 O leitor poden
A.i = o 4 o --+- L2(J...)* observando a alternâJ

4
o o -4
2
det A= 4
1 3 2
2 2
As= o o det A= 2 x (2 :
1
o o -4 ---+ L3(--)*
4
det A= 2 x (6 -
e,~)
( f e 1
1
2
3
2 --+ L1 =L1 +Li(-~)
A6 = o o
o o
3
l o 2 - L1 = L1 +L3 (- ~)
A,,= o 1 o
o o
o o
A,*[~ 1
o
o
Como se viu, a matriz A, por meio de uma sucessão finita (8) de operações elementares, foi
transformada na matriz equivalente 1.
Tendo em vista que o det A 8 = det l é igual a 1 e que as operações realizadas com as matrizes
A, A3 , A4 e A5 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 l
det A= 32
O leitor poderá conferir o resultado obtido para o det A, desenvolvendo-o pela 1!l linha e
observando a alternância dos sinais que precedem os produtos:
2 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
det A= 2 X (2 X 3- 2 X 5)-1 X (4 X 3- 2 X 2) + 3 X (4 X 5- 2 X 2)
det A= 2 x (6 - 10) - 1 x ( 12 - 4) + 3 x (20 - 4)
A·
476 Álgebra linear
det A= 2 X (-4) - 1 X (8) + 3 X 16

1
det A = -8 - 8 + 48 2
4 2
det A= 32
2 5
1
A.36 INVERSÃO DE UMA MATRIZ POR MEIO 2
DE OPERAÇÕES ELEMENTARES
o o
A mesma sucessão finita de operações elementares que transforma a matriz A na matriz 2 5
unidade I transforma a matriz I na matriz A- 1 , inversa de A.
Para determinar, pois, a matriz inversa de A: 1

2
a) coloca-se ao lado da matriz A a matriz I, separada por um traço vertical; o o
b) transforma-se, por meio de operações elementares, a matriz A na matriz I, aplicando-se, o 4
simultaneamente, à matriz I, colocada ao lado da matriz A, as mesmas operações elementares.
.l
2
Exemplos o 4
1) Determinar a matriz inversa da matriz

o o -'
2 3 -;
2
A= 4 2 2
o
2 5 3
o o .J.
Solução
i-
1
-;
2
o
~
2 3
L, ( ; )'
o
4 2 2 o
2 5 3 o o o o
1 3 1
l 2 2 2
o o
4 2 2 o 1 o - L2= Lz + L1 (- 4)
2 5 3 o o
1 3
2 2 2
o o
o o -4 -2 o
A na matriz 2 s 3 o o --+ L3 =L3 + L 1 (-2)
1 3 1
2 2 2
o o
o o -4 -2 o - L23"'
aplicando-se,
o 4 o -l o
elementares.
3
·1
2 2 2
o o
1
o 4 o -1 o - Li (-)*
4
o o -4 -2 o
1 3 1
2 2 2
o o
o o 4
o 4
1
o o -4 -2 o --+ L3(- -)*
4
1 3 l 1
2 2 2
o o --+ L1 = L1 + L2 (-
2)
l
o o 4
o 4
1 1
o o 2 4
o
478 Álgebra linear
3 5 1 O dispositivo
1 o 2 8
o -8 - L1 = L 1 + L 3 ( - 23 )
1
o o -4 1
4
1
o o 2 -4 o
1 3 1
o o -8 8 8
1
o 1 o 4
o 4
1 1 2 · · · 1. . .
o o 1
2 4
o
4 ... 2 .. .
Uma vez que a matriz A foi transfonnada na matriz l, a matriz: 2 .. . 5 .. .
1 3 1
-8 8 8
1 1 Tendo em vista
B=
4
o 4 elementares que tra.r
1 1
2 4
o
O det A, 001
é a matriz A - 1 , inversa de A. compensações, é:
Pode-se fazer a verificação efetuando o produto AB, cujo resultado deve ser I; antes, porém,
det A= 2 x (-(
para facilitar os cálculos, os elementos da matriz B serão todos colocados com o mesmo denomi-
nador, exceto os zeros:
Esse determinan
1 3 1
8 8 8 2) Determinar a
2 2
B=
8
o 8
4 2 3
8 8
o
3
,~ .
( ee' f1)
I
O dispositivo a seguir, como já se sabe, facilita o processo da multiplicação de A por B:
. .
_l .. -Ó· . .l
8 · 8
i . __.?_ _. ·Ô
8 8 .
8
2· 1 3 s· ·O· · O o o
8 o
4· 2· 2 O· 8
·O = o
8
2· 5 ·3 O· ·O· 8
o o
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 un idade, B é inversa de A, isto é:
O det A, considerando as alterações assinaladas com asterisco e feitas as devidas

compensações, é:
l; antes, porém, det A.= 2 X (-1) X 4 X (-4) X J = 32

mesmo denomi-
Esse determinante já foi calculado no exemplo do item A.35.l.
2) Determinar a inversa da matriz
A{: : :]
A ( et ' f~)
480 Álgebra linear
Procedendo de acordo com as instruções, vem :

-
1
2 7 o o --+ Li(-)*
2 o
1 3 2 o 1 o
5 3 4 o o o e
1
1 ]_ 1
2 2 2
o o 2
3 2 o o - L 2 =~ + L 1 (-l) o
5 3 4 o o
o o
1 7
2 2 2
o o
o
5 3
o 2 2 2
o
o
5 3 4 o o - L3 = L3 + L 1 (-5)
o o
1 7 1
1
2 2 2
o o
5
o
3 2
o 2 -2 2
1 o - L2( 5 )*
o
1 27 5
o 2 2 2
o 1
o o
1 7 1
2 2 2
o o
o
o 6
10 -w2 2
5
o
o
1 27 · 5
o 2 -2 -2 o 1 - L3 = L3 + L; (- ~ )
L
o o
(
IJ \
~
{ \f
J) f
l 7 1
1
2 2 2
o o
2 2
o -w6 -Tõ 5
o
132 24 2
o o -10 -1o-10 - ½(-_!Q_
132
)•
1 7 1 1
2 2 2
o o - L, = L, + 1,,(-T)
2 2
o 1 -w6 -1o 5
o
o o 24 2 10
132 132 132
38 6 2 38
o 10 10 -1o o - L 1 =L 1 + ½(- 10 )
6 2 2
o 10 10 5
o
24 2 10
o o 132 132 132
12 34 38
o o - 132 - 132 132
6 2 2 6
o 1
10 -1o 5 o - L2 = L2 + L3(-)
10
24 2 10
o o 132 132 132
12 34 38
o o - 132 - 132 132
12 54 6
o o 132 132 132
24 2 10
o o 132 132 132
( b \ ~)
{ l f
482 Álgebra linear
Uma vez que a matriz A foi transformada na matriz l, a matriz o det A, o

compensações, é:
12 34 38 6 17 19
132 5
132 132 66 6.6 66 det A = 2 x-
2
12 54 6 6 27 3
B= -132 =
132 132 66 66 - 66 Esse determin,
24 2 10 12 1 5
132 132 - 132 66 66 - 66
A.37 PROBLEr
é a matriz A- • , inversa de A. Nos problemas
Pode-se fazer a verificação efetuando o produto AB, cujo resultado deve ser I; o dispositivo 1)
a seguir, como já se sabe, facilita o processo da multiplicação de A por B:
6 17 19 Solução
-66·· -66 · · ··66
6 27 3
- 66 66 ... -66
12 l 5
.. 66 66 - 66
66
2· .l . ·7 . . . . . . . . . ·66 .. o o 1 o o 7
12
1. . 3 . . ·2 ..... . . . o· .. 66 ..
·O = o o
66
5 3
5. .. 3 . . 4 ,. . . .. .... o .. .. o · · 66 o o
66
7
Tendo em vista que a matriz B foi obtida de uma matriz I por meio das mesmas operações 12
elementares ql.ie transformaram a matriz A na matriz unidade, B é inversa de A, isto é:
o 12
O det A , considerando as alterações assinaladas com asteriscos e feitas as devidas

compensações, é:
5 132 132
det A= 2 x - x (- - ) x 1 = - - = -66
2 10 2
Esse determinante já foi calculado no exemplo do item A.28.
A.37 PROBLEMAS RESOLVIDOS
Nos problemas de 1 a 3 , transformar na matriz unidade as matrizes dadas.
e ser l; o dispositivo l)
Solução
1
- Li(-)
12
o 7
12
o
s 3
7
12
.as mesmas operações
l, isto é:
o 12 - Li(l2)
A ( ee', f1)
484 Álgebra linmr
3
7 7 2
12 - L1 = L, + Li(- 12 )
o
o 1
1
o 2
I :::;
[: ~] o
o
1 --
2) 3 -1
B = l2 1 -3 1 o o --
-1 2 -1
o
Solução o
1 o o
-2 3 -1 - L1(- 2 )
"[i
-3 1 o
1
-1 2 -1 1 o
3 1 3) -2
2 2
-3 - Li= Li+ L,(-1 ) e =

-~
-1 2 -1 - L3 = L 3 + L 1 (-1 )
Solução
3 1
2 2 -2 -1
3 1 2
o 2 2 - Li(--)
3
3
-4 -1
1 1
o 2 2 3
( t \ ~)
e i f
}
V
0
Matrizes. Determ inantes. Sistema d e equaçõel' lin eares 485
3 3
- L1 =L, + L2 ( 2 )
2 2
1
o 3
l J 1
o 2 -2 - L3 = L3 + L2 (- 2 )
o o
o -3
o o -3 - L 3 (-3)
o o
1 1
o 3 --- Li =Li+ L3( -3 )
o o
_jo)J
l ·[i o_
l
O 1
3) -2 -1 o 2
3 -2 -2
e =
-4 -1 2 3
3 -1 -2
Solução
l
-2 -1 o 2 - L1 (- 2)
3 -2 -2 --½=L2 +L1 (- 3)
-4 -1 2 3 - + L3 = L3 + L 1 (4)
3 -1 -2 - L4 = L4 + Li(-3)
A (ri)
486 Álgebra linear
1
2
o - l
o
1 I=
o -2 -2 --+ Li(-2) o
o 2 -1 o (
l
·º -2 -1
Nos problern
uma das matrizes d,
1 J
2
o -1 --+- L 1 = L1 + L2 (-
2) 4)
o
o
4
2
-2
-1 - L3 = L3 + L 2 (-I)
A=
[''.
I 1
o 2
-J --+- L4 = L4 +L2 (
2) Solução
1 o -2 o 7
o 4 -2 [!:
3
o o -2 --+ L34
o o o
7
o
o -2
4
o
-2
--+- L1 = L 1 + L3(2)
___. L2 =Lz + L3(-4)
[: 12
o o o
7
o o -2 - L4 =L4 + L3(2) 12
1
o 12
1 o o o
o o -2 ---. Li =Lz + L4(2)
o o o o
o o o 1 [~
,~(r '/)
o o o
o o o
I =
o o o
o o o 1
Nos problemas de 4 a 7, calcular, por operações elementares, a matriz inversa de cada

uma das matrizes dadas.
4)
A= [I: :]
Solução
[1:
7
3 o
:J- L, ( ~)
[:
-7 l
12 12
3 o :] _ L, =L, + L, (-5)
7 1 7 1 7
o 1
12 12
o ~L 1 =L, + L2 (- 12)
12 12
1 5
o -12 - L2(1 2) o -5 12
12
[:
o 3
-7]
1 -5 12
p,
488 Álgebra linear
logo :
3
2
A- '= [ 3 -7] o
-5 12
I
o 2
-2 3 -1
5) B= -3 o
-1 2 -I
o I
Solução
o o
1
-2 3 -J o o -----+- L1 (-
2)
-3 o o
-1 2 - J o o o
o 1
o o
3 1
2 2 2
o o
-3 o 1 o - ~ =~ +L 1 (-I )
-1 2 - 1 o o - L 3 =L3 +L 1
o
o
o o
3
2 -2 o o
-
2 logo:
o -y3 2 2 ~(--)
3
2
-1
s-• = o
o 2 2 2
o
( E'~)
{ f l
.
3 1 1 3
2 2 2 o o - La =L1 +L2(2 ):
1 1 2
o 3 -3 -3 o
1 1 1
o 2 -2 2 o 1 - ~ =L3 + Lz(--)
2
1 o o -1 -1 o
1 1 2
o -3 -3 -3 o
1 1
o o -3 -3 -T 1 . _ L3(-3)
o o -1 -1 o
1 2
o -3 -3 o
3
o o -1 -3
o o -1 - l o
o o O -1 -1
o o -1 -3
logo:
-1 -1
s-L = o -1 _:]
-1 -3
A
490 Álgebra linear
6) -2 -1 o 2 1
1
2
o
3 -2 -2
e =
-4 -1 2 3
o 4
3 -1 -2
o 1 2
o -2l -1
Soluç6o
l
l o -2
-2 - l o 2 o o o ---+ Li(--)
2 o 4
3 -2 -2 o o o
o o -2
-4 -1 2 3 o o o
o o
3 -1 -2 o o o
o -2
o 4
l 1
1
2 o -1
2
o o o o o
3 -2 -2 o o o ---+ L2 =½ + Li(-3)
o o -2
-4 -1 2 3 o o o - L3 = L3 + L1 ( 4)
3 -1 -2 o o o ---+ L4 =L4 + Li(-3) o o
o o
o o
o o o
1 l
2
o .-1
2
o o o
1 3
o -2 -2
2
o o --+ L2 (-2) o o
o 2 -1 -2 o 1 o o o
1 3
o o l
o -2 - 1 o o
2 o o o
A (r!)
1 1 1
1
2
o -1 -2 o o o ·- L1 =L, + ~(- 2 )
o 1 4 -2 -3 -2 o o
o 2 -1 -2 o 1 o --+ L3 =L3+ ~(- 1)
3 I
o -2l -1
2
o o l --+ L4 =L4 + ~(
2)
O -2 o I o o
o 1 4 -2 -3 -2 O O
O O -2 2 O - L34
o o o o -1 o
o -2 o l o o -+ L1 ;::L 1 + L3 (2)
o 4 -2 -3 -2 o o --+ L 2 = L2 + L3(- 4)
o o o o -1 o I
o o -2 2 o --+ L4 = L4 + L3 (2)
•t (-3)
•I (4)
•I (-3) o o o - 1 o ,2
o o -2 -3 2 o -4 - L2 = ~ + L4 (2)
o o o o -l o
o o o o 2
1 o o o -1 O 2
o o o -1 2 2 O
o o o o -1 o
o o o 1 o 2
A (r!)
492 Álgebra linear
logo:
o
-1 o 2 o 1
-1 2 2 o
c-1 o o
o -1 o 1
1 o 2 o o
Ob$8fvação o
O 1
A operaça-o ~ não era indispensável; ela foi feita para se obter, de imediato, o número 1
o o
como elemento da diagonal principal da 3!l linha e da 4!l linha. Entretanto, o resultado seria o
mesmo se o procedimento fosse o que vinha sendo feito . De fato: o o
1 o -2 o 1 o o logo :
o 1 4 -2 -3 -2 o o 1
o o -2 1 1 2 l o - - ~(-_l_)
2 -1
o o o o - 1 o 1 c-1 =
o
o -2 o 1 o o ---+ L1 =L 1 + L3(2)
o 4 -2 -3 -2 o o ---+ li =li + L3(-4)
1 l 1 7)
o o 2 2
-1 o 2 3
2
D= - 4 -2
o o 1 o o -1 o I ---+ L. =L4 + L 3(-1)
2 -5
o o -1 o -1 -1 o
Solução
o 1 o o -1 2 2 o
o J
o 2 2
-1 o 2 3
2
1 1 -4 -2
o o o 2 2
o ---+ L4(2)
2 2 -5
/
Marrizes. Determinantes. Sistema de equações lineares 493
l o o -1 o -1 -1 o --+ L1 =L1 +L4
o 1 o o -1 2 2 o
l l l
o o o - 2)
-1 -.- 4 = L3 + L4(
2 2 2
o o o o 1 2
1 o o o -1 o 2
o 1 o o -1 2 2 o
1 número 1 o o l o o -1 o
ido seria o
o o o 1 o 2
Jogo :
-1 o 2
-1 2 2 o
c-1 =
o -1 o
o 2
7) 2 3 1
D = -4 -2 -2
2 -5 1
Solução
2 3 1 o o
-4 -2 -2 o o
2 -5 o o
),
494 Álgebra linear
det D = 2(-2 -
3 1 1
2 2
o o
2
det D= 2 x (-1
-4 -2 -2 o O --+ L2 :::;:L2 + L 1 (4)
det D = -24 + O
2 -5 o o - - + L4 :::;:L4 +Li(-2)
Nos problemas
inversíveis, resolver a:
3 l l
2 2
o o
2 8) ABX = C
I
o 4 o 2 o - - + L2(
4)
o -8 o -t o Solução
a) Pré-multiplic
3 1 I
o o
2 2 2
1
o o 2 4
o mas:
o -8 o -1 o
logo :
I
o o
2
o o 2
o e:
o o o 3 2
1B = B
Tendo em vista que a matriz D não pode ser transformada na matriz l, ela na:o tem inversa, portanto :
isto é, D é matriz singular e seu determinante é igual a zero. De fato , desenvolvendo o determi-
nante de D pela 1!I linha e observando a alternância dos sinais que precedem os produtos, vem:
b) Pré-multiplic
1 2 3
-2 -2 -4 -2 -4 -2
det D = -4 -2 -2 = +2 x -3 X +J X e-• BX = e- 1 A
-5 2 2 -5
2 -5
A
e,~)
( fe i
det D = 2 (- 2 - 10) - 3 (-4 + 4) + 1 (20 + 4)
det D= 2 x (-12)- 3 x O+ 1 x 24
det D = -24 + O + 24 = O.
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 é a variável.
8) A B X= C
Solução
a) Pré-multiplicando ambos os membros da equação por A- 1 , vem:
mas:
logo :
e:
IB= B
:> tern inversa, portanto :

do o determi-
rodutos, vem:
b) Pré-multiplicando ambos os membros por a- 1 , vem:

-2
-5
A (r!)
496 Álgebra linear
e:
IX= X
x = s- 1 A- 1 e Jogo :
9) CAXT = C
Solução
a) Pré-multiplicando ambos os membros da equaça-o por c- 1

, vem :
mas: 10) A.X:2C = A)
Solução
Jogo : a) Pré-mult
A- 1 AX 2 C=
mas:
e:
IA= A
Jogo:
portanto:
AXT = I mas:
1x2 = x 2
b) Pré-multiplicando ambos os membros por A- 1 , vem:
e:
IX== X
mas:
portanto :
e,~)
( f
e,
e:
logo:
10) AX2 C = AXBC
Solução
a) Pré-multiplicando ambos os membros da equação por A - 1 , vem:
mas:
logo :
lX2 C = IXBC
mas:
1x2 = x 2
e:
IX= X
portanto :
A ( E' r
( 1
i)
498 Álgebra linear
ou:
2) 3
XXC=XBC
B= :
b) Pré-multiplicando ambos os membros da equação por x- 1 , vem: [
x-• XXC = x- 1
XBC
Nos prot
IXC =IBC 4)
IX=X A=[:
1B = B
XC=BC 6)
2
c) Pós-multiplicando ambos os membros da equação por e-•, vem: e =
3
xcc-• = scc-• 4
cc-• = 1
8)
XI= BI
E = -:
[-4
XI=X
81= B
10) -1
X=B. G = -1
A.37.1 Problemas Propostos
Nos problemas de 1 a 3, transformar na matriz unidade as matrizes dadas.

12) -1
1)
J = -2
A=t :] -3
A. ( ri)
2) 3 4 -5 3) 1 o o o
-1 2 -2 1 o o
B= ~ C=
[ -5 4 -2 o
o -2 1
Nos problemas de 4 a 20, calcular a matriz inversa de cada uma das matrizes dadas.
4) 5) 4
A=[: :J B = :l3
-5
-:i
6)
e=
1
2
o
1
o
o
o
o
7)
D-{'.
o
-2
-2
-2 i
3 2 o -3 o 2
4 3 2
8)
E = -:
[-4 -4
-2
o
-10
-4
6
l 9)
F = l3
-6
O
-6
-9
3
-12
-3
-24
10) -1 10 -7 11) 2 2 2
G = -1 -4 3 H = 3 4 7
-2 2 5
IS .
12) -1 -2 -3 13) -3 -1 -3
J = -2 -4 -5 L= 2 -4 -1
-3 -5 -6 -1 -2 -2
500 Àlg1;bro linear
Nos problerm
14) -1 o o 15) -2 -4 inversíveis, resolver
M = -1
-1
-1
-1
o
-1
N =
[-: -1
o -5
2
22) ADX = ABC
23) oxT = DC
24) ABCX 2 D 2 = /.
16) 2 17) -1 -1 0 - 1 XD = AC
-J
25)
p :::
[_: 4 - 2 Q= r-1
-3 -3 -4
26) ex+ 2s = 3B
-7 3 -3 -4 -3
A.37.2 Respostas o
[: ~]
18) 19) o 5 l a 3. Roteiro :Esses
vamente, do it1
R = 3 6 o
s = [:
o o o
4)
A_,=~ 2
-1
20) -1 2 o -8
o -1 2
o o -1 5) 14
3
o o o -1
s-1 = -2
1
21) Calcular o valor de k para que a matriz
6)
A=[: :] e-'=
-2
não tenha inversa. o
A (; '!)
0
\t1/ - ( fJ /) /1 \
Nos problemas de 22 a 26, supondo as matrizes A, 8, C e D quadradas, de mesma ordem e

inversíveis, resolver as equaçoes matriciais nas quais X é a variável.
22) ADX= ABC
23) oxT = DC
24) ABCX 2 D 2 = ABC X D
25) o-•XD = AC
26) ex+ 28 = 38
A.37.2 Respostas ou Roteiros para os Problemas Propostos
la 3. Roteiro :Esses problemas se resolvem de forma análoga à dos problemas 1, 2 e 3, respecti-

vamente, do item A.37.
4)
A - 1= 2 -SJ
[ I 3
S) 14 9
3 3
8- 1 = -2 -1
6) o o o
-2 o o
e-: •=
-2 o
o -2 1
A·
502 Álgebra linear
7) 1
-2 o -2
13) 6
L- 1= 5
0 - 1= l I 1
- - -
4 2 4 -8
3 l
4
o 4
14)
8)
E- 1
4
1
2
3
-5
2
I
2
-s
I
2
M-1=
r ;
-l 2 15)
2
W ' = [ -:
9)
-11 -4 -2
3 3
F - 1= 2 1
-1 o 3 16)
10) 1
2
2
-1 -1
-1
3
1
2
l p- 1 =
r
-1
-3
17) -7
c-1 = -1 3 5
-2 Q-1= 3
2
3 7 3
-2
2 2
11) H não tem inversa. 18) l

2
12)
1- 1 = ["l -2
3 -3
3
-21 ·l
o
R-• = o
A- ( r 1
/ )
Matrizes. Determinantes. Sistema de equações lit1eares 503
13) 6 4 - 11
L- 1 = 5 3 -9
-8 -5 14
14)
[-! o
M -1 = ~ -1
1 -~l
15) - 10
w• = [-:
7
-6
-:i
-5
16) -2
p- 1 = -1 -1 _:]
-3 -2 -2
17) -7 1
0- 1 = 3 O -1
3 -1 O
18) l
2
o o
R- 1 = o -l o
3
1
o o 7
A ( et ,\f~)
504 Álgebra linear
19) 1 SIS'
o o 9
o -1 o A.38 EQUAÇÃ1
6
I Equação linear é um
5
o o
31X1 + 32X2 +
na qual x 1 , x2 , x 3,
variáveis, e b é o term
20) -] -2 -4 2
o -l -2 -3
A.38.1 SOLUÇÃO!
o o -1 -1
o o Os valores das
o -1
satisfazem ã equação
linear.
2 1) Roteiro : Resolver a equação A.39 SISTEMAS
A um conjunto 1
2 3
= o
6 k 311 X1 + 312 X2
321 X1 + a22 X2
331 X1 + 332 X2
pois a matriz cujo determinante é nulo nã"o tem inversa.
22) X =0- 1 BC
23) X=CT
24) X=o- 1 A .40 SOLUÇÃO 1
25) X=DAco- 1 Os valores das 1

linear em identidade, i
26) X=C- 1 8 solução . ~ses valores sã
A (; \ !)
Matrizes. Determi11a11tes. Sistema de equações lineares 505
.
SISTEMAS DE EQUACÕES LINEARES
A.38 EQUAÇÃO LINEAR
Equaçaõ linear é uma equação da forma :
ª1 X1 + a2X2 + a3X3 + ... + ªnxn = b

na qual x 1 , x 2 , x 3 , ... , x n são as variáveis; a 1 , a 2 , a 3 , ... , a n são os respectivos coeficientes das
variáveis, e b é o termo independente .
A.38.1 SOLUÇÃO DE UMA EQUAÇÃO LINEAR
Os valores das variáveis que transformam uma equação linear em identidade , isto é, que
satisfazem ã equação, constituem sua solução. Esses valores são denominados ra(zes da equação
linear.
A.39 SISTEMAS DE EQUAÇÕES LINEARES
A um conjwtto de equações lineares se dá o nome de sistema de equações lineares:
a11 X 1 + 312 X2 + 313 X3 + + ªm Xn = b1

321 X1 + 3 22 X2 + a23 X3 + + ª2n Xn = b2
a31 X1 + 332 X2 + 333 X3 + + 330 Xn : b3
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 raízes do sistema de equações lineares.
1D. .
506 Álgebra linear
A.41 SISTEMA COMPATIVEL é compatível e in,
Diz-se que um sistema de equações lineares é compat(vel quando admjte solução , isto é ,
quando tem raízes .
A.41.1 Sistema Determinado
Um sistema compatível é determinado quando admite uma única solução.
A.41.3 Siste1
Exemplo
Diz-se que
O sistema
Exemplo
2x + 3y = 18
l3x + 4y = 25
O sistema
3x+ 9y= 12
é compatível e determinado , pois tem como raízes unicamente
x=3
l 3x+ 9y=15
é incompaHvel, po
y=4
para mesmos valorf
A.41.2 Sistema Indeterminado A.42 SISTEM,
Um sistema compatível é indeterminado quando admite mais de uma solução (na ve~dade ,
Diz-se que d,
admite infinitas soluçôes).
solução .
Exemplo
Exemplo
O sistema
Os sistemas
4x + 2y = 100
l 8x + 4y = 200
l
3x + 6y = 42
2x - 4y = 12
A ( r'!)
Matri2es. Determinantes. Sistema de equações lineares 507
é compatível e indeterminado, pois admite infinitas soluções:
1dmite solução, isto é ,

y o 2 4 6 8 10 12 14 16 18 ...
X 25 24 23 22 21 20 19 18 17 16 ...
ção.
A.41.3 Sistema Incompatível
Diz-se que um sistema de equações lineares é incompar(vel quando não admite solução .
Exemplo
O sistema
3x + 9y = 12
l 3x+9y=l5
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 EQUIVALENTES
ma solução (na ve~dade, Diz-se que dois sistemas de equações lineares são equivalentes quando admitem a mesma
solução.
Exemplo
Os sistemas
3x + 6y = 42
l 2x - 4y = 12
A. (r!)
508 Álgebra linear
e
b) Quando se 1
x+2y=l4
l 2x + 4y - 6:
!
X - 2y= 6
2x + 8y - 4,
são equivalentes porque admitem a mesma solução:
4x + 2y + 2,
X= }Q
lx + 2y - 32
y= 2
2x + 8y - 42
{
4x + 2y + 22
A.43 OPERAÇÕES ELEMENTARES E SISTEMAS EQUIVALENTES
c) Quando se e
Um sistema de equações lineares se transforma num sistema equivalente quando se efetuam
equação, previamente
as seguintes operações elementares:
I - Permutação de duas equações. lx+2y - 3z
2x + 8y - 4z
LI - Multiplicação de uma equação por um número real diferente de zero.
{
4x + 2y + 2z
III - Substituição de uma equação por sua soma com outra equação previamente multi.
plicada por um número real diferente de zero .
!
lx + 2y - 3z
Ox + 4y + 2z
A.43.1 Observações
4x + 2y + 2z
a) Quando se desejar permutar, por exemplo, a 2\1 equação pela 3? de um sistema de

equações lineares, se escreverá assim:
O sinal = da e
gado , entretanto, para
2x + 4y - 6z = 10
!
o sistema, ou melhor, o
4x + 2y + 2z = 16
- ~3
d) O leitor pode
2x + 8y - 4z =24
observaçOes a), b) e c) s
2x + 4y - 6z = JO
x=2
·12x + 8y - 4z
4x + 2y
=24
+ 2z = 16
y=3
z= 1
1A. (
b
!) '
(
I
Jf )
f
l
b) Quando se desejar multiplicar a l!I equação, por exemplo , por
2, se escreverá assim:
{
2x + 4y - 6z = 10
2x + 8y - 4z = 24
-
4x+2y + 2z= 16
{:: ::: : :: :2:

4x + 2y + 2z = 16
)
c) Quando se desejar substituir a 2!1 equação, por exemplo, pela soma dela com a l!I
ndo se efetuam
equação , previamente multiplicada por -2, se escreverá assim:
lx + 2y - 3z = 5
2x + 8y - 4z = 24
{
4x + 2y + 2z = 16
iiamente multi-
lx + 2y - 3z = 5
Ox+4y + 2z= 14
{
4x + 2y + 2z = 16
um sistema de
O sinal = da expressão L2 = ~ + L 1 (-2) não tem o significado convencional: é empre-

gado , entretanto, para indicar que a expressão ~ + L 1 (-2), utilizada em lugar de~, não altera
o sistema, ou melhor, o transforma num sistema equivalente.
d) O leitor poderá verificar, a título de exercício, que todos os sistemas constantes das
observações a), b) e c) sa:o equivalentes, isto é, têm a mesma solução:
x=2
y = 3
z= 1
A
-O \
b'
J)
f
é l f)
J
i}> I t7f ,ri
510 Álgebra linear
A.44 SISTEMA LINEAR HOMOGÊNEO A.45.1.1. Mét<
Quando num sistema de equações lineares os termos independentes são todos nulos, o Considerer
sistema é chamado homogêneo. em sistemas equi
2x + 4
Exemplo
[ 5x - 15
2x - 5y - 3z = O
7x - 2y + 4z = O 1-x + 2
3x + 8y - 5z = O 1 5x - 15
9x + 3y - Bz = O
l
lx + 2
Ox - 25:
Todo sistema linear homogêneo tem pelo menos uma solução; essa solução, denominada
solução trivial, é, qualquer que seja o sistema, xi = O, Xi representando as variáveis e
i=l,2,3, ... ,m. 1 X + 2y
1Ox + ly
A.45 ESTUDO E SO LUÇÃO DOS SISTEMAS DE EQUAÇÕES LINEARES
l
lx + Oy
Por razões de ordem didática, o estudo e a solução dos sistemas de equações lineares será Ox + Iy
feito separadamente, no

Idioma

Algebra Linear - Steinbruch

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

Algebra Linear - Steinbruch

Enviado por

Direitos autorais:

Formatos disponíveis

t[r]=

Capítulo 2 ESPAÇOS VETORIAIS

Capítulo 3 ESPAÇOS VETORIAIS EUCLIDIANOS

Espaço vetorial euclidiano .. ·.... :. ............... .. ..... . . . 111

Capítulo 4 TRANSFORMAÇÕES LINEARES

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

SISTEMAS DE EQUAÇÕES LINEARES

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 Adição de Vetores

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

1.2.1.1 Propriedades da adição

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 Muttiplicaçfo de um Número Real por um Vetor

a) módulo: 1PI= lkvj = 1kll vi;

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:

R 2 = IR x IR= { (x. y) / x, y E IR}

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

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

1.4 IGUALDADE E OPERAÇÕES

Dois vetores u=(x 1 ,yi) e v=(x:2,Y:2) sãoiguaisse,esornentese, x 1 =x 2 e Y1 =y2 , e

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

Sejam os vetores u = (x1 , yi) e v = (x2 , Y2) e a E lt Define-se:

a) u+v=(x1 +x2,Y1 +y2)

e a Figura l .4.2b mostra que:

Figura 1.4.2a Pígu,a 1.4.lb

1.5 VETOR DEFINIDO POR DOIS PONTOS

1.6 PRODUTO ESCALAR

U .V= 2(4) + 3(-1) = 8 - 3 = 5

1.6.2 M6dulo de um Vetor

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

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

lvl = .,/32 +(-4) 2 =.J9+16= '12s= 5

A partir de cada vetOI v * O é possfvt=I obt,er um vetor unitário u fazendo u =

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 E: R , tem-se:

I)u . u;;..o e u.u=O se, esornentese, u=0 =( 0, 0)

Observações: Como conseqüência das propriedades do produto escalar, vem:

1) lu+vi 2 = 1ul 2 + 2 u.v+lvl 2

lu+ vl 1 =(u + v). (u + v) = u . (u+ v) + v.(ut v)

2) De modo análogo, mostra-se que:

1.7 ÂNGULO DE DOIS VETORES

O ângulo de dois vetores u =OA e v = OB , não-nulos (Figura 1.7a), é o ângulo 0 for-

Fipm 1.7• Figun 1.7b

1.7.1 Cálculo do Ângulo de Dois Vetores

1U - V I' = 1U [ 2 + [ V 12 - 2 1U 11V 1COS 8 (1)

Mas, de acordo com o item 1.6.3 (Observação 2), pode-se escrever:

lu-vl 2 =lu1 2 -2u.v+lv1 2 (2)

Comparando as ígualdades (2) e (1 ):

j U [2 - 2u • V + J V [ 2 =1U] 2 t IV 12 - 2 1U 1 1VI COS 0

u.v=lul [vi cos0

Uma vez calculado o cos 8, o ângulo (J é encontrado numa tabela de co-senos.

cos = u. v (-2, -2) . (O, - 2)

1.8 PARALELISMO E ORTOGONALIDADE DE DOIS VETORES

U. V: 2(-3) + 3(2) =-ó t 6: 0

IR3 = R x IR x IR= { (x, y, z) / x, y, z E IR}

é interpretado geometricamente como sendo o espaço cartesiano tridimensional Oxyz.

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

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